我国人工智能人才队伍建设：现状、瓶颈及若干建议——基于中美两国的比较分析

童 嘉，邓勇新，李拓宇

（1.浙江大学工业技术转化研究院，浙江 杭州 31000；2.浙江大学公共管理学院，浙江 杭州 310058）

1 引言

人工智能是未来智能社会的关键驱动力，亦是各国竞相布局的关键领域。2020年5月27日，美国参议院民主党领袖Chuck Schumer提出了《无尽前沿法案》（Endless Frontiers Act），拟在未来5年向美国国家科学基金会投资1 000亿美元（约合人民币7 177亿元），涉及人工智能、量子计算、机器人技术、先进通信和先进制造业等10个关键技术领域［1］。在新冠肺炎疫情防控期间，人工智能在疫情监测、疾病诊断、药物研发、医疗救治、人员物资管控等方面均发挥了重要支撑作用，再次体现出其在推动社会生产力整体跃升、提升社会治理整体效能等方面的重大影响。习近平总书记高度重视我国新一代人工智能发展与人才队伍建设，在多个重要场合强调，要培养大批具有创新能力和合作精神的人工智能高端人才［2］。基于此，理性客观地比较分析中美两国人工智能人才队伍建设现状，剖析制约我国人工智能人才队伍发展的瓶颈，对推进我国人工智能领域人才队伍建设具有重要意义。

2 研究背景

2.1 新工业革命引领下的产业跃升

纵观世界现代化的历史进程，工业革命的产生与发展是以科学和技术革命为基础，催生并加速生产组织方式以及经济发展方式的变革：由蒸汽动力技术主导实现机械化生产，由电力技术主导推进基于劳动分工的批量生产，由电子技术主导提高生产自动化水平，更进一步形成了扁平化、网络化、数字化的新经济、新社会生态。特别是20世纪中叶以来，原子能、计算机、空间技术和生物工程等领域取得重大突破，生产方式逐步向自动化、信息化迈进，这些是第三次工业革命的典型标志。

在新一轮科技产业革命的推动下，新一代信息技术、生物技术、新能源技术、新材料技术等交叉融合，驱动社会生产方式变革。以人工智能技术为核心引发的技术创新，催生了多个领域先进技术的集中式爆发，从智能互联的机器到万物互联的社会系统、从基因测序到纳米技术、从可再生能源到量子计算，通过信息通信技术和网络空间虚拟系统，横跨诸多领域、贯通不同技术，正在逐步推进生产力、生产方式和经济形态的全面变革。

2.2 人工智能技术的变革

当前社会发展阶段已呈现出模拟、共享、计算、智能决策等智能化发展趋势及社会特征，人工智能已深刻影响着经济社会的发展。

一是技术生态呈现数字化、智能化。数字技术和行业经验深度融合，各类机构借助大数据、人工智能等关键技术紧密融合，形成共生、互生乃至再生的价值循环体系；数字化进程还渗透到民生、政务等各领域，改变着社会运行机制。

二是产业结构呈现开放性、融合性。产业价值链的整合将依循开放、融合和全新的关联模式。技术范式、经济范式的变革调整带动学科交叉、产业跨界以及数字世界和物理世界的融合，驱动国家乃至全球产业生态和创新网络的开放融合。

三是发展前景呈现绿色化、可持续性。人与物深度交互、制造高度智能的生产体系逐渐形成，生产与决策都将有强大且协同的算力作保障，资源的利用率将会指数式跃升，从而真正实现人类社会的绿色、低碳、可持续发展。

2.3 人才发展生态的变革

基于人工智能技术的特点，人才发展生态将呈现出多元复合性和立体网络化的特点。

一是制度环境的变化。不断迭代的科技创新是获得和保持竞争力的关键所在。须依托作为制度基础的系列科技创新政策来保障和促进科技创新系统的有效运行，这对激发人才资源的整体效能提出了更高的制度创新要求。

二是创新文化的变化。促进文化、经济与科技的融合成为创新驱动经济与社会发展的关键。未来产业类型更多样、结构更复杂、升级速度更快，增强道路自信、理论自信、制度自信、文化自信，成为人工智能产业可持续发展的关键。

三是创新主体的协同。人工智能时代是由一组“技术群”驱动的，通过交叉融合、集群创新，呈现出多元组合形态及由其产生的聚变效应。需要引导政府、研究机构、高等院校、企业、社会力量等共同参与到产业发展中。

