$99 拿一张永不过期的微软 AI 词汇表证书，对销售/BA/PM 和微软生态合作伙伴值；想做 AI 工程的直接跳 AI-102。
这张认证到底考什么
先把考试形式、适合人群、备考时长和学习范围讲清楚，再决定要不要投入时间。
Microsoft Certified: Azure AI Fundamentals（AI-900）是微软 Azure 认证体系里 AI 方向的入门级证书，2020 年 4 月上线，2024 年加入"生成式 AI 工作负载"领域后变成现在的版本。和 AZ-900、SC-900、MS-900 一样，它属于 Microsoft 的 Fundamentals 系列，永不过期 —— 这是它和 AWS AIF-C01（3 年有效期）最关键的差别之一。
考试费 $99 USD，40-60 题、60 分钟、700/1000 及格，全部是单选 / 多选 / 拖拽 / 判断题，不要求任何代码能力。考纲 5 个领域：AI 工作负载与注意事项（15-20%）、机器学习基本原理（20-25%）、计算机视觉（15-20%）、自然语言处理（15-20%）、生成式 AI（15-20%）。所有题目都是"识别这是什么场景该用哪个 Azure AI 服务"，不会让你写 Python、不会让你解释反向传播、不会让你看 ROC 曲线。
它的真实定位是"AI 通识 + Azure Cognitive Services / Azure AI Studio 服务目录熟悉度测试"。题目会问你 Azure AI Vision、AI Language、AI Speech、Document Intelligence、Azure OpenAI Service 这些服务分别用在什么场景，会问你 Content Moderator 和 Personalizer 的区别，会问你分类（classification）/ 回归（regression）/ 聚类（clustering）三类机器学习任务怎么区分，会问 Responsible AI 六大原则（Fairness、Reliability、Privacy、Inclusiveness、Transparency、Accountability）。
和 AWS AIF-C01 横向比：AI-900 更便宜（$99 vs $75 实际差不多但 AIF 经常打折）、更简单、词汇为主；AIF-C01 更技术、加入了 shared responsibility model 和更多 prompt engineering 细节。如果你已经在 AWS 生态里工作，考 AIF-C01；如果客户是微软合作伙伴 / Fortune 500 传统企业 / 政府 / 银行，考 AI-900。微软经常通过 Microsoft Virtual Training Days 发免费考试券，参加一天免费在线培训就能省 $99，强烈建议先去 events.microsoft.com 搜一下再付费。
你会反复碰到的核心服务
学完以后你能带走什么
- 获得 Microsoft 官方认可的 Azure AI Fundamentals 认证
- 掌握人工智能与机器学习核心概念
- 了解计算机视觉和自然语言处理应用场景
- 理解生成式 AI 工作负载和负责任 AI 原则
考试详情
适合谁考
适合人群
- 希望了解 AI 基础概念的 IT 从业者
- Azure 云计算从业者希望扩展 AI 技能
- 业务分析师和产品经理
- 计算机科学/数据科学专业学生
- 准备进阶 Azure AI Engineer 认证的人员
开始前最好先有
- 无特定编程背景要求
- 建议了解基本的云计算概念
- 对人工智能和机器学习有基本兴趣
- 建议有基础的 Azure 使用经验
值不值得考？职业价值
Azure AI Fundamentals 持证人的薪资区间、对应岗位、以及真实的职业影响。
先说真话：AI-900 不是工程岗的敲门砖
它是 Fundamentals 级别证书，对应的不是某个具体岗位，而是"会用 AI 词汇和微软同事开会"的标签。社区数据显示 AI-900 单证持有者的薪资增幅约 5-12%，主要靠"内部转岗 + 项目机会 + 客户信任度"，不是直接加薪。真正的薪资跃升来自 AI-900 + 1 年实操或者升级到 AI-102（Azure AI Engineer Associate） 之后 —— 澳洲 Azure AI Engineer 中位数能到 130k-160k AUD，AI-900 单独最多帮你跨进面试门槛。
这张证最有价值的三类人：
- 业务分析师 / 产品经理 / 项目经理：你不用自己训模型，但你要在需求评审里听懂"我们要做一个 RAG 应用，用 Azure AI Search + Azure OpenAI"，要能判断"这个需求该用 prebuilt Cognitive Service 还是 fine-tune 一个 GPT-4o"。AI-900 给的就是这套词汇 + 服务地图。
- 微软合作伙伴体系内的销售 / Pre-sales / Customer Success：微软 Solutions Partner 等级要求企业必须有一定数量的认证员工，AI-900 是计入条件的入门证之一。Accenture、Avanade、Deloitte 这类咨询公司会让非技术员工集体考。客户问"Azure OpenAI 和 ChatGPT 是不是一回事"你必须能立刻答出"Azure OpenAI 跑的是同样的 GPT-4o 模型，但部署在你的 Azure 租户里、数据不出企业边界、走企业 SLA"。
- 完全零基础但想转 AI 方向的人：相比 AIF-C01 题目结构上 AI-900 更直接，永不过期 这一点对学生和转行者意义大 —— 考一次终身有效，不用每 3 年续。
