腾讯研究院：2017全球人工智能人才白皮书：解读世界顶级AI牛人的秘密！(73页)

1 白皮书 2017 全球 人工智能人才 腾讯研究院 & BOSS 直聘 联合出品1 核心内容 第 篇：美国主导下的全球 AI 人才发展现状 第 篇：全球 AI 顶级人才全景图 第 篇：中国 AI 人才市场为何一将难求 第 篇：中国 AI 企业如何拼抢 AI 人才 第 篇：中国 AI 人才队伍建设路径探讨2 目录 CONTENTS 核心内容 1 研究说明 5 前言 7 第一篇 美国主导下的全球AI人才发展现状 8 第1章 全球AI人才发展概况 9 1.1 四国AI战略布局对比 9 1.1.1 美 国 布 局 完 备 ， 领 先 各 国 一 大 步 9 1.1.2 中 国 提 出 A I 发 展 规 划 ， 谋 求 成 为 世 界 中 心 1 0 1.1.3 英 国 要 成 为 最 适 合 发 展 和 部 署 A I 的 国 家 1 0 1.1.4 日 本 推 行 机 器 人 战 略 ， 提 出 超 智 能 社 会 5 . 0 1 1 1.1.5 四 国 战 略 对 比 1 1 1.2 全 球 A I 高 等 教 育 对 比 1 2 1.2.1 全球AI高校分布：美国高校数量超中国7倍 12 1.2.2 高 校 A I 专 业 设 置 ： 中 国 起 步 晚 ， 发 展 较 弱 1 3 1.2.3 高校AI专业招生：应关注理科素质，综合评判 14 1.2.4 高 校 A I 课 程 设 置 ： 计 算 机 科 学 是 基 础 1 5 1.3 全 球 A I 产 业 人 才 分 布 1 6 1.3.1 全 球 产 业 人 才 国 家 分 布 1 6 1.3.2 A I 人 才 聚 集 的 产 业 层 面 1 8 1.4 科 技 巨 头 加 强 高 端 人 才 招 募 1 8 1.4.1 巨头之间的人才角力 18 1.4.2 巨头AI人才布局的三个特征 19 第二篇：全球AI顶级人才全景图 22 第2章 四大领域顶级人物画像 23 2.1 学 术 领 域 ： 顶 级 学 者 和 科 学 家 画 像 2 3 2.1.1 年龄：活跃学者以中青年为主 23 2.1.2 性别：女性比例极低 25 2.1.3 地区：主要分布于北美 25 2.1.4 教育经历：学者们多毕业于CS四大名校 26 2.1.5 专业背景：98%的学者拥有CS或EE博士学位 26 2.1.6 学界与业界：学界业界联系紧密 26 2.2 领 先 企 业 ： 顶 级 企 业 家 画 像 2 73 2.2.1 全球超过一半领先企业诞生在美国 27 2.2.2 创业场上80后独领风骚 28 2.2.3 国籍：中美企业家数量最多，美国优势明显 29 2.2.4 高知云集，超过2/3的硕博占比 30 2.2.5 专业背景与从业经历相差不大 31 2.3 科 技 巨 头 ： 顶 级 实 验 室 负 责 人 画 像 3 2 2.3.1 A I 巨 头 研 发 团 队 3 2 2.3.2 A I 研 发 团 队 负 责 人 画 像 3 3 2.4 投 资 人 3 5 2.4.1 富 有 远 见 的 投 资 机 构 3 5 2.4.2 投 资 人 画 像 ： 经 验 丰 富 ， 眼 光 独 到 3 6 2.5 本 节 数 据 来 源 及 补 充 说 明 3 8 第三篇：中国AI人才市场为何一将难求 40 第3章 AI人才需求现状 41 3.1 供 不 应 求 ， 人 才 需 求 爆 炸 式 增 长 4 1 3.2 京 沪 浙 粤 ， 北 京 需 求 呼 声 最 高 4 1 3.3 马太效应，中小企业数量多需求小 42 3.4 企业重学历，硕士以上超半数 42 第4章 AI人才供应现状 43 4.1 供 应 飙 升 ， 缺 人 现 象 却 更 加 严 重 4 3 4.2 学 历 分 布 ， 硕 博 占 据 5 0 % 以 上 4 4 4.3 谁 有 优 势 ？ 双 一 流 大 学 占 九 成 4 4 4.4 哪 个 专 业 ， 最 受 A I 公 司 欢 迎 ？ 4 6 4.5 黑 马 出 现 ， 杭 州 A I 人 才 数 量 首 超 广 州 4 6 4.6 留 学 生 8 0 后 ， 渐 成 A I 领 域 核 心 军 4 7 第四篇：中国AI企业如何拼抢AI人才？ 