人工智能竞争以顶级人才为根本。作为国家未来的发展方向,AI技术对于经济发展,产业转型和科技进步起着至关重要的作用。而AI技术的研发,落地与推广离不开各领域顶级人才的通力协作。在推动AI产业从兴起进入快速发展的历程中,AI顶级人才的领军作用尤为重要,他们是推动人工智能发展的关键因素。
因此,上至发达国家政府,下至科技巨头AI创业公司,无不将AI视为提升自身的核心竞争力的根本性战略。能够引领AI发展的顶级人才,环顾全球,尚不足千人,自然成了供不应求的抢手货。
能够引领AI发展的顶级人才,环顾全球,尚不足千人,自然成了供不应求的抢手货。
然而,人工智能领域人才分布极不平衡,全球AI领域人才约30万,而市场需求在百万量级。
其中,高校领域约10万人,产业界约20万人。
全球共有367所具有人工智能研究方向的高校;
每年毕业AI领域的学生约2万人,远远不能满足市场对人才的需求。
在这种供需极其不平衡的形势下招募团队,大公司比小公司有优势,国际巨头公司比大公司有优势,在某种意义上,国家比国际巨头还有力量。
美国人工智能领域的人才无论从数量、质量都要远超其他国家,虽然中国政府已经将人工智能上升到国家战略层面,但是仍然不能立即改变我国AI人才供需严重不平衡的现状,对此,我国应从政府,企业,高校,协会多种途径实现我国人工智能领域三步走的目标。
第一篇 美国主导下的全球AI人才发展现状
第1章 全球AI人才发展概况
当前,上至发达国家政府,跨国互联网巨头,下至研究机构、AI创业公司,无不将AI视为提升自身的核心竞争力的根本性战略,并预期AI将深刻改变人类社会生活、改变世界。
在国家战略布局方面,许多国家均有战略部署。其中,美国、中国、英国和日本各有特色。美国布局完备,领先各国一大步;中国则聚焦战略发力,积极扩充人才规模;英国则稳步推进,力求争先;而日本希冀通过机器人战略,打造超智能社会5.0。
▌1.1 四国AI战略布局对比
美国在AI战略方面布局完备,体现了高度的战略前瞻性,领先各国一大步。
首先,美国从顶层设计入手,规划了比较完备的人工智能发展战略。其次,美国政府设立专职负责机构,推动人工智能落地。再次,美国在AI人才方面举措超前,构建了完备的不同层次的人才梯队。
中国提出AI发展规划,谋求成为世界中心。中国政府将人工智能上升到国家战略层面。2017年7月,国务院印发《新一代人工智能发展规划》,明确指出新一代人工智能发展分三步走的战略目标,到2030年使中国人工智能理论、技术与应用总体达到世界领先水平,成为世界主要人工智能创新中心。
英国要成为最适合发展和部署AI的国家。英国在人工智能道德标准及政府监管研究领域一直表现积极, 英国政府2013年就将人工智能列为八项伟大的科技计划。2017年10月15日英国政府发布了报告《在英国发展人工智能》,目标是使英国成为世界上最适合发展和部署人工智能的国家。
日本推行机器人战略,提出超智能社会5.0(略)。
▌1.2 全球AI高等教育对比
科技的发展核心之一在于研发人才的数量和水平,而这一条件取决于国家的人才培养体系,即教育系统。完善系统的教育体系能够为科技发展强力续航,提供源源不断,规模庞大的专业人员和研究人员。
目前,全球共有367所具有人工智能研究方向的高校,AI领域的人才数量约有10万人。其中,有6000多名AI领域的学者,以及7万余名AI相关专业在读硕博研究生以及其他。每年AI相关领域硕博毕业生约2万名。
在这367所高校中,美国拥有168所,占据全球的45.7%,独占鳌头,加拿大、中国、印度、英国位于第二梯队。
人工智能领域学术能力排在世界前20的学校中,美国占据14所;排名的前八个席位都为美国所占据。雄厚的学术研究实力,帮助美国在人工智能领域取得了首屈一指的地位。而其他国家,在学术能力上与美国差距巨大,如何发展AI教育,是值得思考的问题。
第一,高校AI专业设置:国内高校的AI起步较晚
第二,国外高校AI专业招生:关注理科素质,综合评判
第三,国外高校AI课程设置:计算机科学是基础
▌1.3 全球AI产业人才分布
目前,全球人工智能领域中,产业人才约20万人,大部分分布在各国初创企业和科技巨头中。
从国别来看,AI产业人才主要分布在美国、中国及其他国家的企业中。
