新創企業為吸引人才，常會端出這句話：給我們一個機會，如果公司成功會讓你「很有錢」。現在科技產業巨擘為吸引 AI 人才，也開始撒錢搶人，導致學術界教授出走，中小型企業向海外人才招手，且 AI 人才短缺現象還會持續好幾年。
紐約時報（The New York Times）訪問 9 位在美國大企業從事 AI 技術開發的人表示，一般 AI 專家包括剛畢業的博士，以及教育程度較低但有幾年經驗的人，可拿到的總報酬從每年 30 萬美元到 50 萬美元。知名專家 4~5 年時間可拿到上百萬或上千萬元報酬，並可重新議約，很像專業運動員的做法。
最頂尖的是 AI 計畫負責人，自 2007 年起加入 Google 的自駕車部門主管 Anthony Levandowski 在去年加入 Uber 前，於 Google 賺到 1.2 億美元報酬。科技產業競逐 AI 人才導致報酬急速上升，業界甚至認為科技業也需要國家足球聯盟式的薪資上限。
薪資急速上升的原因還有其他產業加入競爭，如汽車業。網路公司如 Facebook 與 Google 不怕撒錢，且他們認為 AI 可幫助他們開發數位助理，以及家庭智慧裝置，並發現不適當內容。
但是，人才難尋。根據蒙特婁獨立實驗室 Element AI 的說法，全世界不到 1 萬人擁有處理 AI 研究所需的技能。卡內基梅隆大學電腦科學系院長 Andrew Moore 表示，「高薪競逐人才的現象不一定對社會有好處，但這些公司這樣做是出於理性的行為，因為他們急於確保自己擁有 AI 技術團隊。」
DeepMind 在 2014 年被 Google 收購時，員工約 50 人，去年擴大到 400 人，人事成本總計 1.38 億美元，平均每位員工成本要 34.5 萬美元。其他公司很難與大公司競爭。
人工智慧研究是基於一組稱為深層神經網路的數學技術。這些網路是透過分析數據來學習任務的數學算法。例如，透過尋找數百萬張狗照片的圖案，神經網路可學習如何辨識狗，這個數學思想可追溯到 1950 年代。
2013 年，Google、Facebook 等幾家公司開始招聘這類技術的研究人員。現在，神經網路有助於辨識發表到 Facebook 照片中的臉部，辨識像 Amazon Echo 這樣的客廳數位助理所使用的命令，並即時翻譯 Microsoft Skype 電話服務的外語。
使用相同的數學技術，研究人員正在改進自駕車，開發可以辨識醫學掃描中的疾病，數位助理不僅可辨識口語，還可以理解，自動化股票交易系統和機器人可以辨識從未見過的物件。
除了少數 AI 專家，大型科技公司也聘請最好和最聰明的學術界人士，使學術界也出現教授短缺的現象。如 2015 年 Uber 挖角 40 名來自卡內基美隆大學的 AI 教授替 Uber 開發自駕車項目，過去幾年，4 名史丹佛大學的 AI 學者離職或請假前往業界，華盛頓大學 20 名 AI 教授中有 6 人現在休假為外面企業工作。
華盛頓大學的 Luke Zettlemoyer 拒絕 Google 西雅圖實驗室提出高 3 倍薪水，約 18 萬美元合約，Zettlemoyer 選擇微軟創辦人之一保羅艾倫創辦的 AI 艾倫研究所，因為艾倫研究所讓他繼續教學工作。
為了培養 AI 工程師，Google 和 Facebook 等公司正在開展課程，旨在向現有員工傳授深入學習和相關技術。非營利組織 Fast.ai 和由前史丹佛大學教授創建的 Deeplearning.ai 等公司則提供線上課程。
報導指出，深入學習的基本概念並不難理解，只需要高中數學程度，但真正的專家需要更強大的數學能力和天分，有些人稱之為黑暗的藝術，如自駕車、機器人和醫療保健等領域都需要特殊知識。
規模較小的企業為了保持競爭力，正在從不同地方找人才。有些企業招聘具有必要數學技能的物理學家和天文學家，美國的其他新創企業從亞洲、東歐和其他薪資較低的地方找人才。但仍躲不過科技業巨獸的競爭，Google、Facebook、微軟在世界各地設立實驗室，如加拿大多倫多和蒙特婁實驗室，研究觸角也深入海外，如 Google 也在中國招聘人才。
根據彭博（Bloomberg）報導，2013 年到 2016 年中國創投資金上漲 10 倍，達到 500 億美元，為搶人才挹注龐大資金，現在中國最資深的 AI 人才可要求一年 100 萬到 200 萬美元報酬，當中大多是股票，甚至有一家新創企業開出 4 年 3 千萬美元報酬。
培育一個博士需要很多年，但現在需求大於供給的現象只會愈來愈明顯，因此很多人認為，人才短缺現象很難在幾年內緩解。
- Tech Giants Are Paying Huge Salaries for Scarce A.I. Talent
- This Startup Is Luring Top Talent With $3 Million Pay Packages
（首圖來源：Flickr/Akash Kataruka CC BY 2.0）