2020 人工智能人才报告：AI 职位需求放缓，非技术素质将成重要考核指标

本报告由AI 人才服务公司 TalentSeer 和 AI 人才社区 Robin.ly 联合发布。版权所有，转载需授权。

2019 年，人工智能技术（AI）持续保持惊人的发展速度。预计到 2030 年，AI 技术将为全球增加 15.7 万亿美元的商业价值。2020 年将成为 AI 研究、产品开发和商业化的关键之年。

随着 AI 公司的迅速发展以及创纪录的风险投资，AI 人才的市场需求也持续保持增长。构建一个可持续的、繁荣的人才生态系统对于实现 AI 技术的大规模产品化和商业化至关重要。

本报告基于 TalentSeer 多年来与 500 多家 AI 公司和 1.5 万 AI 人才的合作经验，以硅谷为核心，深入讨论了美国当前的人工智能人才供需、薪酬状况、及 2020 年的最新市场趋势。希望通过提供及时、有效的市场信息和人才策略，帮助科技人才领导者组建并维护强大的 AI 团队，同时帮助 AI 从业者实现更好的职业发展。

报告要点

2019 年人工智能人才现状

• AI 人才需求2016-2019年均增长高达 74％，其中机器学习/深度学习工程师、数据科学家、AI研究人员、和算法开发人员需求最高。

• 美国以领先的研究和教育水平，吸引了全球 50% 的AI专业人才，但其移民政策在一定程度上影响了人才留存。

• 硅谷 AI 工程师薪金稳居北美首位。处于增长期的初创公司基本年薪最高，平均约20万美金。考虑股票、奖金等因素的总薪酬可比肩科技巨头。

• 越来越多的公司将 AI 人才多样化正式纳入招聘考量，并为女性和少数族裔设置配额。

2020 年人工智能人才市场趋势

• 随着 AI 技术的成熟，产品开发管理和商业化的人才需求将大量增长。

• AI 人才将更多投身于金融、医疗保健、零售、农业等应用行业。

• AI 团队将在硅谷之外迅速扩张，以降低高科技人才成本。

• 创造力、批判性思维、应变能力和沟通能力等非技术素质将成为考核 AI 人才的重要指标。

• 线上课程和线下短期训练营将在培养 AI 人才方面发挥更大的作用。

雇主人才策略建议

• 充分了解 AI 人才市场供需和薪酬状况，以合理规划人才需求和预算。

• 突破地理区域和教育背景限制，扩展 AI 人才储备以降低团队成本。

• 评估 AI 技术产品化和商业化的人才需求，尽早作出规划、抢占先机。

• 明确品牌价值定位，并通过合理的薪酬和激励机制在竞争中有效吸引并留住人才。

• 建立鼓励创新、支持协作和多元化企业文化。

AI 人才职场建议

• 了解市场中不同类型、不同发展阶段公司的薪酬福利，以建立合理预期、寻求最适合的工作机会。

• 在核心 AI 技能和经验之外，也应关注非技术能力和素质的培养，以获得更高的职业发展空间。

• 进入新的行业之前，应充分考虑长期职业发展和职场关系网络，谨慎权衡利弊。

• 经验是重中之重。希望转入 AI 领域的人才，要结合自身条件创造机会，积攒相关实践经验。

• 根据个人需要，可考虑硅谷之外的新兴科技中心，通过迁居提高生活质量。

2019 年人工智能人才市场分析

1. 人才需求持续增长，资深研发人才最受青睐

AI 人才需求在过去几年中呈现持续增长的趋势。美国最大的职业社交网站 LinkedIn 显示，人工智能和机器学习相关的人才需求在从 2016 至 2019 年均增长高达 74％。据知名求职招聘网站 Indeed 的调查，机器学习工程师、深度学习工程师、数据科学家、计算机视觉工程师和算法开发人员是 2018-2019 年最受欢迎的 AI 技术相关职位。

