在AICA，這裏正長出改變世界的種子_風聞

在百度AICA背後，能看到的是一個以人和AI真問題為課題對象，通過真實的體系培訓、產業協同、組織交流合作，在授人以魚的同時更授人以漁，通過AI架構師的人才培養為基點，進而真正幫助中國企業構建出一個長效可持續可發展迭代的AI生產力體系。

守正創新，澤被八方。百度這個中國AI的先行者，正在以“重工”的態度、“有人文温度”的土壤推動一眾產業、一眾企業、一眾人才大步跨進AI時代。

作者|皮爺

出品|產業家

2024年下半年，孫勇濤感覺到更清晰了。他是北京奔馳技術維護主任工程師，牽頭的一個項目是“漆面缺陷檢測系統Paint Defect Eye”，項目主要針對汽車塗裝工藝之後的車身檢測。

這種清晰感來自一個“特殊組織”的加持，它就是百度AICA。“開始還是比較迷茫的，不知道我能做到什麼程度，也不知道技術能實現哪些，在這裏一點點突破這些壁壘，最後把這個項目完成。”

孫勇濤是百度AICA第8期學員，也更是這個平台上幾百名AI架構師的一個縮影。在這個從2019年啓動，到現在已經持續到第9期的“首席AI架構師培養計劃”裏，如今已經走出了接近500名AI架構師，在2025年的當下，他們都已經成為各自企業乃至產業裏AI轉型的先行者和牽頭人，其中不乏奔馳、國家電網這樣的大型實體企業。

而在今年，這個培養計劃更為炙熱。“第9期一共報名了超過500個學員，他們都是帶着各自企業AI轉型的真實選題來參與這個計劃。”第9期百度AICA班主任告訴產業家。這個學員側的數字相較於前一年增長超過30%。

經過理論技術測評、項目開題審核等多輪評審，最終第九期學員錄取數被定格在96名。據瞭解，這些來自零售、工業、能源等不同賽道的學員將在接下來時間完成6個月的學習培訓——這個時長對應的正是一個AI項目從立項、POC驗證、Demo開發再到最終上線的全生命週期。

過去的幾年時間裏，一個經常被所有投資人、CIO乃至政策提及的問題是，在中國土壤上的企業應該如何尋求到正確合理且適配自身的AI進階路徑，是需要依託模型技術的進步，還是基於某項特殊工具的加持，再或者是靜待時代轉型紅利。

實際上，答案早已經在無數個跨越週期企業的成長史中被給出。不論是蘋果、百度、微軟，還是通用電器、三星等等，人才都是最核心的資產和這些企業應對變化和風險的底氣。

如今的AI時代，這個被奉為圭臬的底層法則依然成立。但如何培養AI人才，或者説當下的中國企業需要的是怎樣的AI人才，以及這個AI人才培養的土壤應該具備什麼特質？

過去6年時間裏，這是百度AICA一直在追尋和嘗試回答的問題。2025年，這片技術和產業交融的土壤又帶來了一些新答案。

一、AI浪潮裏，

“稀缺的AI架構師”

孫勇濤所説的不是個例。如果從更廣闊的視角來看，隱藏在企業進軍AI、尋求數智化轉型難點背後的底層卡點恰是人才。

一組來自科技招聘公司Harrison Clarke的統計數據顯示，伴隨着AI大模型浪潮的來臨，整個AI領域的薪資持續上漲，其中全球大型科技集團的中高級研究科學家的總薪酬上漲至50-200萬美元之間，而在2022年，這組數字還僅為40-90萬美元。

與之對比的一組數字是，沒有相關AI經驗的資深軟件工程師基本年薪通常徘徊在18萬至22萬美元之間。在中國市場企業，AI市場行情也是如此。

“優秀、頂尖的AI人才很難找，也一般都很被企業器重，整個招聘市場這樣的需求非常多，但同時，泡沫也很大。”一位資深獵頭這樣告訴產業家。

他所説的“泡沫”對應的當下企業對“AI架構師”或“AI人才”越發務實的需求，即其需要能成為企業的AI牽頭人和“尖刀”先行者，幫助企業基於構建一套適配自身業務的AI體系，進而強化企業競爭力。

這不是一件容易的事。甚至客觀來看，這種需求要比傳統人們定義的“AI人才”更多一些現實衡量角度，比如是否理解業務、比如是否能把AI模型和業務進行有效結合，再比如是否可以構建“AI+數據”的體系。

