AI并非高投入高产出领域 基础研究和人才仍是根本

AI大战，粮草未动，人才先行。华为公司近日宣布沃土AI(人工智能)开发者使能计划，而在此次宣布的AI战略里面有两大部分提到要强化投资基础研究和人才培养，这说明两个问题：第一是国内AI领域的基础研究可能不足，第二个就是相关人才还比较欠缺。而这两项并非高投入就有高产出，它需要长时间的积累和实践。

很多人习惯将人工智能比作行驶中的汽车，数据是燃料，人才是引擎，算力是底盘，任何一个环节存在缺口，这辆车注定是跑不快的。算力和数据虽然也是问题的关键，但在人工智能领域的玩家中，大多数巨头在数据和算力上都还算粮草充足，即便是创业系公司，也可以通过花钱来解决。人才反而成了最大的不确定性，决定了算法的水平，左右了发展方向。

Element AI公布过这样一份调查数据：全球约有22000名接受了博士教育的AI领域研究者，其中不到1万人具备创建机器学习系统的专业知识，但只有3000人正在找工作。另据腾讯研究院一份研究报告显示，全球AI领域人才约30万，而市场需求在百万量级。全球共有367所具有人工智能研究方向的高校；每年毕业于AI领域的学生约2万人，远远不能满足市场对人才的需求。全球人工智能领域存在很大人才缺口。

AI的人才困境已经出现了诸多不和谐的信号，不同公司的AI水平良莠不齐，诸如百度等前沿研究者牢牢占据第一梯队，大多数人工智能公司对AI的研究仍处于初级阶段。同时也在影响AI大牛们的择业观，大牛们选择和同样出色的人才协作，留给创业公司乃至传统企业的人才困境越发严重。

AI发展，基础研究突破、人才队伍集聚是关键

信息技术的发展可分为3个阶段，分别是数字化、网络化、智能化阶段。目前，数字化阶段的红利已基本消化完，全球个人电脑（PC）销量呈下降趋势；网络化还在发展，尤其是基于移动互联网的创新应用在向更多领域渗透；智能化则刚刚起步，这个阶段以人工智能技术为代表，并综合集成了前两个阶段的信息技术成果，如高性能计算、互联网、大数据、物联网等。

人工智能和大数据息息相关，当前阶段人工智能发展的主要特征之一，就是以大数据为驱动。业内专家指出，为了能够引领未来人工智能的发展，我国应高度重视前沿理论研究，支持引导更多的科学家投身这方面研究。要借助脑认知科学、量子科学等领域的发展，研究透明性、可解释性、通用性更强的新一代机器学习模型，研发具有迁移能力、自主学习能力和强泛化能力的人工智能技术，在新一代智能计算范式方面形成理论储备。

无论是前沿理论研究，还是当下的关键技术研发，都离不开人才，尤其是高端人才。在华为的人才观交流会上，华为公司高级管理顾问、中国人民大学商学院教授黄卫伟指出，“相比于工业经济时代价值分布曲线主要来自于基层员工和中基层管理者，AI时代价值创造分布曲线更呈现出帕累托曲线特征。一个很小比例的高端AI人才创造价值甚至可以占到整个全部价值90%，帕累托曲线在AI时代正在变得更陡峭，这也反应了业界正在越来越聚焦于AI高端人才争夺上。”

面对AI人才短缺，应该如何破局

AI人才的培养是需要一个长久的周期性， 目前，AI技术人才短缺的现状在短时间内恐怕难以改变。所以从长久考虑，可以采取校企联合办学的方式在增加AI人才的供应人数。

一方面，学校可以借助企业的资金支持，来为自己在人工智能专业人才上的培养提供良好的条件，包括试验仪器，元器件等费用；另一方面，企业也能够从相应合作的院校中获得更多有助于公司发展的关键性资源——AI人才。

今年，谷歌承诺向蒙特利尔大学Bengio博士的人工智能实验室投资340万美元，Facebook、百度和微软同样表示要为学术研究提供资金。此外，百度还与北京航空航天大学合作，共同培养人工智能专业研究生。

除此之外，企业内部培养也十分重要。企业内部培养应该是效率最快，质量最高的一种方式，也有很多企业进行内部AI人才的培养，效果也是很明显的。

比如，今年三月，Facebook宣布创建 Facebook AI Academy，对公司内部员工进行免费AI技能培训，课程涉及深度学习、卷积神经网络、循环神经网络、强化学习等等多种技术。