基于履歷信息的人工智能科學(xué)家成長(zhǎng)特征與流動(dòng)規(guī)律研究

摘 要：人工智能科學(xué)家是推動(dòng)我國(guó)新一輪科技革命和產(chǎn)業(yè)變革的戰(zhàn)略性人才，對(duì)其成長(zhǎng)特征與流動(dòng)規(guī)律進(jìn)行量化分析具有重要意義。以中國(guó)人工智能學(xué)會(huì)和中國(guó)自動(dòng)化學(xué)會(huì)會(huì)士為例，搜集人工智能科學(xué)家的履歷信息，構(gòu)建了求學(xué)、就業(yè)、工作三階段流動(dòng)網(wǎng)絡(luò)。從教育背景、海外經(jīng)歷、當(dāng)選院士情況、任職單位性質(zhì)等方面對(duì)人工智能科學(xué)家成長(zhǎng)特征進(jìn)行研究，從網(wǎng)絡(luò)特征、流動(dòng)網(wǎng)絡(luò)和區(qū)域流動(dòng)等方面分析了人工智能科學(xué)家的流動(dòng)規(guī)律。研究發(fā)現(xiàn)：人工智能科學(xué)家以男性為主，入選會(huì)士時(shí)的年齡呈現(xiàn)年輕化趨勢(shì)，且大多擁有知名院校求學(xué)經(jīng)歷；近半數(shù)的人工智能科學(xué)家擁有海外經(jīng)歷、院士榮譽(yù)稱號(hào)，大部分在高校工作；人工智能科學(xué)家主要選擇經(jīng)濟(jì)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(xué)的人工智能科學(xué)家傾向于將東部地區(qū)作為就業(yè)地。最后，就促進(jìn)人工智能人才成長(zhǎng)與優(yōu)化人才流動(dòng)提出了對(duì)策建議。

關(guān)鍵詞：人工智能；人才流動(dòng)；社會(huì)網(wǎng)絡(luò)；履歷分析；成長(zhǎng)特征；流動(dòng)規(guī)律

中圖分類號(hào)：C961" " 文獻(xiàn)標(biāo)志碼：A" " 文章編號(hào)：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(bào)告指出，要“加快建設(shè)國(guó)家戰(zhàn)略人才力量，努力培養(yǎng)造就更多大師、戰(zhàn)略科學(xué)家”。當(dāng)前，以人工智能等為代表的新一輪科技革命推動(dòng)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(kuò)展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)［1］。其作為高效、智能的技術(shù)工具，正引領(lǐng)人類邁入新時(shí)代［2］。推進(jìn)人工智能的深度應(yīng)用，培育壯大人工智能產(chǎn)業(yè)和人才隊(duì)伍，滿足全球新一輪科技革命和產(chǎn)業(yè)變革趨勢(shì)下人工智能人才需求，進(jìn)而服務(wù)于科教興國(guó)、人才強(qiáng)國(guó)、創(chuàng)新驅(qū)動(dòng)等國(guó)家戰(zhàn)略，已成為我國(guó)經(jīng)濟(jì)發(fā)展的重要支撐［3］。目前，我國(guó)已經(jīng)建立了較為完善的人工智能政策支持體系，相關(guān)產(chǎn)業(yè)也得到了快速發(fā)展［4］。然而，中國(guó)人工智能產(chǎn)業(yè)仍存在產(chǎn)業(yè)基礎(chǔ)層人才儲(chǔ)備薄弱、領(lǐng)軍人才結(jié)構(gòu)失衡、技術(shù)人才供給不足等問(wèn)題，嚴(yán)重制約了人工智能產(chǎn)業(yè)的發(fā)展［5］。2017年7月，國(guó)務(wù)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(duì)伍建設(shè)作為人工智能發(fā)展的重中之重，堅(jiān)持培養(yǎng)和引進(jìn)相結(jié)合。

科學(xué)家通過(guò)基礎(chǔ)研究突破等能夠提升國(guó)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(guò)技術(shù)創(chuàng)新來(lái)有效提升國(guó)家的經(jīng)濟(jì)增長(zhǎng)率［6］。人工智能的發(fā)展離不開人工智能科學(xué)家的不斷探索和創(chuàng)新，他們是技術(shù)持續(xù)發(fā)展的推動(dòng)者、技術(shù)應(yīng)用趨勢(shì)的預(yù)測(cè)者［7］。科技人才成長(zhǎng)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(xué)研究能力，做出科研成果并推動(dòng)相關(guān)領(lǐng)域發(fā)展等內(nèi)容［8］。對(duì)人工智能科學(xué)家成長(zhǎng)階段進(jìn)行研究，有助于梳理人才成長(zhǎng)特征與問(wèn)題，為人工智能領(lǐng)域人才培養(yǎng)提供支撐。科技人才流動(dòng)是指科技人才所服務(wù)單位或服務(wù)對(duì)象發(fā)生變化的社會(huì)現(xiàn)象［9］，包括求學(xué)流動(dòng)、就業(yè)流動(dòng)、工作地變更流動(dòng)等［10］。在全球人工智能競(jìng)爭(zhēng)日趨激烈的背景下，人工智能人才培養(yǎng)、招引與流動(dòng)已成為經(jīng)濟(jì)社會(huì)發(fā)展的重要問(wèn)題。因此，把握人工智能人才成長(zhǎng)特征并遵循其流動(dòng)規(guī)律，成為研究制定人工智能領(lǐng)域相關(guān)人才政策的關(guān)鍵前提。