值得注意的是，AI 职位发布的增长率近年来正在逐渐放缓，Indeed 数据显示年增长率从 2017 年的 136.3％ 降至 2018 年的 57.9％ 和 2019 年的 29.1％。

2019 年 11 月，TalentSeer 对硅谷的 80 多位 AI 初创公司人才高管进行了问卷/电话调查，以了解他们在人工智能人才招聘中的问题、经验和市场预期。调查结果显示：50% 以上的公司在 2019 年侧重扩充算法、研究和平台架构团队（AI 公司常见团队结构见下图）。80％ 的雇主倾向优先招聘知名高校 AI 专业毕业生，而 70％ 的雇主更青睐具有 3-5 年工作经验的应聘者。

常见 AI 团队架构图（TalentSeer）

数据团队负责整理和分析数据。AI 算法团队是公司的工程基础。随着公司的成熟，可衍生出 AI 研究团队。平台架构团队负责部署、维护和扩展关键基础架构。一些公司会成立硬件团队专注实体产品的开发。AI 应用和产品团队负责在全生命周期的产品开发和管理。商业化团队由销售、市场营销和法律等专业人才组成，以确保产品能够成功发布并被市场接受。

2. 人才供给渠道有所扩展，总体市场仍供不应求

腾讯 2017 年发布的《全球人工智能人才白皮书》提供了广义的人工智能人才数量评估，报告估算全球约有 30 万名 AI 从业者和研究人员，其中包括在校学生和 AI 公司的全部技术人员。2019 年 Element AI 发布的《全球人工智能人才报告》基于人才的 LinkedIn 背景分析，推算全球共有约 3.6 万名 AI 专家，他们都拥有相关领域的博士学位，扎实的技术技能，以及至少三年的相关工作经验。

‍

据美国数据创新中心 2019 年报告分析，美国以领先的研究和教育水平，吸引了超过 50% 的人工智能专业人才，处于全球领先地位。但同时严格的移民政策在一定程度上影响了高技能人才的留存。欧盟拥有可与美国媲美的人才资源，但由于 AI 投资和商业发展相对落后于美国，科技公司对人才的吸引力较弱。中国由于人才流失海外（Brain Drain），顶尖人工智能人才存在明显缺口，但随着 AI 教育投资的持续增加和学习速度的加快，这种差距正在逐步缩小。

数据来源：Element AI、腾讯全球人工智能人才报告

过去几年中，AI 人才储备的增长很大程度得益于线上教育的普及。美国硅谷的前沿科技教育平台 Udacity 的 “人工智能和机器学习” 学位的注册者在 2019 年底达到 12500 人的峰值。从 2016 到 2019 年，在线学习平台 Udemy 上最热门的前五项技能都与 AI 相关。

‍

在校人工智能人才培养同样也出现成倍增长。斯坦福大学《人工智能入门》课程的注册学生人数在 2012 - 2018 年增长了 5 倍，同期《机器学习入门》的注册学生人数增长了 12 倍。加州大学伯克利分校电子工程和计算机科学博士学位的申请人数从 2009 年的 300 人增加到 2018 年的 2700 人，其中超过 50％ 的申请人明确表示希望从事 AI 领域的研究。麻省理工学院于 2018 年宣布成立“ AI 学院”，以提供计算机科学与 AI 应用分支领域 （如生物学、化学、政治、历史和语言学等）的系统整合教育。2019 年，阿联酋首都阿布扎比开设了全球第一所 AI 大学。

‍

人工智能顶级会议的参与人数也屡创新高。在 2019 年，超过 13000 人参加了全球最大的 AI 研究会议 NeurIPS ，比 2018 年增长 40％。超过 9200 名计算机视觉和模式识别领域的专业人员参加了 CVPR 大会，比 2018 年增长 34％。尽管人工智能人才供给的数量在 2019 年比 2018 年增长了 66％，Indeed 数据显示 AI 职位需求数仍然是求职搜索数的三倍，人才供需差距明显。