以在初创企业工作的AI人才为例来看。截至2017年6月,全球人工智能初创企业共计2617家。美国占据1078家居首,中国以592家企业排名第二,其后分别是英国,以色列,加拿大等国家。
其中,美国1078家人工智能初创企业约有78700名员工,中国592家公司中约有39200位员工,只有美国的50%。
美国人工智能初创企业主要以1-10人和10-50人的团队为主,这种小型团队共759个,占据全美的70.41%,是美国AI初创公司的主力军;中国人工智能初创企业主要是10-50人的团队,总量384个,占据全国的64.86%。可以说,美国的小型创业团队规模比中国小。在需要同等技术的情况下,美国团队的平均能力和可创造价值高于中国团队。
由于AI产业大量的核心技术和资源掌握在科技巨头企业手里,因而引领AI产业发展的人才,除了高校,很多也聚集在科技巨头中。
在AI人才队伍建设方面,科技巨头内部出现了一些新变化,例如,专门设立AI研发团队,传统研究院也正向AI研究院转型,面向产品和技术应用项目的团队不断涌现。
各巨头还将挖掘AI人才的触手伸向了国外。例如拥有多伦多大学、蒙特利尔大学等AI研究重镇的加拿大,吸引了大量AI人才聚集,因此,谷歌、微软和Facebook先后在加拿大成立了AI实验室或办事处。
第二篇 全球AI顶级人才全景图
据估算,目前,全球AI研究及直接从业者约有30万人,主要分布在高校、AI新兴企业、科技巨头以及其他领域。其中,高校约10万人,产业界约20万人。
从这30万人中,我们筛选出其中各领域顶尖人才近千人进行了较为详细的调查和统计后,筛选出有代表意义的人才进行了“画像”,包括:学术领域204人,领先企业81人,科技巨头50人,投资人24人。
第2章 四大领域顶级人物画像
▌2.1 学术领域:顶级学者画像
筛选的一个重要指标是,他们自2006年至今,在人工智能领域顶级会议上发表过30篇以上论文,以及其他指标。
从统计来看,这些学者分布于全球4个大洲12个国家的53所高校,其中位于美国的学者最多,占总数的63%。
其中,有35位华人,占总数的17.2%,他们之中又有12位任教于清华大学、北京大学、上海交通大学、香港科技大学等国内高校。
就研究领域而言,这204位学者有的研究偏底层的机器学习、人工智能算法,也有的研究与现实应用更为贴近的计算机视觉、自然语言处理、机器人等方向。
2.1.1年龄:活跃学者以中青年为主
对比研究各领域学者年龄可知,人工智能、计算机视觉、机器学习、自然语言处理这四个领域学者年龄差距不大,而研究机器人的学者年龄偏大。
2.1.2性别:女性比例极低
在学者性别方面,男性学者在AI领域占比远超女性学者,男女学者比例约为7:1。女性学者主要集中在美国、加拿大以及英国。
虽然女性占比较少,但所取得的成就却巾帼不让须眉。例如MIT计算机科学和人工智能实验室(CSAIL)主任Daniela Rus,在机器人领域尤其是自动驾驶方面做出了杰出贡献。
2.1.3地区:主要分布于北美(略)
地区分布上,学者主要分散在北美、欧洲、中国、日本、新加坡、澳大利亚等国家。
2.1.4教育经历:学者们多毕业于CS四大名校
统计学者的毕业学校,发现他们100%都拥有博士学位,而他们之中的大部分都毕业于美国高校。其中从卡耐基梅隆大学、斯坦福大学、加州大学伯克利分校、麻省理工大这CS四大名校学走出的学者比较集中。
2.1.5专业背景:98%的学者拥有CS或EE博士学位(略)
2.1.6学界与业界:学界业界联系紧密
在AI的细分领域中,学者人数最多的领域是机器学习,其次是计算机视觉、机器人和自然语言处理。总体而言,学者越来越多地拥有双重身份:一方面在学校进行研究,另一方面也服务于企业,为人工智能领域做出更贴近产业的贡献。在其中,有52名学者在企业界担当首席科学家、技术总监等职位,有17名学者创办过自己的公司。可见人工智能领域学界和企业界联系紧密。
▌2.2 领先企业:顶级企业家画像
领先企业的数量和体量,也是衡量一个国家产业发展水平的重要标准。
从全球领先的人工智能企业出发,我们筛选出49家全球领先的人工智能企业作为分析主体,包括两家上市企业,独角兽企业,部分被巨头收购的AI创业公司和人工智能转型公司。他们的融资额均在一亿美元以上。
这些带领公司构成了全球人工智能产业的金字塔尖的企业级画像如何?
