📋 本章概览
| 信息 | 详情 |
|---|---|
| 考试名称 | Microsoft Azure AI Engineer Associate |
| 考试代号 | AI-102 |
| 考试时长 | 100 分钟 |
| 题目数量 | 约 50 题 |
| 通过分数 | 700 / 1000 |
| 考试费用 | $165 USD |
| 题型 | 单选、多选、案例分析、拖放排序 |
| 语言 | English、中文(简体)、日本語、한국어 |
| 有效期 | 1 年（可免费在线续期） |
| 前置认证 | 强烈建议先考 AZ-900 |
📢 2026 考试更新说明：AI-102 在 2025 年底经历了重大更新——新增了 Azure OpenAI Service、RAG pipeline、Prompt Flow 等内容，大幅增加了生成式 AI 比重。如果你看的是 2024 年之前的备考资料，很多内容已经过时了。
🎯 学习目标
完成本章后，你将能够：
- ✅ 理解 AI-102 考试的整体结构和评分规则
- ✅ 掌握 Azure AI 服务的全景架构——哪些服务做什么
- ✅ 知道 5 大考试领域各占多少分，从而合理分配学习时间
- ✅ 制定适合自己的 8-12 周备考计划
- ✅ 区分 Azure AI Services、Azure OpenAI、Azure AI Search 等核心服务
知识地图
Azure AI-102 考试结构
│
├── 领域 1：规划和管理 AI 方案 ──── 25%
│ ├── 选择合适的 AI 服务
│ ├── 安全与合规
│ └── 部署与监控
│
├── 领域 2：决策支持方案 ────────── 10%
│ ├── Content Safety
│ └── Custom Vision (分类/检测)
│
├── 领域 3：视觉方案 ──────────── 15%
│ ├── Image Analysis 4.0
│ ├── OCR / Document Intelligence
│ └── Face API
│
├── 领域 4：自然语言处理 ─────── 25%
│ ├── Text Analytics
│ ├── Translator / Language Understanding
│ └── Conversational Language Understanding (CLU)
│
└── 领域 5：生成式 AI 方案 ────── 25%
├── Azure OpenAI Service
├── Prompt Engineering
├── RAG pipeline
└── Azure AI Search 集成
🌐 Azure AI 服务全景
在正式学习之前，先搞清楚一个最核心的问题：Azure 上有哪些 AI 服务，它们各自解决什么问题？
这张图用于先建立全景视角：考试里的服务选型题，本质上都是在这个服务分层里做匹配。
很多初学者会被微软的服务命名搞糊涂——名字变来变去，功能又有重叠。我们用一张"部门组织架构"来理清关系。
术语：Azure AI Services（原 Cognitive Services）
- 一句话解释：微软在 Azure 上提供的一组"开箱即用"的 AI 能力，你不需要自己训练模型，直接调 API 就能用。
- 形象比喻：像一家 AI 工具超市——你进来挑一个工具（视觉、语言、语音...），付钱就能用，不需要自己造。
- 考试怎么考：题目会给你一个业务场景，问你"应该用哪个 Azure AI 服务"——选错服务是最常见的丢分点。
- 最易混淆：Azure AI Services 是一个"伞"品牌，下面包含很多子服务。Azure OpenAI 也属于 Azure AI Services 家族，但它是独立计费、需要单独申请的。
Azure AI 服务架构图
这张图补充了服务组件层级，适合做题时快速判断“需求属于哪个产品族”。
Azure AI Services（伞品牌）
│
├── 🔍 Azure AI Vision ────────── 看图、识图
│ ├── Image Analysis 4.0 → 图像描述、标签、物体检测
│ ├── OCR (Read API) → 从图片/PDF 中提取文字
│ ├── Face API → 人脸检测、验证（不再支持识别）
│ └── Custom Vision → 自定义图像分类/目标检测
│
├── 💬 Azure AI Language ──────── 读文字、懂含义
│ ├── Text Analytics → 情感分析、关键短语、实体识别
│ ├── CLU (对话理解) → 替代了旧版 LUIS
│ ├── Translator → 文档/文本翻译
│ ├── QnA Maker → Custom QA → 从文档自动生成 FAQ
│ └── Summarization → 文档/对话摘要
│
├── 🎤 Azure AI Speech ────────── 听声音、说话
│ ├── Speech-to-Text → 语音转文字
│ ├── Text-to-Speech → 文字转语音
