在ABC（算法、数据、算力）战场的角逐之外，我们终于要向字母D（Digital Talents—数字人才）发起冲锋。
12月8日，权威科学期刊《自然》（Nature）公布了2025年度十大科学人物榜单，梁文锋因DeepSeek大模型成功当选。
Nature称他为“Tech disruptor”（科技颠覆者），而DeepSeek大模型“对科学家们来说无疑是一大福音”。
回想起DeepSeek-r1诞生之前，梁文锋在其为数不多的一次访谈中表示：“（大模型领域）前50名顶尖人才可能不在中国，但也许我们能自己打造这样的人。”
近日，国家发展改革委、国家数据局、教育部、科技部、中共中央组织部联合发布《关于加强数据要素学科专业建设和数字人才队伍建设的意见》（以下简称《意见》），提出加强“两个建设”——数据要素学科专业建设和数字人才队伍建设，建立数据领域科技发展、国家战略需求牵引的学科专业设置调整机制和人才培养模式，促进数据领域教育链、人才链与产业链、创新链融合发展。从学科专业、职业教育、学术研究、产学研用四大维度，勾画出中国面向智能时代的数字人才战略。
一、导向鲜明的数字人才战略路线图
（一）明确指向“1+1”战略目标
《意见》明确，数据要素学科专业建设和数字人才队伍建设，承担着培养深化数据要素市场化配置改革和数据赋能人工智能高质量发展所需各类人才的重大使命。
直接点明了“两个建设”所服务的“1+1”战略目标：深化数据要素市场化配置改革+数据赋能人工智能高质量发展。
深化数据要素市场化配置改革，是构建全国统一大市场在数据领域的具体要求。目的是加快建设全国一体化数据要素市场，保障数据流通利用，充分释放数据要素价值，让数据“供得出、流得动、用得好、保安全”。
数据赋能人工智能高质量发展，则是响应国家战略需求，抢抓人工智能发展战略窗口，加快实现从跟跑到并跑、再到领跑的跨越。
随着产业发展，算力不足的问题很可能被算力过剩替代。而数据作为人工智能时代的战略性、基础性新型生产要素，是推动人工智能高质量发展、驱动新质生产力新引擎的“关键燃料”。
这份人才战略与不久前推出的“人工智能+”行动高度呼应，是中国面向“十五五”乃至下一个十年，为争夺人工智能发展主导权，系统设计的“组合拳”。
（二）直面数字人才供需困局
我国在推动数字中国、数字经济、数字政府、数字社会发展过程中，长期面临数字人才短缺的问题。
而人工智能带来的生产力革命，催动全球资源涌入技术竞赛，又进一步放大了这一痛点。
截至2024年底，我国数字人才总量3286万人，总需求约6500万人，缺口高达3200万人，预计2025年底，缺口仍将接近3000万人，44%的企业认为数字人才“非常紧缺”。
而高端复合型人才短缺尤为严重，具备高级数字素养人才仅占16.26%，高端研发人才不足全球9%，数据科学专业本科毕业生每年仅4万人，远低于市场需求。
同时，教育与产业需求“两张皮”现象突出，高校专业设置更新周期通常要3—5年，远远落后于6个月左右的数字技术迭代速度。
只有打破人才供需困局，才能有效推动数据要素治理从"框架搭建"向"落地实施"延伸，支撑人工智能技术和产业发展需要。
（三）大踏步创新迎头赶路
《意见》创造性提出“四链融合”系统性解决方案，即：促进教育链、人才链与产业链、创新链融合发展，并在制度机制层面作出一系列创新安排。
比如：打破传统学科界限和教育层次壁垒，建立分层分类、上下贯通、左右协同的一体化培养体系；支持建设数据科学与工程、数字经济与管理等学科专业，打破了数据领域纯理工男的偏见；支持综合性高校建设数字学院，整合校内资源；创设“微专业”新模式，针对数据产业急需开设数字贸易、数字媒体艺术、数字政府治理、数据安全等微型专业方向；建立数据要素相关学科专业“本硕博衔接”人才培养机制，打破传统教育“本科宽而不精、研究生与产业脱节”的局限；建立“赛课联动”机制，将竞赛成果转化为教学资源；创设“数据行业市域产教联合体”和“跨区域产教融合共同体”两种新型组织形式，实现人才培养与产业发展深度绑定等等。
诸如此类的创新动作不胜枚举，体现了不拘一格的人才战略思想。
这一次，组织部门也亲自下场，体现了对数字人才战略的最高重视，使战略执行能够获得更加有力的统筹协调，充分发挥行业主管部门等各方作用，形成最强合力。而政府侧数字人才队伍建设也有可能提速。
（四）在战争中学习战争
面向实战培养人才，是这份人才战略的最大特色之一。
人工智能发展正在从“模型训练”向“系统构建”跃迁，Gemini 3.0的成功也印证了这一趋势。
今后，数据与AI工程将更加注重智能体全链路设计，数据治理与应用开发的无缝衔接，多模态及软硬件协同的原生架构，实时响应与边缘计算能力的集成。
《意见》提出“加快培养一批复合型、创新型、实战型数字人才”，正是针对这一趋势的精确应对。
复合型、创新型、实战型数字人才从何而来？工程化、场景化、实战化！
二、既要三千越甲，也要百万雄兵
