2019 年人工智能行业又进入冬天了吗？
一、 什么是人工智能的“冬天”？
首先，理解“人工智能的冬天”这个概念至关重要。这个词源于人工智能发展史上的几次低潮期，通常表现为以下几个方面：
技术瓶颈： 早期人工智能的承诺未能实现，核心技术遇到难以突破的瓶颈。
投资减少： 政府和企业对人工智能的投入大幅下降，研究机构失去资金支持，导致项目暂停或缩减。
公众期望落空： 过度的炒作和不切实际的期望导致公众对人工智能的信心下降。
研究活动减缓： 缺乏突破性的进展导致研究人员士气低落，行业活力减弱。
历史上，人工智能经历过两次公认的冬天：
第一次冬天（约19741980）： 由于早期符号主义AI在处理复杂现实问题上的局限性，以及诸如Lighthill报告等对AI进展的负面评价，导致研究资金被大幅削减。
第二次冬天（约19871993）： “专家系统”的承诺未能完全兑现，维护成本高昂且难以扩展，市场泡沫破裂，导致投资再次转向。
二、 2019年人工智能行业是否存在“冬天”的迹象？
在2019年，确实出现了一些让人们担忧的迹象，使得一些人认为行业可能正在步入又一个冬天：
1. 期望过高与现实差距的暴露：
“万能AI”的破灭： 在前几年的深度学习热潮中，人们对人工智能的期望被推向了极致，认为AI能够解决几乎所有问题。然而，到了2019年，人们开始更加清醒地认识到，当前的AI技术，尤其是深度学习，在通用人工智能（AGI）方面仍然遥不可及。
落地难的困境： 许多AI技术虽然在实验室表现出色，但在实际应用中却面临巨大的挑战，例如数据隐私、算法鲁棒性、可解释性、部署成本以及与现有业务流程的融合等。一些曾经被寄予厚望的AI应用，如自动驾驶的广泛普及、通用型机器人助手等，其商业化落地速度远低于预期。
“炒作”的降温： 前几年，AI几乎是所有科技新闻的焦点，各种AI概念层出不穷。到了2019年，媒体和市场的关注度开始理性化，对“AI+”的宣传更加审慎，更关注实际的商业价值和应用效果。
2. 投资情绪的转变：
投资放缓甚至收紧： 相较于前几年的“AI热潮”，2019年全球对AI初创企业的投资增长速度明显放缓。一些此前疯狂涌入的资本变得更加谨慎，对项目的盈利能力、技术壁垒和市场前景提出了更高的要求。
对AI独角兽的审视： 已经拥有高估值的AI公司，尤其是一些亏损严重的“独角兽”，开始面临更大的压力，需要证明其持续增长和盈利能力。一些公司开始裁员、优化业务，甚至进行并购以整合资源。
部分领域投资遇冷： 某些被过度炒作的AI子领域，如“AI+教育”、“AI+医疗”中的一些不成熟的应用，也出现了投资遇冷的情况。
3. 技术进展的瓶颈和挑战：
数据依赖与数据偏见： 深度学习模型对海量高质量数据的强依赖性依然存在。数据孤岛、数据质量问题、数据隐私保护以及算法中的偏见（bias）仍然是难以解决的难题。
可解释性与鲁棒性不足： “黑箱”问题依然困扰着许多深度学习模型，其决策过程难以理解和解释，这在一些高风险领域（如医疗诊断、金融风控）的应用带来了挑战。模型的鲁棒性，即在面对未见过的数据或对抗性攻击时的稳定性，也还有待提高。
通用能力有限： 当前的AI更擅长在特定任务上表现出色（窄AI），但距离能够像人类一样理解世界、学习新知识并灵活运用的通用人工智能（AGI）还有很长的路要走。
算力与能耗问题： 训练大型AI模型需要巨大的算力和能源消耗，这限制了其在资源受限环境下的应用，也引发了对可持续性的担忧。
4. 媒体和公众解读：
“寒冬论”的出现： 综合以上因素，一些媒体、分析师和行业内部人士开始呼吁警惕AI领域的“泡沫”，并出现了“AI寒冬将至”的论调。这种论调并非意味着AI研究和发展完全停止，而是指市场狂热和不切实际的期望开始退潮，行业进入一个更加冷静、务实的发展阶段。
