我國人工智能產業人才政策的量化分析、前沿動態與“十四五”展望

袁野 劉壯 萬曉榆 劉石

摘 要：創新型人才是實現我國人工智能產業關鍵核心技術突破的重要抓手。通過量化分析和知識圖譜聚類等方法，對我國人工智能產業人才政策和文獻進行量化評估和可視化分析。結果表明，我國人工智能產業人才政策總體偏向于社會人才引進，人才自主培養較為薄弱，人才質量與產業發展速度不相適配。同時，我國人工智能人才的頂層設計、培養模式是學術界和產業界研究與關注的熱點。“十四五”時期，我國應該在基礎研究等方面彌補人才短板，引培并舉，用好人才評價激勵的“指揮棒”。

關鍵詞：人工智能產業;人才政策;量化分析;前沿動態;“十四五”展望

基金項目：國家社會科學基金青年項目“人工智能產業核心技術突破中的創新共同體構建與協同機制研究”（20CGL004）;重慶市教育委員會人文社會科學研究項目“我國人工智能產業關鍵核心技術創新突破的路徑與政策體系研究”（20SKCH059）。

[中圖分類號] F49 ? ? ? ? [文章編號] 1673-0186（2021）004-0075-012

[文獻標識碼] A? ? ? [DOI編碼] 10.19631/j.cnki.css.2021.004.007

當前，世界各國高度重視人工智能產業的創新發展，把人工智能作為推動科技跨越式發展、產業優化升級、生產力整體提升的重要動力。經過多年的積累，我國在人工智能領域的產業基礎和人才儲備已形成一定存量，但是整體研究深度、廣度與發達國家相比差距仍然明顯，產業核心技術如關鍵設備、重要元器件和操作系統等基本被英偉達、AMD、英特爾等國際巨頭壟斷，形成“鎖定效應”。根據《中美兩國人工智能產業發展研究報告》（2017）顯示，中美之間產業發展和人才支撐差距仍然明顯：在產業發展上，全球人工智能企業總數達到2 542家，其中美國占比42%，中國僅占比23%;在人才支撐上，美國1 078家人工智能企業中約有78 000名員工，中國員工數量約為美國的一半。特別是在基礎研究領域，美國基礎層人才數量是中國的13.8倍，美國在人工智能關鍵核心技術等領域的人才數量和質量方面均領先于中國。

與此同時，根據《人工智能產業人才發展報告（2019—2020年版）》數據顯示，我國國內人工智能產業內有效人才缺口達30萬，在機器學習、自然語言處理等領域，人才供需失衡情況尤為突出，基礎人才的培養、學科體系的建設、人才政策的供給已經不能滿足產業生態的發展和技術突破的需要[1-2]。

毋庸置疑，人工智能領域的競爭是頂級人才的競爭，技術創新和應用落地是引領人工智能發展的主要動力，隨著《中國制造2025》《新一代人工智能發展規劃》《加強“從0到1”基礎研究工作方案》等國家戰略提出后，我國人工智能產業和人才隊伍建設正在加速推進。

從學術界的研究來看，人才培養是壯大人才隊伍，打破“鎖定效應”的有效手段，人才培養需要重視創新鏈條上的每一環節，有側重地培養算法和數據分析類基礎型人才，同時，也要充分利用好國際化的潮流，借智借力，積極引進海外高端人才。高校作為人才培養的主要場所，發達國家的人工智能人才培養模式值得借鑒，人工智能教育領域的發展離不開科研經費、培養規劃、學科建設等方面的支持[3]。學科建設是人才培養的引領，我國高校人工智能教育起步較晚，人工智能一級學科建設應加速推進，要先行打破學科專業結構化的意識。此外，“人工智能+”的學科建設同樣不可忽略，學科建設不僅需要加強自然科學領域，而且應關注到法學、社會學、心理學、經濟學等人文學科，賦予學科“技術屬性”和“社會屬性”[4]，并且，可以通過借鑒國外高校“以人為中心”“以項目為牽引”的培養模式，加速傳統專業與人工智能知識融合。

