■本报记者 彭德倩

　　刚刚闭幕的2023年世界人工智能大会上，微软全球资深副总裁侯阳的发言道出业界普遍判断：“随着生成式人工智能不断展现出巨大潜力，今后每一家公司的每一个应用程序都将由人工智能来驱动，每一家公司都需要具备驾驭数字技术的能力。”

　　人工智能作为上海三大先导产业之一，预计到2025年，其产值规模将突破4500亿元。在产业生态培育中，高校人才培养是必不可少的一环。如何更好地学以致用？走访学、教、用三方，看看如何让源头水更活。

　　企业要什么

　　中午12﹕00，在国内头部企业人工智能研发部门工作的肖箫忙完上午的工作，边吃午餐边看论文。

　　从上海大学计算机技术与科学人工智能方向硕士研究生毕业的她，今年已是工作的第3年。肖箫还记得，面试时在专业能力部分，除了理论功底，也被重点问到是否有相关专业科研项目的经验。在校期间参与医疗数据分析、医疗影像分析两个项目的经历，让她可以侃侃而谈，最终进入计算机视觉领域的研发岗。

　　“从学校来到企业，切身感受到两者对人工智能的需求是不一样的，”肖箫说，前者更注重创新性、原创性，后者更侧重“落地”，在操作性、实用性上需要下大功夫，而这些在学校学习时，并不需要考虑很多。

　　“进入实际工作中学以致用，发现如果研究生期间没有接触过很多项目的话，很难适应公司节奏。无论是解决实际问题的能力、资源调配能力，还是人力统筹协调能力，都要在实践中摸索。”肖箫记得自己工作后第一次哭鼻子，是在入职部门的第二年。

　　因为工作表现不错，主管很快将一个不大的项目交给肖箫负责，包括她在内共有5人参与，需要统筹规划后将项目任务整体拆分、分配，不仅得保证各模块有独立性，同事可以并行推进，还要考虑交付节奏。与此同时，她自己也参与其中一个模块的研发。对新人来说压力不小，一次与主管谈话时忍不住流泪。好在这第一次承担的项目结果不错，也让她成长得更快。

　　她觉得在工作中，从大学里带出来的学习习惯对自己帮助很大。人工智能专业细分领域多，几乎每个都处于爆炸式创新阶段，不仅需要实时跟踪发展，还得眼观六路、耳听八方，有时“隔壁”的一点想法的萌芽可能在自家领域获得大爆发。

　　因此，每到工作间隙，肖箫都会争分夺秒刷手机看相关领域公众号的实时报道，“机器之心”“量子位”等公众号上集纳的学科前沿进展、新发论文热点就像索引，带着她点开一篇篇论文原文精读。

　　“上学时老师常说一句话，‘你们手太慢’，新点子出来，这个方向不出一周可能就大变样。”对此，肖箫已经有了深刻领悟。

　　那么，作为用人方怎么想？上海瑛泰璞润医疗器械有限公司总经理李昕用“Gap(差距、缺口)”来形容高校人才培养出口和企业用人进口之间的“间隙”。

　　从学习到工作，有“间隙”是正常的，毕业生上岗后都需经历一段时间的专业培训。不过，企业和校方两头若能努力双向奔赴，尽力缩小这“间隙”，才可让产业发展所需的人才活水源源不绝。

　　李昕眼中的Gap有三：一是教学中工程实践经历较少，比较偏重理论。但在工作中，需要尽快有产出。工程实践也能锻炼代码能力和产品意识，前者是人工智能专业的基本功，后者对企业需要的创新思维能力意义重大。

　　二是从接触过的人工智能相关专业毕业生来看，不同学校的学生能力差别大，哪怕相似层级的学校，有的毕业生一两年就能成为骨干，有的却达不到要求。这或许是因为人工智能专业是新生事物，在教学体系建设方面还有很大成长空间。

　　三是接触过的学生中，数学、物理等基础学科专业的毕业生，其成长“天花板”更高。因为人工智能的基础就是数学，经过多年数理逻辑训练的基础学科人才，这方面上手较快，新人入职总需要培训的，他们没有经过人工智能学科专业学习，这份“空白”也方便直接塑造企业需要的技术思维。

　　这次招到的数学专业员工，李昕挺称心。因为他不仅是数学专业，还有在汽车企业无人驾驶开发部的工作经历，已经“打磨”过了。

　　学生学什么

　　这几天，复旦大学人工智能方向(计算机应用技术专业)博士毕业生林青忙着打包行李，下个月，她将赴新加坡南洋理工大学从事博士后工作。“这是个全世界都在全力竞争的前沿学科，我想应该出去看一看，学习更多东西，然后再回来。”她说。

