ToB行业头条（微信：wwwqifu）9月17日报道

人工智能火了之后，要找一个“懂”人工智能的人才却依旧很难。当“深度学习”成为新一代科技革命与产业变革的核心驱动力量时，去点燃这“驱动力”的核心人才又将从何而来呢？

纵观人工智能产业落地现况，据中国社会科学院科学技术和社会研究中心研究员段伟文指出，“我国到2020年人工智能核心产业规模要超过1500亿元，带动相关产业规模超过1万亿元，相关人才需求的缺口无疑是巨大的。”其中深度学习作为推动人工智能大规模产业化落地的核心技术，人才供求比例问题更是严峻。

2019年初，百度联合“深度学习技术及应用国家工程实验室”成立黄埔学院，旨在为各行各业培养第一批“首席AI架构师”。所谓AI架构师，不仅需要对软件技术架构、大数据等有深入理解，而且需要能够利用相关知识指导人工智能平台的设计和开发。

“AI架构师是这个时代新衍生出来的一种新的角色，能力要求更加全面，除了与传统架构师类似的一些基本架构设计能力之外，需要对整个AI相关的算法、框架、平台相关的能力有一个综合的素质要求，所以，AI架构师对AI时代真正的AI算法落地产生社会价值是非常重要的。”百度黄埔学院技术导师如是说。

百度黄埔学院在人工智能领域成立的意义，可能不仅是在人才培养方面，锻炼出更多“首席AI架构师”，对企业乃至产业，都能带来属于他们自己的价值，这才是技术带来的最大社会责任。

人工智能带来的“更多机会”

“计算机视觉的技术，一样能够放在医学上面。”

上一次创业将人工智能顺利应用到金融行业之后，朱森华发现人工智能在医疗领域同样潜力巨大。硕博投身脑科学的他对医学并不陌生，于是来到连心医疗担任人工智能技术总监，验证自己的想法落地。

朱森华的认知是正确的。连心医疗主要将人工智能算法用在改进肿瘤放射治疗的过程。而没有AI介入之前，治疗过程效率低到令人无法想象。

在具体的肿瘤治疗场景中，确定病灶（机体上发生病变的部分）后，医生才能规划被射线杀死癌细胞的区域，同时不可以让射线接触到周边的正常身体组织，用内部话讲，这个步骤叫“画靶区”。

每照出一张CT影像，需要制定“靶区”时，医生都要亲自手绘病灶区域和周边正常器官的区域。放在科技发达的现在，我们也许根本没法相信，画出一张CT影像的时间是3-5小时，一个工作日二分之一的时间，就消耗在这里。

连心医疗要做的事，就是提升效率，而且不是缓慢提升。人工智能介入以后，利用计算机视觉当中的图像分割技术，AI可以将影像里的病灶与正常器官自动勾画出来，甚至还能帮助医生自动规划射线的具体剂量。从3-5小时直接缩短至几分钟内可以完成，对于医生来说，仅需要最后对结果进行审核确认即可，生产力得到了莫大的解放，从而能够将更多精力放在治疗计划里其他重要的地方。

新一轮技术带来的产业变化巨大，各行各业都有着巨大需求，怎样满足如此大的需求，是所有技术型企业需要有的责任感，也是潜在的最佳机会。

深度学习与商业化

经过了技术的发展演进，人工智能与深度学习已成为我们避不开的词汇。

但是提到人工智能，仍有人觉得离我们非常遥远，似乎每一项技术进入生活前都需要冲破一层隔膜。

其实不然。在日常生活、工作生产当中，人工智能已经渗透到方方面面，70年代就已成型的人工智能技术，面临的是技术升级带来的变革。

已经被广泛使用着的“人脸识别”似乎成为大众最容易体验到的AI应用之一。但是会人脸识别就会其他物体的识别吗？其实没那么简单。行业与行业之间有着巨大的隔阂，而不投入人力物力去钻研，根本无法达到使用的阶段，更不用说“进入产业”。在这方面，掌握着足够资金，以及最重要的数据的大公司才有机会把这件事做成通用的框架，进而深入到产业当中去。

