人才是国家科技创新经济发展的首要驱动力，是在当今日趋严峻的国际竞争中取得优势的核心要素。信息时代，面向海量的人才数据和复杂多样的人才需求，如何实现人才大数据的高效管理和人才情况的深度洞察，是困扰政府、企业、高校等人才业务关联部门的重大难题。

本期的智能内参，我们推荐清华大学的研究报告《智慧人才发展报告》，以人工智能领域为例，通过对比分析美国、英国、日本、中国等全球主要经济体国家在人才竞争战略、人才培养制度、人才引进政策等方面的举措，总结我国人才发展过程中的问题与原因。

本期内参来源：清华大学AMiner

原标题：

《智慧人才发展报告》

作者： 未注明

一、国外人才策略

在国际竞争激烈、国内形势严峻的环境中，为抢夺人才这一紧缺战略资源，国际人才争夺战愈演愈烈，国际人才的战略效应已经得到各国政府的高度关注，各主要国家已经或正在实施“短、平、快”的人才争夺战略，各类吸引和留住人才的战略规划不断完善和创新。按照地域和发展阶段分类，重点分析了美国、英国、日本、中国等四个不同制度、不同文化背景、不同发展阶段国家的人才发展治理实践，聚焦各国在人才竞争战略、人才培养制度、人才引进政策等方面的治理措施，从中寻求世界主要经济体国家人才发展治理实践的规律性特征。

美国是全世界最发达国家之一，其在不同的历史阶段采取不同的人才战略。例如，美国早期移民阶段的人才战略是“所有的人都是才”；

西部大开发时期的人才战略是“一方面以产权、补贴和法律保护收益来吸引人，另一方面利用优化制度激励和鼓励人发挥才能”；

“二战”期间的人才战略是“集中和配套使用人才和资源进行集中科技攻关”，这时期实施的“曼哈顿工程”就是重要标志；

“二战”后的人才战略是“关注科技人才的同时重视退伍军人培养”；

当处于苏联斯普特尼克卫星（ Sputnik）成功发射后的竞争阶段时，美国的人才战略是“高度关注国家对科技的支持”；

在 20 世纪 90 年代至 21 世纪初的人才战略是依靠私营部门力量提升汽车和电子等方面的国家竞争力；

进入全球创新创业竞争时期后，美国不断加大对科学、技术、工程和数学（STEM）人才的重视程度，扩大国外 STEM人才引进力度，并制定了《STEM 教育战略规划（2013-2018 年）》。之后分别于2009 年、 2011 年、 2015 年发布了《美国创新战略》，对培养和储备 STEM 领域人才进行部署，持续提升国际竞争力。

英国是世界上最重要的科技强国之一，其科技战略具有鲜明的特点，不断与时俱进。英国人才竞争战略注重基础科学研究，采取开放宽松的移民政策以培养、保留高科技人才，同时注重政府与企业和代理机构间分工合作，从而打造良好的科学环境。其在不同时期的有不同的战略规划，制定出了不同的教育、科技、创新、研发和人才吸引与保留的政策。

21 世纪以来，英国制定了一系列关于人才发展的战略和政策措施：包括 2000 年颁布的《卓越与机遇——21 世纪的科学与创新政策》， 2008 年颁布的《创新国家》以及 2013 年颁布的《促进增长的创新和研究战略》等政策。

其中，英国在 2014 年颁布了《我们的增长计划：科学和创新》战略文件，该政策的目标是培育世界一流的科技和商业环境，把“科学和创新”置于英国经济发展计划的长期核心位置。以卓越、敏捷、合作、融入和开放为原则，以优先重点、培养人才、科研设施、一流研究、刺激创新和国际化为战略要素。

日本一直重视国际优秀人才储备。早在 20 世纪 80 年代，日本政府就成立了21 世纪留学生政策委员会，并于 1983 年提出到 21 世纪日本将接收 10 万名留学生的目标； 2008 年日本又提出“30 万留学生计划”，目标是到 2020 年将留学生数量增加到 30 万人，战略重点是吸引亚洲国家优秀留学生。

之后日本配套实施了“30 所国际大学”项目（简称 G30 项目），选择 30 所大学建设国际化大学基地，资助大学开展英语教学、完善接收留学生相关制度、促进国际合作和培养国际化人才，以这些大学为载体引进优秀科技人员和留学生。

此外，日本注重通过与外国科学家合作达到吸引人才的目标。 1988 年日本科学技术厅设置了科学技术振兴事业团，推行“日本科学技术厅奖学金”（STAFellowship）制度，支持国立科学事业和研究机构聘请优秀外籍人才。

2007 年 5 月日本颁布“创新 25 战略（Innovation25）”，重点在设立研究基础项目以吸引世界级高层人才，加强环境、能源领域国际科研合作并促进日本科学家参与国际项目，其目标是在 2025 年前将日本发展成为世界先进创新国家，以应对老龄化和国际竞争。

中国中共中央、国务院对人才工作做出了一系列重大决策部署，以加快建设人才强国，实现建设创新型国家的目标。 2002 年 5 月，中央办公厅、国务院办公厅联合印发了《2002-2005 年全国人才队伍建设规划纲要》（中办发〔 2002〕 12号），根据事业长远发展和人才总体需求，做出树立发展新理念，实施“人才强国”战略的部署，至此，人才强国战略正式上升为国家战略，人才工作在党和国家整体部署中的战略位置得以确立。 2003 年 12 月，我国第一次“全国人才工作会议”在北京召开，会上提出“把实施人才强国战略作为党和国家一项重大而紧迫的任务抓紧抓好”，随后，以中共中央、国务院印发《关于进一步加强人才工作的决定》（中发〔 2003〕 16 号），对人才强国战略实施进行具体部署，全国人才工作进入新的历史时期。

2010 年，《国家中长期人才发展规划纲要（2010-2020）》（简称《人才规划纲要》）正式公布，这是我国第一个中长期人才发展规划纲要，是这个时期国家人才工作的指导性文件。 2011 年，为推动高层次创新型科技人才队伍建设，科技部等联合制定了《国家中长期科技人才发展规划（2010-2020 年）》。这两个规划文件为科技人才队伍的发展指明了方向，人才工作上升到了国家战略，科技人才也达到了建国以来最好的发展时期。