根据 TalentSeer 2019 年底的美国初创公司雇主调查，人工智能人才招聘的三个主要渠道是：公司内部招聘人员，第三方专业人才招聘机构、和职位发布平台。知名数据科学竞赛平台 Kaggle 2017 年针对 16000 名数据科学和机器学习专业人员的调查也表明：与专业猎聘人员合作对于获得相关职位的帮助最大。人工智能和机器学习是一个细分人才市场，需要对专业领域知识和行业格局有深入的了解。与专业招聘人员合作是雇主和应聘者对接的最有效途径。

‍

TalentSeer 的雇主调查还显示 25％-35％ 的 AI 初创公司会通过学术会议和校园招聘的方式寻找人才。他们表示这两种方式对于初级应聘者比经验丰富的、被动的候选人更为有效。

3. 市场薪酬持续走高，不同地区、公司差异明显

“当然，需求大于供应，而且这种情况不会很快得到改善，毕竟培养一名博士生需要很多年。”

——YOSHUA BENGIO，图灵奖获得者、深度学习先驱，The New York Times, 2017

快速的技术发展和人才供求差距造成了激烈人才竞争。根据 2017 年 Paysa 的调查，以 Amazon、Microsoft、Apple、Google、和 Facebook 等科技巨头为首的美国公司在 AI 人才方面的总投资为 13.5 亿美元。具有专业领域经验的资深人才最为科技巨头所追捧，这也增加了初创公司的人才挑战。

根据 TalentSeer 2018-2019 年收集的 1500 个自愿提交的北美地区主要城市的 AI 工程类薪酬数据，旧金山湾区（硅谷）薪酬稳居第一，其工程类平均基本年薪 （Base Salary）为 16.8 万美元。纽约、洛杉矶、波士顿、西雅图等主要城市的基本年薪在 15 - 16 万美元。与美国主要城市相比，加拿大多伦多的人才成本相对较低，约为 12.1 万/年。考虑到生活消费成本，奥斯汀、西雅图、丹佛和菲尼克斯的相对薪酬最高，也使这些地区成为 AI 工程师迁居的理想选择。此外，我们也看到 AI 生态系统正在许多教育机构，例如位于匹兹堡的卡内基·梅隆大学和安娜堡的密歇根大学附近逐步发展起来。

硅谷地区人工智能工程师薪酬福利方案分析

硅谷作为全球科技行业中心，吸引了大量的顶级人工智能人才。基于 TalentSeer 与超过 500 家科技公司和 15000 名求职者的广泛合作经验，以及 1000 多个自愿报告的硅谷 AI 工程师薪酬福利数据，我们对不同类别公司的薪酬和影响因素进行了深入分析。

成长期初创公司（Growing-stage Startup）经历了快速的扩张（A / B 轮+），平均基本年薪 (Base Salary) 在各类公司中最高，约 20 万美金。考虑股票、奖金的总薪酬可比肩科技巨头 （Google、Facebook 等）。有些公司甚至可能给出 35 万美元或更高的基本工资，以从顶级科技公司吸引资深技术人才担任重要的领导职务。

成立超过 10 年的老牌科技公司（Established Tech）和非技术行业公司（Non-tech Industry; 金融、零售、医疗保健、传统运输等）提供的平均基本年薪为 15 万美元。非技术行业的公司因为股票期权有限，通常会提供较高的奖金（可达基本工资的 50％ ）来吸引和留住人才。

早期创业公司（Early-stage Startups） 根据融资状况和职位情况，基本工资通常在 11-32 万美元不等。但是，处于早期和成长期的初创公司通常会提供大量的股票期权 （Stock Options），以与技术巨头竞争。发行股票的数量和价值取决于多个因素，例如入职时间、公司发展阶段、经验水平和公司整体评估。在我们的硅谷 AI 初创公司雇主调查中，约有 50％ 的公司表示会通过提供有竞争力的股票期权来有效的吸引和留存人才。

