缺口400万！人工智能领域急需哪些人才？

3月6日，在十四届全国人大三次会议举行经济主题记者会上，中国证券监督管理委员会主席吴清调侃：“经济主题发布会都快变成科技主题发布会了。这两天，谁要是不说说DeepSeek，好像就不太时髦似的。”

全国两会期间，从人民大会堂到代表委员驻地，正式的或非正式场合的交谈中，“人工智能”四个字不绝于耳。DeepSeek大模型、自动驾驶、AI换脸......各行各业都感受到了人工智能的强大，并清楚地觉察到人工智能可能带来的颠覆式改变。代表委员都希冀通过议案提案，推动与人工智能技术发展相匹配的制度建设和法律监管，但“发展”始终是主旋律，不能因噎废食，更不能落下风，是代表委员们的共识。

如何在这场全球技术革命浪潮中争上游？有人说人工智能竞争的尽头是绿色能源竞争，也有人说是人才竞争。麦肯锡2023年发布报告称，到2030年，中国的AI人才缺口将达400万。面对供不应求的人才市场，人工智能相关岗位的平均薪资水涨船高，计算机相关专业更是成为填报志愿时的热门选择。

在人工智能“热”之下，我们也需要“冷思考”。发展人工智能究竟需要怎样的人才？人工智能人才缺口究竟来自何处？

复合型人才严重不足

全国政协委员、中国科学院自动化研究所研究员王亮告诉《中国报道》记者，人工智能的三大要素是数据、算法和算力。相应地，对于人工智能时代的研究与应用，核心竞争主要体现在数据与算力资源利用、技术与算法创新、产业生态构建与应用拓展等关键方面。

3月9日，全国政协委员王亮在人民大会堂。

由于人工智能涉及多领域，因而所需人才也覆盖多种类型。王亮认为，其中包括进行源头创新的基础研究型人才，他们致力于前沿算法与核心理论的创新与突破，是AI发展的源动力；还包括能将人工智能前沿理论与算法模型开发相结合的技术开发型人才，以形成可落地的技术和产品。随着AI技术深入赋能各行各业，还需要既懂人工智能又懂行业业务的复合型人才。此外，AI训练师、数据标注工程师、AI伦理与安全专家等数据治理和支撑人才也变得越来越重要。

去年3月《纽约时报》在一篇题为《人工智能竞争中，中国人才培育赶超美国》的文章中指出，在新一代人工智能人才培育上，中国正遥遥领先。从某些指标来看，中国已经超越美国，成为人工智能人才的“最大生产国”，这一结论主要基于分析2022年神经信息处理系统大会上发表论文的研究人员的背景。该会议主要关注神经网络方面的进展，而神经网络是生成式人工智能的核心技术之一。

“就目前中国发展人工智能而言，最急需的还是基础研究型人才和应用复合型人才。”王亮认为，在算法和技术创新方面，我国在应用层面取得了显著成就，但在基础创新层面存在一定短板，比如高端AI芯片国产化率不足，算法原创性不足等，因而仍需更多具备深厚数学和计算机科学背景的专家进行AI基础研究，推动原创性突破。另一方面，随着AI在产业中的应用加速，行业与人工智能结合的复合型人才严重不足，加快培养兼具技术和行业背景的复合型人才已成为当务之急。

全国政协委员、360集团创始人周鸿祎在接受《中国报道》采访时也表示，现在非常需要既懂人工智能，又懂行业和专业技术的人。360集团目前急缺的核心技术人才包括大模型研发、专业大模型训练、智能体打造等。

从企业的抢人大战也可以看出行业对人才的渴望。2024年12月，小米千万年薪挖角DeepSeek“AI才女”罗福莉的消息登上热搜，该消息一直未被证实，但也反映出人们对人工智能领域顶尖人才流动的关注。

面对新一轮产业革命，中国高校也迎来史上最大规模的专业调整浪潮。麦可思研究院的统计显示，计算机类专业成为近十年（2013年—2024年）新增最多的专业。2025年清华大学、中国人民大学等高校的扩招计划里也包含“人工智能”专业。

