是因为懂行又懂AI的人才极度缺乏，这也成为制约行业升级的关键因素。
行业AI复合型人才的培养，也开始“照着钉子造锤子”。两年时间，OpenAI成长为估值1570亿美元巨头的创业黑马，已经向行业投掷了三颗“炸弹”：o1正式版、强化微调后的o1-mini，以及“贷款10月”后终于露面的视频生成模型Sora。从ChatGPT到4o，Sora到o1，到底是什么让OpenAI具有如此强大的生命力？答案显而易见，是人才。“我们的人才密度很大，人才密度非常重要，并且我们有一种严谨和可重复创新的文化，这是很难得和罕见的。”在2023年6月的一次演讲中，OpenAI CEO Sam Altman直言人才密度的重要性。现在，时间已经来到2024年。大模型底层技术的黑箱已经打开，AI进度条已经拉到了应用落地，对行业AI人才的渴求依然没有消退。只是，当AI走出机房和实验室，来到行业落地的原野，仅仅靠技术攻坚，就只能在落地上走“拿着锤子找钉子”的弯路。此时，既懂行业、又懂AI技术的复合型人才，开始登上行业需求的金字塔尖。
从没有哪届诺贝尔，像2024年一样，具有如此高的“含AI量”。AI+蛋白质，是今年诺贝尔化学奖的最大赢家。这个奖项，一半授予了华盛顿大学的David Baker，他用AI构建了全新种类的蛋白质；另一半授予了来自谷歌Deepmind的两位研究员——他们构建的AI模型AlphaFold 2，实现了人类50年来的梦想：用AI预测蛋白质的复杂结构。从诺贝尔“奖励各个领域对人类作出卓越贡献的个人或团体”的宗旨来看，“AI成最大赢家”的这一届，给如今的AI产业，也指明了发展的方向：AI不再是束之实验室“高阁”的孤立研究。正如AI+蛋白质的重大突破，能迅速应用于解决疾病、医药、基因问题——让AI研究最终能真正对人类产生价值的，还是行业落地。这意味着，如今行业最需要的，是具有多元视角和落地能力的行业AI复合型人才。自2023年大模型浪潮以来，中国AI产业以狂飙之速创下了不少记录：在斯坦福大学发布《2024年人工智能指数报告》显示，在全球范围已授权的人工智能专利中,有超过61.1%来自中国。我们可以清晰地看到，中国AI产业是具备弯道超车的理论基础。金融机构高盛曾在《全球人工智能产业布局》报告中预测，到2030年，中国人工智能产业的人才缺口将超过500万。麦肯锡报告中提到的数字同样不容乐观：到2030年，中国的AI人才供应只有市场需求的1/3。行业AI人才的缺乏，也会将问题层层传导到AI的落地。在我国，即便是估值飙升的AI独角兽和大炼模型的互联网巨头，在AI落地上也难免“拿着锤子找钉子”，缺乏对行业真正痛点的理解。“懂行业场景与流程的‘老师傅’不懂AI，而懂AI技术的专业人才又不懂行业场景”，成了目前产业上下游割裂的真实写照。与此同时，我国虽然在AI专利申请量、论文发表等方面表现强劲，但由于产、学、研之间的鸿沟，将研究成果转化为实际生产力，还存在一定的距离。一个案例是，在视频生成领域，全球首个Transformer和Diffusion融合架构，是由国内某高校团队提出的U-ViT，比OpenAI Sora所采用的DiT还早了两个月。但Sora又反超国内，成了视频生成领域第一个具有里程碑意义的模型产品。以化工行业为例。丰富的应用场景和海量的数据资源是化工行业的优势，然而其面临的问题也很突出：行业大而不强、产品宽而不深。究其根本，是因为懂行又懂AI的人才极度缺乏，这也成为制约行业升级的关键因素。当务之急，是立足我国的产业优势，构建一套完整的“行业AI”人才培养体系与完善的人才生态服务体系。
也需“照着钉子造锤子”
500万的AI产业人才缺口，折射出的是受限于因技术迭代过快等因素，当前行业AI交叉学科专业设置不足的现状。而这也需要产学研共探开启一场长坡厚雪式改革。在AI落地、产业升级已被写进“十四五”规划的当下，行业AI人才的培养，也需要找到一条“快车道”。一方面，从计算机专业端切入复合型人才培养，提升计算机、软件工程、人工智能、电子信息等相关专业的学生，跨学科、多学科融合学习的能力；鼓励高校的本硕课程导向学生能力的交叉培养，导向基于行业真实发展方向进行课程改革，增加实践类课程，除了培养顶尖学术人才，同时提升计算机、人工智能等专业学生在各行各业的就业宽度。另一方面，培养行业AI复合型人才的关键，还在于从行业院校相关行业AI交叉专业抓起，比如智能医学工程专业，该专业同时涵盖了工科和临床医学的知识体系，着重培养该专业的人才，能为行业输送更多行业AI复合型人才。于是在国内，在行业中“照着钉子造锤子”培养行业AI复合型人才，也逐渐成为一种共识。
