未來的AI中堅人才，百度和高校正在培育_風聞

【深幾度·產業建設系列】

撰稿｜吳俊宇

「摘要：海外高端人才固然必不可少，他們對人工智能概念普及性接受，國內企業的基礎性研究會起到奠基作用。然而觸及普羅大眾的，應該是國內高校培育的實踐型人才。」

國外研究機構TalentSeer在一篇名為《2020人工智能人才報告：當前形勢和市場趨勢》（2020 AI Talent Report：Current Landscape & Market Trends）的研報中提到了目前人工智能人才建設的幾個趨勢：

隨着人工智能成熟且部署，公司希望擴大產品和商業化團隊。市場正擴展到金融、醫療和農業領域；人工智能公司在將團隊規模擴大到硅谷外的技術中心，以降低生產成本獲得影響力；工程和人才領導者越來越重視非技術技能，如創造力、批判思維、成長心態、應變能力和溝通能力；在線培訓和訓練營在將現有勞動力轉變為工程師方面發揮着更大的作用；

對中國而言，也有着類似的發展軌跡。可以説，目前人工智能迅速普及的過程中，越來越需要普適性人才和實踐型人才。

任何行業真正的萌芽、發展、爆發都離不開人才積累，國內人工智能產業過去幾年都不斷強調研究院性質的海外高端人才引進。

海外高端人才固然必不可少，他們對人工智能概念普及性接受，國內企業的基礎性研究會起到奠基作用。然而觸及普羅大眾的，應該是國內高校培育的實踐型人才。

一批二線高校的教師參與到企業組織的職業培訓中，並把企業在一線的實踐經驗帶給學生，為人工智能在未來的大規模普及做鋪墊。

這正是百度和國內各個高校正在嘗試培育的未來“中堅力量”。

01

人才萌芽

國外人工智能的人才建設速度相對較快。

TalentSeer的報告引用LinkedIn數據表示，在美國人工智能和機器學習領域的AI人才在2016-2019年間每年增長74%。機器學習工程師、深度學習工程師、數據科學家、計算機視覺工程師和算法開發人員是2018-2019年間最受歡迎的人工智能職位之一。

2020 AI Talent Report

值得注意的是，據Really統計，人工智能職位招聘的年增長率已從2017年的136.3%放緩至2018年的57.9%，以及2019年的29.1%。

人才需求也在發生結構性變化，從大量人才到更有經驗的專業人才。人工智能創業人才領袖調查顯示，80%的僱主在尋找頂尖學校的人工智能專業畢業生，70%的僱主在尋找有3-5年工作經驗的求職者。

TalentSeer的研究中還提到了一個重要觀點，由於人才外流，中國缺乏優秀的人工智能人才，但隨着人工智能教育投資的增加和學習速度加快，中國正在迅速趕上。

事實的確如此，國內人工智能人才建設正在更深入地扎入更多高校，其價值在於普及人工智能相關意識，培育能夠銜接未來4年後進入基礎性崗位的應用型人才。

2019年前瞻產業研究院曾經發布過一篇名為《2019年中國人工智能行業市場分析：人才缺口超500萬，未來三大方面補齊短板問題》的報告，這篇報告提到：

AI專業建設要設定構建合理的知識體系，把卷積神經網絡、循環神經網絡、深度強化學習等作為核心的知識體系，輔以大數據、雲計算等課程，從而形成系統體系。注重人工智能教育師資培養開發，目前全球共有30萬AI人才儲備，但只有不到1/3在高校，中國高校界更是少之又少。這需要校企聯動，在實踐中結合理論彌補缺口。推動校企合作，注重科技創新和產業發展的深度融合。

日前，百度承辦的"2020全國高校深度學習師資培訓班"第十二期收官，全國超百所高校的180餘名教師完成了為期9天的深度學習網課。

來自閩南師範大學的鄭藝峯，來自瀋陽師範大學的夏輝是典型的高校教師，他們所在學校早已設置軟件工程專業，如今則在設置人工智能相關專業。他們是國內人工智能教育投資增加的典型收益代表。

02

實踐導向

過去幾年人工智能人才培育實際上有這樣一條脈絡。

第一階段是引進海外研究型人才，在內部成立研究院機構，展開基礎性研究。這批人才往往具備較強的學術功底，然而離產業也存在一定距離。由於無法適應企業，往往會出現無法平衡內部關係，理想與現實相距甚遠的偏差。這個階段在2016年之前相對普遍。

第二階段是在全球範圍內引進AI技術的落地探索者，讓這批人才承擔業務線管理，負責人工智能產業實際落地。這批人才帶動了企業內人工智能落地的進程，讓懸浮在研究院中的技術逐漸和實際生產生活產生聯繫。這是2016年之後普遍出現的現象。

第三階段則是讓企業內具備實踐經歷的產業人才對高校教師進行相關培訓，讓高校教師把相關理念帶入實際教學之中。其意義在於培養未來4年後能進入產業一線的人才。這批人會散落在一批“中堅型”企業，擔負起最普遍的技術落地和應用進展。

