作者：CEA
轉載：TOP創新區研究院
導讀
2025年1月，CEA（Council of Economic Advisers，美國總統經濟顧問委員會）釋出了一份詳細的人工智慧人才報告，全景式地掃描了美國AI人才的現狀。
咱們不要小瞧這個CEA，它是美國白宮直屬的經濟政策諮詢機構，其主要職能是向總統提供經濟分析和政策建議，它的研究和建議不僅影響美國的短期經濟決策，也對科技、就業、產業發展等長期戰略有重要影響。
以下是該報告的重點：
1，CEA 研究了美國是否能夠滿足日益增長的AI人才需求，並透過建立分類體系，將AI相關學位分為 軟體 和 硬體 兩大類。
2，過去十年，美國AI相關學位（學士、碩士、博士）畢業生數量顯著增長，主要來自學士和碩士學位的增加。其中，非美國公民佔比高，博士生中近半數為國際學生。此外，大多數AI博士畢業生來自公立大學。
3，美國AI相關學位畢業生數量領先全球，僅次於印度（學士學位更多）和中國（學士、博士學位更多）。中國的AI人才增長速度快於美國，但美國仍在頂尖AI研究人員、實驗室及前沿模型訓練方面保持全球領先。
4，AI人才需求增長遠超高校培養速度，尤其是在軟體領域，相關職位招聘年均增長31.7%，但AI學士、碩士、博士學位的增長率僅為 8.2%、8.5%、2.9%。
5，提升AI人才供給的三大策略：第一，增加美國國內高校培養AI人才的數量；第二，吸引國際AI人才，減少美國AI畢業生流失；第三，促進跨行業人才流入AI領域。
01
AI人才的重要性
AI已成為全球競爭的關鍵，其發展影響經濟、生產力、基礎設施，甚至國家安全。AI的發展不僅依賴計算能力和資料，還高度依賴人才，因為：
• 演算法研發、模型訓練 和 最佳化 需要高水平研究人員；
• 資料中心維護、晶片設計與製造 需要專業工程師；
• AI硬體開發（如半導體、計算架構）也日益與AI軟體開發深度融合。
因此，人才供給成為CEA評估美國AI競爭力的核心因素之一。
CEA 將 AI 相關的職業分為軟體和硬體兩大類。
軟體領域：涉及AI演算法和模型開發，涵蓋資料管理、模型架構設計、演算法最佳化、模型訓練與微調、產品部署等環節。這類崗位典型代表如 機器學習工程師、軟體工程師、研究科學家，他們通常就職於 OpenAI、Google DeepMind 等AI研發機構。
硬體領域：涉及整個AI硬體供應鏈的高技能崗位。由於本報告重點關注AI教育體系培養的專業人才，因此這裡主要指具備高等教育背景的專業技術人員，如：資料中心：工程師、技術人員；半導體產業：晶片設計、製造、封裝（ATP）等環節的工程師。
實際上，軟體與硬體的界限並非涇渭分明。
例如，晶片設計工程師越來越依賴AI進行最佳化，而掌握計算機架構的硬體專家，也往往會參與AI模型的開發。因此，CEA認為，儘管軟體和硬體分類存在一定交叉，但它們仍然是分析AI高階人才供給結構的有效方式，以更好地理解美國AI人才市場的現狀及未來需求。
02
美國的AI人才短缺
人工智慧的快速發展，使得對高階AI人才的需求持續攀升。無論是軟體還是硬體領域，AI行業都面臨著人才短缺的問題，尤其是在前沿技術研發和核心基礎設施建設方面。
首先是在軟體領域，人工智慧實驗室對頂尖人才的需求居高不下，且仍在持續增長。訓練一個前沿AI模型的成本可能高達1億美元，其中 29%-49% 用於支付研發人員的薪酬。AI領域的薪資遠高於一般計算機行業，以吸引全球最優秀的技術人才。例如，2021至2022年間，AI從業者的薪資增長了10%-13%，顯示出行業的高需求和高回報。
另一個人才需求激增的證據來自招聘市場。資料顯示，2015年至2023年，涉及“自然語言處理”和“神經網路”等技能的職位需求增長了257%，遠遠超過同期整體職位增長率（52%）。這表明，AI軟體人才的市場需求已進入高速擴張階段，但供給卻難以跟上。
而在硬體方面的AI人才需求涉及多個行業，尤其是資料中心和半導體供應鏈。由於AI計算的快速發展，這兩個領域的投資與擴張速度驚人，但專業人才的短缺已成為行業發展的瓶頸。
（1）資料中心：增長快、缺口大。
