近年来，全球数据智能产业快速发展，产业规模持续扩大，逐步形成了覆盖数据智能基础设施、资源服务、数据治理、开发应用及生态服务等多维度的完整产业链格局。我国落实“十四五”规划以来，随着人工智能、大数据、物联网等基础技术的渗透应用，数据智能技术、应用及服务能力正加速成熟，产生了庞大的市场需求，产业正迎来前所未有的发展机遇，催生了技术能力和应用场景的不断创新，推动着生态加速培育与产业发展。与此同时，数据智能人才数量的需求日益增长，人才规格的要求也在不断提高。培养高素质复合型应产业人才已成为地方高校的紧迫任务。

一、数据智能全景化布局提速，产业体系逐步完善

根据中国通信标准化协会大数据技术标准推进委员会（CCSA TC601）发布的《数据智能产业图谱（2024年）》显示，我国数据智能产业布局正日渐成熟，围绕数据智能基础设施、数据治理、数据资源服务、数据智能开发、数据智能应用及数据智能生态服务等方面，初步形成了健康有序、优势互补的产业体系。

图1 数据智能产业图谱

在数据智能基础设施领域，企业主要围绕通用计算硬件、智能计算硬件、数据存储、数据智能平台等提供产品服务，为上层数据开发和模型训练提供强有力的算力支撑。

在数据治理领域，企业主要聚焦在数据质量管理、数据标准管理、数据资产管理、数据标准等方面提供平台及服务，支撑数据管理相关工作。

在数据资源服务领域，企业主要围绕人工智能数据集、数据产品开发、数据运营、数据交易等提供平台及服务，为数据产品和数据服务的开发与应用提供数据基础。

在数据智能开发领域，企业主要聚焦在数据开发、人工智能算法开发、数据科学、知识图谱等方面提供平台能力，支撑数据智能产品及数据智能应用的开发。

在数据智能应用领域，企业主要围绕生成式大模型、通用应用和场景化应用形成了多项产品及服务，应用在金融、通信、汽车、能源等多个行业，持续赋能企业数智化转型。

图2 数据智能企业营收分布情况

从企业发展情况来看，入选产业图谱的企业大多数成立于2010年之后，占比高达68%；规模上以大中型企业为主，年营业收入在亿元以上的企业占比超过40%，是数据智能产业发展的中流砥柱。

从企业研发能力来看，入选产业图谱的企业平均专利授权数达到31.7项，软著登记数达到77.2项；拥有10项以上专利、30项以上软著的企业占比超过50%，构建形成稳健的自主知识产权体系。

二、全球数据智能产业快速发展，规模化效应初显

政策方面，数据智能产业的快速发展引起了全球各国的高度重视，综合考虑发展与监管，加快推动相关政策出台。2023年3月，加拿大政府宣布将制定《人工智能与数据法案》，并发布预告性配套文件，以规范人工智能开发和应用活动。2023年11月，美国网络及信息技术研究与发展小组委员会发布《美国人工智能2024财年预算和计划信息》，提出建设用于人工智能训练、测试、开发的共享公共数据集和环境，在机器学习、智能制造、医疗等领域创建训练数据集，旨在确保自身在数据智能领域的全球领导地位。2024年3月13日，欧洲议会通过世界首部《人工智能法案》，该法案旨在通过对人工智能的使用进行规制，以保护公民基本权利、民主、法治和生态环境免受人工智能的影响，促进以人为本、值得信赖的人工智能发展应用。

企业方面，全球数据智能领域相关企业加速涌现，企业数量增长态势明显。据中国信通院统计，截至2024年4月，全球已有超过3万家人工智能企业，我国人工智能企业数量超4500家，其中超过半数企业从事与数据相关的业务，包括数据智能类软硬件开发、人工智能数据治理、人工智能数据集开发、数据智能产品开发等领域。同时，据不完全统计，国内有近2000家数据企业面向人工智能领域提供服务，如专注于多模态学习的数据标注业务，根据特定领域需求场景提供定制化的数据加工方案与实施服务，提供标准化结构化的高精度数据集等。未来，随着大模型技术在各行业领域的落地应用，数据智能企业数量将持续增长，支撑产业规模持续扩大。

