中国人工智能领域人才培养挑战及对策建议

发表时间: 2024-04-03 16:56

本文作者林镇南,中科科界(北京)科技有限公司总经理;孙丰伟,中科科界(北京)科技有限公司研究员

人工智能是新一轮科技革命和产业变革的重要驱动力量,包括中国在内的诸多国家将人工智能列入国家科技战略部署。人工智能已经成为各国创新技术竞争的焦点,而技术竞争的核心是人才的竞争。

为了解中国人工智能产业链人才的现状,2023年四季度,中科科界(北京)科技有限公司研究团队对相关文献和报告进行了梳理,并面向人工智能产业链主要环节的企业、部分高校的中青年教师开展了调查研究。

结果发现,中国人工智能人才的培养规模近年来快速增长,但人才培养和人才需求存在结构性错配。背后反映出来的问题实际上是当前高校的培养模式落后于产业实践,以及产学研结合依然不够紧密等问题。研究团队针对相关问题,提出相应的政策建议。

一、中国人工智能人才的供需现状

在可预见的未来,中国的人工智能市场需求很大,需要高质量、高水平的人才支撑和推动行业的发展。近几年,中国人工智能人才的培养数量有显著提升,但依然存在以下问题:

一是基础层人才的储备相对薄弱。

人工智能产业链可划分为基础层、技术层、应用层三大主要环节。浙江大学与百度联合发布的《中国人工智能人才培养白皮书》显示,2022年美国人工智能产业基础层、技术层、应用层的人才数量比例分别为22.8%、37.3%、39.9%,中国为3.3%、34.9%和61.8%。

二是芯片设计和制造人才结构性短缺。

在企业调研中,芯片类企业反映,经过十几年的发展,尤其是近几年国家政策的支持和资本的追捧,中国整个集成电路行业的人才需求和供给规模都在扩张,但人才缺口依然较大。

三是部分产业链环节和岗位的人才供需存在错配。

我们的数据显示,基础层、技术层、应用层的存量人才数量占比分别为17.1%、28.6%、54.3%。但是新增岗位需求主要集中在技术研发型人才,基础层、技术层、应用层企业的技术研发人才新增岗位需求占比分别为67.9%、71.2%、42.0%。人工智能芯片设计、机器学习、卷积神经网络等前沿技术突破和算法研发等高端技术岗位的供需比(意向进入岗位的人才数量与岗位数量间的比值)均小于1,基础层为0.3,技术层为0.4,“供不应求”问题较为突出,但应用层为1.3,存在一定程度的“供过于求”。脉脉发布的《人工智能顶尖人才挖猎指南2022》同样显示,人工智能领域人才供需比处于较低水平,语音识别、自然语言处理、深度学习、计算机视觉四个技术方向的人才供需比分别为0.49、0.49、0.48和0.38。

四是高学历人才存量相对不足。

中国劳动和社会保障科学研究院发布的《中国人工智能人才发展报告(2022)》显示,人工智能领域产业人才存量数约为94.88万人,其中本科学历占68.2%,硕士学历占9.3%,博士学历仅占0.1%。我们在企业调研中发现,除个别企业外,大部分企业中具有博士学位的员工占比极少,但研发部门的博士学历占比大概在1%-2%。由于高学历人才的培养周期长,企业短期用人缺口与较长人才培养周期存在较大矛盾,短期内人才紧缺现象很难解决。同时,企业对于是否招聘博士实际上也面临两难。一方面企业需要高学历人才充实研发力量,但博士人才存量有限。另一方面,博士的用人成本高,且应届博士工作两年后的跳槽率较高,企业留人难。

五是应届生的实践经验难以满足用人岗位的需求。

2023年10月,猎聘发布的《AIGC及其产业链人才需求大数据报告2023》显示,产业链各环节对求职者工作经验的关注度越来越高。在各产业链对求职者工作年限的要求中,“3—5年工作经验”均以超30%的比例居于首位。其中,基础层为32.16%,模型层为41.25%,应用层为33.59%。访谈时企业表示,由于技术竞争越来越激烈,用人单位最需要的是以解决问题为导向、具备业务理解与解决真实问题能力的复合型人才,但应届生具有深度项目经验的比例较少,实践经验不足。

六是行业资深人才和领军人才不足。

如果将工作十年以上且具有副高及以上职称的技术人才定义为产业领军人才,根据我们的抽样估计,基础层、技术层、应用层的领军人才占比分别为0.9%、1.6%、2.9%,尤其是基础层企业(0.9%)的资深人才最为短缺。访谈时,相关企业的多位技术专家表示,全产业链的领军人才均存在短缺,但在高端的人工智能芯片设计等领域最为严重,其次是算法模型领域。人工智能芯片设计,从业5年才算入门,10年以上只能算成熟人才,对领军人才的要求更高。

七是对国际顶尖人才的吸引力仍有提升空间。

2024年,美国保尔森基金会下属的麦克罗波洛智库发布的一份《全球人工智能人才追踪调查报告(2.0)》显示,中国培养的人工智能学者较2019年有所提升,中国与美国的顶尖人才数量逐渐接近。报告还显示,在中国毕业的人工智能相关专业学者,有90%会留在国内。但在美国读博士研究生的学者,接近80%会留美工作,美国仍然是顶级人工智能人才的首选工作目的地,并且美国拥有全球60%的顶级人工智能机构。中国对国际人才的吸引力仍有提升空间。

二、人工智能人才培养模式存在的问题

2018年4月,教育部制定《高等学校人工智能创新行动计划》。2019年,教育部将人工智能正式列入新增审批专业本科名单,也将人工智能技术服务纳入高等职业教育专业目录。截至2023年,全国有440所高校建立了人工智能本科专业,1016所职业院校备案了人工智能技术服务(应用)专业。

