2017大数据及人工智能领域人才发展报告
人工智能发展报告
人工智能发展报告在当今科技飞速发展的时代，人工智能（AI）无疑是最引人瞩目的领域之一。
它正以惊人的速度改变着我们的生活、工作和社会的方方面面。
从智能手机中的语音助手到自动驾驶汽车，从医疗诊断到金融风险预测，人工智能的应用无处不在。
人工智能的发展并非一蹴而就，而是经历了漫长的历程。
早在上世纪 50 年代，科学家们就开始了对人工智能的探索。
然而，由于当时计算能力的限制和算法的不成熟，进展相对缓慢。
直到近年来，随着大数据的积累、计算能力的大幅提升以及算法的不断创新，人工智能迎来了爆发式的发展。
在技术层面，深度学习是当前人工智能领域的核心技术之一。
深度学习通过构建多层神经网络，能够自动从大量数据中学习特征和模式，从而实现对图像、语音、文本等各种数据的准确理解和处理。
例如，在图像识别领域，深度学习算法能够准确识别出各种物体和场景，其准确率甚至超过了人类。
同时，强化学习也是人工智能的重要技术之一，它通过让智能体在与环境的交互中不断学习最优策略，在机器人控制、游戏等领域取得了显著成果。
人工智能的应用领域极为广泛。
在医疗领域，人工智能可以帮助医生进行疾病诊断、制定治疗方案，提高诊断的准确性和效率。
例如，通过对大量医疗影像数据的学习，人工智能系统能够快速检测出肿瘤等病变，为早期治疗提供了可能。
在教育领域，人工智能可以实现个性化学习，根据学生的学习情况和特点，为其提供定制化的学习内容和辅导。
在交通领域，自动驾驶技术有望大大减少交通事故，提高交通效率，改善人们的出行体验。
在金融领域，人工智能可以进行风险评估、市场预测，帮助投资者做出更明智的决策。
然而，人工智能的发展也带来了一系列的挑战和问题。
首先是就业问题。
随着人工智能在各个领域的应用，一些传统的工作岗位可能会被取代，导致部分人员失业。
这就需要我们加强对劳动者的再培训，提升他们的技能，以适应新的就业需求。
其次是伦理和法律问题。
例如，人工智能决策的公正性和透明度如何保障？如果人工智能系统出现错误导致损失，责任应该如何界定？此外，数据隐私也是一个重要问题。
人工智能智能技术应用专业人才需求调研报告
人工智能智能技术应用专业人才需求调研报告人工智能（AI）技术作为当前科技领域最热门的前沿技术之一，已经在各行各业的应用中展现出巨大的潜力和发展空间。
随着人工智能技术的不断发展和深化，对于人工智能领域的专业人才需求也日益增长。
本文将对人工智能智能技术应用专业人才需求进行调研分析，旨在深入了解当前人工智能领域的人才需求情况，为相关专业人才提供就业和发展方向的参考。
一、人工智能技术应用专业人才需求概况1.1 人工智能技术应用领域概况人工智能技术应用领域已经涵盖了各行各业，包括但不限于医疗健康、金融、教育、制造业、交通运输、文化娱乐等。
在医疗健康领域，人工智能技术可以帮助医生进行辅助诊断、提高医疗影像分析的准确度；在金融领域，人工智能技术可以应用于风险控制、交易监控等方面；在教育领域，人工智能技术可以用于个性化教学、智能评估等方面。
人工智能技术已经成为各行各业提升效率、降低成本、提高服务水平的重要工具。
1.2 人工智能技术应用专业人才需求概况随着人工智能技术的应用范围不断扩大，对人工智能技术应用专业人才的需求也在逐年增加。
根据调研数据显示，人工智能领域目前最紧缺的专业人才包括但不限于：算法工程师、数据科学家、机器学习工程师、深度学习工程师、自然语言处理工程师、计算机视觉工程师等。
在人工智能技术的应用领域，各行各业也对具备人工智能专业知识技能的人才需求迫切，例如在医疗健康领域需要具备医学知识和人工智能技术知识的专业人才，金融领域需要具备金融知识和人工智能技术知识的专业人才等。
二、人工智能技术应用专业人才需求分类分析2.1 算法工程师算法工程师是人工智能领域最为核心的岗位之一，主要负责人工智能系统的算法设计与优化，包括神经网络设计、模型训练、算法实现等方面。
