從人才佈局看AI戰略

AI人才根據產業鏈分為三類：

1、演算法策略類人才：側重方法研究，主要面向技術層，包括演算法、機器學習、自然語言處理、資料探勘、影象識別、語音識別、推薦系統、系統演算法工程師、影象演算法工程師、matlab建模工程師；

2、工程類人才：側重專案實現，即應用層人才，包括搜尋開發、Spider開發；

3、資料分析類：側重對資料的理解，即基礎層人才，包括資料倉庫、資料分析。

國內BAT三巨頭AI佈局比較積極，不過有分析指出：目前中國71%的人工相關企業都在做技術落地應用，在演算法技術方面，55%的企業在做計算機視覺，13%在做自然語言處理，只有9%的企業真正研究機器學習。能夠很快把技術應用落地是中國的優勢，但是對於基層的技術研究，中國的企業實力目前還無法和國外匹敵，這是劣勢。

AI人才的錢途和前途

BAT三家給出的AI人才薪資均為萬元級別，但阿里巴巴的AI人才薪資明顯是相對比較高的，薪資漲幅也遠高於百度和騰訊，這是由於阿里入局較晚的緣故。此外，騰訊、百度的平均薪資雖基本持平，但騰訊為高階人才提供的待遇要優於百度。百度作為目前AI人才儲備的領頭羊，其相對較低的薪資對應了更高的跳槽意向。

從工作資歷來看，阿里巴巴和騰訊的AI人才行業資歷更深；在職時長方面，演算法、影象識別、語音識別、推薦系統這四個演算法策略職能在職時長百度佔優，自然語言處理、搜尋開發方面阿里佔優，機器學習、資料探勘這兩個演算法策略職能及資料倉庫、資料分析方面騰訊佔優。

此外，百度高層晉升速度更快（這可能是因為百度高管跳槽問題也相對嚴重），阿里巴巴中層升職最快。

AI人才都從哪來？到哪去？

三家公司的AI人才中，碩士學歷佔絕大多數，其中，計算機是AI人才最常見的專業方向，其次是數學、資訊與通訊工程、管理類專業。因此北京大學、清華大學、北京郵電大學、華中科技大學、中國科學技能大學等20所高校成BAT AI人才搖籃。

吳恩達指出，公司對於技術人才的吸引力在於，他們能提供強大的運算能力和大資料的支援。兩者在機器學習中發揮重要的作用；但壞處是，公司相比高校的研究機構，更容易受短期商業利益的影響，研究成果共享也會很難，某種程度上阻礙了技術進步。

除了BAT，AI人才還會流向華為、京東、新浪、搜狗、美團等科技公司。麥肯錫調研曾指出，人工智慧的迅速發展可能更有利於科技板塊；相比之下，傳統企業不會用資料，大型網際網路企業的資料無法互相分享，存在“資料黑洞”。

在阿里巴巴和騰訊則紛紛嘗試了盈利多元化，其營收均衝高到1500億元級別的情況下，百度遭遇了PC市場飽和導致的搜尋量下降，加上去年經歷的信譽風波，於是開始寄希望於基於AI的彎道超車。但缺乏多元化以及營收不樂觀，人才平均薪資缺乏優勢的前提下，吳恩達、王勁等高層紛紛離職，陸奇是否能扭轉乾坤就很難說了，畢竟還要受到張潼帶領的騰訊AI實驗室和阿里“NASA”計劃的衝擊。

隨著國內國際經濟局勢轉變、人口紅利快速消失，中國經濟急需尋找新的增長引擎。而基於人工智慧的智慧應用帶來的巨大生產力提升潛力，被社會各界廣泛看好。國內科技企業中百度、阿里、騰訊作為行業領軍角色，已先後建立起自己的人工智慧（AI）人才研究院，踐行本土化“矽谷-斯坦福”模式，重點培養和發掘本土人才，其人才戰略頗具參考價值。