48 第5章 对企业招聘的影响：高价求才 49 5.1 平 均 月 薪 2 . 5 8 万 ， 招 聘 薪 资 水 涨 船 高 4 9 5.2 高 层 亲 自 出 动 ， 争 抢 人 才 白 热 化 5 0 5.3 主 动 降 低 门 槛 ： 老 鸟 渐 少 新 兵 吃 香 5 0 第6章 对人才应聘的影响：待价而沽 51 6.1 平 均 期 望 薪 酬 何 以 低 于 平 均 招 聘 薪 资 5 1 6.2 语 音 识 别 、 机 器 人 领 域 大 受 追 捧 5 2 6.3 大 厂 有 魅 力 ， 价 低 也 要 去 5 3 6.4 A I 人 才 如 何 胜 出 ？ 掌 握 复 合 技 能 5 3 6.5 谁 家 的 才 子 ？ 一 个 月 收 到 数 十 家 企 业 邀 请 5 44 第7章 AI对工作岗位的冲击与机遇 54 7.1 冲 击 ： 低 技 能 职 位 难 以 为 继 5 4 7.1.1 录 入 员 、 速 记 员 、 文 字 秘 书 负 增 长 5 4 7.1.2 翻 译 人 才 即 将 负 增 长 5 5 7.1.3 仓 储 管 理 出 现 3 6 % 的 降 幅 5 5 7.1.4 客 服 2 0 1 7 年 首 次 呈 现 负 增 长 5 6 7.1.5 倒 逼 转 职 选择受限 56 7.1.6 那 些 受 冲 击 明 显 的 岗 位 5 7 7.2 革 新 ： 高 技 能 的 新 职 位 爆 发 式 增 长 5 7 7.3 热 潮 ： 大 批 技 术 人 才 转 战 A I 5 8 第8章 AI人才未来发展预测 59 8.1 A I 行 业 向 稳 定 发 展 期 迈 入 5 9 8.2 人 才 需 求 延 续 倍 数 级 增 长 5 9 8.3 人 才 困 境 仍 难 缓 解 政策支援亟不可待 60 8.4 本节数据说明 60 第五篇：中国之路怎么走？ 61 第9章 中国AI人才队伍建设路径探讨 62 9.1 政 府 层 面 6 2 9.1.1 增 设 人 工 智 能 一 级 学 科 ， 提 高 新 生 人 才 数 量 6 2 9.1.2 吸 引 归 国 高 端 人 才 ， A I 千 人 计 划 刻 不 容 缓 6 3 9.1.3 给 予 人 工 智 能 产 业 适 当 政 策 倾 斜 6 3 9.1.4 完 善 人 工 智 能 领 域 法 律 法 规 和 行 业 标 准 6 3 9.2 企 业 层 面 6 4 9.2.1 把 握 产 业 大 趋 势 ， 找 准 发 展 方 向 6 4 9.2.2 联 合 高 校 培 养 A I 人 才 ， 建 立 长 期 人 才 储 备 6 4 9.2.3 开 展 企 业 公 开 课 ， 帮 助 中 小 企 业 转 型 升 级 6 4 9.3 高 校 层 面 6 4 9.3. 推动高校开放政策实施，拥抱企业 64 9.3.2 提高AI科研经费，大力发展交叉学科 65 9.4 协 会 层 面 6 5 9.4.1 促 进 协 会 发 展 ， 构 建 产 学 研 合 作 新 模 式 6 5 9.4.2 完 善 交 流 平 台 ， 形 成 成 果 转 化 体 系 6 6 结语：人工智能是机遇还是威胁 67 参考文献 68 研究与撰写团队 69 支持机构与媒体 705 腾讯研究院自2017年发布8月先后发布《中美两国人工智能产业发展全面解读》和《2017中美人工智 能创投现状与趋势研究报告》之后，引起许多读者好评。 有读者来研究院走访，建议研究全球人工智能人才分布的课题，以便让公众更好的把握产业发展现状。 这个建议得到许多朋友的认同，大家认为，在算法算力数据都得到了较好解决的今天，AI产业的发 展，更多的依赖科学家和各层面的科研人员。简单说，AI以科学家为根本。 为此，我们联合boss直聘进行了研究，经过近两个月的连续奋战，终于形成了《全球人工智能人才白 皮书》这篇报告。 对于大家关注的数据来源，简要说明如下： 一、报告中与AI企业相关数据来源于《解读》和《创投》两篇报告所整理的数据，国外数据来自 Venture Scanner，中文数据来自IT桔子。 二、报告中与全球AI顶级人才相关的数据来自于五个部分： 1.高校与学界人才数据，来源于：CSRanking, Google学术。其中，CSRanking提供了开设人工智 能相关课程的大学的索引，我们根据这个索引，估算了高校AI学者和博硕士学生的数量。 