本文摘要：人工智能產業逐漸成為全球各國競相布局的重點產業，全球人工智能企業數量快速增長，人工智能獨角獸企業不斷在全球范圍內涌現，對于人工智能人才的需求不斷增加。 人工智能人才數量和質量的水平將直接影響人工智能產業的發展，進而影響國家和地區在未來競爭中
人工智能產業逐漸成為全球各國競相布局的重點產業，全球人工智能企業數量快速增長，人工智能獨角獸企業不斷在全球范圍內涌現，對于人工智能人才的需求不斷增加。 人工智能人才數量和質量的水平將直接影響人工智能產業的發展，進而影響國家和地區在未來競爭中的國際影響力，人工智能人才培養需要得到全球范圍內的廣泛關注。
名詞分析與概念界定
人工智能人才培養，主要是涉及人工智能八大關鍵技術研究及應用的相關人才，根據人才培養的方向，本報告將人工智能人才培養分為人工智能專業人才培養和人工智能科學素養培養。
其中，人工智能專業人才培養，主要涉及當下或未來會長期在人工智能領域工作或研究的人才培養。 根據這類人才在人工智能技術發展及應用中實際所做的主要工作類型，將人工智能專業人才培養分為人工智能研究型人才培養和人工智能應用型人才培養。
人工智能研究型人才培養主要涵蓋產業研究人才和源頭創新人才的培養，這類人才致力于科學研究與技術創新，決定了未來人工智能產業的技術邊界。
人工智能應用型人才培養主要涵蓋實用技能人才和應用開發人才的培養，這類人才助力于產業應用開發及實用技能發展，決定了人工智能應用及產業的發展規模。
人工智能科學素養培養主要是針對高中學歷以下，對人工智能科學素養方面的相關培養， 人工智能科學素養培養主要包括了解人工智能科學知識; 了解人工智能科學的研究過程和方法; 了解人工智能科學技術對社會和個人所產生的影響。 據人工智能科學素養培養的主要形式分為了學科培養和綜合素養培養。
人工智能人才培養宏觀環境分析
全球各國陸續出臺人工智能產業發展戰略，助力人工智能產業發展
人工智能產業是面向未來的重要產業構成，作為新興技術的代表，人工智能不斷在各個領域加深應用。 為抓住下一代產業發展的趨勢，全球各國從國家戰略層面相繼出臺支持人工智能產業發展的重要戰略規劃。 其中，美國、中國、英國、加拿大都在2017年前后將人工智能作為國家的頂層設計來布局實施，隨后也推出了非常多配套的輔助型政策，進一步推動人工智能產業的發展。
全球國家戰略層面的支持推動人工智能行業快速發展。 在過去的10年之中，全球主要國家新增人工智能企業數量在2016年左右達到峰值，其中，中國和美國新增AI企業數量在2017年后絕對值仍然大幅領先于其他國家，是全球人工智能企業領先地區。 從吸引資金的角度來看，全球人工智能企業融資數量持續增長，在2016年以后呈現出幾何級增長趨勢，至2018年，全球人工智能企業共計融資784.8億美元，其中美國以373.7億美元、中國以276.3億美元成為全球人工智能企業吸引資金數量最多的國家。
人工智能產業的發展先后經歷了萌芽階段、誕生階段、黃金階段、第一次低谷、繁榮階段、 第二次低谷、第三次熱潮七個階段，產業在波動和調整中不斷前進。 從1993年至今，人工智能產業依然處于第三次浪潮之中。 中國信息通信研究院發布的《全球人工智能產業數據報告》 顯示，截至2019年3月底，全球人工智能企業達5386家，縱觀全球人工智能產業分布，產業的發展并不均衡，主要集中于美國、中國、英國、加拿大等較早在人工智能領域布局的國家。
人工智能產業發展的競爭核心是人才和技術的競爭，人才培養成為重中之重
各個行業數字化進程的逐漸推進，圍繞傳統行業的數字化、智能化升級成為主流。 伴隨而來的數據爆發式增長、計算能力要求大幅提升、人工智能算法的構建與優化逐漸成為各個產業發展的關鍵環節，人工智能在第三個浪潮期對于各行業的滲透逐漸提高。 基于大數據和強大計算能力的機器學習算法已在計算機視覺、語音識別、自然語言處理等一系列領域中取得了突破性的進展，基于人工智能技術的應用也已經開始成熟。
當前，全球多數國家都在積極布局人工智能產業，人工智能已逐步被作為衡量一個國家綜合實力的重要指標，成為各個國家的國家戰略布局。 其中，中國2017年發布的《新一代人工智能發展規劃》中提出，到2030年， 中國要成為世界主要人工智能創新中心。 2019年德勤發布的《未來已來·全球AI創新融合應用城市及展望》報告顯示，2025年世界人工智能市場規模將超過6萬億美元。 人工智能產業已成為未來全球經濟發展的重要推動力。
