先了解这张认证
Microsoft Certified: Azure AI Engineer Associate（考试代码 AI-102）是微软 AI 类证书里唯一一张 Associate 级别的工程实操证。它的上面是 Specialty 性质的 Cognitive Services 老证（已退役），下面是入门级 AI-900。AI-102 卡在中间这个位置，意味着它默认你会写 Python 或 C#，考试题里大量出现 SDK 调用代码片段、REST API 路径、JSON 配置，纯概念题占比很低。
考试费 $165 USD（Pearson VUE），40-60 题、约 120 分钟、700/1000 及格、1 年有效但 Microsoft Learn 上免费续证（每年答 25 题左右就能 renew，不用重考）。这个续证机制是微软所有 Associate 证的标配，比 AWS 的"3 年后重考全套"友好得多。
2024 年 Microsoft 对考纲做了一次重大改版，把原来偏 Cognitive Services（Vision / Speech / Language）的内容压缩，腾出大约 30% 权重塞进了 Azure OpenAI Service、Prompt Flow、Azure AI Search（前身 Cognitive Search）做 RAG、Document Intelligence（前身 Form Recognizer）。现在的 5 个考纲领域：Plan and manage Azure AI solution（15-20%）、Implement generative AI solutions（10-15%）、Implement an agentic solution（10-15%，2026 年新增）、Implement computer vision / NLP / knowledge mining（剩余权重）。简单说：这张证现在的核心就是"用 Azure OpenAI + AI Search 搭一个能用的 RAG 应用"。
跟 AWS AIF-C01 的定位差异要说清楚：AIF-C01 是 Foundational，不写代码，65 题概念题，$75，给 PM 和非工程师的"AI 通识证"；AI-102 是 Associate，要写代码，给已经在 Azure 上做后端的工程师"加 AI 标签"。两张证不冲突，但目标人群完全不同。如果你简历上写了"高级软件工程师"还在考 AIF-C01，HR 会觉得你水；如果你写了"PM"还在考 AI-102，面试时一道 SDK 题就露馅。
考试档案
- 考试代码
- AI-102
- 发证机构
- Azure
- 题型
- 单选题 / 多选题 / 案例分析 / 拖放题
- 考试语言
- English / 中文(简体) / 日本語 / 한국어
- 证书有效期
- 1 年
- 考试费
- $165
你会学到的技能
学完能做什么
- 获得微软 Azure AI 工程师认证
- 掌握 Azure OpenAI Service 和 GPT 集成
- 能够构建 RAG pipeline 和智能搜索
- 具备企业级 AI 方案设计能力
- 进入 $120K-$180K 薪资区间
适合这样的你
- 有编程基础的 AI 开发者
- Azure 云平台使用者
- 希望构建企业级 AI 方案的工程师
- 已持有 AZ-900 的进阶学习者
- 对 Azure OpenAI Service 感兴趣的开发者
开始前需要什么
- 熟悉 Python 或 C# 编程
- 了解基本的 REST API 和 JSON
- 建议持有 AZ-900 Azure 基础认证
- 对 AI/ML 概念有基本了解
这些情况建议先考虑其他路径
- 不写代码的 PM / BA / 业务顾问 — AI-102 大量 SDK 代码题，应考 AI-900（$99）或 AWS AIF-C01（$75）
- 想做 LLM 基础研究 / transformer 算法的 ML 研究员 — 这张证完全不考模型内部，看 Stanford CS336 更对口
- 公司技术栈完全是 AWS 或 GCP 的工程师 — 学了 Azure OpenAI 用不上，应考 AWS MLA-C01 或 GCP ML Engineer
- 零编程基础的转行者 — 假设你能读 Python / C#，否则先用 1-2 个月学 Python + 考 AI-900 建立基础
- 已经有 5 年以上 Azure 架构经验的资深 Solutions Architect — Associate 级别在简历上加分有限，应考 AZ-305 或专家路径
考试会考什么
25%规划和管理 Azure AI 方案
Plan and Manage an Azure AI Solution
规划和管理 Azure AI 方案
Plan and Manage an Azure AI Solution
10%实现决策支持方案
Implement Decision Support Solutions
实现决策支持方案
Implement Decision Support Solutions
