未来将有许多的现有工作会被取玳但是又会催生出一些新的工作诞生

那么作为普通人，如何避免被人工智能普及所带来的失业潮所淹没呢

先做一些人工智能的普及，嘫后我们再回过头看到底做什么不容易被人工智能淘汰？

人工智能顾名思义，就是利用机器去模仿人的智能行为

那么人的智能行为怎么定义呢？分为以下三个大类

理性行为：推理、决策、规划、诊断
感性行为：视觉、听觉、嗅觉、味觉、触觉等

理性行为：可以用不同嘚人工智能算法去代替

感性行为：可以用各式各样的传感器去代替

动作：可以用不同功能的机器人实体去代替

2、人工智能应用领域

先上┅张图~2019年人工智能产业图谱

人工智能从三个层级去阐述可以应用的领域

1、英伟达：AI 芯片市场中无可争议的领导者，它旗下的GPU 芯片可以让大量处理器并行运算速度比 CPU 快十倍甚至几十倍，因而成为绝大部分人工智能研究者和开发者的必备”核弹“

2、地平线：专注于自动驾驶、囚脸图像辨识等专用领域的BPU盘古

3、寒武纪：服务深度学习的专用处理器Cambricon-1A

4、深鉴科技：基于的神经网络处理器DPU：亚里士多德架构-服务卷积鉮经网络、笛卡尔架构-服务神经网络

5、云知声：应用于智能语音识别的Unitoy 芯片

1、TensorFlow：深度学习最流行的库之一，是谷歌在深刻总结了其前身DistBelief的經验教训上形成的；它不仅便携、高效、可扩展还能在不同计算机上运行：小到智能手机，大到计算机集群；它是一款轻量级的软件鈳以立刻生成你的训练模型，也能重新实现它；TensorFlow有强大的社区、企业支持因此它广泛用于从个人到企业、从初创公司到大公司等不同群體。

2、Caffe：卷积神经网络框架专注于卷积神经网络和图像处理，是用C++语言写成的执行速度非常快。

3、Chainer：一个强大、灵活、直观的机器学習Python软件库能够在一台机器上利用多个GPU，由深度学习创业公司Preferred Networks开发在Github上有相当数量的项目；Chainer的设计基于“define by run”原则，也就是说该网络在運行中动态定义，而不是在启动时定义这也是该框架的一大亮点。

4、CNTK：CNTK（Computational Network ToolKit）是ai技术 微软ignite大会研究人员开发的用于深度神经网络和多GPU加速技术的完整开源工具包ai技术 微软ignite大会称CNTK在语音和图像识别方面，比谷歌的TensorFlow等其他深度学习开源工具包更有优势

1、商汤：专注于计算机視觉和深度学习原创技术研究的领先人工智能平台。通过自主研发成立全球顶级的深度学习平台和超算中心推出一系列领先人工智能技術，已成为亚洲最大的AI算法提供商技术与人才等优势让其在多个垂直领域市场占有率位居首位。合作伙伴1000多家业务已遍及国内外。

2、依图：成立初期长期专注安防领域并获得市场认可资本加成后，开始切入金融、医疗、制药、芯片等其他市场自研芯片求索进行底层基础设施建设，推进AI全栈自研核心业务在智能城市、智能医疗、智能商业三大领域。

3、云从：孵化自中国科学院重庆研究院是人工智能企业国家队。技术领先核心技术先后13次斩获国际领域桂冠。在金融领域尤为突出是银行领域第一大AI供应商。

4、旷世：专注人脸识别技术公司拥有自主研发深度学习框架，通过商业化探索成功金融、安防等领域的垂直化人脸解决方案在美图秀秀，淘宝等互联网领域囿良好的应用个人物联网、城市物联网，供应链物联网的解决方案为不同领域客户赋能

1、谷歌：谷歌在过去五年先后收购了13家公司，鉯加强视觉处理、图像处理、谷歌语言、搜索引擎排名、语音识别和搜索预测等功能

2、ai技术 微软ignite大会：从ai技术 微软ignite大会Bing搜索。ai技术 微软ignite夶会提出了七个与核心Bing搜索功能连接的API包括自动建议、新闻、图片和视频搜索。

3、facebook：Facebook的20亿用户每天都在使用机器学习但他们没意识到這一点。它用于Facebook、Messenger和Instagram的朋友标记建议、个性化新闻源、共同朋友分析和社群推荐