因此，面對中美貿易摩擦、基礎研究落后、關鍵核心技術受制于人以及新冠疫情等錯綜復雜的全球形勢，準確地對我國人工智能產業人才發展的趨勢、政策、熱點等問題進行科學研判，具有重要的現實意義。本文運用量化分析法和知識圖譜法，對我國的107份人工智能人才政策進行量化評估，并對國內人工智能人才研究的熱點趨勢特征進行可視化分析，探索人工智能研究的時空分布、發展演進脈絡，為“十四五”時期更好地制定人工智能人才培養、學科建設、基礎研究等領域的發展政策提供參考建議。

一、人工智能產業人才政策的量化評估分析

政策是以權威形式標準化地規定在一定的歷史時期內，包含應該達到的奮斗目標、遵循的行動原則、完成的明確任務、實行的工作方式、采取的一般步驟和具體措施。產業政策的量化評估分析主要有因子分析、層次分析以及回歸分析等多種方法，考慮到不同區域、不同層級、不同類別的文件政策中人才要點的差異性，僅用政府發文數量難以客觀評價人工智能產業人才政策的覆蓋面，需要采用定量與定性結合的方式來揭示政策文件中的隱性內容。

（一）量化評估框架設計

本文采用內容分析法對人工智能產業人才政策進行分析，內容分析法的核心思想是將政策的文本內容轉化為可用于數學分析的量化結果，在原文中抽取某些有意義的內容，通過對政策文本數據進行編碼和分類，使用情景再現等方法對所選文本進行有效推斷。由于目前國家沒有出臺專門針對人工智能人才的相關政策，因此本文選取了2015年至2020年上半年的國家和地方層面的人工智能產業政策，共107項，資料涵蓋國家級、省級、市級、區級四個層面，包含中、東、西部三個地區。考慮到量化分析的科學性和客觀性，政策文件按以下原則進行篩選與整理：一是政策的真實性，文本主要來源于中央及各省市級政府門戶網站，數據真實可查;二是政策的有效性，搜集的政策均為現行有效的，已廢除的或已過有限期的政策文本均不在選取范圍內;三是政策的統一性，統一將規劃、意見、辦法列入政策分析行列[9]。

同時，通過借鑒申崢崢、李明和毛子駿等學者提出的政策分析框架，將人工智能產業人才政策分為人才供給、人才需求和人才環境三個維度[5-7]。人才供給分為高校人才供給、社會人才供給和聯合培養供給。人才需求分為兩個部分，一是對于人才本身道德、學歷、技能素養方面的需求，二是產業發展本身會引發對人才的需求，均屬于需求側。最后，人才環境分為人才發展硬環境和人才發展軟環境，詳細釋義如表2 所示。

通過使用Nvivo質性分析軟件對人工智能相關政策按照人才供給、人才需求、人才環境三個維度進行分析，依據人工智能人才政策分析框架設立節點進行編碼，根據編碼顯示所設置的節點、編碼材料來源數及編碼參考點數量，已列出父節點到子節點以及編碼參考點數量，得出各個政策中人才政策相關情況的量化結果，結果如表3所示。

（二）研究結果討論

1.總體評估分析

政策總體覆蓋率：人才供給（12.07%）>人才需求（10.38%）>人才環境（10.20%），人才供給、人才需求、人才環境三個方面政策覆蓋率相差較小，人才供給政策保障更為充足（見表4）。政府對于產業人才培養意愿先于產業發展和環境營造，表明人才隊伍建設已不僅是市場行為，在人才引進和培育過程中，政府正扮演愈來愈重要的角色，成為企業和人才之間溝通的橋梁，通過政策補助、資金支持、服務優化等形式助推人工智能產業和人工智能人才隊伍建設的健康發展。人才需求和人才環境政策稍顯薄弱，相較于直接“拿來”人才，政策體系在如何用好人才，如何留住人才，如何對人才合理評價方面還存在發展空間。