│ └── Speech Translation → 实时语音翻译
│
├── 🤖 Azure OpenAI Service ──── 生成式 AI（GPT 家族）
│ ├── GPT-4 / GPT-4o → 文本生成、代码、推理
│ ├── DALL-E → 图像生成
│ └── Embeddings → 文本向量化（用于 RAG）
│
├── 🔎 Azure AI Search ────────── 企业智能搜索
│ ├── 全文搜索 + 向量搜索 → 混合搜索
│ ├── AI Enrichment → 搜索时自动调 AI 处理
│ └── 知识库构建 → RAG 的数据层
│
├── 📄 Azure AI Document Intelligence ── 文档理解
│ ├── 预建模型（发票、收据、身份证）
│ └── 自定义模型（训练你自己的文档格式）
│
└── 🛡️ Azure AI Content Safety ── 内容安全审核
├── 文本审核（暴力、仇恨、色情、自残）
└── 图像审核
📊 五大考试领域详解
AI-102 考试分为 5 个领域，每个领域的分值权重不同。这直接决定你应该在哪里花更多时间。
| 领域 | 权重 | 关键服务 | 学习建议 |
|---|---|---|---|
| 规划和管理 AI 方案 | 25% | 资源配置、安全、监控 | 基础但必考，不要跳过 |
| 决策支持方案 | 10% | Content Safety, Custom Vision | 分值最低，别花太多时间 |
| 视觉方案 | 15% | Vision API, OCR, Face, Document Intelligence | 记住 API 参数和使用场景 |
| 自然语言处理 | 25% | Language, CLU, Translator | 高权重+高频考点，重点投入 |
| 生成式 AI 方案 | 25% | Azure OpenAI, RAG, AI Search | 2026 新增重点，出题最多 |
⚠️ 考试重点：NLP (25%) + 生成式 AI (25%) = 考试的半壁江山。如果备考时间有限，这两个领域必须优先搞定。
题型分布与应对策略
AI-102 不只是选择题，还有几种特殊题型需要提前了解：
| 题型 | 占比 | 特点 | 应对策略 |
|---|---|---|---|
| 单选题 | ~50% | 一个正确答案 | 排除法，注意"最佳"而非"可以" |
| 多选题 | ~20% | 选 2-3 个，题目会告诉你选几个 | 不确定时用排除法，注意"all that apply" |
| 案例分析 | ~15% | 给一个复杂场景，连续 3-5 个问题 | 先通读整个案例，画出架构 |
| 拖放题 | ~15% | 把步骤排成正确顺序或匹配 | 记住 API 调用流程和部署步骤 |
⚠️ 注意：案例分析题一旦提交就不能回头改。在进入案例之前，确保所有独立题都答完了再进。
📖 核心概念快速入门
Azure 资源层级
在学习具体 AI 服务之前，先理解 Azure 的资源组织方式——这决定了你怎么创建和管理 AI 服务。
术语：Resource Group（资源组）
- 一句话解释：Azure 中资源的逻辑容器，所有 Azure 资源必须放在一个资源组里。
- 形象比喻：文件夹。你把相关的文件放在同一个文件夹里方便管理——资源组就是 Azure 资源的"文件夹"。
- 考试怎么考："你需要确保所有 AI 资源在同一个区域，应该怎么组织？"——把它们放在同一个 Resource Group 里，并选择合适的 Region。
- 最易混淆：Resource Group 有 location，但这只是元数据存储位置，组内资源可以在不同 Region。
管理组 (Management Group)
└── 订阅 (Subscription) ─── 计费和资源上限
└── 资源组 (Resource Group) ─── 逻辑分组
├── Azure AI Services (多合一) ─ 一个 endpoint 访问多种 AI
├── Azure OpenAI (独立资源) ─── GPT 模型部署
└── Azure AI Search (独立资源) ─ 企业智能搜索
两种部署 AI 服务的方式
| 方式 | 说明 | 适用场景 | 一句话记忆 |
|---|---|---|---|
| Multi-service resource | 一个 endpoint 访问多个 AI 服务 | 开发测试、项目初期 | "一把钥匙开多扇门" |
| Single-service resource | 每个 AI 服务独立部署 | 生产环境、需要独立计费/监控 | "每扇门一把专用钥匙" |
⚠️ 考试陷阱：Azure OpenAI 不能通过 multi-service resource 访问，它必须独立创建。如果题目说"用一个 endpoint 访问 Vision + Language + OpenAI"——这是做不到的。
API Key vs Microsoft Entra ID 认证
