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，百度黃埔學院的80多位學員，正在經歷一場可能比本科畢業(yè)答辯更具挑戰(zhàn)性的考驗。

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

這些課題都是他們從產業(yè)中帶來的具體問題與困惑，經過了三個月的課程、討論、實踐，最終呈現出相應的AI技術解決方案，為每周的艱苦課程畫上一個不負韶華的句點。

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，成為站在產業(yè)智能化落地的“時間奇點”上的弄潮兒。

教科書長不出AI，產業(yè)智能化的人才困境

“時間奇點”這個詞聽起來很酷，但AI落地產業(yè)的過程卻一點都不酷，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，黃埔學院第三期的學員們感受十分深刻。

他們大多來自傳統行業(yè)，有人有十多年的IT工程師經驗，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落地的現實難題：

首先，實踐案例較少，業(yè)內交流不充沛，不僅傳統中小企業(yè)對“學習”的需求是迫切甚至饑渴的，許多大型國企的CTO或技術負責人也渴望在智能化轉型得到務實和細致的指導。但在實際中，絕大多數企業(yè)只能從集成商或平臺方購買整個系統或通用算法，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)者學習成本高，進而導致AI項目推進效率低；

而相比金光閃閃的學術大牛，產業(yè)智能化落地階段對能力的要求，是能將需求轉化為問題、進而找到最高性價比解法的工程型人才。早在6月份，英偉達工程師Chip Huyen就曾針對機器學習崗位裁員潮給出了自己的結論，那就是擁有工程相關的知識背景后，再去接觸機器學習，會比直接接觸機器學習更有前景。那么，如何讓這些具備工程能力的人開始與機器學習握手呢？

答案或許可能是，一套體系化、結構化、定制化的課程，一種能夠保證學習效果和實戰(zhàn)輸出的教育機制，當然，創(chuàng)造一個良好的環(huán)境來達成大量（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，正是百度黃埔學院已經做了三期的事。

三個月時間魔咒，81位產業(yè)人才的技術求道

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

其中百度所調動的支持資源也是有目共睹的。無論是主任架構師、科學家的傾情指導，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架構師”身上。

為什么要做這件事？為什么黃埔學院的資源在不斷加碼？

一位第三期課程的班主任告訴我，黃埔學院從第一期到第三期，學員群體開始發(fā)生變化，傳統企業(yè)技術人員的比例開始大幅增加。而這些學員和企業(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，數據到底怎樣用？都需要有專業(yè)人士去幫助梳理、普及，并指導實戰(zhàn)。

因此，從第一期到第三期，黃埔學院也逐漸摸索出了一條更為清晰的路徑。

既然許多傳統企業(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家和“高工”，給他們手把手指導。有學員分享到，在第一次專家指導的時候，學員認為自己要做的事情很簡單，實際上技術實現卻很復雜，而百度高工導師們則會給他們梳理清楚，他的業(yè)務問題能夠用什么技術方法去解決，大致的技術思路和可行性如何，如果遇到問題可以求助于誰。這樣的指導十分費時費力，事實上，黃埔學院第三期課程所調動的內部師資規(guī)模也是前所未有的。

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

既然實踐案例少，實戰(zhàn)經驗不足，那就用“魔鬼式”高強度的理論+產業(yè)項目結合的方式，來讓學員快速在各自業(yè)務所面臨的難題中應用AI，調用飛槳的全棧AI能力來打造產業(yè)化實際案例。比如某商業(yè)飛機制造廠，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中，目前已經在實際生產中收獲了不錯的反饋，識別準確率在95%以上。

基于此，黃埔學院的學員也得以擁有“首席AI架構師”的能力，他們是產業(yè)化過程當中，既懂應用場景、又懂AI技術、能夠把AI技術應用起來，解決場景當中實際問題的復合型人才。

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

洞見未來，黃埔學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？

其實答案也已經呼之欲出了，那就是自主可控的AI，催化產業(yè)數智轉型的AI，落地度高、生命周期長的AI……

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

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

2.貼近產業(yè)需求。如果只是技術能力上的一點溢出，自然不足以吸引開發(fā)者們開啟復雜的代碼搬遷工程，作為更符合中國國情的深度學習框架，飛槳能夠帶給開發(fā)者的獨特價值，恐怕也是生態(tài)壯大的關鍵。從黃埔學院的學員從業(yè)分布就可以清晰地看到，AI正在快速從互聯網領域推向越來越多的傳統行業(yè)企業(yè)，而他們應用AI的場景千差萬別、各式各樣，百度AI的應用案例就打消了許多企業(yè)的顧慮。

3.良性開發(fā)生態(tài)。從黃埔學院與其他各類人才培養(yǎng)計劃的不同之處，我們也可以總結出AI平臺生態(tài)更好的打開方式：體系化、高質量、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、深度的學員關系，使其不再停留在培訓，而是成為“職業(yè)大學”來孵化產業(yè)高端人才圈。許多同學和企業(yè)與百度的關系，都超越了自己入學之初的設想，在現實中產生了更深、更廣的合作。

舉個例子，某學員在課程期間，通過在企業(yè)內部交流又挖掘出了不少能夠應用AI的領域，比如利用機器視覺輔助飛機的制動器，再比如智能質檢來保障生產環(huán)節(jié)等等，借助這一契機，百度的技術團隊也與該企業(yè)的工程團隊開展了深度交流，針對一些實際層面的技術難題，比如螺絲要確保擰到6個360度，機器視覺如何實現。而要解決這一問題，百度的視覺技術部、機器人與自動駕駛實驗室、深度學習技術平臺部、大數據實驗室等多個研發(fā)部門都出謀劃策，來協同輸入能夠滿足產業(yè)端的AI方案。

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

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

正如黃埔學院一位講師所說的那樣，深度學習的落地其實不是一個技術難題，通?？简灥牟皇撬惴芰?，而是一整套工程落地方案的選擇。

今天，AI已經不需要再反復證明自己，但如何讓各個產業(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”，然后一一教學上路嗎？當然是將符合條件的AI架構師投擲到各個領域當中去，讓他們如同星火一般，將深度學習技術與行業(yè)需求真正探索、融合、檢驗，點燃一方熱情。

那么問題又來了，這樣的AI架構師自己需要擁有怎樣的能力？黃埔學院所做的，就是為“首席AI架構師”進行能力定義、兵器打造、能量支撐，開啟AI與產業(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，開始從膨脹轉為坍縮。于是，時間逆轉，山河倒流。

而產業(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，駛進未來。