工业3D视觉人才流动「实录」:研发、应用、销售的三次「人才高潮」

雷锋网  •  扫码分享
我是创始人李岩:很抱歉!给自己产品做个广告,点击进来看看。  

任何产业落地,人才是打开“潘多拉魔盒”的黄金秘钥之一。

3D视觉领域,尤其面对碎片化、非标化的场景时,上至研发下至应用与销售,“有经验”、“懂场景”、“懂客户”是最具优势的敲门砖,也是视觉公司最求贤若渴的一类人才。

然而,3D机器视觉这个尚且年轻的行业,还没有足够的能力广纳有经验的人才,也使得人才争夺战在这个行业尤为激烈,并一路从前几年的研发应用岗比拼到了如今的销售岗。

跳槽、转行、流向上游设备商……这些人才流动的轨迹,也从侧面描画了3D机器视觉的一路演进和最新动向。

工业3D视觉行业,懂场景为什么这么重要?

去年,算法岗位的秋招一片哀鸿遍野,CV(计算机视觉)算法工程师岗位尤其卷得厉害,求职人数增加了23%,但岗位数下降了16%,求职与招聘比例达到了恐怖的15:1,导致很多CV从业者纷纷转行,走上开发或产品运营岗位。

CV算法工程师岗位之所以“卷”,一方面源于广阔的应用前景,涵盖自动驾驶、医疗影像分析、安防监控等领域,导致对具有CV算法开发经验的工程师的需求大大增加;另一方面,传统2D视觉算法已经十分成熟,大多数算法都已开源,使得深度学习相对容易应用,该领域差异化相对较小。

然而,如果在算法工程师的前面加一个“工业3D视觉”的前缀,就会看到另一番景象,不少人听到后大概都会摇着头四散走开。

在工业领域,3D视觉技术可以应用于尺寸测量、质量检测、物体定位、自动导航等方面,工业自动化程度的不断提高,使得3D视觉技术的应用不断扩大。

但与此同时,工业3D视觉也面临着更大的挑战。

技术上,工业3D视觉通常需要深入了解机器视觉、点云处理、传感器技术等多个领域的知识,需要具备跨学科背景的人才,门槛较高。

不过,虽然3D视觉技术壁垒和行业难题犹存,但进入门槛已经变低。

当前主流的 3D 成像技术有几种,双目立体、结构光、ToF、激光三角测量等,其他成像技术是在其基础上的变形,目前国内都已有成熟的开源算法。

一位3D视觉芯片公司市场销售总监对雷峰网表示,“目前国内3D视觉算法是成熟的,ToF、结构光都有开源算法,只要是个研究院或者有个团队,都能跑起来,但在低功耗、低延迟、高帧率、高分辨率上国内外还存在差距。”

不少3D视觉从业者向掘金志表示,工业领域最难的其实不是技术,而是交付。

“3D视觉项目跟其他工业项目类似,看起来很香,动辄成百上千万,但如果前期项目评估不准确,就会导致交付周期很长,甚至出现烂尾。”迁移科技市场总监孙亚东说。

一方面,要在工业环境中处理和理解三维数据,涉及到光照变化、噪声干扰等复杂场景的挑战,而能解决这些问题的专业人才则较为缺乏。

这也是CV算法工程师竞争激烈,而工业3D视觉算法工程师仍供不应求的原因。

另一方面,交付现场问题频发,视觉作为机器的核心部件,维护成本很高,必须派人去现场维护、调试,有时一个较大的项目可能就需要几十个现场应用工程师。

对复杂场景的理解与维护售后的困难相互交织,造成的结果就是大量人力铺在项目上,并且交付验收周期被“无限”拉长。

掌握场景能力为什么这么重要?

因为掌控场景的公司才拥有议价能力。

而懂场景,才能做出好的产品,一般而言,拥有核心产品的公司拥有议价能力,但当下国内以产品公司为定位的3D视觉厂商,并没有在产品上拉开足够的差异化,导致议价能力不强。

有投资人认为,国内3D视觉公司产品上的议价能力不强,一个原因在于技术和产品做得还不够成熟,另一个很重要的原因就在于对工业应用的场景理解还不够。

本质上,工业3D视觉面临的困境,都围绕着一个关键词“场景理解”。

3D视觉公司的CTO胡平坦言了公司在人才建设上走过的弯路,“高估了智商的作用,低估了经验的作用。”

