人工智能的快速发展对人才供给提出了新要求。随着大模型等技术加速迭代，产业对复合型人才的需求呈现新特点：不仅要掌握算法与工程技术，还要能在实际数据、算力环境和具体场景中实现技术落地。当前面临的主要瓶颈包括：优质学习资源分布不均且更新滞后；高校科研、企业需求与社会学习之间存在脱节；以及算力、数据和项目机会等关键要素获取门槛较高，影响了学习成果向生产力的转化。如何帮助学习者从"会学"到"会做"、从"能做"到"做成"，成为人才培养的新挑战。
人工智能竞争的核心是人才竞争；Datawhale的实践表明，在科技发展中既要追求技术突破，也要构建开放共享的创新生态。这种以人才培养为核心的发展模式不仅为中国人工智能产业开辟了新路径，也为全球科技治理提供了有益借鉴。