斯坦福全球AI报告:每天2亿美元投入 中国论文首超

欢迎关注“创事记”微信订阅号：sinachuangshiji

文/边策 十三

来源：量子位（ID:QbitAI）

全球AI遇冷了吗？不存在的。中国AI发展怎么样？论文总数更上一层楼。

这就是一年一度权威报告《斯坦福2019全球AI报告》给出的结果。

而且纵横全球盘点2019，其中诸多新变化也非常醒目， 比如中国AI论文发表数除了全球领先——还首次超越欧洲，AI专业受到空前热捧，清华AI课程注册3年翻4倍。

进一步放眼全球，AI投资超过了700亿，相当于每天2亿多美元砸向AI领域。自动驾驶依然是最受青睐的投资标的。

通过这份报告，几乎能够宏观完整地了解全球AI的年度情况。

因为该报告由斯坦福大学联合OpenAI、Google、麦肯锡等机构发布，从2017年开始，该AI指数报告就成为了业界重要参考，今年已经是第三次。

所以在这一年的时间里，全球的AI还发生了哪些变化，完整图景，我们一一解析传送如下。

报告由九章内容组成：研发、学术会议、技术性能、经济、教育、自动驾驶与自动武器、公众认知、社会考量、国家战略与全球AI活力。涵盖了从AI技术到社会影响的各个方面。

相比过去两年，这份报告将自动驾驶技术、AI国家战略、AI人才教育单独提出，分别各列为一章，突显了自动驾驶技术的重要性，以及各国纷纷重视AI的国际形势。

另外，这也是斯坦福以人为本人工智能学院（HAI）成立以来第一次发布AI指数报告，HAI是今年3月斯坦福大学成立的由李飞飞教授领导的新部门。

△HAI负责人John Etchemendy和李飞飞

报告要点

一、AI论文数量持续增长，中国成绩突出

1、在2010年至2019年之间，arXiv上AI论文总数增加了20倍。从1998年到2018年，经过同行评审的AI论文增长了300％。

2、中国现在每年出版的AI期刊和会议论文数量与欧洲一样多，而之前在2006年超过美国成为全球第一，但值得注意的是，美国论文的引用影响力FWCI——仍比中国高50％。

3、全球AI期刊中超过32％的引用来自东亚，AI会议论文引用中有40％以上来自北美，北美占全球AI专利引用比例的60％以上。

4、参加AI会议的人数继续大幅增加。NeurIPS 2019预计将有13500名与会者，比2018年增长41％，比2012年增长800％。

二、AI专业、岗位依旧受热捧，清华AI课程注册人数3年增4倍

1、人工智能是计算机科学博士学位专业领域中最受欢迎的领域，2018年，超过21％的计算机科学博士研究生专注于人工智能和机器学习。

2、在美国，人工智能工作的比例从2012年的0.3％增长到2019年发布的总工作量的0.8％。人工智能的劳动力需求正在增长，尤其是在高科技服务和制造业领域。

3、在全球大学中，人工智能和相关学科的入学率继续快速增长。清华大学AI相关课程注册人数3年增长了4倍。

4、在研究生教育中，人工智能已迅速成为北美计算机科学博士学位学生中最受欢迎的专业，其学生人数是第二大最受欢迎的专业（安全/信息保障）的两倍。

三、AI技术突破显著：训练用时大大缩短

1、在一年半的时间里，在云基础架构上训练大型图像分类系统所需的时间大大缩短，从2017年10月的大约3个小时，减少到2019年7月的大约88秒。训练成本急速下降。

2、在SuperGLUE和SQuAD2.0基准测试中，一些广泛的NLP分类任务的进展非常迅速，但是在某些需要推理的NLP任务或人类级别的概念学习任务下，性能仍然较低。

