作者：刘明熹（中国科学院科技战略咨询研究院副研究员）

　　2024年中央经济工作会议指出，开展“人工智能+”行动，培育未来产业。当前，人工智能作为一种典型的通用技术，已成为未来全球竞争的关键。世界主要国家纷纷把发展人工智能作为提升国家竞争力、维护国家安全的重大战略，加紧出台相关规划和政策，围绕关键技术、顶尖人才、应用场景、标准制度等展开部署。据中国信息通信研究院发布的《人工智能发展报告（2024年）》，随着国产深度学习框架技术能力不断完善，人工智能行业解决方案向垂直领域快速渗透，我国人工智能将逐步进入大规模赋能新型工业化阶段。面对新形势，有针对性提前布局，夯实人工智能人才队伍基础，是我国赢得未来发展主动权的关键。

　　重点关注三个问题

　　近年来，各地各部门纷纷采取多种措施加快人工智能人才培养，如设立人工智能学院、实施人工智能人才计划、在重大科技项目中培养人才、有针对性开展人才引进等，取得了一些积极成效。但我国人工智能人才培养的系统性、全局性不够，没有充分考虑人工智能创新链产业链的结构，有时甚至忽视了人才培养的一般规律。主要表现在以下三个方面。

　　一是“一哄而上”与“拔苗助长”现象突出。部分高校在师资力量、教学设施不足的情况下，匆忙开设人工智能专业，学生难以获得高质量的教育，毕业后也无法满足企业实际需求。人工智能人才的成长需要时间和实践的积累，是一个循序渐进的过程。若急于求成，压缩培养周期，培养出的人才就会根基不稳，缺乏创新和持续发展能力，导致人工智能人才链难以有效支撑创新链的形成。

　　二是“相互挖角”与“抢人大战”仍在上演。当前，我国人工智能人才的结构性短缺问题突出。相关数据显示，2024年我国数据分析师人才需求相比前一年增长了30%。随着智能终端和云计算对人工智能芯片需求的激增，芯片架构师市场薪酬较前几年增长了约40%，但仍供不应求。由于市场上人工智能人才存量有限，尤其是顶尖人才较少，部分企业为获取竞争对手的技术优势，不惜重金挖角，导致行业内人心浮动，企业间信任受损。挖人抢人在短期内看似能快速提升团队实力，却会使企业忽视自身人才培养体系建设，长远来看对人才生态环境危害极大。

　　三是人才培养缺乏长期规划和“链式思维”。我国人工智能产业链的基础层、技术层和应用层均存在关键人才缺口。基础层包括计算芯片、存储设备、大数据采集与标注等，关键人才需求包括数据科学家、芯片架构师、集成电路设计工程师等。技术层包括算法研发、大模型训练优化等环节，关键人才需求包括深度学习工程师、算法研究员等。应用层聚焦人工智能在各个行业的应用落地，需要既熟悉行业业务又掌握人工智能技术的复合型人才。然而，我国目前从产业链角度出发的人才培养不够，导致人才培养与产业需求之间脱节。比如部分企业盲目追热点，大力培养引进大模型人才，但忽略了其他同样重要的细分领域。

　　推动“三链”深度融合

　　人工智能人才链与创新链产业链的深度融合，本质是要求把最合适的人才配置在最需要的岗位上，充分发挥高端人才在重大科技创新活动中的决定性作用，实现人才与创新活动相互作用、人才链与创新链双向反馈。同时，产业链通过“建链、补链、强链、延链”扩大对人才链的需求，人才链的发展推动产业链优化升级，人才链与产业链的良性耦合促进人工智能高质量发展。因此，为解决我国人工智能人才培养引进面临的三个问题，实现人工智能人才链与创新链产业链的深度融合，亟待从以下三个方面协同发力。

　　第一，要聚焦人工智能创新链产业链关键环节，针对性培养引进人才。根据人工智能产业链各环节的人才需求，制定差异化的人才培养和引进策略。鼓励高校优化学科专业设置，加强人工智能相关基础学科建设，如数学、统计学、计算机科学等，培养一批具有深厚理论基础的创新型人才。通过实施重大科技项目、建设国家级科研平台等方式，吸引和汇聚一批国内外顶尖科学家和高水平创新团队，开展人工智能基础前沿研究。加强产教融合、校企合作，鼓励高校和企业联合开展人才培养。高校要根据产业需求及时调整课程设置和教学内容，注重培养学生的实践能力和创新能力。企业要发挥在人才培养中的主体作用，通过建立实习实训基地、开展订单式培养等方式，深度参与人才培养全过程。通过制定优惠政策、提供良好的工作环境和发展空间等措施，吸引优秀人才投身我国人工智能产业发展。

　　第二，要敢于先行先试，围绕人工智能产业链探索教育科技人才一体化发展改革试点。将人工智能领域作为落实党的二十届三中全会精神、推进教育科技人才一体化发展体制机制改革的“试验田”，打破教育、科技、人才之间的体制机制壁垒，建立健全三者有机融合、协同发展的体制机制。教育方面，构建基础教育、高等教育、职业教育全链条人工智能教育体系。基础教育阶段将人工智能知识纳入课程体系，培养学生的科学素养和创新思维；高等教育阶段加强人工智能相关学科专业建设，推动学科交叉融合；职业教育阶段紧密结合产业需求，培养适应产业发展的技术技能人才。科技方面，超前布局一批人工智能领域的重大项目，加大对人工智能领域科研项目的支持力度，鼓励科研人员开展原创性、引领性科技攻关。人才方面，建立适应人工智能人才特点的评价机制，激发人才创新活力。

　　第三，要保持战略定力，将人工智能人才队伍建设作为一项长期工程。人工智能人才培养周期长、难度大，需要保持战略定力，持之以恒地推进，不能急于求成、一蹴而就。制定国家层面的人工智能人才发展战略规划，明确人才培养目标、任务和重点举措，为各地各部门开展人才工作提供指导。加强创新链产业链人才链政策协同，形成政府、高校、科研机构、企业等各方共同参与的人才工作格局。注重“投资于人”，加大对人工智能教育、科研的投入力度，树立长期投入的决心。培育耐心资本，鼓励社会资本投资人工智能领域的人才培养和科技创新。