【深几度·产业建设系列】
撰稿｜吴俊宇
「摘要：海外高端人才固然必不可少，他们对人工智能概念普及性接受，国内企业的基础性研究会起到奠基作用。然而触及普罗大众的，应该是国内高校培育的实践型人才。」
国外研究机构TalentSeer在一篇名为《2020人工智能人才报告：当前形势和市场趋势》（2020 AI Talent Report：Current Landscape & Market Trends）的研报中提到了目前人工智能人才建设的几个趋势：
随着人工智能成熟且部署，公司希望扩大产品和商业化团队。市场正扩展到金融、医疗和农业领域；
人工智能公司在将团队规模扩大到硅谷外的技术中心，以降低生产成本获得影响力；
工程和人才领导者越来越重视非技术技能，如创造力、批判思维、成长心态、应变能力和沟通能力；
在线培训和训练营在将现有劳动力转变为工程师方面发挥着更大的作用；
对中国而言，也有着类似的发展轨迹。可以说，目前人工智能迅速普及的过程中，越来越需要普适性人才和实践型人才。
任何行业真正的萌芽、发展、爆发都离不开人才积累，国内人工智能产业过去几年都不断强调研究院性质的海外高端人才引进。
海外高端人才固然必不可少，他们对人工智能概念普及性接受，国内企业的基础性研究会起到奠基作用。然而触及普罗大众的，应该是国内高校培育的实践型人才。
一批二线高校的教师参与到企业组织的职业培训中，并把企业在一线的实践经验带给学生，为人工智能在未来的大规模普及做铺垫。
这正是百度和国内各个高校正在尝试培育的未来“中坚力量”。
01
人才萌芽
国外人工智能的人才建设速度相对较快。
TalentSeer的报告引用LinkedIn数据表示，在美国人工智能和机器学习领域的AI人才在2016-2019年间每年增长74%。机器学习工程师、深度学习工程师、数据科学家、计算机视觉工程师和算法开发人员是2018-2019年间最受欢迎的人工智能职位之一。
值得注意的是，据Really统计，人工智能职位招聘的年增长率已从2017年的136.3%放缓至2018年的57.9%，以及2019年的29.1%。
人才需求也在发生结构性变化，从大量人才到更有经验的专业人才。人工智能创业人才领袖调查显示，80%的雇主在寻找顶尖学校的人工智能专业毕业生，70%的雇主在寻找有3-5年工作经验的求职者。
TalentSeer的研究中还提到了一个重要观点，由于人才外流，中国缺乏优秀的人工智能人才，但随着人工智能教育投资的增加和学习速度加快，中国正在迅速赶上。
事实的确如此，国内人工智能人才建设正在更深入地扎入更多高校，其价值在于普及人工智能相关意识，培育能够衔接未来4年后进入基础性岗位的应用型人才。
2019年前瞻产业研究院曾经发布过一篇名为《2019年中国人工智能行业市场分析：人才缺口超500万，未来三大方面补齐短板问题》的报告，这篇报告提到：
AI专业建设要设定构建合理的知识体系，把卷积神经网络、循环神经网络、深度强化学习等作为核心的知识体系，辅以大数据、云计算等课程，从而形成系统体系。
注重人工智能教育师资培养开发，目前全球共有30万AI人才储备，但只有不到1/3在高校，中国高校界更是少之又少。这需要校企联动，在实践中结合理论弥补缺口。
推动校企合作，注重科技创新和产业发展的深度融合。
日前，百度承办的"2020全国高校深度学习师资培训班"第十二期收官，全国超百所高校的180余名教师完成了为期9天的深度学习网课。
来自闽南师范大学的郑艺峰，来自沈阳师范大学的夏辉是典型的高校教师，他们所在学校早已设置软件工程专业，如今则在设置人工智能相关专业。他们是国内人工智能教育投资增加的典型收益代表。
02
实践导向
过去几年人工智能人才培育实际上有这样一条脉络。
第一阶段是引进海外研究型人才，在内部成立研究院机构，展开基础性研究。这批人才往往具备较强的学术功底，然而离产业也存在一定距离。由于无法适应企业，往往会出现无法平衡内部关系，理想与现实相距甚远的偏差。这个阶段在2016年之前相对普遍。
第二阶段是在全球范围内引进AI技术的落地探索者，让这批人才承担业务线管理，负责人工智能产业实际落地。这批人才带动了企业内人工智能落地的进程，让悬浮在研究院中的技术逐渐和实际生产生活产生联系。这是2016年之后普遍出现的现象。
第三阶段则是让企业内具备实践经历的产业人才对高校教师进行相关培训，让高校教师把相关理念带入实际教学之中。其意义在于培养未来4年后能进入产业一线的人才。这批人会散落在一批“中坚型”企业，担负起最普遍的技术落地和应用进展。
