斯坦福博士读几年，如何解释北美博士的低毕业率？仅是经费不足吗？-经管之家官网！

扫码加入留学交流群

如何解释北美博士的低毕业率？

Frank Elgar在2003年报告40所加拿大院校注册博士生的学业完成时长(times-to-）和完成率( rates)。他的统计表明：和30年前相比，新千禧年一代的博士生不仅要花费更长时间完成学业，而且这其中只有将近一半的人最终拿到学位。

Frank在报告中指出加拿大博士毕业的最大障碍是“经费不足”和“指导问题”。从我接触到的博士生看，90％的人都至少经历过一次这类障碍，困阻程度足以对继续读博构成威胁。接下来我会具体说明为什么北美博士毕业难。

对博士申请者而言，往届毕业生的学业完成情况无疑是他们做出选择的重要参考信息，然而这类讯息往往并不公开，申请者难以在学校网站或统计研究中查询到这类信息。多数学校甚至没有对此做出统计，原因不一而足。不难设想，一旦博士申请者事先得知自己被录取后能拿到博士学位的几率不到一半，他们会在选择学校或者最终决定注册时更加谨慎。

个人和导师研究经费缩减

90年代常常听说某博士留学生拿到校方提供的奖学金以后，把家人接到北美安居，生活节俭，倒也够三口之家衣食无忧，这种事例在近年其实并不多见了。更普遍的情况是在当地工作的配偶收入超过博士生本人的奖学金，若想专注快速完成学业，研究生往往动用个人存款或家人的资助。

有官方报道统计，美国联邦政府2011年对文科专业和2005年相比裁减近30%的财政拨款。依靠实证、实验科学类的研究题材往往可以获得企业融资将知识转化成市场需求，然而社会科学和人文学科的学者若想完成科研项目，必须具备很强的竞争能力申请到政府、企业或非政府机构建立的科研基金。

对于刚刚入职的青年教师而言， 能否获得教职很大程度上取决于Ta是否能自带相当数额的科研经费。然而具有讽刺意义的是，发放科研经费的机构往往偏爱资历深厚的大牌教授，资深学者常常得到过多课题而面临人手不足的困境，而精力旺盛、处于事业上升期的青年学者反而并不容易拿到课题资助。

很多非终身教职的导师都无法给他们自己的博士生提供多年奖学金，这类研究生于是必须承担大量助教助研工作，四处筹集经费。一方面奖学金总量缩水，另一方面博士生扩招，造成大多数博士研究生在读期间多项兼职。

指导出现重大问题

因师生矛盾研究生院学生事务管理机构干预教学的案例很多。师生矛盾主要表现在导师在指导方面出现重大问题和师生关系不融洽两方面，无论出于什么样的具体原因，这类问题都会影响学生的表现，矛盾激化到一定程度甚至构成残害导师的犯罪行为，北美的很多院校都在管理上投入学生心理咨询和行政干预，建全对学生的保护机制。

博士生在申请经费、找课题、发表论文、毕业等一系列严肃的学术事务中都需要获得博导的鼎力支持，任何沟通不畅、理解偏差都可能对学生继续深造造成阻碍。比如导师没能在离职或离校前安排好手下博士生紧要事务，在时间安排上延误学生毕业答辩、开题报告申请。

漫长的学业过程中，学生本身也有可能因为家庭原因、身体情况、配偶等方面推迟与导师预先确定的研究计划，因此被导师视为“拖延生”而处于被动状态。这样的学生如果再想重新获得导师鼎力支持，就必须在一两年内持续推进研究进程，与导师建立良好的沟通，赢得信任与尊敬。

在我和其他博士生的往来时，一提到导师，时常有人露出紧张情绪。博士生处于学术生态圈的底层，和教授的地位差距悬殊，博导的意见或态度与学生命运息息相关，导师的一举一动会被博士生过度解读，也就不奇怪了。

师生关系还不仅仅是导师和学生两个人的关系。通常每个博士的学术委员会除了博导，还需要有至少两名有资历的评审导师。博导本人与这些委员的关系也会间接的影响到博士生的指导。此外，有时教授会安排高年级的博士生指导硕士或入门博士生。同在一个实验室工作，每个人的表现、彼此之间的评价关系更加复杂，不少博士生都在与他人合作遭遇碰壁。