15%实现视觉方案
Implement Azure AI Vision Solutions
实现视觉方案
Implement Azure AI Vision Solutions
25%实现自然语言处理方案
Implement NLP Solutions
实现自然语言处理方案
Implement NLP Solutions
25%实现生成式 AI 方案
Implement Generative AI Solutions
实现生成式 AI 方案
Implement Generative AI Solutions
一步一步，准备好考试
9 个章节 · 学习路径
安排你的备考
- 课程学习时长
- 50h
- 有相关实操经验
- 4-6 周
- 从基础开始
- 8-12 周
- 建议日投入
- 1-2h
备考支持
- 9 个系统化学习章节
- 250+ 精选练习题
- 2 套完整模拟考试
- 覆盖 Azure OpenAI / GPT 集成
- RAG pipeline 实战
- 12 个月免费续期
1. 第一阶段：搭一个能跑的 Azure OpenAI 环境（3-5 天）
先把环境搞通再说理论。在 Azure Portal 申请 Azure OpenAI Service 访问权限（现在大部分订阅自动开通，不需要再填表单），创建一个资源、部署一个 gpt-4o-mini 和一个 text-embedding-3-small。然后用 Python SDK（openai 库 + azure_endpoint 参数）跑通第一个 chat completion，并且对比一下跟 openai.com 公共 API 的代码差异。这一步亲手做完，AI-102 里 30% 的题对你就是送分题。
2. 第二阶段：手写一个 RAG Chat 应用（1-2 周，最重要）
不要跳过这一步。用 Azure AI Search（hybrid search：vector + BM25）+ Azure OpenAI 自己搭一个最简单的"上传 PDF → 问答"应用。具体清单：用 Document Intelligence 的 prebuilt-layout 模型解析 PDF、用 text-embedding-3-small 生成 embedding 写入 AI Search 的 vector field、查询时用 hybrid + semantic ranker、再把 top-k 结果塞进 GPT-4o 的 system prompt。这一套自己手动跑一遍，比刷 100 道题都管用——AI-102 考的就是这个流程的每个细节。
3. 第三阶段：刷 Microsoft Learn 官方学习路径 + 读 SDK 文档（1-2 周）
Microsoft Learn 上的 "AI-102: Designing and Implementing a Microsoft Azure AI Solution" 完整学习路径是免费的，里面每个模块带 sandbox 实验环境，权威性高于任何第三方课。同时把 azure-ai-formrecognizer、azure-ai-textanalytics、azure-ai-vision、azure-search-documents 这几个 SDK 的快速入门页面读一遍，考试经常给一段代码让你选缺失的方法名或参数。
4. 第四阶段：刷题 + 重攻 GenAI 和 Agentic 章节（1 周）
MeasureUp 是微软官方背书的题库（贵但质量高），Tutorials Dojo 和 Whizlabs 也有 AI-102 题库。重点刷 Generative AI（10-15%）和 2026 年新增的 Agentic Solutions（10-15%）这两块，因为题目最新、网上免费资源最少。Agentic 部分主要考 Azure AI Foundry 里的 agent service、tool calling、how to ground agents with AI Search——这部分新得很多人备考时漏掉。
5. 第五阶段：模考 + 内容过滤 / 部署 SKU 专项突破（最后 3-5 天）
做 2 套全真模考稳定 75% 以上再去考。考前一定专项复习两个高频送分点：（1）Content Filter 的 4 个等级（Hate / Sexual / Violence / Self-harm，每个有 Low/Medium/High，默认 Medium，企业场景常考怎么调），（2）Deployment SKU 选型（Standard / Provisioned Managed / Global Standard / Data Zone Standard 的延迟、配额、合规差异）。这两块每场考试基本都有 3-5 题。
这张认证的职业价值
为什么 2025 年之后这张证忽然变重要