其中筛选了一些比较有学术影响力学者进行了简单“画像”。这些学者筛选依据主要包括论文在AI顶 级会议上发表数量和论文被引用次数以及社会影响力 2.科技巨头中的AI负责人。根据公开数据搜集而成。主要包括以下十大公司：Facebook, Google, IBM, Intel, Microsoft, Amazon, Apple, 腾讯，阿里巴巴,百度。 3.领先企业中的负责人，即专注AI领域的开拓的创新企业，包括提供芯片与算法、框架与技术、应用 开发等各产业层面的公司。数据来源于Crunchbase。 从数据库中挑选的这些企业的融资量均超过一亿美元。 4.投资人。数据来源：Venture Scanner，Crunchbase，IT桔子。按照在AI领域的投资规模，挑选 出排名前13的投资机构，共统计出24位主要负责人。采用熵值法，根据参与投资金额，投资项目数量，投 资收益率进行筛选。 5.中国AI人才供求研究部分的数据，均抽样自BOSS直聘招聘和求职者大数据体系。 研究说明6 抽取与人工智能直接相关的职位数据，如自动驾驶、自然语言处理、计算机视觉、搜索算法、算法工 程师、推荐算法、图形开发、深度学习、图像识别、语音识别、机器视觉、语义识别、声纹识别、NLP、 神经网络等。数据组依据填写信息的完整度和信息可信度，对抽取样本数据进行了清洗，剔除了信息填写 虚假，不符合要求的数据。 三、研究的不足之处 由于时间紧任务重，统计中不免会挂一漏万，而匆匆行文之间，除了留下有许多疏漏和bug，主要有 两方面需要注意： 一是缺失值的处理。在数据统计的过程中，不可避免的会遇到少数数据无法收集到的情况，对于缺失 值的处理，此次报告的处理方法是平均数值法，即选取该缺失值前后三位的平均数作为填充。 二是统计不够全面。我们所引用的数据库，均非普查性数据，或有更权威更完善的数据库，但我们尚 未达成合作；另外我们采用的抽样方法，也不尽完善，因而数据存在一定的偏颇。 此外，需要特别说明的是，本报告的结论和观点也仅在研究组内讨论，征询了数位业内专家的意见， 未能进行更广泛的专家研讨和评审，因此仅代表研究组，不代表所在机构，更不构成投资建议。 希望读者认真辨别，多多批评。7 人工智能竞争以顶级人才为根本。作为国家未来的发展方向，AI技术对于经济发展，产业转型和 科技进步起着至关重要的作用。而AI技术的研发，落地与推广离不开各领域顶级人才的通力协作。在推 动AI产业从兴起进入快速发展的历程中，AI顶级人才的领军作用尤为重要，他们是推动人工智能发展的 关键因素。 因此，上至发达国家政府，下至科技巨头AI创业公司，无不将AI视为提升自身的核心竞争力的根本性 战略。能够引领AI发展的顶级人才，环顾全球，尚不足千人，自然成了供不应求的抢手货。 然而，人工智能领域人才分布极不平衡，对人才的拼抢将日益激烈。全球AI领域人才约30万，而 市场需求在百万量级。其中，高校领域约10万人，产业界约20万人。全球共有367所具有人工智能研 究方向的高校，每年毕业AI领域的学生约2万人，远远不能满足市场对人才的需求。在这种供需极其不 平衡的形势下招募团队，大公司比小公司有优势，国际巨头公司比大公司有优势，在某种意义上，国家 比国际巨头还有力量。 美国人工智能领域的人才无论从数量、质量都要远超其他国家，虽然中国政府已经将人工智能上升到 国家战略层面，但是仍然不能立即改变我国AI人才供需严重不平衡的现状，对此，我国应从政府，企业， 高校，协会多种途径实现我国人工智能领域三步走的目标。 要解决人才不足的问题，除了以更好的条件来吸引人才以外，还要加强基础研究的知识储备。人工 智能战略的实现，不光需要依赖研发费用和研发人员规模上的持续投入，还需在基础学科的人才培养方 面加大力度，尤其是算法和算力领域。只有投入更多的科研人员，不断加强基础研究，才会获得更多的 技术优势。 前 言8 美国主导下的 全球AI人才发展现状 1 9 第一章 全球 AI 人才发展概况 当前，上至发达国家政府，跨国互联网巨头，下至研究机构、AI创业公司，无不将AI视为提升自身的 核心竞争力的根本性战略，并预期AI将深刻改变人类社会生活、改变世界。 在国家战略布局方面，许多国家均有战略部署。其中，美国、中国、英国和日本各有特色。美国布局 完备，领先各国一大步；中国则聚焦战略发力，积极扩充人才规模；英国则稳步推进，力求争先；而日本 希冀通过机器人战略，打造超智能社会5.0。 