AI发展驶进快车道，大模型认证助力人才补充
3 月 23 日，2024 全球开发者先锋大会（2024 GDC）在上海隆重召开。期间，上海创新创业青年 50 人论坛矩阵项目——「智能未来，以人为先」2024 全球开发者先锋大会AI人才发展互动讲坛顺利举办。全球开发者先锋大会( GDC )缘起世界人工智能大会( WAIC )，作为 WAIC 聚焦科技和人才力量的重要板块，GDC 已发展成为顶尖技术趋势的风向标。本次 AI 人才发展讲坛以推动人工智能技术创新和人才培养为目标，为与会者提供一个专注于AI 人才发展的高端平台，来自全球的优秀开发者、人工智能生态企业广泛参与。
本次讲坛由上海市委统战部、中共上海市经济和信息化工作委员会、上海市人力资源和社会保障局指导，上海市经济和信息化中青年知识分子联谊会、上海市青年五十人创新创业研究院、上海市人工智能行业协会共同支持，上海外服（集团）有限公司和上海创智合力信息科技有限公司承办，由多鲸资本、职教研习社、现代职业教育联盟共同协办。
重磅分享
华为 GTS 认证与人才发展首席架构师陈睿谈
从智算大模型的认证体系谈 AI 专家之路
目前 AI 技术应用领域越来越广，发展速度越来越快，对 AI 人才的要求也越来越高。不仅需要具备相应的技术能力，还需要具备一定的项目管理能力和通用技能。在这种情况下，建立一套全面、科学、系统的人才认证体系，是助力人才培养与发展的重要手段。华为 GTS 认证与人才发展首席架构师陈睿分享了《从智算大模型的认证体系谈 AI 专家之路》的主题演讲，从目前 AI 大模型发展面临的挑战、智算领域岗位的人才缺口和智能大模型如何进行人才认证三个方面深入剖析。
在演讲中，陈睿指出，2022 年是人工智能技术发展的重要的里程碑。在2022 年之前，人工智能技术主要集中在机器学习和深度学习领域。然而，许多自然语言处理技术，甚至是人工智能辅助研究技术，其背后往往是小模型。小模型意味着参数少，需要在不同场景下进行调配，需要投入精力多，且时间成本高。
自 2022 年 OpenAI 开源技术之后，大模型技术迅速发展，开启了被称为「生成与创造」的新时代。这一时代特征在于，通过技术模型结合行业特定数据的微调与二次训练，大模型能够借助其泛化能力解决更广泛的问题，同时降低研发成本，提高效率。这种变革不仅推动了高端脑力劳动的自动化，也为社会大众带来了更多便利，特别是在社交和消费领域。
对于 To C 用户，大模型技术的应用提升了文本生成、图像创造、智能语音助手等方面的体验，极大丰富了数字内容的创作与互动方式。对于 To B 企业，大模型能够帮助企业在代码的编写、审核中省时省力，通过生成适合的营销图像与文案，提升营销效果和设计水平。此外，在医疗咨询、智能封控等传统行业，大模型的引入也能解决以往难以攻克的问题，如疾病诊断的准确性提高和医疗服务的智能化。
陈睿指出，交互式 AI 将在未来 3-5 年内蓬勃发展，帮助人们更好地理解和应用人工智能。机遇与挑战并行，不过，AI 大模型作为一个复杂的工程系统，每个环节都有与解决工程性相关的问题。人工智能应用开发如今面临的挑战主要集中在数据和模型准备、算力准备以及模型训练、部署和集成三个方面。这些挑战不仅考验着开发者的技术能力，也对人才的需求提出了更高的要求。为了解决这些问题，势必要对技术人才提出新的要求，因此出现了大批不同岗位的人才缺口。
以华为为例，华为的智算人才岗位栈分为四个层次：应用层、模型层、平台层和底座层。在应用层，产品经理和解决方案架构师负责开发应用程序和服务，满足市场需求。模型层需要工程师进行技术模型、行业模型和场景模型的训练。平台层涉及人工智能训练框架和云平台管理。底座层则关注数据中心的计算、存储和网络设备的管理。
华为的职业认证体系基于企业能力、产业需求以及产业人才对岗位的需求提炼而成，涵盖3层技术栈、6大领域、23个技术方向，已培养超过85万名认证人才。AI发展不仅需要开发者，还需要能够理解并实现客户需求的人才。为此，华为将认证架构分解为五个维度，包括解决方案架构、人工智能业务流程、深度技术以及通用计算和智能AI计算的运维。过程中，华为推出了HCIA-AI Solution，主要解决AI解决方案的通识问题和通识最高级别的HCIE-AI Solution Architect，帮助企业技术主管和行业伙伴培养技术决策者。
与此同时，华为HCIA-AI、HCIP-AI Mindspore等认证认证还为开发者提供深度学习技术的通识教育，并帮助他们掌握华为MindSpore、CANN等AI训练与推理平台的应用、模型和算子开发技能，最终培养能够进行AI应用开发的两类开发工程师，其中包括AI应用开发工程师和AI模型开发工程师。
不过这只是华为对于智算人才领域的强相关领域所设计的认证架构，真正的智算领域还包括传统网络技术、数据通信和存储等泛AI领域。他认为，随着大模型的快速发展，与大模型相匹配的人才也要进行一些迁移或者升级。AI专家应关注技术深度，包括数学分析、机器学习、深度学习和大模型技术，并横向扩展到云技术和数据库等领域。同时，AI专家需要从客户视角出发，考虑技术在实际业务场景中的应用，以及如何将业务需求转化为AI解决方案。
陈睿认为，人工智能专家不仅需要具备扎实的技术技能，还需要具备工程视角、解决方案架构师视角和业务和服务视角，才能更好地解决实际问题。