当前位置:网站首页>面对AI人才培养的“产学研”鸿沟,昇腾AI如何做厚产业人才黑土地?
面对AI人才培养的“产学研”鸿沟,昇腾AI如何做厚产业人才黑土地?
2022-06-27 03:39:00 【脑极体】
在“新基建”全面推进,5G与AI技术掀起新一轮技术革命浪潮的今天,爆发的数据、算法、算力加速了许多产业的数智转型,对于各行业来说蕴含的时代机遇巨大。
在技术与产业升级的背景下,需要应对众多集成与融合的技术创新需求,这也对AI人才的储备提出了要求。
国家工业信息安全发展研究中心发布的《人工智能与制造业融合发展白皮书2020》显示,目前中国人工智能人才缺口已经达到了30万。而加强本科教育与产学研联合人才培养,是满足AI时代人才需求的核心方式。
如何将最前沿的AI技术与平台深入到高校、科研机构中,推动AI人才培养与赋能科研应用的全面发展,成为许多科技领军企业的课题。
在昇腾AI开发者创享日上,华为分享了其在人才培养、产学研赋能的机制,这也为产业提供了一个产学研人才培养的观察角度,在探寻中国AI人才培养的路径中,能够让我们提前看到高等人才培养与AI赋能科研的未来图景。
开启AI人才发展的加速模式
数字产业的发展需要理论与实践相结合的高水平人才,尤其是在计算领域,但传统人才培养模式中,高校的基础理论知识与课程滞后于实际产业技术的应用,再加上产业本身的教育设计水平不均衡,就会导致课堂教育与产业需求中间存在“裂谷”,无法适配。
为解决基础理论与产业之间的存在的鸿沟问题,构建良性的人才生态与培养体系,华为与教育部合作,在2020年共同成立“智能基座”产教融合协同育人基地,通过产学研协同,已与72所高校展开深入合作。自2020年开始,华为也启动一项生态计划-众智计划,将来自产业真实课题,通过任务揭榜竞争的方式来给高校学生提供“学以致用”的机会,培养和锻炼学生的实践创新能力。
为进一步深化高校昇腾AI人才培养产教融合改革,鼓励高校利用昇腾AI教学资源,围绕昇腾全栈AI软硬件平台开展人工智能学科建设和人才培养,华为在6月25日,面向全国本科类高校,推出“昇腾人工智能人才发展加速计划”,全方位的参与到高校教学改革中。人才发展加速的计划,资源丰富:
1.产教融合的教学资源。课程是人才培养的核心载体,昇腾人工智能人才发展加速计划,为高校提供融合昇腾等最新技术的免费教学课程资源,并且推荐昇腾系列迭代更新的教材/教辅等书籍资料;以普惠资源或补贴的方式满足教学实验过程中对算力的需求;依托智能基座虚拟教研室,汇聚全国教学一线优秀教师,提供高水平的产研融合教学经验及案例。华为在产业积累多年的技术、案例等通过课程、教材、联合虚拟教研室等方式传授给学生,让学生们获得最前沿的产研融合知识。
2.深入产业的实践资源。除联合昇腾AI生态伙伴与开源社区发布昇腾优才实习计划,昇思MindSpore开源实习外,华为主导的昇腾众智计划也面向高校师生开放,高校学生可以通过多种方式获得在真实产业环境中实习、实践和创新的机会,收获丰富的产业项目经验。
3. 丰厚的营销资源。合作高校师生可优先参与开发者大赛、昇腾系列的产业峰会及与华为伙伴联合举办的产教融合研讨会、人工智能院长论坛等,高校学生不仅可以在高水平的产业峰会、论坛中有学习交流的机会,也可以有机会展示学术项目的成果,不仅可以拓宽学生们的眼界,也能够提升行业影响力。
产教融合并不是新鲜的事物,在一些高校中,也有提前进行探索的案例,就效果来说,学校自己的反馈是维度相对而言比较单一,不能提供系统的培养。昇腾人工智能人才发展加速计划,让产教融合的维度从课程到师资再到产业培养体系,范围更广程度更深,可以助益高校加速AI人才的培养目标。
科研创新之魂
高校是人才的摇篮,也是科研研究的沃土。科研与产业如何协同结合的更加紧密?我们知道在一些科研创新的研究中,需要智能计算、AI、云等新技术来推进,而高校、研究机构往往拥有较强的理论基础与科研能力,算力、数据、场景等资源却更多地为科技企业所掌握。这也意味着大量的算力、数据、算法模型、应用场景等需要产业的协同与对接,只有产研融合,企业与高校、机构协同创新,才能兼顾科研创新的理论高度与实用性,让创新无阻碍。
在昇腾AI开发者创享日,华为同时也发布了助益科研研究的计划——昇腾科研创新使能计划,旨在使能国内高校和科研院所依托昇腾人工智能基础软硬件平台开展科学技术研究和软件研发与技术攻关工作。尤其基于大模型沙盘,开展大模型的研究和创新,目标是把每个领域和行业的大模型,都打造成世界级领先、全球化推广,来共筑我国大模型创新高地。