本研究聚焦人工智能科學(xué)家的成長(zhǎng)特征和流動(dòng)規(guī)律，通過(guò)履歷分析、社會(huì)網(wǎng)絡(luò)分析、桑基圖等方法開展研究。主要貢獻(xiàn)體現(xiàn)在：其一，將中國(guó)人工智能學(xué)會(huì)會(huì)士和中國(guó)自動(dòng)化學(xué)會(huì)會(huì)士界定為人工智能科學(xué)家，搜集了231名人工智能科學(xué)家的履歷信息，從教育背景、海外經(jīng)歷、當(dāng)選院士情況、任職單位性質(zhì)等方面研究人工智能科學(xué)家的成長(zhǎng)特征。其二，運(yùn)用人工智能科學(xué)家在高等教育和就業(yè)階段的流動(dòng)數(shù)據(jù)，構(gòu)建求學(xué)流動(dòng)網(wǎng)、就業(yè)流動(dòng)網(wǎng)和工作流動(dòng)網(wǎng)，從整體網(wǎng)和個(gè)體網(wǎng)兩方面分析人工智能科學(xué)家的流動(dòng)網(wǎng)絡(luò)特征。其三，通過(guò)繪制人工智能科學(xué)家在區(qū)域間以及東部地區(qū)內(nèi)部和西部地區(qū)內(nèi)部流動(dòng)的桑基圖，分析不同區(qū)域間的人才流動(dòng)特征，比較人工智能科學(xué)家在不同區(qū)域間的流動(dòng)規(guī)律。通過(guò)開展本研究，以期為優(yōu)化人工智能人才培養(yǎng)和促進(jìn)人才合理流動(dòng)的相關(guān)政策制定提供參考。

1 相關(guān)文獻(xiàn)述評(píng)

人才是經(jīng)濟(jì)高質(zhì)量發(fā)展的動(dòng)力源［11］，人才成長(zhǎng)一直是科學(xué)社會(huì)學(xué)研究的重要議題。國(guó)內(nèi)學(xué)者采用履歷分析方法對(duì)中國(guó)青年女科學(xué)家獎(jiǎng)獲得者、青年科技人才、諾貝爾科學(xué)獎(jiǎng)獲得者等人才的成長(zhǎng)進(jìn)行了有益探究。例如：嚴(yán)曉紅和楊云霞［12］（2024）運(yùn)用履歷分析法構(gòu)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(diǎn)；王佳勻等［13］（2021）以國(guó)家自然科學(xué)基金優(yōu)秀青年科學(xué)基金項(xiàng)目獲得者為研究對(duì)象，運(yùn)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(zhǎng)規(guī)律；陳瑞飛等［14］（2023）以日本諾貝爾科學(xué)獎(jiǎng)獲得者為研究對(duì)象，探討了政府科研資助對(duì)科技人才成長(zhǎng)的重要推動(dòng)作用；張建衛(wèi)等［15］（2020）以國(guó)家杰青為研究對(duì)象，通過(guò)對(duì)他們的履歷信息進(jìn)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(zhǎng)路徑。國(guó)外學(xué)者多采用質(zhì)性研究方法來(lái)探究人才的成長(zhǎng)特征、成長(zhǎng)規(guī)律和影響因素等。例如：Bornmann等［16］（2017）從性別、年齡、最高學(xué)歷、專業(yè)職稱、求學(xué)周期等維度，分析了德國(guó)高被引學(xué)者的成長(zhǎng)特征；Akerlind［17］（2008）從學(xué)術(shù)表現(xiàn)、個(gè)人學(xué)習(xí)、學(xué)科或社會(huì)變革貢獻(xiàn)等3個(gè)維度構(gòu)建了評(píng)價(jià)指標(biāo)體系，強(qiáng)調(diào)了科研環(huán)境對(duì)個(gè)人學(xué)術(shù)發(fā)展的重要性；Leikuma-Rimicane等［18］（2022）強(qiáng)調(diào)了高等教育機(jī)構(gòu)在促進(jìn)人才成長(zhǎng)和塑造人才競(jìng)爭(zhēng)力中的關(guān)鍵作用。