2016 年 2 月，中共中央制定了《关于深化人才发展体制机制改革的意见》，在这个文件中中央首次提出“构建科学规范、运行高效、开放包容的人才发展治理体系”的要求，以习近平总书记一系列人才发展治理理念为指导，对人才发展治理实践进行全面部署。 2018 年 5 月 28 日，习近平总书记在中国科学院第十九次院士大会、中国工程院第十四次院士大会上强调，要牢固确立人才引领发展的战略地位，全面聚集人才，着力夯实创新发展人才基础。

党的十九大确立了中国特色社会主义进入新的时代，新时代对人才提出了新要求。对人才的定位是“实现民族振兴、赢得国际竞争主动的战略资源”。为建设创新型国家，要求“培养造就一大批具有国际水平的战略科技人才、科技领军人才、青年科技人才和高水平创新团队”；对科技体制改革提出“建立以企业为主体、市场为导向、产学研深度融合的技术创新体系，加强对中小企业创新的支持，促进科技成果转化”的方向；在政策方面，要实行“更加积极、更加开放、更加有效的”人才政策。

二、中国人才发展状况

1、 中国人力资源总量

科技人力资源总量反映了中国科技人力资源的存量现状和科技人力投入的增长潜力。科技人力资源是指实际从事或有潜力从事系统性科学和技术知识的产生、促进、传播和应用活动的人力资源，既包含实际从事科技活动的劳动力，也包含有资格从事科技活动的劳动力。中国科技人力资源总量是指科技领域大专及以上学历（或学位）毕业生存量，以及虽然没有高等教育学历学位但实际从事科技活动的劳动力存量之和。

科技部在 2019 年 5 月发布的《中国科技人才发展报告（2018）》集中反映我国科技人才发展现状和未来形势，从多个维度展示了科技人才队伍的全貌。 根据数据显示，中国科技人力资源总量由 2015 年的 7915 万，上升到 2016 年的 8301万和 2017 年的 8705 万，年均增速为 4.9%。其中，大学本科及以上学历的科技人力资源总量在 2015 年为 3421 万， 2016 年为 3687 万， 2017 年为 3934 万，年均增速为 7.2%。

报告指出，经过 70 年的发展，我国科技人力资源、全社会研究与试验发展（R&D）人员全时当量，均居世界首位。创新能力和国际影响力逐步扩大，对人才吸引力逐渐加强，形成新中国成立以来最大规模留学人才“归国潮” ，在中国境内工作的外国人已达数十万。科技人才引领创新发展的作用显著增强，有力推动了我国创新驱动发展和创新型国家建设。

2020 年 8 月，中国科协调研宣传部和中国科协创新战略研究院联合发布《中国科技人力资源发展研究报告（2018） ——科技人力资源的总量、结构与科研人员流动》（以下简称《报告》）。《报告》研究结果显示，不考虑专升本、死亡及出国因素，截至 2018 年底，我国科技人力资源总量达 10154.5 万人， 规模继续保持世界第一。《报告》指出，我国科技人力资源学历呈金字塔形结构。

目前，专科层次科技人力资源为主体，但近几年本科层次科技人力资源的增量和增速均超过专科，未来科技人力资源学历结构将进一步优化；在各学历层次的科技人力资源中，工学背景的科技人力资源最多，占比均为最高；我国科技人力资源中， 39岁及以下人群超过 3/4；女性科技人力资源比例将进一步提升， 2016-2017 年新增研究生层次科技人力资源中女性超过一半。另外，我国科技人力资源培养的区域分布不均衡，东部地区培养总量大、密度较高，中部地区相对均衡、各省培养总量与密度差异较小，西部地区培养总量小、密度低。

2、 R&D 人员队伍

研究与试验发展（R&D）人员队伍建设是提高研发能力和水平的重要保障。R&D 人员是科技活动的核心要素。 R&D 人员是指从事基础研究、应用研究和试验发展三类活动的人员，包括直接参加 R&D 活动的人员，以及直接为 R&D 活动提供服务的管理行政人员和办事人员。 R&D 研究人员是指 R&D 人员中从事新知识、新产品、新工艺、新方法、新系统的构想或创造的专业人员及 R&D 课题的高级管理人员。

中国 R&D 活动人员总量保持十多年高速增长，数量和质量大幅提高，目前无论是按人头数还是按全时当量统计，中国投入研发活动的人力规模都已经成为全球最高的国家。全时当量是全时人员数加非全时人员数按工作量折算为全时人员数的总和。

国家统计局数据显示， 2018 年我国研究与试验发展人员全时当量 438.14 万人年， 2019 年我国研究与试验发展人员全时当量 461 万人年，比上年末增加 22.86万人年，同比增长 5.22%。

▲2015-2019 年中国研究与试验发展人员全时当量情况（万人年）

2018 年我国研究与试验发展经费支出 19677.93 亿元， 2019 年我国研究与试验发展经费支出 21737 亿元，比上年末增加 2059.07 亿元，同比增长 10.46%。

▲2015-2019 年中国研究与试验发展经费支出情况（亿元）

2018 年我国研究与试验发展基础研究经费支出 1090.37 亿元， 2019 年我国研究与试验发展基础研究经费支出 1209 亿元，比上年末增加 18.63 亿元，同比增 10.88%。

▲ 2015-2019 年中国研究与试验发展基础研究经费支出情况（亿元）

3、 我国人才发展中存在的问题与原因

在创新驱动发展背景下，当前我国人才发展治理还存在治理目标不明确、体制不顺、环境不优等诸多问题。例如，在人才发展的支撑上，倾向于高层次人才，通常以各类人才工程、人才项目为抓手，对各层级人才的全覆盖不够，存在着“重人选申报、轻后期培养”，“重成果评价、轻潜质开发”，“重个人发展、轻相互合作”，“重视‘范人才’、忽视‘链人才’”等问题；

