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。

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。

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。

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。

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。

© 本文为数智前线（szqx1991）原创内容

进群、转载或商务合作联系后台

文章精选