報告目的

核心結論

AI人才儲備：百度領銜，阿里巴巴、騰訊奮起直追。

AI人才職能佈局：百度重搜尋、阿里優策略、騰訊重分析。資料化mapping凸顯BAT人才架構，AI職能輔助企業核心業務的指向性明顯。

žAI人才薪酬與穩定性：百度晉升快、騰訊最穩定、阿里巴巴獨佔薪酬高地。資料化的僱主品牌特徵更直觀表現BAT各自發展模式。

žAI人才流動性：網際網路企業AI人才互有流動，華為或成最佳跳槽目的地。

AI人才培養與擇業：大陸AI人才培養北大清華穩坐頭名，碩士學歷為平均入行門檻。

報告說明

本報告選取人工智慧（AI）崗位職能關鍵詞進行篩選，經過資料清洗對保留的1,604份簡歷樣本進行分析。

這些人工智慧樣本涉及到的崗位職能包括：

演算法、機器學習、自然語言處理、資料探勘、搜尋開發、spider開發、影象識別、語音識別、推薦系統、系統演算法工程師、影象演算法工程師、資料分析、資料倉庫、matlab建模工程師 等關鍵詞，基本涵蓋了現階段人工智慧細分領域的人才結構。

為便於更多維度的詳細統計分析，我們將14個單獨職能劃分為三大類：

演算法策略類：演算法、機器學習、自然語言處理、資料探勘、影象識別、語音識別、推薦系統、系統演算法工程師、影象演算法工程師、matlab建模工程師。

工程類：搜尋開發、spider開發。

資料分析類：資料倉庫、資料分析。

演算法策略側重於方法研究、工程類側重於專案實現、資料分析則重對資料的解析。

報告詳解

AI人才儲備：百度領銜，阿里巴巴、騰訊奮起直追

e成大資料研究院首先對三家公司的AI人才儲備在公司總人數佔比情況進行觀察，資料結果與外界對三家公司業務方向的常規認知契合。百度作為國內搜尋引擎一哥，在演算法、架構等方面本身人才儲備充足；騰訊以產品為主，技術人才比例相應減少；而阿里的電商背景則決定了公司中技術研發人才比例不高的現狀。

近5年三家公司的人才增幅變化也能體現各自AI團隊發展節奏：

百度在2013-2015年集中發力，至最近兩年，其AI團隊相對成熟，擴充速度放緩。

阿里巴巴近2年AI人才同比3倍增幅於總人才儲備，擴張迅速。此前曾有媒體報道，2012年阿里開始為人工智慧研發招兵買馬，至2015年開始嶄露頭角。其AI研發隸屬於阿里DT體系，與雲計算、大資料、物聯網在整個電商網路下共生。而結合阿里巴巴Q4財報，作為其人工智慧落地產品的阿里雲業績增長強勁，公司整體發展步伐與AI團隊的高速擴張相吻合。

騰訊早期的AI類人才多圍繞各個產品提供支援，並未自成體系，團隊發展步伐相對緩慢；近兩年騰訊後程發力、快速擴張，但短期內招兵買馬速度仍難匹敵阿里巴巴。

此前馬化騰曾公開承認騰訊的人工智慧研究目前落後於百度，其人才佔比資料也進一步佐證。而阿里巴巴作為電商集團，其龐大的銷售、運營等職能架構，使得人工智慧人才佔比相較另外兩家略顯微不足道。

AI人才職能佈局：百度重搜尋、阿里優策略、騰訊重分析

人力資源調研mapping往往將公司的職能架構作為核心點，曾獨創智慧化人才地圖的e成科技在此次報告中也重點關注點了BAT各自的AI崗位分佈。簡單來看，三家公司的AI人才架構仍以服務其核心業務為主要目標。

百度在搜尋開發、語音識別、推薦系統幾個職能的佈局相對比重更大，與百度大陸搜尋引擎老大的地位相符。

阿里巴巴的職能架構中，演算法、資料倉庫兩項職能的設定比重明顯高於百度、騰訊。聯絡到其電商服務對推薦演算法和資料分析的依賴程度，如此設定可以說是目的明確。而資料倉庫作為向企業所有級別決策制定過程提供各類資料支援的戰略集合，一定程度上影響著公司高層對市場格局的把控以及未來戰略方向制定，阿里對這方面的重視，似乎也預示著它對未來科技戰略佈局會有更多想法。