国内人工智能的人才培养正在经历“精英模式”到“普及落地”的过程。
郑艺峰和夏辉这类高校教师参加百度深度学习师资培训班的目的，在于帮助他们所在高校搭建人工智能课程体系，培养一批“普及落地”的应用型人才。
真正的人工智能落地到企业增效降本过程中，往往需要一批愿意冲到业务一线去摸爬滚打的人才。
无论是郑艺峰还是夏辉，其课程建设偏实践导向，他们所在学校似乎并不起眼，课程安排也看似简单，但确实真正能够带学生入门，甚至获得一定的实操能力。
郑艺峰过去一直在高校象牙塔中，在他看来，高校教师不具备产业经验、工程经验，必须积极与百度这样的企业进行交流，把企业资源带到实际教学之中。其目的在于保证学生在学习过程当中，能够接触到产业界现状，理解未来发展趋势。
与郑艺峰相反，夏辉曾在华为担任工程师，辗转于非洲、中东各地，把产品经理、产品研发、技术服务等岗位跑了个遍。长期驻外生活很苦，2011年夏辉出于平衡家庭的考虑，选择进入沈阳师范大学软件学院从事教学科研工作。
郑艺峰真正接触人工智能是在2013年，当他还是中国石油大学（北京）的工程硕士时，开始学习数据挖掘与机器学习。
夏辉接触更早，2010年他还在华为从事运营商服务工作时，曾帮助运营商搭建商业智能产品。运营商需要挖掘价值用户，BI（Business Intelligent）也就是商业智能被派上用场。
郑艺峰所在的闽南师范大学在2019年开始招收数据科学与大数据技术专业学生，如今已经招收两届，共有100人。夏辉所在的沈阳师范大学则是开设了人工智能导论与实践课程，供计算机与软件相关专业学习。
事实上，目前高校在人工智能课程设置中普遍面临两个问题：
缺乏教师，尤其是能够在一线了解产业的教师；
缺乏投入人工智能实验室建设的资金；
在郑艺峰看来，作为高校教师，参加产业界培训后需要把当前实际情况反哺给学生，把学生引进专业大门，激发学生的学习兴趣，还需要强大的数据、算力基础设施支持。
在实际教学中，高校往往需要投入数百万为人工智能搭实训室，然而在现实之中不少高校普遍面临资金缺乏问题，无法依靠自身力量对此进行投入。
百度飞桨和AI Studio平台则解决了这一问题。高校教师在百度深度学习师资培训班参与培训后，可以在日常教学过程中将百度AI studio带给学生。
百度AI studio在原有教学案例项目、平台算力资源、海量数据集、在线实训环境基础上，根据教学需求，增加了教学管理后台、师生关系绑定、作业布置与线上批改、批量导出等教学服务功能。
可以说，国内应用型人工智能人才建设和基础设施建设正在起步。
03
未来中坚
我们观察国外的人工智能人才队伍大规模建设也可以发现相关规律，一批中坚型人才正在从在线和学术培训中成长起来。
以著名的在线成人职业培训商Udacity为例，Udacity上人工智能和机器学习学位注册人数在2019年底达到了12500人的峰值，2016年至2019年Udacity上受欢迎程度最高的五项技能都与人工智能有关。
在TalentSeer看来，随着人工智能在2020年成熟，对人才的需求将继续增大，这个过程将持续3-4年。
这样的现象也在国内发生。事实上，百度也在参与国内500万AI人才缺口的建设活动。除了培养高校教师之外，百度还通过培训、赛事展开培养活动。针对企业人群，也有如AI快车道、黄埔学院“首席AI架构师培养计划”等相关培养体系。
我们其实可以参考过去软件工程在高校内的普及，去观察人工智能未来在高校的发展轨迹和大规模应用落地。
2000年代初，软件工程曾经成为国内一批高校争相开设的专业。当时为适应中国经济结构战略性调整，实现软件产业和软件人才培养需求，全国35所示范性软件学院诞生。
按照当时的说法，各高校软件学院和计算机学院要“培养高层次、实用型、复合型、具有国际竞争力的人才”，要求学生在思维创新的基础上，提高技术创新和工程创新能力，提高软件工程实践和软件工程管理能力。
这一举动有效促进了中国软件工程学科的发展，中国软件工程教育开始走向成熟。
一批高校输出的人才后来逐渐进入东软、亚信、博思等软件厂商，为国内IT解决方案与软件服务建设提供了源源不断的中坚力量。
事实上，今天的人工智能就像是2000年代刚刚成为前沿技术的“软件工程”，彼时各高校都在落地“软件工程”专业，随后软件工程成为了全国高校的“标配”。
如今二线高校AI人才建设已提上议事日程，这批人才未来可能会是国内人工智能建设的中坚力量。
这是在为未来10年做铺垫。