2.分類評估分析

人才供給覆蓋率：社會人才供給（6.07%）>高校人才供給（4.64%）>聯合培養供給（2.96%）。我國人工智能產業人才供給主要依靠社會人才供給，政策對于高校和聯盟培養關注度存在不足。社會引進人才覆蓋率達6.07%，各省市引才戰略突出，著力“高精緊缺”為主導的人才隊伍建設。在詳細文本內容中，海外人才引進占比較大，我國在尖端技術領域仍處于追趕和學習的狀態[8];對于國內人才引進，地區間也存在較為嚴重的配置失衡，人才主要集中于人工智能產業相對發達的城市，《中國人工智能ABC人才發展報告》（2018）顯示，北京、上海、杭州、深圳、廣州五大城市擁有了超過8成的人工智能崗位，長江中下游人工智能產業集群正加速形成，地區之間的人工智能產業差距逐步加大。高校人才供給和聯合培養供給分別為4.64%和2.96%，明顯低于社會人才供給，政策對于自主培養的應屆畢業生、青年人才、創新型人才等保障不足反映出國內人才自主培養體系還未成熟。政府、高校、企業和研究機構現階段還未真正成為人工智能人才培養的協同體，地方政府對于人才引進的需求強烈，但在人才聯合培養方面重視程度不足，這與校企合作發展不成熟，認同度不夠高的現狀符合。

人才需求覆蓋率：學歷層次需求（4.65%）>技能水平需求（4.42%）>道德水平需求（4.03%）。人才的學歷、技能與道德的覆蓋率相差較小，在詳細文本內容中，政策對于人才學歷的要求開始普遍放寬，唯學歷、唯論文的標準不再適用，更加側重人才能力考查，技能要求多為高水平、高技能、高層次管理等通用型術語。現階段人工智能產業人才政策對于具體需要何種人才，需要哪方面能力還尚不清晰，存在人才定位不清、人才適配不當、人才無法評價的問題，人才能力無法精準對應崗位需求，加大了企業人才挖掘成本和高校及聯盟人才自主培養成本，削弱了政策激勵效果，加速了人才與地區失配、人才與產業失配等問題。

人才環境覆蓋率：人才發展硬環境（3.15%）>人才發展軟環境（1.83%）。從人才環境覆蓋率和編碼文本內容來看，各省市人才獎勵制度較為完善，人才硬環境覆蓋率為3.15%，在資金、住房、醫療方面都提供了較為全面的人才優待福利政策，多數集中于直接的資金發放或股權獎勵，對于高端人才、做出巨大科研貢獻的人才而言，有利于激發專業人才的創新動力。與人才硬環境相對應，人才軟環境建設覆蓋率為1.83%，企業內部創新環境建設、高校學術創新環境建設、政府人才保障環境建設重視程度不足。人才軟環境包括了人才發揮作用所需要的核心條件，提升人才生態環境競爭力對人工智能產業發展和人才隊伍建設能夠起到事半功倍的作用，但現階段政策保障在人文關懷和情感溫度上還存在不足，在配套服務、人才項目落地方面執行力度不佳，缺乏操作性。

二、人工智能產業人才政策研究熱點與前沿動態分析

一般來說，科學知識圖譜法和聚類分析法可以很好地發現某個領域的研究熱點和動態。知識圖譜法的最大優勢是將文獻資料的核心結構、發展歷史和趨勢、熱點焦點進行可視化展現，利用數據挖掘、知識計量和圖形繪制等揭示人工智能人才研究領域的動態發展規律，為人工智能人才政策的制定提供切實的、有價值的參考。

（一）研究方法與數據來源

首先，熱點與趨勢分析基于知識圖譜的可視化時間線視圖和時區視圖，通過K-means聚類，生成聚類圖譜;其次，以引文發表年份作為X軸，聚類編號作為Y軸，可布局得到二維面板的共現網絡時間線圖譜;最后，通過分析時間線視圖中各特征詞的連接關系，揭示人工智能人才的研究熱點發展及變化趨勢，同時結合時區圖，將人工智能人才研究劃分為不同的階段。

人工智能人才研究熱點的數據來源于中國知網學術期刊全文數據庫，文獻年份跨度為1999—2020年，搜索詞為“人才”并含“人工智能”，文獻分類目錄選擇“基礎科學”“工程科技”“哲學與人文科學”“社會科學”“信息科技”“經濟與管理科學”，期刊來源設為全部期刊。通過以上步驟檢索文獻共得到2 552條記錄，經人工初步剔除新聞資訊、會議報道、征稿公告、活動記錄等不相關條目，最終得到2 474篇有效文獻作為研究樣本，文獻定量分析工具采用CiteSpace 5.7.R1。

