加强人工智能人才培养，多元破解「人才荒」难题
人工智能和机器学习正在改变着我们的生活，过去人们认为不可能被机器取代的写作、绘画等工作开始有了 AI 的加入。这不禁让人们开始思考，在 AI 时代，人们具备什么能力才不致被机器取代？需要培养什么样的人才，才能面对人工智能领域日新月异的工作需求？
3 月 23 日，2024 全球开发者先锋大会（2024 GDC）在上海隆重召开。期间，上海新创业青年 50 人论坛矩阵项目——「智能未来，以人为先」2024全球开发者先锋大会AI人才发展互动讲坛顺利举办。全球开发者先锋大会(GDC)缘起世界人工智能大会(WAIC)，作为WAIC聚焦科技和人才力量的重要板块，GDC已发展成为顶尖技术趋势的风向标。本次AI人才发展讲坛以推动人工智能技术创新和人才培养为目标，为与会者提供一个专注于AI人才发展的高端平台，来自全球的优秀开发者、人工智能生态企业广泛参与。
本次讲坛由上海市委统战部、中共上海市经济和信息化工作委员会、上海市人力资源和社会保障局指导，上海市经济和信息化中青年知识分子联谊会、上海市青年五十人创新创业研究院、上海市人工智能行业协会共同支持，上海外服（集团）有限公司和上海创智合力信息科技有限公司承办，由多鲸资本、职教研习社、现代职业教育联盟共同协办。
本次讲坛的圆桌论坛环节，在职教研习社职学专家顾问施伟仪的主持下，UCloud 创始人、董事长季昕华、柏林职业教育集团董事长闫俊、复旦大学计算机学院青年副研究员董震和上海市信息投资股份有限公司技术委员会教授级高级工程师胡力旗共同探讨各国在人才培养方面的经验、挑战与未来发展方向，为全球人工智能人才培养提供了自己的独到见解。
施伟仪：首先我想问一下季总，作为互联网百强企业优刻得的创始人，您认为从企业来讲在用人方面特别是人工智能背景下有哪些挑战，有哪些更好的需求？
季昕华 UCloud 创始人、董事长
季昕华：目前公司对 AI 的需求很大。招人的时候主要是遇到两个挑战，第一个挑战是，对于那些年纪较大的 IT 人员来说，可能缺乏足够的学习动力和好奇心，这使得他们在学习新兴技术，尤其是 AI 时可能不如年轻人那样积极。相比之下，年轻人，特别是那些之前没有接触过 AI 的人，往往表现出更强的学习能力。
第二个挑战是 AI 领域的发展速度非常快，可以说 AI 的发展速度是日新月异的，而其他领域可能是年复一年，相比之下发展速度不如 AI 快。因此，能够拥有充足的时间，并将这些时间有效地用于 AI 学习和研究上，成为了第二个需要关注的点。快速的发展意味着需要不断地更新知识和技能，这对于从业者来说既是一个机遇也是一个挑战。
施伟仪：我想问一下柏林职业教育集团的闫俊总，您在国际交流和人才培养方面有丰富的经验。请问柏林在这方面有哪些政策或经验能够与上海的相关机构分享，进行互相学习和借鉴？
闫俊 德国柏林职业教育集团董事长
闫俊：举个项目案例，2020 年 12 月份的时候，我们拿到联邦政府项目专项。在这个项目开发的三年过程当中，为联邦政府尤其是 470 家的中小企业开发了数字学习工厂。数字学习工厂专注于服务于制造业和工业企业，整合了包括人工智能、数字化技能、工业物联网技术、计算能力和云技术等多种技术能力。人工智能的技术只是其中一部分，但它主要作为应用工具，而不是开发焦点。核心目标还是集中在应用这些技术服务于工业生产领域。
施伟仪：关于如何将院校的人才培养体系与社会培养体系进行有效结合，考虑到德国职业教育中的双师制教育模式在我们国家已经相当普及并积累了丰富的经验，您认为在这两者的融合方面，有哪些经验是值得我们共同学习和借鉴的？
闫俊：到目前为止，集团与国内多所院校的合作已培养了超过 2000 名师资，覆盖从数字化和人工智能到传统的自动化和机电领域，在培养过程中更强调专业基础技能的重要性。在人工智能领域，理解数据及掌握 IT 技能显得尤为关键。德国倡导的人才培养模式，是将 IT 技能视作跨领域、跨学科的基本技能。虽然许多院校已调整机电部分的考核重点，但在德国，它仍旧是专业基础技能的一个重要组成部分。无论是人工智能、数字化还是工业化等领域，都离不开对 IT 基本能力的依赖。因此，在人才培养过程中我们特别强调基础技能的重要地位和作用。
