1、极客邦科技双数研究院研究机构数字人才学习平台 极客时间企业级数字化组织及能力提升学习平台 极客时间企业版唯一指定中国信通院泰尔终端实验室数字生态发展部主任王景尧博士 广东省 CIO 联盟会长、前雪松 CIO、前平安 CSO 李洋东风汽车集团人事共享服务中心高级经理 罗江波Mapua University 电子工程专业人工智能方向博士 李晓华华润数科人工智能实验室主任、博士、正高级工程师 王伟北京银行软件开发中心总经理 马晓煦宜创科技创始人、TGO 鲲鹏会会员 宜博极客邦科技双数研究院院长 霍太稳顾问专家责任出品：霍太稳责任监制：汪丹 赵钰莹责任主编：鲁冬雪责任采编、校对：张晓迪、杨昀青、赵磊、

2、吴振江设计总筹、封面设计：梁金双排版设计：向璐瑶内容生产联合发布单位工业和信息化重点领域产业人才基地联合建设机构铸基计划高质量数字化转型推动行动联合指导单位合作单位数字技术媒体社区 InfoQ 极客传媒科技领袖同侪学习社区 TGO 鲲鹏会东风汽车集团人事共享服务中心培训杂志注：以上组织及个人排名不分先后自 2023 年上半年起，ChatGPT 等大模型技术蓬勃发展，AI 技术不断突破边界，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 技术显著缩小了科学与实际应用之间的鸿沟，展现出了无限的应用可能性，在图像分类、语音识别、知识问答、人机对弈、无人驾驶等

3、众多领域实现了重大技术突破。为了让更多企业能够快速实现 AI 的全面化应用并成功完成 AI 人才布局，极客邦科技深入调研了大量企业 AI 应用现状，结合政策导向和行业变革的时代背景，全面分析了企业对于 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，我们提出了“数智时代的 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。该模型明确了数智时代下 AI 人才的核心能力要求和岗位设置。本册白皮书将从政策+行业变革等时代背景、企业需求、AI 价值、AI 人才模型及人才培养五个方面对“数智时代的 AI 人才粮仓模型”进行深度解读，为企业提供一个清晰、可操作的 AI

4、 人才布局指南，帮助企业快速构建起适应数字化时代需求的 AI 人才梯队，在激烈的市场竞争中占据先机。序言AI 加速产业与技术升级，企业正式步入数智时代企业在数智时代面临的 AI 挑战及需求分析0102（一）中国传统产业逐步迈向全面智能化（二）行业大模型构建需求喷发：超 63%企业正在构建企业内大模型（三）AI 影响下的技术演进（四）小结：AI 时代全面来临，企业需构筑核心竞争力（一）“AI 思维”成为企业 AI 战略制定、实施的阻碍（二）传统业务应用场景匮乏：不会找、找不到（三）算力成为限制 AIGC 发展的最大问题（四）AI 人才阈值范围扩大，数量愈加紧缺7920CON

5、TENTS目录序言企业全面 AI 化的价值03（一）AI 赋能千行百业，加速产业智能化升级（二）培育 AI 能力是实现企业业技融合的关键（三）AI 基础设施建设是支撑产业发展的基石（四）小结：企业全面 AI 化，打造 AI 人才梯队23262728企业全面 AI 化与 AI 人才粮仓模型介绍AI 人才培养体系建设策略企业 AIGC 应用及人才培养案例040506（一）全球 AI 人才数量、结构现状解读（二）数智时代下的 AI 人才粮仓模型（一）企业 AI 应用文化的整体性构建与全员能力赋能（二）数智化时代下企业 AI 人才招聘、评价、能力培养的创新策略（一）企业 AIGC 应用案例（二）企业

6、AIGC 人才培养案例3032465662653168数据引用源专家寄语-6-AI 加速产业与技术升级，企业正式步入数智时代THE AGE OF DIGITAL INTELLIGENCE第一章-7-AI 人才粮仓模型解读白皮书（一）中国传统产业逐步迈向全面智能化政策支持，完善中国人工智能发展生态（1）人工智能+：2024 国务院政府工作报告AI+（2）数据要素：“数据要素”三年行动计划 20242026 年）DataElements12024 年 3 月，中华人民共和国全国人民代表大会和中国人民政治协商会议全国委员会上，“人工智能+”、“新质生产力”被首次写入2024 国务院政府工作报告（以下

7、简称报告）。报告指出，深入推进数字经济创新发展。制定支持数字经济高质量发展政策，积极推进数字产业化、产业数字化，促进数字技术和实体经济深度融合。深化大数据、人工智能等研发应用，开展“人工智能+”行动，打造具有国际竞争力的数字产业集群。实施制造业数字化转型行动，加快工业互联网规模化应用，推进服务业数字化，建设智慧城市、数字乡村。深入开展中小企业数字化赋能专项行动。支持平台企业在促进创新、增加就业、国际竞争中大显身手。健全数据基础制度，大力推动数据开发开放和流通使用。适度超前建设数字基础设施，加快形成全国一体化算力体系，培育算力产业生态。我们要以广泛深刻的数字变革，赋能经济发展、丰富人民生活、提升

8、社会治理现代化水平。人工智能+正在为各行各业带来全新赋能，为企业与个人的发展带来新机遇。先进的生产力与行业结合，为各行业提高效率，也会为 AI 产业发展创造一个巨大的市场空间。2024 年 1 月，国家数据局宣布推出 “数据要素”三年行动计划（20242026 年）（以下-8-AI 人才粮仓模型解读白皮书（3）新质生产力：2024 国务院政府工作报告New Quality Productive Forces2024 国务院政府工作报告 明确提到，大力推进现代化产业体系建设，加快发展新质生产力。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，提高全要素生产率，不断塑造发展新动能

9、新优势，促进社会生产力实现新的跃升。加快培育新质生产力要打造新型劳动者队伍，包括能够创造新质生产力的战略人才和能够熟练掌握新质生产资料的应用型人才。对于企业来说，培养既具有科技创新能力又能熟练应用 AI 新技术的人才，在当下显得尤为重要。企业需要重视 AI 人才的培养和引进，将其作为提升自身竞争力和适应未来市场需求的重要战略。通过加大投入、优化机制、搭建平台等多种方式，吸引和培育更多具备创新能力和实践经验的 AI 人才，将有助于企业在新质生产力的发展中抢占先机，实现可持续发展。简称行动计划）。这项新行动以推动数据要素高水平应用为主线，促进多场景应用，先行聚焦工业制造、现代农业、商贸流通等 12

10、 个领域，推动行业中发挥数据要素的乘数效应，释放数据要素价值，实现经济规模和效率的倍增。行动计划指出，到 2026 年底，数据要素应用广度和深度大幅拓展，在经济发展领域数据要素乘数效应得到显现，打造 300 个以上示范性强、显示度高、带动性广的典型应用场景，涌现出一批成效明显的数据要素应用示范地区，培育一批创新能力强、成长性好的数据商和第三方专业服务机构，形成相对完善的数据产业生态，数据产品和服务质量效益明显提升，数据产业年均增速超过 20%，场内交易与场外交易协调发展，数据交易规模倍增，推动数据要素价值创造的新业态成为经济增长新动力，数据赋能经济提质增效作用更加凸显，成为高质量发展的重要驱动

11、力量。该行动计划有效推动了不同领域数据要素的融合利用，促进经济增长、提升企业创新、提高服务水平、强化风险防控，通过数字化技术提升产品创新能力，实现企业更高效的生产流程。同时，数据作为 AI 技术发展的核心因素，在本政策背景下，AI 与产业的深度融合将被极速推动。-9-AI 人才粮仓模型解读白皮书中国 AI 产业集群发展呈现多元化，“北上广深”优势明显2当前，国家把 AI 视为战略性新兴产业和新增长引擎，各地政府也正在积极推动 AI 创新体系建设，加快基础理论研究和重大技术攻关，促进 AI 与市场经济联系，普及场景应用，加速培育市场，鼓励开放合作。中国 AI 产业集群主要集中在在京津冀、长江三角

12、洲、珠江三角洲和川渝地区的主要城市。西部地区的西安市，中部地区的武汉市和长沙市，以及东北地区的沈阳市、大连市和哈尔滨市，通过引入外部资源和挖掘内部资源，正逐渐形成 AI 产业集群的雏形。这些地区的发展潜力逐步显现，为 AI 领域的创新和协同发展提供了有力支持。北京的 AI 产业凭借企业数量、质量及产业规模和技术实力领跑全国，重点聚焦在机器人、无人机等智能终端产品及智慧医疗、智慧教育、智能家居、自动驾驶等垂直应用领域。同时北京雄厚的大数据和云计算实力，也为 AI 基础设施的发展提供了基本能动力。上海的 AI 产业已经成为该城市的三大先导产业之一。产业链大体上覆盖了 AI 产业链的所有领域，多集中

13、于应用层。产业以智能机器人、智能硬件、自动驾驶为重点，部分企业已拥有国内先进的计算机视觉、AI 芯片制造等技术。广州和深圳是广东省内 AI 产业的集聚中心。广州已经形成了天河智慧城、广州软件谷、中国人工智能(广州)产业园等多个 AI 产业聚集区，其中，注册资本 1 亿元以上的大型 AI 企业集中分布在天河、黄浦两区。深圳则在罗湖、盐田等地建设了多个 AI 产业基地，形成了“总部基地研发孵化高端制造”的“一轴两廊多节点”的空间格局。-10-AI 人才粮仓模型解读白皮书（二）行业大模型构建需求喷发：超 63%企业正在构建企业内大模型当前，AI 技术正在向各个领域渗透，加速产业深度融合，AI 已在各

14、行各业崭露头角。在众多产业的推动下，2024 年成为大模型应用场景元年。当前，模型层产品百花齐放，并逐渐开始产品探索。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，推动其在多个场景中的应用、垂直化发展和产业化落地。极客邦双数研究院、InfoQ 研究中心发布的AIGC 行业应用及人才发展洞察（以下简称AI 人才洞察）显示，采买或调用商业大模型和基于开源构建专属大模型的企业比例基本一致，其中万人规模企业往往业务场景较为复杂，更偏好基于开源构建自己的专属大模型。同时，由于 AI 落地应用存在不少难点，即使是作为数字化转型重点行业，约 40%的制造业企业内部仍然没有

15、基于大模型做任何开发工作；约 20%的企业没有基于大模型做任何研发工作，其中千人以下规模企业比例较高；而由于成本高、落地难、数据隐私存在安全隐患、人才资源少等因素，中小企业在应用方面尚处于观望期。图源：InfoQ 研究中心-AIGC 行业应用及人才发展洞察-11-AI 人才粮仓模型解读白皮书图/数据源：InfoQ 2023 年 12 月发起的中国生成式 AI 开发者画像调研企业大模型能力构建-12-AI 人才粮仓模型解读白皮书（三）AI 影响下的技术演进数据处理能力提升，安全合规成为新课题1业务需求不断发展，数据技术也在不断演进。早期的 DT1.0 时代，数据技术主要支撑业务贯通，通过文件系统