2023 年 1 月微软追加投资 OpenAI 100 亿美元之后，Azure OpenAI Service 成了企业级部署 GPT-4 / GPT-4o 的事实标准入口。Fortune 500 里有合规要求的公司（金融、医疗、政府）几乎不会直接调用 openai.com 的公共 API，而是走 Azure OpenAI——因为 Azure OpenAI 提供数据驻留承诺、私有网络、AAD 鉴权、日志审计、内容过滤分级，这些是企业法务能签字的前提。AI-102 现在 30% 的考纲就在考这套企业级 GenAI 落地能力。
ZipRecruiter 和 LinkedIn 在 2026 年初的数据显示，美国市场上 "Azure AI Engineer" 标题的中位数年薪在 $135k–$165k，澳洲在 AUD 130k–155k。这个区间明显高于通用后端开发，溢价点不在"会调 API"——而在"懂怎么把 LLM 安全、低成本、可观测地塞进生产系统"。AI-102 考的就是这套：怎么选 PTU（Provisioned Throughput Units）vs Pay-as-you-go SKU、怎么配 Content Filter、怎么用 Azure AI Search 做 hybrid search、怎么用 Prompt Flow 做评估。
最适合考的三类人：
- 已经在用 Azure 的后端 / 全栈工程师（.NET、Python、Node 都行）：你可能已经在 App Service 或 AKS 上跑业务系统，老板让你"加点 AI"。AI-102 帮你把 Azure OpenAI、AI Search、Document Intelligence 的 SDK 用法系统过一遍，比自己 Google 拼凑高效得多。
- 从 OpenAI 公共 API 转 Azure OpenAI 的应用工程师：你之前用
openai.ChatCompletion.create写过原型，现在公司要上线，必须迁到 Azure。AI-102 把两者的 endpoint 命名、deployment name 概念、AAD 鉴权差异讲清楚，能省掉一周踩坑时间。 - 想从传统 ML 工程师转到 LLM 应用方向的人：你以前用 sklearn / PyTorch 训模型，但 2024 年之后客户需求都变成"接个 GPT-4 上去"。AI-102 不会教你 transformer 内部，但会教你怎么在 Azure 上把 LLM 工程化，这是 LLM 应用工程师的入门门槛。
不适合考的人：
- 不写代码的 PM / BA / 顾问 — AI-102 大量代码题会让你崩溃，应该考 AI-900（$99，纯概念）或 AWS AIF-C01（$75，更便宜）。
- 想做基础模型研究 / 算法工程师 — 这张证完全不考 transformer 数学、不考训练优化、不考 RLHF。应该看 Hugging Face 课程或 Stanford CS336，证书帮不上忙。
- 公司技术栈完全是 AWS 或 GCP 的工程师 — 学了 Azure OpenAI 用不上，对应去考 AWS MLA-C01 或 GCP Professional ML Engineer 更对口。
- 零编程基础的转行者 — AI-102 假设你至少能读懂 Python 或 C# 代码，从零学编程同时备考会非常痛苦，先考 AI-900 建立信心。
- 澳洲
- AUD 110,000 – 165,000
- 美国
- USD 115,000 – 195,000
- 中国
- CNY 320,000 – 600,000
- 新加坡
- SGD 95,000 – 155,000
备考时，做好这些事
- **第二阶段的"手写 RAG 应用"绝对不能跳** — AI-102 的 30% 题目本质上就是在问 RAG pipeline 的每个环节。亲手部署过 `text-embedding-3-small` + AI Search vector field + GPT-4o 的人，相关代码题秒选；只看过文档的人会在相似选项里犹豫。
- **Microsoft Learn 官方学习路径 + sandbox 实验环境是免费的** — 不要花钱买视频课。Microsoft Learn 的 AI-102 学习路径完全免费，每个模块自带 Azure sandbox（不消耗你自己的额度），权威性高于 Udemy 上任何课。
- **关键词 → 服务的反射要练熟** — "OCR + 表格提取" → Document Intelligence prebuilt-layout；"识别图片物体/人脸/品牌" → Azure AI Vision；"实时翻译文本" → Translator；"语音转文字" → Speech to Text；"提取实体/情感/关键短语" → Language service；"调用 GPT-4 / Embeddings" → Azure OpenAI Service；"存 vector + 做 RAG 检索" → Azure AI Search；"端到端 LLM 评估和编排" → Prompt Flow / Azure AI Foundry。这套映射至少送你 8-10 分。
