2018 年的寒冬不断有各种企业结构调整和裁员消息向我们袭来，无论是在找工作的应届生还是在岗的同学心中都有些忐忑。2018 年算法工程师岗位没有过多的增加，而求职人数则出现了爆发性的增长，在新的一年中，各个人工智能算法应用领域的算法岗位的需求是如何变化的，有哪些细分领域值得被关注呢?

人工智能在诸多领域带来了颠覆性的变革，当今的人工智能技术以机器学习，特别是深度学习为核心，在视觉、语音、 自然语言等应用领域迅速发展，已经开始像水电煤一样赋能于各个行业。在我国,人工智能的发展已经被提升到国家战略发展的层面上，因此，人工智能在很多领域有十分广阔的发展空间。下面本文将从基础平台到应用场景逐步分析其对应的发展机遇和发展空间。

软硬件支撑平台

硬件：多种人工智能芯片创新

作为人工智能技术的核心，人工智能芯片备受关注，谷歌、苹果、微软、Facebook、英特尔、高通、英伟达、AMD、阿里巴巴等巨头纷纷开始自主研发人工智能芯片，并且人工智能芯片的应用场景细分市场越来越多，专门为某些人工智能应用场景定制的芯片适用性明显高于通用芯片。这样的形势，给一些人工智能芯片的初创公司带来了机会。寒武纪芯片和地平线的人工智能视觉芯片、自动驾驶芯片等，就是初创公司在人工智能芯片领域取得成功的代表。因此，人工智能芯片体系初步形成，但后续仍然有巨大的发展空间和潜力。

软件：人工智能计算框架

基础开发框架在人工智能产业链中占据承上启下的核心地位。目前，深度学习开发框架已经被 Google、Facebook 等行业巨头开发的开源计算框架占据。目前多以应用为主，国内某些大厂也拥有自己的深度学习开发框架，但使用率较低。这方面的机会和发展极少。

人工智能基础产品

1. 自然语言处理(NLP)

自然语言处理主要涉及语音识别、语音合成、语义理解、机器翻译，自然语言类产品呈现实用化的发展趋势，但是产品成熟度上仍存在较大的提升空间。目前，语音识别受到国内外商业和学术界的广泛关注,在无噪音无口音干扰情况下可接近人类水平。 国内的百度、讯飞、思必驰等企业均推出了各自基于语音交互的产品，其中以输入法、车载语音、 智能家居、教育测评最为普遍。机器翻译是当前最热门的应用方向，由于自然语言语义分析的复杂性，翻译水平还远不能和人类相比。 各大厂商都积极投身于这个备受关注的机器翻译领域，各大互联网公司相继推出自己的翻译系统，谷歌、微软、有道、科大讯飞、百度、搜狗等均上线或更新了翻译产品。总结：自然语言处理领域中，机器翻译方向有着最为广阔的发展前景。

2. 知识图谱

知识图谱是具有向图结构的一个知识库，其中图的节点代表实体或概念，而图的边代表实体/概念之间的各种语义关系，其起源可以追溯到 20 世纪 50 年代的语义网络，本质上是使机器用接近于自然语言语义的方式存储信息，从而提升智能信息检索能力，现已被广泛应用于智能搜索、智能问答、个性化推荐等领域。基于知识图谱的服务和应用是当前人工智能的研究热点。当前，知识图谱的应用可以归纳为语义搜索、知识问答以及基于知识的大数据分析与决策三个方面。

• 在 语义搜索 方面，一方面，基于知识图谱的搜索引擎相继融入了维基百科、CIA 世界概览等公共资源。另一方面，搜索引擎与 Facebook、Twitter 等大型社交企业达成了合作协议，在个性化内容的搜集、定制化方面具有显著优势。
• 在 知识问答 方面，目前，国内外形式多样的问答平台都引入了知识图谱，百度公司研发的小度机器人、小米智能音响、阿里巴巴天猫精灵等都引入知识图谱技术,开始提供交互式问答服务。
• 在 分析与决策 方面,利用知识图谱可以辅助行业和领域的大数据分析和决策。例如在股票投研情报分析方面,通过知识图谱技术从招股书、公司年报/公告、券商研究报告、新闻等半结构化文本数据中自动抽取公司相关信息，可在某个宏观经济事件或者企业突发事件中通过此图谱做更深层次分析和更好的投资决策。

总结：语义搜索方面的英语趋向于成熟，知识问答方面各大厂商都已经跃跃欲试，但产品仍然不够稳定，需要进一步的发展和完善，而分析与决策则领域则是有广阔的应用和发展前景的领域。

