基于履歷信息的人工智能科學家成長特征與流動規(guī)律研究

摘 要：人工智能科學家是推動我國新一輪科技革命和產(chǎn)業(yè)變革的戰(zhàn)略性人才，對其成長特征與流動規(guī)律進行量化分析具有重要意義。以中國人工智能學會和中國自動化學會會士為例，搜集人工智能科學家的履歷信息，構建了求學、就業(yè)、工作三階段流動網(wǎng)絡。從教育背景、海外經(jīng)歷、當選院士情況、任職單位性質等方面對人工智能科學家成長特征進行研究，從網(wǎng)絡特征、流動網(wǎng)絡和區(qū)域流動等方面分析了人工智能科學家的流動規(guī)律。研究發(fā)現(xiàn)：人工智能科學家以男性為主，入選會士時的年齡呈現(xiàn)年輕化趨勢，且大多擁有知名院校求學經(jīng)歷；近半數(shù)的人工智能科學家擁有海外經(jīng)歷、院士榮譽稱號，大部分在高校工作；人工智能科學家主要選擇經(jīng)濟發(fā)展水平較高、高等教育資源富集的地區(qū)就業(yè)；在西部、中部、東北地區(qū)求學的人工智能科學家傾向于將東部地區(qū)作為就業(yè)地。最后，就促進人工智能人才成長與優(yōu)化人才流動提出了對策建議。

關鍵詞：人工智能；人才流動；社會網(wǎng)絡；履歷分析；成長特征；流動規(guī)律

中圖分類號：C961" " 文獻標志碼：A" " 文章編號：1671-0037（2025）2-78-15

DOI：10.19345/j.cxkj.1671-0037.2025.2.6

0 引言

黨的二十大報告指出，要“加快建設國家戰(zhàn)略人才力量，努力培養(yǎng)造就更多大師、戰(zhàn)略科學家”。當前，以人工智能等為代表的新一輪科技革命推動著生產(chǎn)方式、生活方式、治理方式的新變革。人工智能是模擬、延伸和擴展人的智能的理論、方法、技術及應用系統(tǒng)［1］。其作為高效、智能的技術工具，正引領人類邁入新時代［2］。推進人工智能的深度應用，培育壯大人工智能產(chǎn)業(yè)和人才隊伍，滿足全球新一輪科技革命和產(chǎn)業(yè)變革趨勢下人工智能人才需求，進而服務于科教興國、人才強國、創(chuàng)新驅動等國家戰(zhàn)略，已成為我國經(jīng)濟發(fā)展的重要支撐［3］。目前，我國已經(jīng)建立了較為完善的人工智能政策支持體系，相關產(chǎn)業(yè)也得到了快速發(fā)展［4］。然而，中國人工智能產(chǎn)業(yè)仍存在產(chǎn)業(yè)基礎層人才儲備薄弱、領軍人才結構失衡、技術人才供給不足等問題，嚴重制約了人工智能產(chǎn)業(yè)的發(fā)展［5］。2017年7月，國務院發(fā)布的《新一代人工智能發(fā)展規(guī)劃》指出，把高端人才隊伍建設作為人工智能發(fā)展的重中之重，堅持培養(yǎng)和引進相結合。

科學家通過基礎研究突破等能夠提升國家的創(chuàng)新速度、減少創(chuàng)新所需成本，頂尖科技人才則通過技術創(chuàng)新來有效提升國家的經(jīng)濟增長率［6］。人工智能的發(fā)展離不開人工智能科學家的不斷探索和創(chuàng)新，他們是技術持續(xù)發(fā)展的推動者、技術應用趨勢的預測者［7］?？萍既瞬懦砷L包括充分利用環(huán)境條件，開發(fā)自身智力、心理和體力潛能，提升科學研究能力，做出科研成果并推動相關領域發(fā)展等內容［8］。對人工智能科學家成長階段進行研究，有助于梳理人才成長特征與問題，為人工智能領域人才培養(yǎng)提供支撐?？萍既瞬帕鲃邮侵缚萍既瞬潘諉挝换蚍諏ο蟀l(fā)生變化的社會現(xiàn)象［9］，包括求學流動、就業(yè)流動、工作地變更流動等［10］。在全球人工智能競爭日趨激烈的背景下，人工智能人才培養(yǎng)、招引與流動已成為經(jīng)濟社會發(fā)展的重要問題。因此，把握人工智能人才成長特征并遵循其流動規(guī)律，成為研究制定人工智能領域相關人才政策的關鍵前提。

本研究聚焦人工智能科學家的成長特征和流動規(guī)律，通過履歷分析、社會網(wǎng)絡分析、?；鶊D等方法開展研究。主要貢獻體現(xiàn)在：其一，將中國人工智能學會會士和中國自動化學會會士界定為人工智能科學家，搜集了231名人工智能科學家的履歷信息，從教育背景、海外經(jīng)歷、當選院士情況、任職單位性質等方面研究人工智能科學家的成長特征。其二，運用人工智能科學家在高等教育和就業(yè)階段的流動數(shù)據(jù)，構建求學流動網(wǎng)、就業(yè)流動網(wǎng)和工作流動網(wǎng)，從整體網(wǎng)和個體網(wǎng)兩方面分析人工智能科學家的流動網(wǎng)絡特征。其三，通過繪制人工智能科學家在區(qū)域間以及東部地區(qū)內部和西部地區(qū)內部流動的?；鶊D，分析不同區(qū)域間的人才流動特征，比較人工智能科學家在不同區(qū)域間的流動規(guī)律。通過開展本研究，以期為優(yōu)化人工智能人才培養(yǎng)和促進人才合理流動的相關政策制定提供參考。

