1.3 AI的发展现状

1.3.1 AI的发展概况

当下AI上升为我国的国家战略，AI在各个行业和领域中应用、普及的速度也超乎想象，智能机器人逐渐切入我们生活的方方面面，智能时代正在开启。

在这一部分，笔者聚焦AI领域，解析相关内容，希望为读者提供一个全景式的AI发展图景。

总体来说，笔者认为当下的概况是多方焦虑。

1.AI成为国家竞争的新焦点

2017年3月，AI首次被写入政府工作报告。近几年，国家先后出台了很多与AI相关的政策，从产业升级到深度教育，可以说，国家已经越来越重视AI，并且希望AI能帮助传统行业升级改造。不夸张地说，AI正在成为国际竞争的新焦点。

2018年6月，中国科学院文献情报中心和科睿唯安联合发布了《G20国家科技竞争格局之辩》系列报告，这份报告指出：在G20国家中，中国在科研和技术创新力方面表现突出，在AI领域的科技实力仅次于美国，且增速明显。

大环境的变化也反映在图书出版领域，由腾讯团队和工业和信息化部高端智库联合创作的《人工智能：国家人工智能战略行动抓手》（中国人民大学出版社出版）指出：AI如同互联网一样，正在揭开时代变迁的新篇章，在这一社会变迁过程中，中国将会成为AI应用最大的市场。而在国际竞争中，中美两国技术竞赛的格局初步显现，两国都有自己的优势和劣势。国家层面的支持为中国在AI领域的发展打下了良好的基础。

《AI真的来了》（江苏凤凰文艺出版社出版）为媒体人杨澜的跨界之作。2016年，杨澜带领团队历时一年，采访了30多个全球重量级科研机构的80多位行业专家，制作出《探寻AI》纪录片。在剪辑纪录片的过程中，杨澜回味和沉浸其中，用媒体人的人文视角、独特的亲身体验以及细腻的情感，通过文字记录了一个文科生的AI探寻之旅。杨澜在书中写道：“AI改变世界，谁来改变AI？我们创造了AI，并在它的身上看到了我们自己的希望、想象和恐惧，以及我们与这个世界相处的另一种可能性，但更让我们发现了人类智能的种种奇妙之处。”《AI真的来了》书写了高科技背后的浪漫与理性，也赢得了专业人士的认可。百度创始人、董事长兼首席执行官李彦宏评价：智能革命是一场对人类生存和发展方式的根本性变革。当AI正在不知疲倦地学习人类时，我们对于AI的深刻影响是否有足够的认知和重视？杨澜的观察和思考恰当其时。

《纽约时报》记者、普利策奖得主约翰·马尔科夫的《人工智能简史》（浙江人民出版社出版）讲述了AI的前世今生，它聚焦了AI在60年间的惊天裂变，从横空出世到进入低谷，再到今日的黄金时代。《人工智能简史》（约翰·马尔科夫著）一书的责任编辑安烨在接受《中国新闻出版广电报》记者采访时表示：“虽然《人工智能简史》这本书对于国家战略没有明确的建议，但是书中体现了科学家对科技的发展起着十分关键的作用，所以大力培养和发展AI界的科技人才，是我们掌握人类未来的关键一环。”

2．重视普及与梳理

当前，很多读者对AI概念及其发展脉络十分感兴趣，因此，很多关于AI的图书重视概念的普及以及相关历史知识的梳理。

在人民邮电出版社的任芮池看来，这类图书应站在普及概念的角度，讲述的故事应力求通俗易懂：“AI几经浮沉，走过了第一个60年，在这个时间点向大众普及AI应该是开放的，因为AI的未来充满了不确定性和不可预知性。”

任芮池表示：“《人工智能简史》（尼克著，人民邮电出版社出版）站在了一个中立角度，从多个方面介绍了AI的发展历史，重点介绍了AI领域杰出的科学家，以及他们创造非凡成果的有趣故事。更为重要的是，作者的叙述浅显易懂，使得这本书变成了一本青少年、文科生都能看懂的AI简史。”