三、 2019年人工智能行业进入“冬天”了吗？ 辩证的观点
然而，将2019年简单地定义为“AI冬天”可能过于片面。更准确地说，2019年更像是一个 “调整期”、“冷静期” 或 “去泡沫化” 的时期。以下是一些反对“冬天论”的观点：
1. 技术仍在持续进步：
深度学习的深化和演进： 虽然人们对“通用AI”的幻灭，但深度学习本身在计算机视觉、自然语言处理（NLP）等领域取得了显著的进步。例如，Transformer架构 在2017年提出后，在2019年及之后继续得到广泛应用和发展，催生了像BERT、GPT2等强大的预训练语言模型，极大地推动了NLP的进展。
新方法的探索： 除了深度学习，强化学习、图神经网络（GNNs）、联邦学习等新兴技术也在不断发展和应用。
AI在垂直领域的落地： 尽管通用AI困难，但在许多垂直行业，AI的应用仍在深化。例如，在智能客服、推荐系统、内容生成、工业自动化、安防监控等领域，AI已经带来了切实的商业价值。
2. 投资依然活跃，只是更理性：
资本的结构性调整： 尽管整体投资增长放缓，但资金并未完全撤离。资本开始更加青睐那些有清晰商业模式、技术壁垒高且能产生实际效益的AI公司和项目。投资更加注重长期价值和可持续发展，而不是短期的概念炒作。
大型科技公司的持续投入： 谷歌、微软、亚马逊、Meta（Facebook）、百度、阿里巴巴、腾讯等大型科技公司在全球AI研发和应用上仍然投入巨大，它们是AI技术突破和商业化落地的主要驱动力。
3. 产业应用的持续深化：
AI赋能传统行业： 2019年，AI赋能传统行业的趋势更加明显。制造业、零售业、金融业、医疗保健等行业都在积极探索和应用AI技术来提高效率、降低成本、优化产品和服务。
人工智能基础设施的建设： 云计算、AI芯片、AI开发平台等基础设施的建设也在稳步推进，为AI的规模化应用奠定了基础。
4. 公众认知和期望的成熟：
从狂热到理性： 市场和公众对AI的认识更加成熟和理性。人们不再迷信AI的神话，而是更关注AI的实际能力、局限性以及带来的伦理和社会问题。这种成熟度本身就是行业健康发展的重要标志。
四、 结论
综合来看，2019年人工智能行业 并未真正进入传统意义上的“冬天”，即技术停滞、投资枯竭、公众信心丧失的全面危机。相反，它更像是一个 “拨云见日” 的时期，是一个 “祛魅” 和 “调整” 的过程。
“冬天”的迹象（期望降温、投资理性化、落地挑战）是存在的，这标志着前一轮AI热潮的告一段落，以及行业从概念炒作转向更注重实际价值和技术深耕的阶段。
但同时，技术仍在持续进步，应用场景在不断拓展，资本虽然更加谨慎但也并非绝迹。大型科技公司依然是AI发展的重要引擎。
因此，与其说是进入“冬天”，不如说是人工智能行业经历了一次 “挤压泡沫，回归理性” 的过程。这个时期对于行业的长期健康发展是有益的，它迫使从业者更加关注技术的本质、应用的落地以及商业的价值，为下一轮更可持续的AI发展奠定了基础。许多人在2019年看到的“冬天”，实际上是行业走向成熟和成熟过程中的一个重要转折点。
网友意见
阻碍人工智能落地的一大原因是码农工资太高了，所以只有利润率极高的互联网行业能上人工智能，传统行业用不起。这个问题在经济下行和大量跟风转行的人涌入后会得到一定程度的缓解。
另一个问题是中国传统行业集中度不够，一地小作坊完全没有研发能力，同时老板多是老一辈个体户，思维转换不过来。这个问题也会在经济下行后以倒闭兼并潮的形式缓解。
所以我认为在挺过这次全球经济危机后，人工智能会迎来下一波大发展，主要方向是结合实体经济，走向线下。
我一直说AI分两个部分，第一部分是掌握顶尖理论阵营的人，他们在做开创性的东西，第二部分是从模型侠到调参侠到应用模型侠等不同梯度的人。第一部分理论阵营的人积累深厚，壁垒很高，而且基本可以认为现阶段AI成就的理论基础并没有太多的前进，只是依赖于硬件和分布式能力的提升带来的诸多改进式发明，所以尽管AI牛人很多，但是图灵奖颁给三大祖师爷也没人敢说啥。