3、2012年之前，人工智能的结果紧追摩尔定律，计算每两年翻一番。2012年以后，计算量每3.4个月翻一番。

四、AI产业投资持续增长，自动驾驶分得最大蛋糕

1、2019年，全球私有AI投资超过700亿美元，与AI相关的创业投资超过370亿美元，并购交易金额340亿美元，IPO为50亿美元。

2、在全球范围内，对AI初创公司的投资继续稳步上升。从2010年13亿美元到2018年的404亿美元，资金以超过48％的年均增长率增长。

3、自动驾驶汽车在过去一年中获得了全球投资的最大份额（77亿美元），其次是AI医疗（47亿美元），面部识别（47亿美元），视频内容（36亿美元）和欺诈检测和金融（31亿美元）。

4、在2015年至2018年期间，加州行驶的里程总数和测试自动驾驶汽车公司总数已增长了七倍。2018年，加利福尼亚州为50多家公司和500多个自动驾驶汽车提供了测试许可，行驶了200万英里。

5、全世界的国会记录、议员报告和立法记录中，与人工智能有关的立法有了显着增加。

AI论文占全球论文3%，美国引用数仍遥遥领先

AI论文数量

根据Elsevier Scopus统计，来自5,000多家国际出版商的22,800多种学术出版物，1998到2018年间，发表的AI论文在所有论文中的比例增长了两倍。

在上世纪90年代后期，AI论文只占不到1％，而今已经接近3％。

哪个国家或地区的同行评审AI论文增长最快？当之无愧的是中国。

2000年，中国发表的AI论文占比为10%，如今这一比例已经增加到28%，超过了欧洲的27%。

这也是中国发表的AI论文数量在雄踞全球第一后，首次超过整个欧洲。

政府附属机构在中国和欧洲贡献了最多的AI论文，而美国则是公司贡献了主要的AI论文。

2018年，中国的政府机构生产的AI论文数量是公司的近三倍。自1998年以来，政府附属的AI论文数量增长了300倍，而企业AI论文同期增长了66倍。

AI论文影响力

所谓FWCI，是指该地区AI论文收到的平均引用次数，除以同一年全球所有出版AI论文的平均引用次数。它是领域权重引用影响系数，可以用来衡量论文的影响力。

所谓FWCI，表示引用的论文与AI的世界平均水平相当。FWCI为0.85，则表明论文的引用率比AI的世界平均值低15％。

欧洲每年发表的AI论文数量最多，FWCI相对稳定，与世界平均水平持平。中国的FWCI近年来大幅提高。

尽管如此，美国的总引用量仍超过其他地区。美国的作者被引用比全球平均水平高40％。

近年来，AI的工业界与学术界合作研究变得越来越普遍。一篇论文中作者既有来自学校也有来自公司的情况越来越常见。这种合作在美国、中国、日本、法国、德国和英国普遍存在。

arXiv上的AI论文

近年来，AI研究人员开始采用在arXiv上发布论文预印本的做法。在2010年至2019年期间，在arXiv上发表的AI论文总数增加了20倍以上。

在这一时期，“计算与语言” 子类别的提交数量增长了近60倍。从2014年开始，“计算机视觉”是规模最大的子类，直到2019年被“机器学习”超越。

在AI期刊论文引用方面，东亚国家的影响力啊最大，32.1%的AI论文引用了这一地区发表的文章。

但是在AI学术会议和AI专利方面，北美遥遥领先其他地区，42.9%的引文来自北美，专利引用的比例更是超过了60%。

GitHub上的AI项目

GitHub是一个讨论AI绕不开的一个网站，很多开发人员在上面公布相关的软件代码。星号表示某个特定代码段或项目的受欢迎程度，下图显示了各种AI和ML软件包在GitHub上的星标数。

