1. 人才的流動去向
1.1. 美國特點
-
1.1.1. 美國作為最早發展互聯網的國家，擁有着世界上幾乎一半的人工智能專家
-
1.1.2. 大多數專家曾為谷歌、微軟或IBM等互聯網巨頭工作，並且擁有3～10年的工作經驗
-
1.1.3. 在研究領域上，大部分專家的研究領域為計算機科學或計算機工程，同時還包括一些基礎學科，如數學、物理學和信息技術等
1.2. 歐洲特點
-
1.2.1. 英國一直較為重視工業的發展，這導致英國人工智能人才流失較為嚴重
-
1.2.1.1. 由於英國工業所需要的人才供不應求，人工智能教授紛紛從學術界進入了工業界
-
1.2.1.2. 英國對工業發展的重視促使更多專家從學術界轉向工業界，因此，英國的人工智能發展更多來自行業的驅動
-
1.2.2. 德國則面臨着與英國相反的問題
-
1.2.2.1. 德國正在尋求給工業界和學術界一個共同的成長空間
-
1.2.2.2. 德國在學術界擁有大量的人工智能專家和教授，因此一直在考慮如何將人工智能技術商業化，建立新興的技術中心
-
1.2.2.3. 德國的人工智能發展更多來源於學術界的推動
1.3. 亞洲特點
-
1.3.1. 日本在機器人和人工智能領域的研究歷史悠久，但其研究方向更偏向於學術而非應用領域
-
1.3.2. 韓國是電子產業的強國，在人工智能方面有一定的行業影響力，但因韓國在人工智能的發展上起步較晚，所以韓國在人工智能人才的擁有量上比不上中日等亞洲國家
-
1.3.3. 在政府的大力推動下，中國學術界在人工智能領域取得了很大的進步
-
1.3.3.1. 中國現在擁有的人工智能傑出人才數量不如美國多，但中國近幾年人工智能相關論文的發表數量卻領先於美國
-
1.3.3.2. 論文發表數量是研究活動的標誌，是該地區人才成長的良好指標
-
1.3.3.3. 中國在人工智能人才培育上的發展潛力很大
-
1.3.3.4. 中國科技公司百度、阿里巴巴和騰訊等也已在互聯網大潮中脱穎而出，成為中國人工智能領域的一面面嶄新的旗幟
-
1.3.3.5. 中國政府也已逐漸認識到人工智能對未來社會的重要性，因此不斷強化人工智能在中國的發展並促使其成為國家重點發展領域
1.4. 國家之間的流動情況
-
1.4.1. 在經濟快速發展的基礎上，中國的高科技企業以及互聯網公司也踏上了飛速發展的快車道
-
1.4.2. 加上中國政府近幾年來對科技創新以及人工智能發展的高度重視，越來越多的海外人工智能專家選擇回國發展
-
1.4.3. 美國是中國人工智能人才迴流的第一大來源國，從美國回來的人工智能人才佔中國所有迴流人才的43.9%
-
1.4.4. 英國、法國、澳大利亞、加拿大、德國等國家，從英、法、澳、加、德回來的人工智能人才佔中國所有迴流人才的比例分別為15.3%、10.4%、7.7%、7.1%、6.5%
-
1.4.5. 日本是中國人工智能人才迴流的第一大來源國，佔比為5.3%，印度緊隨其後，佔比3.8%
-
1.4.6. 中國所有具有海外工作經歷的人工智能人才數量佔國內人工智能人才總數的比例為9%，可見中國人工智能人才以本土培養為主
-
1.4.7. 中國國內的發展以及政策條件對海外精英們有一定的吸引力，但吸引力還不夠
-
1.4.8. 美國正充當着世界範圍內的人工智能研究和教育中心，併成為全球人工智能學術和商業領域之間人才流動的橋樑
-
1.4.9. 在全球人工智能領域，華人技術人才的分佈情況與人工智能人才整體的分佈情況有所不同
-
1.4.10. 現在在人工智能領域，華人的科研力量上升得非常快，並且已經形成了一股力量
1.5. 學術界與產業界之間的流動
-
1.5.1. 高校和研究機構的人才不斷流向企業，是目前人工智能領域人才流動的主要特徵
-
1.5.2. 中國人工智能領域的技術人員中，約有10%曾經在高校或者科研機構工作過，在這些工作人員中約有50%的人工智能人才流入企業，其餘50%的優秀人才仍然選擇留在高校或者科研機構，致力於學術研究
