2023年6月30日，由深度学习技术及应用国家工程研究中心与百度联合创办的 AICA 首席AI架构师培养计划，迎来第7期开学典礼。98位企业 CTO、科学家以及技术高管学员从500多位报名者中脱颖而出，将开展为期半年的人工智能前沿技术与应用的学习实践，成为各行业领域大模型产业落地的领军人才。
AICA 首席AI架构师培养计划第7期开学典礼开学典礼上，百度集团副总裁、深度学习技术及应用国家工程研究中心副主任吴甜在致辞时表示，人工智能技术的强通用性让其能够赋能千行百业，而产业智能化的关键是各行业中原有的各专业技术人才，在人工智能和实体经济融合的大势中能够成为借助AI技术解决业务实际问题的新型复合型人才。AICA首席AI架构师培养计划就是在为行业培养输送这类人才，同时还为人才提供了趁手的利器，包括飞桨深度学习平台和文心大模型系列，特别是大语言模型文心一言能理解、能写作、有逻辑、有情感，也将在与行业深度结合的过程中充分发挥逻辑思维、推理决策等优势能力，带来新的价值想象空间。据介绍，文心已对外提供37个大模型，涵盖自然语言处理大模型、视觉大模型、跨模态大模型、生物计算大模型等。基于飞桨与文心大模型联合优化，文心大模型已迭代至3.5版本，与3月份的3.0版本相比，训练速度提升了2倍，推理速度提升了17倍，模型效果累计提升超过50%
百度集团副总裁、深度学习技术及应用国家工程研究中心副主任吴甜AICA 项目自2019年首期启动以来，已向业界输送了322位AI架构师。第7期可谓大模型时代的首期AI架构师培训班，从学员背景与学员课题上可窥见大模型影响程度之深。一方面，大模型已成为产业智能化新引擎，撬动智能化技术与实体经济深度融合。7期班学员的背景经验和研究课题向着更应用化、工程化方向的交叉融合扩展。另一方面，大语言模型、多模态大模型以及行业大模型的课题大量涌现，如何将大模型技术红利转化为市场竞争力成为企业的迫切课题。AICA 7期学员有71%来自国家电网、三峡集团、工行、农行等央国企，以及壳牌、海尔、美的、招行等上市公司，还首次录取了21家行业核心一级应用服务商。学员行业覆盖能源、智能制造、金融之外，新增大量汽车交通、企业服务领域头部企业，如大众、宝马、吉利、比亚迪、南航、用友网络、莱顿汽车等。学员中企业 CTO 与科学家等高级技术管理者占比达到93.2%，创 AICA 新高。据了解，在学制方面，百度为 AICA 学员设置了“专家授课、全程助教、小组探讨”的三师教学模式，第7期又首次增设了“特聘专家团”，首批12位特聘专家包括行业领袖、知名学者、高校专家，以及在特定领域有着卓越成就的专家，不仅在人工智能学科知识上具备高水平，而且在行业中享有很高的声誉和影响力。他们将为学员提供独特的行业洞察、实践经验和最新的技术趋势解读。这将有助于提升学员的专业素养和竞争力，为他们在职业发展中打下坚实的基础。
产业智能化浪潮下，行业专家的真知灼见愈发重要。作为特聘专家团成员代表，华北电力大学副校长房方在开学典礼现场分享了能源行业对于人工智能技术的需求，华北电力大学与百度在AI人才培养方面的合作，以及面向未来基于大模型的一些探索性思考，引起现场电力行业背景学员的共鸣。开学典礼上还有来自北京电信、中国财产再保险、信雅达、中国电子、软通动力、NI中国仪器等12位 AICA 往期优秀学员成为“飞行助教”，将为 AICA 7期班学员提供帮助，共同推动AI新发展。大模型加速产业智能化，对复合型AI人才提出了更高、更新的要求。百度AI技术生态总经理马艳军在主题分享时提出，AI架构师要具备业务、算法和架构三方面的能力，如今将围绕应用重构、大模型技术、大模型套件三大核心要素进行能力提升。一是将大模型与自身业务结合，更好的做应用重构，发挥大模型能力；二是掌握大模型背后的预训练、精调等关键技术，知其然更知其所以然；三是掌握更好用、更流畅、更高效的工具，完成大模型的数据处理、精调、压缩、部署、场景化等工作，把大模型真正落地用起来。活动最后，百度飞桨总架构师于佃海为学员们带来 AICA 开学第一课《深度学习再认识》。他从AI技术的历史演进、大模型新范式、业务应用落地等三个视角深入讲解了深度学习技术的本质，并指出需要用AI原生思维驱动技术产品的变革，重构技术架构和产品体系。由大模型驱动的全球性AI再造正在更广维度、更深层次上席卷各行各业。在这场史无前例的生产力变革中，百度 AICA 首席AI架构师培养计划致力于帮助个体成为人才，帮助企业培养、汇聚人才，以人才激活中国企业，紧抓大模型时代红利，持续创造不可估量的增量价值。
服务器托管，北京服务器托管，服务器租用 http://www.fwqtg.net
相关推荐: Reid strong baseline知识蒸馏【附代码】Reid训练知识蒸馏训练测试Reid相关资料学习链接项目代码后期计划更新
本项目是在Reid strong baseline基础上进行的更新，实现的知识蒸馏。项目暂未加入目标检测部分，后期会不定时更新，请持续关注。 本相比Reid所用数据集为Markt1501，支持Resnet系列作为训练的baseline网络。训练采用表征学习+度…
