|
在經(jīng)歷了 2019 年的行業(yè)低谷期之后，無(wú)論是行業(yè)巨頭還是新興獨(dú)角獸，都開(kāi)始審視 AI 能夠切實(shí)落地的場(chǎng)景。用審視的眼光來(lái)看，很多企業(yè)當(dāng)前還停留在信息化階段，AI 所能發(fā)揮的優(yōu)勢(shì)還不夠明顯，但有趨勢(shì)可以看出一些新興的 AI 形態(tài)得到了認(rèn)可和落地，例如 RPA、對(duì)話(huà)系統(tǒng)等。 在這樣的背景下，開(kāi)發(fā)者們逐漸看到這樣一個(gè)事實(shí)：從就業(yè)的角度來(lái)看，由于算法工程化才是商業(yè)落地的核心關(guān)鍵，因此擁有扎實(shí)工程化能力的算法工程師更受青睞。另一方面，由于深度學(xué)習(xí)是以大數(shù)據(jù)為基礎(chǔ)的，而感知智能中的計(jì)算機(jī)視覺(jué)又是目前深度學(xué)習(xí)較為成熟的應(yīng)用，所以，機(jī)器學(xué)習(xí)和深度學(xué)習(xí)工程師，以及數(shù)據(jù)工程師、計(jì)算機(jī)視覺(jué)工程師成為熱門(mén)崗位。 從技術(shù)本身的角度來(lái)看，較為成熟的 TensorFlow 成為 AI 工程師的首選深度學(xué)習(xí)框架，Torch/PyTorch 由于其開(kāi)發(fā)效率較高，也得到了較多支持。在統(tǒng)計(jì)數(shù)據(jù)上，兩者的普及率均接近 50%。 以上數(shù)據(jù)都是在 CSDN 針對(duì)軟件開(kāi)發(fā)技術(shù)、應(yīng)用開(kāi)發(fā)領(lǐng)域等方面進(jìn)行大調(diào)查后統(tǒng)計(jì)而出的《2019-2020中國(guó)開(kāi)發(fā)者調(diào)查報(bào)告》中的部分結(jié)論。 2019 年-2020 年，中國(guó)的人工智能技術(shù)的應(yīng)用現(xiàn)狀是怎樣的？是否符合你的預(yù)期？在這樣的應(yīng)用現(xiàn)狀之下，開(kāi)發(fā)者應(yīng)該關(guān)注哪些技術(shù)點(diǎn)？本文將對(duì)報(bào)告中的相關(guān)內(nèi)容做詳細(xì)解讀，包括企業(yè)人工智能現(xiàn)狀、人工智能技術(shù)開(kāi)發(fā)特點(diǎn)，以及人工智能行業(yè)應(yīng)用與選用因素，希望能為開(kāi)發(fā)者提供關(guān)于人工智能應(yīng)用方面的參考。 首先，我們總結(jié)一下報(bào)告中關(guān)于人工智能技術(shù)應(yīng)用現(xiàn)狀分析的幾個(gè)重要發(fā)現(xiàn)： 64% 的企業(yè)尚未實(shí)現(xiàn)智能化 5 成公司算法工程師團(tuán)隊(duì)規(guī)模小于 10人 機(jī)器學(xué)習(xí)/深度學(xué)習(xí)算法工程師最急缺 TensorFlow 是人工智能領(lǐng)域主流深度學(xué)習(xí)框架 強(qiáng)化學(xué)習(xí)、決策樹(shù)是開(kāi)發(fā)者使用最多的機(jī)器學(xué)習(xí)類(lèi)型 機(jī)器學(xué)習(xí)/深度學(xué)習(xí)/神經(jīng)網(wǎng)絡(luò)是最普遍的學(xué)習(xí)計(jì)劃 制造、金融行業(yè)是 AI 技術(shù)結(jié)合最多的行業(yè) 35% 開(kāi)發(fā)者選用國(guó)產(chǎn) AI 芯片應(yīng)用于自己的 AI 開(kāi)發(fā)，最看重對(duì)主流 AI 框架的支持能力