这也是不少研发背景强悍的“技术型创始人”会遇到的问题,常见做法如通过设置较难的笔试题,筛选出一批学术能力和研究能力优秀的应届毕业生。

但他们往往都会发现,这类员工由于没有落地经验,几乎没有对客户和场景的理解,导致产品开发过程中一些研究方向偏离实际,为公司带来高昂的试错成本。

胡平谈到,在后期招聘中,公司更多从业务设计角度出发,不仅招聘了研发能力强的人为不同项目做支撑,同时也招聘了部分有经验的员工,各取所长。

人才抢夺战,从研发、应用到销售

工业3D视觉,是一个上至研发下至应用,都十分依赖经验人士的行业,但3D视觉行业发展至今,懂场景的人才依旧相对匮乏。

一大原因在于,3D成像的发展历史并不是很长,相关高校设置的图像算法类专业也是这几年才兴起,以大专生为主流,做底层算法的人才数量本身就稀缺。

机器视觉公司总经理何著表示,目前国内大部分学校培养的都是传统2D视觉或2.5D视觉工程师。“2.5D和3D属于不同的细分学科领域,后者门槛更高,领域规模相对更小。真正的3D视觉是多视角的,需要通过点云处理,多一步计算就卡住了不少工程师,因为只有很少的人在学校里学习到了真3D的相关知识。”

另一大原因在于,高校毕业的很多算法人才,都更倾向于选择互联网大厂、AI公司或大型消费电子公司,真正进入纯视觉行业的高端人才太少了。

毕业于山东大学的何著表示,当他回到母校做宣传时,发现自己根本招不到人。

“所有的硕士跟博士一毕业后全部进入大厂,或者进入一些有名的AI公司,这些公司开得起钱。视觉公司大都是一些小的创业公司,稳定性不强。”

一位帮不少视觉公司做过招聘的猎头韩云深有同感,在招人的过程中,她曾遇到几位十分资深的视觉算法工程师,合作的视觉公司求才若渴,但这些人才最终还是选择了给得起高薪,有平台光环的大厂。

人才匮乏,导致专业人才成为工业3D视觉行业的“香饽饽”,并且视觉公司对不同岗位的人才需求,分阶段呈现出不同的高潮。

2020年至2021年,是3D视觉行业的黄金发展期。

彼时,3D视觉概念爆火,资本市场也表现的尤为热情,上至芯片,下至产品和解决方案,大额投融资屡见不鲜。

这把火传导到人才市场,表现为到处都在抢专业人才。

以3D视觉芯片为例,基本上每做一颗芯片都需要3-5年的时间。

芯片设计团队里,机器视觉、成像、人工智能、双目结构光或者ToF算法,每一个都是一个独立的学科,此外还有光学设计,嵌入式,片上系统,最终还要把几大核心方向全部融合到一处,将所有算法硬件化。

“芯片的前中后端设计,每一个展开来讲都非常复杂,每一块都需要配备专用的人才,一方面需要花大量资金去抢专业人才,另一方面3D成像在中国的发展历史并不是很长,绝大多数人能做2D图像处理,但不会3D图像处理。”

猎头韩云经营的人才服务公司在2019年至2021年期间服务了不少机器视觉公司,帮助客户招聘岗位包括算法工程师、软件工程师、项目经理、应用工程师等,并主要以算法、软件等中高级岗位为主。

最让韩云印象深刻的是A公司。2021年A公司融到了行业天花板级别的融资,于是在这一年快速扩张,以至少高于同行30%以上的薪酬疯狂招揽研发及销售人才,仅一年内就疯狂迅速吸收进大几百人。

站在猎头角度,韩云并不认同A公司的做法,因为其无形中扰乱了原本平衡的市场薪酬体系,拔高了从业人员的薪酬期待值,心态变得更为浮躁且短视。

更大的灾难在于,A公司虽然的确用高薪吸引来了众多优秀的人才,但其最终并没有做出与能力相匹配的产品。于是在3D视觉热度开始下降的2022年,A公司也开启了裁员,并一直持续到今年。

这是因为,企业固然有志向、有钱、有人,但工业从来都是个“慢性子”,有很多非标化的需求,有很多需要深刻理解的场景,靠互联网的打法,以及资金和人力堆叠,并不能快速推动项目落地。

韩云今年接触了不少从A公司出来的候选人,由于他们被拉高了心理预期,再求职时往往会在已经高于市场行情的薪资基础上,继续要求工资涨幅。

面对这些候选人,韩云十分无奈,但也只能直接了当告诉对方:“以你的经验背景,在A公司薪资已经谈到那么高,如果继续要求涨幅,在当前的行情下基本上是没有面试机会的,最多只能平薪。”对此求职者也只能选择接受。

