在AICA，这里正长出改变世界的种子_风闻

在百度AICA背后，能看到的是一个以人和AI真问题为课题对象，通过真实的体系培训、产业协同、组织交流合作，在授人以鱼的同时更授人以渔，通过AI架构师的人才培养为基点，进而真正帮助中国企业构建出一个长效可持续可发展迭代的AI生产力体系。

守正创新，泽被八方。百度这个中国AI的先行者，正在以“重工”的态度、“有人文温度”的土壤推动一众产业、一众企业、一众人才大步跨进AI时代。

作者|皮爷

出品|产业家

2024年下半年，孙勇涛感觉到更清晰了。他是北京奔驰技术维护主任工程师，牵头的一个项目是“漆面缺陷检测系统Paint Defect Eye”，项目主要针对汽车涂装工艺之后的车身检测。

这种清晰感来自一个“特殊组织”的加持，它就是百度AICA。“开始还是比较迷茫的，不知道我能做到什么程度，也不知道技术能实现哪些，在这里一点点突破这些壁垒，最后把这个项目完成。”

孙勇涛是百度AICA第8期学员，也更是这个平台上几百名AI架构师的一个缩影。在这个从2019年启动，到现在已经持续到第9期的“首席AI架构师培养计划”里，如今已经走出了接近500名AI架构师，在2025年的当下，他们都已经成为各自企业乃至产业里AI转型的先行者和牵头人，其中不乏奔驰、国家电网这样的大型实体企业。

而在今年，这个培养计划更为炙热。“第9期一共报名了超过500个学员，他们都是带着各自企业AI转型的真实选题来参与这个计划。”第9期百度AICA班主任告诉产业家。这个学员侧的数字相较于前一年增长超过30%。

经过理论技术测评、项目开题审核等多轮评审，最终第九期学员录取数被定格在96名。据了解，这些来自零售、工业、能源等不同赛道的学员将在接下来时间完成6个月的学习培训——这个时长对应的正是一个AI项目从立项、POC验证、Demo开发再到最终上线的全生命周期。

过去的几年时间里，一个经常被所有投资人、CIO乃至政策提及的问题是，在中国土壤上的企业应该如何寻求到正确合理且适配自身的AI进阶路径，是需要依托模型技术的进步，还是基于某项特殊工具的加持，再或者是静待时代转型红利。

实际上，答案早已经在无数个跨越周期企业的成长史中被给出。不论是苹果、百度、微软，还是通用电器、三星等等，人才都是最核心的资产和这些企业应对变化和风险的底气。

如今的AI时代，这个被奉为圭臬的底层法则依然成立。但如何培养AI人才，或者说当下的中国企业需要的是怎样的AI人才，以及这个AI人才培养的土壤应该具备什么特质？

过去6年时间里，这是百度AICA一直在追寻和尝试回答的问题。2025年，这片技术和产业交融的土壤又带来了一些新答案。

一、AI浪潮里，

“稀缺的AI架构师”

孙勇涛所说的不是个例。如果从更广阔的视角来看，隐藏在企业进军AI、寻求数智化转型难点背后的底层卡点恰是人才。

一组来自科技招聘公司Harrison Clarke的统计数据显示，伴随着AI大模型浪潮的来临，整个AI领域的薪资持续上涨，其中全球大型科技集团的中高级研究科学家的总薪酬上涨至50-200万美元之间，而在2022年，这组数字还仅为40-90万美元。

与之对比的一组数字是，没有相关AI经验的资深软件工程师基本年薪通常徘徊在18万至22万美元之间。在中国市场企业，AI市场行情也是如此。

“优秀、顶尖的AI人才很难找，也一般都很被企业器重，整个招聘市场这样的需求非常多，但同时，泡沫也很大。”一位资深猎头这样告诉产业家。

他所说的“泡沫”对应的当下企业对“AI架构师”或“AI人才”越发务实的需求，即其需要能成为企业的AI牵头人和“尖刀”先行者，帮助企业基于构建一套适配自身业务的AI体系，进而强化企业竞争力。

这不是一件容易的事。甚至客观来看，这种需求要比传统人们定义的“AI人才”更多一些现实衡量角度，比如是否理解业务、比如是否能把AI模型和业务进行有效结合，再比如是否可以构建“AI+数据”的体系。