“我們在2019年做第一期百度AICA的時候，是基於更底層的深度學習框架來做，也就是大家現在講的辨別式小模型，當時也解決了非常多傳統機器學習，比如在質檢領域無法落地的難題等等。”百度基礎技術體系產品委員會主席、百度AI技術生態副總經理周奇總告訴我們。

“但後來我們慢慢發現，**產業裏邊真正缺的是既懂行業，又懂AI，而且還能把兩者結合企業進行工程落地的架構師。**所以我們開始把首席AI架構師確定為產業裏邊變革AI的創新者。”

**周奇的感知也更對應着中國企業在當下AI時代的真實水温。**即對包括工業、零售、能源、教育乃至金融的企業而言，其內部不乏精通業務的專家，但對於更新的生成式AI相關的一切，比如數據體系，比如基礎模型的開源技術框架，再比如提示詞工程以及多模態等等，這些最新的AI技術能力以及AI如何在具體產業裏的推理訓練等等環節都不是企業既有IT儲備人才的強項。

這種人才能力上的短板輻射到最前端則是企業很難有人牽頭探尋出一條適合企業自身的AI轉型路。根據Gartner進行的一份AI落地相關調研報告顯示，過去幾年時間裏，有85%的企業AI項目未能產生預期價值，其中原因不乏企業不會使用開源技術、POC驗證週期長、有技術但沒數據、“閉門造車0創新”等等。

換言之，在強大的開源AI底層和真實的業務場景之間，企業真正需要的是一個適配自身的AI轉型路徑圖譜，這個路徑圖譜中不僅需要對諸如飛槳等開源深度學習框架的理解，更要有對企業自身產業場景和企業環節的如SOP適配、數據土壤搭建、提示詞和推理部署聯調優化等等。

這也正是周奇口中所説的“複合型人才”。不過這種人才的培養，並不是一件容易的事。

即就當下而言，市面上AI培訓課程不再少數，甚至不少是基於部分開源技術社區構建而言，但往往會暴露出一些短板——比如師資力量不夠，部分講師沒有對應的AI技術和產業經驗；再比如課程體系設置不合理，導師更多仍聚焦在技術本身，缺乏對相關產業的診斷教學，以及更有甚者，提示詞、強化訓練等課程更多是參考外部平台的公開信息。

AI時代，企業真正的人才競爭力，到底應該如何搭建？

二、百度AICA，

一個成型的AI人才培養土壤

“今年第9期學員，和之前相比有很多不同之處。”周奇告訴產業家。

在他的感知裏，除了報名數目增加，相較於百度AICA前8期，第9期學員三個比較明顯的特殊點是：傳統實體產業的企業學員數量增加、數據類企業更為踴躍，以及參與的學員在企業內部的職級越來越高。

從某種程度來看，這三個特殊點也恰折射出的是中國越來越多企業對於AI進化的迫切性，即企業越來越把AI作為一個必選題，不僅輕實體行業，也更有傳統實體產業，如紡織、餐飲、重工業等等。

以及被企業愈發重視的數據命題，“今年我們也在發現，很多產業當中要做AI的原生產品，如果沒有高質量的數據，不僅是大模型基座商家難以為繼去迭代，做產業落地的企業如果沒有好的數據其實也很難做出差異化的產品。”周奇表示。

實際上，在這些特殊點呈現之前，百度AICA就在內部提前進行了和以往不同的課程體系設置。即在既有的基礎大模型（Agent、訓練、文本問答、輔助決策）、多模態（文檔/圖片理解，視覺理解/生成）、大小模型（CV、OCR、時序預測）分組之外，還專門預設一個名為共創小組的特殊組合機制。

“之前在第8期的時候我們就發現了這種產業合作機制的必要性**，第九期我們在最開始的時候就設置了共創小組，鼓勵企業自行組隊，**比如有些企業技術很好但缺數據，比如有些企業有服務能力但缺場景和需求，我們在招募的時候就幫這些產業上下游互補的企業自動組隊。”9期班主任告訴產業家。

不僅如此，針對今年愈發強勁的“AI+產業”融合趨勢，講師團隊也被加速“擴容”。據瞭解，今年的第9期的講師陣容，除了百度內部科學家級別的技術大拿，百度還邀請了飛行助教和特聘專家作為輔助，前者更多是前8期已經畢業、常年深耕產業場景的百度AICA學員，後者則更多是高校老師、對應領域專家，以及特殊邀請的數據語料/評測專家。

“而且我們對所有AICA講師都有一個非常嚴格的底線要求，就是“禁止帶貨”，包括百度自己的產品，講師在課堂上只能進行‘純技術和乾貨分享’。”