昇腾科研创新使能计划从技术扶持和赋能、资源支撑、行业影响力构建三大维度给予高校科研团队和科研院所全路径支持。
1.技术赋能。加入计划的高校科研团队和科研院所可以获得昇腾技术专家的专项支持,且优先获得与华为的技术联创机会,有机会成为昇腾计算关键技术新品推荐官及提前试用者;赋能方面,可以参与华为主办的围绕昇腾计算关键技术的“昇腾开发者峰会、昇腾开发者创享日”等多场开发者活动,与行业技术大咖、专家学者、华为计算高层等产业专家们有深度交流、学习的机会。
2.资源支撑。加入计划的高校或科研院所的科研团队可以获得创新基金、学习资源、权益服务等资源支持。例如加入该计划的团队有机会申请最高100万元的科研创新基金支持;科研算力资源方面,随着各地人工智能中心的陆续建设,智能算力的网络逐步建成,中国算力网-智算网络一期已上线,将为昇腾科研创新使能计划提供算力支持。同时还可优先申请围绕昇腾AI基础软硬件平台技术相关的学习课程资源补贴、获得接入昇腾AI远程实验室以获得必要的课题研究、开发、测试资源的机会及昇腾社区开发者中级及以上的服务支持等权益。
3.行业影响力。加入计划的团队除了优先受邀作为演讲嘉宾参加由华为主办的重要产业活动,还有机会优先受邀成为昇腾AI产业领域专家;优先受邀参加“昇腾科研创新卓越贡献奖” 年度评选等,助益更多科研工作者在科研创新领域的大平台中分享、交流,提升在行业的影响力。
无论是课程、师资、产业实践还是科研项目中算力、场景的助力,无疑都让AI人才培养方面的系统化支棱了起来,那么对于AI人才来说,如何检验其研究的效果与成果?这就需要在具体的项目中历练,丰富的生态项目资源,需要产业平台来搭建与连接。
深入葱郁的产业生态
2020年昇腾众智计划启动,昇腾众智计划是围绕昇腾AI基础软件平台推出的生态合作计划,以项目合作的方式,吸引高校、企业、个人开发者加入,输出的创新成果,在社区开源、开放,与全产业链成员共享。
通过汇聚产业界智慧和力量,不仅加深产业人才的交流与沟通,也能够加速基础软件创新和突破,促进计算产业的发展和生态繁荣。截止目前为止,已有来自80所高校/科研院所的300+个高校老师团队参与众智,共同培训了3000+多名核心开发者,共同完成了3000+个算子、模型、参考设计等昇腾众智任务的开发。为此,华为累计已经投入超过2亿元激励基金。
数字时代的人才培养,既需要基础理论灌溉,又需要对接产业界科技发展趋势与市场需求,多方协同,构建良性的人才生态与培养体系。华为基于鲲鹏和昇腾AI的生态资源,将开源操作系统openEuler、全场景AI框架MindSpore、鲲鹏应用使能套件BoostKit、昇腾应用使能套件MindX等全流程的工具链开发给生态中的开发者与学生使用。同时基于大模型沙盘,开展大模型的研究和创新,在前沿领域和热点行业打造出世界级领先的大模型,赋能AI人才持续探索与创新的力量。
基于“智能基座”产教融合协同育人项目的优秀实践成果,“鲲鹏&昇腾产教融合育人基地”是华为面向全国更多高水平院校进行有序扩展的一项人才发展举措。目前湖北三所高等院校已经实现课程知识、教学资源体系改革、师资培养方法与学生产业实践改革,这也丰富了高校学生知识体系与AI人才体系的构建。
在昇腾AI开发者创享日,四川省首个“鲲鹏&昇腾产教融合育人基地”高校合作签约仪式也如期举行,成都大学加入了鲲鹏&昇腾产教融合育人基地的大家庭,四川省首个高校的参与也为区域性的AI人才培养树立示范标杆,未来以吸引更多高校的参与,培养输送高质量的AI人才。
产业的创新与发展,人才是根本。“昇腾AI人才发展加速计划”“昇腾科研创新使能计划”“昇腾众智计划”、“智能基座产教融合协同育人基地”“鲲鹏&昇腾产教融合育人基地”等AI人才培养措施,通过丰富的资源与系统的产研培养,打通人才培养的“产学研用”,使得产业和高校、科研机构深度融合,相互促进,以产业聚集人才,人才又激发创新,创新驱动产业发展,形成产教融合的正循环。
在AI技术深化发展的平台期,如果寻求技术的突破,离不开创新人才的参与。而培养创新人才,需要整个产业界的协同,强化产学研一体化,需要技术与生态实力深厚的领军企业主导参与。华为构建了体系化的AI人才培养新范式,打通“产学研用”,以产业驱动知识体系和人才体系的构筑,不仅为中国AI的发展提供产研融合的高素质人才,也为行业提供了一种AI人才培养的新范式。
而这些源源不断的AI人才也会支持产业在关键技术领域的创新和持续发展。历史不厌其烦地教育我们——若能把握住未来产业突破性变革的关键技术,将助力整个国家在全球范围内“换道超车”。AI人才的培养是数智时代创新的起点,不断汇集成海的智慧,让中国AI正在向时代更远处扬帆远航。