目前，全球人工智能人才约30万人。其中产业人才约20万人，大部分分布在各国AI产业的公司和科技 巨头中；学术及储备人才约10万人，分布在全球367所高校中。 在全球人才高校分布方面，美国无论是高校规模、学术能力，均遥遥领先；加拿大、中国、日本则紧 随其后。目前，在这367所具有人工智能研究方向的高校中，有6000多名AI领域的学者，以及7万余名AI 相关专业在读硕博研究生。每年AI相关领域硕博毕业生约2万名。在这367所高校中，美国拥有168所，占 据全球的45.7%，独占鳌头。 在全球AI产业人才分布方面，美国在AI基础层占据绝对优势，中国则在应用层与美国旗鼓相当。据腾 讯研究院《中美两国人工智能产业发展全面解读》统计，截止至2017年6月，全球人工智能初创企业共计 2617家。美国占据1078家居首，中国以592家企业排名第二，其后分别是英国，以色列，加拿大等国家。 其中，美国1078家人工智能企业约有78700名员工，中国592家公司中约有39200位员工，约为美国的 50%。 1.1 四国 AI 战略布局对比 1.1.1 美国布局完备，领先各国一大步 美国在AI战略方面布局完备，体现了高度的战略前瞻性，领先各国一大步。 首先，美国从顶层设计入手，规划了比较完备的人工智能发展战略。2016年10月至12月，美国白宫 科技政策办公室（OSTP）发布了《为人工智能的未来做好准备》、《国家人工智能研究和发展战略计 划》和《人工智能、自动化与经济报告》3 份以人工智能为主题的报告，全面搭建了人工智能战略实施框 架，明确政府职责，阐述了人工智能的发展及影响。 其次，美国政府设立专职负责机构，推动人工智能落地。美国政府先后成立了隶属于白宫科技政策办 公室（OSTP）的美国国家科技委员会（NSTC），机器学习与人工智能分委会（MLAI）和网络与信息技 术研究发展分委会（NITRD）帮助产业和科技发展，从国家层面上引领方向。 再次，美国在AI人才方面举措超前，构建了完备的不同层次的人才梯队。政府不仅开放了训练数据方 式和数据标准，还通过大量公开政府数据推动了学术领域、私营部门的人工智能研究和应用，优先发展基 美国主导下的 全球AI人才发展现状10 础和长期人工智能研究。另外，政府还鼓励高校将人工智能相关的伦理学、安全、隐私、安防问题列入机 器学习、计算机科学、数据科学等课程中去。 1.1.2 中国提出 AI 发展规划，谋求成为世界中心 中国政府将人工智能上升到国家战略层面。2017年7月，国务院印发《新一代人工智能发展规划》， 明确指出新一代人工智能发展分三步走的战略目标，到2030年使中国人工智能理论、技术与应用总体达到 世界领先水平，成为世界主要人工智能创新中心。 《规划》中提到，把高端人才队伍建设作为人工智能发展的重中之重，坚持培养和引进相结合，完善 人工智能教育体系，加强人才储备和梯队建设，特别是加快引进全球顶级人才和青年人才，形成我国人工 智能人才高地。同时，中国政府也加大力度建设人工智能学科。《规划》提出，要完善人工智能领域学科 布局，设立人工智能专业，推动人工智能领域一级学科建设，尽快在试点院校建立人工智能学院，增加人 工智能相关学科方向的博士、硕士招生名额。加强产学研合作，鼓励高校、科研院所与企业等机构合作开 展人工智能学科建设。 在另一份重要文件《国家中长期人才发展规划纲要（2010－2020年）》中，中国政府强调中央层面 实施“千人计划”，建设一批海外高层次人才创新创业基地，用5－10年时间引进2000名左右海外高层次 人才回国（来华）创新创业。这些高层次人才之中，很多都是人工智能领域的佼佼者，这也将大大促进中 国人工智能领域的发展。 1.1.3 英国要成为最适合发展和部署 AI 的国家 英国在人工智能道德标准及政府监管研究领域一直表现积极， 英国政府2013年就将人工智能列为 八项伟大的科技计划，在2016年，英国科学和技术委员会相继发布《机器人和人工智能》、《人工智能对 未来决策的机会和影响》两份报告，呼吁政府介入监管，建立透明、可归责机制，并利用英国在人工智能 领域的既有优势增强国力。 2017年10月15日英国政府发布了报告《在英国发展人工智能》，指出AI将为英国提供8140亿美 元（约为6300亿英镑）的经济增长，推动GVA年增长率从2.5%增至3.9%，同时从数据、技术、研究 以及政策的开放和投入等四个方向上分别给出了具体建议，目标是使英国成为世界上最适合发展和部署 人工智能的国家。