16、、数据库等技术实现数据共享和流通。进入 DT2.0 时代，数据技术开始推动数智决策，以数据仓库、数据湖等为代表的技术支撑数据分析、治理，实现业务智慧化、智能化。而到了 DT3.0 时代，数据技术不仅在企业内部流转，还通过可信流通对外赋能，全场景智能、跨领域协同、数据跨域安全管控成为新阶段的发展目标，推动数据要素价值不断向更多应用场景拓展。与此同时，以 AI、云计算、区块链及图技术等为代表的新兴技术持续护航数据要素安全流通。大型语言模型的发展对数据存储和处理也提出了更为严苛的要求，它不仅需要处理海量的多态数据以完成训练，还需要面向海量的终端进行数据应用。这个过程中，AI 与数据处理技术相结合降低

17、技术的使用门槛，2023 年 AIGC 技术的跨越式突破发展，有效扩展了数据基础设施与 AI 融合的发展空间。技术飞速发展，但不得不重视的是，随着企业的生产组织模式逐渐发生转变，企业的数据资产已经突破本地数据中心，越来越多地分布在混合云环境中不同的服务和信任边界上，导致企业数据逐渐暴露在数据盗取、泄露、篡改、敏感数据出境等安全风险下，数据安全合规问题成为企业的“心头病”，企业亟需更有效地做好数据治理，解决数据质量和数据安全问题，寻求保障企业数据安全合规的解决方案。-13-AI 人才粮仓模型解读白皮书算法演进迅速，大模型蓬勃发展2AI 场景应用带来巨大算力需求，企业 AI 基础设施亟需升级3为了

18、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。早期的机器学习算法，如线性回归和决策树，基于统计学原理处理数据，为 AI 技术的起步奠定了基础。随着技术的演进，AI 模型参数量不断突破，如 Transformer 结构和 MOE（Mixture of Experts）结构不断迭代创新，2023 年，AIGC 爆发式增长，大模型产品涌现，全领域产品累积。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 时代的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。但面对 CPU 性能的局限，传统服

19、务器已难以满足这种密集型计算的需求，对 AI 基础设施的要求提高。计算、存储、网络和数据服务等都需要经过精心的设计和重构，才能满足当下大型模型和生成式 AI 的严苛要求。AI 大模型规模的快速增长和结构复杂化，也让各行业对 AI 基础设图源：InfoQ 研究中心-AIGC 行业应用及人才发展洞察-14-AI 人才粮仓模型解读白皮书施运算能力的需求呈现出显性化激增的趋势。AI 人才洞察显示，43%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加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。从不同行

20、业来看，信息传输、软件和信息技术服务业，游戏、科学研究和技术服务业对云服务需求比例更高。此外，仍有约两成企业尚未建设 AI 基础设施。图/数据源：InfoQ 2023 年 12 月发起的中国生成式 AI 开发者画像调研企业 AI 算力类型-15-AI 人才粮仓模型解读白皮书（四）小结：AI 时代全面来临，企业需构筑 核心竞争力我国在政策环境和产业布局上均为 AI 的蓬勃发展奠定了坚实基础。在政策层面，政府将“人工智能+”写入2024 国务院政府工作报告，标志着我国已迈入 AI 智能化高质量发展的新时代。而在产业布局层面，珠三角、长三角和京津冀三大 AI 核心集群的形成，进一步推动了 AI 技术

21、的广泛应用和持续创新。各产业领域在自身业务驱动下，完成 AI 产业创新，AIGC 更是展现出了巨大的产业应用潜力。当下，企业应坚定推行“全面 AI 化”战略，将 AI 技术与业务场景紧密结合，重视 AI 人才的培养和引进，以实现产业创新和业务增长。-16-AI 人才粮仓模型解读白皮书企业在数智时代面临的 AI 挑战及需求分析CHALLENGE AND REQUIREMENT第二章在这个随时可能发生颠覆性变革的数智时代，企业面临着前所未有的挑战战略不清晰、业务目标不明确、技术文化氛围保守、人才技能短缺等一系列问题，限制了 AI 技术在企业中的深度应用和价值发挥。-17-AI 人才粮仓模型解读白皮

22、书（一）“AI 思维”成为企业 AI 战略制定、实施 的阻碍当前，尽管 AI 技术在推动企业创新和发展方面扮演着重要角色，商业变革也日益显著，但许多企业尚未制定出明确的 AI 战略或战略实施效果不佳。这些尚未启动 AI 战略制定的企业，往往对 AI 技术的认知停留在表面，未能深刻洞察其商业价值和对企业运营的深远影响，它们往往将 AI 视为高端科技的代名词，未能将其与自身日常运营紧密结合，在制定未来发展方向时，忽视了 AI 技术的深入研究和应用。此外，部分企业存在保守、抵触变革的文化氛围，部门间利益冲突和沟通障碍也阻碍了战略制定工作的顺利进行。对于已经制定了 AI 战略但内容不清晰的企业来说，内

23、部因素和外部因素共同影响了战略的质量内部因素包括企业对自身业务目标和愿景的不明确以及缺乏专业人才和知识储备；外部因素则包括快速变化的技术环境和激烈的市场竞争。这些因素直接导致了企业在制定 AI 战略时难以将技术与业务紧密结合，使得战略内容模糊。关于企业 AI 战略的制定，多位在传统企业主导数字化转型的专家表示，“企业需要不断跟进新的技术趋势，做到对市场竞争情况有充分的了解和分析，加深对 AI 技术的认知，充分利用资源，优化组织文化和内部协作，驱动企业全员拥有 AI 思维，以制定出一个适应市场需求的 AI 战略。”-18-AI 人才粮仓模型解读白皮书（二）传统业务应用场景匮乏：不会找、找不到在企

24、业数字化浪潮下，AI 技术已经成为推动企业创新和发展的重要引擎。然而，尽管 AI 技术的潜力被广泛认可，传统企业在寻找和应用 AI 技术的过程中却常常面临应用场景匮乏的难题。应用场景的匮乏不仅限制了 AI 技术在传统企业中的推广和应用，也阻碍了企业的创新和发展。传统企业往往拥有丰富的业务数据和经验积累，但这些资源和优势却未能被充分利用，无法令 AI 价值发挥出更多价值。企业出现 AI 应用场景匮乏的问题，主要有两个原因：企业“找不到”AI 应用场景大部分企业对 AI 技术认知不足，对业务需求与 AI 技术匹配度的把握不准确。这个过程中，企业或许看到了其他行业成功应用 AI 的案例，但却难以将这

25、些案例转化为适合自己企业的应用场景。这使企业在寻找 AI 应用场景的过程中无法找到真正的实践突破口。企业“不会找”AI 应用场景企业缺乏寻找和应用 AI 技术的能力和方法，许多企业虽然对 AI 技术有一定的了解，但却不知道如何将其与业务实际需求相结合，尝试了 AI 技术应用，但效果不佳；同时还缺乏借助外部力量共同探索和开发适合自身业务特点的 AI 应用场景的意识，譬如不能及时找到非常了解自身业务的 AI 技术团队对企业进行全方位的技术诊断和应用场景评估、不能及时找到专业的培训团队对企业员工进行 AI 思维、AI 技术的培训等。-19-AI 人才粮仓模型解读白皮书（三）算力成为限制 AIGC 发

26、展的最大问题AIGC 在企业内的应用日益广泛，然而在研发和应用 AIGC 的过程中，企业普遍面临着算力挑战。AIGC 大模型以其海量的参数和复杂的网络结构，在训练和推理过程中需要消耗巨大的计算资源，这些模型往往需要利用大规模的语料库进行训练，以捕获数据的深层规律和特征。然而当前大多数企业的算力资源有限，难以满足大模型的需求，这不仅导致了训练时间的延长和成本的增加，还可能出现过拟合、泛化能力差等问题，从而影响模型的性能和效果。同时，由于算力资源的稀缺性，企业在租用或购买算力设备时需要支付高昂的费用，这直接增加了企业的运营成本，间接影响了企业的产品利润和市场竞争的空间。此外，在 AIGC 的研发过

27、程中，算法优化、模型压缩等技术对于降低算力需求有一定的效果，但目前许多企业的技术尚不完善，还是难以完全解决算力问题。而且随着模型规模的扩大和复杂度的增加，算力问题的解决难度也在逐渐增大。-20-AI 人才粮仓模型解读白皮书（四）AI 人才阈值范围扩大，数量愈加紧缺在这股 AI 浪潮中，AI 人才决定着企业是否能够完成“AI 全面化”落地。当下，AIGC 人才概念泛化，不只局限于 AI 技术的研发者，人才阈值范围扩大为“具备 AI 基础知识、场景应用技能和经验，能够从事包括“AIGC 工具使用”在内的 AI 技术研发、应用、推广、创新和业务赋能工作的人才。”AI 人才对于推动技术创新具有关键作用

28、，其具备深厚的理论功底和实践经验，能够不断探索和研发新的 AI 技术和应用，其创新成果不仅可以推动 AI 技术的不断发展，也为各行各业提供了更高效、更智能的解决方案，在业务应用层更是能够快速帮助企业缩短业务执行路径，大大提高业务效率，实现降本增效。2023 下半年起，企业对于 AIGC 应用的关注度逐渐提升，所有企业都想乘上 AI 的快船，然而这时候企业才发现难以找到撑桨人。随着 AI 技术的快速发展和广泛应用，各行各业对 图源：InfoQ 研究中心-AIGC 行业应用及人才发展洞察专业开发者应用开发者全民开发者应用开发能力边界逐渐拓展编程和应用开发门槛逐渐降低-21-AI 人才粮仓模型解读白

29、皮书AI 人才的需求都在急剧增长，但由于 AI 领域涉及的知识体系广泛且深奥，培养合格的 AI 人才需要较长的时间和较高的成本，导致市场上 AI 人才供不应求，这种现状使得 AI 人才成为企业竞相争夺的稀缺资源，加剧了 AI 人才市场的竞争。企业对于 AI 人才定义的模糊，造成了企业 AI 人才布局的被动局面，回溯根本，其实还是 AI 全面化战略问题，只有想清楚业务与 AI 技术的融合和应用路线，才能“按图索骥”，找到合适的人才，快速推动业务的迭代。-22-AI 人才粮仓模型解读白皮书企业全面 AI 化的价值ALL IN AI第三章-23-AI 人才粮仓模型解读白皮书（一）AI 赋能千行百业，