“我们在2019年做第一期百度AICA的时候，是基于更底层的深度学习框架来做，也就是大家现在讲的辨别式小模型，当时也解决了非常多传统机器学习，比如在质检领域无法落地的难题等等。”百度基础技术体系产品委员会主席、百度AI技术生态副总经理周奇总告诉我们。

“但后来我们慢慢发现，**产业里边真正缺的是既懂行业，又懂AI，而且还能把两者结合企业进行工程落地的架构师。**所以我们开始把首席AI架构师确定为产业里边变革AI的创新者。”

**周奇的感知也更对应着中国企业在当下AI时代的真实水温。**即对包括工业、零售、能源、教育乃至金融的企业而言，其内部不乏精通业务的专家，但对于更新的生成式AI相关的一切，比如数据体系，比如基础模型的开源技术框架，再比如提示词工程以及多模态等等，这些最新的AI技术能力以及AI如何在具体产业里的推理训练等等环节都不是企业既有IT储备人才的强项。

这种人才能力上的短板辐射到最前端则是企业很难有人牵头探寻出一条适合企业自身的AI转型路。根据Gartner进行的一份AI落地相关调研报告显示，过去几年时间里，有85%的企业AI项目未能产生预期价值，其中原因不乏企业不会使用开源技术、POC验证周期长、有技术但没数据、“闭门造车0创新”等等。

换言之，在强大的开源AI底层和真实的业务场景之间，企业真正需要的是一个适配自身的AI转型路径图谱，这个路径图谱中不仅需要对诸如飞桨等开源深度学习框架的理解，更要有对企业自身产业场景和企业环节的如SOP适配、数据土壤搭建、提示词和推理部署联调优化等等。

这也正是周奇口中所说的“复合型人才”。不过这种人才的培养，并不是一件容易的事。

即就当下而言，市面上AI培训课程不再少数，甚至不少是基于部分开源技术社区构建而言，但往往会暴露出一些短板——比如师资力量不够，部分讲师没有对应的AI技术和产业经验；再比如课程体系设置不合理，导师更多仍聚焦在技术本身，缺乏对相关产业的诊断教学，以及更有甚者，提示词、强化训练等课程更多是参考外部平台的公开信息。

AI时代，企业真正的人才竞争力，到底应该如何搭建？

二、百度AICA，

一个成型的AI人才培养土壤

“今年第9期学员，和之前相比有很多不同之处。”周奇告诉产业家。

在他的感知里，除了报名数目增加，相较于百度AICA前8期，第9期学员三个比较明显的特殊点是：传统实体产业的企业学员数量增加、数据类企业更为踊跃，以及参与的学员在企业内部的职级越来越高。

从某种程度来看，这三个特殊点也恰折射出的是中国越来越多企业对于AI进化的迫切性，即企业越来越把AI作为一个必选题，不仅轻实体行业，也更有传统实体产业，如纺织、餐饮、重工业等等。

以及被企业愈发重视的数据命题，“今年我们也在发现，很多产业当中要做AI的原生产品，如果没有高质量的数据，不仅是大模型基座商家难以为继去迭代，做产业落地的企业如果没有好的数据其实也很难做出差异化的产品。”周奇表示。

实际上，在这些特殊点呈现之前，百度AICA就在内部提前进行了和以往不同的课程体系设置。即在既有的基础大模型（Agent、训练、文本问答、辅助决策）、多模态（文档/图片理解，视觉理解/生成）、大小模型（CV、OCR、时序预测）分组之外，还专门预设一个名为共创小组的特殊组合机制。

“之前在第8期的时候我们就发现了这种产业合作机制的必要性**，第九期我们在最开始的时候就设置了共创小组，鼓励企业自行组队，**比如有些企业技术很好但缺数据，比如有些企业有服务能力但缺场景和需求，我们在招募的时候就帮这些产业上下游互补的企业自动组队。”9期班主任告诉产业家。

不仅如此，针对今年愈发强劲的“AI+产业”融合趋势，讲师团队也被加速“扩容”。据了解，今年的第9期的讲师阵容，除了百度内部科学家级别的技术大拿，百度还邀请了飞行助教和特聘专家作为辅助，前者更多是前8期已经毕业、常年深耕产业场景的百度AICA学员，后者则更多是高校老师、对应领域专家，以及特殊邀请的数据语料/评测专家。

“而且我们对所有AICA讲师都有一个非常严格的底线要求，就是“禁止带货”，包括百度自己的产品，讲师在课堂上只能进行‘纯技术和干货分享’。”

