数智时代的AI人才粮仓模型白皮书

序言 自 2023 年上半年起，ChatGPT 等大模型技术蓬勃发展，AI 技术不断突破边界，展现出惊人的潜力和发展速度。从早期的逻辑推理、专家系统，到如今的深度学习、神经网络，AI 技术显著缩小了科学与实际应用之间的鸿沟，展现出了无限的应用可能性，在图像分类、语音识别、知识问答、人机对弈、无人驾驶等众多领域实现了重大技术突破。 为了让更多企业能够快速实现 AI 的全面化应用并成功完成 AI 人才布局，极客邦科技深入调研了大量企业 AI 应用现状，结合政策导向和行业变革的时代背景，全面分析了企业对于 AI 技术的迫切需求以及 AI 技术所能带来的巨大价值。基于此，我们提出了“数智时代的 AI 人才粮仓模型”，旨在为企业构建一个系统、全面的人才培养和布局框架。该模型明确了数智时代下 AI 人才的核心能力要求和岗位设置。 本册白皮书将从政策 + 行业变革等时代背景、企业需求、AI 价值、AI 人才模型及人才培养五个方面对“数智时代的 AI 人才粮仓模型”进行深度解读，为企业提供一个清晰、可操作的 AI 人才布局指南，帮助企业快速构建起适应数字化时代需求的 AI 人才梯队，在激烈的市场竞争中占据先机。 CONTENTS目录 序言 AI 加速产业与技术升级，企业正式步入数智时代01 （一）中国传统产业逐步迈向全面智能化（二）行业大模型构建需求喷发：超 63% 企业正在构建企业内大模型（三）AI 影响下的技术演进（四）小结：AI 时代全面来临，企业需构筑核心竞争力7101215 企业在数智时代面临的 AI 挑战及需求分析02 （一）“AI 思维”成为企业 AI 战略制定、实施的阻碍（二）传统业务应用场景匮乏：不会找、找不到（三）算力成为限制 AIGC 发展的最大问题（四）AI 人才阈值范围扩大，数量愈加紧缺17181920 企业全面 AI 化的价值 03 （一）AI 赋能千行百业，加速产业智能化升级（二）培育 AI 能力是实现企业业技融合的关键（三）AI 基础设施建设是支撑产业发展的基石（四）小结：企业全面 AI 化，打造 AI 人才梯队23262728 企业全面 AI 化与 AI 人才粮仓模型介绍04 （一）全球 AI 人才数量、结构现状解读（二）数智时代下的 AI 人才粮仓模型3032 AI 人才培养体系建设策略05 （一）企业 AI 应用文化的整体性构建与全员能力赋能（二）数智化时代下企业 AI 人才招聘、评价、能力培养的创新策略4656 企业 AIGC 应用及人才培养案例06 （一）企业 AIGC 应用案例（二）企业 AIGC 人才培养案例6265 数据引用源 31 68专家寄语 第一章 THE AGE OF DIGITAL INTELLIGENCE AI 加速产业与技术升级，企业正式步入数智时代 （一）中国传统产业逐步迈向全面智能化 政策支持，完善中国人工智能发展生态 （1）人工智能 +：《2024 国务院政府工作报告》AI + 2024 年 3 月，中华人民共和国全国人民代表大会和中国人民政治协商会议全国委员会上，“人工智能 +”、“新质生产力”被首次写入《2024 国务院政府工作报告》（以下简称《报告》）。报告指出，深入推进数字经济创新发展。制定支持数字经济高质量发展政策，积极推进数字产业化、产业数字化，促进数字技术和实体经济深度融合。深化大数据、人工智能等研发应用，开展“人工智能 +”行动，打造具有国际竞争力的数字产业集群。实施制造业数字化转型行动，加快工业互联网规模化应用，推进服务业数字化，建设智慧城市、数字乡村。深入开展中小企业数字化赋能专项行动。支持平台企业在促进创新、增加就业、国际竞争中大显身手。健全数据基础制度，大力推动数据开发开放和流通使用。适度超前建设数字基础设施，加快形成全国一体化算力体系，培育算力产业生态。我们要以广泛深刻的数字变革，赋能经济发展、丰富人民生活、提升社会治理现代化水平。 