实验室不是办公室，博士生和导师也不像员工和老板，除了自主性，热爱科研这些必要前提，高情商和好运气也是决定你博士期间研究是否能得到认可的重要因素。

科研创新难度加大

60年代博士毕业的一位教授告诉我说，他读博的时候，与博士论题直接相关的书籍只有十几本，然而现在他的博士需要每个月浏览上百篇文章，数十本书籍或书评才能跟上某个学科分支的发展，知道这个领域正在发生什么。

文献阅读对学者的意义在于前人栽树，后人乘凉。不过博士研究并不看你“输入”了多少，消费了多少现有的知识，上了多少课，而是考量你能“输出”多少，在已有的知识体系基础上又贡献和创造了哪些。北美一流学校对博士生的要求都很高，仅仅有一点知识的延伸还不够，优化现有的系统不一定算的上创造，而必须在推动学科发展上做出贡献。据说麻省理工或者斯坦福大学的计算机专业都要求博士生独立的开创出新的领域，或者对现象的阐释拓展出与多学科交叉的论题。

这样一来，在密集的森林里再找空地和创造条件栽下一棵树，成功的概率不会很高。每个人都必须经历试探出发、被迫中断、承认失败、重新出发的周而复始，才能不断追赶和保持在一个领域的前沿。

Guo在自传《博士碾压》里提到一个有意思的视角：跟随牛导师看似资源多多，机会多多，但这些超级牛人往往喜欢去钻研超前而且高风险的研究课题。高风险意味着高失败率。教授拿着充足的科研经费对某个项目一投入就是8年10年斯坦福博士读几年，如何解释北美博士的低毕业率？仅是经费不足吗？-经管之家官网！，做不出预期的成果也不是什么大问题。但是对学生来说，在这个项目上一做若干年而不出结果斯坦福博士读几年，恐怕很多人都吃不消。

Guo在书中提到，他的一个师兄花了9年投入在一个最终死翘翘的项目组，这过程中连一篇好文章都没发出来，只好卷包走人。从入校起也一直在这个项目组里，到了第三年他下定决心不再做这个项目，自起炉灶，从零开始，后来证明他是对的。否则他很可能就跟那位倒霉的师兄一样。当他回顾自己六年的博士求学经历时，总结说懂得止损、“知道什么时候该放弃”也是他本人最终能够拿到博士学位的关键要素。（他之所以能撤出那个项目，还有另外一个幸运因素，就是他自带奖学金而不是依赖导师的经费。）

非学术岗位吸收掉部分优秀博士生

北美博士生通常花2-4年的训练获得博士资格，这个资格意味着被认可有独立承担研究项目的能力。拿到博士资格后，博士生自动升级成“博士候选人”。他们一般不再选课，而有更多机会接触到消费研究的企业、研究所、政府机构，很多人这时已经用完了最初的学生奖学金或背负学生贷款，需要努力创造就业机会：投递简历、参加会议、联系合作、假期实习。一部分幸运者在这过程中得到非常棒的工作机会，很有可能就此放慢博士论文写作的速度甚至放弃博士项目，拿着资格证书走人。

据统计，自然科学类的博士约60－70%在得到博士资格以后完成学业。人文和社会学科的博士生，这个数值大约只有40－50%。即使拿到博士学位，毕业后也只有不足30%的博士继续留在学术圈。

个别因素

国内的报道和微信上有不少关于研究生生存状态的报道。读博之前，建议大家放平心态，别把个人对研究的兴趣当作首要条件，因为进到这扇门来会发现能读下来一个博士其实需要做足准备，个人努力之外还要具备一些坚实的条件，比如个人财务水平是否能支撑几年内处于低收入状况，导师的学术方向和个人打算，来自家庭的支持，本人的综合素质。

读博士起始年龄通常都是20几岁到30出头，正是人生建设的黄金期。在这期间，建立一段稳定的浪漫关系，每一天起床后立即就能投入精力做自己想要做的事，找到能够发挥才干的团队，这些都对一个人很重要。

然而一般意义的幸福生活——感情、家庭、事业等方面取得平衡这样的要求对于博士生是比较难做到的。博士的薪酬相当于低工资的全职工作者，虽然并不要求朝九晚五，但做科研需要全心投入，需要个人极其自律。想要用几年光阴在科研上找到重要突破口，在人类知识体系的高塔上哪怕增加一块小石子，都需要拿出十足的精力。这种训练使一个人要学会适应和享受孤独，习惯与挫败感长期作伴。

《博士困境》中提到，在读博这条路上平均每个人对要不要“走人”犹豫过5次。也就是说，只有那些一直选择“继续”，并且每一次都找到出口的幸运儿才有办法一站到底，攻下学位。