校企共建并不难，但其症结在于，仅仅靠单点打通校企之间的资源，难以实现可持续的行业AI复合型人才培养。事实上，一套成熟人才的培养方案，既需要完备扎实的教学、实践资源，也需要打通育人-就业-创造价值的闭环。在这个纬度，已有企业开启先一步探索，2024年，华为的身影出现在了不少综合大学的行业院系以及行业院校的课堂中。华为携手全国多所高校全力出击，加速复合型人才培养进程，通过实训课程，为学子们打造沉浸式实践环境。以医疗行业为例，为了顺应技术，当下不少科技企业已经发布了面向医疗场景的AI产品，在医疗行业端，《未来健康指数报告》数据显示，2021年，47%受访的医疗健康⾏业管理者表示正在投⼊⼈⼯智能，2023年，这⼀⽐例上升⾄54%。与此同时，高校也试图为医疗行业输送更多的行业AI复合型人才。但毫无疑问，医疗行业AI复合型人才的培养，是块难啃的骨头。比如，大多“智能医学工程”都是本科专业。仅仅4年的培养体系，无论对于长达近十年的医学培养体系，还是行业需求为“人均博士”的AI专业而言，都显得比较浅层。教学资源匮乏的困境，在“智能医学工程”专业显得尤为突出。在当前医学行业AI复合型人才本就稀缺的环境下，“智能医学工程”专业中既精通医学，又擅长AI技术的教师显得更为稀缺，可供学生学习的教材也有限。因此，解决培养难题的关键，是让更多具有AI医疗落地经验的企业，成为参与医疗行业AI复合型人才培养的重要一环。
华为行业AI应用创新孵化营东北大学专场近日，在 “华为行业AI应用创营孵化营”活动中，高校老师、华为AI专家和讲台下的医学生们，通过系列“AI赋能医疗行业”课程了解了AI在医疗领域的典型应用场景与大模型运作原理，以及如何助医，为师生们打开了一个新视野，新思路。
学生与讲师在现场互动交流用问诊对话系统，提高捕捉病人个性化症状的敏锐度；用多模态识别技术，同时处理文本病例和医疗影像；用AI对得病风险进行评估预测，根据性别、年龄、体重等特征对疾病进行更精细化的识别和诊断，同时还能减少医疗事故……理解并将患者观点纳入实践，是医疗重要的一环。对海量病情描述数据的学习是医疗大模型的核心，这对个性化诊断和治疗至关重要。在AI的加持下，医疗企业可以在诊疗、疾病预测、远程医疗等多个领域实现进一步突破，同时还能极大提升医疗服务效率、运营效率，增强医护人员工作的连贯性和一致性。可以说，AI不仅是提升医疗效率的工具，也是推动医疗服务个性化和精准化的重要力量。活动中，中国医科大学附属第一医院齐瑞群教授详细展示了皮肤病理大模型辅助病理诊断的全部过程。首先是在病理诊断的阶段，人工智能可以使得整个过程更加自动化，包括明暗瞳追踪技术来捕捉病理医生观察切片时的每一个点，实现精确到细胞级别的标注。而在诊断的过程中，医护人员也可以通过训练大模型来回答医学问题，找到最适合特定临床问题的工具或方法，提供诊断支持。而在“行业AI应用创新孵化营”中国医科大学专场活动上，中国医科大学教务处副处长、盛京医院教授/主任医师于宏作为国内最早引入AISP（AI标准化病人）这一创新应用的医学学者之一，也阐述了AI为医疗带来的切实好处。AISP不仅能提升学生问诊和医患沟通的能力，而且相较于传统教学方式，具有无风险、低成本、可重复的优势。于宏教授强调：“AI不会取代医生，但不懂AI的医生将会被淘汰。”如今，在政策扶持以及资本不断加注下，医疗AI已经在各个方向获得了长足的发展，如机器学习、深度学习等，并且不断推动着医疗检测、影像分析等方向的升级。目前，AI赋能医疗已经识别了诸多典型场景，包括疾病诊断，病理切片分析、医疗影像分析等等，这些场景涵盖了AI在医疗领域的多个应用，从诊断到治疗，从患者监护到药物研发，AI技术正在深刻地改变着医疗服务的提供方式。
