-
Notifications
You must be signed in to change notification settings - Fork 1
Expand file tree
/
Copy pathbenchmarks.html
More file actions
299 lines (277 loc) · 25.4 KB
/
Copy pathbenchmarks.html
File metadata and controls
299 lines (277 loc) · 25.4 KB
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
<!DOCTYPE html>
<html lang="zh-CN">
<head>
<meta charset="UTF-8">
<meta name="viewport" content="width=device-width,initial-scale=1,viewport-fit=cover">
<title>评测·生产·合规·职业 · AI大模型全景</title>
<script>(function(){var k='ai-training-theme',p='t',t=null;try{var q=new URLSearchParams(location.search);t=q.get(p)||q.get('theme');if(t!=='light'&&t!=='dark')t=sessionStorage.getItem(k);if(t!=='light'&&t!=='dark')t=localStorage.getItem(k);if(t!=='light'&&t!=='dark'){var m=document.cookie.match(new RegExp('(?:^|; )'+k+'=([^;]*)'));t=m?decodeURIComponent(m[1]):'';}if(t==='light'||t==='dark'){document.documentElement.setAttribute('data-theme',t);document.documentElement.style.colorScheme=t;try{sessionStorage.setItem(k,t);localStorage.setItem(k,t);}catch(e){}}}catch(e){}})();</script>
<link rel="stylesheet" href="style.css">
<script src="theme.js"></script>
<script src="nav.js"></script>
<script src="search-data.js"></script>
<script src="search.js"></script>
<script src="toc.js"></script>
<script src="site.js"></script>
<script src="copy-blocks.js"></script>
<script src="data-sourcing.js"></script>
<script src="backtotop.js"></script>
</head>
<body>
<div class="hero">
<h1>🏅 评测 · 生产 · 合规 · 职业</h1>
<p>实验室基准、上线观测、法规安全、认证与职业路线——进阶篇合一</p>
<div class="badges"><span class="badge">Benchmark</span><span class="badge">Langfuse</span><span class="badge">备案合规</span><span class="badge">职业认证</span></div>
</div>
<div class="page-wrap page-cols">
<div class="sticky-toc">
<h5>本章目录</h5>
<a href="#benchmarks">评测基准</a>
<a href="#eval-ops">生产观测</a>
<a href="#safety">安全合规</a>
<a href="#careers">学习职业</a>
</div>
<div class="page-main">
<div class="data-disclaimer"><strong>说明：</strong>分数会随新模型变化，请以 <a href="https://www.swebench.com" target="_blank">SWE-bench</a>、<a href="https://chat.lmsys.org" target="_blank">LMSYS</a> 实时页面为准。</div>
<div class="sec-title" id="benchmarks">🏅 评测基准（Benchmark）</div>
<div class="dbox"><h3>🎯 为什么需要看懂评测基准？</h3>
<p>每个模型厂商都会说自己是"最强"。但<a href="https://lmmarketcap.com/zh/benchmarks" target="_blank">独立基准评测</a>就像"照妖镜"——告诉你模型在特定场景的真实水平。不了解基准，你看到的只是营销话术。</p>
<div class="note">⚠️ <strong>重要提醒：</strong>2025年后MMLU等老牌基准已"饱和"（顶级模型普遍>88%），已经无法区分模型差距。看评测要关注新基准（SWE-bench、AIME、HLE）和实际使用体验。</div>
