近年来，我国依托庞大的应用场景和市场优势，在人工智能（AI）人才培养和集聚方面取得显著进展。然而，面对激烈的全球科技竞争和构建新发展格局的内在要求，我国人工智能人才队伍在规模、结构和质量上仍存在短板，须将人工智能人才队伍建设提升至国家战略层面，系统破解制约人才发展的关键问题，为抢占人工智能发展制高点奠定坚实的人才基础。

一、我国人工智能人才队伍建设现状

经过多年持续投入和系统布局，我国AI人才发展已具备良好基础，形成了以本土规模化培养为基础、以产业实践为牵引、以国际回流为补充的多元化发展格局，呈现出良好的发展态势和发展潜力。

（一）人工智能人才培养规模持续扩大，质量稳步提升

我国已建成世界上规模最大的高等教育体系，这为AI人才培养提供了稳定且规模化的人才供给基础和强大的“造血”能力。近年来，我国科学、技术、工程、数学（STEM）领域人才培养持续加强。“十四五”期间，我国STEM专业毕业生每年新增数百万，形成了科技强国所需的人才储备“金字塔底座”。

在数量优势基础上，我国AI人才的全球影响力和质量也在稳步提升。我国已不仅是AI人才的培养大国，更是高水平研究人才的输出大国。在人工智能基础研究和前沿探索领域，我国正涌现出一批具有国际竞争力的顶尖学者和科学家，他们已成为全球AI知识创造和科技进步的重要贡献者。

（二）产教协同模式不断创新，人才培养与产业需求对接更加紧密

头部科技企业凭借其技术、数据和算力优势，深度参与人才培养过程，不仅投入巨额资金进行人工智能研发，还主动开放其先进的算力平台和真实的业务场景。例如，华为通过“昇腾”人工智能计算中心，为高校和科研机构提供澎湃算力，让学生能够接触并训练大规模参数模型，有效破解了高校自身算力不足的难题。阿里巴巴与多所高校合作设立联合实验室，将电商、云计算等场景中的真实问题转化为研究课题和教学案例，使人才培养更贴近产业发展实际。

“政府引导、高校主导、企业参与”的协同育人机制在地方实践中显现成效。以四川省为例，该省将人工智能列为“一号创新工程”，由电子科技大学牵头，联合院校与企业共建四川省人工智能学院，构建了“政府搭台—高校主导—企业赋能”的三维联动人才培养新机制。政府负责顶层设计和资源协调，高校承担核心教学与基础研究任务，企业则提供技术专家、实践平台和项目资源，形成了目标一致、资源共享、优势互补的联动发展格局。

（三）海外AI人才回流与本土培育双向驱动，中国正成为新兴人才高地

从人才流动来看，尽管美国凭借其深厚的研究底蕴和丰富的产业生态成为全球顶尖AI人才的主要流入地，但近年人才的全球分布与流动越来越多元化。顶尖AI人才选择在中国发展的意愿和趋势不断增强，形成了值得关注的人才“回流潮”。这一趋势的生成，源于中国人工智能发展所形成的强大综合吸引力。一方面，中国构建了全球最丰富的应用场景，为技术落地与迭代提供了巨大的试验场。另一方面，从基础研究到产业化的创新链条日趋完善，国内顶尖高校与科技企业已能在诸多前沿领域提供世界级的研究平台与发展机会。在此背景下，不仅有更多本土培养的杰出青年学者选择留在国内，投身于具身智能、通用模型等“无人区”的探索，也吸引了越来越多在海外顶尖机构积累了深厚经验的华人科学家回国发展。