1 相關文獻述評

人才是經(jīng)濟高質量發(fā)展的動力源［11］，人才成長一直是科學社會學研究的重要議題。國內學者采用履歷分析方法對中國青年女科學家獎獲得者、青年科技人才、諾貝爾科學獎獲得者等人才的成長進行了有益探究。例如：嚴曉紅和楊云霞［12］（2024）運用履歷分析法構建了影響青年女性科技人才職業(yè)發(fā)展的多因素分析模型，從數(shù)據(jù)層面深入挖掘杰出女性科技人才職業(yè)發(fā)展的特點；王佳勻等［13］（2021）以國家自然科學基金優(yōu)秀青年科學基金項目獲得者為研究對象，運用定量分析和可視化呈現(xiàn)等方法挖掘青年科技人才的成長規(guī)律；陳瑞飛等［14］（2023）以日本諾貝爾科學獎獲得者為研究對象，探討了政府科研資助對科技人才成長的重要推動作用；張建衛(wèi)等［15］（2020）以國家杰青為研究對象，通過對他們的履歷信息進行深度編碼，采用生存分析方法探究杰出青年科技人才的成長路徑。國外學者多采用質性研究方法來探究人才的成長特征、成長規(guī)律和影響因素等。例如：Bornmann等［16］（2017）從性別、年齡、最高學歷、專業(yè)職稱、求學周期等維度，分析了德國高被引學者的成長特征；Akerlind［17］（2008）從學術表現(xiàn)、個人學習、學科或社會變革貢獻等3個維度構建了評價指標體系，強調了科研環(huán)境對個人學術發(fā)展的重要性；Leikuma-Rimicane等［18］（2022）強調了高等教育機構在促進人才成長和塑造人才競爭力中的關鍵作用。

人才流動是城市間建立經(jīng)濟、社會、創(chuàng)新等聯(lián)系的關鍵通道［19］。城市發(fā)展與人才流入相互促進。城市依托高質量的大學和科研機構、以高新技術產(chǎn)業(yè)和現(xiàn)代服務業(yè)為主的經(jīng)濟結構、開放包容的社會環(huán)境及高品質的生活方式吸引大量人才流入［20-21］。與此同時，人才流入又為城市的經(jīng)濟、文化和科技等領域作出重要貢獻［22］。國內學者集中探討了人才流動規(guī)律、流動格局及其影響因素等。例如：瞿群臻等［23］（2023）運用社會網(wǎng)絡分析方法構建了中國工程院院士從籍貫地到本科就讀地的流動網(wǎng)絡、最高學歷就讀地到首次就業(yè)地的流動網(wǎng)絡以及就業(yè)地間的流動網(wǎng)絡，研究發(fā)現(xiàn)院士流動隨著成長階段的推進而趨于穩(wěn)定，省級行政區(qū)對院士的吸引力受當?shù)馗叩冉逃降挠绊懀粭罘驳龋?4］（2024）比較分析了京津冀城市群、長三角城市群和粵港澳大灣區(qū)的數(shù)字人才分布與流動格局，發(fā)現(xiàn)數(shù)字人才高度集中于核心城市，且在中國呈環(huán)流格局；靳軍寶等［25］（2022）以中國高被引科學家為研究對象，構建了高被引科學家遷移特征數(shù)據(jù)集，發(fā)現(xiàn)我國高被引科學家跨國流動受經(jīng)濟水平、教育水平、科技水平、政策規(guī)劃、政治文化及個體等眾多因素的影響。國外學者更多針對人才流動的特征和人才流動的作用等展開研究。例如：Kazakis［26］（2019）研究了美國高校畢業(yè)生的空間流動分布特征，發(fā)現(xiàn)科學與工程專業(yè)的畢業(yè)生流入量與區(qū)域創(chuàng)新能力呈正相關，具備雄厚知識基礎和完善基礎設施的區(qū)域創(chuàng)新中心能吸引更多的專業(yè)技術人才流入；Trippl［27］（2013）研究發(fā)現(xiàn)，頂尖科學家流動通過科研合作、咨詢服務、組織人員交流等多種正式和非正式方式，推動城市間的知識和技能流動。

總體來看，已有文獻對各類科技創(chuàng)新人才成長與人才流動進行了研究，但關于中國人工智能科學家的研究尚不多見；履歷分析、社會網(wǎng)絡分析都已應用于人才領域研究，但將二者結合的相關研究較少；已有研究多關注人才的區(qū)域流動問題，但對于不同區(qū)域間以及各區(qū)域內部的流動規(guī)律分析得不夠深入。人工智能科學家是從事人工智能領域科學研究與技術開發(fā)的戰(zhàn)略性人力資源。中國人工智能學會會士、中國自動化學會會士是我國人工智能科學家的重要代表。本研究基于第1至7批中國人工智能學會會士和第1至9批中國自動化學會會士的數(shù)據(jù)，采用履歷分析法和社會網(wǎng)絡分析法，探究人工智能科學家的成長特征與流動規(guī)律，以期為人工智能領域相關人才政策制定提供支撐。

2 研究設計

2.1 研究方法

第一，履歷分析法?？萍既瞬怕臍v真實、客觀地記錄了其學術成長歷程，包括教育和工作經(jīng)歷、科研績效、科技資助、榮譽等信息［12］。本研究搜集了2017—2023年增選的中國人工智能學會會士和2015—2023年增選的中國自動化學會會士的履歷信息，并對其進行了結構化處理。

