发布顶尖技术人才招聘项目“青云计划”，承诺职级薪酬上不封顶；阿里巴巴发布了AI相关实习生招聘计划，为实习生提供顶级资源支持⋯⋯伴随着又一个毕业季的到来，近日国内大厂对于顶尖AI人才的竞争愈发白热化。

　　“AI正从单纯的效率工具向战略增长引擎转变，但企业在落地过程中仍面临人才短缺、数据安全等多重挑战。其中人才短缺确实是当前行业面临的普遍瓶颈，员工缺乏AI技能或专业知识是AI面临的首要挑战之一。”6月19日，毕马威中国技术和新经济管理咨询服务主管合伙人高人伯在接受在他看来，在技术能力过硬的同时，当下AI行业亟需“AI产品经理”和“AI治理专家”这两类桥梁型人才，来以最小的投入撬动最显著的业务杠杆。

　　
毕马威中国 高人伯 受访者供图
 

　　2025年上海世界移动通信大会开幕，毕马威中国发布。报告显示，AI的战略地位在企业界已达到前所未有的高度，88%的科技企业认为拥抱AI是未来保持竞争力的关键，而68%的企业预计AI投资能带来10%以上的回报率，与过去相比，AI的应用目标已从单纯的降本增效，拓展至驱动收入增长、产品创新和优化客户体验等更具战略意义的领域。

　　
“一个核心发现是，企业界对AI的战略期望值已达到空前高度。”高人伯告诉然而，这条转型之路并非坦途。报告同样揭示了普遍存在的挑战，其中，人才技能的短缺与数据安全隐私的担忧，是目前阻碍企业释放AI全部潜力的两大核心障碍。

　　高人伯表示，他在与相关企业调研过程中发现，AI技术的迅猛发展使得市场对其应用前景充满期待。众多科技企业纷纷加大在AI领域的投入，期望借此获得竞争优势。

　　但在实际推进过程中，人才和数据问题成为了制约因素。以国内市场为例，随着AI技术在各行业的渗透，对AI专业人才的需求呈井喷式增长。

　　在这一背景下，当前行业AI专业人才短缺，已成为制约科技企业发展的重要因素。高人伯指出，人才短缺确实是当前行业面临的普遍瓶颈，研究也印证了这一点，有三分之一的科技领导者将“员工缺乏AI技能或专业知识”列为整合AI时面临的首要挑战之一。

　　在谈到科技企业如何通过内部培养或跨界合作填补AI人才缺口时，高人伯认为，企业应采取一种“内外兼修”的策略来应对。

　　至于当下亟需的技能，高人伯表示，需求正在从单纯的技术层面，向复合能力扩展。除了核心的算法与数据人才，市场尤其渴求两类“桥梁型”人才：一类是能够深刻理解业务并能将商业需求精准转化为技术解决方案的AI产品经理；另一类则是深谙合规、伦理与风险管理的AI治理专家，他们是确保AI技术能够被负责任地、可持续地应用到社会经济中的关键保障。

　　以智能医疗领域为例，高人伯表示，研发人员不仅要熟练掌握深度学习、数据分析等AI核心技术，还要深入了解人体生理结构、疾病诊断流程以及医学伦理规范等专业知识，只有这样，才能开发出精准可靠、符合医疗实际需求的AI产品。

　　此外，他提及，企业不必追求大而全的技术自建，而应充分利用当前日益成熟的AI生态系统。无论是云服务商提供的低代码开发平台，还是开源社区的成熟模型和工具，都极大地降低了AI应用的技术门槛和初始成本。

　　创新不“刹车”的同时建立“安全护栏”

　　在人才之外，报告指出，数据隐私和安全是AI整合的另一障碍，那么科技企业如何在不牺牲创新速度的前提下构建可信的AI治理体系？

　　高人伯表示，这种担忧普遍存在，但一个有效的治理体系，不应被视为创新的“刹车”，而应是企业高速前行时不可或缺的“安全护栏”。

　　他认为，通过设立跨职能的治理委员会、采用隐私计算等新兴技术、建立清晰的风险评估与应对流程，企业可以在确保安全合规的前提下，更自信、更大胆地进行创新探索。一个稳健的治理框架，最终会成为企业赢得市场和客户长期信赖的加速器。

　　“同时，本土科技企业也必须清醒地认识到自身的差异化挑战。”高人伯表示，中国的数据生态和相关的法律法规环境具有独特性，要求我们必须探索出一条既能激发创新活力又确保合规的本土化治理路径。

　　此外，中国庞大的市场规模和丰富的应用场景是我们的巨大优势，但这同样也意味着数据治理的复杂性更高。如何在海量数据中提炼高质量的洞察，将是对企业数据能力和工程能力的巨大考验。

　　与此同时，科技企业既是AI的使用者，又是向其他所有行业提供AI的供应商。在平衡这两种角色时，如何避免资源冲突并最大化协同效应？

　　高人伯认为，科技企业所处的这种“双重角色”，实际上是一种独特的战略优势，而非潜在的资源冲突。最大化协同效应的关键，在于将内部的AI应用，打造为对外服务的“最佳实践样板”和“活的实验室”。

　　“当一家科技企业率先在自身的财务、运营、营销等环节成功部署AI并取得显著成效时，它所沉淀的不仅是技术能力，更是宝贵的行业洞察、实施经验和经过验证的解决方案。”高人伯说。

　　在他看来，这本身就是最有说服力的产品展示。它形成了一个强大的良性循环：内部应用为外部服务提供了创新的土壤和验证场，而外部服务的市场反馈又能精准地反哺内部应用的迭代升级。这种“自用即研发”的模式，能够确保每一次投入都产生双重价值，实现内部效率与外部市场的同步增长。