签约奖金（Sign-on Bonus）在科技公司的薪酬福利中并不鲜见。但是在特殊领域的人工智能人才竞争中，有些顶级科技公司可以给出高达 20 万美元签约奖金。

影响薪酬福利方案的因素

除了公司的类别和发展阶段，薪酬福利方案还受到下面一些因素的影响：

经验

相关 AI 领域的工作经验对薪酬有很大的影响。平均而言，我们发现每多一年的工作经验，基本工资会平均增加 1 万美元。这种增长趋势在 10 年左右达到峰值。而目前 AI 领域大多数技术高管的相关经验也是在 10 年左右。

学校与专业‍

尽管卡内基·梅隆大学、麻省理工学院、斯坦福大学和伯克利大学在 AI 领域的研究教育名列前茅，其他具有强大工程学教育项目的大学也为市场输送了大量人工智能人才， 例如南加州大学、密歇根大学、亚利桑那州立大学、佐治亚理工学院、加州大学圣地亚哥分校、康奈尔大学和普渡大学等。

除了热门的计算机科学和电子工程专业外，很多高素质的 AI 领域应聘者则具有机械工程、物理、数学、统计学、生物工程和航空工程等专业背景。

学位

我们的数据表明：拥有相关领域博士学位的 AI 工程师基本年薪比拥有硕士学位的工程师高出 2 - 4 万美元。虽然大多数 AI 工程人才都拥有研究生学位，不少本科毕业、但是学习能力强并具有扎实实践经验的应聘者在市场中也同样具有竞争力，其薪酬与硕士背景的候选人并无明显差别。

级别‍

高级技术领导者（Senior director、VP 等）是薪酬最高的 AI 职位，年薪比初级独立贡献者（Junior individual contributor）平均多 20 万美元。中级领导职位（Engineering managers, Directors）和高级独立贡献者（Senior individual contributor）的收入平均比初级个人贡献者分别高出 5 万美元和 2 万美元。股票通常随着资历的增长而增长，高级管理人员的股票价值甚至可能会高于其基本工资。

性别‍

我们的分析表明，在 AI 工程职位候选人的背景、经验和资历相同的条件下，在硅谷地区候选人的性别对基本工资并没有显著影响。人工智能人才的稀缺性很可能会减轻性别偏见的影响。

基于 TalentSeer 硅谷 AI 初创公司雇主调查，人工智能职位招聘过程通常持续 1-3 个月。招募初级职位通常会面试 3-10 位应聘者，高级职位面试 10-20 位应聘者。根据我们与候选人合作的经验，积极寻找工作的应聘者通常同时会收到 3-5 个工作机会；即使是被动候选人通常也会收到 1-2 个工作机会。

4. 人才招聘与留存需要多种针对性策略

“新一代的人工智能人才正在主导当今市场。他们有更多选择，也更关心个人的权益和挑战——我的职业发展轨迹是什么？我的角色会如何影响决策？”

——GEORGINA SALAMY，Zoox 人才总监，硅谷AI人才峰会，2019

行业格局的转变使得人才招聘变得更具挑战性和战略性。传统信息轰炸式的人才招聘方式已无法在严峻的竞争中有效吸引 AI 人才。TalentSeer 和 Robin.ly 的创始人、 AI 投资者 Alex Ren 提出了一种创新的 3i 招聘思维方式，并在硅谷上百个人工智能岗位的招聘中证明了其有效性。这种方法建议在为候选人提供职位和公司信息之外，从产业生态、技术演进、商业模式等方面提供更多的行业观点和职场发展建议，帮助候选人全面考虑个人发展和雇主定位，作出最优决策。同时雇主和人才管理者应将深度行业和职业观点通过社交网络和线上线下活动等方式广泛传播，树立权威影响力。

3i 创新招聘思维 (TalentSeer)