第二，社會網(wǎng)絡分析。本研究基于人工智能科學家三階段流動數(shù)據(jù)構建流動網(wǎng)絡，并使用Gephi軟件對流動網(wǎng)絡進行可視化分析。所構建的3個流動網(wǎng)絡包括求學流動網(wǎng)（出生地到本科就讀地）、就業(yè)流動網(wǎng)（最高學歷地到首次就業(yè)地）、工作流動網(wǎng)（首次就業(yè)地到目前就業(yè)地）。

第三，?；鶊D分析。?；鶊D可以同時描述一組數(shù)據(jù)到另一組數(shù)據(jù)的流向和流量，適用于人才流動的可視化分析。使用Scimago Graphica軟件繪制桑基圖，來揭示人工智能科學家在不同區(qū)域的流動規(guī)律。

2.2 數(shù)據(jù)來源

中國人工智能學會、中國自動化學會是國內人工智能領域的兩個國家一級學術團體。會士是會員在學會中被賦予的學術榮譽，是指在科研、生產(chǎn)、教育和管理等方面有重大貢獻的科技人員。本研究以中國人工智能學會會士、中國自動化學會會士為研究對象，也即將兩學會會士界定為本研究的人工智能科學家。截至2023年12月，中國人工智能學會會士共有118人，中國自動化學會會士共有146人。為保證數(shù)據(jù)分析的信度和效度，經(jīng)多次對比甄別后，對異常值與重復值進行了清洗，最終共搜集到231位會士的基本信息。會士基本信息主要來源于“中國人工智能學會”和“中國自動化學會”官方網(wǎng)站，以及學者個人主頁、學者所在機構官網(wǎng)、官方媒體的新聞報道等。進一步地，綜合借鑒宋永輝等［28］、瞿群臻等［23］、李峰等［29］、嚴曉紅和楊云霞［12］關于科技人才研究的實踐探索，建立了包括人工智能科學家性別、年齡、教育背景、海外經(jīng)歷、當選院士情況、任職單位、求學流動、初次就業(yè)流動、工作流動等指標在內的履歷分析數(shù)據(jù)集。

2.3 數(shù)據(jù)描述

統(tǒng)計分析發(fā)現(xiàn)，231位人工智能科學家中，男性有215人（占比93.07%），女性有16人（占比6.93%）。分學會來看，中國人工智能學會會士中男性占比95.80%，女性占比4.20%；中國自動化學會會士中男性占比91.22%，女性占比8.78%。

從各批次會士當選時的平均年齡來看（見圖1），中國人工智能學會各批次會士當選時的平均年齡集中在49～64歲；第1批（2017年）至第4批（2020年）會士的平均年齡在60歲左右；從第4批開始，會士平均年齡逐漸下降，總體呈現(xiàn)年輕化趨勢。中國自動化學會各批次會士當選時的平均年齡集中在54～68歲；第1批（2015年）至第4批（2018年）會士的平均年齡在60歲左右，第4批至第9批會士的平均年齡集中在55歲左右，總體趨勢保持穩(wěn)定。

從兩個學會2015—2023年入選會士的性別分布來看（見圖2），男性會士人數(shù)明顯多于女性會士。從2019年開始，男性與女性人數(shù)趨向穩(wěn)定，男性會士數(shù)量在20人上下浮動，女性會士數(shù)量在2人上下浮動。

3 成長特征分析

3.1 教育背景

高等教育經(jīng)歷是影響人工智能科學家學術發(fā)展的重要因素之一。因此，本研究從第一學歷、最高學歷院校方面來分析人工智能科學家的教育背景。

院校性質分析結果如表1所示，人工智能科學家第一學歷院校以“985工程”高校為主，占比為65.37%。第一學歷來自國內其他高校的人工智能科學家數(shù)量次之，有46人（占比19.91%）。從人工智能科學家最高學歷院校類型來看，“985工程”高校有129人、海外高校有43人以及中國科學院有35人，占比分別為55.84%、18.61%、15.15%。從第一學歷到最高學歷的變化情況來看，中國科學院是人工智能人才求學深造的重要選擇。

對人工智能科學家具體求學院校進行分析，結果如表2所示。從第一學歷院校來看，清華大學培養(yǎng)的人工智能科學家最多，占比為12.12%；浙江大學、北京大學、中國科學技術大學培養(yǎng)的分別占比4.76%、4.33%、4.33%。從最高學歷畢業(yè)院校來看，前5名分別是浙江大學（占比8.23%）、中國科學院大學（占比8.22%）、清華大學（占比7.36%）、哈爾濱工業(yè)大學（占比5.63%）和東北大學（占比4.76%）。其中，中國科學院大學是人工智能科學家最高學歷求學階段的主要高校，這與該大學以研究生教育為辦學主體的特點有關?？傮w而言，人工智能科學家第一學歷、最高學歷求學院校均集中于“985工程”高校，尤其是QS排名靠前的高校。

