如今有些論斷說：“AI行業(yè)不熱了!泡沫終是泡沫?” 但實際上，只有身處AI產(chǎn)業(yè)之中的局內(nèi)人才深知，在經(jīng)歷了理論研究、數(shù)據(jù)驅(qū)動的階段后，整個行業(yè)日漸成熟，進入了產(chǎn)業(yè)落地應(yīng)用階段。眼下亟需的是從技術(shù)到業(yè)務(wù)的融合，而不僅是技術(shù)本身的迭代。

第四次工業(yè)革命的驅(qū)動力量，這是科技行業(yè)對人工智能技術(shù)的價值評價。這次技術(shù)革命涌現(xiàn)出的新型AI復合型人才，正乘著AI產(chǎn)業(yè)化落地應(yīng)用的風口，在各自的行業(yè)披荊斬棘。用AI驅(qū)動業(yè)務(wù)、推動產(chǎn)業(yè)升級，就是這些人的時代使命，江湖人稱“AI架構(gòu)師”。

從字面拆解“AI架構(gòu)師”——AI對應(yīng)算法技術(shù);架構(gòu)師則涉及對工程架構(gòu)和業(yè)務(wù)的把握。把AI技術(shù)高效落地應(yīng)用，找到在當前算法中能夠最大化滿足約束條件，并最優(yōu)地實現(xiàn)目標的方法，這是AI架構(gòu)師的核心使命。

但遺憾的是，AI架構(gòu)師的成長是一個漫長的過程。讓做算法的人去了解業(yè)務(wù)架構(gòu)，讓做傳統(tǒng)架構(gòu)的人去把握AI技術(shù)，這需要工程師長時間的深度實踐積累和技術(shù)抽象能力。

四大象限：找準AI架構(gòu)師轉(zhuǎn)型方向

在所有工程師中，研究算法出身的工程師和扎根工程技術(shù)出身的架構(gòu)師，是最有可能轉(zhuǎn)型成為AI架構(gòu)師的兩類人。他們有不同的側(cè)重點，轉(zhuǎn)型后具體又可以細分為四個方向可供大家參考：

1、算法出身轉(zhuǎn)型為偏AI業(yè)務(wù)應(yīng)用(偏業(yè)務(wù)策略)的AI架構(gòu)師。他們有較強的AI技術(shù)背景，對業(yè)務(wù)的理解更深刻、與業(yè)務(wù)的結(jié)合更緊密;

2、算法出身轉(zhuǎn)型為偏AI平臺工程架構(gòu)的AI架構(gòu)師。他們有較強的AI技術(shù)背景，工作職責相對前者偏平臺或中臺，對業(yè)務(wù)的支持更廣泛;

3、工程出身為轉(zhuǎn)型偏AI業(yè)務(wù)應(yīng)用(偏策略架構(gòu))的AI架構(gòu)師。他們有傳統(tǒng)架構(gòu)師背景，工作職責貼近業(yè)務(wù)且擅長從架構(gòu)策略發(fā)揮 AI 作用;

4、工程出身轉(zhuǎn)型為偏AI業(yè)務(wù)應(yīng)用(偏工程架構(gòu))的AI架構(gòu)師。他們依然有傳統(tǒng)架構(gòu)師背景，工作職責卻更偏底層的工程架構(gòu)設(shè)計與實現(xiàn)。

　　算法工程師與傳統(tǒng)架構(gòu)師的轉(zhuǎn)型之路存在各自的挑戰(zhàn)，相比傳統(tǒng)架構(gòu)轉(zhuǎn)型AI架構(gòu)師而言，算法出身的工程師轉(zhuǎn)型最大的瓶頸在于與業(yè)務(wù)的結(jié)合能力、對業(yè)務(wù)的理解能力和落實到工程實踐中的經(jīng)驗積累。如果你想少走彎路，從算法工程師高效的轉(zhuǎn)型成為AI架構(gòu)師，下面的內(nèi)容對你十分關(guān)鍵。

反復“錘煉” 升級AI實戰(zhàn)能力

一般來說，算法工程師常常針對的任務(wù)都是抽象后的、環(huán)境變量相對固定，基于這些問題做模型算法層面的研究。對業(yè)務(wù)的理解能力和落實是需要到工程實踐中去不斷積累的。

算法思維是算法出身人的最大優(yōu)勢，因為基本功扎實，要注意的重點就在對業(yè)務(wù)理解和抽象層面上進行突破。只要工程能力沒有太大的瓶頸，然后在實際項目中反復錘煉架構(gòu)能力，和工程的架構(gòu)的同學多配合提升綜合素質(zhì)，工程能力也很容易得到補足強化。

雖然這個轉(zhuǎn)型的過程中會遇到很多丘陵和溝壑，但把時間維度拉長，當你從開始解決業(yè)務(wù)的某一個小問題到解決更大范圍的業(yè)務(wù)問題，這是你為之付出所帶來的成長。

