錢翻了一倍，拿到錢的公司卻沒有變多

私人投資翻倍 — 這是 2014 年以來最大的年增幅度 — 但收錢的池子卻持續縮小。新獲資金的 AI 公司從 2019 年的 1,051 家降到 2020 年的 762 家，2021 年再降到 746 家，是 2018 年開始的第三年下滑。2021 年平均每筆私人投資案的規模比 2020 年大 81.1%。錢沒有分散出去，而是更集中。

輪次變大，而不是變多

• 5 億美元以上的募資輪從 2020 年的 4 輪增加到 2021 年的 15 輪 — 其中超過 10 億美元的從 3 輪增為 5 輪，5 億至 10 億美元級距則從 1 輪增為 10 輪。
• 1 億至 5 億美元級距從 93 輪翻倍以上到 235 輪，5,000 萬至 1 億美元級距同樣翻倍以上，從 85 輪增為 194 輪。
• 5,000 萬美元以下的輪次幾乎沒動：2020 年 2,102 輪、2021 年 2,120 輪。成長全部來自金字塔頂端。
• 把所有級距與未揭露金額的案子加總，募資輪次從 2,638 輪增加到 2,959 輪。
• 2021 年最大的幾筆私人投資，落在兩家資料管理公司與兩家機器人／自駕公司 — 美國的 Databricks、中國的地平線機器人、英國的 Oxbotica 與德國的 Celonis。

資料基礎設施超車醫療

• 「資料管理、處理與雲端」是 2021 年吸金最多的領域，約 122 億美元 — 是 2020 年約 46.9 億美元的 2.6 倍。
• 醫療與健康照護以 112.9 億美元居次，其後是金融科技(102.6 億美元)、自駕車(80.9 億美元)與半導體(60 億美元)。
• 把 2017 到 2021 五年加總，排序就不一樣了：醫療與健康照護以 289.2 億美元居首，其次是資料管理、處理與雲端(269.1 億美元)、金融科技(249.2 億美元)與零售(219.5 億美元)。2021 年的結果是轉向，不是長期領先。
• 多年來穩定爬升的類別包括自駕車、資安與資料保護、健身與健康、醫療與健康照護，以及半導體。

一個國家，三倍領先

2021 年美國私人 AI 投資達 528.8 億美元 — 是中國 172.1 億美元的三倍以上、英國 46.5 億美元的十一倍以上，其後為以色列(24.1 億美元)與德國(19.8 億美元)。若以區域來看，美國領先中國 3.1 倍、領先歐盟(64.2 億美元)8.2 倍，而這三者相較 2020 年都在成長。把 2013 到 2021 年加總，排序不變：美國 1,490 億美元、中國 619 億美元，接著是英國與印度各 108 億美元、以色列 61 億美元。這一年最大的幾筆收購多半落在醫療與資安 — 微軟以 198 億美元買下 Nuance Communications、西門子以 172 億美元買下 Varian Medical Systems、Thoma Bravo 以 124 億美元買下 Proofpoint，NortonLifeLock 則以 80 億美元買下捷克的 Avast。

• 新創家數也照著同一張地圖走。2021 年美國有 299 家新獲資金的 AI 公司，中國 119 家、英國 49 家、以色列 28 家 — 當年約為中國的兩倍半。
• 把 2013 到 2021 年加總，差距更大：美國 3,234 家，中國 940 家，英國 427 家。
• 新獲資金公司數的下滑並不是新興市場的故事。它出現在 2018 年之後的美國，以及 2019 年之後的中國 — 變薄的正是兩個最大的市場。

更值得看的是二階變化。指數涵蓋的多數國家與地區，AI 招聘成長在 2020 到 2021 年間放緩 — AI 招聘超越整體招聘的速度，幾乎在各地都下降了。德國與瑞典是例外。

職缺在哪裡

• 以佔所有職缺的比例來看，2021 年 AI 職缺最密集的是新加坡(2.33%)，接著是美國(0.90%)、加拿大(0.78%)、英國(0.74%)、澳洲(0.58%)與紐西蘭(0.25%)。
• 從 2020 到 2021 年，美國、加拿大、澳洲與紐西蘭的比例上升，新加坡與英國則下降。
• 在美國國內，機器學習是最大的技能群，佔所有職缺的 0.57%，其後是人工智慧(0.33%)、神經網路(0.15%)、自然語言處理(0.13%)、機器人(0.11%)、視覺影像辨識(0.10%)與自動駕駛(0.06%)。
• 儘管 2019 到 2020 年間兩者都小幅下滑，機器學習職缺仍接近 2018 年水準的三倍，人工智慧職缺約為 1.5 倍。
• 以產業別來看，美國資訊業有 3.30% 的職缺與 AI 相關，領先專業、科學與技術服務業(2.59%)、製造業(2.02%)與金融保險業(1.81%)。

四個州，以及一個特區

2021 年加州釋出 80,238 個 AI 職缺，是第二名德州 34,021 個的 2.35 倍以上，其後為紐約州(24,494)、維吉尼亞州(19,387)、華盛頓州(19,253)與麻薩諸塞州(18,430)。絕對數字對大州有利，所以這一章也把 AI 職缺拿來對照各州自身的職缺總量 — 以這個標準，華盛頓特區居首，其後是維吉尼亞州、華盛頓州與麻薩諸塞州。首都的 6,381 個 AI 職缺遠不及加州，卻是全美密度最高的 AI 勞動需求。