从人才培养开发方面看，存在着人才开发盲目性强，队伍监测预测不够科学，高校专业设置、人才培养等不能根据发展需要及时调整，人才培养中重理论、轻实践，重研究、轻应用，技术技能人才培养开发模式不够科学等问题；从人才评价方面看，“机制缺失与建立问题”仍未解决，现有的评价维度设计过于单一等。这些问题需要在推进人才发展治理体系与治理能力现代化过程中逐步解决。

以上问题的主要原因可以归纳为：

（1）人才培养机制与经济和社会发展需求还存在较大差距。一方面，容易受到高等学校的教学内容和方法跟不上培养高素质、高层次人才的要求制约；另一方面，国家以及各级政府的教育投入未充分发挥作用。主要体现在教育投资容易用在规模扩大方面，从而导致求数量而忽视质量的问题；此外，缺乏多层次的高等教育体系，使得人才的培养层次比较单一，不利于人才的知识更新，导致人才的作用难以得到有效发挥。

（2）缺乏科学合理的人才激励机制。我国存在人才短缺和浪费并存现象，因为国家知识创新工程的实施和人才引进政策的落实，而产生了新的分配不公等矛盾，使得高层次人才的作用没有得到充分发挥。比如，国家对从国外引进的人才和重点扶持的项目人员实施高薪政策，享受特殊待遇，但由此造成了其他类型人员与他们存在收入差距过大，挫伤这些人员的工作积极性，使得国家高薪激励人员发挥创新带头作用的目标受阻。

（3）未建立成熟完善的人才流动机制。我国的高层次人才是短缺的，但是同时还存在许多单位人力过剩和人才供应不足的现象，导致以上问题的主要原因是人才流动的市场机制没有发育起来。虽然国家建立了形式多样的人才市场，但是通过这些市场流动的高层次人才数量非常有限，高层次人才跨单位、跨部门、跨地区的流动存在多种障碍。与先进发达国家相比，我国的高层次人才流动存在流动渠道窄、流动量小等问题，高层次人才难以通过流动来充分发挥作用。

三、 AI 领域人才现状分析

人工智能（Artificial Intelligence, AI）是新一轮科技革命和产业变革的重要驱动力量，加快发展新一代人工智能是我国能否抓住新一轮科技革命和产业变革机遇的战略问题。为贯彻中央关于推动我国新一代人工智能健康发展的重要指示，社会各界加快推进在人工智能新技术、新业态、新模式、新人才等方面的探索，为产业转型升级提供强劲发展动能。党的十八大以来， 人工智能技术先后三次被写入政府报告中， 人工智能的发展已被提升到国家战略高度。

但随着人工智能产业的飞速发展， 出现了“行业火爆、人才稀缺” 现象。因此，本报告以人工智能领域为代表， 通过分析全球主要国家的 AI 人才的培养模式、科研人才和产业人才的发展情况，发现挖掘 AI 人才的痛点问题，可以“以小见大”推理和发现我国人才发展治理遇到的困境和挑战，并分析判断出我国人才发展治理的趋势要求。

1、 AI 人才培养模式

当前人工智能已经成为各国创新技术竞争的焦点领域，包括中国在内的全球诸多国家将人工智能列入国家科技战略部署序列。中国、美国、欧盟、英国、德国、俄罗斯、日本、韩国、印度等主要国家在 2016 年至 2019 年间密集发布人工智能专项政策及行动规划，引导、推动人工智能产业的发展已成为全球经济共同体的重要共识。

根据《2017 全球人工智能人才白皮书》中数据显示，全球共有367 所具有人工智能研究方向的高校， AI 领域的学术及储备人才数量约有 10 万人。在这 367 所高校中，美国拥有 168 所，占据全球的 45.7%， 美国无论是高校规模、学术能力，均遥遥领先。

中国（20 所）和英国（20 所）紧随其后，处于第二梯队。本节主要分析美国、英国、日本、中国在 AI 领域的学科建设和人才培养等情况，旨在发现中国 AI 人才发展过程中的核心问题和薄弱环节，并借鉴AI 发达国家的经验做法，提供指导建议。

美国。美国顶尖的大学正在加大研究力度，并提高其计算机科学学位课程的集中度，以适应人工智能领域。 有些美国高校将人工智能专业设在了计算机系、电子工程系或自动化系的专业方向中， 不直接提供 AI 专业，而只授予硕士学位和博士学位。 将 AI 作为计算机科学学位的一部分来进行跟踪或集中研究。

例如，人工智能是斯坦福大学计算机科学专业可以选择的九种课程之一。该课程的学生参加的课程包括： AI 原理和技术，自然语言处理，机器人技术和控制以及 AI 方法； 加州理工学院在计算机学习和人工智能领域为其 CS 专业提供类似的课程； 伊利诺伊大学为计算机工程专业的学生提供人工智能，机器人技术和控制论的专业。 还有些高校的人工智能专业与认知科学结合在一起，例如在宾夕法尼亚大学， AI方向的学生需要学习计算机与认知科学的双学位。

▲CSRankings 2019年-2020年美国 AI 排名 TOP 20 高校

根据 CSRankings 2019年至2020年度排名，美国高校在 AI 方向的排名如上图所示。美国学生要获得人工智能学位， 需要参加计算机科学课程的核心课程，这些课程的主题包括：命令式计算、 函数式编程、 顺序数据结构和算法以及计算机系统； 数学方面要求学习微分和积分、 矩阵和线性变换、线性回归及概率论等课程。

英国。 根据 2017 年英国政府网站发布的《在英国发展人工智能产业》的报告显示， 英国大学有 26 所大学开设了人工智能本科课程， 20 所大学有超过 30 个人工智能相关的研究生项目。尽管英国人工智能教育起步较早，但随着产业的快速发展，英国人工智能人才培养在专业结构、层次结构和数量上远远不能适应人工智能产业发展的需要。

英国商务、能源和工业战略部与数字化、文化、媒体和体育部两部委联合发表声明，从 2019 年 9 月起，英国大学每年扩大招收人工智能硕士研究生 200 人，英国科技公司积极参与人才培养并提供资助。同时，英国统筹考虑人工智能教育的院校和学科布局，在 15 所大学设立了 16 个博士点，并结合人工智能的应用方向，把医学、医疗保健、语言、计算、环境、音乐作为重点应用的学科专业。

