2024人工智能与人才培养趋势报告

www.yxt.com 目录01人工智能的发展现状及趋势1.1市场规模成高速增长念势1.2人工智能技术将持续创新02技术变革对人才发展的影响2.1人工智能和自动化技术将颠覆劳动力市场2.2人工智能的发展带动了人才需求的变革03人工智能冲击下技能重塑追在眉睫04华为数字化人才培养案例 0103071112152125 ChatGPT无疑是2023年的关注焦点，它标志着生成式人工智能技术的崛起与普及，这意味着人工智能不仅在科技、经济、社会、文化等各个领域取得突破性的进展，也在人类日常生活中扮演愈加重要的角色随者人工智能时代的加速到来，人才的能力标准和人才培养也受到重大影响。一方面，通过人机交互、融合发展，人与人工智能之间形成了双向互动的关系人工智能拓展了人的能力和智慧，促进人才更好地发挥，人才不再局限于人自身，而是出现人机协同等新型的人才发展模式。另一方面，人工智能等技术变革将带来更多业务流程的自动化和智能化，重复性、低创造性、低判断性工作将逐步被AI取代，从而可能导致技能缺口、人才缺口逐渐变大。无疑，技术变革带来的是人才需求的结构性变革，这对企业开展人才发展人才培养工作提出更高要求。云学堂整理撰写《2024人工智能与人才培养趋势报告》，从技术、人才、企业、市场等多方面与大家共同探讨未来人才发展趋势，助力人才培养目标的实现。 01人工智能的发展现状及趋势 2024人工智能与人才培养趋势报告 人类从18世纪起开启工业革命的历程，先后经历机化、电气化、自动化三次飞跃，引发了一系列由生产技术变革推动的社会形态的演变。21世纪初，人类悄然步入第四次工业革命智能化时代，在数字革命基础上互联网变得无所不在，移动性大幅提高：传感器体积变得更小、性能更强大，成本也更低。与此同时、人工智能和机器学习也开始薪露锋芒。人类拥有了数百年由机器代替体力劳动的经验之后，希型产生智能计算机代替人类脑力劳动。有了生产的需求，加之可以开发的现象，才能形成如今势不可挡的人工智能技术。INDUSTRY4.0AINDUSTRY3.0INDUSIRY1.0PE1784187C1969TODA2023年，人工智能实现了破圈式的发展。人工智能聊天机器人ChatGPT、A编程工具GitHubCoPilot和图像生成系统StableDifusion等生成式人工智能应用和工具产品的出现，为文本创建、图像生成、代码生成以及研发流程等工作带来全新的智能体验，极大提升了生产力。生成式人工智能应用的出现离不开大模型的支持。大模型是基于海量参数进行自监督学习的预训练模型，凭借更强的学习能力、更高的精准度以及更强的泛化能力，正在成为人工智能技术发展的焦点。 1.1市场规模成高速增长态势大模型及生成式人工智能的发展意味着人工智能正在从完成如图像识别、语音识别等特定任务，迈向拟人类智能水平，具备自主学习、判断和创造等能力。对于企业人而言，其将不再局限于思考“如何在产品/流程中增加暂能化能力”而需要更多关注“如何使用人工智能实现产品/流程的革新”基于海量数据训练和模型调优，人工智能大模型具有更精准的执行能力和更强大的场景可迁移性，为人工智能在诸如元宇宙、城市治理、医疗健康、科学研究等综合复杂性场景中的广泛应用，提供更好的方案。IDC调研发现，全球企业普遍关注并探索对生成式人工智能的布局，全球超八成被访企业已经开始展开相关实践行动，探索适用的落地场景；2023年，超过四分之一的企业已经对生成式人工智能技术进行了大量资金投入。在美国计算机行业协会(CompTIA-Computing Technology Industry Association)的调查中，超过80%的受访者预计人工智能在未来一年对人力资源的影响更加显著，而高级管理者更认为将会产生重大影响。大多数公司在候选人筛选能力评估和职业规划方面积极试行使用人工智能。