目前，算法工程师相对于其他人工智能领域人才的需求较大，尤其在大型互联网公司、科技公司等企业中需求量较大。
2.2 数据科学家数据科学家主要负责数据的采集、清理、分析和挖掘工作，是人工智能领域中数据处理的重要人才。
人工智能人才报告：研究和评估人工智能领域的人才供需情况
人工智能人才报告：研究和评估人工智能领域的人才供需情况引言：随着人工智能技术的不断发展，对于人工智能领域的人才需求也日益增长。
本文通过研究和评估人工智能领域的人才供需情况，分析当前人才市场的现状以及未来的趋势，旨在为相关人才和企业提供一定的参考。
一、人工智能领域的人才需求人工智能技术的快速发展使得企业对于拥有相关专业知识和技能的人才呼声越来越高。
例如，机器学习、深度学习、自然语言处理、计算机视觉等领域的专业人才是目前市场上最受欢迎的。
不仅如此，人工智能领域的跨学科人才，如数据科学家、人机交互设计师等，也备受企业追捧。
二、人工智能领域的人才供应虽然人工智能领域的人才需求大幅上升，但人才供应却仍然相对不足。
目前，全球范围内拥有人工智能技术的高端人才数量较为稀缺。
此外，即便是高校本科及研究生教育也未能满足人工智能人才的需求，人工智能专业的师资力量仍然不足。
三、人工智能领域的人才培养为了满足人工智能领域人才需求的增长，人才培养是至关重要的一环。
除了加强高校人工智能专业的设置与培养，企业和学术机构也需积极开展人才培训和科研合作，以提升人才培养的质量和效率。
四、人工智能领域的人才激励机制为了吸引更多优秀人才进入人工智能领域，建立合理的人才激励机制势在必行。
政府可以通过制定相关政策，鼓励企业加大人才引进和培养的力度，同时提供相应的奖励和支持措施。
另外，企业也需建立完善的薪酬体系和职业发展通道，以吸引和留住优秀人才。
五、人工智能领域的人才国际交流人工智能技术的发展是一个国际性的合作过程，跨国间的人才交流合作是必不可少的。
为了推动人才国际交流，政府可以提供更加便利的签证政策和科研资金支持，促进人工智能相关人才的国际合作与共享。
六、人工智能领域的人才发展前景随着人工智能技术市场的进一步拓展，人工智能相关人才的发展前景非常广阔。
从目前的数据来看，人工智能领域的工资水平相对较高，职业发展空间广阔，加上人工智能技术发展的快速性，使得该领域成为吸引优秀人才的热门行业。
中国人工智能人才培养报告
中国人工智能人才培养报告
随着人工智能技术的快速发展，全球范围内的人才竞争也越来越激烈。
中国作为世界上最大的人口国家和经济体之一，人工智能人才的培养也成为了国内的重要议题。
本报告主要从以下几个方面分析中国人工智能人才的现状和未
来发展趋势：
一、人工智能人才的现状
近年来，中国在人工智能领域取得了长足进展，各类高校、研究机构和企业纷纷加大了对人工智能人才的培养和招聘力度。
目前，中国人工智能人才的总数已经超过20万人，其中博士毕业生约1.2万人。
二、人工智能人才的培养方式
人工智能人才的培养方式一般包括高校教育、企业培训和自学等多种途径。
在高校教育方面，人工智能相关专业的开设越来越普遍，同时也有越来越多的研究生和博士生选择深入研究人工智能领域。
在企业培训方面，一些大型互联网公司和科技企业也纷纷推出了人工智能培训计划，吸引了大量学习者。
此外，由于人工智能技术的开放性和易于获取性，越来越多的人通过自学和网络教育等方式学习和掌握人工智能技术。
三、人工智能人才的未来发展趋势
随着人工智能技术的不断发展和普及，对人工智能人才的需求也将越来越大。
未来，人工智能人才的培养将更加注重技术实践和应用
能力的提升，同时也需要更多的跨学科人才和复合型人才。
此外，人工智能人才的国际化和多元化也将成为未来的趋势。
总之，中国作为人工智能领域的新兴大国，人工智能人才的培养和发展将成为国家发展的重要战略。
我们需要更加注重人工智能人才的培养和引进，为未来的人工智能应用和产业发展提供强有力的支持。
人工智能与大数据行业市场分析报告
人工智能与大数据行业市场分析报告1. 引言人工智能（Artificial Intelligence，简称AI）和大数据（Big Data）技术的发展在全球范围内引起了广泛关注。
