WhitePaperof

2021AICompetition

2021人工智能競賽白皮書

數據科學協同平臺

03前言

04第一章人工智能競賽是數字經濟創新發展的重要推

動方式

05一、人工智能競賽是人工智能技術創新、應用發展的重要推動方式，

CONTENTS受到各國政府高度重視

05二、人工智能競賽是各地人工智能產業創新發展的重要實現方式

08三、人工智能競賽為各行業數字化轉型創新持續輸出動能

10第二章人工智能競賽是敏捷的數據探索與應用創新

方式

11一、數字化轉型成本高昂，暗藏諸多風險

12二、整合關鍵創新要素，快速實驗創新應用

14三、低耗高效可持續，生態化創新動能不斷

17第三章人工智能競賽幫助促進高校的學科交叉與產

研融合

18一、促進高校加強學科建設與學科交叉

19二、推動科研機構加速產研融合與技術發展

21第四章選手眼中的人工智能競賽

22一、為什么參加人工智能競賽

23二、希望通過參賽收獲

24三、認為競賽對自己的意義

241.自我效能感

242.內部滿足感

253.外部報酬

26第五章組織人工智能競賽的挑戰

27一、對競賽復雜性的調研結果

271.主辦方對競賽有高預期

282.參賽者對競賽有嚴要求

30二、人工智能競賽的運營復雜度詳解

301.數據科學項目管理，支撐賽事成果有效性

332.保障賽事相關方體驗需要面面俱到

37第六章如何組織一場人工智能競賽

38一、人工智能競賽的關鍵要素

39二、人工智能競賽的必備條件

391.貼合實際場景的需求分析和賽題設計

402.審慎的數據籌備與質量管控

413.科學有效的競賽成果評價機制

434.平衡成本和效率的計算資源管理與配給

45三、人工智能競賽的八大保障

451.數據脫敏、防泄漏等安全保障

472.公平公正嚴防作弊的競賽環境

493.參賽選手享有流暢的閉環體驗

514.云端競賽環境突破本地配置局限

515.數據科學平臺與賽事管理系統的應用

536.即時高效的賽程運營與服務響應

547.多種針對性的輔助活動保障

558.數據科學人才社區提供人才保障

56第七章覆蓋多領域的人工智能賽事案例

57賽事導航

58一、政府賽事

63二、科研賽事

67三、產業賽事

73四、高校賽事

78第八章人工智能競賽生態版圖與競賽平臺

80和鯨社區

80阿里云天池

80華為云大賽平臺

81DataFountain

81DataCastle

82Kaggle（國外）

83第九章人工智能競賽的五大趨勢與展望

84一、獎金投入意愿攀升，參與規模穩增

85二、數據紅利可期，數據投入姿態積極

85三、教育投入與日俱增，數據人才能力躍升

87四、應用場景不斷擴散，標桿行業優勢初顯

88五、商業數字化趨勢漸強，有賴技術創新落地

89六、人工智能競賽驅動的創新生態展望

91附錄

第一章

人工智能競賽是數字經濟創新發展

的重要推動方式

一、人工智能競賽是人工智能技術創

新、應用發展的重要推動方式，受到

各國政府高度重視

二、人工智能競賽是各地人工智能產

業創新發展的重要實現方式

三、人工智能競賽為各行業數字化轉

型創新持續輸出動能

人工智能競賽是數字經濟創新發展的重要推動方式05

一、人工智能競賽是人工智能技術創

新、應用發展的重要推動方式，受到

各國政府高度重視

在國家層面，人工智能競賽助力數字經濟創新發展，突破重點技當前，全球多個國家發布人工智能國家戰略，并在戰略中指明應

術瓶頸，推動人工智能產業高質量發展。2017年7月，國務院加強人工智能競賽、合作研討，實現本國人工智能技術的重大突

印發《新一代人工智能發展規劃的通知》，人工智能正式上升至破，并通過競賽方式促進人工智能解決方案的開發，恢復本國經