这些之外，面向学员的定向答疑也更被再次加码。“我们的课程主要集中在周六、周日，在每个周日的下午有3到6个小时的时间都是专家答疑时间，学员可以拿着自己的课题进度和问题和专家进行1v1的请教指导。”班主任表示。

值得一提的是，这些全部学员课题都是经过百度AICA评审团“认证”过的“价值”课题。周奇告诉我们，在整个学员和课题的筛选中，百度AICA 有着非常严格的考核机制，学员必须要带着“产业的真问题”和当前相对“技术可解决”的解决方案来报名，这样才能通过评审最终入选。

在他看来，百度要帮学员解决的应该是贴合当前AI大模型最适合落地的方向，“课题所面向的领域要有足够密度的知识，同时要具备高ROI价值和能被大模型改变流程的可能，这样AI才能发挥出它最大的生产力价值。”

比如贵州茅台事业部技术研发中心主管袁湘波今年的开题报告题目是《基于大模型赋能创新的i茅台智能应用研究》，比如金拱门AI Engineering韦文泽的开题报告则是构建基于麦当劳门店的《麦麦巡警数字员工》，以及愉悦家纺信息技术总监胡健则是把课题焦点落在“织印染行业研发大模型构建与应用”上，这些真实待解的课题将成为他们和百度在接下来6个月一齐面对的核心攻坚点。

“我比较期待先把百度这些成熟的AI产品真正用起来，比如智能客服、智能推荐、智能问数，通过最近这段时间的学习，能够真正探索一些更深层次的工具、方法论，再结合我们的产业实践去探索怎么结合，把业务做的更智能、更有效能。”袁湘波告诉我们。

从更大的视角来看，百度AICA更等同于一个AI架构师成长的复合型土壤和解决问题的窗口。

在这里，学员可以带着问题探寻个人和企业专属的AI解法，不论是对基础模型开源框架的产业落地，还是对应数据工程的优化提质，甚至上层对应行业的提示词和RAG推理等等，这些复合能力都在以足够可接纳、可吸收的分子形态陈列在百度AICA的课题和讲师体系中，以帮助学员构建出具有真实产业实践意义的AI架构能力。

三、中国AI企业飞轮的驱动力，

到底在哪？

再来回看文章开篇的那个问题，即AI大潮里，最能帮助中国企业进行AI进阶的路径是什么？

实际上，这也是周奇等百度人一直思考的问题，而如今他们的答案愈加清晰：百度AICA。“我们觉得通过赋能行业的人才，或许可以彻底解决产业和技术之间的壁垒，这个路径从现在来看是可行的。”

这种赋能也恰建立在百度自身的技术和产业积累上，比如百度有行业最先进的模型文心大模型，再比如百度从2016年就面向行业开源了飞桨深度学习框架，以及百度基于百度智能云在智能营销、智能客服等诸多企业环节和在能源、央国企、教育等产业场景的落地，这些也恰都构成着百度AICA体系的最底层坚实基础。

可以看作，这些产业和产品AI的Know-how经由百度AICA这个窗口，被无偿开放给真正需要的企业和个人，进而推动企业构建自身的AI成长飞轮。

这恰是中国企业AI飞轮的最正确打开方式。即在百度AICA背后，能看到的是一个以人和AI真问题为课题对象，通过真实的体系培训、产业协同、组织交流合作，在授人以鱼的同时更授人以渔，通过AI架构师的人才培养为基点，进而真正帮助中国企业构建出一个长效可持续可发展迭代的AI生产力体系。

如今，这个土壤的新故事还在持续。

一个孙勇涛最新给出的数据是，基于百度飞桨PaddleX套件中开源的高性能检测算法RT-DETR和STFPM，由他主导设计并开发的漆面缺陷检测系统，如今花费成本仅为供应商的十到十五分之一**，成本节省超过500万。**据了解，今年这套系统将在全球奔驰工厂推广。

知识供给也更在愈加有温度。班主任诉我们一个细节，在最近几期的百度AICA讲师报名环节，百度内部的反馈都异常热烈，“很多专家都主动踊跃报名，主动要求来到授课一线，直面产业落地难题。”

不少百度专家和她说的一句话是，“技术就应该用来解决真正的问题，技术也应该服务于真正的企业和产业一线，而技术也会因被真正使用而再次进步。”

守正创新，泽被八方。百度这个中国AI的先行者，正在以“重工”的态度、“有人文温度”的土壤推动一众产业、一众企业、一众人才大步跨进AI时代。