在近年来的这段时间里, 各个国家已经相继把人工智能也就是AI给上升到了国家战略那样的高度。它们现在都在开始谋划一条能够跟本国的产业基础相适应、能够跟本国的发展格局相适应、还能够跟本国的治理体系相适应的破局之路。在这场进行的全球竞赛之中, 人才被看做是在赢得AI技术竞争时最为关键的那一种资源。
在关乎国家之间人工智能人才竞争的这样一个背景之下, 中国这一方已经超越了美国这一方。从此之后, 中国就变成了产出人工智能人才数量最多的那个国家。这种情况使得中国在顶尖的人工智能研究人员的培养工作方面, 差不多占据了全球总量的一半之多。
时间来到了二零二四年, 长三角地区、京津冀地区、以及珠三角地区这些地方的那些具备骨干力量的人工智能企业的数量, 超过全国总数的百分之八十的情况出现了。这种因为产业集群而形成的效应表现得非常显著。由此可知, 这些区域已经成为推动中国人工智能发展的重要引擎之一。
所以, 本研究就是拿长三角地区、还有京津冀地区以及珠三角地区作为例子来开展工作的。然后, 对省级层面的AI政策文本内容进行了量化分析这种操作。
目的是要识别出哪些是AI人才政策目标, 还有哪些是政策工具。最后还要进行比较工作, 来看看这三大地区为了去实现不同的AI人才政策目标, 所采用的那些政策工具组合, 它们之间到底存在什么样的差异性情况。
图1 中国长三角、京津冀、珠三角地区省级AI人才政策量化分析框架
表1 AI人才政策工具及具体含义
政策目标
1.AI人才培养
通过运用集群分析的方法来识别出, 在AI政策文本中与“人才培养”这个话题具有非常高关联度的那些词条, 然后对这些词条进行共现网络分析, 我们可以发现, 在AI政策文本里面关于“人才培养”的核心枢纽词汇当中, “共建”这个词是绝对的核心节点, 这体现了相关政策所强调的多方协同进行培养的理念, 例如校企共同建设基地、产学研联合建立实验室等等, 这反映了AI领域的人才培养正在呈现出一种开放化的发展趋势；而“实训”以及“实习”这两个词则主要聚焦于实践能力的具体培养过程, 政策文件里面频繁地将这些内容与企业的实习机会以及各种技能的操作联系起来, 这凸显出了对于应用型人才的特别重视；另外, “产教”这个概念则直接指向了产业界与教育界之间的深度融合, 它与之前提到的“共建”还有“实习”这两者形成了非常强烈的三角关联, 因此可以说它是相关政策得以顺利落地的一个关键路径。
这些词条包括“骨干”, 也包括“基地”, 还包括“解决”与“掌握”, 它们构成政策的骨架, 从而把理论, 也就是“学术”以及“理论”, 和实践, 即“教”与“产”连接起来。
骨干这个说法, 它更加侧重于对行业里面那些领军人物进行培养, 同时还会起到链接高级人才和中青年人才的作用；基地这个概念, 它强调的是要建设那种实体的培养平台, 并且跟实训过程以及学校方面会有很强的互动关系；解决这个词, 它强化了以问题为导向的那种能力, 并且会与问题和思维方式产生关联；掌握这个词, 它比较注重技术在实际操作方面的能力, 而且会和前沿领域以及学习活动相互配合达成协同的效果。
在边缘节点这部分内容里面, 被大家称为理论型的概念当中, “学术”和“理论”这两个词语是受到了政策方面比较弱的关注的, 而那些群体标签型的概念, 具体就是指“研究生”和“中青年”, 这两类人群是作为培养的对象存在的, 并且是被间接地关联在一起的, 至于基础能力型这样的概念分类, 里面的“学习”和“思维”是属于支撑性的概念, 并不是政策所重点关注的内容。
从政策结构特征来看, 第一项情况是实践能力处于主导地位, 代表网络的Jaccard系数词高度集中在操作场景里, 也就是实训和实习还有解决问题这些方面, 而学术跟理论处在边缘位置, 这揭示了政策是看轻理论知识、看重实际应用的这种倾向；第二项情况是产教融合扮演了中枢角色, 产教这个概念跟共建、基地一起形成了一个核心三角, 这表明政策把校企合作当作了培养人才的主要渠道；第三项情况是人才的定位有明显的分层, 高端的人才有骨干、高级这样的标签去链接产业的实际需求, 中坚力量有工程师、中青年这样强调实战能力的标签, 基础部分有学习和思维这样起到隐性能力支撑的标签。