國家戰略層面，此后各類關于加快推進數據應用的政策相繼出臺。濟增長。部分國家政府部門牽頭組織競賽，成果解決人工智能相

可以看到，在國家宏觀政策的大力推進和堅實支持下，大數據、關的科學和工程問題。

云計算以及人工智技術的不斷迭代和成熟正在催生日漸規模化、

可以看到，以人工智能競賽作為載體，以問題為導向，以人才為

網絡化和生態化的內生驅動的生態經濟體，其基礎都在于借助算

抓手，匯聚人工智能領域的各界科技創新力量和智慧，在共同推

法和算力實現對數據價值的洞察。人工智能競賽活動是人工智能

動人工智能+產業發展，加快算法產業化進程中起到重要作用。

技術創新、產業應用實踐、賦能數字經濟改革創新的重要方法。

人工智能競賽作為人工智能賦能數字經濟改革創新的重要手段和

通過組織各類人工智能競賽活動可匯聚各方技術力量，共同研究

窗口，也越來越受到各國的高度重視。

突破關鍵技術瓶頸，解決人工智能技術應用落地難點，并提升公

眾對人工智能技術的認知。

二、人工智能競賽是各地人工智能產

業創新發展的重要實現方式

我國各省、市貫徹國家創新驅動戰略，結合各地人工智能產業特覆蓋從學生教育、專業技術人員，到行業專家的不同類型競賽活動，

色，舉辦各類人工智能創新、創業大賽，推動人工智能技術在各既促進人工智能技術的普及，又面向具有應用價值的場景，探尋

行各業的應用創新及成果轉化，匯聚人工智能專業人才，促進地技術解決方案。

方人工智能產業發展。多地舉辦面向不同人群的人工智能競賽，

助力政府實踐產業落地和建設數據創新生態

在“大眾創業、萬眾創新”的號召下，在政府資金、政策和轉型更廣等特征，其應用領域遍布城市管理的方方面面。為了探索數

決心的支持下，政務部門在大力倡導政務管理數據化、智能化的據科學在城市管理中的應用可能性，政務機構較為偏好開放性的

同時，也成為了有序開放優質公共數據資源、釋放公共數據紅利產品方案賽題。具有明顯的行業標簽，如教育局、交通局、氣象局等，

的引領者，為建設數據創新生態建設提供著政策支撐和資源支持。賽題應用場景多與其自身行業標簽一致；而沒有明顯行業標簽的

政務機構，如人民政府，其賽題場景則非常廣泛。

如何借助數據科學建設智慧城市，是政務機構面對的重要問題。

政務部門的數據積累具有數量更大、來源更多、質量更好、緯度

人工智能競賽是數字經濟創新發展的重要推動方式06

圖1-1政務部門類賽事主辦方的賽題場景分布和技術類型分布

7.2%

21.4%

40.0%

31.4%

數據來源：和鯨科技（）經調研統計得出。引用請注明出處。

人工智能競賽是數字經濟創新發展的重要推動方式07

表1-1人工智能競賽對科研機構的價值總結

人工智能競賽的亮點價值

融合豐富的資源支持

前沿科研進展

開辟創新的科研價值探索路徑

與工業界進行緊密合作

產研交流

促進了跨學科領域產研交流

釋放前沿科研的實用價值

科研標桿

樹立起前沿科研成果創新應用探索的標桿

數據來源：和鯨科技（）經調研統計得出。引用請注明出處。

案例特寫：醫療大數據Datathon——產研協作樹立醫療數據創新應用的標桿

賽事主辦方：中國醫院協會醫學工程專業委員會/《中國醫療設備》雜志社

2019年第四屆PLAGH-MIT醫療大數據Datathon于11月在北京召開。這一數據實踐活動最初由麻省理工大學團隊和

哈佛醫學院團隊發起，由中國人民解放軍總醫院率先將該模式引入國內，旨在融合海量醫療數據物基礎上，匯集醫療專

家、數據科學家、統計分析師等不同知識背景和專攻技術領域的參與者，利用真實的醫療數據，通過組隊協作以項目競

賽的形式解決臨床醫學面臨的眾多問題和未滿足的醫療需求。

通過跨學科合作競賽的創新模式，Datathon激活了海量醫療大數據的實用價值，成為數字化創新趨勢下高效、敏捷、