一个明显的趋势是企业支持的研究框架的出现，例如Tensorflow和PyTorch呈现高速增长。

sci-kit learning和Caffe这两个非行业框架继续显示出越来越高的知名度，但是它们的增长速度似乎低于其他公司提出的框架。

中国论文数量最多，总数首次超越欧洲

会议的参会人数强烈地表明了该学科的行业水平和学术热情。AI学术会议不仅在规模上，而且在数量和声望方面都在增长。

2019年，NeurIPS将有1.35万人，CVPR大约有9,227人参会，ICML有6,400人，IJCAI-19有3015人。

NeurIPS、CVPR和ICML仍然是参加人数最多的AI会议。NeurIPS和ICML的增长速度最快，与2012年相比，增长了八倍多。

除了以上的顶级学术会议，小型AI会议的出席人数也呈现逐年增长的趋势。ICLR的2019年出席人数是2014年的15倍以上。

报告以AAAI为例，统计了2019年该会议提交和接受的论文数量。中国提交和接受的论文数量最多。超过68％的论文来自学生第一作者。以色列的论文接受率最高（24％），其次是德国（23％）、加拿大（22％）、美国和新加坡（均为20％）。

机器学习、NLP和计算机视觉仍然是投递论文最多的前三个主题领域。与上一年相比，提交量增长排名前三的学科领域分别是是不确定性推理（194％）、应用推理（176％）、人类和人工智能（161％）。

提交量下滑最快的前三个学科领域分别是认知系统（-56％），计算可持续性（-34％）和人类计算与众包（+ 0.9％）。

博弈论和经济范式的接受率最高（32.3％），其次是启发式搜索（27.5％），认知系统（27.2％）。

AI落地：自动驾驶依然最热，医疗和刷脸并列第二

全球招聘情况

哪些国家的AI招聘增长最快？

在所有抽样国家中，招聘率一直在上升，特别是对于许多新兴市场。

△各个国家AI招聘指数

该指数是通过LinkedIn会员的百分比计算得出。

招聘增长最快的国家包括新加坡、巴西、澳大利亚、加拿大和印度。

AI技术普及程度

哪个国家的人工智能技术渗透率最高?

△各个国家AI技术渗透率

在印度，人工智能技能在特定行业的平均渗透率是全球相同职业平均水平的2.6倍。

为了对各个行业和国家的AI技能渗透率进行更深入的行业分解，选择了以下五个全球AI技能渗透率最高的行业作为样本。

分别是软件和IT服务、硬件和网络、教育、金融和制造业。

△五个行业中，各个国家AI技术渗透率排名

印度、美国、法国、中国和以色列在所有国家的AI技能渗透率方面经常名列前茅。

值得注意的是，报告中指出，由于LinkedIn在中国和印度职场的覆盖率不到40%，所以这项调查的结果可能不能够展现AI普及程度的全貌。

投资活动

在全球范围内，对人工智能初创企业的投资持续稳步上升。

△人工智能私有投资总额(单位：十亿美元)

从2010年筹集的13亿美元到2018年超过404亿美元(截止到11月4日，2019年达到了374亿美元)。

在2010年到2018年间，资金的平均年增长率超过48%。

获得资助的AI公司数量也在增加，2018年超过3000家AI公司获得资助。

△全球获得资助AI公司数量

2014年至2019年(截至11月4日)，全球人工智能初创企业共获得15798笔投资，平均投资额约为860万美元。

注意，这项调查只考虑投资超过40万美元的AI公司。

在初创公司投融资的数量方面，美国仍然占主导地位。

△人工智能私有投资总额(单位：十亿美元)

中国在这方面排名第二位。

那么哪些国家正在崛起为人工智能中心呢？

如果按人均水平进行调整，以色列实际上是去年投资最多的国家。

△人均AI私有投资

其次是新加坡和冰岛。

获得投资最多的AI领域

那么哪些领域是投资规模最大、增长最快的呢？

自动驾驶在全球AI投资中的占比最高，为9.9%。

其次是药物，癌症和治疗 ，面部识别，视频内容等。

AI教育培训：中美均处尖端水平

越来越多的AI教育超出了实体大学的范围。在线学习在教育和发展全球劳动力中的AI技能中发挥着关键作用。

AI在线教育

报告通过在线教育平台Coursera的全球技能指数（GSI）对60个国家和地区的业务，技术和数据科学技能的10个行业进行了基准测试，以揭示全球AI技能教育发展的趋势。