人才流動(dòng)是城市間建立經(jīng)濟(jì)、社會(huì)、創(chuàng)新等聯(lián)系的關(guān)鍵通道［19］。城市發(fā)展與人才流入相互促進(jìn)。城市依托高質(zhì)量的大學(xué)和科研機(jī)構(gòu)、以高新技術(shù)產(chǎn)業(yè)和現(xiàn)代服務(wù)業(yè)為主的經(jīng)濟(jì)結(jié)構(gòu)、開放包容的社會(huì)環(huán)境及高品質(zhì)的生活方式吸引大量人才流入［20-21］。與此同時(shí)，人才流入又為城市的經(jīng)濟(jì)、文化和科技等領(lǐng)域作出重要貢獻(xiàn)［22］。國(guó)內(nèi)學(xué)者集中探討了人才流動(dòng)規(guī)律、流動(dòng)格局及其影響因素等。例如：瞿群臻等［23］（2023）運(yùn)用社會(huì)網(wǎng)絡(luò)分析方法構(gòu)建了中國(guó)工程院院士從籍貫地到本科就讀地的流動(dòng)網(wǎng)絡(luò)、最高學(xué)歷就讀地到首次就業(yè)地的流動(dòng)網(wǎng)絡(luò)以及就業(yè)地間的流動(dòng)網(wǎng)絡(luò)，研究發(fā)現(xiàn)院士流動(dòng)隨著成長(zhǎng)階段的推進(jìn)而趨于穩(wěn)定，省級(jí)行政區(qū)對(duì)院士的吸引力受當(dāng)?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(zhǎng)三角城市群和粵港澳大灣區(qū)的數(shù)字人才分布與流動(dòng)格局，發(fā)現(xiàn)數(shù)字人才高度集中于核心城市，且在中國(guó)呈環(huán)流格局；靳軍寶等［25］（2022）以中國(guó)高被引科學(xué)家為研究對(duì)象，構(gòu)建了高被引科學(xué)家遷移特征數(shù)據(jù)集，發(fā)現(xiàn)我國(guó)高被引科學(xué)家跨國(guó)流動(dòng)受經(jīng)濟(jì)水平、教育水平、科技水平、政策規(guī)劃、政治文化及個(gè)體等眾多因素的影響。國(guó)外學(xué)者更多針對(duì)人才流動(dòng)的特征和人才流動(dòng)的作用等展開研究。例如：Kazakis［26］（2019）研究了美國(guó)高校畢業(yè)生的空間流動(dòng)分布特征，發(fā)現(xiàn)科學(xué)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(guān)，具備雄厚知識(shí)基礎(chǔ)和完善基礎(chǔ)設(shè)施的區(qū)域創(chuàng)新中心能吸引更多的專業(yè)技術(shù)人才流入；Trippl［27］（2013）研究發(fā)現(xiàn)，頂尖科學(xué)家流動(dòng)通過(guò)科研合作、咨詢服務(wù)、組織人員交流等多種正式和非正式方式，推動(dòng)城市間的知識(shí)和技能流動(dòng)。

總體來(lái)看，已有文獻(xiàn)對(duì)各類科技創(chuàng)新人才成長(zhǎng)與人才流動(dòng)進(jìn)行了研究，但關(guān)于中國(guó)人工智能科學(xué)家的研究尚不多見；履歷分析、社會(huì)網(wǎng)絡(luò)分析都已應(yīng)用于人才領(lǐng)域研究，但將二者結(jié)合的相關(guān)研究較少；已有研究多關(guān)注人才的區(qū)域流動(dòng)問(wèn)題，但對(duì)于不同區(qū)域間以及各區(qū)域內(nèi)部的流動(dòng)規(guī)律分析得不夠深入。人工智能科學(xué)家是從事人工智能領(lǐng)域科學(xué)研究與技術(shù)開發(fā)的戰(zhàn)略性人力資源。中國(guó)人工智能學(xué)會(huì)會(huì)士、中國(guó)自動(dòng)化學(xué)會(huì)會(huì)士是我國(guó)人工智能科學(xué)家的重要代表。本研究基于第1至7批中國(guó)人工智能學(xué)會(huì)會(huì)士和第1至9批中國(guó)自動(dòng)化學(xué)會(huì)會(huì)士的數(shù)據(jù)，采用履歷分析法和社會(huì)網(wǎng)絡(luò)分析法，探究人工智能科學(xué)家的成長(zhǎng)特征與流動(dòng)規(guī)律，以期為人工智能領(lǐng)域相關(guān)人才政策制定提供支撐。

2 研究設(shè)計(jì)

2.1 研究方法

第一，履歷分析法。科技人才履歷真實(shí)、客觀地記錄了其學(xué)術(shù)成長(zhǎng)歷程，包括教育和工作經(jīng)歷、科研績(jī)效、科技資助、榮譽(yù)等信息［12］。本研究搜集了2017—2023年增選的中國(guó)人工智能學(xué)會(huì)會(huì)士和2015—2023年增選的中國(guó)自動(dòng)化學(xué)會(huì)會(huì)士的履歷信息，并對(duì)其進(jìn)行了結(jié)構(gòu)化處理。

第二，社會(huì)網(wǎng)絡(luò)分析。本研究基于人工智能科學(xué)家三階段流動(dòng)數(shù)據(jù)構(gòu)建流動(dòng)網(wǎng)絡(luò)，并使用Gephi軟件對(duì)流動(dòng)網(wǎng)絡(luò)進(jìn)行可視化分析。所構(gòu)建的3個(gè)流動(dòng)網(wǎng)絡(luò)包括求學(xué)流動(dòng)網(wǎng)（出生地到本科就讀地）、就業(yè)流動(dòng)網(wǎng)（最高學(xué)歷地到首次就業(yè)地）、工作流動(dòng)網(wǎng)（首次就業(yè)地到目前就業(yè)地）。

第三，桑基圖分析。桑基圖可以同時(shí)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(dòng)的可視化分析。使用Scimago Graphica軟件繪制桑基圖，來(lái)揭示人工智能科學(xué)家在不同區(qū)域的流動(dòng)規(guī)律。