低耗的練兵場——前期的訓練營階段集合了醫療、數據、計算機等不同學科背景的人士，組織進行專業知識的互通交流

和學習，快速打通專業壁壘；在正式競賽階段，不同背景的參與者通過優勢互補的組隊構成了數字化創新的基礎組織單

元，在競賽環境中協作挖掘醫療數據的應用潛力、探索解答臨床實踐中遇到的問題，為如何開展醫療大數據研究提供了

新思路。

迄今為止，醫療大數據Datathon已在全球范圍內持續組織了40余場，歷年賽題方向廣泛，涉及了影像報告的自動語

意分析與信息提取、基于急診大數據的急性高乳酸血癥短期治療效果預測評估模型構建的研究、以及消化道出血發病風

險與氣象條件之初步探究等豐富的內容，有效推動了醫療大數據的實踐應用落地。

Datathon為醫療研究提供了一個突破時空、地域、文化和學科限制的創新協作平臺，項目成果的開源共享和不同觀點

的激烈碰撞促進了數據和技術在臨床醫療領域發了更廣泛、更持續的創新價值。

掃描上方二維碼

——《科學·轉化醫學》期刊評論了解更多賽事詳情

案例特寫：“萊斯杯”全國第二屆“軍事智能機器閱讀”挑戰賽——軍事領域的前沿科研探索

賽事主辦方：中電萊斯信息系統有限公司

中電萊斯作為我國軍事科研的重要力量通過人工智能競賽積極探索NLP（自然語言處理）的前沿發展，賽題內容將NLP

技術應用于對真實中文文本段落的閱讀理解，要求參賽選手訓練的算法模型能夠基于對多篇文章的內容定位和深度理解，

為測試集中給定的問題找到最優答案。

人工智能競賽將語料庫數據、NLP技術和人才加以串聯，并提供了云計算資源和協作開發工具等基礎設施，以閱讀理解

與推理問答的競賽成果為基礎，創造性地探索了AI技術在軍事場景的應用價值，將有望顛覆以往情報整編工作以人工

分析提煉為主的模式，逐步實現由機器替代繁瑣、重復性情報整編業務流程。作為中國在軍事領域進行AI創新探索的掃描上方二維碼

了解更多賽事詳情

標桿案例，該人工智能競賽也將加強中電萊斯對于中文語料庫建設的信心。

人工智能競賽是數字經濟創新發展的重要推動方式08

三、人工智能競賽為各行業數字化轉型創新持續輸出動能

在各類人工智能競賽活動中，賽事匯聚產學研各領域專家，實現以問題為導向的產學研協同創新。通過舉辦選撥各行業優秀的人工智能

創新應用方案，加速形成各細分領域的人工智能應用共識和標準。

圖1-2不同發展周期的前沿技術在各行業場景中的應用分布備注：以下數值為各行業應用AI前沿技術的總指數得分，從左到右依次排名

GPU

數據來源：和鯨科技（）制作。引用請注明出處。

人工智能競賽是數字經濟創新發展的重要推動方式09

伴隨著技術水平的日趨成熟，越來越多的行業開始嘗試融入信息及發現誤差后能夠進行敏捷的優化調整。

技術，技術落地也成為數字化創新的首要目標。組織機構希望加

因此，人工智能競賽為數據驅動的技術創新落地和數字化轉型升

入數字化轉型的趨勢性浪潮，然而，數字化卻面臨著諸如抗拒改

級提供了充沛的生產力。例如，近年來知名度提升的國際蛋白質

變的文化氛圍、有限的分享和協作、業務尚未準備就緒、人才短缺、

結構預測競賽（CASP）由馬里蘭大學的JohnMoult教授和加州

現有實踐不適宜進行數字化、以及成本投入巨大等多方面的挑戰。

大學戴維斯分校的KrzysztofFidelis教授聯合創建的國際性比賽，

對絕大多數組織機構而言，推進數據科學項目耗時漫長、所費不旨在評估、促進和確認最佳的蛋白質結構預測手段。2018年，

貲。從集思廣益提出創意，到通過審慎評估形成切實可行的方案，DeepMind開發的第一代AlphaFold首次參加CASP并且拔得頭

繼而投入大量尖端人力進行算法開發，成果新鮮出爐后投入現實籌。而2020年，新一代的AlphaFold2在CASP中的表現更為

場景加以應用驗證，再到確定其效果與回報后推行全面部署——驚艷，其評估結果比2018年提升了，被媒體譽為“解決生物學

