来源：科情智库
撰写：中国科学技术信息研究所 袁 珩
审校：中国科学技术信息研究所 程如烟
当前世界各国争相发展人工智能，高水平人工智能人才的短缺成为制约人工智能发展的瓶颈。为保持竞争力，各国政府都在大力培养和吸引全世界的人工智能人才。分析了解全球人工智能人才的情况以及我国人工智能人才发展存在的问题，对我国人工智能发展至关重要。当前全球人工智能人才数量持续增长，人才跨部门、跨地域流动性强，但缺口较大。在人才培养方面，跨学科培养、产学研深度融合培养、企业培养成为新趋势。本文根据我国人工智能人才发展存在的问题，提出若干政策建议。
人工智能人才是指人工智能领域的专业技术人才及研究人员，具有硕士或博士学位，从事人工智能相关行业工作的人。
01全球人工智能人才总体情况
1. 全球人工智能人才数量持续增长
考察参加全球顶尖人工智能会议的参会人数，是衡量人工智能人才数量的一个重要指标。加拿大人工智能初创企业Element AI调查了2018年在21个国际学会上发表论文的作者指出，在2.24万人工智能顶尖人才中，这一数字比2015年增长36%，比2017年增长19%。斯坦福《2019人工智能指数》显示，参加2019年神经信息处理系统大会（NeurIPS）的人数比2018年高41%，更是2012年的8倍多。
2. 人工智能人才具有较强流动性
这种流动性既体现在跨部门流动中，又体现在跨地域流动中。①人工智能人才整体上从学术界流向产业界。爱思唯尔的数据显示，1998—2017年，在美国、欧洲和中国三个国家/地区内，从学术界流向企业界的人工智能人才数量大于从企业界流向学术界的数量。斯坦福的数据显示，2018年全球有超过60%的人工智能博士去往产业界，高于2004年的20%。②美国和中国的人工智能人才流入大于流出。爱思唯尔的数据显示，1998—2017年，欧盟有7.8%的人工智能研究人员流出，6.8%流入，总体呈流出趋势；中国为3.5%流出，3.6%流入，以微小优势实现人工智能人才净流入；美国为8.6%流出，8.9%流入，总体呈流入趋势。
3. 全球人工智能人才缺口较大
斯坦福《人工智能指数》显示，近几年全球对人工智能人才的需求骤增。2017年全球对机器学习的人才需求比2015年增长了34倍，对自然语言处理、机器学习、计算机视觉、语音识别、机器人等学科人才的需求各增长了4—9倍不等。
02全球人工智能人才培养与发展呈现新趋势
人工智能是一个综合性的研究领域，具有鲜明的学科融合特点，对从业人员掌握的知识和技能要求较高。世界主要国家已着手制定人才培养战略。美国着眼探索人工智能劳动市场的供需结构，预测未来劳动力需求，了解人工智能研发的劳动力通道；俄罗斯提出强化人工智能领域科学研究，完善人工智能领域人才培养体系的一系列措施；英国注重推动高校和企业合作培养高技能人才，并通过奖学金、签证等政策吸引海外优秀人才。
1. 跨学科、多学科融合培养
人工智能的多学科融合特点要求从业人员尽可能掌握多个学科的知识和技能。英国采用在区域内构建多学科生态系统的方式来培养人工智能人才，英国的“伦敦—牛津—剑桥”高校群，拥有以牛津大学、剑桥大学、帝国理工大学和伦敦大学学院为中心的全世界最好的人工智能相关学科群，汇集密集的教育研究资源，形成了良好的多学科生态。美国很多高校正在推动内部院系学科交叉的方式来培养人工智能人才，如卡耐基梅隆大学宣布启动CMU AI计划，整合校内所有人工智能研究资源，促进跨学院、跨学科的人工智能合作，更好地培养人工智能人才。
2. 产学研深度融合培养
算法、算力、数据是驱动人工智能快速发展的三大要素。一般来看，高校和研究机构理论研究基础雄厚，而企业则拥有较多实践经验和海量数据。要想培养高水平的人工智能人才，需要在算法、算力、数据多方面进行涉猎，需要产、学、研各界合作培养人才。例如，Facebook公司与纽约大学合作建立了一个数据科学中心，纽约大学博士生可以申请在Facebook的人工智能实验室长期实习。
3. 企业成为人工智能人才培养的新阵地
很多企业开始建立自己的人才培养体系。微软在内部设立了人工智能大学，培养不同专业背景的人才快速学习机器学习课程，并使用这些技能。亚马逊在上海建立了上海人工智能研究院，培养本地机器学习人才，并与中国的大学和研究机构协作推进人工智能研究项目，建设联合研究实验室。谷歌开设了内部机器学习课程，在2012—2017年对其1.7万名工程师进行了培训。
03我国高端人工智能人才发展存在的问题
