眼下正是新一屆大學生的校招季。這兩天，一則消息引發了很多人的關注：AI應屆博士的年薪已經從去年的 50 萬元一下漲到了 80 萬元。但是，由于人才缺口巨大，即使是提高到了 80 萬元年薪，企業還是難尋人才。

為什么同樣是博士，大多數理學博士、工學博士的起薪都從十幾、二十萬起步，而AI博士已如此金貴？

據《 2017 全球人工智能人才白皮書》顯示，人工智能領域人才分布極不平衡，全球AI領域人才約 30 萬，而市場需求卻在百萬量級。全球共有 367 所具有人工智能研究方向的高校，每年畢業AI領域的學生約 2 萬人，遠遠不能滿足市場對人才的需求。據有關專家估計，中國人工智能學科人才需求缺口每年接近 100 萬!

如果你是在校學生，或者說學生家長，請花一點時間，讀讀這位斯坦福大學博士、上海財經大教授葛冬冬去年應文匯報邀請撰寫的文章。除了高薪，關于AI的前景，你需要有更全面的洞察，并盡早行動。

早在去年，葛冬冬在接受文匯報記者采訪時披露，“現在，一位高水平的、專攻人工智能領域的人才，即便是剛出校門的本科畢業生，年薪幾十萬元的比比皆是。有的企業甚至用七八十萬元年薪招聘這個方向的博士生，而我們培養的人才卻供不應求，甚至已經無人可供。”

數據化對各行業的沖擊，比預想的更猛烈

時至今日，很多年輕的學生對大數據與人工智能充滿了好奇。不管你今后是否要進入這個領域學習，不管你對大數據和人工智能的認知是怎樣的，在你知道了以下這些事實后，至少會意識到一點：年輕的你們不管今后要從事哪個具體領域的工作，都已經無法規避大數據和人工智能對你產生的影響。

斯坦福大學前商學院院長Garth Saloner (高斯·塞隆那)　在臨離任前發給MBA學生的推特內容是：“如果你還在學校的話，最應該做的是到工學院去，學習任何和人工智能、深度學習、自動化等相關的知識!　此刻!”

行走在科研前沿，學術界同行已經越來越感到，我們的科研方式在受到大數據的沖擊。

按照傳統，學術界的人分享科研成果，最主要的方式是期刊( journal)　和會議　(conference)。要在學術期刊發表論文，在如數理、商學等領域，通常要經過一到三年的審稿周期。好的學術會議相比起來算是快的，在計算機科學領域，依然也需要數月的審稿時間。一篇論文從投出去到作者發表演講、和同行分享，一般要半年時間。

2013年，卡耐基梅隆大學等幾個美國著名高校從事人工智能研究的博士們，發起了一個叫做Unconference的聚會。相比于傳統的學術會議和期刊，為了更快地交流、分享最新的領域內的進展，這些處于前沿的年輕人覺得需要一個更有效的溝通方式，他們決定舉行這種經常性的聚會，形式自由，不提前安排確定的會議議程，主題和內容都由參會者臨時決定。

這其實反映了一個常態，我們每個人或多或少都能認知到：世界與以往不再那么的一樣，它在改變，速度越來越快。事實上，人類的知識進化，過去幾年，正在以一個前所未有的加速度在進行。而這一切的發生，原動力來自于世界的數據化進程加快。相應的，大數據處理技術進化和完善也相當迅速，同時使得建立在此基礎上的人工智能技術也進入了一個忽然加速、甚至技術爆炸的時期。

現在的每一天，我們都可以感受到這些改變。當你打開手機，新聞客戶端的推送是高度個性化的新聞，這是推薦系統在默默為你揀選你最可能感興趣的信息。當你走出家門，網約車的出現讓你感受到交通的便利和分享經濟的實惠。而網約車的背后，則是一個基于整個城市實時交通狀況的平臺———是它在計算你的呼叫滿足方式。在你信用卡的申請里，銀行考慮的不再僅僅是傳統的金融數據記錄，你度假的選擇、午餐的方式，甚至于敲擊鍵盤的大小寫偏好，都成為對你這個用戶分析的一個維度上的數據，進入對你的評估系統。