每一個環節都會牽涉到大量資源的協調投放與各方利益訴求的平50年來的重大挑戰”。

衡，更少不了富有預瞻性的戰略判斷、科學專業的運營管理、以

圖1-32006-2020年CASP比賽中最佳蛋白折疊預測系統的評分表現

MedianFree-ModellingAccuracy

100

ALPHAFOLD2

80

60ALPHAFOLD

GDT

40

20

0

CASP7CASP8CASP9CASP10CASP11CASP12CASP13CASP14

20062008201020122014201620182020

CASP

圖片來源：DeepMindBlog

進而可以看出，在行業層面，人工智能競賽在實現以問題為導向的產學研協同創新，選撥各行業優秀的人工智能創新應用方案，以及加

速形成各細分領域的人工智能應用共識和標準方面都能夠發揮重要作用。

第二章

人工智能競賽是敏捷的數據探索與

應用創新方式

一、數字化轉型成本高昂，暗藏諸多風險

二、整合關鍵創新要素，快速實驗創新應用

三、低耗高效可持續，生態化創新動能不斷

人工智能競賽是敏捷的數據探索與應用創新方式11

作為賽事主辦方，通過人工智能競賽可以提升數據資產的利用價值、挖掘高質量數據人才、征選優質的人工智能應用方案、以及構建自

身的開放創新的數字化生態，在這些方面人工智能競賽都有著得天獨厚的優勢，可以把它看作為是一種敏捷的價值探索與應用創新的手

段。

一、數字化轉型成本高昂，暗藏諸多風險

數字化創新需要不同的技能、工作實踐、組織模式甚至是文化。要讓一個為結構化的、有序的、面向流程而設計的組織，變成為生態系統、

適應、學習和實驗設計的組織，是非常困難的。——Gartner研究副總裁MarcusBlosch

推進數據科學項目每一環節都面臨著諸多難題

數據科學項目的推動需要經歷一系列艱難全面部署

環節，但凡有一環節出現遲滯或脫節，都有

可能導致重大損失，或在瞬息萬變的數字化

時代喪失創新發展的先機。應用驗證

算法開發-全面部署成本高

-模型時效性強，優勢很

快喪失

-回報周期長

形成方案-效果與預期有出入

-測評方式不科學

-應用效果反饋周期長

提出創意-數據儲備不足、質量差

-技術實現難度大

......

-創意天馬行空無法

收斂

-落地難度大

-落地成本高

-創意盲區

......

-創新動力不足

-創意是實情割裂

......

人工智能競賽是敏捷的數據探索與應用創新方式12

二、整合關鍵創新要素，快速實驗創新應用

引領企業進行技術落地場景的創新探索

企業舉辦人工智能競賽的核心訴求，是挖掘潛在的創新方向和應分析2014年至今國內的400場人工智能競賽發現，企業在所有

用場景。通過人工智能競賽的舉辦，企業打造出了充分融合數據、人工智能競賽主辦方中占比高達67%，金融、通信、文娛傳媒、

算法、人才、算力等各項創新要素的標桿案例，以賽題要求切入，交通運輸和電子商務是發起人工智能競賽數量最多的五大行業領

讓創新探索過程更加具象、創新探索結果更加明確，為企業的數域，合計占比高達75%。企業最為偏好結構化數據挖掘類賽題

字化投入建立信心。（47.4%），其次是計算機視覺（21.6%）。具體來看，金融行

業賽事主辦方的賽題場景相對發散，除金融關聯領域外，亦涉及

同時，人工智能競賽作為數據研發的縮影，也成為了企業積累數

電子商務、交通出行、農林養殖業、新零售等“金融+”場景。

據科學能力的實驗室。在貼近真實業務場景的競賽環境下，為可

通信行業在5G技術的商用趨勢與產業互聯的影響下，還會關注

復用的數據科學方法論指導賽事設計與運營，厘清數字化轉型的

安防、交通、旅游、人文、社會治理、及文娛傳媒等“萬物互聯”