人工智能產業的發展，人才、數據和架構是不可或缺的三大要素。 其中，人工智能人才數量和質量的水平，將直接影響數據收集與處理的能力、底層架構的可應用性和延展性。 因此，對于全球人工智能的競爭而言，人才的競爭才是核心內容，人才培養的能力、人才培養的水平將對國家的人工智能產業發展產生重要影響。
人工智能產業的快速發展帶動了對于人工智能人才需求的快速增加，人才需求分布情況與產業發展程度高度相關，人工智能產業發展領先的地區對于人工智能人才的需求更加緊迫。 UIPath2018年推出的《AI Jobs》報告中的數據顯示，在全球，中國空缺的AI職位最多， 共有12113個相關職位空缺; 其次是美國，有7465個崗位空缺; 再次是日本，有3369個職位空出。 除此之外，英國、印度、德國、法國、加拿大、澳大利亞和波蘭也面臨AI人才匱乏的局面。 在過去四年中，AI人才的需求量以每年74%的速度增長。
人工智能產業無論是創新程度還是落地應用程度都與傳統產業有明顯的不同，因此崗位要求相比于傳統產業簡單的人力開發，人工智能產業更加強調人才的屬性。 最直接的就是人工智能崗位人員學歷的要求。 全球AI公司對人工智能人才學歷的要求本科及以上占到了99%的比例，而碩士及以上也超過了50%。 而在不同崗位的需求情況方面，機器學習/深度學習工程師、AI研究人員、數據科學家和算法開發人員，隨著AI產品走向主流，與之相搭配的商業化崗位如營銷、法務、銷售等也出現了增長的態勢。 因此，無論是人才學歷水平的培養還是核心技術的培養都表明人工智能人才要求明顯更高，需要的培養周期更長，短期內人才供給處于緊缺的局面。
全球人工智能人才僅30萬人，產業人才約20萬人，是絕大多數AI產業和企業領軍人物的重要來源。
中美高校是全球人工智能人才培養的高地
CSRankings 2019年度全球高校的計算機科學綜合實力TOP20的情況顯示，美國大學占比68%，居于首位，其次是中國，占據9%，再次是新加坡、以色列等。 可以看到全球各國在人工智能人才培養方面，高校扮演了非常重要的角色。
具體來看，卡內基梅隆大學、麻省理工學院是美國計算機科學綜合實力前兩名，清華大學、北京大學是中國計算機科學綜合實力前兩名的學校。 具體到各高校人工智能人才培養的學科課程設置方面，以美國為主的高等院校，由于布局時間早，系統完善，學科交叉精耕細作。 例如斯坦福大學的人工智能實驗室成立于1962年，50多年來一直推動著人工智能教育。 卡內基梅隆大學在1979年就成立了機器人學院，專門在機器人科技領域進行實踐和研究。
目前人工智能人才培養供給小于需求，人工智能人才缺口巨大
全球人工智能產業的高速發展，帶動人工智能企業的快速出現，并且獲得資本的青睞，全球各國將人工智能產業的發展逐漸提高到戰略層面。 人工智能人才的培養直接決定了在世界人工智能產業競爭中國家和地區的影響力，人工智能產業發展的競爭核心是人才培養的競爭，人工智能產業發展越快的地區，對于人工智能人才的需求越急迫。 全球人工智能崗位缺口呈現指數級增加，各類崗位需求持續增長，從專業性到應用型人才均有需求。 高校在目前的人工智能人才培養體系中扮演重要角色，中國和美國成為全球人工智能人才培養的主要參與者，兩國人才培養體系各有不同，總體處于探索階段，人才培養供給亟待提高。
全球國家和地區人工智能人才培養各有不同
從具體的國家和地區來看，其人工智能人才培養的體系與當地本身的教育體系，特別是職業教育體系的成熟程度直接相關。 美國在過去發展的進程中，互聯網發展體系完整，人才培養結構相對成熟，因此人工智能人才培養體系方面更加完善，研究型人才是主要的培養內容。 相對于美國研究型人才是重點的培養內容，中國更注重在應用型人才培養體系方面。
1990年清華大學智能技術與系統國家重點實驗室成立，這也是現在唯一以人工智能命名的國家重點實驗室。 相較于美國的培養起點，中國顯然起步稍晚，但是隨著人工智能企業的快速發展，中國人工智能人才培養體系快速發展起來，逐漸形成關于各個層次人工智能人才培養的不同解決方案，逐漸形成中國特色人工智能人才培養體系。
人工智能專業人才培養分析
研究型人才培養分析
政府部門、高校、科研院所和企業是主要參與對象
