其中的原因，可以参考浙江大学中国科教战略研究院副院长张炜的说法：“我国人工智能人才缺口高达500万，而且这一缺口数据完全是一个动态的概念。人工智能已经覆盖到各行各业，人才缺口将会长期存在。”

　　正是人才短缺的动态化，每个时期的人才诉求不尽相同。在人工智能浪潮最为火热的时候，许多大厂都在抢夺算法人才；而当人工智能走向产业应用时，高素质技能人才的稀缺逐渐被人们所关注。

　　日前举办的首届世界职业技术教育发展大会上，让外界看到了新的可能：当越来越多的职业技能人才“涌入”人工智能，技术创新不问出处的新时代正在抵近，人工智能的人才缺口似乎有了系统性的解决方案。

　　北宋理学先驱胡瑗在《松滋儒学记》中留下了这样一句名言：“致天下之治者在人才”。同样的道理，也适用于人工智能的全球竞赛。

　　自从人工智能的第三次浪潮出现，美国、中国、日本、英国等均围绕AI人才培养制定了详细的战略政策和产业规划，并在人才培养的理念上达成了自上而下四个层级的“隐性”共识：

　　第二层是产业研发人才，能够将人工智能的前沿理论打造为解决问题的算法模型；

　　最底层的是实用技能人才，理解人工智能技术的基本理念并能够结合特定的应用场景进行落地。

　　理想的人才结构应该是典型的金字塔模型，可国内当前的人才结构却呈现出了两头缺的局面。

　　知名机构Element AI曾在2020年发布的《全球人工智能人才报告》中以ArXiv上发表AI论文为依据对比不同国家的AI人才储备：来自美国的人才占比为47.89%，遥遥领先于世界上的其他国家；尽管来自中国的AI人才数量排名第二，整体占比只有11.43%，和美国仍然有不小的差距。

　　而在500万的人才缺口中，很大一部分属于活跃在生产一线的技术应用型人才，简单来说就是既懂专业技术又懂人工智能的复合型人才，也是许多大厂工程师被迫到工厂中调试代码的直接诱因。如果说创新研发人才影响着人工智能的高度，技术应用人才决定了AI应用的广度。

　　一是国内AI研究起步晚的事实。人工智能的起步可以溯源到1956年的达特茅斯会议，即便中间的两次人工智能浪潮无疾而终，可麻省理工、斯坦福、卡内基梅隆等高校纷纷在上世纪五六十年代创办了人工智能技术相关的实验室，国内直到1990年才在清华大学成立智能技术与系统国家重点实验室。

　　二是国内AI人才培养的失衡。2018年前后曾出现科技大厂抢夺学术大牛的现象，不少高校纷纷开设人工智能专业，以至于80%的人才属于算法人才，他们毕业于知名高校，有着扎实的理论基础和编程能力，可让人工智能落地到产线的数字化蓝领人才和应用人才，仍然处于匮乏且滞后的状态。

　　教育部出台了《高等学校人工智能创新行动计划》《关于加快场景创新以人工智能高水平应用促进经济高质量发展的指导意见》等一系列文件，试图加速国内高校对人工智能专业人才的培养，同时号召以产学研的形式加快科技成果的转化；百度代表的人工智能企业，纷纷以教材、课程、比赛等方式推动人工智能人才的培养……

　　同时应该理性思考的是，AI人才的培养特别是高层次科研人才的培养，需要相对漫长的时间周期，不同于美国在AI基础层人才方面的先发优势，中国的AI人才培养起步比较晚。所以在讨论AI人才的话题时，应该从两个方面进行考量，既要提升人才的数量，也要聚焦人才的质量。

　　一种是加大源头创新人才和产业研发人才的培养力度，对应的例子就是越来越多的高校开设培养人工智能相关的研究生，包括百度在内的人工智能企业深耕前沿技术研究；

　　另一种是推动职业人才的培养，向社会输送拥有熟练技能的骨干人才。正如教育部副部长孙尧的观点：“职业教育要瞄准数字时代的新技术和产业变革，大力培养高素质技术技能人才。”

