美国AI人才短缺，供给从哪来？

2025年1月，CEA（Council of Economic Advisers，美国总统经济顾问委员会）发布了一份详细的人工智能人才报告，全景式地扫描了美国AI人才的现状。 

咱们不要小瞧这个CEA，它是美国白宫直属的经济政策咨询机构，其主要职能是向总统提供经济分析和政策建议，它的研究和建议不仅影响美国的短期经济决策，也对科技、就业、产业发展等长期战略有重要影响。 

以下是该报告的重点： 

1. CEA 研究了美国是否能够满足日益增长的AI人才需求，并通过建立分类体系，将AI相关学位分为软件和硬件两大类。 

2. 在过去十年，美国AI相关学位（学士、硕士、博士）毕业生数量显著增长，主要来自学士和硕士学位的增加。其中，非美国公民占比高，博士生中近半数为国际学生。此外，大多数AI博士毕业生来自公立大学。 

3. 美国AI相关学位毕业生数量领先全球，仅次于印度（学士学位更多）和中国（学士、博士学位更多）。中国的AI人才增长速度快于美国，但美国仍在顶尖AI研究人员、实验室及前沿模型训练方面保持全球领先。

4. AI人才需求增长远超高校培养速度，尤其是在软件领域，相关职位招聘年均增长31.7%，但AI学士、硕士、博士学位的增长率仅为 8.2%、8.5%、2.9%。 

5. 提升AI人才供给的三大策略：第一，增加美国国内高校培养AI人才的数量；第二，吸引国际AI人才，减少美国AI毕业生流失；第三，促进跨行业人才流入AI领域。

一、AI人才的重要性

AI已成为全球竞争的关键，其发展影响经济、生产力、基础设施，甚至国家安全。AI的发展不仅依赖计算能力和数据，还高度依赖人才，因为：

• 算法研发、模型训练和优化需要高水平研究人员；

• 数据中心维护、芯片设计与制造需要专业工程师；

• AI硬件开发（如半导体、计算架构）也日益与AI软件开发深度融合。

因此，人才供给成为CEA评估美国AI竞争力的核心因素之一。

CEA 将 AI 相关的职业分为软件和硬件两大类。

• 软件领域：涉及AI算法和模型开发，涵盖数据管理、模型架构设计、算法优化、模型训练与微调、产品部署等环节。这类岗位典型代表如机器学习工程师、软件工程师、研究科学家，他们通常就职于 OpenAI、Google DeepMind 等AI研发机构。

• 硬件领域：涉及整个AI硬件供应链的高技能岗位。由于本报告重点关注AI教育体系培养的专业人才，因此这里主要指具备高等教育背景的专业技术人员，如：数据中心：工程师、技术人员；半导体产业：芯片设计、制造、封装（ATP）等环节的工程师。

实际上，软件与硬件的界限并非泾渭分明。

例如，芯片设计工程师越来越依赖AI进行优化，而掌握计算机架构的硬件专家，也往往会参与AI模型的开发。因此，CEA认为，尽管软件和硬件分类存在一定交叉，但它们仍然是分析AI高端人才供给结构的有效方式，以更好地理解美国AI人才市场的现状及未来需求。

二、美国的AI人才短缺

人工智能的快速发展，使得对高端AI人才的需求持续攀升。无论是软件还是硬件领域，AI行业都面临着人才短缺的问题，尤其是在前沿技术研发和核心基础设施建设方面。

首先是在软件领域，人工智能实验室对顶尖人才的需求居高不下，且仍在持续增长。训练一个前沿AI模型的成本可能高达1亿美元，其中 29%~49% 用于支付研发人员的薪酬。AI领域的薪资远高于一般计算机行业，以吸引全球最优秀的技术人才。例如，2021至2022年间，AI从业者的薪资增长了10%~13%，显示出行业的高需求和高回报。

另一个人才需求激增的证据来自招聘市场。数据显示，2015年至2023年，涉及“自然语言处理”和“神经网络”等技能的职位需求增长了257%，远远超过同期整体职位增长率（52%）。这表明，AI软件人才的市场需求已进入高速扩张阶段，但供给却难以跟上。

而在硬件方面的AI人才需求涉及多个行业，尤其是数据中心和半导体供应链。由于AI计算的快速发展，这两个领域的投资与扩张速度惊人，但专业人才的短缺已成为行业发展的瓶颈。

