2024年数智时代的AI人才粮仓模型白皮书.pdf

极客邦科技双数研究院研究机构数字人才学习平台 极客时间企业级数字化组织及能力提升学习平台 极客时间企业版唯一指定中国信通院泰尔终端实验室数字生态发展部主任王景尧博士 广东省 CIO 联盟会长、前雪松 CIO、前平安 CSO 李洋东风汽车集团人事共享服务中心高级经理 罗江波Mapua University 电子工程专业人工智能方向博士 李晓华华润数科人工智能实验室主任、博士、正高级工程师 王伟北京银行软件开发中心总经理 马晓煦宜创科技创始人、TGO 鲲鹏会会员 宜博极客邦科技双数研究院院长 霍太稳顾问专家责任出品：霍太稳责任监制：汪丹 赵钰莹责任主编：鲁冬雪责任采编、校对：张晓迪、杨昀青、赵磊、吴振江设计总筹、封面设计：梁金双排版设计：向璐瑶内容生产联合发布单位工业和信息化重点领域产业人才基地联合建设机构铸基计划高质量数字化转型推动行动联合指导单位合作单位数字技术媒体社区 InfoQ 极客传媒科技领袖同侪学习社区 TGO 鲲鹏会东风汽车集团人事共享服务中心培训杂志注：以上组织及个人排名不分先后自 2023 年上半年起，ChatGPT 等大模型技术蓬勃发展，AI 技术不断突破边界，展现出惊人的潜力和发展速度。从早期的逻辑推理、专家系统，到如今的深度学习、神经网络，AI 技术显著缩小了科学与实际应用之间的鸿沟，展现出了无限的应用可能性，在图像分类、语音识别、知识问答、人机对弈、无人驾驶等众多领域实现了重大技术突破。为了让更多企业能够快速实现 AI 的全面化应用并成功完成 AI 人才布局，极客邦科技深入调研了大量企业 AI 应用现状，结合政策导向和行业变革的时代背景，全面分析了企业对于 AI 技术的迫切需求以及 AI 技术所能带来的巨大价值。基于此，我们提出了“数智时代的 AI 人才粮仓模型”，旨在为企业构建一个系统、全面的人才培养和布局框架。该模型明确了数智时代下 AI 人才的核心能力要求和岗位设置。本册白皮书将从政策+行业变革等时代背景、企业需求、AI 价值、AI 人才模型及人才培养五个方面对“数智时代的 AI 人才粮仓模型”进行深度解读，为企业提供一个清晰、可操作的 AI 人才布局指南，帮助企业快速构建起适应数字化时代需求的 AI 人才梯队，在激烈的市场竞争中占据先机。序言AI 加速产业与技术升级，企业正式步入数智时代企业在数智时代面临的 AI 挑战及需求分析0102（一）中国传统产业逐步迈向全面智能化（二）行业大模型构建需求喷发：超 63%企业正在构建企业内大模型（三）AI 影响下的技术演进（四）小结：AI 时代全面来临，企业需构筑核心竞争力（一）“AI 思维”成为企业 AI 战略制定、实施的阻碍（二）传统业务应用场景匮乏：不会找、找不到（三）算力成为限制 AIGC 发展的最大问题（四）AI 人才阈值范围扩大，数量愈加紧缺710121517181920CONTENTS目录序言企业全面 AI 化的价值03（一）AI 赋能千行百业，加速产业智能化升级（二）培育 AI 能力是实现企业业技融合的关键（三）AI 基础设施建设是支撑产业发展的基石（四）小结：企业全面 AI 化，打造 AI 人才梯队23262728企业全面 AI 化与 AI 人才粮仓模型介绍AI 人才培养体系建设策略企业 AIGC 应用及人才培养案例040506（一）全球 AI 人才数量、结构现状解读（二）数智时代下的 AI 人才粮仓模型（一）企业 AI 应用文化的整体性构建与全员能力赋能（二）数智化时代下企业 AI 人才招聘、评价、能力培养的创新策略（一）企业 AIGC 应用案例（二）企业 AIGC 人才培养案例3032465662653168数据引用源专家寄语-6-AI 加速产业与技术升级，企业正式步入数智时代THE AGE OF DIGITAL INTELLIGENCE第一章-7-AI 人才粮仓模型解读白皮书（一）中国传统产业逐步迈向全面智能化政策支持，完善中国人工智能发展生态（1）人工智能+：2024 国务院政府工作报告AI+（2）数据要素：“数据要素”三年行动计划 20242026 年）DataElements12024 年 3 月，中华人民共和国全国人民代表大会和中国人民政治协商会议全国委员会上，“人工智能+”、“新质生产力”被首次写入2024 国务院政府工作报告（以下简称报告）。报告指出，深入推进数字经济创新发展。制定支持数字经济高质量发展政策，积极推进数字产业化、产业数字化，促进数字技术和实体经济深度融合。