2.2.1全球超过一半领先企业诞生在美国
美国拥有领先企业数量位居第一,共有26家,占据总量的53%;
中国位居第二,拥有12家,占据总量的24%。总体来看,中美两国处于发展的第一梯队,与其他国家拉开较大差距。
2.2.2 创业场上80后独领风骚
顶级企业家的年龄相对年轻。约50%的企业家年龄不超过40岁,其勇气和魄力可见一斑。44%的人年龄分布在40岁到60岁,只有不到6%的全球领先企业创始人年龄在60岁以上。
2.2.3国籍:中美企业家数量最多,美国优势明显
从企业家的国家分布来看,81位企业家中拥有美国国籍的有43位,占据了一半以上,中国国籍的有17位,位于第二,英国有6位,位于第三。华人数量一共20位,约占总人数的1/4,华人在AI全球领域扮演着重要的角色。
2.2.4 高知云集,超过2/3的硕博占比(简)
▌2.3 科技巨头:顶级实验室负责人画像
科技巨头公司的研发团队是一股不容忽视的力量。我们从全球十大科技巨头中,统计了21个实验室,总计50位负责人。他们中超过90%的人拥有博士学历,男性为主占据总体90%,并且74%的人年龄在50岁上下。
2.3.1 AI巨头研发团队(略)
在收录人才水准在一定标准线之上的情况下,企业搜集的研发人才越多,研发能力就越强。
数据说明:以上仅为估算值
2.3.2 AI研发团队负责人画像
✦ 男性占绝对优势,60后和70后是主力军
巨头企业AI技术负责人中男性以90%的比例占绝对优势,且1960年代和1970年代出生的人为主力军(分别占36%和38%)。这不难理解,60后和70后在38-57岁之间,正当创造力和经验合力最好的年龄;而50后的资深人士渐渐退出工作一线; 80后年轻人才因欠缺团队管理经验而领导力不足。
✦ 中国人和美国人居多,英国人、印度人、法国人也不少
按出生地统计,巨头AI团队负责人的主要出生国家为中国(32%)和美国(26%),两国人数超过了总体的一半以上。另外,英国人(8%)、印度人(8%)、法国人(6%)的占比也显著高于其它国家。
但美国对AI人才的吸引力远高于中国。在中国工作的AI团队负责人的出生地全部为中国;而在美国工作的中国人却为数不少。
▌2.4 投资人
2.4.1 富有远见的投资机构
截至2017年,全球AI领域投资规模前13名的投资机构均由中美两国独占,其中中方占有4家投资机构,占总量的30.77%,美方占有9家投资机构,占总量的69.23%。单从投资机构数量上来看,美国投资界对AI领域的关注度要大大超越中国,显示其更加看好AI领域的发展前景。
AI领域投资规模前三名分别是IDG资本、创新工场、AME Cloud,其中IDG资本在AI领域的投资规模占到各个机构投资总额的25.6%。
2.4.2 投资人画像:(简)
从投资人国籍分布来看,24位投资人中美国国籍的有14位,占据了一半以上;中国国籍的有8位,位于第二;印度与马来西亚各有1位,并列第三。华人数量一共9位,占总人数的37.5%,华人在AI投资领域扮演着重要的角色。
AI领域投资人大部分为男性,24位投资人中仅有2位为女性,男性在AI领域占据着绝对优势。
▌2.5 本节数据来源及补充说明(略)
第三篇 中国AI人才市场为何一将难求
2017中国AI人才供求研究
当前,人工智能领域的竞争,主要体现为人才之争。我国AI人才以80后作为主力军,主要分布在北京、上海、深圳、杭州、广州,人才需求量也以这些城市居多。
根据相关数据显示,中国592家公司中约有39200位员工,而中国对于AI人才的需求数量已经突破百万,但国内AI领域人才供应量却很少,人才严重短缺,中小企业招聘更加困难。
此外,企业对于AI人才的招聘门槛相对较高,硕士成为最低门槛,偏爱双一流院校毕业生,专业以计算机、数学、物理为主。
第3章 AI人才需求现状
▌3.1 供不应求,人才需求爆炸式增长
▌3.2 京沪浙粤,北京需求呼声最高(略)
▌3.3 马太效应,中小企业数量多而需求小
▌3.4 企业重学历,大专学历仅占1.1%
第4章 AI人才供应现状
▌4.1 供应飙升,缺人现象却更加严重(简)
保守估计,截止到2017年10月,我国人工智能人才缺口至少在100万以上。而且,由于合格AI人才培养所需时间远高于一般IT人才,人才缺口很难在短期内得到有效填补。
▌4.2 学历分布,本科硕士为主(简)
▌4.3 谁有优势?双一流大学占九成(简)
此外,海外留学生也成为补给国内AI人才的重要一环。
从留学国家来看,人才分布高度集中,前五国留学生占到了总数的八成,依次为美国、英国、澳大利亚、新加坡和日本,其中仅美英两国占比就接近六成。
第四篇 中国AI企业如何拼抢AI人才?