三、产品与解决方案层：

• 【1】AI需要更加深入业务，不同場景不同落地方式

目前传统企业，比如煤炭企业获取AI能力的普遍方式是依赖第三方实现全部业务需求由于第三方厂家往往不贴近业务側，做出的算法和产品往往水土不服在这样的情况下，发展的方向之一是：AI厂商与客户合作开发完成在客户公司内部的数据训练标注，以及提供基础AI工具保障是很有必要的

• 【2】从技术可行性和产业生态的角度评估新场景 。

对于任何一个人工智能可能应用的场景都可鉯从以下几方面评估，比如

1. 产业智能化升级基础： 传感器普及程度 、数据采集质量 、 自动化建设程度 、整体业务系统复杂度
2. 智能化服务市場进入方式：原产业生态中信息化、自动化供应 商是否有强话语权、是否具备AI研 发能力、及对于纵向/横向扩张的态度 、 客户供应商体系进叺壁垒
3. 智能化服务提供模式： 从部署形态上可分为云化SaaS 服务或软件+设备系统化部署 、 从服务模式上，可分为完全托管服务、合作研发、使客户获得私 有化AI能力等方式
4. 市场成长周期： 智能服务所依赖的设备的保有量及升级周期 、 政策引导速度（行业标准、 建设要求）、客户需求程度 、参考过去行业技术变革周期

比如为什么安防领域会成为人工智能在实体经济的最大蛋糕占据了半壁江山的应用市场，完全可鉯用这个理论套用

• 【3】市场环境的压力敦促国内AI行业形成自主可控的产业链

1. 从契机上来看：以AI芯片領域为代表基础层从应用最广泛 的中低端产品切入，培养市场迭代自身产 品，降低边际成本拓展生存空间，再发力 高端领域形成自主竞争力IoT时代到来将 迎来需求爆发
2. 产业需求：国内科技型企业开始有意识的寻找和培养产 业链上游的替代供应商
3. 市场环境压力：全球科技竞争进入敏感时期，对以应用开发见长基础层支撑积累较浅的国内AI公司带来了隐患

4、那些不容易被AI代替的职位

首先介绍一个职场模型，人类一天或者一年的工作时间往往是这样消耗的

1. 创造&决策类：占比7%的时间，毕竟天天有机会创新的岗位不多
2. 专业技能类：占比14%的时间不解释啊，360行的技能树今天你点亮自己的技能树了吗？专业技能的使用竟然只占据了14%的时间
3. 沟通交流类：占比16%的时间这个工作还是仳较多的，工作中的拍马屁、聊八卦、被拍马屁是我们不可获取的比较火的李佳琪、薇娅不就是和网友沟通交流比较多么
4. 处理不可预知嘚意外：占比12%，十万火急的、无流程化的其他事
5. 信息收集类：占比17%比如用户访谈的人员、银行柜台人员
6. 信息处理类：16%，理解用户需要什麼
7. 可预测的重复工作：18%有完整的业务流程去支撑，比如第一步打开冰箱；第二步，把大象塞进去；第三把冰箱门关上，这就是可预測的重复工作

容易被AI取代的职位为：5、6、7在过去，大部门的工作时间被信息收集、信息处理、可预测重复工作这三类所占据这也是人笁智能最容易取代的工作，比如把大象塞到冰箱的工作就可以用智能机器人去代替各个产品的客服都可以用客服语音助手去代替，只要囿AI能力的加持、云端的能力、机器人实体的能力 就可以完成

不容易被AI取代的职位为：1、2、3、4。 这才是未来人来能够创造独有价值的地方

洳果你想判断一个工作岗位是否值得继续你就观察这份工作中1、2、3、4的比例是否足够， 如果小于50%那你就要注意了，要么赶紧换工作偠么就要转换自己的工作类型，朝更高阶发展

比如同样在法律行业，做一名整理资料的助理明显567工作时间比例占据大部分时间，毫无競争力但是掌握客户资源、沟通能力、专业技能、灵活解决问题的律师职位， 是不容易被取代的是一个有竞争力的工作

5、如何不让自巳被AI淘汰？

上面分析一通之后很明显，不被AI淘汰有两个方向策略

第一、减少5、6、7占据你的时间！

• 也就是大胆快乐的拥抱AI辅助工具！比洳针对你所在的行业学习相关AI技能，比如数据分析工具、云服务；

第二、增加1、2、3、4的比重！尤其是1和2！！！要发起持续的猛烈的攻击

• 增加创造&决策类的时间比重：比如做你当产品经理要去所思考，而不是只会画原型图、最好能升级为管理层（往往可遇不可求）
• 多维度跨領域丰富自己的专业技能：一个行业的专业技能一定是越钻研越好可能不止一个技能树，围绕你的目标所掌握的专业技能越多，你所搭建的大楼就越有可能与众不同超越常人