2.2 數(shù)據(jù)來(lái)源

中國(guó)人工智能學(xué)會(huì)、中國(guó)自動(dòng)化學(xué)會(huì)是國(guó)內(nèi)人工智能領(lǐng)域的兩個(gè)國(guó)家一級(jí)學(xué)術(shù)團(tuán)體。會(huì)士是會(huì)員在學(xué)會(huì)中被賦予的學(xué)術(shù)榮譽(yù)，是指在科研、生產(chǎn)、教育和管理等方面有重大貢獻(xiàn)的科技人員。本研究以中國(guó)人工智能學(xué)會(huì)會(huì)士、中國(guó)自動(dòng)化學(xué)會(huì)會(huì)士為研究對(duì)象，也即將兩學(xué)會(huì)會(huì)士界定為本研究的人工智能科學(xué)家。截至2023年12月，中國(guó)人工智能學(xué)會(huì)會(huì)士共有118人，中國(guó)自動(dòng)化學(xué)會(huì)會(huì)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(duì)比甄別后，對(duì)異常值與重復(fù)值進(jìn)行了清洗，最終共搜集到231位會(huì)士的基本信息。會(huì)士基本信息主要來(lái)源于“中國(guó)人工智能學(xué)會(huì)”和“中國(guó)自動(dòng)化學(xué)會(huì)”官方網(wǎng)站，以及學(xué)者個(gè)人主頁(yè)、學(xué)者所在機(jī)構(gòu)官網(wǎng)、官方媒體的新聞報(bào)道等。進(jìn)一步地，綜合借鑒宋永輝等［28］、瞿群臻等［23］、李峰等［29］、嚴(yán)曉紅和楊云霞［12］關(guān)于科技人才研究的實(shí)踐探索，建立了包括人工智能科學(xué)家性別、年齡、教育背景、海外經(jīng)歷、當(dāng)選院士情況、任職單位、求學(xué)流動(dòng)、初次就業(yè)流動(dòng)、工作流動(dòng)等指標(biāo)在內(nèi)的履歷分析數(shù)據(jù)集。

2.3 數(shù)據(jù)描述

統(tǒng)計(jì)分析發(fā)現(xiàn)，231位人工智能科學(xué)家中，男性有215人（占比93.07%），女性有16人（占比6.93%）。分學(xué)會(huì)來(lái)看，中國(guó)人工智能學(xué)會(huì)會(huì)士中男性占比95.80%，女性占比4.20%；中國(guó)自動(dòng)化學(xué)會(huì)會(huì)士中男性占比91.22%，女性占比8.78%。

從各批次會(huì)士當(dāng)選時(shí)的平均年齡來(lái)看（見圖1），中國(guó)人工智能學(xué)會(huì)各批次會(huì)士當(dāng)選時(shí)的平均年齡集中在49～64歲；第1批（2017年）至第4批（2020年）會(huì)士的平均年齡在60歲左右；從第4批開始，會(huì)士平均年齡逐漸下降，總體呈現(xiàn)年輕化趨勢(shì)。中國(guó)自動(dòng)化學(xué)會(huì)各批次會(huì)士當(dāng)選時(shí)的平均年齡集中在54～68歲；第1批（2015年）至第4批（2018年）會(huì)士的平均年齡在60歲左右，第4批至第9批會(huì)士的平均年齡集中在55歲左右，總體趨勢(shì)保持穩(wěn)定。

從兩個(gè)學(xué)會(huì)2015—2023年入選會(huì)士的性別分布來(lái)看（見圖2），男性會(huì)士人數(shù)明顯多于女性會(huì)士。從2019年開始，男性與女性人數(shù)趨向穩(wěn)定，男性會(huì)士數(shù)量在20人上下浮動(dòng)，女性會(huì)士數(shù)量在2人上下浮動(dòng)。

3 成長(zhǎng)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(xué)家學(xué)術(shù)發(fā)展的重要因素之一。因此，本研究從第一學(xué)歷、最高學(xué)歷院校方面來(lái)分析人工智能科學(xué)家的教育背景。

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

對(duì)人工智能科學(xué)家具體求學(xué)院校進(jìn)行分析，結(jié)果如表2所示。從第一學(xué)歷院校來(lái)看，清華大學(xué)培養(yǎng)的人工智能科學(xué)家最多，占比為12.12%；浙江大學(xué)、北京大學(xué)、中國(guó)科學(xué)技術(shù)大學(xué)培養(yǎng)的分別占比4.76%、4.33%、4.33%。從最高學(xué)歷畢業(yè)院校來(lái)看，前5名分別是浙江大學(xué)（占比8.23%）、中國(guó)科學(xué)院大學(xué)（占比8.22%）、清華大學(xué)（占比7.36%）、哈爾濱工業(yè)大學(xué)（占比5.63%）和東北大學(xué)（占比4.76%）。其中，中國(guó)科學(xué)院大學(xué)是人工智能科學(xué)家最高學(xué)歷求學(xué)階段的主要高校，這與該大學(xué)以研究生教育為辦學(xué)主體的特點(diǎn)有關(guān)。總體而言，人工智能科學(xué)家第一學(xué)歷、最高學(xué)歷求學(xué)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(xué)、訪學(xué)經(jīng)歷所在國(guó)家和地區(qū)占比來(lái)看，美國(guó)是國(guó)內(nèi)人工智能科學(xué)家海外留學(xué)、訪學(xué)最多的國(guó)家，占比47.4%；英國(guó)、德國(guó)、日本次之，分別占比17.5%、14.4%和13.4%；此外，其他海外國(guó)家和地區(qū)占比7.3%。按照人工智能科學(xué)家當(dāng)選會(huì)士年份進(jìn)行分組分析（見表3），發(fā)現(xiàn)各批次會(huì)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(xué)、訪學(xué)經(jīng)歷的占比為42.0%。人工智能科學(xué)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(dāng)選院士情況

分別對(duì)人工智能科學(xué)家當(dāng)選院士情況以及該科學(xué)家當(dāng)選會(huì)士與院士的前后關(guān)系進(jìn)行分析。

