本文摘要：人工智能产业逐渐成为全球各国竞相布局的重点产业，全球人工智能企业数量快速增长，人工智能独角兽企业不断在全球范围内涌现，对于人工智能人才的需求不断增加。 人工智能人才数量和质量的水平将直接影响人工智能产业的发展，进而影响国家和地区在未来竞争中
人工智能产业逐渐成为全球各国竞相布局的重点产业，全球人工智能企业数量快速增长，人工智能独角兽企业不断在全球范围内涌现，对于人工智能人才的需求不断增加。 人工智能人才数量和质量的水平将直接影响人工智能产业的发展，进而影响国家和地区在未来竞争中的国际影响力，人工智能人才培养需要得到全球范围内的广泛关注。
名词分析与概念界定
人工智能人才培养，主要是涉及人工智能八大关键技术研究及应用的相关人才，根据人才培养的方向，本报告将人工智能人才培养分为人工智能专业人才培养和人工智能科学素养培养。
其中，人工智能专业人才培养，主要涉及当下或未来会长期在人工智能领域工作或研究的人才培养。 根据这类人才在人工智能技术发展及应用中实际所做的主要工作类型，将人工智能专业人才培养分为人工智能研究型人才培养和人工智能应用型人才培养。
人工智能研究型人才培养主要涵盖产业研究人才和源头创新人才的培养，这类人才致力于科学研究与技术创新，决定了未来人工智能产业的技术边界。
人工智能应用型人才培养主要涵盖实用技能人才和应用开发人才的培养，这类人才助力于产业应用开发及实用技能发展，决定了人工智能应用及产业的发展规模。
人工智能科学素养培养主要是针对高中学历以下，对人工智能科学素养方面的相关培养， 人工智能科学素养培养主要包括了解人工智能科学知识; 了解人工智能科学的研究过程和方法; 了解人工智能科学技术对社会和个人所产生的影响。 据人工智能科学素养培养的主要形式分为了学科培养和综合素养培养。
人工智能人才培养宏观环境分析
全球各国陆续出台人工智能产业发展战略，助力人工智能产业发展
人工智能产业是面向未来的重要产业构成，作为新兴技术的代表，人工智能不断在各个领域加深应用。 为抓住下一代产业发展的趋势，全球各国从国家战略层面相继出台支持人工智能产业发展的重要战略规划。 其中，美国、中国、英国、加拿大都在2017年前后将人工智能作为国家的顶层设计来布局实施，随后也推出了非常多配套的辅助型政策，进一步推动人工智能产业的发展。
全球国家战略层面的支持推动人工智能行业快速发展。 在过去的10年之中，全球主要国家新增人工智能企业数量在2016年左右达到峰值，其中，中国和美国新增AI企业数量在2017年后绝对值仍然大幅领先于其他国家，是全球人工智能企业领先地区。 从吸引资金的角度来看，全球人工智能企业融资数量持续增长，在2016年以后呈现出几何级增长趋势，至2018年，全球人工智能企业共计融资784.8亿美元，其中美国以373.7亿美元、中国以276.3亿美元成为全球人工智能企业吸引资金数量最多的国家。
人工智能产业的发展先后经历了萌芽阶段、诞生阶段、黄金阶段、第一次低谷、繁荣阶段、 第二次低谷、第三次热潮七个阶段，产业在波动和调整中不断前进。 从1993年至今，人工智能产业依然处于第三次浪潮之中。 中国信息通信研究院发布的《全球人工智能产业数据报告》 显示，截至2019年3月底，全球人工智能企业达5386家，纵观全球人工智能产业分布，产业的发展并不均衡，主要集中于美国、中国、英国、加拿大等较早在人工智能领域布局的国家。
人工智能产业发展的竞争核心是人才和技术的竞争，人才培养成为重中之重
各个行业数字化进程的逐渐推进，围绕传统行业的数字化、智能化升级成为主流。 伴随而来的数据爆发式增长、计算能力要求大幅提升、人工智能算法的构建与优化逐渐成为各个产业发展的关键环节，人工智能在第三个浪潮期对于各行业的渗透逐渐提高。 基于大数据和强大计算能力的机器学习算法已在计算机视觉、语音识别、自然语言处理等一系列领域中取得了突破性的进展，基于人工智能技术的应用也已经开始成熟。
当前，全球多数国家都在积极布局人工智能产业，人工智能已逐步被作为衡量一个国家综合实力的重要指标，成为各个国家的国家战略布局。 其中，中国2017年发布的《新一代人工智能发展规划》中提出，到2030年， 中国要成为世界主要人工智能创新中心。 2019年德勤发布的《未来已来·全球AI创新融合应用城市及展望》报告显示，2025年世界人工智能市场规模将超过6万亿美元。 人工智能产业已成为未来全球经济发展的重要推动力。
