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答辯更具挑戰性的考驗。

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，環繞他們而坐的是十幾位來自各個產業、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陳述自己的畢業課題。

這些課題都是他們從產業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，成為站在產業智能化落地的“時間奇點”上的弄潮兒。

教科書長不出AI，產業智能化的人才困境

“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，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和業務解決哪些難題，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，業內交流不充沛，不僅傳統中小企業對“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輸出的教育機制，當然，創造一個良好的環境來達成大量（潛在）從業者之間的互動，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，學員群體開始發生變化，傳統企業技術人員的比例開始大幅增加。而這些學員和企業對于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？都需要有專業人士去幫助梳理、普及，并指導實戰。

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模也是前所未有的。

既然產業交流少，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“同窗”情誼來加深不同行業、不同應用之間的交流；

既然實踐案例少，實戰經驗不足，那就用“魔鬼式”高強度的理論+產業項目結合的方式，來讓學員快速在各自業務所面臨的難題中應用AI，調用飛槳的全棧AI能力來打造產業化實際案例。比如某商業飛機制造廠，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，大量產業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的過程中，將飛槳種種積累交付給產業：

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了許多學員和所在企業開始從海外深度學習框架向飛槳“搬家”。

2.貼近產業需求。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，飛槳能夠帶給開發者的獨特價值，恐怕也是生態壯大的關鍵。從黃埔學院的學員從業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企業，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的顧慮。

3.良性開發生態。從黃埔學院與其他各類人才培養計劃的不同之處，我們也可以總結出AI平臺生態更好的打開方式：體系化、高質量、持續性。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“職業大學”來孵化產業高端人才圈。許多同學和企業與百度的關系，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節等等，借助這一契機，百度的技術團隊也與該企業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部門都出謀劃策，來協同輸入能夠滿足產業端的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。

類似的產業難題還在不斷涌現，這也讓產業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，通常考驗的不是算法能力，而是一整套工程落地方案的選擇。

今天，AI已經不需要再反復證明自己，但如何讓各個產業在AI的高速公路上跑起來？是為每個行業及企業都造新的“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優勢。

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。