人能尽其才则百事兴。

　　在众多的当今新兴领域中，AI、大数据无疑是最热的领域之一，也备受政府重视。在 2019 年全国两会政府工作报告，李克强总理首次提出“智能+”，并强调“深化大数据、人工智能等研发应用”。在国家层面，对 AI、大数据都有明确的规划。2017 年，国务院印发了《新一代人工智能发展规划》，提出到 2020 年，初步建成人工智能技术标准、服务体系和产业生态链，人工智能核心产业规模超过 1500 亿元，带动相关产业规模超过 1 万亿元。

　　但尽管如此，人工智能人才短缺仍是该技术在整个行业广泛应用的主要瓶颈。

　　近日，工业和信息化部人才交流中心发布了《人工智能产业人才发展报告（2019-2020 年版）》（以下简称《报告》）。

　　《报告》调研了 224 家与人工智能相关的企业，92741 个岗位样本，超 38 万个人才样本，认为在我国人工智能产业强劲的发展浪潮中，研究和应用人工智能技术的企业数量不断增加，人才需求在短时间内激增，但人工智能人才储备不足且培养机制不完善，人才供需比严重不平衡，预计当前我国人工智能产业内有效人才缺口达 30 万。

　　如果您想获得本报告的全文 pdf，请在雷锋网微信公众号回复关键词“ 803 报告”提取。

　　文档来源：工业和信息化部人才交流中心

　　一、人工智能发展概况：巨头林立，发展不足

　　云计算、大数据和 IoT 为代表的信息技术在快速迭代的同时也加速了人工智能走向实践应用的可能性，而各种数据和图形处理器技术以及以深度神经网络为代表的技术被融合到人工智能体系，更是让人工智能技术进入新的发展浪潮。技术与实践应用之间的差距迅速拉小，语音识别、图像分类、无人驾驶等若干细分应用领域内人工智能技术已经迈进可用、好用的阶段，未来人工智能技术应用在场景落地的过程必将迎来爆发式增长的新高潮。

　　（一）人工智能发展的三个浪潮

　　第一次浪潮：1956 年，“人工智能”概念的提出掀起了人工智能的第一次发展浪潮。 该时期的核心是让机器具备逻辑推理能力，并且研发出第一款感知神经网络软件和聊天软件。

　　第二次浪潮：20 世纪 70 年代中期，人工智能掀起第二次浪潮。这一时期内，Hopfield 神经网络和 BT 训练算法被提出。同时，解决特定领域问题的专家系统得到广泛应用。

　　第三次浪潮：2006 年，深度学习理论的突破带动了人工智能第三次浪潮的产生。这一阶段互联网、云计算、大数据、芯片等新兴技术为人工智能各项技术的发展提供了充足的数据支持和算力支撑，而以“人工智能+”为代表的业务创新模式也随着人工智能技术和产业的发展日趋成熟，这将极大优化社会的生产力，并对现有的产业结构产生深远的影响。

　　（二）人工智能生态体系

　　基础层：为人工智能产业链提供算力和数据服务支撑。以 AWS、Azure、阿里云、 腾讯云、百度云等行业巨头为代表，为人工智能的发展提供了充足的算力资源；传统芯片巨头 NVIDIA、Intel 和国内科技新贵寒武纪、地平线等正致力于为人工智能的计算需求提供专用芯片；另外数据服务领域也存在大量公司，例如国内的数据堂、海天瑞声以及国外的 Saagie 等。 

　　技术层：为人工智能产业链提供通用性的技术能力。以 Google、Facebook、阿里巴巴、百度为代表的互联网巨头，利用资金及人才优势，较早地全面布局了人工智能相关技术领域；同时也有一大批创新公司深耕细分技术领域，例如专攻智能语音领域的科大讯飞、 致力于计算机视觉领域的商汤、机器学习领域的第四范式等。在国外，Proxem、XMOS 等企业也分别在自然语言处理、智能语音等领域做出了积极的实践和探索。 

　　应用层：面向服务对象提供各类具体应用和适配行业应用场景的产品或服务。目前全球绝大部分人工智能领域的创新科技公司聚集于此，典型企业有智慧建筑领域的 Verdigris、特斯联，智慧安防领域的 Genetec、宇视，智慧医疗领域的 Flatiron、推想科技等。

　　（三）全球人工智能产业发展概况

　　当前人工智能已经成为各国创新技术竞争的焦点领域，包括中国在内的全球诸多国家将人工智能列入国家科技战略部署序列。中国、美国、欧盟、英国、德国、俄罗斯、日本、韩国、印度等主要国家在 2016 年至 2019 年间密集发布人工智能专项政策及行动规划，引导、 推动人工智能产业的发展已成为全球经济共同体的重要共识。

