最先进的大模型掌握在科技企业手中；最活跃的技术创新发生在开源社区；而真正能够检验技术价值的场景，则存在于产业一线。
文｜胡嘉琦
ID | BMR2004
“未来企业最需要什么样的人才？”
2026年6月10日，在由《中国经营报》社有限公司、北京大学国家发展研究院、《商学院》杂志及中经传媒智库联合主办的第三届新商业文明论坛上，当话题从人工智能技术转向人才培养的话题时，Datawhale运营总监、高校生态负责人甘元琦没有立刻提及学历、专业或者学校，相反，她谈到了一个最近频繁出现在硅谷创业圈和投资圈的概念——OPC。
“很多人把它理解成One Person Company（OPC，一人公司），但我们更愿意把它理解为One Person Capability。”
她解释说，一个人借助人工智能工具，能够完成过去需要一个团队才能完成的工作，这种能力正在成为AI时代的重要竞争力。
就在不久前，Datawhale团队还在为新一轮实习生招聘做准备。让他们感到惊喜的是，一些表现最突出的年轻人并非来自顶尖实验室，而是来自社区内部。他们做过助教、组织过活动、维护过开源项目，也写过教程和学习笔记。在真实任务的反复磨炼中，他们逐渐成长为团队最看重的人才。
这些变化背后是AI正在重塑人才培养方式。作为国内最具影响力的AI开源学习社区之一，Datawhale过去8年的成长轨迹，恰好见证了这一过程。
01
资源分散在AI产学研用生态中
在甘元琦看来，当前高校面临的最大挑战并非教育质量下降，而是资源分布方式发生了变化。
过去，大学几乎承担了知识传播、人才培养和能力认证的大部分功能。但今天，情况已经不同。最先进的大模型掌握在科技企业手中；最活跃的技术创新发生在开源社区；而真正能够检验技术价值的场景，则存在于产业一线。
“培养一个AI人才所需要的资源，其实已经被分散到了整个生态里面。”甘元琦认为。
这意味着，即便是最优秀的大学，也很难单独为学生提供成长所需的全部资源。
在Datawhale与高校长期合作的过程中，这种变化表现得越来越明显。一些学生在课堂上学习基础理论，却在社区接触最新技术实践；一些研究成果来自实验室，却需要企业提供真实场景验证；还有一些创新项目，则需要算力平台、开源工具和产业资源共同支持。
过去相对封闭的人才培养体系，正在被一个开放生态所取代。甘元琦认为，这并不是大学地位在下降，而是大学正在进入新的角色定位。
未来的人才培养，将越来越依赖高校、企业、开源社区以及政府之间的协同合作。“如果资源是分散的，那么协同就是必须项。”
02
比学历更重要的东西
过去几年，甘元琦参与了大量招聘工作。一个明显变化是，她越来越少关注简历上的标签。
“现在我看作品集的时间，可能比看简历的时间还长。”在她看来，学校、学历、证书能够反映一个人的学习经历，却未必能够说明一个人是否具备解决问题的能力。
而作品集不同。一个项目从提出问题、分析问题到设计方案、最终交付成果，其过程能够完整呈现一个人的思考路径。
尤其是在AI时代。越来越多年轻人从进入大学开始就接触大模型、代码助手和智能体工具，他们对于AI的使用方式，往往比许多职场人士更加自然。
“他们是AI Native。”甘元琦发现，一些学生虽然没有特别耀眼的履历，却能够利用AI快速完成产品原型设计、数据分析甚至内容生产。这种能力正在改变企业的人才评价标准。
因此，Datawhale近年来大量吸纳实习生参与社区建设和业务创新。而不少表现最优秀的年轻人，恰恰来自社区内部。
03
为什么开源社区更容易培养人才？
Datawhale开发者生态负责人 司玉鑫
对于这一现象，Datawhale开发者生态负责人司玉鑫给出了另一种解释。
在他看来，开源社区最大的价值并不仅仅在于技术学习。“开源的本质，是众人通过开放协作共同生产数字公共产品。”这是他对开源最核心的理解。
在这个过程中，一个人不仅学习知识，更会参与真实协作。有人编写教程，有人组织活动，有人维护项目，有人进行技术开发。每个人都在真实任务中成长。这种成长方式与课堂教育有着明显区别。
学生不再只是知识接受者，而是价值创造者。因此，许多长期活跃于社区的年轻人，往往具备更强的沟通能力、协作能力和问题解决能力。而这些能力，恰恰是AI时代最重要的竞争力。
司玉鑫认为，中国开源的发展大致经历了三个阶段：第一个阶段是开放知识。无论是学术论文公开发表，还是早期技术爱好者翻译Linux资料，本质上都是知识共享。
第二个阶段是开放资源。这一阶段主要表现为开源代码，以及今天AI领域广泛开放的数据集、模型和工具链。
第三个阶段则是开放生态。此时开源已经不再只是资源共享，而是形成一个由高校、企业、开发者、政府和用户共同参与的价值网络。
“真正成熟的开源，不是开放代码，而是开放生态。”在他看来，这种协同共创机制，本身就是一种新的生产关系。而这也与“新商业文明”所强调的协同创新高度一致。
04
一个社区的成长实验
事实上，Datawhale自身的发展过程，也对应着这三个阶段。
最初，社区主要围绕开源教程建设。截至目前，社区已经发布超过200套AI开源教程，累计获得超过31万GitHub Star。随后，大量科技企业开始向社区开放模型能力、数据资源和技术工具。
社区逐渐承担起资源连接者的角色。而进入2026年之后，Datawhale开始进一步推动AI学习中心建设，希望联合高校、企业和地方政府，共同构建AI人才培养生态。
从开放知识，到开放资源，再到开放生态，社区的发展路径与中国AI产业生态的发展几乎同步。
相比技术问题，司玉鑫认为社区最大的挑战其实是可持续发展。因为开源社区天然面临一个问题：为什么有人愿意长期贡献？
对此，Datawhale形成了一套独特的社区文化。甘元琦介绍，社区长期坚持四项核心价值观：社区第一、以学习者为中心、成就贡献者、成为伯乐。
在200多万名学习者背后，是上千名贡献者长期参与教程编写、活动组织和项目维护。
社区不仅鼓励优秀者成长，也鼓励他们帮助后来者成长。“我们希望走在前面的人，能够主动去发现和鼓励那些还没有找到方向的人。”
这种持续的人才接力，成为社区保持活力的重要原因。
如果说甘元琦关注的是“培养什么样的人”，那么司玉鑫关注的则是“通过什么样的组织培养这些人”。
AI时代的人才培养已经无法依靠单一主体完成。大学不再是知识的唯一来源，企业不再只是人才的使用者，开源社区也不只是兴趣组织，它们正在共同组成一个开放协同的人才生态。在这个生态中，真正重要的能力，不再只是掌握多少知识，而是能否持续学习、连接资源、借助AI创造价值。
从开放知识到开放生态，从人才培养到价值共创，开源社区所推动的，已经不仅是一种技术创新方式，更是一场关于组织协作和商业文明的深层变革。而Datawhale，正试图成为这场变革中的连接者与实践者。