最新的2019年全球AI人才流動報告顯示，全球約有44%的AI人才在美國獲得的博士學位，在中國獲得博士學位的人才占比不到11%，并且，培養更多的AI博士并不一定會讓本國受益。

有很多證據表明，頂級AI人才供不應求。然而，這類人才究竟有多么稀缺，或者他們都集中在世界各地哪些地方，卻幾乎不為人知。

近日，加拿大Element AI首席執行官發布了最新的2019年《全球AI人才流動報告》，對AI人才的數量、分布范圍等情況做了總結，可以說是目前最全的報告，主要采集了三個數據源。

AI領域21個主要學術會議發表的論文，比如AAAI、CVPR等，并分析了作者的概括。

有針對性地分析了LinkedIn搜索結果，這些搜索顯示了有多少人自稱擁有博士學位，以及世界各地要求哪些AI技能。

參考了外部報告和其他輔助來源，以幫助了解背景，并更好地了解全球人工智能領域快速變化的人才庫。

報告研究結果顯示，2018年，在機器學習領域一個或多個頂級會議上發表論文的人數達到2.24萬人，比2015年增長了36%，僅去年一年就增長了19%。LinkedIn上個人資料的補充調查顯示，共有36524人符合AI專家資格，這比2018年的報告增長了66%。

中國方面：

在中國獲得博士學位的論文作者占比接近11%，全球排第二；

超過11%的AI人才在中國工作，在就業人數最多的國家中排名第二；

頂級AI研究人員有225位集中在中國，數量排名世界第二。

報告還提出了一些有價值的觀點和現象。比如培養那么多AI博士，不一定會讓本國受益、AI頂級會議中女性總體占比僅18%，性別失衡嚴重。

以下是詳細報告。

暴增：論文三年漲三成，會議人均千位作者

這項AI人才報告的主要數據來源是機器學習領域的學術會議，報告一共涵蓋了21個會議，調查了過去一年在該領域主要國際學術會議上發表論文的作者。

這21個會議分別是：

計算語言學協會北美分會年會(NAACL)

人工智能促進協會會議(AAAI)

計算語言學協會會議(ACL)

計算機視覺及模式識別會議(CVPR)

自然語言處理經驗方法會議(EMNLP)

學習理論研討會(COLT)

神經信息處理系統會議(NeurIPS)

人工智能不確定性會議(UAI)

遺傳和進化計算會議(GECCO)

國際聲學、語音和信號處理會議(ICASSP)

國際人工智能與統計會議(AISTATS)

自主智能體和多智能體系統國際會議(AAMAS)

國際計算機視覺會議(ICCV)

智能機器人與系統國際會議(IROS)

國際機器學習會議(ICML)

醫學圖像計算與計算機輔助干預國際會議(MICCAI)

國際機器人與自動化會議(ICRA)

國際人工智能聯合會議(IJCAI)

Interspeech

機器人學:科學與系統(RSS)

計算機視覺應用冬季會議(WACV)

結果顯示，2018年在上述一個或多個以上頂會上發表論文的作者有22400人，這意味著平均每個會議有超過一千人位作者。

AI研究人員Top 5的國家(在所調查的21個頂會上發表論文的作者人數)：

美國：15747人

中國：2725人

英國：1475人

德國：935人

加拿大：815人

作為比較，報告也統計了2015、2016和2017年這三年在同樣21個會議上發表論文的作者數據，結果顯示出明顯的增長趨勢：與2015年相比，作者數量增長36%，與2017年相比，增長了19%。研究也在增加：在這21個會議上發表的論文總數比2015年增加了25%，比前一年增加了16%。

