刘丽丽

华为算力平台人才生态总监

既懂行业又懂AI的复合型人才异常缺乏的原因主要可以归结为以下几个方面：

1. AI技术与行业知识之间的隔阂

• 技术壁垒：AI技术（如机器学习、深度学习、大数据处理）本身复杂，需要较长时间学习与实践掌握。而行业知识涉及业务流程、场景应用及专业技能，也需要多年积累。

• 知识融合难度：AI与行业场景的融合需要同时理解技术原理与业务需求，这种跨领域的认知和应用能力需要很高的综合素养。

2. 教育与培训体系滞后

• 学科分离：当前教育体系中，AI相关课程多集中在计算机科学领域，而行业知识更多由专业学院（如金融、医疗、制造业等）独立教授，缺乏交叉融合课程。

• 培养机制不足：传统职业培训侧重单一领域技能，难以提供跨行业与AI技术的综合培训体系。

3. 产业需求变化快

• 技术更新过快：AI技术（如生成式AI、大语言模型）发展迅速，企业需要能够即时将最新技术应用到业务场景中的人才，而现有的人才培养周期较长，无法满足快速迭代的需求。

• 行业需求多样：不同领域的AI需求高度差异化，例如金融行业需要AI优化风控模型，医疗行业需要AI辅助诊断，每个行业都对技术与业务结合提出独特挑战。

4. 跨领域学习成本高

• 对AI技术的掌握：行业专家想要掌握AI技术，需要从数学、算法到编程等基础知识全面补充，学习成本高且周期长。

• 对行业知识的理解：AI工程师要深入了解某一行业的痛点与业务逻辑，也需要经历长期实践，而单纯的技术背景不足以快速适应行业需求。

5. 现有人才供给失衡

• 单一技能型人才占主流：当前人才市场中，AI技术人才多聚焦算法开发和模型训练，而行业专家更多集中于传统业务，无交叉能力。