AI大戰，糧草未動，人才先行。華為公司近日宣布沃土AI(人工智能)開發者使能計劃，而在此次宣布的AI戰略里面有兩大部分提到要強化投資基礎研究和人才培養，這說明兩個問題：第一是國內AI領域的基礎研究可能不足，第二個就是相關人才還比較欠缺。而這兩項并非高投入就有高產出，需要長時間的積累和實踐。
AI行業人才供需嚴重不足
很多人習慣將人工智能比作行駛中的汽車，數據是燃料，人才是引擎，算力是底盤，任何一個環節存在缺口，這輛車注定是跑不快的。
算力和數據雖然也是問題的關鍵，但在人工智能領域的玩家中，大多數巨頭在數據和算力上都還算糧草充足，即便是創業系公司，也可以通過花錢來解決。人才反而成了最大的不確定性，它將決定算法的水平以及未來發展方向。
調查機構Element AI公布過這樣一份調查數據：全球約有22000名接受了博士教育的AI領域研究者，其中不到1萬人具備創建機器學習系統的專業知識，但只有3000人正在找工作。
另據騰訊研究院一份研究報告顯示，全球AI領域人才約30萬，而市場需求在百萬量級。全球共有367所具有人工智能研究方向的高校;每年畢業于AI領域的學生約2萬人，遠遠不能滿足市場對人才的需求。全球人工智能領域存在很大人才缺口。
AI的人才困境已經出現了諸多不和諧的信號，不同公司的AI水平良莠不齊，諸如百度等前沿研究者牢牢占據第一梯隊，大多數人工智能公司對AI的研究仍處于初級階段。同時也在影響AI大牛們的擇業觀，大牛們選擇和同樣出色的人才協作，留給創業公司乃至傳統企業的人才困境越發嚴重。
AI發展人才集聚是關鍵
信息技術的發展可分為3個階段，分別是數字化、網絡化、智能化階段。目前，數字化階段的紅利已基本消化完，全球個人電腦(PC)銷量呈下降趨勢;網絡化還在發展，尤其是基于移動互聯網的創新應用在向更多領域滲透;智能化則剛剛起步，這個階段以人工智能技術為代表，并綜合集成了前兩個階段的信息技術成果，如高性能計算、互聯網、大數據、物聯網等。
人工智能和大數據息息相關，當前階段人工智能發展的主要特征之一，就是以大數據為驅動。業內專家指出，為了能夠引領未來人工智能的發展，我國應高度重視前沿理論研究，支持引導更多的科學家投身這方面研究。要借助腦認知科學、量子科學等領域的發展，研究透明性、可解釋性、通用性更強的新一代機器學習模型，研發具有遷移能力、自主學習能力和強泛化能力的人工智能技術，在新一代智能計算范式方面形成理論儲備。
無論是前沿理論研究，還是當下的關鍵技術研發，都離不開人才，尤其是高端人才。在華為的人才觀交流會上，華為公司高級管理顧問、中國人民大學商學院教授黃衛偉指出，“相比于工業經濟時代價值分布曲線主要來自于基層員工和中基層管理者，AI時代價值創造分布曲線更呈現出帕累托曲線特征。一個很小比例的高端AI人才創造價值甚至可以占到整個全部價值90%，帕累托曲線在AI時代正在變得更陡峭，這也反應了業界正在越來越聚焦于AI高端人才爭奪上。”
培養AI人才周期性長
AI人才的培養是需要一個長久的周期性， 目前，AI技術人才短缺的現狀在短時間內恐怕難以改變。所以從長久考慮，可以采取校企聯合辦學的方式在增加AI人才的供應人數。
一方面，各科研院校可以借助企業的資金支持，來為自己在人工智能專業人才上的培養提供良好的條件，包括試驗儀器，元器件等費用;另一方面，企業也能夠從相應合作的院校中獲得更多有助于公司發展的關鍵性資源——AI人才。
今年，谷歌承諾向蒙特利爾大學Bengio博士的人工智能實驗室投資340萬美元，Facebook、百度和微軟同樣表示要為學術研究提供資金。此外，百度還與北京航空航天大學合作，共同培養人工智能專業研究生。
除此之外，企業內部培養也十分重要。企業內部培養應該是效率最快，質量最高的一種方式，也有很多企業進行內部AI人才的培養，效果也是很明顯的。
比如，今年三月，Facebook宣布創建 Facebook AIAcademy，對公司內部員工進行免費AI技能培訓，課程涉及深度學習、卷積神經網絡、循環神經網絡、強化學習等等多種技術。