</div>
<hr class="divider">
<div class="sec-title">📊 15大评测基准详解</div>
<div class="sec-sub">按测试能力分类——每个基准测试什么、满分多少、当前第一</div>
<div class="tbl-wrap">
<table>
<thead><tr><th>基准名称</th><th>测试内容</th><th>难度评级</th><th>题型</th><th>当前最高分</th><th>是否饱和</th></tr></thead>
<tbody>
<tr><td><strong>MMLU</strong></td><td>57个学科知识广度（高中→大学专业）</td><td>⭐⭐⭐</td><td>4选1</td><td>旗舰约 88–90%（见官方）</td><td style="color:var(--yellow)">趋于饱和</td></tr>
<tr><td><strong>MMLU-Pro</strong></td><td>MMLU增强版，增加干扰项、难度更大</td><td>⭐⭐⭐⭐</td><td>10选1</td><td>见 MMLU-Pro 榜单</td><td style="color:var(--green)">仍有区分度</td></tr>
<tr><td><strong>HumanEval</strong></td><td>Python代码生成（函数级）</td><td>⭐⭐⭐</td><td>编程</td><td>Claude 4 93.8%</td><td style="color:var(--yellow)">趋于饱和</td></tr>
<tr><td><strong>SWE-bench Ver.</strong></td><td>解决真实GitHub Issue（端到端软件工程）</td><td>⭐⭐⭐⭐⭐</td><td>编程实战</td><td>见 swebench.com</td><td style="color:var(--green)">最具挑战</td></tr>
<tr><td><strong>AIME 2025</strong></td><td>美国数学邀请赛（竞赛级数学推理）</td><td>⭐⭐⭐⭐⭐</td><td>数学竞赛</td><td>见 AIME 榜单</td><td style="color:var(--green)">高区分度</td></tr>
<tr><td><strong>GPQA Diamond</strong></td><td>研究生级学科推理（物理/化学/生物）</td><td>⭐⭐⭐⭐⭐</td><td>专家问答</td><td>见 GPQA 榜单</td><td style="color:var(--green)">高难度</td></tr>
<tr><td><strong>GSM8K</strong></td><td>小学数学应用题（多步推理）</td><td>⭐⭐</td><td>数学</td><td>多模型 95%+</td><td style="color:var(--red)">严重饱和</td></tr>
<tr><td><strong>MATH-500</strong></td><td>高中数学竞赛题</td><td>⭐⭐⭐⭐</td><td>数学</td><td>o3-pro 96%+</td><td style="color:var(--yellow)">接近饱和</td></tr>
<tr><td><strong>HellaSwag</strong></td><td>常识推理（选出最合理的结尾）</td><td>⭐⭐</td><td>4选1</td><td>多模型 95%+</td><td style="color:var(--red)">严重饱和</td></tr>
<tr><td><strong>ARC Challenge</strong></td><td>科学推理选择题（小学到初中科学）</td><td>⭐⭐⭐</td><td>4选1</td><td>多模型 96%+</td><td style="color:var(--red)">严重饱和</td></tr>
<tr><td><strong>TruthfulQA</strong></td><td>检测模型是否会"胡说八道"（对抗幻觉）</td><td>⭐⭐⭐⭐</td><td>问答</td><td>Claude 3.7 ~75%</td><td style="color:var(--green)">都很差</td></tr>
<tr><td><strong>BIG-Bench Hard</strong></td><td>23个困难推理任务（逻辑/因果/时间）</td><td>⭐⭐⭐⭐</td><td>多种</td><td>GPT-4o ~85%</td><td style="color:var(--green)">有区分度</td></tr>
<tr><td><strong>HLE (Humanity's Last)</strong></td><td>人类极限级问题（专家级多学科）</td><td>⭐⭐⭐⭐⭐</td><td>专家级</td><td>o3 ~12%</td><td style="color:var(--green)">极难</td></tr>
<tr><td><strong>LMSYS Arena Elo</strong></td><td>用户盲测投票（真实人类偏好）</td><td>⭐⭐⭐</td><td>用户投票</td><td>见 LMSYS 榜单</td><td style="color:var(--green)">最真实</td></tr>