國內人工智能的人才培養正在經歷“精英模式”到“普及落地”的過程。

鄭藝峯和夏輝這類高校教師參加百度深度學習師資培訓班的目的，在於幫助他們所在高校搭建人工智能課程體系，培養一批“普及落地”的應用型人才。

真正的人工智能落地到企業增效降本過程中，往往需要一批願意衝到業務一線去摸爬滾打的人才。

無論是鄭藝峯還是夏輝，其課程建設偏實踐導向，他們所在學校似乎並不起眼，課程安排也看似簡單，但確實真正能夠帶學生入門，甚至獲得一定的實操能力。

鄭藝峯過去一直在高校象牙塔中，在他看來，高校教師不具備產業經驗、工程經驗，必須積極與百度這樣的企業進行交流，把企業資源帶到實際教學之中。其目的在於保證學生在學習過程當中，能夠接觸到產業界現狀，理解未來發展趨勢。

與鄭藝峯相反，夏輝曾在華為擔任工程師，輾轉於非洲、中東各地，把產品經理、產品研發、技術服務等崗位跑了個遍。長期駐外生活很苦，2011年夏輝出於平衡家庭的考慮，選擇進入瀋陽師範大學軟件學院從事教學科研工作。

鄭藝峯真正接觸人工智能是在2013年，當他還是中國石油大學（北京）的工程碩士時，開始學習數據挖掘與機器學習。

夏輝接觸更早，2010年他還在華為從事運營商服務工作時，曾幫助運營商搭建商業智能產品。運營商需要挖掘價值用户，BI（Business Intelligent）也就是商業智能被派上用場。

鄭藝峯所在的閩南師範大學在2019年開始招收數據科學與大數據技術專業學生，如今已經招收兩屆，共有100人。夏輝所在的瀋陽師範大學則是開設了人工智能導論與實踐課程，供計算機與軟件相關專業學習。

事實上，目前高校在人工智能課程設置中普遍面臨兩個問題：

缺乏教師，尤其是能夠在一線瞭解產業的教師；缺乏投入人工智能實驗室建設的資金；

在鄭藝峯看來，作為高校教師，參加產業界培訓後需要把當前實際情況反哺給學生，把學生引進專業大門，激發學生的學習興趣，還需要強大的數據、算力基礎設施支持。

在實際教學中，高校往往需要投入數百萬為人工智能搭實訓室，然而在現實之中不少高校普遍面臨資金缺乏問題，無法依靠自身力量對此進行投入。

百度飛槳和AI Studio平台則解決了這一問題。高校教師在百度深度學習師資培訓班參與培訓後，可以在日常教學過程中將百度AI studio帶給學生。

百度AI studio在原有教學案例項目、平台算力資源、海量數據集、在線實訓環境基礎上，根據教學需求，增加了教學管理後台、師生關係綁定、作業佈置與線上批改、批量導出等教學服務功能。

可以説，國內應用型人工智能人才建設和基礎設施建設正在起步。

03

未來中堅

我們觀察國外的人工智能人才隊伍大規模建設也可以發現相關規律，一批中堅型人才正在從在線和學術培訓中成長起來。

2020 AI Talent Report

以著名的在線成人職業培訓商Udacity為例，Udacity上人工智能和機器學習學位註冊人數在2019年底達到了12500人的峯值，2016年至2019年Udacity上受歡迎程度最高的五項技能都與人工智能有關。

在TalentSeer看來，隨着人工智能在2020年成熟，對人才的需求將繼續增大，這個過程將持續3-4年。

這樣的現象也在國內發生。事實上，百度也在參與國內500萬AI人才缺口的建設活動。除了培養高校教師之外，百度還通過培訓、賽事展開培養活動。針對企業人羣，也有如AI快車道、黃埔學院“首席AI架構師培養計劃”等相關培養體系。

我們其實可以參考過去軟件工程在高校內的普及，去觀察人工智能未來在高校的發展軌跡和大規模應用落地。

2000年代初，軟件工程曾經成為國內一批高校爭相開設的專業。當時為適應中國經濟結構戰略性調整，實現軟件產業和軟件人才培養需求，全國35所示範性軟件學院誕生。

按照當時的説法，各高校軟件學院和計算機學院要“培養高層次、實用型、複合型、具有國際競爭力的人才”，要求學生在思維創新的基礎上，提高技術創新和工程創新能力，提高軟件工程實踐和軟件工程管理能力。

這一舉動有效促進了中國軟件工程學科的發展，中國軟件工程教育開始走向成熟。

一批高校輸出的人才後來逐漸進入東軟、亞信、博思等軟件廠商，為國內IT解決方案與軟件服務建設提供了源源不斷的中堅力量。

事實上，今天的人工智能就像是2000年代剛剛成為前沿技術的“軟件工程”，彼時各高校都在落地“軟件工程”專業，隨後軟件工程成為了全國高校的“標配”。

如今二線高校AI人才建設已提上議事日程，這批人才未來可能會是國內人工智能建設的中堅力量。

這是在為未來10年做鋪墊。