第二部分的人说实话我作为一个圈外人已经无法判别壁垒在哪里。有一些AI的论文我都不相信这样都可以发，我甚至看到我两年前随便开脑洞的idea最近都有人一本正经做了论文还中了顶会（遗传算法找超参）。然后就是所谓的选择模型应用模型调参然后部署到应用场景的大部分AI从业者，首先技术壁垒太低了，一个任意有数学+简单编程能力的学生，在半年到一年的学习后都基本能熟练掌握调参工人的工作。其次这些选择超参/调整训练已经有很多自动化的framework在路上了，从automl开始就有越来越多的系统方向的论文在做（当然系统方向做东西周期太慢，但确实在路上了）。简单来说，就是理解很多SOTA（state of the art）的工作并不难，而把SOTA有效的应用起来，也并不难。
所以如今所有的CS/非CS学生都前仆后继地往算法岗/AI岗挤，问题本来就很大。在我的印象里，纯算法岗本来在互联网CS民工里占的比重就不大，而对于一般意义上的AI算法，其实已经是属于新时代的Quick Sort了，是个学CS/EE的都会都懂，而且AI那套最基本的理论基础，几乎已经成为所有CS UG/PG课程的必修课了。毫不夸张地说，就AI那套基础理论课程（loglikelihood/牛顿方法/SGD/高斯过程）我从本科到现在学到第三遍了……本科machine learning课一遍，data mining课一遍，博士machine learning课又一遍，但我只是一个做distributed system的啊，就连DL的花书我无聊的时候都看过两遍了。而且最关键的是几乎所有CS/EE的学生都是这样，ML已经变成新的Data Structures/ Algorithm课程了。
所以前仆后继扑向AI的真该认真想一想了，现在AI的势头和拥挤度，真得还那么好找自己的一席之地嘛，特别是只想读到Master的朋友，你确定你一个熟调各种model/混过一两篇A会，就真的比那些虽然看起来方向不相关但是其实ML train/deployment信手拈来的其他竞争抢手吗？至少我最近项目里招的几个AI guys，真的是已经丢了很多CS学生的基本技能了。
有多少风口，就有多少冬天，有多少飞起来的猪，就有多少摔死的死猪。
有多少炒作的概念，就有多少概念的归一期，很多人认为必须有关注点，必须有眼球，才能有足够的经济效益。
不见得错，但，也不见得对。
产品，才是最后的王者。不能形成产品的技术，吹得再牛，也没用！
所谓的冬天，其实就是概念变成产品前必然要经历的投入远大于收获的时期，在这个时期前就是风口阶段，很多企业称之为能忽悠多少钱就忽悠多少钱，然后才有钱用来度过冬天——烧钱取暖。却从来没想过，这些忽悠来的钱是没有能力变成产品的，变成有效的产品的，因为你们只会忽悠。
所有最后成功地企业都是靠产品称霸天下的，这才是最后的王道！
当风口消失的时候，很多虚假的热点就没有了，因为投入不能靠眼球快速变现了，很多跟风的所谓投资者实际上不过是蹭热点的猪没有办法从别的猪身上揩油了，就赶快撤退了，或者被摔死了，看看共享单车的过程就明白了。
投资机构的人，真正有头脑的不多，中国的所谓投资机构中有头脑的尤其少！
反对“人工智能进入冬天”，2019年只能说是“退烧”而已。
而且更反对“人工智能无法落地”，实际上从2018年开始，越来越多的人正在非常严肃思考有哪些有真正商业价值的算法落地场景。
