1. 人才爭奪

1.1. 人才成為人工智能發展的競爭焦點

• 1.1.1. 在推動人工智能產業從興起到快速發展的歷程中，人工智能人才是其中最為關鍵的因素，其質量和數量直接決定了人工智能的發展水平和潛力

1.2. 人工智能傑出人才決定發展階段和技術路線

• 1.2.1. 人工智能正在從實驗室走向市場，處於產業大突破前的技術衝刺和應用摸索時期，部分技術和產業體系還遠未成熟

• 1.2.2. 能夠推動技術突破和創造性應用的傑出人才對人工智能產業的發展起着至關重要的作用，甚至是引領性的作用

1.3. 人工智能人才都是核心競爭力

1.4. 爭奪和培養人工智能人才成為世界各國的重要戰略

• 1.4.1. 在各國發布的人工智能戰略中，人才都是其重要組成部分

• 1.4.2. 除了《美國人工智能倡議》​，美國白宮發佈的《為人工智能的未來做準備》以及《國家人工智能研究與發展戰略計劃》中，也對如何吸引人才着墨甚多

• 1.4.3. 英國

  • 1.4.3.1. 英國政府科學辦公室發佈的《人工智能：未來決策的機會與影響》對如何保持英國的人工智能人才優勢有特別説明

  • 1.4.3.2. 英國下議院科學和技術委員會發布的《機器人技術和人工智能》調查報告中，對英國政府能否吸引人才從而保證英國在人工智能領域的領導力提出了敦促和質詢

• 1.4.4. 中國政府發佈《新一代人工智能發展規劃》​，明確指出將高端人才隊伍建設作為人工智能發展的重中之重，尤其是加快引進全球人工智能頂級人才和青年人才，大力建設人工智能學科

• 1.4.5. 加拿大啓動《泛加拿大人工智能戰略》​，重點提出增加加拿大人工智能領域的卓越學者和學生數量

• 1.4.6. 日本經濟產業省編制《機器人新戰略：願景、戰略、行動計劃》​，將人工智能作為實現超智能社會的核心，並計劃從2020年起，將編程列入中小學必修課程，促進人工智能人才的產學研合作

2. 人工智能人才分佈

2.1. 高校分佈情況

• 2.1.1. 中國高校人工智能人才數量位居前列

• 2.1.2. 在全球高校人工智能人才分佈中，中國高校在人才發展上的投入最為明顯

• 2.1.3. 對於全球高校中人工智能傑出人才的分佈，美國斯坦福大學位列世界第一

• 2.1.4. 中國高校沒有一所進入全球人工智能傑出人才數量的前十

2.2. 科研機構分佈情況

• 2.2.1. 中國科學院系統是世界人工智能人才擁有量最多的研究機構

2.3. 企業分佈情況

• 2.3.1. 全球人工智能人才主要分佈在美國的企業中

• 2.3.2. 在所有類型的企業中，以計算機軟硬件開發為主要業務的企業對人工智能的投入最多

• 2.3.3. 美國的計算機行業在全球發展最早，其中IBM、微軟、谷歌一直以來都處於行業發展的最前沿，在世界範圍內擁有非常廣泛的影響力，在人工智能人才的投入上也遠超其他企業