<tr><td><strong>AA Int. Index</strong></td><td>多基准综合指数（标准化汇总）</td><td>⭐⭐⭐⭐</td><td>综合</td><td>见 AA 官网</td><td style="color:var(--green)">权威综合</td></tr>
</tbody>
</table>
</div>
<hr class="divider">
<div class="sec-title">📈 当前评测格局解读（2026年5月）</div>
<div class="grid-2">
<div class="dbox"><h3>🔵 知识广度：谁最博学？</h3>
<p><strong>MMLU/MMLU-Pro</strong> 测试模型的知识储备。旗舰 MMLU 普遍 >88%，但模型间差距已很小。MMLU高分不代表实际好用，更像"考试型选手"。</p>
<div class="note">💡 2026年后，MMLU高分的意义下降。关键看MMLU-Pro（10选1）的区分度更高。</div>
</div>
<div class="dbox"><h3>🟢 编程能力：谁最懂代码？</h3>
<p><strong>SWE-bench Verified</strong> 是最具含金量的编程基准（解决真实 GitHub Issue）。编程向模型请以 <a href="https://www.swebench.com" target="_blank">swebench.com</a> 实时榜单为准；闭源与开源榜首会随版本更新变化。</p>
</div>
<div class="dbox"><h3>🟡 推理能力：谁最会思考？</h3>
<p><strong>AIME 2025</strong>（数学竞赛）与 <strong>GPQA Diamond</strong>（研究生推理）区分度最高。推理型模型（如 OpenAI o 系列、DeepSeek-R1）在此类榜单上领先；具体分数请查各基准官方发布页，勿采信单一营销稿。</p>
</div>
<div class="dbox"><h3>🔴 人类偏好：用户最喜欢谁？</h3>
<p><strong>LMSYS Chatbot Arena</strong> 通过用户盲测投票反映主观偏好，与客观基准可能不一致。排名见 <a href="https://chat.lmsys.org" target="_blank">chat.lmsys.org</a>，适合作为「用起来顺不顺」的参考，不能替代业务场景实测。</p>
</div>
</div>
<hr class="divider">
<div class="dbox"><h3>📋 快速自查：这个分数可信吗？</h3>
<div class="cmp-row"><div class="cmp-label">看到某个模型宣称"MMLU 88%"</div><div>→ 2026年所有旗舰都>88%，这不能说明什么</div></div>
<div class="cmp-row"><div class="cmp-label">看到"GSM8K 97%+"</div><div>→ 这个基准已严重饱和，模型可能背过答案</div></div>
<div class="cmp-row"><div class="cmp-label">看到"SWE-bench 80%+"</div><div>→ 这才是含金量，说明模型真的能解决实际问题</div></div>
<div class="cmp-row"><div class="cmp-label">看到"数据污染警告"</div><div>→ 部分基准的题目已出现在训练数据中，高分可能是"背出来"的</div></div>
<div class="warn">⚠️ <strong>数据污染</strong>是当前评测最大的问题。GSM8K、MMLU、HumanEval三个基准已被广泛污染。SWE-bench和AIME因题目不断更新，是目前最可靠的评测基准。</div>
</div>
<hr class="divider">
<div class="dbox"><h3>📌 关键结论</h3>
<ul>
<li><strong>看编程实力：</strong>看SWE-bench得分（最真实）</li>
<li><strong>看推理实力：</strong>看AIME 2025 + GPQA Diamond</li>
<li><strong>看综合实力：</strong>看AA Intelligence Index（多基准汇总）</li>
<li><strong>看实际体验：</strong>看LMSYS Chatbot Arena Elo（用户投票）</li>
<li><strong>不要信：</strong>GSM8K >85%、MMLU >85%——这些说明不了任何问题</li>
</ul>
</div>
<hr class="divider">
<div class="sec-title" id="eval-ops">🔬 三层评估体系</div>
<div class="grid-3">
<div class="card"><div class="card-name">离线评测</div><div class="card-desc">固定问答集 + 自动打分（相似度/规则/LLM-as-judge），发版前回归。</div></div>
<div class="card"><div class="card-name">在线指标</div><div class="card-desc">延迟 P95、错误率、Token 成本、用户点赞/点踩、会话完成率。</div></div>
<div class="card"><div class="card-name">人工抽检</div><div class="card-desc">每周抽样对话，查幻觉、合规、品牌语气；不可替代。</div></div>