　　“握手”業(yè)務(wù) 找到AI最佳實踐

很多算法出身的人，往往更關(guān)心和聚焦AI技術(shù)的原理是什么、某個算法原理是什么，但隨著工作的展開，關(guān)心和聚焦的方向就一點一點的變成算法的價值在哪里、算法能解決什么問題;到后來，你會發(fā)現(xiàn)把算法應(yīng)用到真實的業(yè)務(wù)場景里，解決算法的瓶頸以及存在的其他問題才是關(guān)鍵。但這個過程其實是從算法到業(yè)務(wù)的一個融合與漸進的過程。

當你走近AI架構(gòu)師這扇門，你應(yīng)該思考：如何站在業(yè)務(wù)系統(tǒng)的角度，找到業(yè)務(wù)最重要、最核心的問題?如何結(jié)合算法和工程經(jīng)驗，實現(xiàn)高效的AI業(yè)務(wù)系統(tǒng)?這些問題要求你不僅要掌握傳統(tǒng)意義上的機器學習或者深度學習算法，還需要對整個行業(yè)的業(yè)務(wù)有充分的理解，只有這樣才能設(shè)計出符合業(yè)務(wù)發(fā)展的AI系統(tǒng)。

有人曾片面地以為AI系統(tǒng)就是算法，但這是錯誤的認知。AI系統(tǒng)和算法差別非常大，AI系統(tǒng)是算法、工程架構(gòu)、要解決的問題以及一系列的約束條件的集合體。從工程系統(tǒng)角度，AI平臺本身是一個技術(shù)型產(chǎn)品，算法是里面很關(guān)鍵的組成部分——但不是全部。AI架構(gòu)師就是要在具體的業(yè)務(wù)場景中設(shè)計并實現(xiàn)相應(yīng)算法的最佳實踐。

“迭代”能力 提升自身AI實力

AI行業(yè)的快，讓人超乎想象。前幾年的熱點還是“下圍棋”類的單點技術(shù)，如今已經(jīng)覆蓋了衣食住行生活、商業(yè)的方方面面。AI發(fā)展的快，要求AI從業(yè)者的能力也要快速迭代，除了算法模型之外的關(guān)鍵能力，更要有諸如問題抽象、技術(shù)選型和技術(shù)實現(xiàn)的能力。

拋開建模問題去思考問題的核心，而不是先考慮建模問題。比如說風控問題，傳統(tǒng)樹可以做風控、深度學習也可以做風控。但你要先把問題定義清楚，如何衡量貸款標準?如何確認貸款條件?以及需要哪些特征、哪些數(shù)據(jù)等等，思考完這些之后，你自然可以找到合適的模型。

AI時代已經(jīng)到來，將會有越來多的系統(tǒng)被AI自動化所取代。企業(yè)的競爭終究是人才的競爭，AI的競爭本質(zhì)更是AI人才的競爭。只有找到合適的方向、明確職責定位、并為之努力，采取有效的學習提升方案才能成為支撐企業(yè)的關(guān)鍵人才。

AICA|轉(zhuǎn)型AI架構(gòu)師的直通車

百度自2019年啟動首席AI架構(gòu)師培養(yǎng)計劃(AICA)致力于為行業(yè)輸送既能分析業(yè)務(wù)問題，又掌握模型算法，還能操刀落地應(yīng)用，深諳算法與工程緊密結(jié)合的高端復合型AI領(lǐng)軍人才。基于算法工程師轉(zhuǎn)型AI架構(gòu)師的瓶頸挑戰(zhàn)與轉(zhuǎn)型錨點路徑，精準設(shè)置課程內(nèi)容，覆蓋：

1、提升技術(shù)視野，找準問題，看清方向

提升對于自身企業(yè)具體業(yè)務(wù)場景理解的定位和認知

2、AI轉(zhuǎn)型升級的典型技術(shù)案例剖析

快速積累對整體業(yè)務(wù)、整個行業(yè)關(guān)鍵問題的深度抽象能力

3、模擬實戰(zhàn)的問題拆解&解決方案

培養(yǎng)用最新AI思維、AI工具、方法和技術(shù)解決實際問題

4、百度科學家/AI專家一對一指導

百度眾多深度學習架構(gòu)師、科學家面對面深度交流指導

　　AICA半年學制，帶你從業(yè)務(wù)驅(qū)動出發(fā)，恰當?shù)刈龊脴I(yè)務(wù)與深度學習技術(shù)、算法的對接。助你以最低成本、最高效率快速迭代AI能力，走出一條屬于自己的AI最佳實踐之路。

AICA 五期班招生中

線下閉門交流

1+1參與模式

AI思維風暴

限額50席

　　如今，正是國家十四五規(guī)劃的開局之年，以人工智能為代表的新一代信息技術(shù)，將成為我國“十四五”期間推動經(jīng)濟高質(zhì)量發(fā)展、建設(shè)創(chuàng)新型國家，實現(xiàn)新型工業(yè)化、信息化、城鎮(zhèn)化和農(nóng)業(yè)現(xiàn)代化的重要技術(shù)保障和核心驅(qū)動力之一。

在當前國家宏觀政策利好的時間窗口內(nèi)，AI正在迎來新的機遇，作為算法工程師的你，準備好打開這扇門了么?