不同于向民众普及AI，《人工智能：国家人工智能战略行动抓手》立足产业，阐述国家在AI领域的政策布局。中国人民大学出版社大众图书出版中心主任曹沁颖认为，这本书的作者包括产业界人士、AI科学家、法律专家、政策制定者等众多专家，因此具有很强的政策指导性。“这本书的技术篇揭示了AI这项技术神秘的面纱，帮助读者了解这项技术的前世今生；产业篇带领大家一览AI发展的全貌；战略篇展现了世界大国如何在战略领域对AI进行全方位的布局；法律篇、伦理篇和治理篇则直面AI给个人和社会带来的挑战，研究如何降低AI风险，拥抱AI带来的变革；最后，未来篇带领读者‘大开脑洞’，畅想AI带给人类社会的‘天方夜谭’。”

同时，她认为这本书虽然立足产业，但是叙述角度新颖。比如它对AI的概念界定非常巧妙，从概念界定出发引出了AI的基本技术框架和发展历史，让读者不是单纯记住一个概念，而是了解了AI技术的多个层面和维度。这种娓娓道来的方式，让读者更容易理解AI这个概念。

3．人与机器人共舞

未来，AI的前景究竟如何是我们关心和讨论的主要问题之一。仍有很多人持“AI威胁论”的看法，要想人与AI和谐共生，我们应该做些什么呢？在人民邮电出版社的《人工智能简史》（约翰·马尔科夫著）中，作者以“将良知注入机器人内心的初步思考”为题，做了独特的阐述。

约翰·马尔科夫的《人工智能简史》提出：大规模取代人类劳动力的智能机器的出现，无疑将会引发一部分人的焦虑。约翰·马尔科夫认为，AI并不是只有替代人类这一条路径，我们完全可以用AI来强化人类，未来一定是“人机共生”的世界，是“人与机器人共舞”的时代。

《人工智能：国家人工智能战略行动抓手》则认为，AI最大的挑战针对的是监管者：创新意味着不断突破已有边界，或者在原本没有边界的地方探索。如何面对那些突破边界的实践？如何在没有边界的地方划定边界？如何在保护公民和鼓励创新之间平衡？太多抉择需要监管者做出，对他们而言这将是巨大的挑战。

我国AI相关的政策如下表所示。

1.3.2 AI相关行业的发展现状

AI应用涉及专用型应用和通用型应用两个方面，这也是机器学习、模式识别和人机交互这三项AI技术的落地形式。其中，专用型应用涵盖了国内AI企业的大多数应用，如英飞拓的人脸识别项目，其他专业型应用包括语音识别以及服务型机器人等方面；而通用型应用则侧重于金融、医疗、智能家居等领域的通用解决方案。目前（2018年至2019年），国内AI的应用正处于由专业型应用向通用型应用过渡的发展阶段。

1．计算机视觉

在国内计算机视觉领域，图像识别和人脸识别是主要的研究方向。

图像识别是计算机对图像进行处理、分析和理解，以识别各种不同模式的目标和对象的技术，识别过程包括图像预处理、图像分割、特征提取和判断匹配。

人脸识别是基于人的脸部特征信息进行身份识别的一种生物识别技术。人脸识别技术是用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行处理的一系列相关技术，通常也叫作人像识别、面部识别。

由于动态检测与识别技术的发展特性，静态图像识别与人脸识别的研究暂时处于领先位置，参与的企业既有腾讯、蚂蚁金服、百度和搜狗这样基于社交、搜索大数据进行整合的互联网公司，也有微软亚洲研究院、英特尔中国研究院、三星中国技术研究院这类传统硬件与技术服务商。同时，旷视科技等新兴技术公司也在各自专业技术和识别准确率上取得了不错的突破。

图像识别领域的代表企业有英飞拓、百度、搜狗、三星中国技术研究院、微软亚洲研究院、英特尔中国研究院等。

人脸识别领域的代表企业有英飞拓、旷视科技、腾讯优图、蚂蚁金服、FaceID、汉王科技、三星中国技术研究院、微软亚洲研究院、中科奥森、深圳科葩、Linkface、SenseTime等。

