Question

人工智能就业怎么样?

Answer 1

前景很好，中国正在产业升级，工业机器人和人工智能方面都会是强烈的热点，而且正好是在3~5年以后的时间。难度，肯定高，要求你有创新的思维能力，高数中的微积分、数列等等必须得非常好，软件编程(基础的应用最广泛的语言：C/C++)必须得很好，微电子(数字电路、低频高频模拟电路、最主要的是嵌入式的编程能力)得学得很好，还要有一定的机械设计能力(空间思维能力很重要)。这样的话，你就是人才，你就是中国未来5年以后急需的人工智能领域的人才。一门深入地钻研下去，你就是这个领域的专家甚至大师。

Answer 2

Answer 3

人工智能的发展现状处于成长期，由于相关人才的数量比较少，人工智能的人才市场处于空缺，出现了供不应求的状况。加之国家发布相关政策促进人工智能的发展；一些省份也比较重视人工智能的发展

Answer 4

人工智能前景很好，中国正在产业升级，工业机器人和人工智能方面都会是热点，而且正好是在3~5年以后的时间。但是，也有一个问题大家要注意：

学习的难度比较高，要求你有创新的思维能力，高数中的微积分、数列等等必须得非常好，软件编程(基础的应用最广泛的语言：C/C++)必须好，微电子(数字电路、低频高频模拟电路、最主要的是嵌入式的编程能力)得学得好，还要有一定的机械设计能力(空间思维能力也重要）

Answer 5

中国是一个非常有趣的市场，由于中国的改革开放，中国经济发展迅速。短短40年间，中国已成为世界第二大经济体。但是，当开发速度过快时，一些埋藏在行业深处的问题正在逐渐暴露出来。过去，中国通过廉价和广泛的劳动力迅速成为世界工厂，正因为如此，中国迅速发展了经济实力。但是，如上所述，当中国人口红利逐渐退去时，许多问题都会慢慢暴露出来。第一个问题是劳动力成本迅速上升（见图2和图3），这导致许多公司积极寻求技术解决方案以降低劳动力成本并从工业3.0转变为工业4.0。工业4.0与工业3.0的基本区别在于，工业4.0的机器可以在没有人工干预的情况下自主工作。而在工业3.0中，机器仅针对简单任务进行自动化。图1显示，在过去的20年中，每千名工人的机器人数量有所增加。这些机器人对于工业4.0来说是不够的，制造业中的人工智能的概念是使机器和机器人在IIOT（工业物联网）和几个传感器的帮助下交换数据，然后分析云上的数据。因此，传统企业使用人工智能尤为重要。

图1. 每一千名工人中机器人数量                                                                                                                          资料来源：Acemoglu和Restrepo（2017年）图2. 中国劳动力成本预估                                                                                                                                      资料来源：oxford economics, thomsonreuters datastream图3. 中国制造业工人时薪预估                                                                                                                                 资料来源：Acemoglu 和 Restrepo

• 市场

市场上有很多企业可以分为两类。 第一类是BAT（百度，腾讯，阿里巴巴）等大型科技公司，它们来自不同的行业。 它们分别是百度的搜索引擎，腾讯的社交媒体，和阿里巴巴的电子商务。 第二类是技术巨头，类似于美国的FAANG（Facebook，亚马逊，Apple，Netflix，谷歌）。 图4是百度，腾讯和阿里巴巴的市值。

图4. 百度，阿里巴巴，腾讯市值                                                                                                                       资料来源：abi图5. 百度在人工智能领先阿里巴巴和腾讯                                                                                                           资料来源：cbinsights.com图6. BAT在全球人工智能初创公司的投资占比                                                                                                       资料来源：cbinsights.com

图5显示了BAT开始参与人工智能行业的时间。 这表明百度是三家公司中第一家进入人工智能行业的公司，从图中可以看出人工智能行业是一个非常年轻的行业，因为大多数活动发生在2013年之后。

第二类包括初创企业，包括独角兽。 独角兽被定义为价值超过10亿美元的初创公司。 图7显示了前14个独角兽。 虽然独角兽的规模并不接近BAT公司的估值，但它们仍然是非常大的公司，并且在某种程度上与技术巨头非常接近，例如，它们拥有大量现金和很高的声誉。

