人工智能的发展进程让人喜忧参半。
单看近5～10年，AI在全球的增长速度颇为可观，大幅超越IT整体市场增速；而如果将时间跨度拉长到50～60年，与二战后突飞猛进的信息科技相比，诞生于上世纪50年代的AI明显成长缓慢，迄今也只能算幼儿期。
如此强烈反差，只是AI领域诸多矛盾现象的冰山一角，国内市场的数据可呈现更丰富的层面。
中国互联网协会的报告显示，2020年我国人工智能产业规模为3031亿元，同比增速15%，高于世界平均水平；但另据统计，目前国内AI渗透率超过10%的只有电子行业，汽车、石化、制药等行业的渗透率在5%～10%，建材等传统行业则低于5%。
看多与唱衰只是表象，要想穿越迷雾，必须重新审视孕育AI的土壤。《IT创事记》认为，AI沃土的形成离不开人才培养、AI技术与行业知识融合以及开发模式的跃迁。
令人欣喜的是，先知先觉者已开始行动。近日在成都举办的华为云AI院长峰会上，中国科学院和中国工程院院士，以及来自国内30余所顶尖高校的40多名院长、教授、专家，共同探讨人工智能最新技术发展趋势，分享领先技术观点，探索如何加速人工智能前沿理论成果转化，以及建设复合型人才培养和学科的新模式。
华为云AI院长峰会嘉宾合影
产学研协同合作，预示着国内AI土壤将进入持续改善的良性循环。
<h1 class="pgc-h-arrow-right" data-track="10">人才培养是AI健康成长的根基</h1>
就像动植物和微生物活跃度是决定土壤生产力的核心因素，人才的数量和质量也是AI健康发展的根本保障。权威数据表明，我国AI人才规模不及美国的1/7，顶尖人才占比差距更为显著，改变现状迫在眉睫。
高校是AI人才培养的主战场。从2019年起，人工智能正式成为大学本科专业，硕博研究生也陆续产生。AI属新兴学科，在边界定义、课程设计、师资力量等方面尚待完善，但万里长征迈出的第一步具有里程碑意义。
人工智能基础理论的构建既是AI产业快马加鞭的推进器，也是催生高端学术人才的孵化池。图灵机、信息论、控制论奠定了现代计算机产业发展的基石，而人工智能在基础理论层面建树有限，可解释性存在缺陷，谋求理论研究重大突破是高校义不容辞的责任。
浙江大学计算机学院教授教育部人工智能协同创新中心主任庄越挺
与此同时，跨学科、交叉性的教育模式创新则是培养AI复合型人才的有益尝试。在接受《IT创事记》采访时，浙江大学计算机学院教授、教育部人工智能协同创新中心主任庄越挺阐释了浙大“AI+X”的人才培育思路：采用计算机学院与其他学院合作的双导师制，将人工智能和医学、法学、经济、体育等学科交叉教学，取得了不错的效果。
北京航空航天大学人工智能研究院常务副院长李波
在打破学院壁垒、重塑知识体系的基础上，提高学生动手操作、解决实际问题的能力尤为重要。北京航空航天大学人工智能研究院常务副院长李波认为，产学研应该紧密结合，可从企业请客座教授或联合课题攻关，提高学生介入应用场景和工程项目的能力。
苏州大学计算机学院和软件学院院长张民认同这一观点，他用“愉快”来形容与华为云的合作：“合作取得系列研究成果，而且学生作为项目的主要研发人员得到了锻炼和培养。企业也可以充分考察学生，优秀的学生会拿到好的工作机会”。
苏州大学计算机学院和软件学院院长张民
不难看出，企业多层次、全方位地参与高校人才培养，是AI人才规模化、实战化的必由之路。华为云Marketing部部长董理斌表示：从顶层设计到产品规划，从数据标注、模型训练再到模型泛化，企业需要不同类型的AI人才，这与高校的人才培养思路不谋而合。在2020年首届华为云AI院长峰会上，华为云就发布了“AI十百千”、“AI产学研”、“AI俱乐部”、“AI训练营”、“AI人才汇”五大人才培养计划，推行至今已取得丰硕成果。
华为云Marketing部部长董理斌
在AI十百千学术计划中，华为云联合各大高校的老师和学生开展数十期论文复现活动，鼓励全国高校师生积极参与基于华为云一站式AI开发平台ModelArts，对AI经典论文进行学习、复现和解读。截至目前，“AI十百千”学术计划共完成超过百篇经典论文复现，并将复现的经典论文算法上线于AI Gallery，供开发者学习和使用，让更多的AI学习者更快地掌握AI。
值得一提的是，华为云还与上海交大、中国科技大学、苏州大学、中国矿业大学、暨南大学等多所高校联合成立超过26个AI俱乐部（含MDG社区），组织逾百场AI主题活动，通过AI知识竟赛、MDG 技术沙龙、实战演练技术分享等环节向学生普及AI技能，累计参与者逾千人。
