AI Moneyball：前沿AI人才选拔的量化分析

www.zekidata.com介绍人工智能领域的人才战是一个不断相关的媒体话题。随着生成式人工智能（GenAI）的出现，这一叙事得到了推动，生成式人工智能是一种变革性技术，它承诺生产越来越智能的人工智能系统。 AI钱球 | 2定义灵感强力击球手：AI领域的精英选手，类似于能打出全垒打的棒球手，但也可能击出坏球受棒球领域的《魔球理论》启发，该理论开创了利用数据识别价值被低估的球员，Zeki Data收集了全球范围内推动研究和技术前沿的2000名顶尖人士的数据，这些人在中国之外创造了最强大的Frontier AI模型。接触击球员：人工智能领域的精英选手，类似于击球率高、擅长将球打入比赛且三振率较低的职业棒球选手但这个前沿人工智能人才是什么样的？它与市场上的其他人才有何不同？这些美国科技巨头的猎头是否在挑选最佳候选人，还是主要雇佣那些与他们现有员工相似的人？这批前沿人工智能人才将推动人工智能的下一波创新浪潮吗？美国领先的科技巨头目前正竞相掌握这项技术，导致资本投资激增，旨在获得优势。这包括为开发下一代他们的前沿AI模型而筹集的大量资金。 我们不这么认为。AI球探 | 3这些变量衡量它们的专长领域、创新业绩记录、职业定位、技能、同伴中的影响力和声誉。然而，棒球队需要的不仅仅是有接触力的击球员。他们还需要有威力的击球员，能够打出全垒打（但可能更容易被判出局）。但是，在边疆AI群体中，有威力的击球员是否充足？在过去的十年里，我们一直使用基于30多个变量的专有评分系统来跟踪和评估他们的进展。泽基数据将这个前沿人工智能群体与30,000名在人工智能领域拥有相同专长但未被选中或未选择参与前沿人工智能模型开发的个体进行了比较。结果表明，人工智能领域的高水平表现者正变得越来越集中。用棒球作类比，这些个体类似于大联盟打点击球员——以高打击率、稳定击球能力和强大的团队协作而闻名，且三振出局率较低。 边疆AI队列的地理分布：前10个国家接触式击球领域毫不奇怪，Frontier AI项目的首选地点在美国。英国的高人数实际上反映了谷歌DeepMind研究科学家和工程师的数量，他们是属于美国跨国公司字母表（Alphabet）的一员。通过首先了解边疆人工智能群体格局，我们获得了全球人才集中分布的更清晰图景。该群体的专业领域高度集中在由泽基数据分类的100多个领域中，形成八个主要人工智能专门化。 AI Moneyball | 4 www.zekidata.com边界人工智能学员班高度集中在八个主要专业领域在美国科技巨头中，只有Meta还在维持着与谷歌的任何有意义的市场竞争，而微软、亚马逊、苹果和IBM的市场份额均不到5%。随着时间的推移，谷歌和谷歌深度思维已经雇佣了这支前沿人工智能团队的多数成员，目前占据超过60%的市场份额，并且越来越多地将这些人才整合到联合团队中。谷歌和谷歌DeepMind通过收购大部分前沿人工智能人才的市场份额来巩固其领导地位 AI 钱球 | 5 www.zekidata.comOpenAI不断吸引着越来越多的前沿人工智能人才市场份额尽管近期顶尖高管频繁公开离职，OpenAI仍持续扩大其在这一前沿人工智能群体中的市场份额。而 Mistral AI 看似停滞不前，其近期宣布了建立 AI Moneyball | 6在加利福尼亚州的旧金山，其存在主要是为了获取人才。Anthropic 拥有一种独特的方法，我们将在下文中深入探讨，并且表现出较少的倾向去招聘其竞争对手的相同人才。 如今接球手是精英下图展示了 Frontier AI 组的 Zeki Data 分数范围，并与一个由中国以外全球范围内从事相同专业领域的 30,000 名个人组成的对比组进行比较。我们使用了超过 10 年的数据来追踪他们相对于这些分数的进展。是什么让这些个人脱颖而出，被选中来参与我们这一代人最具变革性的技术工作？他们真的是精英级别的职业联赛选手吗？目前，人们认为这些来自边疆人工智能项目的成员是精英。新模型的发布是头条新闻。但这有数据支持吗？边境人工智能团队在所有泽基数据创新绩效指标上均优于对照组 AI Moneyball | 7 AI Moneyball | 8多样性工作经验产业多样性在某个层面上，你可能会期望这些高分属于精英。但是，在比较组中，也有人在工作质量和一致性方面得分同样高，并且拥有同样的专业特长。为什么人才挖掘者会漏掉他们？该前沿人工智能团队的各项得分均高于对比组，显示了他们在产出研究和其它成果方面的生产力持续性、在人工智能项目中的主动性和领导力、在人工智能社区中的思想领导力影响力，以及他们的国际可见度、在同行中的认可度和尊重水平。为了理解原因，我们将比较群体缩小到表现最佳的2000个人，他们都就职于专门从事与Frontier AI群体相同领域的公司，并且在产出方面的生产力和主动性方面与 Frontier AI群体相当或超过。他们在团队合作深度和与不同学科合作以取得成功的人员多样性方面得分也更高。他们没有像比较组那样在更多的经济不同部门工作，通常只有三个，但拥有略多的专业经验。