Cousera评估各国在AI整体以及数学、机器学习、统计、编程和软件工程的相关技能方面的技能水平。

以下是世界热点地图，显示了所涵盖的60个国家的AI熟练程度排名。该地图显示了每个国家的四分位数排名类别，分别由尖端（76％-100％），竞争性（51％-75％），新兴（26％-50％）和落后（0％-25％）表示。

中国和美国的AI教育都属于尖端水平。

大学AI教育

下图显示了美国大学注册的AI和ML入门课程的学生人数。

在2012年至2018年期间，斯坦福大学的人工智能入门课程的入学人数增长了五倍，UIUC的机器学习入门课程的入学人数增长了12倍。

一些学校表示，入学人数的增长受到课程数量的限制，因此这些图表可能不足以代表对这些课程的实际需求。

报告还统计了美国之外外几所计算机科学领先的大学的AI和ML课程注册情况。

其中多伦多大学的AI + ML入门注册学生人数最多，其次是俄罗斯国立高等经济学院和清华大学。

相对于2015年，2018年清华大学招生的注册数量增长了四倍，多伦多大学增长了三倍，而墨尔本大学增长了两倍。

首次单列自动驾驶

自动驾驶是今年报告中的一大亮点。

包括全球、美国国家政策、加州以及安全性可靠性。

全球范围情况

报告指出自动驾驶是最明显、最具潜在突破性的应用之一。Bloomberg Philanthropy 的数据提供了自动驾驶在全球的测试情况。

△测试自动驾驶国家的世界地图

北欧国家和荷兰在部署电动汽车(EV)充电站和将自动驾驶用于物流供应链管理方面取得了重大进展。

△测试自动驾驶的城市

在德国和比利时的合作下，自动驾驶卡车车队将从阿姆斯特丹(荷兰)运送至安特卫普(比利时)，从鹿特丹(荷兰)运至鲁尔河谷(德国)。

新加坡也在大城市中为AV指定了测试区域。

美国各州自动驾驶政策

加利福尼亚州是第一个制定自动驾驶汽车测试法规的州。

考虑制定自动驾驶相关法律的州数量一直在增加。

△美国各州自动驾驶相关法律

自2012年以来，至少有41个州和华盛顿特区考虑过与自动驾驶汽车相关的立法。

目前，已经有10个州获批无人驾驶的全面部署。

加州无人驾驶情况

2018年，加州授权了50多家公司和500多辆自动驾驶车辆进行测试，行驶里程超过200万英里。

△加州自动驾驶公司和正在测试的自动驾驶车辆总数

这两个指标的年复合增长率(2015-2018)都在90%左右，自2015年以来增长了7倍。

△加州自动驾驶行驶里程总数

2018年是自动驾驶覆盖总里程增长最快的一年，总计超过200万英里。

自2015年以来，自动驾驶总行驶里程的复合年增长率(2015-2018)为64％。

安全性和可靠性

2018年，在加州发生的自动驾驶相关车祸共46起，行驶里程为205万英里。

也就是说每百万英里——160万公里，有22.44起车祸。

△自动驾驶每百万英里出车祸率

公众认知：AI成为全球央行关键词

中央银行

世界各地的中央银行都对AI表现出了浓厚的兴趣。

下图展示了14家中央银行全球综合文件类型。

△全球中央银行综合文件中提到“人工智能”的数量

报告显示，中央银行提到“人工智能”一次的数量越来越多。

下面这张图展示了过去十年时间里，中央银行提及“人工智能”次数的排名。

△过去十年世界各大中央银行提及“人工智能”次数

从图中可以看到，英国央行、日本央行和美联储提及“人工智能”一词的次数是较多的。

美国政府的看法

美国政府官员越来越关注人工智能。

△政府报告中提及“人工智能”次数

图表中的每个数据点都代表，与往年相比，2017-2018年国会期间，围绕人工智能的活动增加了10倍以上。

下面几张图表显示了美国、加拿大和英国政府会议的会议记录中提到“人工智能”、“机器学习”的次数。

△1995年-2019年，美国国会会议记录提及“人工智能”和“机器学习”的次数 △2002年-2019年，加拿大会议记录提及“人工智能”和“机器学习”的次数 △1980年-2019年，英国会议记录提及“人工智能”和“机器学习”的次数