2020-2021年，資料中心相關交易總額增長40%，投資規模達480億美元。但人才缺口嚴重：Uptime Institute 預測，該行業人才需求將以3%的年複合增長率上升，尤其是在雲計算領域。然而，2020年的調查顯示，50%的資料中心經理稱難以找到合格員工，71%的人預計到2023年仍難以填補職位。
資料中心的許多工作需要接受高等教育或專業技能培訓，但當前的教育體系和市場供給遠遠跟不上行業增長的節奏。
（2）半導體供應鏈：AI硬體的核心短板
AI計算離不開高效能晶片，而晶片的設計、製造、封裝、測試等環節都需要高階人才。然而，該行業同樣面臨技能型人才短缺的問題：半導體行業中，超過50%的從業者至少需要擁有學士或研究生學歷；但目前全球範圍內的晶片工程師供給不足，導致晶片生產能力受限，進一步影響AI產業的發展。
03
美國AI人才
從哪裡來？
在任何時候，美國都有一批人才投身於人工智慧的開發和應用。然而，這一人才庫的規模在短期內相對固定，而從長期來看，人才的流動主要透過三種渠道實現：
1. 國內高校培養——透過美國高等教育體系獲得AI相關技能；
2. 國際人才流動——AI專業人才的移民流入或流出美國；
3. 行業內外人才轉換——受過AI相關培訓的本土人才，可能進入或退出AI行業。
本報告重點關注第一個渠道，即美國高校培養的AI人才規模。
為此，CEA 設計了一套基於學位的AI人才分類系統，這一系統的核心邏輯是：AI行業需要的技能並不侷限於明確的“人工智慧”專業，而是涵蓋更廣泛的相關學科。具體來說，在美國國家教育統計中心（NCES）IPEDS資料庫的2,320個學術領域中，CEA選取了154個學科歸類為AI相關。
當然，這個人工智慧人才分類體系，主要聚焦於與AI技術直接相關的學科，但並不意味著AI的發展僅依賴於這些專業人才。
AI的廣泛應用需要依託龐大的基礎設施支援，而這些基礎設施的建設與維護，同樣涉及大量技術人員。
其中，電力行業是支撐AI計算的核心環節之一。
根據勞倫斯伯克利國家實驗室的預測，到2028年，資料中心的電力消耗將佔美國總電力需求的6.7%至12.0%，相比2023年的4.4%有顯著提升。這一增長不僅要求電力行業擴建基礎設施，也意味著該行業需要大量新人才。
資料顯示：2020年至2024年，美國電力行業就業人數從38.1萬增加至41.2萬；預計到2033年，該行業就業人數將達到44.5萬，進一步擴張。
不僅如此，AI基礎設施建設還涉及非住宅建築行業（如資料中心、晶片製造廠房的建設）。2020年至2024年，該行業從業人數從79.8萬增加至92.3萬，預計2033年將達到93.6萬。
然而，基礎設施建設並非只靠擴招工人就能順利推進，還需要克服技術、資金和政策等多重挑戰。因此，儘管電力和建築行業在AI產業發展中至關重要，但CEA的AI人才分類體系並未將這些行業的相關工人納入統計範圍。畢竟，這些行業的從業者儘管對AI生態至關重要，但他們的技能需求並非完全針對AI技術本身。
04
美國AI人才供給
使用前述的分類體系，CEA 發現：自2000年代末以來，美國AI相關學士學位的授予量大幅增加，2010年至2022年增長超過一倍。
其中，增長最快的學科是：
計算機科學/資訊科學，佔總增長的42%；機械工程，佔13%。
碩士學位增長了71%，表明研究生層面的AI人才培養力度顯著提升。
博士學位授予量增加了48%，儘管增速相對較慢，但仍高於美國學位整體增長水平。
但AI人才的增長，是否能滿足市場的需求？
答案是供給仍然嚴重不足。
此外，CEA也調研了美國AI人才的國籍結構：
本科階段，非美國公民僅佔AI相關學位的11%；碩士階段，非美國公民佔比40%-60%；博士階段，自2003年以來，非美國公民佔比持續超過50%，2022年達到59%。
相比之下，其他學科博士學位中，非美國公民的佔比通常在20%左右。
這表明，AI領域的高階人才，特別是博士級別，極度依賴國際人才。
05
國際比較
人工智慧人才培養的全球格局
在全球範圍內，人工智慧相關學位的授予情況如何？
美國與其他國家相比，是否具有明顯優勢？
這個問題之所以重要，主要有以下幾點原因：