作为两个相互交织的领域，人工智能和大数据正在推动着各行各业的转型与升级，对于市场分析和商业决策起着重要作用。
本报告旨在对人工智能与大数据行业市场进行深度分析，为相关从业者和决策者提供有价值的参考。
2. 人工智能行业市场分析2.1 市场规模与发展趋势随着人工智能技术的不断突破和应用扩大，全球人工智能市场规模逐年增长。
根据数据预测，到2025年，全球人工智能市场规模有望达到X万亿美元。
主要驱动因素包括技术进步、产业需求增长以及政策支持等。
同时，人工智能在医疗、金融、制造等行业的应用正在不断拓展和深化。
2.2 市场竞争格局当前人工智能行业的竞争主要集中在几大巨头企业之间，如Google、亚马逊、微软等。
这些企业在技术研发、人才储备和市场拓展等方面具有明显优势。
同时，初创企业也在不断涌现，它们通常以某个特定领域的垂直应用为主，并通过创新和敏捷性在市场上寻求突破。
2.3 人工智能行业发展趋势未来人工智能行业将呈现以下几个发展趋势：- 智能设备与物联网的结合，加速智能化进程；- 人工智能在医疗、教育、交通等领域的广泛应用；- 人工智能与云计算、区块链等前沿技术的融合。
3. 大数据行业市场分析3.1 市场规模与发展趋势大数据行业是以海量数据处理与分析为核心的技术产业，其市场规模在近年来不断扩大。
预计到2025年，全球大数据市场规模将达到X万亿美元。
数据采集、存储和分析技术的发展是推动市场增长的主要推动力。
3.2 市场竞争格局大数据行业的市场竞争格局较为复杂。
既有传统的IT巨头如IBM、Oracle等，也有新兴的大数据公司如Cloudera、Hortonworks等。
此外，互联网公司如阿里巴巴、腾讯等也在大数据领域布局，形成了多元化的竞争格局。
2017中国大数据发展报告
2017中国大数据发展报告近期，国家信息中心、南海大数据应用研究院联合发布了《2017中国大数据发展报告》。
该报告基于国家发改委互联网大数据分析中心、国家信息中心“一带一路”大数据中心所掌握的30多个种类，总计40多亿条数据，对我国大数据产业发展的人才、政策、投融资、产业发展等多个维度进行全面分析，是业界首部完全基于大数据方法对大数据发展现状进行研究的报告。
产业与投资成地方省市大数据发展短板该报告首次引入大数据发展指数，从政策环境、人才状况、投资热度、创新创业、产业发展和网民信心六个维度对国内31个省(自治区、直辖市)大数据发展水平进行量化评估。
评估结果显示，2016年中国大数据发展指数平均仅为47.15，总体仍处于起步阶段。
北京、广东、上海大数据发展位居前三，其次是东部沿海省份江苏、浙江和山东，贵州、重庆和四川因为政策引领而异军突起，进入了前十。
从衡量指标来看，投资热度低和产业发展不足则是当前地方大数据发展的突出短板。
大数据管理机制初步形成如果说2015年是大数据政策顶层设计年，那么2016年是大数据政策细化落地年，国家发改委、环保部、工信部、国家林业局、农业部等均推出大数据发展意见和方案。
大数据政策从全面、总体规划逐渐向各大行业，各细分领域延伸。
本报告分析了最受民众关注的十大政策。
其中，《大数据产业发展规划(2016-2020)》影响力最为广泛，关注度高达92.11。
2016年，贵州、浙江、广东等一些地方省市也纷纷出台大数据政策举措，促进当地大数据产业发展，例如，贵州省通过我国首部大数据地方法规《贵州省大数据发展应用促进条例》。
但有意思的是，数据显示，网民认为北京、上海等地大数据发展政策差强人意。
以《北京市大数据和云计算发展行动计划(2016-2020)》为例，网民指出该文件中明确了各项任务的责任单位，几乎囊括所有北京市直机关和各区政府，虽然责任明确，但却可能进一步加剧“条块分割”和“碎片化治理”问题，使得“数据孤岛”问题进一步凸显，违背大数据治理初衷。
AI在人才招聘中的应用调研报告