　　当被问及在复旦大学硕博连读人工智能的这5年学到了什么后，这位南京姑娘强调“打牢基础”和“持续学习”。

　　复旦大学是国内在人工智能研究、教学领域走在前列的高校。本科计算机科学技术专业的林青，一入校就进入了颜波教授的实验室，从事计算机视觉方向的研究。

　　她介绍在复旦就读时的课程体系，包括三类：学位公共课、学位核心课和选修课。学位核心课内容比较通用，是在人工智能研究领域都需要接触到的，侧重人工智能的基本概念、理论和方法。这些知识如同一个基础框架，为研究铺好基石。选修课则偏向稍微具体的方向，如《数字图像处理》《数字视频处理》《智能视频监控技术》《机器人学导论》《机器学习理论》等，她将其作为核心课程的补充，了解人工智能向其他学科拓展、融合的路径和更多可能。

　　“其中印象比较深的是邱锡鹏老师的《神经网络与深度学习》。”林青说，邱老师上课常常直接在黑板上推导公式，从人工智能最基础的理论出发，一步步推导到末端应用。

　　“人工智能并没有大众想象中的神奇，它是由数据算法支撑，赋予机器学习的技术，使之能完成过去无法抵达的目标。”身处人工智能“此山”中的她看来，讨论“人工智能是否能代替人”并不恰当，专注“人工智能能做多少人力无法企及的事，拓展人类的边界”，或许更有意义。这也成为她学习、研究的驱动力之一。

　　林青说，这个专业发展快、变化多，越是如此，越需要打牢基础，知道“来处”。强化经典理论的学习，对自己读研时的项目拓展作用巨大。技术发展起起落落，没有永远的“热门”“当红”统领，新旧方法灵活结合，或许能更加节约资源能耗，找到这个时代需要的最优解。

　　此刻，福建宁德寿宁县渺洋村一间木屋的书桌前，叶俊杰的十指正在电脑键盘上翻飞。今年，他以优异的成绩从复旦大学计算机科学技术学院本科毕业，将直接进入本校自然语言处理实验室读博士研究生。还没开学，他已经参与到实验室项目中。

　　事实上，自大二暑假开始，他已经以本科生的身份进入自然语言处理实验室，跟随黄萱菁、张奇两位老师学习，参与系列模型的全面性能评测分析项目。

　　虽然已身经百战，但说到至今最难忘的项目时，他总会提起大三时那个“多模态情感分析相关研究”项目。当时，他已在实验室师兄的带领下，完成了一个学期的人工智能方向学习，准备一起搞个“新东西”——不走传统路线，搭建思路完全创新的模型，从图片、文字中抽取情感信息并作出正确判定。

　　项目小组夜以继日奋战，经过对算法的多次调试优化，最终该模型运行时判定情感信息的准确率并没有达到传统算法的水平。几个人有点沮丧，商量着写一篇短论文记录一下这次探讨性分析，然后投稿到一个专业会议，给这次实践留下印记就好。

　　写完论文复盘时，小叶重新审视实验全程，突然发现代码中有一处错误，几个人将其修正过来，再跑模型，结果十分理想，高出了传统模型和算法能达到的水平。“我们的创新是可行的！”叶俊杰激动得差点跳起来，师兄弟一合计，重写论文，写一篇长的。当时距离截稿只有一个星期了，大家没日没夜地写，终于按时提交。

　　“其实这次投稿还是失败了。”小叶笑着说，当时三位审稿人中两位表示赞同，一位提出可以进一步完善的建议，投稿并没有被顺利接收。不过，此后向专业期刊的投稿成功了。他说：“这是我的人生第一次，大三，正式向人工智能科研迈出了第一步。”

　　产教融合还应做什么

　　随着全球人工智能相关的国家级战略密集出台，世界人工智能领域人才的需求呈现快速增长态势。根据《2021人工智能指数报告》，美国、英国、加拿大、新加坡、新西兰和澳大利亚6国对人工智能劳动力的需求在过去几年间显著增加。人才培养的角力加剧，中国高校能对焦哪些他山之石？

　　“国外顶级高校的人才培养，更注重培养学生的原创性、自发性学习与研究能力。”上海大学未来技术学院(人工智能研究院)副院长岳晓冬教授说，几十年前，国内与国外在人工智能相关研究和教学领域的差距较大，我们是追赶者的身份，以量化指标为核心的评价体系可以起到很好的驱动作用。而在已经进入“差一步跟跑”甚至“并肩跑”的当下，我们正在努力学习做领跑者，这对于研究和教学中的创新思维提出了更高要求，评价体系中应纳入更多长期发展、非量化指标，鼓励长周期原创探索。

