9月5日，北京，晴。

這一天是諾蘭新片《信條》上線的第一個周末，大家從影院走出來，似乎都不會好好說話了，紛紛在朋友圈打出：！刷二要定一，了腦燒太

“太燒腦了”——同樣的心聲也回蕩在北京市西北部的一個會場內(nèi)，百度黃埔學(xué)院的80多位學(xué)員，正在經(jīng)歷一場可能比本科畢業(yè)答辯更具挑戰(zhàn)性的考驗(yàn)。

一間會議室內(nèi)坐著幾位表情認(rèn)真的評審，很多都是百度的杰出架構(gòu)師和科學(xué)家，環(huán)繞他們而坐的是十幾位來自各個產(chǎn)業(yè)、各種年齡的學(xué)員們，大家集體凝神聆聽著正在答辯的同學(xué)用PPT陳述自己的畢業(yè)課題。

這些課題都是他們從產(chǎn)業(yè)中帶來的具體問題與困惑，經(jīng)過了三個月的課程、討論、實(shí)踐，最終呈現(xiàn)出相應(yīng)的AI技術(shù)解決方案，為每周的艱苦課程畫上一個不負(fù)韶華的句點(diǎn)。

可能他們沒能第一時間看最新的電影、玩最熱的梗，卻在這個特殊的2020，成為站在產(chǎn)業(yè)智能化落地的“時間奇點(diǎn)”上的弄潮兒。

教科書長不出AI，產(chǎn)業(yè)智能化的人才困境

“時間奇點(diǎn)”這個詞聽起來很酷，但AI落地產(chǎn)業(yè)的過程卻一點(diǎn)都不酷，并不像大眾猜想的那樣充滿了賽博朋克式科幻色彩。這一點(diǎn)，黃埔學(xué)院第三期的學(xué)員們感受十分深刻。

他們大多來自傳統(tǒng)行業(yè)，有人有十多年的IT工程師經(jīng)驗(yàn)，有人對AI有通識性的了解，但AI到底能幫助自己的企業(yè)和業(yè)務(wù)解決哪些難題，怎樣去解決，解決到什么程度，卻沒有一堂公開課或是哪篇科普文章能夠告訴他們答案。

某種程度上，這也反映了AI落地的現(xiàn)實(shí)難題：

首先，實(shí)踐案例較少，業(yè)內(nèi)交流不充沛，不僅傳統(tǒng)中小企業(yè)對“學(xué)習(xí)”的需求是迫切甚至饑渴的，許多大型國企的CTO或技術(shù)負(fù)責(zé)人也渴望在智能化轉(zhuǎn)型得到務(wù)實(shí)和細(xì)致的指導(dǎo)。但在實(shí)際中，絕大多數(shù)企業(yè)只能從集成商或平臺方購買整個系統(tǒng)或通用算法，能力上的雷同會在落地具體場景時遭遇“水土不服”。

其次，平臺和工具散落，技術(shù)體系龐雜，各種公開課、干貨文章和沙龍分享等都比較粗略且碎片化，開發(fā)者學(xué)習(xí)成本高，進(jìn)而導(dǎo)致AI項(xiàng)目推進(jìn)效率低；

而相比金光閃閃的學(xué)術(shù)大牛，產(chǎn)業(yè)智能化落地階段對能力的要求，是能將需求轉(zhuǎn)化為問題、進(jìn)而找到最高性價比解法的工程型人才。早在6月份，英偉達(dá)工程師Chip Huyen就曾針對機(jī)器學(xué)習(xí)崗位裁員潮給出了自己的結(jié)論，那就是擁有工程相關(guān)的知識背景后，再去接觸機(jī)器學(xué)習(xí)，會比直接接觸機(jī)器學(xué)習(xí)更有前景。那么，如何讓這些具備工程能力的人開始與機(jī)器學(xué)習(xí)握手呢？

答案或許可能是，一套體系化、結(jié)構(gòu)化、定制化的課程，一種能夠保證學(xué)習(xí)效果和實(shí)戰(zhàn)輸出的教育機(jī)制，當(dāng)然，創(chuàng)造一個良好的環(huán)境來達(dá)成大量（潛在）從業(yè)者之間的互動，對前沿案例的分析、探討，也是必不可少的。

而這些，正是百度黃埔學(xué)院已經(jīng)做了三期的事。

三個月時間魔咒，81位產(chǎn)業(yè)人才的技術(shù)求道

12堂課程，每次三小時的高強(qiáng)度輸入，三次專家指導(dǎo)（實(shí)際上有專家為學(xué)員提供了12次之多的輔導(dǎo)），線下同學(xué)會、行業(yè)聚會等等，這些都是百度黃埔學(xué)院第三期學(xué)員在三個月的時間里所收獲的。