前沿人工智能团队在所有泽基数据指标上表现优于比较组，特别是在团队水平 在七雄公司实习的个人百分比在第一级大学接受培训的个人百分比AI货币球 | 91. 边缘人工智能组更可能曾在一流大学接受培训。2. 边缘人工智能实验群体进入美国七大公司实习的可能性是三倍。这突出了先锋AI群体所拥有的三个关键特征，而新的比较组则缺乏这些特征。 到海外求职的人数占个人总数的百分比AI球探 | 103. 边缘人工智能班次的成员更有准备去移动国家来接受工作机会。伯乐们在大规模招聘中表现出色，在人工智能相关的会议上发现了人才，其中前沿人工智能团队的成员脱颖而出，并进行了许多演讲。人才挖掘者也帮助了七大奇迹公司的HR部门识别了被实习的人才。谷歌求职申请者的推力也是巨大的。我们已经确定了全球52所大学中默认加入谷歌的AI实验室。亚马逊是第二受欢迎的公司，有八个AI大学实验室选择它作为默认目的地。 对位场击球员然而，如前所述，一个有效的团队由众多球员组成，每个球员都有独特的技能和角色，为团队的成功做出贡献。在棒球中，外场击球员有能力将球击到他们站立场地相反的一侧。这使得他们更难以预测，而且在许多情况下更有价值，因为这一角色可能需要更多的力量和技巧。在边疆人工智能的主要参与者中，Anthropic拥有这一独特优势。他们的方法是高度选择性的，基于对业务的精心扩展。例如，近年来他们选择了大约六名理论物理学家，他们主要在利基领域接受培训：场论和引力的全息推导。该领域探索了量子场论和引力之间的关系。在Zeki Data更广泛的88万名顶尖AI人才数据集中，只有73家组织中的83名工作者拥有这种专业特长。Anthropic是主要雇主。 AI球探系统 | 11 SandboxAQ人才的AI相关专业领域SandBoxAQ 也采用了一种替代方法。他们正在招聘很少具有人工智能相关技能的人员，并且主要集中在人才猎头机构关注的美国科技巨头的非核心专业领域。据报道，该公司正在构建一种不同类型的边疆AI模型，称为大型量化模型，以在生命科学、金融服务、导航和网络安全领域带来重大突破。据报道，他们的模型是在物理学、生物学、数学和化学的基础知识上训练的，而不是在互联网内容上。 AI货币球 | 12 那么未来的重磅出击者在哪里？力量击打者代理式AI我们考察了25家新兴代理式人工智能初创公司中的150名关键技术科学家和工程师。早期迹象表明，在这些公司推动创新的个人并非来自前沿人工智能群体，但他们同样可能在七大奇迹公司实习过，并且高度流动，愿意承担海外职位。他们与前沿人工智能群体分享许多相同的专长，例如语音识别和自然语言处理。风险投资家（VCs）将Power Hitters视为未来AI独角兽的创始人。Power Hitter的思维方式和技能组合涵盖了硅谷的创业文化，并为其成功奠定了基础。美国科技巨头在其团队中拥有重磅人物。GenAI可能会为新一波个体的涌现创建一座技术桥梁，在特定的垂直领域创造新的市场应用。如今，风险投资家正全神贯注于自主AI初创公司。2017年研究论文《Attention Is All You Need》的八位认证作者是全部谷歌研究人员，其中七位后来创办了公司。他们的故事如今和所写的论文一样成为传奇。但他们的成功是常态还是特例？仅有百分之五的边疆人工智能（Frontier AI）群体在任何阶段创立了公司，这一比例在我们两个比较群体中都保持一致。因此，在持续不断累积成绩的接触者（Contact Hitters）中，边疆人工智能（Frontier AI）群体中的“实力派”（Power Hitters）仅占少数。 AI Moneyball | 13 www.zekidata.com基于泽基的数据，明天的“强力击球手”与来自前沿人工智能群体相比，从人工智能生态系统中的任何其他部分出现的可能性都不会更高。 www.zekidata.com更多信息结论AI Moneyball | 14在人工智能的世界里，技术发展迅速，技能也迅速过时。这就是与棒球这个以规则和技能为特征的游戏的类比到此为止的地方。媒体咨询：Lara Kline，lara.kline@zekidata.com业务咨询：Paul Mann，paul@zekidata.com与美国的科技巨头竞争这种高度专业化人才的公司包括：Buddy.ai，为儿童创造在线学习机会；Cerence AI，为汽车构建人工智能助手技术；Modality.ai 和 Nuance Communications，在医疗保健领域提供对话式人工智能；以及 Mama.ai，构建对话式人工智能工具。然而，相当一部分人还拥有高度专业化的技能，这些技能构成了对话式人工智能创新的基石。然而，《点球成金》在人工智能领域蓬勃发展，因为数据驱动的方法揭示了那些常被专注于主流球员的人才挖掘者忽视的低估球员。数据驱动方法还可以标示出新兴人才开始在新创新领域集中的地方，他们仍然在 Minor Leagues。在 Zeki Data 的一个类别“对话行为建模（用于语音语言系统）”中，Zeki Data 更广泛的 88 万顶尖AI 人才数据集中，只有 1,061 人接受了这个 AI相关研究领域方面的培训，与自然语言处理的 9,296 人相比。