新发展阶段下的我国人工智能产业人才培养研究

(工业和信息化部人才交流中心，北京 100846)

0 引言

人工智能是国家战略必争领域，党的十九届五中全会决议、国家“十四五”规划和2035年远景目标纲要均把人工智能列为首要前沿领域。在各方努力下，人工智能和实体经济的深度融合极大地拓展和增强了我国经济的韧性，发展成效显著，具体表现如下：一是技术创新能力增强，一批关键技术实现产业化突破，企业创新主体作用明显；二是产业生态基本形成，人工智能产业链上中下游融通发展，基础层、技术层、应用层相辅相成，推动传统产业高端化、智能化、数字化；三是产业规模不断扩大，依托国内国际市场，国内市场规模优势进一步显现；四是融合应用成效明显，人工智能同各产业深度融合，加速培育新产品、新业态、新模式。

尽管我国人工智能领域发展迅速、成果显著，但产业链供应链基础不牢，68%的人工智能企业布局在应用层，25%的企业布局在技术层，而基础层企业数仅占7%[1]。我国人工智能基础层薄弱，具体表现为芯片大部份依赖进口，国产化算力支撑不足，开源框架受制于国外等，关键环节“卡脖子”风险将制约我国人工智能在全球竞争中的现有优势。

当前，我国进入了新发展阶段，这是在全面建成小康社会、实现第一个百年奋斗目标之后，全面建设社会主义现代化国家、向第二个百年奋斗目标进军的发展阶段。高质量发展是该阶段的新发展主题[2]，要继续发挥人工智能推动我国经济高质量发展的作用。解决当前人工智能“卡脖子”问题，关键在于人才。因此，研究新发展阶段下的我国人工智能产业人才培养问题具有重要的现实意义。

鉴于此，本文基于人工智能产业人才的相关学术论文、政策文件、研究报告和实践案例等，综合运用文献综述法与大数据分析法，分析研究当前我国人工智能产业人才发展现状、人才培养实践及存在的问题，提出我国人工智能产业人才培养的立足点，以此推动解决我国人工智能产业人才供需不匹配、结构不合理等问题，更好地适应新发展阶段人才需求。

1 当前我国人工智能产业人才发展现状

人才是强国之本、竞争之基、转型之要。在推动人工智能产业从兴起到快速发展的过程中，人才是其中最为关键的因素。人才队伍的质量、水平和规模，决定着人工智能发展的高度。研究我国人工智能产业人才培养问题，首先需要厘清人工智能产业人才的内涵与分类。产业人才是指某个特定产业发展不可或缺的全产业链各类人才的集合。

由于不同产业的属性和特征不同，支撑产业发展的人才特征也不相同[3]。按照当前人工智能领域产业应用的实际情况，可以将人工智能产业人才的结构定义为四层次金字塔结构：一是研究创新人才，该层次属于人才结构中的顶尖人才，致力于推动和实现人工智能前沿技术与核心理论的创新与突破；二是产业研发人才，该层次人才能够将人工智能前沿理论与实际算法模型开发实现结合；三是行业应用人才，该层次人才能够将人工智能算法、工具、产品与行业需求相结合并实现推进落地应用；四是实用技能人才，该层次属于人才结构的基础人才，能够理解人工智能基础理论并对关键技能和实用方法都有所掌握[4]。第一类人才属于研究型人才，后三类人才属于技术技能型人才，本文从广义上对这两类人才的现状及问题进行研究与分析。

1.1 人工智能研究人才

人工智能研究人才是推动和实现人工智能前沿技术与核心理论的创新与突破的关键人才。本文借助AMiner大数据平台，选取了包括经典AI(AAAI/IJCAI)、机器学习、计算机视觉、自然语言处理、机器人、知识工程、语音识别等20个人工智能子领域，选取每个细分领域近十年最有影响力的会议和期刊发表论文的引用情况全球排名靠前的100人，共计1834人(其中有164人分属于多个子领域)进行人工智能顶尖研究人才进行分析(见图1)。

图1 全球人工智能领域顶尖研究人才国家分布图

从人才数量看，我国拥有174位人工智能顶尖研究人才。尽管我国顶尖研究人才数量上排名第二，但与美国人才储备量相差较大。从174位人工智能顶尖研究人才的机构分布来看，前六名机构为清华大学、浙江大学、香港中文大学、北京大学、中国科学院、香港科技大学，说明高校在人工智能基础研究方面具备得天独厚的优势。而阿里巴巴、华为、字节跳动、腾讯、百度等企业也有一定数量的顶尖研究人才，在人工智能科研创新等方面展现了相当的实力。从人才研究水平来看，在中国的174位人工智能顶尖研究人才中，h-index在60以上的人才共42人，占总数的21.43%[1]，而该比例低于研究涉及国家的平均水平，并且在计算机理论、人机交互、知识工程等重要领域尚未有顶尖人才，说明需要对此领域加强科研攻关、技术突破及研究人才培养。