施伟仪：接下来想向董博士提问，您个人获得过许多奖项，也参与了大量的国际合作项目。在这一过程中，尤其是在人工智能领域，有哪些独到的经验能与我们分享？
董震 复旦大学计算机学院青年副研究员
董震：我结合个人经历，说一下我认为比较有用的两个经验。我的博士在德国读的，毕业后去了新加坡工作。在这个过程中我也做了很多国际合作项目，包括德国和新加坡的合作项目。每个人都在努力从一个阶段到另一个更高的阶段，从个人角度而言，想要达到这个目标，将自己置于目标阶段的社群中是非常有效的。即便拥有再强的毅力或自律性，如果单打独斗，想要达到下一个阶段还是很困难的。然而，如果能融入目标社群，无论该群体的水平有多高，加入他们之后都能感受到各方面的成长和提升。这种进步并非单凭个人的坚持和努力就能实现的。一旦成为这样的团队的一员，很多正面的影响都会对你产生作用，促使你在多个方面得到发展。
举个例子，比如当做研究的时候，看到很多结果呈现很好的论文，你会尽力去模仿，但是论文里很多本质的东西你是不知道的。但是当你进到一个团队之后，他们在讨论过程中，如何做决策、怎么做选择，这些东西都会影响到你。如果想进阶的话，首先找到一个目标对象然后靠近它，在这个过程中你会有一个大的飞跃。
第二点我认为是兴趣，无论你做任何事情，如果某件事让人感到痛苦，那么完成的效果往往不尽如人意。相反，如果在做某事时感到享受，那么相信你在这个领域的表现会比其他方面更出色。
施伟仪：随着人工智能大模型的出现，实际上引发了一场范式革命，所有行业、职业都有所改变。对于像上海这样的国际大都市，在吸纳国际经验和促进人才交流方面，你觉得有什么可以提供的建议？
董震：我回来也观察了两年多，从我个人的视角看这个事情，首先我们国内有很多政策，不管是工业界、学术界还是研究所，提供了多种多样的项目。尤其是在人才培养方面，项目设计得很完善，这是我认为的非常好的一个点。
从提升的空间来讲，我觉得应该是在人才培养过程中赋予更大的自由度和更长的时间容忍度。第二点，可以考虑更长期一点的发展。如果仅是短期规划，很多基础设施和支持可能在两到三年后就不能用了，这可能会影响研究者的安心度和专注度。相比之下，国外的一些计划往往有着更长远的视角，例如 5 到 10 年的长期计划，确保了对长期目标的持续投入。这是我们可以进一步改善和借鉴的一个方面。
施伟仪：鉴于目前大模型算法算力对人工智能发展的关键作用，我们如何培养具有跨领域的人才解决跨领域的问题？在机制和方法上，各位有什么样的建议？
季昕华：确实，当前情况下，跨领域的交叉点容易出成绩，但是需要人具备三个能力。第一个能力是主动学习的能力，这点非常关键。因为交叉东西虽然特别容易出成绩，但是需要具备自己熟悉领域外的知识，还是需要主动学习。第二个能力是通用能力，要学会把 A 领域的模型放到 B 领域来。第三个能力是学以致用，需要学会如何把学到的东西结合在一起。有两个背景在学校里面很重言，一个是不是可以跨领域学一些平时接触不到的东西。我的一位清华大学的师兄曾提到，一个人的成长需要实现「三通」：古今通、文理通、中外通。这种广博的知识视野和灵活的思维能力，对于个人的全面发展极具价值。
董震：我补充一下，因为我是在高校工作，从学校的角度来讲，跨领域相关问题的影响还是蛮大的。复旦大学推了很多交叉跨领域的学科和学院建设，特别是在 AI for Science 领域，促进了人工智能技术与化学、生物等学科的融合。这种跨学科的努力不仅体现在教育和研究平台上，也反映在基金申请和其他学术活动中，大大促进了不同学院之间的合作和创新。
从个人角度来讲，我认为还是要保持开放的心态，不要将自己局限于单一领域内。通过与其他学科的交流和合作，可以激发新的思想和研究方向。这种跨学科的合作不仅能推动个人的成长，也能促进像人工智能这样具有变革性的技术的平等发展，这个还是很关键的。
闫俊：我认为跨学科、跨领域的合作方式非常有效且高效。作为工业社会学研究者的团队，公司致力于联邦政府开发的人才培养模型，涵盖了技术转化、模型基因开发及标准制定等方面。公司的研究重点是在特定应用领域，如夏萨斯州大众总部所在的冷堡，探索车联网技术，即车与车之间的网络连接技术，利用人工智能技术来确保夏萨斯州交通的流畅。