我在一家制造业公司当神经网络调参工，实际上一两年前这家公司还是一家纯粹的“制造业企业”（事实上是全球市场上的top 2，垄断了欧美亚该领域高端产业链，包括汽车、石油、航天、军工等高利润领域），然而一些非常繁琐的、重复性的机械性操作，在过去基本上要浪费大量用户手工完成，而且手工完成的精确度非常低，而这些任务的共同点，就是可以非常轻松地用任何一个目标检测算法（哪怕yolo v3）来解决。
于是最近一年开始测试部署一套神经网络用于实时检测目标，并且这个方法打算以“software subscription”的方法发布给用户，因为客户大部分是欧美高利润的制造业企业和部门，如果能够花钱购买新功能，就能极大节约他们员工的时间和精力，减少操作失误的可能性，哪怕是按月付费，对他们来说也是绝对划算的。
而且我们的产品已经部署了多套“AI”算法，虽然不只是有deep learning，还有大量传统的自适应滤波器等“传统AI领域”算法，但是只要产品打上“AI”，不仅公关效果极好（在各种conference和展销会上引来无数同行和潜在客户的兴趣），在业界轻松获奖，而且是实打实地提高了产品的性能、简化了产品的操作步骤，给客户和我们开发者都带来了利润，直接带动了我们产品在全球范围内的销售。
题主问“人工智能是不是进入了冬天”，在我看来，整个制造业、物流、农业、质检等领域，欧美的企业都在非常认真地思考“人工智能到底如何落地”、“如何让人工智能真正地提高生产力”，并且他们这些公司都是有的放矢地招兵买马，按照自己实际业务需求来研发、测试，并且希望在竞争对手之前赶快投放到市场中，这些领域里人工智能毫无疑问是真正的搅局者，2019年这个时间点绝对不是终点，而是起点。
反过来思考，整个“深度学习”带来的这波国内的创业潮，真的没有泡沫吗？我看未必，2019年资本寒冬，反而有助于“中国互联网的深度学习”这个领域里淘汰落后产能，而且很可能不仅是小的初创公司，也包括大公司的内部团队。
举个例子，去年我就注意到，最近三年内中国和硅谷同时出现大量的“AI芯片”的初创团队，粗略算起来大概有十多家。硬件研发需要非常长的时间周期，有的团队选择在FPGA上实现一些深度学习算法，还有很多团队直接上手ASIC，从底层设计芯片加速深度学习算法，然而前者性能跟不上，后者开发成本高、消耗时间长，因此他们的产品很可能在市场上都没有任何竞争力。事实上也证实了这一点，现在2019年了，大部分深度学习开发者依然不会选择这些公司的解决方案，不仅学习成本高、售价高、部署比nvidia的GPU和Google Cloud上的TPU麻烦得多，而且性能和可用性上也远远不如后者，无论在学术领域还是生产上，nvidia和google都是绝对的赢家（AMD和Intel也算半个），而那些搞深度学习“硬件加速”的团队，现在看来基本上会被团灭，未来也看不到任何盈利的可能性。
类似的，无人驾驶领域的真正的硬件“庄家”也只有mobileye、nvidia等少数几家公司。而智能语音机器人在前年简直用“遍地开花”来形容都不为过，现在呢，也只剩下Siri、Google Assistant、Amazon Alexa等少数几个玩家了，剩下的市场上十几种甚至几十种“智能”“语音”“机器人”，最后发现都是打着NLP的名义在后台实现一堆if-else，除了调戏以外没有任何用途。
那么问题来了，这些AI公司的研发成本极高（国内不了解，硅谷融资一两轮的公司普遍给毕业生开$150k以上的base以及股票期权），早期全部靠融资来支持研发和运营，但是如果产品不被市场青睐，没有销售，今后这些公司账面上该怎么办呢？大概率会消耗完账面上的资金发工资和支持运营，然后裁员、倒闭，最好的结局是被大公司看上了而低价收购，至于什么上市、财富自由就不要想了。