目標與路徑，把握數據科學項目的生命周期，更加有的放矢地制

和“智慧城市”等相關領域。

定策略。

圖2-1企業類賽事主辦方的賽題場景分布和技術類型分布

7

數據來源：和鯨科技（）經調研統計得出。引用請注明出處。

人工智能競賽是敏捷的數據探索與應用創新方式13

人工智能競賽連接起的每一項要素都在數字化創新中扮演著不可?通過競賽培養和積累的核心能力也讓獲取數據科學研發經驗和

或缺的重要角色：云計算資源和數據科學協同開發工具是基礎設制定競賽制度與標準的邊際成本不斷減少；

施，人才和AI技術是生產力，數據是基礎生產資料，環環相扣的

?規模日益巨大的數據科學人才在向競賽輸入其專業能力和創造

創新效果通過以賽題承載的應用場景得以直觀呈現。以人工智能

力的同時，也在獲取持續的實踐訓練和成長，人才聚集和培養

競賽為中軸，匯聚起更多的人才、組織起更頻繁的跨學科領域交流、

成本得以壓縮；

涉足更廣泛的技術面，積累更全面更優質的數據，從而帶來更加

?社區為交流互動提供了發聲地，工具為團隊合作提供了功能保

敏捷高效的創新探索和性能突出的創新成果。

障，協作不再成為難點。

與收益不斷高企相伴的是成本的逐步下跌：

?創新的巨輪一旦轉起，就會越來越快，最終開拓出更多有效果

?由競賽催動的規模經濟促使基礎設施的研發成本不斷攤薄；

有價值的應用場景，實現令數字化價值指數級增長的飛輪效應。

兼具性價比、敏捷性、持續性的人工智能競賽帶來數字化價值指數級增長的飛輪效應

人工智能競賽是敏捷的數據探索與應用創新方式14

三、低耗高效可持續，生態化創新動能不斷

競賽低耗高效可持續，創新探索敏捷化

各類組織機構不懈探索更簡單、更便捷的數字化戰略，根據保有100%的信心推動數據科學項目成功著陸之前，人工智能競

Gartner在2017年發布的數字化戰略調研報告，在眾多數字化創賽在性價比、敏捷性和持續性等方面表現突出，不僅有利于低成

新手段中，人工智能競賽依然具有相對較高的成功率。因為在確本的發展策略試驗和排錯，亦能充分積累數據科學實戰經驗。

數字化創新方法投入對比

·性價比：人工智能競賽創造了化繁為簡的環境條件，在更加緊·敏捷性：傳統的數據科學項目受限于團隊人數和團隊精力，信

湊的周期內，能夠直接感受推動數據科學創新和技術落地的步驟息反饋也往往需要較長的周期。而人工智能競賽由于其特殊的賽

與方法。無論是自行成立數字化研發中心，還是與產業同行進行馬機制，模型迭代的速度和對于數據的利用效率往往遠高于常規

戰略合作，往往首先需要在IT基礎設施上有巨大投入，而在競賽的數據科學項目。作為缺乏前車之鑒的創新之舉，推進數據科學

環境里，賽事主辦方往往只需要承擔一個業務負責人的角色，與項目總少不了反復的試驗和排錯，傳統方式下的每一次試驗往往

競賽運營平臺溝通其創新訴求，配合輕量級的付出即能夠獲得賽因投入巨大可能導致決策者投鼠忌器。但籍由人工智能競賽以更

事運營團隊和數據科學研發人員的專業服務與支持。經濟的投入換取更快速的反饋，便為多輪連續驗證創造了空間，

實現了敏捷的創新。

人工智能競賽是敏捷的數據探索與應用創新方式15

·持續性：以人工智能競賽為契機，加強企業、高校和科研機構、研協同打通了渠道、樹立了標桿，為可持續的技術創新應用探索

政務部門之間廣泛深入的合作，促進多方資源的整合與聯通，既提供了基礎設施平臺，市場價值必將迎來指數型增長。