一般来讲，自研算法是众多AI公司解决AI落地场景、真实应用于实践的一个难题。资源、精力、人才等等问题，让很多企业，特别是AI创业公司常常难以兼顾。而百度飞桨（PaddlePaddle）开源框架则可以填补算法的底层应用，帮助其他公司在AI领域快速使用深度学习的成型算法，解放出更多精力放在重要业务上。

上面提到的“人脸识别”，就是CV（Computer Vision）——计算机视觉领域的技术能力之一。据了解，百度大脑AI开放平台九月份集中分享了基于飞桨的CV领域资料，面向众多开发者推出“百度大脑金秋九月CV盛典”。此次CV主题“盛典”分享了百度大脑自身扎根多年，在人脸识别、文字识别OCR、图像识别、AR/VR、视频理解、智能视频监控开发平台等，多个技术方向、解决方案案例以及公开课的参考资料，方便更多开发者了解应用，最终将技术带入产业中去。

“AI芯片+算法，让人工智能在各个场景下落地。”北京嘉楠捷思信息技术有限公司CTO翟新刚告诉笔者。嘉楠捷思以边缘计算AI芯片起家，走向商业化道路的过程中，必须找到各种合适的场景，比如 “农林监测”应用场景。

中国的植被森林区长期以来被一种名叫“红脂大小蠹”的害虫侵犯，每年危害的森林面积不断扩大，影响到自然生态。如果按照传统的解决方法，林业专家们必须翻山越岭巡查在林区布置好的昆虫诱捕器，费时费力，需要专业人才不说，发现不及时的话，还容易引起虫灾。

为了解决这个需求，嘉楠捷思、百度飞桨和北京林业大学共同合作研发出了智能害虫检测系统，利用搭载AI芯片的摄像头模组进行虫子的检测与识别，分析病虫害当中虫子的种类，以及害虫集中在哪个层面，以进行针对性的防治。

对于这样一套系统来说，三方的努力缺一不可。检测模组轻巧方便，可进行轻量化的计算，芯片模组对能耗的要求不能太大，挂在树上就能轻易开启观察；后台分析需要用到的深度学习算法，是嘉楠捷思通过百度飞桨开源的深度学习框架拿到模型，快速开发落地，时间上得到保证；林业大学最懂行业需求，合力促成了对产业的认知和诉求的解决。目前，智能害虫检测项目得到初步验证，逐渐接触商业化方向。

“AI芯片在各个场景都会尝试落地，我们手头上就有很多项目可以结合飞桨深度学习平台进行落地，来到百度黄埔学院就是想验证项目与百度飞桨深度合作，会产生什么样的火花。”翟新刚在沟通中提到的百度黄埔学院，就是百度联合国家深度学习技术及应用国家工程实验室，专为AI核心人才提供深度学习技术培训的机构。说到百度黄埔学院，又不得不提到一个略显神秘、科技企业却几乎必备的职位——AI架构师。

当传统行业遇到人工智能

人工智能火了之后，要找一个懂人工智能的人才是很难的。

这里的“懂”，不只是懂技术。技术与算法固然是非常重要的组成部分，但如何理解人工智能的底层逻辑、根据具体场景具体分析，并最终将其落地，这是AI架构师最主要的任务。

一位关注技术的投资人曾表示，要成为AI架构师人才，必须是“跨界”的。既懂技术，又懂场景，复合型人才永远是企业当中稀缺的存在，这也是百度黄埔学院成立的意义。

在百度黄埔学院第二期开学典礼现场，百度AI 技术平台体系执行总监、深度学习技术及应用国家工程实验室副主任、黄埔学院院长吴甜表示，百度黄埔学院希望能够把技术和应用结合起来，核心关注三个方面：一是重视实际场景中问题的沉淀与总结，而不是做想象中的需求。深度学习技术是一个好用的工具，但是这不代表我们“拿着榔头找钉子”；二是重视技术和场景的结合，而不是仅仅依赖数据集上的测试结果；三是重视集成到系统当中的工程实现，而不仅仅是关注到算法的单点上。

