程豪：探索人工智能领域人才流动效应机制 思考科技人才发展对策

随着数据科学的蓬勃发展，人工智能领域科技人才成为推动国家前沿科技产业发展的重要力量之一。作为关系国家创新发展、具有重要社会影响的新兴科技领域，人工智能科技人才的流动和集聚至关重要。已有研究发现，人工智能等新兴领域科技人才具有较强的集聚性和流动性，流动促进人力资本的集聚和跃升，带来知识的交互和融合，对科学家的科研绩效、职业发展以及组织或国家的科技实力和创新能力产生重要影响。

人工智能领域科技人才全球分布特点

研究发现，人工智能领域科技人才的全球分布特点主要表现在两个方面。

一是全球人工智能产业人才主要分布在美国、中国等国家的初创企业和科技巨头中。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%。

二是人工智能高端学者呈现学术界和产业界融合的特征。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。其中，人工智能高端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。人工智能领域的顶级企业家大多毕业于世界名校，其中斯坦福大学、麻省理工学院和卡耐基梅隆大学排名前三，这三所高校也处于人工智能学科最先进的高校之列。大多数企业家所学专业与人工智能相关：计算机工程、机器人、生物工程学等，少部分专业为哲学、公共政策、社会学等学科。另外，一个公司的创始人经常来自同一个学校，呈现出“校友圈创业”的现象。

人工智能领域科技人才流动效应机制的主要发现

一是不同阶段流动对科研绩效的影响效应大小不同。工作阶段流动对科研产出和科研影响力的影响效应要显著高于教育阶段流动（学缘关系）的效应，可见，虽然接受教育期间的行为可能对人才成长具有一定的影响，但后期的工作经验才是高层次人才成长的关键，有研究测算人工智能高层次人才每变动一次机构，其发文量平均增加2.55次。本研究再次证明了流动对科研产出和科研影响力有重要影响，对于人工智能人才成长具有重要作用。

二是不同阶段流动对知识多样性和合作网络的影响规律相反。教育阶段流动对知识多样性的影响要大于工作阶段流动的影响，工作阶段流动对合作网络的影响要大于教育阶段流动的影响。虽然流动可以从积累人力资本和社会资本两个维度对个体科研绩效产生影响，但在不同阶段，流动所积累的资本类型有所不同。在教育阶段，流动更多地是为了接触新知识、学习新技能，为自身能力的提升奠定基础，流动选择策略应以增长自身知识优势、弥补自身知识缺陷为主以不断提升人力资本，而构建合作网络仅是此阶段流动的“副产品”；而在工作阶段，流动除了寻求自身人力资本提升外，更重要的是构建科研合作网络，通过增进社会资本提升科研的产出和影响力。

三是非跨界流动对科研成果的作用略大于产学跨界流动。产学跨界流动是新兴领域科技人才流动的重要特征之一，但非跨界流动对科研产出和科研影响力的作用仍比产学跨界流动略大。在人工智能领域，产业界的研究更注重面向技术开发，而学术界的研究更注重面向科学前沿，这种差异可能导致流动到产业界的科研人员在发表方面的知识积累不够而影响其科研成果。另一方面，人工智能领域的学者在产业界的经验也可能使得科研人员对科学问题有更深入的把握，从而对科研成果产生积极的影响。而且，很多来自人工智能领域的前沿问题来自于企业，尤其是大型企业中有大量的研发人员，这些人员在基础研究方面做出了突出的贡献，基础研究本身已经出现了跨界融合，因此，科研人员产学跨界流动对科研产出有促进作用。

多措并举，共谋人工智能领域科技人才流动发展对策

一是构建良性科研流动生态和机制，营造科研绩效提升和科研人才成长良好生态。科技人才作为一种重要的战略科技资源，有效流动能促进整个科研系统的健康运转，提升科研产出效率。一些人才流动研究表明，人才流动对科研绩效呈现短期内增量、长期减量效应。从长远来看，科技人才与科研环境的适配性有待进一步提升，人力资源配置需要得到优化，人力资本总价值和效用有待提升。因此，应营造良好的科研生态，引导科技人才良性、有序流动，充分发挥科技人力资源对科技经济的贡献。

二是完善评价和考核体系，探索建立人工智能科学界和产业界互动的评价和晋升机制。人工智能领域的产业需求常带动科技前沿，创新体系的发展已从产学研协同逐渐向产学研融合的方向发展。作为重要的科技资源，科技人才要素频繁流动逐渐模糊了产业界和学术界的边界，从而提升创新体系的整体效能。然而，如果产业界和学术界不能在价值体系上形成较为一致的认识，很难实现真正的融合。因此，应完善现有的科研绩效评价和考核体系，建立面向产业链和创新链融合发展的价值体系，降低科研人员的流动成本，注重科技人才培养的产学研协同机制。

三是深耕全球人才流动治理，合力人才流动与国际合作稳中求进的发展态势。人才国际流动是全球化发展的重要特征之一。在全球化人才流动治理中，要注重与全球经济治理、全球安全治理等相关工作同事推进，不断挖掘全球人才流动治理尚待解决和可能存在的难题。尤其是在人工智能领域，集思汇智共同维护人才流动与国际合作的稳定发展，在复杂多边的环境中坚定走出团结合作、互联互通、共同发展之路。

作者：程豪 中国科协创新战略研究院副研究员

本文系2023年北京工商大学数字商科与首都发展创新中心委托课题“大数据智能化背景下新兴领域高层次科技人才流动效应机制与发展对策研究”（项目编号：SZSK202317）的阶段性研究成果。