跨学科、跨领域以及与不同行业专业人士的合作在这个项目中尤为关键，团队成员包括了 100 多人，涵盖系统学学者、IT 产业专家、汽车制造业者、咨询单位以及大学教授和学者等，这样的多元化合作模式对于锁定并有效应用于 AI 领域尤其有效。
不过在这个过程中也面临很多挑战，特别是欧洲和德国在数据保护方面的严格法规，如新近实施的《数据保护法》，对项目的后续开发造成了不小的阻碍。这一点突显了跨国合作在应对法律和规章制度方面的复杂性，尽管如此，跨学科和跨领域的合作仍然显示出其强大的潜力和成果。
胡力旗 上海市信息投资股份有限公司技术委员会
教授级高级工程师
胡力旗：跨学科的人才在当前极为稀缺，尤其是在 AIGC 和通用大模型等领域，核心问题在于如何集中注意力并采取技术手段实现跨界融合，这一过程极为复杂。因此，合作成为了实现这一目标的不可或缺的方式。培养能够在跨学科或跨领域产生影响的人才时，必须密切关注周围的环境，尤其是新的生产力与生产关系之间存在的冲突与相互促进的关系。
并且，在生产关系上面也要给予足够的关注进行调整。以医疗人工智能为例，尽管很多人对此存在巨大的兴趣，但实际上能够成功开发的案例并不多，主要原因是医生不愿意分享自己的专业知识。人工智能旨在将人类知识数字化，但若生产关系未见相应变革，则难以推进该领域的发展。
从教育角度来说，培养通识教育非常关键，这意味着向学生提供解决问题的方法。此外，MBA 教育模式也是十分具有参考价值的。即使参与者在完成学业后不直接从事具体工作，了解和掌握相关的知识和流程也是必要的，这种教育模式能够培养有能力理解并跨越学科界限的领导者。
施伟仪 职教研习社职学专家顾问
施伟仪：最后一个问题，针对青少年，以及 GPT4.0 等技术的应用，无论是使用者还是观察者，都在探讨如何借助这些技术辅助青少年在学习、升学、就业，甚至未来创业的各个阶段。那么，对这代年轻人，嘉宾们有什么建议吗？
胡力旗：从专业选择来说，数据处理、科学处理和科学研究绝对是一个长期值得投资的领域。这一点非常明确，因为数据已成为了一种关键要素。而要素的价值不会消失，反而会随着时间推移愈发重要。所以，重视从娃娃抓起的教育理念尤为关键。作为蔚来的车主，我参与了蔚来车友会，这个车友会组织了一个 AI 社群。在目前的线下活动中，有一个非常重要的环节是向小朋友们介绍编程和积木等基础科学知识，强调从小培养孩子们的兴趣和能力。
季昕华：我的孩子目前在读高中，在 GPT 推出后，我给她注册了一个账号让她使用。在使用过程中，我认为有两个需要注意的问题。首先，我发现很多孩子会使用这个工具来完成作业，这是一个比较棘手的问题，需要家长和教育者共同引导。其次，由于 GPT 作为人工智能存在某种「幻觉现象」，它提供的回答并不是准确无误的。这对于孩子们来说，可能难以判断信息的真实性，这是需要特别留意的地方。
尽管 GPT 带来了许多好处，比如辅助学习、激发创造力等，但还是需要重视指导孩子们如何正确使用这项技术。
闫俊：刚刚最后一位演讲者给我很大启发，他讲到集成与反集成的方式，其实 AI 对我们的生活影响非常大，无论是在大街小巷还是各个行业中，AI 都非常繁荣，现在马上落实到我们基础教育当中，从我个人的角度看，无论是工业社会还是个人层面，都需要更加小心和谨慎地对待 AI 的应用。特别是在应用领域，人们需要认真思考哪些领域的 AI 应用能为生活和学习带来积极变化，哪些则是应当避免的。
就像一滴有色的水滴落入清水中，立刻就会染色整个容器的水。在无法判断方向的情况下，从教育的角度汲取教训变得尤为关键。这个焦点非常关键，这需要通过反集成的方式聚焦于一个点，探讨如何在教育方法和引导上实现突破。如何正确且准确地将人工智能应用到生活和学习中，是我作为学者觉得极为关键的研究方向。
董震：青少年应该这种情况下应该如何做，我觉得还是要重视基础。其实现在每个人都在谈人工智能，但是对人工智能真正理解到什么程度，每个人看法都是不一样的。当青少年探讨是否应该涉足人工智能领域时，我认为有些基本原则是通用的，尤其是在认识新事物时，对其有一个准确的认知能力是非常重要的。在对人工智能兴趣浓厚的同时，也需要保持一定的谨慎态度。虽然人工智能是一个热门领域，但是数学、物理等基础学科的重要性不容忽视。
