面向產業需求的高校人工智能人才培養研究

胥 帥，關東海，許建秋，燕雪峰，夏 彬，江 偉

（1.南京航空航天大學計算機科學與技術學院，江蘇南京 211106；2.南京郵電大學計算機學院，江蘇南京 210023；3.南京漢德數字孿生技術研究院有限公司，江蘇南京 211800）

0 引言

當前，人工智能產業的發展如火如荼，地方經濟對人工智能產業的依賴日益加深，培養與產業需求相適應的人工智能人才成為高等院校的重要任務。自2018 年全國首批35 所高校獲準開設人工智能本科專業以來，近兩年教育部公布的高校新增本科專業名單中備案數量最多的便是人工智能，2021 年國內開設人工智能本科專業的高校已達345 所。脫胎于傳統計算機學科的人工智能專業無論在人才培養目標、培養方案還是課程體系建設上均不完善。在數字產業化和產業數字化的轉型壓力下，無論是新興行業還是傳統領域，均對人工智能人才的要求愈發嚴苛。高校輸送相關專業本科畢業生技能水平與企業所需人才之間的溝壑逐漸拉大，人工智能專業人才缺口隨之凸顯。

產業界到底需要什么樣的人工智能人才？高校該如何調整人工智能專業本科人才的培養計劃？帶著對這些問題的思考，2021 年4 月10 日，中國計算機學會青年計算機科技論壇“以人工智能專業建設助力南京打造人工智能產業地標”為主題舉辦了一場技術論壇，來自南京大學、南京航空航天大學、南京理工大學、南京郵電大學等近10 所高校人工智能相關專業的教學院長、一線教師，以及20 余位來自本地企業和新型研發機構的行業專家參與了此次論壇。

在總結歸納本次論壇內容的基礎上，本文圍繞面向行業場景的人工智能專業本科人才培養方略，依次分析人才需求端與供給端現狀，提出將產業需求與培養標準結合起來，通過引產入教等一系列措施，探索基于實訓教學的人工智能人才培養方向。

1 相關研究

1.1 人工智能本科教育存在的不足與對策

人工智能學科旨在培養研究智能系統基本理論、算法設計以及系統建設等問題的高級復合型專業人才。自2018 年全國首批35 所高校開設人工智能本科專業以來，諸多高校增設人工智能專業并逐步擴張辦學規模，力爭快速有效地補齊人工智能人才缺口。然而，由于人工智能專業核心課程理論性非常強，不少高校在教學設計中存在重理論、輕實踐的問題，導致學生理論學習能力強、實踐動手能力弱。究其原因，主要有以下3 個方面：①教學過程忽視了學生的工程實踐能力培養；②工程實踐機會較少，制約了學生工程實踐能力的提升；③有企業工作經驗的應用型教師緊缺。

鑒于人工智能學科的特點，學生工程實踐能力培養必須與行業應用場景相結合。因此，設置人工智能前沿技術系列課程，建設能夠貫穿本科階段的實踐實訓平臺至關重要。一種行之有效的途徑是與知名企業合作開發在線學習與實驗平臺，配套行業教學案例，提供使用教程、算法算力、數據集和云計算一體化編程環境，從而加深學生對于行業標準的理解與使用。

1.2 人工智能課程與教學模式改革探索

當前，設立人工智能專業的高校一般根據自身學科特點、優勢以及人才培養目標，依托計算機、電子、軟件、自動化、大數據等專業基礎，按照新一代人工智能的發展趨勢和應用特點開設人工智能基礎課程，并拓展專業課程，延伸專業應用，從而獲得新的專業特色和優勢。一些院校在設置人工智能專業課程時注重融入該領域的最新科研成果，使學生在掌握模型和算法原理的基礎上，通過實驗平臺搭建、編程實踐和實驗結果分析深入體驗科研過程，并在交流協作、創新思考環節中獲得學術研究的方法與經驗。

在教學模式方面，智慧教學近年來被廣泛采用，并成為促進我國高等教育高質量發展的重要手段。所謂智慧教學，其實質是利用人工智能技術（如大數據、知識圖譜、機器視覺、自然語言處理等）構建教學和實驗平臺，在落實知識點教授的基礎上聚焦學生的個性化需求，提高其應用人工智能技術解決實際問題的能力。教學模式改革的一個突破口是依托科研立項培養創新型人才，這有助于改變傳統教學模式下只注重知識點和理論灌輸，而忽視學生實踐和創新能力培養的局面。