通過梳理全球主要國家的研究型人才培養方式，參與者基本可以歸納為以下四種：政府部門、 高校、科研院所和企業，完成產、學、研、政四位一體的培養路徑。 高校與科研院所則是研究型人才的重要培養場景，也是研究成果的重要產出來源。 政府在研究型人才培養中的作用更加宏觀，通常通過政策手段實現，而政策的主要執行對象亦為高校和科研院。 企業在人工智能人才的培養上更多是應用型人才的培養，企業的作用將在應用型人才培養方面著重講述，因此本章的分析將重點從高校及科研院所的培養模式出發探究研究型人才的培養。
高校是主要的培養場所，美國的人才培養處于世界第一梯隊
從QS全球computer science& information systems專業綜合排名情況來看，2020年全球開設計算機科學與信息系統相關專業的高校共收錄了601所，其中美國212所、中國133所，占比約57.4%，在計算機科學領域處于世界第一梯隊，英國、印度、日本、法國、韓國、德國等處于第二梯隊。
但值得注意的是，從CSRankings通過對各高校研究物發表數量和質量的排名來看，在2010-2020這十年間，全球計算機科學TOP20的高校中，美國占了15席，在學術影響力和研究能力上，美國與其他國家之間拉開了巨大差距。 如何做好人工智能人才的培養是一個值得探索的問題。
英美高校培養起步早，逐漸從高校培養推廣到全民素質培養
美國在人工智能研發戰略規劃中對人工智能的研發做了具體劃分，而人工智能的人才培養也與此規劃一脈相承。 美國提出了“全方位培養一批多元化、有道德的AI隊伍，維持美國領導地位”的人才培養目標。 除了在高等教育階段進行人才培養外，美國將AI 教育全學段覆蓋，同時重視吸引女性和少數民族學生等代表性不足群體和弱勢群體參與到 AI 培訓計劃中。
英國提出金字塔型人才培養目標，旨在培養適應未來行業發展的多層次 AI 技能人才。 在培養高水準的AI研究型的AI研發專家、博士、碩士外，還注重較低層實用人才技能的培養，重視全民STEM教育及數據技能培養。
中國著重強調建設AI專業教育、職業教育和大學基礎教育于一體的高校教育體系，在研究生階段強調“人工智能+X” 相關交叉學科的設置，分層次培養AI應用型人才。
日本從教育改革入手，將信息技術能力培養貫徹為全民培養模式，集中產官學資源，強化社會人員職業再教育，積極引進國際人才引進，鼓勵創新創業。
人工智能相關專業及學科建設尚處于早期階段，在摸索中又各有特色
全球開展人工智能相關研究及人工智能人才培養的資源和程度并不均衡，而較有代表性的專業設置方式更多地產生于開展人工智能相關教學更多的國家，因此，此處僅選擇QS專業排名前二的美國和中國來進行對比。
從中美兩國的高校專業設置情況來看，目前全球人工智能專業設置、學科建設尚處于較為早期的階段，均沒有特別明確的建設體系，但在摸索前進中，又各有特色。
在高校課程設置上，美國已經形成體系，強調數學基礎學科的重要性
課程體系建設同樣是研究型人才培養的關鍵，億歐智庫在QS專業排名前四的國家中選取了top3的高校進行了課程體系的研究分析。 從卡內基梅隆大學的人工智能專業、麻省理工學院的計算機科學與工程專業、 斯坦福大學的人工智能專業的課程設置情況來看， 美國人工智能人才的培養已經形成了比較明確、科學的課程體系，對于數學基礎課程的設置基本都超過了20%。 除專業相關課程外，高校用不同方式要求學生參加通識課程，或者認知科學相關課程，部分學校還設置倫理課程，對學生的綜合能力要求全面，符合人工智能專業的交叉學科的特性。
中國高校課程設置起步較晚，目前仿照國外開始高校實施
2019年3月，教育部批準35所高校新增人工智能本科專業，2020年3月3日，教育部官方網站更新了《關于公布2019年度普通高等學校本科專業備案和審批結果的通知》。 新增人工智能專業的高校達到180所，是此次新增備案專業數量較多的學科。 新增數據科學與大數據技術專業的學校也占到了100多所; 智能制造、機器人工程、智能科學與技術等專業也都有數十所學校通過審批。 中國人工智能人才培養相關的課程體系建設起步較晚，從課程設置上來看基本上是模仿國外的課程體系。
目前頂級學者大部分仍集中在學術界，從事教學的教師主要集中在頭部國家
從全球人才流動趨勢看，美國對博士研究人員的吸引力最強，中國次之。 element AI 發布的《Global AI Talent Report 2019》的數據顯示，美國雇主最有可能吸引在其國外接受培訓的研究人員，中國吸引的美國研究人員的絕對數量約是美國的四分之一。 此外通過梳理在國際頂級會議發布文章的研究人員接受培訓情況，以及就業數據發現，其中有46%的樣本為美國雇主工作。 而有77%的頂級學者會留在學術界工作，但并不一定都會參加教學。 總體來看，能夠從事人工智能人才培養的學者力量整體分布不均，目前人工智能人才培養仍是大國間的競爭。