同時，同行評議論文的數量也同步增長：比2015年增長25%，比去年增長16%。

不過，在這些會議上發表論文的研究人員中，女性比例十分不足，僅占18%。

在調查的21個會議的所有作者中，女性占18%。西班牙、中國***和新加坡的女性作者比例最高，但從絕對數量來看，美國的女性作者幾乎占了一半。

斯坦福大學不久前發布的AI Index 2018 Report也顯示了同樣的情況，女性在本科人工智能和機器學習課程中的比例也很低：

斯坦福大學2017年開設的人工智能入門課程中，74%是男性；

加州大學伯克利分校開設的這門課程中，男性比例為73%。

參加機器學習入門課程的女性比例更低，在斯坦福和加州大學伯克利分校的學生中，男性分別占76%和79%。同一份報告還發現，在美國，申請AI類工作的大多數是男性，占比71%。

從絕對數量看，美國是女性作者最多的國家，其次是中國、英國、德國、加拿大、法國、澳大利亞、印度、意大利和新加坡。

近半論文作者在美國獲博士學位，中國僅11%

對會議論文作者的數據分析也能對作者在哪里接受教育進行一些觀察。

首先，發表論文的作者中，在美國獲得博士學位的人數最多：有44%以上的作者在美國獲得博士學位。

其次，在中國獲得博士學位的作者占比接近11%，緊隨其后的是英國(6%)、德國(5%)和加拿大、法國和日本(4%)。

就業數據也有類似的地理分布。

調查顯示，美國雇主繼續吸引研究人員前來工作，其中46%的人為美國雇主工作；超過11%的人在中國工作，在就業人數最多的國家中排名第二，其次是英國(7%)。加拿大、德國和日本各占4%。

AI專家工作的地方。美國、中國、英國、德國和加拿大這5個國家的作者數量占了總數達到72%。

總的來說，18個最大的國家占了作者總數的94%。排名前五的國家——美國、中國、英國、德國和加拿大——占了作者總數的72%。

此外，會議論文作者樣本中在學術界工作(77%)，23%在工業界工作。

培養那么多AI博士，并不一定會讓本國獲益

數據顯示，有大約27%的擁有博士學位的研究人員，其雇主所在國和學位獲取國是不同的國家。在報告中超過150人的國家，這一比例上升至32%。這是為何？

首先，數據顯示，有些國家對于深度學習領域的研究人員具有特別大的吸引力。美國公司最有可能吸引海外學成的博士為自己工作，中國排名第二位，中國吸引的研究人員的絕對數量大約相當于美國的四分之一。

數據顯示，以下十個國家或地區的AI人才流入比例要高于流出比例，分別為：中國***地區、瑞典、韓國、西班牙、美國、瑞士、中國、日本、英國和澳大利亞。

在本國AI人才在外國接受學術訓練的比例上，瑞士、瑞典和英國排名前三，比例分別為50%、49%和44%。

AI人才流入率和流出率這兩個指標可以在一定程度上反映一個國家吸引外來AI人才和留住本地AI人才的能力。

如上圖所示，用X軸表示人才流入，Y軸表示人才流出，數值表示與均值的標準差。本圖中將全球國家或地區劃分為4類

“AI人才吸引國”：位于圖中右上角的是澳大利亞、西班牙、瑞典和中國***地區，該區域表示這些國家的AI人才呈凈流入趨勢，說明這些國家或地區在吸引外來人才和留住本國（或本地區）的AI人才上方面都具有優勢。

“AI人才產生國”：左下方的主要國家是法國和以色列，這兩國AI人才流出比例大于流入比例，并高于本國AI人才庫的比例。不過，從圖中位置看，這兩個國家AI人才流出僅僅比流入略低，凈流出很少。

“AI人才錨定國”：美國的AI人才流出率和流入率都很低，基本上對本國的AI人才庫不構成大的影響，在絕對數量上，美國仍是世界AI人才的最大聚居地，美國的AI人才庫總體保持穩定。同樣具備這一特點的國家還有中國、德國、日本、印度、韓國和意大利等。

“AI人才平臺國”：最后，還有一類國家的AI人才流出和流入比例都在上升，這些國家正在吸引越來越多的海外AI人才，同時其本國博士生的向外流動也高于平均水平。考慮到這些生態系統的狀態和趨勢，處于這一類型的國家包括加拿大、荷蘭、新加坡、瑞士和英國等。