动态视觉检测领域的代表企业有格灵深瞳、东方网力、Video++等。

2．语音识别

语音识别的关键在于基于大量样本数据进行识别处理，因此，国内大多数语音识别技术提供商都在平台化的方向上发力，希望通过不同平台以及软硬件方面的数据和技术积累不断提高识别准确率。在通用识别率上，各企业的成绩基本都维持在95%左右，真正的差异化在于对垂直领域的定制化开发。类似百度、科大讯飞这样的上市公司凭借深厚的技术、数据积累站在市场前列，并且通过软硬件服务的开发不断进化着自身的服务能力。此外，在科大讯飞之后发布“语音识别公有云”的云知声在各项通用语音服务市场也占据着不小的市场空间。

3．智能机器人

由于工业发展和智能化生活的需要，对智能机器人的需求越来越大。国内智能机器人行业的研发主要集中于家庭机器人、工业机器人、企业服务和智能助手三个方面。

根据智研咨询的数据，2017年全球物联网设备（笔者认为智能机器人是包含智能物联网设备的，即IoT是智能机器人的一种）的数量达到84亿台，同比增长31%，预计到2020年，物联网设备的数量将达到204亿台。随着物联网蓝海市场的开启，服务类机器人的发展有望迎来机遇。其中，工业及企业服务类机器人研发企业依托政策支持和市场需要处于较为蓬勃的发展阶段，代表性企业包括依托中科院沈阳自动化研究所的新松机器人、聚焦智能医疗领域的博实股份，以及大疆、优爱宝机器人、Slamtec等专注工业生产和企业服务的智能机器人公司。

4．智能家居

与家庭机器人不同，智能家居和物联网企业的主要着力点在于智能设备和智能中控两个方面。

在这其中，以海尔和美的为代表的传统家电企业依托自身渠道、技术和配套产品优势建立起了实体化的智能家居产品生态，而以阿里巴巴、腾讯、京东、小米等互联网企业为代表的公司则通过各自平台内的数据和终端资源提供不同的软硬件服务。

值得关注的是，科沃斯、BroadLink、感居物联、风向标科技、欧瑞博、物联传感和华为等技术解决方案供应商在通用硬件和技术、系统级解决方案上已成为诸多智能家居和物联网企业的合作伙伴。

综合来看，智能家居和物联网企业由于市场分类、技术种类和数据积累的不同，各自提供着差异化的解决方案。在既定市场中，没有绝对意义上的排斥竞争，各企业之间的合作融合度较高。

5．智能医疗

国内智能医疗领域的研究主要集中于医用机器人、医疗解决方案和生命科学领域。

由于起步较晚和受技术门槛的限制，国内医用机器人的研发水平和普及率相较于国际一线水平仍存在一定的差距，从事企业主要集中在手术机器人和康复机器人两大领域，这其中以新松机器人、博实股份、妙手机器人、璟和技创等企业为代表。

在医疗解决方案方面，主要玩家是以腾讯、阿里巴巴、百度和科大讯飞为代表的国家新一代AI开放创新平台（备注：①依托百度公司建设自动驾驶国家新一代人工智能开放创新平台；②依托阿里云公司建设城市大脑国家新一代人工智能开放创新平台；③依托腾讯公司建设医疗影像国家新一代人工智能开放创新平台；④依托科大讯飞公司建设智能语音国家新一代人工智能开放创新平台）。上述公司通过和政府、医疗机构合作，为脑科学、疾病防治、医疗信息数据等领域提供智能解决方案。

而在生命科学领域，研究的着眼点在以基因和细胞检测为代表的前沿研究领域，代表企业有华大基因、碳云智能、贝瑞和康等。

在笔者看来，国内AI产业链的基础技术链条已经构建成熟，AI技术和应用集中在人脸和图像识别、语音助手、智能生活等专用领域的场景化解决方案上。就趋势来看，未来国内AI领域的差异化竞争和突破将主要集中在AI相关技术的突破和应用场景升级两个层面。

1.3.3 AI相关公司的发展现状

各AI公司的现状如下图所示。

在国内AI产业链中，虽然80%的企业属于B轮或B轮以前的初创企业，但值得注意的是，仍有一批关键势力依托自身技术、资金与数据门槛构成了国内AI行业的第一梯队。这其中既包括以BAT（百度、阿里巴巴、腾讯三家公司英文名称首字母的缩写，代指三家公司）为代表的传统巨头，也有科大讯飞这样的细分领域龙头。从完善产品线到构建平台，这些企业形成了国内AI行业的核心力量与关键势力。

