AI人才戰：大牛跳槽只是八卦，人才標準才是核心

很多人習慣將人工智慧比作行駛中的汽車，資料是燃料，人才是引擎，算力是底盤，任何一個環節存在缺口，這輛車註定是跑不快的。

算力和資料雖然也是問題的關鍵，但在人工智慧領域的玩家中，大多數巨頭在資料和算力上都還算糧草充足，即便是創業系公司，也可以通過花錢來解決。人才反而成了最大的不確定性，決定了演算法的水平，左右了發展方向。

正因為人才的緊缺，在人工智慧領域，往往不乏濫竽充數之輩。也有不少線上學習平臺上線了零基礎入門的課程，似乎只需要花幾十個小時聽完課，就可以為自己的簡歷貼上“人工智慧”的標籤。也恰恰是缺少了人才標準，人工智慧的亂象和其關注度一樣熱鬧了起來。

好在有人觀察到了亂象並做出了行動——10月10日，深度學習工程師認證釋出會暨人工智慧人才發展論壇在京召開。深度學習國家工程實驗室、中國軟體行業協會、百度公司聯合釋出了中國AI領域第一個深度學習工程師認證考試方案——《深度學習工程師能力評估標準》，也是第一個體系化的深度學習人才培養方案。

AI人才荒

Element AI公佈過這樣一份調查資料：全球約有22000名接受了博士教育的AI領域研究者，其中不到1萬人具備建立機器學習系統的專業知識，但只有3000人正在找工作。

而從各大公司招聘的崗位來看，除了深度學習、人工神經網路、計算機視覺、自然語言處理或機器人等技術術語，Python、Theano等程式語言也是必備技能。即使沒有博士學位的限制，全球符合條件的人才也僅有9萬人左右。

與之對應的卻是百萬級的人才需求，巨大的供需差導致的一個現象就是：突如其來的AI人才荒和水漲船高的薪酬體系。比如說高階演算法工程師動輒百萬級年薪；BAT等網際網路巨頭不惜代價挖人；人工智慧相關的投資者也學會了“看人下菜碟”，創始人的資歷幾乎決定了公司的價值……

同時人工智慧相關的人才也是階梯型的，最頂層的是演算法科學家，有能力做框架和前沿性研究，數量上自然鳳毛麟角；第二層是工程師型人才，或許沒有能力獨創框架，卻可以在流行的框架上做適配、改進，進而為專案做定製化調整；最底層的就是AI入門級人才，大多是在人工智慧爆發後轉型的“門外漢”，利用公開課或者培訓學會一些皮毛知識。

AI的人才困境已經出現了諸多不和諧的訊號，不同公司的AI水平良莠不齊，諸如百度等前沿研究者牢牢佔據第一梯隊，大多數人工智慧公司對AI的研究仍處於初級階段。同時也在影響AI大牛們的擇業觀，大牛們選擇和同樣出色的人才協作，留給創業公司乃至傳統企業的人才困境越發嚴重。

人工智慧連同量子技術、虛擬現實等被稱為“第四次工業革命”，當前面臨的人才荒無疑是最大的短板，畢竟人工智慧的使命不是少數幾家巨頭的“一枝爭春”，而是整個行業的“百花齊放”，像前三次工業革命一樣對社會進行顛覆性改造。

如何構建合理的AI人才成長體系，如何讓相關人才培養標準化，業已成為人工智慧行業最為強烈的呼聲。

標準落地

規範化早已成為一種社會規則，IT行業尤為如此，一些企業標準儼然成為行業發展風向標。如同在PC時代，培養系統網路管理和應用開發人才的“微軟認證”，在網路工程領域權威的“思科認證”等等。同樣，人工智慧的飛奔自然離不開標準的確立。

百度又一次成為國內的先行者，率先落地中國軟體行業協會發布的《深度學習工程師能力評估標準》，計劃對深度學習工程師進行權威測試和考核，以填補國內人工智慧產業中相關人才缺少標準的空白。

比起AI人才招聘中的“階梯型”分類，標準中對“深度學習工程師”的能力認證要更為詳細，依次是深度學習工程師高階、中級、初級，分別對應的是應用經驗、實操能力和理論知識。評估要素包括專業知識、工程能力、業務理解與實踐，涵蓋程式設計、機器學習、神經網路、深度學習、程式碼規範能力、 演算法模型實現等等。