應用型人才培養分析
全球應用型人才培養注重校內校外培養結合，企業的角色不可或缺
應用型人才的數量和質量決定了人工智能應用及產業的發展規模，且應用型人才的需求量大，基礎性崗位更多，僅依靠高校的培養供給無法滿足人工智能產業的職位需求。 而高校和社會機構對于應用型人才的培養方式、側重點、培養目的均不相同，因此本文將應用型人才的培養分為校內和校外兩部分來討論。
從各國在校內和校外培養中都會發現，不管是校內培養中共建學科、實驗室、創新合作平臺等方式，還是職業培訓、企業內部培養，企業都在應用型人才培養上扮演了極為重要的角色，通過輸送師資力量、產業技術、產業實踐經驗來實現自身的技術突破和人才儲備。
應用型人才的培養體系有所不同，導致人工智能人才的培養模式不同
從全球人工智能應用型人才的培養情況來看，校內培養仍處于學歷教育的范疇，與各國應用型人才的培養體系分不開。 因此，厘清各國在應用型人才培養體系的差異對分析人工智能應用型人才的培養有重要的指引作用。 應用型人才的培養因其助力于產業應用開發及實用技能發展的職能，培養體系與各國的產業發展情況無法分割。 本文梳理了以美國、德國、中國為代表的三類具有典型應用型人才培養特色的培養體系及培養模式。
美國應用型人才培養貫穿學歷教育的各個階段，職業教育以社區大學為主。 社區大學是美國重要的應用型人才培養主體，目前美國約有2300多所社區大學。 社區大學往往是兩年制，學生通常獲得“副學士”學位，主要為當地的就業市場提供技能型人才，大部分社區大學并不提供宿舍，方便學生半工半讀，以及與周圍社區和企業緊密聯系。 但未來之星EdStars的研究顯示，從2010到2018年，社區學院的注冊人數卻以1%~3%的速度連年下跌。 主要原因來自于極低的完成率，兩年制的學習，三年之內能夠順利畢業的人數不足20%。 如果想要轉學至計算機科學等人工智能本科專業，則對數學和理科成績要求較高，大部分學生需要在校外參加培訓課程，但這對來自低收入家庭的學生來說是不小的費用。
德國雙元制培養成熟，人工智能應用型人才培養體系完善，學科專業多樣。 德國雙元制教育是以理論與實踐培養交替進行的教學模式，由職業學校負責理論教學部分，企業則負責實踐教學。 德國的職業教育由政府全額撥款，一個學生一年可獲得政府4100歐元的教育經費。 學生在職業學校學習期間可以由企業按照工作需要進行定向定量的培訓，在實踐培訓中由企業實際需求決定職業培訓的重點。 學生不僅免學費，而且還有企業給實習工資，在完成兩年至三年的學習，經過相關職業、專業的培訓后，由政府性質的協會IHK(工商業協會)和 HWK(手工業協會)證實，可取得世界范圍內認可的資質證書。 德國目前擁有各種職業學校 9000 多所，專業多達330個。
中國重視產教融合和校企合作，學校有教育改革的內生動力。 近年來中國政府大力支持職業教育發展，關于職業教育的財政支出不斷增長，強調要創新各層次各類型職業教育模式，堅持產教融合、校企合作，引導社會各界特別是行業企業積極支持職業教育。 人工智能應用型人才校內培養，學校是培養的實施主體。 從學校在應用型人才培養參與的主動性強弱看，學校在培養中主動性較強的措施包括主動采購人工智能培養解決方案、主動和企業合作共建人工智能學院，而主動性較弱模式的則是通過教育部政策、地方產業發展需求和大型企業的需求來培養。
同時，中國人工智能應用型人才培養受到地方政府的大力推動，加快了區域經濟和產業發展。
中國的人工智能應用型人才校內培養亦受到地方政府和教育部門的大力推動，幫助學校完成人工智能人才培養體系的搭建和實施。 教育部學校規劃建設發展中心聯合達內時代科技集團有限公司(以下簡稱達內集團)正式啟動“AI+智慧學習” 共建人工智能學院項目; 地方政府也聯合研究院、高科技企業，使學校能夠快速響應人工智能相關專業的建設需求，服務當地乃至全國人工智能產業的發展，加快培養符合人工智能領域發展需要的創新型應用型人才。
人工智能巨頭企業建立企業大學，美國巨頭企業成立時間早，規模大
人工智能應用型人才校外培養，中美兩國的可借鑒性較強，因此主要從中美兩國的培養模式對比來看。 近年來， 科技巨頭們紛紛在加拿大、印度、中國、東歐和南歐的科技中心建立AI實驗室，此舉有利于科技巨頭的先進技術在全球的擴展和復制。 在人工智能應用型人才方面，科技巨頭通過提供實習、提供免費的在線學習課程，開源工具、AI開放平臺、開放社區賦能對人工智能感興趣的學習者。
