茅台奔驰麦当劳, 为什么都在培养AI架构师
业界普遍认为,要实现AI的深度落地,必须培养“AI架构师”。
文|周享玥
编|赵艳秋
企业AI落地,到底应该由“谁” 来完成?答案或许藏在一场“罕见”的活动上。
他们来自18个行业,身份是CTO、技术高管,背后是茅台、奔驰、麦当劳、国网、中石化、愉悦家纺等90多家头部企业。他们来到这里,只为了解决共同的问题:如何打通AI技术到产业落地的“最后一公里”?
这是百度AICA“首席AI架构师培养计划”第九期开学典礼现场,产业界高级人才系统学习与实践AI的重要平台。
当AI落入行业的深水区,技术高管的角色也随之发生了微妙变化:既要懂AI技术、又要深谙行业逻辑,并能工程化落地……他们承载了企业对AI落地的全部期许。百度AICA创立的初衷,便是希望通过提供系统性学习和实践支持,帮助CTO、技术高管们真正将人工智能融入业务场景。
01
行业呼唤AI架构师
与他们身上所承载的期许一样,不同行业对AI落地的需求,也大有参差。不单是场景多元,产业融合也更加深入。
“AI已不止于第三产业,更在第一、二产业铺开,工业及制造业等实体产业已成为AI落地的重要阵地。”百度AICA第九期开学典礼上,中国电子信息产业发展研究院副总工安晖指出。
这在最新一期AICA的学员名单上也有体现。百度AI技术生态副总经理周奇告诉数智前线,本期AICA的学员中,能源与重工业占比首次超过一半,实体产业参与热情高涨。能源方面的桂冠电力、龙源电力、同兴智能等,消费制造领域的贵州茅台等头部企业均为首次加入。
不过,安晖也指出:“目前尚未出现真正被人工智能颠覆的场景或行业。” 大模型虽在多个场景落地,但多局限于浅表层应用,创新缺乏亮点、产品应用同质化、行业理解不深入,效益未完全释放。
根本原因在于技术与业务之间存在高壁垒。“懂AI的人不懂业务,懂业务的人又不懂AI。”广西桂冠电力股份有限公司集控中心副主任肖慈垚直言,AI与业务的深度融合,已成行业落地过程中的最大挑战。
业界普遍认为,要实现AI的深度落地,必须培养“AI架构师”——这类人才不仅掌握人工智能相关技术,更深谙行业逻辑,并能通过工程化手段将其转化为可实际部署的产品或系统,是实现AI深度落地的中坚力量。
硅谷顶级财富管理公司ICONIQ Capital发布的《2025年AI现状报告》也指出,许多领先企业正积极组建跨职能团队,成员包括人工智能工程师、数据科学家以及AI产品经理等,打破部门壁垒,协同推进AI项目。
周奇也进一步分析,随着AI战略地位上升,企业已经从“点状试水”转向“系统布局”。在AICA第九期的报名者中,除了技术一线骨干,也出现了企业AI战略制定者。整体学员中,具备“管理+专业+技术”三重背景的复合型人才占比达80%。他们不仅要做点状产品的创新,更要思考AI转型战略当中的产品矩阵、人才梯队,包括行业的上下游结合等更系统性问题的深度思考。
“我们曾尝试让算法专家到企业与行业专家磨合,发现难度很大——算法专家要吃透行业细节,可能需要五到十年;但让行业专家理解AI,一到两年就能初见成效。” 周奇说。百度作为共性技术底层的提供者,正是希望通过AICA项目,帮助行业专家掌握AI知识,从根本上解决这一融合难题。
北京奔驰AI架构师孙勇涛便是这一趋势的缩影。“行业企业在鼓励业务工程师成为懂AI、会用AI的专家,而不是像过去那样,懂业务的人得靠外部供应商、申请大量资金才能推进工作。”
他带着课题参加了百度AICA第八期,希望解决喷漆缺陷检测成本高、检测率低的问题。最初企业靠“单打独斗”,进展缓慢,对AI十分迷茫。通过AICA系统培训,他们基于飞桨的高效模型训练能力和多模态技术,自主开发了完整的漆面缺陷检测系统,以相较于供应商1/10至1/15的成本完成了系统的搭建与调试。去年,该系统已正式投产,今年正在推广到全球其他工厂。
第九期AICA的96名学员,他们来自18个行业,也几乎都带着亟待解决的具体问题而来。
“我们的课题是纺织印染行业研发大模型的构建与应用。”愉悦家纺信息技术总监胡健告诉数智前线,他们希望AI不仅赋能设计环节,更要打通材料、生产到服务的全链路。但目前仍面临两大难点:一是传统 “师带徒” 模式下,优秀经验多集中于高端工程师脑中,如何将这些隐性知识显性化、结构化,与AI更好地结合。二是作为传统制造民营企业,企业AI力量薄弱。他们希望借助百度AICA联合探索解决路径。
金拱门AI研发工程师韦文泽则带来“麦麦巡警数字员工”课题。麦当劳已上线智能排班、智慧生产、智能补货等AI应用,但随着AI服务场景增多,AI治理难度加大:终端用户咨询与上报问题与日俱增,导致数据团队运维压力骤增。而 “麦麦巡警官”的Agent泛化能力弱,多任务执行易错乱,大模型与系统任务重叠等。他希望通过AICA获得大模型优化、任务调度与管理、场景Agent落地工程化设计思路、提示词优化等技术指导。
贵州茅台也启动了“i茅台智能应用”的AI升级课题。贵州茅台事业部技术研发中心主管袁湘波透露,i茅台目前虽已具备数据分析、客户服务基础能力,但在个性化服务、智能问数、报告生成、低代码开发等方面仍有待提升。他们期待借助大模型,实现智能化产品推荐与业务流程优化。
02
AI架构师是怎么炼成的?
