智算发展对人才变革驱动力在哪？

产学融合共创智算人才生态发展 。

1.深化国家智算人才战略：构建政校行企四方协同模式

政校行企四方协同推进产教融合构建智算人才生态，以中心/基地为载体，政府提供政策、资金，高校 提供学生师资、科研创新能力，企业提供生态支撑、技术赋能、运营服务，行业提供标准制定、规划 设计以及智库咨询共同培养适应智算产业发展的高素质人才，从而通过成果创新、企业孵化、推动产 业升级，促进智算产业发展。

政府：通过发布智算产业人才政策，引导智算产业与人才需求的高效衔接 结合当地智算产业的实际情况，制定相应的政策措施，为智算产业的发展提供有力的政策支持，同时 提供资金支持，牵引以当地产业为主的产教融合实践中心/基地的建设（以下简称“中心/基地”）。 中心/基地通过政策牵引建立一体化人才引进机制，吸引和留住高层次人才，并通过提供实践机会和技 能培训，培养一批具有创新精神和实践能力的智算人才，同时，依托政策倾斜和专项补贴激发创新创 业活力，在推动当地产业发展的同时，实现技术创新和产业升级。

高校：根据智算产业人才需求进行专业重构，培养智算产业需求人才 围绕智算产业人才需求，智算技术知识与高校知识体系的握手，加强课程设置和教学改革，进行专业 重构，制定适应当地智算产业发展的人才培养方案，明确培养目标、毕业要求、课程体系、师资队 伍、支撑条件等方面的具体要求，从而加强高校智算专业及专业群的建设，在共同推动智算产业的创 新和发展的同时，通过依托中心/基地进行能力建设，提升师资队伍水平，提高学生的实践能力和创新 能力，为满足智算产业需求的人才培养提供有力保障。

行业：链接高校和企业，开展人才及技能评估，制定智算人才需求标准 通过针对智算人才及技能的现状评估与预测进行规划设计，为智算产业人才培养提供具有前瞻性的顶层 规划，在标准体系、内容体系、评价体系、实施体系、推广体系等方面制定智算人才培养标准，统筹规 划培养和评价标准，牵引智算产业人才培养，同时为智算产业人才培养提供智库咨询及建设性指导。中 心/基地通过技能培训为产业提供人才服务，不断向产业输出行业需求人才，推动产业的全面升级。

企业：参与智算产业生态建设，加强自主创新，为智算人才的发展提供技术保障 企业积极参与智算联合创新人才生态的建设，与其他企业和机构资源共享，进行联合创新及成果孵 化，共同推动产业升级。企业通过研发投入，推动自主创新，为智算产业的发展提供生态支撑、技术 赋能以及运营服务，为中心/基地的可持续运行提供有力的技术保障。中心/基地通过与企业进行联合 创新，通过成果孵化推动智算产业生态的不断生长，成为智算背景下教育科技一体化场景的样板。

2.重塑高校智算人才培养：以智育智，重构知识体系

2.1 高校聚焦培养三类人才加速数智化转型

 （1）ICT数字技术技能基石人才、(2)应用型业务核心人才、(3)人工智能新型加速器人才 2024年两会期间，“人工智能+”首次被正式写入政府工作报告，为更好地在数字经济时代抓住机 遇、应对挑战，拥抱科技与产业的变革，高校需要加强具有数智素养的师资培养及人工智能相关学科 专业建设，培养具有智算技术能力的人才。 2022年ChatGPT正式发布，引发生成式人工智能的热潮，通用人工智能时代的到来，推动计算向智算 的演变。预计到2025年，全国数字人才缺口将超过2500万，其中还存在结构性问题，人工智能、云计 算、大数据等新兴数字化技术方面的人才尤其稀缺，此外既懂行业又懂技术的复合型人才异常匮乏。 基于从产业链、技能链、人才链到专业链的四链分析，人才需求主要聚焦在三类人才的培养，ICT数字 技术技能人才（基石）、应用型业务人才（核心）以及人工智能新型人才（加速器）。

产业链：智算产业分为四层，分别是基础设施层、平台层、模型使能层、业务层。基础设施层由芯 片、服务器、网络、存储等为核心构成基础设施，提供标准化、同时具备支持异构芯片的能力（如， CANN），实现多样算力的接入（CPU｜GPU｜NPU），提供持续的算力能力；平台层围绕算力底座 的资源调度和管理，人工智能模型能力的生产部署，形成承上启下的平台能力，通过算力、数据、算 法资源灵活调用，支撑“百模千态”。模型层使用兼容多样性算力，面向万物智能时代端、边、云的 全场景人工智能框架（如，MindSpore），打造新一代人工智能基础模型，构建应用可消费、可迭代 的人工智能能力，应用需求自动理解、自动完成、模型可选择、可调整、可组合；应用层：赋能千行 百业共同推动基于人工智能能力的应用构建和改造，促进人工智能算力产生正循环商业价值，扩大算 力消费市场。