基于洞察力和影响力的招聘方式比传统基于信息的招聘方式更有效。分享对行业和职业发展的深入见解将有助于扩大企业的影响并建立个人的公信度。

根据我们的雇主调查 ，硅谷的初创公司也在积极采取一些薪酬之外的方式来吸引人才：

工作灵活度和影响力（60％）：鼓励应聘者尝试不同的团队来挖掘他们的潜力，通过领导职位产生更大的影响力，并允许应聘者继续进行研究和发表论文。

应聘体验（45％）：通过在应聘过程中与公司高管和技术负责人更多的交流，使应聘者对公司和团队有更深入的了解。

福利与特权（45％）：提供无限假期、远程工作、以及免费午餐等福利。

“人才往往因人而离开公司。人们因不满自己的主管而离开的情况比因不满公司而离开的情况更为普遍。”

——JENNIFER HOLMSTROM ，GGV Capital 招聘总监，硅谷AI人才峰会，2019

激烈的竞争中人才留存与人才招聘同样重要。我们基于与上万人工智能人才的沟通，总结出如下常见的离职原因：

工作的挑战性与可行性

AI 人才正在解决一些最前沿的技术问题，不断开拓新的领域。具有挑战的技术创新问题对于人才的留存至关重要。同时，挑战性与可行性的边界需要合理把控。不断变化且无法在可预见的时间内解决的问题是 AI 工程师选择离开的主要原因之一。

数据与基础架构

AI 人才面临的两个主要技术挑战是缺乏强大的工程团队来构建基础架构，以及缺乏训练机器学习和深度学习模型的数据。缺少了数据和基础架构的支持，AI 人才必然会寻找其他机会更好的发挥他们的潜力。

影响力

缺乏影响力也是人才离开公司一个重要原因。影响力既包括工作在公司内部的影响，也包括所研发的技术、产品和服务的社会效益。在 Kaggle 的一项调查中，“工作成果未被决策者使用” 被 25％ 的数据和机器学习专业人员评为工作中的主要障碍。

沟通

清晰、有效的沟通是保持团队正常运行的关键。人才往往因为对领导或者同事的不满而选择离开公司。构建明确合理的管理层级和沟通机制有助于协调团队并消除不必要的紧张关系。

5. 人才多样性问题正在改善

人工智能行业在性别、种族、教育背景、经验等多方面仍然缺乏多样性。据 Element AI《2019 全球人工智能人才报告》显示，在顶级会议上发表论文的研究人员中，只有 18％ 是女性。科技公司中 Facebook 只有 15％ 的 AI 研究人员是女性，而 Google 只有 10％。非洲裔美国员工数量在 Facebook 和 Microsoft 分别占 4％，在 Google 仅为 2.5％。

人才多样性的缺失正在对人工智能程序和系统的开发产生负面的影响，导致它们存在针对少数群体的偏见和差异。美国国家标准技术研究院最近对 189 种主要的商业面部识别算法进行了测试，发现它们识别非裔美国人和亚洲人的错误次数比识别白种人多 10-100 倍。另据报道，苹果公司的信用决策算法为女性提供的信用普遍额度比男性低。

2019 年，工业界和学界在改善人工智能领域的多样性和包容性上也作出很大的努力。越来越多的 AI 公司将多样性正式纳入招聘考量，甚至为女性和少数族裔群体设置了配额。全球最大的 AI 会议 NeurIPS 不仅在 2019 年举办了更多与多样性相关的研讨会（例如 Women in Machine Learning, Black in AI 和 LatinX in AI），而且更改后的会议字母缩写和徽标相比之前也更具包容性和公正性。

2020 年人工智能人才市场发展趋势与策略

1. AI 技术产品化和商业化的人才需求将大量增长

人工智能正在逐渐成为提高企业生产力和商业效率的主流解决方案。Adobe 公司 2019 年对美国 200 名首席信息官（CIO）的调查显示，近 80％ 的公司计划在 2020 年增加对人工智能和机器学习的使用。根据 NewVantage Partners 在 2019 年底对 70 个 Fortune 1000 行业领先公司的调查，目前只有 14.6％ 的公司将 AI 功能部署到生产流程中。商业愿景与实际应用之间的差距也预示着 2020 年 AI 技术产品化和商业化的巨大潜力。

