AI用人荒？中國高級AI專業人才竟不足5000！

中國人工智慧學會、國家工信安全中心、華夏幸福產業研究院等四大權威機構、歷時半年完成的重磅報告，給你一個全新的角度了解中國 AI 產業和學術的創新現狀。

白皮書聚焦人工智慧的使能技術與應用場景兩個層面，基於論文、專利、人才、行業壁壘等多個維度，構建了人工智慧產業創新評估體系，客觀評價了當前人工智慧的技術就緒度和應用融合度。

具體來說，本報告從技術和應用兩大維度，評估了中國的AI產業創新發展現狀：

使能技術就緒度指數：從理論研究、應用研究和技術性能三個維度對語音交互、文本識別、計算機視覺和深度學習這四項使能技術進行了評估，並計算得出使能技術就緒度指數。

應用場景融合度指數：從資源、技術、數據、場景、環境驅動力這五個維度，對汽車、醫療、家居、零售、機器人、安防、製造和教育這八個「AI 」場景進行了評估。

深度學習已處於技術成熟期，文本處理仍處於技術爬坡期

綜合理論研究、應用研究和技術性能三個維度，計算得出四項使能技術的就緒度指數。

基於理論研究和應用研究的評估得分可以看出，深度學習是理論研究的重點方向，而計算機視覺是應用研究的重點方向。

從整體上來看，深度學習發展最為迅速，技術就緒度最高(8.3)，處於技術成熟期;文本處理的就緒度最低(5.1)，仍處於技術爬坡期;語音交互和計算機視覺處在技術應用初期。

中國與美國使能技術發展仍存在較大差距

從中美兩國對比來看，美國四項使能技術的理論研究和應用研究均大幅領先於中國。理論研究方面，中美兩國在文本處理領域的差距最小，在深度學習領域差距最大;應用研究方面，中美兩國在深度學習領域的差距最小，在語音交互領域的差距最大。

深度學習技術的論文產出增速最高

從論文產出趨勢來看，從2013年開始呈現快速增長趨勢，其中深度學習技術的論文產出增速最高，而語音交互和文本處理的產出基本保持平穩。

從論文產出規模來看，人工智慧的基礎研究主要集中在深度學習和計算機視覺，而文本處理方向的論文產出最少，份額僅為12%。

從論文的影響力來看，計算機視覺和深度學習論文引用頻次領先，而文本處理技術的論文引用頻次較低。

中、美引領人工智慧基礎研究，但中美學術影響力仍存在一定差距

從論文整體情況來看，中美兩國產出數量處於全球前列，且遠超過其他國家。中國在文本處理、深度學習和計算機視覺三個方向領先於美國，在語音交互方向上差距亦不大。

從期刊論文來看，美國在語音交互、文本處理和深度學習三個方向均領先於中國;

從高被引論文的影響力來看，中國在深度學習技術方面的學術影響力仍與美國存在較大差距。

中國科學院、清華大學引領中國人工智慧理論研究

以下是會議論文產出規模前10位的中國機構：

以下是期刊論文產出規模前10位的中國機構：

專利申請多而不強，學術機構活躍度高

深度學習和計算機視覺專利申請數量多但強度低

從專利申請趨勢來看，深度學習和計算機視覺的專利申請從2015年開始快速增長，語音交互的專利申請自2016年開始保持穩定。

綜合近三年專利申請比例和平均強度來看，語音交互專利申請比例低但平均強度較高，表明語音交互已不再是近期關注重點，計算機視覺和深度學習專利申請佔比較高，但平均專利強度較低，專利布局仍處於起步階段。

從專利授權比例來看，語音交互技術的授權率最高(45%)，深度學習技術的授權率最低(27%)，主要是因為深度學習的大量專利申請仍在審查期，導致授權比例偏低。

中美兩國專利申請量和強度對比

中美兩國的專利申請量均大幅領先於其他國家。其中，中國的四項使能技術專利申請量均居於首位。中國機構近三年活躍度高，超過54%的專利均在近三年申請。

從平均專利強度來看，美國四項使能技術的平均專利強度要遠高於中國，中國專利「多而不強」的現象依然存在。

通過對前10位的專利權人進行分析，我們發現美國的專利權人全部為商業化企業，而中國除語音交互技術的專利權人以企業為主外，其他三項技術均存在一定比例的學術研究機構。特別是在計算機視覺領域，主要專利權人均為學術研究機構，成果的商業化將是未來關注重點。