二、我国人工智能人才发展面临的主要挑战

尽管我国AI人才队伍基础良好、发展态势积极，但我AI人才队伍建设仍存在结构性、制度性难题。这些挑战相互交织，需有效破解。

（一）人才供给总量不足和结构性挑战并存

从总量看，我国AI人才存在巨大缺口。麦肯锡发布的研究报告显示，到2030年我国对AI人才的需求达到600万人，而市场上能提供的只有约200万人，这意味着那时我国AI人才缺口大约400万。从结构方面看，我国AI人才队伍存在明显的结构性不均衡，基础研发类人才明显偏少。芯片架构师、底层算法创新科学家等基础研发类人才较为缺乏。核心高端芯片设计师等基础人才需要经历技术迭代的经验积累、具备深厚的专业知识积淀和项目实施经验，其成长和培养过程通常需要几年甚至十几年，这一人才群体短缺是制约我国人工智能原始创新的关键。

（二）高校AI人才培育与市场需求脱节

一是高校课程设置与更新滞后于技术创新与实践应用的发展。许多高校和职业院校开设的人工智能课程仍以传统编程教学为主，缺乏对大模型技术、AI芯片设计、智能算力运维等领域的系统教学，跨学科融合课程更少。高校专业调整周期长，面向新行业与新技术领域的首批人才培育至少需要4.5年，硕士和博士培育甚至需要6.5—9.5年，难以匹配技术的指数级演进速度。二是实践教学资源短缺。许多高校尤其是职业院校的实习实训基地建设还比较薄弱，设备陈旧、数量不足，校内实训基地与企业真实、海量、复杂多变的生产数据和应用场景相去甚远，无法满足高质量的实践教学需求，学生实操能力培养有待加强。三是产教融合“表面化”“松散化”，融合深度不够。企业参与人才培养的深度和广度有限，动力不足，校企合作往往停留在提供实习岗位或讲座层面，有待形成人才共育、过程共管、成果共享的深度融合机制。

（三）人才引进面临国际竞争加剧与制度机制约束双重挑战

一是国际AI人才竞争加剧。从全球范围看，AI人才的跨国流动已从企业层面升级为国家战略层面。全球已有超30个国家推出针对AI人才的专项签证政策。例如，美国的“全国AI人才激增计划”，放宽STEM领域杰出人才签证标准，德国“蓝卡计划”为AI人才在德国永居提供快速通道。美国对华技术遏制战略不断升级，也使得我国引进高水平AI人才的难度加大。二是人才引进制度机制有待完善。尽管部分城市（苏州、无锡等）推出了针对AI人才的高额项目资助计划，但全国性的移民和人才引进政策仍相对保守，缺乏针对AI前沿领域“高精尖缺”人才的精准识别、快速通道和“一站式”服务体系。繁琐的引才流程、跨部门协调障碍，以及在子女教育、医疗社保、跨境资金流动等方面的配套服务尚不完善，降低了我国对国际顶尖人才的吸引力。

（四）高层次人才留存风险

一方面，薪酬竞争力有待提升，特别是面对顶尖人才，缺乏市场化的激励手段。另一方面，科研管理和评价机制、科技成果转化激励机制有待健全。科研管理中仍存在项目申请程序复杂、过程检查和评估过于频繁等问题，科研人员特别是从事基础研究和前沿探索的科学家需要耗费大量精力在非科研事务上；“唯论文、唯职称、唯学历、唯奖项”的评价倾向虽有所扭转，但尚未根除；科技成果转化政策在落地过程中，还存在知识产权界定、收益分配等方面难题。