　　美国：人工智能基础雄厚，科研实力强大，占据全球人工智能领先位置。

　　英国：众多有实力、有影响力的人工智能初创公司保障英国持续处于全球人工智能创新的核心地带。

　　德国：工业 4.0 有利推动德国人工智能的发展，新时期德国致力于成为全球领先的人工智能科研场。

　　（四）中国人工智能产业发展概况

　　根据相关研究机构估算，预计到 2020 年中国人工智能产业规模将达近 140 亿美元，而到 2022 年将超过 270 亿美元。

　　1、特征

• 中国人工智能产业基础研究能力亟待提高。

　　人工智能科研能力是保障人工智能产业持续发展的源动力，现阶段中国人工智能专利申请数量占全球总量的 37.1%，位居全球第一，相关论文产出量也高达 141840 篇。虽然我国在专利申请和论文产出方面已经跻身全球领先序列，但我国从事人工智能基础研究的学者仅占全球总量的 11%，科研机构仅占 5%， 仍落后于全球顶尖水平。

　　由此看出，我国需持续加大在基础研究与顶尖人才培养方面的投入， 缩小我国薄弱环节与全球顶尖水平的差距，继续抢占全球新一代人工智能产业发展的制高点。

• 中国人工智能企业众多、应用广泛。

　　2018 年，中国专注于人工智能领域的企业数量已达 1000 余家，位居全球第二，并且仍在快速增长。此外，在快速发展的数字经济环境和庞大的人工智能用户面前，不仅软件、互联网企业是人工智能市场的主要参与者，而且传统工业、金融业、服务业也加速参与到人工智能的实践进程中来。 

• 中国人工智能产业受到资本市场的高度关注。

　　资金是人工智能产业持续向好发展的重要保障，现阶段中国是全球人工智能产业投融资最为活跃的国家之一。总投融资事件数量占全球的 31.7%，投融资资金总额占全球的 60.0%，有利地支撑和推动了中国人工智能产业化落地和数字经济的深化发展。

　　2、发展趋势

• 国家多部委联动，顶层设计人工智能发展规划，凝聚政策优势。

　　习近平总书记强调，人工智能是引领这一轮科技革命和产业变革的战略性技术，具有溢出带动性很强的“头雁”效应。加快发展新一代人工智能是我们赢得全球科技竞争主动权的重要战略抓手，是推动我国科技跨越发展、产业优化升级、生产力整体跃升的重要战略资源。在此宏观背景下，各地方政府根据各区域产业发展实际需求，纷纷出台了相应的产业发展规划与政策指导意见，为人工智能产业发展提供了良好的社会政策环境。

• 　　数字时代助力，广袤市场搭配先进信息技术，累积数据优势。

随着我国迈入数字经济时代，互联网、云计算、大数据等现代信息技术在各领域的持续深入，当前已积累了大量的消费级数据和企业级数据。据 IDC、希捷统计数据显示， 2018 年中国数据总量占全球 23.4％，为 7.6ZB（1ZB≈1 万亿 GB），预计到 2025 年将增至 48.6ZB，届时将占全球数据总量的 27.8％。

• 网民基数大，中小企业众多，增强开发场景优势。

　　2017 年中国企业法人单位为 1809.77 万个，而个体工商户总数更是达到了 6579. 37 万户。另外，2018 年中国人口总数达到 13.9538 亿人，其中互联网上网人数已经达到 8. 2851 亿人。人工智能技术作为实践数字经济的重要构成和基石，逐步与互联网时代的社交电商服务、共享经济服务、网络直播服务和互联网金融服务等融合，探索出新型应用模式。

　　二、缺口 30 万，AI 岗位供给不均衡，人才供需区域不平衡

　　（一）岗位类型

　　根据各人工智能企业岗位人才需求，可归纳为高级管理岗、高端技术岗、算法研究岗、 应用开发岗、实际技能岗、产品经理岗等类型岗位。

　　（二）人才供需情况

　　受限于国内人工智能产业的起步较晚、前期积累不足，我国人工智能产业面临有效人才供给不足的窘境。预计我国人工智能产业内有效人才缺口达 30 万，特定技术方向和岗位上供需失衡比例尤为突出。

　　报告选取了人工智能的典型技术方向， 包括人工智能芯片、机器学习、自然语言处理等，数据显示人工智能不同技术方向岗位的人才供需比均低于 0.4，说明该技术方向的人才供应严重不足。从细分行业来看，智能语音和计算机视觉的岗位人才供需比分别为 0.08、0.09，相关人才极度稀缺。

　　现阶段，算法研究岗、应用开发岗、实用技能岗和高端技术岗的人才供需比分别为 0.13、0.17、0.98、0.45，表明技术类岗位的人才缺口较大，而实际技能岗人才供给处于相对充足状态。