AI架构师在推动企业AI落地中扮演着关键角色。那么,这类复合型人才究竟应如何培养?
广西桂冠电力集控中心副主任肖慈垚认为,AI技术人才应以项目为牵引,在熟悉业务的基础上深入理解AI架构原理,点面结合、协同推进,带动多场景落地。百度AICA自2019年创立以来,也始终坚持这一路径,通过项目推动行业know-how与AI技术融合。
第九期延续该模式,围绕学员提出的真实产业课题,从课程、工具平台到项目共创、产教合作等环节,提供全流程支持。今年,结合最新技术发展脉络和企业需求,重点强化几方面能力:
第一,多模态与智能体能力成为培养重点。
2024年,多模态与智能体技术成为AI应用前沿。随着行业对文本生成、图像理解、视频处理、数字人等多模态功能的需求快速增长,单一大语言模型已难以满足复杂场景,需依托多模态模型及大小模型结合。百度于6月开源的10款文心4.5模型中,多模态模型下载量居前,增速最快。
在智能体方面,全球已有约79%的《财富》500强企业启动相关项目。Gartner数据显示,中国企业Agent落地速度甚至快于全球,15%已实现生产落地,高于去年全球10%的平均水平。但Agent落地仍面临模型优化、数据治理、工具协议标准化等技术挑战,执行一致性与精准度不足。
本期AICA中,大模型相关项目占据半壁江山,并首次出现多智能体协同等前沿应用。数智前线获悉,聚焦文本应用的课题占比超50%,多模态课题19个,大小模型结合27个。百度AICA也据此新增文心开源技术、MCP协议、多模态处理与实战案例等模块,并按方向将96名学员分为9个技术小组,覆盖了当前AI应用的主流技术主线。
第二,以应用为核心,上下游“共创”实战,推动项目协同落地。
主流的基座模型经大量公开数据训练,已经具备一定的专业性,但深入到行业场景里,仍需大量专属数据。这些数据广泛分散于产业链各环节,通过“数据+场景+技术方案”的组队方式,可促进各方连通,助力实际成果落地。
为此,本期AICA首次试点 “共创小组”模式。周奇告诉数智前线,共创小组通过 “横纵双线” 提升共创概率:横向联动同一产业上下游,如基础技术方与需求方共建场景;纵向则整合算力、算法、数据三要素,在数据缺失的新场景中,通过匹配具备数据、算力资源的上下游伙伴,补齐短板,加速落地。
数智前线获悉,AICA第9期目前已形成覆盖教育、政务、制造、文旅等领域的5个共创课题。例如“制造业LLM+IT/OT安全管理平台”中,宝马集团中国信息技术中心负责提供安全数据与测试场景,南京赛宁与百度提供技术实现与平台支持,共同推进模型在工业安全中的应用。
第三,高质量数据成为AI架构师的关键筹码。
高质量数据集不仅决定模型效果,更关乎行业大模型能否真正落地。今年,国家数据局已出台多项政策推动高质量数据集建设。国资委在福建“数字中国”期间,发布首批央企人工智能行业高质量数据集优秀建设成果。ICONIQ Capital《2025年AI现状报告》也显示,数据已成为企业AI预算中的主要板块,数据存储和处理支出,甚至将比推理和训练还多。
周奇则观察,算力、算法、数据三要素一直呈阶段性滚动主导:前几年,算力进步推动算法发展;2019年前后,以Transformer架构的算法驱动成为主导;而近期来看,数据驱动产业发展的特征将更明显。“今年,很多产业要做AI原生产品,如果没有高质量数据,很难实现差异化竞争力。”
本期AICA中,已有多家数据类企业参与,通过实际课题探索如何将数据转化为产品价值。
为系统提升复合型人才的综合能力,AICA也优化课程设计,构建“1+1+1”学习模式,由百度T10以上技术专家主讲课程,结合“飞行助教”——包括往期优秀学员中的行业专家提供实战辅导,并配备“特聘专家”,重点加强数据语料与模型评测方面的深度支持。
接下来,AICA将组织学员前往多个AI产业发展迅速的重点城市,走访当地企业与创新者,与区域产业代表交流。
课程还将安排参访知名实验室、商学院等机构,帮助学员拓展对技术、战略、资本与组织管理的系统认知。