深化大数据、人工智能等研发应用，开展“人工智能+”行动，打造具有国际竞争力的数字产业集群。实施制造业数字化转型行动，加快工业互联网规模化应用，推进服务业数字化，建设智慧城市、数字乡村。深入开展中小企业数字化赋能专项行动。支持平台企业在促进创新、增加就业、国际竞争中大显身手。健全数据基础制度，大力推动数据开发开放和流通使用。适度超前建设数字基础设施，加快形成全国一体化算力体系，培育算力产业生态。我们要以广泛深刻的数字变革，赋能经济发展、丰富人民生活、提升社会治理现代化水平。人工智能+正在为各行各业带来全新赋能，为企业与个人的发展带来新机遇。先进的生产力与行业结合，为各行业提高效率，也会为 AI 产业发展创造一个巨大的市场空间。2024 年 1 月，国家数据局宣布推出 “数据要素”三年行动计划（20242026 年）（以下-8-AI 人才粮仓模型解读白皮书（3）新质生产力：2024 国务院政府工作报告New Quality Productive Forces2024 国务院政府工作报告 明确提到，大力推进现代化产业体系建设，加快发展新质生产力。充分发挥创新主导作用，以科技创新推动产业创新，加快推进新型工业化，提高全要素生产率，不断塑造发展新动能新优势，促进社会生产力实现新的跃升。加快培育新质生产力要打造新型劳动者队伍，包括能够创造新质生产力的战略人才和能够熟练掌握新质生产资料的应用型人才。对于企业来说，培养既具有科技创新能力又能熟练应用 AI 新技术的人才，在当下显得尤为重要。企业需要重视 AI 人才的培养和引进，将其作为提升自身竞争力和适应未来市场需求的重要战略。通过加大投入、优化机制、搭建平台等多种方式，吸引和培育更多具备创新能力和实践经验的 AI 人才，将有助于企业在新质生产力的发展中抢占先机，实现可持续发展。简称行动计划）。这项新行动以推动数据要素高水平应用为主线，促进多场景应用，先行聚焦工业制造、现代农业、商贸流通等 12 个领域，推动行业中发挥数据要素的乘数效应，释放数据要素价值，实现经济规模和效率的倍增。行动计划指出，到 2026 年底，数据要素应用广度和深度大幅拓展，在经济发展领域数据要素乘数效应得到显现，打造 300 个以上示范性强、显示度高、带动性广的典型应用场景，涌现出一批成效明显的数据要素应用示范地区，培育一批创新能力强、成长性好的数据商和第三方专业服务机构，形成相对完善的数据产业生态，数据产品和服务质量效益明显提升，数据产业年均增速超过 20%，场内交易与场外交易协调发展，数据交易规模倍增，推动数据要素价值创造的新业态成为经济增长新动力，数据赋能经济提质增效作用更加凸显，成为高质量发展的重要驱动力量。该行动计划有效推动了不同领域数据要素的融合利用，促进经济增长、提升企业创新、提高服务水平、强化风险防控，通过数字化技术提升产品创新能力，实现企业更高效的生产流程。同时，数据作为 AI 技术发展的核心因素，在本政策背景下，AI 与产业的深度融合将被极速推动。-9-AI 人才粮仓模型解读白皮书中国 AI 产业集群发展呈现多元化，“北上广深”优势明显2当前，国家把 AI 视为战略性新兴产业和新增长引擎，各地政府也正在积极推动 AI 创新体系建设，加快基础理论研究和重大技术攻关，促进 AI 与市场经济联系，普及场景应用，加速培育市场，鼓励开放合作。中国 AI 产业集群主要集中在在京津冀、长江三角洲、珠江三角洲和川渝地区的主要城市。西部地区的西安市，中部地区的武汉市和长沙市，以及东北地区的沈阳市、大连市和哈尔滨市，通过引入外部资源和挖掘内部资源，正逐渐形成 AI 产业集群的雏形。这些地区的发展潜力逐步显现，为 AI 领域的创新和协同发展提供了有力支持。北京的 AI 产业凭借企业数量、质量及产业规模和技术实力领跑全国，重点聚焦在机器人、无人机等智能终端产品及智慧医疗、智慧教育、智能家居、自动驾驶等垂直应用领域。同时北京雄厚的大数据和云计算实力，也为 AI 基础设施的发展提供了基本能动力。上海的 AI 产业已经成为该城市的三大先导产业之一。产业链大体上覆盖了 AI 产业链的所有领域，多集中于应用层。产业以智能机器人、智能硬件、自动驾驶为重点，部分企业已拥有国内先进的计算机视觉、AI 芯片制造等技术。广州和深圳是广东省内 AI 产业的集聚中心。广州已经形成了天河智慧城、广州软件谷、中国人工智能(广州)产业园等多个 AI 产业聚集区，其中，注册资本 1 亿元以上的大型 AI 企业集中分布在天河、黄浦两区。