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。

东吴证券研究所能源化工行业首席分析师陈淑娴：OPEC +策略转变成影响国际油价的重要变量来源：上海证券报·中国证券网上证报中国证券网讯（林玉莲记者曾庆怡）近日，市场普遍预计美联储将在9月会议上降息25个基点。9月10日，东吴证券研究所能源化工行业首席分析师陈淑娴在接受上海证券报记者采访时表示，若降息力度在预期范围内，美国扩张性货币政策将降低利率水平，促使投资需求扩大，实体经济总需求扩大