为此，政府成立了英国政府科学办公室（Government Office of Science）和英国 下议院科学和技术委员会（The House of Commons’Science and Technology Committee） 并提出建立人工智能委员会，计划建立独立的、非营利的、无党派的开放数据研究所（ODI），为未来 发展铺路。 在人才方面，政府将为工程和物理科学研究委员会提供研究资金。目前已经针对数据科学的研究，包 括阿兰图灵研究所，以及剑桥大学、爱丁堡大学、牛津大学、伦敦大学、华威大学组成的EPSRC协会，共 注入4200万美元。最值得学习的是，英国政府在本国领先的大学中，设立由企业资助的大学AI硕士课程， 并增加了200多个人工智能博士学位，以优厚的条件吸引来自世界各地、拥有不同背景的人才。11 1.1.4 日本推行机器人战略，提出超智能社会 5.0 日本对人工智能战略布局有一些独到的见解，希冀通过机器人解决国内的困境。2014年，日本内阁通 过“日本振兴战略”，日本政府修订后提出了要推动“机器人驱动的新工业革命”。一年后，日本经济产 业省将委员会讨论的成果编制了《日本机器人战略：愿景、战略、行动计划》。而后在2016年1月，日本 政府颁布《第5期科学技术基本计划》提出超智能社会5.0，并将人工智能作为实现超智能社会的核心。同 年9月，将人工智能纳入了《科学技术创新综合战略2016》体系。与此同时，日本还成立机器人革命实现 委员会，人工智能学会伦理委员会，和人工智能技术战略会议辅佐产业发展。 在人才方面，日本计划从2020年起，将编程列入中小学必修课程；从民间企业选派讲师到大中小 学上课，以促进产学研合作；对在职员工接受社会培训给予更高的学费补贴。采取总务省、文部科学 省、经济产业省三方协作，以及产学官协作模式，分工合作联合推进，提高相关研究经费，推进技术进 步和普及。 1.1.5 四国战略对比 ● 从中美比较来看，两国顶层设计相似，侧重点各有不同。 中美的人工智能战略在顶层设计上相似，都把人工智能纳入国家战略层面，出台了发展战略规划，在 国家层面建立了相对完整的研发促进机制，而在两国具体的战略内容上，则存在许多差异。在目标上，中 国的《新一代人工智能发展规划》提出了六项重点任务，侧重于技术的应用层，目标是推动经济发展。美 国则更侧重于技术研发和完善保障体系，对人工智能可能伴生的风险予以关注。 在政府的职责上，中国在人工智能的发展进程中，将以企业为主体推进，政府则从资源配置、保障措 施等方面进行扶助和引导。美国方面则更注重由联邦政府主导的人工智能发展路线，无论是从科研投入， 还是就业保障方面，都突出了政府的主导地位。 ● 从中英比较来看，英国更加注重道德伦理和法律的完善，人才政策各不相同。 英国的战略中在人工智能的伦理道德和法律方面关注较多，并且强调解决途径，增强公众对于政府 的信任，中国的战略中则较少涉及这一方面。另外，在人才政策上，英国注重发挥本土优势，在牛津、剑 桥、帝国理工学院等名校的基础上形成人工智能产业的智库。中国则是本土培养+外来引进模式相结合，二 者在中国的人工智能人才战略上都同样重要。 ● 从中日比较来看，日本重点突出，中国注重全局。 日本的人工智能战略侧重于发挥其在机器人方面的既有优势，包括机器人创新、机器人利用与推广、 推进机器人革命。中国则是在人工智能全面布局，包括智能软硬件、智能机器人、智能终端、物联网、虚 拟现实等等。二者都注重产学研的结合。 总体看来，中国的战略侧重于技术落地，推动经济发展，而在基础层、技术层等方面的关注和投入相 对较少，同时在人工智能可能带来的风险、政策保障、行业准则等方面存在欠缺，优势在于中国的战略分 阶段进行，目标清晰，从科研立项、智能经济到智能社会全面布局，具有很强的指导性和执行力，能够有 效促进人工智能的发展。12 1.2 全球 AI 高等教育对比 科技的发展核心之一在于研发人才的数量和水平，而这一条件取决于国家的人才培养体系，即教育系 统。完善系统的教育体系能够为科技发展强力续航，提供源源不断，规模庞大的专业人员和研究人员。 1.2.1 全球 AI 高校分布：美国高校数量超中国 7 倍 目前，全球共有367所具有人工智能研究方向的高校，AI领域的人才数量约有10万人。