全球科技產業大戰—大型業者如何布局AI人才
國際AI技術發展現況
第一代生成式AI工具專注於特定功能，例如編寫文字或創建圖像，在接下來的 12 個月中將看到多模式通用人工智慧系統(AGI, Artificial General Intelligence)的出現，其特點是能夠處理和無縫整合文字、視覺和音訊等不同資料類型，這將促進更自然和直觀的用戶互動，並最大化強化跨各個領域的應用程式，這些系統支援複雜的虛擬助理，可以精確地回應複雜的查詢；能夠解釋情緒和意圖的先進客戶服務機器人；創新的教育工具、身臨其境的娛樂體驗以及為身障使用者提供更好的無障礙環境。總體而言，這些多模態系統代表AI的進步，能夠以類似於人類感知和認知的方式與世界互動，從而擴展AI應用和使用者體驗的可能性。
同時，AI將從根本上改變工作場所中的人機動態，成為各個領域的關鍵合作夥伴，2023年的焦點一直是生成式AI如何提供內容創作，但2024年將會看到更廣泛的應用，包括關注AI幫助進行高級分析的能力、透過預測性分析協助專案管理、透過自動程式產生與調整編碼、透過精確的診斷和病患照護增強醫療保健、透過先進的虛擬協助提升客戶服務等。
國際AI人才供需現況與聚落分布
根據美國智庫Marco Polo的調查指出，全球AI人才的分佈呈現五大現象。
- 美國仍然是AI頂尖人才的首選工作地點，其中美國和中國共佔AI人才的75%，高於2019 年的58%。
- 中國在過去幾年持續擴大國內AI人才庫，以滿足本國不斷成長的產業需求，由於中國培養相當大比例的全球頂尖AI人才(從2019年的29%上升到2022年的47%)，因此當前有更多的中國人才留在國內產業工作。
- 除了美國和中國之外，英國、韓國以及歐洲大陸作為AI人才工作地的競爭力略有提高，就AI人才而言，印度和加拿大的比例相對下降。
- 印度也出現類似的情況，即便印度仍然是頂尖AI人才的重要輸出國，但該國留才的能力正在提升。2019年幾乎所有印度AI人才都選擇出國尋求機會，但到了2022年，五分之一的印度AI人才決定留在印度工作。
- 中國和印度的現象反映出過去幾年的人才流動：頂尖AI人才的整體流動性較低。2022年僅有42%的頂尖AI人才為在其他國家工作的外籍人才，較2019年下降13%，這表示更多的人才傾向留在自己的國家。
圖一、MARCO POLO智庫的頂尖AI人才流向調查
而在歐洲部分，歐洲AI發展速度落後美、中，但由於其龐大的市場與完善教育與法規，該地區依舊是人才集中地之一。歐洲有近20萬名AI工程師，而在歐洲工程人才庫中，AI人才比例最高的五個城市分別是倫敦(12.29%)、巴黎(3.81%)、蘇黎世(2.9%)、柏林(2.65%)和馬德里(2.23%)；蘇黎世在人才密度(該市工程人才中專注於特定領域的人才比例)方面也表現出色，其中14%的工程人才庫專注於AI；都柏林是歐洲AI人才的另一個重鎮——在該市的工程人才庫中，17%的人才專注於AI，這一數字是歐洲城市平均水平的兩倍多。
國際科技業者取得AI人才作法
值得關注的是主要大型科技業者的AI人才佈局，新興的人工智慧經濟可能會由美國科技巨頭主導，它們擁有訓練最先進的基礎模型所需的資金、人力資本和雲端運算基礎設施，吸引Google、NVIDIA、Meta、Microsoft、Amazon等企業投入，而這些大型企業將掀起一波AI人才爭奪戰。
(一)Google
為了培養前瞻技術人才，提供員工自由研發與測試的環境，Google成立研究院Google Research，採用扁平化的組織型態，以不同類別的研究團隊作為區分，一共11個研究團隊分布在亞洲、北美、歐洲、中東與非洲(Europe、Middle East and Africa，簡稱EMEA)共19個研究據點，鄰近當地科技重鎮或主要城市，優點在於方便與當地政府溝通、獲得法規保障、快速資源調配、人才取得與產學合作。不同地區也各有研究特色，例如北美與亞洲較著重技術領域(特別是機器學習)研究，而EMEA較著重產業應用領域研究。