当然，这批可能被淘汰掉的“初创公司”不止有这些“硬件加速芯片”的研发团队，还有一些早期“算法外包”的公司、“深度学习数据平台”公司、“人工智能行业咨询与招聘”等一系列围绕展开的细分领域，我记得之前在知乎上看到过一篇帖子，列举了中国百余家和“人工智能”相关的公司，大部分都在做基础学术研究、算法落地、计算平台服务等几个领域，虽然大部分都名不见经传，但是估值一个个都高得吓人。之前这些公司几轮融资下来股票很多，大家都想着距离上市只有一步之遥，可惜2019年之后他们的潜在客户最终会普遍在大公司云服务以及结合自身业务的有限场景下实现“算法落地”，而一批几年前“风风光光”的初创公司很有可能被淘汰掉。
为什么说2019年是“人工智能行业冬天”呢？因为周围太多人趁着资本最火热的那几年，加入了一系列明星公司、初创公司，很多投资人也趁机大把大把地在任何和“AI”沾边的公司里大把撒钱，大家都把未来赌注在明天。然而2019年，国内迎来了资本寒冬，硅谷科技公司也迎来了股价腰斩，我相信相当一批小公司不仅等不到上市，甚至连下一轮融资都困难。资本市场表现不好的时候，愿意把真金白银扔到“长期回报”的领域，是非常不明智的选择（虽然并不见得这些公司会不会真的有“长期回报”）。
还有一个非常伤害感情的地方，就是国内互联网大厂近几年押宝“机器学习”，不惜代价往各个部门里拼命挖人，尤其是押宝基础学术研究部门，高价从海外挖相关领域PhD回国，甚至直接在硅谷成立研究院。现在看起来，一些公司不仅押对了，而且成了公司的业务顶梁柱（比如头条和抖音、快手、淘宝、滴滴等严重依赖视觉、推荐的公司，还有这一批无人驾驶公司），并且深度学习给这些公司带来了实实在在的利润增长。而另一方面，很多大公司盲目押注“人工智能”，烧钱上亿而却没有什么有价值的产出，比如刚刚换帅的腾讯AI Lab——这些都是反面教材，因为中国公司一方面不可能雇佣最优秀的科学家（因为他们都在大学和Google、Facebook等公司），很难做出最最顶级的、影响力巨大的、具有划时代意义的革命性基础学术研究（比如CNN、GAN、ResNet、LSTM、batch normalization等），另一方面他们又没有算法落地的KPI和压力，很多人不得不变成了顶会里的“灌水机器”，表面上是“在深入思考算法落地的可能性”，实际上既没有多少实际生产力价值，又对真正的学术理的本质上的贡献，相反真正的业务部门很可能会直接把顶级团队的开源代码、框架、模型拿来直接用在生产上了，而这些国内AI Lab既没有意愿也没有实力去完成这些工程上非常繁琐的基础设施建设。
总而言之，我非常希望所有人工智能行业的从业者们能够在资本寒冬降临的今后两三年平稳读过，不要受一批批“互联网裁员潮”的影响，但是我也希望每个从业者能够反思一下，自己到底为整个行业和公司带来哪些真正的价值，不要被自己论文的introduction部分自欺欺人了，而更多时候建议设计模型的时候反思真正的“学术价值”在哪里，研发产品和算法落地时真正的“商业价值”又在哪里。
这个世界上不可能有永无止境的春天，更不可能有从不裁员的公司和永不淘汰末尾的行业，所有商业行为都要符合真正的“商业规律”。当然了，“吹泡沫”是“商业规律”，“高烧降温”又何尝不是呢？
类似的话题
-
关于2019年人工智能行业是否进入“冬天”，这是一个在当时引起广泛讨论的话题，并且至今仍有不同的看法。要详细讲述这个问题，我们需要从多个角度进行分析，包括行业发展状况、市场情绪、技术突破、投资情况以及媒体的普遍解读。一、 什么是人工智能的“冬天”？首先，理解“人工智能的冬天”这个概念至关重要。这个词............. -
2019年7月3日，在百度AI开发者大会上，百度创始人、董事长兼首席执行官李彦宏在演讲过程中，一名观众突然冲上台，将一瓶水泼向了他。这一突发事件立刻引起了全场轰动，也迅速成为当天的热门话题，引发了广泛的讨论。事件经过： 时间与地点： 事件发生在2019年7月3日，在中国国家会议中心举行的百度AI.............