深圳则在罗湖、盐田等地建设了多个 AI 产业基地，形成了“总部基地研发孵化高端制造”的“一轴两廊多节点”的空间格局。-10-AI 人才粮仓模型解读白皮书（二）行业大模型构建需求喷发：超 63%企业正在构建企业内大模型当前，AI 技术正在向各个领域渗透，加速产业深度融合，AI 已在各行各业崭露头角。在众多产业的推动下，2024 年成为大模型应用场景元年。当前，模型层产品百花齐放，并逐渐开始产品探索。目前国内超 63%的企业正在构建企业大模型，将大模型与业务流程、产品功能紧密结合，推动其在多个场景中的应用、垂直化发展和产业化落地。极客邦双数研究院、InfoQ 研究中心发布的AIGC 行业应用及人才发展洞察（以下简称AI 人才洞察）显示，采买或调用商业大模型和基于开源构建专属大模型的企业比例基本一致，其中万人规模企业往往业务场景较为复杂，更偏好基于开源构建自己的专属大模型。同时，由于 AI 落地应用存在不少难点，即使是作为数字化转型重点行业，约 40%的制造业企业内部仍然没有基于大模型做任何开发工作；约 20%的企业没有基于大模型做任何研发工作，其中千人以下规模企业比例较高；而由于成本高、落地难、数据隐私存在安全隐患、人才资源少等因素，中小企业在应用方面尚处于观望期。图源：InfoQ 研究中心-AIGC 行业应用及人才发展洞察-11-AI 人才粮仓模型解读白皮书图/数据源：InfoQ 2023 年 12 月发起的中国生成式 AI 开发者画像调研企业大模型能力构建-12-AI 人才粮仓模型解读白皮书（三）AI 影响下的技术演进数据处理能力提升，安全合规成为新课题1业务需求不断发展，数据技术也在不断演进。早期的 DT1.0 时代，数据技术主要支撑业务贯通，通过文件系统、数据库等技术实现数据共享和流通。进入 DT2.0 时代，数据技术开始推动数智决策，以数据仓库、数据湖等为代表的技术支撑数据分析、治理，实现业务智慧化、智能化。而到了 DT3.0 时代，数据技术不仅在企业内部流转，还通过可信流通对外赋能，全场景智能、跨领域协同、数据跨域安全管控成为新阶段的发展目标，推动数据要素价值不断向更多应用场景拓展。与此同时，以 AI、云计算、区块链及图技术等为代表的新兴技术持续护航数据要素安全流通。大型语言模型的发展对数据存储和处理也提出了更为严苛的要求，它不仅需要处理海量的多态数据以完成训练，还需要面向海量的终端进行数据应用。这个过程中，AI 与数据处理技术相结合降低技术的使用门槛，2023 年 AIGC 技术的跨越式突破发展，有效扩展了数据基础设施与 AI 融合的发展空间。技术飞速发展，但不得不重视的是，随着企业的生产组织模式逐渐发生转变，企业的数据资产已经突破本地数据中心，越来越多地分布在混合云环境中不同的服务和信任边界上，导致企业数据逐渐暴露在数据盗取、泄露、篡改、敏感数据出境等安全风险下，数据安全合规问题成为企业的“心头病”，企业亟需更有效地做好数据治理，解决数据质量和数据安全问题，寻求保障企业数据安全合规的解决方案。-13-AI 人才粮仓模型解读白皮书算法演进迅速，大模型蓬勃发展2AI 场景应用带来巨大算力需求，企业 AI 基础设施亟需升级3为了满足不同行业对 AI 技术的需求，AI 算法和模型经历了从简单到复杂的不断演进。早期的机器学习算法，如线性回归和决策树，基于统计学原理处理数据，为 AI 技术的起步奠定了基础。随着技术的演进，AI 模型参数量不断突破，如 Transformer 结构和 MOE（Mixture of Experts）结构不断迭代创新，2023 年，AIGC 爆发式增长，大模型产品涌现，全领域产品累积。国内各大厂商在 AI 算法和架构方面凭借自身特色和优势进行布局，推动 AI 技术的不断创新与应用。AI 时代的机器需要自主学习并推断逻辑，这背后是对海量数据和强大计算力的极大需求。但面对 CPU 性能的局限，传统服务器已难以满足这种密集型计算的需求，对 AI 基础设施的要求提高。计算、存储、网络和数据服务等都需要经过精心的设计和重构，才能满足当下大型模型和生成式 AI 的严苛要求。AI 大模型规模的快速增长和结构复杂化，也让各行业对 AI 基础设图源：InfoQ 研究中心-AIGC 行业应用及人才发展洞察-14-AI 人才粮仓模型解读白皮书施运算能力的需求呈现出显性化激增的趋势。