每个博士点侧重一个学科或专业，例如伦敦大学学院人工智能支持医疗保健系统、爱丁堡大学生物医学人工智能、利兹大学人工智能在医学诊断和护理中应用、剑桥大学人工智能在环境风险研究中应用等，每个博士点由一名教授领导。人工智能硕士学位课程优秀毕业生有机会申请硕博连读课程，实行贯通培养。新设博士点每年招生 200 人，力争用 5 年时间，招生人数总计达到 1000 人。新设的硕士点和博士点， 扩大硕士和博士研究生招生规模可使英国在几年内增加培养人工智能人才达数千人。

▲CSRankings 2019年-2020 年英国 AI 排名TOP 20 高校

上图展示了英国在 CSRankings2019 年至 2020 年度排名 TOP 20 高校情况。从这些高校的得分情况可以看出，相比美国，英国高校的高水平论文发表量存在一定差距。参考以上榜单，下面以爱丁堡大学为例进行详细说明英国高校 AI 课程设置情况。 英国爱丁堡大学开设了人工智能、 人工智能与计算机科学两个有关人工智能的专业。

下面就人工智能荣誉学士为例进行说明，其包含两个主要研究方向： 一类是通过使用计算机模型来了解自然智能； 另一类提供用于构建能够进行智能决策和动作的系统的技术，因此相当于 AI 既是一门科学又是一门工程学。 开设的AI 相关课程包括： 视觉与机器人学导论、 自动推理、 应用型机器学习入门、 语音处理、算法和数据结构、人机交互、算法博弈论及其应用、自动语音识别、机器学习与模式识别、机器学习实用、自然语言的理解和生成、机器翻译、生物信息学、自然计算等。

日本。 目前许多大学正在建立部门，以帮助培养人工智能和大数据时代的学生。 日本向全年约为50万人的所有大学生和高等专科学校学生提供初级水平的AI教育。要求学生理解最低限度的编程机制并理解 AI 的伦理道德， 并向接受教育的学生颁发相应水平的结业证， 方便学生未来就业与发展。 日本将其中 25 万人作为专业级别的 AI 人才加以培育， 除了掌握初级水平之外，还将对这些学生其进行深度培训， 目标是使其理解机器学习的算法。 为了全面推进 AI 普及教育，日本的文科和理科学生都需要学习“AI 与经济学” 和“数据科学与心理学” 等科目。根据内阁创新小组发布的建议草案，所有入读大学和技术学校的学生将参加初学者 AI 课程。每年约有 600000 名毕业生，目标是使其中 250000 名拥有先进的 AI专业知识。

▲CSRankings2019 年-2020 年日本 AI 排名 TOP 高校

上图展示了日本在 CSRankings2019 年至 2020 年度榜单中的高校情况。日本入选高校无论是数量还是高水平论文发表量方面均与美国和日本存在一定差距。结合该榜单，以东京大学为代表，介绍其 AI 研究情况。东京大学成立了“下一代人工智能研究中心（AI Center） ”，研究重点是“动态现实世界智能”和“人类人工智能”。该中心通过共享研究成果推动基础研究的进一步发展，努力为社会进步做出贡献。为此，该中心与行业和其他合作伙伴合作进行项目。下一代人工智能研究中心（AI Center）试图超越当前 AI 技术的框架和局限性，以构建有关人类和人工智能的新型科学技术计划。 AI 中心成立了一个校际研究组织，将东京大学的所有相关学科从科学技术到人文科学，以及外部合作进行统一，以实现强大的综合功能。

中国。 与国外相比，我国高校人工智能人才培育起步较晚，但近年来我国人工智能学科和专业正在加快推进。 2018 年 4 月，为落实《国务院关于印发新一代人工智能发展规划的通知》（国发〔 2017〕 35 号），引导高等学校瞄准世界科技前沿，不断提高人工智能领域科技创新、人才培养和国际合作交流等能力，为我国新一代人工智能发展提供战略支撑，教育部特制定《高等学校人工智能创新行动计划》。《计划》中提出，要加强人工智能领域专业建设，推进“新工科”建设，形成“人工智能+X”复合专业培养新模式。

过去一年来，为了贯彻落实国务院《新一代人工智能发展规划》和教育部《高等学校人工智能创新行动计划》， 国内高校积极快速地布局人工智能学科建设，开设人工智能专业的高校数量呈现上涨态势， 2019 年度获批新增开设人工智能专业的高校数量较上年增加 400%以上。2020 年 2 月，教育部颁布《关于公布 2019年度普通高等学校本科专业备案和审批结果的通知》。统计结果显示，人工智能方面，本次全国范围内获得人工智能专业首批建设资格的共有 180 所，相比 2018年的 35 所，增加了 414%， 反映出人工智能专业的热度攀升。 表 展示了中国在CSRankings 2019 年至 2020 年度榜单中 AI 领域排名前 20 的高校情况。从中可以看出，中国 AI 高校无论从数量还是质量上均得到明显提升。

▲CSRankings2019 年-2020 年中国 AI 排名 TOP 20 高校

中国高校面向不同人群开展多层次人才培训模式。高校积极布局人工智能相关的学科、专业体系，探索“人工智能+X”人才培养模式。目前，高校人工智能学科建设主要有三种模式：新增人工智能专业、原有相关专业中新增人工智能培养方向、重组原有相关专业设立人工智能学院。这三种学科建设模式在过去一年中均有不同程度进展。教育部于 2019 年 3 月颁布《关于公布 2018 年度普通高等学校本科专业备案和审批结果的通知》，将人工智能专业列入新增审批本科专业名单，专业代码为 080717T（T 代表特设专业），学位授予门类为工学。在教育部发布的新增备案专业名单中，由于人工智能专业的设立， 2019 年度高校新增设置“机器人工程” 专业、“智能科学与技术” 专业以及“数据科学与大数据技术” 专业的数据较上年均有不同幅度下降；新增“智能制造”专业、“大数据管理与应用”专业的获批高校数量仍有增长。