边栏推荐
- fplan-布局
- 2021:Greedy Gradient Ensemble for Robust Visual Question Answering
- Games101 job 7 improvement - implementation process of micro surface material
- jmeter将上一个请求的结果作为下一个请求的参数
- 再探Handler(下)(Handler核心原理最全解析)
- Network structure and model principle of convolutional neural network (CNN)
- 通信中的机器学习最佳阅读资料列表
- Overview of Tsinghua & Huawei | semantic communication: Principles and challenges
- GAMES101作业7提高-微表面材质的实现过程
- 2020:MUTANT: A Training Paradigm for Out-of-Distribution Generalizationin Visual Question Answering
猜你喜欢
文旅夜游|以沉浸式视觉体验激发游客的热情
乐得瑞LDR6035 USB-C接口设备支持可充电可OTG传输数据方案。
Web development framework - Express (installation and use, static hosting, routing processing, use of Middleware)
Quicksand painting simulator source code
JMeter takes the result of the previous request as the parameter of the next request
Pat grade a 1019 general palindromic number
[Shangshui Shuo series] day 6
Argo Workflows —— Kubernetes的工作流引擎入门
QIngScan使用
2016Analyzing the Behavior of Visual Question Answering Models
随机推荐
乐得瑞LDR6035 USB-C接口设备支持可充电可OTG传输数据方案。
Is the money invested in financial products guaranteed? Is there no more?
Servlet and JSP final review examination site sorting 42 questions and 42 answers
Description of replacement with STM32 or gd32
Interview-01
USB DRIVER
卷积神经网络(CNN)网络结构及模型原理介绍
Further exploration of handler (Part 2) (the most complete analysis of the core principles of handler)
PAT甲级 1023 Have Fun with Numbers
Method of decoding iPhone certificate file
Argo Workflows —— Kubernetes的工作流引擎入门
Pat grade a 1020 tree Traversals
CVPR2021:Separating Skills and Concepts for Novel Visual Question Answering将技巧与概念分开的新视觉问答
[数组]BM94 接雨水问题-较难
JMeter takes the result of the previous request as the parameter of the next request
MATLAB | 基于分块图布局的三纵坐标图绘制
Kotlin Compose 自定义 CompositionLocalProvider CompositionLocal
电商产品如何在知乎上进行推广和打广告?
与STM32或GD32替换说明
Crowd simulation