三、综合施策，完善我国人工智能人才队伍建设的对策建议

推动AI人才高质量发展，必须坚持系统观念，从培养、引进、使用、激励等环节协同发力，构建具有全球竞争力的人才制度体系。

（一）强化基础研究与交叉学科人才培养，筑牢创新根基

一是构建AI基础研究长效投入机制。加强AI关键核心技术科研攻关专项支持，重点支持高校与龙头企业联合开展大模型训练优化、低功耗AI芯片研发等研究，通过“揭榜挂帅”机制吸引青年人才参与国家重大科技项目。在国家自然科学基金中设立“AI基础研究青年科学家”专项，对数学基础、算法创新等领域给予长期稳定支持。在国家级科研平台推行“非共识项目”专项评审通道，支持具有颠覆性但尚未形成共识的理论探索。二是重构高校学科设置。将大模型算法、AI芯片设计、智能算力运维等技术领域纳入国家学科目录，大力促进“AI+”交叉学科建设，支持高校自主增设“AI+生物医药”“AI+先进制造”等交叉学科，适配产业需求，培养复合型创新人才。组织开发覆盖本硕博的国家级人工智能核心课程体系，强化算法优化、芯片架构、智能系统等实践性课程设置。

（二）深化产教融合机制创新，促进供需精准对接

一是推动人才培养模式改革。改革高校“AI+”课程教学组织形式。探索实行“企业工程师兼职高校导师”的人才“双聘”制度。在教学中全面推行由学校教师和企业工程师共同参与的“双导师制”，推广“项目制”教学，鼓励高校将国家人工智能重点研发计划项目、企业真实技术难题转化为教学案例和实训课题。二是改革高校评价与教师激励机制。将高校服务人工智能产业发展、培养跨学科人才的成效纳入“双一流”建设等评价体系。将“AI+”跨学科成果作为高校建设成效评价核心指标之一，将教师参与“AI+”交叉课题、指导跨学科团队等纳入职称评定和绩效考核。三是深入推进职业教育改革。大力推行“企业出题、院校解题、市场验题”的培养模式，由龙头企业动态发布人才能力标准和真实项目需求，职业院校据此调整专业设置与教学内容。在长三角、粤港澳等区域，探索建设集“人才培养、技术研发、产业孵化”于一体的“人工智能产业创新综合体”。

（三）优化国际人才引进制度机制，打造全球人才高地

一是研究制定国家级AI顶尖人才引进专项规划。围绕国家重大战略需求，绘制全球AI顶尖人才图谱，实施“靶向引才”。设立AI人才引进基金，制定具有国际竞争力的“薪酬包+科研支持包+生活保障包”综合激励方案，赋予人才在团队组建、经费使用、技术路线选择等方面更大自主权。二是探索分层分类的签证与居留制度。面向国际顶级AI科学家增设“AI卓越人才签证”，提供入境、居留和永久居留便利。优化面向海外AI人才来华创业、工作的签证审批流程，提高办理时效。三是打造“一站式”人才服务平台。整合科技、教育、公安、外事等部门职能，推出“AI人才服务码”数字化平台，推进工作许可、居留证件、子女入学、医疗保障等服务优化。在引进人才集中的区域，配套建设国际社区、国际学校、国际医疗机构，营造适宜的工作生活环境。

（四）深化激励与评价制度改革，激发人才创新活力

一是建立市场化、多元化的薪酬与激励机制。深化国有企业薪酬制度改革，对人工智能等关键领域的核心研发人才，探索实行“薪酬特区”政策，突破现有薪酬框架限制，建立与个人业绩和贡献紧密挂钩的弹性薪酬体系。广泛推行技术入股、项目收益分红、超额利润分享等中长期激励方式，增强人才的归属感和获得感。二是构建科学化、差异化的人才评价体系。对从事基础理论研究的人才，实行长周期评价，重点评估其研究方向的战略价值、理论突破潜力，弱化短期论文数量考核。对从事技术开发和成果转化的人才，突出市场评价，注重技术成果的先进性、应用效益和产业贡献。三是畅通科技成果转化通道。试点“知识产权证券化”，探索科研人员以专利使用权作价入股的有效路径。完善科技成果转化收益分配政策，推广科研人员享受成果转化现金收益的递延纳税优惠，激发科研人员的创新动力。

（作者：于凤霞，国家信息中心经济预测部人口监测预测与发展政策研究室主任；原文刊发于《中国发展观察》2026年第1期，《新华文摘》2026年第9期转载，公众号发布时有删减）