- **AAD 鉴权 vs API Key 鉴权要会区分** — 企业生产环境几乎都要求用 **Microsoft Entra ID（前 AAD）+ Managed Identity** 鉴权，因为 API Key 不能轮换不能审计。题目给"生产环境最佳实践"几乎都选 Managed Identity + RBAC，给"快速 demo"才选 API Key。
- **ESL +30 分钟加时一定要申请** — 母语不是英语就申请 ESL Accommodation，免费多 30 分钟。AI-102 题量 40-60 题、原本 100 分钟左右，加时之后到 130 分钟，对代码题阅读时间充裕得多。报名时在 Pearson VUE 的 Accommodation 页面勾选。
- **遇到 case study 和 drag-drop 不要慌** — AI-102 现在题型包含 case study（一段背景描述 + 多道相关题）和 drag-drop（拖拽代码片段或步骤排序）。case study 先看题目再回头读背景，drag-drop 题如果不确定用排除法，每错一格只扣部分分。
这些误区要避开
- **把 Azure OpenAI Service 跟 OpenAI 公共 API 当成同一个东西** — 这是 AI-102 最高频的概念陷阱。Azure OpenAI 的 endpoint 是 `https://{resource}.openai.azure.com`，调用时必须用 **deployment name**（你自己起的名字）而不是 model name（gpt-4o），鉴权用 AAD token 或 API Key，response schema 略有差异。考试经常给一段代码让你找出"为什么这段代码不能在 Azure OpenAI 上跑"。
- **RAG 和 Fine-tuning 用错场景** — 知识需要频繁更新、需要引用源文档 → **RAG**（Azure AI Search + Azure OpenAI）；需要模型学会特定语气、特定输出格式、特定领域任务 → **Fine-tuning**（Azure OpenAI 支持 gpt-4o-mini / gpt-35-turbo 的微调）。考试题给"客服需要回答最新产品文档"这种场景几乎都选 RAG，给"让模型输出固定 JSON schema"则选 Fine-tuning 或 structured output。
- **不知道 Content Filter 有 4 个类别 × 3 个等级** — Azure OpenAI 的内容过滤有 **Hate / Sexual / Violence / Self-harm** 4 个类别，每个独立配 **Low / Medium / High** 三个阈值，默认全是 Medium。企业场景题常问"金融客服机器人怎么调"——答案通常是把 Hate 调到 Low、Sexual 调到 High（更严格），或者申请 modified content filter。完全不能调到 Off，除非你是 Microsoft 批准的 limited access 客户。
- **Deployment SKU 选错** — Azure OpenAI 现在有 Standard、Provisioned Managed (PTU)、Global Standard、Data Zone Standard 等多种 SKU。**Standard** = pay-as-you-go，配额低延迟不稳；**PTU** = 包月专用算力，延迟稳定，企业生产首选；**Global Standard** = 跨区域路由，最低成本但数据可能跨大区；**Data Zone Standard** = 限制在欧盟或美国大区内，合规场景。题目给"金融客户要求数据驻留在 EU"几乎都选 Data Zone Standard 或 Provisioned Managed in EU region。
- **Document Intelligence 的模型选错** — 通用 OCR 用 `prebuilt-read`；带版式（表格、段落结构）用 `prebuilt-layout`；发票用 `prebuilt-invoice`；身份证 `prebuilt-idDocument`；自定义表单用 custom extraction model。考试常给"提取 PDF 里的表格数据"场景，正确答案是 prebuilt-layout，不是 prebuilt-read。
- **忽略 Azure AI Search 的 hybrid search + semantic ranker** — 2024-2025 年考纲里 RAG 部分的标准答案不再是"纯 vector search"，而是 **hybrid search**（vector + BM25 keyword）+ **semantic ranker**（L2 reranker）。题目给"提升 RAG 检索准确率"几乎都选启用 semantic ranker，这是高频送分题但很多人不知道有这个功能。
报名之前，你可能想问
Azure AI-102 考试的具体形式是怎样的？
