刘彦蕊 吕 鑫
人才资源是激烈国际竞争中的重要力量和显著优势。在人工智能科学研究和工程实现中具有“头雁”效应的科技领军人才，决定着人工智能产业发展方向。当前，我国人工智能科技领军人才存在总量较少且培育难、流动难、评价难问题，亟待创新培养和管理模式，持续壮大相关人才队伍。
科技领军人才缺乏制约产业发展
当前我国人工智能产业发展面临人才总量不足和科技领军人才缺乏双重挑战，而且产业界中的科技领军人才数量更少。人工智能科技领军人才通常掌握扎实基础理论、应用技术，熟悉人工智能相关交叉学科知识，具备突出科学素养、创新能力、系统思维能力与国际视野。他们既包括具有深厚资历的研究工程人员、创新创业人员，也包括在具体技术方向具有前沿思维的青年研究生群体等。人工智能产业链通常划分为基础层、技术层和应用层三大环节，其中基础层人才致力于前沿算法与重要理论创新等，是科技领军人才集中的环节。《瞭望》周刊数据显示，2024年我国AI领域基础层、技术层、应用层的存量人才数量占比分别为17.1％、28.6％、54.3％。斯坦福大学发布的《2025年人工智能指数报告》显示，我国产业界发表的人工智能出版物占比仅为8.02%，而学术界占比达84.45%。产业界基础层AI芯片、算法研究、底层架构系统等领域科技领军人才短缺，导致企业不愿面向底层技术开展原始创新，严重影响了产业竞争力。
从国内外实践上看，无论是开放人工智能公司（OpenAI）还是我国杭州深度求索公司（DeepSeek），均是通过集聚一批科技领军人才，并构建了创新型人才组织激励治理架构，实现了技术的巨大突破。对比人工智能高质量发展需求，我国人工智能科技领军人才总体还面临“培育难、流动难、评价难”三大难题。
人工智能发展的复杂性导致科技领军人才“培育难”。经过多年努力，我国已经拥有世界上最大规模的人工智能科技人才。但是，人工智能是一项复杂系统工程，技术发展日新月异，这导致其科技领军人才的培育既不同于其他产业，也不同于行业内一般人才培养。前沿技术知识每隔几个月都会发生重大迭代，我们现行的课程设计、教材编撰模式都很难适应。同时，高校人才培养市场需求导向不足，缺乏紧跟技术发展前沿又重实操应用的师资，学校机房算力难以满足大模型的教学和训练需求，人才培养呈现“理论旧、实践少”的情况。
经济环境调整变化导致人工智能科技领军人才向产业界“流动难”。一方面，在经济下行压力下，随着创业投资等投入的减少，高层次人才离开体制开展创业的总量有所减低，更多人才留在高校科研机构。另一方面，人工智能领域重要成果的取得，需要不同方向人才科学分工、高效配合、反复实践才能取得。这导致很难用简单快捷的传统方法精准识别人才，一旦选错，沉没成本高昂。这增加了企业遴选人才的难度，影响了人才从学术界向产业界的流动效率。
科技体制机制中存在堵点导致人才工作绩效“评价难”。人工智能的价值在于赋能千行百业，这既需要其自身底层技术的突破，也需要科技成果跨产业、跨学科交叉应用。这意味着现有人才贡献绩效的评价准则、科研组织都要发生变革。相关部门针对人工智能领域的人才政策精准化程度不高，人才评价“四唯”问题依然存在。很多单位缺乏差异化考核，部分制度规章与人工智能发展规律不匹配。
多措并举壮大科技领军人才队伍
我国要在人工智能人才国际竞争中实现从“并跑”到“领跑”，需从“培育、评价、流动”三方面入手，优化人才资源配置模式，提升人工智能科技领军人才队伍竞争力。
第一，应加强教育科技人才协同，夯实人工智能科技领军人才产生的“大底座”。产学研结合、教科人一体是培育人工智能科技领军人才的关键，建议探索协同育人新模式，加快青年科技领军人才培育。首先，建议高校人才培养计划更加面向企业实际需求。设置人工智能基础课程群、主干课程群、交叉课程群等，强调科学、技术与工程学科交叉、相辅相成。其次，通过产学研合作成立融合创新平台等方式贯通培育复合型人才。增加产学研融合重点研发项目等，加强企业研发机构建设，将通识教育、科研能力和创新能力相结合，推动人才培养从知识传授型教育向探索研究型教育转变。最后，建立全国高校算力资源共享平台，将大模型训练所需的昂贵算力资源普惠化，助力学生和科研人员的创新实践。
第二，应“破四唯”“立新标”完善评价导向，打造人尽其才的“软环境”。首先，要着重完善人工智能人才评价指挥棒，深化推进“破四唯”“立新标”。突出实际贡献导向，减少对论文专利数量指标依赖。探索建立分类别、分周期、分层次的有利于创新成果产生的多元化评价体系。其次，完善科研任务“揭榜挂帅”“赛马制”等机制，支持人工智能科技领军人才挂帅出征。鼓励更多人才向人工智能基础层聚集，从事更具颠覆性的自由探索活动。最后，给予人工智能青年研究者更多自由探索的空间。在人工智能短板领域，通过实行目标导向的“军令状”制度，支持和鼓励优秀青年人才挑大梁、担重任。
第三，应促进人才向产业界流动，打造人工智能科技领军人才价值实现“新高地”。不断强化企业在人工智能领域科技创新的主体地位，积极推动学术界人才源源不断加入产业界。首先，消除人工智能人才从学术界向产业界流动的后顾之忧。完善税收、户籍、保险、住房等方面的配套政策措施，在承担重大科技项目、参与国家标准制定、院士评选和政府奖励等方面给予企业更多机会和支持。其次，打破体制壁垒，推动制度创新，支持科研人员“旋转门”机制，进一步优化高校人才离岗创业政策。最后，健全人工智能人才职业分类体系，建立各类细分领域人才能力素质标准。加快完善人工智能领域人才能力建设标准，助力人才跨地区、跨机构顺畅流动。
（作者刘彦蕊、吕鑫分别系北京市科学技术研究院创新发展战略研究所副研究员、高级统计师）