1．英飞拓

英飞拓是一家领先的AI企业，它是全球领先的电子安防与光通信设备智能制造商，也是创新型、信息化、集成化的整体安防制造商，致力于为全球安防市场提供高端、安全、值得信赖的解决方案。英飞拓的产品涵盖全系列视频监控设备，包括摄像机、快球、高速云台、视频矩阵、IP视频系统，以及门禁控制系统。

英飞拓的技术广泛应用于智能交通系统、城市安全与治安监控系统、智能楼宇、金融系统、电力和水利系统等，成功的案例有重庆平安城市、广州珠江新城W酒店、深圳会展中心等。

英飞拓的数字营销业务在全球市场加速扩张。2016年8月2日，英飞拓发布公告称拟以6.5亿元现金收购北京普菲特广告有限公司100%的股权。至此，英飞拓拥有Infinova、March Networks、“藏愚”三大专业安防业务品牌，以及Swann民用安防业务品牌，并通过英飞拓环球、印度英飞拓、美国英飞拓、加拿大英飞拓等子公司覆盖全球安防市场。英飞拓已通过搭建销售团队及建设营销网点的方式在全球市场获得相当的市场地位，积累了显著的全球品牌优势。这次收购实施后，英飞拓利用自身资源优势协助普菲特获取海外的媒体资源（全球范围内的数字营销渠道资源），拓展普菲特的海外业务。同时，普菲特也凭借获取的海外数字营销资源以及自身强大的数字营销体系，助力英飞拓深化全球市场扩张策略。

2．百度：技术驱动的应用型生态

百度在AI领域的布局更侧重于应用型生态，在BAT三家中，百度也是最接近完成由专用型应用向通用型应用过渡的公司。

截至2018年1月，百度研究院由原来的三个实验室变为五个实验室，分别是深度学习实验室（IDL）、大数据实验室（BDL）、硅谷人工智能实验室（SVAIL）、商业智能实验室（BIL）、机器人与自动驾驶实验室（RAL）。百度已经在图像识别、图像搜索、语音识别、自然语言处理、智能语义、机器翻译和精准广告等方面取得了显著进展（超过500项国际专利，其中包括270余项神经语言程序学领域的专利和120余项深度学习领域的专利）。

凭借搜索引擎发家的百度拥有强大的数据获取和挖掘能力。百度为外界提供了大数据存储、分析和挖掘技术，促进其在医疗、交通等多领域的具体运用，并在若干领域开放了自己的AI生态，发布了多款应用型产品。在语音识别方面，吴恩达及研究团队发明了一种新的语音识别系统，这款基于深度学习的语音识别系统可以在嘈杂环境下实现将近81%的辨识准确率。该语音识别系统用深度学习算法取代了原来的模型，在递归神经网络或者模拟神经元阵列中进行训练，让语音识别系统更加强大。

在图像识别方面，百度也一直在利用深度学习技术来提高图像识别的精度。整合了这些技术的百度形成了强大的数据存储与计算能力，从而可以进行多样化的并行计算，支持生成、配置针对不同应用和场景的网络结构，为AI提供了有力的硬件支持。其中，最具代表性的“百度大脑”通过深度学习来模拟人类大脑的神经元，参数规模达到百亿级别，构建了世界上最大规模的深度神经网络。“百度大脑”融合了深度学习算法、数据建模、大规模GPU并行计算等技术，实现了实时学习和成长，它拥有200亿个参数，构成了一个巨大的深度神经网络。

3．腾讯：基于用户体系的软硬件服务型生态

相比以技术为导向的百度AI生态，依托高频应用和庞大用户群体的腾讯在AI领域的布局主要聚焦于基于用户体系的软硬件服务型生态。

随着技术和应用环境的成熟（移动设备的普及、用户使用习惯和认可度的提升、云服务软件形态的成熟），整个人脸识别和图像识别行业都属于朝阳产业，因此，有着中国互联网庞大用户基础的腾讯也选择了在人脸识别和图片识别领域切入。

