面向产业需求的高校人工智能人才培养研究

胥 帅，关东海，许建秋，燕雪峰，夏 彬，江 伟

（1.南京航空航天大学计算机科学与技术学院，江苏南京 211106；2.南京邮电大学计算机学院，江苏南京 210023；3.南京汉德数字孪生技术研究院有限公司，江苏南京 211800）

0 引言

当前，人工智能产业的发展如火如荼，地方经济对人工智能产业的依赖日益加深，培养与产业需求相适应的人工智能人才成为高等院校的重要任务。自2018 年全国首批35 所高校获准开设人工智能本科专业以来，近两年教育部公布的高校新增本科专业名单中备案数量最多的便是人工智能，2021 年国内开设人工智能本科专业的高校已达345 所。脱胎于传统计算机学科的人工智能专业无论在人才培养目标、培养方案还是课程体系建设上均不完善。在数字产业化和产业数字化的转型压力下，无论是新兴行业还是传统领域，均对人工智能人才的要求愈发严苛。高校输送相关专业本科毕业生技能水平与企业所需人才之间的沟壑逐渐拉大，人工智能专业人才缺口随之凸显。

产业界到底需要什么样的人工智能人才？高校该如何调整人工智能专业本科人才的培养计划？带着对这些问题的思考，2021 年4 月10 日，中国计算机学会青年计算机科技论坛“以人工智能专业建设助力南京打造人工智能产业地标”为主题举办了一场技术论坛，来自南京大学、南京航空航天大学、南京理工大学、南京邮电大学等近10 所高校人工智能相关专业的教学院长、一线教师，以及20 余位来自本地企业和新型研发机构的行业专家参与了此次论坛。

在总结归纳本次论坛内容的基础上，本文围绕面向行业场景的人工智能专业本科人才培养方略，依次分析人才需求端与供给端现状，提出将产业需求与培养标准结合起来，通过引产入教等一系列措施，探索基于实训教学的人工智能人才培养方向。

1 相关研究

1.1 人工智能本科教育存在的不足与对策

人工智能学科旨在培养研究智能系统基本理论、算法设计以及系统建设等问题的高级复合型专业人才。自2018 年全国首批35 所高校开设人工智能本科专业以来，诸多高校增设人工智能专业并逐步扩张办学规模，力争快速有效地补齐人工智能人才缺口。然而，由于人工智能专业核心课程理论性非常强，不少高校在教学设计中存在重理论、轻实践的问题，导致学生理论学习能力强、实践动手能力弱。究其原因，主要有以下3 个方面：①教学过程忽视了学生的工程实践能力培养；②工程实践机会较少，制约了学生工程实践能力的提升；③有企业工作经验的应用型教师紧缺。

鉴于人工智能学科的特点，学生工程实践能力培养必须与行业应用场景相结合。因此，设置人工智能前沿技术系列课程，建设能够贯穿本科阶段的实践实训平台至关重要。一种行之有效的途径是与知名企业合作开发在线学习与实验平台，配套行业教学案例，提供使用教程、算法算力、数据集和云计算一体化编程环境，从而加深学生对于行业标准的理解与使用。

1.2 人工智能课程与教学模式改革探索

当前，设立人工智能专业的高校一般根据自身学科特点、优势以及人才培养目标，依托计算机、电子、软件、自动化、大数据等专业基础，按照新一代人工智能的发展趋势和应用特点开设人工智能基础课程，并拓展专业课程，延伸专业应用，从而获得新的专业特色和优势。一些院校在设置人工智能专业课程时注重融入该领域的最新科研成果，使学生在掌握模型和算法原理的基础上，通过实验平台搭建、编程实践和实验结果分析深入体验科研过程，并在交流协作、创新思考环节中获得学术研究的方法与经验。

在教学模式方面，智慧教学近年来被广泛采用，并成为促进我国高等教育高质量发展的重要手段。所谓智慧教学，其实质是利用人工智能技术（如大数据、知识图谱、机器视觉、自然语言处理等）构建教学和实验平台，在落实知识点教授的基础上聚焦学生的个性化需求，提高其应用人工智能技术解决实际问题的能力。教学模式改革的一个突破口是依托科研立项培养创新型人才，这有助于改变传统教学模式下只注重知识点和理论灌输，而忽视学生实践和创新能力培养的局面。

