在数字经济加速演进的当下，人工智能与产业深度融合成为推动高质量发展的重要变量。
如何让高校科研更贴近产业一线，让企业需求更有效牵引人才培养，并通过政府平台形成制度化协同，是多地面临的共同课题。
近日，贵州大学计算机科学与技术学院联合贵阳高新区在清华—贵州大数据研究生实践教育基地举办“AI驱动数字经济发展交流活动”，来自高校、企业及相关部门代表围绕关键议题深入交流，力图在协同育人、成果转化、场景落地等方面形成更可持续的合作路径。
问题：数字经济需要“能上手、懂场景、会协同”的复合型人才供给。
与会各方普遍认为，随着数据要素价值释放、算力基础设施建设提速、算法迭代加快，产业对高水平工程化人才、跨学科融合人才的需求持续攀升。
现实中，人才培养与企业用人之间仍存在“供需错位”：部分培养环节更强调通用能力，学生对行业数据、业务流程与工程约束理解不足；企业则在落地过程中面临真实数据难获取、模型验证缺参数、产品化周期长等困难，导致科研成果与应用场景衔接不够紧密。
原因：一是学科体系与产业变革速度不匹配。
人工智能从“工具”向“智能体”演进，应用不断向医疗健康、工业互联网、芯片设计等高门槛领域拓展，对知识结构、工程能力与行业理解提出更高要求，而传统培养模式难以完全覆盖复杂场景。
二是数据与场景的壁垒客观存在。
企业数据涉及合规、安全与商业敏感，开放共享需要机制设计与风险治理；高校研究若缺少高质量真实数据和可复现的工程环境，容易停留在理论验证层面。
三是协同机制不够常态化。
政校企合作若以单次活动或项目驱动为主，缺少稳定平台与评价体系，就难以形成连续的人才培养链、技术攻关链和产业应用链。
影响：上述问题若不能有效破解，将直接影响数字经济发展的“底座能力”。
一方面，高端人才不足会制约新技术在关键领域规模化落地，影响企业提升效率、降本增效和创新迭代；另一方面，高校科研如果难以与产业需求形成闭环，成果转化效率不高，也会削弱地方产业聚集与竞争优势的形成。
对地方而言，构建以人工智能为牵引的创新生态，需要把人才与场景的耦合度提升到更高水平。
对策：交流活动形成多项共识与建议。
专家观点指出，数据、算力、算法的叠加效应正在推动人工智能发生指数级变化，未来智能系统将更强调自主决策与协同能力，产业必须提前布局“面向场景的能力体系”。
高校方面介绍，将围绕全链条人才培养体系建设、校企联合培养工程硕博士实践成果、共建联培基地规划等持续优化，推动培养环节更贴近产业真实问题。
导师代表强调，专业硕士与学术硕士侧重点不同，前者应坚持以解决实际问题为导向，选题应紧扣学术前沿与产业需求的结合点，避免停留在常规性理论研究，提升人才培养与市场需求适配度。
企业代表则提出，高校科研需要真实产业数据与参数验证模型、优化成果，企业在多类应用场景中亟需大数据与AI人才支撑，双方互补性强；关键在于推动高校专业技术与企业具体业务深度融合，实现人才、技术与需求的精准对接。
贵阳高新区相关负责人建议，由政府、高校、企业三方共同搭建常态化协同平台，打通信息壁垒与资源孤岛，促进需求牵引、成果验证、人才培养一体推进，让“实验室成果”更快进入“产业链条”。
前景：作为较早探索“政府—高校—企业”三方协同育人模式的实践载体之一，清华—贵州大数据研究生实践教育基地在专业硕士培养方面已持续深耕多年，积累了联合培养与实践育人的经验。
面向下一阶段，贵阳高新区提出将进一步发挥平台纽带作用，推动协同机制落地见效，引导高校科研资源向产业一线集聚，鼓励企业以真实需求反哺科研与培养环节。
基地也将完善联合培养模式，聚焦跨学科人才培育，推动更多可落地、可验证、可复制的应用成果形成，为贵州数字经济高质量发展提供更稳定的人才供给与创新支撑。
这场聚焦数字经济"人才供给侧改革"的研讨，折射出中国产业升级的深层逻辑——当技术革命进入深水区，单兵作战的时代已然终结。
贵阳探索的政校企"三位一体"模式，不仅为西部数字经济高地建设提供了样本，更启示我们：唯有打破学科藩篱、贯通创新链条，才能在新一轮科技竞争中赢得主动权。
未来，这种协同创新生态的成熟度，或将成为衡量区域竞争力的重要标尺。