（1）数据中心：增长快、缺口大。

2020~2021年，数据中心相关交易总额增长40%，投资规模达480亿美元。但人才缺口严重：Uptime Institute 预测，该行业人才需求将以3%的年复合增长率上升，尤其是在云计算领域。然而，2020年的调查显示，50%的数据中心经理称难以找到合格员工，71%的人预计到2023年仍难以填补职位。

数据中心的许多工作需要接受高等教育或专业技能培训，但当前的教育体系和市场供给远远跟不上行业增长的节奏。

（2）半导体供应链：AI硬件的核心短板。

AI计算离不开高性能芯片，而芯片的设计、制造、封装、测试等环节都需要高端人才。然而，该行业同样面临技能型人才短缺的问题：半导体行业中，超过50%的从业者至少需要拥有学士或研究生学历；但目前全球范围内的芯片工程师供给不足，导致芯片生产能力受限，进一步影响AI产业的发展。

三、美国AI人才从哪里来？

在任何时候，美国都有一批人才投身于人工智能的开发和应用。然而，这一人才库的规模在短期内相对固定，而从长期来看，人才的流动主要通过三种渠道实现：

1. 国内高校培养——通过美国高等教育体系获得AI相关技能；

2. 国际人才流动——AI专业人才的移民流入或流出美国；

3. 行业内外人才转换——受过AI相关培训的本土人才，可能进入或退出AI行业。

本报告重点关注第一个渠道，即美国高校培养的AI人才规模。

为此，CEA 设计了一套基于学位的AI人才分类系统，这一系统的核心逻辑是：AI行业需要的技能并不局限于明确的“人工智能”专业，而是涵盖更广泛的相关学科。具体来说，在美国国家教育统计中心（NCES）IPEDS数据库的2320个学术领域中，CEA选取了154个学科归类为AI相关。

当然，这个人工智能人才分类体系，主要聚焦于与AI技术直接相关的学科，但并不意味着AI的发展仅依赖于这些专业人才。

AI的广泛应用需要依托庞大的基础设施支持，而这些基础设施的建设与维护，同样涉及大量技术人员。

其中，电力行业是支撑AI计算的核心环节之一。

根据劳伦斯伯克利国家实验室的预测，到2028年，数据中心的电力消耗将占美国总电力需求的6.7%至12.0%，相比2023年的4.4%有显著提升。这一增长不仅要求电力行业扩建基础设施，也意味着该行业需要大量新人才。

数据显示，2020年至2024年，美国电力行业就业人数从38.1万增加至41.2万；预计到2033年，该行业就业人数将达到44.5万，进一步扩张。

不仅如此，AI基础设施建设还涉及非住宅建筑行业（如数据中心、芯片制造厂房的建设）。2020年至2024年，该行业从业人数从79.8万增加至92.3万，预计2033年将达到93.6万。

然而，基础设施建设并非只靠扩招工人就能顺利推进，还需要克服技术、资金和政策等多重挑战。因此，尽管电力和建筑行业在AI产业发展中至关重要，但CEA的AI人才分类体系并未将这些行业的相关工人纳入统计范围。毕竟，这些行业的从业者尽管对AI生态至关重要，但他们的技能需求并非完全针对AI技术本身。

四、美国AI人才供给

使用前述的分类体系，CEA 发现：自2000年代末以来，美国AI相关学士学位的授予量大幅增加，2010年至2022年增长超过一倍。

其中，增长最快的学科是：

计算机科学/信息科学，占总增长的42%；机械工程，占13%。

硕士学位增长了71%，表明研究生层面的AI人才培养力度显著提升。

博士学位授予量增加了48%，尽管增速相对较慢，但仍高于美国学位整体增长水平。

但AI人才的增长是否能满足市场的需求？

答案是供给仍然严重不足。

此外，CEA也调研了美国AI人才的国籍结构：本科阶段，非美国公民仅占AI相关学位的11%；硕士阶段，非美国公民占比40%~60%；博士阶段，自2003年以来，非美国公民占比持续超过50%，2022年达到59%。