　　另一方面，面向现代人工智能产业培养专业人才，学生在前沿、高水平科创项目中的实践尤为重要，这就需要深度产教融合，使更多领域高水平企业与研究机构切实融入人工智能人才培养过程中。

　　智能人才必须加强对人才的数据技能培养。有的先行国家已形成较为完善的政府数据开放政策体系，为数据开放共享及人才培养平台建设奠定了基础。中国在这方面尚有不足，应充分利用庞大的数据优势，加强人工智能数据开源应用平台建设，用好我方具有优势的“教具”，将理论教学、行业开发实训与平台测试相结合，缩短人才培养周期。

　　对于高校人工智能专业人才培养，李昕建议，能否进一步完善培养体系，分层分类教学，走理论研究路线还是应用技术路线，不同方向不同培养方案，形成参差有序的人才培养生态。这样，教、学、用三方也更加明晰，提高效率。

　　李昕还期待高校在教学过程中强化两种能力的培养。一是动手能力。在他看来，无论理论还是应用，教学中强化动手能力培养的模块，对学生更好地理解人工智能都很有帮助。

　　二是“对接”能力。人工智能需要下沉到无数应用中，方能实现其价值。人工智能产业发展中需要的复合型人才，可以是具有“人工智能+X”的跨学科知识储备，但这不是必需的，如果立足较强的人工智能技术，善于对接其他学科，在企业中可以发挥更大作用。

　　以李昕的企业为例，开发创新医疗器械开发，研发工作人员可以不懂医学，但应该听懂医疗专业人士提出的需求，并将其迅速“翻译”为人工智能技术需要解决的问题情境，开发出高效精准的适配产品与服务。人工智能本身就可赋能多个领域，“对接”的意义，在于对话与接收，在实践中充分实现其在多学科交叉融合的价值。

　　厘清人工智能人才概念、科学界定人工智能人才标准，也是当务之急。工欲善其事，必先利其器。如今在统计人工智能人才时往往将其与计算机人才、大数据人才、软件人才等传统人才的概念重叠混淆。一些地方也因为利益驱动，令人工智能人才无序“贴牌”，不仅进一步搅浑水，更导致人工智能人才存量成谜，培养能力难以廓清，以此为基础进行的教学体系建设，效果及效率难以保证。因此，必须加快建立明晰的高质量人才数据库，准确了解现有人才供需结构，按需科学规划，未雨绸缪。

　　此外，人工智能领域作为新兴学科，在各学科融合发展时，可能遭遇敏感线。由此，在人才培养过程中，就应加强该学科在伦理、道德、法律等领域的“边界思维”及社会责任感的教育。

　　数据

　　“人工智能必须下沉到行业，‘纯’人工智能不能解决任何问题。”上海瑛泰璞润医疗器械有限公司总经理李昕提出自己的理解。

　　过去一年，他离开工作多年的GE全球研发部门，创办自己的人工智能医疗服务企业。招收的2位新员工，分别来自数学专业和生物医药专业。

　　李昕的公司是过去6年间上海新增的数万家人工智能相关企业之一。获得优秀、适配的人才，是企业在这个巨大风口中竞争的关键要素，也是产业整体发展的核心动能。

　　据《上海市“十四五”产业人才需求调研报告》，到“十四五”末，上海人工智能产业人才需求规模将达到34.3万—41.4万人。其中，应用类人才需求将达13.8万—15.7万，基础类人才达10.2万—13.17万，产品类达5万—6.85万，技术类达4.2万—5.37万，综合类人才预计达0.8万—0.97万，服务类达0.1万—0.27万。

　　问卷调研数据表明，当前上海人工智能产业最紧缺的人才相关领域包括算法研发、计算机视觉技术研发、应用复合、语音识别技术研发、自然语言处理技术研发、软硬件测评测试、项目运维以及管理、人机交互技术、人工智能芯片研发、应用及系统集成技术研发、智能驾驶技术和系统研发、传感器技术研发、知识计算机引擎和知识服务技术研发等。其中，复合型人才和高层级岗位需求持续增长。

　　去年发布的《人工智能产业人才发展报告》显示，2018年以来，人工智能核心领域对博士和硕士的需求总体呈上升趋势。

　　人工智能的高科技属性决定了它具有不低的学历门槛。当前，我国已有100多所高校已经获批人工智能专业。到目前为止，上海大部分高校已经深度进入人工智能人才培养领域，设立数据科学与大数据技术、智能科学与技术、智能制造工程、机器人等泛人工智能专业。(解放日报)