01 64% 的企業(yè)尚未實(shí)現(xiàn)智能化調(diào)研數(shù)據(jù)顯示，14% 的企業(yè)尚無(wú)信息化基礎(chǔ)。27% 的企業(yè)實(shí)現(xiàn)了事務(wù)處理數(shù)字化，22％ 的企業(yè)具備商業(yè)智能基礎(chǔ)設(shè)施，可實(shí)現(xiàn)描述性分析。使用機(jī)器學(xué)習(xí)實(shí)現(xiàn)預(yù)測(cè)性分析和決策優(yōu)化的企業(yè)占比為 16%，而在業(yè)務(wù)中全面使用 AI 系統(tǒng)、機(jī)器人和其他自動(dòng)化工具的僅占 12%。由此可以看出，大部分應(yīng)用 AI 的企業(yè)還停留在信息化階段，未充分挖掘 AI 的潛能。5 成公司算法工程師團(tuán)隊(duì)規(guī)模小于 10 人調(diào)查發(fā)現(xiàn)，50% 開(kāi)發(fā)者公司的算法工程師團(tuán)隊(duì)規(guī)模小于 10 人，員工數(shù)量在 10-100 人之間的企業(yè)占 27%，超過(guò) 100 人的 僅有 14%。機(jī)器學(xué)習(xí)/深度學(xué)習(xí)算法工程師最急缺此次調(diào)研中，機(jī)器學(xué)習(xí)/深度學(xué)習(xí)算法工程師、計(jì)算機(jī)視覺(jué)/圖像識(shí)別/圖像處理工程師崗位從業(yè)人員更多，分別占比 23%、22%。當(dāng)前最急缺的崗位也是機(jī)器學(xué)習(xí)/深度學(xué)習(xí)算法工程師、數(shù)據(jù)科學(xué)家/數(shù)據(jù)分析師/數(shù)據(jù)挖掘工程師崗位。53% 的開(kāi)發(fā)者表示其團(tuán)隊(duì)急缺機(jī)器學(xué)習(xí)/深度學(xué)習(xí)算法工程師，37% 表示急缺數(shù)據(jù)科學(xué)家/數(shù)據(jù)分析師/數(shù)據(jù)挖掘工程師，知識(shí)圖譜工程師、語(yǔ)音識(shí)別/語(yǔ)音合成工程師的缺口也仍然較大。02 人工智能技術(shù)開(kāi)發(fā)特點(diǎn)TensorFlow 衛(wèi)冕，仍為 AI 主流深度學(xué)習(xí)框架此次調(diào)研中，TensorFlow 的使用普及率達(dá)到 48%，其次為 Torch/PyTorch，有 43% 的企業(yè)在使用。緊隨其后的還有 Caffe、Scikit-learn、MLib 等。強(qiáng)化學(xué)習(xí)、關(guān)聯(lián)規(guī)則學(xué)習(xí)、決策樹(shù)為使用最多的機(jī)器學(xué)習(xí)類(lèi)型強(qiáng)化學(xué)習(xí)、關(guān)聯(lián)規(guī)則學(xué)習(xí)、決策樹(shù)是開(kāi)發(fā)者使用最多的三種機(jī)器學(xué)習(xí)類(lèi)型，強(qiáng)化學(xué)習(xí)占比 34%，關(guān)聯(lián)規(guī)則學(xué)習(xí)和決策樹(shù)使用占比旗鼓相當(dāng)，均為 32%。其次，線(xiàn)性分類(lèi)、聚類(lèi)分析、生成模型也是開(kāi)發(fā)者使用較多的機(jī)器學(xué)習(xí)類(lèi)型，近年來(lái)得到很大關(guān)注度的遷移學(xué)習(xí)使用率也比較高，占比 22%，而分層聚類(lèi)則被采用較少，占比僅有 10%。最想學(xué)機(jī)器學(xué)習(xí)/深度學(xué)習(xí)/神經(jīng)網(wǎng)絡(luò)此次調(diào)研發(fā)現(xiàn)，機(jī)器學(xué)習(xí)/深度學(xué)習(xí)/神經(jīng)網(wǎng)絡(luò)最多地出現(xiàn)在開(kāi)發(fā)者的學(xué)習(xí)計(jì)劃表中，是大家最想學(xué)習(xí)的技能，占比 51%。