2.AI人才引进
同样的事情, 我们还用了集群分析的方法。我们这么做是为了从“AI政策文本”里面, 识别出那些跟“人才引进”这个词关联度特别高的其他词, 然后对这些词做了共现网络的分析。分析的结果显示, “AI政策文本”里的那些关于“人才引进”的核心枢纽词都说明了一个情况。
顶尖人才主要是怎么被吸引过来的呢? 靠的是股权激励这种方式, 还有生活保障这种方式, 以及多种其他的办法同时使用。采取这些方法的目的就是为了把国内非常紧缺的高层次的人才给吸引过来。
那些次级枢纽词, 里面还包括了“评定”, 以及“纳入”这两个词条。
查看“评定”这个词条可以知道, 现在的政策更看重去制定那些非常清楚的评价标准以及相应的机制, 好把引进来的人才的水平啊、能力啊还有他做出的贡献都放在一起做一个全面的评估, 然后从中挑出那些符合规定的好人才, 这样就保证了新进来的人才确实能管用在国家或者当地的发展上面需要的地方；再看“纳入”这个词条, 那就发现政策是比较想让那些已经通过评估的顶尖人才进到专门设定的人才体系或者是项目里去, 并且给他们提供系统性的支持和培养, 这样做的好处是对这些顶尖人才的管理更加集中, 资源的分配也更加合理了。
该边缘节点包含了“全球青年”以及“数字产业”, 还有“企业引进”这些词条, 这说明在政策层面, 对全球青年人才的引进工作的关注度是不够的, 对于数字产业的人才需求方面的关注度也是不够的, 而且把企业作为吸引人才主体的这种作用也是关注度不足的, 缺乏具体的政策部署安排, 实施起来的力度相对就很小。
从政策结构的特征来看, 人工智能“人才引进”政策主要的模式是“双轨并行”引智。刚性引进会高成本投入, 这样能积极争夺那些成熟的人才, 目的是迅速增强国内人工智能领域高层人才队伍的实力。
柔性引进则能用低制度成本吸引智力资源, 也就是说注重优化生活保障与人才评定机制, 从而让紧缺人才投身到国内的AI行业里面去。
政策“目标—工具”
1.人才培养—政策工具
开展三大地区政策目标与工具的“编码—编码”共现网络分析, 在AI人才培养方面, 三大地区普遍将以供给型工具作为核心策略, 重点关注学科建设以及联合培养事项。同时协同运用人才专项、营商环境优化及产学研合作作为补充手段。此外, 科研环境优化与生活保障措施则被作为辅助方式来使用。
2.人才引进—政策工具
在AI人才引进方面, 三大地区实施了双轨制。这个做法的核心手段, 是综合运用三类政策工具。这三类工具, 包括供给型工具, 也就是“人才专项”, 以及需求型工具, 那就是“渠道开拓”, 还有环境工具, 即“生活保障”。
与此同时, 当地还以学科建设作为协同手段。此外, 联合培养和产学研合作也被用作协同手段。这些协同手段的目的, 是用来强化被引进人才的赋能能力。
政策“目标—工具”的区域比较
1.人才培养—政策工具
（1）长三角地区
在人工智能领域的人才培养这个方面, 长三角这个地方主要使用的是供给类型的工具作为主导方向。具体来说, 那里会通过扩大多学科的设立范围、加深联合培养的这种方式, 还有加强产学研之间的互相配合这些办法, 来建立一个到处都是、各种角度都有的一个人物培养的系统框架。
与此同时, 那个地区还积极地设计了多种专门针对人才的计划项目, 并且对保障生活的那些措施进行了优化调整。这么做就是为了给人工智能领域的顶尖人员提供一个很适合生活的地方环境, 同时还要让他们有足够的职业上可以上升发展的空间条件。
（2）京津冀地区
在人才培养这个方面, 京津冀地区聚焦了两个核心策略, 第一个是加强AI学科建设, 第二个是推动多元主体联合培养, 同时该地区采取了许多配套措施, 它深化产学研协作, 优化科研环境和营商环境, 完善生活服务保障, 设计专项人才计划, 拓展人才晋升与发展通道。