1.2 人工智能技术技能人才

随着人工智能技术的不断发展，人工智能技术技能人才队伍建设更加受到重视。经过长期的人力资本积累，当前我国人工智能技术技能人才队伍显现出3方面新特征：一是人力资本结构高级化。人力资本结构高级化主要表现是高教育程度的人力资本比重不断上升。人工智能产业属于知识密集型产业，从业人员教育程度处于较高水平。其中，高职学历占比为22.4%,本科占比为68.2%，研究生及以上占比9.4%[1]。人力资本结构高级化与产业升级转型的动态匹配将进一步推动经济高质量发展。二是新业态、新模式催生新职业。受产业结构升级转型、科技创新能力提升、信息化普及等因素影响，以“人工智能工程技术人员”“人工智能训练师”等为代表的新职业不断涌现。人工智能新职业的出现对人才知识、素质、能力提出了新要求，对提高人才技能、引领产业发展、促进高质量就业、增强对新职业从业人员的社会认同度等都具有重要意义。三是创新型、复合型、应用型人才需求增加。人工智能作为一种革命性、融合性技术，要求人才具备源头创新能力、解决关键技术难题能力、行业融合应用能力。因此，随着人工智能与实体经济的融合深入推进，创新型、复合型、应用型人才需求必然持续增加。

2 从人才供给角度分析我国人工智能产业人才的培养实践

2.1 院校培养

当前，院校仍然是我国人工智能人才供给的主要力量。在新形势下，我国院校人工智能的人才培养主要呈现两大特点，一是多学科融合培养趋势明显，二是适应新技术、新产业的专业建设步伐加快。从我国院校专业设置来看，计算机类、电子类、自动化类、通信类、数学类都是培育人工智能人才的重要专业来源。人才培养模式主要有3类：一是以计算机类学科为支撑的人才培养模式；二是在计算机类学科的基础上设置人工智能专业方向的人才培养模式；三是开设人工智能本科专业的人才培养模式[1]。前两种模式是当前我国院校人工智能人才培养的主要方式，但随着技术与产业对人才的需求更加聚焦，学科专业调整是适应经济社会发展需求和产业升级的必然要求，“人工智能”相关专业呼之欲出。高等教育层次上，2019年人工智能被列入新增审批本科专业名单，全国共有35所高校获首批建设资格，2020年有180所高校新增人工智能本科专业，2021年又有130所高校新增人工智能本科专业，人工智能成为高校新增热门专业。职业教育层次上，2020年全国共有173所高职院校获批开设“人工智能技术服务”专业。除了学科层面上增设人工智能相关专业，普通高等院校和职业院校纷纷适应人工智能发展需求，对相关专业的教学与课程体系进行探索实践[5]。

2.2 企业培养

人工智能技术具有极强的综合性和应用性，其最终的发展目标是与行业结合，走向市场应用。因此，企业在人才培养中具备把握行业发展方向，明晰行业标准、制造过程以及服务标准等方面的天然优势[6]。企业参与人才培养，一方面通过内部岗位实践提升从业人员素质与能力，这是当前企业人才培养的主要方式，数量最多，规模最大；另一方面通过产学研合作的方式将自身的资源与能力优势整合到其他主体的人才培养过程中，这种整合帮助其他主体积极应对人工智能领域复杂、快速变化的知识与能力要求。当前，企业赋能其他人才培养主体主要有两种模式：一是与国内顶尖高校合作，成立人工智能教学与研究机构，提高人工智能科研及研究人才培养，主攻人工智能基础研究，包括数理基础、认知科学基础、智能感知、机器学习、类脑计算、人工智能治理以及智能医疗、智能社会等方面，旨在加强关键核心技术科技攻关，培养并输出具备人工智能基础研究能力的研究人才。二是加强人才的联合培养，行业龙头企业将自身所拥有的软硬件条件、算力、代码案例、行业脱敏数据及相关课程等赋能给院校、培训机构等使用，加快产业需求与人才培养的对接。

3 存在的主要问题

3.1 人才供需失衡、结构短缺矛盾突出

根据工业和信息化部人才交流中心对我国人工智能领域产业人才的需求预测，预计到2022年，人工智能领域产业人才缺口为48万左右[1]，人才供需失衡将成为制约产业良性发展的重要因素。此外，人才结构性短缺矛盾突出，关键人才急需紧缺趋势明显。一方面顶尖研究人才、核心技术人才等高端人才缺乏，不利于人工智能基础理论与产品的突破；另一方面复合型岗位人才短缺，当前人工智能存量人才主要是从互联网、软件、IT服务等行业中转岗进入人工智能领域，既懂人工智能又有行业经验的复合型人才较少。这种现实阻碍了人工智能技术商业化的落地，也在一定程度上限制了我国人工智能赋能实体经济的进程。

