至此，我们已经比较清晰地了解了AI架构师的能力要求，那么如何才能成为成为一名合格的AI架构师以及进一步成为首席AI架构师？其实，包括百度在内AI技术公司的的很多AI架构师都是由之前做算法策略或者是做传统架构的工程师转型而来。随着做的AI项目逐渐增多，做算法的人需要去了解业务架构的知识，做架构的人需要去了解AI技术，一种新的交叉学科工种就诞生了。AI架构师并非一天炼成的，但只要企业的发展方向符合AI的潮流、个人有意愿在这个方向努力，明确角色的定位职责，并采取有效的学习提升方案，积累实践经验，就能领先他人一步了。
AI架构师的定位与职责
AI架构师需要具备创新性思维，要深刻理解公司的业务方向与AI技术的契合度，然后带动整个团队往AI的方向前进。首席AI架构师的价值一般来讲更多是要在业务体系里面让AI持续发挥核心作用，从而构建一个以AI为核心的技术体系。在不同的场景、不同的需求下有两类常见的角色：一类做的主要是更平台化、对业务支持更广泛的AI技术中台，一类做的主要是更偏业务本身的AI核心架构。前者需要多关注中台的使命和定位、明确在公司场景中AI技术中台的价值，并在此基础上思考采用开源技术或商用方案进行中台的搭建；后者需要厘清AI技术和一般策略的协同关系，需要并更关注流程上的细节和打通，如离线训练、在线训练、在线预测和诸如上线机制、在线Debug、模型监控、模型更新、混合部署等问题，这些细节的完善能更好地支撑业务的发展。以百度为例，其中内部统一机器学习平台PaddleCloud和信息流Feed架构的同事正是上述两类角色的典型代表。
AI架构师根据『出身背景』和『发展方向』不同，大致可分为四大类：
具体来看，算法工程师与传统架构师的转型之路存在各自的挑战。
传统架构师转型AI架构师面临的挑战
传统架构师在架构方面的经验是优势，对在整个公司中对业务的理解也相对其他底层技术人员更深刻一些，但瓶颈点也十分明显，那就是对AI技术的把握能力，并且这个短板未必有足够多的机会来弥补。这种情况下切勿抱残守缺，架构出身的人有一个常见的问题，由于自身AI基础知识不扎实，容易在一些关键的事情上缺乏对问题本质的思考，有时费了很大功夫去做优化，但实际上从AI的角度换一个方案就解决了⸺堪比降维打击。因此，传统架构师就需要更多去学习机器学习相关的基础知识，对AI技术有全局性的认识和把握，并主动观察和学习更多典型案例或者实践经验。典型案例的作用会非常明显高效，能更好地帮助传统架构师理解AI技术的特色以及AI和应用的对接。对于案例的学习，最好先别看答案，先自己思考实现过程，然后再与答案比较，这样印象会比较深、学习效果能做到事半功倍。
图 飞桨产业级开源模型库
传统架构师相对算法工程师来说是一个在企业中更广泛存在的群体，百度推出的AICA首席架构师培养计划是专注于深度学习产业落地和应用、助力企业跨越AI技术鸿沟的重点项目。算法不是具体实操的知识点，而是一个缓慢积累的知识面，需要较大的学习投入。AI学习不能“只见树木不见森林”，业界有许多优秀的模型、不断涌现的算法，以飞桨为例，光算法模型就有270多个，让大家在没有实际应用需求的情况下逐一背诵和掌握这些知识点也是不现实的，百度绘制深度学习技能图谱的目的在于帮助传统架构师从全局上理解AI的本质，它就像一张地图，能够帮助我们快速查缺补漏、按图索骥地去补齐不同技术背景出身的短板，也就是说，帮助大家弥补传统工程架构人员和AI之间的GAP。传统架构师最需要的是理解机器学习的基本原理，然后掌握在业务中怎么去匹配和使用它们。另外需要澄清一下的是，AI架构师对数学的要求其实没那么高。AI算法研究的确会要求一定的数学知识，而AI架构师能理解算法就行了。
算法工程师转型AI架构师面临的挑战
算法研究背景的人，如果工程能力过关的话，其实转型为AI架构师相对更容易。对于这个群体来说最大的GAP是与业务的结合能力，即对业务的理解能力和落实到工程实践中的经验积累。算法思维对人的影响不是一朝一夕的，因此算法背景的人相对基本功扎实；如果工程能力不是瓶颈的话，在实际项目中已经有足够多的机会来反复锻炼自己的架构能力，因而这个短板会不断地得到补足强化。对于算法背景的人来说，重点在业务理解和抽象层面进行突破；对于项目落地实施、系统问题有些薄弱的同学，可以跟工程架构的同学多配合，然后双方协调着去做项目，在这个过程中逐渐提高自己的综合素质。换句话说，算法背景转AI架构师只要多实践、多干活一般问题不大。不过这个说起来容易真正转型成功需要踏实持久的实践付出。
机器学习是AI架构师技能图谱的核心
对于已经参加工作且想转型AI架构师的同学来说，由于时间有限，最佳的学习路径是通过案例“学以致用”。纯工程技术人员不用一上来学得太深入，避免只见树木不见森林。对那些AI算法已经抽象好的问题，多做几个实验、熟悉项目过程中的效果调优，对数据处理形成一定的感知经验、对AI基础技术有自己的认识，然后再去接触实际的案例，能很快补齐自己的短板。需要强调的是，机器学习的基础知识必须尽力学扎实。
AI架构师的学习跟校园里的学习有许多不同，学校会为学生点亮一颗完整的“技能树”，全部学完后的功底自然很扎实。但是不同出身也已经参加工作的人没有这么多机会深入学习。首先要了解技能树上的主干，然后再按需地点亮那些“枝叶”，其实百度飞桨本身的很多模型库、套件等已经给大家提供了很好的学习平台和学习机会。!
