领英AI人才图谱:全球 190 万 AI 人才,中国只有5万

简介: 目前全球共有190多万深度学习与数据挖掘的人才,其中85万都在美国,中国只有5万人,华裔人才有14万。随着中国在人工智能领域的不断开拓进取,中国企业对于人才的吸引力也在不断攀升,但企业HR去哪儿招人才、如何去招,仍是不容易操作的问题。

大家好,我叫王迪,来自领英中国,非常高兴来到人大做分享。我分享的主题是《汇聚全球智慧,洞悉AI人才趋势》,涉及目前非常火热的人工智能(AI)新技术,以及它的发展对全球人力资源、人才方面产生的巨大影响。希望其中的一些数据和洞察,能在当前AI时代对人力资源的看法上,对大家有所参考。

职业社交网络上有近5万个职能或技能种类

十九大报告明确指出:“人才是实现民族振兴、赢得国际竞争主动的战略资源。要坚持党管人才原则,聚天下英才而用之,加快建设人才强国。实行更加积极、更加开放、更加有效的人才政策……把党内和党外、国内和国外各方面优秀人才聚集到党和人民的伟大奋斗中来”。我们选择天下英才的范围非常广阔,除中国人才外,还包括海外华人、华裔华侨等。

作为全世界最领先的职业社交网络,领英的一个愿景就是:为全球30亿劳动者中的每一位创造经济机会,进而创建世界首张经济图谱。我们的使命是:连接全球职场人士,使他们事半功倍,发挥所长。

领英是硅谷一家较年轻的互联网公司,创始人是Reid Hoffman。他曾参与过Paypal(美国的支付宝)的创建,领英是他的第三家创业企业。上线伊始,领英旨在解决一个最朴素的问题:如何用互联网手段帮助公司做人才招募和内部推荐,也就是如何让大家通过人与人之间的介绍得到好的工作机会。领英创建至今已有十余年,经历了许多重要发展,下面我就这一历程做个简单介绍:

2003年,在美国硅谷成立。

2005年,发布第一批企业订阅产品开始面向企业的人力资源服务。

2011年,登陆纽交所上市。

2014年,正式进入中国市场,成立“领英中国智库”。

2015年,9月与上海市政府合作,开启全球科创人才引进计划;11月,与重庆市人民政府、重庆市外经贸委签订国际高端人才战略合作备忘录。

2016年,1月面向中国企业客户推出海外征才解决方案;2月,在深圳启动第一届中国海外创新人才大赛;12月,微软以262亿美金正式收购领英,成为微软旗下成员之一。

2017年,3月与北京市人才工作领导小组办公室合作;10月,全球会员数达到5.3亿+,其中中国会员数3600万。

领英有一张自己的全球经济图谱。作为一个职业社交网络,它有5亿3千万职场人用户。每个用户都有自己的个人档案,涵盖他们过往的工作经历等信息,并且可以随时登陆账号完善个人档案。其中包括大概1800万家公司,几乎涉及世界上所有行业的主要企业以及相关职能部门。它们会在平台上进行人才招募,每时每刻发布、提供的工作信息大概1100万条。经过细致分类,这些工作需要将近5万个职能或技能种类,其中包括一些需要大学、科研院所提供的专业技能。而能够提供相应需求的学校和研究机构大概接近3万所。

自2014年至今,经过三年的发展,领英在中国也创造出了自己的经济图谱,用户得到快速增长,已有超过3600万中国地区用户,涉及企业36万多家,共发布工作信息200多万条,涉及技能2万多种,包含院校一万多所。

AI人才的基础层、技术层和应用层主要技能

大家想象中的人工智能是怎样的?可能更多的浮现在头脑中的画面,是类似于好莱坞影片中钢铁侠所用到的AI助手那样,可以通过对话迅速制造或装配调取一定的服务,这是影视片中非常典型的一个AI场景。但在现实生活中,关于AI人工智能的应用情况,目前的细分领域到底是什么样呢?今年7月份,领英通过对自己的全球人才大数据进行分析和研究后,将人工智能技术进行了分层:基础层、技术层和应用层。

