正在蓬勃發展的人工智能（AI）技術，需要大量的AI人才，這讓AI專業也成為了當下最火熱的專業。根據教育部近日公布的2019年度普通高等學校本科專業備案和審批結果，有180所高校新增了人工智能專業，是今年新增最多的備案專業。

與此同時，AI等國家戰略需求專業也是擴招的熱門專業。今年3月，教育部等有關部門提出加快人工智能領域研究生培養。據悉，2020年教育部計劃今年擴招碩士研究生18.9萬名，并明確將繼續擴大相應招生規模。對于那些AI專業的研究生，大都會關心市場到底需要什么樣的AI人才？

對于AI人才培養，中國科學院計算技術研究所研究員陳云霽接受雷鋒網采訪時表示：“人工智能專業的高等教育，應當培養AI系統或者子系統的研究者、設計者和制造者，只有實現這個目標，才能源源不斷地全面支撐我們AI的產業和研究。”

?圖片來自newtonx

AI基礎人才比例偏低

2013年10月，陳云霽等寫了一篇題為《神經網絡計算機的涅槃》的文章，這篇文章中有這樣一段話：“也許有一天，每款手機上都有一個神經網絡計算機（或者說加速器），人們用它方便地進行語音輸入、理解照片；也許有一天，每臺云服務器上都有一個神經網絡計算機，人們用它快速地搜索視頻、分析數據、挖掘信息。”

7年后的今天，大部分智能手機都已經集成了NPU，服務器上都有神經網絡計算機也初步達成。陳云霽說：“我們2013年才把這些想法寫出來，并不代表我們2013年才這么想。實際上從2008年開始我們就在這樣想，怎么把人工智能和芯片設計結合起來。有了這個目標，才有后來智能芯片到智能服務器的工作。”

“我們“就是陳云霽和他弟弟陳天石。陳云霽本科學的是計算機，研究生時主攻計算機體系結構的處理器設計方向。機緣巧合，主要研究AI算法的陳天石博士期間到中科院計算所訪問，兄弟倆就產生了將芯片設計和人工智能研究交叉的想法。

當時，AI的關注度很低，兩人的想法不被主流學術界認同，并且AI和芯片設計的交叉研究本身就有巨大的挑戰，困難重重，但是他們堅持了下來，并且獲得ASPLOS和MICRO等計算機體系結構頂級國際會議最佳論文獎（亞洲迄今僅有的兩次）。陳云霽被Science雜志刊文評價為深度學習處理器研究的“先驅”和“引領者”。

2016年，AlphaGo在圍棋對決中戰勝了人類頂級選手。2017年，AI迎來了新一波的浪潮，曾經冷門的AI人才，瞬間成了眾人爭搶的對象。火熱程度從AI職位豐厚的薪水就能反應出來。

?

圖片來自《智能計算系統》

但企業高薪聘請的AI人才，很多都是做算法的。 對AI算法如何調用編程框架、編程框架如何與操作系統打交道，編程框架中的算子如何在芯片中運行，許多人沒有清晰全面的理解。

中國工程院院士李國杰曾指出，“我國人工智能基礎層、技術層和應用層的人才數量占比分別為3.3%、34.9%和61.8%，基礎人才比例嚴重偏低”。 如果放任這樣的不平衡，智能計算軟硬件系統能力的缺失最終一定會拖上層應用和算法發展的后腿。

陳云霽接受采訪時表示，“幾年前，我國沒有任何高校開設智能計算系統相關的課程。不給學生任何的智能計算系統的教育，指望他們畢業以后，在工作中自己摸索成長為這方面的大師，顯然是不現實的。因此，我們應當從人才教育方面入手，主動作為，才有可能改變現狀。”

AI人才為什么需要系統性思維？

如今，全國眾多高校都開設了AI專業，但在實際課程體系建設中，很多還是采用了“純算法+應用”的教學思路。

“各個高校都不乏有識之士，在課程設計中繞開系統課程往往是受制于三大客觀困難：一是國內還沒有太多智能計算系統課程可供參考；二是國內缺乏智能計算系統課程的師資；三是國際上也都缺乏智能計算系統課程的教材。”陳云霽表示。

“我最開始在國科大開設《智能計算系統課程》的時候也沒有教材，之所以開設這門課程，就是希望能培養同學們對智能計算完整軟硬件技術棧（包括基礎智能算法、智能計算編程框架、智能計算編程語言、智能芯片體系結構等）的融會貫通的理解。”