“确实，近年来人工智能专业的报考热度持续升高，但从人才需求的角度来看，行业仍然对高层次、具备综合能力的AI人才有较大需求。”王亮认为，关键在于如何优化人才培养结构，避免单纯追求数量的扩张，而忽略了质量的提升和人才的合理分布。未来，随着人工智能技术的深入应用，不同层次和领域的AI人才需求会更加细分，因此，高校在专业设置和课程设计上应更加注重人才的差异化培养，以适应不同产业方向的需求。

AI跨学科交叉属性强

需要承认的一点是，人工智能是一个年轻的专业。2017年，中国科学院大学开设了国内首个人工智能学院，随后南京大学、北京大学和西安交通大学也陆续设立人工智能学院。自2019年人工智能被正式纳入本科专业目录以来，国内从首批建设的35所高校，已增至2023年的超500所高校。

《2024年中国本科生就业报告》（以下简称《就业报告》）数据显示，由于人工智能专业设置时间较短，人才培养尚未形成较大规模，目前人工智能相关岗位主要依靠计算机、电子信息类传统专业支撑。

此外，《就业报告》显示，目前研究型高校在匹配人工智能领域的相关学科专业人才培养中，存在课程内容与学科发展相对脱节的问题，2023届本科计算机类、电子信息类专业读研的毕业生对核心课程满足度评价偏低，分别为81%、83%，均低于全国平均水平86%。

王亮表示，人工智能专业的课程体系在基础知识层面与传统计算机、自动化、电子信息等学科有一定的重合，但在知识结构和培养目标上有较大的不同。例如，人工智能课程更加注重机器学习、深度学习、自然语言处理、大模型架构等核心技术，同时强调数据驱动的工程实践能力。

北大人工智能研究院院长、讲席教授朱松纯曾就此介绍，人工智能是一个非常大的交叉学科。一个人只有把人工智能六个领域（人工智能通用视觉、自然语言、认知推理、机器人、机器学习、多智能体）都搞懂了、融会贯通了，才能说是人工智能领域的人才或专家。

王亮指出，跨学科交叉是人工智能教育的一大特点，涉及数学、统计学、神经科学、认知科学等多个领域。随着大模型技术的发展，AI人才不仅要具备扎实的理论基础，还需要掌握大规模计算框架、优化算法、AI伦理等前沿知识。人工智能的这一特性也对教师提出了更高要求，需要具备更广泛的知识背景。

全国政协委员、香港科技大学（广州）副校长吴宏伟认为，人工智能、气候变化等领域，都是围绕世界关注的大科学、大工程问题展开，我们必须要培养全面的人才。“人工智能最终是需要人来控制，所以也需要加强人工智能时代法律、道德规范的培养。”

构建持续学习的生态

 百度Apollo自动驾驶体验站。

人工智能行业的技术迭代速度之快，也考验着学校课程设置和人才培养的前瞻性。过去一两年从ChatGPT到DeepSeek，再到Manus等新模型的快速崛起，AI应用也在多个领域迅速发展。例如，特斯拉、Waymo等企业在L4级自动驾驶测试上取得进展；AI辅助诊断技术加速落地，谷歌DeepMind的AlphaFold2已大幅提升蛋白质结构预测的准确性；AI生成图像、视频技术持续进化，如Sora模型的推出进一步拓展了视频生成能力。种种创新都表明，AI技术的突破正在不断拓宽应用边界。

王亮认为，这对高校的人才培养提出更高要求，课程需要更灵活的调整机制，以适应技术更新；实践教学需要与行业紧密结合，为学生提供更多实训机会，确保学生在掌握最新理论知识的同时，具备解决实际问题的能力。

“当然，未来的AI教育不仅是高校的责任，行业、企业和个人都需要共同构建一个持续学习和成长的生态，以适应不断变化的技术环境。” 王亮指出，学校教育之外，行业从业者也需要保持持续学习的习惯。从人工智能相关专业毕业生的反馈来看，职业发展过程中，除了技术能力外，设计思维、跨学科协作、自主学习能力的培养同样至关重要。 

撰文：《中国报道》记者 李士萌