自企業發展策略從「Mobile First」轉變為「AI First」後，Google積極取得相關技術與人才，以提高研發能量。在策略佈局上，Google積極併購新創企業以取得新技術或整合至自身業務；而也由於技術開發週期日益縮短，公司需要一個專責單位來負責所有新技術的開發，Google Research集合全公司最頂尖的人才，透過技術面與應用面的研究，一方面探索新技術與服務的應用，一方面也在全球各大城市設立分支機構、延攬AI人才強化戰力。
(二)NVIDIA
在人才培育部分，NVIDIA分別提供研究人員、教職人員、學生不同培育計畫。以研究人員為例，其「應用研究加速器計畫」根據專案要求、技術成熟度與影響力等指標，評估是否提供研究人員技術指導、硬體和資金，以加速技術的商轉能力。由於當前運算成本正在逐年提升，因此提供免費運算資源或能降低研究人員執行基礎研究的成本壓力。此外，公司還成立深度學習研究院(NVIDIA Deep Learning Institute, DLI)，提供不同學習資源，如人工智慧、加速運算、加速數據科學、圖形模擬領域知識，這種多管道的培訓資源並非僅針對公司內員工，而是有機會將未來所需人才，無論是求學中的學生，乃至教授、在其他產業就職的技術人才納入麾下，透過共創共贏的方式來擴大公司人才庫。
在國際合作部分，NVIDIA 在美國和日本之間投資1.1億美元，以促進雙方在AI合作關係，該夥伴關係由拜登政府發起，目的為推進技術合作並促進創新，這個策略合作對象包含與華盛頓大學和筑波大學共同培養AI人才。同時，NVIDIA也與Amazon合作，捐贈2,500萬美元為華盛頓大學和筑波大學提供先進技術，在日本的投資是NVIDIA為全球學術機構提供支援的一例，透過高效能運算資源，協助學生在AI領域的研究上更具效率。
(三)Meta
Meta近期在人才的狀況遭遇挑戰，自2023年以來，Meta的AI專案已有超過30%的員工流失，其中包括生成人工智慧總監Devi Parikh、研究科學家 Abhishek Das和工程總監Erik Meijer，Erik Meijer曾經領導一個50人的機率團隊，負責機器學習基礎設施的開發，而多數AI人才都流向新創公司，如Anthropic、Cohere、OpenAI等。一個可能原因是，在全球景氣不明朗情況下，公司也開始裁員並削減專案預算，人才前往新創可能有更大發揮空間。Meta在留住頂尖人才方面也落入其他競爭對手出高價競爭的巨大挑戰，薪資的差異正促使 Meta 調整其招募策略，甚至在不採用傳統面試流程的情況下入職研究人員，免得人才流入其他競爭對手。
即便如此，Meta依舊求才若渴。當前的一個趨勢是，在基礎研究部分，大型科技業者的研究量能已經超過學術界，根據史丹佛大學的研究，機器學習(ML)和AI的發展格局也發生顯著變化，過去以來，學術界一直是機器學習模型突破的核心，大學和研究機構在2014年之前一直處於領先地位。不過，到2022年出現轉折點：科技業發布32 個重要的機器學習模型，而學術界僅發布了3個。Meta、Google和Microsoft等科技巨頭投資數十億美元進行AI研發，從而擴大了與學術界的資源差距，進一步凸顯了這種日益擴大的差距，Meta 計劃購買35萬個專用電腦晶片(GPU)，這與史丹佛大學自然語言處理小組的可用資源形成鮮明對比，後者的所有項目都可以使用68個 GPU，這樣的資源差距或讓Meta能夠招募更多優秀人才。
(四)Amazon