關(guān)于中國(guó)人工智能學(xué)會(huì)會(huì)士的分析見表4，第1至7批次中國(guó)人工智能學(xué)會(huì)會(huì)士中共有院士54人，占會(huì)士總?cè)藬?shù)的45.76%。其中：中國(guó)科學(xué)院院士有9人，占院士總?cè)藬?shù)的16.67%；中國(guó)工程院院士有26人，占院士總?cè)藬?shù)的48.15%；獲海外院士榮譽(yù)（紐約科學(xué)院院士、國(guó)際導(dǎo)航與運(yùn)動(dòng)控制科學(xué)院院士、國(guó)際歐亞科學(xué)院院士等）的有26人，占院士總?cè)藬?shù)的48.15%。分批次看，院士總?cè)藬?shù)（若一個(gè)人有多個(gè)院士稱號(hào)，只計(jì)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(guó)人工智能學(xué)會(huì)會(huì)士前已經(jīng)是兩院院士的有30人，入選中國(guó)人工智能學(xué)會(huì)會(huì)士后成為兩院院士的有3人。

關(guān)于中國(guó)自動(dòng)化學(xué)會(huì)會(huì)士的分析見表5，第1至9批次中國(guó)自動(dòng)化學(xué)會(huì)會(huì)士中的院士人數(shù)為67人，占會(huì)士總?cè)藬?shù)的45.89%。其中：中國(guó)科學(xué)院院士有19人，占院士總?cè)藬?shù)的28.36%；中國(guó)工程院院士有29人，占院士總?cè)藬?shù)的43.28%；獲海外院士榮譽(yù)的有25人，占院士總?cè)藬?shù)的37.31%。分批次看，院士總?cè)藬?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(guó)自動(dòng)化學(xué)會(huì)會(huì)士前已是兩院院士的有38人，入選中國(guó)自動(dòng)化學(xué)會(huì)會(huì)士后成為兩院院士的有8人。

3.4 任職單位性質(zhì)

在任職單位性質(zhì)方面，高校和科研院所是人工智能科學(xué)家的主要集聚地（分別占比82.3%、12.0%），非高校或科研院所占比較低（5.6%）。其中：中國(guó)人工智能學(xué)會(huì)會(huì)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(guó)自動(dòng)化學(xué)會(huì)會(huì)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(dòng)規(guī)律分析

4.1 網(wǎng)絡(luò)特征分析

根據(jù)人工智能科學(xué)家求學(xué)流動(dòng)、初次就業(yè)流動(dòng)、工作變動(dòng)流動(dòng)等三階段數(shù)據(jù)分別構(gòu)建求學(xué)流動(dòng)網(wǎng)、就業(yè)流動(dòng)網(wǎng)、工作流動(dòng)網(wǎng)，并使用Gephi軟件對(duì)整體網(wǎng)絡(luò)特征進(jìn)行分析（見表6）。其一，從網(wǎng)絡(luò)規(guī)模來(lái)看，求學(xué)流動(dòng)網(wǎng)和就業(yè)流動(dòng)網(wǎng)有著相近的節(jié)點(diǎn)數(shù)和邊數(shù)。相較于求學(xué)流動(dòng)網(wǎng)、就業(yè)流動(dòng)網(wǎng)，工作流動(dòng)網(wǎng)的節(jié)點(diǎn)數(shù)和邊數(shù)有所下降。其二，從網(wǎng)絡(luò)可達(dá)性來(lái)看，從求學(xué)流動(dòng)網(wǎng)到就業(yè)流動(dòng)網(wǎng)再到工作流動(dòng)網(wǎng)，網(wǎng)絡(luò)直徑、平均路徑長(zhǎng)度均逐漸變短。其三，從網(wǎng)絡(luò)緊密程度來(lái)看，從求學(xué)流動(dòng)網(wǎng)到就業(yè)流動(dòng)網(wǎng)再到工作流動(dòng)網(wǎng)，網(wǎng)絡(luò)密度有所降低，但平均聚類系數(shù)卻逐漸上升。總體而言，整體網(wǎng)絡(luò)特征的變化表明，隨著人工智能人才從求學(xué)到就業(yè)階段的改變，人才流動(dòng)頻次逐漸降低，省際流動(dòng)趨于穩(wěn)定。

4.2 流動(dòng)網(wǎng)絡(luò)分析

4.2.1 求學(xué)流動(dòng)網(wǎng)分析

由表7可知，在人工智能科學(xué)家從出生地到本科就讀地的流動(dòng)網(wǎng)絡(luò)中，入度較高的省份為北京、江蘇、湖北、浙江等，說(shuō)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(shuō)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(guó)、英國(guó)、日本等國(guó)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(duì)人工智能科學(xué)家求學(xué)流動(dòng)網(wǎng)進(jìn)行可視化分析，節(jié)點(diǎn)大小代表流動(dòng)網(wǎng)絡(luò)入度中心性（見圖3）。可以發(fā)現(xiàn)，北京、江蘇、湖北、浙江等省份是人工智能人才求學(xué)的主要選擇。從邊的權(quán)重來(lái)看，在求學(xué)階段，從江蘇、山東、安徽向北京流動(dòng)的人數(shù)較多。

4.2.2 就業(yè)流動(dòng)網(wǎng)分析

由表8可知，在人工智能科學(xué)家就業(yè)流動(dòng)網(wǎng)絡(luò)中，入度較高的省份為北京、江蘇，說(shuō)明這些省份對(duì)人才具有較強(qiáng)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(gè)省份雖高等教育資源豐富，但對(duì)人工智能人才的吸引力不強(qiáng)。這與東北地區(qū)的經(jīng)濟(jì)社會(huì)發(fā)展水平有關(guān)。此外，有部分人才選擇前往韓國(guó)、澳大利亞就業(yè)，也有部分人才選擇從德國(guó)、日本、美國(guó)等國(guó)家回國(guó)就業(yè)。