人工智能产业的发展，人才、数据和架构是不可或缺的三大要素。 其中，人工智能人才数量和质量的水平，将直接影响数据收集与处理的能力、底层架构的可应用性和延展性。 因此，对于全球人工智能的竞争而言，人才的竞争才是核心内容，人才培养的能力、人才培养的水平将对国家的人工智能产业发展产生重要影响。
人工智能产业的快速发展带动了对于人工智能人才需求的快速增加，人才需求分布情况与产业发展程度高度相关，人工智能产业发展领先的地区对于人工智能人才的需求更加紧迫。 UIPath2018年推出的《AI Jobs》报告中的数据显示，在全球，中国空缺的AI职位最多， 共有12113个相关职位空缺; 其次是美国，有7465个岗位空缺; 再次是日本，有3369个职位空出。 除此之外，英国、印度、德国、法国、加拿大、澳大利亚和波兰也面临AI人才匮乏的局面。 在过去四年中，AI人才的需求量以每年74%的速度增长。
人工智能产业无论是创新程度还是落地应用程度都与传统产业有明显的不同，因此岗位要求相比于传统产业简单的人力开发，人工智能产业更加强调人才的属性。 最直接的就是人工智能岗位人员学历的要求。 全球AI公司对人工智能人才学历的要求本科及以上占到了99%的比例，而硕士及以上也超过了50%。 而在不同岗位的需求情况方面，机器学习/深度学习工程师、AI研究人员、数据科学家和算法开发人员，随着AI产品走向主流，与之相搭配的商业化岗位如营销、法务、销售等也出现了增长的态势。 因此，无论是人才学历水平的培养还是核心技术的培养都表明人工智能人才要求明显更高，需要的培养周期更长，短期内人才供给处于紧缺的局面。
全球人工智能人才仅30万人，产业人才约20万人，是绝大多数AI产业和企业领军人物的重要来源。
中美高校是全球人工智能人才培养的高地
CSRankings 2019年度全球高校的计算机科学综合实力TOP20的情况显示，美国大学占比68%，居于首位，其次是中国，占据9%，再次是新加坡、以色列等。 可以看到全球各国在人工智能人才培养方面，高校扮演了非常重要的角色。
具体来看，卡内基梅隆大学、麻省理工学院是美国计算机科学综合实力前两名，清华大学、北京大学是中国计算机科学综合实力前两名的学校。 具体到各高校人工智能人才培养的学科课程设置方面，以美国为主的高等院校，由于布局时间早，系统完善，学科交叉精耕细作。 例如斯坦福大学的人工智能实验室成立于1962年，50多年来一直推动着人工智能教育。 卡内基梅隆大学在1979年就成立了机器人学院，专门在机器人科技领域进行实践和研究。
目前人工智能人才培养供给小于需求，人工智能人才缺口巨大
全球人工智能产业的高速发展，带动人工智能企业的快速出现，并且获得资本的青睐，全球各国将人工智能产业的发展逐渐提高到战略层面。 人工智能人才的培养直接决定了在世界人工智能产业竞争中国家和地区的影响力，人工智能产业发展的竞争核心是人才培养的竞争，人工智能产业发展越快的地区，对于人工智能人才的需求越急迫。 全球人工智能岗位缺口呈现指数级增加，各类岗位需求持续增长，从专业性到应用型人才均有需求。 高校在目前的人工智能人才培养体系中扮演重要角色，中国和美国成为全球人工智能人才培养的主要参与者，两国人才培养体系各有不同，总体处于探索阶段，人才培养供给亟待提高。
全球国家和地区人工智能人才培养各有不同
从具体的国家和地区来看，其人工智能人才培养的体系与当地本身的教育体系，特别是职业教育体系的成熟程度直接相关。 美国在过去发展的进程中，互联网发展体系完整，人才培养结构相对成熟，因此人工智能人才培养体系方面更加完善，研究型人才是主要的培养内容。 相对于美国研究型人才是重点的培养内容，中国更注重在应用型人才培养体系方面。
1990年清华大学智能技术与系统国家重点实验室成立，这也是现在唯一以人工智能命名的国家重点实验室。 相较于美国的培养起点，中国显然起步稍晚，但是随着人工智能企业的快速发展，中国人工智能人才培养体系快速发展起来，逐渐形成关于各个层次人工智能人才培养的不同解决方案，逐渐形成中国特色人工智能人才培养体系。
人工智能专业人才培养分析
研究型人才培养分析
政府部门、高校、科研院所和企业是主要参与对象