其次，數(shù)據(jù)科學(xué)/數(shù)據(jù)挖掘/數(shù)據(jù)分析是開(kāi)發(fā)者未來(lái)學(xué)習(xí)計(jì)劃表中的第二大關(guān)鍵詞，有 40% 的人表示想要學(xué)習(xí)。接下來(lái)是深度學(xué)習(xí)框架/深度學(xué)習(xí)數(shù)學(xué)基礎(chǔ)，占比為 37%，看來(lái)開(kāi)發(fā)者對(duì)于數(shù)理基礎(chǔ)的重要性已經(jīng)有了深刻的認(rèn)識(shí)。計(jì)劃學(xué)習(xí)計(jì)算機(jī)視覺(jué)/圖像識(shí)別/圖像處理的開(kāi)發(fā)者也不在少數(shù)，占比 32%，邊緣人工智能/嵌入式人工智能/AIoT 也被提上學(xué)習(xí)計(jì)劃的日程，越來(lái)越多的人開(kāi)始注意到這個(gè)較為新興的技術(shù)領(lǐng)域。03 制造、金融行業(yè)是 AI 技術(shù)結(jié)合最多的行業(yè)此次調(diào)研中，27% 的開(kāi)發(fā)者表示其所在企業(yè)的 AI 技術(shù)正在結(jié)合制造行業(yè)業(yè)務(wù)。其次是金融業(yè)，占比 26%。此外，健康醫(yī)療、電商、安防、社交媒體等領(lǐng)域也正在與 AI 技術(shù)緊密結(jié)合，但還有更大的提升空間。國(guó)產(chǎn) AI 芯片受青睞，最看重對(duì)主流 AI 框架的支持能力隨著國(guó)產(chǎn) AI 芯片的崛起，國(guó)內(nèi)越來(lái)越多的企業(yè)選用國(guó)產(chǎn) AI 芯片。當(dāng)把國(guó)產(chǎn) AI 芯片應(yīng)用于自己的 AI 開(kāi)發(fā)時(shí)最看重的因素方面，對(duì)主流 AI 框架的支持能力是最普遍的因素，占比 35%，其次最看重是開(kāi)發(fā)社區(qū)文檔的完備性和支持能力，占比 22%。產(chǎn)品的算力和性能、產(chǎn)品價(jià)格因素也是開(kāi)發(fā)者選用國(guó)產(chǎn) AI 芯片的重要因素。最后，上海瓦歌智能科技有限公司總經(jīng)理，狗尾草科技人工智能研究院院長(zhǎng)邵浩對(duì)報(bào)告中關(guān)于人工智能技術(shù)應(yīng)用的部分做了精辟的總結(jié)：無(wú)論是對(duì)在職的研發(fā)人員還是在求職的候選人，持續(xù)學(xué)習(xí)都是一個(gè)強(qiáng)需求。不出意外，機(jī)器學(xué)習(xí)、 深度學(xué)習(xí)、數(shù)據(jù)挖掘仍然是最熱門(mén)的學(xué)習(xí)內(nèi)容。通過(guò)基礎(chǔ)內(nèi)容的學(xué)習(xí)，開(kāi)發(fā)者可以更好地在各領(lǐng)域，如自然語(yǔ)言處理、知識(shí)圖譜、計(jì)算機(jī)視覺(jué)上做深入的研究和提升。無(wú)論是 AI+ 還是 +AI，人工智能技術(shù)只有結(jié)合行業(yè)實(shí)際需求，才能夠真正落地并取得商業(yè)效果。在制造業(yè)、金融、醫(yī)療、電商等領(lǐng)域，AI 技術(shù)在節(jié)省成本，提高效率，提升用戶(hù)滿(mǎn)意度方面都取得了良好的效果。在 AI 芯片領(lǐng)域，國(guó)內(nèi)廠商也開(kāi)始彎道超車(chē)，越來(lái)越多的開(kāi)發(fā)者也開(kāi)始關(guān)注國(guó)內(nèi) AI 芯片的進(jìn)展。高投入的 AI 行業(yè)在 2020 能夠帶來(lái)怎樣的產(chǎn)出，讓我們拭目以待。
|
