整理 | 夕顏

責編 | 唐小引

出品 | CSDN（ID:CSDNnews）

當前，人工智慧技術已應用於各行各業，落地成為大家關注的核心問題。

在經歷了 2019 年的行業低谷期之後，無論是行業巨頭還是新興獨角獸，都開始審視 AI 能夠切實落地的場景。用審視的眼光來看， 很多企業當前還停留在資訊化階段，AI 所能發揮的優勢還不夠明顯，但有趨勢可以看出一些新興的 AI 形態得到了認可和落地，例如 RPA、對話系統等。

在這樣的背景下，開發者們逐漸看到這樣一個事實：從就業的角度來看，由於演算法工程化才是商業落地的核心關鍵，因此 擁有紮實工程化能力的演算法工程師更受青睞。另一方面，由於深度學習是以大資料為基礎的，而感知智慧中的計算機視覺又是目前深度學習較為成熟的應用，所以，機器學習和深度學習工程師，以及資料工程師、計算機視覺工程師成為熱門崗位。

從技術本身的角度來看， 較為成熟的 TensorFlow 成為 AI 工程師的首選深度學習框架，Torch/PyTorch 由於其開發效率較高，也得到了較多支援。在統計資料上，兩者的普及率均接近 50%。

以上資料都是在 CSDN 針對軟體開發技術、應用開發領域等方面進行大調查後統計而出的 《2019-2020中國開發者調查報告》中的部分結論。CSDN 最早從 2004 年開始針對中國開發者進行大規模調查，是迄今為止覆蓋國內各類開發者人群數量最多，輻射地域、行業分佈最廣的調查活動。

2019 年-2020 年， 中國的人工智慧技術的應用現狀是怎樣的？是否符合你的預期？在這樣的應用現狀之下，開發者應該關注哪些技術點？本文將對報告中的相關內容做詳細解讀，包括企業人工智慧現狀、人工智慧技術開發特點，以及人工智慧行業應用與選用因素，希望能為開發者提供關於人工智慧應用方面的參考。

首先，我們總結一下報告中關於人工智慧技術應用現狀分析的幾個重要發現：

• 64% 的企業尚未實現智慧化

• 5 成公司演算法工程師團隊規模小於 10人

• 機器學習/深度學習演算法工程師最急缺

• TensorFlow 是人工智慧領域主流深度學習框架

• 強化學習、決策樹是開發者使用最多的機器學習型別

• 機器學習/深度學習/神經網路是最普遍的學習計劃

• 製造、金融行業是 AI 技術結合最多的行業

• 35% 開發者選用國產 AI 晶片應用於自己的 AI 開發，最看重對主流 AI 框架的支援能力

以下為報告解讀：

企業人工智慧現狀

64% 的企業尚未實現智慧化

調研資料顯示，14% 的企業尚無資訊化基礎。27% 的企業實現了事務處理數字化，22％ 的企業具備商業智慧基礎設施，可實現描述性分析。使用機器學習實現預測性分析和決策最佳化的企業佔比為 16%，而在業務中全面使用 AI 系統、機器人和其他自動化工具的僅佔 12%。

由此可以看出，大部分應用 AI 的企業還停留在資訊化階段，未充分挖掘 AI 的潛能。

5 成公司演算法工程師團隊規模小於 10 人

調查發現，50% 開發者公司的演算法工程師團隊規模小於 10 人，員工數量在 10-100 人之間的企業佔 27%，超過 100 人的 僅有 14%。

機器學習/深度學習演算法工程師最急缺

此次調研中，機器學習/深度學習演算法工程師、計算機視覺/影像識別/影像處理工程師崗位從業人員更多，分別佔比 23%、22%。當前最急缺的崗位也是機器學習/深度學習演算法工程師、資料科學家/資料分析師/資料探勘工程師崗位。

53% 的開發者表示其團隊急缺機器學習/深度學習演算法工程師，37% 表示急缺資料科學家/資料分析師/資料探勘工程師，知識圖譜工程師、語音識別/語音合成工程師的缺口也仍然較大。

人工智慧技術開發特點

TensorFlow 衛冕，仍為 AI 主流深度學習框架

此次調研中，TensorFlow 的使用普及率達到 48%，其次為 Torch/PyTorch，有 43% 的企業在使用。緊隨其後的還有 Caffe、Scikit-learn、MLib 等。

強化學習、關聯規則學習、決策樹為使用最多的機器學習型別

強化學習、關聯規則學習、決策樹是開發者使用最多的三種機器學習型別，強化學習佔比 34%，關聯規則學習和決策樹使用佔比旗鼓相當，均為 32%。

其次，線性分類、聚類分析、生成模型也是開發者使用較多的機器學習型別，近年來得到很大關注度的遷移學習使用率也比較高，佔比 22%，而分層聚類則被採用較少，佔比僅有 10%。

最想學機器學習/深度學習/神經網路

此次調研發現，機器學習/深度學習/神經網路最多地出現在開發者的學習計劃表中，是大家最想學習的技能，佔比 51%。

其次，資料科學/資料探勘/資料分析是開發者未來學習計劃表中的第二大關鍵詞，有 40% 的人表示想要學習。

接下來是深度學習框架/深度學習數學基礎，佔比為 37%，看來開發者對於數理基礎的重要性已經有了深刻的認識。

計劃學習計算機視覺/影像識別/影像處理的開發者也不在少數，佔比 32%，邊緣人工智慧/嵌入式人工智慧/AIoT 也被提上學習計劃的日程，越來越多的人開始注意到這個較為新興的技術領域。

人工智慧行業應用與選用因素

製造、金融行業是 AI 技術結合最多的行業

此次調研中，27% 的開發者表示其所在企業的 AI 技術正在結合製造行業業務。其次是金融業，佔比 26%。

此外，健康醫療、電商、安防、社交媒體等領域也正在與 AI 技術緊密結合，但還有更大的提升空間

國產 AI 晶片受青睞，最看重對主流 AI 框架的支援能力

隨著國產 AI 晶片的崛起，國內越來越多的企業選用國產 AI 晶片。當把國產 AI 晶片應用於自己的 AI 開發時最看重的因素方面，對主流 AI 框架的支援能力是最普遍的因素，佔比 35%，其次最看重是開發社群文件的完備性和支援能力，佔比 22%。

產品的算力和效能、產品價格因素也是開發者選用國產 AI 晶片的重要因素。

最後，上海瓦歌智慧科技有限公司總經理，狗尾草科技人工智慧研究院院長邵浩對報告中關於人工智慧技術應用的部分做了精闢的總結：

無論是對在職的研發人員還是在求職的候選人，持續學習都是一個強需求。不出意外，機器學習、 深度學習、資料探勘仍然是最熱門的學習內容。透過基礎內容的學習，開發者可以更好地在各領域，如自然語言處理、知識圖譜、計算機視覺上做深入的研究和提升。

無論是 AI+ 還是 +AI，人工智慧技術只有結合行業實際需求，才能夠真正落地並取得商業效果。在製造業、金融、醫療、電商等領域，AI 技術在節省成本，提高效率，提升使用者滿意度方面都取得了良好的效果。在 AI 晶片領域，國內廠商也開始彎道超車，越來越多的開發者也開始關注國內 AI 晶片的進展。

高投入的 AI 行業在 2020 能夠帶來怎樣的產出，讓我們拭目以待。