通过梳理全球主要国家的研究型人才培养方式，参与者基本可以归纳为以下四种：政府部门、 高校、科研院所和企业，完成产、学、研、政四位一体的培养路径。 高校与科研院所则是研究型人才的重要培养场景，也是研究成果的重要产出来源。 政府在研究型人才培养中的作用更加宏观，通常通过政策手段实现，而政策的主要执行对象亦为高校和科研院。 企业在人工智能人才的培养上更多是应用型人才的培养，企业的作用将在应用型人才培养方面着重讲述，因此本章的分析将重点从高校及科研院所的培养模式出发探究研究型人才的培养。
高校是主要的培养场所，美国的人才培养处于世界第一梯队
从QS全球computer science& information systems专业综合排名情况来看，2020年全球开设计算机科学与信息系统相关专业的高校共收录了601所，其中美国212所、中国133所，占比约57.4%，在计算机科学领域处于世界第一梯队，英国、印度、日本、法国、韩国、德国等处于第二梯队。
但值得注意的是，从CSRankings通过对各高校研究物发表数量和质量的排名来看，在2010-2020这十年间，全球计算机科学TOP20的高校中，美国占了15席，在学术影响力和研究能力上，美国与其他国家之间拉开了巨大差距。 如何做好人工智能人才的培养是一个值得探索的问题。
英美高校培养起步早，逐渐从高校培养推广到全民素质培养
美国在人工智能研发战略规划中对人工智能的研发做了具体划分，而人工智能的人才培养也与此规划一脉相承。 美国提出了“全方位培养一批多元化、有道德的AI队伍，维持美国领导地位”的人才培养目标。 除了在高等教育阶段进行人才培养外，美国将AI 教育全学段覆盖，同时重视吸引女性和少数民族学生等代表性不足群体和弱势群体参与到 AI 培训计划中。
英国提出金字塔型人才培养目标，旨在培养适应未来行业发展的多层次 AI 技能人才。 在培养高水准的AI研究型的AI研发专家、博士、硕士外，还注重较低层实用人才技能的培养，重视全民STEM教育及数据技能培养。
中国着重强调建设AI专业教育、职业教育和大学基础教育于一体的高校教育体系，在研究生阶段强调“人工智能+X” 相关交叉学科的设置，分层次培养AI应用型人才。
日本从教育改革入手，将信息技术能力培养贯彻为全民培养模式，集中产官学资源，强化社会人员职业再教育，积极引进国际人才引进，鼓励创新创业。
人工智能相关专业及学科建设尚处于早期阶段，在摸索中又各有特色
全球开展人工智能相关研究及人工智能人才培养的资源和程度并不均衡，而较有代表性的专业设置方式更多地产生于开展人工智能相关教学更多的国家，因此，此处仅选择QS专业排名前二的美国和中国来进行对比。
从中美两国的高校专业设置情况来看，目前全球人工智能专业设置、学科建设尚处于较为早期的阶段，均没有特别明确的建设体系，但在摸索前进中，又各有特色。
在高校课程设置上，美国已经形成体系，强调数学基础学科的重要性
课程体系建设同样是研究型人才培养的关键，亿欧智库在QS专业排名前四的国家中选取了top3的高校进行了课程体系的研究分析。 从卡内基梅隆大学的人工智能专业、麻省理工学院的计算机科学与工程专业、 斯坦福大学的人工智能专业的课程设置情况来看， 美国人工智能人才的培养已经形成了比较明确、科学的课程体系，对于数学基础课程的设置基本都超过了20%。 除专业相关课程外，高校用不同方式要求学生参加通识课程，或者认知科学相关课程，部分学校还设置伦理课程，对学生的综合能力要求全面，符合人工智能专业的交叉学科的特性。
中国高校课程设置起步较晚，目前仿照国外开始高校实施
2019年3月，教育部批准35所高校新增人工智能本科专业，2020年3月3日，教育部官方网站更新了《关于公布2019年度普通高等学校本科专业备案和审批结果的通知》。 新增人工智能专业的高校达到180所，是此次新增备案专业数量较多的学科。 新增数据科学与大数据技术专业的学校也占到了100多所; 智能制造、机器人工程、智能科学与技术等专业也都有数十所学校通过审批。 中国人工智能人才培养相关的课程体系建设起步较晚，从课程设置上来看基本上是模仿国外的课程体系。
目前顶级学者大部分仍集中在学术界，从事教学的教师主要集中在头部国家
从全球人才流动趋势看，美国对博士研究人员的吸引力最强，中国次之。 element AI 发布的《Global AI Talent Report 2019》的数据显示，美国雇主最有可能吸引在其国外接受培训的研究人员，中国吸引的美国研究人员的绝对数量约是美国的四分之一。 此外通过梳理在国际顶级会议发布文章的研究人员接受培训情况，以及就业数据发现，其中有46%的样本为美国雇主工作。 而有77%的顶级学者会留在学术界工作，但并不一定都会参加教学。 总体来看，能够从事人工智能人才培养的学者力量整体分布不均，目前人工智能人才培养仍是大国间的竞争。