每一项技术的问世，无不蕴含着对人类生活品质跃升与生命自主权深化的深切追求。人工智能，作为新一轮科技革命的核心驱动力，其影响范围早已超越了单一医疗领域，正以一种前所未有的方式，深度渗透并重塑着各行各业的发展格局。生成式AI技术的广泛应用，不仅标志着技术与现实世界的深度融合，更预示着对既懂行业精髓又掌握AI技术的复合型人才前所未有的需求，它们如同桥梁，连接着技术的无限可能与行业的实际应用，为AI技术的落地开辟了更为广阔的天地。在中国，一批具有前瞻视野的科技企业，凭借其深厚的AI应用实践积累、先进的硬件设施、以及在实战中磨砺出的复合型人才队伍，已然成为行业AI人才培养体系的中流砥柱。这些企业不仅推动了AI技术在各行业的应用落地，更通过行业数据的深度挖掘与技术人员行业认知的持续提升，为技术行业的长远发展注入了不竭动力，展现了技术与实践深度融合的深远意义。为了构建一套能够全面支撑高校人才培养的综合性方案，我们需要构建一个更加完善、系统且具备高度协同性的技术、服务、产品及软硬件供应链生态。这要求我们不仅要整合AI行业上下游的优质资源，更要深化与高校、政府等关键利益相关者的合作，共同打造一个集教育、实践、创新于一体的复合型人才培养平台，以培养出既具备扎实理论基础，又拥有丰富实战经验的行业AI精英。华为行业AI应用创新孵化营的实践，正是这一理念的生动诠释。它紧密围绕客户实际需求，基于真实应用场景与数据，构建商业闭环，不仅培养了大量行业AI复合型人才，还通过梳理丰富的行业应用场景，开发出众多具有实际应用价值的AI解决方案，为行业的转型升级与高质量发展提供了强有力的支撑。展望未来，AI将更加聚焦于技术的实践应用与场景创新，这一时代呼唤着更多企业与产业界的携手合作，共同探索、积累、创新，以构建一个既触手可及又充满无限想象空间的未来。在这个过程中，对于复合型人才的深度培养与持续赋能，将成为推动AI技术与行业深度融合、实现高质量发展的关键所在。
是因为懂行又懂AI的人才极度缺乏，这也成为制约行业升级的关键因素。
行业AI复合型人才的培养，也开始“照着钉子造锤子”。两年时间，OpenAI成长为估值1570亿美元巨头的创业黑马，已经向行业投掷了三颗“炸弹”：o1正式版、强化微调后的o1-mini，以及“贷款10月”后终于露面的视频生成模型Sora。从ChatGPT到4o，Sora到o1，到底是什么让OpenAI具有如此强大的生命力？答案显而易见，是人才。“我们的人才密度很大，人才密度非常重要，并且我们有一种严谨和可重复创新的文化，这是很难得和罕见的。”在2023年6月的一次演讲中，OpenAI CEO Sam Altman直言人才密度的重要性。现在，时间已经来到2024年。大模型底层技术的黑箱已经打开，AI进度条已经拉到了应用落地，对行业AI人才的渴求依然没有消退。只是，当AI走出机房和实验室，来到行业落地的原野，仅仅靠技术攻坚，就只能在落地上走“拿着锤子找钉子”的弯路。此时，既懂行业、又懂AI技术的复合型人才，开始登上行业需求的金字塔尖。
从没有哪届诺贝尔，像2024年一样，具有如此高的“含AI量”。AI+蛋白质，是今年诺贝尔化学奖的最大赢家。这个奖项，一半授予了华盛顿大学的David Baker，他用AI构建了全新种类的蛋白质；另一半授予了来自谷歌Deepmind的两位研究员——他们构建的AI模型AlphaFold 2，实现了人类50年来的梦想：用AI预测蛋白质的复杂结构。从诺贝尔“奖励各个领域对人类作出卓越贡献的个人或团体”的宗旨来看，“AI成最大赢家”的这一届，给如今的AI产业，也指明了发展的方向：AI不再是束之实验室“高阁”的孤立研究。正如AI+蛋白质的重大突破，能迅速应用于解决疾病、医药、基因问题——让AI研究最终能真正对人类产生价值的，还是行业落地。这意味着，如今行业最需要的，是具有多元视角和落地能力的行业AI复合型人才。自2023年大模型浪潮以来，中国AI产业以狂飙之速创下了不少记录：在斯坦福大学发布《2024年人工智能指数报告》显示，在全球范围已授权的人工智能专利中,有超过61.1%来自中国。