是促進產教融合的數據科學人才培養模式變革的創新之舉，也為

圖2-2不同數字化創新方式的成本、耗時和成功率對比

數據來源：和鯨科技（）制作。引用請注明出處。

人工智能競賽是敏捷的數據探索與應用創新方式16

表2-1人工智能競賽對企業的價值總結

人工智能競賽的亮點價值

技術落地應用場景探索，挖掘潛力項目

創新探索檢驗AI投入與建設效果，優化創新戰略

壓縮試錯成本，敏捷迭代創新思路和方向

打造AI技術和云計算資源的應用標桿案例

技術應用標桿加強數據資產的積累、治理與應用

提升技術投入信心

數據科學能力積累推動數據科學自研的核心能力

建立跨學科背景人才的交流學習機制

產研交流

多元思維碰撞，保持與最新技術趨勢的同步性

企業形象將數字化建設成果與社會進行及時的分享

樹立起科技驅動、AI持續投入的前沿形象

數據來源：和鯨科技（）經調研統計得出。引用請注明出處。

各類賽事主辦方的數字化創新需求與難點通過人工智能競賽得到了滿足

人工智能競賽

第三章

人工智能競賽幫助促進高校的學科

交叉與產研融合

一、促進高校加強學科建設與學科交叉

二、推動科研機構加速產研融合與技術發展

人工智能競賽幫助促進高校的學科交叉與產研融合18

一、促進高校加強學科建設與學科交叉

促進高校加強學科建設與人才培養

在國家相關政策的鼓勵和推動下，越來越多的高校開始進行數據的人才參與競爭和交流學習，探索將理論知識轉化為實踐應用，

科學的學科建設和人才培養。高校學科建設需要持續的資金投入幫助人才在競賽場景中以賽促學，幫助人才認識理論學習、基礎

和資源配套，數據相關專業仍缺乏成熟的學科建設經驗，學生則知識的意義與重要性。

需要充足的優質數據、功能完備的工具平臺和貼近實戰的場景來

在此背景下，高校圍繞技術熱點、學科建設以及創新應用三個方

進行實踐——這一系列問題都是困擾著高校的現實困難。

向進行賽題的策劃，廣泛涉及社會服務、工業制造、旅游、生物

人工智能競賽作為高校推進大數據相關學科建設的重要手段，將科技、網絡安全和醫療健康等多個行業，以加強學生的理論和技

教學、科研、實訓深度結合，以賽題的形式發布，廣泛吸引校內能在多元場景下的應用能力。

圖3-1高校類賽事主辦方的賽題場景分布和技術類型分布

9

數據來源：和鯨科技（）經調研統計得出。引用請注明出處。

人工智能競賽幫助促進高校的學科交叉與產研融合19

由于人工智能賽事涉及的賽道非常廣泛，除了計算機相關的專業關的學科背景。對于擁有多領域人才的高校和科研機構而言，涉

外，還可能需要材料科學、電氣工程、自動化工程、通信工程、及到多領域的人工智能賽事對于不同學科的交流以及交叉學科融

數學等學科的專業知識，甚至還有部分賽道需要航天工程、測繪合研究與教學都有極大的促進作用。

與地理、物理學、醫學、人文與社會科學等與計算機科學不太相

表3-1人工智能競賽對高校的價值總結

人工智能競賽的亮點價值

理論學習與演練實踐相結合

實踐學習加強學生鍛煉實效，檢驗人才培育效果

優化教學和人才培養方式

探索如何將理論知識轉化為實踐應用

學科建設

打造學科建設的標桿案例

數據資源接觸到更真實、更優質、更具時效性的產業數據

展示高校的學科資源和教學成果

高校形象

樹立重視學科建設與人才培養的形象

數據來源：和鯨科技（）經調研統計得出。引用請注明出處。

