當前，人類已經進入以數據為中心的新時代，人工智能作為關鍵的轉折性技術，正快速發展，為產業帶來巨大變革。當然，就AI產業自身而言，不論是技術的迭代、應用的落地，還是產業生態的建設，對人才的需求是越來越急迫。雖然，我們的產業界以及科研院所等學術界都在極力為AI產業的發展補充生力軍，但國內AI產業界流傳著一個說法：發展足夠快的國內AI產業跟美國相比還有一定的差距，這種差距主要反應在AI高端人才上。


“對于人工智能產業而言，人才一直就是個系統持續的工程，目前來看全球滿園內有500萬的人才缺口，而且這一數字將來可能會繼續增長。”英特爾中國戰略合作與創新業務部董事總經理李德勝認為，就國內AI產業而言，是各類AI人才都缺乏，不論是主導技術方向的學術界人才，還是主導應用落地方向的產業型人才。而目前來看，行業真正需要則是這兩者打通的復合型人才，這種人才的培養周期會更長，是非常系統的工程，對行業而言這才是真正的挑戰。


國內成熟的互聯網產業為AI應用落地提供了堅實的基礎，而科研及學術界關于AI技術前沿方向上的把控上也呈百花爭艷之勢，這一切都為國內AI產業的超高速發展提供了必要的基礎支撐。但一個現象必須得到重視：早前幾年，有很多位業界公認全球AI領域的技術大牛，從大學里出來進入產業界，但最后在產業界做得并不是很成功，至少說在產業界并沒有做到他們在學術界達到的成就。為什么會這樣？很明顯，產業和研究機構要的人才并不一樣，或者說適用的場景并不是完全一樣。


“研究機構、學術機構要做的技術方向的研究，是超前于市場的，但并不是說產業界就需要這類型的人才。產業界關注的更多是技術的實際落地上，一個產品能做到99%的正確率足夠了，產業界是不會再花錢將其優化到99.99%，因為這對技術的實際應用并沒有意義，反而可能會額外增加更很多成本。產業界真正需要的是既能達到產品性能的需求，同時也要做到成本最低、部署起來最簡單、最快的解決方案等，這意味著產業和研究機構對于AI人才需求有很大的區別。”李德勝表示，AI產業既需要有高端的人才領導這個行業往前走，英特爾有非常多的科學家，但與此同時，產業要快速而良性的發展，讓產業界看到成果是更重要的，這就需要大量精通各行業技術的復合型AI人才。


目前來看，高校積極開設的人工智能學院、專業培養出來的技術型人才或許跟產業間存在脫節問題，幸而學術界和產業界也意識到問題所在，一些AI領軍企業提出的產教融合的方案便由此誕生并受到推崇。


英特爾中國研究院院長宋繼強認為，英特爾中國研究院已經部署了非常多的工業研究員，研究方面上希望在三五年能應用在產品領域，聯合高校大力推廣產教融合方案，希望跟高校一起培養更偏產業領域的復合型AI人才，以應對市場快速增長的需求。

AI產業更青睞復合型人才

圖文簡介

高校積極開設的人工智能學院、專業培養出來的技術型人才或許跟產業間存在脫節問題，幸而學術界和產業界也意識到問題所在，一些AI領軍企業提出的產教融合的方案便由此誕生并受到推崇。