▲2018-2019 年度普通高等学校人工智能相关本科专业新增情况

在人工智能时代，探索产学研协同创新、探讨协同培养方式是社会经济发展与进步的重要环节。 2019 年国务院政府工作报告指出，坚持创新引领发展，培育壮大新动能，促进新旧动能接续转换，深化大数据、人工智能等研发应用，健全以企业为主体的产学研一体化创新机制。加大基础研究和应用基础研究支持力度，强化原始创新，加强关键核心技术攻关。教育部《高等学校人工智能创新行动计划》 也强调，要加强人才培养与创新研究基地的融合，完善人工智能领域多主体协同育人机制，以多种形式培养多层次的人工智能领域人才。

2019 年，教育部大力开展深化产教融合、产学合作、协同育人项目，公布了两批产学合作协同育人项目申报。产学合作协同育人项目是由教育部高等教育司认可立项的项目。 第一批产学合作协同育人项目共有 324 家企业支持项目10647 项，并且已经立项成功。第二批有 346 家企业支持项目 12350 项。 2019年 10 月，经国务院同意，国家发展改革委、教育部等 6 部门印发《国家产教融合建设试点实施方案》。

根据方案， 产教融合型城市建设将覆盖每个省、自治区、直辖市。为平衡试点城市的示范性和代表性，国家将在 5 年内、 拟分两批选择50 个城市开展试点。 在过去一年中，各区域各级政府带领并促进企业与院校合作。许多企业加入人工智能产学研的合作队伍，早期已开展校企合作的企业也不断推出新的合作模式与人才培养方式。 例如，科大讯飞先后在西南政法大学、重庆邮电大学、南宁学院、安徽信息工程学院、江西应用科技学院、重庆科创职业技术学院创建人工智能学院。

从区域进展来看， 北京、上海、 广州在人工智能产学研协同技术攻关方面处于领先地位。 其中，北京、 广州基于高校与科研院所集中优势，着重提出了产学研用协同创新和成果转化，以及以引进技术创新和区域协同为主要内容的开放式创新。 例如， 中国科学院表示要统筹组织院内外的机构，共同研发人工智能的关键共性技术，将人工智能前沿技术和成果进行产业化转化。围绕产学研合作和生态共建，科大讯飞公司支持并协助推动中科院系统内优质的人工智能源头技术创新成果更快的落地到最后的产业应用里面。

上海浦东新区开启了产学研专项资金（人工智能）申报， 研究目标是推动人工智能创新技术突破，加强算法模型研究以及应用软件开发，有效支撑各种应用场景，推动人工智能技术与机器人技术在生产制造、服务等领域的融合创新。项目申报主体须由新区企业牵头，联合 1-2家上海地区高校、科研院所、研究性平台共同申报。

从企业层面来看，实力企业更加主动与学术界联合开展研究，并提供资金及技术支持，以突破企业发展相关的前沿科技难题。 2019 年度，腾讯公司与中国计算机学会（CCF）共同发起搭建产学研合作及学术交流的平台 CCF-腾讯犀牛鸟基金，共设立 9 个重点技术领域的 29 项研究课题，在持续关注人工智能技术的同时，进一步扩充基金项目的专项研究领域，加入车联网、机器人、智能芯片、程序分析等产学研合作热门方向，同时持续设立微众银行技术专题，并新增以智慧教育为主题的开放研究课题。

基金同时设立“犀牛鸟访问学者计划”，加强青年学者与企业研发团队在前沿科技领域的深入合作。科大讯飞认知智能国家重点实验室于 2019 年 3 月发布“认知智能国家重点实验室开放基金计划”，将在认知智能领域的深度学习、机器翻译、知识图谱、自然语言理解、辅助诊断等产学研热点方向资助项目 5-8 个，总额 100 万元，项目实施周期为 1 年。科大讯飞还将为获得资助的申请者，提供必要的数据、应用场景、教师访问和学生实习的环境等优势资源。目前开放基金计划已经对外发布了覆盖 21 个研究方向的 7 个研究主题。

过去一年来，经过科研院所、高等学校、相关企业的相互配合、共同推动，人工智能技术在实体经济中逐渐落地应用。 北京、上海、 广州和深圳在人工智能产学研方面效果相对领先。 综合来看，产学研协同培养已成为当前人工智能人才培养的重要途径。但是，产学研协同创新是一个长期过程，产业界仍需更多地参与以推动人工智能科研发展。

根据科技部新一代人工智能发展研究中心、中国科学技术发展战略研究院联合国内外十余家机构共同编写发布的《中国新一代人工智能发展报告 2019》，中国人工智能校企合作论文比例与美国、以色列等国家相比还有较大差距，人工智能学术研究仍以高校为主，与企业的结合程度较弱。高校和科研机构的科研成果与企业的实际需求结合不够紧密， 创新成果转化率不高，企业在科研项目中的参与程度较低，真正以市场为导向、产学研协同开展的人工智能科研活动仍有待加强。

2、 AI 科研人才现状

过去十年，全球人工智能发展迅速。中国、美国、欧盟、英国、德国等国家纷纷从战略上布局人工智能，加强顶层设计和人才培养。根据清华大学唐杰教授团队自主研发的“科技情报大数据挖掘与服务平台”（简称 AMiner）显示，全球人工智能领域学者数量共计 155408 位，覆盖 120 多个国家。从地域分布来看，全球 AI 人才主要集中在北美洲、欧洲、东亚地区，如下图所示。在学者分布地图中，颜色越深，表示学者越集中；颜色越浅，表示学者越稀少。

▲全球 AI 领域科研人才分布

论文是科技活动的重要表示形式，是科研人才的智慧结晶。高水平论文发表量不仅可以体现科研人才的学术水平，还可以反映一个国家、城市和机构的科研实力。本报告利用 AMiner 平台深入挖掘人工智能领域高水平期刊和会议（如附录 1 所示）上发表的论文，来获取论文作者及其工作单位，通过将各单位映射到对应的城市和国家，统计 AI 学者在全球各个国家、城市和机构的分布情况，以此来衡量不同国家、城市和机构在 AI 领域的科研实力和水平。

