中国 AI 开发者真实现状：人才依赖海外引进

近几年，人工智能之风吹遍全球，伴随着国内互联网的迅猛崛起，越来越多的开发者们，开始从事 AI 相关的工作和研究。但同时，由于这是一个从 0 到 1 的新领域，可参考的历史案例较少，也因此很多 AI 开发者常常面临着迷茫、或者一不小心就踏进了互联网无人区的情况。那么，国内的 AI 开发者们，究竟处于怎样的状况？答案就在本文中。本篇内容来自由 CSDN 出品的《2018 人工智能产业路线图》V2.0 版中 1.6 章人才分析篇，通过对相关 AI 人才各维度的数据分析，我们尽可能勾勒中国 AI 人才发展的全景面貌。

AI 技术的迅速发展，更直观的体现是 AI 人才的急速增长。根据 CSDN 社区统计的数据显示，2013- 2016 年间，无论是发布 AI 类文章的总用户数、还是 AI 文章的总数量平均都有至少 2 倍速的数量增长，而这两大维度的数据集中爆发的时间点是 2017 年，这恰好也是科技界对 AI 发展的讨论最为火热之时，2018 年发布 AI 文章的用户数和 AI 文章数量进入缓慢增长期。

近几年中国的 AI 人才在不断增长，但根据领英的数据，目前中国的高层次 AI 人才还极度缺乏，尤其从业 10 年以上的 AI 人才数量与美国相比有很大差距，并且大多 AI 人才都依赖于海外引进。

可以看到，在中国 AI 人才回流潮中，从美国回来的 AI 人才占据四成，考虑到美国是吸引科技人才流入 的重地，那么这一轮人才回流潮说明，无论是在薪资、政策层面还是大力发展高科技环境等方面，中 国对这些海外高端技术人才产生了强劲吸引力。

我们认为，本土 AI 人才的逐渐崛起以及海外 AI 人才的回流将有力推动中国 AI 产业上的发展，并提升中国的 AI 实力，这些人才将构成未来中国 AI 发展的中流砥柱。

2.人工智能潮水流入本科教育，各大高校纷纷开设人工智能专业

可以明显看到，在 2017 年前，虽然人工智能在业界的发展已经较为火热，但高校在 AI 课程设置上却很“冷静”。但 2017 年是中国高校设置 AI 相关专业的一个分水岭，受中国政府顶层设计上的影响，建设人工智能学院的高校数量急剧增加。

2017 年 7 月，《国务院关于印发新一代人工智能发展规划的通知》发布，指出要建设人工智能学科，拓宽人工智能专业教育内容，形成“人工智能+X”复合专业以及重视人工智能与现有专业的交叉融 合。2018 年 4 月，教育部印发关于《高等学校人工智能创新行动计划》的通知，更是为高校 AI 人才的培养进行了提纲挈领的说明。

来自 CSRankings 的数据显示，中国高校 AI 实力榜前五为清华大学、北京大学、中国科学院、浙江大学、上海交通大学，除了这些顶尖名校外，随着不同层次高校争相设置人工智能相关课程，相应 AI 人才梯队会逐渐完备。

我们认为，增设 AI 专业、发展人工智能教育会是中国高校当前和今后一个较长时期的主流趋势，人工智能相关专业在新时代技术浪潮中会成为高校学生眼中的“香饽饽”，正如互联网时代兴起后，计算机专业才有了跃升为热门专业的繁荣景象。

3.AI开发者大调查

除了上述 AI 人才数据分析之外，CSDN 社区也针对开发者做了 AI 领域的具体用户调查问卷，部分问题调研数据存在重复统计情况。

1. 四成开发者正在尝试使用 AI 技术，但仍有三成开发者在“观望”

目前来看，正在尝试使用使用 AI 技术的人占四成，所在领域的核心技术就是 AI 技术，已经用 AI/机器学习/深度学习做出了一些成绩的用户也有近三成，处于“观望”中的用户数量同样还有三成。

2. 自学是开发者学习 AI 技术的普遍方式，本科 AI 教育数据将增长

从学习 AI 相关技术的方式来看，大多数用户依然是通过自学和工作实践中来跟进学习新技术，通过线上报班学习居于其次，而通过大学科班学习的人数只有不到 10%，不过，随着近年来国内各大高校设置 AI 相关专业，这一数据预计会有数量级的增长。

3. 九成开发者认为数据科学家会成为新时代程序员

数据显示，87% 的用户认为数据科学家会成为新时代的程序员，但在 AI 时代，程序员的职能也将发生相应变化，他们将不单单具备编程能力，而是朝着数据科学家方向发展，需要具备数据处理能力、技术能力、决策能 力等综合能力。

4. Torch/PyTorch 机器学习框架的受欢迎程度快赶上 Tensorflow

5. 决策树等传统机器学习方法的使用量更多，强化学习等新方法在迎头追赶

从使用机器学习类型的情况来看，AI 工程师使用机器学习类型最多的依次为决策树、聚类分析、贝叶斯，这些都算是传统的机器学习类型，而以强化学习为代表的机器学习类型近年来关注度增高，将成为一种新趋势。

6.CNN、RNN 是最受欢迎的神经网络模型

从神经网络模型来看，最火热的无疑是 CNN/IGN，使用人数占比为 35%，紧随其后的 RNN/LSTM/GRU/NTM 使用人数占比为 23%，SVM 使用人数占比为 19%。

7.绝大数开发者所属公司已具备初步智能化能力

数据显示，目前处于商业智能、数字化、算法模型阶段的公司数量依次居于前三位，而以 AI 驱动的公司数量占比最低为 4%。也就是说，参与调查的开发者所属公司中，绝大部分已经具备了初步 AI 化的能力，但距离围绕 AI 技术构建商业模式这一步还有很远的距离。

上图表明，从事机器学习/深度学习算法工程师的数量最多，然后依次是计算机视觉/图像识别/图像处 理工程师、数据科学家/数据分析师/数据挖掘工程师，但与之相对应的，在下图中也体现出这些 AI 岗位的缺口数量也很大，当然，根据这些 AI 岗位数量也可以看到一些技术应用的冷热程度。

数据图表显示，目前 AI 技术与制造业的结合最多，金融、医疗位列二、三名。另外，能源、零售、旅游等有巨大成长空间的“AI+”行业值得关注。

如果你目前就是 AI 开发者，相信此文，可以你心里有数地工作；如果你正考虑转入 AI 行业，相信以上调查图表，也会对你有所启迪。愿你在 AI 路上如鹰展翅上腾！

无论如何，AI 的浪潮已经来临，没有开发者能够置身事外。就像微软公司全球开发平台事业部的资深副总裁潘正磊所说的那样，30 年前，数据库是一个全新的概念，但现在每一个开发人员多多少少都可以做一些数据库。再过几年之后，AI 就会像数据库一样，变成一个大家都可以使用的东西。

截止目前，已有数千开发者，参与到前文提到的 2018 中国开发者大调查中，大调查将于本月底正式结束。