AI 工程师的机遇在哪里？64% 的企业未实现智能化，5 成公司算法工程师团队规模小于 10人

在经历了 2019 年的行业低谷期之后，无论是行业巨头还是新兴独角兽，都开始审视 AI 能够切实落地的场景。用审视的眼光来看，很多企业当前还停留在信息化阶段，AI 所能发挥的优势还不够明显，但有趋势可以看出一些新兴的 AI 形态得到了认可和落地，例如 RPA、对话系统等。

在这样的背景下，开发者们逐渐看到这样一个事实：从就业的角度来看，由于算法工程化才是商业落地的核心关键，因此拥有扎实工程化能力的算法工程师更受青睐。另一方面，由于深度学习是以大数据为基础的，而感知智能中的计算机视觉又是目前深度学习较为成熟的应用，所以，机器学习和深度学习工程师，以及数据工程师、计算机视觉工程师成为热门岗位。

从技术本身的角度来看，较为成熟的 TensorFlow 成为 AI 工程师的首选深度学习框架，Torch/PyTorch 由于其开发效率较高，也得到了较多支持。在统计数据上，两者的普及率均接近 50%。

以上数据都是在 CSDN 针对软件开发技术、应用开发领域等方面进行大调查后统计而出的《2019-2020中国开发者调查报告》中的部分结论。

2019 年-2020 年，中国的人工智能技术的应用现状是怎样的？是否符合你的预期？在这样的应用现状之下，开发者应该关注哪些技术点？本文将对报告中的相关内容做详细解读，包括企业人工智能现状、人工智能技术开发特点，以及人工智能行业应用与选用因素，希望能为开发者提供关于人工智能应用方面的参考。

首先，我们总结一下报告中关于人工智能技术应用现状分析的几个重要发现：

• 64% 的企业尚未实现智能化

• 5 成公司算法工程师团队规模小于 10人

• 机器学习/深度学习算法工程师最急缺

• TensorFlow 是人工智能领域主流深度学习框架

• 强化学习、决策树是开发者使用最多的机器学习类型

• 机器学习/深度学习/神经网络是最普遍的学习计划

• 制造、金融行业是 AI 技术结合最多的行业

• 35% 开发者选用国产 AI 芯片应用于自己的 AI 开发，最看重对主流 AI 框架的支持能力

以下为报告解读：

01

企业人工智能现状

64% 的企业尚未实现智能化

调研数据显示，14% 的企业尚无信息化基础。27% 的企业实现了事务处理数字化，22％ 的企业具备商业智能基础设施，可实现描述性分析。使用机器学习实现预测性分析和决策优化的企业占比为 16%，而在业务中全面使用 AI 系统、机器人和其他自动化工具的仅占 12%。

              

由此可以看出，大部分应用 AI 的企业还停留在信息化阶段，未充分挖掘 AI 的潜能。

5 成公司算法工程师团队规模小于 10 人

调查发现，50% 开发者公司的算法工程师团队规模小于 10 人，员工数量在 10-100 人之间的企业占 27%，超过 100 人的 仅有 14%。

             

机器学习/深度学习算法工程师最急缺

此次调研中，机器学习/深度学习算法工程师、计算机视觉/图像识别/图像处理工程师岗位从业人员更多，分别占比 23%、22%。当前最急缺的岗位也是机器学习/深度学习算法工程师、数据科学家/数据分析师/数据挖掘工程师岗位。

 

53% 的开发者表示其团队急缺机器学习/深度学习算法工程师，37% 表示急缺数据科学家/数据分析师/数据挖掘工程师，知识图谱工程师、语音识别/语音合成工程师的缺口也仍然较大。

             

02

人工智能技术开发特点

TensorFlow 卫冕，仍为 AI 主流深度学习框架

此次调研中，TensorFlow 的使用普及率达到 48%，其次为 Torch/PyTorch，有 43% 的企业在使用。紧随其后的还有 Caffe、Scikit-learn、MLib 等。

              

强化学习、关联规则学习、决策树为使用最多的机器学习类型

强化学习、关联规则学习、决策树是开发者使用最多的三种机器学习类型，强化学习占比 34%，关联规则学习和决策树使用占比旗鼓相当，均为 32%。

 

其次，线性分类、聚类分析、生成模型也是开发者使用较多的机器学习类型，近年来得到很大关注度的迁移学习使用率也比较高，占比 22%，而分层聚类则被采用较少，占比仅有 10%。

             

最想学机器学习/深度学习/神经网络

此次调研发现，机器学习/深度学习/神经网络最多地出现在开发者的学习计划表中，是大家最想学习的技能，占比 51%。

 

其次，数据科学/数据挖掘/数据分析是开发者未来学习计划表中的第二大关键词，有 40% 的人表示想要学习。

 

接下来是深度学习框架/深度学习数学基础，占比为 37%，看来开发者对于数理基础的重要性已经有了深刻的认识。

 

计划学习计算机视觉/图像识别/图像处理的开发者也不在少数，占比 32%，边缘人工智能/嵌入式人工智能/AIoT 也被提上学习计划的日程，越来越多的人开始注意到这个较为新兴的技术领域。

             

03

人工智能行业应用与选用因素

制造、金融行业是 AI 技术结合最多的行业

此次调研中，27% 的开发者表示其所在企业的 AI 技术正在结合制造行业业务。其次是金融业，占比 26%。

 

此外，健康医疗、电商、安防、社交媒体等领域也正在与 AI 技术紧密结合，但还有更大的提升空间。

               

国产 AI 芯片受青睐，最看重对主流 AI 框架的支持能力

随着国产 AI 芯片的崛起，国内越来越多的企业选用国产 AI 芯片。当把国产 AI 芯片应用于自己的 AI 开发时最看重的因素方面，对主流 AI 框架的支持能力是最普遍的因素，占比 35%，其次最看重是开发社区文档的完备性和支持能力，占比 22%。

 

产品的算力和性能、产品价格因素也是开发者选用国产 AI 芯片的重要因素。

               

最后，上海瓦歌智能科技有限公司总经理，狗尾草科技人工智能研究院院长邵浩对报告中关于人工智能技术应用的部分做了精辟的总结：

 

无论是对在职的研发人员还是在求职的候选人，持续学习都是一个强需求。不出意外，机器学习、 深度学习、数据挖掘仍然是最热门的学习内容。通过基础内容的学习，开发者可以更好地在各领域，如自然语言处理、知识图谱、计算机视觉上做深入的研究和提升。

 

无论是 AI+ 还是 +AI，人工智能技术只有结合行业实际需求，才能够真正落地并取得商业效果。在制造业、金融、医疗、电商等领域，AI 技术在节省成本，提高效率，提升用户满意度方面都取得了良好的效果。在 AI 芯片领域，国内厂商也开始弯道超车，越来越多的开发者也开始关注国内 AI 芯片的进展。

 

高投入的 AI 行业在 2020 能够带来怎样的产出，让我们拭目以待。

—end—

点“在看”给我一朵小黄花叭~