3.2 海外經(jīng)歷

從海外留學、訪學經(jīng)歷所在國家和地區(qū)占比來看，美國是國內人工智能科學家海外留學、訪學最多的國家，占比47.4%；英國、德國、日本次之，分別占比17.5%、14.4%和13.4%；此外，其他海外國家和地區(qū)占比7.3%。按照人工智能科學家當選會士年份進行分組分析（見表3），發(fā)現(xiàn)各批次會士擁有海外經(jīng)歷人數(shù)占比基本保持在21%～48%，總體上擁有海外留學、訪學經(jīng)歷的占比為42.0%。人工智能科學家擁有海外經(jīng)歷人數(shù)占比最高的批次依次為2021年批次（11人，47.8%）、2015年批次（13人，46.4%）和2019年批次（10人，45.5%）。

3.3 當選院士情況

分別對人工智能科學家當選院士情況以及該科學家當選會士與院士的前后關系進行分析。

關于中國人工智能學會會士的分析見表4，第1至7批次中國人工智能學會會士中共有院士54人，占會士總人數(shù)的45.76%。其中：中國科學院院士有9人，占院士總人數(shù)的16.67%；中國工程院院士有26人，占院士總人數(shù)的48.15%；獲海外院士榮譽（紐約科學院院士、國際導航與運動控制科學院院士、國際歐亞科學院院士等）的有26人，占院士總人數(shù)的48.15%。分批次看，院士總人數(shù)（若一個人有多個院士稱號，只計算一次，下同）較多的批次依次為第1批（31人，58.50%）、第5批（6人，46.15%）和第4批（6人，42.86%）。另外，入選中國人工智能學會會士前已經(jīng)是兩院院士的有30人，入選中國人工智能學會會士后成為兩院院士的有3人。

關于中國自動化學會會士的分析見表5，第1至9批次中國自動化學會會士中的院士人數(shù)為67人，占會士總人數(shù)的45.89%。其中：中國科學院院士有19人，占院士總人數(shù)的28.36%；中國工程院院士有29人，占院士總人數(shù)的43.28%；獲海外院士榮譽的有25人，占院士總人數(shù)的37.31%。分批次看，院士總人數(shù)較多的批次依次為第3批（24人，87.71%）、第1批（20人，71.43%）和第2批（7人，46.67%）。另外，入選中國自動化學會會士前已是兩院院士的有38人，入選中國自動化學會會士后成為兩院院士的有8人。

3.4 任職單位性質

在任職單位性質方面，高校和科研院所是人工智能科學家的主要集聚地（分別占比82.3%、12.0%），非高?；蚩蒲性核急容^低（5.6%）。其中：中國人工智能學會會士中有104人在高校工作（占比88.14%），8人在科研院所工作（占比6.77%）；中國自動化學會會士中有115人在高校工作（占比78.77%），23人在科研院所工作（占比15.75%）。

4 流動規(guī)律分析

4.1 網(wǎng)絡特征分析

根據(jù)人工智能科學家求學流動、初次就業(yè)流動、工作變動流動等三階段數(shù)據(jù)分別構建求學流動網(wǎng)、就業(yè)流動網(wǎng)、工作流動網(wǎng)，并使用Gephi軟件對整體網(wǎng)絡特征進行分析（見表6）。其一，從網(wǎng)絡規(guī)模來看，求學流動網(wǎng)和就業(yè)流動網(wǎng)有著相近的節(jié)點數(shù)和邊數(shù)。相較于求學流動網(wǎng)、就業(yè)流動網(wǎng)，工作流動網(wǎng)的節(jié)點數(shù)和邊數(shù)有所下降。其二，從網(wǎng)絡可達性來看，從求學流動網(wǎng)到就業(yè)流動網(wǎng)再到工作流動網(wǎng)，網(wǎng)絡直徑、平均路徑長度均逐漸變短。其三，從網(wǎng)絡緊密程度來看，從求學流動網(wǎng)到就業(yè)流動網(wǎng)再到工作流動網(wǎng)，網(wǎng)絡密度有所降低，但平均聚類系數(shù)卻逐漸上升?？傮w而言，整體網(wǎng)絡特征的變化表明，隨著人工智能人才從求學到就業(yè)階段的改變，人才流動頻次逐漸降低，省際流動趨于穩(wěn)定。

4.2 流動網(wǎng)絡分析

4.2.1 求學流動網(wǎng)分析

由表7可知，在人工智能科學家從出生地到本科就讀地的流動網(wǎng)絡中，入度較高的省份為北京、江蘇、湖北、浙江等，說明這些省份的高等教育資源比較豐富；出度較高的省份為北京、黑龍江、江蘇等，說明這些省份提供了較多的人才輸出。此外，也有人才選擇前往美國、英國、日本等國家接受本科教育。總體而言，湖北的凈入度最高，這與湖北擁有豐富的高等教育資源相契合。

對人工智能科學家求學流動網(wǎng)進行可視化分析，節(jié)點大小代表流動網(wǎng)絡入度中心性（見圖3）?？梢园l(fā)現(xiàn)，北京、江蘇、湖北、浙江等省份是人工智能人才求學的主要選擇。從邊的權重來看，在求學階段，從江蘇、山東、安徽向北京流動的人數(shù)較多。

4.2.2 就業(yè)流動網(wǎng)分析

由表8可知，在人工智能科學家就業(yè)流動網(wǎng)絡中，入度較高的省份為北京、江蘇，說明這些省份對人才具有較強的吸引力。出度較高的省份為黑龍江、遼寧、北京，表明從這些省份畢業(yè)的人才較多前往其他省份就業(yè)。其中，黑龍江、遼寧的凈出度最高，表明這兩個省份雖高等教育資源豐富，但對人工智能人才的吸引力不強。這與東北地區(qū)的經(jīng)濟社會發(fā)展水平有關。此外，有部分人才選擇前往韓國、澳大利亞就業(yè)，也有部分人才選擇從德國、日本、美國等國家回國就業(yè)。

