跨阶秘籍！从传统架构师到AI架构师，你差这辆百度「直通车」-技术圈

新智元报道

来源：AICA

编辑：小匀

【新智元导读】如果你想少走弯路，成功转型为 AI 架构师，这有一辆「直通车」招募中……你，要上车么？

同样是写代码十年八年，为什么总有人能成为互联网战神？

例如，谷歌大牛 Jeff Dean。

提起 Jeff Dean，他的光环可谓是数不胜数：谷歌首席架构师、也是谷歌的人工智能团队 Google Brain 的负责人，无论是支持谷歌运行的超大规模计算框架 MapReduce ，还是机器学习的标志性软件 TensorFlow ，都是在他的领导下开发的。

从编程程序员到谷歌首席AI架构师，Jeff Dean就是在技术迭代的过程中成功「转型」的例子。

但遗憾的是，AI 架构师的成长是一个漫长的过程。

让做算法的人去了解业务架构，让做传统架构的人去把握 AI 技术，这需要工程师长时间的深度实践积累和技术抽象能力。

那么，什么样的人才适合转型呢？

AI 转型必看：算法工程师的 AI 启示录

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，是最有可能转型成为 AI 架构师的两类人。刚刚提到的Jeff Dean属于后者。

他们有不同的侧重点，转型后具体又可以细分为四个方向可供大家参考：

算法出身转型为偏 AI 业务应用（偏业务策略）的 AI 架构师。他们有较强的 AI 技术背景，对业务的理解更深刻、与业务的结合更紧密；

算法出身转型为偏 AI 平台工程架构的 AI 架构师。他们有较强的 AI 技术背景，工作职责相对前者偏平台或中台，对业务的支持更广泛；
工程出身为转型偏 AI 业务应用（偏策略架构）的 AI 架构师。他们有传统架构师背景，工作职责贴近业务且擅长从架构策略发挥 AI 作用；

工程出身转型为偏 AI 业务应用（偏工程架构）的 AI 架构师。他们依然有传统架构师背景，工作职责却更偏底层的工程架构设计与实现。

算法工程师与传统架构师的转型之路存在各自的挑战，相比传统架构转型 AI 架构师而言，算法出身的工程师转型最大的瓶颈在于与业务的结合能力、对业务的理解能力和落实到工程实践中的经验积累。

如果你想少走弯路，从算法工程师高效的转型成为 AI 架构师，下面的内容你不得不看。

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。对业务的理解能力和落实是需要到工程实践中去不断积累的。

算法思维是算法出身人的最大优势，因为基本功扎实，要注意的重点就在对业务理解和抽象层面上进行突破。只要工程能力没有太大的瓶颈，然后在实际项目中反复锤炼架构能力，和工程的架构的同学多配合提升综合素质，工程能力也很容易得到补足强化。

虽然这个转型的过程中会遇到很多丘陵和沟壑，但把时间维度拉长，当你从开始解决业务的某一个小问题到解决更大范围的业务问题，这是你为之付出所带来的成长。

「握手」业务，找到 AI 最佳实践

很多算法出身的人，往往更关心和聚焦 AI 技术的原理是什么、某个算法原理是什么，但随着工作的展开，关心和聚焦的方向就一点一点的变成算法的价值在哪里、算法能解决什么问题；

到后来，你会发现把算法应用到真实的业务场景里，解决算法的瓶颈以及存在的其他问题才是关键。但这个过程其实是从算法到业务的一个融合与渐进的过程。

当你走近 AI 架构师这扇门，你应该思考：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？这些问题要求你不仅要掌握传统意义上的机器学习或者深度学习算法，还需要对整个行业的业务有充分的理解，只有这样才能设计出符合业务发展的 AI 系统。

有人曾片面地以为 AI 系统就是算法，但这是错误的认知。AI 系统和算法差别非常大，AI 系统是算法、工程架构、要解决的问题以及一系列的约束条件的集合体。

从工程系统角度，AI 平台本身是一个技术型产品，算法是里面很关键的组成部分——但不是全部。AI 架构师就是要在具体的业务场景中设计并实现相应算法的最佳实践。

「迭代」能力，提升自身 AI 实力

AI 行业的快，让人超乎想象。

前几年的热点还是「下围棋」类的单点技术，如今已经覆盖了衣食住行生活、商业的方方面面。

AI 发展的快，要求 AI 从业者的能力也要快速迭代，除了算法模型之外的关键能力，更要有诸如问题抽象、技术选型和技术实现的能力。

抛开建模问题去思考问题的核心，而不是先考虑建模问题。

比如说风控问题，传统树可以做风控、深度学习也可以做风控。但你要先把问题定义清楚，如何衡量贷款标准？如何确认贷款条件？以及需要哪些特征、哪些数据等等，思考完这些之后，你自然可以找到合适的模型。

AI 时代已经到来，将会有越来多的系统被 AI 自动化所取代。企业的竞争终究是人才的竞争，AI 的竞争本质更是 AI 人才的竞争。

只有找到合适的方向、明确职责定位、并为之努力，采取有效的学习提升方案才能成为支撑企业的关键人才。

AICA | 转型 AI 架构师的直通车

百度自2019年启动首席 AI 架构师培养计划（AICA）致力于为行业输送既能分析业务问题，又掌握模型算法，还能操刀落地应用，深谙算法与工程紧密结合的高端复合型 AI 领军人才。基于算法工程师转型 AI 架构师的瓶颈挑战与转型锚点路径，精准设置课程内容，覆盖：

提升技术视野，找准问题，看清方向

提升对于自身企业具体业务场景理解的定位和认知

AI 转型升级的典型技术案例剖析

快速积累对整体业务、整个行业关键问题的深度抽象能力

模拟实战的问题拆解&解决方案

培养用最新 AI 思维、AI 工具、方法和技术解决实际问题

百度科学家/AI 专家一对一指导

百度众多深度学习架构师、科学家面对面深度交流指导

培养理念解读&专家指导

小组讨论&架构师授课

AICA 半年学制，带你从业务驱动出发，恰当地做好业务与深度学习技术、算法的对接。助你以最低成本、最高效率快速迭代 AI 能力，走出一条属于自己的 AI 最佳实践之路。

👇 AICA 五期班招生中👇

线下闭门交流

1+1参与模式

AI 思维风暴

限额50席

年薪百万、股票期权、财务自由……也许真的不是梦。

目前 AICA 已走过四期，所有录取学员在 AICA 都与授课讲师一同探讨过 AI 产业落地的实践模式。2019年推出至今，AICA 已向业界输送了190名 AI 架构师，培养了真正懂 AI、做 AI、将 AI 付诸于实现和现实的领军人才，他们遍布工业、能源、金融、交通、农业、互联网等数十个行业。

沉淀了如中国商飞飞机复合材料结构件超声图像损伤检测、京东亚洲一号物流园无人智慧园区、地铁轨道缺陷边缘实时智能检测、刑侦实景空间三维重建及物体自动识别等广泛的场景案例，AICA 始终引领产业 AI 人才培养的最高标准。

AI 正在迎来新的机遇，作为算法工程师的你，准备好打开这扇门了么？

👇 点击「阅读原文」，即可跳转报名链接！