图7. 中国人工智能公司排名前50

在这个阶段市场非常不成熟，因此，对于上面列出的公司没有可用的市场份额数据。 然而，图8显示了制造业人工智能的全球市场。 市场估计价值将在2018年达到10亿美元，它预测，到2025年，并预计到2025年将达到172亿美元。

由于两个主要原因，技术巨头也将针对人工智能初创企业并投资它们。 首先，当初创企业变得更大时，巨头们可以更容易地与他们合作，以便他们可以共享技术和客户。 其次，当初创企业变得更加成熟时，他们会收购该公司，因为如果他们在一开始就创建自己的人工智能公司，由于机会成本非常高，这种方法为大公司节省了大量的时间和金钱。 图6显示了BAT在AI初创企业中的投资百分比。

图8. 人工智能在制造业中有很多机会

2. 讨论

评估市场结构的一个重要指标是市场的门槛和障碍。 如果障碍很高，那么市场很可能是寡头垄断或垄断，如果障碍很低，那么市场很可能是完全竞争。

人才/技术壁垒

人才与技术相结合的原因在于，公司中有才能的员工数量与公司技术表现的强大程度直接相关。 像谷歌或苹果这样的世界级公司通过高薪和稳定的收入以及未来的职业发展赢得了许多有才华的年轻人的青睐。 图9显示了四个不同的大公司在人才方面的待遇。 这表明谷歌和Facebook等科技巨头拥有大量优秀人才。 中国的BAT等公司不披露工资，因此，只有美国公司在此处提及。

图9. 顶尖科技人才的公司排名                                                                                                                                         资料来源：paysa

财务障碍

深度学习需要大量的计算能力。 计算能力越高，运营成本越高。 一些小公司无法负担昂贵的计算成本，因此不能产生准确的结果，这将导致恶性循环。 图10显示了中国AI的投资情况，可以看出，由于全球经济衰退，2017年投资下降，因此基金非常有限。 只有像图7中这样的独角兽才能吸引投资，因为风险资本家在这个阶段可能会保守，这会导致较小的人工智能初创企业面临更糟糕的情况，即他们面临资金支持不足的问题。 事实上小公司不能轻易从银行获得贷款，因为它们风险很高（β值较高）。 另一方面，技术巨头或独角兽并不担心这一点，因为他们拥有大量现金。

图10. 中国人工智能投资下滑                                                                                                                                               资料来源：abi

规模经济障碍

规模经济可以从不同的角度来说明，如网络效应，边际成本等。首先，对于中国的大多数公司，特别是大公司，先入为主的观念相对较深，一些大型制造企业会选择相同的大技术。公司甚至以高价合作，因为产品的价值逐月增加。这种效应称为网络效应。网络效应（也称为网络外部性或需求方规模经济）是经济学和商业中描述的效果，即商品或服务的额外使用对该产品对他人的价值。当存在网络效应时，产品或服务的价值会根据使用它的其他人的数量而增加。其次，数据是人工智能的核心。人工智能解决方案的成功在很大程度上取决于用于培训的数据量。如果数据不够，即使是非常强大的算法仍然会导致不准确的结果。相反，算法较差，但以大量数据为支撑，最终结果会更准确。作为客户访问大公司意味着可以访问大量数据，并且这可能是一个良性或恶性循环，取决于公司是否可以与大型制造公司合作。因此，大型技术公司的边际成本急剧下降，因为数据成本和计算能力成本是生产函数中的两个重要因素。第三，AI公司服务的客户越多，AI公司的经验就越多，产品质量就越好。这是规模经济的另一个因素。第四，通常大型制造公司拥有更成熟和完整的信息系统，其中所有数据都被记录并准确记录。对于小型制造公司而言通常不是这种情况，因为拥有完整的信息系统通常需要花费很多时间并且需要时间来适应，这是来自客户方的规模经济。