往外去看，人工智能和大數據帶來的社會變革比比皆是。自動化交易系統的進入，使得高盛在紐約現金股票交易柜臺的交易員從2000年頂峰時期的600人縮減到今天的2人。波士頓動力公司開發的機器人，已經可以在復雜地形上縱跳如飛。谷歌開發的人工智能選手，已經在圍棋人類最復雜的智力游戲上擊敗人類。卡耐基梅隆開發的德州撲克人工智能，已經在這個兼有博弈與計算的游戲上擊敗人類世界冠軍。而這些智能依然處在一個進化的狀態，但是已經越過人類這個奇點，它必然會絕塵而去，將我們徹底拋離。

以數據化形式展開的活動將來會是金融等行業的主流，很多可重復、思想度略低的工作很快會被機器所取代，這個趨勢的來臨，遠比人類預想的猛烈。

在盤點了這些熱點事件背后，讓我們再來談談技術的發展。最近10年來，數據積累的急劇增加和針對數據的全鏈條技術整體成熟，是催生大數據浪潮以及接踵而來的人工智能熱潮的關鍵因素。粗略來講，在整個產業和技術鏈條上，包括了數據的提取與清洗　(網絡爬蟲，結構化)，存儲與讀取　(大數據架構系統/數據庫技術)，規律分析與挖掘　(統計學習/機器學習/深度學習)，建模與計算　(優化算法/并行計算軟硬件技術)，再到實際對接多個應用領域。

這其中，硬件和系統進步非常重要。例如，Spark，Hadoop等使得并行存儲和計算前所未有得容易實現；GPU在并行計算的成熟，使得人工智能的很多大規模并行計算任務，特別是深度學習等算法，可以以更低代價更高效快速執行。計算和建模技術的進展，特別是機器學習　(去年以來熱點遷移到了深度學習)　在GPU并行計算等硬件支撐下，結合大數據處理技術快速興起，使得極多的傳統實際問題的解決方式，可以被機器學習在足夠數據訓練下更精確的結果和更簡單的建模方式擊敗。暴力美學，一至于斯！

這些趨勢，在很多細分領域已經非常明顯。這些領域紛紛根據自己需求，啟動相應的研究。例如，在企業運營中，電商巨頭京東去年底提出“智慧供應鏈”，對供應鏈管理的幾個關鍵核心，從運用機器學習和運籌優化技術，建立起基于數據驅動的智能分析系統，包括了根據歷史與環境自動智能定價系統，實現自動補貨和調貨的智能庫存系統，物流中的無人倉機器人智能系統等。

在金融領域，突破了傳統意義的金融模型，基于更廣泛大數據的征信系統、風控系統，已經廣泛地被運用在國內多個銀行。有更多財經的事務，包括個人理財、資產管理，會計等———這些本來的白領工作，即使看上去似乎有一定復雜技術，但因其具有重復性，大趨勢已經顯示，非常大的工作份額會被人工智能吞噬。

再如區塊鏈，比特幣即為區塊鏈的一個初級應用形式。比特幣是用來交易的，而之前的任何一種交易，在數字化之后，怎么樣讓它安全穩定、怎樣省略中間復雜的程序才是人類關注的重點。區塊鏈完美解決了這個問題，比如原來要蓋數十個章、寫幾十個文檔的跨境貿易，應用區塊鏈后可以做到瞬時反應、電子文檔瞬時生成，電子簽章很難被破解也很難被偽造和篡改。

