苏州推进人工智能“人才链”与“产业链”匹配研究

2024-01-22荣雪琴卜树坡陈晓磊

苏州市职业大学学报 2023年4期

荣雪琴,卜树坡,陈晓磊

(苏州工业职业技术学院电子与通信工程系,江苏苏州 215104)

我国已将人工智能领域的发展上升为国家战略,2017年国务院印发《新一代人工智能发展规划》,将加快培养聚集人工智能高端人才作为重点任务[1]。2018年教育部印发《高等学校人工智能创新行动计划》,提出进一步提升高校人工智能领域科技创新、人才培养和服务国家需求的能力。高等学校处于科技第一生产力、人才第一资源、创新第一动力的结合点[2],要抓住人才培养这个核心,面向国家人工智能发展战略、面向人工智能产业人才需求、面向区域经济社会发展需要,培养一大批人工智能领域的高端人才。

1 与人才链与产业链匹配的关键因素

从全球视角来审视,全球产业链逐步由稳态结构转向再次重构,表现为多种因素的激荡和推动[3]。这些因素分为常规因素和突发因素。其中常规因素包括次区域合作和新一轮科技产业革命,影响着人才链与产业链布局的空间形态和竞争方式;突发因素包括经贸摩擦、科技封锁、新冠疫情影响等,这些因素直接导致全球产业链分工的不安全性和不确定性。

1)次区域合作的影响。随着经济的全球化,次区域合作深化与区域间竞争正驱动着全球产业链重构。出现了次区域合作板块:以中小国家印度尼西亚、马来西亚、菲律宾等10国联合为主的东盟;以中国、日本、韩国为中心的东亚经济圈;以德国为主轴的欧盟圈;以美国为核心的北美自贸区。这些板块都试图成为经济全球化的核心区域,新一轮全球产业链分工与重构,将会更加依赖于这些区域。因此,深耕中日韩东亚经济圈,推进我国构建具有稳定性的区域产业链循环,加快建设京津冀、长三角、珠三角、川渝核心区一体化协同发展,促进人才资源合理流动和高效配置已成为必然。

2)新一轮科技产业革命的影响。随着人工智能、量子信息、区块链等技术的应用,催生了数字经济等新产业新业态,助力了传统产业“智改数转”。然而,我国主要产业结构及关键环节长期以来存在“卡脖子”技术,尤其是在芯片、算力、算法等领域。因此,需要加快对高端人才的全球化引入和本土化培育,同时倒逼高等学校人才培养要与新一轮全球科技产业革命同频共振。

3)经贸摩擦的影响。经贸摩擦的政策源头是保护主义,本质是争夺更多产业链利益。由美国发起的中美之间经贸摩擦由来已久,呈现不断升级趋势,对全球产业链分工影响深远,由此引发的人才链与产业链匹配的诸多不确定性;关键技术、核心部件的制裁限制,倒逼人才链在产业链重构的引导下加速本土化进程。因此,加快科技创新、突破“卡脖子”技术,必须把科技命脉牢牢掌握在自己手中。

4)新冠疫情的影响。突如其来的新冠疫情对全球产业链、人才链、供应链影响极大。世界各国大多采用停工停产、休市停学、限制出行等应对措施,确实起到一定的防疫效果。但对全球化分工布局的产业链和自由流动的人才链打击是沉重的;同时,由于原材料、零部件的全球性中断,破坏了供应链的协同性;因此,加快构建“双循环”新发展格局,做好新一代信息技术产业的稳链、固链、强链工作成为关键。总之,产业链分工模式决定着人才链供给匹配模式。

2 苏州人工智能产业发展现状与人才需求

苏州已将人工智能作为先导产业进行培育,根据2020年《中国人工智能城市产业发展指数》和2021年《中国人工智能计算力发展评估报告》,苏州排名分别为第八和第六,产业发展综合水平跃居全国第一梯队。

