人工智能科普系列：全球AI人工智能顶级人才全景图

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。

从这30万人中，我们筛选出其中各领域顶尖人才近千人进行了较为详细的调查和统计后，筛选出有代表意义的人才进行了“画像”，包括：学术领域204人，领先企业81人，科技巨头50人，投资人24人 。

四大领域顶级人物画像

一、学术领域：顶级学者画像

回溯AI领域三个发展热潮，每一次浪潮的序幕都由科学家拉开。科学家为AI的发展奠定了坚实的基础并起到了巨大的推动作用。在当今深度学习席卷全球的情势下，在AI领域无论是基础层还是应用层，科学家们的贡献居功至伟。

他们在做出重大理论贡献的同时，往往还与业界通力合作，推动人工智能走进人类历史。因此，我们筛选了204位学者。筛选的一个重要指标是，他们自2006年至今，在人工智能领域顶级会议上发表过30篇以上论文。

其他指标还包括：学校、研究领域、年龄、地区、学生数量、受教育经历、荣誉、业界兼职等，这些数据主要来自于学者个人公开资料。

从统计来看，这些学者分布于全球4个大洲12个国家的53所高校，其中位于美国的学者最多，占总数的63%。其中，有35位华人，占总数的17.2%，他们之中又有12位任教于清华大学、北京大学、上海交通大学、香港科技大学等国内高校。

就研究领域而言，这204位学者有的研究偏底层的机器学习、人工智能算法，也有的研究与现实应用更为贴近的计算机视觉、自然语言处理、机器人等方向。

以下是从年龄、性别、地区、学历、专业等方面为这些学者进行的人群画像。

1.1 年龄：活跃学者以中青年为主

AI领域活跃的学者以中青年为主。年龄在30-40岁的学者占比较高，30-50岁的学者占比超过六成。30-60岁的学者占占93.5%。

对比研究各领域学者年龄可知，人工智能、计算机视觉、机器学习、自然语言处理这四个领域学者年龄差距不大，而研究机器人的学者年龄偏大。

另外，我们统计了学者论文在社交媒体和新闻媒体上被分享、下载、阅读的情况以及学者个人在社交媒体上的活跃度与被关注程度，得到衡量学者社会影响力的综合指标。可以看出，社会影响力与学者年龄、职称没有显著的相关关系。从学者职称方面分析，数据中的学者大多为教授，但同时有一些助理教授和副教授也取得了一定的影响，从侧面印证了AI领域的年轻化。在AI浪潮中，年轻学者的成果一样受到大家的关注。

1.2 性别：女性比例极低

在学者性别方面，男性学者在AI领域占比远超女性学者，男女学者比例约为7:1。女性学者主要集中在美国、加拿大以及英国。

虽然女性占比较少，但所取得的成就却巾帼不让须眉。例如 M I T 计算机科学和人工智能实验室（CSAIL）主任Daniela Rus，在机器人领域尤其是自动驾驶方面做出了杰出贡献。另外，斯坦福人工智能实验室和视觉实验室的主任华人学者李飞飞的ImageNet项目，彻底改变了大规模视觉识别领域，为计算机视觉的发展做出了卓越贡献。

1.3 地区：主要分布于北美

地区分布上，学者主要分散在北美、欧洲、中国、日本、新加坡、澳大利亚等国家。

顶级学者全球地区分布

总体而言，美国AI学者占比最多。美国AI学者星罗棋布，旧金山湾区、纽约、波士顿、西雅图、芝加哥地区都汇聚着众多的AI学者。卡耐基梅隆大学、斯坦福大学、麻省理工学院、加州大学伯克利分校这四所学校在培养人才和吸引人才方面都处于领先地位。

有着世界顶级研究学者——例如多伦多大学的 Geoffery Hinton、阿尔伯塔大学的 Richard Sutton 和蒙特利尔大学的 Yoshua Bengio坐镇的加拿大也汇集着一批顶级的AI学者。

英国则是欧洲人工智能的研究中心，牛津大学、剑桥大学、帝国理工学院、伦敦大学学院、爱丁堡大学等都在人工智能以及机器学习领域有着深厚的积累。

国内AI学者主要集聚在北京、上海、香港等地区，人才分布较为集中。清华大学、北京大学、上海交通大学、浙江大学、香港科技大学、香港中文大学等都有一批活跃学者，引领着中国的AI研究。此外，在亚洲，日本的东京大学，新加坡的新加坡国立大学、南洋理工大学，韩国的韩国科学技术院也汇集着一批活跃学者。