</div>
<hr class="divider">
<div class="sec-title">🛠️ 常用工具（开源/商业）</div>
<div class="tbl-wrap">
<table>
<thead><tr><th>工具</th><th>用途</th><th>链接</th></tr></thead>
<tbody>
<tr><td>Langfuse</td><td>Trace、Prompt 版本、成本统计</td><td><a href="https://langfuse.com" target="_blank">langfuse.com</a></td></tr>
<tr><td>LangSmith</td><td>LangChain 生态调试与评测</td><td><a href="https://smith.langchain.com" target="_blank">smith.langchain.com</a></td></tr>
<tr><td>Weights & Biases</td><td>实验与模型训练追踪</td><td><a href="https://wandb.ai" target="_blank">wandb.ai</a></td></tr>
<tr><td>Ragas</td><td>RAG 专用评测框架</td><td><a href="https://github.com/explodinggradients/ragas" target="_blank">GitHub</a></td></tr>
</tbody>
</table>
</div>
<hr class="divider">
<div class="sec-title">📋 上线前检查</div>
<div class="dbox"><ol>
<li>准备 ≥50 条真实业务问答作为黄金集</li>
<li>定义「拒答」与「转人工」规则</li>
<li>配置敏感词与 PII 脱敏</li>
<li>设定 Token 预算告警</li>
<li>制定模型/API 故障降级方案（备用模型）</li>
</ol></div>
<hr class="divider">
<div class="sec-title" id="safety">⚖️ 安全·伦理·法规</div>
<div class="dbox"><h3>🎯 为什么安全与法规不可忽视？</h3>
<div class="grid-3" style="margin-top:12px">
<div class="ci"><div class="ci-name">⚠️ 模型幻觉</div><div class="ci-note">大模型会"自信地胡说八道"。在医疗/法律/金融场景中，一次幻觉可能导致严重损失。RAG和提示词工程可缓解但不能根除。</div></div>
<div class="ci"><div class="ci-name">🔒 数据安全</div><div class="ci-note">企业数据输入AI API后可能被用于训练。数据脱敏、本地部署、合规审计是企业AI落地的硬性要求。</div></div>
<div class="ci"><div class="ci-name">⚖️ 合规风险</div><div class="ci-note">中国《生成式AI管理暂行办法》要求AI服务须备案、内容须审核。欧盟AI Act按风险分级监管，违规罚款可达全球营收7%。</div></div>
</div>
</div>
<hr class="divider">
<div class="sec-title">🌐 全球AI监管三大支柱</div>
<div class="dbox"><h3>🇨🇳 中国：最落地的监管体系</h3>
<ul>
<li><strong>《生成式人工智能服务管理暂行办法》</strong>（2023年8月生效，2025修订）：是中国AI监管的基石。要求AI生成内容须标识、服务提供者须备案、训练数据须合规</li>
<li><strong>《人工智能生成合成内容标识办法》</strong>（2025年9月实施）：强制要求AI生成内容添加"数字水印"，用户在互动情景中须被告知正在与AI交互</li>
<li><strong>备案流程：</strong>面向C端用户提供生成式AI服务须通过<a href="https://www.cac.gov.cn" target="_blank">国家网信办</a>算法备案。流程：准备材料（算法原理说明、安全评估报告、数据合规证明）→ 提交网信办 → 技术检测（约15-20个工作日）→ 审核公示（约15-30个工作日）→ 备案完成。全程约30-60个工作日</li>
<li><strong>对创业者的影响：</strong>B端技术服务（给企业做AI系统）通常无需备案；C端产品（AI聊天/微信Bot）需要备案+内容审核+实名认证</li>
<li><strong>违规案例：</strong>2025年8月，某AI写作工具因生成不实信息被网信办约谈整改；2025年10月，某AI绘画平台因未标识AI生成内容被罚款。这些案例表明监管正从"指导"走向"执法"</li>
</ul>
</div>
<div class="dbox"><h3>🇪🇺 欧盟：《AI法案》——全球最严</h3>
<ul>
<li><strong>风险分级：</strong>不可接受风险（禁止）→ 高风险（严格合规）→ 有限风险（透明义务）→ 低风险（无限制）</li>
<li><strong>高风险系统：</strong>涉及生物识别、关键基础设施、教育、就业、执法等场景，需进行合格评估、建立风险管理</li>