最后，小公司有缺点，包括一些公司领导因为短视而不关注技术转型，他们认为技术转型不能立即带来利润。这是阻碍初创企业寻求与小型制造公司合作的另一个因素。

3. 小型公司需要采取的行动

由于上面讨论的三个障碍，小公司可以潜入两个研究方向，以便在制造业的人工智能中处于有利地位。第一个是概括，也就是说，相同的模型可以用于不同的公司或生产线。第二种是通过少量数据获得更好的结果，即在非常强大的深度学习算法的帮助下使用较少量的数据来产生良好的结果。

这两个方向可以解决行业障碍，因为即使小型制造公司没有大而准确的数据集，小型人工智能公司也会更容易获得良好的解决方案。在与小型制造公司成功合并后，他们可以转移到更大的公司，同时可以获得更多的资金，从而招募更多的机器学习工程师，从而使算法更加强大，最终形成良性循环和潜力制造业人工智能技术巨头。然而，非常有天赋的机器学习科学家也是很罕见的。因此即使像谷歌这样的公司，百度也试图在两个方向上解决障碍。

然而，这并不意味着没有天才的人工智能初创企业没有任何机会，因为有许多行业仍然非常传统并且落后于传统能源行业。这意味着即使是大型人工智能公司也会与那些初创公司处于同一条线上，这也是一个机会，因为大型技术巨头通常对这些行业没有兴趣，这主要是因为剩下的还有更多利润较高的先进行业让他们分享和占有。因此，在这些行业中，初创企业占据优势，因为它们更加灵活和高效。

总的来说，技术是主要的生产力，也是公司做得好，有技术优势的前提，无论与小型或大型制造商合作，都有更大的机会。

4. 案例研究

SenseTime是一家专注于计算机视觉和深度学习的人工智能初创公司。他们拥有400多名客户，现在价值超过45亿美元。 SenseTime于2014年10月由香港中文大学信息工程系主任Tang Xiaoou教授创立。首先，整个团队由他的学生组成的计算机视觉和深度学习研究。这表明该团队已经打破了人才和技术障碍。如图7所示，SenseTime位居中国人工智能创业公司前三。其次，SenseTime得到了中国政府的大力支持，因此获得了政府的大量数据。它声称他们有一个超过20亿个图像的数据库，这是许多小型初创公司无法实现的数字，这使得SenseTime能够从数据方面打破经济规模障碍。然后，由于它是由中国一所顶尖大学的教授创立的，SenseTime得到了政府的信任。此外，正如市场部分所讨论的，技术巨头不仅开发了自己的人工智能算法，还投资于其他人工智能初创公司。 SenseTime就是一个很好的例子，因为它是由阿里巴巴投资的，当SenseTime价值约30亿美元时，它投资了6亿美元。因此，SenseTime打破了财务障碍。

总之，制造业人工智能领域的独角兽与技术巨头并没有太大的不同，因为它们都相互支持，而且自从制造业的人工智能以来，他们在财务，人才等方面的情况非常相似。是一个非常年轻的行业，每个人都从一个非常相似的位置开始。

5. 结论

基于上述分析，我认为市场将分三个阶段发展。

第一阶段：初创企业将从风险资本家和技术巨头那里获得大量投资，因为制造业中的人工智能这一概念具有吸引力和前景，那么解决技术问题的人将成为第二阶段的下一个技术巨头，显热SenseTime正朝着这个目标前进。因此，目前的市场处于第一阶段。

第二阶段：创业公司在传统行业中处于领先地位，技术巨头在先进行业中处于领先地位，因此市场分离，因为技术巨头正忙于占领先进且高利润的行业，而小型创业公司则没有由于缺乏计算能力和网络效应而进入这些行业。在这个阶段，由于劳动力成本和制造过程自动化成本的增加，大型制造公司将会经历利润下降，而小公司不仅会受到劳动力成本的影响，而且还会受到生产产品的低效率的影响。

第三阶段：只有技术巨头才能生存，不会有更多小型创业公司和小型制造公司，因为在那个阶段劳动力成本将非常高，没有完全自动化的制造过程的工厂将不复存在，小的创业公司也将不复存在。在这个阶段幸存下来的制造商真正在工业4.0中，所有制造机器人相互通信并分析云中的生产过程，而无需人工参与。

总之丸子老师希望大家能在自己的领域实现择优就业~