深化数据要素市场化配置改革和数据赋能人工智能高质量发展，既需要全球顶尖的研究型人才，也需要面广量大的应用型人才，前者承担“向上捅破天”的原创式创新，后者承担“向下扎到根”的规模化产业化。
《意见》设计的学历教育与职业教育双飞轮驱动，将开启数字人才“爆兵模式”。
随着技术竞争的加剧，顶尖人才争夺战愈演愈烈。
Meta千金买马骨，143亿美元重金收购Scale AI 49%股权，目的是将28岁的天才创始人Alexandr Wang招致麾下。
谷歌研究院最近一篇关于“嵌套学习”（Nested Learning）的重磅论文，实盘配资开户平台有可能解决大模型根深蒂固的“灾难性遗忘”问题，而论文作者Peilin Zhong则出自清华姚班。
顶尖人才——才是AI“头号玩家”的第一资源。
互联网时代留给大部分人的惯性认知是，美国擅长搞技术创新，中国则更擅长拿来主义搞应用。
学历教育飞轮，以学科专业建设为核心、数字学院为平台、核心教学要素为支撑，聚焦系统知识传授与创新能力培养，并通过有组织科研，牵引高层次数字人才培育。组织起来的高密度人才，将构建起“立足实践的中国数据要素自主知识体系和科学研究体系”，厚积薄发推动原创式创新不断涌现。
职业教育飞轮，则聚焦于产业急需技能培养，为产业发展培养千万级的职业技能人才。
“支持职业院校根据产业发展需要，及时动态调整数据相关专业”，就是说，产业需要什么人才，我们就培养什么人才，人才培养跟着产业需要走，打造产教深度融合的生态体系。
一是支持龙头企业和高水平院校牵头组建跨区域产教融合共同体，构建“政府统筹、行业指导、企业参与”的协同机制。
二是研究制定数据要素从业人员能力要求国家标准，为技能培养提供规范化框架。
三是鼓励企业深度参与教育教学环节，通过共建“校中厂”“厂中校”实训基地、开发基于真实应用场景的数字课程和工作手册式教材，将企业实践场景转化为职业教育课堂。
三、如何抓住政策红利
面对人工智能生产力革命的浪潮，各地应该如何承接数字人才战略的政策红利？
短期（1-2年）：政策响应与人才集聚
政策窗口期的前两年，具备发展禀赋的城市应当快速建立数字人才“强磁场”。引才方面，可依托《意见》中“国家战略需求牵引”机制，重点瞄准数据科学、人工智能等核心领域领军人才。深圳对符合条件的数字人才给予最高1000万元安家补贴，并建设20个国际一流数字实验室吸引顶尖团队；无锡的“太湖人才计划”也曾开出单笔高达1亿元的人才奖励。
学科专业建设上，一方面推动本地高校加快增设数据要素相关专业，另一方面启动在职人员数字技能提升计划。
服务保障要突破常规，积极推出"数字人才服务包"，整合落户、住房、子女教育等全链条服务，实现"一人一策"定制化保障。形成“引育留用服”联动模式，让城市在政策红利释放初期迅速形成人才集聚效应。
中期（3-5年）：生态构建与产教融合
当政策进入深化期，城市需要转向系统性生态建设。在学科建设上，推动高校与企业深度合作，建设数据要素产业学院，企业深度参与培养方案制定，大幅增加学生实践课占比，缩短产学研用转化链条。
职业教育需实现规模化输出，构建多元培养体系，紧贴区域特色产业，建设数字技能实训基地，大规模培养技能人才直接进入本地数字企业就业，构建“教育链-人才链-产业链”闭环。
产学研协同要产出实效，通过建立数据要素创新联合体，整合高校实验室、企业研发中心、公共算力平台等资源，推动项目联合攻关，技术成果转化，带动产业发展，把人才政策红利转化为实实在在的产业竞争力。
长期（6-10年）：制度创新与文化培育
政策红利的持续释放需要制度创新的支撑。在人才评价机制上，将技术贡献、数据成果等纳入职称评审标准，建立多元化人才评价体系，唯才是用、用尽其才。在城市空间规划中深度融入数字基因，建设“数字人才社区”，促进数字文化在城市生根落地。
人才留存最终要靠事业平台，形成“以业留人”的长效机制，让数字人才真正成为科产城人融合发展的核心引擎，实现人才与城市相互成就。
对于个人而言，最重要的是持续学习。正如清华大学“姚班”创始人姚期智给出的建议：“不断成长、不断自我学习的能力是必需的，这样的话，你可以保证不管这个时代怎么进步，你都不会被淘汰。”
以达特茅斯会议为原点，向上回溯，无数闪耀的名字清晰标记着人工智能的发展轨迹：克劳德香农，“人工智能之父”约翰麦卡锡，神经网络研究奠基者MIT AI实验室创始人马文明斯基，“深度学习之父”杰弗里辛顿，卷积神经网络发明者杨立昆，创建ImageNet数据集的李飞飞，主导Transformer 架构研发的杰夫迪恩，将ChatGPT带给世界的山姆奥特曼和伊利亚苏茨克维……
今后，会有越来越多的国人，以创新贡献者的身份加入到人工智能的竞赛中去。
这份数字人才战略的出炉，或将成为中国AI的“D-Day”。
（作者陶鹤山为数字经济工作者，从事数字化领域政策规划）
文章为作者独立观点，不代表财盛证券观点