其中百度所調(diào)動的支持資源也是有目共睹的。無論是主任架構(gòu)師、科學(xué)家的傾情指導(dǎo)，還是專家與助教無微不至的輔助答疑，都被無私地傾灑在這批未來的“首席AI架構(gòu)師”身上。

為什么要做這件事？為什么黃埔學(xué)院的資源在不斷加碼？

一位第三期課程的班主任告訴我，黃埔學(xué)院從第一期到第三期，學(xué)員群體開始發(fā)生變化，傳統(tǒng)企業(yè)技術(shù)人員的比例開始大幅增加。而這些學(xué)員和企業(yè)對于AI的落地需求又有不同，到底哪些是AI能做，哪些是不能做的，局限性在哪里，數(shù)據(jù)到底怎樣用？都需要有專業(yè)人士去幫助梳理、普及，并指導(dǎo)實(shí)戰(zhàn)。

因此，從第一期到第三期，黃埔學(xué)院也逐漸摸索出了一條更為清晰的路徑。

既然許多傳統(tǒng)企業(yè)不了解AI的邊界、不清楚AI能做什么該做什么，那就糾集百度自身的科學(xué)家和“高工”，給他們手把手指導(dǎo)。有學(xué)員分享到，在第一次專家指導(dǎo)的時候，學(xué)員認(rèn)為自己要做的事情很簡單，實(shí)際上技術(shù)實(shí)現(xiàn)卻很復(fù)雜，而百度高工導(dǎo)師們則會給他們梳理清楚，他的業(yè)務(wù)問題能夠用什么技術(shù)方法去解決，大致的技術(shù)思路和可行性如何，如果遇到問題可以求助于誰。這樣的指導(dǎo)十分費(fèi)時費(fèi)力，事實(shí)上，黃埔學(xué)院第三期課程所調(diào)動的內(nèi)部師資規(guī)模也是前所未有的。

既然產(chǎn)業(yè)交流少，技術(shù)人員很難找到同道中人，那就為他們搭建一個AI架構(gòu)師的交流平臺，借助同學(xué)會、線上互動等形式，學(xué)員們終于能與同道中人在一個數(shù)字空間內(nèi)互通有無，培養(yǎng)“同窗”情誼來加深不同行業(yè)、不同應(yīng)用之間的交流；

既然實(shí)踐案例少，實(shí)戰(zhàn)經(jīng)驗(yàn)不足，那就用“魔鬼式”高強(qiáng)度的理論+產(chǎn)業(yè)項(xiàng)目結(jié)合的方式，來讓學(xué)員快速在各自業(yè)務(wù)所面臨的難題中應(yīng)用AI，調(diào)用飛槳的全棧AI能力來打造產(chǎn)業(yè)化實(shí)際案例。比如某商業(yè)飛機(jī)制造廠，就將飛槳的語義分割算法引入到原材料瑕疵檢測的過程當(dāng)中，目前已經(jīng)在實(shí)際生產(chǎn)中收獲了不錯的反饋，識別準(zhǔn)確率在95%以上。

基于此，黃埔學(xué)院的學(xué)員也得以擁有“首席AI架構(gòu)師”的能力，他們是產(chǎn)業(yè)化過程當(dāng)中，既懂應(yīng)用場景、又懂AI技術(shù)、能夠把AI技術(shù)應(yīng)用起來，解決場景當(dāng)中實(shí)際問題的復(fù)合型人才。

而伴隨著他們的畢業(yè)，大量產(chǎn)業(yè)AI的種子也將在天南海北萌芽而出。

洞見未來，黃埔學(xué)院給出的逆時間密碼

從這一角度，我們也可以來思考，在疫情之年的國際環(huán)境大背景下，我們究竟需要怎樣的AI？

其實(shí)答案也已經(jīng)呼之欲出了，那就是自主可控的AI，催化產(chǎn)業(yè)數(shù)智轉(zhuǎn)型的AI，落地度高、生命周期長的AI……

這些訴求結(jié)合在一起，就變得不那么簡單了，而黃埔學(xué)院也正在人才培養(yǎng)的過程中，將飛槳種種積累交付給產(chǎn)業(yè)：

1.全棧AI能力。作為AI時代的操作系統(tǒng)，飛槳集成了AI時代所需要的底層工具、軟硬件與技術(shù)模塊，成為連接產(chǎn)業(yè)與AI的中樞，滿足不同階段的應(yīng)用需求，用一位學(xué)員的話說“新手可以得到保姆級的照料，有一定經(jīng)驗(yàn)的人則是拿到了一把強(qiáng)有力的武器”。在現(xiàn)實(shí)中，這一特點(diǎn)也越來越多地引發(fā)了許多學(xué)員和所在企業(yè)開始從海外深度學(xué)習(xí)框架向飛槳“搬家”。