此外, 通过加大政府采购力度等方式, 全力打造有利于AI人才集聚与发展的良好生态, 全面推动AI人才高质量发展。
（3）珠三角地区
在人才培养方面, 珠三角搞出了一个很特别的体系。这个体系的特色叫作“双轮驱动加上通道赋能”。它主要做的是两件事。第一件是利用供给型的工具。具体做法是联合培养, 以此来夯实人才的基础。这是为了加强人才的底子在能力上。第二件是利用需求型的工具。
具体做法是引进人才和开拓晋升渠道。这是为了拓宽人才的发展空间。同时, 还要下功夫打通人才的晋升通道的职业发展通道。这样做是为了形成一种长期的奖励机制。
在此基础上, 我们会通过间接的政策杠杆来发挥作用, 例如提供税收优惠, 给予资金扶持, 还有搭建相关平台等, 以此引导和激励政府以及企业等多元化的主体一起协同发力, 大家要共同努力地去推进产学研的深度融合, 要去持续地优化科研的环境, 还要去创新政府采购的机制, 最终要系统性地提升区域在人才培育方面的效能以及在竞争当中的地位。
2.人才引进—政策工具
（1）长三角地区
为了分析长三角地区在政策目标和政策工具方面的情况, 我们首先对这些指标进行了“编码—编码”的梳理, 并在此基础上构建了共现网络。基于这个网络分析的结果, 我们随后绘制出了一张专门针对“人才引进”与“政策工具”之间关系的共现网络聚类图谱。
从AI领域的具体的工作实践来看, 该地区主要采取了三项具有代表性的措施来进行人才引进。第一项措施是实施专门针对人才的项目计划, 第二项措施是大力优化营商环境, 第三项措施则是积极开拓创新引才的渠道方面的工作。
当然, 除了单独采取的这三项行动之外, 该地区在实际操作中也协同运用了多种其他手段, 例如注重学科的建设、开展联合培养的方式、以及推进产学研之间的深度合作等途径。通过综合运用这些方式, 最终共同推动了在该地区对于人工智能人才的引进工作的整体进展与发展。
（2）京津冀地区
通过对京津冀地区的政策目标和政策工具进行编码, 然后再进行二次编码, 进而开展共现网络分析, 最终绘制出体现“人才引进”与“政策工具”关系的共现网络聚类图谱。
在针对人工智能领域的人才引进工作方面, 京津冀地区主要采取了三项措施来吸引人才, 这三项措施具体包括设立人才专项计划、强化生活服务保障以及优化营商环境。同时, 该地区还配套推进了学科建设、联合培养以及产学合作等方面的工作, 以便为人才构建一个施展才能的发展平台。
（3）珠三角地区
先把珠三角地区的政策目标和政策工具进行编码处理, 接着再做一次编码分析, 通过这种“编码”加“编码”的共现网络分析方法, 把“人才引进”和“政策工具”这两者之间的共现关系梳理清楚, 然后绘制出一张“人才引进”对“政策工具”的共现网络聚类图谱。
在人才吸引策略这个方面, 珠三角地区已经形成了一个模式, 这个模式是双轮驱动, 其中驱动的核心之一是用需求型工具去开拓引才渠道, 另一个驱动核心是用环境型工具去做好生活服务保障。
该地区在政策调控的方面, 更侧重于使用间接的方式去进行调节, 并且是借助于政策的杠杆力量, 来起到一种引导的作用和激励的作用, 促使政府这种主体、企业这种主体以及其他的多种类主体能够一起去用力, 共同发力于一件事儿上去, 就是合力去推进联合培养那种机制的建设工作, 同时还合力去推动科研环境得到更好的优化, 也合力去让产学之间的合作能够进一步地加深下去, 最终在这样的努力之下构建出一个具有这个区域自身特色的人才能够吸引人前来并且在此发展的一种生态环境。
对策建议
基于前文的这些研究和讨论, 我们要把目光对准上海建成人工智能高地的这一战略目标, 所以我们这里就分别从人才怎么去培育, 以及人才该怎么吸引这两个大的方面, 提出如下的一些建议。
在关于AI人才培育的方面里进行工作的时候, 要构建起那个基础研究连同产业应用一起形成的双螺旋体系出来。