1.4 教育经历：学者们多毕业于 CS 四大名校

统计学者的毕业学校，发现他们100%都拥有博士学位，而他们之中的大部分都毕业于美国高校。其

中从卡耐基梅隆大学、斯坦福大学、加州大学伯克利分校、麻省理工大这CS四大名校学走出的学者最多。

1.5 专业背景：98% 的学者拥有 CS 或 EE 博士学位

对这些学者的专业背景进行分析，发现98%的学者拥有Computer Science或Electrical Engineering的博士学位，另外部分学者拥有数学、统计学、认知科学、生物学的博士学位。

而这些学者的本科学位则更加多样化。拥有Computer Science或Electrical Engineering本科学位的学者仅占58%，许多学者本科专业为物理学、数学、统计学。甚至有部分学者本科并非理工科专业，如语言学、哲学、历史学等，这部分学者很大一部分活跃于自然语言处理领域，拥有复合背景使他们的研究非常有优势。

1.6 学界与业界：学界业界联系紧密

在AI的细分领域中，学者人数最多的领域是机器学习，其次是计算机视觉、机器人和自然语言处理。

总体而言，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。在其中，有52名学者在企业界担当首席科学家、技术总监等职位，有17名学者创办过自己的公司。可见人工智能领域学界和企业界联系紧密。

例如深度学习的三驾马车之一的Geoffrey Hinton领导着多伦多的谷歌大脑项目，Yan Lecun同时担任了Facebook人工智能研究部门负责人，Yoshua Bengio也选择了签约微软。AlphaGo的项目负责人DavidSilver之前在伦敦大学学院任教，之后他发现在Deep Mind做顾问更有意思，最后选择全职加入DeepMind。

二、领先企业：顶级企业家画像

上市，或成独角兽，或被巨头收购，都在某种程度上意味着步入领先企业的行列，成为在某一领域的权威。成功企业数量越多，就越可能形成一个多样化且完善的市场体系。而对人工智能产业而言，众多企业成熟的技术运用，持续前沿的技术研发和快速落地的丰富产品都能够促进整个产业良性发展。这就意味着，领先企业的数量和体量，也是衡量一个国家产业发展水平的重要标准。

我们从全球领先的人工智能企业出发，分析全球情况，了解中国与世界的优劣势。我们筛选出49家全球领先的人工智能企业作为分析主体，包括上市企业，独角兽企业，部分被巨头收购的AI创业公司和人工智能转型公司。然后对这49企业进行编码、量化与分析。统计企业的创始人共1位。

他们年龄相对年轻，大多分布在30-40岁；多为高知分子，超过2/3的企业家学历为硕士或博士，其中大多来自世界名校，并且所学专业与人工智能相关。

性别上男性居多，女性企业家数量稀少。

他们一起带领公司构成了全球人工智能产业的金字塔尖。

2.1 全球超过一半领先企业诞生在美国

在统计的全球AI领域49家领先企业中，美国拥有领先企业数量位居第一，共有26家，占据总量的53%；

中国位居第二，拥有12家，占据总量的24%。总体来看，中美两国处于发展的第一梯队,与其他国家拉开较大差距。

2.2 创业场上 80 后独领风骚

顶级企业家的年龄相对年轻。约50%的企业家年龄不超过40岁，其勇气和魄力可见一斑。44%的人年龄分布在40岁到60岁，只有不到6%的全球领先企业创始人年龄在60岁以上。

企业综合得分由企业的社会影响力、员工数、融资金额、企业成长性四部分按照一定权重综合计算得出，将企业家年龄与企业综合得分进行比较，除去极端值，总体来看，企业综合评分与年龄的相关性不高。另一方面，企业评分较高的企业，大多创始人集中在45岁以下，侧面反映了年轻企业家在人工智能领域影响力和号召力的进一步增强。