對(duì)人工智能科學(xué)家從最高學(xué)歷求學(xué)所在地到首次就業(yè)地的就業(yè)流動(dòng)網(wǎng)絡(luò)進(jìn)行可視化分析（見圖4）。可以發(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(gè)省份的高等院校、科研機(jī)構(gòu)數(shù)量較多，進(jìn)而吸納人才就業(yè)能力較強(qiáng)有關(guān)。

4.2.3 工作流動(dòng)網(wǎng)分析

由表9可知，在人工智能科學(xué)家工作流動(dòng)網(wǎng)絡(luò)中，入度較高的省份為北京、上海、山東、廣東，說(shuō)明這些省份具有較強(qiáng)的人才吸引力；出度較高的省級(jí)行政區(qū)為北京、黑龍江、江蘇、香港。此外，美國(guó)、英國(guó)、加拿大也有較多的人才流出。從凈入度來(lái)看，北京、上海、山東、廣東的凈入度較高，而這些省份的經(jīng)濟(jì)實(shí)力與科技發(fā)展水平也較高，對(duì)人才有較強(qiáng)的吸引力。

對(duì)首次就業(yè)地到當(dāng)前工作地的工作流動(dòng)網(wǎng)絡(luò)進(jìn)行可視化分析（見圖5）。可以發(fā)現(xiàn)，北京、上海是人才當(dāng)前工作的主要選擇。這兩個(gè)城市是我國(guó)“985工程”高校最多的城市，也是科創(chuàng)能力和經(jīng)濟(jì)實(shí)力最強(qiáng)的城市。從2022年經(jīng)濟(jì)總量來(lái)看，上海的生產(chǎn)總值位居第一，達(dá)到44 652.8億元；北京的生產(chǎn)總值位居第二，達(dá)41 610.9億元；《國(guó)際科技創(chuàng)新中心指數(shù)2022》顯示，在全球國(guó)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(dòng)分析

將研究區(qū)域劃分為中國(guó)東部、中部、西部、東北、港澳臺(tái)地區(qū)以及國(guó)外地區(qū)等6個(gè)部分，通過(guò)桑基圖分析人工智能科學(xué)家從出生地、本科就讀地到當(dāng)前工作所在地的區(qū)域間以及東部地區(qū)、西部地區(qū)內(nèi)部的空間流動(dòng)規(guī)律。

4.3.1 區(qū)域間流動(dòng)

人工智能科學(xué)家在區(qū)域間的流動(dòng)情況如圖6所示。從出生地來(lái)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(xué)歷求學(xué)所在地來(lái)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(dāng)前工作所在地來(lái)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(dāng)。從出生地到第一學(xué)歷求學(xué)所在地的流動(dòng)來(lái)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(xué)。從第一學(xué)歷求學(xué)所在地到當(dāng)前工作所在地的流動(dòng)來(lái)看，東部地區(qū)求學(xué)人才大部分留在東部地區(qū)工作，西部地區(qū)求學(xué)人才選擇在西部地區(qū)和中部地區(qū)工作的人數(shù)相當(dāng)，東北地區(qū)求學(xué)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(nèi)部流動(dòng)

由于人工智能科學(xué)家在各階段的流動(dòng)均以東部地區(qū)為主，有必要對(duì)東部地區(qū)內(nèi)部的流動(dòng)情況進(jìn)行詳細(xì)分析。選擇第一學(xué)歷求學(xué)所在地位于東部地區(qū)的人才，對(duì)東部地區(qū)各省份的人才流動(dòng)進(jìn)行分析（見圖7）。從出生地來(lái)看，出生地在北京（17%）、浙江（15%）、江蘇（14%）的最多。從第一學(xué)歷求學(xué)所在地來(lái)看，位于北京（48%）、江蘇（12%）、山東（11%）的最多。從當(dāng)前工作所在地來(lái)看，位于北京（42%）、浙江（11%）、上海（11%）的最多。從出生地到第一學(xué)歷求學(xué)所在地的流動(dòng)來(lái)看，東部地區(qū)的人才向北京集聚的趨勢(shì)明顯。從第一學(xué)歷求學(xué)所在地到當(dāng)前工作所在地的流動(dòng)來(lái)看，人才主要向北京集聚，但也呈現(xiàn)向上海、浙江流動(dòng)的趨勢(shì)。

4.3.3 西部地區(qū)內(nèi)部流動(dòng)

為了探究是否存在人工智能科學(xué)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(xué)歷、當(dāng)前工作三階段所在地位于西部地區(qū)）拓展到省級(jí)層面，非西部地區(qū)仍從區(qū)域?qū)用孢M(jìn)行展示（見圖8）。從出生地來(lái)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(xué)歷求學(xué)所在地來(lái)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(dāng)前工作所在地來(lái)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(xué)歷求學(xué)所在地的流動(dòng)來(lái)看，在陜西出生的人才主要在陜西求學(xué)。從第一學(xué)歷求學(xué)所在地到當(dāng)前工作所在地的流動(dòng)來(lái)看，在陜西求學(xué)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(duì)較少。

5 結(jié)論與建議

5.1 研究結(jié)論

通過(guò)對(duì)231位人工智能科學(xué)家的成長(zhǎng)特征與流動(dòng)規(guī)律進(jìn)行量化分析，本文得到以下主要結(jié)論。