我认为，不管选择学习哪个方向，掌握这些基础学科知识都是必不可少的条件。它们不仅是学习人工智能的基石，也是理解世界、解决问题的关键工具。因此，青少年在追求人工智能或任何其他科技领域之前，应该首先打好这些基础学科的坚实基础。
嘉宾介绍
（主持人）施伟仪
职教研习社职学专家顾问
在教育行业工作 30 年，有着丰富的实践经验，独立研究方向集中在职业教育、管理领域。
职教研习社聚焦职业教育行业知识，为从业者从多维度提供项目研习机会，致力于打造现代职业教学精英研习圈。
季昕华
UCloud 创始人、董事长
有逾 20 年 IT 及互联网行业管理经验，曾就职于华为、腾讯、盛大等公司。曾任北京奥运会安保专家、上海世博会安保专家、国家计算机病毒应急处理中心技术专家等职位。
现任 UCloud 创始人、董事长，上海市人大代表，上海市工商联副主席，上海市信息安全行业协会会长，上海市人工智能行业协会常务副会长，上海市民营经济发展战略咨询委员会委员等职务。
曾荣获 「中国青年创业奖」、「中国双创先锋人物」、「2019-2020 年度上海市优秀企业家」、「2020 上海在线新经济年度人物」、「上海市劳动模范」、「上海市领军人才」、「上海市科学技术奖一等奖」、「中国通信学会科学技术奖一等奖」等荣誉称号及奖项。
UCloud 优刻得（优刻得科技股份有限公司）是中立、安全的云计算服务平台，自主研发了 IaaS、PaaS、大数据流通平台和 AI 服务平台，推出公有云、私有云、混合云、专有云等全线云产品，为各行各业提供全面的大数据转型服务。其数字信息基础设施安全稳定、智能敏捷，已为全球超五万家企业级用户提供云服务。
闫俊
德国柏林职业教育集团董事长
德国柏林职业教育集团董事长
授任德国柏林州政府柏林北京友好城市合作开发负责人
德国柏林国际数字化创新技能大赛创始人
德国联邦中小企业数字化转型与人才培养德国北部经济圈专项创始人与数字学习工厂创始人
德法意 AI 教育联盟创始人
德国柏林州职业教育集团（GFBM）是德国柏林地区规模最大的集团化教育培训机构，承担欧盟和德国各部委和政府机构委托的培训项目。主要是在工业 4.0 领域，包括人、技术、组织三方面，从技术转化成人才培养的过程当中为人才培养能力模型进行开发，为联邦政府提供标准，主要合作伙伴以德国中小企业为主。
董震
复旦大学计算机学院青年副研究员
海德堡大学博士，复旦大学计算机学院青年副研究员，上海市领军人才（海外），中国计算机学会（CCF）软件工程专业委员会执行委员。致力于模糊测试、智能化测试、程序分析的研究，先后参与完成多个国际联合项目，包括卡巴斯基公司、新加坡电信公司、澳大利亚蒙纳士大学等与新加坡国立大学的合作项目，在软件工程会议 ICSE、FSE、ASE、ISSTA 等国际会议发表 20 余篇学术论文，并获得 ICSE'20 杰出论文、AsiaCCS’21 最佳论文(1/370)等多个奖项。同时，担任多个国际期刊审稿人以及国际会议程序委员会成员，并获得 ASE’22 杰出评审、TOSEM 杰出评审，TOSEM 制品杰出评审等称号。目前从事人工智能软件相关的研究，包括软件安全、具身智能等，研究方向包括机器人、大模型如何生成驱动机器人运行，如何维护机器人运行过程中的安全问题。
胡力旗
上海市信息投资股份有限公司技术委员会教授级高级工程师
获全国信产系统劳动模范、上海市优秀技术人才等荣誉称号，曾获上海市科学技术进步奖一等奖及多项部级技术进步奖。
从上世纪 90 年代初起，亲历了上海信息化推进过程中众多标志性事件和重大项目，先后执笔《上海市信息港规划》、《浦东新区信息港规划》，主持并参与制订多部国家技术标准、部颁技术标准和地方技术标准，开发出国内首个智能卡操作系统并以此奠定了 PBOC 金融卡与社会保障卡技术标准的基础，参与上海、北京交通卡系统建设，主持并完成上海第一个「基于人工神经网络的人脸识别」科技攻关项目（1996 年），作为负责人承担并以优秀的成绩完成国家电子发展基金项目。推动并实施了覆盖全市的、以城域物联基础设置为基础的新一轮智慧城市和「城市大脑」的建设。目前，在上海市信标委负责「数据基座和可信访问」工作组的日常业务推进，组织、参与、编写系列地方标准；2022 年以来已立项 16 个地方标准，「大模型语料数据供给标准化流程」是其中之一。