其中，有6000多 名AI领域的学者，以及7万余名AI相关专业在读硕博研究生以及其他。每年AI相关领域硕博毕业生约2万名。 在这367所高校中，美国拥有168所，占据全球的45.7%，独占鳌头，加拿大、中国、印度、英国位 于第二梯队。 人工智能领域学术能力排在世界前20的学校中，美国占据14所；排名的前八个席位都为美国所占据。 雄厚的学术研究实力，帮助美国在人工智能领域取得了首屈一指的地位。而其他国家，在学术能力上与美 国差距巨大，如何发展AI教育，是值得思考的问题。 人工智能领域20所顶级高校 序号 学校名称 国家 顶级学者数量 顶会论文数量 1 卡耐基梅隆大学 美国 111 638 2 加州大学伯克利分校 美国 48 285.1 3 华盛顿大学 美国 45 262.5 4 麻省理工学院 美国 48 235.2 5 斯坦福大学 美国 40 226.9 6 康奈尔大学 美国 46 212.8 7 佐治亚理工学院 美国 53 208.5 8 宾夕法尼亚大学 美国 29 184.413 9 多伦多大学 加拿大 39 164.1 10 伊利诺伊大学香槟分校 美国 44 161.6 11 南加州大学 美国 32 161.3 12 北京大学 中国 69 154.9 13 爱丁堡大学 英国 47 151.2 14 东京大学 日本 40 145.2 15 密歇根大学 美国 32 135.2 16 清华大学 中国 45 132.1 17 香港科技大学 中国 29 126.1 18 马萨诸塞大学阿默斯特分校 美国 36 122.4 19 马里兰大学 美国 26 112.6 20 新加坡国立大学 新加坡 33 102.3 1.2.2 高校 AI 专业设置：中国起步晚，发展较弱 与人工智能领域相关的专业包括计算机科学、电子工程、自动化、软件工程等，这些专业都隶属于工 学这个一级学科。国内许多高校的计算机系、电子系、自动化系等院系都进行人工智能领域的学术研究。 例如清华大学研究人工智能的教师主要都集中在计算机系、交叉信息研究院、软件学院和自动化系等工程 类院系，北京大学研究人工智能领域的院系主要有信息科学技术学院。我国设有人工智能研究方向的高校 及其相关院系机构如下表所示。 序号 学校 院系与机构 1 清华大学 计算机系、交叉信息研究院、软件学院、自动化系、智能技术与系统国家重点实 验室 2 北京大学 信息科学技术学院智能科学系、视觉与听觉信息处理国家重点实验室、机器感知 与智能教育部重点实验室 3 中科院 计算所、自动化所、软件所、声学所、微电子所，模式识别国家重点实验室、智 能信息处理重点实验室、人工智能技术学院 4 浙江大学 人工智能研究所、睿医人工智能研究中心、计算机辅助设计与图形学国家重点实 验室 5 上海交通大学 智能计算与智能系统重点实验室（与微软亚洲研究院联合建设） 6 南京大学 计算机软件新技术国家重点实验室 7 复旦大学 类脑智能科学与技术研究院 8 哈尔滨工业大学 语言语音教育部一微软重点实验室 9 中国科学技术学 类脑智能技术及应用国家工程实验室 1. 本表数据来源：http://csrankings.org/ 2. 顶尖学者数目是指2006- 2017年间在人工智能领域顶级会议上发表过至少一篇论文的学者数目 3. 顶会论文数目是指2006-2017年间该校学者在人工智能顶级会议上发表的论文总数目，论文数目由论文合作人数调 整得出。顶级会议是指AI领域的最高国际学术会议，也是全世界科学家参与和关注最多的会议。14 10 北京邮电大学 移动机器人与智能技术实验室 11 北京航空航天大学 开设人工智能研究生专业 12 北京理工大学 智能机器人与系统高精尖创新中心、智能信息技术实验室 13 西安交通大学 人工智能与机器人研究所 14 华中科技大学 智能科学与技术系 15 厦门大学 智能科学与技术系、模式分析与机器智能研究中心 16 南开大学 自动化与智能科学系 17 西南大学 人工智能研究所 18 北京科技大学 计算机与通信工程学院、自动化学院 19 国防科技大学 智能科学学院 20 南京理工大学 高维信息智能感知与系统教育部重点实验室 与国内大学类似，国外大部分高校也将人工智能设在了计算机系、电子工程系或自动化系的专业方 向中。