第一，人工智能科學(xué)家以男性為主，入選會(huì)士時(shí)年齡呈年輕化趨勢(shì)，大多擁有知名院校就讀經(jīng)歷。231位人工智能科學(xué)家中，男性占比93.07%，女性占比6.93%。女性科學(xué)家相對(duì)較少的現(xiàn)象在科研人員隊(duì)伍中普遍存在［30-31］。人工智能科學(xué)家入選會(huì)士時(shí)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(shì)。此外，人工智能科學(xué)家第一學(xué)歷院校以國(guó)內(nèi)“985工程”高校為主；最高學(xué)歷院校主要為國(guó)內(nèi)“985工程”高校、海外高校及中國(guó)科學(xué)院。

第二，人工智能科學(xué)家有海外經(jīng)歷、院士名譽(yù)的均近半數(shù)，且大部分在高校工作。海外留學(xué)、訪學(xué)經(jīng)歷是中國(guó)人工智能科學(xué)家成長(zhǎng)過(guò)程的重要組成部分。這使其有更多的機(jī)會(huì)接觸其他文化，汲取不同文化中的精華，形成獨(dú)特的新觀點(diǎn)，實(shí)現(xiàn)個(gè)人創(chuàng)造能力的提升［32］。從院士當(dāng)選情況來(lái)看，近半數(shù)的中國(guó)人工智能學(xué)會(huì)會(huì)士和中國(guó)自動(dòng)化學(xué)會(huì)會(huì)士擁有院士稱號(hào)，并且大部分在入選會(huì)士前已是兩院院士，均在戰(zhàn)略科技領(lǐng)域作出了奠基性或突破性的貢獻(xiàn)。從任職單位性質(zhì)來(lái)看，與宋永輝等［28］（2023）關(guān)于科技人才成長(zhǎng)特征的研究發(fā)現(xiàn)一致，高校是人工智能科學(xué)家的集聚地，在企業(yè)工作的人工智能科學(xué)家相對(duì)較少。

第三，人工智能科學(xué)家求學(xué)階段主要集中在高等教育資源富集的地區(qū)，而就業(yè)時(shí)更傾向于選擇高等教育資源富集且經(jīng)濟(jì)實(shí)力強(qiáng)的地區(qū)。在求學(xué)流動(dòng)網(wǎng)絡(luò)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(dòng)網(wǎng)絡(luò)中，人才凈流出最多的為黑龍江、遼寧等省份，而北京則對(duì)人工智能科學(xué)家有很強(qiáng)的吸引力。相比于求學(xué)流動(dòng)網(wǎng)絡(luò)和就業(yè)流動(dòng)網(wǎng)絡(luò)，工作流動(dòng)網(wǎng)絡(luò)的平均路徑長(zhǎng)度顯著變短，表明大部分人才傾向于選擇長(zhǎng)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(xué)流動(dòng)網(wǎng)中有較高的入度，高等教育資源富集且經(jīng)濟(jì)發(fā)展水平較高的省份在就業(yè)流動(dòng)網(wǎng)（如北京、江蘇、山東、遼寧等）、工作流動(dòng)網(wǎng)（如北京、上海、山東、廣東等）中有較高的入度。通過(guò)對(duì)各階段的分析發(fā)現(xiàn)，東部地區(qū)是人工智能科學(xué)家流入的主要地區(qū)。

第四，人工智能科學(xué)家流動(dòng)呈現(xiàn)向東部集聚的特征。從人才的流動(dòng)趨勢(shì)來(lái)看，東部地區(qū)的人才主要選擇在本地區(qū)求學(xué)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(xué)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(dòng)來(lái)看，人才流動(dòng)呈現(xiàn)出明顯的集聚趨勢(shì)；從出生地到第一學(xué)歷求學(xué)所在地、從第一學(xué)歷求學(xué)所在地到當(dāng)前工作所在地的流動(dòng)來(lái)看，人才向北京、上海、浙江等地區(qū)集聚的趨勢(shì)明顯。陜西是西部地區(qū)人工智能人才求學(xué)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(jìn)一步印證了存在“孔雀東南飛”的人才流動(dòng)現(xiàn)象［11，33］。

5.2 對(duì)策建議

結(jié)合以上研究發(fā)現(xiàn)，本文提出三方面對(duì)策建議。

第一，優(yōu)化人才政策，構(gòu)建有利于人工智能人才成長(zhǎng)的環(huán)境。準(zhǔn)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(zhǔn)提供更多的科研資金資助與學(xué)術(shù)資源支持。整合現(xiàn)有人才評(píng)價(jià)、激勵(lì)等政策，構(gòu)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(xué)家人才激勵(lì)機(jī)制，為女性科技人員提供公平的發(fā)展環(huán)境和機(jī)會(huì)［12］。把握人工智能科學(xué)家的成長(zhǎng)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(dòng)青年人才快速成長(zhǎng)為相關(guān)領(lǐng)域的骨干科研力量。在人才評(píng)選中，注重理論與應(yīng)用相結(jié)合，支持在企業(yè)工作的人工智能科學(xué)家的發(fā)展。建設(shè)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(zhì)量。在支持人工智能人才本土自主培養(yǎng)的同時(shí)，鼓勵(lì)人工智能人才到海外訪學(xué)交流。