访问 Azure AI 服务有两种认证方式：
| 方式 | 安全性 | 适用场景 | 一句话记忆 |
|---|---|---|---|
| API Key | 较低 | 快速测试、个人项目 | "密码写在纸条上，方便但不安全" |
| Microsoft Entra ID (RBAC) | 高 | 生产环境、企业级应用 | "用工牌刷门禁，安全且可追踪" |
⚠️ 考试重点：只要题目提到"最安全的方式"或"生产环境推荐"，答案一定是 Entra ID + RBAC，而不是 API Key。微软在安全方面的立场非常坚定。
🗺️ 8-12 周备考路线
推荐学习路线
第 1-2 周 ──── 本章 + 规划管理 (Ch1-2)
│ 打好基础，理解全景
│
第 3-4 周 ──── NLP 方案 (Ch5)
│ 高权重领域，优先攻克
│
第 5-6 周 ──── Azure OpenAI + 生成式 AI (Ch6-7)
│ 2026 新重点，实操为主
│
第 7-8 周 ──── 视觉方案 (Ch4)
│ 中等权重，记住 API 和场景
│
第 9 周 ────── 决策支持 + 知识挖掘 (Ch3, Ch8)
│ 低权重 + 搜索补全
│
第 10-12 周 ── 考前冲刺 (Ch9)
模拟考试 + 错题回顾
备考资源
| 资源 | 说明 | 优先级 |
|---|---|---|
| Microsoft Learn 官方路径 | 免费，权威，考试内容直接来源 | ⭐⭐⭐⭐⭐ |
| AI-102 Study Guide | 官方考试大纲，列出所有考点 | ⭐⭐⭐⭐⭐ |
| JR Academy AI-102 题库 | 250+ 精选练习题 + 2 套模拟考 | ⭐⭐⭐⭐⭐ |
| Azure Portal 实操 | 免费账号动手做 Lab | ⭐⭐⭐⭐ |
| Microsoft Applied Skills | 实操认证，证明动手能力 | ⭐⭐⭐ |
📐 Azure AI 服务选型决策树
考试中最常见的场景题就是：给你一个需求，问你该用哪个 Azure AI 服务。用这棵决策树帮助快速定位。
你的需求是什么？
│
├── 需要处理图片/视频？
│ ├── 通用图片分析（标签、描述）→ Azure AI Vision (Image Analysis)
│ ├── 提取文字/表格 → Document Intelligence 或 OCR (Read API)
│ ├── 人脸相关 → Face API（仅限检测和验证，不支持识别）
│ └── 自定义分类（比如产品缺陷检测）→ Custom Vision
│
├── 需要处理文本？
│ ├── 情感分析/关键词 → Text Analytics
│ ├── 理解用户意图 → CLU (Conversational Language Understanding)
│ ├── 翻译 → Translator
│ ├── 从文档生成 FAQ → Custom Question Answering
│ └── 文档摘要 → Summarization
│
├── 需要处理语音？
│ ├── 语音转文字 → Speech-to-Text
│ ├── 文字转语音 → Text-to-Speech
│ └── 实时翻译 → Speech Translation
│
├── 需要生成内容（文本/代码/图片）？
│ ├── 文本/代码生成 → Azure OpenAI (GPT-4)
│ ├── 图片生成 → Azure OpenAI (DALL-E)
│ └── 企业知识问答 → Azure OpenAI + AI Search (RAG)
│
├── 需要搜索/检索？
│ └── 企业文档搜索 → Azure AI Search
│
└── 需要内容审核？
└── 文本/图片安全过滤 → Content Safety
💡 答题技巧：如果题目强调"无需自定义训练"，选预建模型（Pre-built）。如果强调"特定业务场景"，选自定义模型（Custom）。
❓ 常见问题
Q: AI-102 需要会写代码吗？ A: 需要，但不需要很深。考试会给你代码片段（Python 或 C#），让你判断缺少什么参数或哪行代码有误。你需要熟悉 Azure SDK 的基本用法，但不用背完整的 API。
Q: 和 AZ-900 有什么区别？ A: AZ-900 是 Azure 基础通识，什么都学一点但都很浅。AI-102 专注于 AI 服务的开发和集成，深度完全不同。AZ-900 问"这是什么"，AI-102 问"怎么用、怎么选、出了问题怎么排查"。
Q: 2026 年更新了什么？ A: 最大的变化是 生成式 AI 权重从 10% 飙升到 25%，新增了 Azure OpenAI Service 部署、Prompt Engineering、RAG pipeline 和 Responsible AI 的深度考点。旧版的 LUIS 被 CLU 完全替代。
Q: 考试有几次案例分析？ A: 通常 1-2 个案例，每个案例包含 3-5 个关联题目。案例一旦提交不可回退，所以一定要在进入案例前先做完所有独立题。