對人工智能科學家從最高學歷求學所在地到首次就業(yè)地的就業(yè)流動網(wǎng)絡進行可視化分析（見圖4）?？梢园l(fā)現(xiàn)，北京、江蘇、山東、遼寧等省份是人才首次就業(yè)的主要選擇。這可能與這4個省份的高等院校、科研機構數(shù)量較多，進而吸納人才就業(yè)能力較強有關。

4.2.3 工作流動網(wǎng)分析

由表9可知，在人工智能科學家工作流動網(wǎng)絡中，入度較高的省份為北京、上海、山東、廣東，說明這些省份具有較強的人才吸引力；出度較高的省級行政區(qū)為北京、黑龍江、江蘇、香港。此外，美國、英國、加拿大也有較多的人才流出。從凈入度來看，北京、上海、山東、廣東的凈入度較高，而這些省份的經(jīng)濟實力與科技發(fā)展水平也較高，對人才有較強的吸引力。

對首次就業(yè)地到當前工作地的工作流動網(wǎng)絡進行可視化分析（見圖5）?？梢园l(fā)現(xiàn)，北京、上海是人才當前工作的主要選擇。這兩個城市是我國“985工程”高校最多的城市，也是科創(chuàng)能力和經(jīng)濟實力最強的城市。從2022年經(jīng)濟總量來看，上海的生產(chǎn)總值位居第一，達到44 652.8億元；北京的生產(chǎn)總值位居第二，達41 610.9億元；《國際科技創(chuàng)新中心指數(shù)2022》顯示，在全球國際科技創(chuàng)新中心中，北京排名第3位，上海排名第10位。

4.3 區(qū)域流動分析

將研究區(qū)域劃分為中國東部、中部、西部、東北、港澳臺地區(qū)以及國外地區(qū)等6個部分，通過桑基圖分析人工智能科學家從出生地、本科就讀地到當前工作所在地的區(qū)域間以及東部地區(qū)、西部地區(qū)內部的空間流動規(guī)律。

4.3.1 區(qū)域間流動

人工智能科學家在區(qū)域間的流動情況如圖6所示。從出生地來看，位于東部地區(qū)的最多（55%），其次是中部地區(qū)（22%）和西部地區(qū)（12%）。從第一學歷求學所在地來看，位于東部地區(qū)的最多（56%），其次是中部地區(qū)（17%）和東北地區(qū)（12%）。從當前工作所在地來看，明顯呈現(xiàn)向東部地區(qū)集聚的特征（72%），西部地區(qū)（7%）和中部地區(qū)（6%）相當。從出生地到第一學歷求學所在地的流動來看，東部地區(qū)、西部地區(qū)和中部地區(qū)的人才均主要選擇在本地區(qū)求學。從第一學歷求學所在地到當前工作所在地的流動來看，東部地區(qū)求學人才大部分留在東部地區(qū)工作，西部地區(qū)求學人才選擇在西部地區(qū)和中部地區(qū)工作的人數(shù)相當，東北地區(qū)求學人才大部分留在東北地區(qū)工作，還有部分前往東部地區(qū)工作。

4.3.2 東部地區(qū)內部流動

由于人工智能科學家在各階段的流動均以東部地區(qū)為主，有必要對東部地區(qū)內部的流動情況進行詳細分析。選擇第一學歷求學所在地位于東部地區(qū)的人才，對東部地區(qū)各省份的人才流動進行分析（見圖7）。從出生地來看，出生地在北京（17%）、浙江（15%）、江蘇（14%）的最多。從第一學歷求學所在地來看，位于北京（48%）、江蘇（12%）、山東（11%）的最多。從當前工作所在地來看，位于北京（42%）、浙江（11%）、上海（11%）的最多。從出生地到第一學歷求學所在地的流動來看，東部地區(qū)的人才向北京集聚的趨勢明顯。從第一學歷求學所在地到當前工作所在地的流動來看，人才主要向北京集聚，但也呈現(xiàn)向上海、浙江流動的趨勢。

4.3.3 西部地區(qū)內部流動

為了探究是否存在人工智能科學家由西部地區(qū)流向東部地區(qū)的現(xiàn)象，將西部地區(qū)的數(shù)據(jù)（出生、第一學歷、當前工作三階段所在地位于西部地區(qū)）拓展到省級層面，非西部地區(qū)仍從區(qū)域層面進行展示（見圖8）。從出生地來看，出生地在東部地區(qū)的人才最多（55%），其次是中部地區(qū)（22%）；西部地區(qū)中陜西（4%）、四川（4%）占比最高，其次是重慶（3%）。從第一學歷求學所在地來看，位于東部地區(qū)的最多（56%），其次是中部地區(qū)（17%）和東北地區(qū)（12%）。從當前工作所在地來看，主要集中在東部地區(qū)（73%），其次是中部地區(qū)（6%）和東北地區(qū)（5%），而西部地區(qū)的人才主要集中在陜西（3%）。從出生地到第一學歷求學所在地的流動來看，在陜西出生的人才主要在陜西求學。從第一學歷求學所在地到當前工作所在地的流動來看，在陜西求學的人才大部分前往東部地區(qū)工作，留在陜西工作的人才相對較少。

