中国基础设施和运营领导者培养员工生成式人工智能技能的三大举措

在中国，对技术的投资正以前所未有的速度增长，政府对新一代人工智能（AI）发展计划的承诺也十分明确，因此培养生成式AI技能已成为基础设施和运营（I&O）部门的当务之急。此外，2025年Gartner首席信息官（CIO）和技术高管调研显示，平均来说，中国企业计划在2025年将其对生成式 AI和AI领域的技术投资分别提高40.3%和33.3%。

利用Gartner 的TOPICS技能图谱识别现有的生成式Al技能差距

为了让中国I&O团队具备与生成式AI相关的技能，从而在AI旅程中取得成功，基础设施和IT 运营领导者必须确定生成式AI应用与I&O核心职能（如AI基础设施管理、网络管理、服务器维护、云运营和故障排除）相符的角色和关键I&O使用场景。同时，还必须考虑到本地的技术生态系统和监管合规要求。在生成式AI环境中，I&O领导者需要能够：评估AI生成的输出，识别错误和不一致之处。使用AI创建洞察并改进流程。利用AI组织、创建甚至订制新内容。发现幻觉、偏见和政策违规。随后，应将这些定义的生成式AI用例与关键I&O任务挂钩，以明确技能优先级。

利用Gartner的TOPICS模型，对生成式AI方案进行评估，并优先考虑那些对于在I&O中有效使用和支持生成式AI最为关键的技能（见图1）。

图1：Gartner的TOPICS生成式AI技能开发框架

• 思考：该框架列出的第一个主题，也是最重要的主题，是培养与批判性思维相关的必要认知导向型技能。该主题为真正的个体转型奠定了基础。
• 运营：对于支持生成式AI的中国I&O领导者来说，关键重点是确保AI基础设施在模型训练和推理期间提供高性能、高吞吐量和高可用性。随着生成式AI工作负载的增长，团队还必须开发在AI生命周期中管理和优化成本的技能。
• 流程：AI工程化是企业规模化交付Al解決方案的基础。该学科整合了DataOps、MLOps和 DevOps管道，从而创建一致的企业开发、交付（混合云、多云、边缘）以及基于流式或批量 AI系统的运营。
• 实施：与生成式AI实施相关的基本方法共有四种，分别为使用、嵌入、扩展和构建。
• 概念：虽然大多数I&O部门可能永远不会自行开发大语言模型或小语言模型，但了解构建和使用生成式AI技术背后的某些关键概念，将使其能够在日常运营中支持和使用这些技术。对于I&O 专业人员来说，了解token（用于建模流程的文本块）在成本估算中的作用是十分有用的。了解模型参数（一种参数类别）如何反映模型的复杂性，以及如何与模型规模和基础设施影响相关联，也大有裨益。此外，越来越多的大型企业正计划制定AI基础设施战略。由于AI基础设施将是I&O领导者的主要关注领域，因此其有必要了解企业对AI基础设施的需求，如基于GPU的计算资源、网络和存储，以及如何进行优化。
• 技术栈：生成式AI的架构通常包含应用、工程化工具、模型和基础设施四层技术栈。I&O专业人员的重点关注领域为基础架构层，聚焦于网络、存储和计算技术，包括本地和云（基础设施或平台即服务）。需要了解的关键领域包括对基于GPU的计算资源的需求，以及应如何优化这些资源。型层包括商用（含开源）大语言模型，如DeepSeek、Qwen、ChatGPT、Llama和供应商提供的其他平台，如Hugging Face、OpenAI和Meta。工程化工具指的是可用于训练、构建、部署、优化和监控大语言模型的技术。正如上述“运营”部分所述，这是技术栈中的一个层，可由I&O和D&A团队共同负责。

使用沉浸式和体验式学习方法，加速开发生成式AI技能

沉浸式和体验式学习方法将生成式AI应用嵌入到真实世界的工作场景中，弥合了理论和实践之间的技能差距，从而加快了学习速度，提高了生产力。中国独特的市场动态，包括强劲的制造业、大规模的数字化转型计划，以及政府和私营部门对AI技术的大量投资，突显出创新培训方法的必要性。当学习与亲身实践和深度社交互动结合在一起时，可以显著缩短获取和应用知识来解决业务问题的时间延迟。

• 建立物理和虚拟生成式AI“训练营”： 这种方式不仅强化了学习过程，而且有助于更快地识别和解决与生成式AI实施相关的问题。
• 混合式学习方法：鼓励持续学习和边做边学。Gartner建议采用综合方法，70%为体验式学习、20%为关系型学习、10%为正式学习。
• 学习伙伴关系与生态系统发展：在中国，生成式AI技能的成功发展，既需要企业内部付出巨大努力，也需要精心挑选战略联盟。

培养生成式AI学习的文化，推动持续提高技能

利用领先技术和提供沉浸式功能本身并不能确保I&O部门具备必要的生成式AI技能。I&O领导者必须营造一种学习文化，通过激励机制和构建的有利环境，促进生成式AI技能的不断发展。