衡宇 西風 發自 凹非寺
量子位 | 公眾號 QbitAI

AI生猛，奔涌向前。

發生在這一潮流的故事，就像我們曾經預想到的那樣——

落地場景有了，模型開源了，推理也夠快了，但煉獄才剛剛開始。走進制造工廠、金融風控、醫療制藥等真實場景的AI大模型們……七成撲街，兩成半殘。

為什么會這樣？

因為競爭的本質，已經從比拼單點技術優勢，轉向了整體生態能力的較量。在這場浩蕩變革中，人才，正在成為決定勝負的關鍵變量。

一組數據足以說明問題：

《全球人工智能科研態勢報告（2015-2024）》數據顯示，中國AI研究人員數量從2015年不到1萬人，增長到2024年的5.2萬人，年復合增長率高達28.7%。

盡管增長迅速，但仍難追上產業擴張的速度。

當前中國AI人才缺口超過500萬，供需比例為1∶10。

無論是科技巨頭，還是創業公司，最緊迫的需求之一就是“人從哪里來”。

真正懂行業又懂AI的復合型人才，正在成為最稀缺資源。

全球搶人戰火已燃，人才從哪里來？

過去幾個月，全球AI圈關于“人”最醒目的新聞，幾乎都圍繞著“搶人”展開。

最著名的當屬meta為搶奪AI人才，不惜掀起一場硅谷挖墻腳大戰，震蕩AI圈。

薪酬開出九位數天價，某些頂尖AI研究員拿到的offer甚至高達2.5億美元，算力資源等也都優先且不限制隨便用。

meta CTO Andrew Bosworth對此直言不諱，市場已經在為高水平AI人才設定一個“令人難以置信”的價位，“我當科技公司高管20年了，這個價位前所未有”。

有OpenAI華人工程師剛在發布會中直播露臉，后腳就被meta挖走了。

為了應對瘋狂的小扎，有人曝料Ilya的創業公司Safe Superintelligence不允許員工在領英上標注公司，以免被挖走。

經網友統計，截至8月中旬，meta從OpenAI、谷歌、蘋果、xAI、Anthropic等處，前前后后挖走50多名員工。

但這場戰爭并非只靠高薪就能取勝。

面對meta的強勢挖角，AMD CEO蘇姿豐公開表達不同觀點：

金錢很重要，但坦率地說，在吸引人才方面，它不一定是最重要的。

映射進現實，OpenAI前CTO Mira Murati創辦的公司、以及Ilya等行業領袖創立的團隊，寧愿拒絕高價挖角，也要堅持獨立價值。

在國內，另一種“搶人”方式也在展開。

阿里云“云工開物”高校計劃、百度“文心·新星”計劃、字節Top Seed、京東TGT青年天才工程……

打破實習限制、配備導師機制、開出頂薪待遇，各大企業正以不同方式培養自己的AI后備軍。

但你不得不承認一個事實，挖人有天花板，landing周期長，磨合需要時間。

在遠水難解近渴的大背景下，一種新的、有效的人才篩選機制浮出水面——打比賽。

尤其是那些錨定真實行業場景的AI垂直類大賽，正在成為企業發現復合型AI人才的最佳通道。

這類比賽的題目往往來源于一線行業難題，聚焦金融、醫療、教育等實際場景，要求選手既懂AI，又懂行業；既能提出算法方案，也能思考業務落地。

最重要的是，它極具真實感。方案好不好用、能不能解決問題，一試便知，幾乎沒有可包裝的空間。

AI之爭歸根到底是人才之爭，而今天的AI人才篩選標準，已經不是PPT和簡歷，而是能不能在真實場景里，用AI大模型結合行業知識快速解決問題。

這，才是篩選AI人才的真正試金石。

產學研共建，讓一場頂級賽事成為AI人才篩選器

于是，一場行業聯合、真實落地、以賽育人的賽事，就在這樣的大背景下誕生了——

AFAC2025金融智能創新大賽。

在AI大模型探尋平穩、深入落地的眾多賽道中，金融尤為典型。

它業務邏輯復雜、風險管控嚴格、數據維度多元的特性，既是大模型發揮價值的重要場景，也是檢驗復合型人才能力的硬核考場。

作為一場由國內外多家頭部科技公司、金融機構與高校聯合舉辦的賽事，自2023年啟動以來，AFAC的定位就是“推動AI在金融場景的深度落地”，致力于為整個行業發現真正懂AI、懂金融的復合型人才。

這一目標并非紙上談兵。

AFAC官方數據顯示，今年賽事共吸引4853支隊伍、超過1.5萬人參賽，60%為高校學生，40%為產業從業者。

其中不乏來自MIT、帝國理工、新加坡國立大學、北大、清華、復旦、港大等全球頂尖高校的海外選手，以及工商銀行、美團、攜程、同花順等一線企業的工程師、研究員、架構師。

雖然年輕選手肆意展露風采，但與賽選手跨越多個年齡層，甚至出現了00后與60后同場競技的景象。

這場比賽怎么就能如此廣受認可？

一方面，在于它極具權威性。

由上海市科委指導，聯合北京大學、復旦大學、香港大學等高水平學術機構與螞蟻集團等企業和平臺共同舉辦，真正代表行業集體發起。

第二方面，在于它兼具公平性和可操作性，又有實戰價值。

AFAC金融智能創新大賽主席、螞蟻集團副總裁、財富保險事業群CTO尹俊透露，為精準把控賽題難度，主辦方投入大量精力進行反復權衡與設計，“既要呼應行業最具挑戰性的前沿方向，又必須兼顧公平與可操作性?！?/p>