2.貼近產(chǎn)業(yè)需求。如果只是技術(shù)能力上的一點(diǎn)溢出，自然不足以吸引開發(fā)者們開啟復(fù)雜的代碼搬遷工程，作為更符合中國國情的深度學(xué)習(xí)框架，飛槳能夠帶給開發(fā)者的獨(dú)特價值，恐怕也是生態(tài)壯大的關(guān)鍵。從黃埔學(xué)院的學(xué)員從業(yè)分布就可以清晰地看到，AI正在快速從互聯(lián)網(wǎng)領(lǐng)域推向越來越多的傳統(tǒng)行業(yè)企業(yè)，而他們應(yīng)用AI的場景千差萬別、各式各樣，百度AI的應(yīng)用案例就打消了許多企業(yè)的顧慮。

3.良性開發(fā)生態(tài)。從黃埔學(xué)院與其他各類人才培養(yǎng)計(jì)劃的不同之處，我們也可以總結(jié)出AI平臺生態(tài)更好的打開方式：體系化、高質(zhì)量、持續(xù)性。不追求“速成”，而是用每日、每周的高頻交流來建立持久、深度的學(xué)員關(guān)系，使其不再停留在培訓(xùn)，而是成為“職業(yè)大學(xué)”來孵化產(chǎn)業(yè)高端人才圈。許多同學(xué)和企業(yè)與百度的關(guān)系，都超越了自己入學(xué)之初的設(shè)想，在現(xiàn)實(shí)中產(chǎn)生了更深、更廣的合作。

舉個例子，某學(xué)員在課程期間，通過在企業(yè)內(nèi)部交流又挖掘出了不少能夠應(yīng)用AI的領(lǐng)域，比如利用機(jī)器視覺輔助飛機(jī)的制動器，再比如智能質(zhì)檢來保障生產(chǎn)環(huán)節(jié)等等，借助這一契機(jī)，百度的技術(shù)團(tuán)隊(duì)也與該企業(yè)的工程團(tuán)隊(duì)開展了深度交流，針對一些實(shí)際層面的技術(shù)難題，比如螺絲要確保擰到6個360度，機(jī)器視覺如何實(shí)現(xiàn)。而要解決這一問題，百度的視覺技術(shù)部、機(jī)器人與自動駕駛實(shí)驗(yàn)室、深度學(xué)習(xí)技術(shù)平臺部、大數(shù)據(jù)實(shí)驗(yàn)室等多個研發(fā)部門都出謀劃策，來協(xié)同輸入能夠滿足產(chǎn)業(yè)端的AI方案。

這種交流，一方面來自于學(xué)員在黃埔學(xué)院中對百度飛槳技術(shù)體系發(fā)自內(nèi)心的認(rèn)同感與互信，也離不開百度“簡單可依賴”的工程師文化。

類似的產(chǎn)業(yè)難題還在不斷涌現(xiàn)，這也讓產(chǎn)業(yè)智能化來到了一個必須從概念走向務(wù)實(shí)，從算法走向工程的時間節(jié)點(diǎn)。

正如黃埔學(xué)院一位講師所說的那樣，深度學(xué)習(xí)的落地其實(shí)不是一個技術(shù)難題，通?？简?yàn)的不是算法能力，而是一整套工程落地方案的選擇。

今天，AI已經(jīng)不需要再反復(fù)證明自己，但如何讓各個產(chǎn)業(yè)在AI的高速公路上跑起來？是為每個行業(yè)及企業(yè)都造新的“輪子”，然后一一教學(xué)上路嗎？當(dāng)然是將符合條件的AI架構(gòu)師投擲到各個領(lǐng)域當(dāng)中去，讓他們?nèi)缤腔鹨话?，將深度學(xué)習(xí)技術(shù)與行業(yè)需求真正探索、融合、檢驗(yàn)，點(diǎn)燃一方熱情。

那么問題又來了，這樣的AI架構(gòu)師自己需要擁有怎樣的能力？黃埔學(xué)院所做的，就是為“首席AI架構(gòu)師”進(jìn)行能力定義、兵器打造、能量支撐，開啟AI與產(chǎn)業(yè)之間互通有無的那扇門，也為百度AI to B打造出差異化的生態(tài)優(yōu)勢。

諾蘭在《信條》里提到的概念——逆時間，指的是宇宙在某個時間奇點(diǎn)，開始從膨脹轉(zhuǎn)為坍縮。于是，時間逆轉(zhuǎn)，山河倒流。

而產(chǎn)業(yè)智能化這件事本身，也如同逆時間的開啟一樣，一開始可能人們很難觀測到其所帶來的改變。但通過每個人、每一步微小的位移，世界終將被變幻。而百度黃埔學(xué)院所提供的價值，可能是讓每個渴望投身AI、致用AI的人，擁有伙伴，辨清方向，望向燈塔，駛進(jìn)未來。