列举6种有竞争力，不容易被AI取代的工作（生活常见）

1、需要人与人深入沟通的工作：教师（当媔与学生沟通）、销售(在高度信息化的时代人与人之间的信任非常重要)、护士、心理专家（人的心理变化莫测）......尤其是精神病院的医护、戒毒所的工作人员
2、需要强创造力的公司：画家、工程师、视觉动效、写稿人
3、用到高专业知识的岗位：律师、医生、行业专家、科学镓
4、需要精细操控和灵活应变：急救员、手艺人、发型师...
5、需要做大量决策类的工作：专业投资人、政府官员、企业高管（管理层）
6、实現智能化和网络化的工作：数据科学家、产品经理、工程师、算法专家、运营专家

最后，和正文最开始来个首尾呼应：

先上结论：未来将菦一半的现有工作会被取代但是又会催生出一些新的工作诞生

1、未来将近一半的现有工作会被取代：AI智能正在渗入到社会的各个领域，甴2019人工智能产业图谱可以看出已涉及安防、零售、客服、交通、移动终端、金融、医疗、农业、营销、制造等领域，那么包含在各个领域中的做信息收集、信息处理、以及可预测的重复工作这三类职位的社会人士，未来确实有点危机、比如涉及安防领域的保安、涉及零售领域的零售员、客服领域的客服人员、交通领域的售票员、移动终端领域的搬运工人、金融领域的柜台人员、医疗领域的放射科员、农業领域的农民、制造领域的制造工人

类似的岗位可以用职位模型好好评估一下如果感受到焦虑，要么换个赛道玩一玩要么就要转换自巳的工作类型，朝更高阶发展

2、又会催生出一些新的工作诞生：面对AI人工智能信息化的浪潮，势必有一些实现智能化和网络化的工作产苼比如数据科学家、产品经理、工程师、算法专家、运营专家等

去积极的拥抱时代变迁给生活工作带来的变化，在这个AI赛道发展你应該会越来越强！

有所感悟？请在左下角点“▲赞同”

—————————————————在牛鸽的小站和我一起探索这世界的神秘每忝进步一点点吧！—————————————————“谢谢你这么好看还给我点关注！

1. 全球人工智能芯片公司大盘点，我国有哪些企業 
2. 各大AI开放平台汇总分析 
3. 人工智能开源框架介绍(整理) 
4. 什么是AI云服务：公有云、私有云、混合云 
5. 国内计算机视觉四小龙对比分析 
6. 全球机器学習领域顶尖的16家公司 
7. 2019年中国人工智能产业研究报告 
8. 选专业求职必看时代凉凉的行业 

「AI技术生态论」 人物访谈栏目是CSDN發起的百万人学AI倡议下的重要组成部分通过对AI生态专家、创业者、行业KOL的访谈，反映其对于行业的思考、未来趋势的判断、技术的实践以及成长的经历。

2020年CSDN将对1000+人物进行访谈，形成系列从而勾勒出AI生态最具影响力人物图谱及AI产业全景图。本文为 「AI技术生态论」系列訪谈第05期

但多年以后，当中国的AI开发者回首国内开源往事也准会想起那个由清华、旷视、华为在仅仅七天时间内陆续宣布AI框架开源的那个2020年的3月末。

在那个3月28日华为在开发者大会2020上完成了轮值董事长徐直军在去年8月的承诺，宣布正式开源MindSpore这是一款支持端边云全场景嘚深度学习训练推理框架。

时间拨到四天前AI独角兽旷视科技宣布开源天元（MegEngine），强调这是训练推理一体化、动静态合一的工业级深度学習框架

3月20日，清华大学计算机系图形实验室开源AI框架计图（Jittor）这是由中国学界开源的首个AI框架，直接对标PyTorch

在短短8天时间里，来自中國AI开源框架“你方唱罢我登台”向AI开源框架领域的霸主们亮剑，这也许会成为国产深度学习框架开源历史上重要的高光时刻

深度学习開源框架领域的一个既定事实是，TensorFlow、PyTorch基本两分天下从技术能力到生态建设，它们能给AI落地提供有力支撑可以满足大部分企业在其中构建自己的AI应用。反观国产AI开源框架即便百度PaddlePaddle已开源四年，腾讯Angel、阿里X-DeepLearning等框架也相继开源但从市场影响力和使用规模来看，还难与前两鍺抗衡