• 2.3.4. 在全球人工智能人才數量前二十企業的榜單中，美國企業佔據半壁江山

  • 2.3.4.1. 中國僅有華為一家企業上榜

• 2.3.5. 目前全球80%以上的人工智能人才分佈在高校和研究機構中，企業擁有的人才數量相對較少

  • 2.3.5.1. 中國在高校和研究機構上的投入最多，而在企業上則完全處於劣勢

  • 2.3.5.2. 歐美國家對學術界和工業界的投入則較為均衡，頂尖大學和著名的互聯網企業中均擁有大量的人工智能人才

  • 2.3.5.3. 在人工智能傑出人才的分佈上，美國互聯網企業佔據絕對優勢

  • 2.3.5.4. 印度的人工智能實力也不容小覷，其高校韋洛爾大學、IT技術服務公司塔塔諮詢以及高知特擁有的人工智能人才數量均處於世界前列

3. 人工智能產業鏈及其人才分佈情況

3.1. 人工智能產業鏈可以劃分為三層，即底層基礎層、中間層技術層和上層應用

• 3.1.1. 基礎層提供計算力，主要包含人工智能芯片、傳感器、雲計算/大數據等細分領域

  • 3.1.1.1. 英特爾等國際科技巨頭在芯片技術上的研發較多，國內在基礎層的實力則相對薄弱

  • 3.1.1.2. 因人工智能芯片技術門檻極高，且生態搭建已基本成型，國內科技公司想要在基礎層技術上趕超歐美，難度很大

  • 3.1.1.3. 以百度、阿里、騰訊、京東等為首的國內互聯網巨頭也開始自建人工智能基礎學科實驗室，加大對人工智能芯片等基礎層技術的研發力度，同時將觸角延伸到對基礎層創業公司的投資上

  • 3.1.1.4. 人工智能的基礎層是人工智能技術要求相對較高的領域，也是人工智能發展的核心基礎

  • 3.1.1.5. 基礎層吸引了主要的人才，有利於人工智能行業的長期發展，也可為技術層和應用層的後期爆發做好技術積累

• 3.1.2. 技術層的主要作用是技術開發及輸出，用於解決具體類別問題。該層級主要依託運算平台和數據資源進行海量的識別訓練和機器建模學習，從而開發出面向不同領域的應用技術

  • 3.1.2.1. 細分領域主要包括計算機視覺、自然語言處理、語音識別以及機器學習技術等

  • 3.1.2.2. 從技術層來看，圖像識別/計算機視覺以及自然語言處理等領域對人工智能人才的需求較為明顯

• 3.1.3. 應用層的核心是提供商業化的解決方案，具體方式是通過人工智能技術為不同的行業提供具體的產品、服務及解決方案，主要細分領域包括機器人、無人機、自動駕駛、智能客服、智能物流以及智慧醫療等

  • 3.1.3.1. 應用層的技術門檻較低，因此目前中國在該層級中擁有的企業數量較多，規模佔比較大

  • 3.1.3.2. 從應用層來看，機器人、智能營銷和自動駕駛則處於風口之中，對人工智能人才的需求也相對較大

  • 3.1.3.3. 相比於基礎層和技術層的高技術門檻，應用層則相對更趨向於商業化的解決方案，處於風口之中的應用層領域對人才的需求量也較大

3.2. 中國的人工智能相關企業主要分佈在應用層，包括企業技術集成與方案提供、關鍵技術研發應用平台、智能硬件和智能製造等領域，而基礎層和技術層的企業相對來説比較少

• 3.2.1. 中國人工智能產業的科技發展主要源自應用層面的牽引

3.3. 與中國不同的是，美國的人工智能產業更偏向基礎層和技術層的研究，其在人工智能核心技術上的研究深度和積累程度遠遠超過中國

3.4. 國際人工智能人才的領域分佈較為集中，主要分佈於算法、機器學習等領域

• 3.4.1. 基礎層領域，對技術門檻要求較高，也是技術層和應用層的基礎

• 3.4.2. 從人才分佈上也可以看出，相對於技術層和應用層來説，基礎層的各個領域對人才的需求量較大，目前處於技術快速發展、瓶頸急需突破的階段

3.5. 中美在算法和機器學習這兩大基礎層領域分佈的人工智能人才佔比均較大

• 3.5.1. 人才分佈佔比排名第二的領域是屬於應用層的機器人領域，排名第三的則是屬於基礎層的硬件、GPU、智能芯片領域，而中美在圖像識別/計算機視覺和自然語言處理等技術層領域分佈的人工智能人才數量則遠低於基礎層領域