刚刚，斯坦福全球AI报告正式发布。

  从去年开始，斯坦福大学主导、来自MIT、OpenAI、哈佛、麦肯锡等机构的多位专家教授，组建了一个小组，每年发布AI index年度报告，全面追踪人工智能的发展现状和趋势。

  “我们用硬数据说话。”报告的负责人、斯坦福大学教授、前任谷歌首席科学家Yoav Shoham谈到这份最新的报告时表示。

  今年的报告，从学术、工业、开源、政府等方面详细介绍了人工智能发展的现状，并且记录了计算机视觉、自然语言理解等领域的技术进展。

  报告要点：

  一、美国AI综合实力最强

  美国的AI论文发布数量虽然不是第一，但美国学者论文被引用的次数却是全球第一，比全球平均水平高出83%。

  2018年美国AI创业公司的数量，比2015年增长2.1倍。而从2013年到2017年，美国AI初创企业获得的融资额增长了4.5倍。均高于平均水平一倍以上。

  二、中国AI追赶速度惊人

  清华2017年学AI和机器学习的学生数量，是2010年16倍。

  70%的AAAI论文来自美国或中国，两国获接收的论文数量相近，但中国提交的论文总量比美国多30%。

  基于经同行评议论文数据库Scopus的数据，2018年发布AI论文最多的地区是欧洲（28%）、中国（25%）和美国（17%）。

  与2000相比，2016年中国AI学者论文被引用的次数，提高了44%。

  中国一年的机器人部署安装量，从2012到现在增长了500%。ROS.org来自中国的访问量，2017年比2012年增加了18倍。

  三、全球AI发展提速但仍不均衡

  2017年，全球ML人才需求已经是2015年的35倍。

  整体来说，自2016年以来，美国、加拿大、英国政府在国会/议会会议中对人工智能和机器学习的提及激增。

  80%的AI教授是男性，统计数据来自UC伯克利、斯坦福、UIUC、CMU、UC London、牛津和苏黎世联邦理工学院。

  美国AI工作岗位的应聘者中71%为男性。

  看过这份报告之后，人工智能大牛吴恩达总结了两点：1、AI正在快速发展，不管是学术界还是工业界都是如此。2、AI的发展仍不均衡，在多样性、包容性方面仍需努力。

  以下是这份报告的主要内容：

  AI论文情况分析

  发表总量增长迅猛

  从1996年到2017年，CS领域的年发表论文增长了约五倍 (6x) ，AI领域的年发表论文增长了约七倍 (8x) 。对比一下，所有学科的年发表论文总量增长了不到两倍 (

  划重点，AI论文的年发表量，比CS论文增长要快。

  各地区AI论文发表情况

  2017年，Scopus上面的AI论文，有83%来自美国以外的地方。具体数据是，28%来自欧洲，25%来自中国，17%来自美国。

  从2007年到2017年，中国的年发表AI论文数增长了150%。

  细分领域论文发表情况

  2017年发表的AI论文中，有56%来自机器学习与概率推理这一研究方向。

  对比一下，2010年发表的AI论文，只有28%来自这个方向。

  另外，图表里显示的大部分研究方向，在2014-2017年间，复合年均增长率 (CAGR) 比2010-2014年要高。

  比如，神经网络这一方向的论文发表数量，2014-2017年之间，复合年均增长率达到37%(如图中红色曲线) ，最为突出。

  做个对比，在2010-2014年之间，神经网络论文发表数，复合年均增长率仅有3%。

  arXiv论文

  自2010年以来，arXiv论文总体呈现迅速增长，从2010年发布的1,073篇，到2017年发布的13,325篇，增长超过11倍(12x) 。许多细分领域也呈现增长。

  这表示，论文作者们倾向于把自己的研究成果传播出去，不论是经过同行评审还是在AI会议上发表的论文。这也体现了，AI这个领域竞争激烈的特质。

  在细分领域中，计算机视觉(CV) 是自2014年起增长最快的一个 (上图蓝色曲线) ，从1,099篇增长到2017年的4,895篇，涨幅近400%。

  AI论文引用量

  FWCI是领域权重引用影响系数，可以用来衡量论文的影响力。

  报告重新定义了一种“改装版” (Re-based) 的FWCI，不按地区，而按世界平均值，来计算影响力。

  在这个标准之下，虽然欧洲发表的AI论文数高于中国和美国，不过论文影响力曲线比较平缓；相比之下，中国发表的论文影响力增长剧烈：与2000年相比，2016年平均每位中国AI论文作者的引用率增长了44%。

  不过在这方面，美国依然全球领先，美国AI论文作者的平均引用率，比世界平均值高出83%。

  AAAI论文

  AAAI 2018，提交论文，中美占70%，中选论文，中美占67%。

  中国的论文提交数高出美国约1/3，但二者中选论文数相差无几，中国入选265篇，美国入选268篇。

  高校AI课程注册情况

  AI和ML进军高校的速度提升了不少。

  报告显示，截止到2017年底，AI课程注册人数是2012年的3.4倍，ML课程注册人数是2012年的5倍。

  其中，UC伯克利的ML课程的注册人数增长最快，是2012年的6.8倍，但此数值较2016年增长速度有明显下降。

  报告进一步统计了非美国地区院校AI+ML课程注册人数的变化。结果显示，清华是非美国院校外增长率最高的高校，几乎是第二名多伦多大学的2倍。

  纵向对比来看，清华2017年AI+ML课程注册人数是2010年的16倍。

  学术会议热度

  在大型会议中，NeurIPS (曾用名NIPS) 、CVPR和ICML，是参与人数最多的三大AI会议。自2012年以来，论参与人数的增长率，这三者也领先于其他会议。

  NeurIPS和ICML参与人数增长最快：将2018年与2012年相比，NeuRIPS增长3.8倍 (4.8x) ，ICML增长5.8倍 (6.8x) 。

  上面讨论的是大型会议，但小型会议的参与人数同样有明显的增长，甚至可以比大型会议的增长更加明显。

  这里最突出的是，ICLR 2018的参会人数达到了2012年的20倍。

  原因很可能是近年来，AI领域越来越关注深度学习和强化学习了。

  AI创业投资情况

  从2015年1月到2018年1月，人工智能创业公司的数量增长到了原来的2.1倍，而所有活跃的创业公司增长到了原来的1.3倍。

  大多数情况下，创业公司的增长都保持相对稳定，而人工智能创业公司呈指数级增长。

  在风投资金方面，从2013年到2017年，人工智能领域的风投资金增长到了原来的4.5倍，而所有的风投资金只增长到了原来的2.08倍。这些数据都是年度数据，不是逐年累积的。

  图表中有两个高峰期，1997-2000年风投资金的激增，对应的是网络泡沫时期。2014-2015年出现了一个较小的增长，因为当时正处于一个相对较大的经济增长时期。

  人才需求

  报告显示，近几年，社会需要的AI相关人才大幅度增加，目前对有ML技能的人才需求最大，其次是深度学习。

  可以看出，ML人才需求也是这两年增长速度最快的。