开元体育·(中国)官方网站【学术报告】数据堂（北京）科技股份有限公司CEO齐红威

　　开元体育·(中国)官方网站【学术报告】数据堂（北京）科技股份有限公司CEO齐红威：智能时代之下的人才需求及发展趋势2025年1月11日-12日，由中国自动化学会、中国青少年科技教育工作者协会联合主办的2025中国自动化与人工智能科普大会暨创新人才贯通式培养研讨会在中国科学院大学玉泉路校区礼堂隆重举行。此次会议以“跨界融合·创新未来”为主题，聚焦大中小学贯通式培养模式与人工智能教育的科学化、系统化发展，吸引了来自全国高校、科研院所、中小学校等专家学者、师生代表共计500余人现场参会，有效汇聚了领域产学研优质资源，为推动我国教育强国与创新型国家建设贡献了力量。

　　本次大会邀请中国自动化学会联邦数据与联邦智能专委会主任、数据堂（北京）科技股份有限公司CEO齐红威作题为“智能时代之下的人才需求及发展趋势”的报告，报告介绍了随着人工智能，尤其是大模型的快速普及，人类的工作、生活和娱乐方式正经历翻天覆地的变化。在大模型推动下的元宇宙时代，人类将和智能体共存，这一趋势促使我们主动或被动地调整学习方式，进而引发了对人才需求的新变化。报告还探讨未来可能需要的几种人才类型，包括数据工程师、大模型训练师等角色。

　　在这个全新的时代，人类与智能人、数字人共同共生，迎来了元宇宙的本质。四年前，当数据堂意识到传统数据处理模式即将失去竞争力时，他们迅速布局，决定成立一家公司专注于数字人技术，提供虚拟员工和数字员工服务。尽管当时这一需求还难以想象其发展速度，但短短三年多的时间，这一愿景已然成为现实。

　　如今，智能办公的场景已经初步实现，某公司内部分员工已被大模型替代。例如，过去5人的翻译团队负责将数据翻译成日文、英文和韩文，然而自从大模型的引入后，4名翻译人员已不再需要，翻译过程也从传统的人工翻译变成了仅需1块钱3分钟就能完成的自动化过程。这种变化使得数据基础工作得到了极大的提升和优化，虚拟员工和具身员工的角色逐渐替代了人工。

　　同样开元体育·(中国)官方网站，智能家居的变革正在悄然发生，尤其是具身智能技术的应用。在未来的家庭中，除了传统的家庭成员外，机器人将成为日常生活的重要组成部分，承担诸如打扫卫生、做饭等任务。如今，这些场景已经在一定程度上实现，未来的家庭将迎来更多“数字成员”，智能家居将成为生活的常态。

　　从这些变革可以看出，数字人和智能技术正在快速改变我们的工作和生活方式。这不仅仅是一个未来的设想，而是已经开始实现的趋势，预示着智能与人类的深度融合。

　　随着智能技术的快速发展，我们的生活和工作方式正经历前所未有的变革。如今，银行中的导引机器人已开始为顾客提供服务，未来将在银行看到的不再是人类员工，而是完全由机器人替代的服务窗口。甚至，去银行办理业务可能不再需要亲自到场，所有操作都能通过虚拟平台完成。

　　例如，在为物流公司提供数据支持的过程中，机器狗已经进入研发阶段，未来它将帮助老年人或行动不便者进行购物，搬运重物等任务。智能化的制造业已经不再是未来的梦想，尽管不同领域的智能化程度各异，但其核心技术和应用已经逐步实现。在智能驾驶领域，过去被认为遥不可及的目标如今已经成为现实。智能司机将不仅仅是自动驾驶系统，它可能会进一步发展成具备人类司机能力的机器人，承担更多复杂的驾驶任务开元体育·(中国)官方网站。

　　在智能时代，企业界和政府之间的交流越来越多地围绕元宇宙、数字交换、大模型和数据要素展开。元宇宙不仅仅是虚拟世界的延伸，它代表了虚拟与现实的共生共存，已经逐步融入我们现实的社会形态。数字经济，虽然传统上与元宇宙是两个独立的概念，但随着技术的发展，二者之间的界限逐渐模糊。数字经济的核心在于通过智能技术替代传统人力，从而实现全产业的智能化转型与升级。尤其在面临人口出生率严重下降和经济增长新动力的需求时，数字经济成为推动社会发展的重要引擎。

　　与此同时，数据作为智能化的核心要素，正逐步成为产业转型的关键所在。数据的个性化和精准化处理是实现智能化转型的重要前提，除了算力的支持，数据的质量和管理将决定人工智能系统的最终效果。因此，未来的智能时代不仅是技术的，更是数据、算力和创新的深度融合。

