本次的會議數據還分析了研究人員在完成博士學業後去到了哪裡工作。總體而言，我們發現在樣本當中將近有1／3（27%）的研究人員工作的雇主所在國家跟他們接受培訓所在的國家是不一樣的。在作者數量至少在150以上的國家當中，這個比例甚至高達32%。這些人才流動的全球地圖很複雜，背後的故事當然是跟個人密切相關的。但無論如何，這一數據能讓我們對AI人才的跨境流動一探端倪。（編者注：從中國的人才流入和流出來看，我們還是淨流入的多；而美國流入流出的體量都很大）
首先，我們的數據表明，某些國家對機器學習領域的研究人員特別有吸引力。總部在美國的雇主吸引海外受訓研究人員的幾率最高。中國是吸引在別國拿到博士學位的研究人員可能性第二大的國家，在吸引的研究人員數量上幾乎是美國的1／4。我們估計會有若干因素對此產生影響，其中就包括每個國家的相關職位情況。
其中人才流入大於流出的10個國家／地區是：中國台灣、瑞典、韓國、西班牙、美國、瑞士、中國、日本、英國、澳大利亞。而在接受海外專家方面的贏家是瑞士和瑞典，外來人才占比分別達到了50%和49%。
不同國家人才流入流出情況對比
這一數據還可以讓我們對比每個國家／地區的人才流入流出情況。人才流入表示的是在x國／地區工作但是在y國／地區拿到博士學位的人數除以x國／地區的AI人才總數。這個指標可以用來衡量一個生態體系對人才的吸引力。
四象限：左上——錨定國；左下——生產國；右上——邀請國；右下：平台國
另一方面，人才流出表示的是在x國／地區拿到博士學位但現在為y國／地區的雇主工作的人數，再除以x國／地區的AI人才總數。這個比例可以看出一個國家／地區留住人才的能力。
跟平均水平相比，澳大利亞、西班牙、中國台灣的流入情況要大於流出。這意味著這些國家／地區在挽留自己培養的人才並吸引外來人才方面相對更加成功。這些生態體系我們稱之為邀請國。相反，法國、以色列這樣的國家屬於生產國，因為跟平均水平相比，其人才流出要高於人才流入，但是差距並不大。
美國的人才流入和流出情況都相對較少。這並不能反映出其人才庫的深度：就絕對數字而言，美國依然是全球領先的人才磁石。相反，它反映的是人才庫的相對穩定性。中國、德國、印度、意大利、日本和韓國也呈現出相同的模式。這類國家我們稱之為錨定國。
最後，還有好幾個國家的人才流入和流出都高於平均水平。這些國家成功地吸引了海外培養的人才，同時期研究生流動也高於平均水平。這些生態體系我們稱之為平台國。，其中包括了加拿大、荷蘭、新加坡、瑞士以及英國。
我們的會議數據還發現一些國家之間的人才交流引人關注。中美之間的交流尤其突出，所以整體而言誰都沒有占太大的便宜：我們發現在我們的22400名研究人員數據集當中有約500位是在中國拿得到博士學位然後為美國雇主工作的，不過也有約500名字美國拿到博士學位的人為中國的雇主工作。美國與英國之間也有類似的現象。
重大影響研究：美國、中國、英國、澳大利亞、加拿大領先
今年的調查還發現在頂級國際學術會議上出現的作者數量比去年增加了19%。為了評估這些作者目前在領域內的影響力，報告分析了其 2017、2018兩年間出版物的被引用情況。其中有18%（約4000人）具有較為顯著的影響力。這些人也是致力於將理論付諸應用的團隊想要爭取的對象。
而具備高影響力的作者的國家也主要集中在幾個國家，分別是美國（1095）、中國（255）、英國（140）、澳大利亞（80）以及加拿大（45）。
不過如果分析高影響力作者在本地AI人才中的占比的話，情況會有所改變。這指標反映的是培養本地頂級人才的能力。這方面澳大利亞排名第一，18%的作者發表了具備重大影響的文章，其後是美國、英國和中國（均為13%），瑞士（11%）、新加坡（9%）、瑞典和西班牙（8%），以及以色列、加拿大與意大利（7%）。
|