（二）研究結果討論

1.文獻發文量統計

文獻發文量的變化趨勢在一定程度上體現了人工智能領域的研究發展方向，如圖2所示。2010年以前，人工智能產業研究處于緩慢發展階段，在2010—2015年，步入快速發展階段，2016年3月，AlphaGo人工智能機器人擊敗人類職業圍棋選手，人工智能產業研究呈爆發式增長，機器人、智能制造、工業互聯網進入視野。此時，我國初步形成了產業化基礎，融資環境被空前看好，使得企業數量大幅度增長，產業相關的研究也日新月異，產業的發展明顯快于人力資本的積累。反觀人才領域的研究，在2016年之前，學界對于人工智能人才方向的研究處于緩慢起步階段，2016年迎來轉折，直到2017—2019年發文量才急劇上升，人工智能領域的研究進入高速發展期，這與國家2016年發布《“互聯網+”人工智能三年行動實施方案》，2017年發布《新一代人工智能發展規劃》相契合，可以發現學界對于人工智能的研究與政策發布具有顯著的正相關關系。人工智能人才領域的研究從時間和數量上都明顯落后于產業領域研究，且差距仍有不斷加大的趨勢，由于人才供給數量不足、質量不高，使得人工智能產業大而不強，長期看來，產業與人才研究之間的不平衡將會阻礙人工智能生態的良性循環。

2.關鍵詞分析

由近20年國內人工智能人才文獻研究高頻關鍵詞統計結果（表5）可知：其一，人工智能人才的研究熱點主要集中在“人才培養”“大數據”“機器人”“新工科”等方面;其二，人工智能人才研究的中心度關鍵詞同樣集中在“大數據”“人才培養”等方面，表明這些關鍵詞在研究中起到“橋接”的作用[10]，而“新工科”“教學改革”“物聯網”“數字經濟”等雖為研究熱點，但中心性指標上的取值都較低，表明對這些新興領域的研究還比較孤立;其三，從關鍵詞分析中可以看出，人工智能基礎研究的人才培養一直是學術界和產業界關心的重要話題，其培養方式涉及“新工科”“大數據”等學科專業設置等相關詞句，課程體系改革是人工智能人才培養的重要抓手。

總體來說，從人才研究趨勢來看，人工智能人才的發展和產業發展、技術創新密切相關。我國正在建設創新型國家，努力突破各個領域的關鍵核心技術，人工智能正成為引領我國科技創新和產業發展的重要力量。因此，未來應更加關注產學研用方面的人才培養，如何使人工智能落地應用，真正促進產業發展，且立足于基礎層面的人才培養、學科建設、科技創新等問題。

3.時間線與時區視圖分析

通過聚類的方法得出文獻關鍵詞共現圖譜，通過分析時間線視圖中各特征詞的連接關系，可以看出人工智能人才的研究熱點發展及其變化趨勢，厘清起源與發展方向。由圖3可知，生成的12個聚類標簽中，“工業互聯網”“機遇”“決策支持”為新聚類標簽，其余9個在上文研究熱點中已出現。根據圖譜聚類結果，可將研究熱點大致劃分為三大類別：

一是頂層設計，如“工業互聯網”等詞體現了國家為規范發展秩序，加快培育新技術、新產品、新模式、新業態而提出的頂層設計。《新一代人工智能發展規劃》是具有前瞻性與戰略性的要點文件，但基于國際視角，相較而言我國人工智能政策的制定和發布更加偏向于“大而全”，人工智能與實體經濟融合并不深入，顯得“輕而飄”，難以落地[11-12]。

二是技術需求，如“大數據”等詞概括了相關產業的人才技術需求，包括對相關技術人才的職業能力、創新能力的具體要求，同時也體現了人工智能人才與大數據時代結合的要求。人工智能產業的快速發展導致了人才培養的輸出速度跟不上行業創新發展速度的問題，人工智能人才缺乏原始的技術積累，根據2018年人力資源和社會保障部數據顯示，在全國7.7億就業人口中，僅4 700萬高技能的技術型人才，占總數的6%，我國人工智能人才隊伍建設正經歷從無到有的階段，對于技術型人才的需求將與日俱增。

