智庫 Carnegie China 於二〇二六年九月二十三日發表報告《Who’s Ahead in the Global AI Talent Race?》，以南華早報等媒體後續報道指出：以 NeurIPS 二〇二五年會論文作者為樣本，中國已反超美國，成為全球頂尖人工智慧研究人才最大就業所在地——中國約佔四成一、美國約佔三成四；相對二〇二二年美國約四成六、中國約兩成七的格局已明顯翻轉。來源真實性已驗證：已核對 Carnegie Endowment 官方專題頁與南華早報報道中的關鍵比例、樣本規模與作者訪談引述。

南華早報／Carnegie China：中國反超美國成頂尖 AI 人才最大職場——NeurIPS 樣本約四成一對三成四；本科源自中國者留本國升至近七成

當前沿模型競賽常被簡化成「誰先發佈更大模型」時，這份接續已停運 MacroPolo「Global AI Talent Tracker」的 v3.0 更新，把焦點拉回可量化的人力資本：頂尖研究者在哪裡受教育、在哪裡就業、跨國流動是否仍單向。本文整理報告方法、核心數字，以及對香港與亞洲企業部署私有 AI 的啟示。

一、核心事件：職場占比翻轉，但流動仍向美國淨流入

報告要點與時間線

報告由 Carnegie China 主任 Damien Ma 與楊彬逸（Binyi Yang）撰寫，官方專題頁標示發表於二〇二六年九月二十三日；南華早報於九月二十五日（香港時間）以「中國反超美國成頂尖 AI 職場」為題報道。官網摘要寫明：中美繼續拉開在生產與吸納頂尖 AI 人才上的領先優勢，同時「中國以外亞洲」上升、歐洲乏力。

關鍵數字（以官網與南華早報互核為準）

• 就業所在地（workplace）：報告以資訊圖標示中國約 41%、美國約 34%；作者在方法說明中亦稱，二〇二五年結果支持「中國已超越美國成為領先工作地點」的總體判斷。二〇二二年對照（南華早報引述）約為美國 46%、中國 27%。
• 本科出身（origin）：中國本科出身者佔精英樣本約 57%（較二〇二二年升十一個百分點）；美國本科出身約 13%。
• 留任率：本科在中國完成者、最後在中國就職的比例由二〇二二年約 57% 升至二〇二五年約 69%；美國留任率仍高約 89%。
• 淨流動：即便職場占比翻轉，美國對樣本仍錄得約 +2,145 人淨流入，中國約 -1,729 人淨流出——說明「在中國工作的精英變多」與「願意跨境者仍多流向美國」可同時成立。
• 樣本：NeurIPS 二〇二五年接受約 5,823 篇論文、合共約 25,677 名作者；完整生涯路徑子集超過一萬人（約佔作者四成），與南華早報所引 10,280 人一致量級。

南華早報引述 Ma 稱現象是「push and pull」：中國本土 AI 產業（報道點名 DeepSeek、Moonshot AI 等）薪酬「頗可與矽谷相比」；同時美國對部分 STEM／軍民融合相關簽證收緊，提高跨境流動成本。

二、技術原理深度解析

為何用 NeurIPS 作者當「精英樣本」

報告延續 MacroPolo 方法：以頂尖會議錄用作者作為「領域海豹部隊」的可重複觀測窗口，以便做跨年比較。這並非全球 AI 從業人口普查，而是刻意捕捉發表於 NeurIPS 的研究精英——擅長推進模型能力、效率、對齊與系統工作的那一層。

AI 輔助擴樣與信心邊界

v3.0 用 Claude Code、OpenAI Codex 等工具協助處理逾萬名作者的教育與就業履歷，並以多重一致性檢查重建關鍵計數。作者自陳：對「中國超越美國成為領先工作地點」的總體結論信心較高；對個別履歷實體辦公地、以及歐洲方向的解讀則較謹慎（歐洲在完整路徑樣本與更廣樣本中方向不完全一致）。

「職場領先」≠「淨吸納領先」

對企業與政策制定者，最易誤讀的是把 41%／34% 直接等同「美國已失去人才磁鐵地位」。報告同時顯示美國仍是跨境精英的主要目的地，且樣本淨流入為正。更精確的表述是：中國把更多本土培養的精英留在國內就業，改變了存量職場結構；美國則繼續在跨境增量上佔優。

