黃奇帆最新演講:AI時代,最稀缺的5類人才

2026-06-28 | 來源: 筆記俠 | 轉到微信 | 有0人參與評論 | 字體: 放大縮小 | 收藏 | 打印

當前全球貿易格局持續迭代，服務貿易占全球貿易比重已從三十年前的5%升至25%，歐美發達國家更是達到30%～40%。

服務貿易的附加值遠高於貨物貿易：1000億美元貨物貿易，最終增加值僅200億美元左右；而1000億美元生產性服務貿易，增加值可達700～800億美元。

我國已連續多年位居全球貨物貿易第一大國，但貨物貿易大國不等於貿易強國，服務貿易規模與質量，才是貿易強國的核心標志。

目前我國服務貿易占總貿易比重僅13%，遠低於全球20%～25%的平均水平。想要實現從貿易大國到貿易強國的跨越，必須大力發展生產性服務貿易，推動服務貿易占比提升至25%～30%。

第四，生產性服務業是培育新質生產力、提升全要素生產率的核心基礎。

發達國家經濟增長70%以上依靠全要素生產率驅動，擺脫了對礦產、資金、低端勞動力的依賴；而我國目前僅25%的增長來自全要素生產率，75%依靠資源、資本、勞動力等傳統要素投入。

生產性服務業屬於人才密集、技術密集、創新密集型產業，不消耗礦產資源、不依賴低端勞動力、無需大規模固定資產投入，核心依托高端人才與科技創新。

大力發展生產性服務業，能夠持續優化我國經濟結構，提升全要素生產率，培育純粹的新質生產力，實現高質量可持續發展。

三、AI時代，最稀缺的5類人才

既然創新融合的每一個階段、每一個環節都依托生產性服務業，而生產性服務業又是“人才密集、技術密集、創新密集型產業”。

那麼，AI時代到底需要什麼樣的人才？

當下人工智能發展已經告別單點技術突破階段，邁入全要素重構的全新時期，AI競爭不再單純比拼算力、模型、數據等單一技術指標，而是轉向全方位、體系化的綜合實力較量。

未來人工智能競爭，表面上是模型、算力、數據、應用和能源的競爭，本質上是人才組合、組織能力和生態治理的競爭。

誰能率先形成跨學科、跨行業、跨組織、跨制度的人才協同體系，誰就能把技術優勢轉化為產業優勢、治理優勢和發展優勢。

要建立“五環協同”人才組合體系，覆蓋五大發展環節，囊括20類核心人才，完整打通人工智能從原始創新到安全治理的全產業鏈條。

中年人才明白:這或是經濟下行期最後的窮鬼樂園

意外嗎?最新調查:60%中學生長大最想做這職業

斯塔默的悲劇:一個過渡時代的過渡首相

第一環：人工智能創新發展，需要研發型人才群

第一環聚焦從0到1的原始創新，破解人工智能底層技術跟隨模仿的困境，依靠五類研發型人才夯實技術根基，決定人工智能長期發展的能力邊界。

基礎理論與算法科學家主攻智能底層原理，突破智能湧現、因果推理等核心難題，擺脫堆算力、堆數據的低效內卷；

大模型與多模態模型專家負責算法落地，搭建可迭代、可部署的各類智能模型底座；

數據與知識工程人才梳理異構產業數據，搭建適配模型學習的標准化知識體系；

智能算力與系統工程人才保障大模型訓練、推理全流程穩定運行，實現技術從實驗室走向規模化應用；

AI安全與評測科學家提前防范模型幻覺、對抗攻擊等風險，讓技術創新與安全管控同步推進。

這五類人才構成人工智能創新發展的研發型人才群，支撐人工智能從科學原理走向模型能力，從實驗突破走向系統能力。

第二環：人工智能轉化落地，需要工程化與場景化人才群

當前人工智能最大發展瓶頸並非模型技術，而是技術與產業場景脫節。

第二環聚焦從1到N的規模化落地，依托五類工程化與場景化人才，打通技術到產業的“最後一公裡”。

行業領域專家作為需求定義者，立足制造、金融、醫療等細分行業真實痛點，避免AI技術脫離實際業務；

AI產品經理與解決方案架構師將行業需求轉化為標准化智能工作流，讓模型能力貼合業務實際；

軟件工程與平台工程人才實現AI系統穩定運維、彈性擴容，讓演示級技術變為企業可用的成熟系統；