分类施策有序培养人工智能产业人才

当前，我国人工智能正处于大规模赋能新型工业化的关键时期，应用型、基础型和复合型三类人工智能产业人才发展特点不同、趋势各异。基于此，应从产业链全局视角出发，抢抓供需两旺机遇，秉持长期主义，推动深度垂直赋能，分类施策有序培养人工智能产业人才。

4月29日，习近平总书记在上海“模速空间”大模型创新生态社区调研时指出，发展人工智能前景广阔，要加强政策支持和人才培养，努力开发更多安全可靠的优质产品。人工智能作为典型通用技术，正在赋能千行百业，对人类经济社会发展带来深刻而重要的影响。人工智能产业人才是以特定技术的研发与应用作为分类标准的一种人才统称，根据人工智能技术特点及其应用场景，其可分为应用型、基础型和复合型三个子类。当前，我国人工智能正处于大规模赋能新型工业化的关键时期，为响应技术变革新趋势与劳动力市场紧迫需求，需要坚持问题导向和差异化思路，分类施策有序培养人工智能产业人才，这对推动产业转型升级、优化就业供需结构、推动高等教育人才培养改革均有重要意义。

抢抓供需两旺机遇，培养足够规模的应用型人工智能产业人才。促进人才市场供需匹配是人才培养的关键。当前，我国人工智能产业人才市场呈现供需两旺的活跃态势，以技术开发应用为核心的应用型人工智能产业人才需求持续高涨。以“百万英才汇南粤”行动计划为例，广东注重现代化产业体系建设，重点聚焦人工智能、机器人等战略性新兴产业和未来产业的高成长性岗位开展人才募集工作。目前，人工智能产业人才供给水平还需进一步提高。一是深化高校学科专业调整，做好人才增量供给。高校是人工智能产业人才供给的主渠道，通过学科设置调整，培养更多符合市场需求的人才，既是对国家战略与产业需求的主动响应，也是推动高等教育改革创新的客观要求。当前，高校人才培养需要打破阻碍教育科技人才一体发展的体制机制壁垒，通过学科交叉破除知识藩篱、产教融合缩短转化周期、制度创新释放人才活力，构建覆盖基础理论、应用研究和实践创新的全链条人才培养体系。一方面，高校要加快学科专业设置调整优化，夯实数学、统计学、计算机科学等基础学科建设，以产业需求为导向增设人工智能类专业，重点建设“AI+X”复合专业，通过跨学科课程模块设计，培养具备交叉知识结构的创新型人才；另一方面，深化产教融合与校企协同育人机制，建立动态响应产业技术迭代的课程体系，定期将行业前沿技术纳入教学内容，强化学生在真实场景中的实践能力与创新思维培养。二是加大企业内部培训力度，提升人才素质。企业需要从实际出发，强化内功修炼，做好存量人才素质提升。在此方面，企业需要重构人力资源培训框架，坚持外聘与内训相结合，把人工智能基础理论、核心算法及行业场景应用等内容纳入培训体系。同时，具备条件的企业可设立企业级人工智能实验室或项目组，以真实业务场景驱动应用型人才培养，在提升员工技能与组织战略契合度的同时，增强其职业归属感与忠诚度。实际上，受人工智能技术快速迭代特点的影响，企业引才也需要动态调整策略，聚焦人才的创新能力，建立持续学习机制，以适配技术演进需求。目前，已有不少人工智能企业与高校、科研机构通过共建实习基地、联合实验室等方式进行协同育人，建立人才储备与选拔的“前置通道”。实践证明，校企协同育人既有助于企业提前锁定优质人才资源，也能推动人才培养与就业需求深度融合，为技术创新与产业升级提供可持续的人力资源支撑。

