AI科技大本營按：本篇內容來自由 CSDN 出品的《2018 人工智慧產業路線圖》V2.0 版中 1.6 章人才分析篇，通過對相關 AI 人才各維度的資料分析，我們儘可能勾勒中國 AI 人才發展的全景面貌。產業路線圖 2.0 完整版我們將很快提供讀者下載，敬請期待。

▌中國本土 AI 人才數量持續增長，海外人才迴流是大勢所趨

AI 技術的迅速發展，更直觀的體現是 AI 人才的急速增長。根據 CSDN 社群統計的資料顯示，2013- 2016 年間，無論是釋出 AI 類文章的總使用者數、還是 AI 文章的總數量平均都有至少 2 倍速的數量增長， 而這兩大維度的資料集中爆發的時間點是 2017 年，這恰好也是科技界對 AI 發展的討論最為火熱之 時，2018 年釋出 AI 文章的使用者數和 AI 文章數量進入緩慢增長期。

近幾年中國的 AI 人才在不斷增長，但根據領英的資料，目前中國的高層次 AI 人才還極度缺乏，尤其從業 10 年以上的 AI 人才數量與美國相比有很大差距，並且大多 AI 人才都依賴於海外引進。

可以看到，在中國 AI 人才迴流潮中，從美國回來的 AI 人才佔據四成，考慮到美國是吸引科技人才流入 的重地，那麼這一輪人才迴流潮說明，無論是在薪資、政策層面還是大力發展高科技環境等方面，中 國對這些海外高階技術人才產生了強勁吸引力。

我們認為，本土 AI 人才的逐漸崛起以及海外 AI 人才的迴流將有力推動中國 AI 產業上的發展，並提升中國的 AI 實力，這些人才將構成未來中國 AI 發展的中流砥柱。 

▌人工智慧潮水流入本科教育，各大高校紛紛開設人工智慧專業 

可以明顯看到，在 2017 年前，雖然人工智慧在業界的發展已經較為火熱，但高校在 AI 課程設定上卻很“冷靜”。但 2017 年是中國高校設定AI相關專業的一個分水嶺，受中國政府頂層設計上的影響，建設人工智慧學院的高校數量急劇增加。

2017 年 7 月，《國務院關於印發新一代人工智慧發展規劃的通知》釋出，指出要建設人工智慧學科， 拓寬人工智慧專業教育內容，形成“人工智慧+X”複合專業以及重視人工智慧與現有專業的交叉融 合。2018 年 4 月，教育部印發關於《高等學校人工智慧創新行動計劃》的通知，更是為高校 AI 人才的 培養進行了提綱挈領的說明。

來自 CSRankings 的資料顯示，中國高校 AI 實力榜前五為清華大學、北京大學、中國科學院、浙江大學、上海交通大學，除了這些頂尖名校外，隨著不同層次高校爭相設定人工智慧相關課程，相應 AI 人才梯隊會逐漸完備。

我們認為，增設 AI 專業、發展人工智慧教育會是中國高校當前和今後一個較長時期的主流趨勢，人工智慧相關專業 在新時代技術浪潮中會成為高校學生眼中的“香餑餑”，正如網際網路時代興起後，計算機專業才有了躍升為熱門專業的繁榮景象。 

▌AI 開發者大調查

除了上述 AI 人才資料分析之外，CSDN 社群也針對開發者做了 AI 領域的具體使用者調查問卷，部分問題調研資料存在重複統計情況。

1. 四成開發者正在嘗試使用 AI 技術，但仍有三成開發者在“觀望” 

目前來看，正在嘗試使用使用 AI 技術的人佔四成，所在領域的核心技術就是 AI 技術，已經用 AI/機器學 習/深度學習做出了一些成績的使用者也有近三成，處於“觀望”中的使用者數量同樣還有三成。

2. 自學是開發者學習 AI 技術的普遍方式，本科 AI 教育資料將增長

從學習 AI 相關技術的方式來看，大多數使用者依然是通過自學和工作實踐中來跟進學習新技術，通過 線上報班學習居於其次，而通過大學科班學習的人數只有不到 10%，不過，隨著近年來國內各大高校設定 AI 相關專業，這一資料預計會有數量級的增長。 

3. 九成開發者認為資料科學家會成為新時代程式設計師

資料顯示，87% 的使用者認為資料科學家會成 為新時代的程式設計師，但在 AI 時代，程式設計師的 職能也將發生相應變化，他們將不單單具備程式設計能力，而是朝著資料科學家方向發展， 需要具備資料處理能力、技術能力、決策能 力等綜合能力。 

4. Torch/PyTorch 機器學習框架的受歡迎程度快趕上 Tensorflow

根據圖表資料，使用 Torch/PyTorch 的使用者已經快要趕上 Tensorflow，而百度的 PaddlePaddle 框架處 於“不溫不火”的狀態。 

5. 決策樹等傳統機器學習方法的使用量更多，強化學習等新方法在迎頭追趕

從使用機器學習型別的情況來看，AI工程師使用機器學習型別最多的依次為決策樹、聚類分析、貝葉斯，這些都算是傳統的機器學習型別，而以強化學習為代表的機器學習型別近年來關注度增高，將成為一種新趨勢。 

6.CNN、RNN 是最受歡迎的神經網路模型

從神經網路模型來看，最火熱的無疑是 CNN/IGN，使用人數佔比為 35%，緊隨其後的 RNN/LSTM/GRU/NTM 使用人數佔比為 23%，SVM 使用人數佔比為 19%。 

7.絕大數開發者所屬公司已具備初步智慧化能力

資料顯示，目前處於商業智慧、數字化、演算法模型階段的公司數量依次居於前三位，而以 AI 驅動的公司數量佔比最低為 4%。也就是說，參與調查的開發者所屬公司中，絕大部分已經具備了初步 AI 化的能力，但距離圍繞 AI 技術構建商業模式這一步還有很遠的距離。 

8.企業對機器學習/深度學習演算法、資料分析崗位需求更大 

上圖表明，從事機器學習/深度學習演算法工程師的數量最多，然後依次是計算機視覺/影象識別/影象處 理工程師、資料科學家/資料分析師/資料探勘工程師，但與之相對應的，在下圖中也體現出這些 AI 崗位的缺口數量也很大，當然，根據這些 AI 崗位數量也可以看到一些技術應用的冷熱程度。 

9.製造業、金融和醫療三大行業與 AI 技術結合最為緊密

資料圖表顯示，目前 AI 技術與製造業的結合最多，金融、醫療位列二、三名。另外，能源、零售、旅遊 等有巨大成長空間的“AI+”行業值得關注。