2.4 人才培养模式的变革

发展人工智能产业的关键，在于培养和集聚人工智能专业人才，诸多发达国家已将人工智能领域专业人才的培养作为国家战略行动的重点。

一是教育理念的转变。进入人工智能时代，教育理念从以大规模、批量化培养适应工业制造的知识型人才为主流转变到推崇开放、个性化的培育理念，需要培养适应未来社会的终身学习者和创新型人才。

二是人才结构的调整。加强“高精尖缺”领域科技人力资源的布局，致力于自主培育世界一流人才和顶级科技创新团队。同时在基础学科领域、交叉学科领域等方面储备大批高素质科技人力资源。

三是综合能力的培养。形成以解决问题为导向的能力塑造机制，培养同时具备深厚的专业能力、多领域的跨界能力、开放的沟通学习能力、持续的创造力、高水平的人文素养的人工智能时代复合型人才［3］。

3 中美两国人工智能产业生态对比

3.1 人工智能战略规划及政策着力点存有差异

人工智能的发展日益引起全球各个国家的重视，各国相继推进人工智能战略规划及政策布局，其中美国和中国的发展尤为瞩目，两国均颁布了一系列战略规划及政策（见表1）。美国早在1998年就已着手制定人工智能相关政策，其人工智能起步早、基础厚，并时刻强调保持人工智能技术的全球领先［4］，居于绝对的“领跑”地位；中国在人工智能领域的技术发展和政策布局起步较晚，但近年来，中国抓住人工智能的发展机遇，进行了一系列人工智能政策布局［5］。总体而言，中美两国人工智能的产业布局共同处于世界“第一梯队”，呈现你追我赶的竞争态势。

表1 中美两国人工智能领域颁布的战略规划与政策列表

从表1可知，美国发布人工智能政策的着力点在于适应人工智能蓬勃发展的大趋势，着眼于其对国家安全与社会长期稳定的影响与变革，同时美国作为科技引领强国，始终保持着对人工智能发展的主动性与预见性。目前，美国正在探讨人工智能驱动的自动化对经济的预期影响，研究人工智能给就业带来的机遇和挑战，进而提出针对性战略以应对相关影响。中国人工智能政策因互联网而生，初期偏重于应用层，如计算机视觉、自然语言处理、智能机器人和语音识别等。尽管中国在这些领域具有一定优势，但相较于美国的产业布局，中国对于人工智能教育领域的投入引导明显不足。目前，中国正按照“推动互联网、大数据、人工智能和实体经济深度融合”的要求，强调对于人工智能战略规划的实施，要构建开放协同的人工智能科技创新体系，把握人工智能技术属性和社会属性高度融合的特征，坚持人工智能研发攻关、产品应用和产业培育“三位一体”推进，强化人工智能对科技、经济、社会发展和国家安全的全面支撑作用。

3.2 创新产出的实际转化效率存在差距

在人工智能创新产出上，中国人工智能领域的创新产出已经超越美国，跃居世界第一。通过incoPat数据库，使用如下检索式进行专利文献检索，检索式为“TIAB=（人工智能OR机器学习OR机器智能OR深度学习）”，检索时间为2022年8月8日，检索范围为中国专利和美国专利。将检索结果按照专利申请号去重，优先保留授权专利，检索得到中国专利文献共87 410篇，美国专利文献共35 689篇。在人工智能专利产出方面，近十年间，中国专利总量（8.6万项）已稳居全球第一，是第二名美国（3.3万项）的2.6倍（见图1）。

图1 2003—2022年中美两国人工智能领域专利产出比较折线图

在论文方面，中国零被引论文数量远高于美国。依据Scopus提供的学科标准化后的科研论文影响力（FWCI）报告，中国论文被引率甚至低于全球平均水平（仅为平均水平的94%），相较而言，美国 FWCI指数为 1.83［6］。从专利申请主体来看，中国的大学是人工智能领域的研发主体，然而其申请的专利主要为算法+应用，商业价值有限，且中国大学成果的转让和许可比例很低。从专利布局来看，未来人工智能的商业价值在于技术+商业模式。结合目前中国的商业环境来看，中国企业更多关注的是市场营销和商业模式，因此更加关注大数据获取、计算、算法（开源）等领域，在技术研发投入风险较大的领域，如通用技术方面（语音识别、图形识别等）较为薄弱，而相关通用技术未来可能成为中国人工智能发展的瓶颈。