下图展示了 AI 领域的高水平论文发表量 TOP 10 国家及其科研人才数量。这些国家主要分布在北美洲（2 个）、欧洲（3 个）、亚洲（4 个）、大洋洲（1 个）。美国排名世界第 1，其高水平论文发表量为 69764，体现出美国对该领域的重视。中国的高水平论文发表量和学者数量均居世界第 2，且中国在论文发表量和论文作者数量两方面是位于第 3 名德国的 2 倍以上。中美两国的高水平论文发表量和论文作者数量远高于其他国家。

但是，虽然中国仅次于美国，但是与美国相比仍存在较大差距：美国的高水平论文发表量（69764） 是中国（25418）的 2.74 倍，美国（49116）高水平论文作者数量是中国（17368）的 2.83 倍。全球众多国家已经充分参与到 AI 领域的研究中，中国应该继续加强高水平 AI 人才队伍的建设，进一步提升 AI 领域的基础创新能力，力争在新一轮国际科技竞争中掌握主导权。

▲AI 领域高水平论文发表量 TOP 10 国家及其科研人才数量

▲ AI 领域的高水平论文发表量 TOP 10 全球机构及其科研人才数量

从高水平论文发表量排名 TOP 10 全球机构类型看，包含 7 所高校和 3 家企业。从归属地看，共有 9 所美国机构和 1 所中国机构，凸显了美国在 AI 领域研究的地位和影响力。全球排名前 3 的机构分别是美国的微软公司、谷歌公司和卡耐基梅隆大学， 三家机构的高水平论文发表量均超过 4000。 按照论文发表数量排序，清华大学位居第 6，按照论文作者数量排序，清华大学位居第 7。

清华大学与世界顶级机构存在一定差距，排名第 1 的微软公司（5664）的论文发表量是清华大学（2759）的 2.05 倍，微软公司（1900）的 AI 论文作者数量比清华大学（1274）多出 49%。以上数据从侧面反映出，中国机构与美国相比还存在一定差距， 中国政府有必要采取相关措施，建设高水平人才队伍，加强机构的科研实力和水平。

下图展示了 AI 领域的高水平论文发表量 TOP 10 中国城市及其科研人才数量。排名前 3 的城市分别为北京、香港和上海。北京位居中国第 1，具有突出优势，北京的论文发表量（7872）是排名第 2 位香港（3509）的 2.24 倍，论文作者数量（4167） 是排名第 2 位上海（1503） 的 2.77 倍。 从分布上来看，南北差异较大， TOP10 城市中有 8 座城市位于中国南方。北京、长三角和粤港澳大湾区等地区表现突出，中西部地区的成都、西安和武汉表现突出。

从以上数据可以看出，中国高水平论文发表量 TOP10 城市主要集中在中国政治、经济发达地区。科研之间的差距会进一步拉大发达地区与欠发达地区之间的差距。人才的地区分布会影响科研资源的配置，政府应该加大经济弱势地区的科研投入和立项力度通过科技政策协调各个地区的科研资源配置，改善人才地区分布集中的情况。同时应该加强地区之间的人才合作交流，使技术在各地区平衡发展。

▲AI 领域高水平论文发表量 TOP 10 中国城市及其科研人才数量

下图展示了 AI 领域的高水平论文发表量 TOP 10 中国机构及其科研人才数量。 TOP10 机构中有 9 所科研院所和 1 家企业（阿里巴巴公司），这些机构主要分布在北京市（3 个）、浙江省（2 个）、香港特别行政区（2 个）、上海市（1 个）、安徽省（1 个）、台湾省（1 个）等地区。 其中清华大学位居中国第 1，学术水平较高， 遥遥领先于其他机构，其高水平论文发表量达到 2759，作者数量为 1274。值得注意的是，虽然香港中文大学和香港科技大学的作者数量不多，但是产出的高水平论文的数量却不少，双双进入了高水平论文发表量榜单的前 5 名。 从图中可以看出，中国其他机构与清华大学之间的差距较大，应该加强清华大学与各机构之间的交流合作，促进各机构共同发展。

▲AI 领域高水平论文发表量 TOP 10 中国机构及其科研人才数量

下图展示了 AI 高层次学者数量 TOP 10 全球国家分布。全球高层次学者数量中排名第 1 的是美国，学者数量为 1244 人次，占比 67.87%，这体现出了美国对 AI 领域的高度重视和其出色的科研实力。中国以学者数量 196 人次居世界第2，排名第 3 的是德国（113 人次），也是欧洲国家中拥有高影响力学者最多的地方。剩余国家的学者数量均在 100 人次以下。排名前 10 的国家中，除中国外均为发达国家，可见科研实力与各国的经济发展水平密切相关。高层次学者数量占比超过 10%的只有美国和中国，虽然中国的排名仅次于美国，但是美国的高层次学者数量（1244）是中国（196）的 6.35 倍，差距相当之大。中国相关部门应该采取措施，吸收、引进和培养 AI 领域的人才， 加快建设高水平的人才队伍。

▲ AI 高层次科研人才数量 TOP 10 国家分布

下图展示了 AI 高层次学者数量 TOP 10 全球机构分布。前 10 的机构中有6 所高校、 4 家企业。其中，美国的机构呈现出数量多、实力强的特点，在 TOP10机构中，美国机构包揽前 9 名，第 10 名为中国的清华大学。美国的企业实力很强，全球排名前 5 的机构中，美国企业类型的机构占了 3 个，且包揽 TOP 2。排名第 1 的机构是美国谷歌公司，其高层次学者数量为 185 人次，也是 TOP 10 中唯一一家高层次学者数过百的机构。谷歌公司的高层次学者数量（185）约是排名第 10 名的清华大学（27）的 6.85 倍，可见中国机构的高层次学者数量与世界顶尖机构相比还存在很大的差距，中国有必要采取措施，实行人才奖励、引进等相关措施，加速建设高水平的人才队伍。