人工智能复合产品

生物识别技术

生物识别产品包含诸如指纹识别、人脸识别、虹膜识别、指静脉识别、声纹识别以及眼纹识别等。近年来，随着世界各国对安防领域重视度的提高，身份识别技术与产品也逐渐趋于成熟与完善，生物特征识别迎来了一个快速发展的时期，人脸识别、虹膜识别、静脉识别等生物特征识别技术正快速发展，市场应用场景广阔，产品比重不断增加。近年来，生物特征识别企业数量快速增长，企业规模不断加大，生物特征识别市场规模爆发式增长，尤其是在安防领域，生物识别成为应用热点。

自动驾驶为代表的智能运载产品

智能运载产品主要应用有自动驾驶、无人机、无人船等，目前智能运载产品应用处于迅速发展阶段，无人机和无人船的发展较成熟，已有初步应用，而自动驾驶还处于研发和实验阶段。

• 自动驾驶： 目前，自动驾驶主要分为两大技术路线：一是福特、宝马、奥迪等传统车企所采用的“渐进性”路线，即在汽车上逐步增加一些自动驾驶功能，依托摄像头、导航地图以及各种传感器，为驾驶员提供自动紧急制动、全景泊车、自适应巡航等辅助驾驶功能；二是谷歌、百度等互联网科技巨头所采用的“革命性”路线，通过使用激光雷达、高清地图和人工智能技术直接实现无人驾驶目的，强调产品的创新和便捷性。
• 无人机：目前无人机仍然以军用无人机为主，消费级无人机仍处于初级阶段，自主能力仍待提升。我国作为全球无人机第一制造大国，大疆占全球消费无人机 70% 消费级无人机市场份额，然而依照无人机系统路线图标准，大疆消费级无人机技术水平仍属于初级阶段。
• 智能机器人技术：从应用的角度区分,智能机器人可以分为工业机器人、个人/家用服务机器人、公共服务机器人和特种机器人四类。工业机器人市场集中度高，是机器人应用最为广泛的行业领域。人工智能的兴起推动了家政行业的智能化，个人/家用机器人的应用更加广泛。公共服务机器人在酒店、金融、电信、电力、物流等具有大规模智能服务需求的行业中广泛应用,在低投入的基础上为企业提供优质高效的服务。特种机器人智能化水平不断提升，替代人类完成特殊环境下难以完成的工作。

人工智能安全

人工智能作为一种通用目的技术，为保障国家网络空间安全、提升人类经济社会风险防控能力等方面提供了新手段和新途径。但同时，人工智能在技术转化和应用场景落地过程中，由于技术的不确定性和应用的广泛性，带来冲击网络安全、社会就业、法律伦理等问题，并对国家政治、经济和社会安全带来诸多风险和挑战。人工智能安全风险包括网络安全风险、数据安全风险、算法安全风险等风险。

• 从 网络安全风险 看，人工智能学习框架和组件存在安全漏洞风险，可引发系统安全问题。
• 从 数据安全风险 看，一方面逆向攻击可导致算法模型内部的数据泄露，另一方面，人工智能技术可加强数据挖掘分析能力，加大隐私泄露风险。Facebook 数据泄露事件即是典型案例。
• 从 算法安全风险 看，算法设计或实施有误可产生与预期不符甚至伤害性结果；算法潜藏偏见和歧视，导致决策结果可能存在不公；算法黑箱导致人工智能决策不可解释，引发监督审查困境；含有噪声或偏差的训练数据可影响算法模型准确性；此外，对抗样本攻击可诱使算法识别出现误判漏判，产生错误结果。

总体而言，人工智能安全的研究处于刚起步的阶段。后续的研究和应用都需要大量的人力投入。

随着人工智能的发展，应用领域越来越精细，对人才的要求必然是越来越高。最初的粗放式需求中，可能仅仅需要求职者了解机器学习和深度学习的相关算法，并有一定的项目经验，后续随着相关人才越来越多，产业发展越来越精细，对人才的要求则会提升到具体的研究领域上。这就要求大家尽量在人工智能和机器学习的某个具体领域有尽可能多的项目以及尽可能深入的了解，而不是各个领域都了解，却都不深入。就领域而言，建议大家选择初步发展或者刚刚起步的应用领域，在爆发式的增长之前进入该领域，对自己的职业发展和高度能够有所期待。

作者：宋娜

声明：文中部分图片来源于网络，如有侵权联系删除。文章版权归力扣 LeetCode 所有，未经允许禁止转载。