光明图片/视觉中国

　　党的十九大报告指出，推动互联网、大数据、人工智能和实体经济深度融合。人工智能作为新一轮产业变革的核心驱动力，将进一步释放历次科技革命和产业变革积蓄的巨大能量，对于打造新动能具有重要意义，正成为国际竞争的新焦点和经济发展的新引擎。作为人工智能发展的关键要素，人工智能人才的培养集聚已成为很多国家的战略重点。国家《新一代人工智能发展规划》指出，我国人工智能尖端人才远远不能满足需求，要把高端人才队伍建设作为人工智能发展的重中之重。

高端人才是人工智能发展的关键和竞争焦点

　　自1956年美国达特茅斯会议提出理念至今，人工智能几经起伏，直到最近几年，才终于进入快速突破和实际应用阶段。作为人类社会信息化的又一次高峰，人工智能正加速向各领域全面渗透，将重构生产、分配、交换、消费等经济活动环节，催生新技术、新产品、新产业。

　　人工智能的发展阶段和技术路线倚重高端人才。当前，人工智能正在从实验室走向市场，处于产业大突破前的技术冲刺和应用摸索时期，部分技术和产业体系还未成熟。在这个阶段，能够推动技术突破和创造性应用的高端人才对产业发展起着至关重要的作用。可以说，人才的质量和数量决定着人工智能发展水平和潜力。

　　对人才的争夺和培养是各国发展人工智能的重要策略。在各国发布的人工智能战略中，人才都是重要组成部分。美国白宫发布的《为人工智能的未来作好准备》以及《国家人工智能研发战略规划》中，对如何吸引人才着墨甚多。英国政府科学办公室发布的《人工智能、未来决策面临的机会和影响》也对如何保持英国的人工智能人才优势有特别说明；英国下议院科学技术委员会发布的《机器人技术与人工智能》调查报告中，对英国政府能否吸引人才从而保证英国在人工智能领域的领导力提出了敦促和质询。加拿大启动“泛加拿大人工智能战略”，重点提出增加加拿大人工智能领域的卓越学者和学生数量。

人工智能高端人才出现全球性短缺

　　人工智能人才出现了全球性短缺。从职位供求关系来看，根据某招聘平台统计，在全球范围内，通过该平台发布的人工智能职位数量从2014年接近5万个到2016年超过44万个。从人才薪酬来看，全球人才争夺处于“白热化”状态，人工智能人才的薪酬大幅度高于一般互联网人才。

　　人工智能人才的稀缺是全球产业变革的结果。人工智能人才问题，本质上是新产业变革带来的劳动能力需求转换所导致的人才结构性短缺。作为新一轮产业变革的核心驱动力和通用技术平台，人工智能将推动各个领域的普遍智能化，在这一过程当中，需要大量既熟悉人工智能又了解具体领域的复合型人才。2010年前后，人工智能在海量数据、机器学习和高计算能力的推动下悄然兴起，2015年随着图形处理器（GPU）的广泛应用和大数据技术的迅猛发展而进入爆炸式增长阶段，人才需求的激增导致人才供应的整体短缺。大量资金的投入，也造成了资金多项目少的情况，没有足够的人才来承接市场和政府投入的资源。而此前很多人工智能相关专业处于“冷门”状态，培养的人才数量有限。

　　目前的全球人工智能领军人才数量与质量均无法满足技术和产业发展的巨大需求。所以，不能仅把战略重点放在对全球存量人才的争夺上，要着手设计新的人才培养和人才发展计划。

全球人工智能人才培养与发展呈现新趋势

　　充足的高质量人才是人工智能深入发展的基础。从全球来看，人工智能人才培养和发展呈现一些新趋势。

　　学科深度交叉融合。人工智能技术人才，主要包括机器学习（深度学习）、算法研究、芯片制造、图像识别、自然语言处理、语音识别、推荐系统、搜索引擎、机器人、无人驾驶等领域的专业技术人才，也包含智能医疗、智能安防、智能制造等应用人才。人工智能是一个综合性的研究领域，具有鲜明的学科融合特点。

　　从区域来看，多学科的生态系统对人才培养至关重要。伦敦之所以能够拥有大量优秀的人工智能人才，与“伦敦-牛津-剑桥”密集的高校群和学科群生态密切相关。“伦敦—牛津—剑桥”这一黄金三角具有密集的教育研究资源和深厚底蕴。该地区拥有以牛津大学、剑桥大学、帝国理工大学和伦敦大学学院为中心的全世界最好的人工智能相关学科群，形成了良好的多学科生态。以阿兰·图灵研究所为代表的众多智能研究机构在技术实力上处于全球领先地位，这些高校和研究机构源源不断地培育出全球稀缺的人工智能人才。

　　从高校内部来看，推动学科交叉是大势所趋。近日，人工智能研究领域的翘楚卡耐基梅隆大学（Carnegie Mellon University，CMU）宣布启动CMU AI计划，旨在整合校内所有人工智能研究资源，促进跨学院、跨学科的人工智能合作，从而更好地培养人工智能人才，开发人工智能产品。该计划通过解决现实问题来牵引跨学科合作，并把合作落到实处，值得借鉴。

　　产学研深度融合。从研究内容和人才流动来看，科学家需要企业的数据和工程化能力，企业需要高校的研究人才，因此顶级人才得以在企业和高校间快速流动。谷歌等大公司聘请的高校优秀人才，大多还继续从事研究机构的工作。AlphaGo项目的负责人戴维·席尔瓦（David Silver），至今仍在伦敦大学学院任教，在赢得人机大战后他专门回到学校，为学生们复盘AlphaGo技术，使得高校的研究能够与实践应用同步。

　　从培养模式来看，企业捐助研究，学生到企业实习，高校与产业界可以联合培养人才。Facebook与纽约大学合作建立了一个致力于数据科学的新中心，纽约大学的博士生可以申请在Facebook的人工智能实验室长期实习。

　　从成果转化来看，人工智能领域算法创业的特点是技术成果转化周期非常短，基础研究成果甚至可以直接转化为创业项目。几个人的团队通过技术展示，常常就能融资几千万美金。而伦敦原有的积累和储备恰恰契合了以算法和人才为核心的人工智能创新创业的基本特点与规律。英国一些著名的人工智能公司，在单独成立之前都是作为大学的研究项目而存在。随着明星企业的不断出现，越来越多与这几所高校有关的人工智能人才加入创业行列，加速推动了伦敦地区的人工智能创业繁荣。

　　企业成为人工智能人才培养的新阵地。很多企业开始建立自己的人才培养体系。如百度成立深度学习研究院（IDL），在硅谷成立硅谷人工智能实验室等，由此不断产生技术创新，并吸引更多的国际尖端技术人才。百度还将推出“人工智能Star计划”，通过资金、培训、市场、政策等措施扶持优秀的人工智能创业团队。