获得博士学位的人有没有共同点？

几乎每个过来人都跟我提到说，无论什么博士，真正考验人的就是抗逆能力。按圣约翰大学的校长助理Ian的话，最后能穿上博士服的都是“Ph.D. of ”。

我自己也在博士第二年和第三年底遇到瓶颈，到了必须要决定“走人还是留下”的紧要关头。好在我对自己的学习能力一直比较自信，那段日子里我更多时候想的是怎么克服困难。受到很多人的点拨，后来找到了合适自己的新导师和课题方向，回顾往昔，真的要感谢那些为我引路和加油的人。

抗逆能力和耐受力是决定一个人能走多远的内动力，遇到贵人和机会是外界条件，想要做成一件不容易达到的事，两者缺一不可。完成博士训练并坚持到戴上博士帽，本就不是一件容易事。

「经管之家」APP：经管人学习、答疑、交友，就上经管之家！

免流量费下载资料—-在经管之家app可以下载论坛上的所有资源，并且不额外收取下载高峰期的论坛币。

涵盖所有经管领域的优秀内容—-覆盖经济、管理、金融投资、计量统计、数据分析、国贸、财会等专业的学习宝库，各类资料应有尽有。

来自五湖四海的经管达人—-已经有上千万的经管人来到这里，你可以找到任何学科方向、有共同话题的朋友。

经管之家（原人大经济论坛），跨越高校的围墙，带你走进经管知识的新世界。

扫描下方二维码下载并注册APP

斯坦福大学博士后待遇，斯坦福大学博后条件，清华大学交叉信息研究院

基于演示进行学习是机器人习得新技能的有效方法，而更多的演示数据往往意味着更优的策略学习。视频常被视为是一种丰富的数据源，但由于缺乏动作标签，从视频中提取特定的控制信息极具挑战性。为解决这一瓶颈，高阳研究组提出了策略学习的任意点轨迹模型（Any-point ，ATM）斯坦福大学博后条件，通过预训练轨迹模型来预测视频帧内任意点的未来轨迹，从而利用视频为机器人提供演示。训练完成后在职研究生硕士，这些轨迹将提供详细的控制指导，实现以最少的动作标签数据学习鲁棒的视觉运动策略。该算法为小样本和跨具身（cross-）机器人学习领域提供了新视角。该论文被国际机器人顶级会议接收，并获得全数审稿人满分评价。

科研成果概要

在机器学习领域，从视频中提取特定的控制信息非常具有挑战性。现有利用视频学习策略的工作都是基于图像级别的视频生成博士后，这不仅计算成本高，而且生成结果较差。

针对这一问题，高阳研究组提出任意点轨迹建模（ATM），通过预训练轨迹模型来预测视频帧内任意点的未来轨迹，实现通过视频为机器人提供演示。与图像生成相比，点能自然地捕捉到物体空间移动的归纳偏差，并将物体运动与色彩和纹理分离开来斯坦福大学博后条件，清华大学交叉信息研究院，实现从人类到机械臂的跨具身一致性匹配。通过这些学习到的轨迹作为指导，机器人可以利用大规模无动作标签的人类视频演示中蕴含的先验知识，实现小样本动作标签演示数据训练鲁棒的机器人操作策略。

如视频中的真实机械臂操作实验所示，ATM利用大量人类视频训练点轨迹预测模型（第一行），经过极少量样本微调后可以成功泛化到机械臂运动控制任务上（第二行），成功解决可变形物体、多步任务和工具使用等困难的机械臂操作场景。视频中所预测轨迹的起始点为蓝色，终止点为粉色。

研究组在仿真器和真实世界机器人实验中均对该算法进行了评估，在超过 130 项以自然语言为条件的机器人操作任务中，性能显著超过现有最优视频预训练基线80%。此外，该工作还展示了从人类视频向机械臂操作的真机跨具身迁移学习效果。

该论文题为Any-point for 。文章共同第一作者为清华大学交叉信息研究院2020级博士生汶川、加州大学伯克利分校博后林星宇和斯坦福大学硕士生John So，其他作者还包括香港中文大学Qi Dou助理教授和Kai Chen博士。指导老师为加州大学伯克利分校 教授（通讯作者）和清华大学交叉信息研究院高阳助理教授。

: and (RSS)是机器人领域的国际顶级会议之一，自2005年起每年举办一次。该会议由机器人学会（IEEE and ）和机器人科学与系统学会（ of ）联合主办，旨在促进机器人领域的科学研究和技术应用的发展。该会议公认入选难度极高。