第二，創(chuàng)新體制機(jī)制，促進(jìn)人工智能人才的合理流動(dòng)。構(gòu)建人工智能人才培養(yǎng)與市場(chǎng)需求匹配機(jī)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(jī)制。人工智能人才流入地的政府部門，應(yīng)不斷加大在教育、科研、基礎(chǔ)設(shè)施等方面的財(cái)政投入，關(guān)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(yīng)優(yōu)化人工智能人才培育、引進(jìn)政策，通過(guò)發(fā)展人工智能相關(guān)產(chǎn)業(yè)，吸引人才，促進(jìn)人才回流，鼓勵(lì)人工智能人才參與跨區(qū)域的科技成果轉(zhuǎn)化。

第三，搭建產(chǎn)學(xué)研平臺(tái)，推進(jìn)人工智能人才的科研成果實(shí)現(xiàn)本地或跨區(qū)域轉(zhuǎn)化。建立人工智能人才走出高校的激勵(lì)機(jī)制，搭建科技成果轉(zhuǎn)化落地平臺(tái)。支持人工智能人才參加學(xué)術(shù)領(lǐng)域和產(chǎn)業(yè)領(lǐng)域的會(huì)議、論壇、展覽等活動(dòng)，參與人工智能研究成果的交流與合作，以促進(jìn)學(xué)術(shù)成果的跨區(qū)域轉(zhuǎn)化。人工智能人才應(yīng)主動(dòng)對(duì)接產(chǎn)業(yè)發(fā)展需求，著力解決企業(yè)存在的技術(shù)問(wèn)題，根據(jù)企業(yè)需求開展研究。政府部門應(yīng)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(jié)構(gòu)失衡狀況，鼓勵(lì)人工智能人才立足區(qū)域經(jīng)濟(jì)社會(huì)發(fā)展需求開展科研創(chuàng)新活動(dòng)。

參考文獻(xiàn)：

［1］ 謝煒，王瑾.人工智能視域下的學(xué)術(shù)出版：新變、實(shí)踐與進(jìn)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(shù)人員就業(yè)景氣現(xiàn)狀分析報(bào)告［J］.中國(guó)人力資源社會(huì)保障，2022（2）：31-33.

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

［5］ 童嘉，鄧勇新，李拓宇.我國(guó)人工智能人才隊(duì)伍建設(shè)：現(xiàn)狀、瓶頸及若干建議：基于中美兩國(guó)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(xué)人才現(xiàn)狀及發(fā)展趨勢(shì)研究［J］.科學(xué)學(xué)與科學(xué)技術(shù)管理，2017，38（6）：23-30.

［7］ 張博，董瑞海.自然語(yǔ)言處理技術(shù)賦能教育智能發(fā)展：人工智能科學(xué)家的視角［J］.華東師范大學(xué)學(xué)報(bào)（教育科學(xué)版），2022，40（9）：19-31.

［8］ 王帆，郭洪林，張冉.人文社會(huì)科學(xué)領(lǐng)軍人才成長(zhǎng)特征研究：基于長(zhǎng)江學(xué)者特聘教授的分析［J］.中國(guó)人民大學(xué)教育學(xué)刊，2015（4）：128-145.

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

［10］ 周亮，張亞.中國(guó)頂尖學(xué)術(shù)型人才空間分布特征及其流動(dòng)趨勢(shì)：以中國(guó)科學(xué)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(jì)高質(zhì)量發(fā)展與人才流動(dòng)［J］.數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2023，40（2）：5-24.

［12］ 嚴(yán)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(guó)青年女科學(xué)家獎(jiǎng)”獲得者的履歷分析［J/OL］.科學(xué)學(xué)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(zhǎng)典型特征分析：以優(yōu)秀青年科學(xué)基金獲資助者為例［J］.中國(guó)科學(xué)基金，2021，35（2）：290-297.

［14］ 陳瑞飛，韓霞，韓學(xué)影，等.政府資助科技人才成長(zhǎng)路徑研究：基于21世紀(jì)日本諾貝爾科學(xué)獎(jiǎng)獲得者的特征分析［J］.科學(xué)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(zhǎng)路徑研究［J］.中國(guó)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(guó)戰(zhàn)略科技人才成長(zhǎng)階段流動(dòng)規(guī)律研究：以281名中國(guó)工程院院士為例［J］.中國(guó)科技論壇，2023（3）：104-114.

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

［25］ 靳軍寶，曲建升，吳新年，等.中國(guó)高被引科學(xué)家跨國(guó)流動(dòng)中機(jī)構(gòu)變化特征與驅(qū)動(dòng)機(jī)制研究［J］.情報(bào)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(guó)卓越青年科學(xué)家成長(zhǎng)特征與科研產(chǎn)出規(guī)律研究：來(lái)自“科學(xué)探索獎(jiǎng)”獲得者的證據(jù)［J］.科學(xué)管理研究，2023，41（4）：105-116.

［29］ 李峰，徐付娟，郭江江.京津冀、長(zhǎng)三角、粵港澳科技人才流動(dòng)模式研究：基于國(guó)家科技獎(jiǎng)勵(lì)獲得者的實(shí)證分析［J］.科學(xué)學(xué)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(zhǎng)軌跡的性別差異研究：以圖情檔學(xué)科國(guó)家社科基金一般項(xiàng)目獲批者為例［J］.現(xiàn)代情報(bào)，2024，44（7）：125-134.

［31］ 曹暉，潘春陽(yáng)，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(jì)評(píng)論，2022（5）：129-146.

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

［33］ 楊碩，肖彬，陳勁.中國(guó)區(qū)域創(chuàng)新人才競(jìng)爭(zhēng)力時(shí)空演變與空間收斂［J/OL］.科技進(jìn)步與對(duì)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）