1.3 人工智能人才校企合作培養舉措

隨著人工智能應用的大規模落地，企業對產業研發、應用開發和實用技能人才的需求越來越迫切。在此背景下，高校應借助企業優勢，突破浮于表面的短期合作行為，將校企合作扎實落地并持續推進，培養出產業急需的工程應用型人才。一方面，作為人才供給側，高校應積極與企業聯合，促使自身研發的技術盡快轉化為實際生產力，建立和完善產學研科技創新合作機制，創建高校、企業項目創新聯合平臺，為打造完整的人工智能高級人才生態圈奠定基礎；另一方面，作為人才需求側，企業應努力打破機制障礙，真正參與到高校專業建設與人才培養體系的每一個環節，實現全方位深度融合、多主體協同育人。

現階段，校企合作往往形大于質，且多圍繞學生技能培訓平臺和人工智能產品展示中心開展合作，在企業應當深度參與的課程資源打造、校企合作雙師型師資團隊建設、高校人工智能人才培養服務地方經濟發展等方面存在不足，引產入教理念并未得到真正踐行。

本文在總結相關研究的基礎上，結合實際案例分析現階段供需雙方在培養人工智能應用型人才方面的探索與嘗試，圍繞上述不足探討高校如何面向產業需求培養人工智能人才，為切實踐行引產入教理念提出建議，最后介紹南京本地高校的初步實施效果。

2 產業端人才缺口特征與工具鏈建設

《人工智能產業人才發展報告（2019-2020 年版）》指出：隨著人工智能技術的發展，相關產業研發、應用開發和實用技能人才的需求將會呈現井噴態勢。然而，我國人工智能人才儲備不足且培養機制尚未完善，現有人才培養模式難以適應產業發展需求，人才供需比嚴重失衡，預計有效人才缺口已達30萬人。

2.1 人才缺口特征

2020 年3 月，工業和信息化部人才交流中心牽頭制定的《人工智能產業人才崗位能力要求》將人工智能產業人才按照專業素養與技術能力劃分為4 個類別，按照人才數量遞增順序依次為源頭創新人才、產業研發人才、應用開發人才和實用技能人才。圖1 通過金字塔的形式形象展示了該遴選標準下我國人工智能產業的人才結構。

Fig.1 Talent distribution structure of AI industry in China圖1 我國人工智能產業人才分布結構

從圖1 可以看出，當前我國人工智能人才主要集中在應用層（61.8%）和技術層（34.9%），以源頭創新人才為主的基礎層占比極少。李國杰院士曾表示，任何行業技術人才的構成都符合金字塔結構，碩士、博士學歷人才僅對應上層部分的少數群體，本科、專科學歷為主的中下層技術人員才是行業主力軍。雖然實用技能人才和應用開發人才占據了人工智能人才結構的絕大部分，但考慮到本科畢業生的知識技能與行業場景無法有效對接，高校人才供給總體上仍處于較低水平。

以南京市軟件大道高新技術企業群為例，諸多人工智能領域的創業公司面臨招人困難、用人緊缺的困難局面，原因有兩個方面：①近兩年來人工智能初創企業如雨后春筍般冒出，企業招聘需求在短時間內爆發，高校作為主要人才供給端，相關專業人才輸出跟不上企業用人需求；②畢業生初入職場，對于行業應用場景不熟悉，企業需耗費大量資源進行針對性培訓，導致時間和資金成本明顯增加，研發進度被迫延誤。與此同時，部分畢業生的知識儲備和技能水平與企業期望存在差距，在實踐中多扮演算法“調參俠”角色，缺乏對數據和特征的深入了解。

2.2 面向行業場景的工具鏈建設

工具鏈是填補應用型人才缺口的重要幫手，通過打造針對行業場景的工具鏈，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應用人才門檻，縮短企業對于畢業生的培訓周期。