人工智能 + 正在为各行各业带来全新赋能，为企业与个人的发展带来新机遇。先进的生产力与行业结合，为各行业提高效率，也会为 AI 产业发展创造一个巨大的市场空间。 （2）数据要素： 《“ 数据要素 ×”三年行动计划 2024—2026 年）》 Data Elements 2024 年 1 月，国家数据局宣布推出“数据要素 ×” 三年行动计划（2024—2026 年）（以下 简称《行动计划》）。这项新行动以推动数据要素高水平应用为主线，促进多场景应用，先行聚焦工业制造、现代农业、商贸流通等 12 个领域，推动行业中发挥数据要素的乘数效应，释放数据要素价值，实现经济规模和效率的倍增。 《行动计划》指出，到 2026 年底，数据要素应用广度和深度大幅拓展，在经济发展领域数据要素乘数效应得到显现，打造 300 个以上示范性强、显示度高、带动性广的典型应用场景，涌现出一批成效明显的数据要素应用示范地区，培育一批创新能力强、成长性好的数据商和第三方专业服务机构，形成相对完善的数据产业生态，数据产品和服务质量效益明显提升，数据产业年均增速超过 20%，场内交易与场外交易协调发展，数据交易规模倍增，推动数据要素价值创造的新业态成为经济增长新动力，数据赋能经济提质增效作用更加凸显，成为高质量发展的重要驱动力量。 该行动计划有效推动了不同领域数据要素的融合利用，促进经济增长、提升企业创新、提高服务水平、强化风险防控，通过数字化技术提升产品创新能力，实现企业更高效的生产流程。同时，数据作为 AI 技术发展的核心因素，在本政策背景下，AI 与产业的深度融合将被极速推动。 （3）新质生产力：《2024 国务院政府工作报告》 New Quality Productive Forces 《2024 国务院政府工作报告》明确提到，大力推进现代化产业体系建设，加快发展新质生产力。充分发挥创新主导作用，以科技创新推动产业创新，加快推进新型工业化，提高全要素生产率，不断塑造发展新动能新优势，促进社会生产力实现新的跃升。 加快培育新质生产力要打造新型劳动者队伍，包括能够创造新质生产力的战略人才和能够熟练掌握新质生产资料的应用型人才。对于企业来说，培养既具有科技创新能力又能熟练应用 AI新技术的人才，在当下显得尤为重要。 企业需要重视 AI 人才的培养和引进，将其作为提升自身竞争力和适应未来市场需求的重要战略。通过加大投入、优化机制、搭建平台等多种方式，吸引和培育更多具备创新能力和实践经验的 AI 人才，将有助于企业在新质生产力的发展中抢占先机，实现可持续发展。 中国 AI 产业集群发展呈现多元化，“北上广深”优势明显 当前，国家把 AI 视为战略性新兴产业和新增长引擎，各地政府也正在积极推动 AI 创新体系建设，加快基础理论研究和重大技术攻关，促进 AI 与市场经济联系，普及场景应用，加速培育市场，鼓励开放合作。 中国 AI 产业集群主要集中在在京津冀、长江三角洲、珠江三角洲和川渝地区的主要城市。西部地区的西安市，中部地区的武汉市和长沙市，以及东北地区的沈阳市、大连市和哈尔滨市，通过引入外部资源和挖掘内部资源，正逐渐形成 AI 产业集群的雏形。这些地区的发展潜力逐步显现，为 AI 领域的创新和协同发展提供了有力支持。 北京的 AI 产业凭借企业数量、质量及产业规模和技术实力领跑全国，重点聚焦在机器人、无人机等智能终端产品及智慧医疗、智慧教育、智能家居、自动驾驶等垂直应用领域。同时北京雄厚的大数据和云计算实力，也为 AI 基础设施的发展提供了基本能动力。 上海的 AI 产业已经成为该城市的三大先导产业之一。产业链大体上覆盖了 AI 产业链的所有领域，多集中于应用层。产业以智能机器人、智能硬件、自动驾驶为重点，部分企业已拥有国内先进的计算机视觉、AI 芯片制造等技术。 广州和深圳是广东省内 AI 产业的集聚中心。