二、推動科研機構加速產研融合與技術發展

推動科研機構加速產研融合與技術發展

科研機構是技術研究與探索的引領者，也是數字化轉型的推動者。獲得了持續的社會關注和資源支持。

基礎研究、應用研究和開發研究是科研系統中三個緊密相連的重

科研機構的賽題技術方向和應用場景富有前瞻性，集中于和自身

要環節，三者協調統一的發展才能夠真正實現科研成果的價值轉

行業背景屬性相同的場景中，地質、水利、氣象、傳媒是較為常

化。

見的賽題場景。

在人工智能領域，人工智能競賽為這個過程的進化創造了條件，?基礎研究：為技術發明創造理論前提的

集中了數據、人才等必要的基礎要素，提供了跨學科領域的交流?應用研究：在理論基礎上針對特定目標進行研究

環境。同時，前沿科研的實用價值通過競賽被釋放、被感知，也?開發研究：將基礎研究和應用研究成果投入生產實踐

表3-2人工智能競賽對科研機構的價值總結

人工智能競賽的亮點價值

融合豐富的資源支持

前沿科研進展

開辟創新的科研價值探索路徑

與工業界進行緊密合作

產研交流

促進了跨學科領域產研交流

釋放前沿科研的實用價值

科研標桿

樹立起前沿科研成果創新應用探索的標桿

數據來源：和鯨科技（）經調研統計得出。引用請注明出處。

人工智能競賽幫助促進高校的學科交叉與產研融合20

圖3-2科研機構類賽事主辦方的賽題場景分布和技術類型分布

7

7

數據來源：和鯨科技（）經調研統計得出。引用請注明出處。

第四章

選手眼中的人工智能競賽

一、為什么參加人工智能競賽

二、希望通過參賽收獲

三、認為競賽對自己的意義

選手眼中的人工智能競賽22

一、為什么參加人工智能競賽

競賽離不開人才的參與，那么人工智能競賽對于參賽選手有哪些協作等能力，培養技術與跨領域認知策略，提升人才綜合素質。

價值，他們參與競賽的動機和意愿是又什么？通過面向逾千名選

3.交流學習：由具體的賽題和充滿探討交流氛圍的競賽學習環境，

手的調研中發現，選手報名參與競賽的動機主要有如下幾方面：

助力人才拓展人脈，建構知識與人際關系的連接。

1.實戰經驗：參與競賽可以接觸業界實際的業務場景與真實數據，

4.報酬獎勵：一般競賽都有不菲的賽事獎金和并提供工作機會，

助力人才累積相關技術在具體行業場景下的應用經驗。

在人工智能競賽中取得的成績也日益成為證明個人能力的權威背

2.技能提升：競賽過程中能極大鍛煉工程實踐，復雜分析，團隊書，對促進人才職業發展與財富積累頗有裨益。

圖4-1調研對象對于各項人工智能競賽收獲訴求的重要性評價

05001000150020002500

數據來源：和鯨科技（）經調研統計得出。引用請注明出處。

選手眼中的人工智能競賽23

二、希望通過參賽收獲

圖4-2不同水平調研對象對于各項人工智能競賽收獲訴求的重要性評價

根據在人工智能競賽中的排名表現，調研對

象被劃分了黃金玩家、白銀玩家和青銅玩家

三大類。大家對人工智能競賽的訴求在呈現

出一定程度上的一致性之外，也在某些具體

內容上有細微的差異：

?黃金玩家依然把賽事獎金列為最大訴求，

也遠比其他人更加倚重通過競賽拓展人脈

和加強交流學習；

?相對入門的青銅玩家則更加看重能通過競

賽接觸數據和獲取工作機會。

數據來源：和鯨科技（）經調研統計得出。引用請注明出處。

選手眼中的人工智能競賽