中國技術高端人才儲備與美國差距懸殊

美國人工智慧領域四項使能技術相關的高級專業人才超過1.3萬，遙遙領先於其他國家。中國高級專業人才不足0.5萬，與美國相比仍有較大差距。

從細分技術領域來看，計算機視覺技術相關的高級專業人才佔比最高，美國為5432人，在四項技術中佔比39%，中國為1892人，在四項技術中佔比38%。

中國使能技術人才主要分布在北京、廣東、江蘇、上海和浙江五省市

從中國人工智慧四項使能技術人才分布來看，北京、廣東、江蘇、上海和浙江五省市人才優勢明顯，其中北京、廣東人工智慧研發人才超過萬人。

四川、陝西、湖北、山東和安徽技術人才數量位於第二梯隊，安徽在語音交互為主佔優勢，陝西在計算機視覺人才優勢明顯，湖北具備文本處理人才優勢。

五大維度評估AI應用場景融合度

報告從資源、技術、數據、場景和環境五個驅動力維度對八個「AI 」場景進行了評估。

人工智慧與行業融合整體水平較低，汽車、醫療、家居融合度相對較高

根據應用場景融合度指數顯示，汽車(3.9)、醫療(3.8)和家居(3.7)是人工智慧融合度相對較高的三個場景;零售(3.5)、機器人(3.3)和安防(3.2)是人工智慧融合度指數居中的三個場景;製造和教育是目前人工智慧融合度指數較低的兩個應用場景。總體而言，汽車、醫療、家居、零售、機器人和安防處在與人工智慧融合的培育期，而製造和教育仍處在萌芽期。

汽車和醫療人工智慧研發機構數量優勢明顯，醫療人工智慧高端人才優勢顯著

汽車和醫療兩個領域的人工智慧重點研發機構數量最多，是當前研發重點;零售和教育兩個領域研發機構數量最少。從機構的性質來看，在家居、安防和機器人領域，企業數量要多於學術性研究機構，在汽車、零售和教育領域，研發機構以企業為主。而在醫療領域則是學術性研究機構偏多。

從高端人才數量來看，醫療領域的研發人員最多，零售和教育的研發人員最少。在各個領域中，美國的研發人員數量優勢明顯，佔據一半左右，而中國的研發人員普遍偏少，人員相對較多的領域包括汽車(483人)、家居(464人)、製造(435人)和醫療(427人)。

汽車、醫療、家居是人工智慧專利布局重點，機器人是布局熱點

從專利申請趨勢來看，人工智慧在各個領域的專利申請自2014年開始爆髮式增長，其中汽車和醫療領域增長明顯，而教育和零售領域增長相對緩慢。

從近三年專利申請情況來看，專利布局重點集中在汽車、醫療、家居和安防領域。人工智慧與機器人領域的融合是新的應用熱點。

中國專利量多質低，美國醫療領域人工智慧專利優勢明顯

從專利申請規模來看，除醫療領域外，中國的專利申請規模均超過美國，特別是在機器人和製造兩個領域專利優勢明顯。

從專利申請強度來看，美國大幅度領先中國，中國專利質量仍有待提升。

美國醫療領域人工智慧專利無論規模和強度均具有顯著優勢。

人工智慧與汽車、機器人融合的數據驅動力優勢明顯

數據是人工智慧與應用領域融合的最為關鍵的要素之一。從數據積累程度來看，汽車、醫療和機器人三個領域具備顯著的數據優勢，而家居和製造兩個領域數據積累明顯不足。從數據開放程度來看，汽車、教育和機器人三個領域數據開放程度較高，而醫療和製造兩個領域數據開放程度較低。

人工智慧與機器人、零售融合的場景驅動力優勢較強

場景驅動力包括場景的清晰程度、介入能力和介入壁壘三個方面。從場景清晰程度來看，機器人、零售和安防三個領域場景清晰。從場景介入能力來看，機器人、零售和汽車三個領域介入能力較強。而從場景介入壁壘來看，醫療領域存在明顯的行業壁壘，而機器人和零售兩個領域的行業壁壘相對較低。

人工智慧與機器人、醫療融合的市場需求和媒體傾向相對顯著

總結

人工智慧使能技術發展迅速，深度學習已經成為當前主流的人工智慧演算法，是目前理論研究的重點方向;計算機視覺是目前應用研究的重點方向。

通過對使能技術就緒度指數評估可以發現，深度學習就緒度(8.3)最高，計算機視覺就緒度(7.7)次之，語音交互(6.2)和文本處理(5.1)的就緒度偏低。

目前深度學習技術已處於成熟期，並越來越多地應用到各種實際場景中;計算機視覺和語音交互尚處在技術應用初期，兩項技術開始在不同的場景中嘗試應用落地;文本處理仍處於技術爬坡期，技術進展緩慢。

中美在深度學習的理論研究和語音交互的應用研究方面仍存在較大差距，投入和扶持力度需要進一步加強。

人工智慧與不同應用場景的融合衍生出了豐富的新產品、新場景、新模式、新實踐，人工智慧將滲透到社會生活的方方面面，並不斷推動眾多行業的智能化變革。

通過對應用場景融合度指數評估顯示，汽車(3.9)、醫療(3.8)和家居(3.7)是人工智慧融合度相對較高的三個場景，其中以人工智慧自動駕駛為代表的智能汽車是融合度最高的應用場景;零售(3.5)、機器人(3.3)和安防(3.2)是人工智慧融合度指數居中的三個場景;製造和教育是目前人工智慧融合度指數較低的兩個應用場景。

基於報告對應用場景發展階段的劃分，目前人工智慧在汽車、醫療、家居、零售、機器人和安防行業處在融合的培育期，而在製造和教育行業仍處在融合的萌芽期。

研究方法：

使能技術融合度指數：基於檢索獲取的相關科學文獻數據進行定量分析

應用場景融合度指數：基於對人工智慧領域研發人員、行業專家訪談和調研問卷結果進行定性分析

- END -

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！