頂級研究基本被大國壟斷：美、中、英位居前三

今年的調查發現，頂級國際學術會議的作者總數比去年增加了19％。為了評估這些作者目前在該領域的影響，報告分析了他們2017年和2018年發表論文的引用情況：

有18％的頂級學術會議作者的研究對該領域產生了顯著影響，他們的知識足夠深入，可以繼續為該研究領域做出實質性貢獻，這些專家也可能是致力于將理論應用于團隊的潛在應用人才來源。

數據顯示，這些頂尖研究人員更集中在一些國家。排名前五位的國家依次是美國（1095），其次是中國（255），英國（140），澳大利亞（80）和加拿大（45）。

下一個關注點是，在特定國家中影響力最大的AI研究人員占該國研究人員總數的比例，這個指標可能在一定程度上反映出該國在培養頂級AI人才上的成功程度。

在這個指標上，澳大利亞名列前茅，該國的AI人才中，有18％發表了高影響力的成果。之后是美國、英國和中國（13％）、瑞士（11％）、新加坡（9％）、瑞典和西班牙（各占8％）、以色列、加拿大和意大利（各占7％）。

在所有國家中，最有影響力的研究更有可能來自學術界，而不是產業界。中國是來自學術界的高影響力研究占比最高的國家（90％），其次是意大利（86％）、美國（84％）、德國（83％）和***地區（81％）。

法國是來自產業界的高影響力研究占比最高的國家（30％），其次是印度和以色列（29％）、西班牙（28％）和英國（27％）。

社交網絡LinkedIn數據顯示，共有36524人在個人資料中將自己定位為AI專家，而去年這個數字只有22064人，同比增長66%。

從全球來看，有三分之一的AI人才將計算機科學作為學術訓練的相關學科

數據表明，這些自稱AI專家的人接受過各種學科知識的訓練。有28%的人將計算機科學列為自己相關學科領域。在一些國家，這一比例尤其較高，包括法國（47％）和中國（44％）。

同樣，另一些國家的AI人才中，將其他學科作為相關領域的比例較高，比如物理學：總體而言，9％的AI人才表示自己接受過物理學訓練，但在德國，這個比例高達28％。對于數學和統計學，總體比例為18％，但在以色列和美國的比例為27％，在俄羅斯更高達35％。

不過，LinkedIn數據的局限性也是顯而易見的。

LinkedIn上關于AI人才的所有個人介紹信息和相關資料都是被調查者自己填寫的，并且LinkedIn在世界各國的普及程度有很大不同。比如在美國，目前約有1.44億人在LinkedIn上建立個人資料，占美國總人口的44％以上，在加拿大，這個比例也高達38%。相比之下，在俄羅斯和中國，Linkedin并不受歡迎，人群覆蓋率僅有3-5%。

AI人才大流動：高度國際化，人才培養要全球化

中國和美國之間的AI交流特別活躍，雙方彼此的人才流入流出總體上保持平衡：在22400名研究人員中，大約500名專家在中國獲得博士學位，然后去為美國的雇主工作，也有500多人在美國獲得博士學位，然后去為中國雇主工作。在美國和英國之間也存在類似現象。

同時，美國的大學收到了大量來自國外的研究生。例如，2015年，國際學生在美國獲得了大約三分之一的科學和工程研究生學位，76％的畢業生表示他們希望留在該國。在一些大學，外國研究生的比例明顯更高。

總體而言，在過去一年中，無論是在AI領域發表的作者數量、高影響力的論文數量，以及在Linkedin上的AI專業人才數量上都呈顯著增加的態勢。

從事AI研究的女性人數仍顯不足，但有些國家已經離兩性平等的目標更近了一步。

從AI人才的地域分布來看，美國在幾乎每個指標的絕對數量上都處于領先地位。

不過，當今全球的AI領域已經高度國際化，每個國家或地區的AI生態系統都有自己獨特的優勢和戰略地位，專注于大力推進AI專業知識建設的國家，需要在未來推動AI領域發展所需的全球化AI人才培養上投入。