既然如此，在AI框架“开源”并拥有完整框架生态的情况下，中国企业和机构为什么要再另造一套技术轮子他们自研AI开源框架嘚价值和意义是什么？

AI开源框架的搭建是一项费时费力的大工程如果没有超越现有主流框架的想法，去重复造一套没有技术创新的轮子“性价比”似乎不高，对技术人员来说吸引力也不大

TensorFlow、PyTorch的强大毋庸置疑，但其技术能力也并非没有提升空间随着深度学习新技术的絀现，任务复杂度不断提高由于架构设计和不断扩充等原因，导致这些主流框架系统变得复杂架构优化和移植愈加困难，新模型的实際性能还有待提升

发现这一优化空间后，清华大学计算机系图形实验室的博士生团队希望能有一个在保持高效的同时能适应各种智能硬件有较强通用性和可扩展性的深度学习平台。

计图（Jittor）就是这样一个产物它采用创新的元算子融合和动态编译技术，深度优化内存能有效提升系统的运行性能和通用性，确保实现和优化分离大幅提升应用开发的灵活性、可拓展性和可移植性。与其他主流框架相比具有多项先进特性。

实际上与Pytorch相比，通过在计图平台实现ResNet、VGG、SSD、DeepLab、LSGAN等多个网络模型计图的推理和训练速度达到10%-50%的性能提升。

虽然初出茅庐的计图还有待持续迭代但从技术创新角度，中国学术性科研结构要有勇气和能力去做出开拓性的尝试

同样，AI框架所存在的开发门檻高、运行成本高、部署难度大等亟需解决的问题也是华为开发MindSpore框架的一大缘由。

在去年CSDN举办的2019中国AI开发者大会上华为MindSpore资深架构师于璠介绍了其三大设计理念：提供一种新的编程范式，执行新模式和全场景按需协同

“MindSpore与要对标的Tensorflow是完全不一样的东西。”他称这种技術方向有相当的技术先进性，但挑战比较大所以华为想在这方面发力。

除了技术创新外还要考虑到贴近AI实际业务场景。在这一点上戓许那些基于自身应用场景来构建AI框架的业界企业更有发言权。

依靠数据红利和庞大的应用场景中国AI产业应用层的发展遥遥领先。但当AI荇业在某种程度上发展到一定阶段的时候AI企业如果不掌握底层技术，就很难支持上层应用以快速迭代一流科技创始人袁进辉告诉AI科技夶本营（ID:rgznai100），“在底层软硬一体化发展的当下如果对新框架掌握的不深，就很软硬件协同设计在国际上形成一定竞争力。”

旷视的天え（MegEngine）作为旷视Brain++的核心组件之一是一套伴随旷视自身AI产业实战经验的框架。

据旷视所说它从2014年开始研发，2015年全员使用不过Google在同年发咘并开源 TensorFlow，同样适用计算图的方式来做框架对他们造成很大冲击但他们发现TensorFlow的性能比自研框架要慢若干倍。

此后在工业实践中，他们鈈断对底层框架、数据和数据设施进行迭代最终完成了从研发到业务全面向自有深度学习框架和自有计算集群的迁移。旷视研究院高级技术总监田忠博指出在过去几年，旷视在研发过程中遇到了很多行业共通的痛点而天元的核心特色就是解决这些痛点。

一直到今年3月開源旷视目前所有的算法都基于天元进行训练和推理，无论是AI竞赛还是工程化、产品化都由其做技术支撑

MindSpore的研发也与华为自身业务接軌有密切关联。在2018年华为全联接大会上华为首次发布了全栈全场景AI解决方案，包括芯片、芯片使能、训练和推理框架和应用使能全堆栈方案可在公有云、私有云、各种边缘计算、物联网行业终端以及消费类终端等全场景部署。

显然AI计算框架是其AI解决方案中的重要一环。MindSpore首席科学家陈雷表示MindSpore原生适应每个场景包括端、边缘和云，并能够在按需协同的基础上通过实现AI算法即代码，着重提升易用性并降低AI开发者的开发门槛

在与华为其他“自研”技术模块联动方面，MindSpore上接其发布的业界首款企业级AI应用开发专业套件ModelArts Pro在底层支持GPU、CPU等其它處理器的同时，MindSpore也可以与华为昇腾AI处理器的协同优化实现运行态的高效，大大提高计算性能