這些之外，面向學員的定向答疑也更被再次加碼。“我們的課程主要集中在週六、週日，在每個週日的下午有3到6個小時的時間都是專家答疑時間，學員可以拿着自己的課題進度和問題和專家進行1v1的請教指導。”班主任表示。

值得一提的是，這些全部學員課題都是經過百度AICA評審團“認證”過的“價值”課題。周奇告訴我們，在整個學員和課題的篩選中，百度AICA 有着非常嚴格的考核機制，學員必須要帶着“產業的真問題”和當前相對“技術可解決”的解決方案來報名，這樣才能通過評審最終入選。

在他看來，百度要幫學員解決的應該是貼合當前AI大模型最適合落地的方向，“課題所面向的領域要有足夠密度的知識，同時要具備高ROI價值和能被大模型改變流程的可能，這樣AI才能發揮出它最大的生產力價值。”

比如貴州茅台事業部技術研發中心主管袁湘波今年的開題報告題目是《基於大模型賦能創新的i茅台智能應用研究》，比如金拱門AI Engineering韋文澤的開題報告則是構建基於麥當勞門店的《麥麥巡警數字員工》，以及愉悦家紡信息技術總監胡健則是把課題焦點落在“織印染行業研發大模型構建與應用”上，這些真實待解的課題將成為他們和百度在接下來6個月一齊面對的核心攻堅點。

“我比較期待先把百度這些成熟的AI產品真正用起來，比如智能客服、智能推薦、智能問數，通過最近這段時間的學習，能夠真正探索一些更深層次的工具、方法論，再結合我們的產業實踐去探索怎麼結合，把業務做的更智能、更有效能。”袁湘波告訴我們。

從更大的視角來看，百度AICA更等同於一個AI架構師成長的複合型土壤和解決問題的窗口。

在這裏，學員可以帶着問題探尋個人和企業專屬的AI解法，不論是對基礎模型開源框架的產業落地，還是對應數據工程的優化提質，甚至上層對應行業的提示詞和RAG推理等等，這些複合能力都在以足夠可接納、可吸收的分子形態陳列在百度AICA的課題和講師體系中，以幫助學員構建出具有真實產業實踐意義的AI架構能力。

三、中國AI企業飛輪的驅動力，

到底在哪？

再來回看文章開篇的那個問題，即AI大潮裏，最能幫助中國企業進行AI進階的路徑是什麼？

實際上，這也是周奇等百度人一直思考的問題，而如今他們的答案愈加清晰：百度AICA。“我們覺得通過賦能行業的人才，或許可以徹底解決產業和技術之間的壁壘，這個路徑從現在來看是可行的。”

這種賦能也恰建立在百度自身的技術和產業積累上，比如百度有行業最先進的模型文心大模型，再比如百度從2016年就面向行業開源了飛槳深度學習框架，以及百度基於百度智能雲在智能營銷、智能客服等諸多企業環節和在能源、央國企、教育等產業場景的落地，這些也恰都構成着百度AICA體系的最底層堅實基礎。

可以看作，這些產業和產品AI的Know-how經由百度AICA這個窗口，被無償開放給真正需要的企業和個人，進而推動企業構建自身的AI成長飛輪。

這恰是中國企業AI飛輪的最正確打開方式。即在百度AICA背後，能看到的是一個以人和AI真問題為課題對象，通過真實的體系培訓、產業協同、組織交流合作，在授人以魚的同時更授人以漁，通過AI架構師的人才培養為基點，進而真正幫助中國企業構建出一個長效可持續可發展迭代的AI生產力體系。

如今，這個土壤的新故事還在持續。

一個孫勇濤最新給出的數據是，基於百度飛槳PaddleX套件中開源的高性能檢測算法RT-DETR和STFPM，由他主導設計並開發的漆面缺陷檢測系統，如今花費成本僅為供應商的十到十五分之一**，成本節省超過500萬。**據瞭解，今年這套系統將在全球奔馳工廠推廣。

知識供給也更在愈加有温度。班主任訴我們一個細節，在最近幾期的百度AICA講師報名環節，百度內部的反饋都異常熱烈，“很多專家都主動踴躍報名，主動要求來到授課一線，直面產業落地難題。”

不少百度專家和她説的一句話是，“技術就應該用來解決真正的問題，技術也應該服務於真正的企業和產業一線，而技術也會因被真正使用而再次進步。”

守正創新，澤被八方。百度這個中國AI的先行者，正在以“重工”的態度、“有人文温度”的土壤推動一眾產業、一眾企業、一眾人才大步跨進AI時代。