Claude砸1亿美元办培训班，你的第一张AI文凭要来了？

「AI 的终极形态就是卖课程」，过去只是一句玩笑话。如今，连 Claude 官方也亲自下场组织培训了。

Anthropic 在本周推出了 Claude Frontier Academy。他们打算自行培训工程师，并通过实际操作考核，发放带有 Claude 名称的技能认证书。

根据 Anthropic 的说法，他们承诺投入 1 亿美元，计划在 2027 年底之前培养出 1 万名工程师。他们将沿用对自家工程师的能力标准。

让 AI 帮忙修改一封邮件，和利用它打造一个让同事安心使用的工具，这两者的要求截然不同。但现在填写简历中的技能栏时，两个人都能写「熟练使用 AI」。（不过，你的熟练程度和我的熟练程度可能不太一样hh）

这份认证，如何获取

这套培训计划沿用 Anthropic 自家的工程师能力标准。学员需要完成真实项目，并通过考核才能获得认证。

Anthropic 希望将学习、实践和认证三者串联起来。对于打算把 AI 当作职业技能来学习的人，这门课程列出了具体的训练与考核要求。

该项目目前采用组织推荐的方式，主要面向企业客户和合作伙伴。首批学员来自埃森哲、贝恩、德勤、摩根士丹利等机构。

课程已在旧金山、纽约和伦敦启动。想要报名，需要由所在公司联系 Anthropic 的客户团队或合作伙伴经理。

入选者需要具备软件工程基础，使用过大模型做过项目，并且帮助过他人使用 AI。有智能体开发经验并非硬性要求。但在推荐时，就必须明确回去后负责哪个 Claude 项目。

Academy 的首个项目借鉴了医生的培养模式：跟随资深人员练习，接触真实案例，然后接受考核。

根据项目官网的安排，学员先参加为期 4 天的线下集训。Anthropic 的工程师和授权讲师会带领小班授课，同学来自不同公司。

前三天，要为一家模拟企业搭建 Claude 系统。从接收需求、进行安全审查，到项目交接，完整走一遍流程。

官网列出的能力要求中，既包括开发，也有判断：先筛选出值得解决的问题，再使用公司的系统和数据将其实现。通过安全审查后，还要教会同事如何使用。

第四天会切换到一个新场景，进行实际操作考核。通过后，首先获得 Claude Resident Engineer 徽章。

接着回到自己的组织，用 12 周时间负责之前选定的真实项目。遇到问题时，可以获得 Anthropic 工程师的支持，也能与同批学员交流。

最后还需要再考一次。只有通过的人，才能拿到 Claude Frontier Deployed Engineer 徽章。首批最终认证预计在 2027 年初颁发。

对于没有开发经验的读者，这里推荐另一个面向所有人的 Claude Academy。它更适合作为入门学习，而且其中的公开课程是免费的，可以自行学习。

AI 被做出来了，如何证明我也会

如果 AI 能帮人完成作业，那么考试时如何判断学生到底学到了什么？

在今年 1 月公布的一项研究中，Anthropic 招募了 52 名以初级工程师为主的开发者，让他们学习不熟悉的 Python 工具库 Trio。

一组可以使用 AI 辅助写代码，另一组自己写。任务结束后，研究者立即安排了测验。

AI 组的平均成绩是 50%，手写组是 67%。两组差距最大的题目是找错误。AI 组完成任务略快，但时间差异没有达到统计显著性。

研究者还发现，那些会追问原因、要求解释的参与者，测验表现通常更好。

比如学习 Excel 时，让 AI 写一条公式，复制过去，表格就算出了结果。等到同事多加一列、空值多了几个，你还知道该修改哪一处吗？

过去练习快速排序、KMP、红黑树，人得亲手写代码，反复调试。现在也可以把 AI 生成的代码当作练习材料：让它解释某一步为什么这么写，再自己换一组输入，看哪里会出现问题。

前两天，AI 研究者 Andrej Karpathy 在 X 上谈到一个变化：今后，我们会花更多时间理解语言模型输出的结果。

他建议让模型把内容变成图解、可交互的网页，甚至专门生成一段讲解视频。

学习排序算法时，可以让 AI 做一个能逐步播放的小动画。每次交换两个数字，暂停一下，自己判断下一步。

Google 在 9 月 17 日公布了一项学习交互研究。教师可以用 AI 生成带引导的模拟练习。

行星轨道、加速度、原子结构，都可以变成操作练习。图源：Google Research。

在官方演示中，学生调节小车的加速度和发动机工作时间，再运行模拟，观察小车的运动方式。另一项练习把正负数放到数轴上，让红蓝两辆车停在对称的位置。

这套设计会逐步增加难度，并提供提示和反馈。

Google 已放出 30 多个英文练习，主要面向中学生。他们还计划开展课堂研究，看看学生实际学到了多少。

其实我们准备工作报告时，也可以试试这种练习方式：让 AI 扮演追问细节的同事。哪里答不上来，就回去检查材料。

出面试题的人，也在重新琢磨该怎么考。

Anthropic 在今年 1 月的一次招聘复盘中，介绍过一道这样的作业：应聘者要优化一段运行在模拟加速器上的程序。这道作业明确允许使用 AI。

彩色区块表示指令在不同执行单元上的排布，供应聘者寻找优化空间。图源：Anthropic。

出题人原本想看，应聘者如何理解系统、寻找性能瓶颈。后来，Claude Opus 4.5 在一次带有人类提示的尝试中，用 2 小时做到了接近该时限内最佳人类的成绩。那名应聘者也大量使用了 Claude。

继续提高分数线，又会出现一个尴尬局面：应聘者最划算的选择，可能变成坐着等模型干活。（推进工作最大的瓶颈就是我自己，hhh）

出题人后来换了一种考法，让候选人面对更陌生的指令和限制。调试工具没有预先备好，自己打印信息，还是让 AI 帮忙做工具，都得作出选择。

Frontier Academy 把真实项目和两次实际操作考核放进了认证路径。学员换一个场景，还能不能完成任务；回到自己的项目，能不能解决以前解决不了的问题？

其他厂商也在尝试给 AI 技能设置认证。Google Cloud 在 2025 年 5 月推出的生成式 AI 认证，就面向经理、策略人员等非技术人群。

OpenAI 在 2025 年 12 月推出首批认证课程，也提出让学员通过后续课程和实操项目，取得完整认证。Coursera、ETS 和 Pearson 旗下的 Credly 参与其中。

如果这些课程和考核以后能被更多公司认可，求职者也会更清楚该学什么、练到哪一步。到了面试时，求职者也能拿出更具体的学习和实践记录，而不只是在简历上填一句「熟练使用 AI」。

本文来自微信公众号，作者：发布明日产品的APPSO，36氪经授权发布。