近期，全球科技巨头纷纷用实际行动揭示了AI发展的首要驱动力——人才。月初，谷歌NotebookLM核心团队宣布集体离职并着手创立新公司，其官方网站已步入“建设中”阶段。
紧接着，Vision Transformer（ViT）的三位主要作者，来自谷歌DeepMind苏黎世办事处的Alexander Kolesnikov等人，也宣布加盟OpenAI新成立的苏黎世部门。
AI技术人才的高流动性及企业为此设立新部门的举措，凸显了当前全球科技行业竞争的激烈态势。与此同时，AI技术在实际应用中的“最后一公里”难题愈发凸显。
随着生成式AI进入大规模应用阶段，技术人才稀缺与行业应用困境并存。AI技术必须落地到具体场景中才能体现其价值，但现实中，承载着厚望的“杀手级应用”仍未现身。抖音、快手等国民级内容社区并未因AI而发生实质性变革，小红书也放弃了旗下的AI生图工具Trik AI。
AI技术的研发者与从业者之间存在难以逾越的认知鸿沟。许多需求已成为行业专家的肌肉记忆，难以言表却不可或缺。在B端市场，技术与需求的错配更为显著。通用场景模型虽部署门槛低，但难以应对特定情况；细分行业模型效果好，却需要海量数据和繁重标注。
企业引入AI系统需综合考虑人力、运维成本，倾向于选择封装好的固定方案。因此，即便“AI+传统方法”能大幅提升效率，但因操作复杂而遭拒。技术与需求的错位，形成了一张难以解开的网。
AI落地难的根源在于结构性矛盾：懂行业的“老师傅”不懂AI，精通AI的人不了解行业需求。这一矛盾导致AI产品难以满足实际需求，合作意愿降低，需求理解更加困难。
面对这一困境，双向奔赴成为破局之道。AI研发者学习行业知识，行业从业者掌握AI技术，两者结合以推动AI落地。ChatGPT等大模型的出现，让AI应用形态焕然一新，数字化转型中的顶层设计逐渐变为“端到端”一体化。
大模型通过建模世界，使机器具备认知世界的能力，能理解和处理复杂行业数据，进行分析和决策，以往这种能力仅人类专家才具备。因此，帮助大模型建立“三观”的人，最好是懂AI的行业专家。
随着AI技术使用门槛降低，行业从业者拥抱AI技术的动能增强。医疗、化工、智慧港口等领域纷纷涌现AI应用案例。医生借助AI大模型提升诊断能力，化工厂通过大模型优化生产过程，智慧港口则利用AI实现更高效的生产管理。
然而，培养既懂行业又懂AI的复合型人才仍面临诸多挑战。缺乏“双师型”教师、教材和实践案例不足、高校算力资源匮乏、行业数据难以获取等问题亟待解决。为此，学术界、产业界与教学机构需携手合作，构建全方位的人才培养体系。
华为等科技公司正与大学合作，培养行业AI复合型人才。上周，东北大学、中国医科大学联合华为开展的行业AI应用创新孵化营正式开营，来自医疗领域的研究者共同体验了AI与医学的融合之旅。课程深入浅出，从人工智能方法的发展讲起，再联系到医生看病的实际工作，构建起AI知识体系的框架。
华为邀请前沿学者展示医疗+AI交叉研究的落地成果，包括数据处理、自动填写病历、医疗影像检查等。东北大学医学与生物信息工程学院执行院长赵越表示，医学与人工智能的融合是必然趋势，华为给予了无私帮助。活动中，中国医科大学附属第一医院教授齐瑞群探讨了临床医疗诊断方法及存在的问题，并展示了皮肤病理大模型的应用。
通过AI系统，医生标注切片的时间大幅缩短，且与临床日常工作无缝衔接。中国医科大学教务处副处长于宏分享了AI标准化病人平台，用于提高问诊技巧和医患沟通能力。AI模拟不同病种、不同性格特点的虚拟病人，支持多模态交互，自动评分并给出反馈。
教授们强调，AI不会取代医生，但不懂AI的医生将被淘汰。华为提供一站式、全栈自研的AI开发工具，从底层算力开始整合，支持主流开发框架，高效调用计算资源和模型资源，支持AI应用的全流程。学员们通过实操演练，基于医疗数据对大模型进行微调，并获得免费云资源券。
医疗只是华为布局的一个缩影。在更广泛的领域，华为产教融合的探索更加深入。华为启动了全国首届化工行业人工智能应用创新大赛，旨在打造共生共赢的产业生态联盟。同时，华为与华东理工大学、青岛科技大学等学校合作，开展“化工+AI”实训课程，培养了一批化工AI人才。