2.1 产业发展现状

2021年3月,苏州市获批国家新一代人工智能试验区,2021年4月制定了建设国家级试验区实施方案,明确了打造“一核四环”创新区等21项重点建设任务。目前,全市已集聚人工智能企业超1 000家,相关产业规模接近900亿元;建成5G基站1.7万个、数据中心38家、超算中心3个;并在机器人、物联网、云计算、大数据、自动驾驶等领域具有一定产业优势。在基础层,集聚了以晶方半导体、明皜传感、敏芯微电子等领先企业;在技术层,培育了思必驰、驰声科技、华兴致远等创新型企业,同时引进了科大讯飞、微软等多家领军企业;在应用层,涌现了天准科技、江苏北人、凌云视界、天聚地合、朗动科技等一大批人工智能优势企业,以及微软、BAT、科大讯飞等一批国内外龙头企业,覆盖制造、医疗、文旅、金融等多个领域。

2.2 人才需求调研

根据《苏州市2021年度重点产业紧缺专业人才需求目录》和《苏州工业园区2021—2022年度重点产业紧缺人才需求目录》,利用紧缺指数对学科专业在重点产业领域需求程度的定量评价,分为1—5级,数值越大紧缺程度越高。人工智能产业已成为苏州市先进制造业领域十大重点产业、苏州工业园区三大特色新兴产业。相关具体产业方向为:人工智能软件、智能消费相关设备制造、人工智能系统服务、智能化基础设施、智能场景相关技术设备。专业要求:计算机类、电子信息类、数学类、自动化类、统计学类等学科专业。岗位名称:云平台架构师、数字版图工程师、模拟芯片设计工程师、图像算法工程师、数字IC设计工程师等11个岗位为5级紧缺岗位。要求具有本科及硕士学历以上且工作年限为1-5年的技术人才;还有35个1-4级紧缺岗位。

通过对人工智能企业人力资源结构实地调研,获取有效样本303份。统计结果:男性占65.3%、女性占34.7%。20～25岁占43.5%、26～30岁占40.0%、31～35岁占12.5%、36～40岁占2.50%、40岁以上占1.5%。专科占18.5%、本科占70.5%、硕士占10.4%、博士占0.6%。专业主要分布在计算机科学与技术、电子信息技术、软件工程、工业机器人等。近三年,物联网、人工智能、机器人等“新工科”专业优势明显,具有较强的就业竞争力。岗位需求:前端25.5%、后端35.5%、产品经理12.0%、运维7.5%、测试10.0%、算法6.0%、架构2.0%、实施1.5%。具有三年的从业年限人员占75.0%,平均年薪为25万元以上。基本接近2021年世界人工智能大会上《长三角人工智能人才发展调查报告》发布的数据。

3 苏州高校人工智能人才供给现状与困境

苏州对人才的渴求前所未有。“你只需要一个背包、你只管奋勇向前,其他包在苏州身上”,这是苏州市委书记在第十四届苏州国际精英创业周暨第三届苏州科学家日开幕式上向全球人才广发的“英雄帖”。

3.1 人才供给现状

苏州现有高等学校27所(南京大学苏州校区2022年开始招生,不在其列),包括苏州大学等本科学校10所,苏州工业职业技术学院等专科学校17所。获批开设人工智能专业的本科学校4所、专科学校8所,于2020年开始招生,2023年才有毕业生。目前开设与人工智能紧密相关的计算机科学与技术专业、数据科学与大数据技术专业、软件工程专业、机器人工程专业的本科学校9所,开设计算机应用技术、物联网应用技术、软件技术、大数据技术、工业机器人技术专业的专科学校15所。2017年,上海交通大学成立苏州人工智能研究院、苏州大学成立人工智能研究院、西交利物浦大学成立认知计算与应用技术重点实验室。

3.2 人才培养困境

1)培养目标定位有待厘清。根据产业需求,结合学校办学层次、人工智能相关学科基础、师资队伍水平、实验实训条件、生源特点,人才培养目标应形成差异化定位。通过2021年相应高校开设人工智能专业的介绍,人才培养目标存在育人模式同质、人才培养类型相似、特色不够鲜明等问题。