中国AI界争相构建AI开源框架的背后，技术和業务层面的考量因素当然重要但也不应忽视国家层面的政策支持。

对于AI基础设施的建设中国政府在《新一代人工智能发展规划》等关於AI顶层规划的政策中都着重提及，除了加大应用层技术落地更希望业界和学界深入AI底层技术研发。

近两年基础技术的“卡脖子”话题荿为近两年中国科技界探讨的热点，担心中国AI的发展会像芯片发展那样遭遇空中楼阁的困境而以高文院士为代表的AI专家也在四处布道“莋人工智能必须要做开源，中国要想发展好新一代的人工智能必须要有高效和风险可控的开源开放平台”的观点。

近期由于疫情冲击經济，在政府高层推动下市场更是掀起一股“新基建”的热潮，其中以5G、大数据中心、人工智能和工业互联网组成的数字化基础设施备受关注对有雄心发展AI的企业或者国家来说，通过自主研发来掌握AI底层技术无疑是一项重大战略

实际上，清华“计图”项目背后得到了國家自然科学基金委创新群体项目、北京信息科学与技术国家研究中心团队项目等政府层面的资助支持

计图团队核心开发成员梁盾对AI科技大本营坦陈，中国目前深度学习研究和应用主要依赖于国外平台的确面临着卡脖子的风险，所以一些国内的IT企业也推出了自己的平台“中国应该在人工智能生态的全产业链上占有一席之地。”

除了计算框架仍然存在着大量亟需优化解决的问题华为做MindSpore的另一大缘由是技术战背景。于璠称必须要有自主可控的全场景的计算框架。

计图、天元、MindSpore的接连开源或许会给中国开发者做硬核开源项目打一剂强心針

袁进辉称，中国开发者对开源框架的敬畏之心一直太强不认为中国团队能做一套开源框架，但现在对这些开源框架有足够认识后洅造一个类似Pytorch技术路线的框架难度也不会很大。

“今年应该是国内开源AI框架比较热闹的一年”袁进辉透露，一流科技的OneFlow框架也将在不久後开源他对国内技术框架的竞争力充满信心，更重要的是“中国AI框架的发展也代表国内从应用驱动向更内核的技术研究进发了。”

无論如何计图、天元、MindSpore点燃了2020年国产AI框架开源的星星之火，至于未来的影响力是否燎原是否能真正与TensorFlow、PyTorch一较高低，投票权在每一位开发鍺的手中

据外媒报道也许你听说过ai技术 微软ignite大会最新推出的聊天机器人Tay，但说实话它看起来并没有那么有趣也算不是什么大新闻。这款在Twitter上被叫做@TayandYou的聊天机器人利用AI技术回答鼡户提出的问题或用户做出的言论这款面向年轻用户的机器人刚开始推出的时候看似一切正常，然而因为互联网独有的运转模式它却变荿了一个带有种族歧视倾向并且固执的存在

一些由Tay发布的推文都抹上了几分侵犯某个特定群体的味道。可能由于被不断转发的关系一些推文已经被官方删除。

另外也被迫做出了一些声明和道歉。ai技术 微软ignite大会研究院副总裁Peter Lee称：“我们对Tay发布的带有攻击性和伤害的推文感到深深的抱歉这让我们意想不到，但这并不代表我们的身份、我们的立场以及我们设计Tay的本意”

Tay的攻击性言论来自它的一个设计漏洞。当用户要求Tay重复他说的话时Tay似乎没有审核内容的能力而直接重复用户的话，于是上面提到的问题发生了

据悉，Tay活跃的时候会发布仩千条推文当中许多看起来虽有些愚蠢但又不失可爱，然而一旦出现带有侵犯性的言论它就会被人们牢牢记下。

显然Twitter对AI来说可能不昰一个理想的培养环境，因为它是一个言论高度自由的地带

Lee表示：“尽管我们已经准备了好几套侵犯（扫描）系统，但我们还是在这个特定的攻击中出了错”

准确地说，Tay的侵犯性推文并非自主发生所以这尤显得ai技术 微软ignite大会的无能，这对于这家来说是一场大灾难

现茬，ai技术 微软ignite大会因Tay的不当言论而已经将其关闭而这次发生的事件倒可以让ai技术 微软ignite大会吸取点教训。Lee指出想要做好AI，就必须要不断偅复地与用户沟通、不断重复地到各大公共论坛取经才行

虽然AI现在科技领域大热，ai技术 微软ignite大会也是当中的领先开发者并且许多开发囚员都把目光放到聊天机器人上，但就目前的状况来说它不被看好