摘要：随着近年来我国人工智能发展迅速，人才之争的问题愈发凸显。基于此，文章从数量和结构两个方面对中美两国人工智能的人才现状进行了比较，发现我国人工智能人才存在数量少、结构不合理的问题。为此，文章提出高校作为人才培养的基地，在人工智能发展的关键期应迅速把握时机，科学建设人工智能一级学科；树立培养人工智能交叉学科人才的理念，打造“人工智能+X”的格局；与企业联合培养人才，推进产学研合作的培养模式等人工智能人才队伍建设途径，以期为我国人工智能发展储备资源，培养优质人才。

关键词：人工智能；人才培养；学科建设；校企合作

当前，人工智能已成为国际竞争的新焦点，我国政府也制定了一系列政策，将人工智能发展提上日程。2017年7月，国务院印发了《新一代人工智能发展规划的通知》，从国家层面对人工智能发展进行了包括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等系统设计，并要求高校应加快培养人工智能人才、注重高校与企业合作、共同构建人工智能人才培养体系等。

一、我国人工智能人才现状分析

人工智能发展之争，归根结底是人才之争。美国是人工智能发展较早且较快的国家，通过比较中美两国人工智能人才现状，可以看出我国目前人工智能人才队伍建设中存在的问题。

1、人工智能领域优秀学者少、从业人员少

目前，全球具有人工智能研究方向的高校共有368所，人工智能领域的人才数量约有10万余人。其中，人工智能领域的学者有6000多名、人工智能相关专业在读硕博研究生以及其他行业人才7万余名。每年人工智能相关领域硕博毕业生约2万名。在这368所高校中，美国拥有168所，占据全球的45.7%，而我国仅有21所。从全球人工智能领域20所顶级高校可以看出，美国有14所，占了大半江山，而我国只有4所。将这20所高校中的顶级学者数量进行比较，也可以明显看到我国和美国的差距：美国的顶级学者数量占比65%，我国的顶级学者数量占比仅为27%。由此不难推断，我国人工智能领域的优秀学者数量相比美国差之尚远。

从中美人工智能从业人员数量对比可以看出，美国的人工智能企业起步比中国早，相关的从业人员也比中国多。目前美国人工智能企业约有78700名员工，而我国人工智能企业约有39200名员工，美国的从业人员数量是我国的两倍，我国人工智能人才数量不足。

2、人工智能人才结构不合理

目前，人工智能有九大热门领域，分别是自动驾驶、语音识别、智能机器人、计算机视觉与图像、技术平台、智能无人机、机器学习应用、处理器和自然语音处理。从中美九大热点领域从业人员数量对比（如图所示）可以看出，在这九个领域里，美国在智能无人机、机器学习应用、处理器和自然语音处理四大领域强于我国，我国则在自动驾驶、语音识别、智能机器人和技术平台四大领域稍胜一筹。由此不难分析出，我国人工智能的关注热点和从业人员集中在应用层，此观点可以通过中美人工智能领域从业人员结构对比（如图4所示）得到进一步证实——相比美国，我国技术层和基础层人才薄弱，整体结构失衡；尤其是基础层作为人工智能发展的“下盘”显得过于薄弱，难以支撑应用层的发展，因此在整体推进人工智能人才队伍建设的同时，还应特别关注基础层人才的培养，夯实基础为人工智能后续发展提供保障。

二、我国人工智能人才的培养现状

目前，我国人工智能人才主要来自于国外人才引进和企业内部转岗，从互联网、电信等相关行业转到人工智能领域的人员较多，高校尚未形成有效的人才输出。

1、人工智能尚未成为独立专业

我国高校与人工智能领域相关的专业有很多，如计算机科学、电子工程、自动化、软件工程等，但大部分人工智能的教学和科研活动散落在其它多个一级学科中；人工智能课程不是重点学习内容，学时占比较少，存在着高开低走、碎片化、低水平重复等问题，严重阻碍了我国人工智能的发展和人工智能人才的培养。从表2可以看出，大部分高校只是将人工智能作为一个研究方向，还没有成为一门专业，研究人工智能的学者大多集中在计算机系、软件学院和信息工程学院等，未在本科阶段设置人工智能专业，只在研究生阶段设立人工智能研究方向，人工智能研究范围小众。中国要抢占人工智能制高点，人工智能要获得不断发展，就需要大量人工智能人才，因此相关从业人员需求缺口大，高校需要将人工智能作为一门独立专业，并有必要从本科阶段开始就培养相关人才。

2、高校未形成人工智能交叉学科的人才培养

研究生招生阶段也比较重视学生的本科专业，偏向有计算机、信息技术等专业背景的学生，而忽视了其它学科。如此一来，人工智能领域的学生都是理科出身，背景单一，既不利于人才培养，也不利于内部交流。人工智能要发展交叉学科，不能过分强调理科背景，复合型人才的培养需要多学科背景，可以适当考虑跨学科招生。

要实现人工智能交叉学科的人才培养，师资力量不可或缺。只有长期专注于特定专业领域、致力于特定问题的探索与研究，才有可能实现理论或实践上的重大突破，高校教师往往在本领域研究较有建树，但跨学科就有难度。以“人工智能+教育”为例，要实现人工智能和教育的学科交叉，教师不仅需要同时掌握人工智能和教育的专业知识，且需将这两者融会贯通。