此外，华为云联合上海交通大学，已共建三届华为云人工智能大赛 · 无人车挑战杯。大赛依托华为云一站式AI开发平台ModelArts、端云协同多模态AI应用开发套件HiLens及无人驾驶小车，旨在全面锻炼和提高参赛选手的AI解决方案能力及无人驾驶编程技巧，如今该大赛已成为无人车领域的顶级赛事。
<h1 class="pgc-h-arrow-right" data-track="48">知识与数据双轮驱动</h1>
正如兼容性、酸碱度是衡量土壤潜在活力的重要指标，AI技术与行业知识的结合程度也会影响人工智能的渗透进程。在各种路径探索中，知识计算是最被看好的方向，方法论上的突破有助于勾勒未来的路线图。
数据和知识是驱动AI前行的两个车轮，二者相辅相成，不可偏废。但在相当长一段时间里，大数据受重视程度更高、发展速度更快，而知识图谱的研究与知识计算体系的构筑稍显落后，导致很多行业的数字化转型浅尝辄止。
华为云语音语义创新Lab主任&首席科学家袁晶博士
痛点中也蕴藏着机遇。华为云语音语义创新Lab主任&首席科学家袁晶博士向《IT创事记》透露：“我们更关注AI怎么和千行百业的应用场景去结合，以知识计算为核心构筑整个认知能力，并进行技术布局。”
华为云与中国石油大学的合作案例，可以证明机理模型知识与数据驱动的融合，能够更有效地解决行业难题。双方自2019年起从石油勘探的地震波入手，通过地震波反馈的各类数据，研究智能油气田的相关课题。
油气开发的全生命周期环节众多，主要业务逻辑异常复杂，纯数据驱动不可能达成决策目标，因而需要依托完备的知识体系——油气层到底在哪里、到了井口以后怎么控制产量等问题才能找到解决方案。经过两年多的努力，双方的合作结晶将作为生产系统很快在中石油的油田全面部署。
以知识计算的方法论为牵引，校企协作模式更容易催生优秀成果：苏州大学-华为联创实验室的全栈式可定制自然语言处理项目，创立并研制出业界首个多粒度分词、语法分析统一建模方法，以及短文本和超长文本事件抽取模型和平台, 并以云服务形式赋能行业客户；华为云、华为诺亚方舟实验室、哈尔滨工业大学联合研发中文医疗信息处理模型，提出KGMask方法，在信息抽取、文本分类和语义匹配等单项任务中大幅领先，在CBLUE榜单总成绩荣登榜首。
<h1 class="pgc-h-arrow-right" data-track="49">从“以大为美”到“落地为荣”</h1>
与科学施肥、育苗可以提升土壤产出效率相似，预训练大模型可谓AI开发从小作坊迈向工业化的催化剂。眼下，千亿乃至万亿级别的大模型风起云涌，如何将“以大为美”转化为“落地为荣”，任重而道远。
华为云人工智能领域首席科学家IEEE Fellow田奇
“如果从应用场景倒推回来，遵从以终为始的思路，就可以化解很多关于大模型的争论。” 华为云人工智能领域首席科学家、IEEE Fellow田奇认为，AI技术要真正实现大规模应用、低成本复制，必然要经历标准化、模块化的过程，离不开产学研的紧密合作。
例如：端侧的应用必须要做模型的蒸馏，高校在小模型上的创新能力很强，产学协作空间巨大；大模型训练方面，目前NLP和CV采用不同架构，未来多模态统一架构可实现更高效的训练和推理，企业与高校、科研院所的合作机会将成倍增加。
西安交通大学与华为云在抑菌和抗肿瘤药物研发合作中，就充分挖掘了预训练大模型的价值。来自ICU的统计显示，超过5成以上的死亡病例都与细菌耐药有关，但由于投入产出的回报周期过长，多年未有新药面世。
借助华为云盘古药物分子大模型，西安交大第一附属医院发现一款广谱抗菌化合物，使用结构优化器可提高小分子化合物与目标抗菌靶点蛋白的结合。在药物发现过程中，联合团队还使用大模型的属性预测器，对生成的化合物实时评估成药性指标，以及后期量产需要考虑的理化指标。
以更宽阔的视角看，AI大模型很可能带来科学研究与产品研发的范式变革。科研工作通常包含前期实验、理论建模、计算机仿真、大数据挖掘等阶段，大模型的涌现会颠覆各个环节的运作方式，甚至成为AI进入下一个时代的跳板。
身处异国他乡的著名作曲家德沃夏克，受到印第安原住民音乐和黑人灵歌的启发，创作了人生中的第9部交响曲《自新大陆》。华为云与高校在AI领域的探索，同样要经历很多跨界的“刺激”，才有机会找到值得共同奔赴的前程——前者有知识计算+大模型，后者有基础理论+交叉学科，“四手联弹”方能奏响最强乐章。