百度也順勢成為第一家落地《深度學習工程師能力評估標準》，進行人才培訓和認證體系的企業。亦或者說，標準的誕生與百度在人工智慧領域的實踐不無關係。

早在2012年的時候，百度就開始對深度學習進行佈局，2013年成立了深度學習研究院，於2016年推出了國內唯一的深度學習開源平臺PaddlePaddle，如今的PaddlePaddle，包括完整的核心框架，以及AI Studio、AutoDL、EasyDL等可以讓開發者平等便捷獲取頂尖AI能力的元件。

其實縱觀全球AI領域，深度學習開源框架並不少，尤其是谷歌、亞馬遜、微軟等巨頭，他們依靠深度學習開源平臺+人工智慧晶片”的模式牢牢握住了話語權。在經歷了中興事件之後，中國企業開始意識到自主智慧財產權對企業安全和穩定發展的重要性，而百度的PaddlePaddle則完成了從晶片到文件、從框架到應用工具的全面自主化，是名符其實的“中國標準”。

可以看到，百度想要的並非是為AI人才出一份試卷，而是一套完整的，適合中國開發者的培養方案，不盲目給AI人才設門檻，反而是給開發者架一座橋，如此才是解決AI人才荒的正確方式。

黃埔軍校

坊間一直流傳著這樣的觀點：百度已經是人工智慧領域的黃埔軍校。

百度是國內最早向人工智慧轉型的網際網路巨頭，知名科技媒體TOPBOTS在2017年評選出的“20位驅動中國人工智慧改革的科技領導者”名單中，王海峰、景鯤、徐偉等百度系佔了10個名額，足以印證其行業地位。

當然也有另一個角度，後續發力人工智慧的公司中，大多養成了從百度挖人的“習慣”，此外在人工智慧相關的創業者中，有百度背景或被百度投資的也佔了大半。

不過百度正在重新定義AI的“黃埔軍校”。倘若各AI企業一直持續不計成本挖人的局面，各家開出的籌碼越來越高，無疑將逐漸演化成一場惡性競爭，對於國內人工智慧的研究將並無益處。人才終歸是人工智慧的引擎，相比於AI大牛頻繁跳槽的八卦故事，值得關注的是如何持續性培養出更多的AI人才。

率先落地人才認證標準是百度給出的答案，PaddlePaddle是百度為深度學習人才搭建的橋樑，通過它，開發者可以迅速取得實踐經驗，直接為企業服務。

從技術細節上來看，PaddlePaddle集成了所有主流演算法、支援海量資料訓練、CPU/GPU單機和分散式並行運算，具有易用、高效、靈活和可伸縮等特點。且與谷歌、Facebook不同的是，PaddlePaddle在中文自然語言處理、中國人臉、中文語音處理等方面有著無可比擬的優勢，最大程度地滿足了中國開發者。

而在應用層面上，PaddlePaddle致力於打造自主可控的人工智慧生態，最大程度地滿足企業、高校和開發者的需要，讓深度學習為各行各業賦能。從智慧城市、智慧零售到智慧農林等領域PaddlePaddle的落地案例更不勝列舉——招聘網站簡歷智慧篩選、樓宇機電系統智慧調控、生鮮進貨量智慧預測、智慧農林AI識蟲……這些都是基於PaddlePaddle進行的應用。

回到“黃埔軍校”的說法上，絕非是因為匯聚了太多AI人才而得名，相反是完整的人才架構，既有頂尖的科學家，也有專業的工程師，以及完善的人才培養和福利。由此百度才有了牽頭制定人才標準的機會，打造AI“教材”的能力。

或許可以打這樣一個比方：人工智慧的競爭就像是一場汽車競速賽，其他選手仍在思考該如何提高發動機馬力，百度這輛車已經遠遠跑在了最前面，並在沿途建設起“加油站”，讓其他選手的發動機也能夠保持動力輸出。

中美之間人工智慧的競爭可能體現在很多方面，可能是產品的較量，也可能是論文數量上的PK。但只有確定的人才標準，並建立起成熟的認證和培養體系，讓AI成為一種通用技術，中國人工智慧行業才真正具備比肩世界的機會。