三、日常應用場景

1. 開發者與技術團隊

代理式編碼與長推理模型讓「人時」與「token 時」同樣昂貴。團隊若依賴單一地區、單一供應商的封閉模型與封閉人才池，在簽證、出口管制或供應鏈震盪時彈性更低。開源／開權重模型與可遷移的評測、資料工程能力，成為對沖。

2. 企業與隱私敏感行業

金融、法律、醫療與政府供應鏈導入生成式 AI 時，模型選擇常與資料駐留、供應商國籍風險綁在一起。人才地理分布的變化，意味著亞洲企業更有機會在本地組建高階研究與對齊團隊，但也必須自行承擔評測、紅隊與合規工程——不能假設「美國實驗室的安全預設」會自動跟著 API 過來。

3. 一般用戶

對終端用戶，職場占比翻轉短期未必改變聊天介面；中期則可能體現為更多中文場景、在地產品與開權重模型選項。同時，跨境研究合作變慢，也可能讓安全標準、評測基準更難全球對齊。

4. 香港與亞洲市場視角

香港位處中美人才與資本交匯點：既能接觸國際前沿工具，也靠近大灣區產業落地。企業若要在本地部署敏感工作流，重點不只是「追哪個品牌的 frontier」，而是能否以可控環境（資料不出境、可稽核日誌、私有微調）吸收兩地人才與模型能力。南韓 KAIST、新加坡 NUS／NTU 在機構排名上升，亦提示亞洲（除中國）正在形成第二層人才節點——對區域招聘與產學合作有實際意義。

四、專業評價與潛在考量

優勢

• 以可公開會議作者重做縱向比較，避免只憑傳聞談「人才戰」。
• 同時公布職場、出身、留任與淨流動，降低單一指標誤導。
• 明確方法局限（自我填報履歷、跨國企業國家歸屬、歐洲樣本敏感），便於讀者保留置信區間。

需要留意的地方

• NeurIPS 精英≠全體 AI 工程師或產品團隊；應用層與 MLOps 人才結構可能不同。
• 「工作國家」對跨國企業可能記在總部國，未必等於研究員實體座位。
• 報道中的產業薪酬比較與簽證敘事屬作者訪談與政策背景，企業決策仍應對照自身招聘數據與合規要求。

結語

Carnegie China 這次更新的核心訊息並非簡單的「美國輸了」，而是：頂尖 AI 研究的就業地圖正在重組——更多中國培養的精英選擇留在國內，使中國成為樣本中最大的職場；美國仍是跨境流動的主要受益者。對香港企業而言，這強化了一條務實路線：以私有、可稽核的部署承接敏感資料與本地工作流，同時用國際模型能力與亞洲人才網絡雙軌並進。

如需在香港部署企業私有 LLM（年費 HK$88,000 起，Dataset → QLoRA/LoRA → 私有 API，100% 數據不出境），可參考 YSK Limited：https://ysk.hk/services/ai-automation ；若要以遠端開發團隊補足產品與整合產能（HK$2,000／月起，一年約、含美國 VPS），亦可了解開發者外判：https://ysk.hk/services/outsourcing 。

參考來源

1. 主要來源：Damien Ma、Binyi Yang，《Who’s Ahead in the Global AI Talent Race?》，Carnegie Endowment for International Peace／Carnegie China，2026-09-23，https://carnegieendowment.org/features/whos-ahead-in-the-global-ai-talent-race
2. 發現／報道：Chong Ming Lee，《China overtakes US as top workplace for elite AI researchers, study finds》，South China Morning Post，2026-09-25，https://www.scmp.com/tech/tech-trends/article/3368809/china-overtakes-us-top-workplace-elite-ai-researchers-study-finds
3. 發現來源：SCMP Technology 新聞室（ysk-blog-ops 鎖定清單 hk／scmp_tech；本小時 RSS 回 429，改以新聞室 HTML 取得標題後核對正文）
4. 文內職場約 41%／34%、本科出身約 57%／13%、留任約 69%（對照美國約 89%）、淨流動約 +2,145／−1,729、NeurIPS 約 5,823 篇／25,677 作者與逾萬人完整路徑子集等，均以 Carnegie 官網專題與南華早報公開數字為準。