一、DeepSeek引发人工智能领域多维革新

（一）AI技术路径革新

DeepSeek以其在模型、算法和系统软件等多个层次的重大创新而实现了推理能力跃升与成本效率革命。在模型架构方面，模型中引入多头潜在注意力机制（MLA），把对现存资源的占用降低到了其他大模型的5%~13%。在模型训练方面，DeepSeek通过强化学习持续激发和训练基础模型的推理能力，使得数据标注成本大幅降低，训练流程不断简化。

（二）开源生态与AI技术平权

DeepSeek采用开源模式直接回应了当前AI领域存在的“公-私”分化的发展态势，证明了开源大模型能够实现比肩闭源模型的性能，并切实提升了大模型应用的可获得性和普惠性。DeepSeek的开源生态策略为各类用户提供了成本更低、更便捷的技术底座，使得全球开发者都可以共同参与其模型的优化和完善。其普惠开源的运营模式对行业产生了引领和倒逼效应。

（三）AI普惠化与场景化应用竞争

轻量化的本地部署是DeepSeek加速渗透和赋能经济社会各行业和领域的重要基础，其开源生态不仅加速技术迭代，更通过产业协同效应，构建起“芯片-算法-应用”的全栈自主可控产业链。摩根士丹利、高盛等机构一致认为，在应用层面，低成本、高性能的模型普及会给AI行业带来爆发性的使用量和更广泛的商业落地。从产业层面和市场竞争的角度看，AI发展将改变过去在“闭源”中追逐大算力、大模型的竞争态势，转向更加注重模型场景化应用和提升落地效率的竞争。

二、DeepSeek引发我国就业市场人才需求四大变革

（一）AI核心技术与基础技术人才需求显著增加

AI行业呈现持续快速发展态势，直接拉动对大模型、深度学习与机器学习、计算机视觉、机器人技术、生物识别技术等高技术人才的需求。以DeepSeek为例，在高性能计算岗位，需要搭建千卡GPU集群、支撑万亿级参数模型训练的专业人才；在数据科学岗位，需要清洗PB级训练数据、构建高质量多模态语料库的专业人才。波士顿咨询公司（BCG）发布的报告显示，预计未来3年全球生成式AI投资将增长60%，2025年全球1/3的公司计划在AI领域投资超过2500万美元。

DeepSeek本地化部署拉动了芯片产业发展、算力基础设施建设和升级需求，带动相关领域人才需求激增。在算力基础设施领域，2024年我国智能算力规模达725.3EFLOPS，同比增长74.1%；预计2025年将达1037.3EFLOPS，同比增43%。一系列高速增长背后是对算法工程师、算力架构师等人才的迫切需求。

（二）跨学科复合型人才日益成为刚需

DeepSeek的核心技术突破依赖于数学、计算机科学、认知心理学等多学科交叉，应用场景拓展则需要工程学、伦理学、社会学等多领域的协同创新。DeepSeek的广泛应用有望加速AI技术奇点的到来和“AI+行业”的深度融合进程，不管是从技术研发层面还是行业应用层面，都亟需大量AI复合型人才。从技术层面看，Deepseek R1大模型成功的背后是跨学科团队在强化学习、知识蒸馏和分布式计算等领域的协同攻关。中信证券报告指出，DeepSeek生态中70%的技术突破源于交叉学科团队的协作。从应用层面看，DeepSeek推动的敏捷开发模式要求管理者要兼具技术洞察与商业思维。这种复合能力需求在DeepSeek的开源生态中尤为凸显。

（三）“AI+”催生新业态新模式带来对人才的新需求

一是AI催生新业态带来人才新需求。例如，人工智能生成内容（AIGC）的兴起催生“AI美学工程师”“AI编导”，在线教育平台使用DeepSeek开发自适应学习系统后新增了“个性化学习架构师”。二是“AI+行业应用”催生新型高技能岗位的人才需求。产业自身的技术迭代和应用拓展也使得智能产品和智能化服务的业务规模持续扩大，带动AI产品经理、智能硬件制造、系统和软件开发、数据分析师等具有高技能要求的岗位增加。三是AI赋能的个体创业者和自由职业者持续增加。

（四）中等技能人才被“加速替代”

一方面，中等技能劳动者（即经过一定专业培训和拥有一定专业技能的人）因为既缺乏技术无法替代的创造性优势，又缺乏技术（机器）的精准、效率和低成本优势而被加速替代。另一方面，伴随AI技术的“去技能化”效应，生产过程会对较低水平技能劳动力产生新需求。与AI应用相伴而生的人机协作在提升劳动效率的同时，也在不断降低工作任务的难度。但无论AI的作用如何强大，技术都不可能完全取代人类，机器不可能满足人类情感方面的需求，还有一些业务的完成必须由人与机器密切配合。这些岗位的工作人员只需要具备与AI系统配合完成简单操作即可，这种现象也被称之为AI技术的“执行替代”所带来的技能退化。

三、当前我国就业市场人才供给面临的四个挑战

（一）AI人才供给总量不足

麦肯锡发布的研究报告显示，到2030年我国对AI人才的需求达到600万人，而市场上能提供的只有约200万人，意味着那时我国AI人才缺口大约400万；而随着人口出生率的下降，未来进入大学的学生有可能逐步减少，进一步加剧AI人才短缺问题。有调研显示，高达91.3%的受访企业面临AI人才缺乏的问题：其中，AI数据工程师、AI机器人工程师、AI算法工程师、AI产品经理、AI教育培训人员五类岗位的需求量最高，占比分别为29.6%、28.3%、27.1%、26.9%、26.3%。AI芯片、算法研究、底层架构系统等领域人才短缺问题尤为突出。

