作者：腾讯 Andymhuang（黄明）
在刚刚过去的几个月，发生了一些有趣的事情。IEEE Spectrum 调查显示 Python 成为了最受欢迎的语言，NIPS 2017 的门票创造了最快售罄记录，Apple 发布会推出了 FaceID，GTC China 2017 异常火爆……所有的这些迹象，都预示着人工智能正在迎来它的夏天。
伴随着 AI 时代的到来，AI 人才，尤其是算法工程师和数据科学家，受到前所未有的高度关注（也产生了一定的泡沫）。但是这不代表擅长工程的架构师就不重要了。再好的算法和模型，依然需要坚实的架构和平台来实现，否则就是镜花水月。在我们看来，优秀架构师的重要性一点也没降低，但是他们也需要懂一点 AI 了。其实仔细研究的话，很容易会发现，工程型的架构师和算法型的科学家，这两类人有完全不同的特性。
- 优秀的工程型人才，熟悉计算机系统和理论，有 1-2 门拿手的语言，能写出优雅而高效的代码，设计高可用的架构。讲究快、稳、准，应对千亿压力而从容自如。
- 优秀的算法型人才，精通各种数学公式和推导，了解各种优化理论，对于一个或者多个领域的模型有深入的研究。讲究深、精、妙，直达事物之本质而化繁为简。
在 AI 时代之前，这两种人才某种程度上是井水不犯河水，大部分工程型人才在业界奋斗，开发各种应用、Web 网站、无线 App，而算法型人才活跃于学术界，进行各种科学研究、理论实验、发表文章。但是当 AI 时代到来时，人们发现，或主动或被动，大家需要交流融合了。
- 工程型人才，如果不懂一点算法，那么做出来的系统依然和 AI 绝缘，只怕是再快也无济于事。
- 算法型人才，如果不懂一点架构，那么写出来的算法、设计出来的模型，在大数据下根本行不通，再精妙也不过是纸上谈兵。
因此，融合型人才在 AI 时代会比之前的所有时代更受欢迎。经典的学术界会议纷纷得到各大互联网厂商的大力赞助，而老牌的业界会议也纷纷引入越来越多的学术研究议题。这个趋势在本次 QCon 上海 2017 大会上也得到了很好的体现：跨界互通，道器相融。希望有越来越多融合型人才和团队出现，推动 AI 的发展，为大家提供更好的 AI 产品和服务。
目录
热点| Hot
Java 9 正式发布，新特性解读
百度正式开源其 RPC 框架 brpc
推荐文章 | Article
Kafka 数据可靠性深度解读
MySQL 到底能不能放到 Docker 里跑？
观点 | Opinion
虚拟座谈会：聊聊 AIOps 的终极价值
软件测试技术的未来
理论派 | Theory
gRPC 客户端创建和调用原理解析
评论