同时，需要理性思考的是，AI人才培养，特别是高级科研人才培养需要相对较长的时间。与美国对AI基础层人才的选拔优势不同，中国的AI人才培养是步伐的比例。

在这样的背景下，国内的AI人才培养逐渐摸索出了两种方向：

一种是加大源头创新人才和产业研发人才的培养力度，对应的例子就是越来越多的高校开设培养人工智能相关的研究生，包括百度在内的人工智能企业深耕前沿技术研究；

另一种是推动职业人才的培养，向社会输送拥有熟练技能的骨干人才。正如教育部副部长孙尧的观点：“职业教育要瞄准数字时代的新技术和产业变革，大力培养高素质技术技能人才。”

02 百度飞桨的生态解法

前沿科技人才的培养已成共识，无论是高校还是企业，创新人才在某种程度上可以和竞争力划等号，职业人才的培养却知易行难。

个中缘由不可谓不复杂。

现阶段人工智能的应用仍处于市场开拓期，导致职业教育的课程体系标准难以确定，再加上实践教学平台的缺失，学生的能力和市场需求存在不匹配的现象，人工智能的职业教育陷入了两难的局面。

正是在这样的机缘下，百度创始人李彦宏在2020年世界人工智能大会上确立了一个目标：将五年内为全社会培养超过500万的AI人才，并逐渐给出了系统性的培养方案。

其中外界已经看到的动作在于产教融合。

比如百度参与了“人工智能训练师”国家职业技能标准的制定，同时也是高职院校人工智能技术应用专业实训环境建设标准的起草单位之一；百度编写的人工智能人才培养解决方案，目前已经和职业院校在内的360余所高校开设学分课；同近300多所职业高校进行1+X证书制度的试点合作，联合培养应用实践型AI人才；并与11家职业教育集团发布“大国智匠”人才培养计划，截止到2022年已经有1016所高职院校成功申报AI专业......

不为外界所熟知的还有AI人才生态。

深度学习框架常常被比作人工智能领域的操作系统，除了“操作系统”的身份外，百度飞桨还担纲了另一重使命，即提供全方位的人才培养服务。譬如国内最大的AI学习与实训社区AI Studio，汇集了大量的AI教育课程，涵盖6000多门定制课程以及300多万个公开项目；零门槛AI开发平台EasyDL为职业教育量身打造了一系列的上手工具，帮助职业院校的学生学习AI基础知识并动手实操，赋予其解决一线生产问题的能力......

就像前面所提到的，国内既缺高层次科研人才，也缺一线的应用人才，想要彻底扭转产业现状，势必要构建AI人才间的“产业协作链条”，覆盖学习、就业、认证、实践、比赛等人才成长全周期，形成一套自上而下的能力下沉体系。

倘若用这样的标准审视百度飞桨，价值不只是为产业智能化打通了落地路径，开源开放的氛围和理念，也为AI人才数量和质量的双重缺口，提供了适合中国市场现状的生态解法。

学术层面上，飞桨在深度学习领域的前沿技术，可以助力科学家进行学术研究；算法层面，飞桨针对芯片和执行调度的优化，进一步提升CV、NLP等领域模型的训练速度；应用层面上，飞桨在模型库中为开发者提供了一套全流程指导，涵盖前期适配到后期运行；在落地层面，飞桨平台上的477万开发者创建了56万个模型，目前已经服务18万企事业单位。

可以看到的是，在飞桨的生态系统中，不同层级的AI开发者不再是互相孤立的存在：源头创新人才专注于方向性的研究，产业研发人才将这些研究沉淀为算法模型，再由应用开发人才与不同的行业进行适配，实用技能人才最终将算法模型落地到千行百业。

而一旦厘清了AI人才的协作体系和内涵特征，所解决的就不单单是国内AI人才规模不足的问题，还找到了适用于不同层次人才的培养方案，有望形成有中国特色AI人才培养体系。特别是在职业教育的推动下，一大批专业素养过硬的AI技术人才正在走向千行百业，解决一个个数字化智能化的小问题，不断推动数字经济的进程，进而让人才红利转变为实实在在的生产力。

或许改变国内的AI人才现状还需要相当长一段时间，但飞桨为不同层次开发者营造的氛围和生态，已然给出了符合中国国情的最优解，默默为中国的AI人才培养贡献着自己的力量。

03 写在最后

再来思考文初的话题，人才短缺的现象其实不让人意外，而是产业转型升级引发的时代必然。

所幸并不缺少可行的解法。

按照《中国职业教育发展白皮书》中提到的一组数据：近10年来，职业教育累计为各行各业培养输送6100万名高素质劳动者和技术技能人才，特别是为高铁、超高压输变电等重点产业提供大量骨干人才。

作为第四次工业革命的核心技术，人工智能的产业影响力绝不亚于高铁和超高压，也在某种程度上解释了AI人才培养职业化的趋势。

目前国内的上层建筑已经高度重视AI人才的培养，百度飞桨在内的深度学习平台也进行着相应的生态部署，学界和业界正在形成合力，形成适合国情的创新规律，孵化出成熟且稳定的生态体系，剩下的可能只是时间。