腾讯云AI能力矩阵和人工智能的发展趋势和行业岗位

腾讯云AI基础建设包括，AI基础能力，算法+工程。AI基础平台，机器学习平台 TI-ONE，数据标注平台TI-DATATRUTH。AI应用平台，应用服务平台TI-Matrix。
AI行业应用：金融、工业、零售、教育、泛互。

腾讯云AI基础算法能力
人脸人体基本能力、车辆技术布局、文字识别技术、产业场景等，细化包括人脸检测、五官定位、人脸识别、人脸验证、RelD技术、车辆搜索、多目标检测、车辆属性识别、货架商品等，以及图像视频理解编辑增强、车辆AI研究、工业视觉、OCR、语音识别等。

人工智能的未来发展趋势
1、自动机器学习的自动化程度和可解释性逐步提升，机器学习每个环节都自动设计过程，推动新一代AutoML平台的建设，大众化，AutoML，全称自动化机器学习（Automated Machine Learning），神经网络NAS已经与人类专家相比较，但是设计过程还是人工在干预。
2、无监督/弱监督学习逐步成为企业降本增效利器，不使用和少使用标签，降低深度学习对标签的依赖，AI企业从迅速扩张到高效稳定运营，无监督/弱监督学习的实现，是好途径。
3、3D视觉技术助力消费升级，淡化虚实边界，3D直播带货、舞台演出、教育互动，未来内容新方向，虚拟现实、增强现实、混合现实，未来虚实融合。
4、多模态融合加速AI认知升维，AI发展的必然趋势，图像，自然语言处理的信息模态综合利用，从感知智能迈向认知智能，从图文等实质性模态，扩展到物理关系、逻辑推断、因果分析等。
5、AI推动数字内容生成向新范式演进，AI+数字内容生成，深度耦合，释放更大的科技势能，引擎级影响力，内容、技术、平台，生成新范式。
6、边缘计算与人工智能加速融合，硬件能力提升，边缘端实现深度学习，边缘端计算要满足：低模型复杂度、小模型尺寸、低模型消耗——适配不同硬件的模型压缩和优化技术，是未来的研究热点。
7、人工智能内核芯片向类脑神经计算方向演进，内核芯片向脑神经构造接近，获得类神经计算能力，定制型内核芯片演变为通用型，实现不同人工智能技术在不同任务上的计算。
8、算法公平性研究推动AI走向普惠无偏见，决策工具，公平性受到重视，人工智能治理——算法公平性，目标识别、人脸识别等，更公平。
9、隐私保护，帮助算法可持续进化，走向成熟，数据匿名化、联邦学习、差分隐私等。金融、医疗、社交，让算法可以进化。
10、向安全智能迈进，算法后门攻击、对抗样本攻击、模型窃取攻击等，带来隐患，可用、可信双轨并重。

人工智能的产业岗位分布
金字塔：源头创新人才（行业领军人物，推动技术创新和实现）、产业研发人才（前沿理论和实践结合）、应用开发人才（工具和行业需求结合，提供解决方案）、实用技能人才（理解理论，掌握基本方法）。
智能芯片人才，智能芯片架构设计、逻辑设计、物理设计、软件系统开发、系统验证。
机器学习人才、深度学习人才、智能语音产业人才、NLP、CV等。

人工智能典型岗位对能力的要求
综合能力：需求分析，问题解决，从具体抽象出解决方案
专业知识能力：背景知识，理论基础，计算机网络结构、数据结构、机器学习、深度学习等。
技能能力：编程语言，前后端开发。
工程实践能力：项目开发经验，快速选择算法，设计，算法调优。