秉持长期主义，培养基础型人工智能产业人才。在人工智能产业人才需求持续升温的背景下，人才培养需要保持理性，避免出现“一哄而上”与“拔苗助长”现象。当前，我国人工智能产业基础型人才储备还需进一步加强。一是培养人工智能产业人才梯队。基础型人才是人工智能产业人才梯队的基底，也是驱动产业变革的隐性引擎，其作用不可替代。培育人工智能产业人才需坚持系统观念，从产业链全局视角整体培养“金字塔型”人才梯队。当前，我国人工智能基础型人才涵盖基础层与技术层两类：基础层人才聚焦计算芯片研发、存储设备创新、大数据采集与标注等底层支撑环节，其研究成果依赖跨学科知识体系与长期学术积累，影响产业发展的深度与厚度；技术层人才侧重算法创新、大模型训练优化、开发平台搭建等理论转化与技术落地衔接环节，需兼具理论突破与工程实践复合素养，影响技术商业化的速度与精度。高校作为培养基础型人才的主阵地，需秉持长期主义理念，强化基础学科战略定力，破除短期功利导向，建立长周期评价机制，前瞻培养符合国家战略需求的人才。二是留足基础型人才成长的试错空间。基础型人工智能产业人才成长需要两大重要支持，即长期资助的耐心资本和开放包容的社会环境。一方面，要强化耐心资本供给，注重“投资于人”，加大对人工智能教育科研的投入力度，形成长期投入的资助体系。例如，可以依托政府基金，联动产业资本与风险投资，构建覆盖实验室研发、成果转化、企业IPO全周期的资本支撑链条，通过对早期技术项目的多轮次长线投资，为基础型人才的成长提供持续动能。另一方面，需完善容错机制，针对基础型人才所从事的开创性研发工作，建立“企业观察期”“非惩罚性审计”等包容性制度，允许在融资协议中设定一定年限的不盈利缓冲期，以宽容失败的氛围和灵活弹性的制度设计，为技术探索预留试错空间。

推动深度垂直赋能，培养跨界融合的复合型人工智能产业人才。人工智能是一种强大的通用性技术，具备强大的行业赋能能力。目前，“人工智能+”的应用场景不断延伸，传统行业正迎来智能化转型的重要机遇。在此背景下，各行各业对复合型人工智能产业人才的需求旺盛。所谓复合型人工智能产业人才，主要是指那些既能深度理解所在行业的业务逻辑，又能熟悉掌握人工智能技术原理与应用的人才，此类人才的最大特点是“一专多能、跨界融合”，是当前各行各业智能化转型发展的急需紧缺人才。培养复合型人才，一是聚焦行业全景，培养深耕垂直行业的复合型人才。现代大学制度框架下的分科分专业人才培养模式，虽能培养出出色的专业人才，但也在一定程度上制约着复合型人才成长。目前，大部分专业人才对所在行业的全局认知较为有限，缺乏对行业底层原理、业务全流程及核心问题的系统性把握。人工智能技术要实现对相关行业的深度赋能，首先要培育一批深谙行业逻辑的复合型人才。否则，技术赋能可能会仅停留在碎片化应用层面，难以穿透行业本质，更无法产生系统性的变革效应。因此，推动高校在学科专业设置上关注行业全景，打破学生单一专业的知识壁垒，培养深耕垂直行业的复合型人才，是人工智能技术深度赋能行业的前提之一。二是聚焦跨界赋能，培育引领未来产业的复合型人才。未来产业对人才发展的需求与人工智能技术应用是紧密相连的，培育未来产业，其重点在于通过人工智能技术与各行业专业知识、技术资源的深度融合，推动跨领域技术协同创新。因此，未来产业所需要的复合型人才，更多是在现有专业人才基础上赋能，是能够将人工智能技术与行业逻辑深度耦合的复合型人才。培育未来产业人才，对于高校来说，重点是要以制度创新打破学科壁垒，从学科设计上为人工智能技术与其他学科之间搭建知识桥梁，探索把“人工智能+ 学科”作为交叉学科门类建设的重要内容。对于企业来说，重点是以实战导向推动跨界融合，努力培养具备“跨领域知识整合能力、技术协同创新思维、场景化问题解决能力”的复合型人才，引导企业员工突破岗位边界，学会用人工智能视角重构业务流程，并在技术迭代与产业变革中持续提升终身学习能力。

【本文系广东省哲学社会科学规划项目“人口高质量发展视野下粤港澳大湾区高水平人才高地的建设机理及路径研究”（GD24CSH13）的阶段性成果】

（作者系广东省习近平新时代中国特色社会主义思想研究中心特约研究员，广东省社会科学院省人才发展研究中心副主任、研究员）

编辑杨渝嘉审读张雪松二审王雯三审甘霖