首先，人工智慧的人才供應鏈高度全球化，頂尖的研究人員來自世界各地，而美國大學的AI相關畢業生中有很大一部分是國際學生，尤其是在博士階段。
此外，我們不僅關注研究人員在哪裡獲得學位，更關心他們最終流向何處——有多少人在美國取得學位後選擇離開（人才流出），又有多少在海外完成學位後選擇進入美國（人才流入）。
最後，在前沿人工智慧開發競爭日趨激烈的背景下，瞭解各國在人工智慧人才儲備上的對比尤為重要，特別是在國家安全和人工智慧技術潛在風險的考量下。
當然，美國也能從全球人工智慧的發展中獲益。人工智慧技術的國際合作與競爭，都可能促進全球科技進步和經濟增長。雖然國家安全考量（本文不深入探討）使美國有動力保持領先地位，但從長遠來看，科技進步是一種公共產品，它將不斷提高全球的生活水平。
為了獲取相關資料，CEA採用了國際教育資料中最細粒度的常見分類，即“科學”（Science）和“工程”（Engineering）,原因是，S&E類別的畢業生中，大約三分之一不屬於更精準的AI相關學科，而AI相關畢業生中，只有不到5%未被歸入S&E類別。這表明兩者之間的重疊度足夠高，因此可以用S&E作為國際比較的基準。
根據各國每年釋出的S&E統計資料，CEA對美國、中國、印度以及經濟合作與發展組織（OECD）中學位產量最高的國家進行了比較。
資料顯示：
在科學與工程學士學位層面，美國的授予數量雖然領先於大多數國家，但並非最高。印度授予的學士學位數量超過美國，而中國不僅在學士學位上超過美國，在博士學位數量上也遙遙領先。
在博士學位層面，中國授予的S&E博士學位數量大約是美國的1.5到2倍（具體取決於衡量標準）。
人口因素的影響也不可忽視。美國、中國和印度的S&E畢業生總數遠超英國、澳大利亞等小國，主要原因是這些國家擁有龐大的人口基數。但如果按照人均S&E畢業生數量計算，英國和澳大利亞等國的表現反而更強。
從全球競爭力角度來看，雖然人均S&E畢業生數量可以衡量一個國家高等教育的健全性，但畢業生總數對AI領域的國際競爭力和領導力的影響更為重要。
06
中美AI人才對比
CEA進一步聚焦在美國與中國的對比，同時參考印度的資料。
在科學與工程學士學位層面，中國授予的學位數量遠超美國。2022年，中國授予的S&E學士學位數量是美國的近6倍，遠高於兩國人口比例（中國人口約為美國的4.2倍）。
在博士學位層面，中國的博士學位授予數量同樣超過美國，並且差距還在持續擴大。2018年，中國授予的S&E博士學位數量比美國多65%；到了2022年，這一數字增加至99%，幾乎是美國的兩倍。相比之下，美國的博士授予數量長期保持相對穩定。
不過，學位授予資料並不完全等同於實際的AI研究人員數量。要了解最終有多少頂尖AI人才在不同國家工作，我們可以參考NeurIPS機器學習會議的研究人員資料。資料顯示：
2019年，全球最頂尖的AI研究人員中，59%在美國公司工作，而在中國公司工作的僅佔11%。到了2022年，美國佔比下降至42%，而中國的比例上升至28%。
這一變化部分歸因於中國頂尖AI實驗室的激增。
2019年，在全球25家最具影響力的AI研究機構中，中國僅佔2家，而到了2022年，這一數字增加到6家。而美國的頂級機構數量則從18家下降至15家。
07
AI人才的流動性
在人才流動方面，我們更關注的不是博士學位在哪裡授予，而是獲得學位後，人才最終選擇在哪裡工作。這一點對美國尤為重要，因為其世界一流的大學體系吸引了大量國際學生。
資料顯示：
約一半的美國S&E博士學位授予非美國公民，但並非所有人都會選擇留在美國。根據保爾森研究所的分析，許多中國研究人員選擇在美國攻讀博士學位後返回中國工作。
如果僅看AI領域博士，美國AI博士畢業生的人才流出與流入幾乎相互抵消。
美國吸引了大量國際學生攻讀AI博士學位，其中許多人畢業後會回到母國，而美國的博士後就業機會又吸引了一部分AI人才流入美國。
這種人才流動保持了一種動態平衡。
08
AI人才的
數量與質量之爭
人工智慧人才的數量與質量是影響美國 AI 競爭力的關鍵因素。然而，並非所有 AI 相關畢業生都具備相同的能力和競爭力。人才質量的差異可能受到多種因素的影響，例如大學課程的選擇性、教學資源的豐富程度以及科研環境的支援力度。因此，在評估 AI 人才的供應情況時，除了關注畢業生數量外，還需要考察他們的實際能力。
