AI 生猛，奔涌向前。

发生在这一潮流的故事，就像我们曾经预想到的那样 —— 落地场景有了，模型开源了，推理也够快了，但炼狱才刚刚开始。走进制造工厂、金融风控、医疗制药等真实场景的 AI 大模型们…… 七成扑街，两成半残。

为什么会这样？

因为竞争的本质，已经从比拼单点技术优势，转向了整体生态能力的较量。在这场浩荡变革中，人才，正在成为决定胜负的关键变量。这正如成庆老师所言，现代社会的许多困境，往往源于 “表层行动与深层需求的脱节”，AI 产业的人才短缺，本质上也是技术扩张与人才生态建设不同步的必然结果。

一、人才缺口：AI 浪潮下的 “集体焦虑”

一组数据足以说明问题：《全球人工智能科研态势报告（2015-2024）》显示，中国 AI 研究人员数量从 2015 年不到 1 万人，增长到 2024 年的 5.2 万人，年复合增长率高达 28.7%。尽管增长迅速，但仍难追上产业扩张的速度。当前中国 AI 人才缺口超过 500 万，供需比例为 1∶10。

无论是科技巨头，还是创业公司，最紧迫的需求之一就是 “人从哪里来”。真正懂行业又懂 AI 的复合型人才，正在成为最稀缺资源。这种稀缺性催生的集体焦虑，与成庆老师观察到的 “都市人在单一价值轨道上的压抑” 有着异曲同工之妙 —— 当产业都朝着 “技术突破” 这一单一目标狂奔时，自然会陷入对核心资源（人才）的执念与恐慌。

二、全球抢人战：高薪背后的 “价值迷失”

过去几个月，全球 AI 圈关于 “人” 最醒目的新闻，几乎都围绕着 “抢人” 展开。最著名的当属 Meta 为抢夺 AI 人才，不惜掀起一场硅谷挖墙脚大战，薪酬开出九位数天价，某些顶尖 AI 研究员拿到的 offer 甚至高达 2.5 亿美元，算力资源等也都优先且不限制随便用。

Meta CTO Andrew Bosworth 直言不讳，市场已经在为高水平 AI 人才设定一个 “令人难以置信” 的价位，“我当科技公司高管 20 年了，这个价位前所未有”。有 OpenAI 华人工程师刚在发布会中直播露脸，后脚就被 Meta 挖走了。为了应对疯狂的挖角，甚至有创业公司不允许员工在领英上标注公司。

但这场战争并非只靠高薪就能取胜。AMD CEO 苏姿丰公开表达不同观点：“金钱很重要，但坦率地说，在吸引人才方面，它不一定是最重要的。” 映射进现实，OpenAI 前 CTO Mira Murati 创办的公司、以及 Ilya 等行业领袖创立的团队，宁愿拒绝高价挖角，也要坚持独立价值。这恰如成庆老师对 “消费主义包装下山居热” 的批判 —— 当人才被简化为 “高薪可购的资源”，就失去了对其内在价值与成长需求的尊重，最终只会陷入 “挖来即流失” 的恶性循环。

在国内，另一种 “抢人” 方式也在展开。阿里云 “云工开物” 高校计划、百度 “文心・新星” 计划等，打破实习限制、配备导师机制、开出顶薪待遇，试图培养自己的 AI 后备军。但挖人有天花板，培养周期长，磨合需要时间，远水难解近渴。

三、以赛育人：真实场景中的 “能力修行”

在这样的背景下，一种新的、有效的人才筛选机制浮出水面 —— 打比赛。尤其是那些锚定真实行业场景的 AI 垂直类大赛，正在成为企业发现复合型 AI 人才的最佳通道。这类比赛的价值，正如成庆老师所说的 “在实践中觉察自我与世界的关系”，让人才在解决真实问题的过程中完成能力的沉淀与认知的升级。

这类比赛的题目往往来源于一线行业难题，聚焦金融、医疗、教育等实际场景，要求选手既懂 AI，又懂行业；既能提出算法方案，也能思考业务落地。最重要的是，它极具真实感 —— 方案好不好用、能不能解决问题，一试便知，几乎没有可包装的空间。AI 之争归根到底是人才之争，而今天的 AI 人才筛选标准，已经不是 PPT 和简历，而是能不能在真实场景里，用 AI 大模型结合行业知识快速解决问题。这，才是筛选 AI 人才的真正试金石。