TalentSeer 对 AI 初创公司的雇主调查显示 40％ 的公司将 “从研发向产品开发转变” 列为 2020 年的主要业务方向。产品团队（前端工程师、用户体验专家、产品经理等）和商业化团队（业务发展、市场营销、法律顾问等）的人才需求也比 2019 年相应增加。熟悉技术且商业经验丰富的产品经理将备受青睐。

“这不仅是技术问题，也是‘流程中的人’的问题。”

——IRINA FAROOQ，Kinetica 首席产品官，Robin.ly AI Talk, 2019

人才策略

侧重 AI 产品开发的公司应专注于建立更完整的团队架构，特别是招募或委任可以信赖的产品和商业化团队领导者。同时也应确保有效的公司内部沟通机制，使包括数据、算法、产品、市场在内的每个部门都有明确、一致的商业目标。

‍

职场建议

希望投身产品开发和管理的工程类技术人才可以在工作实践中主动争取机会，锻炼自己的产品管理和沟通技巧。同时通过线上资源和线下活动等多种渠道更多的接触目标市场和目标用户，设身处地培养 “用户至上” 的产品思维。

2. 人工智能人才将更多投身于金融、医疗保健、零售、农业等应用行业

随着 AI 技术更广泛的应用于金融、医疗保健、零售、农业等领域，热衷于自动驾驶和机器人行业的人工智能人才也开始更多的关注并投身于这些领域，将 AI 技术创新应用于日常生活。在同等的技术条件下，具有相应行业背景的候选人在这些新兴的 AI 应用领域中更具有优势。

人才策略

希望招募经验丰富的 AI 工程人才来领导技术转型的公司应更多地了解目标人才市场，有针对性地定义品牌价值，并通过与科技公司相匹配的薪酬待遇和激励机制在竞争中吸引人才。另外，这些公司也可更多关注具有应用行业背景、转行学习 AI 技术的人才，以适当平衡薪酬压力。

职场建议

对于人工智能人才来说，进入一个新的行业往往会对长期职业发展和职场网络关系产生十分重要的影响。因此，在转变前应对新行业进行充分研究、与具有相似经验的同事、朋友沟通，并谨慎权衡利弊。

对于具有应用行业背景、希望从其他工程或研究工作 （如数据分析、空间科学、半导体等） 转入 AI 领域的人才，可以在这些进行 AI 转型的公司寻找实践机会，学习和加强 AI 相关技能，以实现更好的职业发展。

3. 人工智能团队将在硅谷之外迅速扩张，以降低高科技人才成本

“人才无处不在，机会也越来越多。新兴的小型科技中心正在使硅谷面临最激烈的竞争。”

——KARAN MEHANDRU，Trinity Ventures 合伙人，Forbes, 2019

近年来，科技巨头们纷纷在加拿大、印度、中国、东欧、和南欧的科技中心建立 AI 实验室，来降低日益增加的劳动力成本和全球性业务覆盖成本。在 TalentSeer 的美国 AI 初创公司雇主调查中，有 30％ 的公司表明计划在 2020 年扩展硅谷之外的团队。除了海外技术中心之外，也有更多的公司开始考虑在北美生活成本较低、而高等教育人才丰富的地区（如密歇根州和德克萨斯州）建立团队。

人才策略

‍硅谷的 AI 公司应对硅谷之外的新兴技术中心和人才市场加强了解，评估扩张团队、远程协作的可能性。对于计划扩张团队的公司，应尽快开始采用适合分布式办公的技术和工作流程进行团队整合，例如视频通话、群聊和跨时区的工作流程协同。

职场建议

‍美国和加拿大的其他科技中心将会涌现更多的工作机会。考虑到硅谷的高生活成本，人工智能人才可以考虑通过迁居提高生活质量。

4. 非技术素质将成为考核 AI 人才的重要指标

尽管 AI 人才的技术水平是科技创新的基础，雇主们对人才的非技术能力的关注度也日益提高。2019 年 LinkedIn《全球招聘趋势报告》显示，92％ 的人才经理发现强大的软技能对于企业成功越来越重要。其中创造力、批判性思维、成长性思维、应变能力和沟通能力是 AI 公司普遍所要求的非技术技能。这些技能在 2020 年 Udemy 发布的《职场学习趋势》中也占有重要位置。人工智能技术的研发和应用面临着前所未有的技术挑战，这也就需要技术人才能够思维开阔、快速迭代，同时对于不确定性具有足够的容忍度，持之以恒、不断开拓创新。

