卡内基报告,2025年41%顶尖AI研究者在中国工作,首次超越美国

卡内基中国最新报告基于NeurIPS 2025作者数据指出,全球顶尖AI研究者中41%在中国工作,34%在美国,中国首次成为头号工作地。该趋势源于本土培养能力增强(57%顶尖人才本科在中国完成)与美国...

人工智能

全球人工智能人才版图正在经历结构性重构。卡内基中国于2025年9月发布的《Who's Ahead in the Global AI Talent Race?》报告,基于NeurIPS 2025会议10,280位作者的完整履历数据,得出一个标志性结论:2025年,全球顶尖AI研究者中,41%在中国工作,34%在美国——中国首次超过美国,成为顶尖AI人才的首选工作地。

这一转变并非突发,而是三年间持续加速的结果。2022年,该比例为27%对46%;到2025年,中国占比上升14个百分点,美国下降12个百分点。值得注意的是,NeurIPS同期规模大幅扩张:录用论文从2022年的2,834篇增至2025年的5,823篇,作者总数从不足1万人增至2.5万余人。这意味着,中国顶尖AI研究者数量三年增长约两倍,美国增长约一倍——增速差异是份额逆转的核心动因。

报告采用三重维度评估人才流动:

其一,看“生产”——顶尖研究者本科就读地。57%的样本本科在中国完成,较三年前提升11个百分点;美国仅占13%。

其二,看“留存”——本国培养人才留在本国的比例。中国从57%升至69%,美国维持在89%,韩国77%,欧洲平均60%。

其三,看“吸引”——跨国净流动。美国净流入2,145人,中国净流出1,729人。这组看似矛盾的数据揭示了深层现实:中国是全球最大的AI人才“制造基地”,但也是主要“输出国”之一。

进一步交叉分析发现,在中国工作的顶尖AI研究者中,约98%本科在中国完成;而在美国工作的顶尖研究者中,仅约34%本科在美国完成——即三分之二来自海外。这印证了两种截然不同的发展模式:中国类似高产能、高自给率的“工厂”,美国则更像汇聚全球精英的“交易所”。

签证政策是推动这一格局演变的关键外力。2025年NeurIPS首次在圣地亚哥与墨西哥城双城举办,主因是参会人数激增及部分作者难以获得美国签证。被录用却无法赴美的作者优先安排至墨西哥分会场,而这些作者恰构成卡内基报告的全部样本。这侧面说明,制度性壁垒正实质性影响人才地理分布。

中美之间的人才流动仍高度单向。数据显示,每30名在美国工作的中国本科出身研究者,仅对应1名在中国工作的美国本科出身者;三年前该比值为46:1。更值得玩味的是,尽管地缘关系趋紧,美国AI队伍中中国本科出身者比例仍在上升——2025年较前一年再增4个百分点。

美国与其他国家AI人才净流动对比

机构层面的变化同样显著。2022年NeurIPS论文机构排名第一的是谷歌,2025年变为北京大学,清华大学第二,韩国KAIST第三,上海交通大学第四。北大登顶背后有多重因素:一是学术实力积累;二是谷歌等美国科技巨头近年减少公开论文发表——据《金融时报》2025年4月报道,DeepMind对生成式AI领域“战略性”论文设6个月发表禁令,内部审批趋严;OpenAI、Anthropic等前沿实验室本就较少公开发表成果。

因此,该榜单实际反映的是“在顶级会议公开发表论文”的群体,偏重学术界,低估了产业界隐形力量。例如,微软亚洲研究院在北京的研究员可能被计入美国统计;而中国大模型公司普遍倾向开源与发论文,既作为技术路线选择,也服务于人才招募——开放成果能显著提升研究可见度、引用量与行业声誉。

榜单前四均为高校,亦非偶然。顶会论文第一作者多为在读博士生,北大、清华、上交的领先地位,实则是庞大博士生科研梯队的体现。DeepSeek即为典型产物:其V2模型团队成员全为本土培养,无海外背景。创始人梁文锋曾坦言,全球前50名顶尖人才或仍集中于海外,但中国已具备规模化产出中坚力量的能力。

这一人才格局变化,正与产业生态演进同步。高盛2026年10月报告指出,自2025年初DeepSeek里程碑事件以来,中国AI相关上市公司通过股价上涨与IPO累计创造近5万亿美元市值,AI股占A股与H股总市值42%、成交额57%。中国已从“AI供应链出口国”升级为覆盖先进半导体、开源大模型与应用层的“内部闭环AI价值链”。

顶尖AI人才教育与职业路径流动图

当前中国AI企业分为两类:360余家出口导向型(市值1.7万亿美元,海外收入>40%),受益于全球AI资本开支;880余家本土主导型(市值3.2万亿美元,国内收入>90%),依托国内云厂商投入、应用爆发与“十五五”AI+政策。两者共同支撑起一个与美国并列的双极生态。

然而,挑战依然存在。高盛强调,中美在AI市值、盈利能力与产品定价上仍有显著差距;中国虽在稀土精炼、光模块、PCB、成熟制程半导体等领域全球份额超50%,但在先进封装、高端芯片、基础模型原创性等方面仍存瓶颈。技术的倍增特性意味着,局部短板可能放大为系统性效率落差。

回看人才数据本身,其意义不仅在于数字高低,更在于揭示了AI竞争的本质已从“抢人”转向“建体系”。中国依靠高等教育扩容与产学研协同,构建了可持续的人才供给链;美国则依赖其制度吸引力与资本集聚力维系高端入口。未来胜负,或将取决于哪一方更能将人才密度转化为创新质量与商业落地效率。

报告未给出明确“谁领先”的结论,而是提醒:在问“谁领先”之前,需先厘清比较的坐标系——是比产能?比流通效率?还是比长期创新纵深?答案不同,叙事迥异。