3、校企合作力度不够

我国高校人工智能有关专业的培养方式和其它专业一致，多采用教师授课、学生听课的培养方式，较为薄弱实践环节。但人工智能恰恰是一个需要注重实践的专业，高校缺乏这种实践的环境。纵观我国出台的一系列与人工智能有关的政策文件，无不强调人工智能的发展要落实到应用上，企业在助推人工智能发展上有无可比拟的优势，有的高校与企业有所合作，但双方受制于运行机制等各种因素，校企合作通常是浮于表面的短期行为，很难落地和可持续推进。

三高校人工智能人才队伍建设途径

1、科学建设人工智能一级学科

《新一代人工智能发展规划》明确提到，要“建设人工智能学科。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，尽快在试点院校建立人工智能学院，增加人工智能相关学科方向的博士、硕士招生名额。”

（1）人工智能的一级学科要有二级学科作支撑

虽然我国不统一设立二级学科，但在实际发展中，没有二级学科支撑的一级学科显得独木难支，所以人工智能不仅要建立一级学科，各高校也应该根据实际需求，从以下方面着手构建二级学科：①应符合一级学科的内涵，要覆盖人工智能各分支；②应与国家战略布局相适应，人工智能一级学科的构建是为了我国更好地发展人工智能，二级学科的设立应当关注国家发展需求，结合实际；③应有严格的论证，人工智能是一个交叉学科。如何既融合其它学科又突出本学科的特点，这一关键问题在二级学科的设立上需要各高校严谨论证和合理把握。

（2）加强人工智能与相关学科专业的资源整合利用

目前，高校与人工智能相关的专业和研究早已起步。以智能科学与技术专业为例，该专业从2004年北京大学首次在全国招收本科生以来，全国已有36所大学开展了智能专业的本科人才培养。从表2可以看到，我国多所高校设有人工智能方向的研究院或实验室等，人工智能的研究涵盖在计算机、软件工程和信息工程等比较成熟的学科内，前期成果为人工智能一级学科的构建奠定了基础。同时，中国已有多所高校开设了人工智能课程，并根据不同专业需求设定为专业选修课或必修课，各高校可以根据需求和发展情况，有效整合已有资源，科学地建设人工智能一级学科。

2、鼓励高校培养人工智能交叉人才

高校在培养人工智能人才的过程中，应根据已有布局和发展部署推动学科交叉，构建“人工智能+X”的格局。

（1）合理进行跨学科招生

我国大部分地区的高中实行文理分科，高考时也体现出这一特点，高校在招收人工智能相关专业的本科生时，更倾向于招收理科生，这并不利于复合型人才的培养。文理分科并不完全体现学生的潜力和兴趣，高校在录取名额的分配上可略作调整，适当录取一定比例的文科生并加强培养，毕竟人工智能交叉学科的发展并不限于理工类专业。在招收研究生时，高校的自主选择权更大，选拔方式也更多样化，这就可以多方考察所选拔的研究生的学科专业、知识背景和研究兴趣，保证研究生对专业选择的自主性。同时，允许其它学科专业研究生进入本专业，不设专业限制，实行跨学科录取。

（2）打造交叉学科的师资团队

在高校的学科建设和人才培养中，教师起关键作用。但人工智能交叉学科的人才培养提出时间尚短，具有交叉学科背景的教师比较缺乏，因此高校可以构建“人工智能+X”的师资团队，建设交叉学科师资队伍，通过团队里不同方向的教师共同协作，来培养交叉学科的人才，比如加快构建整合型的人工智能创客课程体系，培养创客学习和操控人工智能的能力，培养学习者的创新思维与实践技能。以“人工智能+教育”为例，人工智能相关专业多划归到计算机、信息工程和软件技术等学院，教育专业隶属于教育学院，高校就可以将这两类学院的教师整合，打造成“人工智能+教育”的师资团队，这个团队的教师不仅可以分享研究资源和成果，还可以交叉授课，为交叉学科的人才培养提供师资保障。加强人工智能与其它学科专业的交叉，形成人工智能复合专业培养新模式，不断提高人才培养质量。

3、推进产学研合作的培养模式

《促进新一代人工智能产业发展三年行动计划（2018-2020年）》强调，要“依托重大工程项目，鼓励校企合作。”人工智能的研究归根到底是为了应用，通过产学研相结合的方式，培养实用型人才。

（1）以需求为导向制定人才培养方案

人工智能人才培养是为我国发展人工智能的总体目标和布局服务的，最终目的是为了培养适应社会需求的应用型人才，所以高校在人才培养时应该“服务于不同的学习需求”：①从宏观上来说，应以我国相关政策和文件为导向，深入研究我国总体部署，围绕发展需求，制定人才培养方案；②从中观上来说，应结合人工智能发展现状和市场需求，了解专业服务的地区、行业的发展趋势，可以邀请企业参与高校的人才培养方案制定，落实人才需要掌握的专业知识和业务技能；③从微观上来说，在制定人才培养方案时，要根据本校的实际情况扬长避短，整合已有资源，进行方案制定。通过合理的方案制定和实施，培养出一批高质量的人工智能人才。

（2）优秀人才共享

企业与高校在培养人工智能人才上各有优势，两者合作宜取长补短，促进企业深度参与校企融合。从研究内容和人才流动来看，高校需要企业的数据和工程化能力，企业需要高校的研究人才，而顶级人才需要在企业和高校之间快速流动。一些大公司聘请的高校优秀人才大多从事研究机构的工作，如AlphaGo项目的负责人Silver，至今仍在伦敦大学学院任教。高校教师同时供职于企业，可以便于双方资源的获取和有效整合，有助于人工智能人才的培养。