第5章 对企业招聘的影响:高价求才
▌5.1 平均月薪2.58万,招聘薪资水涨船高
过去3年中,AI相关岗位平均招聘薪资正以每年近8%的速度增长。
到2017年,人工智能岗位平均招聘薪资已达2.58万元,远高于一般技术类岗位。
从薪资分布上看,近八成岗位招聘薪资超过2万元,五成职位招聘薪资突破3万元,还有1.9%的企业更是开出5万元以上月薪吸引顶级人才,而标注的月薪还只是薪酬福利的一部分。
我们注意到,几乎50%人工智能岗位的职位描述上会提到为员工提供股票期权,部分巨头更是会将解决户口作为吸引牛人的重要手段。
可以说,为争抢优秀人才倾其所有已成为所有AI公司正在做的同一件事情。
除了高昂的起薪外,AI人才薪资成长率也极为可观。数据显示,AI人才前5年的薪资复合增长率达到16.9%,远高于其他互联网职位。五年以上工作经验的AI人才月薪普遍在4万元以上,部分核心岗位人才,前3年薪资增幅更是突破25%。利用高薪资涨幅锁住AI人才,降低流失率已是业内的一个普遍做法。
▌5.2 高层亲自出动,争抢人才白热化 (略)
▌5.3 主动降低门槛:老鸟渐少新兵吃香
AI人才需求激增,合适牛人数量稀少,迫使企业不断降低工作经验门槛,甚至不惜从零培养人才。
数据显示,近2年,企业对AI人才工作经验要求不断下降。
2017年,有30.4%的AI职位工作经验要求为三年或以下,较2016年增长9.5个百分点,其中一年以内的实习生占比已达6.0%。较2016年提升4个百分点。
特别是创业公司,由于在抢人竞争中往往处于明显劣势,更倾向降低门槛来增加应聘该岗位的人才数量。
第6章 对人才应聘的影响:待价而沽
▌6.1 平均期望薪酬何以低于平均招聘薪资
▌6.2 语音识别、机器人领域大受追捧(略)
▌6.3 大厂有魅力,价低也要去
注:公司规模是指企业的整体规模,并非研发人员数量
▌6.4 AI人才如何胜出?掌握复合技能
我们观察到,AI人才掌握的技能宽度和深度均在逐渐提高。2017年求职的人工智能人才中,有68%的人掌握至少3种技能,较2015年增加了10个百分点。
目前简历中最常出现的技能包括spark、深度学习、算法研究、Hadoop,Python等。
第7章 AI对工作岗位的冲击与机遇
▌7.1 冲击:低技能职位难以为继
近些年来,在云计算能力指数级增长、数据驱动能力渐强的作用下,人工智能在多个领域方面取得了显著进步。技术的飞速发展,不仅改变了很多行业原有的生态环境,也搅乱了低端劳动市场人才结构,大批简单、重复性和标准化程度高的工种,面临被首先淘汰的命运。根据目前职位发展现状,我们列举了一些已从数据层面上反应出来正受人工智能冲击的职位。
7.1.1 录入员、速记员、文字秘书负增长
随着语音和图像识别精准度的飞速提升,人工智能在文本录入领域的发挥空间愈发广阔,留给录入员、速记员的工作机会及发展空间越来越窄。
7.1.2 翻译人才即将负增长
7.1.3 仓储管理出现36%的降幅
7.1.4 客服2017年首次呈现负增长
▌7.2 革新:高技能的新职位爆发式增长
▌7.3 热潮:大批技术人才转战AI
第8章 AI人才未来发展预测(略)
第五篇 中国之路怎么走?