2)人才供给总量有待增加。《2019—2020年苏州市人工智能产业发展白皮书》显示,苏州在人工智能产业领域具备持续保持领先优势的基础,如软件和信息服务业规模大、产业配套能力位居全国前列、数字化基础设施完善、潜在应用落地场景丰富,但配套政策、复合型人才培育、重大软件产业载体布局等方面仍有完善空间。据专业人士分析:2022年苏州人工智能产业人才需求在4 000人以上,而实际上,苏州高校近一两年还没有这方面的毕业生。人才培养是个渐进过程,需要较长时间的培育和转化。因此,目前还不能满足产业需求的巨大缺口。

3)教师队伍水平有待提升。教师队伍是人工智能专业人才培养的关键。现有专任教师不少是来自电子信息、软件服务、通信工程、智能制造等专业,知识陈旧老化,对智能计算基础技术、智能自主无人技术、计算机视觉技术、语音识别技术、群体智能构建技术等方面的理论与实践研究不够,略显胜任力不足。同时,高校与产业界相比,产业界人才集聚能力更强,一方面是高校人工智能专家流失,另一方面是高校招引人工智能领军人才困难。因此,高校开展人工智能专业建设和人才培养面临极大挑战。

4)课程体系建设有待重构。课程体系是人工智能专业人才培养目标的重要支撑。就学科属性而言,人工智能知识体系涵盖了计算机科学、数学、认知科学、脑科学、自动化等理论、技术和应用。就产业属性而言,包括基础层、技术层、应用层。基础层主要是芯片、传感器、算法平台;技术层主要是计算机视觉、机器学习、自然语言处理、机器人、语音识别;应用层主要是人工智能与实体经济融合应用(AI+)。调查发现,现有部分高校课程设置存在学科思维意识单一化、课程设置零散化、教学内容碎片化、实践环节孤立化等问题,忽视了产业人才需求、人才培养目标、专业知识体系、课程体系之间的对应关系。因此,聚焦专业人才的多学科交叉融合和实践应用能力培养是客观要求。

4 苏州人工智能“人才链”与“产业链”匹配对策

4.1 加强学科专业建设的校企协同

《新一代人工智能发展规划》提出完善人工智能领域学科布局,设立人工智能专业,推动人工智能领域一级学科建设。

1)在“量”上谋突破。借助今年苏州“人才服务推广年”之“人才专家走访”行动,鼓励苏州高校开设人工智能相关专业,回应国家需求,增强专业特色,提高学科专业建设水平;依托南京大学苏州校区、苏州大学、西交利物浦大学等高校,培养一大批基础理论研究、应用领域创新、场景运行维护等方面的专业人才,快速填补大量的人工智能产业人才缺口。

2)在“链”上求匹配。依据人工智能全产业链,采用分类型、分层次培养方式,针对“基础层”重点培养能够推动人工智能前沿技术与基础理论发展的顶尖人才,针对“技术层”重点培养能够将人工智能前沿理论同实际算法模型相结合的高端人才,针对“应用层”重点培养能够将人工智能技术与应用场景相结合的复合型人才。

3)在“质”上做文章。将高校的基础性研究优势与企业的创新性应用优势转化为人才培养优势,发挥企业人才培养主体作用,加强“订单”培养,实行专业导师与产业导师“双导师制”,参加ACM 世界大学生程序设计大赛,组建人工智能产业技术创新联盟,提高人才培养质量,抢占人工智能人才金字塔的“塔尖”。