以南京飛靈智能科技有限公司（以下簡稱飛靈科技）為例，為幫助本科生提升專業技能、熟悉人工智能技術在真實生產環境下的應用，飛靈科技建設了人工智能教學平臺，圍繞以下3 個方面打造人才培訓工具鏈：①搭建基于Python 語言的教學實驗平臺，主打理論+實驗，搭配動手實驗幫助學生理解機器學習、深度學習領域典型算法的應用場景。通過提供清晰、簡明的幫助文檔，協助學生更好地使用第三方庫，使其知其然更知其所以然，提高自主學習能力。飛靈科技還構建了基于人工智能主流應用框架（如Tensorflow、Pytorch、Caffe 等）的交互式學習平臺，有助于學生掌握主流生態，了解行業現狀，對接企業需求；②打造行業場景教學案例。通過將醫療、金融、制造、零售領域的行業需求打造為具體案例（例如利用機器視覺技術解決高鐵關鍵零部件的故障診斷和預警、利用無人機結合人工智能技術實現輸電、配電、風電巡檢等），幫助學生理解算法價值，明確不同技術的應用場景；③提供全流程開發指導。針對不同行業案例，將數據采集、清洗、標注，模型訓練、調用，邊緣端部署等一系列流程部署到教學實驗平臺，幫助學生理解面向行業場景進行應用開發的全過程。人工智能人才培養的主流生態和工具鏈如圖2所示。

Fig.2 Mainstream ecology and tool chain of AI talent training圖2 人工智能人才培養的主流生態和工具鏈

3 高校人工智能人才培養模式探索

作為專業人才培養的重要陣地，高校如何將人工智能的人才輸出匹配真實產業場景，培養出符合企業期望的專業技能應用型人才，成為其教學實踐過程中需要認真思考的問題。

3.1 專業課程體系建設

人工智能專業曾是計算機學科的一個分支，但課程知識體系、人才培養目標有所不同。目前，各高校對于這一新興專業的人才培養目標、培養方式、課程體系建設等具體細節的考量尚不全面，仍處于論證階段。人工智能專業課程體系建設沒有現成模板可套，各高校一般注重跨學科方法與計算機科學的融合應用，突出計算機的主干作用，在此基礎上圍繞人工智能兩大核心應用領域（自然語言處理和視聽覺信息處理）開設專業課程，然后結合高校特色開展人工智能應用實踐，最終形成如圖3 所示的專業課程體系。

Fig.3 Common AI curriculum system in universities of China圖3 我國高校人工智能專業課程體系

然而，從事人工智能專業教學和科研的教師大多從計算機、自動化等專業轉型而來，并無參與人工智能系統研發的經驗且產業實踐能力不足，缺乏相關應用背景和計算思維，不能有效進行人工智能驅動的理論分析與技術應用，這一點在相當長一段時間內不會有根本改善。師資缺失已然成為掣肘高校人工智能人才培養的關鍵因素。

3.2 行業應用場景對接

融合案例教學、項目式教學的方法會在一定程度上影響學生形成并運用其知識體系的方式。將學校的特色研究與應用經修訂后引入到人工智能課程以及實踐項目中，保證學生在實踐中接觸到最真實的案例。通過將人工智能理論與技術應用于行業具體問題中，達到面向行業場景的人工智能人才培養目標。

以南京航空航天大學為例，該校正逐步探索一條具有“航空、航天、民航”特色的創新型人才培養道路，重構以人工智能為核心的知識體系。該校設立的人工智能創新班、航空航天類人工智能復合班培養的本科生在掌握人工智能核心能力的基礎上，還需要了解學科交叉知識，強化在航空航天領域解決實際問題的能力，例如通過對飛行器及相關學科的學習，能夠將所學知識運用到無人航天器的感知決策中，實現航天器在陌生環境下的自主避障與路線規劃。

4 基于實訓教學的校企協同育人措施

面向行業場景的人工智能專業本科人才培養亟需高校主動促進與產業界之間的聯系，圍繞自身特色完善專業軟環境建設，腳踏實地地在制度和管理上為產學融合提供保障。可借鑒企業人才培養思路，按照“反向設計，正向施工”的思路，明確人工智能本科生的培養目標和畢業要求，制定出滿足企業需求的工程應用型人才培養方案。

