AI用人荒？中国高级AI专业人才竟不足5000！

中国人工智能学会、国家工信安全中心、华夏幸福产业研究院等四大权威机构、历时半年完成的重磅报告，给你一个全新的角度了解中国 AI 产业和学术的创新现状。

白皮书聚焦人工智能的使能技术与应用场景两个层面，基于论文、专利、人才、行业壁垒等多个维度，构建了人工智能产业创新评估体系，客观评价了当前人工智能的技术就绪度和应用融合度。

具体来说，本报告从技术和应用两大维度，评估了中国的AI产业创新发展现状：

使能技术就绪度指数：从理论研究、应用研究和技术性能三个维度对语音交互、文本识别、计算机视觉和深度学习这四项使能技术进行了评估，并计算得出使能技术就绪度指数。

应用场景融合度指数：从资源、技术、数据、场景、环境驱动力这五个维度，对汽车、医疗、家居、零售、机器人、安防、制造和教育这八个“AI ”场景进行了评估。

深度学习已处于技术成熟期，文本处理仍处于技术爬坡期

综合理论研究、应用研究和技术性能三个维度，计算得出四项使能技术的就绪度指数。

基于理论研究和应用研究的评估得分可以看出，深度学习是理论研究的重点方向，而计算机视觉是应用研究的重点方向。

从整体上来看，深度学习发展最为迅速，技术就绪度最高(8.3)，处于技术成熟期;文本处理的就绪度最低(5.1)，仍处于技术爬坡期;语音交互和计算机视觉处在技术应用初期。

中国与美国使能技术发展仍存在较大差距

从中美两国对比来看，美国四项使能技术的理论研究和应用研究均大幅领先于中国。理论研究方面，中美两国在文本处理领域的差距最小，在深度学习领域差距最大;应用研究方面，中美两国在深度学习领域的差距最小，在语音交互领域的差距最大。

深度学习技术的论文产出增速最高

从论文产出趋势来看，从2013年开始呈现快速增长趋势，其中深度学习技术的论文产出增速最高，而语音交互和文本处理的产出基本保持平稳。

从论文产出规模来看，人工智能的基础研究主要集中在深度学习和计算机视觉，而文本处理方向的论文产出最少，份额仅为12%。

从论文的影响力来看，计算机视觉和深度学习论文引用频次领先，而文本处理技术的论文引用频次较低。

中、美引领人工智能基础研究，但中美学术影响力仍存在一定差距

从论文整体情况来看，中美两国产出数量处于全球前列，且远超过其他国家。中国在文本处理、深度学习和计算机视觉三个方向领先于美国，在语音交互方向上差距亦不大。

从期刊论文来看，美国在语音交互、文本处理和深度学习三个方向均领先于中国;

从高被引论文的影响力来看，中国在深度学习技术方面的学术影响力仍与美国存在较大差距。

中国科学院、清华大学引领中国人工智能理论研究

以下是会议论文产出规模前10位的中国机构：

以下是期刊论文产出规模前10位的中国机构：

专利申请多而不强，学术机构活跃度高

深度学习和计算机视觉专利申请数量多但强度低

从专利申请趋势来看，深度学习和计算机视觉的专利申请从2015年开始快速增长，语音交互的专利申请自2016年开始保持稳定。

综合近三年专利申请比例和平均强度来看，语音交互专利申请比例低但平均强度较高，表明语音交互已不再是近期关注重点，计算机视觉和深度学习专利申请占比较高，但平均专利强度较低，专利布局仍处于起步阶段。

从专利授权比例来看，语音交互技术的授权率最高(45%)，深度学习技术的授权率最低(27%)，主要是因为深度学习的大量专利申请仍在审查期，导致授权比例偏低。

中美两国专利申请量和强度对比

中美两国的专利申请量均大幅领先于其他国家。其中，中国的四项使能技术专利申请量均居于首位。中国机构近三年活跃度高，超过54%的专利均在近三年申请。

从平均专利强度来看，美国四项使能技术的平均专利强度要远高于中国，中国专利“多而不强”的现象依然存在。

通过对前10位的专利权人进行分析，我们发现美国的专利权人全部为商业化企业，而中国除语音交互技术的专利权人以企业为主外，其他三项技术均存在一定比例的学术研究机构。特别是在计算机视觉领域，主要专利权人均为学术研究机构，成果的商业化将是未来关注重点。