在这一领域的技术研发和应用落地中，腾讯均处于国际领先地位。在FDDB人脸检测、LFW人脸识别、PASVAL VOC 2012图片识别大赛中，腾讯优图团队都刷新了识别准确率的国际纪录。依托腾讯内部完善的生态，腾讯优图的人脸识别技术已经与金融、安防与身份识别等领域结合在了一起。其中，既包括与腾讯征信、微众银行、财付通、广点通等内部业务的合作，也涉及与信用评估、全国居民身份证号码查询服务等外部业务的合作。在与内、外部的合作中，相关技术也在业务中完整落地并形成闭环，经过实际业务海量数据的长期实际考验，腾讯也通过持续反馈来优化算法。

在成立了腾讯智能计算与搜索实验室之后，微信还与香港科技大学联合建立了AI实验室，主要研究方向包含图像识别、语音识别、语义理解等方面，部分基础研究成果（如语音转文字）已被集成为微信的功能。

值得注意的是，在专业应用领域，腾讯也在不同程度上做出了尝试。无论是由腾讯财经研发的自动写作机器人Dreamwriter，还是在硬件领域推出的智能球形机器人“微宝”，都反映了腾讯计划在未来更多细分领域推出服务型产品的思路。

未来，随着TencentOS的应用以及微信物联等产品的落地，腾讯在智能生活层面的硬件产品研发是非常值得关注的。

4．阿里巴巴：以阿里云为基础的业务蓝图

与英飞拓、百度、腾讯不同的是，阿里巴巴在AI领域的布局主要集中在专业领域的通用型应用和智能家居两个方面，而这一切都离不开以阿里云为基础的大规模分布式云计算和GPU集群。

从2015年开始，阿里巴巴就开始在AI领域发力，其中最具代表性的是首个可视化AI平台——DTPAI，它集成了阿里巴巴的核心算法库，包括特征工程、大规模机器学习、深度学习等。在此基础上，阿里巴巴推出了AI客服——阿里小蜜，以及基于神经网络、社会计算、情绪感知等原理的智能程序。

2015年6月，阿里巴巴向软银旗下的机器人公司SBRH战略注资145亿日元。相比机器人制造，阿里巴巴的优势在云计算和大数据领域，这也将成为阿里巴巴在机器制造领域差异化竞争的壁垒。

而通过投资SBRH，阿里巴巴得以建立起机器人产业的通路，并在机器视觉、语音解析、家庭智能控制、智能网络安全等方面与SBRH建立研究合作和沟通机制，帮助其在智能家居方面积累和扩展基础技术。

在智能物联领域，阿里巴巴整合了集团旗下的天猫电器城、阿里智能云、淘宝众筹三个业务部门，在内部调动各类优质资源支持智能产品的推进并加速智能硬件的孵化速度。在2015年4月，阿里巴巴集团宣布成立阿里巴巴智能生活事业部，全面进军智能生活领域。

1.3.4 AI相关行业的人才现状

AI既是计算机科学的一个分支，又是计算机科学、控制论、信息论、语言学、神经生理学、心理学、数学、哲学等多个学科相互渗透而发展起来的综合性学科。基于国际计算机学会的分类，AI领域主要被分为两级，其中包含27个一级概念，44个二级概念，深度学习、信息检索等是AI在国内和国际上比较活跃的子领域。

中国AI学者主要分布在以下领域：数据挖掘、机器学习、计算机视觉、数据库、自然语言处理、图像处理、计算机图形学、多媒体技术、虚拟现实、人机交互、信息检索以及社交网络等。

根据东方头条网2018年1月的数据显示，国内AI相关专业的学者数量如下：数据挖掘（230人）、机器学习（207人）、计算机视觉（193人）和数据库（171人）领域的人才充足，而机器人、跨学科计算、机器学习应用等领域的人才稍显不足。大部分学者的专业是计算机相关专业（如计算机、电子工程、数学等），但少部分学者的专业为与计算机不明显相关的专业（如经济学、生物、心理学等）。

在中国，从事AI相关领域研究的学者共1073名，其中有1045名来自高校，任职于高校的AI学者的数量远远多于在科研机构和企业任职的AI专家的数量。AI学者数量最多的三家单位是清华大学、北京大学和中国科学院，分别有72名、66名、51名，这三家单位AI学者的数量远多于其他单位。

人才到底有多缺呢？

自2017年被写进政府报告，AI在国内的前景彻底明朗化，之后连续颁布的《新一代人工智能发展规划》《促进新一代人工智能产业发展三年行动计划（2018—2020年）》更是将国内AI的发展推向了一个高峰。