相比之下，其他学科博士学位中，非美国公民的占比通常在20%左右。

这表明，AI领域的高端人才，特别是博士级别，极度依赖国际人才。

五、国际比较人工智能人才培养的全球格局

在全球范围内，人工智能相关学位的授予情况如何？

美国与其他国家相比，是否具有明显优势？

这个问题之所以重要，主要有以下几点原因：

首先，人工智能的人才供应链高度全球化，顶尖的研究人员来自世界各地，而美国大学的AI相关毕业生中有很大一部分是国际学生，尤其是在博士阶段。

此外，我们不仅关注研究人员在哪里获得学位，更关心他们最终流向何处——有多少人在美国取得学位后选择离开（人才流出），又有多少在海外完成学位后选择进入美国（人才流入）。

最后，在前沿人工智能开发竞争日趋激烈的背景下，了解各国在人工智能人才储备上的对比尤为重要，特别是在国家安全和人工智能技术潜在风险的考量下。

当然，美国也能从全球人工智能的发展中获益。人工智能技术的国际合作与竞争，都可能促进全球科技进步和经济增长。虽然国家安全考量（本文不深入探讨）使美国有动力保持领先地位，但从长远来看，科技进步是一种公共产品，它将不断提高全球的生活水平。

为了获取相关数据，CEA采用了国际教育数据中最细粒度的常见分类，即“科学”（Science）和“工程”（Engineering），原因是，S&E类别的毕业生中，大约有三分之一不属于更精准的AI相关学科，而AI相关毕业生中，只有不到5%未被归入S&E类别。这表明两者之间的重叠度足够高，因此可以用S&E作为国际比较的基准。

根据各国每年发布的S&E统计数据，CEA对美国、中国、印度以及经济合作与发展组织（OECD）中学位产量最高的国家进行了比较。

数据显示：

在科学与工程学士学位层面，美国的授予数量虽然领先于大多数国家，但并非最高。印度授予的学士学位数量超过美国，而中国不仅在学士学位上超过美国，在博士学位数量上也遥遥领先。

在博士学位层面，中国授予的S&E博士学位数量大约是美国的1.5到2倍（具体取决于衡量标准）。

人口因素的影响也不可忽视。美国、中国和印度的S&E毕业生总数远超英国、澳大利亚等小国，主要原因是这些国家拥有庞大的人口基数。但如果按照人均S&E毕业生数量计算，英国和澳大利亚等国的表现反而更强。

从全球竞争力角度来看，虽然人均S&E毕业生数量可以衡量一个国家高等教育的健全性，但毕业生总数对AI领域的国际竞争力和领导力的影响更为重要。

六、中美AI人才对比

CEA进一步聚焦在美国与中国的对比，同时参考印度的数据。

在科学与工程学士学位层面，中国授予的学位数量远超美国。2022年，中国授予的S&E学士学位数量是美国的近6倍，远高于两国人口比例（中国人口约为美国的4.2倍）。

在博士学位层面，中国的博士学位授予数量同样超过美国，并且差距还在持续扩大。2018年，中国授予的S&E博士学位数量比美国多65%；到了2022年，这一数字增加至99%，几乎是美国的两倍。相比之下，美国的博士授予数量长期保持相对稳定。

不过，学位授予数据并不完全等同于实际的AI研究人员数量。要了解最终有多少顶尖AI人才在不同国家工作，我们可以参考NeurIPS机器学习会议的研究人员数据。数据显示：

2019年，全球最顶尖的AI研究人员中，59%在美国公司工作，而在中国公司工作的仅占11%。到了2022年，美国占比下降至42%，而中国的比例上升至28%。

这一变化部分归因于中国顶尖AI实验室的激增。

2019年，在全球25家最具影响力的AI研究机构中，中国仅占2家，而到了2022年，这一数字增加到6家。而美国的顶级机构数量则从18家下降至15家。

七、AI人才的流动性

在人才流动方面，我们更关注的不是博士学位在哪里授予，而是获得学位后，人才最终选择在哪里工作。这一点对美国尤为重要，因为其世界一流的大学体系吸引了大量国际学生。

数据显示：

约一半的美国S&E博士学位授予了非美国公民，但并非所有人都会选择留在美国。根据保尔森研究所的分析，许多中国研究人员选择在美国攻读博士学位后返回中国工作。

如果仅看AI领域博士，美国AI博士毕业生的人才流出与流入几乎相互抵消。

美国吸引了大量国际学生攻读AI博士学位，其中许多人毕业后会回到母国，而美国的博士后就业机会又吸引了一部分AI人才流入美国。

这种人才流动保持了一种动态平衡。

八、AI人才的数量与质量之争

人工智能人才的数量与质量是影响美国 AI 竞争力的关键因素。然而，并非所有 AI 相关毕业生都具备相同的能力和竞争力。人才质量的差异可能受到多种因素的影响，例如大学课程的选择性、教学资源的丰富程度以及科研环境的支持力度。因此，在评估 AI 人才的供应情况时，除了关注毕业生数量外，还需要考察他们的实际能力。