1.3 人工智能人才校企合作培养举措

随着人工智能应用的大规模落地，企业对产业研发、应用开发和实用技能人才的需求越来越迫切。在此背景下，高校应借助企业优势，突破浮于表面的短期合作行为，将校企合作扎实落地并持续推进，培养出产业急需的工程应用型人才。一方面，作为人才供给侧，高校应积极与企业联合，促使自身研发的技术尽快转化为实际生产力，建立和完善产学研科技创新合作机制，创建高校、企业项目创新联合平台，为打造完整的人工智能高级人才生态圈奠定基础；另一方面，作为人才需求侧，企业应努力打破机制障碍，真正参与到高校专业建设与人才培养体系的每一个环节，实现全方位深度融合、多主体协同育人。

现阶段，校企合作往往形大于质，且多围绕学生技能培训平台和人工智能产品展示中心开展合作，在企业应当深度参与的课程资源打造、校企合作双师型师资团队建设、高校人工智能人才培养服务地方经济发展等方面存在不足，引产入教理念并未得到真正践行。

本文在总结相关研究的基础上，结合实际案例分析现阶段供需双方在培养人工智能应用型人才方面的探索与尝试，围绕上述不足探讨高校如何面向产业需求培养人工智能人才，为切实践行引产入教理念提出建议，最后介绍南京本地高校的初步实施效果。

2 产业端人才缺口特征与工具链建设

《人工智能产业人才发展报告（2019-2020 年版）》指出：随着人工智能技术的发展，相关产业研发、应用开发和实用技能人才的需求将会呈现井喷态势。然而，我国人工智能人才储备不足且培养机制尚未完善，现有人才培养模式难以适应产业发展需求，人才供需比严重失衡，预计有效人才缺口已达30万人。

2.1 人才缺口特征

2020 年3 月，工业和信息化部人才交流中心牵头制定的《人工智能产业人才岗位能力要求》将人工智能产业人才按照专业素养与技术能力划分为4 个类别，按照人才数量递增顺序依次为源头创新人才、产业研发人才、应用开发人才和实用技能人才。图1 通过金字塔的形式形象展示了该遴选标准下我国人工智能产业的人才结构。

Fig.1 Talent distribution structure of AI industry in China图1 我国人工智能产业人才分布结构

从图1 可以看出，当前我国人工智能人才主要集中在应用层（61.8%）和技术层（34.9%），以源头创新人才为主的基础层占比极少。李国杰院士曾表示，任何行业技术人才的构成都符合金字塔结构，硕士、博士学历人才仅对应上层部分的少数群体，本科、专科学历为主的中下层技术人员才是行业主力军。虽然实用技能人才和应用开发人才占据了人工智能人才结构的绝大部分，但考虑到本科毕业生的知识技能与行业场景无法有效对接，高校人才供给总体上仍处于较低水平。

以南京市软件大道高新技术企业群为例，诸多人工智能领域的创业公司面临招人困难、用人紧缺的困难局面，原因有两个方面：①近两年来人工智能初创企业如雨后春笋般冒出，企业招聘需求在短时间内爆发，高校作为主要人才供给端，相关专业人才输出跟不上企业用人需求；②毕业生初入职场，对于行业应用场景不熟悉，企业需耗费大量资源进行针对性培训，导致时间和资金成本明显增加，研发进度被迫延误。与此同时，部分毕业生的知识储备和技能水平与企业期望存在差距，在实践中多扮演算法“调参侠”角色，缺乏对数据和特征的深入了解。

2.2 面向行业场景的工具链建设

工具链是填补应用型人才缺口的重要帮手，通过打造针对行业场景的工具链，提供容易掌握的成套抽象化工具，可大幅度降低人工智能的应用人才门槛，缩短企业对于毕业生的培训周期。