广州已经形成了天河智慧城、广州软件谷、中国人工智能 ( 广州 ) 产业园等多个 AI 产业聚集区，其中，注册资本 1 亿元以上的大型 AI 企业集中分布在天河、黄浦两区。深圳则在罗湖、盐田等地建设了多个 AI 产业基地，形成了“总部基地＋研发孵化＋高端制造”的“一轴两廊多节点”的空间格局。 （二）行业大模型构建需求喷发：超 63% 企业正在构建企业内大模型 当前，AI 技术正在向各个领域渗透，加速产业深度融合，AI 已在各行各业崭露头角。在众多产业的推动下，2024 年成为大模型应用场景元年。当前，模型层产品百花齐放，并逐渐开始产品探索。 目前国内超 63% 的企业正在构建企业大模型，将大模型与业务流程、产品功能紧密结合，推动其在多个场景中的应用、垂直化发展和产业化落地。极客邦双数研究院、InfoQ 研究中心发布的《AIGC 行业应用及人才发展洞察》（以下简称《AI 人才洞察》）显示，采买或调用商业大模型和基于开源构建专属大模型的企业比例基本一致，其中万人规模企业往往业务场景较为复杂，更偏好基于开源构建自己的专属大模型。同时，由于 AI 落地应用存在不少难点，即使是作为数字化转型重点行业，约 40% 的制造业企业内部仍然没有基于大模型做任何开发工作；约 20% 的企业没有基于大模型做任何研发工作，其中千人以下规模企业比例较高；而由于成本高、落地难、数据隐私存在安全隐患、人才资源少等因素，中小企业在应用方面尚处于观望期。 （三）AI 影响下的技术演进 数据处理能力提升，安全合规成为新课题 业务需求不断发展，数据技术也在不断演进。早期的 DT1.0 时代，数据技术主要支撑业务贯通，通过文件系统、数据库等技术实现数据共享和流通。进入 DT2.0 时代，数据技术开始推动数智决策，以数据仓库、数据湖等为代表的技术支撑数据分析、治理，实现业务智慧化、智能化。而到了 DT3.0 时代，数据技术不仅在企业内部流转，还通过可信流通对外赋能，全场景智能、跨领域协同、数据跨域安全管控成为新阶段的发展目标，推动数据要素价值不断向更多应用场景拓展。 与此同时，以 AI、云计算、区块链及图技术等为代表的新兴技术持续护航数据要素安全流通。大型语言模型的发展对数据存储和处理也提出了更为严苛的要求，它不仅需要处理海量的多态数据以完成训练，还需要面向海量的终端进行数据应用。这个过程中，AI 与数据处理技术相结合降低技术的使用门槛，2023 年 AIGC 技术的跨越式突破发展，有效扩展了数据基础设施与AI 融合的发展空间。 技术飞速发展，但不得不重视的是，随着企业的生产组织模式逐渐发生转变，企业的数据资产已经突破本地数据中心，越来越多地分布在混合云环境中不同的服务和信任边界上，导致企业数据逐渐暴露在数据盗取、泄露、篡改、敏感数据出境等安全风险下，数据安全合规问题成为企业的“心头病”，企业亟需更有效地做好数据治理，解决数据质量和数据安全问题，寻求保障企业数据安全合规的解决方案。 算法演进迅速，大模型蓬勃发展 为了满足不同行业对 AI 技术的需求，AI 算法和模型经历了从简单到复杂的不断演进。早期的机器学习算法，如线性回归和决策树，基于统计学原理处理数据，为 AI 技术的起步奠定了基础。随着技术的演进，AI 模型参数量不断突破，如 Transformer 结构和 MOE（Mixture ofExperts）结构不断迭代创新，2023 年，AIGC 爆发式增长，大模型产品涌现，全领域产品累积。国内各大厂商在 AI 算法和架构方面凭借自身特色和优势进行布局，推动 AI 技术的不断创新与应用。 AI 场景应用带来巨大算力需求，企业 AI 基础设施亟需升级 AI 时代的机器需要自主学习并推断逻辑，这背后是对海量数据和强大计算力的极大需求。但面对 CPU 性能的局限，传统服务器已难以满足这种密集型计算的需求，对 AI 基础设施的要求提高。计算、存储、网络和数据服务等都需要经过精心的设计和重构，才能满足当下大型模型和生成式 AI 的严苛要求。AI 大模型规模的快速增长和结构复杂