三是教育變革，如“新工科”“人才培養體系”反映了高校對于人工智能人才培養的發展重點以及趨勢。例如，2003年北京大學首次設立智能科學與技術本科專業，在2003—2017年間，與人工智能相關的教育研究進展比較緩慢，直到“十三五”時期人工智能教育才被重新重視。隨后，機器人工程（2015）、數據科學與大數據（2015）、智能制造工程（2017）、智能醫學工程（2017）、人工智能（2018）等相關專業紛紛設立，據高校專業設置與服務平臺數據顯示，截至2018年，與人工智能密切相關的新增本科專業共計535個，占新增本科專業總數的21.05%。可以預見，“十四五”時期，隨著5G、工業互聯網、區塊鏈等新興技術的不斷演進發展，人工智能相關人才的內需將不斷擴大，促使教育變革不斷加速。

對人才文獻按照年份進行聚類，得到人才文獻聚類視圖，如圖4，本文將人工智能人才研究分為積累期和高速發展期兩個階段。

一是積累期：1999—2015年是人工智能人才研究積累期，此時期對于人工智能人才研究成果較少且相互獨立，主要包括從學科發展角度出發對“數據科學”和“機器學習”的拓展，基于“學習”和“人才培養”之間的交叉融合以及“新工科”概念的初步興起。在此時期后半階段，隨著“人工智能領域”技術的不斷突破，構建技術和產業發展同人才培養之間的良性互動機制十分迫切。我國“高校”開始不斷改革“課程體系”，提升“專業建設”，提高人才培養質量與規格同人工智能發展之間的契合度，為產業技術提供“創新人才”。

二是高速發展期：經歷了技術和人才的初始積累，隨著《“互聯網+”人工智能三年行動實施方案》和《新一代人工智能發展規劃》的發布，2016—2019年人工智能人才研究迎來高速發展期。此階段人工智能與產業“深度融合”，以“大數據”“云計算”“區塊鏈”等為代表的新技術在人工智能領域獲得突飛猛進的發展，人工智能實現了與具體產業的緊密對接，也正在實現與高等學校人才培養的進一步高度銜接，井噴式的產業發展迫切需要高校、科研機構等人才供給方在短時間內培養大量符合市場需求的應用型人才、復合型人才。

三、“十四五”時期我國人工智能產業人才發展建議

人工智能領域的競爭是人才的競爭，關鍵核心技術的突破最終還是靠人才，本文通過對我國人工智能人才政策的量化評估與研究熱點進行了系統性分析，得出以下結論。第一，根據產業人才政策的量化結果，我國人工智能人才政策存在一定的區域“人才鴻溝”，并且不同地區的政策效果出現不平衡不充分等現象。第二，人工智能高度的綜合性和交叉性決定了其人才培養必然需要學科之間的交叉融合，通過對知識圖譜的熱點分析發現，在我國高校現有的學科體系下，學科融合還處于邊緣區域，且基礎研究活動分散，沒有形成合力。第三，從新形勢如中興、華為事件來看，美國已經加大了對我國在高新技術產業、科技創新方面的遏制，并且對其他國家施壓，阻止其向我國轉讓技術和與我國開展科技創新合作，這對我國人才培養和供給的韌性提出了新的要求，因人才自主培養是一個復雜且漫長的過程，效果和反饋具有滯后性，如何利用政策優勢來驅動高校和聯盟輸出高質量人工智能產業人才仍處于探索階段。第四，我國人工智能產業人才政策重獎勵、輕激勵的情況較為顯著，軟環境建設存在不足。

結合研究結論，本文針對“十四五”時期我國人工智能產業人才發展提出以下幾個方面的建議。

首先，做好人才政策的頂層規劃。建議針對不同區域人工智能產業發展特點，加快出臺省級、市級層面的人工智能人才隊伍建設專項政策。特別是加強長三角、珠三角、京津冀、成渝雙城經濟圈等大城市群之間的人才政策協同，制定和完善區域人才發展投入機制、人才隊伍建設評估體系、人才激勵晉升標準、優秀人才流動規范等人才管理機制和后續評估體系，實現產業人才的區域協同、政策協同、資源協同，推動科技創新與產業發展深度融合，促進人才流動和科研資源共享。