▲AI 高层次科研人才数量 TOP 10 全球机构分布

下图展示了 AI 高层次学者数量 TOP 10 中国城市分布。北京市排名第 1，数量为 79 人次，在全球 AI 高层次学者数量中占比 4.31%，是中国 AI 科研的前沿城市。北京市的高层次学者数量优势显著，是排名第 2 的香港（36 人次）的2.19 倍。北京、香港和杭州的高层次学者数量占比均超过 1%。从地区分布看，数量较多的城市主要分布在东部地区；且南北差异明显， TOP10 城市中，南方城市占 8 座，北方只有 2 座。整体而言，北京、长三角地区和粤港澳大湾区表现突出。中国应该采取措施改善人才地区分布集中的情况，加强各地区之间的人才交流，促使技术在各区域之间平衡发展。

▲AI 高层次科研人才数量 TOP 10 中国城市分布

下图展示了 AI 高层次学者数量 TOP 10 中国机构分布。 TOP10 机构分布在北京市（4 个）、香港特别行政区（2 个）、浙江省（2 个）、广东省（1 个）、安徽省（1 个）等中国的政治和经济发达地区，其中科研院所 7 所、企业 3 家。清华大学位居榜首，学者数量为 27 人次，占比 13.78%。清华大学优势非常突出，学者数量是位居第 2 位香港中文大学（16 人次）的 1.69 倍。 TOP10 机构中的中国企业分别是阿里巴巴、京东和华为，它们的学者数量均为 6，实力相当。清华大学实力很强、人才数量占有明显优势，应加强清华大学与其他机构之间的人才交流合作，以促进各机构共同进步、共同发展。

▲AI 高层次科研人才数量 TOP 10 中国机构分布

3、 AI 产业人才现状

为了明确 AI 产业的发展情况，本节一方面根据 AI 关键词，通过与专利的标题、摘要和权利要求等文本进行匹配，获取 2010 年-2020 年的全球专利申请量数据（728349），从全球范围和中国范围分析对比不同国家、中国不同省市，以及中国不同机构之间的专利申请量情况。另一方面，根据资料调研，分析说明AI 产业人才岗位分布和岗位类型，以及不同岗位和地区的 AI 人才供需情况。

下图展示了全球 AI 专利申请数量排名前十的国家。从图中可以看出，中国和美国处于领先地位，遥遥领先其他国家。中国专利申请量为 464449，位居世界第一，占全球总量（728349）的 63.77%，中国 AI 专利申请量是排名第二的美国的 3.12 倍。另外，亚洲国家表现突出，中、日、韩三国均位列前五名。整体而言，全球 AI 专利申请量主要集中在中、美、日、韩等国家。

▲全球 AI 专利申请量 Top10 国家

下图展示了中国各省市 AI 专利申请数量的分布情况。从图中可以看出，广东省的 AI 专利申请量以 90191 位居第一， 比排名第二的北京市（61072）多出47.68%，具有突出优势。前十名的省份主要分布在东部、中部、西部等地区，分布较为均衡，但是以东部省市居多， 江浙沪三省市均位居前五名。这与这些地区的经济水平、发展程度、科研投入及知识产权保护等因素密切相关。

▲全国 AI 专利申请量 TOP10 省份

下图展示了中国 AI 专利申请数量排名前十的机构。这 10 个机构中有 6 家企业和 4 所高校， 主要分布在广东（4 所）、北京（3 所）、浙江（2 所）、四川（1所）。目前中国在 AI 专利领域的创新主要还是依靠高科技互联网企业和高校科研机构等方面的共同努力。百度公司申请量排名第一， AI 专利申请量为 3919 件，国家电网紧随其后，申请量为 3729 件。体现出百度和国家电网在 AI 领域的创新能力比较突出，对相关技术领域的引领作用较强。

▲中国 AI 专利申请量 TOP10 机构

人工智能的火热发展，展现了巨大的潜力，已成为当前经济发展的新引擎。国家在大力实施人工智能战略，扶持人工智能产业，一个产业的发展离不开人才的供给。 国务院在《新一代人工智能发展规划》 明确提出当前我国人工智能尖端人才远不能满足需求，并在总体部署中将加强人才队伍建设作为构建开放协同的人工智能科技创新体系四大主要支撑之一。 本节主要结合工信部发布的《人工智能产业人才发展报告(2019-2020 年年版)》、《人工智能产业人才岗位能力要求》等文件，对 AI 产业人才的供需现状进行分析。

人工智能产业的稳步发展一方面加速了技术革新的进程，同时在产业人才需求上也催生出众多的人工智能相关岗位，如下图所示。这些岗位主要基于人工智能产业技术架构以及人工智能企业的实际用人需求进行梳理，涵盖技术架构中的基础层和技术层。

▲人工智能产业人才岗位分布

根据上述的人工智能企业岗位人才需求，可将岗位类型归纳为高级管理岗、高端技术岗、算法研究岗、应用开发岗、实际技能岗、产品经理岗等类型，如下图所示。其中，算法研究岗主要指创新、突破人工智能算法和技术研究，并将人工智能前沿理论与实际算法模型开发相结合的岗位。应用开发岗主要是将人工智能算法及各项技术（例如机器学习、自然语言处理、智能语音、计算机视觉等）与行业需求相结合，实现相关应用工程化落地的岗位。实用技能岗主要指理解人工智能技术的基本概念，能够结合特定使用场景，保障人工智能相关应用快速、高效的规模化产出和稳定运行的岗位。这一岗位需求分类也契合人工智能从研发到应用的众多环节。管理、技术和服务等多类型人才协同，推进人工智能应用落地，成为数字经济背景下人工智能产业人才内涵的特色。

▲人工智能产业人才岗位类型

根据人工智能企业对核心岗位人才的能力遴选要求，同时参考本科及职业院校人工智能相关专业的培养目标，人工智能产业人才应具备的能力要素可以划分为综合能力、专业知识、技术技能以及工程实践能力四类，如下图所示。

▲人工智能产业人才能力要素

1、 AI 各技术方向岗位人才供需情况 。根据《人工智能产业人才发展报告 (2019-2020 年年版)》的数据显示人工智能不同技术方向岗位的人才供需比均低于 0.4，说明该技术方向的人才供应严重不足。从细分行业来看，智能语音和计算机视觉的岗位人才供需比分别为 0.08、0.09，相关人才极度稀缺。其中，岗位人才供需比计算方法是意向进入岗位的人才数量与岗位数量的比值。岗位人才供需比值来反映人工智能产业各技术方向岗位和不同职能岗位的人才供需情况。岗位人才供需比越高，表明该岗位的人才供应越充足。

