全球科技巨頭爭搶AI人才，行業應用面臨挑戰
近期，全球科技領域內的AI人才流動引發了廣泛關注。月初，谷歌NotebookLM核心團隊宣布集體離職，共同創立新公司，此舉彰顯了AI領域頂尖人才的巨大影響力和市場價值。隨后，Vision Transformer（ViT）的三位主要作者也宣布加盟OpenAI新成立的蘇黎世部門，這一系列人才變動進一步加劇了全球科技公司間的競爭態勢。
盡管AI技術人才搶手，但AI技術的落地應用卻面臨著“最后一公里”的難題。當前，生成式AI正進入大規模應用階段，但真正能夠承載期望的殺手級應用尚未出現。在抖音、快手等國民級內容社區中，AI并未帶來預期中的實質性變革，就連與AIGC調性最為契合的小紅書，也放棄了旗下的AI生圖工具Trik AI。這一現象引發了投資人對于AI技術落地可行性的疑慮，部分AI企業甚至選擇戰略性放棄C端業務線。
AI技術落地難的原因在于，AI技術的研發者和從業者之間存在認知鴻溝。許多行業內的隱性需求難以被明確表達出來，而AI產品的研發團隊往往缺乏對行業需求的深入理解。在B端市場，技術與需求的錯配問題更為顯著。通用場景模型雖然部署門檻低，但難以應對特定的邊界情況；而細分行業模型雖然效果好，卻需要海量的數據和繁重的標注工作。
面對這一困境，行業與AI技術的深度融合成為關鍵。大模型技術的突破，讓AI具備了理解和處理復雜行業數據的能力，但能夠幫助大模型建立“三觀”的人，最好是既懂AI又懂行業的復合型人才。相較于讓AI工程師從零開始積累行業經驗，讓深耕行業多年的專業人才掌握AI應用技術，學習曲線會更平緩，也更容易實現技術與場景的深度融合。
隨著AI技術使用門檻的降低，行業從業者主動擁抱AI技術的趨勢愈發明顯。在醫療、化工、智慧港口等領域，AI技術已經開始發揮重要作用。例如，在醫療領域，AI大模型應用能夠幫助醫生在短時間內掌握輔助診斷工具，提升診斷能力和效率。在化工領域，經過調優的大模型可以精確模擬關鍵運行參數，保障生產過程的優化與穩定。在智慧港口，AI技術的應用使得生產、管理、服務、安全等領域的智能化水平大幅提升。
然而，培養既懂行業又懂AI的復合型人才仍面臨諸多挑戰。首要問題是缺乏既懂行業又懂AI的“雙師型”教師。其次，行業+AI方向缺乏體系化的教材和前沿的實踐案例，課堂內容往往流于表面。高校普遍缺乏算力資源和高質量的行業數據，這使得許多研究項目難以開展。為了解決這些問題，學術界、產業界與教學機構需要攜手合作，共同構建一個全方位的人才培養體系。
在這一背景下，華為等科技公司開始與高校合作，尋求培養行業AI復合型人才。上周，由東北大學、中國醫科大學聯合華為開展的行業AI應用創新孵化營正式開營，活動吸引了大量來自醫療領域的研究者參與。課程從人工智能方法的發展講起，深入淺出地構建起行業內人士AI知識體系的框架。同時，華為還邀請了一批前沿學者展示醫療+AI交叉研究的落地成果，包括數據處理、自動填寫病歷、醫療影像檢查等。
東北大學醫學與生物信息工程學院執行院長趙越表示，醫學與人工智能的融合是不可或缺的趨勢，華為給予了學院無私的幫助和支持。在孵化營的活動中，中國醫科大學附屬第一醫院的教授齊瑞群探討了臨床醫療診斷方法及存在的問題，并與東北大學的醫工學院團隊合作開發了一套皮膚病理大模型。通過AI系統，醫生標注切片的時間從半小時縮短至不到三分鐘，且與臨床日常工作無縫銜接。
華為還通過提供一站式、全棧自研的AI開發工具，支持AI應用從數據標注、模型開發、訓練、部署的全流程。這些工具將復雜的算法化繁為簡，讓醫學生能夠輕松駕馭AI技術。經過與專家的深度交流，學員們不僅獲得了結業證書，更收獲了寶貴的前沿洞察與前瞻見解。
華為在醫療領域的布局只是其產教融合探索的一個縮影。在更廣泛的領域，華為通過行業AI應用創新孵化營和行業AI應用創新大賽，培養了大量復合型人才。這些人才在醫療、材料、港口、制造等領域發揮著重要作用，推動了傳統行業的智能化轉型。