投融资方面，数据智能企业投融资活跃，占整体人工智能产业投资比重持续上升，投资带动效果显著。最近一年，随着大模型技术应用快速发展，面向大模型的数据智能企业投融资规模不断扩大，据统计，2023年前三季度，大模型企业融资金额同比增长137%，融资轮次以种子轮、天使轮、A轮融资等早期投资为主。资本市场对于数据智能产业的良好预期，对于产业新增长点的投资带动作用非常显著，推动了以Character.ai、Scale AI、月之暗面等为代表的一批数据智能领域明星创业企业的涌现。面对数据智能应用在资本市场和用户市场的火热态势，国内外科技巨头也纷纷入场，国外以微软、谷歌、Meta等企业为代表，国内以百度、阿里、字节跳动等企业为代表，一方面积极研发企业级数据智能相关产品，另一方面以开放接口等方式与其他企业合作开发应用，加速构建数据智能产业生态。

开源社区方面，全球数据智能领域开源社区快速发展，开源项目在创新和效率上展现出巨大潜力。国外方面，开源社区发展呈现出活跃和多元化的特点。截至目前，全球开源人工智能项目和贡献者数量显著增长，GitHub上的贡献者数量同比增长148%，项目总数同比增长248%。2023年12月，IBM和Meta联合全球50多个创始成员和协作者宣布成立人工智能联盟（AI Alliance），该联盟支持开放式创新和开放科学，致力于培育一个开放的社区，加速负责任的人工智能创新。同时，多个开源模型快速发展，在效率、生态等方面的优势逐步显现，与闭源模型的性能差距逐步缩小。国内方面，开源社区正在积极发展中，在技术研发、创新培育和产业应用方面展现出潜力，但与国外相比仍有一定差距。大模型方面，清华大学发布的ChatGLM-6B、智源人工智能研究院推出的悟道·天鹰、阿里推出的通义千问Qwen等已得到了广泛探索和应用，在模型参数量、训练稳定性、性能等方面持续优化。在高质量开源数据集方面，阿里推出的天池开源数据集、百度推出的飞桨开源数据集、北京市发布的人工智能大模型高质量数据集等为更多深度学习模型的建立和优化提供了重要基础，持续驱动数据智能产业发展。

三、 数据智能产业的人才需求分析

1. 数据智能产业人才现状

从国别人才现状来看，美中两国成为全球数据智能人才聚集高地，人才培养体系正加速构建。随着各国在数据智能领域竞争的日益激烈，人才成为推动产业生态发展、抢占国际领先地位的核心资源，企业和高校机构对人工智能人才的重视度都在不断增加。据美国保尔森基金会发布的《全球人工智能人才追踪调查报告2.0》显示，在人工智能人才的培养和引进方面，美国仍保持压倒性的优势，而中国正在迎头赶上。2022年，美国机构中来自中美的顶级人工智能人才占比高达75%，中国在过去几年内持续构建人工智能人才库，以满足不断增长的人工智能产业需求。截至目前，我国已有近500所高校院所开设人工智能专业，着力提升人工智能基础研究和交叉应用能力，通过校企合作促进科技创新和产业发展的有效衔接，培养跨学科、复合型、高层次、创新型的高端人才。

从企业人才结构来看，研发人员数量超过30%的企业占比高达95%，其中近10%的企业研发人员数量超过80%；人才层次方面，平均本科学历以上比例达到92%，平均研究生学历以上比例超过25%，工作经验5年以上的人才占比超过70%，表明企业人才体系日趋完善。

图3 数据智能企业研发人员数量占比情况

2.数据智能人才需求状况

从人才需求的总量来看，‌数据人才的社会需求非常旺盛，尤其是在数据分析、数据科学和人工智能等领域。‌根据《产业数字人才研究与发展报告(2023)》的数据，当前数字人才总体缺口约为2500万至3000万，且这一缺口仍在持续扩大‌。在数字产业化人才方面，人工智能面临着人才总量与质量的双重欠缺，算法研发与开发人才紧缺度最高，机器学习、计算机视觉技术方向需求尤为旺盛。在产业数字化人才方面，未来三年智能制造数字人才供需比预计将从1：2.2扩大至1：2.6，到2025年，行业数字人才缺口达550万人，不足以支撑产业数字化转型需求。