也就是說，無論是挑戰組還是初創組，賽題總體難度控制在“中等偏上”。

如此一來，既能保證創新挑戰性，又能讓大多數參賽者有切入點能上手，同時不會因為手中資源的參差在起跑線上差距懸殊。

第三方面，在于其集結和注入了產學研界的大量心血。

除了出題階段，評審階段也可見產學研合作之力——

部分賽題無法完全依賴機器評分，需要大量專家與工作人員投入人工審查與復核，在賽題難度與保證評審公正之間要不斷權衡。

尹俊介紹，本屆AFAC評委來自高校、金融機構、科技企業、投資機構，既站在評審視角提供了技術深度，也有落地廣度；在各個賽段評審打分時，既設置了客觀指標，又保留了專家主觀評估，確保綜合能力的全面呈現。

這些設置背后，體現了產學研三方集體對人才標準的共識：

不僅要技術過硬，還要能懂業務、會協作、能落地。

最終，挑戰組34支隊伍、初創組11支隊伍脫穎而出，共享百萬獎金池。

這不僅是能力的證明，也是行業對實戰型人才的直接肯定。

從比賽到生態，AFAC背后的更大格局

這么看下來，與其說AFAC是一場賽事，不如用“一場以賽育人的行業實驗”來形容它更為妥帖。

它的真正意義，遠不止于誰拿了第一，而是通過一次次真實問題的攻堅，錘煉出真正能支撐產業未來的AI人才。

在AFAC的賽場上，很多人第一次意識到，長文本不是“生成得越長越好”，而是要結合上下文邏輯、業務細節、數據嚴謹性，實現真正可用、可落地的行業內容。

來自中國人民大學的RUC-NLPIR隊伍就是典型案例。

這支由兩名博士和一名大一新生組成的隊伍，在“智能體賦能的金融多模態報告自動化生成”賽題中拿下了冠軍。

以前在學校完成課題做科研，更關注算法性能，但參與AFAC大賽，他們面對的難點，不僅是技術實現，還包括如何用公開數據去支撐專業化的金融研報生成。

“我們最后的報告平均每份有兩三萬字，不只是長文本，更要有配套的圖?！辟惡蠓窒頃r，RUC-NLPIR分享道“為了保證效果，我們沒有用簡單的文生圖，而是讓模型寫代碼，再渲染成專業的金融圖表。甚至還引入視覺語言模型，迭代評估生成的圖表是否清晰、合理?！?/p>

這種能力，不是課堂作業可以鍛煉出來的，而必須在真實行業場景下“以戰代練”。

來自學界的聲音呼應了這一點。

北京大學研究員、長聘副教授、博導，計算機學院視頻與視覺技術研究所副所長施柏鑫觀察到，以前做課題發論文很重要，但參與AFAC比賽的很多同學第一次發現，原來AI項目要面對客戶、數據、評估標準、呈現效果這些“現實世界”問題。

他稱之為“很寶貴的經歷”。

當視角轉向另一面——作為來自產業側的評委，上海高質量孵化器XNode創極無限副總裁牛磊也感慨良多。

他注意到，AFAC大賽為新生代提供了有質量的成長環境，年輕團隊在比賽中展現了驚人的成熟度。有時候，“我們評審的任務不再是質疑他們，而是更多地在反哺、引導和鼓勵”。

這種作用不是單向的。

準確地說，AFAC大賽是一個雙向啟發的平臺，學生、初創團隊把它當成鍛煉場，教授、企業也能互相校準技術價值。

正如大賽主席尹俊所說：

我們的初心不是為自己企業招人，而是為整個行業培養人才，推動生態繁榮。

事實也確實如此。

在多方共同推動下，行至第3屆的AFAC大賽已逐步從“企業主辦”走向“行業共建”，形成開放、包容、協作的多元平臺。

這就不得不提大賽設立的另一個初衷：金融創新門檻高、監管重，小團隊很難獨立推動創新，需要一個平臺來協同。

AFAC大賽的以終為始的目標，就是擔任這么一個平臺。

這背后除了產學研投的多方推動，阿里云天池平臺的支撐同樣貫穿始終。

作為國內首屈一指的創新生態平臺，天池是大賽技術和資源落地的核心支撐平臺之一。它不僅提供了大賽平臺、算力支持、開放數據接口，還提供了baseline代碼與模型調試框架，大大降低了參賽者的上手門檻。

許多參賽團隊主動同我們分享，正是因為天池的支撐，他們才能在短時間內將想法快速落地為原型。

如果非要用什么具體的詞句來形容AFAC大賽，首先，必然是“金融科技人才的孵化器”，覆蓋全球范圍那種。

然后，它是行業生態的連接器，是技術落地的加速器，是產學研共建的新生態機制。

在中國AI持續發力、金融科技迎來革新的當下，AFAC這樣的賽事多多益善。因為它們不僅在回答“我們能不能做出自己的AI”，也在努力塑造“我們的AI生態該長成什么樣”。

而最具長期價值的一點是：

通過AFAC大賽這類機制，中國正在建立屬于自己的AI人才選拔與培養標準。

它不論學歷、不拼資歷，用一個個真實問題的解決過程，去尋找最新的AI時代弄潮兒。