● 性别绝对优势，女性AI企业家数量极少

绝大多数AI领先企业创始人为男性，81位企业家中仅有两位为女性，男性在AI领域占据着绝对优势。两位女企业家分别为Rethink Robotics公司的Ann Whittaker、C3 IoT公司的Patricia House。其中Ann Whittaker担任公司的副总裁，Patricia House担任公司的副董事长。

2.3 国籍：中美企业家数量最多，美国优势明显

从企业家的国家分布来看，81位企业家中拥有美国国籍的有43位，占据了一半以上，中国国籍的有17位，位于第二，英国有6位，位于第三。华人数量一共20位，约占总人数的1/4，华人在AI全球领域扮演着重要的角色。

2.4 高知云集，超过 2/3 的硕博占比

AI领先企业创始人学历普遍较高，博士与硕士分别占38%与34%，两者合计72%，超过总体2/3以上，看来在企业发展过程中，创始人和领导人的学术能力对于人工智能企业有着积极的意义在AI领先企业创始人中，只有一位持有高中学历：一家中国智能汽车企业“车和家”的创始人李想，虽然学历略逊一筹，但在智能汽车领域，其能力不可小觑。

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。

中国的高校贡献了7位人工智能领先企业负责人。虽然就整体而言，中国的人工智能产业还不及美国，但是中国的成长性不可小觑，远超英国，法国，德国等老牌发达国家。

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，如Indigo的两位创始人Geoffrey von Maltzahn、David Berry都毕业于麻省理工生物工程学，碳云智能科技的王俊、李英睿都毕业于北京大学等等。值得注意的是，2位高中学历的企业家：图秀秀创始人吴欣鸿、车和家创始人李想，都为中国人。他们在涉足人工智能领域之前，在互联网已经有了成功的创业经验，这为他们在人工智能领域创业打下了基础。

2.5 专业背景与从业经历相差不大。

在对顶级企业家的平均年龄、学历、专业背景、AI从业经历等的量化过程中发现，中外企业家在各方面的情况有所不同：

在年龄上，中国的创业家更加年轻，国外企业家的平均年龄为43.3岁，国内企业家的平均年龄为37.1岁，相差6.2岁，中国企业家创业时间呈现年轻化的特点。

在专业背景上，中外企业家相差不大，大部分以计算机、软件工程、机器人、自动控制等与人工智能相关度较高的理工科专业为主，少部分为哲学、社会学、工商管理等专业。

在学历上，中国企业家平均学历略低于国外平均水平，只到本科以上。而外国的企业家平均学历达到硕士以上。

在AI从业经历上，国内外情况相似，大多数企业家之前从事过与人工智能相关工作或研究工作，具有一定的职业经验，由于中国企业家的年龄普遍较年轻，在经历上略逊于国外企业家。

三、 科技巨头：顶级实验室负责人画像

科技巨头公司的研发团队是一股不容忽视的力量。巨头公司凭借其雄厚的财力投入大量研发经费，所造就的高端的研究环境和提供的高薪待遇吸引了大量的顶级人才加入。这些研发人员往往拥有与学者匹敌的学术和技术能力，或者本来就是“投笔从戎”的学者；他们巧妙地将学术突破和技术创新应用在产品开发上，为巨头提供最前沿的技术解决方案，是企业巨轮前进乃至向人工智能方向转航的核心推进力。

我们从全球十大科技巨头中，统计了21个实验室，总计50位负责人。

他们中超过90%的人拥有博士学历，男性为主占据总体90%，并且74%的人年龄在50岁上下。

3.1 AI 巨头研发团队

在收录人才水准在一定标准线之上的情况下，企业搜集的研发人才越多，研发能力就越强。

从官方公布的AI研发团队规模估算，谷歌作为科技企业领头羊，AI研发团队人数遥遥领先，在1500到2500人左右。

第二梯队是微软和IBM，拥有研发团队约有1000到1500人。他们作为老牌的IT公司，研发布局较早，在世界各地的研究院中有着良好的AI人才储备。

第三梯队是百度、腾讯和Facebook，拥有研发团队约500到1000人。这些公司在技术研发上起步较晚，但也正在奋起直追，近5年来在AI研发团队布局上动作频频。

3.2 AI 研发团队负责人画像

● 男性占绝对优势，60后和70后是主力军

巨头企业AI技术负责人中男性以90%的比例占绝对优势，且1960年代和1970年代出生的人为主力军（分别占36%和38%）。这不难理解，60后和70后在38-57岁之间，正当创造力和经验合力最好的年龄；而50后的资深人士渐渐退出工作一线； 80后年轻人才因欠缺团队管理经验而领导力不足。