中国技术高端人才储备与美国差距悬殊

美国人工智能领域四项使能技术相关的高级专业人才超过1.3万，遥遥领先于其他国家。中国高级专业人才不足0.5万，与美国相比仍有较大差距。

从细分技术领域来看，计算机视觉技术相关的高级专业人才占比最高，美国为5432人，在四项技术中占比39%，中国为1892人，在四项技术中占比38%。

中国使能技术人才主要分布在北京、广东、江苏、上海和浙江五省市

从中国人工智能四项使能技术人才分布来看，北京、广东、江苏、上海和浙江五省市人才优势明显，其中北京、广东人工智能研发人才超过万人。

四川、陕西、湖北、山东和安徽技术人才数量位于第二梯队，安徽在语音交互为主占优势，陕西在计算机视觉人才优势明显，湖北具备文本处理人才优势。

五大维度评估AI应用场景融合度

报告从资源、技术、数据、场景和环境五个驱动力维度对八个“AI ”场景进行了评估。

人工智能与行业融合整体水平较低，汽车、医疗、家居融合度相对较高

根据应用场景融合度指数显示，汽车(3.9)、医疗(3.8)和家居(3.7)是人工智能融合度相对较高的三个场景;零售(3.5)、机器人(3.3)和安防(3.2)是人工智能融合度指数居中的三个场景;制造和教育是目前人工智能融合度指数较低的两个应用场景。总体而言，汽车、医疗、家居、零售、机器人和安防处在与人工智能融合的培育期，而制造和教育仍处在萌芽期。

汽车和医疗人工智能研发机构数量优势明显，医疗人工智能高端人才优势显著

汽车和医疗两个领域的人工智能重点研发机构数量最多，是当前研发重点;零售和教育两个领域研发机构数量最少。从机构的性质来看，在家居、安防和机器人领域，企业数量要多于学术性研究机构，在汽车、零售和教育领域，研发机构以企业为主。而在医疗领域则是学术性研究机构偏多。

从高端人才数量来看，医疗领域的研发人员最多，零售和教育的研发人员最少。在各个领域中，美国的研发人员数量优势明显，占据一半左右，而中国的研发人员普遍偏少，人员相对较多的领域包括汽车(483人)、家居(464人)、制造(435人)和医疗(427人)。

汽车、医疗、家居是人工智能专利布局重点，机器人是布局热点

从专利申请趋势来看，人工智能在各个领域的专利申请自2014年开始爆发式增长，其中汽车和医疗领域增长明显，而教育和零售领域增长相对缓慢。

从近三年专利申请情况来看，专利布局重点集中在汽车、医疗、家居和安防领域。人工智能与机器人领域的融合是新的应用热点。

中国专利量多质低，美国医疗领域人工智能专利优势明显

从专利申请规模来看，除医疗领域外，中国的专利申请规模均超过美国，特别是在机器人和制造两个领域专利优势明显。

从专利申请强度来看，美国大幅度领先中国，中国专利质量仍有待提升。

美国医疗领域人工智能专利无论规模和强度均具有显著优势。

人工智能与汽车、机器人融合的数据驱动力优势明显

数据是人工智能与应用领域融合的最为关键的要素之一。从数据积累程度来看，汽车、医疗和机器人三个领域具备显著的数据优势，而家居和制造两个领域数据积累明显不足。从数据开放程度来看，汽车、教育和机器人三个领域数据开放程度较高，而医疗和制造两个领域数据开放程度较低。

人工智能与机器人、零售融合的场景驱动力优势较强

场景驱动力包括场景的清晰程度、介入能力和介入壁垒三个方面。从场景清晰程度来看，机器人、零售和安防三个领域场景清晰。从场景介入能力来看，机器人、零售和汽车三个领域介入能力较强。而从场景介入壁垒来看，医疗领域存在明显的行业壁垒，而机器人和零售两个领域的行业壁垒相对较低。

人工智能与机器人、医疗融合的市场需求和媒体倾向相对显著

总结

人工智能使能技术发展迅速，深度学习已经成为当前主流的人工智能算法，是目前理论研究的重点方向;计算机视觉是目前应用研究的重点方向。

通过对使能技术就绪度指数评估可以发现，深度学习就绪度(8.3)最高，计算机视觉就绪度(7.7)次之，语音交互(6.2)和文本处理(5.1)的就绪度偏低。

目前深度学习技术已处于成熟期，并越来越多地应用到各种实际场景中;计算机视觉和语音交互尚处在技术应用初期，两项技术开始在不同的场景中尝试应用落地;文本处理仍处于技术爬坡期，技术进展缓慢。

中美在深度学习的理论研究和语音交互的应用研究方面仍存在较大差距，投入和扶持力度需要进一步加强。

人工智能与不同应用场景的融合衍生出了丰富的新产品、新场景、新模式、新实践，人工智能将渗透到社会生活的方方面面，并不断推动众多行业的智能化变革。

通过对应用场景融合度指数评估显示，汽车(3.9)、医疗(3.8)和家居(3.7)是人工智能融合度相对较高的三个场景，其中以人工智能自动驾驶为代表的智能汽车是融合度最高的应用场景;零售(3.5)、机器人(3.3)和安防(3.2)是人工智能融合度指数居中的三个场景;制造和教育是目前人工智能融合度指数较低的两个应用场景。

基于报告对应用场景发展阶段的划分，目前人工智能在汽车、医疗、家居、零售、机器人和安防行业处在融合的培育期，而在制造和教育行业仍处在融合的萌芽期。

研究方法：

使能技术融合度指数：基于检索获取的相关科学文献数据进行定量分析

应用场景融合度指数：基于对人工智能领域研发人员、行业专家访谈和调研问卷结果进行定性分析

- END -