Driven by data and Al-enabled tools, HR professionals expectsmorepersonalization of talent development and managementExpectation for more personallzationLarg+ frmsMedium firimiSmall firs 其中，84%的大型公司中HR期待团队使用大数据和人工智能工具；79%的中型公司中HR期待团队使用大数据和人工智能工具；在小型公司中，65%的HR期待团队使用大数据和人工智能工具。从应用场景来若，IDC认为，知识管理、对话式应用、销售和营销、代码生成等是全球企业应用生成式人工智能的主要场景。其中，知识管理有望成为最有应用价值的生成人工智能用例。通过人工智能手段，企业可实现对文本图像和视频等知识内容的高效分析和管理，降低劳动密集型投入。全球企业对生成式人工智能的态度35.0%全球25oirs自前，各国都在加强对大模型和生成式人工智能的布局和支持，以推动人工誉能技术的快速发展和应用：美国持续推进各界在人工智能领域的快速发展，鼓励企业及科研机构积极创新，形成以科技巨头为引领的发展格局。通过推动基础研究和应用研究的发展，美国在基础大模型研发和生成式人工智能应用方面建立起优势，打造了现象级生成式人工智能产品，并将生成式人工智能技术广泛应用于行业领或和业务场景。相较美国，欧洲地区整体对人工智能尤其是生成式人工智能在安全、隐私等方面的顾虑较多，故当前优先推动相关领域法律法规的建设和实施。2023年欧盟批准人工智能法案》，对涉及大量数据训练的人工智能系统提出了透明度和风险评估要求；欧盟还加强对人工智能伦理道德的监管，保护数据隐私和数据安全，加强对生成式人工智能的监管和审查，持续对自动驾驶系统、教育移民和就业决策系统中的人工智能应用影响力进行评估。 在亚太地区，印度、新加坡、韩国、日本等国家积极制定国家人工智能战路推进各项超大型生成式人工智能相关方案的落地。韩国政府重视人工智能基础设施和环境的发展，推动人工智能在各个领域的应用；日本政府通过加大投入和政策支持，推动生成式人工智能的研究和应用，并决定向企业提供资金补助，推进高算力基础设施的建设。生成式人工智能最具价值应用场景■±球 ±其地区 (0) 0X,中6R3期地区 (EMEA)E达区(AF)RERtRRE0.0%11:0%20.07%30:0%50.0%在中国，人工智能产业加速创新，机遇与挑战并存。从企业角度而言，中国企业对生成式人工智能的接受度普遍较高。据IDC调研，67%的中国企业已经开始探索生成式人工智能在企业内的应用机会或已经开始进行相关资金投入。中国企业对生成式人工智能的态度您认为果用生成式人工智能拾企业范来何并价值？线开是工效率,高 据调研，中国企业尤其认可生成式人工智能在加速决策、提高效率、优化用户和员工体验等维度带来的价值，并将在未来三年持续提高投入力度，超过七成企业增幅达到20%-40%。但与此同时，企业需要直面计算、存储等资源短缺行业大模型可用性待提升以及投入成本高等问题带来的压力。您认为责公司在部署生虚式A应用的时假会有咖些挑战？$*3)ERETAR风高高不23), A用例了33.080.0%10.07%50.0%70.0%)末亲3年，贵公司在生成式AI的投入增幅是多少？x-%0 IBi8811.1%-%m8摄加 40%-50%11.8%8it加 50%-c0%0.0%5. 0%15.0°25.0%30.(%35.(40.0m从技术厂商角度而言，目前，国内诺多互联网巨头、科技企业及研究机构纷纷宣布在生成式人工智能的领域进行产业布局，国产大模型进入集中发布期，已拉开"百模大战"的序幕通用类大模型（含语言类、视觉类和多模态大模型等）、任务大模型（含代码生成和生命科学等）以及行业大模型持续拓展应用领域，深化场景落地，不断探索商业价值，解决科研难题，助力产业升级。据公开信息截至2023年10月，中国累计发布两百余个大模型，发布地主要集中在北京，其中以科研院所和互联网企业为开发主力军。