　　前沿科技人才的培养已成共识，无论是高校还是企业，创新人才在某种程度上可以和竞争力划等号，职业人才的培养却知易行难。

　　现阶段人工智能的应用仍处于市场开拓期，导致职业教育的课程体系标准难以确定，再加上实践教学平台的缺失，学生的能力和市场需求存在不匹配的现象，人工智能的职业教育陷入了两难的局面。

　　正是在这样的机缘下，百度创始人李彦宏在2020年世界人工智能大会上确立了一个目标：将五年内为全社会培养超过500万的AI人才，并逐渐给出了系统性的培养方案。

　　比如百度参与了“人工智能训练师”国家职业技能标准的制定，同时也是高职院校人工智能技术应用专业实训环境建设标准的起草单位之一；百度编写的人工智能人才培养解决方案，目前已经和职业院校在内的360余所高校开设学分课；同近300多所职业高校进行1+X证书制度的试点合作，联合培养应用实践型AI人才；并与11家职业教育集团发布“大国智匠”人才培养计划，截止到2022年已经有1016所高职院校成功申报AI专业......

　　深度学习框架常常被比作人工智能领域的操作系统，除了“操作系统”的身份外，百度飞桨还担纲了另一重使命，即提供全方位的人才培养服务。譬如国内最大的AI学习与实训社区AI Studio，汇集了大量的AI教育课程，涵盖6000多门定制课程以及300多万个公开项目；零门槛AI开发平台EasyDL为职业教育量身打造了一系列的上手工具，帮助职业院校的学生学习AI基础知识并动手实操，赋予其解决一线生产问题的能力......

　　就像前面所提到的，国内既缺高层次科研人才，也缺一线的应用人才，想要彻底扭转产业现状，势必要构建AI人才间的“产业协作链条”，覆盖学习、就业、认证、实践、比赛等人才成长全周期，形成一套自上而下的能力下沉体系。

　　倘若用这样的标准审视百度飞桨，价值不只是为产业智能化打通了落地路径，开源开放的氛围和理念，也为AI人才数量和质量的双重缺口，提供了适合中国市场现状的生态解法。

　　学术层面上，飞桨在深度学习领域的前沿技术，可以助力科学家进行学术研究；算法层面，飞桨针对芯片和执行调度的优化，进一步提升CV、NLP等领域模型的训练速度；应用层面上，飞桨在模型库中为开发者提供了一套全流程指导，涵盖前期适配到后期运行；在落地层面，飞桨平台上的477万开发者创建了56万个模型，目前已经服务18万企事业单位。

　　可以看到的是，在飞桨的生态系统中，不同层级的AI开发者不再是互相孤立的存在：源头创新人才专注于方向性的研究，产业研发人才将这些研究沉淀为算法模型，再由应用开发人才与不同的行业进行适配，实用技能人才最终将算法模型落地到千行百业。

　　而一旦厘清了AI人才的协作体系和内涵特征，所解决的就不单单是国内AI人才规模不足的问题，还找到了适用于不同层次人才的培养方案，有望形成有中国特色AI人才培养体系。特别是在职业教育的推动下，一大批专业素养过硬的AI技术人才正在走向千行百业，解决一个个数字化智能化的小问题，不断推动数字经济的进程，进而让人才红利转变为实实在在的生产力。

　　或许改变国内的AI人才现状还需要相当长一段时间，但飞桨为不同层次开发者营造的氛围和生态，已然给出了符合中国国情的最优解，默默为中国的AI人才培养贡献着自己的力量。

　　再来思考文初的话题，人才短缺的现象其实不让人意外，而是产业转型升级引发的时代必然。

　　按照《中国职业教育发展白皮书》中提到的一组数据：近10年来，职业教育累计为各行各业培养输送6100万名高素质劳动者和技术技能人才，特别是为高铁、超高压输变电等重点产业提供大量骨干人才。

　　作为第四次工业革命的核心技术，人工智能的产业影响力绝不亚于高铁和超高压，也在某种程度上解释了AI人才培养职业化的趋势。

　　目前国内的上层建筑已经高度重视AI人才的培养，百度飞桨在内的深度学习平台也进行着相应的生态部署，学界和业界正在形成合力，形成适合国情的创新规律，孵化出成熟且稳定的生态体系，剩下的可能只是时间。返回搜狐，查看更多