3.2 人才供给侧和产业需求侧“两张皮”问题亟待解决

“两张皮”问题具体表现为：一是学科专业建设与产业升级转型不适应。例如，当前人工智能人才培养工作主要分散在多个一级学科[7]，人工智能学科建设与发展仍处于规模扩张的外延式发展阶段，人才培养教学体系主要依托相近专业进行资源整合，并没有针对人工智能领域发展需求进行系统再开发，人才培养体系尚不健全，院校人才供给难以满足产业需求。二是人才培养与企业实际需求脱节。人工智能行业作为一个新兴领域，人才知识、技能的培养门槛较高，但当前人才培养主要依靠高校和研究机构，与企业需求存在严重脱节情况，需要进一步整合人工智能产业链、价值链和创新链，建立多层次的产业人才培育载体以满足产业发展对人才的实际需求[8]。

4 我国人工智能产业人才培养立足点

“十四五”时期，我国将开启全面建设社会主义现代化国家新征程，进入到新发展阶段。站在新的奋斗起点上，各方需要重新审视人工智能产业人才培养的重大任务。我国人工智能产业人才培养应围绕国家战略、坚持产业导向、强化知识融合、加强技能提升等立足点，以更好地适应新发展阶段人才需求。

4.1 围绕国家战略

当今世界正经历百年未有之大变局，我国经济社会发展进入新发展阶段，人才培养应该深刻理解国家发展需求及国际竞争格局。随着“十四五”规划纲要的发布，以人工智能为代表的新一代信息技术将继续成为我国推动经济高质量发展、建设创新型国家核心的驱动力之一。在国家重大战略需求面前，一方面，围绕人工智能核心环节，培养能够深耕芯片、工具和平台方面的人才，加快关键技术攻关，缩小我国与人工智能领域国际最先进水平国家的差距[9]；另一方面，发挥我国产业独特优势，提高劳动者人工智能技能水平，推动人力资本积累。

4.2 坚持产业导向

人工智能产业人才培养的迫切性，主要源于人工智能领域蓬勃发展对人工智能人才的旺盛需求。作为人才供给方的院校、企业、社会机构等，在人才培养过程中应该坚持以产业需求为导向，以产业和技术发展的最新成果推动人才培养改革，在开放、复杂的知识网络中进行人才培养模式的创新，发挥产学研协同育人的生态效益，加快人工智能领域的产业技术资源与成果向教学资源的转化，实现人工智能的发展需求与人才培养需求的有效对接，做好人才培养体系建设。

4.3 强化知识融合

人工智能跨学科、应用性强的特点决定了人才培养过程中要坚持知识融合的原则。在人工智能产业人才培养中存在两种路径，即“人工智能+X”和“X+人工智能”[10]，前者强调借鉴其他学科的方法与模型提升人工智能领域的研究与应用深度，后者强调使用人工智能的方法与技术挖掘本领域的知识潜能。两种知识融合的方式将能够显著提高人才的广泛适应能力、快速应变能力和可持续竞争力。

4.4 加强技能提升

技能提升是适应新技术、新产业、新模式、新职业发展的必然要求。人工智能产业人才的岗位能力需要在实践中锻炼、在项目中提升。加强技能提升，关键要发挥企业在技能提升的主体作用，结合技术改造、关键核心技术攻关等工作任务，创新人才技能提升的内容与形式，不断增强企业适应新技术、新知识的能力。

5 结束语

作为引领未来的战略性技术，人工智能具有显著的溢出效应。在新发展阶段下，要发挥政府、企业、高校、科研院所、社会机构等各方的资源优势，加快人工智能产业人才培养。在此，提出以下建议。

(1)政府多部门联合进行顶层设计，完善政策支持体系。教育、科技、工业和信息化、人力资源社会保障等部门应加强顶层设计，围绕人工智能领域人才队伍建设任务，完善学科专业动态调整、重点科研项目攻关、人才标准体系建设、人才评价规范、行业紧缺人才培养的政策支持体系，提升人才链、创新链整体效能。

(2)突出需求牵引，优化人才培养结构。加快推进产业创新体系与学科专业体系建设的有机结合，一方面动态调整学科专业，切实支持关键领域核心技术的研发和人才培养；另一方面，调动企业参与人才培养积极性，加快推动产学研协同育人，推动人才标准落地应用，促进人才培养供给侧和产业需求侧结构要素全方位融合。

(3)统筹协调资源，加强行业紧缺人才培训。以需求为导向，围绕人才培养标准，以技能提升为目标，集聚一批链主企业、专业人才机构、网络培训平台等核心力量，围绕人工智能岗位能力开展紧缺人才培训，夯实人才要素对现代产业体系建立的重要作用，有效解决产业急需、紧缺人才的供需问题。