職教行業AI人才培養進化模式分析與研究

牟晶

摘要：隨著在中國“智能+”賽道上AI技術的外溢效應越發明顯，在職業高校這段跑道上，校企合作已經從技術共研轉向到更加注重科技創新和產業發展的深度融合，通過AI教育校企合作升級，企業與高校疊加及課程設置深度學習等方面，讓中國的AI人才培養模式不斷進化，也讓中國的AI未來可期。

關鍵詞：AI人才需求;軟件與硬件;開放教育;人才布局

AI人才培養校企合作已經從技術共研轉向到更加注重科技創新和產業發展的深度融合。隨著在中國“智能+”賽道上AI技術的外溢效應越發明顯，在職業高校這段跑道上，各大高校與企業也各展所長，激烈交鋒。在中國職業高校 AI 技術人才培養模式進化歷史中，高校教師正在起著越來越重要的作用，校企合作已經從技術共研轉向到更加注重科技創新和產業發展的深度融合，與目前中國人工智能人才發展需求不約而同。

1.研究背景與市場的需求

智研咨詢公司發布的《2017-2022年中國人工智能行業深度調研及投資策略研究》報告表明，截止2017年，我國移動終端人工智能產品市場規模已經首次達到217億元，同比上年增長率已經超過52.7%。全球AI領域約30萬人才存量，在市場供給面前卻單薄乏力。供需嚴重失衡，讓我們在AI領域的高校畢業生變得成“香餑餑”，但是AI領域的教育產出壓力確很大：目前全世界已經有367所大學，分別具備人工智能研究方向的課題，但是每年我們在AI領域的大學畢業生僅僅只有2萬左右。至今年3月，全國35所高校已經被獲批建設成立第一批人工智能專業，可以說人工智能教育在AI賽道上的選手們從最初的熱身到起步已使用了整整16年。但是，作為高校想單獨啃下人工智能教育這塊硬骨頭可不容易。

首先就是師資問題，全球30萬人才儲備，只有10萬人在高校，中國更是少之又少。更多高校需求主要希望有博士學位以上的人工智能領域的人才，但的確很少，而要引進這方面的師資又相當困難。

其次，是深入分析當前人工智能核心技術的結構復雜性。它以我國現代化的計算機基礎科學和新技術成果為基礎理論，其中也包括了智能化信息知識、思維推理知識、信息知識自動獲取、收集知識處理信息系統及信息搜索的科學方法等。大部分課題只能在研究生階段開展，變相增加了相關人才的教育成本。

再次，目前我國人工智能學習的核心技術，仍然處于第三次高速發展期，以基于深度機器學習為主要研究技術核心，高度依賴于大量數據和計算力，偏偏由于這兩項核心技術科研資源在各個重點大學和各個職業院校都極為嚴重匱乏。在國內，從資源、生態、落地來看，人工智能大廠急需AI人才，高校的AI人才培養又面臨困難，企業和高校聯手育才的需求，比以往任何時候都迫切。在這樣的背景下，人工智能大廠紛紛開始與高校聯手，探索AI人才培養的新模式，以彌補人才梯隊建設上的短板。

2.教師教學過程中遇到的問題剖析

針對高校在師資、平臺、算力、實踐機會方面的短板，各大師資培訓機構、AI Studio教育版以及各類AI競賽的作用就體現出來了。用切實的方法，為高校提供實際的助推力，培養出與社會需求相匹配的AI人才。

除了“軟件”，學校應試圖解決“硬件”問題。經過調查研究，我們發現很多發達地區的高校在開展人工智能課堂教學中都會遇到以下幾個障礙：智能算法在高校進行訓練教學過程中，使用廉價的epgpu智能卡或使用云計算等信息資源。有的學校由于投入科研經費有限，實驗室的設備條件有限，很多項目根本走不動，更別說學生同時需要進行多個實驗;有的學校教師最初就害怕這些軟件的系統安裝操作步驟繁瑣、配置時的環境復雜苛刻，幾十臺進入實驗室的機器因一個簡單的安裝步驟都可能搞錯，那就得從頭再來。

校企合作培養人工智能人才方面，高校均可采用不同的“開放”形式。比如，大學與高職共同合作辦學，強調領域內多學科、跨行業的合作;將企業應用場景和數據分析作為平臺，開放豐富校園教育學習資源，把人工智能、云計算、區塊鏈、 iot 等信息技術應用場景帶到高校教學和學習模塊中。通過學術和科研實力緊密地結合在一起，加深對前沿領域的探索，推進校園學術及研究。