● 中国人和美国人居多，英国人、印度人、法国人也不少

按出生地统计，巨头AI团队负责人的主要出生国家为中国（32%）和美国（26%），两国人数超过了总体的一半以上。另外，英国人（8%）、印度人（8%）、法国人（6%）的占比也显著高于其它国家。

但美国对AI人才的吸引力远高于中国。在中国工作的AI团队负责人的出生地全部为中国；而在美国工作的中国人却为数不少。

● 跳槽普遍，多数人工作经验丰富

巨头技术团队负责人中有约2/3的人有其它的工作经历。

进一步分发现，他们中约有1/3曾经有过创业经历；约有1/3拥有教授职称；有1/4曾在其它巨头公司工作过，且其中有IBM和微软工作经历的人较多。

● 博士学历是门槛，美国是求学大本营

巨头对于公司AI团队负责人的选择有明显得学历偏好。巨头AI技术负责人中90%有博士学位；而剩余10%均为硕士，而且拥有极突出的技术能力和工作经验。例如微软应用科学组的领头人 Steven Bathiche在硕士期间便开发了著名的混合机器人Mothmobil；英特尔人工智能事业群的网络专家Ryan Loney有10段不同类型的工作经验。

而在出产AI博士的高等院校中，美国大学是巨头AI团队负责人求学的大本营。以博士学位获取地来看，美国是AI技术人才的主要培养地。在拥有博士学位的AI技术负责人中，73%在美国大学获得博士学位，18%在欧洲获得，只有7%在亚洲获得。从学位授予地来看，美国、亚洲和欧洲的大学分别为他们提供了57%、24%和16%的学位（包括学士、硕士、博士和MBA）。

卡耐基梅隆大学、斯坦福大学、麻省理工学院堪称巨头企业AI负责人的黄埔军校，仅三所学校

培育了近1/4的巨头企业AI负责人。15.7%的巨头企业负责人持有中国高校的学位，主要来自清华大学、复旦大学、北京大学、哈尔滨工业大学、天津大学、香港科技大学等国内名校。

四、 投资人

4.1 富有远见的投资机构

● 美国投资机构看得更远

截至2017年，全球AI领域投资规模前13名的投资机构均由中美两国独占，其中中方占有4家投资机构，占总量的30.77%，美方占有9家投资机构，占总量的69.23%。单从投资机构数量上来看，美国投资界对AI领域的关注度要大大超越中国，显示其更加看好AI领域的发展前景。

● IDG资本大刀阔斧，投资金额两倍于第二名

AI领域投资规模前三名分别是IDG资本、创新工场、AME Cloud，其中IDG资本在AI领域的投资规模占到各个机构投资总额的25.6%。

● 投资人对计算机视觉和自动驾驶项目更感兴趣

从技术层面上来看，上述投资人更加偏好自然语言处理、计算机视觉与图像等应用层面的技术领域，而在像处理器/芯片等基础设施领域的投资较少，这也反映出投资人从过去偏好投资基础设施向应用层面投资的转变。从这几年投资次数上来看，各技术领域的投资次数均有所提高，尤其以计算机视觉与图像、机器学习应用、自然语言处理为投资热点。

● 投资人的战绩前三甲是谁？

创投圈一直有B轮死、C轮死的说法，它是指大多数初创企业在C轮融资以前就死掉了，因此，初创企业能够拿到C轮融资，就意味着其活下去的概率大大增加，因此投资人投资盈利的概率也会随之增加。

因此，我们在此定义“投资成功率”为拿到C轮及其以后轮次的项目数量占其在AI领域投资项目总数的比例。有所不同的是，我们采用这一指标衡量同类型投资机构。

在早中期投资中，“投资成功率”最高的前三位分别是New Enterprise Associates、SV Angel、创新工场以及经纬中国；在中后期投资中，“投资成功率”最高的是Khosla Ventures；在整个时期投资中，“投资成功率”最高的是Accel Partners。从整个投资周期来看，早期“投资成功率”往往低于中期投资，而中期“投资成功率”低于后期投资。在进入C轮及C轮以后的轮次项目中，Accel Partners的项目大多属于天使轮、A轮等早中期投资，New Enterprise Associates、Khosla Ventures的项目大多属于A轮、B轮及其以后轮次的中后期投资。

