美国只占32%？英媒：中国AI最大的优势根本不是芯片，是人才！

知淼 | 中科院经管硕士

英国《经济学人》在2026年3月的一篇互动报道中提到，按其对2025年NeurIPS论文作者的追踪，在中国机构工作的顶尖AI研究者占比约37%，已高于美国的约32%。与此同时，按本科培养地统计，中国本科培养的这类研究者占比，已从2019年的29%升至2025年的约50%。

图源央广网

更看重的，是这组数据背后的方向变化。过去两年，外界总把注意力放在芯片、模型和估值上，如今更值得盯紧的，其实是人才供给体系。谁能持续培养年轻研究者，谁能把人留下来，谁就更有机会把一时的突破变成长期的积累。

中国AI人才链条三项关键指标对比 数据来源：The Economist based on NeurIPS, MacroPolo and Paper Copilot

AI竞争的底盘，先看人够不够厚

很多人一说到人才优势，第一反应就是人口多。这种理解太表面。真正有分量的地方，在于中国AI研究队伍已经开始从总量优势走向结构优势。

Digital Science的研究显示，中国目前大约有3万名活跃AI研究者，规模高于美国、英国和欧洲总和。《经济学人》转述同一组研究时还提到，中国AI研究队伍里学生占比达到47%，西方约为30%。

中国活跃AI研究者约3万人及人才结构判断 图源Digital Science

这两个数字放在一起看，含义很直接。人数多，说明供给足。队伍更年轻，说明更新快，后备力量厚。AI迭代速度很快，真正决定后劲的，往往就是新人补充速度和研究者池子的深度。

再往教育端看，这个底盘铺得更早。NCSES报告显示，2020年中国授予约200万个S&E第一学位，约4.3万个S&E博士。教育部披露，2023年理工农医类硕士招生占比达到60%，博士招生占比超过80%。这说明高层次理工人才储备是多年积累形成的结果。

中国S&E博士授予数量与同比变化 数据来源：NCSES International Comparisons and Global Competitiveness

只有培养能力还不够，人才最终流向哪里，决定体系能不能真正跑起来。过去外界常见的看法，是中国负责培养，海外负责吸纳，最顶尖的研究者还是会往外部中心集聚。现在这条路径已经出现明显变化。

《经济学人》的样本追踪显示，2019年大约只有三分之一在中国完成本科的NeurIPS作者留在国内，到了2022年这个比例升到58%，2025年进一步升到68%。海外深造后回流中国的顶尖华人AI研究者比例，也从2019年的12%升到2025年的28%。同时，2025年约五分之三的中国本科出发研究者继续在国内完成后续学习。

图源数据The Economist

这意味着，中国的优势已经开始从培养人才，延伸到深造、就业和科研转化的完整链条。高校提供基础研究人才，产业界提供大规模训练场，模型公司和应用公司继续承接这些人，把研究能力转成产品能力。本土团队近两年受到关注，背后反映的正是这条链条在变得更顺。

当然，海外头部科研体系的吸引力依然很强。数据也说明，高层次STEM体系对国际人才依赖较深。NCSES数据显示，2021年临时签证持有者获得S&E博士学位的比例达到35%，其中计算机与信息科学博士占59%，工程博士占60%。这类体系一旦受到签证、经费和招生环境扰动，供给弹性就可能受到影响。

美国临时签证S&E博士短期留美率 数据来源：NCSES International Comparisons and Global Competitiveness

论文、专利和模型，已经走到不同阶段

人才优势不能只靠情绪判断，还是要落到成果端看。Stanford HAI的《AI Index Report 2025》给出的图景很清楚。2023年中国AI论文占全球23.2%，AI引用占全球22.6%，全球AI授权专利中，中国占比达到69.7%。这些指标说明，研究规模、成果产出和专利布局，已经形成了相当厚的基础。

但如果把门槛抬到最前沿的一层，差距并没有完全消失。2024年notable AI models里，中国有15个。过去三年，Top 100高被引AI论文贡献最多的仍是美国机构。Epoch AI的数据也提示，自2023年以来，中国模型平均仍落后前沿约7个月，最小4个月，最大14个月。

2023年全球AI授权专利份额 数据来源：Stanford HAI Artificial Intelligence Index Report 2025

更准确的判断是，中国AI已经进入并跑阶段，部分环节已经走在前面，人才供给、论文规模和专利布局都很强，前沿模型原创、全球开发者生态和算力链条仍有提升空间。看问题既不能过热，也不能只盯着短板。真正需要看到的，是底盘已经明显变厚。

普通人真正会感受到什么

这场竞争最后不会只停留在论文榜单上，它会落到工具迭代速度、产品价格和岗位变化上。GitHub披露，2024年全球开发者贡献超过52亿次，中国开发者规模已经超过900万。开发者越多，意味着应用层试错更快，工具链和行业场景适配也会更快。

图源GitHub Blog

对普通用户来说，接下来最容易看到的变化，就是国产AI工具在办公、内容生产、客服和教育场景里更新更密集，中文场景的可用性继续提升。与此同时，也要保持冷静。人才是底盘，资本、算力、生态和商业化效率决定上限。Stanford HAI数据显示，2024年中国私人AI投资为93亿美元，当年新获融资AI公司为98家。Epoch AI还提到，2017年至2024年中国130个语言模型里，超过90%仍使用西方硬件训练。

中国语言模型仍以西方硬件训练为主 图源Epoch AI

我的看法是，中国AI最值得看多的地方是人才供给的确定性正在越来越强。只要这条链条继续扩张，模型能力、应用普及和产业转化就还有继续往前推的空间。对普通人来说，最现实的启发也很清楚，未来几年AI进入日常工作的速度，大概率会比很多人预想得更快。越早把它用进自己的工作流程，越容易在新一轮岗位重估里站稳位置。

参考来源： The Economist：China is winning the AI Talent race Digital Science：New report shows China dominates in AI research and is western world’s leading collaborator on AI Digital Science：DeepSeek and the New Geopolitics of AI China’s ascent to research pre eminence in AI Stanford HAI：Artificial Intelligence Index Report 2025 NCSES：Higher Education in Science and Engineering NCSES：Talent U.S. and Global STEM Education and Labor Force 教育部：介绍2023年全国教育事业发展基本情况 GitHub：Octoverse 2024 Epoch AI：Chinese AI models have lagged the US frontier by 7 months on average since 2023 Epoch AI：Why China isn’t about to leap ahead of the West on compute