人工智能領域人才培養的問題及對策建議

王明姬

人工智能（AI）是引領國際新一輪科技革命和產業變革的戰略性技術。培育AI領域人才優勢，既是將我國打造成世界新興科技創新中心的現實需要，又是在全球前沿顛覆性創新的技術競爭和人才競爭中獲得更多主動權的戰略重點。當前，AI領域面臨人才供需矛盾突出、產業支撐度堪憂、高校培養力不足等問題，難以滿足產業發展和國際競爭需要。我國宜立足數字經濟時代發展高度，耦合政府、高校、企業三方力量，規模化培養優質人才，建立并保持我國在AI領域未來十年的國際競爭優勢。

一、我國AI領域人才培養成效初顯

（一）人才總量持續增加，部分領域實力強勁

人才存量接近百萬。教育部《2021年人工智能專業人才培養情況調研報告》顯示，國內AI領域人才存量約為94.88萬，以“青年理工男”居多。其中，70.60%為男性，57.5%在26—35歲之間，77.1%具有本科及以上學歷，計算機科學、軟件工程、機械設計及自動化、電子信息工程等專業占比近三成。

培養力度持續加大。截至2022年底，已有96所雙一流大學、八成以上985院校和近七成211院校設置了AI專業，440個專業點分布全國29個省區市，山東、江蘇、北京開設AI本科的高校均超過30所，區域布局與企業分布基本一致。

部分領域實力強勁。據“2022年人工智能全球最具影響力學者榜單”（簡稱“AI 2000”）顯示，2022年我國已成為僅次于美國的世界第二大頂級研究人才集聚地。21個子領域中，我國在信息檢索與推薦、多媒體技術兩個領域占據榜首，在自然語言處理、芯片技術、機器學習等10余個領域居世界前列。

（二）學術成果量質齊升，多家機構全球領先

論文總量和被引量居世界第一。據美國斯坦福大學發布的《2023年人工智能指數報告》顯示，2022年我國AI領域發表論文數占總數的39.8%，被引量占比29.07%，均位居世界第一名。

多家機構位列全球前10。2022年，全球AI領域學術機構綜合排名前十名中，國內機構占據前九名，中國科學院、清華大學、中國科學院大學分列前三。全球計算機視覺子領域排名中，前十名均為國內大學及機構；語言處理子領域全球10強中，中國科學院、清華大學、中國科學院大學、北京大學、阿里巴巴5家榜上有名；網頁信息檢索全球10強中，國內高校有6所，中國科學院力壓微軟、谷歌位列第一。

（三）培養機制不斷創新，育才能力顯著增強

通識育才擴展適用廣度。如北京大學和清華大學聯手建立AI實驗班，培育“通識、通智、通用”的復合型領軍人才；東南大學實行大類招生、大類培養，本科第一年接受通識教育，后三年再修專業課程。

特色育才凸顯學科高度。如西南財經大學培養“AI+金融”復合型人才，深圳大學以產業需求為導向培養應用型人才，武漢大學AI專業開設遙感數據分析與處理課程，北京交通大學開設智能交通平臺設計與開發課程等，將學校優勢學科與AI融合交叉。

分類育才提升培養精度。如南京大學實施“三三制”，將學生分為學術創新型、創業就業型、交叉復合型三類人才，分別進入科研實驗室、創業孵化器及相關企業進行培養，學習解決科研及應用方面的不同問題。

二、AI領域人才面臨總量不足、結構錯位、培養體系不完善“三難問題”

（一）人才規模供需失衡，拖累產業躍遷

總量缺口將超500萬。調研顯示，51.2%的企業認為AI領域當前最主要的障礙是專業人才缺乏。據《中國人工智能人才培養報告》預測，2025年國內AI核心產業規模將超4500億元，帶動相關產業規模突破1.6萬億元，人才缺口高達500萬。近日，麥肯錫發布報告指出，到2030年，AI給中國帶來的潛在價值有望超過1萬億美元，人才需求將從目前的100萬增加到600萬，但國內人才供應只有三分之一。

“招不夠人”成企業最大煩惱。據獵聘《ChatGPT相關領域就業洞察報告》顯示，2022年AI新發職位是2018年的2.74倍，人才緊缺指數為1.60，招聘平均年薪32.4萬元，比互聯網行業高15.43%，算法工程師招聘年薪高達46.40萬元。調研發現，AI應屆畢業生月薪近2萬元，經驗豐富的高級人才年薪過百萬，多家企業無奈表示“太搶手了，先把人簽進來再培養”。

