幾乎每隔一段時間，AI人才的話題就會成為輿論焦點。
其中的原因，可以參考浙江大學中國科教戰略研究院副院長張煒的說法：“我國人工智能人才缺口高達500萬，而且這一缺口數據完全是一個動態的概念。人工智能已經覆蓋到各行各業，人才缺口將會長期存在。”
正是人才短缺的動態化，每個時期的人才訴求不盡相同。在人工智能浪潮最為火熱的時候，許多大廠都在搶奪算法人才；而當人工智能走向產業應用時，高素質技能人才的稀缺逐漸被人們所關注。
想要解決AI人才的困局，不只是數量上的挑戰，人才多樣性同樣是一道難題。
日前舉辦的首屆世界職業技術教育發展大會上，讓外界看到了新的可能：當越來越多的職業技能人才“涌入”人工智能，技術創新不問出處的新時代正在抵近，人工智能的人才缺口似乎有了系統性的解決方案。
01
國內的AI人才現狀
北宋理學先驅胡瑗在《松滋儒學記》中留下了這樣一句名言：“致天下之治者在人才”。同樣的道理，也適用于人工智能的全球競賽。
自從人工智能的第三次浪潮出現，美國、中國、日本、英國等均圍繞AI人才培養制定了詳細的戰略政策和產業規劃，并在人才培養的理念上達成了自上而下四個層級的“隱性”共識：
最頂層的是源頭創新人才，致力于推動人工智能前沿技術與核心理論的創新；
第二層是產業研發人才，能夠將人工智能的前沿理論打造為解決問題的算法模型；
第三層是應用開發人才，工作重心是理解產業需求將算法模型轉化為工程路徑；
最底層的是實用技能人才，理解人工智能技術的基本理念并能夠結合特定的應用場景進行落地。
理想的人才結構應該是典型的金字塔模型，可國內當前的人才結構卻呈現出了兩頭缺的局面。
知名機構Element AI曾在2020年發布的《全球人工智能人才報告》中以ArXiv上發表AI論文為依據對比不同國家的AI人才儲備：來自美國的人才占比為47.89%，遙遙領先于世界上的其他國家；盡管來自中國的AI人才數量排名第二，整體占比只有11.43%，和美國仍然有不小的差距。
而在500萬的人才缺口中，很大一部分屬于活躍在生產一線的技術應用型人才，簡單來說就是既懂專業技術又懂人工智能的復合型人才，也是許多大廠工程師被迫到工廠中調試代碼的直接誘因。如果說創新研發人才影響著人工智能的高度，技術應用人才決定了AI應用的廣度。
之所以出現這樣的現象，至少可以找到兩個維度的誘因：
一是國內AI研究起步晚的事實。人工智能的起步可以溯源到1956年的達特茅斯會議，即便中間的兩次人工智能浪潮無疾而終，可麻省理工、斯坦福、卡內基梅隆等高校紛紛在上世紀五六十年代創辦了人工智能技術相關的實驗室，國內直到1990年才在清華大學成立智能技術與系統國家重點實驗室。
二是國內AI人才培養的失衡。2018年前后曾出現科技大廠搶奪學術大牛的現象，不少高校紛紛開設人工智能專業，以至于80%的人才屬于算法人才，他們畢業于知名高校，有著扎實的理論基礎和編程能力，可讓人工智能落地到產線的數字化藍領人才和應用人才，仍然處于匱乏且滯后的狀態。
對于這樣的局面，國內無不反思。
教育部出臺了《高等學校人工智能創新行動計劃》《關于加快場景創新以人工智能高水平應用促進經濟高質量發展的指導意見》等一系列文件，試圖加速國內高校對人工智能專業人才的培養，同時號召以產學研的形式加快科技成果的轉化；百度代表的人工智能企業，紛紛以教材、課程、比賽等方式推動人工智能人才的培養……
同時應該理性思考的是，AI人才的培養特別是高層次科研人才的培養，需要相對漫長的時間周期，不同于美國在AI基礎層人才方面的先發優勢，中國的AI人才培養起步比較晚。所以在討論AI人才的話題時，應該從兩個方面進行考量，既要提升人才的數量，也要聚焦人才的質量。
在這樣的背景下，國內的AI人才培養逐漸摸索出了兩種方向：
一種是加大源頭創新人才和產業研發人才的培養力度，對應的例子就是越來越多的高校開設培養人工智能相關的研究生，包括百度在內的人工智能企業深耕前沿技術研究；
另一種是推動職業人才的培養，向社會輸送擁有熟練技能的骨干人才。正如教育部副部長孫堯的觀點：“職業教育要瞄準數字時代的新技術和產業變革，大力培養高素質技術技能人才。”
02
百度飛槳的生態解法
前沿科技人才的培養已成共識，無論是高校還是企業，創新人才在某種程度上可以和競爭力劃等號，職業人才的培養卻知易行難。
個中緣由不可謂不復雜。
現階段人工智能的應用仍處于市場開拓期，導致職業教育的課程體系標準難以確定，再加上實踐教學平臺的缺失，學生的能力和市場需求存在不匹配的現象，人工智能的職業教育陷入了兩難的局面。
正是在這樣的機緣下，百度創始人李彥宏在2020年世界人工智能大會上確立了一個目標：將五年內為全社會培養超過500萬的AI人才，并逐漸給出了系統性的培養方案。
其中外界已經看到的動作在于產教融合。
比如百度參與了“人工智能訓練師”國家職業技能標準的制定，同時也是高職院校人工智能技術應用專業實訓環境建設標準的起草單位之一；百度編寫的人工智能人才培養解決方案，目前已經和職業院校在內的360余所高校開設學分課；同近300多所職業高校進行1+X證書制度的試點合作，聯合培養應用實踐型AI人才；并與11家職業教育集團發布“大國智匠”人才培養計劃，截止到2022年已經有1016所高職院校成功申報AI專業......