騰訊相較前兩家，多個重要職能的資料表現並不算突出，但它在資料探勘和機器學習兩個職能設定略有偏好。結合騰訊本身所擁有龐大的社交資料庫，其職能設定對行為資料分析、學習的需求明顯。

除了基本的各職能分佈情況，e成也對三家公司近5年發展變化做了分析對比。2015年作為人工智慧領域起步階段的重要節點，發展較早、對搜尋推薦類智慧技術依賴性更強的百度和阿里巴巴，都在這一年佈局了大量從事基礎技術研發的演算法策略類人才； 2017年，隨著應用產品佈局的展開，這部分人才比例已經下滑。而騰訊最為核心的社交、遊戲等產品則對智慧推薦演算法需求較少，其人工智慧發展在三家中起步最晚，基礎技術方向的演算法策略人才直至2017年前後才有大幅度擴充。

AI人才薪酬與穩定性：資料體現僱主品牌特徵，百度晉升快、騰訊最穩定、阿里巴巴獨佔薪酬高地

在長期人力資源服務過程中，e成發現越來越多企業意識到僱主品牌的重要性。本報告中e成用資料說話，分析發現百度正在扮演AI國內人才“黃埔軍校”角色，阿里巴巴偏向高薪引才，騰訊穩打穩紮實現人才高效產出比。“高薪資、高需求的人才更易跳槽”作為職場不變定律，在三家巨頭的AI人才中也有所反映。

三家公司中，百度作為AI人才儲備的領頭羊，相對較低的薪資與更高的跳槽意向有所對應，其AI人才受市場歡迎更易被挖角。阿里巴巴在薪資水平和漲幅方面都最具優勢，相對百度較晚起步的大背景下采用高薪策略獲取優質人才，也是近年諸多AI領域追趕者的常用方法。騰訊的3大類別職能平均在職時間均控制在3年以上，且薪資保持在BAT三家的中間位置，人才保留與預算把控得當，穩步實現AI佈局。

AI人才流動性：網際網路企業AI人才互有流動，華為或成最佳跳槽目的地

三家公司的AI人才來源中，微軟作為AI領域的最大玩家之一，其人才儲備和質量均受到行業認可，也使其成為新興AI公司熱衷的挖角物件。在人才流出方向上，華為作為一家野心勃勃進軍國際市場的硬體大戶，在高新技術的研發投入同樣可觀，對BAT的優質AI人才也相當青睞。而新浪、網易等在國內具有多年網際網路人才積澱的傳統門戶大站，其人才與BAT形成互有流動狀態。

AI人才培養與擇業：大陸AI人才培養北大清華穩坐頭名，碩士學歷為平均入行門檻

國內近年AI領域發展迅速，此前Facebook人工智慧研究部門負責人Yann LeCun在接受採訪時曾談到，根據2016年11月美國政府報告資料，深度學習方面中國發表的專著已經超過美國，但國內AI研究和技術水平仍與美國有一定差距。國內AI人才培養程序將對產業持續發展產生重要影響，幾大高校的造血能力也受到行業持續關注。

三家公司AI人才的學歷和專業分佈，也能為莘莘學子提供參考：

學歷方面，超過六成的AI人才擁有碩士及以上學歷，碩士學歷可謂是人工智慧領域的平均准入門檻，本科學子如希望在人工智慧領域站穩腳跟，不妨考研深造。而在專業分佈上，計算機專業畢業生佔據絕對多數；數學、資訊與通訊工程等與AI人員工作職能密切相關的專業也具有從業優勢。

結語

經歷過網際網路化浪潮，國內科技產業依靠人口紅利和政策支援，取得巨大成果。在人工智慧科技領域，國內科研與產業發展勢頭迅猛，大有與美國勢均力敵之勢。而從國內三家頂尖公司的AI人才佈局來看，近2年成為人工智慧發展的關鍵節點。BAT在2015年前後均有明顯發力，將精力更多置於人工智慧領域。隨著新技術的成熟、新型產品應用落地，更多全新崗位出現，引發全球範圍的高階人才缺口。AI行業內諸如NLP（自然語言處理）、語音識別、機器學習、演算法等方向人才，成為各大公司爭奪重點。同時，伴隨更多創業科技企業崛起，人才競爭趨勢還將進一步加劇。未來，人才將成為決定企業發展的最核心要素，有志加入新一輪科技革命的每一個公司與組織，都應當首先確立正確高效的人才佈局策略。