▲人工智能各技术方向岗位人才供需比

2、 AI 各职能岗位人才供需情况 。 根据《人工智能产业人才发展报告 (2019-2020 年年版)》的数据显示，现阶段，算法研究岗、应用开发岗、实用技能岗和高端技术岗的人才供需比分别为0.13、 0.17、 0.98、 0.45，表明技术类岗位的人才缺口较大，而实际技能岗人才供给处于相对充足状态。相比之下，产品经理岗、销售岗和负责企业经营管理的高级管理岗的岗位人才供需比分别为 4.52、 7.14、 3.44，人才供应较为充足。

▲人工智能各职能岗位人才供需比

3、 AI 产业人才主要区域的供需情况 。 根据《人工智能产业人才发展报告 (2019-2020 年年版)》报告显示，人工智能产业人才在需求和供给方面的区域集聚效应尤为突出，这主要受制于区域产业基础、人才积累的差距。京津冀地区、长三角地区、粤港澳大湾区和川渝地区是当前人工智能产业的主要发展高地，同时也是人工智能产业人才资源的主要聚集地，人才需求规模占全国总需求的 90.9%，人才供给规模占全国总供给的 82.9%。

▲全国主要区域的人才的需求情况及求职人才意向的区域情况

4、 AI 人才发展问题

随着科学技术的发展，人工智能深入人们的日常生活， 出现越来越多的人工智能公司和产品，高校也纷纷开设人工智能专业课程。 人工智能的发展已被提升到国家战略高度，各国纷纷出台相关政策促进人工智能产业的发展。人工智能和机器学习类专业人才正在变得炙手可热，而人工智能人才短缺也成为了中国乃至全球普遍的问题。 国务院在《新一代人工智能发展规划》 明确提出当前我国人工智能尖端人才远不能满足需求，并在总体部署中将加强人才队伍建设作为构建开放协同的人工智能科技创新体系四大主要支撑之一。 本节主要基于前述的数据分析结果，总结概况中国 AI 人才发展过程中存在的现状和问题。

1、中国 AI 高水平论文发表量和高层次学者数量排名全球第二，但与排名第一的美国差距较大。

AI 领域的高水平论文发表量排名前 10 的国家主要分布在北美洲（2 个）、欧洲（3 个）、亚洲（4 个）、大洋洲（1 个）。其中，美国 AI 高水平论文发表量排名第 1（69764），中国第 2（25418），美国约是中国的 2.74 倍，中国约是排名第3 的德国（10127） 2.51 倍。在 AI 高层次学者方面，美国（1244 人）排名第 1，约是排名第 2 的中国（196 人） 6.35 倍。在 AI 高水平论文发表量和高层次学者排名前 10 的全球机构中，美国占据 9 所，中国仅有清华大学入榜，分别位居第7 和第 10。中国应该继续加强 AI 领域的高水平人才队伍建设和基础创新能力，力争在新一轮国际科技竞争中掌握主导权。

2、 中国的北京市、长三角和粤港澳等地区在 AI 高水平论文发表量和高层次学者数量方面表现突出 。

AI 领域的高水平论文发表量排名前 10 的中国城市主要分布在北京市、长三角地区（上海市、杭州市、南京市）、粤港澳大湾区（香港特别行政区、深圳市）等地区。其中，北京排名第 1，高水平论文发表量（7872）约是排名第 2 位香港（3509）的 2.24 倍。 AI 领域的高水平论文发表量和高层次学者数量排名前 10的中国机构主要分布在北京市、浙江省、香港特别行政区、上海市、广东省、安徽省、台湾省等地区。其中，北京的清华大学、中国科学院和北京大学，以及香港特别行政区的香港中文大学、香港科技大学表现突出。人才的地区分布会影响科研资源的配置，政府应该加大经济弱势地区的科研投入和立项力度，通过科技政策协调各个地区的科研资源配置，改善人才地区分布集中的情况。同时应该加强地区之间的人才合作交流，使技术在各地区平衡发展。

3、 中国 AI 专利申请量位居世界第一，占全球总量一半以上，其中广东省和北京市领跑全国 。

中国专利申请量为 464449，位居世界第一，占全球总量（728349）的 63.77%，中国 AI 专利申请量是排名第二的美国的 3.12 倍。全球 AI 专利申请量主要集中在中国、美国、日本、韩国等国家，亚洲国家表现突出。 AI 专利申请量排名前10 的中国省市主要分布在东部、中部、西部等地区，分布较为均衡，但是以东部省市居多。其中，广东省的 AI 专利申请量以 90191 位居国内第一， 约是排名第二的北京市（61072） 1.48 倍。此外， 中国 AI 专利申请数量排名前 10 的机构中，广东省（4 所）和北京市（3 所）占据 7 所。以上现象与这些地区经济水平、发展程度、科研投入及知识产权保护等因素密切相关。

4、 中国 AI 技术岗位和职能岗位人才供需结构不平衡 。

参考岗位人才供需比计算方法，即意向进入岗位的人才数量与岗位数量的比值，人工智能不同技术方向岗位的人才供需比均低于 0.4，尤其是智能语音和计算机视觉的岗位人才供需比分别为 0.08、 0.09，说明该技术方向的人才供应严重不足，且相关人才极度稀缺。说明该技术方向的人才供应严重不足。算法研究岗、应用开发岗、实用技能岗和高端技术岗的人才供需比分别为 0.13、 0.17、 0.98、0.45，表明技术类岗位的人才缺口较大，而实际技能岗人才供给处于相对充足状态。

智东西认为，​随着人类进入第四次产业革命，各行各业的竞争归根结底都是人才的竞争。从人工智能人才发展趋势来看，中国进步飞速，但在高水平人才方面仍和美国有着很大的差距。而且，从细分领域来看， 智能语音和计算机视觉岗位缺人的局面仍会持续很久。未来，随着我国从“人口红利”向“人才红利”转变，国家对人才的重视程度不断提高，我国人工智能行业会和美国真正形成“两超”的局面。