不只是職缺，還有技能

• 把 2015 到 2021 年加總，相對 AI 技能滲透率最高的是印度，在同一組職業中達全球平均的 3.09 倍，其後是美國(2.24)、德國(1.70)、中國(1.56)、以色列(1.52)、加拿大(1.41)與英國(1.40)。
• 在受測的五個產業 — 軟體與資訊服務、硬體與網路、製造、教育、金融 — 印度與美國全面領先。以色列與加拿大在每一個產業都排進前七，新加坡則位居榜上第四。
• 教育業的落差最大：印度達 3.96，全球平均為 1.00，美國則是 2.20。
• 以性別來看，在列出的 15 個國家中，女性 AI 技能滲透率高於男性的有印度、加拿大、南韓、澳洲、芬蘭與瑞士。

採用發生在職能層級

• 就所有產業平均而言，2021 年最可能導入 AI 的職能是服務營運(25%)、產品與／或服務開發(23%)與行銷業務(20%)。風險與供應鏈管理各 13%、製造 12%，人力資源與策略暨企業財務各 9%。
• 最密集的區塊比平均值更集中：高科技與電信業的產品與服務開發達 45%、金融服務業的服務營運 40%、高科技與電信業的服務營運 34%、金融服務業的風險職能 32%。
• 以技術能力來看，機器人流程自動化是所有產業中最常被嵌入標準流程的(26%)，其後是自然語言文本理解(24%)、電腦視覺(23%)、虛擬助理(23%)與深度學習(19%)。
• 產業差異同樣明顯：高科技與電信業的自然語言文本理解達 34%，機器人流程自動化在金融服務業與汽車組裝業皆為 33%，金融服務業的自然語言文本理解則為 32%。

說得出風險，不等於動手處理

這一章依序問了兩個問題 — 貴組織認為哪些 AI 風險相關、又針對哪些採取了行動 — 兩個答案之間的距離，就是這一節的發現。資安有 55% 的受訪者認為相關，47% 採取行動。法規遵循：48% 對 36%，落差 12 個百分點。個人隱私：41% 對 28%，落差 13 個百分點。可解釋性：41% 對 27%，落差 14 個百分點。公平性：29% 對 19%，落差 10 個百分點。落差最大的風險，恰好都是背後沒有成熟工程實務可循的那幾項。

• 對資安的關注其實下降了，從 2020 年略高於 60% 的受訪者降到 2021 年的 55%，對法規遵循的關注則幾乎沒有變化。
• 名單往下走，絕對數字就變小了。勞動力取代有 26% 認為相關、15% 採取行動；國家安全 14% 對 8%；政治穩定 9% 對 4%。
• 組織聲譽是企業自己要承受的風險，也仍是 35% 對 22%，落差 13 個百分點。

AI 是這十年的主流專長

• 2020 年美國新科資工博士中，人工智慧與機器學習佔 21.00% — 是調查涵蓋的 20 個專長中最熱門的一個，也是 2010 到 2021 年間相對於其他 18 個專長成長最顯著的一個。
• 其他專長都差得很遠：軟體工程以 7.30% 居次，接著是資安與資訊保障(7.10%)、理論與演算法(7.00%)、資料庫與資訊檢索(6.50%)、機器人與視覺(6.30%)。
• 機器人與視覺是調查中另一個明確與 AI 相關的專長，過去十一年佔比增加了 1.4 個百分點。
• 以絕對人數計，AI/ML 博士畢業生在 2010 到 2020 年間成長 72.05%，機器人與視覺成長 50.91%。兩者在 2019 到 2020 年間都小幅下滑，這一章認為可能是 COVID-19 疫情的影響。

畢業生去了哪裡

• 2020 年北美新科 AI 博士有 60.24% 進入業界、24.02% 留在學界、1.97% 進入政府部門。業界佔比比 2019 年的 65.7% 下降，但這個失衡已經維持了十年。
• 2020 年變化的一部分原因是更多畢業生離開了北美：畢業即赴海外的人數從 2019 年的 19 人增加到 2020 年的 32 人。
• 2020 年北美新科 AI 博士有 60.5% 是國際學生，略低於 2019 年的 64.3% — 也低於整體計算領域博士的 65.1%。
• 在美國的新科國際 AI 博士中，2020 年有 74.20% 留在美國工作、14.0% 到美國以外就業，高於前一年的 8.6%；其餘 11.80% 去向不明。

他們是誰，幾乎沒有改變

• 2020 年北美新科 AI 博士中女性佔 20.20%，新科資工博士中佔 19.90% — 這個比例自 2010 年以來幾乎沒有移動。
• 2010 到 2020 年間美國本地的新科 AI 博士，人數最多的族群平均為非西語裔白人(65.2%)與亞裔(18.8%)。這十一年間，非西語裔黑人平均約 1.5%、西語裔約 2.9%。
• 單看 2020 年一年：非西語裔白人 50.86%、亞裔 30.17%、西語裔 6.90%、非西語裔黑人 1.72%。
• 整體計算領域博士呈現同樣的形狀：2020 年非西語裔白人 57.50%、亞裔 24.80%、西語裔 4.20%、非西語裔黑人 3.60%。十一年來白人新科博士的佔比變化不大，黑人與西語裔的佔比則仍明顯偏低。