P1 · 90 DAYS · 当前阶段 · M01
AI Model Engineering 90
2026.08.24 — 2026.11.21
模型为什么会学习，怎样训练、改变、测量并选择最小充分模型？
梯度与概率表示与 TokenizationTransformerTiny LMSFT / LoRAPreference / RLVR推理优化机制解释多模态非 LLM 决策
可选综合项目 Financial Model Lab
深入阶段 已正式启动 · 当前执行 P1 / M01
AI Deep Mastery 360
AI 模型工程 → AI 系统工程 → AGI 基础研究 → 具身智能
这是一条学习优先的四阶段深度路线：从“模型怎样学习”，一路推进到“系统怎样稳定运行”、 “一般能力怎样被严谨测量”，再进入“智能怎样在物理约束中闭环行动”。不包含求职任务， 不预测 AGI 到达时间，也不把 benchmark、语言流畅度或仿真成功夸大为 AGI 或真机能力。
路线长度
4 × 90 天
执行日历
2026.08.24 — 2027.08.21
课程结构
4 × 90 天 + 3 过渡日
复盘节奏
每 4 周一次轻量回顾
当前唯一主线：P1 · AI Model Engineering 90
用户已于 2026-08-23 启动 360 路线。M01 从 2026-08-24 开始，当前进度 0 / 90；先完成 P1， 再决定是否进入 P2。AISA 已暂停并保留，不与本阶段并行。
进入当前 M01Four deep phases
四个连续 90 天阶段
每阶段包含 12 周主题学习和 6 天知识整合；后阶段自然复用前阶段概念，按理解、兴趣与可用时间连续推进。
P2 · 90 DAYS · 教材已备 · 未启动
AI Systems Engineering 90
2026.11.23 — 2027.02.20
怎样把模型变成可复现、可发布、可观察、可恢复、可治理的系统？
AI Data PlaneArtifact Registry分布式训练Serving 调度AI PlatformDurable Agent协议集成可观测与 SLO安全与供应链MLflow / EvalOpsHuman-AI Ops
可选综合项目 Local AI Systems Platform
深入阶段 P3 · 90 DAYS · 教材已备 · 未启动
AGI Foundations 90
2027.02.22 — 2027.05.22
怎样严谨测量泛化、规划、记忆、适应和受约束的自我改进？
能力测量Scaling推理与 SearchRL / Model-based RLWorld ModelMemory / Tool UseMulti-AgentContinual / Meta Learning自我改进机制解释Alignment / ControlAI Scientist / AlphaEvolve
可选综合项目 General Learning Agent Lab
深入阶段 P4 · 90 DAYS · 教材已备 · 未启动
Embodied Intelligence 90
2027.05.24 — 2027.08.21
智能怎样在带噪声、时延、动力学、接触和安全约束的物理环境中行动？
几何与坐标系动力学与控制状态估计 / SLAM空间感知导航操作与接触模仿 / RLWorld Model / MPCVLA / Robotics 2Sim-to-Sim 工程HRI / SafetyMulti-Robot
可选综合项目 Embodied Simulation Study
深入阶段 九层 AI 工程能力栈
框架会变化；底层判断、实验与系统能力必须能迁移。
LAYER 01
数学与优化
概率、线代、信息论、梯度、几何、控制
LAYER 02
软件工程
类型、测试、并发、API、性能、依赖与可维护性
LAYER 03
数据工程
契约、质量、版本、血缘、切分、隐私与反馈
LAYER 04
模型工程
训练、适配、后训练、压缩、校准与推理
LAYER 05
平台与分布式
通信、存储、Checkpoint、调度、Registry 与 Serving
LAYER 06
Agent 与协议
状态机、持久执行、记忆、工具、MCP / A2A 与权限
LAYER 07
研究方法
问题定义、论文比较、反例、复现意识、效应量与负结果
LAYER 08
安全与人因
Threat Model、隐私、控制、HITL、认知偏差与事故
LAYER 09
物理智能
感知、估计、规划、动力学、控制、接触与安全停止
每周轻量学习节奏
主学习日建议 2～3 小时。全路线含 264 个核心学习/整合日、48 个可选周六和 48 个休息周日。
周一 · 概念图与核心阅读
周二 · 最小实现、手算或伪代码
周三 · 框架引导练习
周四 · 案例、争议与知识连接
周五 · 一页总结与问题清单
周六 · 可选探索、补学或休息
周日 · 休息
本地资源与结论边界
A · CPU：NumPy、tiny model、多进程、Gridworld、2D 控制和离线轨迹。
B · Apple Silicon：MPS / MLX、MuJoCo、LeRobot 数据与小型仿真策略。
C · 可选远程：只回答本地无法验证的单一问题，预先限定预算、时长与停止条件。
不要求购买机器人；如未来进入真实硬件，应另做独立安全评审。本路线默认只学习仿真或 sim-to-sim。
页面、计划与目录已对齐
360 天总纲
阶段依赖、九层能力栈、轻量学习节奏与四个可选综合项目。
长期路线执行入口
当前阶段、唯一进度来源、目录职责与阶段切换规则。
P1 · Model Engineering
模型原理、训练、后训练、推理与选择。
P2 · Systems Engineering
数据、制品、平台、运行时、发布、SRE 与 Human-AI Ops。
P2 · 专业课程地图
CS329S、FSDL、CMU DLSys、MIT 6.5840 与官方系统规范的逐周对应。
P3 · AGI Foundations
把 AGI 叙事拆成可测量、可证伪的研究能力。
P3 · 专业课程地图
CS321M、CS336、CS234、CS285、CS330、ARENA 与原始研究的逐周对应。
P4 · Embodied Intelligence
机器人数学、控制、学习、VLA、仿真与安全。
P4 · 专业课程地图
Modern Robotics、MIT Underactuated、Stanford CS237A/237B、CMU 16-831 与官方工具的逐周对应。
P1 学习记录进入
docs/ai-model-engineering/，唯一进度在 docs/daily/AI_MODEL_ENGINEERING_PROGRESS.md。 P2/P3 预习教材分别进入 docs/ai-deep-mastery/phase-2-systems/notes/ 与 phase-3-agi/notes/；P4 E01～E90 教材与课程地图已进入 phase-4-embodied/，网页入口为 /learn/embodied-intelligence。 教材预制不代表阶段已开始或已经完成学习。