4.1 引產入教，開展實訓教學

引產入教是為了充分發揮高校和企業的資源優勢，促進理論知識教學與企業生產實踐緊密結合，提高學生發現問題、思考問題、解決問題的能力，增強其在科研活動中的創造力，實現校企協同育人，達到三方共贏。

在人才培養的大方向上可由企業提出要求，高校協助培養。通過定制化培養，將企業所需知識嵌入到教學內容中，還可聘請企業專家走進課堂，通過業務介紹、技術報告等多種形式使學生把握專業技能方向，從而針對性提升自身競爭力，拓寬就業渠道。

在實訓教學方面可將教學內容與熱點應用場景相結合，一方面能提高學生的學習興趣與積極性，另一方面有助于其快速熟悉業務場景，縮短人才供給端與需求端的距離。提倡分層次、有梯度地設置實驗目標，循序漸進地引導學生，杜絕“短平快”的實驗教學方式。

此外，應鼓勵學生組隊參加企業發起的人工智能應用競賽。在傳統教學的基礎上，融入競賽機制以及人工智能新主題，使學生在完成競賽項目的同時逐步提升實踐技能。運用形式多樣的人工智能模型與算法，使學生分析與挖掘來自真實場景的數據，有助于鍛煉其分析問題、解決問題的能力，達到以賽促學的目的。與此同時，發起應用競賽的企業能從優勝方案中汲取成功經驗，優化產品落地的實際性能，推動高校人才培養與前沿技術發展接軌，實現校企雙贏。

4.2 立足特色，打造樣板案例

立足特色的實質是發揮高校優勢學科地位，在特定領域培養優秀人才，服務地方經濟。具有行業特色的高校自誕生起就被賦予行業屬性，具有區別于其他高校的特色，該類高校應結合自身優勢，推進形成與產業發展需求相適應的校企合作典范。

高校人工智能人才培養應以地域內高新技術產業的需求為基礎，以人工智能技術應用為目的不斷創新，以推動地區經濟發展。以南京郵電大學人工智能學院為例，其專業設置、人才培養與智能電網緊密結合，學院與國家電網江蘇分公司展開深入合作，與電力行業深度對接，旨在培養智能電網信息工程及相關領域從事設計、研發、運行維護與管理等工作的專門技術人才，樹立南京郵電大學在人工智能行業的標桿。

4.3 開放辦學，優化師資隊伍

開放辦學并不是簡單地聯合企業促進學生就業，還包括企業（甚至包括企業的甲方、開發者、企業面對的需求方）參與人才培養方案制定、課程設置、教學資源建設、課內外實踐體系及項目構建、實習就業崗位提供以及師資培訓等多個辦學環節。對于師資力量培訓而言，可探索實施校企師資互動機制，注重“請進來，走出去”相結合。一方面，企業向高校輸送企業導師，提供技能培訓、教材編撰等資源，突出實訓教學的重要性，提高應用場景的針對性；另一方面，高校教師通過師資培訓的方式向企業取經，豐富自身在教學過程中的實踐經驗和案例資源，面向行業場景提升人才培養的質量和效率。

以南京航空航天大學人工智能學院為例，其通過企業出題、教師解題、學生做題模式，聯合華為、海爾、曙光等知名企業，已連續兩年開展企業項目式暑期實訓計劃。這一方面有助于打通實踐環節壁壘，提高學生利用人工智能模型與算法解決實際工程問題的能力；另一方面為從事人工智能專業教學和科研的教師隊伍提供了與企業面對面交流的契機，方便其接觸人工智能技術預研和管理中的攻關課題，進而提升其面向行業場景的教學能力。

5 結語

企業需求是高校培養人才的重要動力。目前，高校在人才培養環節更注重理論教學，而產業界更注重項目實踐，人才供給端與需求端難以有效對接。針對該問題，高校應與企業相輔相成，教學相長，營造良好的校企協同環境，縮短人才供給端與需求端的距離，共育人工智能英才。此外，在高校形成與人工智能產業發展需求相適應的課程體系過程中，企業應提供先進的生產實踐環境與數據，協助教師吸引和指導學生參與項目實踐。通過合理協調理論與實訓教學之間的關系，人工智能人才供需鏈的所有環節均將受益。