应用型人才培养分析
全球应用型人才培养注重校内校外培养结合，企业的角色不可或缺
应用型人才的数量和质量决定了人工智能应用及产业的发展规模，且应用型人才的需求量大，基础性岗位更多，仅依靠高校的培养供给无法满足人工智能产业的职位需求。 而高校和社会机构对于应用型人才的培养方式、侧重点、培养目的均不相同，因此本文将应用型人才的培养分为校内和校外两部分来讨论。
从各国在校内和校外培养中都会发现，不管是校内培养中共建学科、实验室、创新合作平台等方式，还是职业培训、企业内部培养，企业都在应用型人才培养上扮演了极为重要的角色，通过输送师资力量、产业技术、产业实践经验来实现自身的技术突破和人才储备。
应用型人才的培养体系有所不同，导致人工智能人才的培养模式不同
从全球人工智能应用型人才的培养情况来看，校内培养仍处于学历教育的范畴，与各国应用型人才的培养体系分不开。 因此，厘清各国在应用型人才培养体系的差异对分析人工智能应用型人才的培养有重要的指引作用。 应用型人才的培养因其助力于产业应用开发及实用技能发展的职能，培养体系与各国的产业发展情况无法分割。 本文梳理了以美国、德国、中国为代表的三类具有典型应用型人才培养特色的培养体系及培养模式。
美国应用型人才培养贯穿学历教育的各个阶段，职业教育以社区大学为主。 社区大学是美国重要的应用型人才培养主体，目前美国约有2300多所社区大学。 社区大学往往是两年制，学生通常获得“副学士”学位，主要为当地的就业市场提供技能型人才，大部分社区大学并不提供宿舍，方便学生半工半读，以及与周围社区和企业紧密联系。 但未来之星EdStars的研究显示，从2010到2018年，社区学院的注册人数却以1%~3%的速度连年下跌。 主要原因来自于极低的完成率，两年制的学习，三年之内能够顺利毕业的人数不足20%。 如果想要转学至计算机科学等人工智能本科专业，则对数学和理科成绩要求较高，大部分学生需要在校外参加培训课程，但这对来自低收入家庭的学生来说是不小的费用。
德国双元制培养成熟，人工智能应用型人才培养体系完善，学科专业多样。 德国双元制教育是以理论与实践培养交替进行的教学模式，由职业学校负责理论教学部分，企业则负责实践教学。 德国的职业教育由政府全额拨款，一个学生一年可获得政府4100欧元的教育经费。 学生在职业学校学习期间可以由企业按照工作需要进行定向定量的培训，在实践培训中由企业实际需求决定职业培训的重点。 学生不仅免学费，而且还有企业给实习工资，在完成两年至三年的学习，经过相关职业、专业的培训后，由政府性质的协会IHK(工商业协会)和 HWK(手工业协会)证实，可取得世界范围内认可的资质证书。 德国目前拥有各种职业学校 9000 多所，专业多达330个。
中国重视产教融合和校企合作，学校有教育改革的内生动力。 近年来中国政府大力支持职业教育发展，关于职业教育的财政支出不断增长，强调要创新各层次各类型职业教育模式，坚持产教融合、校企合作，引导社会各界特别是行业企业积极支持职业教育。 人工智能应用型人才校内培养，学校是培养的实施主体。 从学校在应用型人才培养参与的主动性强弱看，学校在培养中主动性较强的措施包括主动采购人工智能培养解决方案、主动和企业合作共建人工智能学院，而主动性较弱模式的则是通过教育部政策、地方产业发展需求和大型企业的需求来培养。
同时，中国人工智能应用型人才培养受到地方政府的大力推动，加快了区域经济和产业发展。
中国的人工智能应用型人才校内培养亦受到地方政府和教育部门的大力推动，帮助学校完成人工智能人才培养体系的搭建和实施。 教育部学校规划建设发展中心联合达内时代科技集团有限公司(以下简称达内集团)正式启动“AI+智慧学习” 共建人工智能学院项目; 地方政府也联合研究院、高科技企业，使学校能够快速响应人工智能相关专业的建设需求，服务当地乃至全国人工智能产业的发展，加快培养符合人工智能领域发展需要的创新型应用型人才。
人工智能巨头企业建立企业大学，美国巨头企业成立时间早，规模大
人工智能应用型人才校外培养，中美两国的可借鉴性较强，因此主要从中美两国的培养模式对比来看。 近年来， 科技巨头们纷纷在加拿大、印度、中国、东欧和南欧的科技中心建立AI实验室，此举有利于科技巨头的先进技术在全球的扩展和复制。 在人工智能应用型人才方面，科技巨头通过提供实习、提供免费的在线学习课程，开源工具、AI开放平台、开放社区赋能对人工智能感兴趣的学习者。