对于传统行业中正在转型的公司，或许对人工智能的浪潮感触更深刻。

成立于1991年的大恒图像，一直致力于机器视觉在工业质检方面的应用，大恒图像研发中心AI组负责人陈亮向笔者表示，在接触到深度学习之前，公司在工业检测方面一直用的是“传统算法”。所谓传统，其实是先人工手动设计产品可能会出现的缺陷情况，如果在流水线上发现有这样缺陷特征的产品，机器能够识别出并归类。

但是手动设计缺陷特征本身就是一件需要大量人力的工作，做完标注之后放到流水线上，机器也只能比照识别人工设定的、有缺陷的产品，对于新的缺陷特征出现，或者有其他的意外情况发生时，却不能得到很好的解决。

大恒图像其中一条流水线用于检测新能源汽车电池的重要组成部分——隔膜。隔膜主要用途是把电池的正负极给隔离开，保证锂离子通过的同时，阻碍电子传输，从而不让电池正负极接触，导致电池短路，汽车自燃。隔膜需要做的非常薄，在生产时就不可避免地会有一些缺陷。因此隔膜检测十分有必要。

深度学习实际上就是取代了“手动设计”这一过程，让机器可以不断地“自我学习”去发现新的缺陷，并自动标注。在这方面，大恒图像与百度飞桨合作，在深度学习的框架下生成一个模型，将产品缺陷分类，之后进行流水线上的检测。其检出率可达99.8%，节省不少人力。

节省人力，可以看作是技术升级带来的一项颠覆。直到现在，为了控制成本，工业流水线依然很愿意尝试新技术带来效率的提升。在这其中，百度飞桨的开源框架和各个深度学习模型都能帮助企业实现技术在场景当中的应用。

人才培养的魅力

开源平台那么多，为什么是飞桨？

经了解，来参加黄埔学院的相当一部分学员们都对百度飞桨表现出强烈的兴趣，因为“飞桨火了”。

“市场上的几大开源框架，像TensorFlow、Caffe、飞桨（PaddlePaddle）这些，每个框架都有自己的优势，之所以选择飞桨，是因为他们这一年发展非常地快，而且对最前沿模型的开发，响应也非常快速。”连心医疗朱森华告诉笔者，公司正在考虑将算法开发框架从TensorFlow迁移到百度飞桨平台。

持有相同想法的企业，在黄埔学院不在少数。比起其他开源框架，百度飞桨更能顾及到中国开发者的感受，在中文自然语言处理、中国人脸、中文语音处理方面更具有优势。加上百度内部对于飞桨的支持，企业更愿意接受这个来自本土的技术平台。

如今的百度飞桨在框架稳定性、兼容性和成熟度上，都上升了一个台阶。在工业领域，从事3C电子产品缺陷检测的精测电子，在对比几大开源框架后，这家公司发现，在实际业务中，百度飞桨的易用性与稳定性很好，并且在相同效果的情况下，百度飞桨的运算速度更快一些。“在使用的时候，百度飞桨也更加友好”，精测电子高级算法工程师张胜森表示。

在深度学习领域当中，人才培养和解决问题依然是产业化的重心。据悉，在本期黄埔学院课程当中，每位学员都带着一份“作业”，即实际的应用场景。在学习的过程里，把深度学习带入每份作业当中，最终成型技术应用解决方案。面对各场景不同的应用，十余位百度重量级科学家和百度AI架构师将作为导师，围绕着问题定位、问题拆解、解决方案探讨、实际解决设计作业和实验体系，基于百度飞桨有针对性的讲授深度学习技术和应用知识。

正如百度AI技术平台体系执行总监、深度学习技术及应用国家工程实验室副主任、黄埔学院院长吴甜所言：“国内现在有大量的需求在驱动着我们，我们能够预见，人工智能和产业的深度结合势必发展迅速。黄埔学院希望能切实帮助企业储备既能分析业务问题，又掌握模型算法，还能操刀落地应用，深谙算法与工程的紧密结合的企业创新型人才。”

文中所有企业受访人皆为百度黄埔学院二期学员。了解百度黄埔学院——首席AI架构师培养计划，请访问https://ai.baidu.com