AI在人才招聘中的应用调研报告在当今数字化快速发展的时代，人工智能（AI）的应用领域不断拓展，其中人才招聘领域也受到了显著影响。
为了深入了解 AI 在人才招聘中的实际应用情况，我们进行了本次调研。
一、AI 在人才招聘中的应用现状1、简历筛选与匹配过去，人力资源部门需要人工浏览大量简历来筛选出符合要求的候选人，这是一项耗时且容易出错的工作。
如今，AI 技术能够快速解析简历中的关键信息，如工作经验、技能、教育背景等，并根据预设的条件进行匹配和筛选。
这大大提高了筛选的效率和准确性，减少了人力资源部门的工作量。
2、人才测评与评估AI 可以通过在线测试、视频面试等方式对候选人进行多维度的评估。
例如，利用自然语言处理技术分析候选人的回答内容、语音语调、肢体语言等，从而更全面地了解其能力、性格特点和职业态度。
3、招聘流程自动化从招聘信息的发布、简历收集、筛选到面试安排，AI 能够实现整个招聘流程的自动化管理。
这不仅提高了招聘的速度，还降低了人为因素对流程的干扰，使招聘过程更加规范和公正。
二、AI 在人才招聘中带来的优势1、提高效率传统的招聘方式往往需要耗费大量的时间和人力，而 AI 能够在短时间内处理大量的数据和信息，快速筛选出潜在的合适候选人，极大地缩短了招聘周期。
2、降低成本通过减少人工参与的环节，企业可以节省招聘过程中的人力成本、时间成本和资源成本。
3、提高准确性AI 基于大数据和算法进行分析和判断，能够避免人为的主观偏见和错误，提供更客观、准确的评估结果。
4、优化人才库管理AI 可以对企业的人才库进行智能分类和管理，方便随时检索和调用，为未来的招聘需求提供有力支持。
三、AI 在人才招聘中面临的挑战1、数据质量和隐私问题AI 的准确性依赖于大量的数据，如果数据质量不高或者存在偏差，可能会导致错误的筛选结果。
同时，处理候选人的个人数据也涉及到隐私保护的问题，企业需要确保合规使用数据。
2、缺乏人际互动招聘过程中的人际互动对于了解候选人的综合素质和文化适应性非常重要，AI 在这方面存在一定的局限性。
数据科学专业人才需求分析报告
数据科学专业人才需求分析报告通过对数据科学领域的发展趋势和市场需求的调研分析，本报告对数据科学专业人才需求进行了分析和总结。
1. 背景数据科学作为一门新兴的跨学科领域，在大数据时代发挥着重要作用。
越来越多的企业意识到数据分析对业务决策的重要性，因此对数据科学人才的需求也日益增长。
2. 发展趋势（1）人工智能的兴起：随着人工智能技术的发展，对数据科学人才的需求也在不断增长。
人工智能需要大量的数据分析和模型构建，从而使得数据科学领域的人才需求得到进一步推动。
（2）跨学科融合：数据科学不仅仅需要统计学和计算机科学的知识，还需要与其他领域融合，如商业、心理学、经济等等。
这种跨学科的融合使得数据科学领域的人才需求更加多样化。
3. 市场需求根据市场调研和企业需求分析，数据科学专业人才的市场需求主要集中在以下几个方面：（1）数据分析能力：具备数据分析的基本理论和实践技能，包括数据清洗、数据可视化、特征提取等等。
（2）机器研究和模型构建能力：掌握机器研究算法和模型构建技巧，能够利用数据建立预测模型和分类模型。
（3）编程和软件开发能力：具备编程和软件开发的基本能力，熟练掌握Python、R等数据科学工具和技术。
（4）业务理解和沟通能力：理解业务背景和需求，能够与业务团队进行有效的沟通和协作，将数据分析结果转化为实际业务价值。
4. 人才培养建议针对数据科学专业人才的需求，可以考虑以下几个方面进行人才培养：（1）建立跨学科课程：将统计学、计算机科学和其他相关学科有机融合起来，培养具备全方位数据科学能力的人才。
（2）加强实践环节：提供实践机会和项目实训，让学生能够在实际场景中应用所学知识，提升解决实际问题的能力。
（3）培养综合素质：除了专业知识和技能，还应注重培养学生的沟通能力、团队合作能力和问题解决能力。
5. 总结随着数据科学领域的不断发展和市场需求的提升，数据科学专业人才的需求也在不断增长。