在企業生態上，大數據和人工智能產生的具體影響，體現為商業巨頭與創業者齊飛競爭的態勢。

去年開始，從美國到中國，幾乎所有的熱點大公司，都開始了自覺自發的轉型：向科技公司，或者以科技驅動的××公司努力。事實上，這些公司在人才的積聚和技術的積累上，有著自己雄厚的先發優勢和資金優勢。全面地如提出“新零售”概念的阿里、旗下科技驅動的金融公司螞蟻、物流公司菜鳥、在語音識別領域獨步天下的科大訊飛、無人機領域世界第一的大疆，都已經在向行業巨頭進化。

小的創業公司更是如火如荼，如斯坦福運籌與優化算法背景的智能商業公司杉數科技，清華交叉信息學院創業背景的視覺識別公司Face++，香港中文大學教授創業的商湯科技等，都帶有濃厚的學術氣息。

業界擁有雄厚的資金和高水平的科研氛圍，這使得人才的天平正嚴重地向業界傾斜。

這一輪浪潮，使得人工智能，甚至相關的大數據、統計、運籌優化，計算機等多個學科都成為了搶手的存在。一個非常明顯的趨勢就是大公司對相關知識重視程度前所未有。公司內部的研究團隊，如微軟、谷歌、百度、騰訊等，都有自己的研究院，很多擔任著引領行業科技發展的角色。而且因為其擁有豐富的數據資源和實際背景，使得傳統上學界掌控科技前沿的狀況，已逐步演變為學界和業界互相促進互相競爭，甚至于業界領先學界，將學界拋離。這個趨勢在國內將特別明顯。其次，業界和高校之間，人才的拉鋸戰也會特別明顯。2015年5月，非常轟動的一個新聞就是優步　(Uber)　從卡耐基梅隆大學聯邦機器人工程中心　(NREC)，從教授到博士后，將一個研究所挖走了40多人，基本清空了。

從國內來講，數據、算法、人工智能的專家都特別昂貴難招。高校的優秀人才引入，更是遇到了前所未有的挑戰。此外，一個明顯的特點就是數據的價值也被充分發掘出來，數據變得特別的“值錢”，在很多業界已經被認為是公司的最核心價值體現。

事實上，數據科學已經成為一個成熟的專業，在國外多數高校，數據科學的本科到博士學位項目都已經非常完備，也是受學生和用人單位歡迎的項目。例如，斯坦福的數據碩士項目設置在工學院的高等計算所下，學生需要從管理科學與工程，統計、數學、計算機等多個學院選課來完成項目。紐約大學的數據科學碩士項目，就業火爆，2017年有1500多名申請人，錄取不到100人。在國內，過去兩年，包括北京大學、復旦大學在內的35所高校設置了此專業。教育部已經將數據科學與大數據定義為新工科專業予以正式備案登記。

眼下，數據科學與人工智能領域雖然大熱，特別是深度學習，看似橫掃一切，但它真正進入人們視線，基本是從2012年Geoffrey Hinton教授等人在視覺圖像識別大獲成功后才真正引起重視。所以回到原點審視的話，深度學習依然是一個充滿未知、有待人類去探索的領域。在應用層面，例如深度學習和機器學習的一些復雜算法雖然高效，但是因其黑箱子性質，穩定性沒有理論保證，使得一些避險領域　(如金融)　依然會讓人心有疑慮，這也是研究者該去孜孜不倦探索與回答的挑戰。

但是無論如何，人工智能這個似乎昨天還在蹣跚學步的嬰兒，忽然間已經成為了強壯高大的巨人，開始迅速接管人類的各行各業。

斯坦福大學吳恩達教授曾經做過一個比喻：“就像100年前電的發明改變了所有行業、農業、制造業、鐵路、通信等等，我覺得人工智能就像100年前的電力，也能為幾乎所有行業帶來巨大改變。”而這個未來，正以一個可怖的速度，呼嘯而來，與并未做好準備的我們迎面碰撞。

未來已來，逃避徒勞。我們能做的，只能是盡我們最大的努力，張開雙臂，全身心的去擁抱人類這個充滿了不確定性，但是理應更美好的明天。

(作者為上海財經大學交叉科學研究院院長，美國斯坦福大學博士)