很多人习惯把人工智能比作一辆行驶的汽车。
数据是燃料，人才是引擎，计算力是底盘。
如果任何一个环节出现了缺口，汽车就注定跑不快。
虽然算力和数据也是问题的关键，但在人工智能领域的玩家中，大多数巨头都拥有足够的数据和算力。
即使是创业公司，也可以通过花钱来解决问题。
相反，人才成为最大的不确定性，决定着算法的水平，影响着发展的方向。
正是因为人才的短缺，在人工智能领域，往往有很多人只是想弥补自己的错误。
还有许多在线学习平台提供入门课程。
看来你只需要花几十个小时听课，就能给你的简历贴上“人工智能”的标签。
正是因为人才标准的缺失，人工智能的乱象才变得和它的关注一样热闹。
幸运的是，有人观察到了混乱并采取了行动——10月10日，深度学习工程师认证大会暨人工智能人才发展论坛在北京举行。
深度学习国家工程实验室、中国软件行业协会、百度联合发布了国内首个人工智能领域深度学习工程师认证考试项目——《深度学习工程师能力评估标准》，这也是第一个系统的深度学习人才培养项目。
AI人才短缺Element AI发布了这样的调查数据：全球范围内接受过博士教育的AI领域研究人员约有0人，其中拥有创建机器学习系统的专业知识的人不到1万人，而拥有创建机器学习系统的专业知识的人只有100人。
他们正在找工作。
从各大公司招聘的职位来看，除了深度学习、人工神经网络、计算机视觉、自然语言处理或者机器人等技术术语外，Python、Theano等编程语言也是必备技能。
即使没有博士学位限制，全球合格人才也仅有9万左右。
相应地，也需要数以百万计的人才。
巨大的供需缺口导致的一个现象是：人工智能人才突然短缺，薪资体系不断上涨。
例如，高级算法工程师年薪可达百万； BAT等互联网巨头不惜一切代价挖人；人工智能相关的投资者也学会了“看人的选择”，创始人的资历几乎决定了公司的价值……同时人工智能相关的人才也在阶梯上。
最顶层的是算法科学家，有能力做框架和前沿研究，数量自然稀少。
第二个层次是工程师人才，他们可能没有创建原创框架的能力，但可以从事流行技术。
对框架进行适配和完善，然后针对项目进行定制化调整；最底层是AI入门级人才，他们大多是人工智能爆发后转型的“门外汉”，通过公开课或培训学习一些粗浅的知识。
关于人工智能的人才困境，存在着许多不和谐的信号。
不同公司的AI水平差异很大。
百度等前沿研究人员稳居第一梯队。
大多数人工智能公司对人工智能的研究仍处于起步阶段。
同时，也影响着AI巨头的职业选择，他们选择与同样优秀的人才合作，让初创企业甚至传统企业面临日益严重的人才困境。
人工智能与量子技术、虚拟现实等一起被称为“第四次工业革命”。
目前面临的人才短缺无疑是最大的短板。
毕竟，人工智能的使命不是少数巨头之间的“争春”，而是整个行业的“百花齐放”，就像之前的三次工业革命一样，颠覆性地改造社会。
如何构建合理的AI人才成长体系、如何规范相关人才的培养成为人工智能行业最强音。
标准化、规范化早已成为社会规则，尤其是在IT行业。
一些企业标准已成为行业发展的标杆。
就像PC时代，有培养系统网络管理和应用开发人才的“微软认证”，还有网络工程领域权威的“思科认证”等。
同样，人工智能的快速发展自然也是如此。
离不开标准的制定。
百度再次成为国内先行者，牵头落实中国软件行业协会发布的《深度学习工程师能力评估标准》，计划对深度学习工程师进行权威测试和考核，填补相关人才标准缺失的空白在国内人工智能行业。
与人工智能人才招聘中的“阶梯式”分类相比，标准中对“深度学习工程师”的能力认证更加详细。
顺序为高级、中级、初级深度学习工程师，分别对应应用经验和实践能力。
和理论知识。