中国以BAT为代表，虽然起步晚，但发展迅速，对于人工智能应用型人才的培养方式多样。 中国的应用型人才培养以BAT为代表，从2012年左右逐渐开始建设，百度的AI团队成立时间最早，主要在自动驾驶领域上发力。 对于人工智能应用型人才的培养，BAT分别成立了百度云智学院、阿里云大学、腾实学院开展模式多样的应用型人才培养。 除与国外科技巨头类似的在线课程、免费实验项目外，三家人工智能学院均因地制宜地设有职业证书认证体系，为个人和讲师提供资格认证，大力推动“1+X”职业教育体系的建设，认证人才进入企业可以获得优先推荐。
美国短期训练营和在线AI课程参与率高，企业认可度高
从常见的人工智能团队的架构来看，需要商业化团队、数据团队、核心AI算法团队、核心AI研究团队、硬件团队、平台架构团队、AI应用& 产品团队等，岗位需求多元。 而校内的社区大学等培养方式并不能达到企业的要求，对于企业来讲，实践和工作经验是招聘的考察重点。 TalentSeer的《2020人工智能人才报告》显示，美国短期训练营(Bootcamp)和在线AI课程(E-learning)的参与度越来越高。 预计整个在线学习市场到2025年将超过3000亿美元。 统计数据表明，在线学习和短期训练营得到了大部分雇主和工程师的认可，76%的软件工程师认为训练营有助于他们的职场发展，57%的雇主表示愿意聘用训练营毕业生。 学习者可以在Fullstack Academy、General Assembly、Thinkful等有代表性的IT技能训练营，通过线下高强度的集训帮助零基础或基础较弱的学生掌握就业所需技能，并通过收入分成或延后交付学费等方案降低入学成本。
中国的短期训练营围绕人工智能技术型企业展开，有品牌效应和认证效果
中国目前没有和国外Bootcamp完全类似的短期训练营模式，中国的人工智能训练营大多面对在校生或是刚从事人工智能相关职业不久的职场人士，是校内培养的有力补充和实践延伸，主要依托于人工智能技术型企业的实验平台、实验数据，培训的教师队伍是各大科技巨头公司的技术负责人或知名学者。 作为学习者可以在短期训练营中强化实战经验，学习科技巨头的先进技术理念和产业应用实践案例。
IT职业培训，国内IT培训进入新的发展阶段
IT职业培训作为非学历教育的重要组成部分，在全球都有IT职业培训公司。 但随着技术的进步，人工智能相关的产业的迅速发展，IT职业培训公司均在逐渐增设人工智能相关的IT培训课程。
在中国，人工智能应用型人才的培养已经被作为IT职业培训的重要服务，市场参与度高，逐渐形成针对人工智能应用型人才的学习路径规划和个性化课程安排，重视职业培训的辅导服务。 广证恒生的研究报告显示，目前IT培训市场有三大阵营，第一阵营是以达内科技为代表的公司，通过“双师模式+校企合作+就业输出” 的商业模式占据发展先机; 第二阵营则是整体而言商业模式较为成熟， 有一定的师资和科研团队力量，渠道能力出众，具备一定的品牌积累，但部分机构产品较为单一， 这一阵营以传智播客、火星时代、麦子学院、开课吧为代表; 第三阵营则数量较多，主要在小范围地域内或某细分产品领域具有一定的占有度，如以青麦教育、极客学院、51CTO、北风网为代表。
人工智能人才基础素养培养
人才科学素养的培养起源于产业竞争的结果
第二次世界大战之后，美国与苏联开始了长达44年的冷战。 对于地球外空间的探索是竞争的重要内容之一，1957 年10月苏联率先用P-7洲际导弹发射了世界上第一颗人造卫星“斯普特尼克1号”，并且在1961年4月用东方号运载火箭把宇航员Gagarin送上太空，使他成为了世界上第一个进入太空的地球人。 空间竞赛初期的落后，一方面使得美国对于自身国际地位和安全产生重大的疑虑; 另一方面，美国公众开始思考国家人才培养体系中对教育投入不足、课程设置缺乏基础性和系统性与不重视数学和科学教育等问题产生的深刻影响，从而进一步推动了美国社会的教育改革。 以STEAM教育为代表的人才科学素养培养由此萌芽。
各国意识到STEAM教育的重要性，陆续出台鼓励政策和措施
以STEAM为代表的科学、技术、工程、艺术(航天)、数学等方面的教学逐渐在全球高速发展的技术浪潮中占据重要地位，对于互联网的发展起到了强有力的推动作用。 而人工智能技术的出现和快速发展则将上述内容的重要性发挥得淋漓尽致，人才科学素养的培养和提升意识逐渐在全球普及和推广。 全球各国及地区关注到了STEAM教育的重要性，陆续出台各类政策，完善教育体系的同时，以推动国家级技术的升级为长远目标构筑人才培养内容。