AI 人才洞察显示，43%企业使用云算力支持 AI 算力运行，28%的企业自建 AI 算力。约 30%的企业使用云服务，其中千人以下规模的企业更加倾向于利用云服务商技术能力和安全保障，通过云服务来降低企业开发门槛和成本。从不同行业来看，信息传输、软件和信息技术服务业，游戏、科学研究和技术服务业对云服务需求比例更高。此外，仍有约两成企业尚未建设 AI 基础设施。图/数据源：InfoQ 2023 年 12 月发起的中国生成式 AI 开发者画像调研企业 AI 算力类型-15-AI 人才粮仓模型解读白皮书（四）小结：AI 时代全面来临，企业需构筑 核心竞争力我国在政策环境和产业布局上均为 AI 的蓬勃发展奠定了坚实基础。在政策层面，政府将“人工智能+”写入2024 国务院政府工作报告，标志着我国已迈入 AI 智能化高质量发展的新时代。而在产业布局层面，珠三角、长三角和京津冀三大 AI 核心集群的形成，进一步推动了 AI 技术的广泛应用和持续创新。各产业领域在自身业务驱动下，完成 AI 产业创新，AIGC 更是展现出了巨大的产业应用潜力。当下，企业应坚定推行“全面 AI 化”战略，将 AI 技术与业务场景紧密结合，重视 AI 人才的培养和引进，以实现产业创新和业务增长。-16-AI 人才粮仓模型解读白皮书企业在数智时代面临的 AI 挑战及需求分析CHALLENGE AND REQUIREMENT第二章在这个随时可能发生颠覆性变革的数智时代，企业面临着前所未有的挑战战略不清晰、业务目标不明确、技术文化氛围保守、人才技能短缺等一系列问题，限制了 AI 技术在企业中的深度应用和价值发挥。-17-AI 人才粮仓模型解读白皮书（一）“AI 思维”成为企业 AI 战略制定、实施 的阻碍当前，尽管 AI 技术在推动企业创新和发展方面扮演着重要角色，商业变革也日益显著，但许多企业尚未制定出明确的 AI 战略或战略实施效果不佳。这些尚未启动 AI 战略制定的企业，往往对 AI 技术的认知停留在表面，未能深刻洞察其商业价值和对企业运营的深远影响，它们往往将 AI 视为高端科技的代名词，未能将其与自身日常运营紧密结合，在制定未来发展方向时，忽视了 AI 技术的深入研究和应用。此外，部分企业存在保守、抵触变革的文化氛围，部门间利益冲突和沟通障碍也阻碍了战略制定工作的顺利进行。对于已经制定了 AI 战略但内容不清晰的企业来说，内部因素和外部因素共同影响了战略的质量内部因素包括企业对自身业务目标和愿景的不明确以及缺乏专业人才和知识储备；外部因素则包括快速变化的技术环境和激烈的市场竞争。这些因素直接导致了企业在制定 AI 战略时难以将技术与业务紧密结合，使得战略内容模糊。关于企业 AI 战略的制定，多位在传统企业主导数字化转型的专家表示，“企业需要不断跟进新的技术趋势，做到对市场竞争情况有充分的了解和分析，加深对 AI 技术的认知，充分利用资源，优化组织文化和内部协作，驱动企业全员拥有 AI 思维，以制定出一个适应市场需求的 AI 战略。”-18-AI 人才粮仓模型解读白皮书（二）传统业务应用场景匮乏：不会找、找不到在企业数字化浪潮下，AI 技术已经成为推动企业创新和发展的重要引擎。然而，尽管 AI 技术的潜力被广泛认可，传统企业在寻找和应用 AI 技术的过程中却常常面临应用场景匮乏的难题。应用场景的匮乏不仅限制了 AI 技术在传统企业中的推广和应用，也阻碍了企业的创新和发展。传统企业往往拥有丰富的业务数据和经验积累，但这些资源和优势却未能被充分利用，无法令 AI 价值发挥出更多价值。企业出现 AI 应用场景匮乏的问题，主要有两个原因：企业“找不到”AI 应用场景大部分企业对 AI 技术认知不足，对业务需求与 AI 技术匹配度的把握不准确。这个过程中，企业或许看到了其他行业成功应用 AI 的案例，但却难以将这些案例转化为适合自己企业的应用场景。这使企业在寻找 AI 应用场景的过程中无法找到真正的实践突破口。企业“不会找”AI 应用场景企业缺乏寻找和应用 AI 技术的能力和方法，许多企业虽然对 AI 技术有一定的了解，但却不知道如何将其与业务实际需求相结合，尝试了 AI 技术应用，但效果不佳；同时还缺乏借助外部力量共同探索和开发适合自身业务特点的 AI 应用场景的意识，譬如不能及时找到非常了解自身业务的 AI 技术团队对企业进行全方位的技术诊断和应用场景评估、不能及时找到专业的培训团队对企业员工进行 AI 思维、AI 技术的培训等。