在3D视觉公司普遍进入项目落地的阶段,对于应用工程师的需求也大量出现。

尤其一些以做项目为主的视觉公司,由于工业场景大都十分非标化,因此他们需要养大量的现场应用工程师。

比如做大型锂电项目的视觉公司,可能同时需要大几百号人扑在项目上,出于用人成本考量,他们做不到高薪招聘经验丰富的工程师,于是刚毕业一两年的年轻人成为最合适的人选。

“算法工程师一般客户会要求硕士学历及以上,并且很看本科是不是211/985,软件工程师本科硕士都行,FAE 现场应用工程师基本上有大专学历就可以。”韩云对雷峰网 (公众号:雷峰网) 说。

相比算法和软件岗位,应用工程师岗位相对基础,对学历要求没有那么高,加上人才基数本身较大,因此招聘速度也更快。

然而,随着3D视觉行业的热度渐渐冷下来,视觉公司考虑到资金压力,也开始“惧怕”起那些费人费钱,交付周期又长的项目。

及至今年,在洗牌期来临,各家比拼造血能力的当口,视觉公司的岗位需求也出现了明显的转变,开始争抢起有资深经验的销售。

3D视觉公司销售崔磊告诉掘金志,销售岗位遇到最大的困难就是客户资源的转化问题。

即当确认一个客户的场景是一个潜力场景时,如何平衡好公司自身研发、测试的时间,以及竞品在产品和价格上的对比,并最终拿出满足客户需求的产品或方案,顺利签下订单。

经验,在销售岗位的重要性溢于言表。

韩云表示,“我们之前帮企业招聘的多是算法、软硬件、光学结构、大量应用工程师、项目经理、机械、电气等岗位,今年视觉公司都在抢业绩、拿订单,很多公司都委托我们找厉害的销售。客户的目的很明确,要求很直接,就关注候选人有哪些客户资源?主要做哪些客户?个人业绩怎么样?去年完成多少业绩?非常简单粗暴。”

从整个行业来看,目前经济下行,大厂大量裁员,对于3D视觉公司来说,进入了一个很好的人才投资周期。

这两年不少视觉公司,一边清洗冗余或价值不大的部门和人员,一边又补充更加优秀,更符合要求的人才。

3D视觉机器人公司创业者夏侯直言,其位于上海的分公司,今年拿到一堆百度、高仙被裁人员的简历。

算法工程师频繁出差,应用工程师身心俱疲

工业领域,选用产品和方案的一条准绳就是设备系统运行的稳定性,当下国产视觉系统稳定性不足,是众多工业客户的共鸣。

很多视觉产品在实验室效果特别好,但一到实际应用现场就问题频出。

视觉公司直面和解决稳定性问题的主要是两类人才:一类是“实验室研发型”,负责产品研发和落地;一类是“现场支持型”,负责产品交付。

然而,在工业3D视觉领域,这两类工程师都不轻松。

首先,是频繁出差的算法工程师。

“在工业视觉领域做算法很辛苦,工业场景碎片化、非标化,算法工程师需要对应用场景有足够的了解,因此经常需要出差,不像互联网和消费电子等行业,在公司写代码就好。”韩云说道。

这便带来一个极为矛盾的现象,即人才不足背景下的人才浪费问题。

至少在去年,甚至今年上半年,都还有视觉公司付着博士的薪水,却让博士干着一位专科生就能干的应用工程师的活。

据在某机器人公司实习过的史航介绍,一般接到一个项目需求后,都是由项目经理去现场沟通需求,但由于项目经理一般不太懂技术,会导致很多需求点沟通不到位。

不仅如此,有的初创公司由于领导欠缺管理能力,导致给到工程师错误的需求。比如当算法工程师到现场部署的时候,可能会发现客户工艺已改善,或项目范围变更,或功能改变,但工程师此前却没有接收到这些信息,最终只能沦落到现场编程,重新开发。

再比如一些项目有着极其严格的保密需求,并且客户不一定有现成的二次开发平台,视觉公司也只能将博士送到“前线”,现场写代码和调试。

“符合要求的这些硕士和博士,做自动化也是做,做自动驾驶也是做,为什么在这赚这个辛苦钱。”史航说。

在不少业内人看来,现阶段机器视觉领域的人才浪费,是行业发展初期的一个必经的阶段。

行业初期需要做大量奠基工作,一般的工程师做不了,只能让博士生、研究生们到一线接触项目,接触应用,为的是深入理解客户场景需求。

未来随着机器视觉市场走向成熟,研发与项目将相互独立,博士、硕士们会回归研发工作,项目和应用则可以完全交由真正的集成商,由他们启用本科生、专科生将3D视觉交付到客户的产线中。