5 結論與建議

5.1 研究結論

通過對231位人工智能科學家的成長特征與流動規(guī)律進行量化分析，本文得到以下主要結論。

第一，人工智能科學家以男性為主，入選會士時年齡呈年輕化趨勢，大多擁有知名院校就讀經(jīng)歷。231位人工智能科學家中，男性占比93.07%，女性占比6.93%。女性科學家相對較少的現(xiàn)象在科研人員隊伍中普遍存在［30-31］。人工智能科學家入選會士時平均年齡集中分布在49～68歲，總體上基本保持穩(wěn)定并呈現(xiàn)年輕化趨勢。此外，人工智能科學家第一學歷院校以國內“985工程”高校為主；最高學歷院校主要為國內“985工程”高校、海外高校及中國科學院。

第二，人工智能科學家有海外經(jīng)歷、院士名譽的均近半數(shù)，且大部分在高校工作。海外留學、訪學經(jīng)歷是中國人工智能科學家成長過程的重要組成部分。這使其有更多的機會接觸其他文化，汲取不同文化中的精華，形成獨特的新觀點，實現(xiàn)個人創(chuàng)造能力的提升［32］。從院士當選情況來看，近半數(shù)的中國人工智能學會會士和中國自動化學會會士擁有院士稱號，并且大部分在入選會士前已是兩院院士，均在戰(zhàn)略科技領域作出了奠基性或突破性的貢獻。從任職單位性質來看，與宋永輝等［28］（2023）關于科技人才成長特征的研究發(fā)現(xiàn)一致，高校是人工智能科學家的集聚地，在企業(yè)工作的人工智能科學家相對較少。

第三，人工智能科學家求學階段主要集中在高等教育資源富集的地區(qū)，而就業(yè)時更傾向于選擇高等教育資源富集且經(jīng)濟實力強的地區(qū)。在求學流動網(wǎng)絡中，人才主要向教育資源豐富的區(qū)域集聚，如流入北京、江蘇、浙江等東部地區(qū)。在就業(yè)流動網(wǎng)絡中，人才凈流出最多的為黑龍江、遼寧等省份，而北京則對人工智能科學家有很強的吸引力。相比于求學流動網(wǎng)絡和就業(yè)流動網(wǎng)絡，工作流動網(wǎng)絡的平均路徑長度顯著變短，表明大部分人才傾向于選擇長期在同一單位或地區(qū)工作。高等教育資源富集的省份（如北京、江蘇、湖北、浙江等）在求學流動網(wǎng)中有較高的入度，高等教育資源富集且經(jīng)濟發(fā)展水平較高的省份在就業(yè)流動網(wǎng)（如北京、江蘇、山東、遼寧等）、工作流動網(wǎng)（如北京、上海、山東、廣東等）中有較高的入度。通過對各階段的分析發(fā)現(xiàn)，東部地區(qū)是人工智能科學家流入的主要地區(qū)。

第四，人工智能科學家流動呈現(xiàn)向東部集聚的特征。從人才的流動趨勢來看，東部地區(qū)的人才主要選擇在本地區(qū)求學和就業(yè)，西部地區(qū)的人才傾向于選擇在東部和西部地區(qū)就業(yè)，而在西部、中部、東北地區(qū)求學的人工智能人才傾向于將東部地區(qū)作為就業(yè)地。從東部地區(qū)人才流動來看，人才流動呈現(xiàn)出明顯的集聚趨勢；從出生地到第一學歷求學所在地、從第一學歷求學所在地到當前工作所在地的流動來看，人才向北京、上海、浙江等地區(qū)集聚的趨勢明顯。陜西是西部地區(qū)人工智能人才求學階段的重要集聚地，但人才向東部地區(qū)尋求職業(yè)發(fā)展的意愿也較為明顯，進一步印證了存在“孔雀東南飛”的人才流動現(xiàn)象［11，33］。

5.2 對策建議

結合以上研究發(fā)現(xiàn)，本文提出三方面對策建議。

第一，優(yōu)化人才政策，構建有利于人工智能人才成長的環(huán)境。準確把握人工智能人才科研產(chǎn)出的高峰階段，為優(yōu)秀人工智能人才精準提供更多的科研資金資助與學術資源支持。整合現(xiàn)有人才評價、激勵等政策，構建可持續(xù)的人才發(fā)展生態(tài)環(huán)境。完善女性人工智能科學家人才激勵機制，為女性科技人員提供公平的發(fā)展環(huán)境和機會［12］。把握人工智能科學家的成長周期，尊重青年人才的成才規(guī)律，并為其提供持續(xù)穩(wěn)定的政策保障，推動青年人才快速成長為相關領域的骨干科研力量。在人才評選中，注重理論與應用相結合，支持在企業(yè)工作的人工智能科學家的發(fā)展。建設一批人工智能人才培養(yǎng)基地，持續(xù)提升人工智能人才培養(yǎng)質量。在支持人工智能人才本土自主培養(yǎng)的同時，鼓勵人工智能人才到海外訪學交流。

第二，創(chuàng)新體制機制，促進人工智能人才的合理流動。構建人工智能人才培養(yǎng)與市場需求匹配機制，提升人才培養(yǎng)與產(chǎn)業(yè)發(fā)展的融合程度，形成跨區(qū)域的產(chǎn)業(yè)發(fā)展反哺人才培養(yǎng)的機制。人工智能人才流入地的政府部門，應不斷加大在教育、科研、基礎設施等方面的財政投入，關注人工智能人才在科研工作和日常生活方面的需求并提供支持。人工智能人才流出地的政府部門，應優(yōu)化人工智能人才培育、引進政策，通過發(fā)展人工智能相關產(chǎn)業(yè)，吸引人才，促進人才回流，鼓勵人工智能人才參與跨區(qū)域的科技成果轉化。