中國以BAT為代表，雖然起步晚，但發展迅速，對于人工智能應用型人才的培養方式多樣。 中國的應用型人才培養以BAT為代表，從2012年左右逐漸開始建設，百度的AI團隊成立時間最早，主要在自動駕駛領域上發力。 對于人工智能應用型人才的培養，BAT分別成立了百度云智學院、阿里云大學、騰實學院開展模式多樣的應用型人才培養。 除與國外科技巨頭類似的在線課程、免費實驗項目外，三家人工智能學院均因地制宜地設有職業證書認證體系，為個人和講師提供資格認證，大力推動“1+X”職業教育體系的建設，認證人才進入企業可以獲得優先推薦。
美國短期訓練營和在線AI課程參與率高，企業認可度高
從常見的人工智能團隊的架構來看，需要商業化團隊、數據團隊、核心AI算法團隊、核心AI研究團隊、硬件團隊、平臺架構團隊、AI應用& 產品團隊等，崗位需求多元。 而校內的社區大學等培養方式并不能達到企業的要求，對于企業來講，實踐和工作經驗是招聘的考察重點。 TalentSeer的《2020人工智能人才報告》顯示，美國短期訓練營(Bootcamp)和在線AI課程(E-learning)的參與度越來越高。 預計整個在線學習市場到2025年將超過3000億美元。 統計數據表明，在線學習和短期訓練營得到了大部分雇主和工程師的認可，76%的軟件工程師認為訓練營有助于他們的職場發展，57%的雇主表示愿意聘用訓練營畢業生。 學習者可以在Fullstack Academy、General Assembly、Thinkful等有代表性的IT技能訓練營，通過線下高強度的集訓幫助零基礎或基礎較弱的學生掌握就業所需技能，并通過收入分成或延后交付學費等方案降低入學成本。
中國的短期訓練營圍繞人工智能技術型企業展開，有品牌效應和認證效果
中國目前沒有和國外Bootcamp完全類似的短期訓練營模式，中國的人工智能訓練營大多面對在校生或是剛從事人工智能相關職業不久的職場人士，是校內培養的有力補充和實踐延伸，主要依托于人工智能技術型企業的實驗平臺、實驗數據，培訓的教師隊伍是各大科技巨頭公司的技術負責人或知名學者。 作為學習者可以在短期訓練營中強化實戰經驗，學習科技巨頭的先進技術理念和產業應用實踐案例。
IT職業培訓，國內IT培訓進入新的發展階段
IT職業培訓作為非學歷教育的重要組成部分，在全球都有IT職業培訓公司。 但隨著技術的進步，人工智能相關的產業的迅速發展，IT職業培訓公司均在逐漸增設人工智能相關的IT培訓課程。
在中國，人工智能應用型人才的培養已經被作為IT職業培訓的重要服務，市場參與度高，逐漸形成針對人工智能應用型人才的學習路徑規劃和個性化課程安排，重視職業培訓的輔導服務。 廣證恒生的研究報告顯示，目前IT培訓市場有三大陣營，第一陣營是以達內科技為代表的公司，通過“雙師模式+校企合作+就業輸出” 的商業模式占據發展先機; 第二陣營則是整體而言商業模式較為成熟， 有一定的師資和科研團隊力量，渠道能力出眾，具備一定的品牌積累，但部分機構產品較為單一， 這一陣營以傳智播客、火星時代、麥子學院、開課吧為代表; 第三陣營則數量較多，主要在小范圍地域內或某細分產品領域具有一定的占有度，如以青麥教育、極客學院、51CTO、北風網為代表。
人工智能人才基礎素養培養
人才科學素養的培養起源于產業競爭的結果
第二次世界大戰之后，美國與蘇聯開始了長達44年的冷戰。 對于地球外空間的探索是競爭的重要內容之一，1957 年10月蘇聯率先用P-7洲際導彈發射了世界上第一顆人造衛星“斯普特尼克1號”，并且在1961年4月用東方號運載火箭把宇航員Gagarin送上太空，使他成為了世界上第一個進入太空的地球人。 空間競賽初期的落后，一方面使得美國對于自身國際地位和安全產生重大的疑慮; 另一方面，美國公眾開始思考國家人才培養體系中對教育投入不足、課程設置缺乏基礎性和系統性與不重視數學和科學教育等問題產生的深刻影響，從而進一步推動了美國社會的教育改革。 以STEAM教育為代表的人才科學素養培養由此萌芽。
各國意識到STEAM教育的重要性，陸續出臺鼓勵政策和措施
以STEAM為代表的科學、技術、工程、藝術(航天)、數學等方面的教學逐漸在全球高速發展的技術浪潮中占據重要地位，對于互聯網的發展起到了強有力的推動作用。 而人工智能技術的出現和快速發展則將上述內容的重要性發揮得淋漓盡致，人才科學素養的培養和提升意識逐漸在全球普及和推廣。 全球各國及地區關注到了STEAM教育的重要性，陸續出臺各類政策，完善教育體系的同時，以推動國家級技術的升級為長遠目標構筑人才培養內容。