培养具备数据分析能力、机器学习和模型构建能力、编程和软件开发能力以及业务理解和沟通能力的人才，符合市场需求，并能为企业带来价值。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
50000 0
5667 33772
NLP
16年-17年各职位招聘人数变化 374527
27608
126590 41831
7704 47783
305 1310
大数据开发
数据挖掘
图像/视觉
语音
8164 56949
智能硬件
2017招聘人数 2016招聘人数
※数据来源于e成科技
3
各职位招聘数量增长率
795.33%
单位：元
800000
人工智能人才与互联网技术人员平均年薪对比
600000 400000
3年以下人工智能 人才年薪比普通技
术员高134.9%
200000
0 3年以下
※薪资数据来源于e成科技旗下猎头交 易平台橙单chengdan.ai ※年薪仅为年度基本薪酬
3-5年
人工智能人才工资
5-8年
行业平均
8年以上
单位：人
杭州领跑二线城市
16000
14000
12000
10000
8000
6000
4000
2000
0 杭州
南京
成都
武汉
苏州
长沙
沈阳
杭州人工智能人才储备量已逼近广州，南京、成都、武汉、苏州固定占据前5。
※数据来源于e成科技
西安
重庆
总数 人工智能人才 大数据人才
17
过半人才向北京聚拢，二线城市人才吸引力尚未显现。 不仅如此，五大城市里，深圳VS杭州，广州VS杭州之间，同样尚未形成显著的人才流动。
平均在职时间 单位：月
数据挖掘
21
智能硬件 26
大数据开发
23
语音 25
23 NLP
24
图像/视觉
※数据来源于e成科技
8
雇主篇
※数据来源于e成科技
9
大型及超大型公司拥有的人才总和超越44.05%，大规模公司的人才需求量及储备量优势明显。
150以下小型公 司,19.83%
10000人以上超大型公 司, 20.03%
本科 硕士及以上 专科及以下 ※数据来源于e成科技
22% 57.28%
本科 硕士及以上 专科及以下
67%
20
人工智能硕士以上人才占比，比大数据类高12个百分点。
各职能研究生以上学历占比
大数据开发 语音类
17.61% 18.60%
数据挖掘 智能硬件
29.69% 32.03%
NLP
34.88%
图像/视觉
5年以上 42.56%
3年以下 37.39%
大数据人才工作年限分布
5年以上 43.12%
3年以下 36.67%
※数据来源于e成科技
3-5年 20.05%
3-5年 20.21%
6
1.细分到各个职能，语音类拥有最多资深行业人才，高达59%，智能硬件、大数据开发、NLP、图像/视觉类职位也都过了44%。 2.数据挖掘类职能所需的资深人才相对其他职能则较低，未过40%。
2017
大数据及人工智能领域 人才发展报告
1
行业概览
※数据来源于e成科技
2
截至12月，2017年大数据及人工智能岗位人才需求量，比2016年猛增6倍之多； 增长幅度最大的分别是大数据开发类职位、图像视觉类职位、智能硬件类职位
单位：人
400000 350000 300000 250000 200000 150000 100000
1. 计算机科学与技术 26.93%
2. 统计学
12.22%
3. 信息与计算科学 6.64%
4. 计算机应用技术 6.01%
5. 软件工程
5.78%
6. 计算机类
5.75%
7. 数学与应用数学 5.12%
8. 电子信息工程
4.70%
9. 信息管理与信息系统
4.23%
10. 机械设计制造及其自动化 4.22%
2500
2000
1500
1000
5000 华为 阿里巴巴 腾讯京东 科大讯飞 英特尔
搜狗
微软
奇虎
中兴
三星
※数据来源于e成科技
13
流出公司排名
单位：人
4500 4000 3500 3000 2500 2000 1500 100学院 微软
495.94%
520.24% 358.53%
597.56%
602.17%