日本在课程标准中很少提及STEM或STEAM等词汇，但在包括科学、数学等学科方面有国际标准。 20世纪80年代，日本政府提出“加强基础科学研究力量”的21世纪人才培养战略目标。 在具体的STEAM教育中，日本倾向于培养研究型人才，提高学生对于科学等内容的兴趣和热情。 日本文部省决定在2020年把编程纳入日本小学必修课程，同样是日本政府意识到科技发展对于人才科学素养培养的重要性，并进一步推动教育改革。
2010年，韩国教育科学技术部在2011年业务报告中提出，要强化旨在培养创新人才的小初高STEAM教育。 2011年，韩国教育部颁布《振兴整合人才教育(STEAM)计划》，提出实施以科学和数学为核心，结合技术和工程，培养具有STEAM素养的综合人才，该计划总结了4个STEAM课程实施计划，为所有中小学实施STEAM课程提供指导。
中国STEAM教育与素质教育相互补充，旨在全面提升学生的综合素养，让学生全面发展，为后续的人才培养奠定基础。
STEAM教育将从单一学科向多学科多维度综合应用发展
美国维吉尼亚科技大学学者格雷特·亚克门( Georgette Yakman) 在2010年提出了STEAM 学科整合的教育框架，将多个学科连接起来，以跨学科的方式指导教学。 STEAM 教育打破了数学、科学、技术、工程和艺术五个学科领域之间的壁垒，在学科之间进行有机的融合， 以综合的教育内容和方式解决真实的问题，培养学生的跨学科思维和创造力。 STEAM 教育的五个学科之间并不是相互独立的，也不是简单地进行叠加，而是形成一个相互联系、融会贯通的整体，每个学科在STEAM 中都具有举足轻重的作用。
课程设置和配套师资及设备以满足分层的培养需求
科学素养培养有一定的认知门槛和底层知识要求，在人才科学素养培养的具体实施过程中，需要循序渐进，对于不同年龄段、不同认知水平的人才，针对性地设置学习目标，以学习目标为导向，设计人工智能课程内容。 不仅如此，科学素养培养对于教学环境和教师的要求与传统的要求和内容有明显不同，需要对于教学环境和教师素养进行升级和设计，使之与课程内容形成有机的整体。
人工智能教育需要为学生提供定制化、灵活多样的教学内容
人工智能人才科学素养的培养需要进一步对于学习空间进行升级。 相较于传统教室，科学素养培养的学习空间应该重视用户体验、强调课堂内容各种方式的交互，不仅是老师和学生、学生与学生之间的互动交流，同样应该注重学生与课程内容、教学器材等硬件设施设备的交互。 通过对学习空间的升级，创造以学生为核心的连续性空间。 既要在特征方面兼顾包容性、 层次性、多样性、协同性等内容，操作层面需要注重陈设、智能技术、空间规划、物理环境与服务等具体方向。
全球校外教育市场是校内培养的有效补充，中国和美国的特征明显
在“全球人工智能人才科学素养”的培育中，在培养内容上，校外是对于校内的有效补充。 在校内完成基础科学素养内容的入门学习后，学生可能产生对具体不同方向和内容的学习兴趣。 校外市场中专业方向的教育服务提供方可以接替学校继续完成对于学生个性化人才科学素养的培育。 因此校外市场在全球人工智能人才科学素养培养中是重要的构成环节。 由于培养意识和工业发展水平的不同，全球各地人工智能人才科学素养的培养，同样与国家和地区的人工智能发展水平相关，中国和美国仍然是在校外培训市场表现突出的国家和地区。
美国校外培养：注重课程实用性，关注课程内容的整合性和实践性
国家和地区的经济发展、国际地位的提升与国家的人才培养和教育内容密切相关，美国将人工智能人才科学素养的培养与国家的经济和地位发展深度连接。 在NSB代表NSF发布的致美国总统公开信《改善所有美国学生的科学、技术、工程和数学教育》中，明确指出国家的经济繁荣和安全要求美国保持科学和技术的世界领先和指导地位。 NSB希望全国力量支持美国学生发展高水平的STEAM知识和技能，为学生提供进入以科学和技术为基础的新兴社会竞争之中。
中国校外培养：素质和应试相结合，对儿童思维进行数理逻辑培养
康德说：“儿童教育的目的应该是逐渐地把知与行结合起来。 在所有的学科中，数学似乎是能最完全地满足这一要求的唯一一类学科。 ”可见数学学科在学习过程中的重要位置，1岁以后是构建儿童逻辑思维、判断能力等高级认知功能的重要时期，加之升学压力的逐渐前移，让不少家长开始重视对于儿童数学思维的培养。