不适合考 AI-900 的人：
- 想做 AI 工程师 / ML Engineer：AI-900 不会让你的简历在工程岗 HR 那里加分，直接冲 AI-102（Azure AI Engineer Associate）效率高 10 倍，AI-102 涵盖 AI-900 全部内容并加入实际 SDK 调用、Prompt Flow、Azure AI Search 集成。
- 公司技术栈是 AWS 或 GCP：客户和同事不会用 Azure 服务名沟通，AI-900 在这种环境下零杠杆，应该考 AIF-C01 或 GCP 的 Generative AI Leader。
- 已经有 1+ 年生成式 AI 实操经验的工程师：你的 GitHub 项目和实际产品远比 Foundational 证有说服力，AI-900 反而显得"基础证才考过"。
考试域分布
这里不是装饰信息，它决定你应该先把时间砸在哪些知识域上。
学习内容分布
1. 描述 AI 工作负载与注意事项
Describe AI Workloads and Considerations
2. 描述 ML 基本原则
Describe Fundamental Principles of ML
3. 描述计算机视觉特性
Describe Features of Computer Vision
4. 描述自然语言处理特性
Describe Features of NLP
5. 描述生成式 AI 特性
Describe Features of Generative AI
备考节奏
有 AWS 实操经验
零基础切入
建议日投入
学习路径预览
7 章分阶段备考路径
过来人总结的分阶段备考节奏，按周拆分，不是空话。
第一阶段：跑完 Microsoft Learn 官方 AI-900 学习路径（4-6 天）
去 learn.microsoft.com 搜 "AI-900 learning path"，里面有 5 个模块共约 10-12 小时的免费课程，完全对应五大考试域，由微软自己出。这是全网最好的 AI-900 资料，没有之一。重点过：分类 vs 回归 vs 聚类三类 ML 任务的区别、Azure AI Vision / Face / Document Intelligence / Custom Vision 各自的用途、Azure AI Language 里 sentiment / entity recognition / key phrase extraction / language detection 的区别、Azure OpenAI Service 和普通 OpenAI 的差异、Responsible AI 六大原则。
第二阶段：抢 Microsoft Virtual Training Days 免费考试券（1 天）
去 events.microsoft.com 搜 "AI-900 Virtual Training Day"，每个月微软官方都办一天免费在线培训，参加完会送一张 AI-900 考试券，能直接省 $99。这一步**先做不要拖**，因为名额按月放出，临近考试再找可能赶不上。培训本身也覆盖考纲，等于免费带你过一遍。
第三阶段：在 Azure AI Studio 实际点一遍服务（2-3 天）
注册 Azure 免费账户，在 Azure AI Studio / Azure Portal 里实际开一个 Azure AI Vision 资源、上传一张图试试 OCR；开一个 Language 资源做一次 sentiment analysis；在 Azure OpenAI Studio 里调一次 GPT-4o（如果账户已开通），调一下 temperature 看输出变化。这些操作每个 5 分钟，但能把抽象服务名变成肌肉记忆，考试有大量"以下哪个 Azure 服务用来做 X"的题，亲手点过的人正确率明显更高。
第四阶段：刷题 + 模考冲刺（最后 5-7 天）
至少做 200 道练习题 + 2-3 套全真模考。每道错题都要回去看官方文档对应那一段，**不要只记答案**，因为生成式 AI 章节是新加的、题库还在变化，死记硬背很容易翻车。模考稳定 800/1000 以上再去考。考试可以选 Pearson VUE 线下或 OnVUE 在线监考，新手强烈建议线下 —— OnVUE 对环境要求严苛（桌面清空、360 度展示房间、不能戴手表）。
通过者的真实经验
过来人的备考时长、分数、以及踩过的坑。
公司接了一个微软合作伙伴项目，要求销售团队全部考 AI-900。我完全非技术背景，第一周看 Microsoft Learn 的时候 Cognitive Services 那一堆服务名直接劝退 —— Vision、Face、Custom Vision、Document Intelligence、Form Recognizer，听起来都差不多。后来我做了一张 Excel 表把每个服务对应的"客户场景"列出来（比如客户说"自动读发票"= Document Intelligence），背完那张表，模考立刻 800+。建议非技术同学不要按服务名学，按"客户问题"反向学。
我是 BA，公司在评估 Azure OpenAI 替换内部呼叫中心的方案，被推去考 AI-900。最难的是机器学习那一章 —— classification / regression / clustering / forecasting 这四种任务怎么区分，每次都搞混。最后用一句话记住：要预测"是哪一类"=classification，要预测"数值"=regression，要"自动分组"=clustering，要预测"未来趋势"=forecasting。这一招过了之后整章正确率从 50% 拉到 90%。免费券是真的有，我参加 Virtual Training Day 拿到的，省了 $99。
