“我们培养人才的速度，似乎永远追不上技术迭代的步伐。”在近日举行的2025可信云大会上，一场关于产业数字化人才培养的讨论引发业界共鸣。当“云+AI(人工智能)”技术以前所未有的速度重塑千行百业时，这一令人忧心的事实摆在人们面前。
“数量缺”与“对不上”
提到人才问题，很多人首先想到的是“数量不足”。然而在“云+AI”时代，矛盾的核心早已不止于此。工业和信息化部人才交流中心人才评价部副主任刘兆一表示，当前人才供需的突出问题是结构性矛盾，体现在人才结构、质量与岗位胜任能力的不匹配。这种不匹配的根源在于传统人才培养与评价体系跟不上技术迭代的速度。
“传统评价标准更新滞后、缺乏动态性，面对按月迭代的AI技术，其'保鲜期'根本不够用，更别说精准匹配制造、金融、医疗等不同行业对AI人才的场景化需求。”刘兆一说。
高校作为人才培养的重要“源头”，也面临着与产业脱节的困境。北京理工大学信息与电子学院副研究员、博士生导师李海坦言，目前很多高校在推动“全院AI”，想把AI融入力学等传统学科，但实际教学仍侧重基础研究，发展步伐明显滞后于产业的飞速迭代。“这种滞后直接导致学生走出校园后，很难快速满足企业对'能用、会用'的要求。”在具体产业中，这种脱节更显突出。山西晋云互联科技有限公司总经理王辉对此深有体会：在推动AI与煤炭行业融合时，“鸡同鸭讲”成为常态：“一边是AI厂商按月迭代能力，另一边传统行业渴望升级却看不懂AI的价值。”
阿里云计算专有云技术总监茆亮亮介绍说，大模型的“日新月异”让高校课程难追技术迭代，企业想要精通实际应用场景的人才，但传统企业连RAG(检索增强生成)、强化学习这些概念都觉得难懂--“懂技术”的和“懂业务”的人才仿佛生活在两个“语言体系”里。
让“翻译官”多起来
矛盾的核心是“脱节”，而破解的关键是“连接”。对于构建一个跨高校、企业、行业的人才培养协同生态，专家们的观点不谋而合：打破壁垒，让“懂技术”和“懂业务”真正“对话”。
“AI教育首先要打破学科壁垒。不能把AI课程只放在计算机学院，而是应成为所有工程专业的'必修语言'。”李海认为，要让计算机专业的学生深入理解汽车和机电等行业太难，不如直接培养飞行器、车辆制造等领域的工科人才有效使用AI解决本领域的问题。“把AI工具交给每个行业的'自己人'，才能从源头减少'鸡同鸭讲'。”
刘兆一从评价体系层面提出要让人才标准“跟着产业走”。目前，工业和信息化部人才交流中心构建的岗位能力评价体系已覆盖23个重点产业、450余个岗位，甚至专门发布了大模型岗位标准。“关键是'翻译官'机制，要精准下沉到岗位的知识、技能、工程实践维度，联合龙头企业前置测评，让培养出的人'企业拿来就能用'。”
王辉基于煤炭行业实践的建议更具体：与其让科班生转行学煤炭，不如让煤矿人自己成为AI的“翻译官”。山西晋云互联科技有限公司联合国内煤炭行业协会筛选有经验的从业人员，由工业和信息化部人才交流中心定制培训目标任务，专攻行业关键场景的AI应用逻辑。“让懂业务的人懂技术，比让懂技术的人懂业务更高效。”
茆亮亮强调“认证闭环”的重要性。“认证体系要从企业需求出发制定标准、考核内容，再在实践中检验效果，最后把反馈融进标准更新。只有形成这样的闭环，才能让认证不流于形式，真正提升人才与产业的适配度。”
专家们一致认为，“云+AI”时代的人才破局从来不是某一方面的事，需要高校放下“学科执念”，企业敞开“实践大门”，评价体系跟上“迭代速度”，更需要让每个行业都长出自己的“技术懂行人”。唯此，才能打通人才赋能产业的“最后一公里”，让“云+AI”真正成为产业升级的“燃料”，而不是“拦路虎”。(孙庆阳)
配资网提示：文章来自网络，不代表本站观点。