对AI进行分层研究,我们首先需要提取一些技能关键词。这些关键词可以从刚才讲过的全球经济图谱中所涵盖的五万种技能需求中提取。

从这基础层、技术层、应用层三个层面出发,我们分别研究了它们所涉及到的关键领域与技术的相关技能的关键词,基本涵盖了当前AI在技术和工程领域的各类主要技能。例如基础层涉及到的软件、算法、平台处理器等。在此之上,又有技术层的图像、计算机视觉、计算机语音以及自然语言处理和当前最前沿的脑科学研究等垂直的领域。之后是应用层面,包括每天所用到的搜索引擎,未来可能会出现的智能交通、无人驾驶等,以及现在一些特定领域已经开始使用的虚拟个人助理、对话式机器人等。应用层的这些技能,可以帮助我们完成一些相对来说特定的任务。

我们每时每刻都在移动互联网上应用的推荐系统,像电商推荐、新闻资讯推荐,以及社交网络上的人脉推荐,使用的技能可能就是电影当中狭义理解上的机器人。这些机器人可以说是人工智能与自动化领域的结合应用,未来在工业和民用当中也会有它的一席之地,也包括一些与日常生活略有距离的其他领域或特定的垂直行业,比如金融、营销、安防、教育等。 

全球AI人才分析:HR应该到哪儿去招聘AI人才?

通过分析,我们发现了当前全球人工智能人才的分布情况。目前全球共有190多万深度学习与数据挖掘的人才,其中85万都在美国,中国只有5万人,英国、加拿大、澳大利亚、新加坡、印度等地区也有人工智能人才的分布。美国以近46%的比例高居全球人工智能领域人才榜首,分布数量是中国的14倍,接近垄断的位置。而且在领英3600万的用户数据库中,统计到的中国AI技术人才,不一定全部分布在中国,所以人才拥有数量上中美之间仍存在一定的差距。

从AI人才的工作经验来看,AI人才有一个特点,教育和研究门槛要求很高。在世界范围内,尤其是美国,AI人才的培养周期很长,其中拥有6年以上工作经验的AI人才比例占27%,10年以上行业经历的占41%,共占将近三分之二,他们接触该行业内容由来已久。

从人才的行业分布及典型公司来分析,38%的人才分布于一些所谓的传统IT企业,如微软、IBM、英特尔、苹果等;13%分布于学术研究机构,如斯坦福大学、卡内基梅隆大学、MIT和UC Berkeley等:另有3%分布于互联网企业,7%分布于金融企业。但是,美国目前的金融企业中,其实拥有很多人工智能方面的相关技术人才。

在人才成熟度上,我们首先将各国之间的人才工作经验进行数据对比,美国深度学习与挖掘人才中,接近50%拥有十年以上的工作经验,相比之下,中国大概只有19%,印度和新加坡分别有18%和31%。我们发现,美国的人才成熟度与其他国家对比明显较高。但是不用灰心,由于我们的年轻人才所占比例较大,假以时日,有理由相信,我们未来的人才储备和经验一定会有所赶超。

再对美国AI人才的分类分布情况详细加以分析。美国在人才智能领域占有比较深厚的人才基础,如果未来我们的企业HR想到美国去招引相关人才,应该去哪里找呢?

按区域和学校来分析,西雅图地区,有微软、亚马逊、波音等;旧金山地区,有谷歌、苹果、Facebook、斯坦福大学等;洛杉矶地区,有南加州大学、UCLA、NASA等;纽约地区,同样有IBM、谷歌、哥伦比亚大学、Blocmberg LP和纽约大学等,他们拥有着大量的人工智能人才。纽约地区排前十名的公司分别是:谷歌、微软、亚马逊、IBM、Facebook、百度、苹果、英特尔、甲骨文、CMU。

单纯就华人AI人才分析的情况是,在领英上,美国共有6万7千多深度学习与数据挖掘的华人人才,是中国这方面人才的2倍。

美国AI人才的招聘来源,以Google为例,谷歌全球共有接近一万深度学习与数据挖掘相关人才,其中35%拥有十年以上工作经验,那么它的招聘来源是哪儿呢?在领英平台上,根据我们的大数据体现,如果一个员工当前就职于谷歌,而工作经历显示他来自于微软,我们就会认为他的招聘来源是微软;同理,如果他从谷歌去了中国的阿里巴巴,对阿里巴巴来说,他的来源就是谷歌,这其实是企业的人才流向问题。据此总结,谷歌的主要招聘来源是:微软、IBM、亚马逊、雅虎、英特尔等。

