衡宇 西风 发自 凹非寺
量子位 | 公众号 QbitAI

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。

一组数据足以说明问题：

《全球人工智能科研态势报告（2015-2024）》数据显示，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。

全球抢人战火已燃，人才从哪里来？

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，震荡AI圈。

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对此直言不讳，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。

为了应对疯狂的小扎，有人曝料Ilya的创业公司Safe Superintelligence不允许员工在领英上标注公司，以免被挖走。

经网友统计，截至8月中旬，Meta从OpenAI、谷歌、苹果、xAI、Anthropic等处，前前后后挖走50多名员工。

但这场战争并非只靠高薪就能取胜。

面对Meta的强势挖角，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。

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、字节Top Seed、京东TGT青年天才工程……

打破实习限制、配备导师机制、开出顶薪待遇，各大企业正以不同方式培养自己的AI后备军。

但你不得不承认一个事实，挖人有天花板，landing周期长，磨合需要时间。

在远水难解近渴的大背景下，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。

产学研共建，让一场顶级赛事成为AI人才筛选器

于是，一场行业联合、真实落地、以赛育人的赛事，就在这样的大背景下诞生了——

AFAC2025金融智能创新大赛。

在AI大模型探寻平稳、深入落地的众多赛道中，金融尤为典型。

它业务逻辑复杂、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。

作为一场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。

这一目标并非纸上谈兵。

AFAC官方数据显示，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。

其中不乏来自MIT、帝国理工、新加坡国立大学、北大、清华、复旦、港大等全球顶尖高校的海外选手，以及工商银行、美团、携程、同花顺等一线企业的工程师、研究员、架构师。

虽然年轻选手肆意展露风采，但与赛选手跨越多个年龄层，甚至出现了00后与60后同场竞技的景象。

这场比赛怎么就能如此广受认可？

一方面，在于它极具权威性。

由上海市科委指导，联合北京大学、复旦大学、香港大学等高水平学术机构与蚂蚁集团等企业和平台共同举办，真正代表行业集体发起。

第二方面，在于它兼具公平性和可操作性，又有实战价值。

AFAC金融智能创新大赛主席、蚂蚁集团副总裁、财富保险事业群CTO尹俊透露，为精准把控赛题难度，主办方投入大量精力进行反复权衡与设计，“既要呼应行业最具挑战性的前沿方向，又必须兼顾公平与可操作性。”

也就是说，无论是挑战组还是初创组，赛题总体难度控制在“中等偏上”。

如此一来，既能保证创新挑战性，又能让大多数参赛者有切入点能上手，同时不会因为手中资源的参差在起跑线上差距悬殊。

第三方面，在于其集结和注入了产学研界的大量心血。

除了出题阶段，评审阶段也可见产学研合作之力——

部分赛题无法完全依赖机器评分，需要大量专家与工作人员投入人工审查与复核，在赛题难度与保证评审公正之间要不断权衡。

尹俊介绍，本届AFAC评委来自高校、金融机构、科技企业、投资机构，既站在评审视角提供了技术深度，也有落地广度；在各个赛段评审打分时，既设置了客观指标，又保留了专家主观评估，确保综合能力的全面呈现。

这些设置背后，体现了产学研三方集体对人才标准的共识：

不仅要技术过硬，还要能懂业务、会协作、能落地。

最终，挑战组34支队伍、初创组11支队伍脱颖而出，共享百万奖金池。

这不仅是能力的证明，也是行业对实战型人才的直接肯定。

从比赛到生态，AFAC背后的更大格局

这么看下来，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。

在AFAC的赛场上，很多人第一次意识到，长文本不是“生成得越长越好”，而是要结合上下文逻辑、业务细节、数据严谨性，实现真正可用、可落地的行业内容。

来自中国人民大学的RUC-NLPIR队伍就是典型案例。

这支由两名博士和一名大一新生组成的队伍，在“智能体赋能的金融多模态报告自动化生成”赛题中拿下了冠军。

以前在学校完成课题做科研，更关注算法性能，但参与AFAC大赛，他们面对的难点，不仅是技术实现，还包括如何用公开数据去支撑专业化的金融研报生成。

“我们最后的报告平均每份有两三万字，不只是长文本，更要有配套的图。”赛后分享时，RUC-NLPIR分享道“为了保证效果，我们没有用简单的文生图，而是让模型写代码，再渲染成专业的金融图表。甚至还引入视觉语言模型，迭代评估生成的图表是否清晰、合理。”

这种能力，不是课堂作业可以锻炼出来的，而必须在真实行业场景下“以战代练”。

来自学界的声音呼应了这一点。

北京大学研究员、长聘副教授、博导，计算机学院视频与视觉技术研究所副所长施柏鑫观察到，以前做课题发论文很重要，但参与AFAC比赛的很多同学第一次发现，原来AI项目要面对客户、数据、评估标准、呈现效果这些“现实世界”问题。

他称之为“很宝贵的经历”。

当视角转向另一面——作为来自产业侧的评委，上海高质量孵化器XNode创极无限副总裁牛磊也感慨良多。

他注意到，AFAC大赛为新生代提供了有质量的成长环境，年轻团队在比赛中展现了惊人的成熟度。有时候，“我们评审的任务不再是质疑他们，而是更多地在反哺、引导和鼓励”。

这种作用不是单向的。

准确地说，AFAC大赛是一个双向启发的平台，学生、初创团队把它当成锻炼场，教授、企业也能互相校准技术价值。

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。

事实也确实如此。

在多方共同推动下，行至第3届的AFAC大赛已逐步从“企业主办”走向“行业共建”，形成开放、包容、协作的多元平台。

这就不得不提大赛设立的另一个初衷：金融创新门槛高、监管重，小团队很难独立推动创新，需要一个平台来协同。

AFAC大赛的以终为始的目标，就是担任这么一个平台。

这背后除了产学研投的多方推动，阿里云天池平台的支撑同样贯穿始终。

作为国内首屈一指的创新生态平台，天池是大赛技术和资源落地的核心支撑平台之一。它不仅提供了大赛平台、算力支持、开放数据接口，还提供了baseline代码与模型调试框架，大大降低了参赛者的上手门槛。

许多参赛团队主动同我们分享，正是因为天池的支撑，他们才能在短时间内将想法快速落地为原型。

如果非要用什么具体的词句来形容AFAC大赛，首先，必然是“金融科技人才的孵化器”，覆盖全球范围那种。

然后，它是行业生态的连接器，是技术落地的加速器，是产学研共建的新生态机制。

在中国AI持续发力、金融科技迎来革新的当下，AFAC这样的赛事多多益善。因为它们不仅在回答“我们能不能做出自己的AI”，也在努力塑造“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大赛这类机制，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。