论文链接：

项目主页：

斯坦福大学博后条件，博后·复旦大学

复旦大学赵东元/孔彪团队招聘博士后

一、应聘者应具备的条件

（1）课题组希望招聘具有不同学科背景的博士后，欢迎具有以下背景（其一即可，但不限于）：在多孔功能材料、微纳马达、检测分析、化学生物学、能源存储与转换、光电化学等相关领域取得博士学位，并受过良好的科研训练的博士前来应聘；

（2）具有较好的独立从事科研工作的能力，执行力强，有强烈的科研热忱，有服务意识和团队合作精神，有敬业精神和职业道德；

（3）具有较好英文学术论文阅读写作能力，曾在国际重要学术期刊上以第一作者发表研究论文；

（4）身体健康，年龄原则上不超过35岁。

二、岗位待遇

（1）基础年薪20万/年；复旦大学提供两室一厅博士后公寓（约市场价一半）；

（2）根据学校政策子女可在复旦附属幼儿园、附小就学；协助申请上海市户口（含未成年子女）、并享受复旦大学规定的相关福利待遇；

（3）入站前/后，课题组积极推荐入选者申报复旦大学超级博士后（26-28万元/年）、上海市超级博士后（35+万元/年）、国家”博新计划”（40+万元/年）等；

（4）工作成绩突出者将有机会推荐到世界一流实验室开展研究工作。

三、合作导师简介

赵东元，教授硕士，博士生导师斯坦福大学博后条件，博后·复旦大学，中国科学院院士。主要从事介孔分子筛的合成、结构和应用研究，在 、、 、 、J. Am. Chem. Soc.、Angew. Chem.、Adv. Mater.等发表SCI论文600余篇，撰写专著2部。论文被引用7余万次（h指数133），被汤森路透社列为全球2011-2016化学、材料两个领域高被引科学家。获国家自然科学二等奖、IMMA成就奖、TWAS-科学奖、何梁何利科学进步奖、印度化学会Rao Award。任国际介观结构材料协会IMMA主席，国际沸石协会理事，现任国际刊物ACS 编辑，曾任英国皇家化学会 of 主编（-in-Chief），十几种国际重要刊物的编委、顾问编委。赵东元教授指导的博士有三位获全国优秀百篇博士论文，两位获全国优秀百篇博士论文提名奖。

孔彪，国家高层次人才特聘专家，国家重点研发计划首席科学家斯坦福大学博士后待遇，上海市高层次特聘专家，复旦大学研究员、博士生导师，国际系列刊物副主编。曾任美国斯坦福大学材料科学与工程系研究员，博士毕业于澳大利亚 大学与复旦大学获工学与理学双博士学位。孔彪研究员回国后组建超组装软界面智能材料与器件课题组，主要开展超组装软界面智能材料与器件组装及集成工作，面向超组装软界面仿生材料设计及组装、软界面智能传感与探测芯片集成、新型微型化可植入感知器件构建、高端医疗器械开发、新型微型化可植入新能源器件构建的研究和应用开发，致力于为传感检测、软界面电子光电子器件、仿生软界面储能器件等领域提供高效可持续的软界面智能材料及器件。已在 Chem.、Sci. Adv.、J. Am. Chem. Soc.、Angew Chem.、Adv. Mater.等期刊上发表高质量的学术论文近90篇，主持及参与国家重点研发计划、军委科技委基础加强计划重点项目等项目10余项。获科技部重点专项优秀青年奖博士，联合国工发组织科学技术进步奖，国家重点研发计划首席科学家、上海市自然科学一等奖、科学中国人年度人物杰出青年科学家奖、孔子教育基金会优秀科学家奖、中国分析测试协会科 学技术奖(CAIA 奖)一等奖等荣誉及奖励。

四、学校和研究平台简介

（1）复旦大学

复旦大学校名取自《尚书大传》之“日月光华，旦复旦兮”，始创于1905年，原名复旦公学在职研究生，1917年定名为复旦大学，是中国人自主创办的第一所高等院校。在QS世界大学排名中列全球第40位，复旦大学位列国内高校第3位。在学术影响力方面，复旦进入ESI世界前1%的学科领域数19个，位列中国大陆高校第2名（并列），其中，化学、材料科学、临床医学、药理学与毒理学进入全球1‰。在QS世界学科排名中，复旦有29个学科位列世界前100，总量在国内排名第三；五大学科门类均位居全球前100位，在中国大陆地区仅二所高校跻身此列。U.S.News世界学科排名中，有4个学科跻身世界前50，THE泰晤士高等教育世界学科排名中，1个学科大类跻身世界前50。在全国第四轮一级学科评估中斯坦福大学博后条件，5个学科获评A+，参评的学科中60%以上获评A类学科。此外有14个学科入选上海市高峰学科建设。

