在北京奔馳，汽車車身噴漆完成并烘干后，需對漆面外觀質量進行檢查。由于缺陷尺寸微小、傳統檢測設備價格昂貴、人工檢查受限等因素，缺陷的檢出率無法得到有效保障。

基于飛槳的高效模型訓練能力和多模態技術，北京奔馳自主設計并開發了完整的漆面缺陷檢測系統，并以相較于供應商10到15分之一的成本完成了系統的搭建與調試。

來自北京奔馳的AI架構師孫勇濤分享道：

“作為汽車制造業的一員，曾經，我在AI方面的技術探索是‘單打獨斗’，沒有大團隊支持，沒有體系化培訓，我對AI總是很迷茫。

加入AICA學習后，通過與百度團隊的技術交流，我現在能夠獨立設計和優化AI解決方案，為公司不斷優化技術方案。AI不僅是一個工具，更是解決行業問題的關鍵?！?/p>

8 月 15 日，在AICA「首席AI架構師培養計劃」第九期開學典禮現場，來自茅臺、麥當勞、國家海洋中心等不同行業的 96 位新學員集中亮相，一同開啟為期四個月的 AI 架構師培養課程。

本期AICA中，大模型、多模態課題占比達51%，并首次出現多智能體協同等前沿技術應用。按照課題方向，學員們將分為9組——

大模型方向3組：

Agent、文本問答、輔助決策

多模態方向2組：

文檔/圖片理解，視覺理解/生成

大小模型結合3組：

CV組、OCR組、時序預測組

共創小組1組

AICA「首席AI架構師培養計劃」由百度與深度學習技術及應用國家工程研究中心聯合發起，旨在培養集“分析業務問題、掌握模型算法、操刀落地應用”于一身的首席 Al 架構師。

本期課程吸引了來自工業、能源、金融、交通等18個行業的學員，其中80%有“管理+專業+技術”復合背景。

是什么吸引Ta們都來AICA學習？四個月的AI課能幫Ta們解決什么樣的難題？以麥當勞的課題為例——

//課題《麥麥巡警數字員工》

痛點：隨著智能排班，個性化推薦，智慧生產、智能補貨等AI服務場景的增加，各類咨詢與上報問題也與日俱增?，F有的“麥麥巡警官”存在Agent泛化能力不足，遷移到其他場景時需要重復進行提示詞工程；在多項任務執行時，Agent 容易出現錯亂；大模型與系統任務重疊，提示詞、單 Agent 框架能力上限、系統 - Agent 邊界不夠清晰等問題。

目標：麥麥團隊希望得到關于大模型優化、任務調度與管理等方面的技術指導和建議，并進一步了解場景Agent落地的工程化設計思路、提示詞工程優化方面的實踐案例和經驗，助力提升麥麥巡警數字員工的開發質量和效果。

在開學典禮上，百度吳甜表示將為AICA學員提供系統性的學習和實踐支持——

? 最強平臺工具支持：通過文心大模型與飛槳深度學習平臺的組合，提供產業級模型與工具鏈，支撐學員高效、低成本構建貼近實際場景的高質量模型。

? 系統完備的方法論與實踐案例：AICA的課程體系既涵蓋基礎理論，更重視產業一線項目實戰，百度和產業伙伴的豐富實踐案例與教學資源，將為學員提供參考。

? 終身學習與交流平臺：通過組織活動、項目對接等方式，AICA將持續為學員提供成長交流的平臺。

2019年推出至今，在過往8期中，AICA已向業界輸送了 489 名 AI 架構師，遍布工業、能源、金融、交通、農業、互聯網等數十個行業。這些架構師不僅在學術界和產業界取得了卓越的成就，也在各個行業中發揮著重要的作用。