（二）人才素質結構錯位，國際競爭力堪憂

結構失衡，創新后勁不足。AI產業鏈包括基礎層（AI芯片、傳感器、大數據、云計算等）、技術層（計算機視覺、語音及自然語言處理、機器學習等）、應用層（自動駕駛、機器人、智慧城市等）三部分。當前，國內AI產業和人才分布均呈現倒三角結構，應用型企業多、研發型企業少，技術研發類人才多、提供數據和算法支持的基礎層人才短缺，嚴重影響技術持續創新。

頂尖研究人才不足，領域參差不齊。2022年，我國AI領域頂級研究人才有232人，占全球上榜總數的11.6%，僅為美國（1146人）的1/5。分領域看，機器人學、計算機圖形學等子領域的頂級研究人才占比不到1%，計算理論、人機交互兩個子領域國內無人上榜。

影響偏弱，應用轉化不力。斯坦福大學發布的《AI指數報告》顯示，美國AI論文引用次數長期高于我國，雖然2020年我國論文引用次數首次超過美國，但成果轉化后的實用技術遠不及學術領先。例如，由于不掌握核心算法，國產工業機器人的穩定性、故障率、易用性等關鍵指標難以達到國際一流水平，高端機器人仍主要依賴進口。

（三）人才培養體系不完善，制約能力提升

課程設置同質化嚴重。有的高校AI專業與計算機專業課程雷同，課程設置面面俱到；有的高校研究生與本科生課程雷同，機器學習、自然語言處理等課程重復開設；有的高校沒有開設體現學校學科特色的交叉類課程。

研究實踐創新性匱乏。現有AI教育普遍存在理論多實踐少、選題陳舊、考核單一、設備落后等問題，加之頂級專家大多集中在國內名校，普通高校尤其是地方高校師資力量薄弱，培養能解決復雜實踐問題的創新人才較難。

三、政策建議

（一）政府層面：提總量、調結構、拓兩端

擴大高校招生規模。建議教育部、科技部等部門組織高校和科研院所，共同打造“政策指導+人才培養+課程融合+活動創新”的多層次教育體系。到2025年，再增加200個左右專業點，實現“雙一流大學”AI專業全覆蓋，專業點布局與產業發展相匹配，逐步縮小人才缺口。

做實基礎人才培養。建議國家發展改革委會同有關部門積極引導中職、高職院校開設更多AI專業，與企業聯合開發專業教材、完善課程體系、打造實踐基地，培養行業所需大批基礎性人才，提升服務市場能力。

培養頂級研究人才。建議科技部、財政部、國家自然科學基金委加大對機器人學、計算機圖形學、計算理論、人機交互等領域的研發投入，給予更長周期的穩定支持，賦予科研人才更大的技術路線決定權、資源調度權、目標調整權，重點考核成果的前沿性和產業化。鼓勵參與國際大科學工程建設，持續提升期刊論文質量和影響力。

（二）高校層面：育大師、重實踐、優環境

建立本碩博貫通培養體系。推進分模塊本碩博一體化課程建設，本科生以掌握基礎知識為主，研究生以掌握學科前沿理論和技術為主，區分學術型和應用型培養方向，以論文、專利、軟件著作權等多元化成果作為考核依據。

提升實踐創新水平。鼓勵教師前往行業龍頭企業進修合作，深入了解行業需求和企業研發流程。探索將定期赴企業進修學習納入教師業績考核和職稱評審標準。

優化學科交叉融合環境。深化AI與基礎科學、信息科學、醫學、哲學、社會科學等相關學科融合，完善跨學科體制機制建設，鼓勵參與學院按貢獻大小享有跨學科科研成果的權利。

（三）企業方面：引外智、提內能、拓來源

積極引進國際人才。建議科技部、工業和信息化部牽頭建立重點行業專業人才需求預測和跟蹤機制，定期向重點企業公開。多種形式聘請外籍專家參與中長期科研項目，優化服務流程，暢通企業申領國際引才政策優惠，有條件的地區實現“免審即享”。

提升現有員工技能。發揮行業協會等多元主體合力，以職業規劃、線上課程、體驗式學習、認證項目、財務支持等方式提升員工關鍵技能。

多元拓展人才來源。以數字化轉型為契機，聘請第三方團隊搭建整體架構并培訓企業內員工，或通過戰略收購數字型企業獲得AI專家團隊，填補人才缺口。

（作者單位：國家發展改革委社會所）