-19-AI 人才粮仓模型解读白皮书（三）算力成为限制 AIGC 发展的最大问题AIGC 在企业内的应用日益广泛，然而在研发和应用 AIGC 的过程中，企业普遍面临着算力挑战。AIGC 大模型以其海量的参数和复杂的网络结构，在训练和推理过程中需要消耗巨大的计算资源，这些模型往往需要利用大规模的语料库进行训练，以捕获数据的深层规律和特征。然而当前大多数企业的算力资源有限，难以满足大模型的需求，这不仅导致了训练时间的延长和成本的增加，还可能出现过拟合、泛化能力差等问题，从而影响模型的性能和效果。同时，由于算力资源的稀缺性，企业在租用或购买算力设备时需要支付高昂的费用，这直接增加了企业的运营成本，间接影响了企业的产品利润和市场竞争的空间。此外，在 AIGC 的研发过程中，算法优化、模型压缩等技术对于降低算力需求有一定的效果，但目前许多企业的技术尚不完善，还是难以完全解决算力问题。而且随着模型规模的扩大和复杂度的增加，算力问题的解决难度也在逐渐增大。-20-AI 人才粮仓模型解读白皮书（四）AI 人才阈值范围扩大，数量愈加紧缺在这股 AI 浪潮中，AI 人才决定着企业是否能够完成“AI 全面化”落地。当下，AIGC 人才概念泛化，不只局限于 AI 技术的研发者，人才阈值范围扩大为“具备 AI 基础知识、场景应用技能和经验，能够从事包括“AIGC 工具使用”在内的 AI 技术研发、应用、推广、创新和业务赋能工作的人才。”AI 人才对于推动技术创新具有关键作用，其具备深厚的理论功底和实践经验，能够不断探索和研发新的 AI 技术和应用，其创新成果不仅可以推动 AI 技术的不断发展，也为各行各业提供了更高效、更智能的解决方案，在业务应用层更是能够快速帮助企业缩短业务执行路径，大大提高业务效率，实现降本增效。2023 下半年起，企业对于 AIGC 应用的关注度逐渐提升，所有企业都想乘上 AI 的快船，然而这时候企业才发现难以找到撑桨人。随着 AI 技术的快速发展和广泛应用，各行各业对 图源：InfoQ 研究中心-AIGC 行业应用及人才发展洞察专业开发者应用开发者全民开发者应用开发能力边界逐渐拓展编程和应用开发门槛逐渐降低-21-AI 人才粮仓模型解读白皮书AI 人才的需求都在急剧增长，但由于 AI 领域涉及的知识体系广泛且深奥，培养合格的 AI 人才需要较长的时间和较高的成本，导致市场上 AI 人才供不应求，这种现状使得 AI 人才成为企业竞相争夺的稀缺资源，加剧了 AI 人才市场的竞争。企业对于 AI 人才定义的模糊，造成了企业 AI 人才布局的被动局面，回溯根本，其实还是 AI 全面化战略问题，只有想清楚业务与 AI 技术的融合和应用路线，才能“按图索骥”，找到合适的人才，快速推动业务的迭代。-22-AI 人才粮仓模型解读白皮书企业全面 AI 化的价值ALL IN AI第三章-23-AI 人才粮仓模型解读白皮书（一）AI 赋能千行百业，加速产业智能化升级AI 人才洞察显示，由于拥有海量数据和丰富的应用场景，金融成为 AIGC 技术落地的重要领域，但仍存在算力、数据治理等诸多成本和监管问题。数据分析是开发者最为关注的技术应用，大型金融机构、国有金融机构已开始积极探索 AIGC 应用和与科技企业的跨界合作，小型机构普遍处于观望阶段。金融：成为 AIGC 技术落地的重要领域1图/数据源：InfoQ 2023 年 12 月发起的中国生成式 AI 开发者画像调研在金融领域最关注的生成式 Al 技术应用-24-AI 人才粮仓模型解读白皮书在智能客户服务方面，尽管面临输出不稳定和精准度不足的挑战，但大模型已能够驱动聊天机器人提供 7*24 小时客户咨询服务，并引导客户进行下一步操作，行业解决方案包括使用更多金融语料进行模型 Fine_Tune 或构建专业知识库来弥补不足；在智能员工效能提升方面，AI 在企业内部知识问答、研发代码助手、培训音视频智能问答、线上会议智能会议纪要等方面得到广泛应用，显著提升了工作效率；在合规审查方面，金融机构希望进一步提升合规审查的智能化程度，利用 AI 理解和分析法律和监管文件，确保操作和产品符合法规要求。从全球视角来看，国外投行在大模型应用方面发力较多，从解读研报到分析市场或自营资产组合，展现出较高的应用价值。同时，AI 大模型在 NL2SQL(NLPNatural Language To SQL)等创新性应用方面展现出较大潜力，尽管面临金融机构数据复杂性和专业知识的理解挑战，但其在提升数据查询和分析效率方面具有巨大潜力。