随着南京大学等高校相继设立AI学院，更多的人意识到一个现象：在国家一路高歌为AI产业大开绿灯的时候，“人才缺口”却拖了后腿。

此前，AI孵化器ElementAI基于LinkedIn和各大会议的专家数据，对中国、美国、加拿大、德国、日本等主流国家的AI人才做了一项调查，结果显示，全世界大约有2.2万名拥有博士学位的AI从业人员和研究人员，以及5400位AI专家，而中国以总人数619人位列第7，人数只有美国的5%。2017年7月，LinkedIn发布《全球AI领域人才报告》，报告内容显示，截至2017年一季度，全球AI领域技术人才的数量超过190万，其中美国的人才总数超过85万，而中国仅拥有5万多人。腾讯研究院联合Boss直聘发布的《2017全球人工智能人才白皮书》显示，仅在2017年的前10个月，AI人才需求量已经达到2016年的两倍、2015年的5.3倍，年复合增长率超过200%⋯⋯

以上是多个平台关于AI人才的统计报告，虽然这些数据的统计方法与统计标准不一样，但是从各个角度来看，有一个事实是无可争议的——中国AI人才的拥有量与市场需求之间存在巨大缺口。

仅以国内市场为例，用腾讯研究院的俞点的话来说，累积到现在，国内AI领域虽有几万名毕业生，但是市场的人才缺口是百万级的，所以现在的存量远远不能满足市场的需求。

纵观国内，在大环境层面，AI已经上升为国家战略；在市场层面，AI有着极大的应用市场（据中商产业研究院发布的《2018—2023年中国人工智能行业市场前景及投资机会研究报告》的数据显示，2018年，中国AI的市场规模有望达到238.2亿元，增长率达到56.6%）；在学术层面，AI论文在近年来的各大学术会议上大放异彩，全球超4成的AI论文是中国人所写，一些论文甚至在IEEE等国际学术会议获奖⋯⋯

不过，我们却在最重要的硬件设备——人才方面出现了不足，尤其是在高端AI人才上。

AI人才从哪里来？源头一定是学校。为了填补AI人才缺口，各高校相继设立了AI独立学院。事实上，在国家重点关注AI之前，作为计算机学科下面的一个分支，不少学校都开设了AI相关专业，譬如中国科学院大学开设的“模式识别与智能系统”“计算机应用技术”专业，北京大学、复旦大学、华南理工大学、北京邮电大学、北京科技大学等开设的“智能科学与技术”专业。

不过，这些专业大多挂靠在计算机、信息科学与技术等学院下面，用AI专家、南京大学计算机科学与技术系主任周志华教授的话来说：“目前（2018年），计算机专业人才的培养模式，已经不能满足培养AI人才的迫切需要。”当然，这种人才培养模式也跟不上当前市场需求急速增长的速度。

为了响应国家的号召，也为了缓解人才缺口现象，自2017年开始，一些高校相继设立人工智能学院。

在招生方面，这些高校多是从本科生到硕士生、博士生全面覆盖。截至本书完稿时（2018年），中国科学院人工智能技术学院已经开始招生，首批研究生已于2017年9月完成入学注册，其余高校也陆续于2018年秋季开始招生。

随着学院的成立，加上从国家到各个行业对AI产业的关注，一些疑惑随之而来：谁来教？教什么？学生又能学到些什么？

周志华教授在2018年3月对澎湃新闻表示：按照高校计算机专业的宽口径人才培养模式，150个学分中大约有60个学分是通识课，15个学分是毕业双创课，人工智能方面的学习很有限，以至于高度浓缩到了只是给学生做高级科普的程度，难以充分培养学生全面深入地掌握人工智能知识、解决企业关键问题的能力，不能适应智能产业发展的要求，因此开设了人工智能学院。

看着这些课程，笔者突然有了几点疑惑。

首先，与已有的计算机教学相比，作为进一步细化而独立出来的学院，人工智能学院在教学内容等方面与前者有什么本质的不同呢？

以西安电子科技大学（以下简称“西电”）的人工智能学院为例，其招生范围覆盖了本科生和研究生。相比于研究生课程的千篇一律，本科生的专业方向更是人们关注的重点。西电只为本科生开设了两个特色专业：智能科学与技术、数据科学与大数据技术（拟建）。前者的目标是培养学生的电子技术、信息处理理论、电子信息系统、计算机与互联网络、智能科学与技术等学科的基本知识，而后者则要求学生能掌握大数据相关的统计、计算机、数学和应用学科的基础知识，以及数据分析、技术开发和应用的基本技能。