日本在課程標準中很少提及STEM或STEAM等詞匯，但在包括科學、數學等學科方面有國際標準。 20世紀80年代，日本政府提出“加強基礎科學研究力量”的21世紀人才培養戰略目標。 在具體的STEAM教育中，日本傾向于培養研究型人才，提高學生對于科學等內容的興趣和熱情。 日本文部省決定在2020年把編程納入日本小學必修課程，同樣是日本政府意識到科技發展對于人才科學素養培養的重要性，并進一步推動教育改革。
2010年，韓國教育科學技術部在2011年業務報告中提出，要強化旨在培養創新人才的小初高STEAM教育。 2011年，韓國教育部頒布《振興整合人才教育(STEAM)計劃》，提出實施以科學和數學為核心，結合技術和工程，培養具有STEAM素養的綜合人才，該計劃總結了4個STEAM課程實施計劃，為所有中小學實施STEAM課程提供指導。
中國STEAM教育與素質教育相互補充，旨在全面提升學生的綜合素養，讓學生全面發展，為后續的人才培養奠定基礎。
STEAM教育將從單一學科向多學科多維度綜合應用發展
美國維吉尼亞科技大學學者格雷特·亞克門( Georgette Yakman) 在2010年提出了STEAM 學科整合的教育框架，將多個學科連接起來，以跨學科的方式指導教學。 STEAM 教育打破了數學、科學、技術、工程和藝術五個學科領域之間的壁壘，在學科之間進行有機的融合， 以綜合的教育內容和方式解決真實的問題，培養學生的跨學科思維和創造力。 STEAM 教育的五個學科之間并不是相互獨立的，也不是簡單地進行疊加，而是形成一個相互聯系、融會貫通的整體，每個學科在STEAM 中都具有舉足輕重的作用。
課程設置和配套師資及設備以滿足分層的培養需求
科學素養培養有一定的認知門檻和底層知識要求，在人才科學素養培養的具體實施過程中，需要循序漸進，對于不同年齡段、不同認知水平的人才，針對性地設置學習目標，以學習目標為導向，設計人工智能課程內容。 不僅如此，科學素養培養對于教學環境和教師的要求與傳統的要求和內容有明顯不同，需要對于教學環境和教師素養進行升級和設計，使之與課程內容形成有機的整體。
人工智能教育需要為學生提供定制化、靈活多樣的教學內容
人工智能人才科學素養的培養需要進一步對于學習空間進行升級。 相較于傳統教室，科學素養培養的學習空間應該重視用戶體驗、強調課堂內容各種方式的交互，不僅是老師和學生、學生與學生之間的互動交流，同樣應該注重學生與課程內容、教學器材等硬件設施設備的交互。 通過對學習空間的升級，創造以學生為核心的連續性空間。 既要在特征方面兼顧包容性、 層次性、多樣性、協同性等內容，操作層面需要注重陳設、智能技術、空間規劃、物理環境與服務等具體方向。
全球校外教育市場是校內培養的有效補充，中國和美國的特征明顯
在“全球人工智能人才科學素養”的培育中，在培養內容上，校外是對于校內的有效補充。 在校內完成基礎科學素養內容的入門學習后，學生可能產生對具體不同方向和內容的學習興趣。 校外市場中專業方向的教育服務提供方可以接替學校繼續完成對于學生個性化人才科學素養的培育。 因此校外市場在全球人工智能人才科學素養培養中是重要的構成環節。 由于培養意識和工業發展水平的不同，全球各地人工智能人才科學素養的培養，同樣與國家和地區的人工智能發展水平相關，中國和美國仍然是在校外培訓市場表現突出的國家和地區。
美國校外培養：注重課程實用性，關注課程內容的整合性和實踐性
國家和地區的經濟發展、國際地位的提升與國家的人才培養和教育內容密切相關，美國將人工智能人才科學素養的培養與國家的經濟和地位發展深度連接。 在NSB代表NSF發布的致美國總統公開信《改善所有美國學生的科學、技術、工程和數學教育》中，明確指出國家的經濟繁榮和安全要求美國保持科學和技術的世界領先和指導地位。 NSB希望全國力量支持美國學生發展高水平的STEAM知識和技能，為學生提供進入以科學和技術為基礎的新興社會競爭之中。
中國校外培養：素質和應試相結合，對兒童思維進行數理邏輯培養
康德說：“兒童教育的目的應該是逐漸地把知與行結合起來。 在所有的學科中，數學似乎是能最完全地滿足這一要求的唯一一類學科。 ”可見數學學科在學習過程中的重要位置，1歲以后是構建兒童邏輯思維、判斷能力等高級認知功能的重要時期，加之升學壓力的逐漸前移，讓不少家長開始重視對于兒童數學思維的培養。