30、加速产业智能化升级AI 人才洞察显示，由于拥有海量数据和丰富的应用场景，金融成为 AIGC 技术落地的重要领域，但仍存在算力、数据治理等诸多成本和监管问题。数据分析是开发者最为关注的技术应用，大型金融机构、国有金融机构已开始积极探索 AIGC 应用和与科技企业的跨界合作，小型机构普遍处于观望阶段。金融：成为 AIGC 技术落地的重要领域1图/数据源：InfoQ 2023 年 12 月发起的中国生成式 AI 开发者画像调研在金融领域最关注的生成式 Al 技术应用-24-AI 人才粮仓模型解读白皮书在智能客户服务方面，尽管面临输出不稳定和精准度不足的挑战，但大模型已能够驱动聊天机器人提供 7*24

31、 小时客户咨询服务，并引导客户进行下一步操作，行业解决方案包括使用更多金融语料进行模型 Fine_Tune 或构建专业知识库来弥补不足；在智能员工效能提升方面，AI 在企业内部知识问答、研发代码助手、培训音视频智能问答、线上会议智能会议纪要等方面得到广泛应用，显著提升了工作效率；在合规审查方面，金融机构希望进一步提升合规审查的智能化程度，利用 AI 理解和分析法律和监管文件，确保操作和产品符合法规要求。从全球视角来看，国外投行在大模型应用方面发力较多，从解读研报到分析市场或自营资产组合，展现出较高的应用价值。同时，AI 大模型在 NL2SQL(NLPNatural Language To SQ

32、L)等创新性应用方面展现出较大潜力，尽管面临金融机构数据复杂性和专业知识的理解挑战，但其在提升数据查询和分析效率方面具有巨大潜力。根据AI 人才洞察显示，工业互联网正加速发展，但制造业的数字化供需匹配水平仍整体低于服务业，特别是在生产环节，适用于制造业的数字化产品供不应求。具体来说，在生产环节，AI 技术结合大数据分析和机器学习，通过海量数据训练来优化生产流程，并辅助生产人员提升工作效率。同时，AI 还能监控设备的运行状态，及时发现故障和生产中断，确保生产过程的稳定性和连续性。在质量管理方面，AI 通过分析质量数据，能够识别差错并溯源问题，为提升产品质量提供有力支持。在汽车领域，开发者关注的技

33、术应用可归类为驾驶安全和互动体验两方面。针对驾驶安全，开发者期待搭配数字孪生技术进行仿真测试。制造：数字化产品供不应求，汽车行业聚焦于驾驶、互动2-25-AI 人才粮仓模型解读白皮书图/数据源：InfoQ 2023 年 12 月发起的中国生成式 AI 开发者画像调研面对全球能源需求和环保压力，AI 技术能够显著提高能源利用效率，并帮助解决能源行业的可持续发展挑战。通过能源预测与规划、智能电网建设、故障预测与维护以及能源市场和政策制定等方面的应用，AI 技术为能源行业的可持续发展提供了有力支持。通过能源预测与调度，AI 能够精准预测可再生能源的产量和波动，制定更加精准的能源调度和储备计划。在能源

34、管理与优化方面，AI 实现了对能源消耗的监测、调控和优化，提高了能源利用效率。同时，AI 技术在能源交易市场的应用促进了市场的灵活性和透明度，有助于推动能源结构的优化和转型。在具体应用实例中，AI 技术通过实时监测和数据分析，提高了设备可靠性，实现了智慧维修作业，并推动了作业流程的数字化。在新能源生产优化方面，AI 能够精确预测风速、光照强度等参数，指导新能源的高效运营，并解决可再生能源出力不稳定的问题。能源：AI 正在深刻推动行业的智能化、高效化发展3-26-AI 人才粮仓模型解读白皮书目前，在引入 AI 技术后，运营商的客户服务方式发生了显著变化。传统的 IVR 和人工服务逐渐被智能机器人

35、所替代，通过智能机器人与用户进行交互，实现在线解答问题，极大地节省了人工成本、提高了服务效率。常见的 AI 应用场景包括热线人机交互、网页及 App 在线人机交互、话务员智能助手及运营管理人员的智能话务和工单质检等。运营商：客户服务效率显著提升4（二）培育 AI 能力是实现企业业技融合的关键为了应对数智化时代的挑战，企业纷纷寻求业务与技术的深度融合，即业技融合。业技融合旨在打破传统业务与技术之间的隔阂，实现两者之间的紧密协作和相互促进，以推动企业的创新与发展。业技融合的核心在于将先进的技术手段应用于企业的日常运营和管理中，以提升企业的效率和竞争力。通过引入自动化、智能化等技术手段，企业能够优化

36、业务流程，提高生产效率，降低成本，同时更好地满足客户需求，提升客户满意度。此外，业技融合还能帮助企业挖掘新的商业机会，开拓新的市场领域，实现业务的多元化和差异化。实现业技融合，企业需要具备强大的技术实力和创新能力，以应对不断变化的市场环境和客户需求，而在这个过程中，培育 AI 能力显得尤为重要。AI 技术作为当前最为前沿和最具潜力的技术之一，能够为企业的业技融合提供强大的支持。企业通过持续的 AI 技术研发和应用探索，可以发掘新的商业模式和增长点，实现业务的多元化和差异化。-27-AI 人才粮仓模型解读白皮书（三）AI 基础设施建设是支撑产业发展的基石AI 基础设施作为支撑 AI 应用的软硬件

37、系统，涵盖了数据存储和处理平台、算法开发工具、模型训练和推理系统及监控管理软件等关键组件。它的高效与可扩展性直接决定了 AI 应用的开发、部署和管理的效率。在构建和优化 AI 基础设施的过程中，需要深入理解业务需求，明确数据规模、算法复杂度和推理速度等关键指标。基于这些需求，设计一个既高效又可扩展的 AI 基础设施架构，确保从数据存储和处理到模型训练和推理的每一环节都能得到充分的优化。接着，我们将按照这个架构来配置和实施相应的软硬件系统，包括数据库、机器学习库、深度学习框架等关键组件的安装和调试。在实施完成后，企业还需要进行一系列的测试和验证工作，以确保整个基础设施的性能和稳定性达到预期。然而

38、，AI 基础设施的建设并非一蹴而就。业务需求的变化和技术的演进，企业需要持续地对其进行监控和管理，及时发现并解决潜在的问题。这可能涉及到硬件和软件的定期更新、算法和模型的优化调整、数据处理效率的提升等多个方面。通过这些持续的努力，确保 AI 基础设施始终保持在最佳状态，为 AI 应用的广泛应用和发展提供强有力的支持。-28-AI 人才粮仓模型解读白皮书（四）小结：企业全面 AI 化，打造 AI 人才梯队培育 AI 能力是实现企业业技融合的关键所在，而企业全面 AI 化已成为新时代发展的重要趋势。只有具备强大的 AI 能力，企业才能更好地应对市场挑战，抓住发展机遇，实现业务的持续创新和快速发展。

39、打造 AI 人才梯队则是实现这一目标的关键举措，企业不仅需要积极引进和培养具备 AI 技能的专业人才，还要在内部建立完善的 AI 人才成长机制，形成多层次、多领域的 AI 人才梯队，及时填补人才缺口，培养和储备具备高度专业素养和实践经验的 AI 人才，以满足企业在不同业务领域和应用场景中的需求。通过这样的人才战略，企业能够更好地应对市场变化和技术挑战，持续推动企业的创新与发展，实现全面 AI 化的目标。-29-AI 人才粮仓模型解读白皮书企业全面 AI 化与 AI 人才粮仓模型介绍AI TALENT MODEL第四章-30-AI 人才粮仓模型解读白皮书（一）全球 AI 人才数量、结构现状解读A

40、I 人才是市场竞争的核心竞争力，AI 人才的数量、结构和培养体系，不仅关系到科技创新的速度，更决定了未来产业发展的高度。随着 AI 的发展，AIGC 开发者人才版图形成，整体呈沙漏分布，AI 人才洞察显示，应用层人才占比最大，核心是场景理解力；大模型层核心人才吸引力强，开发者聚集化倾向明显；基础设施层壁垒仍然高位，人才培养难度大。AI 开发者层级分布呈“沙漏”状，大模型层短期聚能效应明显1数据来源：InfoQ，2023 年 11-12 月，AI 应用开发者调研，N=1217基础设施层，11.99%大模型层，10.86%应用层，77.15%AI 开发者人才层级分布-31-AI 人才粮仓模型解读白

41、皮书在 AI 人才结构方面，AI 领域的从业者普遍拥有本科及以上学历，硕士和博士占比也相当可观，这表明 AI 领域对高学历、高素质人才的需求十分旺盛。高层次学术背景和专业训练已经成为从业者不可或缺的标配，这一现状不仅体现了 AI 行业的专业性和高端性，也为相关教育和培训机构指明了人才培养的方向。与前些年相比，AI 人才的需求已经实现了跨越式增长，但供应量却未能与之匹配，多项权威研究报告均指出了这一问题，中国 AI 人才缺口已达到数十万的规模且未来这一缺口还将急剧扩大，算法工程师、产品经理、视觉设计 NLP、图像算法成为最为紧缺的几类人才岗位。当前，AIGC 成为高薪标配的就业新高地。据 Inf

42、oQ 调研统计，2023 年生成式 AI 开发者人均年收入为 36.7 万，相关工作经验在 3 年以上开发者的年收入超越均值，近 4 成开发者年收入处于 20-40 万区间，远超 2023 年上半年北京招聘平均薪资（18976 元/月）。由于 AI 人才市场需求：缺口大、薪资高2数据来源：猎聘大数据注：【1】2023 人工智能人才洞察脉脉高聘人才智库 2023 年 11 月 3 日【1】2024 新春开工首周 AIGC 领域新发职位三级职能分布 TOP5-32-AI 人才粮仓模型解读白皮书AI 应用范围广、技术含量高、供需两旺等因素，互联网企业、科技企业、初创企业展现出强大的招聘势头，即使是工

43、作年限较短的开发者，薪资水平也超越北京平均招聘薪资水平。同时，不同行业和岗位对 AI 人才的需求也呈现出差异化特点。金融、零售、电商等行业都在积极布局 AI 领域，争取人才资源，而制造业、金融行业等则需要更多具备跨界融合能力的复合型人才，以推动产业智能化升级。数据来源：InfoQ 2023 年 12 月发起的中国生成式 AI 开发者画像调研（二）数智时代下的“AI 人才粮仓模型”AI 人才结构复杂，需求多样，如何有效地理解、分类和规划 AI 人才，成为当前企业亟待解决的问题。于是极客邦科技深度分析目前企业中不同 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”，该人才模

44、型根据分层人才数量，呈现“粮仓”状，向企业传达出了“AI 人才如同粮食般不可或缺”的信号，而不同企业“层层积累和储备的人才”为 AI 领域的发展也提供了源源不断的发展动力。2023 年生成式 Al 开发者薪资水平-33-AI 人才粮仓模型解读白皮书云计算、大数据、区块链、物联网、AR/VR、超级自动化、元宇宙、工业互联网、数字孪生、5G、AI 原生等技术盘点矩阵作为该模型底座，是 AI 技术、AIGC 场景应用蓬勃发展的基本盘，为 AI 人才培养提供了肥沃的土壤。其中“AI 原生”不仅是 AI 技术发展的新方向，也是推动 AI 广泛应用和落地的重要途径。该模型从底层到顶层依次为 AI 技术专项

