全球前沿AI人才竞争量化分析报告

www.zekidata.com引言人工智能领域的人才争夺战是媒体持续关注的话题。随着生成式人工智能（GenAI）这一变革性技术的出现，这一叙事获得了关注，该技术承诺生产越来越智能的人工智能系统。 AI球探 | 2定义灵感重炮手：人工智能领域的精英表现者，类似于能打全垒打但可能击出坏球的棒球运动员受棒球场《点球成金》启发，该影片开创了利用数据识别被低估球员的先河，泽基数据收集了在中国以外创造最强大的前沿AI模型的2,000位推动研究和工程边界发展的顶尖人士的数据。接触打击者：AI领域的精英选手，类似于打击率高、擅长让球进入比赛且出局率较低的职业棒球选手但这 frontier AI 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伯乐们是否在挑选最佳候选人，还是主要雇佣那些与当前员工相似的人？这 frontier AI 人才会推动人工智能的下一波创新吗？美国的主要科技巨头目前正在争夺掌握这项技术，导致旨在获取优势的资本投资激增。这其中也包括大量资金投入，用于获取开发下一代其边界AI模型所需的人才。 我们认为不是这样。AI Moneyball | 3这些变量衡量他们的专业领域、创新业绩、职业定位、技能、在同辈中的影响力和声誉。然而，棒球队伍需要的不仅仅是有接触击球手的选手。他们还需要有力量击球手的选手，他们能够击出全垒打（但可能会更经常地三振出局）。但是，在边疆人工智能群体中，力量击球手是否充足？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追踪和评估他们的进展。泽奇数据将这个前沿人工智能群体与30,000名在人工智能领域具有相同专业知识的个体进行了比较，这些人未被选中或选择不参与前沿人工智能模型的工作。结果表明，人工智能领域的高水平精英绩效者群体正变得越来越集中。用棒球作个类比，这些人就像大联盟的触击型击球员——以高打击率、保持稳定接触和强大的团队协作而闻名，同时三振出局的情况较少。 边界AI队列的地理分布：前10个国家接触式打击格局毫不奇怪，Frontier AI组合的主要所在地在美国。英国的高人数实际上反映了属于美国拥有的跨国公司Alphabet的谷歌DeepMind研究科学家和工程师的人数。通过首先了解前沿人工智能学员的分布情况，我们能够更清晰地了解全球人才集中的领域。该学员的专业领域被高度集中到由Zeki Data分类的100多个领域中，分为八个主要的AI专业方向。 AI Moneyball | 4 www.zekidata.com前沿人工智能项目组成员高度集中在八个主要专业领域在众多美国科技巨头中，只有Meta仍然在与谷歌维持任何有意义的市场竞争，而微软、亚马逊、苹果和IBM的市场份额均低于5%。随着时间的推移，谷歌和谷歌深度学习已经雇佣了这批前沿人工智能的大部分人，目前持有超过60%的市场份额，并且正越来越多地将这些人才整合到联合团队中。谷歌和谷歌deepmind通过收购前沿人工智能人才的市场多数份额来巩固其领导地位 AI钱球 | 5 www.zekidata.comOpenAI不断吸引着前沿人工智能人才的越来越多的市场份额尽管近期顶尖高管公开离职，OpenAI 仍继续增长其在该前沿人工智能群体中的市场份额。虽然 Mistral AI 看似停滞不前，但它最近宣布了其建立 AI 钱球 | 6位于加利福尼亚州旧金山，主要是为了获取人才。Anthropic 拥有独特的方法，我们将在下文中深入探讨，并且表现出较低的倾向去招募与其竞争对手相同的 talent。 现在击球手是精英下图展示了 Frontier AI群体在 Zeki 数据得分范围内的范围，与全球（中国大陆以外）相同专业领域工作的 30,000 名个人组成的比较群体进行对比。我们使用了超过 10 年的数据来追踪他们相对于这些得分的进展。是什么让这些个人脱颖而出，被选中来工作于我们这一代最具变革性的技术？他们真的是精英大联盟球员吗？目前，人们认为这些来自边境人工智能群体的成员是精英。新模型的发布是头条新闻。但这有数据支持吗？边境人工智能团队的全体成员在所有Zeki数据创新性能指标上均优于对照组 AI货币球 | 7 AI Moneyball | 8多样性职业经历行业多样性在某个层面，人们会认为这些高分属于精英。但比较组中有一些人的工作质量和一致性也同样高，而且专业领域也相同。为什么 talent scouts(人才发掘者) 会错过他们？该前沿人工智能团队的各项分数均高于对照组，显示了他们在产出研究和其它成果方面的生产力一致性，他们在人工智能项目中的主动性和领导力水平，他们在人工智能社区中的思想领袖影响力，以及他们的国际知名度以及在同行中的认可和尊重程度。为了了解原因，我们将比较组缩小为表现最好的2000个人，他们都就职于专门从事与Frontier AI组相同领域的公司，并且在产出方面的生产力和主动性方面与该组匹配或超越。他们在团队合作深度以及他们为取得成功而合作过的跨学科人员的多样性方面得分更高。他们没有像比较组那样在经济中的许多不同部门工作，通常只有三个部门，但他们拥有略多的专业经验。