　　这些趋势显示，智能技术正在改变我们生活的方方面面，从银行到购物，从制造到智能交通，整个社会正在迈向一个人机共生、虚实融合的新时代。

　　从互联网的早期发展到如今的智能时代，我个人认为经历了三波重要的变革，如图1所示。首先是Web1时代，它的核心在于将人和内容连接起来。回顾我大学毕业时，互联网刚刚起步，还是拨号上网的时代，人们依赖PC，通过浏览器或搜索引擎实现人与信息的连接。接着是Web2时代，即移动互联网时代，核心逻辑转向将人和人连接起来，这一时期手机成为了主要的连接工具，操作系统如安卓和iOS主导了移动端的发展，同时APP的兴起使得线上社交、购物等活动更加普及。

　　而如今，我们已经步入了Web3时代，本质上是将虚拟人、智能人连接起来的时代。在这一时代的基础设施中，手机仍然是其中的重要代表物，但随着物联网的发展，车载设备、家居系统等将成为新的连接工具。操作系统也逐步从传统的移动系统向物联网系统转型，像鸿蒙操作系统便是物联网环境下的核心系统之一。与此并行，大模型的出现进一步重塑了智能应用的生态。通过大模型架构，垂直领域的应用可以更加高效地部署，从而实现智能技术的普及和落地。

　　以ChatGPT为例，其深刻改变了人工智能应用的门槛。传统的人工智能开发需要自己准备算力、数据，并且每个领域的算法都需要量身定制。而在大模型的支持下，人工智能应用的复杂度显著降低，工作量减少，效果却大幅提升，如图2所示。过去在训练模型时，需要大量的数据和时间，而现在，只需要整理领域数据，大模型就能快速适应并输出高质量的结果。这大大缩短了人工智能的部署周期和成本，使得人工智能更加容易在各个领域落地。

　　百度推出的飞桨平台也是基于这种趋势，其可以降低人工智能开发的门槛。然而，尽管飞桨为专业人士提供了强大的工具，仍然面临较高的使用门槛。随着百度推出文心一言，在大模型的基础上，许多复杂的专业技术变得不再是必需的，用户可以专注于数据整理和领域应用，这大大简化了人工智能开发的流程，使得其应用效果在效率和准确度上都有显著提升。

　　传统的人才教育本质上是培养专业人才以服务社会，涵盖科研、教育、管理、销售等各个领域，人与人之间的服务和协作构成了传统社会的基本运作模式。然而，在智能时代，这一模式正在发生深刻的变化。我们需要培养的新人才不仅是服务人类的专业人才，更是支持大模型开发和应用的数字化人才，这些新人才将使大模型替代人类执行越来越多的工作，尤其是服务性的工作。这一趋势已经在现实中逐步显现，大模型和人工智能时代带来了对新型人才的迫切需求，尤其是在数据生产和智能系统的支持方面，如图3所示。

　　在当前的人工智能发展中，尤其是在大模型的训练过程中，数据是至关重要的资源。然而，国内在算力方面面临一定困难，尤其是在受到国际技术制约的情况下，最为困难的却是数据的获取和处理。虽然豆包AI可以生成图片，但其中的文化背景、细节设计等仍然存在局限，尤其是中文场景和中国文化背景的数据量远远不足，导致生成内容无法真实反映中国的文化特色。这暴露出一个重要问题：人工智能的训练数据本质上是双重的，既包括现有数据的处理，又包括对未来新数据的生产。随着大模型在未来两到三年内面临数据量枯竭的问题，我们亟需通过创新方式产生新的训练数据。

　　这种新的数据生产方式，尤其是面向大模型的应用，正在深刻影响着科研领域。例如，许多科研人员已经意识到，学生写论文不再仅仅是为了展示给人类审阅，而是为了生成大模型所需的训练素材。如今，学生们的论文写作已经开始依赖大模型，而教师在修改学生论文时，实际上是在与各类大模型进行博弈，通过调整和优化数据内容，让大模型能够更好地理解和辅助人类的知识创造，如图4所示。

　　随着大模型技术的应用逐渐普及，数据的生产和管理方式也发生了转变。过去，许多国内大模型公司主要依赖互联网开源数据，这些数据通常质量不高，价格低廉。然而，随着大模型技术的快速发展，越来越多的公司开始专注于高质量的文献、期刊、专利等数据的采集与处理，尤其是图文对和视文对的多模态数据。此类数据需要专业人员的介入与确认，甚至需要撰写专门的内容以满足大模型的训练需求。

