LAYER INDEX
9 个 AI 技术层级
从物理算力到认知治理，每一层都有自己的能力、失败模式、岗位和不可替代边界。
L1Compute
算力与硬件层
AI 的物理地基，负责提供训练和推理所需的计算资源、带宽、显存和能源边界。
模型能不能训得动、跑得快、成本压得下来？GPU kernel engineer / CUDA engineerL2Runtime
框架内核与推理运行层
负责让模型高效运行的底层软件层，包括框架后端、推理引擎、缓存、量化和调度。
模型如何更快、更省、更稳定地运行？inference engineer / runtime engineerL3Training
模型训练与表示层
模型能力形成的位置，涵盖预训练、微调、对齐、数据配方和表示学习。
能力是如何被训练出来，并在表示空间中稳定下来的？ML researcher / training engineerL4Serving
模型服务与编排层
把模型能力包装成可调用服务，处理路由、缓存、工具调用、上下文管理和成本控制。
如何把模型能力变成可靠、可控、可计费的服务？AI application engineer / platform engineerL5Application
应用与产品层
用户真正消费 AI 的界面层，把模型能力转译成任务流、工作台、报表、卡片和决策动作。
用户如何在具体任务里使用 AI，而不是只看一段解释？product engineer / FDEL6Integration
企业集成与交付层
把 AI 接入真实组织流程、权限、数据、系统和交付责任，是从 demo 到生产的关键层。
AI 如何进入组织系统，并对真实业务结果负责？Forward Deployed Engineer / solution engineerL7Trust
信任、安全与治理层
为 AI 输出建立证据、审计、合规、安全与风险控制，使系统可解释、可追责、可治理。
系统凭什么被信任，错误发生时如何定位和追责？AI safety engineer / governance leadL8Human Role
人类角色与责任层
定义人类在 AI 系统中的不可替代位置：问题定义、边界判断、价值权衡和最终责任。
哪些工作可以被增强，哪些责任不能被外包给模型？domain expert / operatorL9Cognitive Governance
认知治理与图谱层
用 OCG 把概念、操作、边界、证据和决策连成可审计的认知图谱。
我们如何知道系统在用什么认知结构做判断？ontology engineer / cognitive systems designer