（二）人才培养与市场需求脱节

一是高校课程设置滞后于实践发展。目前多数高校人工智能专业仍以传统机器学习为主，未纳入生成式AI、强化学习等最新模块，缺乏大模型应用与跨学科整合。高校专业调整周期长，难以适应技术和市场的快速变化。二是实践教学资源短缺。长期从事科研工作的教师队伍缺乏实战经验，也是高校AI人才培养面临的重要瓶颈。三是产教融合深度不够。校企合作主要以“政策号召+行政推动”为主，市场化的价值回报机制缺失导致企业参与的内生动力不足。

（三）复合型人才培养面临困难

一是高校学科边界固化，跨学科融合面临制度障碍。学科间资源分配、管理机制与评价标准均以单一学科为核心和导向，跨学科课程常因缺乏明确的学科归属而被边缘化。二是教学组织模式僵化，协同机制缺失，跨学科培养模式不完善。跨学科课程设置缺乏系统性和科学性，实践教学和科研项目组织难度较大，跨学科项目因缺乏专项资金支持而中途停滞的情况屡见不鲜。三是师资队伍难以满足跨学科教学需求。在教育资源配置如科研经费分配方面，对跨学科研究项目的认识和重视程度不足。

（四）人才供给区域分布不均衡问题更加凸显

在高需求与强吸引力的双重驱动下，发达地区对高技能人才的“虹吸效应”加大。发达地区对AI高层次人才的需求持续增加，在产业聚集效应、薪资水平、基础设施、社会资源等优势加持下，对人才的吸引力明显高于欠发达地区。欠发达地区面临“技术替代加速”和“人才流失”双重挑战。

四、四个方面综合施策应对挑战

（一）加强AI核心技术和基础技术人才培养 

一是优化AI核心技术人才培养体系，强化高等学校教育与产业实践联动培养。重构高校学科设置，将大模型算法、AI芯片设计、智能算力运维等技术领域纳入国家一级学科目录。深化高校教材与课程改革，开发国家级AI核心课程体系。深化校企合作，鼓励头部科技企业与高校共建联合实验室，聚焦AI芯片流片、大模型推理加速等“卡脖子”技术，提供真实产业场景下的研发训练。二是构建AI基础研究长效投入机制。加强AI核心技术科研攻关专项支持，重点支持高校与龙头企业联合开展大模型训练优化、低功耗AI芯片研发等研究。在国家自然科学基金中设立“AI基础研究青年科学家”专项，对数学基础、算法创新等领域给予长期稳定支持。三是强化AI基础技术人才储备，填补算力与数据领域人才缺口。

（二）创新跨学科复合型人才培养模式

一是重构课程体系与培养模式，以需求导向推动学科交叉融合。在传统专业培养方案中嵌入“AI基础+领域应用”双轨课程，如“人工智能与生物医学”“大数据与公共政策”等交叉课程模块。 二是深化产学研协同创新，打造开放共享的跨学科生态系统。在研究生培养中全面推行由学校教师和企业工程师共同参与的“双导师制”。探索人才双聘制度，探索实行“企业工程师兼高校导师”制度。 三是完善评价体系与激励机制，破除跨学科发展的制度障碍。将跨学科培养与研究成果作为高校建设成效评价核心指标之一。四是强化政策保障与资源倾斜。在“双一流”建设中单列“跨学科建设”预算，要求高校将不低于一定比例的财政拨款用于交叉实验室、共享数据库建设。 

（三）深入推进职业教育改革

一是优化和重构课程体系，培育AI时代的核心素养。推进跨学科项目式学习，打破传统专业壁垒，建立“AI+X”课程群，依托国家智慧教育平台建设开源课程库，鼓励企业发布真实项目案例。二是健全产教融合机制，构建AI驱动的人才培养体系。通过创新产教融合机制，实现人才供给侧与产业需求侧的有效对接。建立职业教育专业设置动态调整机制，压缩传统重复性技能专业，增设“AI+垂直领域”交叉学科。三是创新教师发展模式，推动职业教育教师面临从“知识传授者”向“学习设计师”的角色转型。全面提升教师AI素养，制定《职业教育教师数字能力框架》，将AI工具应用纳入职称评审指标。

（四）促进区域人才协同发展

一是加强区域人才协同发展顶层设计。将人才区域协调发展纳入国家发展战略，制定专项发展规划。实施差异化区域人才激励政策。二是优化AI教育资源与产业布局的区域均衡配置。通过政策引导，推动AI教育资源向中西部倾斜，形成“产教融合、区域联动”的人才培养体系。三是构建区域协同创新生态，促进人才流动与共享。 依托国家“东数西算”工程，在贵州、内蒙古等算力枢纽节点城市布局AI研发中心，吸引东部企业将算法训练、数据标注等业务西迁，带动本地人才就业。建设跨区域跨行业数字化人才协作平台，为人才流动提供便捷服务。

（作者：于凤霞，国家信息中心信息化和产业发展部绿色产业（数字社会）处处长、正高级经济师；原文刊发于《劳动关系学院学报》2025年第2期，有删减，参考文献和注释略）