（2）化学系

复旦大学化学学科为国家重点一级学科，建有上海市分子催化和功能材料重点实验室、创新科学仪器教育部工程研究中心、上海市教委化学生物学重点实验室、 2011 能源材料化学协同创新中心（复旦分中心），化学教学实验中心为国家级教学示范中心建设单位。拥有各类教学和科研实验室约 1.8 万平方米，仪器设备总价值逾亿元。近年来斯坦福大学博士后待遇，斯坦福大学博后条件，清华大学交叉信息研究院，以能源材料化学和生命健康化学为研究重点，积极开展面向国民经济和社会发展的高新技术和应用开发研究。为科研工作提供强有力的支撑与保障。

（3）先进材料实验室

复旦大学先进材料实验室（科技创新平台）位于复旦大学江湾新校区，规划总建筑面积为40000平方米，一期工程23000平方米于2007年开始投入使用。平台由中国科学院院士赵东元教授任主任。平台构筑了性能先进、结构完善、功能强大的共享技术平台。目前装备了比较齐全的大型仪器，如核磁共振仪、高分辨透射和扫描电子显微镜、原子力显微镜、X射线单晶衍射仪、飞行时间质谱仪、瞬态/稳态荧光光谱仪、红外和拉曼光谱仪、喷墨打印薄膜制备系统、超高角度分辨光电子能谱仪系统等，为科研工作和人才培养创造了有利的条件和环境。

五、应聘材料

斯坦福19年博士，斯坦福发布2019全球AI报告：中国论文数量超美国，但论文影响力比美国低50%

【新智元导读】近日，斯坦福联合MIT、哈佛、等院校和机构发布了一份291页的”2019年度AI指数报告”。报告显示中国AI论文数量超美国，但论文影响力美国比中国高50%；AI人才辞去学术界教职进入产业界的速度加快；自动驾驶最受投资者的青睐…..

2019年已经接近尾声，今年AI发展如何呢？

近日，斯坦福联合MIT、哈佛、等院校和机构发布了”2019年度AI指数报告”。

这份长达291页的报告从AI的研究&发展、会议、技术性能、经济、教育、自动系统、公众认知、社会学原则、国家战略和全球AI活力九个方面分析了AI的发展。

同时还发布了两个工具：一个用于搜索AI研究论文的工具“ AI指数搜索引擎”，其目标是从ArXiv上发表的论文中自动、连续地跟踪技术指标；另一个是“ 全球AI活力工具”，通过34个指标比较了28个国家/地区的全球活动。

地址：

地址：

这份报告中有一个“ 人类级表现里程碑”（ Human-Level ）的清单，概述了人工智能在人类或超人层面上执行的游戏成就、精确的医疗诊断和其他复杂的人工任务。今年，有两项新的AI里程碑被列入该名单：

虽然AI的表现让人印象深刻，但 我们离通用人工智能还很远。正如报告中所言：千万不要过度解读这些结果，因为列表中的任务是非常具体的，这些系统也无法迁移到其他任务上，因此可扩展性有限。 换句话说： AI系统是一次性使用的工具，而不是人类的备用智能。

下面，我们为大家解读“2019年度AI指数报告”的亮点。

报告亮点抢先看：中国AI论文数量超美国，但论文影响力 美国比中国高50%

本报告共分9章，报告数据均基于本年度AI技术进步的重要相关部门的数据得出。总体来说，研究发现：

1、AI技术研发成果

从1998年到2018年，经同行评议的AI论文数量增加了300%斯坦福19年博士，斯坦福发布2019全球AI报告：中国论文数量超美国，但论文影响力比美国低50%，占全部期刊论文总数的3%，学术会议发表论文总数的9%。

中国学者发表的论文AI期刊和会议论文数量已于2006年超过美国，与欧洲数量相当。但在AI领域内论文引用的影响力上，美国比中国仍然高50%。

超过32%的AI期刊文章引用来自东亚地区，超过40%的AI会议文章引用来自北美地区。

2、AI学术会议

AI学术会议参会人数继续迅猛增长。 2019参会人数超过13000人，比去年上涨41%，比2012年上涨800%。AAAI、CVPR等顶会参会人数较去年均上涨了30%以上。