当前,高校承担着人工智能人才培养的关键职责,企业同样做出了重要贡献。毋庸置疑,近年来,中国人工智能人才培养的数量和质量得到显著提升。但现存模式仍然存在三方面问题。

首先,高校模式的核心困境是教学与实践脱节。

当前,高校主要采用“新增人工智能专业”“在原有专业中新增人工智能培养方向”以及“重组原有专业设立人工智能学院”三种模式。对高校调研发现,高校缺少科研领军人才,专业设置、课程建设经验、人才培养等不能根据发展需要及时调整,难以紧跟技术前沿、缺少优质的大数据集、算力和设备支持、以及缺少与行业的交流机会等。教师们普遍反映,人工智能需要实践教学,但学校机房的算力难以满足大模型的教学和训练需求。与企业合作可以一定程度上缓解算力的限制,但较为成熟且具有一定规模的企业数量有限,产教实训资源不足,这就导致人才培养“重理论、轻实践”,“重研究、轻应用”。特别的,在芯片设计领域,目前还没有专门的人工智能芯片设计专业,传统的集成电路设计专业培养的应届人才逐年递增,但高校教学存在“重设计,轻制造”的问题,学生毕业后不能直接满足企业的研发生产需求。而职业院校在师资力量、课程设置、设备资源、实训资源等方面的条件相对更差。上述问题共同造成人才培养的教学与实践脱节,进一步限制了人才培养质量的快速跃升。

其次,企业模式存在的问题是对人才的培养缺乏体系化、系统化和可持续性。

领军企业拥有丰富的行业数据、算力资源和应用场景,也为人才培养做出了重要贡献。访谈发现,企业参与人工智能人才培养主要采用以下形式:一是为全行业提供开源开放平台(如百度飞桨平台、腾讯云社区、CSDN 人工智能社区),二是依托赛事开展实践实训竞技,三是面对业内新人和在校生开展短期集训,四是举办大型论坛或闭门技术交流会,五是依托企业自身的人才培养体系,六是参与人才标准的制定和认证,七是为行业、高校提供实践资源、师资培训、教材资料、配套设施等服务。但是,企业的人才培养模式更侧重于满足企业自身、某个项目的需求或开阔员工视野,培训周期短、课程建设和培训体系碎片化、模块化,缺少连贯性和可持续性。

最后,部分企业的用人需求难以触达高校。

调研中,部分“瞪羚”“专精特新”“隐形冠军”等科技型中小企业反馈,高校一般愿意与头部大企业合作,中小型科技企业有用人需求,在细分领域也具有较强的技术优势和专家资源,也愿意参与校企合作,提供实训平台。但由于企业的规模相对较小,且本身处于尚未盈利的高速成长期,难以直接向高校提供资金支持和承诺就业指标,所以,企业拥有的技术资源、实训资源、行业交流机会和人才培养需求都难以触达高校。

三、政策建议

第一,打造服务国家战略的多层次人工智能人才培养体系。

一是建议教育部门设立联系全国高校和领军企业的人工智能教学指导委员会,立足国际前沿和国内实际产业需求,在保障院系特色和自主权的基础上,推进全国各级高校、科研院所的学位设置、学科设置和课程设置,统筹人工智能人才分层分类培养。二是相关部委协同成立“人工智能人才培养专家委员会”,成员要囊括监管、高校、业界,明确培养体系和标准建设,发挥人工智能学科专家和产业专家在多层次人工智能人才培养体系中的引领作用。三是相关部委牵头联合重点企业及高校,成立国家级人工智能产业促进平台,可以借鉴日本VLSI、美国SRC联合研发计划等成功经验,开展人工智能产业链关键环节人才培养和技术攻关。

第二,强化高等院校对人工智能人才培养的支撑作用。

一是对各院校结合自身人才培养目标及学科优势、构建与人工智能产业发展相匹配的课程体系,并对重点高校聚焦人工智能领域前沿重大问题与关键核心技术开展集中攻关作出统筹,聚合优质资源,有针对性地重点培养服务产业发展的高层次人才。二是重点加强基础设施和交叉微专业建设。基础设施方面的重点在于加强和优化高校的算力资源配置,处理好通用算力与智能算力的比例、自建算力与云算力的关系。交叉微专业设置方面要强调人工智能人才在关键横向领域的关联意识,创新多学科合作育人模式。三是针对半导体细分领域加大投入力度,紧跟芯片设计和制造前沿技术,有针对性的培养一批潜在的高层次人才。四是改革人才评价机制,推进人才发展治理体系与治理能力现代化,为培养高级研发人才进行颠覆性技术创新提供制度保障,也为吸引留学博士归国创造良好的学术生态。

第三,构建政产学研一体化的人工智能人才培养生态。

一是加强政、校、企沟通,特别是瞄准在产业链细分环节具有技术优势的专精特新企业的人才需求,打造与区域创新链和产业链分工协同相对应的人才资源流动、共享格局。二是建立人才培养目标动态调整机制和校企师资互动机制,校企协同课程研发、实训基地建设、工学交替、委托和定向培养等,开展人工智能产业链关键环节人才联合培养和技术攻关。三是政府牵头联合头部企业及优势高校推动成立国家级人工智能产教融合创新实验室,并在高校设立分部,把先进的科研设施变成人才培养平台,推动产业生态系统中各环节的企业合作,以适应应用场景的成熟育人体系带动人工智能科教融合、产教融合教育生态的系统创新。

(本文仅代表作者个人观点)