同时设置优秀项目路演机制,推动共创成果进一步走向市场。百度也同步升级扶助计划,为优秀学员提供高达50万元的资源支持,包括算力服务、专家对接、数据资源共享等;并依托全国的产业赋能中心与文心服务站,为项目落地提供持续支撑。
03
演进中的AICA
2019年启动至今,AICA已向业界输送近500名AI架构师。这些真正懂 AI、做 AI、能将 AI 技术付诸实践的行业领军人才,已经遍布工业、能源、金融、交通、农业、互联网等数十个行业。
在这个过程中,适应于技术发展与企业需求的变化,AICA也在持续演进。“AICA的每一步发展,核心都是要解决行业与AI融合过程中的人才补给问题。”周奇说。
比如AICA第一期启动时,正值辨别式小模型的黄金时代。AICA重点围绕深度学习展开教学,解决了很多传统机器学习在质检领域等无法落地的难题。例如在飞机复合材料检测中,传统人工视觉检查看似简单,实际上许多瑕疵仅一毫米大小,堪比从远处看塑料瓶盖上的裂痕,肉眼根本无法识别。而AI视觉算法结合摄像头可高效解决这一问题。这类技术虽不 “酷炫”,却因贴近产业、普适性强,拥有广泛应用场景。
AICA也助力了AI架构师在前沿领域的探索,如仿真材料、风场模拟、生物医药、新材料等AI for Science领域的相关课题。
最近两年,随着大模型的快速发展,相关的培训重点也更多聚焦在了大模型上。
例如2023年开启的第7期AICA,系大模型时代首期AI架构师培训班,在培养模式上进行了全面升级重塑,课程新增超50%大模型认知、技巧等内容,并首度合作商学院,提升学员系统性思维能力,同时特聘产学研界代表拓宽学员视野。
第八期更加专注于大模型应用实践,场景更广且更聚焦行业核心场景问题,培养方案进一步升级,90%特聘专家来自产业一线,课程实践走进武汉、厦门产业示范基地,聚焦当地产业组织访学交流等。
而最新一期则在多模态、智能体、数据、产业联动等方面进行了加强。
从最终输出的课题成果来看,最近两年,大模型应用落地项目在持续增加。
例如AICA第七期中,用友网络科技股份有限公司技术服务专家中心高级技术架构师叶琳,通过深入洞察产业需求细节,基于百度飞桨构建了用友BIP智能制造废钢判级大模型,在鞍钢等20余家钢铁企业上线应用,废钢判级准确率达95%以上。
在智能决策、文本生成、智能创作等当时大热的领域,国网智研院学员融合文心一言与电力认知大模型,解决电网设备缺陷定级难问题,辅助检修人员提升了判断决策效率;中核装备学员基于文心一言落地了光伏项目可行性报告生成方案;工商银行学员借助 PaddleNLP 与文心一言优化模型,打造了新闻稿写作辅助应用。
AICA第八期的落地成果在场景上则进一步深入:汽车工业领域,北京奔驰成功落地漆面缺陷检测系统 Paint Defect Eye;能源电力领域,国网福建电力依托文心大模型,在 “闽电应急 ECS 系统” 中打造应急辅助小助手,实现电网应急业务数据查询与分析、应急预案辅助生成、应急复盘报告智能编制等多项功能,应急处置率提升 20%;风景园林行业,广州山水比德设计基于飞桨开发园林绿化植物自动设计工具,可自动化进行绿化植物 CAD 布局设计与填充,提升植物设计效率达20%左右。
有意思的是,百度AICA还在企业间逐渐形成“复购”和“种草”效应。
比如本期学员企业麦当劳,此前就参与过8期班。麦当劳韦文泽告诉数智前线,公司管理层意识到数字化水平影响营运成本,前两年专门设立了AI部门和中台,经筛选选择百度作为共创伙伴。通过合作,他们去年已上线百余个模型服务,成本大幅下降,“希望继续借助百度生态挖掘更多应用场景”。
愉悦家纺则是经AICA上一期学员推荐,申请参与到该人才培训项目。愉悦家纺胡健透露,此前,他们曾与纺织协会信息中心合作AI项目,协会提供行业案例与模型,他们提供20多年的画稿素材积累,共同实现AI生图,解决了家纺行业花型设计难题,7个月内效率提升20多倍。纺织协会信息中心也是AICA第8期学员企业。
数智前线获悉,随着本期课程开课,百度AICA第十期预招募已经正式启动。在人工智能产业快速变化的当下,AICA还将持续演进和优化,与产业发展同频共振。