中國兒童思維在線企業最早可追溯至2009年精銳教育成立至慧學堂，專注于4-9歲少兒數感思維、語言能力、STEAM創課等多元思維能力培養的線下課程。 隨后包括好未來旗下的摩比思維、豌豆思維等陸續從線下模式開始探索數學思維教學的教學內容及教學形態。
在線教育技術隨著語言培訓、K12學科輔導等場景應用的逐漸成熟，2016年至2018年間， 數學思維類企業不斷涌現，豌豆思維、火花思維、掌門少兒等陸續進入市場并持續獲得融資。 與此同時，精銳教育成立線上教育品牌佳學慧，進行線上數學思維教育布局; 豌豆思維也從2016年打造線下學員“人手一個Pad”的數學課堂，發現自身課程設計優勢和技術基因后在2018年5月全面轉型線上。
中國校外培養：游戲化、素質化課程設計成為主流，真人老師與AI錄播并行
目前被市場普遍認可并且國家大力提倡的是關注兒童全面素質的培養，在低齡階段弱化學科及考試的影響因素。 因而，目前思維類教學企業通常以讓兒童了解并認識數與代數、空間圖形、邏輯推理、統計概率等知識內容在日常生活中的體現為主要的培養內容，側重于素質能力培養。
考慮低齡階段兒童的認知水平以及性格特點，目前思維類課程從內容上基本以游戲和動畫為主要的展現形式，旨在以更貼合兒童的設計，吸引兒童的關注，激發兒童的學習興趣。 因此目前大多數企業擁有自己的兒童IP形象，包括豌豆思維的“ 小虎 ”、火花思維的“ 猴子 ”、精銳教育|佳學慧的“ 哈寶 ”等。 引進成熟的動畫IP形象在增強教學趣味性的同時，還可以更快地與兒童建立溝通的橋梁，提高兒童的接受程度。 豌豆思維即在原有的IP形象之上，引進超級飛俠的動畫形象，以不同的超級飛俠代表不同的數學學科內容，建立學科內容和IP形象的關系，便于兒童針對知識內容進行記憶和學習。
從課程傳授的模式上來看，直播課程和錄播課程都有企業涉足，其中，直播課程是目前較為主流的授課形式。 與語言類直播課程需要老師與兒童高頻互動不同，思維類課程在鍛煉兒童思維能力的過程中，老師與兒童的互動多為引導性，可包容多個小朋友同時進行學習，同一時段的教學效果可以得到保證。
人工智能和大數據技術的逐漸應用，重新賦能了錄播課程。 在思維類教育領域，基于游戲化和動畫化的設計并針對知識點和教學片斷進行切割，利用人工智能算法將針對性地快速調整對兒童的教學內容，從而實現課程內容的有效傳播。 基于本身思維類課程的同時性和系統性，錄播課程+AI技術的思維教育企業同樣是業內比較主流的代表企業。
中國校外培養：階段劃分趨于統一，獨特創始人多元背景+教研力量構建企業特征
由于數學學科本身的學科分層程度明顯， 每一階段的知識體系劃分明顯， 目前主要思維類教學企業的課程體系在年齡劃分上趨于統一。
6歲和8歲是兩個比較明顯的劃分節點，6歲前主要以生活中的場景為主要內容，讓兒童接觸包括“數” 、“分類” 、“序列” 等概念，培養兒童對于數學的基礎認識。 8歲跨入學齡階段并需要與校內課程接軌，因此這一階段的核心目標是兒童的獨立運用、舉一反三等相對成熟的模式形成。
思維類教育多以數學學科為主，以數學作為基礎學科的技術和互聯網從業者有了更多參與教育的機會。 從目前思維類企業的分布情況來看，創業者的背景更加多元，有傳統教育行業從業者(主要為老師)轉型而來，也有互聯網公司跨界而來。 豌豆思維的三個創始人分別來自互聯網、游戲和動畫3個不同背景，火花思維創始人歷任微軟、趕集網等核心負責人，精銳教育|佳學慧的聯合創始人兼總裁則是精銳教育前北方大區總經理。 多元的創業者背景也成就了目前教學思維類企業的多元形態，在滿足客戶需求上百花齊放，各有千秋。
中國校外培養：素質教育+互聯網時代下產生的教育需求
科技類教學賽道的出現依賴于國內素質教育市場的發展，加之國內對于人工智能等新興技術人才培養的重視，以科學技術為主要內容的教育賽道在2018年左右開始逐步入大眾視野。 截至2019年11月，編程貓已完成約4億元C輪融資，核桃編程完成約5000萬美元B輪融資。 鯊魚公園、賽先生等以多種類型的科學內容為主的教育企業目前融資輪次集中在A輪階段。 少兒編程無論從融資的規模還是融資的輪次都在教學科技類企業中遙遙領先。 但是由于科學認知仍處在市場教育的階段，雖然由于兒童編程的火熱有一定程度的提高，但目前科技類教育仍然處于早期階段。