根据AI 人才洞察显示，工业互联网正加速发展，但制造业的数字化供需匹配水平仍整体低于服务业，特别是在生产环节，适用于制造业的数字化产品供不应求。具体来说，在生产环节，AI 技术结合大数据分析和机器学习，通过海量数据训练来优化生产流程，并辅助生产人员提升工作效率。同时，AI 还能监控设备的运行状态，及时发现故障和生产中断，确保生产过程的稳定性和连续性。在质量管理方面，AI 通过分析质量数据，能够识别差错并溯源问题，为提升产品质量提供有力支持。在汽车领域，开发者关注的技术应用可归类为驾驶安全和互动体验两方面。针对驾驶安全，开发者期待搭配数字孪生技术进行仿真测试。制造：数字化产品供不应求，汽车行业聚焦于驾驶、互动2-25-AI 人才粮仓模型解读白皮书图/数据源：InfoQ 2023 年 12 月发起的中国生成式 AI 开发者画像调研面对全球能源需求和环保压力，AI 技术能够显著提高能源利用效率，并帮助解决能源行业的可持续发展挑战。通过能源预测与规划、智能电网建设、故障预测与维护以及能源市场和政策制定等方面的应用，AI 技术为能源行业的可持续发展提供了有力支持。通过能源预测与调度，AI 能够精准预测可再生能源的产量和波动，制定更加精准的能源调度和储备计划。在能源管理与优化方面，AI 实现了对能源消耗的监测、调控和优化，提高了能源利用效率。同时，AI 技术在能源交易市场的应用促进了市场的灵活性和透明度，有助于推动能源结构的优化和转型。在具体应用实例中，AI 技术通过实时监测和数据分析，提高了设备可靠性，实现了智慧维修作业，并推动了作业流程的数字化。在新能源生产优化方面，AI 能够精确预测风速、光照强度等参数，指导新能源的高效运营，并解决可再生能源出力不稳定的问题。能源：AI 正在深刻推动行业的智能化、高效化发展3-26-AI 人才粮仓模型解读白皮书目前，在引入 AI 技术后，运营商的客户服务方式发生了显著变化。传统的 IVR 和人工服务逐渐被智能机器人所替代，通过智能机器人与用户进行交互，实现在线解答问题，极大地节省了人工成本、提高了服务效率。常见的 AI 应用场景包括热线人机交互、网页及 App 在线人机交互、话务员智能助手及运营管理人员的智能话务和工单质检等。运营商：客户服务效率显著提升4（二）培育 AI 能力是实现企业业技融合的关键为了应对数智化时代的挑战，企业纷纷寻求业务与技术的深度融合，即业技融合。业技融合旨在打破传统业务与技术之间的隔阂，实现两者之间的紧密协作和相互促进，以推动企业的创新与发展。业技融合的核心在于将先进的技术手段应用于企业的日常运营和管理中，以提升企业的效率和竞争力。通过引入自动化、智能化等技术手段，企业能够优化业务流程，提高生产效率，降低成本，同时更好地满足客户需求，提升客户满意度。此外，业技融合还能帮助企业挖掘新的商业机会，开拓新的市场领域，实现业务的多元化和差异化。实现业技融合，企业需要具备强大的技术实力和创新能力，以应对不断变化的市场环境和客户需求，而在这个过程中，培育 AI 能力显得尤为重要。AI 技术作为当前最为前沿和最具潜力的技术之一，能够为企业的业技融合提供强大的支持。企业通过持续的 AI 技术研发和应用探索，可以发掘新的商业模式和增长点，实现业务的多元化和差异化。-27-AI 人才粮仓模型解读白皮书（三）AI 基础设施建设是支撑产业发展的基石AI 基础设施作为支撑 AI 应用的软硬件系统，涵盖了数据存储和处理平台、算法开发工具、模型训练和推理系统及监控管理软件等关键组件。它的高效与可扩展性直接决定了 AI 应用的开发、部署和管理的效率。在构建和优化 AI 基础设施的过程中，需要深入理解业务需求，明确数据规模、算法复杂度和推理速度等关键指标。基于这些需求，设计一个既高效又可扩展的 AI 基础设施架构，确保从数据存储和处理到模型训练和推理的每一环节都能得到充分的优化。接着，我们将按照这个架构来配置和实施相应的软硬件系统，包括数据库、机器学习库、深度学习框架等关键组件的安装和调试。在实施完成后，企业还需要进行一系列的测试和验证工作，以确保整个基础设施的性能和稳定性达到预期。然而，AI 基础设施的建设并非一蹴而就。业务需求的变化和技术的演进，企业需要持续地对其进行监控和管理，及时发现并解决潜在的问题。这可能涉及到硬件和软件的定期更新、算法和模型的优化调整、数据处理效率的提升等多个方面。通过这些持续的努力，确保 AI 基础设施始终保持在最佳状态，为 AI 应用的广泛应用和发展提供强有力的支持。