　　此外，随着人工智能技术特别是大模型技术的快速应用，新的需求也随之而来，尤其是在人工智能的评测方面。尽管互联网企业能够通过一定的标准评估人工智能技术的能力，但对于传统行业、政府部门、金融、电力等领域而言，如何评估人工智能的能力、性能和安全性，尤其是防范伪造和确保系统的可用性，已成为亟待解决的难题。因此，人工智能评测成为了当前一个非常重要且迫切的需求，如图6所示，如何建立完善的评测体系，确保人工智能的应用能够在不同领域中安全、有效地落地，是未来的关键挑战之一。

　　智能时代带来了人才教育、数据生产和技术应用的深刻变革。在这一过程中，培养能支撑大模型发展的新型人才，以及构建适应大数据和智能技术需求的数据生产体系，将是未来社会发展的核心任务。同时，人工智能的评测体系也亟待建立，以保证技术的可用性和安全性，推动智能技术在各行各业的稳步落地。

　　在过去的几年中，人工智能特别是大模型的应用和发展进入了一个急速的增长阶段。三年前，我们偶然开始进行大模型评测，最初以数据生产为核心，随着需求的不断增加，我们逐步转向了更加综合性的评测工作。尤其是在去年，评测的需求开始迅速增加，不仅在商业领域，也涉及了更多公益性质的项目，例如教育、政务和法律领域的应用评测。

　　目前，大模型的评测有一个明显的趋势：许多评测集中在使用相对简单的考题来测试模型的能力，导致许多大模型都能够取得高分，如图7所示。但这并未反映出大模型在复杂领域中的真正能力，特别是对于那些涉及高专业性、实务性问题的领域。例如，在做政务、教育和法律的领域评测时，政务领域的评测分数普遍在60-70分之间，教育领域的评分也大致在80-90分之间，法律的评测结果同样没有达到理想水平。

　　在大模型快速发展的过程中，“最后一公里”的问题逐渐显现，这个“最后一公里”指的是将大模型真正应用到各个行业、领域和场景中的关键一步。目前，大模型应用的速度和效果已经远远超出了预期，但如何将这些大模型真正地结合到具体的行业场景中，依然是亟待解决的问题。尤其是在国内，未来能够在通用大模型领域生存下来的企业可能不超过三家，这也促使我们必须更加注重在特定领域做好大模型的服务和细化应用。大模型的领域化是一个必然趋势，随着行业数据的不断积累与场景化应用，通用大模型将逐渐向领域化大模型转型，带来新的产业机会。

　　随着大模型的成熟与普及，很多以往普通甚至不起眼的行业和应用场景正在变得充满了创业机会。例如，百度和中卫慧通提供的乡镇服务应用中，通过大模型的能力，解决了乡镇领导在服务老百姓过程中面临的难题，如图8所示。通过构建知识库并将其与大模型结合，他们实现了虚拟乡长的服务，这种虚拟乡长能够解答95%以上的群众问题，而剩下的只有人工介入。通过大模型的加持，传统上需要大量人工处理的服务工作，如今变得更加高效和便捷。这类场景化应用的落地，极大地降低了行业门槛，普通人只需了解行业和数据，便可在大模型的框架下快速创建出具备专业能力的虚拟助理。

　　同样，在医疗领域，面对复杂的医疗考试和辅导需求，大模型也在发挥巨大的作用，如图9所示。以医疗考核为例，原本需要大量专业人员辅导的过程，依托大模型的辅助，极大地提高了辅导的效率和准确性，帮助专业人员解决了许多原本无法高效解决的难题。

　　总结来说，大模型在行业应用中的成熟与普及，不仅推动了技术的创新和服务模式的变革，也为企业和创业者提供了丰富的机会。尤其是在数据生产开元体育·(中国)官方网站、行业场景化应用和智能服务的加速落地过程中，新的产业和商业模式将不断涌现，带来更加高效、便捷和智能的生活与工作方式。

　　齐红威，数据堂（北京）科技股份有限公司创始人&CEO，正高级工程师，中国科学院自动化研究所人工智能方向博士，中国科学院计算技术研究所博士后，斯坦福大学访问学者，中国自动化学会联邦数据与联邦智能专委会主任，北京市高层次创新创业人才，《中央、国务院关于构建数据基础制度更好发挥数据要素作用的意见》起草人之一，国家知识产权局“数据知识产权”专家组成员。获得北京市科技进步二等奖、中国自动化学会科技进步一等奖、中国电子学会科技进步二等奖。