近年来,随着无人驾驶、智能语音、图像识别等技术的大热,以及云计算、大数据、互联网、物联网等技术的进一步发展,人工智能技术成功跨越科学与应用之间的“技术鸿沟”,被提升到国家战略高度,成为推动新一轮科技和产业革命的重要驱动力 。 人工智能的火爆迅猛发展,带来巨大的人才缺口。数据显示,我国人工智能人才缺口至少在100万以上。人才已经成为制约人工智能产业进一步发展的重要因素,而解决问题的关键,就是构筑健康可持续发展的人才生态,为产业输送创新体系的生力军——人才。
7月26日,华为在100多名教育界、学界顶尖专家、华为授权培训合作伙伴、高校学科负责人、师生代表、媒体记者以及人工智能技术爱好者的见证下,举办主题为“学无止境 AI创未来”的发布会,正式推出“人工智能工程师认证(HCNA-AI)”。据悉,该认证是华为构建人工智能人才认证体系的第一步,华为正在开发面向资深工程师的HCNP认证,并已规划面向人工智能专家的HCIE认证。
“人工智能工程师认证(HCNA-AI)”发布会现场
搭上人工智能发展快班车 华为认证领先一步
华为人工智能认证首席架构师张志峰在发布会上详细介绍道,华为人工智能工程师认证旨在培养具有人工智能基础理论知识,并能应用业界通用人工智能框架进行应用开发、创新的专业人才。
华为将通过完善的人工智能职业认证体系,培养输送符合产业发展需求的知识型、技术型、创新型行业人才,为产业发展提供高能动力,以此推动解决人才缺口问题。
拥抱人工智能时代 构筑可持续人才生态
面对人工智能时代,华为企业BG全球培训与认证部部长冯宝帅表示,华为的战略是“平台+生态”,平台要开放,要协同;生态要有活力和多样性。华为要做平台的平台,要做生态的黑土地。无论平台还是生态,人才是关键,建设良性的人才生态是基础。”同时,他也介绍了华为在人才生态进行的多方位投入,“面对国家人工智能发展战略对人才需求的挑战,华为与合作伙伴、高校、业界专家,进行了人才培养的布局与规划,通过构建完善的人工智能职业认证体系、高校课程建设、培训伙伴赋能等多种方式,面向未来、为产业链源源不断输送人才。”
华为企业BG全球培训与认证部部长冯宝帅致辞
浙江工业大学计算机学院院长、国家级教学名师王万良教授指出,华为此次发布的人工智能工程师认证,是人工智能人才培养的标志性里程碑。“作为学界代表,也期望华为通过持续规划演进的人工智能认证体系,和更多的校企合作举措,深化高校学生后备专业人才力量培养,为产业持续输送高质量的人工智能高技术人才。”
浙江工业大学计算机学院院长、国家级教学名师王万良教授致辞
浙江大学计算机学院副院长、人工智能研究所所长吴飞教授在《人工智能交叉人才培养》主题分享中提出,人工智能有一定的学科独立性,同时具备前沿交叉、技术交叉以及学科交叉等特点,培养的是高度交叉型人才;高校要与企业合作建设人工智能创新载体、汇聚交叉创新人才。
浙江大学计算机学院副院长、人工智能研究所所长吴飞教授做主题分享
弥补人才鸿沟 华为要做人才生态的使能者
华为将在10月举行的HUAWEI CONNECT大会上正式发布人工智能发展战略,以及全栈式、全场景的人工智能解决方案和人才培养计划。
为跨越人才鸿沟,华为打造“学习-认证-就业”全过程的人才培养平台,将销售生态,解决方案生态,云生态等人才战略植入到这个平台上,实现人才的快速复制,到2022年,华为预计培养出50万ICT人才,为整个产业链提供服务。
面向未来,华为将通过打造有全球影响力的ICT认证体系,打造良性的人才生态链,持续为产业输出优质ICT人才;通过共建华为ICT学院,深化校企合作,促进人才培养创新;通过举办华为ICT大赛和人才双选会,促进人才培养和需求的高效匹配,搭建人才供需桥梁,推动产业健康可持续发展。
好文章,需要你的鼓励
在“PEC 2025 AI创新者大会暨第二届提示工程峰会”上,一场以“AIGC创作新范式——双脑智能时代:心智驱动的生产力变革”为主题的分论坛,成为现场最具张力的对话空间。
人民大学团队开发了Search-o1框架,让AI在推理时能像侦探一样边查资料边思考。系统通过检测不确定性词汇自动触发搜索,并用知识精炼模块从海量资料中提取关键信息无缝融入推理过程。在博士级科学问题测试中,该系统整体准确率达63.6%,在物理和生物领域甚至超越人类专家水平,为AI推理能力带来突破性提升。
Linux Mint团队计划加快发布周期,在未来几个月推出两个新版本。LMDE 7代号"Gigi"基于Debian 13开发,将包含libAdapta库以支持Gtk4应用的主题功能。新版本将停止提供32位版本支持。同时Cinnamon桌面的Wayland支持持续改进,在菜单、状态小程序和键盘输入处理方面表现更佳,有望成为完整支持Wayland的重要桌面环境之一。
Anthropic研究团队开发的REINFORCE++算法通过采用全局优势标准化解决了AI训练中的"过度拟合"问题。该算法摒弃了传统PPO方法中昂贵的价值网络组件,用统一评价标准替代针对单个问题的局部基准,有效避免了"奖励破解"现象。实验显示,REINFORCE++在处理新问题时表现更稳定,特别是在长文本推理和工具集成场景中展现出优异的泛化能力,为开发更实用可靠的AI系统提供了新思路。