與上述企業相較，Amazon並不熱衷於透過收購取得人才(至少沒有微軟狂熱)，也沒有設立自身的研究院，針對AI人才的需求是採用現有員工與業界培訓的方式進行，促使AI通用化。據此，公司推出「AI Ready」專案，目標在2025 年為全球200萬人提供免費的AI技能培訓，以及為全球超過50,000名高中生和大學生提供Udacity上新的生成式AI課程的機會。而這對公司的利多是，人員在進行培訓時會使用到大量Amazon的AI與雲端工具，例如Amazon Bedrock、Amazon Transcribe、低程式碼機器學習工具等，無形中養成使用習慣，也建立僱主品牌，可謂一舉兩得。
(五)Microsoft微軟
在人才延攬做法上，微軟擅長透過「併購獲取(acquihires)」的方式進行，例如投資OpenAI、與法國Mistral建立合作關係、參與Mistral業務等，透過策略投資方式來掌握技術與人才。微軟宣布已招募曾經是美國最熱門的AI新創公司之一的Inflection三位創辦人中的兩位，以及該公司70名員工中的許多人：例如Mustafa Suleyman和Karén Simonyan現在將負責Microsoft AI部門，該部門將負責該公司面向消費者的AI服務，包括Copilot聊天機器人、Bing搜尋引擎和 Edge瀏覽器，藉由併購引進外部人才，不斷針對現有業務進行優化，帶入新的創新文化與技術，是微軟得以建立龐大AI生態系的主因。
另外，在內部培訓上，微軟也建立微軟研究院來培育人才。微軟研究院是1991年創立的分支機構，目前在全球有14個據點，其任務是硏究不同的電腦科學主題與問題，如AI、音訊和聲學、電腦視覺、圖形、人機協作、語言技術、數據平台與分析、硬體設備、軟體工程、量子計算、密碼學、演算法等，從基礎研究到跨領域應用皆具備，儼然成為公司創新主要驅動力。微軟研究院通常臨近主要學術機構，以更快速瞭解前瞻技術與潛在人才，同時提供豐沛運算資源與資金來支持各種研究，因此從學者、實驗室人員、學生，都在其獵才範疇內。
結論與建議
大型科技業者因資源龐大，得以採用較大手筆的方式取得人才，包括併購、設立企業研究院、大規模提供運算資源等模式進行。對於我國業者而言，不一定能透過上述方式取得人才。但在軟體無國界的特質下，企業要面對的不只是競爭他國人才，甚至連本國優秀人才都可能因遠距工作而進入外商，企業或需思考加入新的招募策略以因應。
一、人才重新培訓
公司內部其他領域的人才或許將擁有重新培訓為AI專業人才的潛力，在急於從外部招募之前，建議先問問自己公司中是否有人：(1)具有電腦科學、數學、統計或經濟學背景、(2)喜歡或習於使用大型資料集、(3)善於戰略思考、解決問題和團隊合作；可將這些特質挑選出來，做為再培訓的依據。另外，當一個AI專案結束時，不要試圖讓資料科學家和機器學習工程師「忙於」沒有挑戰性的工作，相反的，透過為他們提供進修計劃來培養他們的技能，讓他們保持參與新專案，或是讓他們持續思考還有哪些問題尚未解決，都是可行之道。
二、掌握AI人才情資
在人才大戰中，任何想要聘請AI專業人才的企業，都無法再依賴漫長、繁瑣的招募流程，這表示一個AI專業人才庫將變得重要，這可以透過人力銀行、獵人頭企業或是AI工具來取得。由於人工智慧邁入成長期，未來對於各項職能的衝擊可能比想像中大，企業可善用AI專業人才庫，觀測產業人才發展趨勢及掌握相關人才情資，提早做好因應準備。
參考資料：
- MacroPolo, The Global AI Talent Tracker 2.0, 2023 update.
- Neil C. Hughes, Techopedia, Companies Should Brace Themselves for the AI Talent Wars. 27, Mar, 2024.