企业AI数智化转型上岸难，找准“撑桨人”是关键

　　自2023年上半年以来，chatGPT等大模型技术迅猛发展，AI技术不断突破界限，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技术不断缩小科学与实际应用之间的鸿沟，展现出无限的应用可能性，已在图像分类、语音识别、知识问答、人机对弈、无人驾驶等多个领域实现了重大的技术突破。

　　《数智时代的AI人才粮仓模型》白皮书调研了大量企业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，提出了“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，明确了数智时代下AI人才的核心能力要求和岗位设置。

　　政策支持与行业推动加速AI变革。2024年两会明确提出新质生产力，以科技创新推动产业创新。国家将AI视为战略性新兴产业和新增长引擎，各地政府也正积极推动AI创新体系建设，加快攻克技术难关，促进AI与市场经济相结合，推进落地场景的应用。同年，“人工智能+”和“新质生产力”被首次写入《国务院政府工作报告》，报告明确提出要大力推进现代化产业体系建设，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。

　　培育新生产力需要打造新型劳动者队伍，如能够创造新质生产力的战略人才和能够掌握新质生产资料的应用型人才。在大模型元年，培养具有科技创新能力又能熟练应用AI新技术的人才显得尤为重要。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，推动大模型在多个场景中应用落地。然而，由于成本高、落地难、数据隐私存在安全隐患等因素，中小企业在应用方面仍处于观望期。

　　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。从早期的机器学习算法到如今的Transformer结构和MOE结构创新，2023年AICG爆发式增长，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场景应用带来巨大的算力需求，企业AI基础设施亟需升级。在AI时代，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。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。据AI人才洞察显示，43%的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。

　　企业在数智化转型过程中面临诸多挑战。战略不明确导致实施效果不理想；传统业务AI应用场景匮乏，“找不到”和“不会找”成为主要问题；算力成为限制AICG发展的最大挑战；企业上岸AI难，缺乏“撑桨人”。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。随着AI技术的快速发展和广泛应用，各行各业对AI人才的需求急剧增长，但培养合格的AI人才需要时间和成本，这也导致AI人才供不应求。

　　为了应对各行各业实现全面AI化，培训AI能力是业技融合的关键所在。打造AI人才梯队是实现全面AI化目标的关键举措。根据企业中不同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。该模型从顶峰到底层依次分为：第一层为具备前瞻性的视野和深厚素养的AI思维管理者；第二层为精通场景化应用、实现业务价值升级的实践者；第三层为融合技术与业务、推动AI赋能业务的赋能者；第四层为构建和维护技术平台的领航者。企业应结合实际情况和发展需求通过内部培训、外部引进等方式不断提升员工的AI技术水平打造一支具备专业素养和实践能力的队伍。