人工智能领域人才培养的问题及对策建议

王明姬

人工智能（AI）是引领国际新一轮科技革命和产业变革的战略性技术。培育AI领域人才优势，既是将我国打造成世界新兴科技创新中心的现实需要，又是在全球前沿颠覆性创新的技术竞争和人才竞争中获得更多主动权的战略重点。当前，AI领域面临人才供需矛盾突出、产业支撑度堪忧、高校培养力不足等问题，难以满足产业发展和国际竞争需要。我国宜立足数字经济时代发展高度，耦合政府、高校、企业三方力量，规模化培养优质人才，建立并保持我国在AI领域未来十年的国际竞争优势。

一、我国AI领域人才培养成效初显

（一）人才总量持续增加，部分领域实力强劲

人才存量接近百万。教育部《2021年人工智能专业人才培养情况调研报告》显示，国内AI领域人才存量约为94.88万，以“青年理工男”居多。其中，70.60%为男性，57.5%在26—35岁之间，77.1%具有本科及以上学历，计算机科学、软件工程、机械设计及自动化、电子信息工程等专业占比近三成。

培养力度持续加大。截至2022年底，已有96所双一流大学、八成以上985院校和近七成211院校设置了AI专业，440个专业点分布全国29个省区市，山东、江苏、北京开设AI本科的高校均超过30所，区域布局与企业分布基本一致。

部分领域实力强劲。据“2022年人工智能全球最具影响力学者榜单”（简称“AI 2000”）显示，2022年我国已成为仅次于美国的世界第二大顶级研究人才集聚地。21个子领域中，我国在信息检索与推荐、多媒体技术两个领域占据榜首，在自然语言处理、芯片技术、机器学习等10余个领域居世界前列。

（二）学术成果量质齐升，多家机构全球领先

论文总量和被引量居世界第一。据美国斯坦福大学发布的《2023年人工智能指数报告》显示，2022年我国AI领域发表论文数占总数的39.8%，被引量占比29.07%，均位居世界第一名。

多家机构位列全球前10。2022年，全球AI领域学术机构综合排名前十名中，国内机构占据前九名，中国科学院、清华大学、中国科学院大学分列前三。全球计算机视觉子领域排名中，前十名均为国内大学及机构；语言处理子领域全球10强中，中国科学院、清华大学、中国科学院大学、北京大学、阿里巴巴5家榜上有名；网页信息检索全球10强中，国内高校有6所，中国科学院力压微软、谷歌位列第一。

（三）培养机制不断创新，育才能力显著增强

通识育才扩展适用广度。如北京大学和清华大学联手建立AI实验班，培育“通识、通智、通用”的复合型领军人才；东南大学实行大类招生、大类培养，本科第一年接受通识教育，后三年再修专业课程。

特色育才凸显学科高度。如西南财经大学培养“AI+金融”复合型人才，深圳大学以产业需求为导向培养应用型人才，武汉大学AI专业开设遥感数据分析与处理课程，北京交通大学开设智能交通平台设计与开发课程等，将学校优势学科与AI融合交叉。

分类育才提升培养精度。如南京大学实施“三三制”，将学生分为学术创新型、创业就业型、交叉复合型三类人才，分别进入科研实验室、创业孵化器及相关企业进行培养，学习解决科研及应用方面的不同问题。

二、AI领域人才面临总量不足、结构错位、培养体系不完善“三难问题”

（一）人才规模供需失衡，拖累产业跃迁

总量缺口将超500万。调研显示，51.2%的企业认为AI领域当前最主要的障碍是专业人才缺乏。据《中国人工智能人才培养报告》预测，2025年国内AI核心产业规模将超4500亿元，带动相关产业规模突破1.6万亿元，人才缺口高达500万。近日，麦肯锡发布报告指出，到2030年，AI给中国带来的潜在价值有望超过1万亿美元，人才需求将从目前的100万增加到600万，但国内人才供应只有三分之一。

“招不够人”成企业最大烦恼。据猎聘《ChatGPT相关领域就业洞察报告》显示，2022年AI新发职位是2018年的2.74倍，人才紧缺指数为1.60，招聘平均年薪32.4万元，比互联网行业高15.43%，算法工程师招聘年薪高达46.40万元。调研发现，AI应届毕业生月薪近2万元，经验丰富的高级人才年薪过百万，多家企业无奈表示“太抢手了，先把人签进来再培养”。