　　相比之下，产品经理岗、销售岗和负责企业经营管理的高级管理岗的岗位人才供需比分别为 4.52、7.14、3.44，人才供应较为充足。

　　（三）区域供需情况

　　京津冀地区、长三角地区、粤港澳大湾区和川渝地区是当前人工智能产业的主要发展高地，同时也是人工智能产业人才资源的主要聚集地，人才需求规模占全国总需求的 90.9%，人才供给规模占全国总供给的 82.9%。

　　（四）人才培养情况

　　1、高校人才培养情况

　　高校人工智能人才培养呈现出多学科特点。在现设专业中，计算机科技与技术、电子信息工程等专业方向是孕育人工智能技术人才的主要专业方向。除此之外，在行业融合的背景之下，高校也纷纷开设“人工智能+”的跨学科专业，覆盖计算机、 数学、电子信息、统计学、心理学等多个专业领域。

　　从学校数量来看，北京、 江苏、山东、四川的新增院校较多；

　　从学校层次来看，近两年新增人工智能本科专业的院校既有北京航天航空大学、北京理工大学、哈尔滨工业大学、浙江大学、南京大学、上海交通大学、复旦大学、同济大学、武汉大学等传统老牌名校，也有如安徽信息工程学院、泉州信息工程学院、东华理工大学等普通院校，共同推进人工智能基础研究型人才和应用型人才的培养。

　　除设立人工智能专业外，同期国内各类型高校已经着手建立人工智能学院、人工智能研究院， 国内顶尖高校如北京大学、清华大学、浙江大学、复旦大学等，成立人工智能教学与研究机构，主攻人工智能基础研究，包括数理基础、认知科学基础、智能感知、机器学习、类脑计算、人工智能治理以及智能医疗、智能社会等方面，旨在培养并输出具备人工智能基础研究能力的研究型人才。

　　国内诸多本科大学和专科院校也已开始筹划和建设人工智能学院和研究院，通过联合人工智能产业链各环节的领先企业，例如百度、腾讯、科大讯飞等，加强在人才培养、实训课程、项目共享、实践机会等方面合作，着重培养具备人工智能实践经验的应用开发型人才。

　　2、社会培训机构人才培养情况

　　现阶段既有北大青鸟、达内教育、光华国际等传统老牌职业培训学校，又有小象学院、深蓝学院、咕泡学院等新型培训机构。各类型培训机构在授课方式上已经形成线上、线下相结合的全方位人工智能培训方式。

　　当前培训机构的人工智能相关课程以培训学员的应用开发技能为主，主要包含三种类型课程：Python 培训、人工智能基础入门培训和人工智能细分技术专业培训。

　　此外，现阶段各培训机构均向学员提供分阶段的实战项目教学，众多机构已接入华为、百度、阿里巴巴等科技巨头的实践经验和实践机会。但由于数理知识课程内容欠缺、培训时间较短，当前培训机构输出的人才多数为初级的实用技能型人才。

　　三、月薪 35 K 不是谁想拿就拿

　　人工智能属于高度知识密集型产业，对人才的业务能力、工作经验、教育背景、职业道德等方面都有着较高的要求。

　　（一）岗位类型

　　1、岗位能力要求

　　算法研究岗、应用开发岗、实用技能岗和产品经理岗在实践中的工作重点不同，企业对各典型岗位的职业能力要求也存在较大差异。

　　算法研究岗：

　　应用开发岗：

　　实用技能岗：

　　产品经理岗：

　　2、工作年限要求

　　应用开发岗对工作经验及年限的要求相对较宽松。29.7% 的岗位工作年限要求在 3 年以下，19.3% 的岗位不设年限要求；产品经理岗位通常要求从业者具备丰富的实践经验和行业知识积累，因此 49.5% 的岗位要求工作年限为 3-5 年，21.7% 的岗位要求工作年限在 5 年以上。

　　3、专业要求

　　各典型岗位专业要求中，大多寻求计算机相关专业的人才，其中 60% 以上的算法研究岗、 应用开发岗和实用技能岗均要求计算机相关专业。

　　除外，算法研究岗、应用开发岗对数学相关专业的需求程度也更高，其中 37.9% 的算法研究岗和 42.8% 的应用开发岗要求具有数学相关专业背景。相比而言，产品经理岗位专业要求限制较少，30.6% 的产品经理岗无专业限制。

　　4、学历要求

　　算法研究岗和应用开发岗的学历准入门槛远高于其他岗位，45.1% 的算法研究岗和 41.9% 的应用开发岗要求应聘人员具有硕士及以上学历；实用技能岗和产品经理岗的准入门槛为本科及以上，相关的岗位占比分别为 88.8% 和 91.8%。另外，当前 6.9% 的实用技能岗允许专科学历人才进入，这是由于实用技能岗普遍以计算机相关技能型人才为主， 这一比重均高于其他岗位。

