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。