系統性思維是指從整體的角度，對技術棧各個環節進行全局思考的思維方式，它的重要性在于，缺乏系統知識和系統思維，學到的知識點就是零碎的，沒有打通“任督二脈”。

比如說，缺乏系統性思維很容易陷入精度的牛角尖中，把科研當成體育比賽來搞（別人做了97%的精度，我就要做98%；別人做了98%，我就要做99%），最后研究的道路越走越窄。

一個完整的智能計算系統涉及芯片、系統結構、編程環境、軟件等諸多方面，評價智能的標準遠不止精度一個維度，速度、效能、成本都是重要的維度。

陳云霽的團隊是天然傳承了系統思維。中國科學院計算技術研究所從1956年成立起就一直從事計算機系統研究。1990年依托中科院計算所成立的國家智能計算機研究開發中心繼承了計算所的學術傳統，既做系統結構研究，又做人工智能理論、算法和應用研究。

國家教育部也很早就意識到系統思維的重要性，自2008年開始，教育部計算機類專業教學指導委員會就組織專家組開展計算機系統能力培養的研究、實踐和推廣，注重計算系統硬件與軟件有機融合、強化系統設計與優化能力，并取得了很好的成就。

只是，在人工智能這個領域，國內系統人才還十分短缺。

運用系統性思維，也能更好地設計對AI系統至關重要的AI芯片。陳云霽說，把算法、芯片、編程的團隊有機地組織起來，組成一個互為輸入互為約束的整體（系統），在芯片設計的時候，針對應用和算法的需求，調整架構；在編程寫算子的時候，結合芯片架構特點，有針對性地優化算法。

如何成為AI市場的寵兒？

更進一步，用系統性思維才能將軟硬件更好地融合，去解決AI芯片面臨的技術挑戰。作為AI發展的底層驅動力，提高AI和算力和能效是業界近年來持續努力的方向。但是，傳統架構讓AI芯片面臨存儲墻問題——芯片算力高，但存儲及數據搬運效率不夠；同時大算力也會帶來高功耗的問題。

計算機性能的提升（SPECintCPU）

我們也看到，AI芯片的創新架構越來越多。2017 年圖靈獎得主John L. Hennessy 和 David A. Patterson在去年的一篇長篇報告中就說：“計算機體系結構領域，將迎來又一個黃金十年。”他們提出這樣的觀點是認為，在摩爾定律走向終點的同時，體系結構正在閃耀新的活力——以TPU為代表的領域特定架構 (Domain Specific Architectures, DSA) 興起，但CPU、GPU、FPGA仍然有用武之地，新的架構設計將會帶來更低的成本，更優的能耗、安全和性能。

這充分說明， 未來的十年業界對新架構會更加包容，體系結構領域也將迎來更多機遇和挑戰。

具備系統思維的陳云霽團隊研發的第一代深度學習處理器芯片，就針對存儲墻問題進行了改進，并設計出了有針對性的指令集。 這是否意味著創新的芯片架構設計需要匹配相應的指令集？陳云霽說：“正如圖靈獎得主說的那樣，軟件設計也能為計算機硬件架構帶來靈感，改善軟硬件接口能為架構創新帶來機遇。”

至于最終哪一種架構會成為主流，陳云霽和圖靈獎得主持相同的觀點，“最終，市場會決定勝者。”

市場也決定著什么樣的人才更有競爭力。算法和應用人才，是前幾年應聘市場上的寵兒，但隨著市場的調整，從去年開始，就業市場上就已經呈現算法工程師供大于求的局面。如何能夠成為智能時代更具競爭力的人才？

陳云霽指出，人才培養的成本太高，AI過去不是大學教育的必修課，培養人工智能專業的人才需要本科畢業后再花3～6年時間攻讀碩士或博士才行，大學專業培養方案的調整和產業發展之間有一定的時差，所以如何更好地為學生提供前沿研究與技術實踐相結合的課程，成為人才培養的關鍵。

他同時表示：“對任何行業而言，技術人才的構成都是金字塔結構，而構成金字塔底層的技術人員主力應該是大學畢業生。因此，如何讓大學畢業生在推廣智能應用中發揮重要作用是本科教育應該考慮的問題。我近期出版《智能計算系統》這本教材的初衷也是希望能培養更多懂智能計算系統的本科生，加速彌補人工智能的人才缺口。” 雷鋒網 (公眾號：雷鋒網)

據悉，《智能計算系統》是以一個應用為牽引，在軟硬件技術棧的各個層次，聚焦于完成這個應用所需的知識。這本書是在陳云霽以及中科院計算所智能處理器研究中心團隊成員的共同努力下，將此前在國科大、北大、北航、天大、中科大、南開、北理工等高校的講課錄音整理成文字，最終整理出版。 雷鋒網

。