以南京飞灵智能科技有限公司（以下简称飞灵科技）为例，为帮助本科生提升专业技能、熟悉人工智能技术在真实生产环境下的应用，飞灵科技建设了人工智能教学平台，围绕以下3 个方面打造人才培训工具链：①搭建基于Python 语言的教学实验平台，主打理论+实验，搭配动手实验帮助学生理解机器学习、深度学习领域典型算法的应用场景。通过提供清晰、简明的帮助文档，协助学生更好地使用第三方库，使其知其然更知其所以然，提高自主学习能力。飞灵科技还构建了基于人工智能主流应用框架（如Tensorflow、Pytorch、Caffe 等）的交互式学习平台，有助于学生掌握主流生态，了解行业现状，对接企业需求；②打造行业场景教学案例。通过将医疗、金融、制造、零售领域的行业需求打造为具体案例（例如利用机器视觉技术解决高铁关键零部件的故障诊断和预警、利用无人机结合人工智能技术实现输电、配电、风电巡检等），帮助学生理解算法价值，明确不同技术的应用场景；③提供全流程开发指导。针对不同行业案例，将数据采集、清洗、标注，模型训练、调用，边缘端部署等一系列流程部署到教学实验平台，帮助学生理解面向行业场景进行应用开发的全过程。人工智能人才培养的主流生态和工具链如图2所示。

Fig.2 Mainstream ecology and tool chain of AI talent training图2 人工智能人才培养的主流生态和工具链

3 高校人工智能人才培养模式探索

作为专业人才培养的重要阵地，高校如何将人工智能的人才输出匹配真实产业场景，培养出符合企业期望的专业技能应用型人才，成为其教学实践过程中需要认真思考的问题。

3.1 专业课程体系建设

人工智能专业曾是计算机学科的一个分支，但课程知识体系、人才培养目标有所不同。目前，各高校对于这一新兴专业的人才培养目标、培养方式、课程体系建设等具体细节的考量尚不全面，仍处于论证阶段。人工智能专业课程体系建设没有现成模板可套，各高校一般注重跨学科方法与计算机科学的融合应用，突出计算机的主干作用，在此基础上围绕人工智能两大核心应用领域（自然语言处理和视听觉信息处理）开设专业课程，然后结合高校特色开展人工智能应用实践，最终形成如图3 所示的专业课程体系。

Fig.3 Common AI curriculum system in universities of China图3 我国高校人工智能专业课程体系

然而，从事人工智能专业教学和科研的教师大多从计算机、自动化等专业转型而来，并无参与人工智能系统研发的经验且产业实践能力不足，缺乏相关应用背景和计算思维，不能有效进行人工智能驱动的理论分析与技术应用，这一点在相当长一段时间内不会有根本改善。师资缺失已然成为掣肘高校人工智能人才培养的关键因素。

3.2 行业应用场景对接

融合案例教学、项目式教学的方法会在一定程度上影响学生形成并运用其知识体系的方式。将学校的特色研究与应用经修订后引入到人工智能课程以及实践项目中，保证学生在实践中接触到最真实的案例。通过将人工智能理论与技术应用于行业具体问题中，达到面向行业场景的人工智能人才培养目标。

以南京航空航天大学为例，该校正逐步探索一条具有“航空、航天、民航”特色的创新型人才培养道路，重构以人工智能为核心的知识体系。该校设立的人工智能创新班、航空航天类人工智能复合班培养的本科生在掌握人工智能核心能力的基础上，还需要了解学科交叉知识，强化在航空航天领域解决实际问题的能力，例如通过对飞行器及相关学科的学习，能够将所学知识运用到无人航天器的感知决策中，实现航天器在陌生环境下的自主避障与路线规划。

4 基于实训教学的校企协同育人措施

面向行业场景的人工智能专业本科人才培养亟需高校主动促进与产业界之间的联系，围绕自身特色完善专业软环境建设，脚踏实地地在制度和管理上为产学融合提供保障。可借鉴企业人才培养思路，按照“反向设计，正向施工”的思路，明确人工智能本科生的培养目标和毕业要求，制定出满足企业需求的工程应用型人才培养方案。