中国对海外AI人才的吸引力不断增强

目前全球190万AI人才中,华裔占8%,即14万人左右。除了美国外,他们还分布于加拿大、英国、澳大利亚,以及亚洲的新加坡。新加坡的华裔人才非常之多,所占比例近乎三分之一。

我们对比了AI人才的区域分布情况,发现中国相较美国有其自身的特点——分布更加集中,三分之二的AI人才都汇集于北京和上海,其中北京34.1%,上海33.7%,其他城市分布人数明显相对稀疏。美国的人才分布是较为均匀的,硅谷只有17%左右,其他西雅图、纽约、波士顿、华盛顿以及南部的休斯敦、亚特兰大等地区,都有一定数量的相关人才分布。

AI人才普遍拥有较高学历,研究生及以上学历中国占比62.1%,美国占比56.5%,人数比例都超过了一半,中国比例还略高一些。他们主要集中于大家耳熟能详的一些工科大学。中国AI人才数量排名前十的高校分别是:上海交通大学、清华大学、北京大学、浙江大学、复旦大学、北京邮电大学、北京航空航天大学、华中科技大学、哈尔滨工业大学和同济大学。美国是:斯坦福大学、加利福尼亚大学伯克利分校、佐治亚理工学院、卡内基梅隆大学、华盛顿大学、南加利福尼亚大学、麻省理工学院、伊利诺伊大学香槟分校以及德克萨斯大学奥斯汀分校和宾夕法尼亚州立大学。

中国的深入学习和数据挖掘相关人才,30%聚集在北京。百度是目前领英数据库中,拥有最多的深度学习相关人才的一家中国企业,它的的人才招聘主要来源是微软、腾讯、IBM、谷歌、英特尔等。从百度AI人才的来源情况我们可以看出,过去的几年中,中国对海外AI人才的吸引力不断增强。从媒体监测和数据统计上我们都能发现,2013到2016年,海外留学归国的人才数量以平均每年14%的比例增长。

中国作为全球最大的留学生输出国家,海外AI领域技术人才主要流向是由美国、加拿大、英国、法国、德国等地区回到国内。除学生之外,拥有海外工作经验的从业者,每年也在以超过10%的增长率回归到国内。随着中国在人工智能领域的不断开拓进取,中国企业对于人才的吸引力也在不断攀升,按照雇佣相关人才的数量做排名的话,本土企业已占据中国AI人才前十大雇主的半壁江山。 

金融科技和无人驾驶技术行业的AI人才现状

我们中国在金融科技行业AI人才差距还很大。以美国来看,高科技巨头仍然是该领域的霸主,但是像美国银行和富国银行这两家代表性银行进军该领域前十,金融科技方面其实也有很多这方面的应用。

目前,在人工智能应用方面,美国和中国的科技巨头都在投入巨额的资源做无人驾驶技术的研究。那么,全球的无人驾驶技术人才到底是怎样的呢?显而易见,这是一个人才高度竞争的领域,门槛之高不言而喻。在领英上,全球共有215680多智能驾驶领域的人才,44%的人才拥有10年以上的工作经验;其中美国的人才数量远远高于中国,是中国的22倍。美国的无人驾驶技术人才广泛分布于该领域相关的科技企业、学术研究机构和传统的汽车企业。Sebastian是领英上美国在该领域的一个典型人才,他之前在Google做VP,后来做自动驾驶方面的创业,同时又在斯坦福做学术方面的研究。美国企业谷歌在该领域也有非常多的重点投入,人才经验非常丰富,主要来源于苹果、Tesla、斯坦福大学等。

总体而言,美国的人工智能和无人驾驶技术人才较为成熟。从工作年限分布来看,五年以上经验候选人占到66%;从学历分布来看,硕士及以上学历超过总数80%;从专业分布来看,专业背景以计算机、电子相关为主。美国华人AI人才主要集中在西部,像旧金山、纽约、西雅图和洛杉矶等地,他们主要分布于顶尖IT互联网公司,如谷歌、Facebook、苹果等;其中56%具备海外学习和工作经验,12%专注于无人驾驶领域,10%愿意考虑新的工作机会,这一点对于HR还是很有帮助的。

以上是我对全球AI人才的分析。

AI技术应用于人力资源招聘的一个实例

最后我给大家分享AI在人力资源应用方面促生变革的一个实例。美国有一家世界500强企业已经开始将AI技术应用于人力资源招聘,它是怎么做的呢?这是一家以线下零售为主的快速消费品企业,它需要大量的地面推销人员和基层服务人员,而且人员流动量也很大,以致人员招聘量非常大。为提升人员招聘效率,它以前做了一些业务外包,但现在它选择了AI技术。它的流程是这样的:

