AI架构师转型必看：找准方向、锤炼迭代实战能力 _找准

现在AI行业不热了泡沫终于成了泡沫但实际上，只有在AI产业中的局内人才知道，经过理论研究、数据驱动的阶段，整个行业越来越成熟，进入了产业落地的应用阶段。现在需要的是从技术到业务的融合，不仅仅是技术本身的反复。

第四次工业革命的驱动力是科技行业对人工智能技术的价值评价。本次技术革命出现的新型AI复合型人才，乘着AI产业化落地应用的风口，在各行各业斩棘。用AI推进业务，推进产业升级，是他们时代的使命，江湖人称AI架构师。

从字面上分解AI设计师AI对应算法技术的设计师关系到工程结构和业务的把握。高效应用人工智能技术，在当前算法中找到最大限度地满足约束条件和最佳目标的方法，这是人工智能建筑师的核心使命。

遗憾的是，AI设计师的成长是一个漫长的过程。让做算法的人理解业务结构，让做传统结构的人掌握AI技术，需要技术人员长期深入实践的积累和技术抽象能力。

四象限:找到AI架构师的变革方向

在所有工程师中，研究算法出身的工程师和扎根工程技术出身的架构师，是最有可能成为AI架构师的两种人。他们有不同的重点，转型后可以细分为四个方向供参考:

1、算法出身转型为AI业务应用(偏业务战略)的AI设计师。他们有很强的AI技术背景，对业务的理解更加深刻，与业务的结合更加紧密

2、算法出身变革为偏向AI平台工程结构的AI结构师。他们有很强的AI技术背景，工作责任比前者偏向平台和中台，对业务的支持更广泛

3、工程出身为变革偏向AI业务应用(偏向战略结构)的AI结构师。他们有传统设计师的背景，工作责任接近业务，擅长从设计战略中发挥AI作用

4、工程出身转型为AI业务应用(偏工程结构)的AI设计师。他们依然有传统设计师的背景，但工作责任更低的工程设计和实现。

算法技术人员和传统技术人员的变革之路有各自的挑战，与传统设施变革AI设施人员相比，算法出身的技术人员变革的最大瓶颈是与业务的结合能力、对业务的理解能力和工程实践的经验积累。如果你想少走弯路，从算法工程师的高效转变为人工智能建筑师，以下内容对你非常重要。

反复锤炼升级AI实战能力

一般来说，算法工程师常常针对的任务都是抽象后的、环境变量相对固定，基于这些问题做模型算法层面的研究。对业务的理解和执行需要在工程实践中不断积累。

算法思维是算法出身者的最大优势，基本工作扎实，应注意的重点是突破业务理解和抽象水平。只要工程能力没有太大的瓶颈，在实际项目中反复锻炼结构能力，多与工程结构同学合作提高综合素质，工程能力也容易得到补充强化。

这个变革过程中遇到了很多丘陵和沟槽，但是延长时间维度，从开始解决业务的小问题到解决更大范围的业务问题，这是你为此带来的成长。

握手业务找到了AI的最佳实践

很多算法出身的人，往往更关心AI技术的原理是什么，某个算法的原理是什么，但是随着工作的发展，关心和焦点的方向一点一点地成为算法的价值，算法能够解决什么问题，之后，将算法应用于真正的业务场景，解决算法的瓶颈和其他问题是很重要的。但是，这个过程实际上是从算法到业务的融合和渐进的过程。

接近AI设计师的门时，应该考虑如何站在业务系统的角度，找到业务最重要、最核心的问题如何结合算法和工程经验，实现高效的AI业务系统？这些问题不仅要掌握传统意义上的机器学习和深刻的算法，还要充分理解整个行业的业务，设计符合业务发展的AI系统。有些人认为AI系统是算法，但这是错误的认知。AI系统系统和算法之间的差异很大。人工智能系统是算法、工程结构、需要解决的问题和一系列限制条件的集体。从工程系统的角度来看，AI平台本身是技术型产品，算法是其中重要的构成部分，但并非全部。AI设计者是在具体的业务场景中设计并实现相应算法的最佳实践。

AI行业的速度超出想象。几年前的热点是围棋类的单点技术，现在复盖了衣食住行生活、商业的各个方面。人工智能的快速发展要求人工智能从业者的能力也应迅速反复。除了算法模型之外，关键能力应该具有抽象、技术选择和技术实现等问题。

不是先考虑建模问题，而是抛开建模问题思考问题的核心。例如，风力控制问题，传统树木可以进行风力控制、深入学习和风力控制。但是，首先要明确定义问题，如何衡量贷款标准？如何确认贷款条件？以及需要什么样的特征、什么样的数据等，考虑到这些，当然可以找到合适的模型。

AI时代到来，越来越多的系统被AI自动化所取代。企业的竞争毕竟是人才的竞争，AI的竞争本质是AI人才的竞争。只有找到合适的方向，明确职责定位，努力，采取有效的学习提高方案，才能成为支持企业的重要人才。

AICA|变革AI架构师的直通车

百度自2019年开始首席AI架构师培养计划(AICA)，致力于为行业运输分析业务问题，掌握模型算法根据算法工程师变革AI架构师的瓶颈挑战和变革锚路径，正确设置课程内容，复盖:

1、提高技术视野，找出问题，看清方向

提高对自己企业具体业务场景理解的定位和认知

2、AI变革升级的典型技术案例分析

快速积累整体业务、整个行业重要问题的深刻抽象能力

3、模拟实战问题分解amp的解决方案/p>

培养最新的AI思维、AI工具和技术解决方法、实际问题的深刻抽象能力