基于英国市场一线面试体验，深入分析2025年ML/AI行业走向。数据科学家岗位正被系统性边缘化，LLM技术成为主流，行业门槛不断提高，这些变化对从业者和求职者都将产生深远影响。
智能速览
DS岗位正在被系统性边缘化，向MLE或AI工程师转型
毕业生求职门槛提高，要求既懂ML又懂CS和软件工程
经典ML模型不再受重视，LLM和多模态技术成为主流
企业更关注是否使用state-of-the-art技术而非实际效果
从业者需要下班后自学新技术才能保持竞争力
精华内容
从软件公司转投行做AI的经历，让对2025年ML/AI行业趋势有了更清晰的认知。这些观察来自真实面试体验和市场一线体感，值得每个从业者关注。
DS岗位边缘化
现在企业里越来越清晰地只剩两类角色：工程师和研发。除非已经有5年以上工作经验，否则DS很容易被默认成只和data打交道的数据工。能改名字的full-stack DS几乎都已经改成了MLE。
剩下的DS岗位，工作机会明显变少，JD越来越模糊，职责逐渐往support/analysis偏移。市场上3年左右以前叫DS的岗位，很多已经直接改口成MLE或AI engineer。
问题在于engineer要经验，research要PhD，两头都不占的人正好卡在尴尬位置。只存在于细化的分类，比如A/B test或market test专家。
毕业生就业困境
现在企业招毕业生的理想标准是：既懂ML，又懂CS/软件工程，还能写生产代码。现实是大多数CS本科几乎没有系统接触过ML，而学统计或机器学习的人，软件工程训练又相对有限。
因为LLM不断提高效率，entry的门槛看起来越来越像mid-level。第一份工作自然也就越来越难找。这种供需错配让应届生面临前所未有的挑战。
企业期望值提高但实际可用人才供给不足，导致招聘标准水涨船高。
LLM成为主流
很多公司并不会真正关心你用过哪些经典机器学习模型，也不太在意这些模型是否真的给公司带来过收益。他们更在乎的是你有没有用过LLM，有没有接触过多模态，知不知道vLLM、RAG或agent。
哪怕你做的只是PoC，甚至完全没有生产化的可能，也比一个稳健但传统的ML项目更容易被记住。现在搞AI更像一场军备竞赛，好不好用是第二位，用的是不是state-of-the-art才是第一位。
这种趋势下，从业者必须跟上技术潮流，否则容易被淘汰。
自我提升路径
一个很现实的结论是，如果在日常工作中接触不到这些新的模型和工具，那就只能下班后自己补。这次面试过程中，就从头学了一个之前完全没用过的新软件和新框架。
集中恶补一段时间其实也不是不可行。关键是要有持续学习的意识和行动力。技术迭代速度加快，终身学习已经成为AI从业者的必备素质。
主动拥抱变化，提前布局新技术栈，才能在激烈竞争中保持优势。
AI行业正在经历深刻变革，DS岗位边缘化、LLM技术主导、门槛不断提高成为新常态。面对这些趋势，从业者需要保持学习敏锐度，及时调整职业规划。未来属于能够快速适应变化的AI人才，你准备好迎接挑战了吗？
关键评论
DS面试机会变少，很多面试根本排不上
投行做AI并非理想选择，实际体验与预期差距较大
AI Agent技术栈发展迅速，大厂岗位竞争加剧
希望了解具体业余时间补充学习的内容和方法
询问转行的切入点和建议