3.3 高层次领军人才总量存在差距

领军人才在很大程度上决定一国人工智能发展的高度和精度。在学术领军人才中，据统计，2018年NeurlPS大会上Top 1%的人工智能人才中，29%为美国籍、9%为中国籍，60%在美国机构工作、仅1%在中国机构工作［7］。“2022年人工智能全球2 000位最具影响力学者榜单”显示，在21个子领域排名前100的学者中，美国占有绝对优势达1 146人，中国仅有232人，为美国的1/5。领军人才的缺乏严重阻碍重大科技创新的突破。此外，中国人工智能领军人才过度集中于高校而非产业，对行业未来发展及市场需求把握的敏感度不够［8］；产业领军人才过度集中于应用层而非基础层，主要集中于互联网行业而非实体经济行业，产业的关键核心技术研发能力相对滞后［9］，对于传统制造业的转型升级缺乏相关高端复合型人才的支撑。另外，根据领英《2022全球互联网技术人才前沿洞察》报告，截至2021年12月，全球互联网前沿技术人才总量达332万人，其中，美国以超104万的人才数量位列第一，中国则以超11万的人才数量位列第五，仅为美国的1/10［10］。

3.4 专业人才的储备和培养模式存有差异

基于目前庞大的产业需求和中美之间的竞争差距，中国人工智能专业技术人才供给严重滞后于产业需求。目前，中国拥有的人工智能企业仅次于美国，市场规模约339亿元［11］。然而，相较于美国，中国人工智能产业人才储备长期存在较为严重的结构性失衡问题。据《2020全球AI人才报告》测算，中国私营部门基础层人才储备量仅为1.2%，但平均需求增长率高达145.6%，这两组数据与美国（38.6%，6.3%）相差甚远。人才供给与产业需求“脱靶”成为阻碍关键核心技术攻关的关键，特别是基础层人才储备的薄弱，直接导致核心技术研发和应用上的空心化，解决“卡脖子”问题的能力明显较弱，严重阻碍人工智能领域重大原始科技创新突破。在人才培养方面，全球人工智能研究排名前20的高校中，美国占12所，中国仅占2所［12］。基于人工智能产业“专精特新”的特点，其对人才的学历层次、综合能力要求相对较高。但目前中国人工智能人才培养体系的战略引导和系统规划显然不足，尚未形成从国家层面出发的覆盖前沿基础研究、专业技能研发等不同类型人才培养的系统性设计，基础教育、职业教育、成人教育及终身教育等各层次和各类型的教育仍缺乏有效融通。

4 制约中国人工智能人才队伍发展的原因剖析

科技竞争的本质是人才的竞争，接下来将结合案例进行比较分析。近年来，中国人工智能领域虽然得到了快速发展，但在基础理论、原创算法、高端芯片等方面突破较少，“卡脖子”问题始终未能得到根治。究其根源，在于目前人才供给尚无法满足庞大的人工智能产业发展需求。

4.1 专业人才培养体系尚不健全

人才供给与产业需求“脱靶”是阻碍关键核心技术攻关的关键。与发达国家相比，我国人工智能人才培养依然存在顶层设计不完善、学科布局不合理、社会参与不积极等问题。美国通过完善顶层设计，致力于培养多元化的人工智能人才队伍，除强调高层次的人才培养外，还积极开展人工智能全民教育，主张人工智能教育全学段覆盖。例如，美国发布《人工智能教育战略》《维护美国人工智能领域领导力的行政命令》等政策，发起人工智能倡议、AI4K12计划等，确立了多元化、全民化的人工智能人才培养目标，积极开展人工智能全民教育，将培养范围从拔尖人才扩大到包括各学段学生和成年劳动力在内的全民人工智能技能的提升。2017年以来，我国陆续发布了《新一代人工智能发展规划》《高等学校人工智能创新行动计划》《关于“双一流”建设高校促进学科融合加快人工智能领域研究生培养的若干意见》等文件，旨在推动中小学、本科、研究生等各阶段人工智能人才的培养。然而，目前国家层面的人才培养体系尚不健全。