此前百度副Quattroporte劉輝就曾談過人工智慧技術與人力資源的結合，基於大資料和人工智慧對人才管理實現資料+技術+場景，讓受眾對複雜的技術快速有相對簡單和立體化的認知。百度的人才管理新思路也與e成科技一直以來推動的人才大資料產品不謀而合。結合新技術的智慧化人力資源服務，將輔助HR完成人與組織新連線，讓企業人才管理進入更加靈活高效的全新時代。

我們統計了人工智慧不同領域中為研究界帶來了持久貢獻和影響的學者，透過 AMiner 的計算機演算法自動分析了不同領域頂級刊物，我們找出了 2017 年相關領域被引用次數最多的學者。

我們將這些領域氛圍狹義人工智慧、機器學習、資料探勘、計算機視覺、自然語言處理、網路資訊檢索和計算機圖形等。

在這個七大類總計 700 人次榜單中，我們發現，按照國籍計算，美國學者總計 370 人次排行第一，中國學者 25 人次（含港澳臺地區）排行第二，加拿大學者 20 人次排行第三，英國學者 18 人次排行第四，見下圖。

當然，這個榜單並不能說明一切，也只是整個人工智慧領域人才的冰山之一角，一定有更多的研究者、從業者在為拓展人工智慧的應用場景、深入人工智慧的研究而辛勤努力。

從這個表裡，我們可以看出兩個基本資訊；第一，美國依然是當之無愧的人工智慧人才大本營，這主要是因為美國對頂級人才的持久吸引力以及 20 世紀以來所積累最前沿的科技研發實力，人工智慧專家沒有理由不誕生在或者不去美國。

第二，受惠於中國國家層面對人工智慧戰略的定位，以及移動網際網路對中國資訊化產業的提升，歸國創業成為越來越多華人華僑的選擇，但是因為中國在上個世紀與主要科技強國的競爭中並不存在優勢，歷史積累及學術基礎比較薄弱，人才儲備明顯不足。不過，即使這樣，中國依然擁有除了美國之外第二大人工智慧高階人才庫，我們也相信，未來這一局面將被改寫。

宏觀地來看，隨著國力和科技實力的提升，中國的人工智慧領域將會形成從人才儲備、教育教學到應用研發的完整格局。

【人工智慧人才還難以撐起它高速發展的“野心”！】

在近期的GMIC 2018"AI生萬物"大會上，創新工場董事長兼CEO李開復、百度Quattroporte張亞勤、科大訊飛創始人胡鬱、百度風投/百度資本合夥人蔡薇同臺對話，探討AI戰略與人才。

AI人才並不是在所有時期都這麼吃香，在胡鬱看來，對人工智慧人才的需求跟時機結合非常緊密。胡鬱在1999年創辦了科大訊飛，他回憶起，當時世界上人工智慧正處於第二次的低潮，學人工智慧的出來都找不到工作，不像現在在矽谷炙手可熱，就算是到美國找教授的話他們也沒錢讓你念博士。

李開復贊同胡鬱的想法，首先他認為AI人才金字塔底層的建設很重要，大量的工程師想湧入人工智慧，但是現在高校沒有足夠好的課程和師資，所以培訓教師、做大量資料競賽很有幫助。然後，在頂尖人才方面，也不能只看教授的論文發表在什麼頂級期刊會議，要看怎麼跟工程結合。他認為Google在這方面做得最好，典型例子是吳恩達的團隊，使得工程和科研結合在一起，成為一個可用的系統。

AI人才難尋，但你不能提著燈籠只找技術最強的那種人。

張亞勤補充道，基本上有三種不同的人才：一種是研發、演算法、做理論，這些人才中國和全世界都很缺乏。第二個，做產品的，包括晶片設計，做各種不同的系統人才。這個也缺，但是這個產業本身會自己培養出來。像李開復講的BAT、TMD、小米、京東、訊飛，已經產生了很多這樣的人才。還有一種是實用人才，現在這個也相當缺。實用人才需要透過在大學、研究生，甚至在中學普及AI知識。另外也要靠市場，就是市場有這個需求，三年、五年後這個人才自動的會重心轉移到這裡。整體來說，五年以後中國和美國在應用人才、開發人才，基本上會到一個同樣的水準。然而中國與美國在基礎研究和算法理論差距會比較大。