4.2 加强教师队伍建设的校企联动

习近平总书记始终心系教师队伍建设,教师要善于学习新知识、新技术、新理论。

1)引入创新创业人才。苏州国际精英创业周已连续举办十四届,成为苏州重点打造的重大招才引智活动,累计吸引近3万名全球高端人才来苏州对接,落户创新创业项目9 000多个。在苏高校应不失时机地升级高端人才引入政策,向海内外科学家、高端人才、创业者发出邀约,填补现有高校双创教师不足的“软肋”,比如苏州大学引入加拿大工程院院士凌晓峰等世界级专家,成立了人工智能研究院,带来了前瞻性项目,培养了高端人才,引领了产业发展。

2)实行校企双聘制度。聘请与人工智能相关企业专家和产业教授进课堂、带实训、做项目,充实高校教师队伍。

3)加强教师队伍培训。教师要主动参加“国培”项目,积极参加人工智能专业课程设计、课程建设的培训项目,提升教师教育教学能力,比如清华大学教育技术研究所举办的“混合式教学”培训项目;同时,教师必须要下企业实践,并带着任务下企业,带着企业项目、科研成果回学校。

4.3 加强课程体系建设的产教融合

课程体系是实现人才培养目标的重要载体,对保障和提高教育教学质量起着至关重要的作用。

1)聚焦课程目标,培养“新人才”。在设立人工智能专业时,就要明晰人才培养目标和就业要求,“双一流”大学定位在培养研究型人才,普通本科院校定位在培养复合型人才,高职院校定位在培养技能型人才,卡内基梅隆大学和南洋理工大学人工智能专业课程目标值得借鉴。

2)创新课程结构,构建“新模式”。依据人工智能多学科交叉特性,开设数学与统计学科基础课程、计算机技术基础课程、人工智能专业核心课程以及人文与艺术等通识选修课程,建立“基础知识模块+专业核心模块+跨学科交叉模块+综合素质选修模块”专业课程体系,南京大学人工智能专业课程设置值得借鉴。

3)优化课程内容,突出“新知识”。把握各层次学生知识基础和认知规律,打好数学和计算机专业课程基础,比如概率论中的贝叶斯定理已被创新应用到语音识别领域。随着大数据技术的发展,贝叶斯定理的作用日益凸显,西安交通大学人工智能专业课程内容值得借鉴。

4.4 加强平台载体建设的校企合作

人工智能时代校企合作的新趋势,即高校是人才汇集之地,企业是数据来源之地,校企合作完成采集标注海量数据并快速完成模型测试及算法迭代[4]。

1)发挥高等学校优势。支持高校成立人工智能研究院,以人工智能产业链上中下游基础研究、技术创新及产业化应用为主攻方向,加强核心技术攻关,加快成果转移转化,实现关键技术自主可控,可以借鉴苏州大学与亨通集团共建“未来信息通信与人工智能技术研究院”模式;支持高校建设人工智能实验室,致力于推动人工智能硬件、软件、算法的基础研究与推广应用,可以借鉴麻省理工学院与IBM公司的“十年之约”。

2)突出企业主体作用。鼓励工业界头部企业成立人工智能领域的研究实体,重点突破自然语言的语法逻辑、字符概念表征和深度语义分析等大数据驱动的自然语言处理核心技术;结合深度学习卷积神经网络CNN、长短期记忆网络LSTM、对抗生成网络GAN图卷积网络GCN等最新研究进展,加快文本图像识别和理解、人脸和人体步态识别、行人车辆目标检测等视觉应用技术研究;重点突破自主无人系统计算架构、复杂动态场景感知与理解、面向复杂环境的适应性智能导航等共性技术,支撑苏州数字经济建设,可以借鉴阿里巴巴达摩院经验。

3)校企共建实训基地。校企共建从资源、工具到管理应用实训基地方面,围绕机器学习、模式识别、计算机视觉、自然语言处理、人机交互等专业核心课程,开展自然语言理解综合实训、智能系统综合实训、机器人与智能制造实训、人与智能工具交互实训、应用场景程序设计实训以及顶岗实习,满足多层次人才培养过程中实验实训需求,可以借鉴苏州工业职业技术学院与汇川技术建立“工业机器人实训基地”经验。