45、人才、AI 技术+业务复合型人才、AI 应用人才和 AI 思维管理者，以下为每层深度解读：-34-AI 人才粮仓模型解读白皮书具备 AI 思维的高层领导可以更好地通过 AI 技术的帮助，为企业制定更加精准和有效的战略，提升企业在各个方面的效率。一个合格的具备 AI 思维的管理者，其应该具备的能力要求至少包含以下几个方面：AI 思维管理者是企业 AI 实践的领导者，具备战略眼光，始终保持前瞻性，带领企业 AI 发展方向，是推动技术变革的领导者。他们的核心职能不仅局限于日常的运营管理，更包括制定战略、调配资源、决策风险、推动创新、建设团队以及塑造品牌等多个方面。每一项职能都要求他们具备前瞻性的视野

46、和深厚的 AI 素养，以确保企业在激烈的竞争中立于不败之地：第一层领航核心：AI 思维管理者 战略规划与制定：深入洞察市场趋势，结合 AI 技术的发展潜力，为企业制定具有前瞻性的战略规划。这不仅涉及确定企业的长远目标，还包括明确实现这些目标的路径和策略。资源优化与配置：在 AI 的助力下，AI 思维管理者需要具备更有效地调配企业资源的能力，包括人力、物力和财力，确保资源在关键领域得到最优利用。决策与风险管理：利用 AI 工具进行数据分析，为企业的重大决策提供科学依据，并制定相应的风险应对策略，保障企业的稳定发展。引领创新与变革：敏锐地捕捉新技术和市场机遇，推动企业进行组织变革和业务创新，以适应

47、不断变化的市场环境。团队建设与激励：致力于打造高效、协作的团队，通过激励机制和培训计划，激发员工的潜能和创造力。品牌与文化塑造：注重企业品牌的建设和文化的传播，通过塑造积极的企业形象，提升企业在市场中的竞争力。-35-AI 人才粮仓模型解读白皮书 战略洞察力：深刻理解 AI 技术的发展趋势和应用潜力，能够洞察 AI 技术如何重塑行业生态和商业模式。具备这种战略洞察力的管理者能够为企业制定长远且富有前瞻性的 AI 战略。数据驱动决策能力：利用 AI 工具分析大量数据，从数据中提取有价值的信息，并以此为依据制定决策。他们需要培养数据驱动的思维模式，确保决策的科学性和准确性。创新思维与实验精神：具备

48、创新思维，勇于尝试新的技术和方法，同时保持实验精神，不断试错和优化，以找到最适合企业的 AI 应用方案。团队协作与领导力：良好的团队协作和领导能力，能够协调各方资源，确保项目的顺利进行。他们需要激发团队成员的积极性和创造力，共同推动 AI 项目的成功实施。技术理解与应用能力：对 AI 技术的基本原理和应用场景应有一定了解，能够与技术团队沟通顺畅，理解技术需求，评估技术风险，并为企业选择合适的 AI 解决方案。风险管理与应对能力：具备风险意识，能够识别和评估 AI 项目可能带来的风险，并制定相应的风险应对策略，确保项目的稳健推进。持续学习与适应能力：持续学习，不断跟踪 AI 技术的最新发展，更新

49、自己的知识和技能，以应对不断变化的市场和技术环境。-36-AI 人才粮仓模型解读白皮书 举办 AI 趋势讲座与研讨会：邀请专家分享 AI 技术的最新发展和应用案例，拓宽管理者的视野。组织 AI 战略规划工作坊：通过实践性的工作坊，引导 AI 思维管理者思考如何将 AI 融入企业战略。提供 AI 应用场景体验：亲身感受 AI 技术的实际应用，增强 AI 思维管理者对 AI 技术的兴趣和认知。开展 AI 决策与风险管理培训：提升 AI 思维管理者利用 AI 辅助决策和管理风险的能力。面对 AI 技术的快速发展和广泛应用，企业如何培养一批既懂业务又懂 AI 的管理者成为当务之急。本白皮书在此提出一系

50、列针对性的培养建议，旨在帮助企业管理者提升 AI 素养和能力水平，更好地应对 AI 时代的挑战与机遇：AI 思维管理人才能力重点-37-AI 人才粮仓模型解读白皮书 鼓励参与 AI 创新实践项目：通过实际项目锻炼 AI 思维管理者的创新变革领导力。构建 AI 创新生态圈：与外部创新企业和研究机构合作，为 AI 思维管理者提供更多的创新资源和合作机会。AI 思维管理者是企业适应新时代发展的关键。通过系统的培养和实践，他们能够更好地将 AI 技术与企业战略相结合，带领企业在竞争激烈的市场中脱颖而出。这不仅需要企业高层的重视和投入，也需要整个组织的协作和支持，共同推动 AI 思维在企业中的普及和应用

51、。AI 应用人才是企业中精通 AI 技术场景化应用，实现业务价值升级的实践者。这部分人群在自身的工作层面有着丰富的经验和执行力，但对于 AIGC 的了解程度因岗位、背景和工作经验的不同而有所差异。这类人才的共性能力画像包含以下几个层面：第二层业务骨干：AI 应用人才 沟通与协作：具备良好的沟通技巧，能够清晰、准确地表达自己的观点和需求；同时，他们还应具备团队合作精神，能够与同事共同协作，完成工作任务。解决问题：面对工作中出现的问题和挑战，能够分析问题和解决问题。独立思考，运用所学知识和经验，提出有效的解决方案，并付诸实践。学习与适应：能够主动学习新知识、新技能，不断提升自己的专业素养；同时，还

52、应能够迅速适应新的工作环境和任务要求。执行力与责任心：能够按照上级的指示和要求，按时、按质完成工作任务。同时，具备高度的责任心，对自己的工作负责，对企业的发展负责。创新思维与意识：在当今快速变化的时代，创新思维对于岗位人才来说至关重要。他们应具备敏锐的洞察力和创新意识，能够发现工作中的新机遇和新挑战，提出创新性的想法和解决方案，推动企业不断发展和进步。-38-AI 人才粮仓模型解读白皮书虽然企业内部的部分人群对于 AIGC 的认知可能不是很强，但他们却是企业在 AIGC 应用上取得突破、创造更高价值的核心力量。归根结底，AI 仅仅是一个生产工具，真正的价值在于那些能够将想法转化为可落地方案、对

53、技术和业务都有深入了解的 AI 应用人才。他们不仅具备将想法转化为实际行动的能力，还能带领团队完成模型的搭建和投产后的持续运营，确保 AI 技术能够真正赋能业务，提升企业效率并创造更高的价值。对于这部分人群而言，提升在 AIGC 层面的能力目标有以下几个方面：提升工作效率：培训使员工能够利用 AIGC 技术解决工作中的实际问题，提升工作效率和质量。掌握前沿技术：能够掌握 AIGC 的基本概念和应用场景，更好地应对工作中的挑战。拓展应用领域：了解 AIGC 在不同领域的应用案例，将其应用于实际工作中，为企业创造更多商业机会。跟进最新发展：实时跟踪最新的 AIGC 技术和趋势，保持与时俱进，为企业

54、发展提供有力支持。AI 应用人才能力重点D-39-AI 人才粮仓模型解读白皮书为了培养 AI 应用人才在 AIGC 层面的能力，企业可以提供专门的培训课程，帮助员工掌握 AIGC 技术的基础知识和应用技能，并鼓励员工参与实际项目实践，通过实战经验提升他们的技术应用能力：AI 应用人才的培养是企业 AI 转型成功的关键。通过针对性的培养和发展，这些人才能够充分发挥潜力，利用 AIGC 技术为企业带来工作效率的提升、业务领域的拓展以及创新能力的提升。基础知识与概念普及：设计专门的入门课程，介绍 AIGC 的基本概念、原理和应用领域，帮助学员建立对 AIGC 的整体认知，同时提供学习资料和案例，让学

55、员通过自学和实践加深对 AIGC 技术的理解。技能提升与实践操作：组织技术工作坊和实验室活动，让学员亲手操作 AIGC 工具，进行实际项目实践，掌握相关技能。同时鼓励学员参与企业内部的 AIGC 项目，通过实际操作提升技术应用能力，必要时，通过工作坊等相关培训手段，带领其完成面向其工作的 AICG 相关攻关课题。跨领域合作与交流：安排跨部门或跨领域的交流会议，让学员了解不同部门对 AIGC 的需求和应用场景，促进合作与协作。鼓励学员与其他领域的专家进行交流和合作，共同探索 AIGC 技术在不同领域的应用潜力。持续学习与跟进：设立定期的培训计划，包括线上课程、研讨会等，让学员能够持续跟进 AIG

56、C 技术的最新发展和应用趋势。意识培养与激励：通过案例分享和成功故事，激发学员对 AIGC 技术的兴趣和热情，培养他们的创新意识和应用能力。-40-AI 人才粮仓模型解读白皮书AI 技术+业务融合型人才是企业内部的关键角色，指的是精通 AI 技术，融合技术与业务，推动 AI 赋能业务的赋能者。这类人才通常具备深厚的技术背景，对 AI 技术的前沿动态了如指掌，同时，他们还拥有敏锐的业务洞察力，能够迅速识别出 AI 技术在企业中的潜在应用点。他们的工作不仅仅是技术的实施，更多的是技术的策略性运用，以及与业务部门的紧密合作，共同为企业创造更大的价值：AI 技术+业务融合型人才的核心目标是实现 AI

57、技术与企业业务的无缝对接，为企业带来实实在在的价值提升。他们需要不断提升自己在技术整合、数据处理与分析、模型开发与优化、业务理解以及跨部门协作等方面的能力，更好地将 AI 技术融入企业的各个环节，实现技术的最大化和业务的优化：第三层中坚力量：AI 技术+业务复合型人才 技术专长深厚：扎实的计算机科学基础和 AIGC 技术知识，使他们能够高效地开发和应用 AIGC 模型。数据驱动思维：善于从海量数据中提取有价值的信息，为 AIGC 技术的应用提供数据支持。业务洞察敏锐：深入了解企业的业务流程和市场需求，能够准确识别 AIGC 技术的应用场景。创新能力强劲：勇于尝试新技术和方法，不断探索 AIGC

58、 技术的创新应用。团队协作能力突出：与团队成员和其他部门有效沟通，共同推动 AIGC 项目的成功实施。持续学习意识强烈：关注行业动态和技术趋势，不断提升自己的专业能力和技术水平。技术整合能力：将 AI 技术与企业现有系统有效整合，实现技术的顺畅应用。数据处理与分析能力：为 AI 模型提供高质量的数据支持，并进行效果评估和优化。模型开发与优化能力：根据企业需求开发高效、稳定的 AI 模型，并持续进行优化。-41-AI 人才粮仓模型解读白皮书 业务理解能力：深入了解企业业务模式和流程，找到 AI 技术的应用场景和价值点。跨部门协作能力：与多个部门有效沟通和协作，共同推动 AI 技术的应用和发展。A