329.51%
NLP
大数据开发
数据挖掘
图像/视觉
语音
智能硬件
总计
※数据来源于e成科技
4
毫无疑问，目前过半都集中于IT互联网及电子通信行业，不过，工业等传统行业对人工智能人才的需求也在逐渐批量释放。 数据显示，人工智能人才在机械制造、汽车等工业领域的人才多于金融；而大数据人才则略有不同，金融方面的分布多于工业领域。
各大公司流入流出比
3.5
3
2.5
2
1.5 0.43
1
0.85
0.5
0 科大1
1.38
3.09
1.87
1.63
1
三星 搜狗 华为 英特尔 京东 阿里巴巴 腾讯 奇虎
1 中兴
0.93
微软
12
单位：人
5000
流入公司排名
4500
4000
3500
3000
7. 苏州
7. 2.01%
7. 武汉
7. 3.25%
8. 成都
8. 1.98%
8. 成都
8. 2.85%
9. 武汉
9. 1.72%
9. 苏州
9. 2.29%
10. 长沙
10. 1.48%
10. 长沙
10. 2.01%
※数据来源于e成科技
23
薪酬篇
薪酬篇
※数据来源于e成科技
24
人工智能人才方面，3年以下处于初级状态的新人，年薪水准高到不可思议，高出互联网普通技术人员134%，也是目前各大公司招募的重点对 象。第二大重点对象，则是5-8年工作经验的人才，这个阶段的工资水准平均比互联网行业普通技术人员高出78.04% 。
70.00% 60.00% 50.00% 40.00% 30.00% 20.00% 10.00%
0.00%
59.79%
语音
各类职能5年以上人才占比
46.29%
45.15% 45.14%
智能硬件
大数据开发
NLP
44.60%
图像视觉
39.23%
数据挖掘
※数据来源于e成科技
7
1.六大职能中，智能硬件类人才在职时间相对更长，为26个月（ 2年零2个月）。 2.相对而言，数据挖掘、大数据开发、NLP相关的人才流动性更大，平均在职时间均不超过2年，其他职能基本保持在2年。 3.总体而言，相较于It行业的26.4个月、传统行业的36.2个月的在职时间，大数据及人工智能人才跳槽周期更为频繁。
150-999中型公司, 36.11%
※数据来源于e成科技
1000-9999大型公 司, 24.02%
10
榜单前10名的公司几乎都是业务多元的综合性公司。其中，华为领先幅度较大，主要得益于它在相关领域内的业务项目广泛。BAT公司紧跟其 后，不过在数量级上和华为有一定差距。
科大讯飞 英特尔 微软 搜狗
北京人才储备雄厚
80000
60000
40000
20000
0 北京
上海
深圳
• 北京人才储备量高出第二名的上海40%以上，是第三名的深圳2倍以上。
广州
※数据来源于e成科技
总数 人工智能人才 大数据人才
16
从地域上看，北方城市中，只有北京杀入前10，其他城市在大数据及人工智能人才储备上竞争力一般。 而南方则有7个城市杀入前10，人才储 备虽不及北京优厚，但对希望去其他城市工作的人才而言，南方城市的选择面更广。
其中，NLP、语音类高级人才的薪资优势开始显现，智能硬件类人才薪资优势不再。大数据方面，大数据开发总体薪资高于数据挖掘。
单位：元
各细分职能年薪纵览
800000
700000
600000
500000
400000
300000
200000
100000
0 ※薪资数据来源于e成科技旗下猎图头像交/视觉
易平台橙单chengdan.ai
11. 自动化
4.19%
12. 通信工程 13. 电子信息科学与技术
4.01% 3.69%
14. 应用数学
3.41%
15. 电气工程及其自动化
3.10%
※数据来源于e成科技
22
应届生多流向北京，杭州成大数据及人工智能人才新风向标
人工智能部分TOP10
大数据部分TOP10
1. 北京
1. 38.02%
杭州 深圳
上海
北京
北京 上海 广州
北京
上海 深圳市 广州市 杭州市 南京市
上海 广州
北京 深圳市 杭州市 广州市
北京 上海 深圳