中国儿童思维在线企业最早可追溯至2009年精锐教育成立至慧学堂，专注于4-9岁少儿数感思维、语言能力、STEAM创课等多元思维能力培养的线下课程。 随后包括好未来旗下的摩比思维、豌豆思维等陆续从线下模式开始探索数学思维教学的教学内容及教学形态。
在线教育技术随着语言培训、K12学科辅导等场景应用的逐渐成熟，2016年至2018年间， 数学思维类企业不断涌现，豌豆思维、火花思维、掌门少儿等陆续进入市场并持续获得融资。 与此同时，精锐教育成立线上教育品牌佳学慧，进行线上数学思维教育布局; 豌豆思维也从2016年打造线下学员“人手一个Pad”的数学课堂，发现自身课程设计优势和技术基因后在2018年5月全面转型线上。
中国校外培养：游戏化、素质化课程设计成为主流，真人老师与AI录播并行
目前被市场普遍认可并且国家大力提倡的是关注儿童全面素质的培养，在低龄阶段弱化学科及考试的影响因素。 因而，目前思维类教学企业通常以让儿童了解并认识数与代数、空间图形、逻辑推理、统计概率等知识内容在日常生活中的体现为主要的培养内容，侧重于素质能力培养。
考虑低龄阶段儿童的认知水平以及性格特点，目前思维类课程从内容上基本以游戏和动画为主要的展现形式，旨在以更贴合儿童的设计，吸引儿童的关注，激发儿童的学习兴趣。 因此目前大多数企业拥有自己的儿童IP形象，包括豌豆思维的“ 小虎 ”、火花思维的“ 猴子 ”、精锐教育|佳学慧的“ 哈宝 ”等。 引进成熟的动画IP形象在增强教学趣味性的同时，还可以更快地与儿童建立沟通的桥梁，提高儿童的接受程度。 豌豆思维即在原有的IP形象之上，引进超级飞侠的动画形象，以不同的超级飞侠代表不同的数学学科内容，建立学科内容和IP形象的关系，便于儿童针对知识内容进行记忆和学习。
从课程传授的模式上来看，直播课程和录播课程都有企业涉足，其中，直播课程是目前较为主流的授课形式。 与语言类直播课程需要老师与儿童高频互动不同，思维类课程在锻炼儿童思维能力的过程中，老师与儿童的互动多为引导性，可包容多个小朋友同时进行学习，同一时段的教学效果可以得到保证。
人工智能和大数据技术的逐渐应用，重新赋能了录播课程。 在思维类教育领域，基于游戏化和动画化的设计并针对知识点和教学片断进行切割，利用人工智能算法将针对性地快速调整对儿童的教学内容，从而实现课程内容的有效传播。 基于本身思维类课程的同时性和系统性，录播课程+AI技术的思维教育企业同样是业内比较主流的代表企业。
中国校外培养：阶段划分趋于统一，独特创始人多元背景+教研力量构建企业特征
由于数学学科本身的学科分层程度明显， 每一阶段的知识体系划分明显， 目前主要思维类教学企业的课程体系在年龄划分上趋于统一。
6岁和8岁是两个比较明显的划分节点，6岁前主要以生活中的场景为主要内容，让儿童接触包括“数” 、“分类” 、“序列” 等概念，培养儿童对于数学的基础认识。 8岁跨入学龄阶段并需要与校内课程接轨，因此这一阶段的核心目标是儿童的独立运用、举一反三等相对成熟的模式形成。
思维类教育多以数学学科为主，以数学作为基础学科的技术和互联网从业者有了更多参与教育的机会。 从目前思维类企业的分布情况来看，创业者的背景更加多元，有传统教育行业从业者(主要为老师)转型而来，也有互联网公司跨界而来。 豌豆思维的三个创始人分别来自互联网、游戏和动画3个不同背景，火花思维创始人历任微软、赶集网等核心负责人，精锐教育|佳学慧的联合创始人兼总裁则是精锐教育前北方大区总经理。 多元的创业者背景也成就了目前教学思维类企业的多元形态，在满足客户需求上百花齐放，各有千秋。
中国校外培养：素质教育+互联网时代下产生的教育需求
科技类教学赛道的出现依赖于国内素质教育市场的发展，加之国内对于人工智能等新兴技术人才培养的重视，以科学技术为主要内容的教育赛道在2018年左右开始逐步入大众视野。 截至2019年11月，编程猫已完成约4亿元C轮融资，核桃编程完成约5000万美元B轮融资。 鲨鱼公园、赛先生等以多种类型的科学内容为主的教育企业目前融资轮次集中在A轮阶段。 少儿编程无论从融资的规模还是融资的轮次都在教学科技类企业中遥遥领先。 但是由于科学认知仍处在市场教育的阶段，虽然由于儿童编程的火热有一定程度的提高，但目前科技类教育仍然处于早期阶段。