4.2 学科建设缺乏有效的交叉融合

人工智能是一门场景驱动、交叉融合的学科，而学科作为人才培养的基本单位，美国高校早已对人工智能专业及方向进行布局。例如：美国卡内基梅隆大学于2018年设置了全美第一个人工智能本科专业；斯坦福大学在计算机科学专业的基础上开设了人工智能专业方向；麻省理工学院虽未开设专门的本科专业，但其电气工程与计算科学系几乎所有的专业都涉及了人工智能相关课程。除此之外，国外人工智能人才培养同时拥有多学科交叉融合的教育生态。例如：斯坦福大学依托工程学院，联合数学学院、物理学院打造专业基础课程群，还联合人文学院开设选修课程；卡内基梅隆大学围绕人工智能这一核心学科，形成了包含计算机科学、数学与统计学、伦理学、人文与艺术、科学与工程等学科在内的学科群。上述举措对于整合高校和社会资源，促进教育链、创新链和产业链的交叉融合，提高人工智能人才培养质量均起到了重要的支撑作用。而中国相关学科建设相对滞后，且人工智能专业尚未取得独立的一级学科地位。虽然自2018年以来，中国人工智能专业设置呈现出井喷式的增长，经过了四轮增设（分别新增35、180、130、93所［13］），截至目前已有438所高校开设该专业，但仍未形成规模效应，掌握相关专业知识的教授多分散于计算机和自动化等学科，且课程只在一些具备研究基础的大学里开设。学科建制和学科发展还处于以规模扩张为主的外延式发展阶段，人工智能学科专业群也尚未形成［14］。相关教育教学活动目前仍大多散落于其他一级学科中，计算机、统计学、数学等专业的毕业生成为“替代”人才。这些极大影响人工智能学科与其他学科协同培养出以人工智能为核心的专门人才。

4.3 社会力量参与机制尚不健全

高水平人工智能人才的培养需要科、产、教等各界社会力量在培养标准制定、培养体系构建、开放平台建设等多方面协同合作。一般来看，高校和研究机构的理论研究基础雄厚，而企业则拥有较多实践经验和海量数据，培养高水平的人工智能人才需要在算法、算力、数据等多方面进行综合统筹。美国拥有相对健全的培养体系。例如：Facebook与纽约大学合作建立数据科学中心，致力于联合培养高层次的人工智能研究人才，纽约大学的博士生可以申请在该中心长期实习；谷歌公司聘请高校人才在企业开展常态化基础研究工作，并于2019年上线AI教育平台，面向个人、非营利组织开放人工智能基础课程，学习者可根据自身情况（如职业、学习阶段等）获取相关的课程推荐；麻省理工学院积极培育人工智能人才培养生态，以新成立的计算学院为“共享结构”（Shared Structure）载体，与IBM共建“沃森人工智能实验室”，鼓励教师和学生产出新的人工智能发明和成立新的技术商业化公司，与美国空军签署“人工智能加速器”（AI Accelerator）协议，共同合作了至少10个研究项目；斯坦福大学联合政府、企业（如谷歌）、科研院所（如微软研究院）、社会机构（如红杉资本）等，依托7个学院200多名教师的力量，建立了以人为本的人工智能研究所（Stanford Institute for Human-Centered Artificial Intelligence，HAI），旨在共同推进人工智能的研究、教育、政策制定和实践。

在中国，人工智能领军企业也在积极推动人工智能产学研合作。例如：2018年华为宣布实行“沃土”AI开发者使能计划，规划将在未来三年投入10亿元以培养100万人工智能开发人才；百度成立云智学院，承诺为中国培养10万工程与产品开发等方面的人工智能人才。此外，已有部分高校和企业通过共同建设人工智能学院的方式，在人才培养、联合实验室和专业实习实践基地建设等方面展开合作，如深圳大学与腾讯云、南昌大学与慧科集团、东北财经大学与科大讯飞等。然而，大多数高校目前仍处于探索阶段，尚未形成相对成熟的培养方案，且面临着严重的师资队伍不足等问题。社会力量参与人工智能人才培养的体制机制仍须在未来得到进一步完善。

5 加快推进人工智能领域人才队伍建设的若干建议

5.1 加强顶层设计，强化战略谋划

一是加快布局面向未来的人工智能人才战略研究与规划。中国工程院应会同教育部、科技部、自然科学基金委等有关单位，进一步加大对面向未来科技的人才战略研究的支持力度，特别是注重对人才环境、治理、培养、发展和评价等方面研究的持续性投入和战略性部署，尽快形成战略型人才需求预测机制；积极谋划制定加强人工智能人才队伍建设的相关政策，对中国未来十到十五年人工智能人才发展（阶段性）目标、实现路径和制度支撑等进行总体规划与长远布局。