加拿大和英国2019年提及这两个词语的次数有所下降，都是在2018年达到了次数的巅峰。

这里需要注意的是，国与国之间的计算方式不同的，因此两国之间的对比是比较困难的。

行业的看法

在众多行业中，在2018年至2019年第一季度的财报电话会议中，金融行业提到人工智能的次数最多。

△各行业2018年至2019年第一季度的财报电话会议中提及“人工智能”次数

其次是电子技术、制造业、医疗保健技术和技术服务行业。

网络搜索和世界新闻

下面的时间轴显示了2004年1月至2019年8月，在美国使用Web搜索者使用Google趋势对短语“数据科学”、“大数据”、“云计算”和“机器学习”的相对搜索兴趣。

△美国对“数据科学”、“大数据”、“云计算”和“机器学习”等短语的相对搜索兴趣

下面的时间轴对比了今天用来指代AI的一些术语，包括“机器学习”、“深度学习”、“人工智能”，以及深度学习软件“TensorFlow”。

下面的时间线显示了自2017年1月1日起，GDELT每日监测的65种语言的全球新闻报道的百分比，其中包含了相同的4个术语。

这张图显示，关于云计算和大数据的在线新闻报道稳步下降，而数据科学和机器学习有所增加。

国家竞争：纷纷出台AI战略

过去几年中，官方的AI战略文件的数量一直在增加。普华永道（PwC）创建了使用NLP方法研究了各个国家的AI战略。

各个国家最关心AI的哪个方面，普华永道统计了48份AI战略文档后发现， 94％的文件中包含“学术伙伴关系”，48％的文件中包含AI R＆D，超过42％的文件中提到AI治理。

提及保护消费者和公平的次数最少，只在出现2％的文件中出现过。

△各国AI战略报告提到的关键词

世界热点图显示了在以下国家和地区的全球样本中提及AI的文档数量。中美两国遥遥领先其他国家，并且AI战略已经提上日程。

△各国官方AI文档数量

这份报告还用论文、专利、AI融资企业数量等28个衡量了30个国家或地区的AI活力指数。颜色越深，AI活力指数越高。美国、新加坡、中国的AI活力是全球前三。

最后，报告还回顾了几个大国的AI具体战略措施。

2017年6月，中国发布下一代AI开发计划，成为最积极推动人工智能战略的国家之一，计划还宣布要到2030年成为人工智能全球领导者。

美国启动AI计划时间稍晚。2019年2月，特朗普签署了启动《美国AI计划》的行政命令，该计划将采取多管齐下的方法，来加快美国在AI领域的国家领导地位。

2019年6月，白宫还启动了美国AI研发战略计划，为投资AI的联邦机构定义了几个重点领域重点包括：（1）持续对人工智能进行长期投资；（2）人与人工智能合作的有效方法；（3）理解并解决对人工智能的道德、法律和社会影响；（4）确保安全和AI的安全性；（5）为AI训练和测试开发共享的公共数据集和环境；（6）通过标准和基准来衡量和评估AI技术；（7）更好地了解国家AI研发劳动力需求，（8）扩大公私伙伴关系加快AI的发展。

通过这份报告，可以看出中美两国已经成为AI领域的领导者，未来双方的角力还会持续下去。

总之，这是一份完整详尽的全球AI指数报告，岁末年终，从各个方面展示了AI全球图景。

如果希望完整了解报告原文，欢迎使用传送门。

传送门

斯坦福2019全球AI报告：

https://hai.stanford.edu/sites/g/files/sbiybj10986/f/ai_index_2019_report.pdf

斯坦福2018全球AI报告：

http://cdn.aiindex.org/2018/AI%20Index%202018%20Annual%20Report.pdf

斯坦福2017全球AI报告：

https://hai.stanford.edu/sites/g/files/sbiybj10986/f/2017-report.pdf