　　5、单月薪酬情况

　　目前高达 56.5% 的算法研究岗和 46.1% 的应用开发岗的单月薪酬达到 35k 以上，实用技能岗和产品经理岗的单月薪酬普遍集中于 30k 以下，20-30k 是目前主要的薪酬区间段，相关的岗位占比分别为 33.8% 和 39.6%。

　　（二）技术方向

　　1、岗位能力要求

　　人工智能芯片：

　　机器学习：

　　自然语言处理：

　　智能语音：

　　计算机视觉：

　　2、工作年限要求

　　3 至 5 年的工作经验是当前各个典型技术方向对人才的普遍要求。此外，人工智能芯片和计算机视觉相对来说更能接受“年轻化”的人才，33.2% 的人工智能芯片相关岗位和 32.9% 的计算机视觉相关岗位对工作年限没有过高的要求，可接纳工作 3 年以下的人才。自然语言处理技术方向更希望寻求工作年限较长的人才，近 15% 的自然语言处理相关岗位寻求工作 5 年以上的人才。

　　3、专业要求

　　人工智能芯片与集成电路产业联系密切，所以当前 48.2% 的人工智能芯片相关岗位要求应聘人员具备电子信息相关专业背景；机器学习与其他技术方向相比，更偏向于基础底层，因此对数学相关专业背景需求程度较高，其中 50.9% 的岗位要求数学相关专业。

　　4、学历要求

　　本科学历是企业对人工智能相关岗位人才的基本学历要求，尤其在人工智能芯片领域，高达 88.4% 的岗位要求本科学历。机器学习、自然语言处理、智能语音、计算机视觉等技术方向岗位大多要求具备硕士及以上学历，其中 50.9% 的机器学习相关岗位、39.6% 的自然语言处理相关岗位、40.4% 的智能语音相关岗位和 47.1% 的计算机视觉相关岗位均要求硕士及以上学历。

　　5、单月薪酬

　　当前人工智能芯片相关岗位的单月薪酬水平相对较低，单月薪酬 30K 以内的岗位占比高达 85.4%；机器学习、自然语言处理、智能语音和计算机视觉相关岗位的单月薪酬水平明显较高，主要集中在 35K 以上薪酬区间段。另外，机器学习和自然语言处理相关岗位在 50k 以上的超高薪酬区间段上的聚集程度均高于智能语音和计算机视觉相关岗位。

　　四、人工智能产业人才发展政策建议

　　无论是微观层面的技术方向与岗位人才供给不足，还是中观层面的区域供给不均，导致当下人工智能行业 30 万人才缺口的背后，还有更为深层次的原因。中国是否真正需要如此庞大的人工智能人才队伍？以及，如何持续不断地供给优质的人工智能人才？

　　从需求端来看，在数字化、智能化的趋势下，各行各业对人工智能产业人才的需求已经发展到高关注、高需求的阶段。

　　从供给端来看，当前人才供给来源主要有两类，一是院校人才培养，二是行业人才存量积累。

　　在院校人才培养方面，虽然我国自 2017 年来，大力支持开展以人工智能学院、人工智能专业为代表的人工智能专项人才培养，但当前仍处于人才培养方式的初期探索阶段，人工智能产业人才的培养速度依然较慢。

　　报告称，尽管我国拥有世界规模最大的工程教育，但与美国相比，我国人工智能人才总量仅为仅为美国人才总量的 50% 左右，其中从事基础研究工作的人才数量更为有限，当前美国人工智能基础层的从业人才数量约为我国的 14 倍。

　　现阶段高校内人工智能相关的师资、课程依然不够完善，人工智能产业人才培养难以快速适应和匹配产业发展的节奏和企业的需求。

　　当前高校培养的人才质量难以匹配人工智能产业的实际需求，反映在企业选人用人和人才求职应聘两方面。

　　在行业人才存量积累方面，目前的行业内部自发的人才培养还没有成体系发展，导致现阶段我国院校端和产业端高质量人才供给水平仍然很低。

　　大多数企业设置了较高的人才准入门槛，对人才的岗位能力有着较高的要求，而应届生缺少人工智能知识储备与实践经验，很难直接匹配企业的用人需求。而具备一定工作年限和资历的技术人才和岗位人才又「面临」供需不均衡的窘境。

　　目前，仅仅依靠高校或者企业的力量难以满足日益增长的人才需求。如果要打破这一窘境，需要从政府、高校、科研机构、企业各方中进行打通，推动产学研各主体间的知识创新与应用，同时构建完善的人才体系来应对快速发展的产业需求。

　　具体从以下三个方面展开：

　　一是政府要加强人工智能产业人才培养的顶层规划，引导人工智能产业人才发展稳步前行；

　　二是加快人工智能“政产学研一体化” 人才培养生态体系建设，促进人工智能产业人才供给与产业发展需求相匹配；

　　三是加强国际人才交流合作，鼓励区域人才流动。