正文
在国内，过去 20 年计算机人才的培养质量不断提升。以前，清华大学计算机专业的优秀学生大多选择出国深造，但
近年来，越来越多的顶尖学生选择留在国内
，甚至竞争导师资源。这表明国内高校的水平已经与美国顶尖高校具有相当的可比性。从全球范围来看，中国的人才储备整体具有优势，发展态势健康。当然，与美国最顶尖的高校相比，国内部分高校仍有差距，但正在快速提升。
AI 领域的快速发展使得人才需求和培养面临巨大挑战。AI 人才并非一个单一概念，而是高度细分的领域。在 AI 领域，人才培养的重要性不言而喻。这就好比足球比赛，虽然需要 11 名球员组成完整的队伍，但真正决定比赛胜负的往往是少数关键球员。
同样，
在 AI 领域，尽管需要大量的人才基数作为支撑，但那些少数具备核心技术和创新能力的关键人才才是推动技术突破和发展的决定性力量
。在未来，随着 AI 技术的不断演进，人才的重要性将愈发凸显，而薪资体系的差异也将进一步扩大。那些能够掌握核心技术、引领创新的关键人才，将获得更高的回报。
AI 领域的人才画像可以从多个维度来分析。
首先，
对于专业人才而言
，良好的数学和统计学基础是必不可少的，同时还需要扎实的计算机和编程能力，包括对数据结构、算法以及计算机系统的基本理解。此外，掌握基础的机器学习、深度学习和大模型技术，以及大数据相关技术，也是硬核技能的重要组成部分。如果专注于特定领域，如计算机视觉等，还需要具备相关的专业知识。
软技能方面
，AI 行业变化迅速，从业者需要能够跟上快速发展的技术节奏，例如及时了解最新的研究论文和技术动态，并善于利用 AI 工具提升学习和解决问题的能力。沟通能力和团队协作能力也是必备的，同时创新精神尤为重要。目前，尽管 AI 的能力已经很强，但大多数人仍未充分掌握如何高效利用 AI 提升工作效率，尤其是在商业和产品开发中。因此，创新精神、想象力、执行力以及对工作的热情都是推动 AI 应用落地的关键因素。
在
教育背景方面
，顶尖公司通常更倾向于招聘具有优秀教育背景、专业背景的人才，尤其是来自知名高校或海外院校的毕业生。这是因为 AI 领域相对较新，目前大部分人才供给来自新毕业的学生，而企业内部有经验的人才相对较少。随着 AI 人才的积累，未来企业对教育背景的要求可能会逐渐放宽，尤其是在有丰富相关经验的情况下。
从能力体系来看，AI 时代的人才画像与传统计算机人才培养体系有所不同。核心是大模型技术，其支撑包括计算机系统的高效计算能力（如软硬件协同、芯片算力、分布式网络等）。数据是 AI 能力的关键，尤其是高质量、独特的数据集对于模型的优化至关重要。同时，安全可信也是重要领域，因为大模型存在幻觉、合规性和安全隐患等问题，需要专业的解决方案。未来，大部分人才将集中在利用 AI 解决各行业垂直领域的具体应用，这也是时代的主旋律。
对于 AI 专业人才而言，除了掌握大模型技术外，还需要在以下至少一个方面形成专长：强大的数学功底和对模型的深入理解；数据处理和分析能力；系统设计和软硬件结合能力；或者安全和软件工程能力。仅仅停留在对大模型的熟悉和应用层面是不够的，因为这样的技术路线容易被替代。相反，
具备独特专长的人才才能在竞争中站稳脚跟
。
非 AI 领域的人其实也有很大的机会参与到 AI 的浪潮中。首先，大家需要积极拥抱 AI 技术，即使不是理科生，学习和使用 AI 也并不难。计算机行业一直致力于将技术变得更易用、更“傻瓜化”，而 AI 时代的到来进一步降低了门槛。过去，我们使用电脑需要通过命令行（shell），后来有了图形用户界面（GUI）和鼠标操作，再后来智能手机的触控屏让操作更加便捷，甚至小孩和老人都能轻松上手。如今，随着 ChatGPT 和大模型技术的出现，我们只需要通过自然语言交流，就能与 AI 深度互动，完成复杂任务。这使得 AI 的应用范围更广、深度更强，即使零基础的人也能通过自然语言的描述进行游戏开发、软件设计等工作。