女性和代表性不足的群体参与度明显提升。今年，面向女性研究人员的WiML 参与人数是2014年的8倍。面向代表性不足群体的学术活动参与人数是2015年的20倍。

3、技术表现

过去一年半的时间里，训练云基础设施上的大型图像分类系统所需的时间已经由2017年10月的 3小时，缩短至2019年7月的 88秒。 训练成本也随训练时间相应下降。

NLP模型在大型测试数据集上的分类任务性能记录大幅提升。但在涉及推理任务和真人级概念学习方面的表现相对没那么亮眼。

2012年以后， AI算力提升速度超过了摩尔定律的预测，平均每3.4个月即翻一番。

4、AI投资与经济

在美国，与AI相关的工作职位发布数量占总量的比例由2010年的0.26%上升至2019年10月的1.32%，其中机器学习占比最高，为0.51%。与AI相关的劳动力需求在高技术服务和制造业领域增长尤其明显。

2019年全球私营部门AI投资总额超过700亿美元，其中与AI初创公司的投资超过370亿美元。

全球AI初创公司投资总额继续稳定增长斯坦福19年博士，由2010年的13亿美元增至2019年的404亿美元。年平均增长超过48%。

5、AI教育与就业

AI已经成为北美地区计算机科学博士生中最受欢迎的专业。2018年，全美计算机科学专业博士毕业生中，有21%为AI/ML方向。

产业界是目前AI人才流动最大的目的地。2018年，大约60%的AI博士毕业生进入产业界，选择进入产业界的AI博士毕业生人数，是选择进入学术界人数的2倍。

AI人才辞去学术界教职进入产业界的速度进一步加快。2018年有40人离职，2012年时仅有15人，2002年一人都没有。

6、自动驾驶系统的新进展

在2015年至2018年期间，在美国加州自动驾驶汽车行驶里程总数和路测企业的数量增长了七倍。2018年，加州为50多家公司颁发了自动驾驶车辆测试许可，行驶总里程超过200万英里。

7.对AI的公众认知

全球中央银行的通讯记录显示公众对AI的兴趣浓厚，尤其是来自英格兰银行，日本银行和美联储等。

在世界各国的国会记录，委员会报告和立法记录中，与AI有关的立法数量有了显著增加。

8.社会影响

在59份关于AI道德准则文件中，将 公平性，可预知性和可解释性确定为最常提及的道德上的挑战。

图表亮点汇总

图1.1 1998-2018年AI出版物在所有同行评审的出版物中所占百分比

图A1.1b 1998-2018年按国家的AI出版物在所有同行评审的出版物中所占百分比

图1.-2018年中国、欧洲、美国 的年度AI论文总量情况

图1.2b 1998-2018年 中国、欧洲、美国的AI论文的年度增长情况

图1.2a 1998-2018年中国不同来源的AI论文的年度增长情况

图1.2b 1998-2018年美国不同来源的AI论文的年度增长情况

图1.2b 1998-2018年欧洲不同来源的AI论文的年度增长情况

图1.3a 1998-2018年中国不同来源的AI论文的年度总数量情况

图1.3b 1998-2018年美国不同来源的AI论文的年度总数量情况

图1.3c 1998-2018年欧洲不同来源的AI论文的年度总数量情况

图1.4 1998-2018年中国、欧洲、美国的AI作者的FWCI

图1.5a 学术-企业合作的世界地图：AI论文总数

图1.62010-2019年arXiv上的AI论文数量

图1.7a arXiv上的深度学习的论文数量

图1.7b 2015-2018年 arXiv上不同国家的深度学习的论文数量排名

图1.7c 2015-2018年arXiv上不同国家的深度学习的每百万人口的论文数量排名

图1.8b 2015-2018年不同国家及地区的AI期刊总出版量和人均年均出版量

图1.10b 2015-2018年不同国家及地区的AI会议论文总出版量和人均年均出版量

图1.-2018年不同国家及地区的AI专利总量和人均专利数

图2.1a 1984-2019出席大型会议的人数

图2.1b 2012-2019年出席大型会议的人数增长情况

图4.2.2 2018年1月-2019年10月AI私人投资总额（10亿美元）

图4.2.4 2018-2019年世界 私人投资于 AI初创企业的细分领域占比情况

对于这份报告，你怎么看？