目前，并没有统一的国际标准化测试来衡量 AI 毕业生的专业能力，因此难以直接比较不同国家 AI 人才的水平。

但从多个指标来看，美国在 AI 人才质量方面仍然具有明显的优势，即使在 AI 毕业生数量上落后的国家（如中国）也难以在质量上全面超越美国。

首先，尽管中国培养的科学与工程博士数量几乎是美国的两倍，但美国培养的顶尖AI博士研究人员数量却比中国多 90%。

这表明，美国的 AI 博士毕业生在高端人工智能研究和技术开发方面具有更强的竞争力，即使美国在博士总量上落后，其人才的精英化程度更高。

其次，美国在 AI 研究的实际产出上仍然处于主导地位，大多数全球顶尖 AI 实验室仍设在美国，大多数知名的机器学习模型和基础模型也在美国开发和训练，甚至 GitHub 上的 AI 相关项目多数也由美国开发者主导。

这些事实表明，即使美国的 AI 研究人员数量相对较少，其整体人才质量和科研能力仍然遥遥领先。

尽管美国在上述各项指标上依然领先，但这种优势并非不可撼动。全球 AI 竞争正在加剧，CEA提醒美国不能掉以轻心。

九、强化美国AI人才竞争力的政策建议

影响美国 AI 人才储备的政策可以分为三大类：

1. 影响美国学位授予数量的政策；

2. 影响 AI 人才净流入的政策；

3. 影响 AI 人才如何分布到实际工作的政策。

首先，提高 AI 相关学位的供应。

为了增加 AI 相关人才的培养，美国需要扩大高等教育体系的 AI 教育能力。具体而言，可以采取以下措施：

• 提高大学入学率和毕业率，扩大潜在的 AI 人才基数。

• 增加 AI 相关专业的招生容量，避免因供需不匹配导致有兴趣的学生无法进入 AI 相关课程。

• 加大 AI 教学资源的投入，包括教师培训、科研实验室建设等。

• 提供更多财政支持，鼓励学生攻读 AI 相关学位，降低经济门槛。

• 加强 AI 相关职业发展信息的传播，让学生了解 AI 领域的就业前景和薪资水平，提升对 AI 领域的兴趣。

这些政策如果得到有效执行，将有助于扩大 AI 相关学科的学生规模，为 AI 产业输送更多人才。

其二，放宽 AI 人才的移民政策。

移民政策对 AI 人才的流动性有着深远影响。美国长期以来拥有强劲的劳动力市场，能够吸引全球优秀人才。然而，现行的移民政策却可能成为 AI 人才流入的障碍。例如：

• 超过一半的 AI 相关博士生（非美国公民）选择离开美国，其中主要原因是移民政策不友好。

• 60% 的非美国公民 AI 博士认为美国移民政策困难重重，相比之下，在其他国家这一比例仅为 12%。

如果美国希望吸引更多 AI 顶尖人才，应考虑降低移民门槛，使研究生更容易在完成学业后留在美国工作。同时，还应鼓励更多海外 AI 研究人员来美发展。针对性的移民改革（如优化 H-1B 签证和绿卡政策）可以有效增加美国 AI 人才的供应，防止人才流失。

其三，促进 AI 产业发展。

除了提升人才供给和移民便利度，美国还需要制定更有利于 AI 发展的政策，以确保 AI 人才能够顺利进入产业并发挥作用。例如：

• 加大对 AI 研究的资金支持，如美国国家科学基金会（NSF）资助的安全 AI 研究。

• 提供 AI 计算资源，如国家 AI 研究资源试点计划，降低 AI 研究的计算门槛。

• 优化 AI 产业政策，减少阻碍 AI 发展的法律和政策障碍，促进企业创新。

这些措施不仅能吸引更多人才进入 AI 领域，还能使美国成为更具吸引力的 AI 发展中心，增强全球 AI 竞争力。

本文来自微信公众号：TOP创新区研究院，作者：CEA