4.2 投资人画像：经验丰富，眼光独到

● 华人投资家的大手笔

从投资人国籍分布来看，24位投资人中美国国籍的有14位，占据了一半以上；中国国籍的有8位，位于第二；印度与马来西亚各有1位，并列第三。华人数量一共9位，占总人数的37.5%，华人在AI投资领域扮演着重要的角色。

AI领域投资人大部分为男性，24位投资人中仅有2位为女性，男性在AI领域占据着绝对优势。

● 人工智能领域，做投资学历是刚需

AI投资人的学历普遍较高，14%为博士，45%为硕士，32%为学士，并且他们大多毕业于世界名校，尤其以美国名校居多。所学专业与计算机相关的较多，其次是工商管理，还有少部分其他专业。

年龄与工作经历方面，这些投资人以前大多是企业高管、创业者，少部分专业技术人员出身，且投资人的年龄大多分布在40-70岁这一区间，占到了82%，40岁以下以及70岁以上只占到14%。由此可见，年龄在40-70岁之间的企业高管、创业者、合伙人比较适合做投资人。

注： 本节数据来源及补充说明

报告中人工智能企业相关数据来源于腾讯研究院2017年发布的《中美两国人工智能产业发展全面解读》和《2017中美人工智能创投现状与趋势研究报告》。

第二篇全球AI顶级人才全景图数据来源及补充说明如下：

● 学界学者

衡量学者学术影响力的指标主要包括论文发表数量和论文被引用次数。用顶级期刊／会议论文发表数量来衡量人工智能第三次浪潮以来活跃学者的学术影响力，用总引用量来衡量人工智能领域奠基人的学术影响力。同时考虑学者的社会影响力。

活跃学者选取了论文发表数量和社会影响力两个指标，将指标标准化后，权重分别取0.8和0.2；奠基人选取了总引用量和社会影响力两个指标，将指标标准化后，权重分别取0.8和0.2。

数据来源：CSRanking, Google学术

● 科技巨头科学家

AI技术团队指巨头公司设立的研究院、实验室、大型研发项目等。巨头公司包括以下十大公司：Facebook, Google, IBM, Intel, Microsoft, Amazon, Apple, 腾讯，阿里巴巴, 百度。负责人是指该技术团队AI研发工作的实际领导者和推动者，常见的职称有杰出科学家（Distinguished Scientist）、主任、Technical Fellow、Director、Dead和Leader等。

● 领先企业家

指标体系包括企业名称，成立时间，技术领域，企业家姓名，国籍，年龄，性别，学历，教育背景，专业，创业/就业经历，企业社会影响力，融资金额/轮次以及企业成长性。

对企业衡量有四个指标，分别是社会影响力、员工数、融资金额、企业成长率。四个指标的权重分别为0.25、0.05、0.5、0.2。权重的确立分为两步，先通过熵值法初步确立了四个指标的权重，再根据指标对影响力的重要程度对权重进行调整。根据评分，选择领先的20家企业。

数据来源：Venture Scanner，Crunchbase，IT桔子

● 投资人

按照在AI领域的投资规模，挑选出排名前13的投资机构，共统计出24位主要负责人。采用熵值法，根据参与投资金额，投资项目数量，投资收益率排名。

在估算过程中，定义一家投资机构的投资规模等于其所参与的每轮AI领域投资项目的融资总金额除以参与投资该项目的投资机构数量的总和。定义投资成功率指投资机构所投资的获得C轮融资及以后的融资的企业占到投资项目总数的比重。

另外，不同机构之间存在相同的投资项目，同一投资项目也可能存在多起投资，因此在计算上存在可容纳误差。

数据来源：Venture Scanner，Crunchbase，IT桔子

● 缺失值处理

在数据统计的过程中，不可避免的会遇到少数数据无法收集到的情况，对于缺失值的处理，此次报告的处理方法是平均数值法，即选取该缺失值前后三位的平均数作为填充。