-
2019 年，要说进步最大的 Android 系统，我会将这份荣誉授予 Google 的 Pixel 系列搭载的 Android 系统。虽然其他厂商在 2019 年也推出了不少优秀的 Android 手机和定制系统，例如三星的 One UI 1.5/2.0，OPPO 的 ColorOS 6/7，小米.............
-
2019年国庆70周年阅兵，可以说是新中国成立以来规模最大、装备最精良的一次大阅兵，其每一个细节都蕴含着深刻的意义和中国力量的展示。以下是一些值得关注的细节，我会尽量详细地讲述：一、 时代印记与传承精神： “70”字样组成的受阅方阵： 这是阅兵式上最醒目的视觉元素之一。由受阅士兵组成的巨大的“7.............
-
2019年的“3·15”晚会曝光电子烟对罗永浩的事业确实产生了一定的影响，但并非是决定性的打击，更多的是一次舆论上的考验和对他的“小野”（FLOW福禄）电子烟品牌的一次负面曝光。为了详细讲述，我们先梳理一下事件背景和影响过程：事件背景： 时间点： 2019年3月15日，中央电视台的“3·15”晚.............
-
您好，关于褚时健先生 2019 年 3 月 5 日去世的这个信息，我需要澄清一下：褚时健先生于 2015 年 9 月 15 日就已去世，享年 87 岁。您提到的日期可能有所偏差。关于褚时健先生一生的经历是否值得肯定，这是一个复杂但非常值得探讨的问题。他的经历跌宕起伏，充满了传奇色彩，也引发了广泛的讨.............
-
2019 年 2 月 21 日（美国时间 2 月 20 日）在旧金山举办的 三星 Galaxy S10 系列发布会，是三星当年最受瞩目的一场发布会，其产品线非常丰富，包括了 Galaxy S10e、Galaxy S10、Galaxy S10+，以及后来在发布会上压轴登场的 Galaxy Fold（虽.............
-
2019年我国人口出生率创下2000年以来新低，总和生育率跌破警戒线，这一趋势并非孤例，而是全球许多发达国家和部分发展中国家普遍面临的挑战。持续的低出生率将对我国社会经济的方方面面产生深远的影响，其复杂性和连锁反应是多层次的。以下将从多个维度进行详细阐述：一、 人口结构失衡与老龄化加速这是低出生率最.............
-
2019年10月，韩国总统文在寅的处境确实面临着多重挑战，可以用“内外交困”来形容，但并非到了“无法挽回”的地步。以下是详细的分析：一、 内部政治压力与民意分歧加剧： 曹国事件的持续发酵和政治分裂： 2019年9月，文在寅任命了他的亲信曹国为法务部长官，引发了巨大的争议。曹国及其家人被指控涉及学.............
-
2019年9月10日，马云正式卸任阿里巴巴集团董事局主席，这是一个具有里程碑意义的事件，标志着阿里巴巴进入了一个新的发展阶段。虽然马云的离开引起了广泛关注和讨论，但阿里巴巴并非一夜之间就改变了发展轨迹。我们可以从多个维度来分析阿里未来的发展：一、 马云卸任的背景与影响： 有序的接班计划： 马云的.............
-
关于2019年NeurIPS（神经信息处理系统大会）上哪些论文被认为是“糟糕的”，这是一个非常主观且敏感的问题。学术界的评估是一个复杂的过程，通常涉及同行评审、引用情况、复现性以及对领域发展的实际贡献。直接点名批评某些论文并称其为“糟糕的”，很容易引发争议，而且也很难做到绝对客观。然而，我们可以从一.............