我们可以清晰地看到，中国AI产业是具备弯道超车的理论基础。金融机构高盛曾在《全球人工智能产业布局》报告中预测，到2030年，中国人工智能产业的人才缺口将超过500万。麦肯锡报告中提到的数字同样不容乐观：到2030年，中国的AI人才供应只有市场需求的1/3。行业AI人才的缺乏，也会将问题层层传导到AI的落地。在我国，即便是估值飙升的AI独角兽和大炼模型的互联网巨头，在AI落地上也难免“拿着锤子找钉子”，缺乏对行业真正痛点的理解。“懂行业场景与流程的‘老师傅’不懂AI，而懂AI技术的专业人才又不懂行业场景”，成了目前产业上下游割裂的真实写照。与此同时，我国虽然在AI专利申请量、论文发表等方面表现强劲，但由于产、学、研之间的鸿沟，将研究成果转化为实际生产力，还存在一定的距离。一个案例是，在视频生成领域，全球首个Transformer和Diffusion融合架构，是由国内某高校团队提出的U-ViT，比OpenAI Sora所采用的DiT还早了两个月。但Sora又反超国内，成了视频生成领域第一个具有里程碑意义的模型产品。以化工行业为例。丰富的应用场景和海量的数据资源是化工行业的优势，然而其面临的问题也很突出：行业大而不强、产品宽而不深。究其根本，是因为懂行又懂AI的人才极度缺乏，这也成为制约行业升级的关键因素。当务之急，是立足我国的产业优势，构建一套完整的“行业AI”人才培养体系与完善的人才生态服务体系。
也需“照着钉子造锤子”
500万的AI产业人才缺口，折射出的是受限于因技术迭代过快等因素，当前行业AI交叉学科专业设置不足的现状。而这也需要产学研共探开启一场长坡厚雪式改革。在AI落地、产业升级已被写进“十四五”规划的当下，行业AI人才的培养，也需要找到一条“快车道”。一方面，从计算机专业端切入复合型人才培养，提升计算机、软件工程、人工智能、电子信息等相关专业的学生，跨学科、多学科融合学习的能力；鼓励高校的本硕课程导向学生能力的交叉培养，导向基于行业真实发展方向进行课程改革，增加实践类课程，除了培养顶尖学术人才，同时提升计算机、人工智能等专业学生在各行各业的就业宽度。另一方面，培养行业AI复合型人才的关键，还在于从行业院校相关行业AI交叉专业抓起，比如智能医学工程专业，该专业同时涵盖了工科和临床医学的知识体系，着重培养该专业的人才，能为行业输送更多行业AI复合型人才。于是在国内，在行业中“照着钉子造锤子”培养行业AI复合型人才，也逐渐成为一种共识。
校企共建并不难，但其症结在于，仅仅靠单点打通校企之间的资源，难以实现可持续的行业AI复合型人才培养。事实上，一套成熟人才的培养方案，既需要完备扎实的教学、实践资源，也需要打通育人-就业-创造价值的闭环。在这个纬度，已有企业开启先一步探索，2024年，华为的身影出现在了不少综合大学的行业院系以及行业院校的课堂中。华为携手全国多所高校全力出击，加速复合型人才培养进程，通过实训课程，为学子们打造沉浸式实践环境。以医疗行业为例，为了顺应技术，当下不少科技企业已经发布了面向医疗场景的AI产品，在医疗行业端，《未来健康指数报告》数据显示，2021年，47%受访的医疗健康⾏业管理者表示正在投⼊⼈⼯智能，2023年，这⼀⽐例上升⾄54%。与此同时，高校也试图为医疗行业输送更多的行业AI复合型人才。但毫无疑问，医疗行业AI复合型人才的培养，是块难啃的骨头。比如，大多“智能医学工程”都是本科专业。仅仅4年的培养体系，无论对于长达近十年的医学培养体系，还是行业需求为“人均博士”的AI专业而言，都显得比较浅层。教学资源匮乏的困境，在“智能医学工程”专业显得尤为突出。在当前医学行业AI复合型人才本就稀缺的环境下，“智能医学工程”专业中既精通医学，又擅长AI技术的教师显得更为稀缺，可供学生学习的教材也有限。因此，解决培养难题的关键，是让更多具有AI医疗落地经验的企业，成为参与医疗行业AI复合型人才培养的重要一环。