人工智能人才发展状况与教育基础、企业规模、投资情况等因素紧密相关。在企业方面，《中国新一代人工智能发展报告2019》显示，截至2019年2月，我国有745家人工智能企业，数量位居全球第二，在吸引人工智能人才方面表现强劲。在高校方面，国内高等院校积极开展人工智能学科建设，已有130多家高校开设了人工智能专业。在2019年的全球计算机科学专业排名CSRankings中，清华大学与麻省理工学院并列第二，仅次于卡内基·梅隆大学；中国还有15所高等院校进入总榜前100名。在投资方面，根据清华大学研究团队的统计，2013年至2018年第一季度，中国人工智能领域的投融资占到全球的60%，排名世界第一。尽管占据这些优势，我国在人工智能人才发展方面依旧存在若干问题。
1. 我国人工智能领域中高端人才和有影响力人才数量较少
这种不足通过以下数据可以体系出来：①ITIF根据H指数排名统计国际前10％的人工智能研究人员数量，截至2017年，中国约有977名高H指数人工智能研究人员，低于欧盟（5787）和美国（5158）。②马可波罗智库的研究显示，2018年NeurIPS大会上的Top 1%人工智能人才口头演讲者中，29%为美国籍，9%为中国籍；且在Top 1%中，60%在美国机构工作，1%在中国机构工作。③领英《2017全球人工智能领域人才报告》显示，美国人工智能领域十年以上资深人士占比为71.5%，而中国为38.5%。④清华大学“2020年人工智能全球2000位最具影响力学者榜单”显示，在20个子领域排名前100的学者中，美国在人工智能领域占有绝对优势，达1128人，占比61.4%；中国只有171人入选，在规模上排名第二。
2. 我国人工智能人才整体水平低于美国
爱思唯尔根据流动性将人工智能人才划分为三类。从数量上看，我国长居型人工智能人才占大多数（75.7%），暂时型（17.2%）和移民型（7.1%）人才都较少；从影响力上看，我国长居型人工智能人才的影响力最低，相对影响力为1.0，暂时型人才为1.8，移民流入型为2.1，移民流出型为2.2。相比之下，美国影响力最高为长居型（37.5%，2.6）和移民流入型（8.9%，3.0），而暂时型（45.0%，1.8）和移民流出型（17.5%，2.1）则相对较低。由此可见，我国高水平人工智能人才主要出自规模较小的移民流入型人才，而美国则主要依靠长居国内的人才，并且对高水平人才具有较高吸引力。
3. 我国人工智能研究人员外流情况严峻
马可波罗智库通过研究参加2017年和2018年NeurIPS大会的论文作者的情况指出，在中国国籍的高级研究人员中，59%隶属于美国研究机构，33%隶属于中国研究机构，9%隶属于加拿大、新加坡、日本等国家。在从美国院校毕业的中国籍学生中，约78%在美国机构工作，仅有21%在中国机构工作。爱思唯尔指出，美国企业对全球人工智能人才的吸引力最大。
4. 我国人工智能人才专业背景较为单一
人工智能人才是复合型人才，一方面要有通过数字化把传统行业前辈们掌握的经验提炼出来的能力，还要有用数字化方式把这些经验有效表达出来的能力。领英的数据显示，我国人工智能人才的专业背景以计算机科学、计算机工程、物理学、电气和电子产品、数学和统计学等专业为主，而神经科学、信息科学、生物信息学、经济学、机械工程、化学等专业人员寥寥无几。
5. 我国的人工智能人才结构不均衡
腾讯《2017全球人工智能人才白皮书》对比了中美人工智能人才分布，结果显示，美国人工智能人才基础层占比约为22%，技术层约为37%，应用层约为40%；中国基础层人工智能人才占比约为3%，技术层约为33%，应用层约为62%。这说明，我国人工智能人才结构不均衡，大多集中在应用层，而基础层和技术层人才短缺。
04建议
根据人工智能发展规律和趋势，加强顶层设计，综合施策，建立一支数量充足、结构合理、质量优良的人工智能产业人才队伍，才能有效支撑我国人工智能产业的发展。
1. 加强跨学科人工智能人才培养。把计算机素养和人工智能素养贯穿整个教育和职业培训体系；支持高校人工智能相关学科发展，扩大研究生培养规模；鼓励高校内部整合多个院系资源或者多个高校联合形成人工智能学科群，进行复合型人工智能人才培养。
2. 推进产学研合作培养模式，发挥领军企业人才培养作用。鼓励人工智能相关企业创办研究机构，与高校联合建设实验室，培养人才；鼓励研究人员在高校和企业之间流动；鼓励创新创业，促进人工智能成果转化和产业化；面向制造、金融、医疗等重点行业培育应用型人才。
3. 完善人才政策体系。建立完善的人工智能人才培养、使用政策体系，完善人工智能人才数据库，帮助高校、企业、研究机构培养人才、对接人才、留住人才，为我国人工智能发展提供有力的人才支撑。