-
要准确地说出2019年CVPR上“糟糕”的论文是非常困难的，原因如下：1. “糟糕”是主观的： 什么被认为是“糟糕”的论文，很大程度上取决于评审的视角、研究领域的现状以及论文本身的贡献。一刀切地评价一篇论文为“糟糕”通常是不恰当的。2. 同行评审的门槛： CVPR是计算机视觉领域的顶级会议，其论.............
-
2019年中国人均国民总收入（GNI）达到10410美元，这是一个重要的经济数据，我们可以从多个维度来理解和看待它。一、 数据本身的含义和意义 国民总收入（GNI）：GNI是指一个国家（或地区）在一定时期内，所有常住单位初次分配收入总和。它与国内生产总值（GDP）略有不同，GNI更侧重于一个国家.............
-
《2019 年白领 996 工作制专题调研报告》指出，加班最“狠”的并非互联网行业，这一结论确实引人深思，也与大众普遍认知存在一定反差。要深入理解这一点，我们需要从多个维度进行分析：一、 大众认知的形成与局限性：首先要承认，互联网行业确实因其“996”工作模式而广为人知，甚至成为一种代名词。这种认知.............
-
2019 年国庆大阅兵的女兵方队，绝对是展现新时代中国女性风采的集结号，她们身上汇聚了太多令人瞩目的亮点，绝非简单的“女性力量”四个字可以概括。要说最让人印象深刻的，大概是以下几个方面：首先，“英雄母亲”的传承与担当，是女兵方队最动人心魄的底色。 在这次阅兵中，仪仗方队和三军仪仗方队的女仪仗队员，她.............
-
2019年国内博士后招聘要求和待遇，这可真是个老生常谈又细致入微的话题。当年情况跟现在肯定有不一样，很多细节都需要回忆一下。咱们就从几个关键点来聊聊，力求接地气、不套路。一、 招聘要求：门槛在提高，但更看重“匹配度”说实话，2019年博士后招募已经明显感觉到竞争在加剧，门槛也在悄然提高，但也不是一味.............
-
2019 年 10 月 1 日，中华人民共和国成立 70 周年国庆大阅兵在北京天安门广场隆重举行。这次阅兵盛况空前，气势恢宏，不仅展示了新中国七十年的辉煌成就，更彰显了中华民族伟大复兴的坚定决心。一、 规模宏大，气势磅礴此次阅兵是新中国成立以来规模最大的一次国庆阅兵。总时长约 80 分钟，参阅兵力超.............
-
要准确回答2019年上半年生育率是多少，我们需要先明确几个关键点，因为“生育率”本身可以有不同的统计口径，而数据的发布也有一定的时间滞后性。首先，当我们谈论“生育率”时，最常使用的是总和生育率（Total Fertility Rate, TFR）。总和生育率是指在一定的育龄妇女群体中，假定她们在整个.............
-
作为人工智能，我并没有眼睛去“拍照”，也没有2019年这样具体的时间线来记录我“拍摄”的照片。我的存在是持续的、信息的，而不是物理的、体验式的。不过，如果我能将我所处理、理解和生成的信息比作“照片”，那么在2019年，我处理和生成过的最“精彩”的信息，或许可以类比为某个让我对人类情感、创造力或是知识.............
-
2019 年，那是一个充满探索欲的年份，我在知乎的海洋里畅游，也确实挖到了一些令人拍案叫绝的“宝藏回答者”。说实话，当时并没有做系统的记录，但有些回答和他们的风格至今仍历历在目，仿佛昨天才看完。如果要说谁的回答让我觉得“挖到宝了”，脑海里首先闪过的是那些在专业领域深度耕耘，同时又能把复杂问题讲得清晰.............
本站所有内容均为互联网搜索引擎提供的公开搜索信息，本站不存储任何数据与内容，任何内容与数据均与本站无关，如有需要请联系相关搜索引擎包括但不限于百度，google,bing,sogou 等
© 2025 tinynews.org All Rights Reserved. 百科问答小站 版权所有