-
1.5.3. 高校和研究機構在人工智能領域的學術研究工作對人工智能的未來發展至關重要，很有可能是推動未來人工智能發展的原始驅動力
-
1.5.3.1. 各科技巨頭在人工智能人才上的爭奪戰可能會使各個高校和科研機構大量流失人才，因此使得學術界無法為社會培養出足夠的人工智能優秀人才，從而造成人才更加短缺，形成一種惡性循環
-
1.5.3.2. 科技企業為優秀人才開出的鉅額薪水也會使得社會風氣浮躁，使得真正能夠堅持數十年做純粹的研究工作的人越來越少，而未來人工智能突破性的發展很有可能來自這樣一羣專心做研究的人
2. 人才未來趨勢
2.1. 隨着人工智能在全球各個領域的快速發展，人工智能產業對其相關性人才的要求也將越來越高
2.2. 學科之間、高校與科研機構之間、學術界與工業界之間的交叉融合將會是未來的發展趨勢
2.3. 全方位交叉融合
-
2.3.1. 人工智能是一個綜合性的研究領域，具有鮮明的學科融合特點
-
2.3.2. 高校與高校之間、高校與科研機構之間的緊密合作也是促進人工智能人才快速發展的重要途徑
-
2.3.3. 各個高校的優勢學科不盡相同，高校與科研機構之間更是各有所長
-
2.3.4. 產學研之間深度融合培養人才，也是促進人工智能人才快速發展的另一重要途徑
-
2.3.5. 面對稀缺的人才資源，科技巨頭之間展開人才爭奪戰，紛紛選擇與高校合作，來加快人工智能領域的科技創新和人才培養
2.4. 人才流動加速
-
2.4.1. 人工智能人才在產業界與學術界之間快速流動也是未來的發展趨勢
-
2.4.2. 在產學研全方位交叉融合的培養模式下，人工智能人才在各個高校和企業之間的交流機會將大量增加
-
2.4.2.1. 企業捐助研究，學生到企業實習，既有利於高校推進基礎性研究工作，又有利於學生們不與實際應用脱節，能夠接觸到最新的應用場
-
2.4.3. 從研究內容和人才流動來看，科學家需要企業的數據和工程化能力，企業需要高校的基礎型和學術型研究人才，因此頂級人才得以在企業和高校間快速流動
2.5. 高端人才頭部效應明顯
-
2.5.1. 人工智能是一個需要高額投入、長期培育的高資本行業
-
2.5.2. 人工智能的優秀人才通過對市場的準確客觀認識，自主地向優秀企業靠攏
-
2.5.3. 越有資本的巨頭企業，在人工智能的爭奪戰中越能夠開出誘人的條件吸引優秀人才加入
-
2.5.4. 各個科技巨頭為了鞏固並加強各自在人工智能領域的領先地位，均通過與高校合作的方式或者成立企業實驗室的方式選擇培養屬於自己的人才，也加劇了人工智能高端人才向頭部企業聚集的趨勢
2.6. 京東於2017年宣佈與斯坦福人工智能實驗室(SAIL)啓動京東—斯坦福聯合AI研究計劃，加速其在人工智能領域的人才佈局
2.7. 華為
-
2.7.1. 2016年10月，華為宣佈將與加州大學伯克利分校展開合作，合作範圍涵蓋深度學習、強化學習、機器學習、自然語言處理和計算機視覺
-
2.7.2. 在人工智能領域研發上，華為諾亞方舟研究室一直致力於人工智能學習和數據挖掘研究，而伯克利人工智能研究實驗室的研究領域是計算機視覺、機器學習、自然語言的處理規劃和機器人
-
2.7.3. 與海外人工智能強校加州大學伯克利分校的合作，將為華為吸引海內外人工智能人才進一步打通路徑
2.8. 2017年，搜狗向清華大學捐贈了1.8億元，成立了中國首家校企合作人工智能領域研究院—天工智能計算研究院，專注於人工智能領域的前沿技術研發
2.9. Facebook早在2013年就與紐約大學合作建立了一個致力於數據科學的新中心，紐約大學的博士生可以申請在Facebook的人工智能實驗室長期實習，從而加強了Facebook在人工智能優秀人才上的培養
2.10. 科技巨頭們將通過與高校合作或成立自己的實驗室的方式來加強其在已有領域的人才優勢及創新優勢