从本质上来看，这与当前计算机专业所学的内容似乎是一样的，不同的是，人工智能学院要求学生具备更扎实的数学、计算和程序等学科的基础知识。

但基础知识扎实了，后面又该如何继续呢？进一步考研深造？还是凭着扎实的基础知识踏入社会？

为此，笔者也向几家公司了解了一下技术团队的学历结构。在专注于智能语音技术的云知声团队中，具有博士学位的人员占比为45%；而在以智能交互为核心的极限元团队中，拥有硕博背景的人员占比为60%，剩下的几乎都是本科毕业生。

在AI专业人才缺乏的前提下，“应用数学、物理、统计学方面的（研究生）也会考虑。”图普科技创始人兼CEO李明强表示。

既然如此，那就意味着，在产业界看来，AI人才是急需的，但也存在暂时性的解决方案；高素质AI人才才是最为紧缺的，这才是需要人工智能学院解决的问题。那么，如果人工智能学院只是对学生的数学、计算机科学、程序设计基础的相关知识进行更有针对性的“加固”，那么，这些本科生在毕业后还需要继续考研深造，这与现在计算机等相关专业的本科毕业生又有什么本质的区别呢？

到了这里，笔者产生了第二个疑惑，在课程大致体系尚未构建好的时候，人工智能学院面向本科招生真的合适吗？

在众多高校放出“设立人工智能学院”的消息后，就有人质疑了：AI一级学科还没有建起来，暂时还不能直接招本科生。

“在现有的学科体系下，计算机科学与技术是一级学科，往下是计算机软件与理论、计算机系统与结构、计算机应用等二级学科，二级学科再往下才是AI方向。”针对高校的学科划分，四川大学计算机学院院长章毅曾如此表示。

如今，人工智能学院已经成了一个与计算机等学院比肩而立的独立学院，但是，作为一个“新生儿”，其课程体系更多的还是在摸索中，尤其是面向本科生的课程体系。

都说术业有专攻，但对于AI产业，面对“人才荒”问题，浙江大学计算机学院副院长、AI研究所所长吴飞提出，我们需要充分挖掘现有的人才存量资源，计算机科学、自动化、统计学等专业的人才皆可从事AI工作。

在解决AI产业“用工荒”问题的同时，也折射出一个“尴尬”的现象：一方面，因为专业性与深度的问题，一些人认为当前计算机专业培养的毕业生不能满足市场对AI人才的需求；另一方面，在人才需求不能被满足的当下，一些非AI专业的毕业生被“抓”来救急，或是在企业内通过再培训来提升其AI素质。最终来讲，AI领域所缺少的还是那些专业的、高素质的AI人才。但是，现在还处于摸索初期的高校教学体系是否真的能将本科生培育成高素质的AI人才？

此前，因为AI相关课程散落在各个学科里面，被迫碎片化、离散化、简单化，这导致了高素质的AI人才难以培养。虽说现在人工智能学院已经是一个独立的存在，但从一些高校设立的课程来看，似乎并没有一级科目、二级科目之分，尤其是对本科学生。

如此一来，在人工智能学院的学习中，相比已经掌握了基本知识与技术，并对未来研究方向有了决断的研究生，学识与技能还是一片空白，且具体研究方向也不定的本科生或许会产生一定的疑惑。由此来看，在一级科目尚未建立的情况下，人工智能学院一上手就直接招收本科生，对学生而言似乎有点“超纲”了。

最后，笔者确定的是，不管是从当前的意义，还是从未来的角度来看，人工智能学院的设立都是一件极具意义的事情。其中，面向本科招生是培养高素质AI人才的基础建设。不过，从当前的情况来看，在教学体系等基础建设尚未完善的情况下，高素质AI人才的培养也许应该先从研究生阶段开始，至于“数量”的缺口，则可以依靠不需要知晓太多专业性技术原理的AI应用型人才稍加弥补。