AWS MLA-C01 vs AIP-C01：你应该考哪个 AWS AI 认证？

AWS 在 2024-2025 年重新调整了其 AI/ML 认证产品线，结果是出现了三个容易混淆的考试：

• AIF-C01 — AWS 认证 AI 实践者。基础级别。100 美元。友好的入门。
• MLA-C01 — AWS 认证机器学习工程师助理。150 美元。动手实践的助理级别。取代了旧的 MLS-C01 专项认证。
• AIP-C01 — AWS 认证 AI 工程师专业。300 美元。新的专业级别考试，自 2025 年末起普遍可用，面向从事生成式 AI 和大规模 ML 系统的高级架构师。

如果你已经通过 AIF-C01，并且正在 MLA-C01 和 AIP-C01 之间做选择——这才是真正的问题——答案取决于你日常从事何种 AI 工作。它们不像 SAA → SAP 那样是递进关系。它们是两种不同的工作。

每个考试的考点

MLA-C01 (机器学习工程师助理)

65 道题，130 分钟，按比例评分 720/1000 分为及格。考试指南细分如下：

领域	权重
ML 数据准备	28%
ML 模型开发	26%
ML 工作流的部署和编排	22%
ML 解决方案监控、维护和安全	24%

这意味着：作为一名 ML 实践者，你将被端到端地测试 SageMaker。包括 Feature Store、Data Wrangler、Processing jobs、Training jobs、超参数调优、多模型端点、实时 vs 异步 vs 批处理推理、Model Monitor、Clarify、MLflow 集成。此外，当它们与 ML 工作流结合时，还会考查相关的 AWS 服务——S3、Glue、EMR、Step Functions、EventBridge。

这是实操性考试。问题假设你已经在 SageMaker 中训练了模型、部署了模型，并观察了它在生产环境中的漂移。纯理论考生会感到吃力。

AIP-C01 (AI 工程师专业)

2025-2026 年的考试指南在设计上比 MLA-C01 更侧重于生成式 AI。预计会考查：

• Amazon Bedrock 的架构深度——模型选择（Claude、Llama、Titan、Mistral、Stable Diffusion）、提示工程、防护栏（guardrails）、代理（agents）、知识库、微调选项、自定义模型导入。
• RAG 架构——向量存储（带有向量引擎的 OpenSearch Serverless、Aurora pgvector、Bedrock 知识库、Kendra）、分块策略、检索评估。
• 生成式 AI 评估——Bedrock 中的模型评估作业、人工评估工作流、幻觉测量、越狱测试。
• AWS 上的负责任 AI——Bedrock Guardrails、内容过滤、PII 编校、引用可追溯性。
• 大规模 MLOps——许多与 MLA-C01 相同的 SageMaker 概念，但情景问题会深入好几层，包括多账户 ML 平台。
• 组织规模的成本和运营——Bedrock 的预置吞吐量与按需吞吐量、容量规划、爆炸半径设计。

这是一项 180 分钟的专业考试，价格 300 美元，形式类似于 SAP-C02——长的情景问题，包含大量技术上正确但并非最佳选择的干扰项。

各自的适用人群

MLA-C01 适用于构建生产 ML 系统的 ML 工程师。你编写训练脚本、调整超参数、调试在第 7 个 epoch 崩溃的训练作业。你可能拥有 Python 数据科学背景，并且已经熟悉 SageMaker。

AIP-C01 适用于设计组织级生成式 AI 能力的高级架构师、AI 策略师和平台负责人。你做出技术选型决策，例如选择哪个 Bedrock 模型、哪个向量存储、哪个防护栏策略。你考虑 RAG 架构、幻觉率，以及如何在不泄露 PII 的情况下向 50,000 名员工推出聊天机器人。

大致来说：

如果你是...	考...
构建自定义模型的 ML 工程师/数据科学家	MLA-C01
将 Bedrock + RAG 集成到应用程序中的软件工程师	AIP-C01
AI 架构师或平台负责人	AIP-C01
对 AI 好奇的通用云架构师	先 AIF-C01，然后 AIP-C01
没有生产 AI 经验的职业转换者	AIF-C01，积累经验，然后任选其一