第三，搭建產(chǎn)學研平臺，推進人工智能人才的科研成果實現(xiàn)本地或跨區(qū)域轉化。建立人工智能人才走出高校的激勵機制，搭建科技成果轉化落地平臺。支持人工智能人才參加學術領域和產(chǎn)業(yè)領域的會議、論壇、展覽等活動，參與人工智能研究成果的交流與合作，以促進學術成果的跨區(qū)域轉化。人工智能人才應主動對接產(chǎn)業(yè)發(fā)展需求，著力解決企業(yè)存在的技術問題，根據(jù)企業(yè)需求開展研究。政府部門應拓寬西部、中部、東北地區(qū)人工智能人才的引育渠道，以緩解人才結構失衡狀況，鼓勵人工智能人才立足區(qū)域經(jīng)濟社會發(fā)展需求開展科研創(chuàng)新活動。

參考文獻：

［1］ 謝煒，王瑾.人工智能視域下的學術出版：新變、實踐與進路［J］.科技與出版，2023（12）：26-35.

［2］ TANG X，LI X，DING Y，et al.The pace of artificial intelligence innovations：speed，talent，and trial-and-error［J］.Journal of Informetrics，2020，14（4）：101094.

［3］ 任社宣.人工智能工程技術人員就業(yè)景氣現(xiàn)狀分析報告［J］.中國人力資源社會保障，2022（2）：31-33.

［4］ 趙志君，莊馨予.中國人工智能高質量發(fā)展：現(xiàn)狀、問題與方略［J］.改革，2023（9）：11-20.

［5］ 童嘉，鄧勇新，李拓宇.我國人工智能人才隊伍建設：現(xiàn)狀、瓶頸及若干建議：基于中美兩國的比較分析［J］.創(chuàng)新科技，2022，22（11）：84-92.

［6］ 尹志欣，王宏廣.頂尖科學人才現(xiàn)狀及發(fā)展趨勢研究［J］.科學學與科學技術管理，2017，38（6）：23-30.

［7］ 張博，董瑞海.自然語言處理技術賦能教育智能發(fā)展：人工智能科學家的視角［J］.華東師范大學學報（教育科學版），2022，40（9）：19-31.

［8］ 王帆，郭洪林，張冉.人文社會科學領軍人才成長特征研究：基于長江學者特聘教授的分析［J］.中國人民大學教育學刊，2015（4）：128-145.

［9］ 趙岳.我國城鄉(xiāng)間高素質人才的流動分析［J］.現(xiàn)代商業(yè)，2019（20）：64-66.

［10］ 周亮，張亞.中國頂尖學術型人才空間分布特征及其流動趨勢：以中國科學院院士為例［J］.地理研究，2019，38（7）：1749-1763.

［11］ 李磊，王天宇.“孔雀東南飛”：經(jīng)濟高質量發(fā)展與人才流動［J］.數(shù)量經(jīng)濟技術經(jīng)濟研究，2023，40（2）：5-24.

［12］ 嚴曉紅，楊云霞.青年女性科技工作者如何打破發(fā)展“天花板”：基于“中國青年女科學家獎”獲得者的履歷分析［J/OL］.科學學研究，2025：1-18［2025-02-14］.https：//doi.org/10.16192/j.cnki.1003-2053.20240813.001.

［13］ 王佳勻，于璇，汪雪鋒，等.優(yōu)秀青年科技人才成長典型特征分析：以優(yōu)秀青年科學基金獲資助者為例［J］.中國科學基金，2021，35（2）：290-297.

［14］ 陳瑞飛，韓霞，韓學影，等.政府資助科技人才成長路徑研究：基于21世紀日本諾貝爾科學獎獲得者的特征分析［J］.科學管理研究，2023，41（3）：151-160.

［15］ 張建衛(wèi)，李海紅，喬紅，等.生存分析視角下杰出青年科技人才的成長路徑研究［J］.中國科技論壇，2020（3）：158-165.

［16］ BORNMANN L，BAUER J，SCHLAGBERGER E M.Characteristics of highly cited researchers 2015 in Germany［J］.Scientometrics，2017，111（1）：543-545.

［17］ ?KERLIND G S.Growing and developing as a university researcher［J］.Higher Education，2008，55（2）：241-254.

［18］ LEIKUMA-RIMICANE L，BALORAN E T，CEBALLOS R F，et al.The role of higher education in shaping global talent competitiveness and talent growth［J］.International Journal of Information and Education Technology，2022，12（11）：1211-1220.

［19］ VERGINER L，RICCABONI M.Talent goes to global cities：the world network of scientists’mobility［J］.Research Policy，2021，50（1）：104127.

［20］ LABRIANIDIS L，SYKAS T，SACHINI E，et al.Highly educated skilled migrants are attracted to global cities：the case of Greek PhD holders［J］.Population，Space and Place，2022，28（3）：e2517.

［21］ HE J，SONG Y，HUANG X，et al.An amenity-based approach to excellent returning scientists’ location choice in China［J］.Papers in Regional Science，2022，101（5）：1181-1198.

［22］ FASSIO C，MONTOBBIO F，VENTURINI A.Skilled migration and innovation in European industries［J］.Research Policy，2019，48（3）：706-718.