<li><strong>通用AI规则：</strong>GPT-4/Claude级基础模型需满足透明度义务（披露训练数据摘要、能源消耗等）</li>
<li><strong>罚款：</strong>最高达全球年营收7%或€3500万</li>
</ul>
</div>
<div class="dbox"><h3>🇺🇸 美国：宽松灵活，鼓励创新</h3>
<ul>
<li><strong>行政令（2023年10月）：</strong>拜登签署AI行政令，要求AI系统开发者向政府提交安全测试结果</li>
<li><strong>2025年转向：</strong>特朗普2.0时代更强调"AI领导地位"，联邦层面立法进展缓慢，各州自行立法</li>
<li><strong>版权争议：</strong>纽约时报vs OpenAI的版权诉讼是标志性案件，核心问题是"用受版权保护的数据训练AI是否侵权"</li>
</ul>
</div>
<hr class="divider">
<div class="sec-title">🧠 AI核心安全议题</div>
<div class="grid-2">
<div class="dbox"><h3>🔮 幻觉（Hallucination）</h3>
<p>模型生成看似合理但实际错误的内容。TruthfulQA基准显示，顶尖模型也仅有~75%准确率。RAG是当前缓解幻觉最有效的方法，但无法100%消除。</p>
<div class="note">💡 关键实践：对AI输出"要求引用来源"、"不确定时说不知道"、"高价值场景人工审核"。RAG方案可显著降低幻觉。</div>
</div>
<div class="dbox"><h3>🎯 对齐（Alignment）</h3>
<p>确保AI的"目标"与人类价值观一致。RLHF（人类反馈强化学习）是最主要的对齐技术，DPO（直接偏好优化）是更简单替代方案。</p>
<div class="tip">Anthropic（Claude制造商）将对齐作为公司核心使命，其"宪法AI"方法通过一套原则引导模型行为。</div>
</div>
<div class="dbox"><h3>🔒 数据偏见</h3>
<p>训练数据中的性别/种族/地域偏见会被模型放大。例如：AI生成的"CEO图片"可能全是白种男性。</p>
<ul><li>解决：多样化训练数据 + 偏见检测工具（如IBM AI Fairness 360）</li></ul>
</div>
<div class="dbox"><h3>📜 知识产权争议</h3>
<p>纽约时报诉OpenAI、Getty Images诉Stability AI等案件，核心争议："用版权数据训练AI是否侵犯版权？" 目前全球法律仍无统一结论，但中国规定"不得侵害他人依法享有的知识产权"。</p>
</div>
</div>
<hr class="divider">
<div class="sec-title">🛡️ AI安全对齐流派</div>
<div class="dbox">
<div class="cmp-row"><div class="cmp-label">RLHF（OpenAI/Google）</div><div>人类标注偏好→训练奖励模型→PPO强化学习。效果最好但成本最高。ChatGPT"好用"的核心技术。</div></div>
<div class="cmp-row"><div class="cmp-label">DPO（主流开源方案）</div><div>直接优化偏好数据，跳过奖励模型训练。更简单、更稳定、成本更低。2024年后成为开源社区首选。</div></div>
<div class="cmp-row"><div class="cmp-label">宪法AI（Anthropic）</div><div>用一套原则（宪法）引导模型行为，减少对人类标注的依赖。Claude的安全底座。</div></div>
<div class="cmp-row"><div class="cmp-label">红队测试（Red Teaming）</div><div>模拟攻击者试图让模型输出有害内容，发现安全盲点。是发布前的标准流程。</div></div>
</div>
<hr class="divider">
<div class="dbox"><h3>📌 对AI创业者的合规清单</h3>
<ol>
<li><strong>确认服务类型：</strong>B端（无需备案）vs C端（需备案+审核+标识）</li>
<li><strong>内容审核：</strong>接入关键词过滤+图像审核API（阿里云/腾讯云/百度都提供）</li>
<li><strong>AI标识：</strong>C端产品必须明确告知用户正在与AI互动（中国法规+欧盟AI Act都要求）</li>
<li><strong>数据合规：</strong>用户数据须脱敏、不能用于模型训练、符合个人信息保护法</li>
<li><strong>服务备案：</strong>生成式AI在C端上线前，向网信办提交算法备案（流程约30-60天）</li>
<li><strong>保险：</strong>企业级AI产品建议购买AI责任险，覆盖潜在的版权/错误输出风险</li>
</ol>
<div class="warn">⚠️ 2025年8月已有多起"AI生成不实内容被处罚"案例。中国监管正从"宽松指导"走向"严格执行"。合规不是可选项，是必选项。</div>
</div>
<hr class="divider">
<div class="dbox"><h3>📝 AI内容标识实操示例</h3>
<div class="grid-2">
<div>
<h4>文本内容标识</h4>
<div class="code">本文由AI辅助生成，仅供参考<br>生成时间：2026-05-16<br>模型：GPT-4o / Claude 3.7</div>