先决知识

对于 MLA-C01：

• 工作级别的 Python、pandas、numpy、scikit-learn。
• 对模型训练的实际理解——过拟合是什么样子，为什么划分训练/验证/测试集，正则化有什么作用。
• SageMaker 实操经验。那些只研究文档但从未部署过端点的人总是在考试中遇到障碍。
• 推荐预备认证：如果你不熟悉 AWS AI 服务，可考 AIF-C01。SAA-C03 有帮助但非必需。

对于 AIP-C01：

• 扎实的 AWS 架构基础（至少 SAA-C03 级别，理想情况下有 SAP-C02 的感觉）。
• Bedrock 实操——调用模型、构建小型知识库、配置防护栏、运行模型评估作业。
• 熟悉至少一种基础模型 API 的提示级别操作。你不会被要求从头开始微调，但会被要求设计微调 vs 提示调优 vs RAG 的决策框架。
• 推荐预备认证：AIF-C01，理想情况下加上 MLA-C01 或 SAP-C02，以展现专业级思维。

应该先考哪个

坦诚的答案是：在未来 12 个月内你所申请的工作所对应的认证。不要同时考取两个，除非你确实同时从事这两种类型的工作——它们在 SageMaker 上有显著重叠，但在其他方面有显著差异，为了完整性而追求两者大约需要 200-300 小时的学习时间，这些时间你可以花在其他地方。

如果你处于职业生涯早期或中期，并选择一个作为 ML 转型的基础，MLA-C01 是更稳妥的选择。它是助理级别，更便宜，准备工作更具体（SageMaker 有明确的答案，而生成式 AI 架构仍在快速发展），并且角色匹配度更广。大多数在 2026 年招聘“ML 工程师”的公司都会将 MLA-C01 视为一个可信的信号。

如果你已经是一名高级架构师，并且你的路线图上写着“搭建一个内部生成式 AI 平台”，那么 AIP-C01 是正确的认证。关于 Bedrock、RAG 和多账户 ML 平台设计的案例研究问题将促使你真正规划你受雇构建的架构。

薪资预期

认证本身不会直接带来薪水，但有以下数据点：

• levels.fyi 2025-2026 FAANG 公司的 ML 工程师：L5 级别（高级）总薪酬 20 万至 32 万美元；L6 级别（主管/资深）30 万至 50 万美元以上。AWS 的“应用科学家”也适用相同范围。
• 美国劳工统计局职业就业统计（U.S. BLS OEWS）2024 年 5 月，职业 15-1221（计算机与信息研究科学家，涵盖 ML 研究员和 ML 工程师）：中位数 14.5 万美元，90% 分位数约为 23 万美元。
• Glassdoor / Built In 中“高级 ML 工程师”或“AI 工程师”在主要美国大城市的基本工资：14.5 万至 22 万美元。
• 对于 AIP-C01 最相关的高级 AI 架构师/AI 平台负责人职位：大型科技公司的总薪酬为 25 万至 40 万美元，在建立内部 AI 平台的成熟企业中为 18 万至 28 万美元。

认证带来的薪资增幅与 SAA-C03 类似：当认证列在资格要求中时，跳槽时可增加 5 千至 2 万美元；否则几乎为零。MLA-C01 与 AIP-C01 的选择本身并不会显著影响薪资——你所瞄准的职位才会。相同资历级别的高级 AI 架构师通常比 ML 工程师薪资更高，因为这类职位更稀缺，且影响力更广。

合理的考证顺序

如果你两者都考：

1. 如果你是 AWS AI 服务新手，先考 AIF-C01。一个周末，100 美元，让你掌握基本词汇。
2. 如果你是 ML 实践者，其次考 MLA-C01。如果你是高级架构师且不编写训练代码，则可跳过。
3. 最后考 AIP-C01。专业级考试在你至少有一个基于 Bedrock 的系统投入生产之后效果最好。否则，情景问题会感觉很抽象。

在哪里学习

两者都有官方的 AWS Skill Builder 路径。MLA-C01 的官方学习指南 PDF 比 AIP-C01 的更完善，仅仅是因为 AIP-C01 较新，课程内容仍在整合中。可以参考 re:Invent 2024-2025 年关于 Bedrock 和 SageMaker 的会议，那些本质上是 AIP-C01 的讲座形式阅读清单。

当你准备好刷题时，CertLabPro 上的 MLA-C01 题库 和 AIP-C01 题库 都按领域权重组织，因此你可以优先练习重要考点。选择与工作匹配的认证，而不是看起来最闪亮的徽章。