59、I 技术业务 复合型人才能力重点针对 AI 技术+业务融合型人才的培养，企业可以加强技术基础与前沿知识的培养，提升业务理解与建模能力等方式，确保他们能够不断适应技术和业务的发展变化。具体培养方向如下：技术基础与前沿知识培养：深化 AIGC 核心技术学习，跟踪技术前沿动态。业务理解与建模能力培养：深入了解业务需求，学习业务建模方法，结合 AIGC 技术进行业务建模。创新能力与实验精神培养：激发创新思维，设立创新实验项目，分享创新经验。团队协作与沟通能力培养：加强团队协作意识，提升沟通技巧，建立良好的工作关系。-42-AI 人才粮仓模型解读白皮书 持续学习与自我提升意识培养：设立学习目标和计划，提

60、供学习资源，鼓励分享与交流。AI 技术+业务融合型人才是企业数字化转型升级的核心驱动力。在技术的不断革新和业务环境的日趋复杂的当下，这类人才的需求和培养将显得愈发重要。企业需要够打造出一支高素质的 AI 技术+业务融合型人才队伍，才能为企业的带来更高的效率和更大的价值。AI 技术专项人才是 AI 系统的稳固基石，他们在企业的角色是构建和维护 AI 技术平台的护航者，他们需要对 AI 底层技术具备非常深入的研究，包括精通编程语言、了解深度学习、熟练使用人工智能框架等，他们的工作虽然不直接在企业的产品和服务中显露，但他们为上层应用和服务提供了坚实的技术保障。对于 AI 技术专项人才来说，不断跟进并

61、掌握新一代信息技术，是推动技术演进、行业发展的关键。这类人才的共性画像体现在：AI 技术专项人才的核心目标是构建一个高效、稳定、安全的 AI 技术平台。他们需要具备深入的系统构建知识、出色的性能优化技巧、强大的问题解决能力以及卓越的团队协作和沟通能力。第四层发展基石：AI 技术专项人才 系统构建与维护：精通 AI 技术的架构设计、部署和维护，确保系统的稳定性和可扩展性。性能优化：持续监控系统性能，通过优化算法和资源配置，提升 AI 系统的处理效率和响应速度。问题解决能力：快速定位和解决系统故障，最小化对企业的业务影响。前瞻性思考：预测未来技术趋势，为企业的 AI 技术升级提供战略规划。团队协作

62、与沟通：与各个业务部门紧密合作，理解业务需求，提供技术支持和解决方案。-43-AI 人才粮仓模型解读白皮书这些能力的结合使他们能够应对各种技术挑战，确保企业的 AI 系统始终处于最佳状态。具体能力体现在：AI 技术开发能力：熟练掌握各种 AI 算法和模型，能够针对企业的具体需求进行定制化的 AI 技术开发，为企业的产品和服务注入智能化元素。AI 基础设施建设能力：具备构建和维护 AI 基础设施的全面能力，包括数据中心建设、计算资源调配、网络架构设计等，确保 AI 系统能够在稳定、高效的环境中运行。传统技术开发能力：除了 AI 技术外，他们还具备传统技术开发的扎实功底，如软件开发、数据库管理、系

63、统集成等，这些能力使他们能够更好地将 AI 技术与传统技术相结合，提升企业的整体技术实力。AI 技术专项人才能力重点-44-AI 人才粮仓模型解读白皮书针对 AI 技术专项人才的培养，企业可以提供系统的技术培训，建立奖励机制等方式，为人才的成长和发展创造有利条件。具体培养方向如下：企业合实际情况和发展需求制定培训计划，为企业打造一支高素质、具备核心竞争力的 AI 技术专项人才队伍。深化 AI 技术与基础设施融合理解：鼓励专项人才深入理解“AI 技术与基础设施之间的相互作用和影响”、掌握“如何在基础设施层面优化 AI 算法和模型的性能”专业知识。通过组织内部研讨会、分享会等形式，促进知识共享和经

64、验交流。强化实战能力与问题解决技巧：通过模拟实战场景和复杂问题挑战，锻炼专项人才在实际操作中快速定位、分析和解决问题的能力。同时，建立问题反馈和案例库机制，以便人才能够持续学习和提升。培养前瞻性思维与创新意识：鼓励专项人才关注行业最新动态和技术发展趋势，培养对新技术、新方法的敏锐洞察力和创新意识。通过参与外部学术交流、行业研讨会等活动，拓宽视野并激发创新思维。加强跨学科知识与团队协作能力：鉴于 AI 技术专项工作涉及多个学科领域，应着重培养人才的跨学科知识储备和团队协作能力。通过组织跨学科项目、团队建设活动等形式，促进人才之间的交流与合作，共同推动企业 AI 技术的不断完善和创新发展。-45-

65、AI 人才粮仓模型解读白皮书AI 人才培养体系建设策略CONSTRUCTION STRATEGY第五章-46-AI 人才粮仓模型解读白皮书（一）企业 AI 应用文化的整体性构建与全员 能力赋能在当今数字化时代，打造整体性的企业 AI 应用文化已成为企业智能化转型的核心要素。为了实现这一目标，企业要制定“AI IN ALL”的战略方针，从上到下完成“AI 应用知识与技能”对员工业务的赋能，务必确保从领导层到基层员工，每一位成员都能深入了解和掌握 AI 技术。企业主要需要做好三件事：首先，领导层需明确 AI 技术在企业战略中的核心地位，并确立一系列明确、具体、可量化的计划和目标。这不仅有助于企业内

66、部的统一认识，还能为后续的 AI 应用推广和技能培训提供明确的指导方向。其次，企业应积极推广 AI 应用知识，为全体员工提供全面的技能培训。通过内部培训、研讨会、在线课程等多种形式，员工可以系统学习 AI 技术的基本原理、应用场景及数据分析方法。同时还可以与高校和研究机构的深度合作，帮助企业快速实施引进先进 AI 技术和人才战略，快速提升企业业务竞争力。需要特别注意的是，在技能培训方面，企业应重点关注员工对 AI 应用工具的掌握程度。通过针对性的培训课程和实践操作，员工需要切实学会如何使用 AI 工具改进业务流程、进行数据分析与预测等技能，这将有助于提高员工的工作效率，为企业创造更大的价值。第

67、三，企业推动所有岗位利用 AI 技术提升服务水平通过运用 AI 工具优化业务流程、精准把握市场与用户需求，只有这样，企业才能够提供更优质、更具竞争力的产品和服务。-47-AI 人才粮仓模型解读白皮书AI 思维管理人才：塑造 AI 领导力的同时，还要设立 AI 专岗1AI 思维管理人才学习地图企业 AIGC 应用场景化实践AIGC 战略布局准备AIGC 人才及技术准备AIGC 衍生问题探讨AIGC 产品全景概览AIGC 的产品选型及实操指南作为推动企业实现智能化转型和升级的“指南针”、AI 实践领导者，AI 思维管理人才应综合运用战略规划、创新驱动、团队融合与人才建设等策略，而这些策略的实施其实

68、都离不开两个顶层战略：（1）塑造 AI 领导力Shape AI LeadershipAI 领导力不仅是需要企业一把手拥有，整个企业所有中高层都应拥有。主要需要注意以下三个方面：-48-AI 人才粮仓模型解读白皮书（2）设立 AI 关键岗位与首席 AI 官Establish Key Positions推动企业 AI 转型、升级，设立 AI 关键岗位至关重要。这些岗位上的员工具备深厚的 AI 知识和技术背景，能够推动技术革新、优化业务流程、促进数据驱动决策，并培养企业内部的 AI 人才梯队。通过设立这些关键岗位，企业能够紧跟市场趋势，提升市场竞争力，实现更高效、更智能的运营。首席 AI 官是企业推

69、动 AI 战略落地的核心人物不仅需具备深厚的 AI 专业背景与技能，还需从全局视野出发，根据企业的实际情况，量身打造一套切实可行的 AI 发展蓝图。他们的职责不仅限于技术的探索与创新，更在于如何将 AI 技术巧妙融入企业的业务、流程和文化之中，引领企业迈向全面智能化的新时代。数据驱动做决策：AI 技术能够通过数据分析和机器学习手段，为企业提供更为客观、精准的信息支持。领导者们需要学会利用 AI 对市场、产品、用户等数据进行分析，做出更为科学、合理的决策。快速学习：在技术快速迭代的情况下，领导者们需要具备快速学习的能力。利用 AI 技术在大数据和算法方面的应用理论和成功实践，实时跟踪和预测市场变

70、化、业务流程等信息，及时调整战略和策略，长期保持敏锐地市场观察能力。构建敏捷组织：组建更加灵活、沟通效率更高的小规模敏捷组织来实施企业 AI 策略，有利于快速完成策略实施。企业可以打破传统的层级制，从组织内部或外部选拔具有创新思维、专业技能和协作精神的优秀人才，建立扁平化的组织结构，减少决策层级，提高决策效率。鼓励组织成员积极提出创新想法，容忍失败，并通过定期收集业务反馈、业务数据等手段，及时调整事实策略和业务方向，以确保 AI 策略能够与业务快速融合。-49-AI 人才粮仓模型解读白皮书AI 架构师、AI 工程师、AI 训练师、AIGC 工具应用专家、数据科学家等关键岗位这些岗位的人员需要具

71、备专业的 AI 技能和知识，能够开发和应用 AI 技术和工具，为业务侧撰写 AI 应用说明书，为企业的决策提供支持的同时，也能够直接赋能一线业务人员。对于企业 AI 应用人才的培养来说，“确保 AI 应用技能高效落地”是第一要务。而实现 AI 技术与业务场景的深度融合的前提，企业需要对 AI 应用人才在“Prompt 提示词编写能力”、“AI 工具使用能力”两大维度进行深度培养与提升。AI 应用人才：确保 AI 应用技能高效落地2AI 应用人才学习地图AI 业务思维市场洞察精准营销AI 数字分析工具Al数据分析虚拟数字人文生图文生音视频多模态生产AI 数字思维Al 数据驱动Al 应用设施资源整

72、合智能決策AI 数字协同流程思维架构思维生态思维智慧运营AI 敏捷思维Al 优化Al 创新-50-AI 人才粮仓模型解读白皮书（1）培养 AI 工具使用能力：实现人机高效沟通（2）提升 Prompt 提示词编写能力：精准引导 AI 执行任务Cultivate Tool Utilization SkillsEnhance Prompt Writing AbilitiesAI 工具使用能力是企业成员在数智化时代的核心素养，可以帮助企业优化工作流程和决策过程。通过 AI 工具，员工可以自动化处理一些繁琐的任务和信息查询，提高工作效率。为了提升这一能力，企业可以实施以下措施：Prompt 提示词编写能

