近年来，随着算法、算力与半导体技术的发展，人工智能对社会生产力的推动日益突出，这也引爆了数以百万计的人工智能岗位需求。但作为人工智能的底层基础，全球深度学习人才只有9.5万名左右，可以说缺口巨大，于是深度学习人才的培训与认证，则成为了行业的当务之急。
而现在，深度学习人才梯队建设迎来了前所未有的里程碑：
10月10日，深度学习工程师认证发布会暨人工智能人才发展论坛在京召开。会上，基于中国软件行业协会发布的国内ai领域第一个专业技术人才培养标准——《深度学习工程师能力评估标准》（以下称《标准》），深度学习国家工程实验室、中国软件行业协会、百度公司联合发布了中国ai领域第一个深度学习工程师认证考试方案，及第一个体系化的深度学习人才培养方案。
值得注意的是，百度也是第一家将《深度学习工程师能力评估标准》落地，并形成完备的培训和认证体系的企业。
作为机器学习最重要的分支，深度学习技术及其背后蕴藏的思维方式，已成为当下人工智能产业基石，众多的机器辅助功能变为可能：无人驾驶汽车，医学影像诊断，工业故障检测、电商个性化推荐……成为ai技术从业者、ai项目管理者必备的基础能力和认知方式。
首份深度学习人才认证和培养方案，将加速人工智能产业人才的系统培养和持续输入，正如百度高级副总裁、深度学习技术及应用国家工程实验室主任王海峰所说：“深度学习的发展推动了人工智能在各行各业的广泛应用，而深度学习的发展离不开深度学习工程师，未来深度学习工程师也会成为各行各业的主力军。”
为深度学习工程师的考核和培训制定一个参照系，让专业技术人才培养有章可循，让人工智能行业可以吸引更多优秀的人才涌入，这是促进整个行业跨时代性进步的幸事。
标准的价值
人工智能时代的到来，产生了算法工程师等新兴职位，同时，创业新秀、巨头公司间纷纷加码投入，人才拼抢日益激烈。然而，欣欣向荣的热火背后，存在人力资源有效供给不足、质量不一的隐患。
《2017 全球人工智能人才白皮书》显示，截至2017年，全球ai领域人才约30 万，市场需求在百万量级，保守估计，截至2017年10月，中国人工智能人才缺口高达100万人。
供需失衡，致使ai人才炙手可热。有报道称，人工智能领域的大概薪资：职位最低的工程师年薪在30-50万，商业公司中的研究员则在50-100万之间，项目主管或cto则大多会在年薪80万以上，动辄百万年薪，上不封顶。根据拉勾网的数据显示，2017年，人工智能平均薪酬在互联网岗位中仅次于管理岗与数据开放岗，月薪均在20k以上。
高薪背后，ai人才质量参差不齐。大量从业者与ai雇主的要求相去甚远，相当部分或为低学历求职者，或刚初出茅庐，仅对编程略知一二，缺乏实际ai技能的初级程序员，语音识别、图像识别工程师等基于深度学习技术的核心岗位供给尤其不足。
如何填补巨大人才缺口，评估、吸纳并培养更多ai 人才，能力与薪资大体匹配，于行业可持续发展格外重要。
有专业人士表示，ai 人才大体分三个梯队：第一梯队是最强的算法科学家，从事框架和前沿性研究，占据全球产业高地；第二梯队，主要在较流行的框架上去做适配、改进，为项目进行定制化调整；第三梯队则完全基于已有框架进行参数调整。其中，肩负项目落地的第二和第三梯队的人员，可经过不断学习、培训和业务训练而逐渐增多。
目前，存量的ai从业者，只有少部分通过尖端科研机构和一流大学培养输出（白皮书称，具有相关研究能力的教育机构全世界约370家，每年培养约2万名人才），增量大量来自传统ict&软件业，甚至部分从业者来自机械、电气等专业，此外，校企合作联合培养的模式，也正培养有生力量，比如联想集团联合全国多个高校举办ai精英挑战赛，好未来发起海内外科技人才培养计划future camp。
供给侧增量的人才培养，也带来实操问题。ai产业刚起步，尤其深度学习的大规模应用，只有数年时间，既是新型产业，又是前沿科学，未来从业者该学什么、怎么培养？如何评估其实践业务的应用能力？
其中，直接简明的办法，就是构建标准。