从具体行业对数据人才的需求来看，主要集中在以下领域：

‌金融‌：数据分析在金融行业中应用广泛，用于风险管理、欺诈检测和投资分析等。

‌医疗‌：数据科学家和数据分析师在医疗行业中帮助医院进行大数据分析和远程医疗服务。

‌教育‌：数据分析在个性化教学和学生学习效果评估中发挥重要作用。

‌零售‌：通过分析顾客行为和销售数据，优化供应链管理和市场营销策略。

‌制造业‌：数据分析帮助企业提高生产效率和产品质量控制。

从数据智能岗位供给来看，猎聘大数据研究院发布的《2023届高校毕业生就业数据报告》显示，AI大模型应届生职位同比增长超170%，在2023届博士应届生需求增长最多的TOP10新赛道中，前两位为AI大模型、智能制造，分别同比增长430%和290.32%。与此同时，投递智能制造、AIGC（人工智能生成内容）、AI大模型相关岗位的应届生同比增长居前三，均超230%。

3.行业企业对数据智能人才的规格要求

从企业对数据智能人才的具体技能要求来看，数据智能人才是具有一定的数字化思维、素养和专业技能,且能够为组织的数据智能业务或数字化智能化转型提供支持的从业者。数据智能人才不仅要具有数字化的思维和专业知识结构,还需要有对多样化的海量数据进行智能化管理和使用的数字化操作能力,能够推进企业数字化智能化转型的专业型人才。具体规格要求可归纳为：

（1）类型要求。数字化管理人才需要懂业务、懂技术,更要注重数字领导力和管理能力的培养,所以这类人才不仅要有数字化的思维和能力,还要将数字技术与业务有效结合,发挥更大的能效,推动产业的数字化转型。作为数字化管理人才,需要具有系统的思维和交叉学科知识应用的能力,即复合型人才。

（2）知识要求。数字化智能化时代,面对产业数字化转型的需求,掌握数据智能技术的知识是拥有数字化思维和能力的基础。新时代数据管理人才需要具备掌握新兴信息技术的能力,就需要信息知识的储备,如计算机语言、编程等传统的信息技术基础知识,也需要掌握人工智能、区块链、大数据管理等新兴信息技术的知识。数据管理人才只有具备这些知识,才能迅速在新时代进行数据收集,并搭建好数字平台,使之成为全员与技术人员进行业务需求管理点、管理表盘以及管理痛点。

（3）能力要求。数字化智能化时代,在新赛道,会不断布局新场景,并不断涌现出新数据、新业态,对应会有新治理模式。面对快速更新的数字化智能化新事物,数字化管理人才必须具备良好的自主学习能力。只有快速学习才能在知识加速迭代的时代把握好数字化智能化浪潮,成长为成熟的数字化管理人才。拥有良好的学习能力的人才更容易接受新知识,并利用学习型思维将新知识转化为对未来发展的新动能。

根据人瑞人才与德勤中国的调研显示，有52.6%的企业最希望人才掌握数据分析技能，其次是数字营销，占比为38.3%。在被问到最希望提升的人才能力时，52.5%的企业表示希望加强人才复合型学习，尤其是技术人员的商务和运营能力。归纳起来，数据智能人才需要具备以下主要能力：①‌数据分析‌，收集、分析、解读大数据，识别模式，作出预测并制定实际策略‌；②‌数据处理，构建和维护机器学习模型，处理大量数据‌；③‌数据应用，运用计算机编程（如Python）、数学和统计学知识，进行数据挖掘和数据可视化。‌

（4）素养要求。政治素养是人综合素养的核心,新时代背景下的数据管理人才在掌握大量数据资源的同时,更需要具有家国情怀,坚定自己的政治立场,不断提升自身的政治素养。尤其在数据智能产业的规则盲区,就更需要数字管理人才具备高政治素养,以高标准要求自己的思想与行为。

广州工商学院数智技术产业学院

2024.9.8