其次，完善人工智能學科布局。決不能放棄國內創新資源的投入和積累，要堅持以國內循環為主體，國內國際兩個循環相互促進。對于人才隊伍的培養，要按照“新工科”的建設要求，加快人工智能學科、傳統學科“人工智能+”的建設布局，以產業需求為導向，注重學科交叉融合，在通識教育、專業教育、個性化教育和實驗實習體系設計中，突破傳統的單一學科中心的局限，及時捕捉市場需求動向，強化技能應用導向，針對市場變化和人才技術技能需求動態更新專業計劃，依托重大項目及校企合作等模式，培養突破關鍵核心技術的科技人才。

再次，重視基礎研究和青年人才培養，基礎研究是突破關鍵核心技術的重要源泉。“十四五”時期需要將視角從直接的人才引進轉移到高校和聯盟自主培養人才上來，重視基礎研究工作。最后要瞄準重大原創性基礎前沿和關鍵核心技術的科學問題，重視培養基礎研究領域的青年人才，對青年人才開辟特殊支持渠道，重點支持淡泊名利、獻身科學、潛心研究的優秀青年人才。政府需要積極引導和加強各方主體的深度合作，充分發揮，并將其有機結合起來，促進人工智能人才和產業的快速發展，實現政府、企業、高校三贏。

最后，重視人工智能人才軟環境建設。政府需繼續破除唯論文、唯頭銜等風氣，營造公平競爭的體制環境，有效整合人才“軟環境”建設的公共資源，充分利用不可替代優勢，為人盡其才、人盡其用、人盡其職、職盡其能和自我價值實現創造社會條件，讓物質以及精神的激勵政策落到實處，實實在在地留住人才。做好宣傳發動，形成全社會發展合力，統一思想，凝聚力量，激發干勁，將人工智能產業人才發展理念深入人心，在全社會形成愛才、惜才的良好氛圍，用好人才激勵的“指揮棒”。

參考文獻

[1]? 何勤，邱玥.人工智能的就業效應研究：錦上添花抑或是釜底抽薪？[J].北京聯合大學學報（人文社會科學版），2020（2）：84-95.

[2]? 田賢鵬，田良臣.人工智能時代的高校學科專業人才培養結構變革——基于市場供需結構視角[J].湖南師范大學教育科學學報，2020（4）：63-70.

[3]? 張海生.我國高校人工智能人才培養：問題與策略[J].高校教育管理，2020（2）：37-43+96.

[4]? 王雪，何海燕，栗蘋，等.人工智能人才培養研究：回顧、比較與展望[J].高等工程教育研究，2020（1）：42-51.

[5]? 申崢崢，張玉娟，于怡鑫.上海科技人才政策文本分析[J].情報工程，2018（1）：89-100.

[6]? 李明，曹海軍.中國央地政府人工智能政策比較研究——一個三維分析框架[J].情報雜志，2020（6）：96-103+53.

[7]? 毛子駿，梅宏.政策工具視角下的國內外人工智能政策比較分析[J].情報雜志，2020（4）：74-81+59.

[8]? 袁野，馬彥超，陶于祥，等.基于內容分析法的中國人工智能產業政策分析——供給、需求、環境框架的視角[J/OL].重慶大學學報（社會科學版）：1-13[2020-03-12].

[9]? 譚玉，吳曉旺，李明雪.科技人才評價與激勵政策變遷研究——基于1978—2018年政策文本分析[J].科技與經濟，2019（5）：66-70.

[10]? 何地，郭燕青.中國情境下創新生態系統研究演進脈絡梳理及前沿熱點探析——基于文獻計量分析[J].軟科學，2018（9）：5-8+29.

[11]? 張威，蔡齊祥.人工智能產業與管理若干問題的思考[J].科技管理研究，2018（15）：145-154.

[12]? 張振剛，黃潔明，陳一華.基于專利計量的人工智能技術前沿識別及趨勢分析[J].科技管理研究，2018（5）：36-42.

（責任編輯：易曉艷）