华为行业AI应用创新孵化营东北大学专场近日，在 “华为行业AI应用创营孵化营”活动中，高校老师、华为AI专家和讲台下的医学生们，通过系列“AI赋能医疗行业”课程了解了AI在医疗领域的典型应用场景与大模型运作原理，以及如何助医，为师生们打开了一个新视野，新思路。学生与讲师在现场互动交流用问诊对话系统，提高捕捉病人个性化症状的敏锐度；用多模态识别技术，同时处理文本病例和医疗影像；用AI对得病风险进行评估预测，根据性别、年龄、体重等特征对疾病进行更精细化的识别和诊断，同时还能减少医疗事故……理解并将患者观点纳入实践，是医疗重要的一环。对海量病情描述数据的学习是医疗大模型的核心，这对个性化诊断和治疗至关重要。在AI的加持下，医疗企业可以在诊疗、疾病预测、远程医疗等多个领域实现进一步突破，同时还能极大提升医疗服务效率、运营效率，增强医护人员工作的连贯性和一致性。可以说，AI不仅是提升医疗效率的工具，也是推动医疗服务个性化和精准化的重要力量。活动中，中国医科大学附属第一医院齐瑞群教授详细展示了皮肤病理大模型辅助病理诊断的全部过程。首先是在病理诊断的阶段，人工智能可以使得整个过程更加自动化，包括明暗瞳追踪技术来捕捉病理医生观察切片时的每一个点，实现精确到细胞级别的标注。而在诊断的过程中，医护人员也可以通过训练大模型来回答医学问题，找到最适合特定临床问题的工具或方法，提供诊断支持。而在“行业AI应用创新孵化营”中国医科大学专场活动上，中国医科大学教务处副处长、盛京医院教授/主任医师于宏作为国内最早引入AISP（AI标准化病人）这一创新应用的医学学者之一，也阐述了AI为医疗带来的切实好处。AISP不仅能提升学生问诊和医患沟通的能力，而且相较于传统教学方式，具有无风险、低成本、可重复的优势。于宏教授强调：“AI不会取代医生，但不懂AI的医生将会被淘汰。”如今，在政策扶持以及资本不断加注下，医疗AI已经在各个方向获得了长足的发展，如机器学习、深度学习等，并且不断推动着医疗检测、影像分析等方向的升级。目前，AI赋能医疗已经识别了诸多典型场景，包括疾病诊断，病理切片分析、医疗影像分析等等，这些场景涵盖了AI在医疗领域的多个应用，从诊断到治疗，从患者监护到药物研发，AI技术正在深刻地改变着医疗服务的提供方式。
每一项技术的问世，无不蕴含着对人类生活品质跃升与生命自主权深化的深切追求。人工智能，作为新一轮科技革命的核心驱动力，其影响范围早已超越了单一医疗领域，正以一种前所未有的方式，深度渗透并重塑着各行各业的发展格局。生成式AI技术的广泛应用，不仅标志着技术与现实世界的深度融合，更预示着对既懂行业精髓又掌握AI技术的复合型人才前所未有的需求，它们如同桥梁，连接着技术的无限可能与行业的实际应用，为AI技术的落地开辟了更为广阔的天地。在中国，一批具有前瞻视野的科技企业，凭借其深厚的AI应用实践积累、先进的硬件设施、以及在实战中磨砺出的复合型人才队伍，已然成为行业AI人才培养体系的中流砥柱。这些企业不仅推动了AI技术在各行业的应用落地，更通过行业数据的深度挖掘与技术人员行业认知的持续提升，为技术行业的长远发展注入了不竭动力，展现了技术与实践深度融合的深远意义。为了构建一套能够全面支撑高校人才培养的综合性方案，我们需要构建一个更加完善、系统且具备高度协同性的技术、服务、产品及软硬件供应链生态。这要求我们不仅要整合AI行业上下游的优质资源，更要深化与高校、政府等关键利益相关者的合作，共同打造一个集教育、实践、创新于一体的复合型人才培养平台，以培养出既具备扎实理论基础，又拥有丰富实战经验的行业AI精英。华为行业AI应用创新孵化营的实践，正是这一理念的生动诠释。它紧密围绕客户实际需求，基于真实应用场景与数据，构建商业闭环，不仅培养了大量行业AI复合型人才，还通过梳理丰富的行业应用场景，开发出众多具有实际应用价值的AI解决方案，为行业的转型升级与高质量发展提供了强有力的支撑。展望未来，AI将更加聚焦于技术的实践应用与场景创新，这一时代呼唤着更多企业与产业界的携手合作，共同探索、积累、创新，以构建一个既触手可及又充满无限想象空间的未来。在这个过程中，对于复合型人才的深度培养与持续赋能，将成为推动AI技术与行业深度融合、实现高质量发展的关键所在。