前沿人工智能团队的全体成员在所有Zeki数据指标上的水平和多样性团队协作 在七大奇迹公司实习的个人百分比在一级大学接受培训的个人百分比AI金钱球 | 91. 边缘人工智能班 cohorts 更有可能在 Tier 1 大学接受培训。2. 前沿人工智能班组在美国的七巨头公司实习的可能性是三倍。这突出了前沿人工智能群体拥有而新比较组所缺乏的三个关键特征。 前往海外求职的个体百分比AI 钱球 | 103. 边缘人工智能组更愿意搬家去接受工作机会。人才挖掘员在人工智能相关会议上出色地发现了人才，其中前沿人工智能项目组表现突出并进行了多次演讲。星探们还帮助了“七巨头”公司的人力资源部门识别实习人才。谷歌求职者的推力因素也很大。我们已在全球52所大学的AI实验室中识别出，默认选择加入谷歌的实验室。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。 对应场攻手然而，如前所述，一个有效的团队由众多成员组成，每个成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，外野手有能力将球打到他们站立场地的对面方向。这使得他们更难预测，并且在很多情况下更有价值，因为这种角色可能需要更多的力量和技巧。在边境人工智能领域的主要参与者中，Anthropic拥有这项独特优势。他们的方法非常具有选择性，基于对业务的谨慎扩展。例如，近年来他们选择了六位主要专注于一个利基领域的理论物理学家：场论和引力的全息推导。该领域探索了量子场论和引力的关系。在Zeki Data更为庞大的88万顶尖AI人才数据集中，只有83名在73家组织工作的个人拥有这一专业领域专长。Anthropic是主要的雇主。 AI金钱球 | 11 沙盒AQ人才在AI相关领域的专业知识主领域SandBoxAQ 也采用了另一种方法。他们正在招聘极少具有AI相关技能的人员，并且主要是在那些不是美国科技巨头人才探查员核心关注领域的专业领域。据报道，该公司正在构建一种不同类型的Frontier 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取得重大突破。据报道，他们的模型在物理学、生物学、数学和化学的基础知识方面的训练比互联网内容要多。 AI掘金者 | 12 那么未来的重磅人物在哪里？力量打击者智能体AI我们研究了25家新兴智能体AI创业公司中工作的150名关键科学家和工程师。早期的迹象表明，这些公司中推动创新的个人并非来自前沿AI群体，但他们同样可能曾在七大奇迹公司实习，并且高度流动，愿意承担海外职位。他们与前沿AI群体分享许多相同的专长，例如语音识别和自然语言处理。风险投资者（VCs）认为Power Hitters是未来AI独角兽的创始人。Power Hitter的思维方式和技能组合体现了硅谷的创业文化，并奠定了其成功的基础。美国科技巨头在其团队中拥有重磅人物。GenAI可能会为新一代个体的涌现创造一座技术桥梁，在特定垂直领域创造出新的市场应用。风险投资家现在正高度关注代理式AI初创公司。2017年研究论文《Attention Is All You Need》的八位认证作者都是谷歌研究人员，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传奇。但他们的成功是常态还是特例？只有百分之五的Frontier AI群体在任何阶段都创立了公司，这一比例在我们两个比较群体中保持一致。因此，在不断地累积业绩的Contact Hitters中，Frontier AI群体中的Power Hitters代表了一个小部分。 AI Moneyball | 13 www.zekidata.com基于泽基的数据，未来的强力击球手并不比人工智能生态系统的其他部分更有可能来自边疆人工智能群体。 www.zekidata.com了解更多信息结论AI Moneyball | 14在人工智能的世界里，技术发展迅速，技能也很快就会过时。这就是与棒球这个以固定规则和技能为特点的运动的类比结束的地方。媒体询问：Lara Kline，lara.kline@zekidata.com 业务询问：Paul Mann，paul@zekidata.com争夺这种高度专业化人才的公司，除了美国科技巨头外，还包括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，其中很大一部分人也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础。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往往被专注于主流球员的人才经纪人忽视的低估球员。数据驱动的方法还可以标示出新兴人才开始在新的创新领域集中的地方。在一个名为“Zeki Data”的类目中，针对“ spoken language systems 的 dialogue act modelling”这一AI相关研究领域，在Zeki Data的880,000名顶尖AI人才的整体数据集中，只有1,061人接受了这方面的训练，而自然语言处理领域则有9,296人。