（1）我们要把基础研究的策源能力给强化起来, 为此要设立张江基础科学研究院, 这个科学院会采用“10年免考核加自由探索经费”这种机制, 面向全球去招募顶尖学者来钻研AI底层技术, 以此来填补在学术或者理论方面被边缘化的短板, 我们同时也要推动复旦大学和交通大学的数学AI联合实验室建设, 要把前沿数学还有量子理论加入到AI的核心课程里面去, 从而重塑学科交叉培养体系。
（2）头部企业和高校把“数据共享”还有“能力认证”以及“师资互通”这三样东西结合起来, 形成了一个紧密的协同机制。这样做是为了全方位地去强化“实训”和“实习”这两个环节之间的重要联系。同时, 又推出了针对产教融合的税收抵免政策。
在这个政策之下, 企业导师拿到的薪资待遇可以按照一个固定的比例来抵扣企业所得税。这样一来, 就可以让企业参与进来的动力变得更强了。（3）我们要培育那群青年人的领军者梯队。为此, 我们启动了“浦江青年π计划”。这个计划每年会遴选30名年龄在35岁以下的学者。我们要为他们开辟轮岗通道。
他们可以去张江国家实验室李政道研究所。他们也可以去临港中试基地浦江实验室等这样的一些平台。我们将在漕河泾进行试点。试点内容包括“失败创新积分”。还有这样的规则, 即终止项目的技术方案纳入公共知识库后, 可以兑换研发资源。
在吸引AI人才这桩事情上面, 我们打算去建设一个既像“全球枢纽”又像是有场景开放的强力磁场, 好把人才给吸过来, 同时去构建一个层次分明的吸引人才的网络。
第一点是这样做的, 就是在最顶尖的一层人员里推行一个叫作“科学家工作室”的计划, 给他们赋予决定技术怎么走的权力, 组建团队的权力, 以及调剂经费的权力, 通过建立设在国外的研发中心来避开那些针对技术出口的限制。
在年轻这一层呢，是设立一个叫作“AI国际青创节”的活动, 那些拿了奖的人就能直接拿到人才公寓的入住资格和跨境数据沙盒的准入资格, 以此来激活那些处于全球的青年人才的节点。
（2）释放出企业这个主体该有的动能, 也就是实施由“链主企业引才定额制度”这样的办法, 具体来说就是允许像特斯拉、上汽这样的头部企业按照自身的研发投入比例去进行自我鉴定, 确认那些急需的人才, 把这些人直接纳入落户的绿色通道里面；对于那些成功引进了A类人才的企业给予土地建筑容积率的奖励, 这一项最高可以提升百分之三十；（3）。
开发出一个叫做“跨境人才云”的平台, 在这个平台上面集成起代办签证、办理跨境支付、为孩子选择国际课程等这些功能, 以此来拓展在生活方面能够保障的相关工具的深度。在这个时候, 我们要去建设一个开放的场景试验场。
要把城市级别的AI沙盒开放出来, 这个包括像洋山港自动驾驶这样的例子, 还有瑞金医院智慧诊疗这样的例子。对于入驻的团队, 要给他们优先提供测试数据的权利。然后让他们形成解决方案。接着要把这些方案加入到市政府的创新采购目录里面去。还要去试点技术移民社区, 这个比如前滩国际社区。
允许外籍的人才用他们的专利收益来缴纳社会保险金。这样做是可以打破现有的制度约束的。
作者赵程程是上海工程技术大学管理学院的副教授, 而郭笑宇、田佳蕾则是上海工程技术大学管理学院的硕士生。
这篇文章的内容是由两项课题提供的支持, 第一个课题是教育部在二零二二年发布的关于人文和社会科学的青年基金研究项目, 具体的名称是中国企业参与全球人工智能技术创新的位势提升机理及路径选择研究, 项目编号是二二YJCZH二五四, 第二个专项课题来源于上海市人民政府决策咨询研究基地, 项目的名字是长三角区域共建世界级人工智能产业集群研究, 对应的数字编号为一零二四-AZ-五五。
这篇文稿最初是在《国际大都市发展研究（中英文）》这本期刊里发表过的, 具体是在2025年的第5期上面, 那时候它的题目叫做“长三角、京津冀与珠三角地区省级人工智能人才政策量化分析”, 澎湃新闻是在得到了授权的情况之下把这个东西刊发出来的, 在刊发的过程当中, 编辑们还进行了一些编辑和删节的工作。