考核要素包括专业知识、工程能力、业务理解与实践，涵盖编程、机器学习、神经网络、深度学习、代码规范能力、算法模型实现等。
百度也顺势而为，成为第一家实施的公司人才培训和认证体系。
换句话说，该标准的诞生与百度在人工智能领域的实践不无关系。
早在2010年，百度就开始布局深度学习。
2008年成立深度学习研究院，2006年推出国内唯一深度学习开源平台PaddlePaddle。
如今的PaddlePaddle包含了完整的核心框架，以及AI Studio、AutoDL、EasyDL等组件，可以让开发者平等、便捷地获得顶尖的AI能力。
事实上，放眼全球AI领域，深度学习开源框架众多，尤其是谷歌、亚马逊、微软等巨头。
他们依靠“深度学习开源平台+人工智能芯片”的模式牢牢掌握着话语权。
经历中兴事件后，中国企业开始认识到自主知识产权对于企业安全和稳定发展的重要性。
百度的PaddlePaddle完成了从芯片到文档、从框架到应用工具的完全自主，名副其实。
事实上，“中国标准”。
可见，百度想要的并不是一份AI人才试卷，而是一套适合中国开发者的完整培训计划。
它不是一味地为AI人才设置门槛，而是为开发者搭建一座桥梁。
这才是解决AI人才短缺的正确途径。
黄埔军校内部一直流传着一个观点：百度已经是人工智能领域的黄埔军校了。
百度是中国最早向人工智能转型的互联网巨头。
在知名科技媒体TOPBOTS评选的2017年“驱动中国人工智能变革的20位科技领袖”名单中，王海峰、景鲲、徐巍等百度系统占据了10个名额，足以印证其行业地位。
当然，还有另一个角度。
未来发展人工智能的公司，大多都养成了从百度挖人的“习惯”。
此外，人工智能相关的创业者中，大多有百度背景或曾被百度投资。
。
然而，百度正在重新定义AI的“黄埔军校”。
如果AI企业不计成本不断挖人，各家企业给出的筹码越来越高，无疑会逐渐演变成恶性竞争，这对国内人工智能研究并不有利。
人才毕竟是人工智能的引擎。
与人工智能专家频频跳槽的八卦相比，更值得关注的是如何不断培养更多的人工智能人才。
百度的答案是牵头实施人才认证标准。
PaddlePaddle是百度为深度学习人才搭建的一座桥梁。
通过它，开发者可以快速获得实践经验，直接服务于企业。
从技术细节来看，PaddlePaddle集成了所有主流算法，支持海量数据训练、CPU/GPU单机和分布式并行计算，并且易用、高效、灵活、可扩展。
并且与Google、Facebook不同的是，PaddlePaddle在中文自然语言处理、中文人脸、中文语音处理等方面有着无可比拟的优势，最大程度地满足了中国开发者的需求。
在应用层面，PaddlePaddle致力于打造自主可控的人工智能生态系统，最大程度满足企业、大学和开发者的需求，让深度学习赋能各行各业。
从智慧城市、智慧零售到智慧农林，PaddlePaddle的落地案例不计其数——招聘网站简历智能筛选、楼宇机电系统智能控制、生鲜采购量智能预测、智慧农林AI昆虫识别……这些都是基于PaddlePaddle的应用。
回到“黄埔军校”这个词，它绝对不是因为聚集了太多的AI人才而得名的。
相反，它是一个完整的人才结构，包括顶尖科学家和专业工程师，以及完整的人才培训和福利。
由此看来，百度有机会牵头制定人才标准，并有能力打造AI“教材”。
或许我们可以打个比方：人工智能的竞争就像一场赛车比赛。
其他玩家还在思考如何提高发动机马力。
百度汽车已经遥遥领先，正在一路造车。
“加油站”可以让其他玩家的引擎维持动力输出。
中美之间的人工智能竞争可能体现在很多方面。
可能是产品的竞争，也可能是论文数量的PK。
但只有明确人才标准，建立成熟的认证和培训体系，让人工智能成为通用技术，中国人工智能产业才能真正拥有与世界竞争的机会。