-28-AI 人才粮仓模型解读白皮书（四）小结：企业全面 AI 化，打造 AI 人才梯队培育 AI 能力是实现企业业技融合的关键所在，而企业全面 AI 化已成为新时代发展的重要趋势。只有具备强大的 AI 能力，企业才能更好地应对市场挑战，抓住发展机遇，实现业务的持续创新和快速发展。打造 AI 人才梯队则是实现这一目标的关键举措，企业不仅需要积极引进和培养具备 AI 技能的专业人才，还要在内部建立完善的 AI 人才成长机制，形成多层次、多领域的 AI 人才梯队，及时填补人才缺口，培养和储备具备高度专业素养和实践经验的 AI 人才，以满足企业在不同业务领域和应用场景中的需求。通过这样的人才战略，企业能够更好地应对市场变化和技术挑战，持续推动企业的创新与发展，实现全面 AI 化的目标。-29-AI 人才粮仓模型解读白皮书企业全面 AI 化与 AI 人才粮仓模型介绍AI TALENT MODEL第四章-30-AI 人才粮仓模型解读白皮书（一）全球 AI 人才数量、结构现状解读AI 人才是市场竞争的核心竞争力，AI 人才的数量、结构和培养体系，不仅关系到科技创新的速度，更决定了未来产业发展的高度。随着 AI 的发展，AIGC 开发者人才版图形成，整体呈沙漏分布，AI 人才洞察显示，应用层人才占比最大，核心是场景理解力；大模型层核心人才吸引力强，开发者聚集化倾向明显；基础设施层壁垒仍然高位，人才培养难度大。AI 开发者层级分布呈“沙漏”状，大模型层短期聚能效应明显1数据来源：InfoQ，2023 年 11-12 月，AI 应用开发者调研，N=1217基础设施层，11.99%大模型层，10.86%应用层，77.15%AI 开发者人才层级分布-31-AI 人才粮仓模型解读白皮书在 AI 人才结构方面，AI 领域的从业者普遍拥有本科及以上学历，硕士和博士占比也相当可观，这表明 AI 领域对高学历、高素质人才的需求十分旺盛。高层次学术背景和专业训练已经成为从业者不可或缺的标配，这一现状不仅体现了 AI 行业的专业性和高端性，也为相关教育和培训机构指明了人才培养的方向。与前些年相比，AI 人才的需求已经实现了跨越式增长，但供应量却未能与之匹配，多项权威研究报告均指出了这一问题，中国 AI 人才缺口已达到数十万的规模且未来这一缺口还将急剧扩大，算法工程师、产品经理、视觉设计 NLP、图像算法成为最为紧缺的几类人才岗位。当前，AIGC 成为高薪标配的就业新高地。据 InfoQ 调研统计，2023 年生成式 AI 开发者人均年收入为 36.7 万，相关工作经验在 3 年以上开发者的年收入超越均值，近 4 成开发者年收入处于 20-40 万区间，远超 2023 年上半年北京招聘平均薪资（18976 元/月）。由于 AI 人才市场需求：缺口大、薪资高2数据来源：猎聘大数据注：【1】2023 人工智能人才洞察脉脉高聘人才智库 2023 年 11 月 3 日【1】2024 新春开工首周 AIGC 领域新发职位三级职能分布 TOP5-32-AI 人才粮仓模型解读白皮书AI 应用范围广、技术含量高、供需两旺等因素，互联网企业、科技企业、初创企业展现出强大的招聘势头，即使是工作年限较短的开发者，薪资水平也超越北京平均招聘薪资水平。同时，不同行业和岗位对 AI 人才的需求也呈现出差异化特点。金融、零售、电商等行业都在积极布局 AI 领域，争取人才资源，而制造业、金融行业等则需要更多具备跨界融合能力的复合型人才，以推动产业智能化升级。数据来源：InfoQ 2023 年 12 月发起的中国生成式 AI 开发者画像调研（二）数智时代下的“AI 人才粮仓模型”AI 人才结构复杂，需求多样，如何有效地理解、分类和规划 AI 人才，成为当前企业亟待解决的问题。于是极客邦科技深度分析目前企业中不同 AI 岗位的职责、技能和需求，提出了“数智时代下的 AI 人才粮仓模型”，该人才模型根据分层人才数量，呈现“粮仓”状，向企业传达出了“AI 人才如同粮食般不可或缺”的信号，而不同企业“层层积累和储备的人才”为 AI 领域的发展也提供了源源不断的发展动力。2023 年生成式 Al 开发者薪资水平-33-AI 人才粮仓模型解读白皮书云计算、大数据、区块链、物联网、AR/VR、超级自动化、元宇宙、工业互联网、数字孪生、5G、AI 原生等技术盘点矩阵作为该模型底座，是 AI 技术、AIGC 场景应用蓬勃发展的基本盘，为 AI 人才培养提供了肥沃的土壤。