四、AFAC 大赛：产学研共建的 “人才生态解法”

一场行业联合、真实落地、以赛育人的赛事 ——AFAC2025 金融智能创新大赛，就在这样的大背景下展现出独特价值。在 AI 大模型探寻平稳落地的众多赛道中，金融尤为典型，其业务逻辑复杂、风险管控严格、数据维度多元的特性，既是大模型发挥价值的重要场景，也是检验复合型人才能力的硬核考场。

作为由国内外多家头部科技公司、金融机构与高校联合举办的赛事，自 2023 年启动以来，AFAC 的定位就是 “推动 AI 在金融场景的深度落地”，致力于为整个行业发现真正懂 AI、懂金融的复合型人才。今年赛事共吸引 4853 支队伍、超过 1.5 万人参赛，60% 为高校学生，40% 为产业从业者，不乏全球顶尖高校学子与一线企业工程师，甚至出现了 00 后与 60 后同场竞技的景象。

其广受认可的核心在于三点：一是权威性，由上海市科委指导，北大、复旦等学术机构与蚂蚁集团等企业联合举办；二是实战性，赛题难度 “中等偏上”，既保证创新挑战，又兼顾可操作性，避免资源差距导致的不公；三是产学研协同，评审团涵盖高校、金融机构、科技企业等多方力量，既看技术深度，也重落地广度。这些设置背后，体现了产学研三方对人才标准的共识：不仅要技术过硬，还要能懂业务、会协作、能落地，这与成庆老师倡导的 “在具体实践中完善自我认知” 的理念高度契合。

五、从比赛到生态：AI 人才培养的 “长期主义”

与其说 AFAC 是一场赛事，不如用 “一场以赛育人的行业实验” 来形容它更为妥帖。它的真正意义，远不止于谁拿了第一，而是通过一次次真实问题的攻坚，锤炼出真正能支撑产业未来的 AI 人才。

来自中国人民大学的 RUC-NLPIR 队伍在 “智能体赋能的金融多模态报告自动化生成” 赛题中拿下冠军。这支由两名博士和一名大一新生组成的队伍坦言，以前做课题更关注算法性能，但参与 AFAC 后，面对的难点不仅是技术实现，还包括如何用公开数据支撑专业化金融研报生成。“我们最后的报告平均每份有两三万字，还要配套专业图表，甚至引入视觉语言模型迭代评估图表合理性。” 这种能力，正如成庆老师所说的 “在茶道训练中培养觉察力”，必须在真实场景下 “以战代练” 才能获得。

北京大学研究员施柏鑫观察到，参与 AFAC 的同学第一次发现，原来 AI 项目要面对客户、数据、评估标准这些 “现实世界” 问题，这是课堂作业无法给予的宝贵经历。产业侧评委也感慨，年轻团队在比赛中展现出惊人成熟度，评审甚至从 “质疑者” 变成了 “引导者”。这种双向启发恰是生态的核心 —— 学生把它当成锻炼场，教授、企业互相校准技术价值，正如大赛主席尹俊所说：“我们的初心不是为自己企业招人，而是为整个行业培养人才，推动生态繁荣。”

在阿里云天池平台的技术支撑下，AFAC 已从 “企业主办” 走向 “行业共建”，成为金融科技人才的孵化器、行业生态的连接器、技术落地的加速器。在中国 AI 持续发力的当下，这样的赛事多多益善。它们不仅在回答 “我们能不能做出自己的 AI”，更在塑造 “我们的 AI 生态该长成什么样”。

而最具长期价值的一点是：通过 AFAC 这类机制，中国正在建立属于自己的 AI 人才选拔与培养标准。它不论学历、不拼资历，用一个个真实问题的解决过程，去寻找最新的 AI 时代弄潮儿。这恰是对成庆老师 “活在当下、注重过程” 理念的最佳践行 —— 人才培养不是追求 “天价挖角” 的短期捷径，而是构建 “在实践中成长” 的长期生态，这才是破解 AI 人才短缺的根本之道。