其次,是身心俱疲的应用工程师。

真实应用场景环境复杂,是交付过程中问题频发的一个重要原因。

以视觉检测为例,由于实验室测试环境和现场工作环境的真实差异,有的高精度相机在实验室的检测精度能达到10微米,但在客户现场达不到,有时并非产品本身做得不够好,而是现场各种各样的工况导致。

“真实应用现场有很多不确定因素,场地大小、光照影响、生产时间安排、粉尘污染、电磁干扰等各种问题,会导致之前在实验室的方案,修改或者重新推翻。”从3D视觉跳槽传统2D视觉公司的方成介绍道,面对出现的各类问题,视觉工程师需要快速评估,给出总部意见,或和远在办公室的软件研发工程师配合快速处理,或根据自己的经验快速调整。

一般来说,做视觉的公司分为两类,一类是“全能型”,这类公司规模较大,从底层光学,到相机、机械等硬件,再到软件都是自己做;另一类视觉公司,与设备方合作,自己只负责视觉部分。

事实上,客户项目现场出现问题,并非全部都是视觉的问题,除了相机硬件和视觉系统稳定性外,工控机、线缆、设备都可能出现各种各样的问题。

“比如机器卡死、检测不出来一般是软件问题,没有图像、图像出现花纹、丢帧等是硬件问题,只有有现场实施经验的视觉工程师才能找到问题。”方成说。

但现实情况是,一旦出现问题,客户总是先找视觉的问题,尤其是系统软件的问题。

韩云接触大量应用工程师后,一个直观感受是,应用工程师群体实在“有苦难言”。

“甲方一上来就是找视觉的问题,让给视觉公司检查处理。应用工程师在甲方处没有太多话语权和地位,经常被甲方的项目经理随叫随到,属于纯乙方。”

长时间的驻场,随叫随到的服务,问题排查又极依赖经验,再加上问题排查过程中的相互推诿与扯皮,导致现场应用工程师心力交瘁。

“理想的交付周期至少要一个季度,如果有各种扯皮的情况,项目交付周期可能会变成两三个季度。”一位售前解决方案工程师补充道。

因此,相较于算法、软件岗,相对基础的应用工程师岗人员流动一直以来都比较大,很少在一家公司工作特别久。

尤其在视觉行业红火的那两年,市场上对于应用工程师的需求量很大,客户迫于交付时间的压力需要快速上人,有经验没经验的都要,也愿意给出高一点的薪资。

对于应用工程师来说,不同项目工作内容基本一样,因此在一家公司待一年半载,有一定经验后,另一家公司给出高一两千的薪资,便会毫不犹豫的跳槽,并且常常是和自己的小组长或熟人一起抱团跳槽。

除了在不同公司的同一岗位之间反复跳槽,大多数想要摆脱田间地头调试之苦的应用工程师,通常会走上两条职业道路:一条道路通向管理岗位,转做项目主管/经理,带小团队负责一个项目;更多选择转行做研发,通过提升学历水平或参加视觉软件培训,实现做应用软件工程师的梦想。

结语

场景理解说难也不难:不难,因为没有特别高的技术门槛;难,因为对经验的要求非常高。

相对而言,3D视觉行业起步晚,既懂3D视觉技术又懂工业场景的人才还没有大规模成长起来,且用人成本高昂。

但总体而言,工业市场细分领域众多,不乏许多专精特新企业,小巨人企业,以及一些闷声赚大钱的企业,论就业和前景,工业的发展空间很大。

用人问题,是各行各业都会遇到,并需要长期探索的命题。

当无人可用时,是“巧妇难为无米之炊”;当人才缺乏经验时,是“书到用时方恨少”;当人才囿于自身经验时,是“夏虫不可语冰”;当方向不明确时,是虽有行业老兵、精兵强将,最终却“兴尽晚回舟,误入藕花深处”。

3D视觉人才的迭代与流动,在展示工业3D视觉成长历程和最新动向的同时,也有一些经验值得反思。

作者长期关注智能制造、工业数字化赛道,如果您有更多故事和观点,欢迎添加微信MOON_ERS进行交流。

注:文中部分名字为化名。

雷峰网原创文章,未经授权禁止转载。详情见 转载须知 。

随意打赏

提交建议
微信扫一扫,分享给好友吧。