技能链：包括基础设施类、数据工程类、模型工程类、应用工程类、场景化应用类等五类技术，智算 技术需求变化催生新的岗位出现。基础设施类技术包括算、网、存等算力平台、云平台的规划、建设 和运维，岗位新增算、存、网等算力平台以及云平台的规划工程师、建设工程师和运维工程师；数 据工程技术包括数据采集、清洗、处理，为上层模型提供高质量的数据，数据工程师岗位需求在智算 产业中持续增加；模型工程技术包括基础模型池的构建，涵盖模型评估、模型微调训练、模型训练 转换、模型压缩与部署等内容，需求岗位包括算子开发工程师、人工智能训练工程师、模型部署工 程师，能够熟练使用人工智能框架（如，MindSpore、Pytorch），同时兼具并行计算算法开发能力 （如，CANN并行算法开发）；应用工程技术包括提示工程、RAG检索增强生成、Agent应用编排，需 求岗位围绕人工智能应用开发工程师展开，包括2024年人社新增的生成式人工智能工程师；场景化应 用技术聚焦行业领域应用范式，包括智算产品运营、行业解决方案设计、人工智能使能应用，岗位需 求聚焦业务、解决方案架构师以及智算产品、交付、运营经理等岗位。

人才链：人才链包括作为基石的ICT数字技术技能人才，作为核心的应用业务人才，以及作为加速器的 智算时代人工智能新型人才，同时注重人才的素养培养包括协作、项目管理能力等。 1）ICT数字技术技能基石人才 掌握基础ICT技能的数字技术技能人才是数智化转型的宝贵基石，如各行业中网络工程师、IT工程师。 他们基于逐步优化的业务数字化平台，转型为业务数据专家，先一步迈入数智化转型的洪流，通过识 别业务场景、进行数据建模来实现业务数智化，进一步发挥其ICT专家的价值； 2）应用型业务核心人才 掌握传统行业认知的应用人才依然是数智化转型的核心，他们将基于精深的行业认知通过人工智能等 新技术的加持，成为“新质生产力”的核心要素从而使能其行业、企业的生产效能极大提升，同步升 级其自身的商业价值； 3）人工智能新型加速器人才（智算） 还有一类是人工智能新型加速器人才，他们是向上捅破天、向下扎到根的芯片、算法、数据科学家， 通过聚焦在AI框架研究、L0基础模型研究等加速行业的数智化转型。

专业链：结合从产业链到人才链的分析，智算人才培养专业涵盖IC设计、计算机、软件开发、物联 网、大数据、云计算、人工智能以及智能+等专业。其中IC设计、计算类专业围绕基础设施层的人才进 行培养，软件开发、物联网、云计算等专业围绕平台层人才需求进行培养，大数据、人工智能围绕模 型使能层的人才需求进行培养，智能+专业围绕业务层人才需求进行培养。在人才培养方案设计时， 考虑人才技能知识体系、AI伦理、思辨、创新等四个维度的能力的融入，同时，考虑人才素养（协 作、项目管理等）的引导，为智算产业培养其所需的人才。

2.2 智算技术知识融入高校专业建设，知识重构优化智算专业人才培养方案，围绕人 工智能大模型打造高水平智算专业群

面对当前智算产业人才的需求，高校通过高校知识体系与智算技术知识、科研与智算产业等两个握 手，通过专业/专业群的优化重构打造新的人才培养方案，实现培养具备智算技术知识、智算产业创新 和实践能力的人才。 在数字化不断发展的今天，对数智人才的需要也在不断增加，智算时代，对于高校而言，需要通过融 入智算技术知识，重构高校知识体系，从技术知识层面实现与智算技术知识的握手，通过产研融合， 推动科研成果转化，实现科研成果在行业的应用，同时将行业应用案例实践融入人才培养方案中，提 高智算产业应用实践能力，实现科研与智算产业的握手。

知识体系重构打造智算专业/专业群人才培养方案：围绕智算专业，以专业人才培养为着力点进行智算 知识体系重构，同时结合智算产业岗位技能需求，对产业知识体系进行分层，针对每个层级的专业进 行知识体系重构，将分层后的知识体系融入到当前的专业人才培养方案中，打造智算时代的以人工智 能、大数据、云计算为核心的专业人才培养方案，同时以学院为单位结合行业需求思考如何培养智算 产业需求人才，从而通过专业叠加重构智算知识体系。