第一步,候选人通过网络在线将简历投递到官方网站或领英平台。之后再根据企业招聘信息,会有一个机器对应聘者进行自动筛选。通过第一步后,候选人会获得一份在线试题,也就是点开链接完成12个在线游戏。这些游戏旨在测试候选人某一方面的能力,比如计算能力、基本表达能力、逻辑能力等。游戏结束后系统会自动打分,分数合格的就会得到在线视频面试机会。

但是注意,这个视频不是真人而是AI的视频面试。候选人打开视频后,需要面对手机或电脑,根据特定的问题去做一些回答。整个过程中,摄像头会全程捕捉应聘者的面试状况,再由机器的AI模型去判别,所有环节全部通过之后,候选人才能进入到最终的、也是第一次的人工面试。通过这种线上筛选后,这家企业发现招聘效率比之前提升了20%,而且还节省了成本。

从这个实例来看,AI将会对人力资源行业产生一个加速度、产生一种工具化的变革。当然短期内,它还不会替代掉人力资源工作者的工作。但是,既然AI作为一种工具,能极大的提升HR的工作效率,我们就应该积极地去拥抱它、去拥抱这样的技术变化。


原文发布时间为:2018-01-30

本文作者:丁蕊、张晓倩

本文来自云栖社区合作伙伴新智元,了解相关信息可以关注“AI_era”微信公众号

原文链接:领英AI人才图谱:全球 190 万 AI 人才,中国只有5万

相关文章
|
机器学习/深度学习 传感器 人工智能
AI:国内外人工智能产业应用图谱应用层/基础层详解
AI:国内外人工智能产业应用图谱应用层/基础层详解
AI:国内外人工智能产业应用图谱应用层/基础层详解
|
传感器 人工智能 编解码
世界首个!Meta AI开放6亿+宏基因组蛋白质结构图谱,150亿语言模型用两周完成
世界首个!Meta AI开放6亿+宏基因组蛋白质结构图谱,150亿语言模型用两周完成
143 0
|
人工智能
AI全行业图谱
AI全行业图谱
AI全行业图谱
|
机器学习/深度学习 传感器 人工智能
AI:国内外人工智能产业应用图谱应用层/基础层详解
AI:国内外人工智能产业应用图谱应用层/基础层详解
AI:国内外人工智能产业应用图谱应用层/基础层详解
|
2天前
|
机器学习/深度学习 人工智能 算法
AI技术在医疗诊断中的应用及前景展望
本文旨在探讨人工智能(AI)技术在医疗诊断领域的应用现状、挑战与未来发展趋势。通过分析AI技术如何助力提高诊断准确率、缩短诊断时间以及降低医疗成本,揭示了其在现代医疗体系中的重要价值。同时,文章也指出了当前AI医疗面临的数据隐私、算法透明度等挑战,并对未来的发展方向进行了展望。
|
10天前
|
机器学习/深度学习 人工智能 自然语言处理
当前AI大模型在软件开发中的创新应用与挑战
2024年,AI大模型在软件开发领域的应用正重塑传统流程,从自动化编码、智能协作到代码审查和测试,显著提升了开发效率和代码质量。然而,技术挑战、伦理安全及模型可解释性等问题仍需解决。未来,AI将继续推动软件开发向更高效、智能化方向发展。
|
14天前
|
机器学习/深度学习 人工智能 自然语言处理
AI在医疗领域的应用及其挑战
【10月更文挑战第34天】本文将探讨人工智能(AI)在医疗领域的应用及其面临的挑战。我们将从AI技术的基本概念入手,然后详细介绍其在医疗领域的各种应用,如疾病诊断、药物研发、患者护理等。最后,我们将讨论AI在医疗领域面临的主要挑战,包括数据隐私、算法偏见、法规合规等问题。
39 1
|
6天前
|
机器学习/深度学习 人工智能 算法
AI在医疗诊断中的应用
【10月更文挑战第42天】本文将探讨人工智能(AI)在医疗诊断中的应用,包括其优势、挑战和未来发展方向。我们将通过实例来说明AI如何改变医疗行业,提高诊断的准确性和效率。