当下，人工智能产业生态呈现出高度活力，丰富的应用场景和潜在行业用例，将对大模型选代和调优、行业和场景适配以及应用软件功能设计提出新的需求。目前中国大模型技术已经在自然语言处理、机器视觉和多模态等领域具备高度活力：面向未来，中国应持续关注基础大模型等基础性技术的原创性突破，以获得国际竞争力。可以预测，大模型应用将带来诸多产业化变革，因此，夯实底层模型和算法能力，对未来人工智能原生应用的质量和生态竞争力将起到决定性作用。 1.2人工智能技术将持续创新未来几年，人工智能技术将在各个领域得到更广泛的应用和发展。智能家居自动驾驶、无人机应用、虚拟数字人、人工智能助手......从日常生活到工作方式，AI正以无数种方式改变着世界。据IDC发布的2023年V2版《全球人工智能支出指南》，2022年全球人工智能IT总投资规模为1288亿美元，2027年预计增至4236亿美元，五年复合增长率（CAGR）约为26.9%，展望未来，在数字化浪潮的持续推动下，人工智能仍将继续创新以拓宽能力达界。无疑，前沿技术创新是动力之源。数据、算力、算法、工具、模型等技术的推进，将为人工智能的跨越式发展不断注入源头活水。1、多模态大模型推动多媒体信息融合当下，多模态理解、生成和交互能力正成为大模型新一轮演进的重要方向。多模态指使用多种感觉通道（如视觉、听觉、触觉等）来获取和表达信息；多模态大模型则是指能够同时处理多种模态数据（如图像、语音、文本等）的深度学习模型。多模态大模型通常由两部分组成：视觉模型和语言模型。视觉模型用于处理图像、视频等视觉数据；语言模型用于处理文本、语音等语言数据。这两部分模型可以通过注意力机制等方式进行交互，从而实现多模态数据的融合和处理。 人工智能行业产业链软件a像百度文心一言、阿里云通义千问、讯飞星火认知大模型、腾讯漏元大模型、华为盘古Chat等国产大语言模型（LLM），都拥有多模态能力，不仅可以处理多种自然语言任务，如问答、对话等，还能把各种感知模态结合起来，执行视觉任务，以更高效、更全面、更综合的方式理解和生成信息，完成复杂任务。例如，用户在通义干问上输入图片发起问题，就能获取相应的文字描述和视觉定位。大模型技术发展推动多模态模型不断升级选代。伴随深度学习、强化学习、迁移学习等多种技术的发展，多模态大模型正在成为人工智能领域的发展趋势之一。多模态大模型能够实现图像、文本、语昔等模态之间的统一表示和相互生成具有广泛的应用范围，覆盖自然语言处理、图像识别、语音识别、多媒体处理等诸多领域，诺如GPT-4等多模态大模型，可以在很多专业领域表现出类人类的水准，实现了突破性发展。未来，基于技术的不断突破，多模态将持续拓展各行业场景下的融合应用。我们看到，头部厂商持续布局多模态大模型领域，在注重模型整体通用性的同时，也在不断提升子领域的优化体验和技术升级。2、高算力和高能效受到持续关注从感知智能到生成式智能，人工智能算力需求快速增长。IDC认为，生成式人 工智能和大模型发展正在能成为人工智能算力市场发展的加速器。从感知智能到生成式智能，人工智能越来越需要依赖"强算法、高算力、大数据的支持。模型的大小、训练所需的参数量等因素将直接影响智能涌现的质量，人工智能模型需要的准确性越高，训练该模型所需的计算力就越高。中国通用算力规模及预测，2020-2027M通用算力短检 (基于 FP64 计前)R.OPS140.8120.B100.0200202021以ChatGPT模型为例，公开数据显示，其所使用的GPT-3大模型所需训练参数量为1750亿，算力消耗为3640PF-days(即每秒运算一千万亿次，运行3640天），需要至少1万片GPU提供支撑。据统计，当模型参数扩大十倍，算力投入将超过十倍，模型架构、优化效率、并行处理能力以及算力硬件能力等因素均会影响具体增加的倍数。由于大模型对计算能力和数据的高需求，其所需要的服务器设施将在人工智能基础设施市场中占据越来越大的份额。IDC预计