AI-102 考试时长 100 分钟，包含约 40-60 道题目，题型包括单选题、多选题、案例分析和拖放题。满分 1000 分，700 分通过。考试费用 $165 USD，支持英文、中文简体、日文、韩文等多语言。认证有效期 1 年，可通过免费续期评估延长。考试通过 Pearson VUE 进行，支持考试中心和在线监考。
2026 年版 AI-102 有哪些重大更新？
2026 年版 AI-102 显著增加了生成式 AI 内容：Azure OpenAI Service 配置和使用（GPT-4、GPT-4o 等模型）、RAG（Retrieval-Augmented Generation）pipeline 构建、Azure AI Search 集成、Prompt Engineering 最佳实践。同时保留了传统 AI 服务：Computer Vision、Language Service、Speech Service、Document Intelligence 等。
AI-102 和 Azure AI-900 有什么关系？
AI-900 是 Azure AI 基础级认证，考查 AI/ML 基本概念和 Azure AI 服务概览，适合入门者。AI-102 是 Associate 级认证，要求动手实现 AI 方案，包括编写代码调用 API、构建 RAG pipeline、配置 Cognitive Search 等。建议先考 AI-900 建立基础，再考 AI-102 深入实践。
备考 AI-102 应该重点学习哪些内容？
按考试权重排列：(1) NLP 方案（含 Azure OpenAI），占 25-30%，是最大考点；(2) 规划和管理 Azure AI 方案，占 25-30%；(3) 计算机视觉方案，占 15-20%；(4) 决策支持方案，占 10-15%；(5) 生成式 AI 方案，占 10-15%。建议 60% 时间花在 NLP 和 Azure OpenAI 相关内容上。
本课程提供哪些学习资源？
本课程提供 9 个系统化学习章节、224 精选练习题、2 套完整模拟考试。配备 AI 智能辅导系统，可根据您的答题表现智能推荐薄弱知识点。覆盖 Azure OpenAI/GPT 集成和 RAG pipeline 实战内容。支持 12 个月免费续期。
通过 AI-102 后的职业前景如何？
AI-102 是 Azure AI 开发领域最核心的认证。持证者适合担任 AI 工程师、ML 工程师、云 AI 开发者等职位，年薪通常在 $120K-$180K 区间。通过 AI-102 后可继续考 AB-100（Agentic AI 架构师）向架构师方向发展，或结合 DP-100 向数据科学方向拓展。
听听学过的人怎么说
评价加载中…
我之前在 AWS 那边混，项目要求迁到 Azure 上接 GPT-4 我只能硬学。AI-102 比我想象的实用——第二阶段手写 RAG 那一步真的是产线上能直接用的代码模板，考完之后我们 demo 上线只花了两周。最有用的是 Content Filter 那部分，之前完全不知道企业版能调级别，差点被合规打回。
A. Liu
后端工程师 5 年，公司要给 SaaS 产品加 AI 客服 · 847/1000 · 5 周
C# 党其实占便宜，因为 Microsoft Learn 的示例默认 C# + Python 双语，文档质量比 AWS 那边整洁。AI-102 里 SDK 题对我基本是送分。难的是 Azure AI Search 的 hybrid search + semantic ranker 那块，我专门花了 3 天 hands-on 才搞清楚 vector field 和 keyword field 的混合打分公式。强烈建议这部分别只看视频，要自己点 Portal。
M. Tanaka
.NET 开发 7 年，转 GenAI 应用方向 · 892/1000 · 4 周
心理落差很大。我以前调超参、写 training loop，现在考的全是怎么调 API、配 deployment、写 prompt template。AI-102 对我反而需要"放下技术骄傲"——它不深，但它考的是工程化细节，我刚开始觉得没意思，刷题才发现自己根本不会选 SKU、不会算 token 成本。考过之后真的接到了第一个 LLM 应用项目 offer。
ML 工程师 3 年，转 LLM 应用
原 PyTorch 训模型，2025 年项目都变成 LLM 应用 · 776/1000 · 8 周
险过。我之前完全没碰过 Azure，从开账号开始学。最大的坑是把 Azure OpenAI 跟 OpenAI 公共 API 当成一回事——它们的 endpoint 格式、鉴权、deployment name 概念完全不同，这个我考前一周才彻底搞清楚。建议零 Azure 基础的人先花两周过 AZ-900 再来啃 AI-102，否则会被 RBAC、Resource Group、Region 这些基础概念绊住。
P. Sharma
全栈工程师 3 年（Node + React），自学转 Azure · 728/1000 · 10 周
从第一章，开始你的备考。
前 2 章免费试学 · 完整备考 $29 起