4.1 引产入教，开展实训教学

引产入教是为了充分发挥高校和企业的资源优势，促进理论知识教学与企业生产实践紧密结合，提高学生发现问题、思考问题、解决问题的能力，增强其在科研活动中的创造力，实现校企协同育人，达到三方共赢。

在人才培养的大方向上可由企业提出要求，高校协助培养。通过定制化培养，将企业所需知识嵌入到教学内容中，还可聘请企业专家走进课堂，通过业务介绍、技术报告等多种形式使学生把握专业技能方向，从而针对性提升自身竞争力，拓宽就业渠道。

在实训教学方面可将教学内容与热点应用场景相结合，一方面能提高学生的学习兴趣与积极性，另一方面有助于其快速熟悉业务场景，缩短人才供给端与需求端的距离。提倡分层次、有梯度地设置实验目标，循序渐进地引导学生，杜绝“短平快”的实验教学方式。

此外，应鼓励学生组队参加企业发起的人工智能应用竞赛。在传统教学的基础上，融入竞赛机制以及人工智能新主题，使学生在完成竞赛项目的同时逐步提升实践技能。运用形式多样的人工智能模型与算法，使学生分析与挖掘来自真实场景的数据，有助于锻炼其分析问题、解决问题的能力，达到以赛促学的目的。与此同时，发起应用竞赛的企业能从优胜方案中汲取成功经验，优化产品落地的实际性能，推动高校人才培养与前沿技术发展接轨，实现校企双赢。

4.2 立足特色，打造样板案例

立足特色的实质是发挥高校优势学科地位，在特定领域培养优秀人才，服务地方经济。具有行业特色的高校自诞生起就被赋予行业属性，具有区别于其他高校的特色，该类高校应结合自身优势，推进形成与产业发展需求相适应的校企合作典范。

高校人工智能人才培养应以地域内高新技术产业的需求为基础，以人工智能技术应用为目的不断创新，以推动地区经济发展。以南京邮电大学人工智能学院为例，其专业设置、人才培养与智能电网紧密结合，学院与国家电网江苏分公司展开深入合作，与电力行业深度对接，旨在培养智能电网信息工程及相关领域从事设计、研发、运行维护与管理等工作的专门技术人才，树立南京邮电大学在人工智能行业的标杆。

4.3 开放办学，优化师资队伍

开放办学并不是简单地联合企业促进学生就业，还包括企业（甚至包括企业的甲方、开发者、企业面对的需求方）参与人才培养方案制定、课程设置、教学资源建设、课内外实践体系及项目构建、实习就业岗位提供以及师资培训等多个办学环节。对于师资力量培训而言，可探索实施校企师资互动机制，注重“请进来，走出去”相结合。一方面，企业向高校输送企业导师，提供技能培训、教材编撰等资源，突出实训教学的重要性，提高应用场景的针对性；另一方面，高校教师通过师资培训的方式向企业取经，丰富自身在教学过程中的实践经验和案例资源，面向行业场景提升人才培养的质量和效率。

以南京航空航天大学人工智能学院为例，其通过企业出题、教师解题、学生做题模式，联合华为、海尔、曙光等知名企业，已连续两年开展企业项目式暑期实训计划。这一方面有助于打通实践环节壁垒，提高学生利用人工智能模型与算法解决实际工程问题的能力；另一方面为从事人工智能专业教学和科研的教师队伍提供了与企业面对面交流的契机，方便其接触人工智能技术预研和管理中的攻关课题，进而提升其面向行业场景的教学能力。

5 结语

企业需求是高校培养人才的重要动力。目前，高校在人才培养环节更注重理论教学，而产业界更注重项目实践，人才供给端与需求端难以有效对接。针对该问题，高校应与企业相辅相成，教学相长，营造良好的校企协同环境，缩短人才供给端与需求端的距离，共育人工智能英才。此外，在高校形成与人工智能产业发展需求相适应的课程体系过程中，企业应提供先进的生产实践环境与数据，协助教师吸引和指导学生参与项目实践。通过合理协调理论与实训教学之间的关系，人工智能人才供需链的所有环节均将受益。