3.AI人才培養模式的布局

在校企合作培養人工智能人才的布局上，可以嘗試校校共同成立實驗室，并通過開設的課程內容、實驗教學中的培訓、職前培訓、認證考核體系、競賽賽事等方式來拓展自己的人才培養。目前，已有多所高校通過自媒體平臺開設了人工智能課程，共建AI 教育制度。對于中國AI技術和人才培養梯隊的構筑，也是大有助益。

首先，在AI技術的培養和校企合作落實上，除了現有的專業師資隊伍培訓、項目共建、課程發布以及大型學生賽事等多個維度的產學結合生態;職校還應該沿著高校和產業的痛點進行實質性突破。僅針對職業院校師資的缺口這一突出問題，還需深度加強學習型師資培訓班，在內容學術交流涵蓋上擴大內容、合理構建課程、實驗實訓的建設及平臺應用等教學環節。

其次，深度學習作為新的學習技術，是未來實現機器人智能的主要技術依據。我國職業院校深度學習教育的現狀是——開課相對較少，缺乏實踐場景。教師應該結合自身創新研發paddlepaddle課程框架，通過學習paddlepaddle的基礎入門及卷積神經網絡、圖像信號處理等課程，輔以大量實踐訓練，確保老師自身掌握深度學習來解決問題的思路和方法。

再次，AI職業教育就是校企深度合作的轉型升級。新的市場形勢、新的產業變化，企業與高校的人才疊加和產業聚變，已經成為大勢所趨，從而可以看出，校企合作已經從技術共研轉向到更加注重科技創新和產業發展的深度融合。相較于過往，這種關系的升級主要體現在兩點。其一，校企一致的步調，改變了長期以來高等院校人才培養滯后，行業和市場需求緊缺的現狀。其二，企業技術賦能在高校研究中起到推動作用，助力產學研融合落到實處。

最后，舉例而言，在專業課程的設置上，高校培養人員方面還是應該更加注重以產業發展為主導驅動，將對于產業和人才的需求由聯合型企業培養轉化到專業性的設置，將企業的職業標準培養轉化到專業性的課程內容，將對于企業的生產研究開發過程經由現有的實訓課程直接轉化到專業性的教學中。簡單來講，其實也就是培養以人工智能應用型企業為主體導向的AI技術型人才，與之對手的，高校也正在努力迎合企業的技術型人才培養的需求，與多家人工智能企業共同合作，建立“模擬企業”。基于校企合作，通過企業資金的投入，從而誕生的一種智能化設備，就一定會徹底改變每一家企業的制造線，技術成果和流量轉化的落地和應用，徹底把“人工智能”的“產學研”無縫銜接。

4.總結

目前契合現實需求的是企業再以培養應用型人才為核心，但從宏觀角度來看，各大公司與院校合作在AI教育方面的布局，已不再停留于單純的人才儲備，而是轉為協助高校構建起完備的AI教育體系，并推動這一領域的前沿探索后繼有人。AI人才培養功在當代、利在千秋，企業和高校不僅共同負擔起這份責任，也將受益于這場技術革命。盡管這一路將風雨兼程，但可以預見的是，隨著企業巨頭深度布局校企合作，正在讓中國的AI人才培養模式不斷進化，也讓中國的AI未來可期。

參考文獻：

[1]李進，劉青.教育現代化背景下高職教師關鍵能力培養路徑探索[J].當代職業教育，2020（03）：92-99.

[2]牟春龍.職業院校教師執教能力多維度立體化培養模式研究[J].數碼世界，2019（10）：182.

[3]朱冠華，王浩.高職教師課程開發能力及培養策略研究[J].職業技術教育，2019，40（29）：58-62.

[4]曾紀剛.高職教師信息化教學能力培養方式分析[J].中國新通信，2019，21（17）：214.

[5]李曉東.基于崗位能力視角的高職“雙師型”教師認定標準及培養路徑研究[J].現代教育管理，2019（08）：76-81.

本文系課題：“人工智能”時代下的高職教師職業技能構建策略與方法研究（課題編號：CY2020ZQ04）的研究成果。