人才策略

‍在招聘过程中，建立规范化的非技术技能评估体系，可以帮助雇主更有效的筛选出理想的人才。此外，建立突出创新和责任感的公司文化对于人才的成长和留存也至关重要。尤其是对于初创公司而言，每个人都需要独当一面。鼓励个人对工作的所有权，将帮助每个团队成员更快地成长。

职场建议

‍目前在 AI 领域工作或者准备进入 AI 领域的专业人员应评估自己的非技术能力与 AI 行业以及公司文化的契合度，以作出更好的职业选择。同时，在面试中突出自己的综合素质和能力，也有助于提高竞争优势。

5. 在线学习和短期训练营将输送更多 AI 人才

通过线上 AI 课程和线下短期训练营的自主学习的参与者越来越多。斯坦福大学的《机器学习》课程到 2019 年底已有 270 万注册学生。预计整个在线学习市场到 2025 年将超过 3000 亿美元。Course Report 2019 年的市场调查显示 1.75 万学生在 2019 年报名参加了美国和加拿大的线下编程训练营，参与度呈逐年增长之势。

统计数据表明在线学习和短期训练营得到了大部分雇主和工程师的认可。76％ 的软件工程师认为训练营有助于他们的职场发展。57％ 的雇主表示愿意聘用训练营毕业生。TalentSeer 的硅谷初创公司雇主调查表明，缺乏实践工作经验是候选人被拒绝的主要原因。

人才策略

‍面对人才竞争，雇主应开发更广泛的人才资源，包括短期训练营、在线教育和社区大学。由不同经验、背景的人才组成的分层团队结构是平衡成本和工作效率的有效战略。同时雇主还可以利用在线培训来提高当前技术团队的技能水平。

职场建议

‍经验是重中之重。训练营和在线教育的毕业生需要通过实际项目获得工作经验，以强化在线培训和指导的成果。希望转入 AI 领域的技术人才，应结合自身条件创造、把握更多实践机会，如大公司的实习项目、AI 公司的非 AI 技术职位、或初创公司的志愿合作工作。

结论

随着 2020 年 AI 技术的成熟和教育渠道的发展，我们预计 AI 人才供不应求的状况还将持续 3-4 年。AI 技术研发、产品化和商业化进程将加速对其他团队成员和关键职能性工作（例如销售、营销、业务开发、产品管理等）的需求。“软硬结合”的人才技能、完善的团队架构和积极的企业文化是将创新技术推向市场的重要保证。

方法与数据

本报告的分析和观点基于 TalentSeer 多年来与 500 多家科技公司和 1.5 万人工智能人才的合作和深度交流、2018-2019 年收集的 1500 个自愿提交的北美地区人工智能工程类薪酬数据、以及 2019 年底对 80 家美国 AI 初创公司高管和人才领导者的问卷/电话调查。

关于 TalentSeer

TalentSeer 是全球领先的 AI 人才服务公司，提供专业、精准、高效的中高端猎聘、高管搜寻、和市场研究服务。TalentSeer 拥有超过 25 万人的高端科技人才库，已帮助 150 多个自动驾驶、互联网、金融、零售和医疗保健等行业的公司打造强大的 AI 团队。TalentSeer 旗下的 Robin.ly 是硅谷具有影响力的 AI 社区，通过与科技领袖的深度对话和社区活动，帮助全球科技人才自我迭代学习、合作沟通，共同构筑可持续的 AI 人才生态。

原文链接：

https://www.talentseer.com/post/2020-ai-talent-report-highlights-current-talent-landscape-2020-market-trends?utm_source=wechat&utm_medium=readmore