［23］ 瞿群臻，高思玉，牛萍.中國戰(zhàn)略科技人才成長階段流動規(guī)律研究：以281名中國工程院院士為例［J］.中國科技論壇，2023（3）：104-114.

［24］ 楊凡，林曉，戴楊，等.中國數(shù)字人才空間分布與流動格局：基于京津冀、長三角和粵港澳地區(qū)的分析［J］.地理科學，2024，44（6）：964-972.

［25］ 靳軍寶，曲建升，吳新年，等.中國高被引科學家跨國流動中機構變化特征與驅動機制研究［J］.情報雜志，2022，41（5）：176-182.

［26］ KAZAKIS P. On the nexus between innovation， productivity and migration of US university graduates［J］. Spatial Economic Analysis， 2019，14（4）： 465-485.

［27］ TRIPPL M.Scientific mobility and knowledge transfer at the interregional and intraregional level［J］.Regional Studies，2013，47（10）：1653-1667.

［28］ 宋永輝，袁蕾涵，李春東，等.中國卓越青年科學家成長特征與科研產(chǎn)出規(guī)律研究：來自“科學探索獎”獲得者的證據(jù)［J］.科學管理研究，2023，41（4）：105-116.

［29］ 李峰，徐付娟，郭江江.京津冀、長三角、粵港澳科技人才流動模式研究：基于國家科技獎勵獲得者的實證分析［J］.科學學研究，2022，40（3）：454-463.

［30］ 譚春輝，李明磊，王儀雯，等.科研人員職業(yè)生涯成長軌跡的性別差異研究：以圖情檔學科國家社科基金一般項目獲批者為例［J］.現(xiàn)代情報，2024，44（7）：125-134.

［31］ 曹暉，潘春陽，張瓊.“梅須遜雪三分白，雪卻輸梅一段香”：性別平衡、性別觀念與企業(yè)創(chuàng)新［J］.經(jīng)濟評論，2022（5）：129-146.

［32］ 王韌，周宇婷，陳嘉婧，等.高管團隊海外經(jīng)歷背景與企業(yè)創(chuàng)新［J］.管理評論，2024，36（11）：98-109.

［33］ 楊碩，肖彬，陳勁.中國區(qū)域創(chuàng)新人才競爭力時空演變與空間收斂［J/OL］.科技進步與對策，2024：1-13［2024-12-19］.http：//kns.cnki.net/kcms/detail/42.1224.G3.20241216.

1702.010.html.

Research on the Growth Characteristics and Mobility Patterns of Artificial Intelligence Scientists Based on Resume Information

Shao Peng1， Qiu Xiaojie1， Huang Pengfei1，2

（1.School of Management， Xi'an Polytechnic University， Xi'an 710048， China; 2.Faculty Development College， Shaanxi Normal University， Xi'an 710062， China）

Abstract： The report to the 20th National Congress of the Communist Party of China states that it is necessary to \"accelerate the development of national strategic talent resources and strive to cultivate more masters and strategic scientists\". Currently， a new round of technological revolution， represented by artificial intelligence， is driving profound changes in production， life， and governance. Accelerating the application of artificial intelligence， fostering the growth of the AI industry， and expanding the talent supply have become important pillars of China's economic development. Although China has established a relatively comprehensive policy support system for artificial intelligence and related industries that have developed rapidly， several challenges remain. These include a lack of foundational talent reserve， imbalanced talent structures in leadership， and an insufficient supply of technical professionals， all of which hinder the development of the industry. The \"New Generation Artificial Intelligence Development Plan\"， issued by the State Council， explicitly states that building a high-level talent team is a top priority for the development of artificial intelligence.

The rapid development of artificial intelligence relies on the continuous exploration and innovation by scientists， who are the drivers of technological progress and the predictors of application trends. The growth of talent in science and technology includes not only the development of intellectual， psychological， and physical potential but also the improvement of research capabilities and the advancement of related fields. Studying the growth stages of AI scientists helps clarify the characteristics and challenges involved in talent development， providing theoretical support for talent cultivation in the field of artificial intelligence. The flow of scientific and technological talent refers to changes in the service units or targets of this talent， including mobility in education， employment， and jobs. As global competition in artificial intelligence intensifies， issues related to talent cultivation， recruitment， and mobility have become crucial for economic and social development. Therefore， understanding and following the growth characteristics and mobility patterns of AI talent has become an urgent priority for research and policy formulation in this field.

This study focuses on the growth characteristics and mobility patterns of artificial intelligence scientists， employing methods such as career analysis， social network analysis， and Sankey diagrams. First， AI scientists are defined as fellows of the Chinese Association for Artificial Intelligence and the Chinese Association of Automation. The study collects career information from 231 AI scientists， analyzing their growth characteristics from aspects such as educational background， overseas study experience， academician status， and the nature of their affiliated institutions. Second， the study constructs learning mobility networks， employment mobility networks， and work mobility networks to analyze the mobility network characteristics of AI scientists from both the overall and individual network perspectives. Finally， Sankey diagrams are used to visualize the mobility of AI scientists between regions， specifically between the eastern and western parts of China. This visualization aims to analyze talent flow characteristics across different regions and compare the mobility patterns of AI scientists between these regions. The aim of this study is to support the optimization of AI talent cultivation and promote the rational mobility of talent through relevant policies.

Key words： artificial intelligence; talent mobility; social network; resume analysis; growth characteristics; mobility patterns

（欄目編輯：邵冰欣）