科技類教學企業目前主要瞄準的市場為To B端的學校“課后三點半” 市場和To C端的兒童市場。 以兒童編程為代表，目前的供給模式以雙師模式為主導。 由圖形化和游戲化的內容作為教學的主要載體，上課老師進行主要知識點的講解和引導演示，輔導老師針對兒童在學習過程中遇到的具體問題進行實時的解決和高參與度的互動。
科技類教學企業對于AI技術應用體現在兩個方面，一是針對兒童學習過程進行同步的數據監控和采集，從而根據算法對兒童實現個性化的課程和內容設計; 二是針對上課內容以AI技術模擬老師，為兒童提供千人千面的教學內容。
在資本和技術的雙重推動下，兒童編程的企業快速形成市場，并進入到激烈競爭的局面。 目前To B進學校是多數企業看好的發展方向。 此外，如果升學體系將編程納入也將再次推動行業發展。 其他類別發展相對緩慢，仍在等待機會觸發。
人工智能人才培養現狀及展望
各國紛紛押注人工智能產業發展，人工智能人才培養逐漸受到重視
人工智能是面向未來的技術發展方向，全球國家和地區之間的人工智能產業競爭的核心是人工智能人才的競爭。 人工智能人才水平的提高將助推全球各地人工智能產業更快更強的發展。 但目前全球人工智能人才供給水平遠小于需求水平，人工智能人才缺口明顯。 無論是人工智能研究型人才還是應用型人才都存在大量需求，企業之間的人才競爭逐漸上升到國家層面的產業布局和產業支持的競爭。 早期的科學素養培養意識逐漸加強，為未來人工智能人才競爭提供更加堅實的基礎。
全球人工智能的競爭，核心是人才的競爭，本質是人才培養能力、人才培養水平的競爭，國家的產業發展情況決定了各國對于人工智能人才培養的重視程度，人才培養從國家戰略、人才儲備、資金投入等方面多措并舉。
全球人工智能人才缺口大，供需不均衡，從人工智能產業的相關崗位來看，人才需求層次逐漸分化，崗位劃分越來越細，在所涉崗位里，算法型人才需求度最高。
從全球人工智能人才流動的趨勢來看，美國對博士研究人員的吸引力最強，中國次之，有約77%的研究人員繼續在學術界工作，但并不都參與教學，目前廣泛的人工智能人才培養仍是大國之間的競爭。
全球研究型和應用型人才培養整體處于探索階段，各國在探索中逐漸形成各自特色
在研究型人才培養方面，中美處于世界第一梯隊，人工智能人才培養目標和體系依托于各國不同的人工智能戰略，高校是培養的主戰場。 其中英美高校培養起步早，逐漸從高校的培養推廣到全民素養培養，中國和日本雖起步較晚，但國家政策推動力度大，從教育改革入手，面向未來數十年布局人才培養。
目前人工智能相關專業及學科建設情況尚處于早期階段，各國特色逐漸明晰，美國已經形成了一定體系，在人才培養上扮演著引領者的角色，課程設置上強調數學基礎學的重要性，亦重視認知科學相應課程。 中國高校課程設置起步較晚，在人才培養上更像是跟隨者，在高校中仿照美國實施，但又結合中國實際的教學情況，無論是政府、學校、企業都在大力推動研究型人才培養。
未來，人工智能作為一項新興技術需要與各產業各行業有較多的交叉，在研究中我們發現，人工智能研究型人才培養對于人工智能相關的交叉學科建設已有一些國家政策推行，但尚處于萌芽階段，還需要較長時間的實踐和摸索。
在應用型人才培養中，校內校外培養缺一不可，企業承擔了關鍵角色。 各國應用型人才的培養模式不同主要是因國家的人才培養體系有差異，美國、德國和中國的體系較具有代表性。 美國的應用型人才培養貫穿學歷教育的各個階段，職業教育以社區大學為主，但社區大學的培養不足以支撐企業對人工智能應用型人才的要求，因此美國的各種人工智能公開課程、短期訓練營和在線課程很受學習者歡迎，學習者付費意愿強烈，企業對培訓后的效果也有較高的認可。 中國在人工智能應用型人才的培養上尤其強調產教融合和校企合作，因此不管是學校主動參與人工智能應用型人才培養還是聯合企業進行培養都已經形成了一套較為完備可復制性強的人工智能應用型人才建設方案。
人工智能評職知識：人工智能方向sci4區的期刊
目前人工智能應用型人才的校外培養依托于全球科技巨頭傳播先進的技術理念和豐富的產業實踐案例，為廣泛的學習者提供開放實驗室和公開課程。
美國的科技巨頭成立AI團隊更早，技術和實踐案例的輸出也更早一些。 而中國雖然起步較晚，但因政策的推動力度大，在人工智能應用型人才的培養方式上更多樣化，提供對外的企業培訓、技術培訓以及建設新型職業資格認證體系，賦能人工智能中小企業的技術發展和人才輸送。
作者：億歐智庫
轉載請注明來自發表學術論文網：http://www.zpfmc.com/dzlw/24683.html