二是在国家层面进行系统设计，优化人工智能多层次人才培养的顶层设计。从财政投入、基础设施完善、“双一流”建设等多个方面，系统谋划不同层次、不同类型人工智能人才的引进、培养和使用，推动基础教育、专业教育、职业教育、成人教育及终身教育等的融合发展，探索专—本贯通、本—硕—博贯通的长周期人才培育模式；进一步加强青少年人工智能教育，开展面向中小学生和社会大众的常态化人工智能教育，让人工智能走进课堂、企业和家庭，促进全民人工智能素质的提升；支持校企合作共建一批人工智能领域的继续教育平台，鼓励通过“高校搭台、企业助力”的方式，为人工智能产业人才知识更新、能力提升提供再教育项目，建立满足未来智能社会需要的终身学习和培训体系。

5.2 优化学科布局，强化学科群建设

一是优化“增量”“存量”，推进人工智能一级学科建设。以国内重点高校、科研院所为突破口，以国家战略需求和学科国际前沿为导向，加快推进人工智能一级学科“增量”建设工作，完善人工智能基础理论与算法、计算机视觉与模式识别、数据分析与机器学习、自然语言处理、智能系统等相关方向建设；以产业转型需求为导向，鼓励“传统工科+人工智能”的学科“存量”转型布局，完善物联网（感知智能）、大数据（数据智能）、机器人（行为智能）等相关方向建设。

二是强化“融合”“群聚”，打造人工智能学科群和专业群。灵活设置二级学科，加强人工智能与量子、神经和认知科学以及数学、心理学、经济学、法学、社会学等相关学科的交叉融合，探索“人工智能+”本科双学位与辅修学位教育模式；以多学科交叉解决重大问题的专项任务为培养载体，形成“人工智能+X”的学科群，培养贯通人工智能理论、方法、技术、产品与应用等的纵向复合型人才，以及掌握人工智能与经济、社会、管理、标准和法律等知识的横向复合型人才，充分展现人工智能的“技术属性”和“社会属性”。

5.3 鼓励社会参与，构建融合育人生态

一是探索构建开放共享的“科产教”融合育人生态。整合创新链、价值链、产业链，深化人工智能校地合作、产教融合，依托国家实验室体系建设，探索开放共享的教育模式。借鉴学科群和产业生态建设经验，在京津冀、长三角、粤港澳、成渝等高校和产业众多的地区，试点共建区域性、实战性、一体化“科产教”融合育人开放平台与共享“靶场”，共建具有国际影响力的人工智能竞技赛事，为培养造就一批具有国际水平的战略科技人才、青年科技人才和创新团队提供平台和支撑。

二是完善协同育人机制，推进多主体人工智能人才培养体系建设。转变目前主要依靠高校开展人才培养工作的现状，围绕国家战略需求，依托国家实验室、新型研发机构、科研院所，打造人工智能工程研究院、企业人才培养基地等多层次人才集聚和培养载体，探索人工智能人才多主体协同培养机制，以专业学位人才培养为切入口，营造人工智能育人生态，提高专业技术人员的综合能力；支持联合制定人工智能职业认证制度，明确人工智能类专业人才梯队化培养标准和职业技能标准，为人工智能各梯队人才提供配套政策。

5.4 坚持产教融合，促进成果转化

一是积极推进源头创新，提高人工智能成果转化能力。以促进科技成果转化为导向，着力破除束缚创新驱动发展的观念和体制机制障碍，打造集技术成果交易、中介服务、咨询服务、项目孵化为一体的公共创新服务平台；鼓励高校和科研院所积极部署人工智能产业联盟，联合开展共性技术研究，加强技术转化部门与院（系）、学科之间的协同与连接，着力推进由“专业化众创空间—孵化器—加速器”构成的创新全链条建设；依托大学科技园、众创空间、技术转移中心等品牌载体在成果转移转化中的集聚辐射和孵化带动作用，构建技术交易、投融资等支撑服务平台，深入对接各个平台的产业、人才、政府资源，引导人工智能人才的学习和实践，加快科技成果流动，提高转移转化效率。

二是畅通沟通交流机制，构建高校、企业、研究机构长效沟通交流机制。以服务实体经济为目标，连接以行业教授为主的创新导师和具有丰富产业化经验的创业导师、创业辅导员、企业联络员，为人工智能创业企业提供金融、法务等多元化服务；紧密联系人工智能领域的上市公司和龙头企业，通过高峰论坛、案例分享、技术诊断等形式与人才积极互动，着力构建以企业为主体、以市场为导向、产学研相结合的服务体系；以人工智能转化平台为切入口，探索发布人工智能高层次领军人才引进专项计划，形成培养、吸引、留住人才创新创业的制度环境和文化氛围；鼓励有条件的省（区、市）建立战略咨询专家委员会，推动人才计划、项目实践、咨询决策的有序开展。