其中“AI 原生”不仅是 AI 技术发展的新方向，也是推动 AI 广泛应用和落地的重要途径。该模型从底层到顶层依次为 AI 技术专项人才、AI 技术+业务复合型人才、AI 应用人才和 AI 思维管理者，以下为每层深度解读：-34-AI 人才粮仓模型解读白皮书具备 AI 思维的高层领导可以更好地通过 AI 技术的帮助，为企业制定更加精准和有效的战略，提升企业在各个方面的效率。一个合格的具备 AI 思维的管理者，其应该具备的能力要求至少包含以下几个方面：AI 思维管理者是企业 AI 实践的领导者，具备战略眼光，始终保持前瞻性，带领企业 AI 发展方向，是推动技术变革的领导者。他们的核心职能不仅局限于日常的运营管理，更包括制定战略、调配资源、决策风险、推动创新、建设团队以及塑造品牌等多个方面。每一项职能都要求他们具备前瞻性的视野和深厚的 AI 素养，以确保企业在激烈的竞争中立于不败之地：第一层领航核心：AI 思维管理者 战略规划与制定：深入洞察市场趋势，结合 AI 技术的发展潜力，为企业制定具有前瞻性的战略规划。这不仅涉及确定企业的长远目标，还包括明确实现这些目标的路径和策略。资源优化与配置：在 AI 的助力下，AI 思维管理者需要具备更有效地调配企业资源的能力，包括人力、物力和财力，确保资源在关键领域得到最优利用。决策与风险管理：利用 AI 工具进行数据分析，为企业的重大决策提供科学依据，并制定相应的风险应对策略，保障企业的稳定发展。引领创新与变革：敏锐地捕捉新技术和市场机遇，推动企业进行组织变革和业务创新，以适应不断变化的市场环境。团队建设与激励：致力于打造高效、协作的团队，通过激励机制和培训计划，激发员工的潜能和创造力。品牌与文化塑造：注重企业品牌的建设和文化的传播，通过塑造积极的企业形象，提升企业在市场中的竞争力。-35-AI 人才粮仓模型解读白皮书 战略洞察力：深刻理解 AI 技术的发展趋势和应用潜力，能够洞察 AI 技术如何重塑行业生态和商业模式。具备这种战略洞察力的管理者能够为企业制定长远且富有前瞻性的 AI 战略。数据驱动决策能力：利用 AI 工具分析大量数据，从数据中提取有价值的信息，并以此为依据制定决策。他们需要培养数据驱动的思维模式，确保决策的科学性和准确性。创新思维与实验精神：具备创新思维，勇于尝试新的技术和方法，同时保持实验精神，不断试错和优化，以找到最适合企业的 AI 应用方案。团队协作与领导力：良好的团队协作和领导能力，能够协调各方资源，确保项目的顺利进行。他们需要激发团队成员的积极性和创造力，共同推动 AI 项目的成功实施。技术理解与应用能力：对 AI 技术的基本原理和应用场景应有一定了解，能够与技术团队沟通顺畅，理解技术需求，评估技术风险，并为企业选择合适的 AI 解决方案。风险管理与应对能力：具备风险意识，能够识别和评估 AI 项目可能带来的风险，并制定相应的风险应对策略，确保项目的稳健推进。持续学习与适应能力：持续学习，不断跟踪 AI 技术的最新发展，更新自己的知识和技能，以应对不断变化的市场和技术环境。-36-AI 人才粮仓模型解读白皮书 举办 AI 趋势讲座与研讨会：邀请专家分享 AI 技术的最新发展和应用案例，拓宽管理者的视野。组织 AI 战略规划工作坊：通过实践性的工作坊，引导 AI 思维管理者思考如何将 AI 融入企业战略。提供 AI 应用场景体验：亲身感受 AI 技术的实际应用，增强 AI 思维管理者对 AI 技术的兴趣和认知。开展 AI 决策与风险管理培训：提升 AI 思维管理者利用 AI 辅助决策和管理风险的能力。面对 AI 技术的快速发展和广泛应用，企业如何培养一批既懂业务又懂 AI 的管理者成为当务之急。本白皮书在此提出一系列针对性的培养建议，旨在帮助企业管理者提升 AI 素养和能力水平，更好地应对 AI 时代的挑战与机遇：AI 思维管理人才能力重点-37-AI 人才粮仓模型解读白皮书 鼓励参与 AI 创新实践项目：通过实际项目锻炼 AI 思维管理者的创新变革领导力。构建 AI 创新生态圈：与外部创新企业和研究机构合作，为 AI 思维管理者提供更多的创新资源和合作机会。AI 思维管理者是企业适应新时代发展的关键。通过系统的培养和实践，他们能够更好地将 AI 技术与企业战略相结合，带领企业在竞争激烈的市场中脱颖而出。这不仅需要企业高层的重视和投入，也需要整个组织的协作和支持，共同推动 AI 思维在企业中的普及和应用