73、力是 AI 应用技能的重要组成部分，高质量的提示词能够准确引导 AI 模型理解并回应人类需求，提升 AI 应用的效率和准确性。为了提升这一能力，企业可以实施以下措施：系统培训与知识更新：构建完善的 AI 知识体系，定期举办 AI 技术培训讲座、研讨会等活动，确保员工对 AI 技术的最新进展有所了解。同时，建立在线学习平台，提供丰富的 AI 学习资源，鼓励员工自主学习，不断更新知识库。实战演练与经验分享：设计一系列实战项目，让员工在实际操作中与 AI 工具进行深度互动，提升沟通效率。同时，建立经验分享机制，鼓励员工将成功的沟通案例、遇到的问题及解决方案进行分享，形成知识沉淀和共享。建立反馈机制与

74、持续优化：建立有效的反馈机制，及时收集员工在使用 AI 工具过程中的意见和建议，针对问题进行优化和改进。同时，定期对 AI 工具的性能和效果进行评估，确保其满足企业的实际需求。深入理解业务需求与场景：编写高质量的 Prompt 提示词需要对业务需求有深入的理解。企业应组织员工对业务场景进行深入分析，明确 AI 工具的应用目标和需求，为编写提示词提供有力支撑。-51-AI 人才粮仓模型解读白皮书 专项培训：企业应开展针对 Prompt 提示词编写的专项培训，传授编写技巧和方法。培训内容可以包括如何提炼关键信息、构建逻辑框架、使用简洁明了的语言等。同时，提供实际案例进行剖析，帮助员工快速掌握编写技

75、巧。实践锻炼与持续优化：实践是提升 Prompt 提示词编写能力的关键。企业应为员工提供丰富的实践机会，让他们在实际应用中不断尝试和优化提示词。同时，建立评估机制，对编写的提示词进行效果评估，找出不足并进行改进。AI 技术+业务复合型人才：探索行业大模型，重视数据合规3AI 技术业务 复合型人才学习地图Al模型构建Al 生态互联Al 应用开发模型选型技术互联模型搭建数据互联Al 数据分析工具开发Al 文字处理工具开发Al 应用开发模型集成应用互联模型创新产业互联模型部署企业想要快速落实业务整合，就需要首先实现 AI 技术与业务场景的深度融合，而这也是对“AI 技术+业务复合型人才”的能力要求。

76、培养路径主要集中在“行业模型应用开发”、“数据生态互联及合规”两大维度进行第一步能力培养。-52-AI 人才粮仓模型解读白皮书AI 应用人才学习地图（1）行业模型应用开发Model Application Development行业大模型能够深度结合行业特性和需求，为企业带来前所未有的业务创新机会，而行业大模型应用开发需要的是既懂技术又懂业务的人才。企业应注重培养员工的跨学科知识，包括计算机科学、数学、行业知识等多个领域。同时企业还需要从以下五个方面进行人才培养赋能：行业理解与定制化开发：深入理解其所在行业的特性和需求，将行业知识融入大模型开发中，实现模型的定制化，同时通过优化模型结构和参数，

77、使大模型更好地适应行业特点，提高应用效果。数据收集与处理：针对行业应用，收集大量高质量的行业数据，并进行有效的处理，这个过程中包括数据清洗、标注、增强等工作，以确保模型训练的质量。模型部署与集成：关注大模型的部署和集成问题，确保模型能够高效、稳定地运行在实际应用场景中，这个过程中涉及到硬件资源的配置、模型优化、接口开发等方面的工作。实战技能提升：企业应提供丰富的实战机会，让员工在实际项目中锻炼技能、积累经验。通过参与行业大模型应用开发的完整流程，员工可以深入了解行业应用需求，提升解决问题的能力。建立协作机制：企业应建立有效的团队协作机制，促进不同部门、不同业务背景的员工沟通协作。通过团队合作，

78、可以解决大部分行业大模型应用开发中遇到的问题，提高开发效率，这个过程中也真正的实现了“业技融合”。-53-AI 人才粮仓模型解读白皮书（2）数据生态互联及合规Data Ecosystem Interconnection and Compliance数据是企业 AI 决策的基础、驱动 AI 业务创新的核心动力，AI 应用带来的的数据安全合规是企业目前的重要课题。于是，建立企业的数据安全、积累意识以及用数据驱动场景应用，成为了企业在 AI 时代培养“AI 技术+业务复合型人才”的关键之措：培养数据积累意识：AI 技术应用数据的价值不仅在于其数量，更在于其质量和应用潜力。企业应培养该类人才收集、存储

79、和分析各类数据，并将这些数据纳入企业的数据资产管理体系中。通过不断积累数据，企业可以更加深入地了解市场和客户需求，优化产品和服务，推动业务创新和转型升级。用企业数据驱动场景应用：拥有优秀的数据处理和分析能力是企业构建壁垒的重要手段。企业需要培养具备专业知识和技能的 AI 研究团队和数据分析团队，通过深入挖掘并分析 AI 数据、研究 AI 技术生态与业务数据之间关系，以发现更多的应用场景和商业机会。将数据安全与业务应用紧密结合：企业应提供系统的 AI 技术培训，使该类人才掌握数据处理、机器学习、深度学习等核心技术，并熟悉相关工具和平台的使用。同时，强化数据安全意识，确保人才了解数据安全的重要性，

80、并熟悉数据加密、访问控制等安全技术的原理和应用。在此基础上再引导人才深入了解业务需求，通过参与实际业务项目，让他们更好地理解业务流程、市场需求和客户痛点，能够将 AI 技术精准地应用于实际场景中，解决业务问题，提升业务效率。-54-AI 人才粮仓模型解读白皮书企业应深入剖析 AI 技术平台的发展目标和业务需求，精确把握所需人才的类型、层次和技能，除了专业技能外，AI 技术专项人才作为构建和维护 AI 技术平台的领航者，企业需要为其创建促进优越的成长环境。AI 技术专项人才：企业需创造开放的技术交流环境4Al算力基础Al 技术能力硬件基础编程语言数据集性能调优模型提示工程软件框架AI 技术专项人

81、才学习地图 内部培训体系建设：企业应构建全面、系统的内部培训体系，涵盖 AI 技术的基础知识、前沿进展和实践应用。通过定期举办培训课程、邀请行业专家授课等方式，不断提升员工的 AI 专项技能水平。（1）构建系统化的技术人才培养机制Build a Talent Training Mechanism-55-AI 人才粮仓模型解读白皮书 自主学习与知识分享：鼓励员工开展自主学习，提供丰富的学习资源和平台。同时，建立内部知识分享机制，促进员工之间的经验交流和专项技术合作，形成良好的学习氛围。设立实践项目、大赛：企业应结合实际业务需求，设立一系列与 AI 技术开发相关的实践项目、极客大赛。通过参与项目实

82、践和大赛竞争，员工能够将理论知识与实际工作相结合，提升解决实际问题的能力。参与开源项目：鼓励员工积极参与开源项目，提升个人技能水平的同时，还能够拓宽行业视野。建立产学研合作关系：积极与高校、研究机构等建立紧密的产学研合作关系，共同开展 AI 技术研究和人才培养。通过合作，企业可以获取更多的创新资源和人才支持，推动 AI 技术在企业及行业内的快速落地。开展产学研合作项目：联合高校和研究机构开展产学研合作项目，共同解决行业中的关键问题。通过项目实施，不仅可以为企业带来实际效益，还能够为员工提供更多的实践机会和挑战，促进个人成长和团队进步。（2）创造实践机会，积累项目经验（3）深化产学研合作Crea

83、te Practical OpportunitiesDeepen Industry-Academia-Research Cooperation-56-AI 人才粮仓模型解读白皮书（二）数智化时代下企业 AI 人才招聘、评价、能力培养的创新策略构建 AI 人才招募与评价机制1在 AI 时代，构建一套科学、高效、数据驱动的人才招募与评价机制，对于企业的长远发展具有重要意义。通过数据驱动、科学评估、强化培训与监管等措施，企业可以更好地吸引和留住优秀人才，提升企业的核心竞争力和可持续发展能力。（1）数据驱动的招募流程Recruitment Process 数据收集与分析：企业需要建立完善的数据收集与分

84、析体系，全面收集候选人的各类信息，包括简历、教育背景、工作经历、技能特长等。同时，通过对社交媒体、行业论坛等渠道的数据抓取与分析，深入了解候选人的专业素养、人际关系网络及行业影响力。智能分析与预测：利用大数据和人工智能技术，对收集到的数据进行深度挖掘与分析，发现候选人的潜在特质与优势。同时，结合企业的业务需求和战略规划，预测未来人才市场的变化趋势，为企业制定精准的人才招募计划提供有力支持。-57-AI 人才粮仓模型解读白皮书（2）科学的评估标准（3）严格的 HR 培训与监管Scientific Evaluation CriteriaHR Training and Supervision 建立多

85、维评估体系：传统的单一面试和笔试方式已无法满足现代企业的用人需求。企业需要建立多维度的评估体系，包括能力素质模型、行为面试等多种形式，全面评估候选人的综合素质与潜能。引入 AI 辅助评估：借助 AI 技术，如自然语言处理、机器学习等，对候选人的文本信息、语音信息等进行深度分析，提取关键信息，辅助 HR 进行更准确的评估。提升 HR 专业素质：HR 是企业人才招募与评价机制的重要组成部分。企业需要加强对 HR 的培训，提升他们的专业素养和评估能力，确保评估结果的客观性和公正性。加强监管与反馈机制：建立完善的监管与反馈机制，对 HR 的行为进行规范与监督，确保招募与评价流程的公正性和透明度。同时，

86、通过定期收集员工和候选人的反馈意见，不断优化招募与评价机制，提升企业的雇主品牌形象。-58-AI 人才粮仓模型解读白皮书构建 AI 人才培养容错机制2企业在前期应用 AI 技术、培养 AI 人才时，应以开放和包容的心态，积极面对可能出现的试错风险，并为此建立一套完善的容错机制，鼓励员工积极尝试、勇于创新，在试错中不断总结经验，提升 AI 技术的应用能力。（1）容错机制的构建原则（2）容错机制的实施策略Construction of Fault-tolerant MechanismImplementation of Fault-tolerant Mechanism 风险可控：容错机制并不意味着无

87、限制的容忍错误，而是在可控的范围内给予员工一定的试错空间。企业应对 AI 技术的应用风险进行充分评估，确保试错过程不会对企业的正常运营造成严重影响。鼓励创新：企业应营造一种积极向上的创新氛围，鼓励员工敢于尝试、敢于创新。对于在 AI 技术应用过程中提出新想法、新方法的员工，企业应给予充分的支持和鼓励。及时总结与反馈：试错过程中，企业应建立有效的总结与反馈机制，及时收集员工的试错经验，分析失败原因，提炼成功经验，为后续的 AI 技术应用提供借鉴和指导。设立专项基金：企业可设立专项基金，用于支持 AI 技术的创新应用。对于在试错过程中取得显著成果的项目，企业可给予一定的奖励和激励。搭建交流平台：企