对标技术的最新进展以及领先应用，就ai专业技能要求进行顶层设计，由权威机构确认，为定向培养或者自我提升谋划方向，也由企业的市场洞察和实际案例，加速人才成长，同时，标准可以成为人才能力的衡量尺度，使得人才梯队评估有章可循，优化企业薪资资源的配置。
针对深度学习工程师人才培养的标准正能起到这种作用，其能力评估、认证主要面向软件相关行业的企业员工及社会人士，共分为高级（应用经验）、中级（实操能力）、初级（理论知识）三级：能力评估要素主要包括专业知识、工程能力、业务理解与实践共3大类9小类。
该评估标准参考了中国软件行业多家企业的人才招募和培养需求，由中国软件行业协会、国家工程实验室两家权威机构和业内多位专家给予指导和建议，前后经过30多版迭代，并由第三方权威考试机构负责监督和运营。标准的推出，为一线工程技术人员提供了学习、成长的参考标准，利于培养成千上万的合格从业者。
为什么是百度？
首份人才认证方案由三家机构发布：深度学习技术及应用国家工程实验室、中国软件协会、北京百度网讯科技有限公司，其中有两者均与百度直接相关。
作为人才认证的基础，《标准》的原型设计也来自于百度ai技术平台体系的深度学习工程师能力评估指南，并通过ai技术专家、学科带头人的访谈，听取国家工程实验室成员单位的意见，完成了标准初稿的撰写。
一家商业公司，为什么能如此深度参与一个行业标准的制定与落地？关键原因在于，在ai领域，特别是深度学习领域，百度既是一个领先的探索者，也是一个热忱的推广者。
百度是中国最早布局深度学习的巨头，2010年，就开始在搜索引擎中应用机器学习；2012年1月，启动深度学习技术研发；2013年，成立深度学习实验室，并推出自主研发的深度学习平台（即paddlepaddle的前身）；2016 年 8 月，paddlepaddle正式开源，成为国内最早的、目前唯一的深度学习开源平台；次年，百度承建“深度学习技术及应用国家工程实验室”，承担了发展人工智能的国家使命。
尤其重要的是，百度不遗余力地推广ai技术，创始人李彦宏这样清晰描述了百度的愿景，“我们要通过数据、算力和算法的不断替代和不断开放……让每一个开发者接触到全球最先进的ai技术，让每一个公司、每一个企业方便地使用最先进的ai能力。”
如今，百度丰富、可组合的ai技术数量远超其它同类平台，并以多层次的服务体系赋能每个开发者、创业者、产业同行。2018年中，百度还成立深度学习技术平台部，汇聚更多的ai科学家和架构师，研发和推广深度学习框架paddlepaddle。
而深度学习正逐步从实验室走向工业界，帮助开发者和企业提升效率、创造新价值。例如，北京工业大学的四位学生利用paddlepaddle制造了一台智能桃子分拣机，实现桃子的自动分拣；援藏医生陈静飞借助基于paddlepaddle的定制化训练与服务平台easydl，进行显微镜下寄生虫虫卵识别，辅助检验人员进行相关诊断。
由于研发、应用和推广的领先，百度本身即是第一家将深度学习人才认证标准落地、形成完备的培训和认证体系的企业，从“深度学习工程师能力评估”切入，向外分享其自身时间，将行业完善“人才标准+教育培训+认证”三维一体的培养模式，有助于工程技术人才的持续供给。
而以领先企业的标准进一步升级为行业标准，一向有之。
目前it业界顶级的认证证书，往往与业界领先的科技企业直接挂钩，比如培养系统网络管理和应用开发人才的“微软认证”，在网络工程领域权威的“思科认证”以及在数据库领域享有盛誉的“oracle认证”……这些认证有助于从业者驾驭最新设备和技术，了解最前沿的产业实践，进而加速新技术的普及。
此次深度学习工程师的相关认证与培训，恰恰体现出百度加速ai向全行业渗透的初心。
而从世界范围看，中国ai产业的起步与全球领先国家大体一致，且具有数据、应用场景的优势，只要瞄准机会，快速布局，有机会抢得先机。而领先企业与产业协会的良性互动，可快速推广领先技术和成功经验，有利于抢占产业的制高点。
从这个意义上说，首份针对深度学习工程师的人才认证和培训方案，虽然只是人工智能标准化建构中的一小部分，却不失为一个有价值的范例。