（二）人才素質结构错位，国际竞争力堪忧

结构失衡，创新后劲不足。AI产业链包括基础层（AI芯片、传感器、大数据、云计算等）、技术层（计算机视觉、语音及自然语言处理、机器学习等）、应用层（自动驾驶、机器人、智慧城市等）三部分。当前，国内AI产业和人才分布均呈现倒三角结构，应用型企业多、研发型企业少，技术研发类人才多、提供数据和算法支持的基础层人才短缺，严重影响技术持续创新。

顶尖研究人才不足，领域参差不齐。2022年，我国AI领域顶级研究人才有232人，占全球上榜总数的11.6%，仅为美国（1146人）的1/5。分领域看，机器人学、计算机图形学等子领域的顶级研究人才占比不到1%，计算理论、人机交互两个子领域国内无人上榜。

影响偏弱，应用转化不力。斯坦福大学发布的《AI指数报告》显示，美国AI论文引用次数长期高于我国，虽然2020年我国论文引用次数首次超过美国，但成果转化后的实用技术远不及学术领先。例如，由于不掌握核心算法，国产工业机器人的稳定性、故障率、易用性等关键指标难以达到国际一流水平，高端机器人仍主要依赖进口。

（三）人才培养体系不完善，制约能力提升

课程设置同质化严重。有的高校AI专业与计算机专业课程雷同，课程设置面面俱到；有的高校研究生与本科生课程雷同，机器学习、自然语言处理等课程重复开设；有的高校没有开设体现学校学科特色的交叉类课程。

研究实践创新性匮乏。现有AI教育普遍存在理论多实践少、选题陈旧、考核单一、设备落后等问题，加之顶级专家大多集中在国内名校，普通高校尤其是地方高校师资力量薄弱，培养能解决复杂实践问题的创新人才较难。

三、政策建议

（一）政府层面：提总量、调结构、拓两端

扩大高校招生规模。建议教育部、科技部等部门组织高校和科研院所，共同打造“政策指导+人才培养+课程融合+活动创新”的多层次教育体系。到2025年，再增加200个左右专业点，实现“双一流大学”AI专业全覆盖，专业点布局与产业发展相匹配，逐步缩小人才缺口。

做实基础人才培养。建议国家发展改革委会同有关部门积极引导中职、高职院校开设更多AI专业，与企业联合开发专业教材、完善课程体系、打造实践基地，培养行业所需大批基础性人才，提升服务市场能力。

培养顶级研究人才。建议科技部、财政部、国家自然科学基金委加大对机器人学、计算机图形学、计算理论、人机交互等领域的研发投入，给予更长周期的稳定支持，赋予科研人才更大的技术路线决定权、资源调度权、目标调整权，重点考核成果的前沿性和产业化。鼓励参与国际大科学工程建设，持续提升期刊论文质量和影响力。

（二）高校层面：育大师、重实践、优环境

建立本硕博贯通培养体系。推进分模块本硕博一体化课程建设，本科生以掌握基础知识为主，研究生以掌握学科前沿理论和技术为主，区分学术型和应用型培养方向，以论文、专利、软件著作权等多元化成果作为考核依据。

提升實践创新水平。鼓励教师前往行业龙头企业进修合作，深入了解行业需求和企业研发流程。探索将定期赴企业进修学习纳入教师业绩考核和职称评审标准。

优化学科交叉融合环境。深化AI与基础科学、信息科学、医学、哲学、社会科学等相关学科融合，完善跨学科体制机制建设，鼓励参与学院按贡献大小享有跨学科科研成果的权利。

（三）企业方面：引外智、提内能、拓来源

积极引进国际人才。建议科技部、工业和信息化部牵头建立重点行业专业人才需求预测和跟踪机制，定期向重点企业公开。多种形式聘请外籍专家参与中长期科研项目，优化服务流程，畅通企业申领国际引才政策优惠，有条件的地区实现“免审即享”。

提升现有员工技能。发挥行业协会等多元主体合力，以职业规划、线上课程、体验式学习、认证项目、财务支持等方式提升员工关键技能。

多元拓展人才来源。以数字化转型为契机，聘请第三方团队搭建整体架构并培训企业内员工，或通过战略收购数字型企业获得AI专家团队，填补人才缺口。

（作者单位：国家发展改革委社会所）