纯营销背景，零代码经验，是为了带 AI 营销项目去考的。最容易混淆的是 Content Moderator 和 Personalizer：前者是审内容（图片/文字里有没有不当信息），后者是个性化推荐（给用户推该看哪条内容），名字看起来都"和内容有关"，考试爱在这里挖坑。建议用一句话记：Moderator = 守门员，Personalizer = 推荐官。Responsible AI 六大原则我用首字母编了一个口诀（FRPITA），三天就背下来了。考的时候 Responsible AI 这部分一题没错。
同赛道认证对比
| Azure AI Fundamentals | Azure AI Engineer | AWS AI Practitioner | |
|---|---|---|---|
| 机构 | Azure | Azure | AWS |
| 级别 | 基础级 | 助理级 | 基础级 |
| 考试费 | $99 | $165 | $75 |
| 时长 | 45 min | 100 min | 90 min |
| 题量 | 50 | 50 | 65 |
| 有效期 | 0 年 | 1 年 | 3 年 |
备考技巧与常见失误
**优先抢免费考试券**：每月 Microsoft Virtual Training Days 都有 AI-900 专场，参加一天免费在线培训送考试券，能省 $99。报名前先去 events.microsoft.com 搜 "AI-900 Virtual Training Day"，**先抢券再开始复习**。
**ESL 加时**：母语非英语考生可以申请 ESL Accommodation 多 30 分钟，AI-900 原本 60 分钟，加完 90 分钟，差别巨大。报名时在 Accommodation 选项里勾选。
**关键词敏感**：看到 "extract text from images" 想到 OCR / AI Vision；看到 "extract fields from invoices" 想到 Document Intelligence；看到 "classify customer feedback into positive/negative" 想到 Sentiment Analysis / AI Language；看到 "generate marketing copy" 想到 Azure OpenAI；看到 "prevent harmful content" 想到 Content Moderator / Content Safety。
**多选题题目会告诉你选几个**：看到 "Select 2" 或 "Select 3" 严格按要求选，多选少选都算错。AI-900 多选题大约占 10-15%。
**Case Study 留到最后做**：考试中后段有 case study（围绕同一个虚构公司的 5-7 题），占用时间多。先把前面单选多选刷完，剩余时间集中啃 case study。
**线下考试优于在线**：有 Pearson VUE 实体考点的城市优先选线下。OnVUE 在线监考要求桌面清空、360 度展示房间、不能戴手表、不能离开座位，新手紧张容易出问题。
**把 Cognitive Services 几个 Vision 类服务全混淆** — Azure AI Vision 是通用图像分析（OCR、标签、描述），Custom Vision 是自己上传图片训练分类器，Face 专做人脸（检测/识别/属性），Document Intelligence（原 Form Recognizer）专门提取发票/收据/表单结构化字段。题目每次都问"以下哪个最适合 X 场景"，必须分清。
**搞不清 classification / regression / clustering 三类 ML 任务** — Classification 预测离散类别（垃圾邮件 yes/no），Regression 预测连续数值（房价多少），Clustering 是无监督自动分组（把客户分成 5 群但事先不知道每群是什么）。考试至少 3-5 题考这个区分。
**生成式 AI 和传统 ML 混为一谈** — 传统 ML 要训练数据 + 标签 + 模型；生成式 AI 用的是预训练的基础模型（foundation model），通过 prompt 调用、可选 fine-tune 或 RAG。考题会问"以下哪个属于生成式 AI 工作负载"，混淆必错。
**Content Moderator vs Personalizer 不分** — Content Moderator 是审内容（屏蔽不当文字/图片），Personalizer 是用强化学习做个性化推荐（给用户推什么内容/广告）。两个名字都"和内容有关"，但功能完全相反，每次必考。
**Azure OpenAI Service 和普通 OpenAI 当成一回事** — 跑的模型相同（GPT-4o、GPT-4、Embeddings），但 Azure OpenAI 部署在你的 Azure 租户里，数据不会被用来训练 OpenAI 的模型，走企业 SLA + 区域合规。考企业场景题（医疗/金融/政府）几乎一定选 Azure OpenAI 而不是 OpenAI API。
**Responsible AI 六大原则张冠李戴** — Fairness、Reliability and Safety、Privacy and Security、Inclusiveness、Transparency、Accountability。题目会给一个场景（比如"自动招聘工具歧视女性候选人"）问违反了哪条，必须能对号入座。