</div>
<div>
<h4>图片/视频标识</h4>
<div class="code">C2PA数字水印（内容来源和真实性联盟标准）<br>支持：Adobe · Microsoft · Google · 腾讯</div>
</div>
</div>
<div class="tip" style="margin-top:16px">💡 建议：在产品层面统一接入标识系统，而非依赖用户手动标注。可使用阿里云内容安全API或腾讯云内容安全服务自动添加标识。</div>
</div>
<hr class="divider">
<div class="sec-title" id="careers">🎓 学习·认证·职业</div>
<div class="dbox"><h3>🔥 2026年AI人才市场全景</h3>
<div class="stat-row">
<div class="stat"><div class="stat-num">20%</div><div class="stat-label">AI岗位年增长率</div></div>
<div class="stat"><div class="stat-num">¥30-70K</div><div class="stat-label">大模型算法月薪</div></div>
<div class="stat"><div class="stat-num">¥15-35K</div><div class="stat-label">AI应用开发月薪</div></div>
<div class="stat"><div class="stat-num">¥8-18K</div><div class="stat-label">AI提示工程师月薪</div></div>
</div>
<div class="note">📊 数据来源：2026年Q1主流招聘平台统计。大模型算法岗年薪百万已成常态，AI应用开发岗需求最大。</div>
</div>
<hr class="divider">
<div class="sec-title">🏢 AI岗位全景</div>
<div class="sec-sub">从提示工程师到AI研究员——薪资与技术栈速查</div>
<div class="tbl-wrap">
<table>
<thead><tr><th>岗位</th><th>月薪范围</th><th>核心技能</th><th>需求趋势</th></tr></thead>
<tbody>
<tr><td><strong>AI提示工程师</strong></td><td>¥8K-18K</td><td>提示词工程、模型调优、评估测试</td><td>↑ 新岗位、门槛低</td></tr>
<tr><td><strong>AI应用开发</strong></td><td>¥15K-35K</td><td>Python、LangChain、RAG、API调用</td><td>↑↑ 需求最大</td></tr>
<tr><td><strong>大模型算法</strong></td><td>¥30K-70K</td><td>深度学习、PyTorch、模型训练、微调</td><td>↑ 高薪但门槛高</td></tr>
<tr><td><strong>AI产品经理</strong></td><td>¥20K-45K</td><td>产品设计、AI策略、数据驱动、行业知识</td><td>↑↑ 增长最快</td></tr>
<tr><td><strong>AI运维/MLOps</strong></td><td>¥18K-35K</td><td>Docker、K8s、vLLM、模型部署</td><td>↑ 需求稳定</td></tr>
<tr><td><strong>AI研究员(硕博)</strong></td><td>¥40K-100K+</td><td>论文发表、前沿探索、模型研发</td><td>→ 竞争激烈</td></tr>
<tr><td><strong>AI数据工程师</strong></td><td>¥15K-30K</td><td>数据清洗、标注、特征工程、向量化</td><td>↑ 需求增长</td></tr>
<tr><td><strong>AI销售/BD</strong></td><td>¥12K-30K+提成</td><td>行业理解、AI方案设计、客户沟通</td><td>↑↑ 缺口大</td></tr>
</tbody>
</table>
</div>
<hr class="divider">
<div class="sec-title">🏅 AI认证指南</div>
<div class="sec-sub">哪些认证有含金量？按职业方向推荐</div>
<div class="grid-2">
<div class="card"><div class="card-name"><a href="https://www.deeplearning.ai" target="_blank">DeepLearning.AI 专项</a></div><div class="card-co">Andrew Ng / Coursera</div><div class="card-desc">AI入门黄金标准。深度学习专项、ChatGPT Prompt Engineering等课程，全球数百万学习者。¥300-500/课程。</div></div>
<div class="card"><div class="card-name"><a href="https://aws.amazon.com/certification" target="_blank">AWS ML/AI认证</a></div><div class="card-co">Amazon AWS</div><div class="card-desc">AWS Certified ML Specialty是云AI领域的通行证。适合企业级AI部署方向。考试费\$300。</div></div>