88、业可搭建内部交流平台，鼓励员工分享 AI 技术的试错经验和心得。通过交流学习，员工可以相互启发、共同进步。-59-AI 人才粮仓模型解读白皮书 培训与教育：企业应加强对员工的 AI 技术培训和教育，提升员工的 AI 技术应用能力。同时，企业还应定期组织专题研讨会、技术分享会等活动，为员工提供更多学习机会。构建企业 AI 人才的持续供给能力3当前市场上 AI 人才供不应求的现状已成为制约企业发展的重要因素，企业亟需构建自己的 AI 人才的持续供给能力，确保企业能够源源不断地获得高质量的 AI 人才。企业首先需要建立一套完善的 AI 人才培养机制。通过内部培训、外部引进等多种方式，不断提升员工的

89、AI 技术水平，打造一支具备专业素养和实践能力的 AI 人才队伍。同时，企业还应建立对应的激励机制，鼓励员工不断学习和创新、推荐人才，为企业的 AI 发展提供源源不断的动力。第三方培训机构具备丰富的教学资源和经验，能够为企业提供专业的 AI 人才培训服务。企业应积极与这些机构建立合作机制，引进优秀的 AI 人才，提高企业的竞争力。同时，企业还可以与第三方机构共同开展课程研发、教材编写等工作，确保培训内容与企业的实际需求紧密结合，确切完成“AI IN ALL”的企业战略目标。step 1step 2构建人才培养机制加强与第三方培训机构的合作-60-AI 人才粮仓模型解读白皮书高校是 AI 人才的

90、重要培养基地。企业应积极与知名高校的 AI 相关专业开展合作，共同推动人才培养工作。通过成立联合实验室、设立专项研究小组等方式，实现学术研究与企业业务的深度融合。此外，企业还可以与高校开展优秀学生与业务精英交流的活动，从源头捕捉和培养未来人才，在校园中建立企业的雇主品牌认知，增强未来 AI 人才对企业的认同感和归属感。step 3深化与高校的合作-61-AI 人才粮仓模型解读白皮书AIGC 应用及人才培养案例CULTIVATION OF TALENT第六章-62-AI 人才粮仓模型解读白皮书（一）AIGC 应用案例案例一：极客时间在线视频课件字幕 AIGC 自动生成极客时间是由北京极客邦科技有

91、限公司精心打造的一款面向 IT 领域的知识服务产品，聚合了众多顶级技术和行业专家的精品课程，通过体系化课程、训练营等多种在线视频课程学习的方式，为用户提供有干货、可实操、能借鉴的内容产品。在视频课程制作过程中，视频字幕匹配是个难度不高、但十分耗费精力的工作，于是极客时间的技术团队与视频制作团队借助 AIGC 大模型自研“自动化字幕”技术，帮助业务执行侧实现了 30%左右的产能提效：自有视频课程上传平台，面向 OpenAI 进行了集成调用；后续视频课程上传过程中，平台首先提取视频文件的音频，通过 OpenAI whisper 的能力，转出字幕。-63-AI 人才粮仓模型解读白皮书案例二：北京银行

92、通过技术创新提升金融服务的 智能化水平北京银行推出“京智大脑”AI 平台，利用大数据分析、机器学习等技术，整合全行的人工智能相关领域的能力、算法、数据、算力，用于客户服务、风险管控、营销决策支持、流程优化等领域。此外，北京银行还推出 AIB 智能应用，利用大模型创新成果构建人工智能知识库体系、GPT 创作工具，包含数十项 AI 智能应用和大模型服务，并在 1.0 版本上继续迭代 2.0 版本，通过业务平台与赋能平台的衔接，降低行内用户学习成本，提高使用活跃度，实现能力和工具随时调用，并与内部作业流程打通，持续提升推广效果。-64-AI 人才粮仓模型解读白皮书-65-AI 人才粮仓模型解读白皮书

93、（二）AIGC 人才培养案例案例一：某数金公司研发/测试团队的 AIGC 大模型应用探讨数金公司作为推动金融行业数字化转型的核心力量，专注于运用云计算、大数据、人工智能等先进科技手段为银行业提供创新金融产品和服务。随着数字化转型的深入，如何通过 AIGC 实现技术层面的降本增效成为了该公司的主要挑战。为应对这一挑战，公司展开了“AIGC 技术应用推动”主题活动。主要做了以下三个动作：最终该企业确定将 AIGC 应用到“技术测试”场景中，并开展AIGC for testing主题培训工作，该场培训以“ChatGPT 驱动下的自动化测试技术能力进阶”为主题，详细讲解了 AIGC 在测试工作中的一系

94、列要点。据此，该公司不仅学会了如何借助 AIGC 技术来自动化生成测试用例、自动化生成测试脚本等实用技术策略，还了解到了国内目前最为先进的测试流程以及角色分工设置，极速推进了该公司的 AIGC 应用进程陆续在产品设计、编程研发等多个业务场景中完成落地。关注国内 AIGC 相关技术大会，拓宽 AI 技术应用视野；要求所有开发人员每天定时定量进行知识学习，由部门领导对内容针对性整理，形成“信息池”；以月为单位进行 AIGC 技术头脑风暴，以“没有异想，哪有天开”为口号，鼓励大家提出 AIGC 技术应用的相关想法，并且专门在企业内部设置了“异想天开奖”，对于优秀的 AIGC 应用设想进行实际物质奖励

95、。-66-AI 人才粮仓模型解读白皮书案例二：某汽车制造集团 AIGC 应用“赛训结合“实践某汽车制造集团认为 AIGC 技术的推广应首先从青年团队开始。通过业务部门与技术部门的紧密合作，开展一系列“赛训结合活动”，以实践的方式逐步推动 AIGC 技术在公司内的广泛应用和落地实施。活动行事历如下：通过这样的“赛训结合“活动，该集团共计产出贴合业务的 AIGC 相关课题 40 余个，其中极具价值的 AIGC 课题 26 个，已经进入了企业内部孵化器。活动为期 5 个月，参与 AIGC 技术相关线上学习人员达到了 6000+人，在集团内部形成了一股 AIGC 的应用风潮，有效推动了集团数字化进程。

96、第一个月第四个月第二个月第五个月第六个月第三个月遴选各个业务部门、职能部门以及生产部门的 2530 岁的优秀青年员工，进行“数字化思维”以及“AIGC 基础”的赋能培训，力求建立青年员工的数字化思维以及 AIGC 尝试兴趣；面向所有报名参赛选手，进行线上课件的培训，经过两轮笔试，最终 60 支参赛队伍、120+人进入最终决赛；定期组织业务部门、职能部门以及生产部门，与技术部门进行联动，鼓励双方主动组成“一对红”，主动形成业务与技术的“挂钩尝试探讨”；由公司人力资源部牵头，面向入围选手进行为期三天的 AIGC 技术线下的赛前突击培训，并在训后为参赛选手提供线上答疑辅导。选手在这样的资源支持下，进

97、行 AIGC 相关应用的课题研发工作。集团各个业务部门、职能部门、生产部门及数字化转型办公室共同对选手成果课题进行综合评审。在公司内部开展“AIGC 应用技术大赛，鼓励各个业务、职能、生产等部门的员工，与技术部门进行配合，进行 AIGC 应用的尝试，大赛获得优秀名次的员工，不仅会获得响应的物质奖励，同时会与其内部职称挂钩，在后续的评优、升职等工作中可拥有优先权。-67-AI 人才粮仓模型解读白皮书-68-AI 人才粮仓模型解读白皮书专家寄语 广东省 CIO 联盟会长、前雪松 CIO、前平安 CSO 李洋最终该企业确定将 AIGC 应用到“技术测试”场景中，并开展AIGC for testing

98、主题培训工作，该场培训以“ChatGPT 驱动下的自动化测试技术能力进阶”为主题，详细讲解了 AIGC 在测试工作中的一系列要点。据此，该公司不仅学会了如何借助 AIGC 技术来自动化生成测试用例、自动化生成测试脚本等实用技术策略，还了解到了国内目前最为先进的测试流程以及角色分工设置，极速推进了该公司的 AIGC 应用进程陆续在产品设计、编程研发等多个业务场景中完成落地。华润数科人工智能实验室主任 王伟数智时代的 AI 人才粮仓模型解读白皮书深入剖析了当前数智时代对 AI 人才的需求与挑战。白皮书提出了创新的 AI 人才粮仓模型，旨在构建全面、系统的人才发展体系。希望通过此白皮书的发布，帮助更

99、多企业用好人才，用对人才，加速数智时代的创新与发展。-69-AI 人才粮仓模型解读白皮书 Mapua University 电子工程专业人工智能方向博士 李晓华人工智能技术正以前所未有的速度推动产业结构升级，引领我们共同迈向一个全面数智化的崭新时代。在这个变革的交汇点上，企业应把握机遇，积极拥抱人工智能技术，从而构建全新的核心竞争力。而在这场技术革命中，人工智能人才的培养显得尤为重要他们不仅是企业全面数智化转型的驱动力，更是引领未来创新的关键力量。本白皮书深入剖析了人工智能人才体系的架构，旨在为企业提供一份系统、全面且精准的指南，帮助企业建立起完善的人工智能人才培养体系，从而推动产业的持续创新

100、与发展。感谢极客邦科技的倾力贡献，我们衷心希望这份白皮书能成为社会各界同仁的宝贵财富，在构建人工智能人才梯队和落实新质生产力带头发展方面，发挥重大作用！昆仑数智人工智能研究专家 姜欢在新一代 AI 技术不断推动科技创新与产业革新的今天，企业全面 AI 化已成为转型升级的必由之路。本文深入研究并提出 AI 人才粮仓模型，对于指导企业构建和培养适应数智时代的人才队伍具有重大意义，为企业如何有效储备和培养 AI 人才提供了创新的思路和方法。企业 AI 人才培养体系的建设，将极大地促进企业 AI 技术的深度融合与应用，加速产业智能化的进程。我们对 AI 人才粮仓模型给予高度评价，相信它将成为企业构筑人

101、才优势、实现可持续发展的关键。让我们共同期待，在这一模型的指导下，企业能够培育出更多优秀的 AI 人才，推动社会向更加智能、高效的未来迈进。-70-AI 人才粮仓模型解读白皮书北京银行软件开发中心总经理 马晓煦尊敬的 InfoQ 团队及全体读者：在这个大模型等先进 AI 技术不断推动风险管理、客户服务、数据分析等领域革新的时代，我们目睹着金融业经历一场前所未有的数字化转型浪潮。为了应对这一变革，我们应当倡导跨学科的深入学习与紧密合作，点燃创新的火花，培育出一批既具备扎实实践技能又拥有广阔国际视野的 AI 领域专家。InfoQ 以其卓越的知识共享和经验交流平台，为 AI 人才的蓬勃发展提供了丰富