不為外界所熟知的還有AI人才生態。
深度學習框架常常被比作人工智能領域的操作系統，除了“操作系統”的身份外，百度飛槳還擔綱了另一重使命，即提供全方位的人才培養服務。譬如國內最大的AI學習與實訓社區AI Studio，匯集了大量的AI教育課程，涵蓋6000多門定制課程以及300多萬個公開項目；零門檻AI開發平臺EasyDL為職業教育量身打造了一系列的上手工具，幫助職業院校的學生學習AI基礎知識并動手實操，賦予其解決一線生產問題的能力......
就像前面所提到的，國內既缺高層次科研人才，也缺一線的應用人才，想要徹底扭轉產業現狀，勢必要構建AI人才間的“產業協作鏈條”，覆蓋學習、就業、認證、實踐、比賽等人才成長全周期，形成一套自上而下的能力下沉體系。
倘若用這樣的標準審視百度飛槳，價值不只是為產業智能化打通了落地路徑，開源開放的氛圍和理念，也為AI人才數量和質量的雙重缺口，提供了適合中國市場現狀的生態解法。
學術層面上，飛槳在深度學習領域的前沿技術，可以助力科學家進行學術研究；算法層面，飛槳針對芯片和執行調度的優化，進一步提升CV、NLP等領域模型的訓練速度；應用層面上，飛槳在模型庫中為開發者提供了一套全流程指導，涵蓋前期適配到后期運行；在落地層面，飛槳平臺上的477萬開發者創建了56萬個模型，目前已經服務18萬企事業單位。
可以看到的是，在飛槳的生態系統中，不同層級的AI開發者不再是互相孤立的存在：源頭創新人才專注于方向性的研究，產業研發人才將這些研究沉淀為算法模型，再由應用開發人才與不同的行業進行適配，實用技能人才最終將算法模型落地到千行百業。
而一旦厘清了AI人才的協作體系和內涵特征，所解決的就不單單是國內AI人才規模不足的問題，還找到了適用于不同層次人才的培養方案，有望形成有中國特色AI人才培養體系。特別是在職業教育的推動下，一大批專業素養過硬的AI技術人才正在走向千行百業，解決一個個數字化智能化的小問題，不斷推動數字經濟的進程，進而讓人才紅利轉變為實實在在的生產力。
或許改變國內的AI人才現狀還需要相當長一段時間，但飛槳為不同層次開發者營造的氛圍和生態，已然給出了符合中國國情的最優解，默默為中國的AI人才培養貢獻著自己的力量。
03
寫在最后
再來思考文初的話題，人才短缺的現象其實不讓人意外，而是產業轉型升級引發的時代必然。
所幸并不缺少可行的解法。
按照《中國職業教育發展白皮書》中提到的一組數據：近10年來，職業教育累計為各行各業培養輸送6100萬名高素質勞動者和技術技能人才，特別是為高鐵、超高壓輸變電等重點產業提供大量骨干人才。
作為第四次工業革命的核心技術，人工智能的產業影響力絕不亞于高鐵和超高壓，也在某種程度上解釋了AI人才培養職業化的趨勢。
目前國內的上層建筑已經高度重視AI人才的培養，百度飛槳在內的深度學習平臺也進行著相應的生態部署，學界和業界正在形成合力，形成適合國情的創新規律，孵化出成熟且穩定的生態體系，剩下的可能只是時間。
離離暑云散 裊裊涼風起
池上秋又來 荷花半成子
今日處暑，祝大家越來越涼快~
【荷花圖】由飛槳文心大模型·一格創作
主理人 | 張賀飛（Alter）
前媒體人、公關，現專職科技自媒體
虎嗅、鈦媒體、36kr、創業邦、福布斯中國等專欄作者