其中麻省理工学院、康奈尔大学、斯坦福大学、卡内基梅隆大学、加州大学伯克利分校等高校还建 有人工智能实验室。然而国外也有些高校的人工智能专业与认知科学紧密联系。例如在宾夕法尼亚大学， AI方向的学生可以学习计算机与认知科学的双学位。在伦斯勒理工学院，人工智能学科是认知科学的一部 分，著名的伦斯勒人工智能和推理实验室也设立在这里。 比起国外高校，国内高校的AI起步相对较晚。 例如MIT的计算机实验室创办于1963年，人工智能实验室创办于1959年，两个实验室在2003年正式 合并为MIT人工智能实验室CSAIL (Computer Science and Artificial Intelligence Laboratory)。如今， 它已经成为MIT最大的实验室。斯坦福大学的人工智能实验室成立于1962年，50多年来一直推动着人工智 能教育。卡内基梅隆大学在1979年就成立了机器人学院，专门在机器人科技领域进行实践和研究。而国内 清华大学智能技术与系统国家重点实验室正式成立于1990年，是国家第一批成立的国家重点实验室之一,也 是现在唯一以人工智能命名的国家重点实验室。 在国外，有些高校还专门开设了人工智能相关专业，例如斯坦福大学计算机学院下的人工智能、人机 交互专业，CMU计算机学院的计算机视觉、机器人科学专业。 而国内则鲜有以人工智能直接命名的专业。对此，国内可以增设人工智能领域一级学科和二级学科， 以加快学科建设，增强人才培养。近期，国务院印发的《新一代人工智能发展规划》就指出，要“完善人 工智能领域学科布局，设立人工智能专业，推动人工智能领域一级学科建设，尽快在试点院校建立人工智 能学院，增加人工智能相关学科方向的博士、硕士招生名额。”2017年，北京航空航天大学宣布在该校软 件学院设立全国首个人工智能专业，开国内之先河。 1.2.3 高校 AI 专业招生：应关注理科素质，综合评判 ● 国外：关注理科素质，综合评判 国内外大学在本科招生时，会对学生高中时期的课程成绩及类别提出要求，注重理科课程，例如数 学，、物理等。15 以人工智能顶级院校卡内基梅隆大学的本科招生为例，需要学生在高中时期修过4年英语、4年数学、 1年物理学、2年化学生物或计算机科学、2年外语以及3个选修课。国内大部分以高考成绩为录取标准，一 般录取理科考生，也有部分学生通过保送的方式入读。 高校研究生招生时，更加看重学生的学术能力和实践能力。 不同课程标准不同，例如工程硕士（国内专业型硕士）侧重实践运用，为就业做准备，而科学硕士 （国内学术型硕士）和哲学博士更加侧重学术研究能力。除了基本的成绩要求外，大都要求学生有良好的 实习经历或者论文发表。而申请AI相关专业，大部分需要强硬计算机和数学相关背景，甚至对AI项目经验 都有所要求。 ● 中国：分数成败，欠缺实践有失偏颇 国内大学本科招生时，主要是通过高考。光凭借考试分数去评判学生能力，对于能力倾向还未有一套 明确的衡量筛选标准。 而对于研究生招生，我国也设有专业硕士和学术硕士之分，前者侧重就业，后者侧重科研。研究生招 生途径包括推荐免试和统考两种。前者根据学生本科时的成绩、奖项以及面试表现给予评定，后者通过文 化课考试与面试决定是否录取。但和国外评选标准仍有较大差距。 1.2.4 高校 AI 课程设置：计算机科学是基础 ● 国外：系统完善，学科交叉精耕细作 一般而言，涉及人工智能的专业有计算机科学、电子工程、自动化、软件工程等，这些专业隶属于工 学大类。 对于本科来说，主要课程包括数学和计算机课程，例如基本的编程语言、算法设计、操作系统、数据 结构、逻辑、概率论和数理统计等。同时为本科生提供一些AI领域的基础课程可供选修。例如卡耐基梅隆 大学的本科课程主要包括：计算机科学、 数学与概率论、工程与自然科学、人文社会科学这几个方面。必 修课程如下： 数学/统计 微积分 积分和逼近 计算机科学数学基础 矩阵和线性变换/矩阵理论 概率与计算/概率论与随机过程 计算机 新生入门课程 必要的计算原理 函数式编程原理 并行和顺序数据结构和算法 计算机系统导论 计算机科学的伟大理论思想 算法设计与分析16 硕博方面的课程设置会更加专注细分领域。而且硕博课程一般比较灵活，学生可根据自己的情况 制定自己的课程表。例如卡耐基梅隆大学的硕博课程包括人工智能、生物计算、计算机和网络安全、 人机交互、信息管理和分析、移动和互联网计算、实践计算、软件理论、系统、理论计算机科学、机 器人等。 ● 国内：未成体系，师资力量严重欠缺 中国高校在AI领域一般设有计算机科学学院与软件学院。 在培养方式上，前者软硬件相结合，侧重研究；后者以软件为主，侧用应用。两者区别如下： 计算机科学 软件工程 培养目标 推动计算机科学发展的学科性人才 推动软件产业发展的工程型人才 培养方式 强调理论化教学 强调动手能力与实习 教学内容 软硬件相结合 软件为主 学位证书 工学学位 工程学位 同时，二者在计算机技术领域互有交叉融合。 以北京大学为例，在人工智能领域的课程设计包括计算机技术、软件工程、微电子、自动化等软 硬件等方向。但纵向来看，并没有形成系统的课程培养体系，这对于学生的成长和学校的长远发展都 不利。 1.3 全球 AI 产业人才分布 目前，全球人工智能领域中，产业人才约20万人，大部分分布在各国初创企业和科技巨头中。AI产业 人才主要分布在美国、中国及其他国家的企业中。 1.3.1 全球产业人才国家分布 从国别来看，AI产业人才主要分布在美国、中国及其他国家的企业中。 以在初创企业工作的AI人才为例来看。截至2017年6月，全球人工智能初创企业共计2617家。美国占 据1078家居首，中国以592家企业排名第二，其后分别是英国，以色列，加拿大等国家。 其中，美国1078家人工智能初创企业约有78700名员工，中国592家公司中约有39200位员工，只有 美国的50%。 美国人工智能初创企业主要以1-10人和10-50人的团队为主，这种小型团队共759个，占据全美的 70.41%，是美国AI初创公司的主力军；中国人工智能初创企业主要是10-50人的团队，总量384个，占据 全国的64.86%。可以说，美国的小型创业团队规模比中国小。在需要同等技术的情况下，美国团队的平均 能力和可创造价值高于中国团队。17 据腾讯研究院《中美人工智能产业发展全面解读》统计： 美国从业者人数在处理器/芯片、机器学习应用、自然语言处理、智能无人机4大热点领域全面压制中国。 自然语言处理，美国从业者人数是中国的3倍，美国20200人，中国6600人； 处理器/芯片，美国从业者人数是中国的13.8倍，美国17900人，中国1300人； 机器学习应用，美国从业者人数是中国的1.8倍，美国17600人，中国9800人； 智能无人机，美国从业者人数是中国的1.98倍，美国9220人，中国4660人； 计算机视觉，美国从业者人数是中国的2.9倍，美国4335人，中国1510人。 中国仅在智能机器人领域从业者稍多，6400人，约为美国同领域人数的3倍。 在基础层上，美国AI从业者人数17900人，占美国从业者总人数的22%，中国在该领域从业者人数 1300人，仅为中国团队人数的3.3%。从人数来看，美国基础层从业者数量是中国的13.98倍，占比是中国 的6.7倍。 在技术层上，美国从业者29400人，占据全美37.3%，中国12000人，占据全国33%，美国从业者数 量是中国的2.26倍，但两国占比相差不大。 在应用层上，美国从业者31400人，占比全美39.89%，中国24300人，占比61.8%，美国人数是中 国的1.29倍，但占比小于中国21.91个百分点。 由上述分析可见，中国AI产业的主要从业人员集中在应用层，而美国主要集中在基础层和技术层。中 国的AI基础层人才储备薄弱，尤其是处理器/芯片和AI技术平台上，中国缺乏驱动能源，即缺乏高级人才支 持和高端教育体系为产业发展续航。18 1.3.2 AI 人才聚集的产业层面 截止到2017年10月，人工智能技术已至少在20多个领域得到应用。从领域分布来看，智能机器 人、语音识别、无人机是目前人工智能的主战场，有27.8%的企业扎堆这三个领域的创业大潮中。自 动驾驶、ADAS、语义识别也极为火热，占比均超过5%，且近2年企业增速呈上升趋势。 而在投资方面，中国投资者在应用层关注的更多，美国投资者对于基础层更为看重。中国人工智能 企业中，融资占比排名前三的领域为计算机视觉与图像，自然语言处理，以及自动驾驶/辅助驾驶。在 美国人工智能企业中，融资占比排名前三的领域为芯片/处理器，机器学习应用和自然语言处理。 1.4 科技巨头加强高端人才招募 由于AI产业大量的核心技术和资源掌握在科技巨头企业手里，因而引领AI产业发展的人才，除了高 校，很多也聚集在科技巨头中。 在AI人才队伍建设方面，科技巨头内部出现了一些新