102、的养分和支持。让我们齐心协力，共同为打造一个更智能、更高效、更安全、更可持续的未来世界贡献我们的智慧与力量。衷心祝愿 InfoQ 持续作为 AI 领域的宝贵知识宝库，引领技术创新的前沿，孕育并激励更多卓越的 AI 人才，共同开创数字金融的新时代。华润集团智能与数字化部专业总监 韩东辉AI 是新一轮科技革命和产业变革的引领性技术，已经在广泛地、深刻地影响和改变着各行各业。AI 人才的培养和赋能将成为数智时代企业发展和竞争力提升的关键点。数智时代的 AI 人才粮仓模型解读白皮书（2024 版）内容全面、思考系统、设计前瞻，发布的恰得其时，恰到好处，对我们提升全员数字素养，做好 AI 人才培养不仅具

103、有指导性，也具有实战性。-71-AI 人才粮仓模型解读白皮书腾讯云金融行业负责人 全成宁德核电数字化人才培训部副经理 汪长青在 AI 的数智浪潮中，企业正站在转型升级的十字路口。这本白皮书更敏锐地捕捉到了 AI时代企业面临的挑战，尤其是在大模型研发、大模型应用探索与研发等关键技术领域的人才渴求。书中提出的 AI 人才粮仓模型和人才培养策略，不仅为企业打造 AI 团队提供了路线图，也为 AI 技术的深度融合和创新应用指明了切实可行的方向。通过一系列精彩的 AIGC 应用案例，白皮书阐述了 AI 在解决实际问题中的潜力，为企业家和管理者呈现了一个充满可能性的未来。愿每位读者探索 AI 的无限潜能，

104、共同塑造一个能在企业生产活动中发挥实质性效能的智能的、高效的 AI 产品。数智时代的 AI 人才粮仓模型解读白皮书（2024 版）构建的数智时代 AI 人才粮仓模型，全面系统阐述了新形势下企业 AI 人才架构及能力画像，创新了 AI 人才培养及应用策略，对企业 AI 人才培养与发展提供具极具前瞻性的战略指导，希望白皮书能够倡导协同培养和共享 AI 人才资源，成为 AI 人才培养的行业标杆，促进跨学科、跨行业、跨国界的交流合作，指导企业开展 AI 系统构建和实践应用，共同推进全球范围内的人工智能健康发展，引领我们迈入一个更加繁荣、有序、可持续的人工智能未来。-72-AI 人才粮仓模型解读白皮书平

105、安科技首席架构师 金新明站在数智识代的浪潮之巅，我深感 AI 人才的珍贵与重要。这本白皮书旨在为企业描绘一幅全面的人才全景图，提供从战略到实操的建设性指导。此次推出的数智识代 AI 人才粮仓模型白皮书，以全面框架和全景视角，为我们呈现了一个清晰、立体的 AI 人才图景。从人才培养到选拔管理，从战略规划到实操指导，白皮书为企业提供了详尽而富有建设性的建议。希望它能成为企业探索 AI 人才之路的明灯，引领我们在数字化时代中乘风破浪、砥砺前行。愿广大从业者能够从中汲取智慧，不断提升自身能力，共同推动 AI 领域的繁荣发展，共同开创数智识代的美好未来。福建宁德核电有限公司副总工程师 毕业成在这个数字化

106、、智能化的时代，人才作为第一资源的地位愈加凸显。谁能够理顺 AI 人才培养和使用的体系、最大化发挥 AI 人才的价值，谁就能占据时代的先机。本白皮书中提出的 AI 人才粮仓模型，在立足实际的基础上系统、全面、立体地构建了 AI 人才知识图谱和管理框架，为各行各业建设适应数字化时代的高质量人才队伍探索了理论基础，是切中当前企业痛点的知识总结。希望该白皮书的发布可以给各企业在人才战略和能力建设方向上提供启发和参考，使各企业可以更好地应对数字化转型中的人才挑战。-73-AI 人才粮仓模型解读白皮书极客邦科技“双数”研究院“双数”研究院是极客邦公司的核心研究机构。双数研究院的主要研究方向：数字经济观察

107、和数字化人才培养，依此方向，研究院核心职能如下。一、数字经济观察：通过宏观政策解读、微观企业发展观察，累积对数字经济发展趋势的观察研究，通过撰写研究文章、报告，分享对数字经济发展的研究成果，为各行各业提供决策参考。二、数字化人才培养：极客邦认为，人才能力建设是长期、动态过程，企业对人才能力的需要取决于企业的战略目标、业务内容、技术特点等诸多因素，因此，根据业务需要动态更新能力矩阵、设计人才培养体系，是提升企业造血机能，解决人才问题的根本方式，同时，依靠生态力量联合解决人才问题才是最经济的人才培养模式。极客邦希望通过研究院的工作，持续专注各行业人员能力的发展要求、变动趋势，深入企业共创人才培养体

108、系，为企业推动数字化转型深度赋能。三、企业架构方法论研究与微咨询：企业架构是企业推动数字化转型、开展和落实顶层设计的有力武器，极客邦拥有经验丰富的企业架构师，能够开展方法论研究，并为企业开展数字化转型顶层规划、企业架构设计、业务架构设计提供辅助性微咨询及相关内容的企业内训。四、数字经济研究生态建设：数字经济宏大而复杂，单个机构研究能力有限，研究院将负责开展横向联合，与各类研究机构共建研究生态、共享研究成果、共推研究实践。五、数字化转型案例发掘与宣传：积极参与产业数字化，发掘并宣传优秀案例，利用极客邦媒体、课程业务的优势，推动解决众多中小企业“不敢转、不想转、不会转”的问题。企业愿景企业使命价值

109、观成为全球卓越的数字人才发展平台推动数字人才全面发展诚实做人 踏实做事 勇猛精进 成就客户010203极 客 邦 科 技 是 数 字 人 才 KaaS(Knowledge-as-a-Service 知识即服务)模式学习平台企业。基于十多年对技术资源的专业积累和对知识服务的深刻理解，致力于为个人和企业提供数字技术领域资讯、内容、会议、培训等服务，推动数字人才的全面发展。技术人热爱的媒体社区数字人才专属学习空间企业级一站式数字技术学习平台科技领导者同侪学习社区-74-AI 人才粮仓模型解读白皮书极客时间企业版是由极客邦科技倾力打造，凭借十多年对专业技术资源的沉淀和对知识服务的深刻理解，以互联网为基

110、础，进行内容整合与知识萃取，为企业提供数字人才技术提升和能力发展的智能学习平台。基于多年运营专家资源和生态关系网，为企业提供体系化的数字技术学习解决方案和全生命周期的顾问式服务，助力企业打造行业领先的数字化人才团队，驱动企业的数字化转型与高质量发展。从企业的人才战略出发，结合职级体系与胜任力模型明确人才培养标准，从而设计一套以岗位为核心的技能图谱和学习路径，让每位员工知道自己所在岗位的知识体系情况，以及每个阶段的能力提升方向。极客时间企业版是 SaaS 服务平台，具备智能推荐技术能力，根据每位员工的岗位技能需求推送不同的课程内容。在学习过程中，平台提供真实案例和模拟实践场景，帮助学员“学以致用

111、”。专属客户成功经理以全生命周期的顾问式服务，帮助企业员工“学有所得，学有所成”。极客时间企业学习平台实时展现员工的学习过程数据，管理员能够便捷地掌握学员的学习情况。还可以根据学习时长、学习进度、结课测试等数据维度，来设置学习激励活动，激发员工学习动力。每个阶段的学习成果和关键岗位的模型、知识体系随着人才的成长与发展沉淀到平台，形成组织数字化资产和智慧。企业人才战略 职级体系 技能图谱/学习路径 培训体系 个性化课程千人千面内容 体验式学习 专属客户服务学习过程数据可见 智能学员管理平台 沉淀传承组织智慧培训规划更省心培训执行更到位培训成果更有效基于企业战略和目标的人岗匹配数字人才能力建设全景

112、图 岗位能力模型岗位技能图谱岗位学习地图题库、练习、考试千人千面、智能学习岗位知识/技能测评学习考评报告人才评估盘点人才发展运营机制极客时间注册用户线上优质课程累计服务企业聚合全球一线技术专家覆盖技术领域200300070+1200+人万家3000位门类+企业级一站式数字技术学习平台助力企业打造行业领先的数字人才团队-75-AI 人才粮仓模型解读白皮书极客邦科技旗下 InfoQ 极客传媒，扎根中国技术社区超过 15 年，期间通过追踪前沿技术趋势，输出优质技术内容，已经为 500W+技术人、为数万家中国企业提供服务，深深影响着国内一代技术人。同时，InfoQ 还面向企业 CTO、CIO、CDO、

113、技术 VP 等技术领导者，以及架构师、项目经理、工程总监和高级软件开发者等中高端技术人群，提供中立的、由技术实践主导的技术资讯及技术，会议，搭建连接中国技术高端社区与国际主流技术社区的桥梁。行业覆盖互联网、保险、证券、银行、汽车、制造、物联网、智能生活等领域。提升企业数字化品牌价值增强企业产品的科技属性打造并激活开发者生态通过技术雇主品牌建设、打造优秀技术 IP、重大事件营销等形式，树立企业数字化品牌形象，形成企业的技术品牌影响力，为企业储备数字化人才赋能。以技术产品为中心策划营销服务，展现企业解决问题的能力，加深产品的技术渗透力。尤其适合面向互联网领域、金融领域、出海领域等展开解决方案系列营

114、销。借助 InfoQ 社区平台和技术峰会，为企业打造开发者生态，扩大并激活开发者群体，提升开发者好感度，持续构建和提升企业的技术竞争力。让创新技术推动社会进步200w初中级开发者及高校群体17000位+CTO,技术VP300w中高端技术开发者-76-AI 人才粮仓模型解读白皮书帮助企业提炼合适的营销亮点和关键路径，帮助企业快速提升市场影响力。帮助企业深度维护客户关系、加强潜在客户对企业的信任度、加强客户对企业解决方案的认知最终实现商业成功。结合企业自身特点，制定个性化的年度整合营销规划，提高整体ROI。基于数字化转型趋势洞察和对不同行业的理解，帮助提升企业相关技术方案在数字化转型层面的影响力。科技和产品影呴力提升重点客户圈层营销年度整合营销服务数字化转型案列宣传整合营销服务基于对开发者用户的了解，帮助企业完成年度重大事件，会议，大赛等活动的策划落地，扩大传播声量，提升影响力基于InfoQ 众多内容产品向开发者传递有价值的内容，帮助企业建立，完善、活跃开发者生态。会议/活动/事件营销策划开发者生态建设