科技类教学企业目前主要瞄准的市场为To B端的学校“课后三点半” 市场和To C端的儿童市场。 以儿童编程为代表，目前的供给模式以双师模式为主导。 由图形化和游戏化的内容作为教学的主要载体，上课老师进行主要知识点的讲解和引导演示，辅导老师针对儿童在学习过程中遇到的具体问题进行实时的解决和高参与度的互动。
科技类教学企业对于AI技术应用体现在两个方面，一是针对儿童学习过程进行同步的数据监控和采集，从而根据算法对儿童实现个性化的课程和内容设计; 二是针对上课内容以AI技术模拟老师，为儿童提供千人千面的教学内容。
在资本和技术的双重推动下，儿童编程的企业快速形成市场，并进入到激烈竞争的局面。 目前To B进学校是多数企业看好的发展方向。 此外，如果升学体系将编程纳入也将再次推动行业发展。 其他类别发展相对缓慢，仍在等待机会触发。
人工智能人才培养现状及展望
各国纷纷押注人工智能产业发展，人工智能人才培养逐渐受到重视
人工智能是面向未来的技术发展方向，全球国家和地区之间的人工智能产业竞争的核心是人工智能人才的竞争。 人工智能人才水平的提高将助推全球各地人工智能产业更快更强的发展。 但目前全球人工智能人才供给水平远小于需求水平，人工智能人才缺口明显。 无论是人工智能研究型人才还是应用型人才都存在大量需求，企业之间的人才竞争逐渐上升到国家层面的产业布局和产业支持的竞争。 早期的科学素养培养意识逐渐加强，为未来人工智能人才竞争提供更加坚实的基础。
全球人工智能的竞争，核心是人才的竞争，本质是人才培养能力、人才培养水平的竞争，国家的产业发展情况决定了各国对于人工智能人才培养的重视程度，人才培养从国家战略、人才储备、资金投入等方面多措并举。
全球人工智能人才缺口大，供需不均衡，从人工智能产业的相关岗位来看，人才需求层次逐渐分化，岗位划分越来越细，在所涉岗位里，算法型人才需求度最高。
从全球人工智能人才流动的趋势来看，美国对博士研究人员的吸引力最强，中国次之，有约77%的研究人员继续在学术界工作，但并不都参与教学，目前广泛的人工智能人才培养仍是大国之间的竞争。
全球研究型和应用型人才培养整体处于探索阶段，各国在探索中逐渐形成各自特色
在研究型人才培养方面，中美处于世界第一梯队，人工智能人才培养目标和体系依托于各国不同的人工智能战略，高校是培养的主战场。 其中英美高校培养起步早，逐渐从高校的培养推广到全民素养培养，中国和日本虽起步较晚，但国家政策推动力度大，从教育改革入手，面向未来数十年布局人才培养。
目前人工智能相关专业及学科建设情况尚处于早期阶段，各国特色逐渐明晰，美国已经形成了一定体系，在人才培养上扮演着引领者的角色，课程设置上强调数学基础学的重要性，亦重视认知科学相应课程。 中国高校课程设置起步较晚，在人才培养上更像是跟随者，在高校中仿照美国实施，但又结合中国实际的教学情况，无论是政府、学校、企业都在大力推动研究型人才培养。
未来，人工智能作为一项新兴技术需要与各产业各行业有较多的交叉，在研究中我们发现，人工智能研究型人才培养对于人工智能相关的交叉学科建设已有一些国家政策推行，但尚处于萌芽阶段，还需要较长时间的实践和摸索。
在应用型人才培养中，校内校外培养缺一不可，企业承担了关键角色。 各国应用型人才的培养模式不同主要是因国家的人才培养体系有差异，美国、德国和中国的体系较具有代表性。 美国的应用型人才培养贯穿学历教育的各个阶段，职业教育以社区大学为主，但社区大学的培养不足以支撑企业对人工智能应用型人才的要求，因此美国的各种人工智能公开课程、短期训练营和在线课程很受学习者欢迎，学习者付费意愿强烈，企业对培训后的效果也有较高的认可。 中国在人工智能应用型人才的培养上尤其强调产教融合和校企合作，因此不管是学校主动参与人工智能应用型人才培养还是联合企业进行培养都已经形成了一套较为完备可复制性强的人工智能应用型人才建设方案。
人工智能评职知识：人工智能方向sci4区的期刊
目前人工智能应用型人才的校外培养依托于全球科技巨头传播先进的技术理念和丰富的产业实践案例，为广泛的学习者提供开放实验室和公开课程。
美国的科技巨头成立AI团队更早，技术和实践案例的输出也更早一些。 而中国虽然起步较晚，但因政策的推动力度大，在人工智能应用型人才的培养方式上更多样化，提供对外的企业培训、技术培训以及建设新型职业资格认证体系，赋能人工智能中小企业的技术发展和人才输送。
作者：亿欧智库
转载请注明来自发表学术论文网：http://www.fbxslw.com/dzlw/24683.html