<div class="card"><div class="card-name"><a href="https://learn.microsoft.com/ai" target="_blank">Microsoft Azure AI</a></div><div class="card-co">Microsoft</div><div class="card-desc">Azure AI Engineer Associate认证，覆盖OpenAI服务/AI Studio/Copilot。企业市场认可度极高。</div></div>
<div class="card"><div class="card-name"><a href="https://www.tensorflow.org/certificate" target="_blank">TensorFlow 认证</a></div><div class="card-co">Google</div><div class="card-desc">TensorFlow Developer Certificate，深度学习框架能力证明。适合模型训练方向。考试费\$100。</div></div>
<div class="card"><div class="card-name"><a href="https://www.fast.ai" target="_blank">Fast.ai 实战课</a></div><div class="card-co">Fast.ai</div><div class="card-desc">免费高质AI课程，从代码实战入手。适合有编程基础的学习者，被公认为"少走弯路的AI入门"。</div></div>
<div class="card"><div class="card-name"><a href="https://www.cloudskillsboost.google" target="_blank">Google Cloud AI</a></div><div class="card-co">Google Cloud</div><div class="card-desc">Google Cloud ML Engineer认证，覆盖Vertex AI/Gemini API。适合GCP生态用户。</div></div>
</div>
<hr class="divider">
<div class="sec-title">📅 6个月AI学习路线图</div>
<div class="sec-sub">从零基础到可就业——每天1-2小时</div>
<div class="dbox">
<div class="tl" style="padding-left:30px">
<div class="tl-item"><div class="tl-dot" style="background:var(--green)"></div><div class="tl-yr">第1-2月 · 基础入门</div>
<div class="tl-card"><h4>AI概念 + Python + 提示词</h4><p>了解大模型发展史（本站history.html）→ 学Python基础（30天）→ 提示词工程实战（<a href="prompt.html">提示词</a>）→ 用ChatGPT/Claude做日常助手。<strong>目标：能用AI提效日常工作。</strong></p></div>
</div>
<div class="tl-item"><div class="tl-dot" style="background:var(--accent)"></div><div class="tl-yr">第3-4月 · 技能进阶</div>
<div class="tl-card"><h4>API调用 + RAG + 编码工具</h4><p>学Python调用OpenAI/DeepSeek API（<a href="api-integration.html#gateway">API·网关</a>）→ 搭建RAG知识库（<a href="rag.html">RAG</a>）→ 掌握Cursor/Copilot编码（<a href="coding.html">编码</a>）。<strong>目标：能用API构建AI应用。</strong></p></div>
</div>
<div class="tl-item"><div class="tl-dot" style="background:var(--accent2)"></div><div class="tl-yr">第5-6月 · 项目实战</div>
<div class="tl-card"><h4>Agent + 部署 + 垂直应用</h4><p>用Dify搭建Agent（<a href="agents.html">Agent</a>）→ 用vLLM/Ollama部署模型（<a href="finetune.html">部署</a>）→ 针对一个行业做AI产品（<a href="industries.html">行业</a>+<a href="startup.html">创业</a>）。<strong>目标：做出可用产品，建立作品集。</strong></p></div>
</div>
</div>
</div>
</div>
</div>
<footer><p>AI大模型全景培训手册 · 评测·生产·合规·职业 · 2026年5月版</p></footer>
</body>
</html>