行业实践赋能高校人才培养，智算关键领域内科研成果转化：一方面，通过搭建高校在科技研发与现 实需求之间的桥梁，有效提升校企合作效果，企业以实际的行业案例导入高校，培养高校实践及科研 能力的人才，同时，企业面向高校发布科研课题，提供科研基金，提高成果转化率；另一方面，聚焦 国家关键技术，校企成立联合创新实验室，针对关键技术问题进行联合攻关，实现智算产业关键技术 的突破。

不同类型的智算产业人才通过分层培养，其中双一流（C9、985、211）等院校聚焦培养AI新型人才， 聚焦在产业尖端及关键技术的突破，其中研究生（硕士、博士）专注于AI框架及L0基础模型的研究， 本科专注于算法、模型的开发，为智算产业培养加速型人才；理工一本及普通本科等院校聚焦在应用 型业务人才的培养，聚焦在智算技术在产业的应用；高职院校聚焦培养ICT数字技术技能人才，作为智 算产业发展的基石。 此外，AI For Science也就成为了AI发展的下一个重要战场，这将促使科学计算和AI的边界进一步打开 和融合，将进一步推动前沿的学术研究，如物理，生物，材料，气象等学科。

3.构筑企业智算人才堤坝：产教融合策略推动企业智算人才发展

在当今快速发展的智算领域，企业面临着前所未有的人才培养挑战。随着技术的不断进步和市场需求 的日益增长，构建一个高效、有竞争力的智算团队变得至关重要。然而，这一过程并非没有困难。企 业在思考如何培养和构建团队时，主要围绕两个方面的困惑点：存量人员如何驱动以及增量人员从何 引入。面对这些挑战，企业需要采取一种全面且战略性的方法来构建和发展智算团队。

3.1 构建智算人才梯队：企业内部培养与产学研合作的双轮驱动策略

对于众多行业企业而言，自有人员的专业知识与行业经验积累已颇具深度，但在智算领域的掌握上却 面临挑战。从头开始大规模投入资源培养智算团队，不仅成本高昂，能带来的效应也难以估计。同 时，企业在外部招聘高端智算人才时缺少吸引力，往往无法与头部企业竞争，这使得组件第一支智算 团队成为一大难题。 为应对这种挑战，许多公司会选择从存量人员中发掘潜力，通过岗位的优化为员工提供新的工作机 会，帮助他们适应并融入新技术环境。此外，通过举办内部的人工智能竞赛等活动，不仅激发员工对 新技术的兴趣和探索精神，也为发现和培养具备潜力的员工提供了平台，让他们能获取更多的智算培 训机会。

除了内部培养，企业还通过产学研合作模式拓展人才培养路径。在这种模式下，企业与高校、科研机构 或人工智能领域的领先企业等生态合作伙伴联合培养人才。产业界提供丰富的行业经验和实践场景，技 术厂家则提供前沿的技术支撑和知识传授，在实践过程中相互学习和赋能。这种基于实操项目的合作模 式，不仅加速了行业人才的技术能力提升，也加深了技术厂商对垂直行业需求的理解与洞察。 通过这种双轮驱动策略，企业能够在智算领域构建起一支既了解行业特点又掌握先进技术的复合型人 才队伍，为智算技术的创新应用和企业的数字化转型奠定坚实的人才基础。

3.2 拓展智算人才资源：高校毕业生与社会专业人士的双轨引入策略

增量人员在构建智算人才队伍过程中是不可或缺。增量人员主要分为两大类：高校毕业生及社会经验 丰富的专业人士。对于企业而言，优秀的毕业生为组织注入新血液。企业通过与高等教育机构的紧密 合作，参与实质性项目和竞赛，除了培养未来的领军人才，同时也能吸收创新的应用思路。对于应届 毕业生，智算作为新兴且快速发展的领域，为他们提供了独特的职业发展机遇。具备良好基础的毕业 生，通过企业系统的前期培训，掌握智算的核心概念与应用技能培养后，能够迅速进入项目积累宝贵 的实战经验，加速成为智算领域的专业人才。 相较之下，招聘具有一定工作经验的社会成熟人士更具挑战性。在智算人才供不应求的当下，寻找完全符 合企业需求的高端人才极为困难。因此，企业可采取更灵活的策略，招聘具备相近技能和经验的人才，例 如已掌握机器学习、强化学习、或深度学习等人工智能技术的专业人士。通过提供转型机会和进一步的专 业培训，这些员工能够更快地适应智算领域的工作，减少企业培养成本，加速人才的价值产出。