目前，並沒有統一的國際標準化測試來衡量 AI 畢業生的專業能力，因此難以直接比較不同國家 AI 人才的水平。
但從多個指標來看，美國在 AI 人才質量方面仍然具有明顯的優勢，即使在 AI 畢業生數量上落後的國家（如中國）也難以在質量上全面超越美國。
首先，儘管中國培養的科學與工程博士數量幾乎是美國的兩倍，但美國培養的頂尖AI博士研究人員數量卻比中國多 90%。
這表明，美國的 AI 博士畢業生在高階人工智慧研究和技術開發方面具有更強的競爭力，即使美國在博士總量上落後，其人才的精英化程度更高。
其次，美國在 AI 研究的實際產出上仍然處於主導地位，大多數全球頂尖 AI 實驗室仍設在美國，大多數知名的機器學習模型和基礎模型也在美國開發和訓練，甚至 GitHub 上的 AI 相關專案多數也由美國開發者主導。
這些事實表明，即使美國的 AI 研究人員數量相對較少，其整體人才質量和科研能力仍然遙遙領先。
儘管美國在上述各項指標上依然領先，但這種優勢並非不可撼動。
全球 AI 競爭正在加劇，CEA提醒美國不能掉以輕心。
09
強化美國AI人才競爭力的
政策建議
影響美國 AI 人才儲備的政策可以分為三大類：
1. 影響美國學位授予數量的政策
2. 影響 AI 人才淨流入的政策
3. 影響 AI 人才如何分佈到實際工作的政策
首先，提高 AI 相關學位的供應
為了增加 AI 相關人才的培養，美國需要擴大高等教育體系的 AI 教育能力。具體而言，可以採取以下措施：
• 提高大學入學率和畢業率，擴大潛在的 AI 人才基數。
• 增加 AI 相關專業的招生容量，避免因供需不匹配導致有興趣的學生無法進入 AI 相關課程。
• 加大 AI 教學資源的投入，包括教師培訓、科研實驗室建設等。
• 提供更多財政支援，鼓勵學生攻讀 AI 相關學位，降低經濟門檻。
• 加強 AI 相關職業發展資訊的傳播，讓學生了解 AI 領域的就業前景和薪資水平，提升對 AI 領域的興趣。
如果這些政策得到有效執行，將有助於擴大 AI 相關學科的學生規模，為 AI 產業輸送更多人才。
其二，放寬 AI 人才的移民政策
移民政策對 AI 人才的流動性有著深遠影響。美國長期以來擁有強勁的勞動力市場，能夠吸引全球優秀人才。然而，現行的移民政策卻可能成為 AI 人才流入的障礙。例如：
• 超過一半的 AI 相關博士生（非美國公民）選擇離開美國，其中主要原因是移民政策不友好。
• 60% 的非美國公民 AI 博士認為美國移民政策困難重重，相比之下，在其他國家這一比例僅為 12%。
如果美國希望吸引更多 AI 頂尖人才，應考慮降低移民門檻，使研究生更容易在完成學業後留在美國工作。同時，還應鼓勵更多海外 AI 研究人員來美髮展。針對性的移民改革（如最佳化 H-1B 簽證和綠卡政策）可以有效增加美國 AI 人才的供應，防止人才流失。
其三，促進 AI 產業發展
除了提升人才供給和移民便利度，美國還需要制定更有利於 AI 發展的政策，以確保 AI 人才能夠順利進入產業併發揮作用。例如：
• 加大對 AI 研究的資金支援，如美國國家科學基金會（NSF）資助的安全 AI 研究。
• 提供 AI 計算資源，如國家 AI 研究資源試點計劃，降低 AI 研究的計算門檻。
• 最佳化 AI 產業政策，減少阻礙 AI 發展的法律和政策障礙，促進企業創新。
這些措施不僅能吸引更多人才進入 AI 領域，還能使美國成為更具吸引力的 AI 發展中心，增強全球 AI 競爭力。
美本早申資料大揭秘
翠鹿升學榜2025早申資料報告如何領取？
點選下方名片
關注“視角學社”公眾號，
後臺對話方塊傳送“資料報告”（不是評論區哦～）
獲得完整版報告領取方式！
更多精彩
相關閱讀：
川普對教育「下狠手」, 美國大學“揭竿而起”, 中國留學生瑟瑟發抖
霸榜CSRankings13年的新藤校：21個專業全美前10！AI就業率100%
作者：CEA，轉載：TOP創新區研究院，本文經授權轉載。版權歸屬作者/原載媒體。
喜歡本文？歡迎掃碼加入視角&翠鹿公益交流社群：