人工智慧是目前最熱門的領域之一，但一個很現實的問題是，許多僱主仍無法獲得足夠的人工智慧技能，這證實了有關企業招聘趨勢的研究報告，本文將帶大家一探究竟。

Careers"s Indeed招聘實驗室，以挖掘其內部資料而公佈行業就業趨勢而聞名，上週釋出了一項新研究，表明自AI進入企業發展之後，在過去18個月中對AI技能的需求一直在增長。

具有諷刺意味的是，求職者對與人工智慧有關的工作的興趣不能說是一樣的。

求職者尋找人工智慧的相關職位，在過去三年中，所有搜尋人員的比例在過去三年中增長了三分之二。然而，雖然原因尚不清楚，但求職者的興趣並未出現類似於過去一年與人工智慧相關的職位釋出的增長。事實上，在2015年和2016年之後，在與AI相關的搜尋中，從2017年第一週到2018年第一週的這一比例基本停滯不前，同比增長僅為1.4％。

在研究這個話題時，Indeed審查了它的帖子，以查明通常要求人工智慧和相關技能的工作職位，如機器學習，然後追蹤工作釋出並搜尋這些職位。機器學習工程師、資料科學家和計算語言學家。

根據Indeed的資料，從2017年1月的第一週到2018年1月的第一週，與工作相關的招聘廣告數量同比增長了31.6%，相比之下，2016年和2017年的這一比例僅為20.1%。“這主要是由於兩個人工智慧相關職位（機器學習工程師和計算機視覺工程師）的釋出量的不斷增加。”

“人工智慧（AI）在圍繞未來工作的討論中有諸多討論，毫不奇怪，它是增長最快的技術技能和總體上增長速度第二快的技術。”Upwork表示，“隨著人工智慧繼續塑造我們的世界並影響幾乎所有主要行業和國家，公司正在考慮如何將其納入其業務戰略，並且專業人員正在開發技能以利用這種加速的技術趨勢。其他人則認為這是創造機會，這一點可以透過對這種技能的自由職業者的需求來證明。”

去年早些時候，Upwork表示，像Amazon Echo和Google Home這樣的聲控助手正在推動人工智慧相關自然語言處理技能的需求。

商業導向型社交網站LinkedIn去年7月表示，這種對AI技能的廣泛需求促使機器學習和資料科學領域尋求最年輕、薪酬最高的工程師。

LinkedIn在一篇部落格文章中指出，“這兩個專業實際上都擁有經驗最少的工程技術人員，其中有0-5年任何專業經驗的員工比例最高，達到17％，這可能是由於技術是新興領域所致。“儘管這是一個更新、更有活力的領域，但機器學習和資料科學工程師的薪酬水平最高，在美國全國平均為129,000美元。”

LinkedIn資料也促成了由資深AI企業家Jean-FrançoisGagné最近進行的一項研究，他上個月釋出了“2018年全球人才招聘報告”。（http://www.jfgagne.ai/talent）

報告稱，“AI專家的需求在過去幾年呈指數增長。隨著企業越來越多地採用人工智慧解決方案為他們的企業，對經驗豐富、受過良好教育、技術嫻熟的人才的需求愈發增多，而且在短時間內不會停止。”

在一篇相關的部落格文章中，Gagné總結了這種情況，“我們對這項新技術的可能性以及可用的資源進行民主化表示樂觀，顯然我們必須做大量的人才庫開發，才能實現其全部目標的潛能。”

人工智慧人才之戰已經打響，然而現有的人才還不足以撐起整個市場的未來。

大陸AI技術人才市場現狀：高薪難聘一人才！

具體分析：

各大企業給AI技術人才的薪資待遇：

各大地區的招聘需求量：

各大地區招聘的AI技術人才的薪資排名：

對於AI技術人才的招聘你要求：