AI人才严重短缺。中国尤其短缺。中国未来的AI人才队伍如何建设,是个非常值得关注的问题。中国人工智能产业的崛起,不光需要依靠研发费用和研发人员规模上的持续投入,还应该加大基础学科的人才培养,尤其是在算法和算力领域,只有投入更多的科研人员,不断加强基础研究,才会获得更多的智能技术的创新和突破。
国家已经将人工智能上升至国家战略的层面,并提出了三步走的战略目标,国家可以从政府、企业、高校、协会四条路径实现该目标。
政府主要是提供政策扶持,具体措施包括增加高校招生、吸引归国高端人才、政策倾斜、完善法律法规和行业标准。
企业则应把握产业大趋势,结合自身情况,找准发展方向,实施校企AI人才联合培养,建立长期人才储备,此外,企业可以开展企业公开课,帮助中小企业转型升级。
高校方面则应推动高校开放政策的实施,拥抱企业、提高AI科研经费,大力发展交叉学科。
协会应当促进协会发展,构建产学研合作新模式、完善交流平台,形成成果转化体系。
第9章 中国AI人才队伍建设路径探讨
▌9.1 政府层面
2017年7月份,国务院印发《新一代人工智能发展规划》,将新一代人工智能发展提高到国家战略层面,提出了分三步走的战略目标。到2030年人工智能理论、技术与应用总体达到世界领先水平,成为世界主要人工智能创新中心,智能经济、智能社会取得明显成效。基于上述目标,有如下路径可供探讨。
9.1.1 增设人工智能一级学科,提高新生人才数量
人工智能的竞争是人才与技术的竞争,但我国目前人工智能人才远不能满足需求,基础理论成果与美国有一定差距。所以,人才是我国实现战略目标的重中之重。要增加人工智能人才,一方面可以通过自己高校培养,另一方面可以引进国外高端人才。
9.1.2 吸引归国高端人才,AI千人计划刻不容缓
国外引进人才方面,一是引进人工智能领域国际顶级科学家,二是引进优秀青年人才。通过特殊政策、渠道,充分利用现有的“千人计划”等人才计划,吸引海外人才,带回国外先进技术,促使中国产业技术突破。同时可以通过薪酬补贴等方式激励企业、高校引进人工智能人才。
9.1.3 给予人工智能产业适当政策倾斜
发展企业方面,需要国家给予企业政策方面的支持。对人工智能中小企业和初创企业给予优惠的财税政策,例如税收减免,研发费用加计扣除政策;鼓励传统企业例如家电家具产业向人工智能产业升级;针对行业巨头和“独角兽”企业,在保证安全的前提下实现数据开放,合作成立国家实验室等。
▌9.2 企业层面
9.2.1 把握产业大趋势,找准发展方向
企业应该了解国家的发展方向和战略方向,再和整个产业的发展方向相结合,结合自身优势,找准自身的发展方向。企业还可以通过参加人工智能业界的交流会来获取业界的最新动态。同时,也可以去美国硅谷等人工智能企业集中的地区取经。
9.2.2 联合高校培养AI人才,建立长期人才储备
校企合作是解决人工智能领域的应用型人才巨大缺口的重要方式,企业在业界的积累将为人才培养释放出巨大的能量。具体而言,企业可以与学校共建人工智能专业和课程,设置科学的人才培养体系与教学方案,参与学校实验室与配套环境的搭建,在供给一定数据的同时,发布部分需要解决的问题让学生与教授尝试去联合解决,在业界经验有机融入到学校中去同时,也提供学术为产业贡献的机会。
9.2.3 开展企业公开课,帮助中小企业转型升级
在人工智能领域,领先的巨头企业可以尝试开展企业公开课,向中小企业传递前沿理念和企业布局,担任产业转型升级的思想启蒙导师。在传播产品,扩大企业影响力和提升社会形象的同时,促进中小企业进步。
▌9.3 高校层面
9.3.1 推动高校开放政策实施,拥抱企业
学术要走出象牙塔,促进科技成果转化。
9.3.2 提高AI科研经费,大力发展交叉学科
科研经费对于科研项目的成果的影响不言而喻,提高AI科研经费可以支持成立更多项目组和课题组,让更多的教授和学生获得更大的发挥空间,促进科研成果的诞生和量产。
另一方面,人工智能及其相关专业应该大力加强和其他专业的联系,发展交叉学科。在不同知识体系和数据背景下,发现新东西,提出新思路,发觉新方法。利用人工智能的学习、筛查等能力帮助传统学科焕发新生。
▌9.4 协会层面(略)