LMCC（大模型能力认证）是由中国计算机学会官方重磅推出的能力认证，依托学界、产业界专家搭建标准化考核体系，是国内认可度极高的专业AI能力测评项目，填补了大模型应用能力标准化认证的空白。
大模型与智能体技术持续演进，重塑软件开发、科学研究和产业实践，也对人才知识结构与能力评价提出新要求。CCF据此推出LMCC大模型能力认证项目。CCF常务理事、LMCC技术委员会主席文继荣教授认为，LMCC项目的意义不只在于一项认证，更在于把快速变化的技术转化为可学习、可实践、可评价的能力框架，为AI时代人才成长建立清晰路径。
大模型是探索通用人工智能（AGI）的重要技术路径。先进模型已展现出很强的问题求解能力，并在软件、科研和行业流程中形成新的应用方式。技术越快发展，越需要系统化的知识梳理、实践训练和质量评价。LMCC聚焦大模型和智能体技术，随技术演进更新内容，努力在变化中建立相对稳定的学习坐标与评价尺度。
LMCC的价值应从“认证结果”延伸到“能力建设”：以分层知识框架帮助学习者明确目标，以实践导向评价推动概念理解、工程实现、问题解决和应用创新相贯通；也为院校和产业描述课程目标、岗位需求与人才能力提供共同语言。
文继荣将LMCC关注的人才概括为三类：底层核心研发人才、领域融合应用型人才和大众应用普及人才。三者分别对应技术创新、产业融合和社会普及需求，构成从前沿研发到广泛应用的人才梯度。
底层核心研发人才
该类人才面向大模型和智能体的关键技术研究，需要掌握较完整的理论体系、底层架构和工程实现能力。相关人才需求和市场关注度持续提升，评价重点应放在知识深度、技术严谨性、编码能力和原创性问题解决上。LMCC可通过明确能力边界和实践要求，为学习者展示专业积累提供参考。
领域融合应用型人才
该类人才强调“大模型能力+行业知识”。金融、法律、媒体、制造等领域的从业者未必从事底层研发，但应理解模型边界，掌握模型适配、检索增强、系统集成等方法，能围绕真实问题选择工具、设计流程并验证效果。LMCC的意义，在于促进跨学科知识转化为可靠、可落地的解决方案。
大众应用普及人才
该类人才面向更广泛的社会群体，重点不是深度研发，而是安全、合理、有效地使用AI工具解决实际问题。随着大模型进入日常场景，理解其适用范围、基本风险和使用规范，将成为数字素养的重要组成部分。LMCC致力于为能力普及提供有组织的学习路径，但仍需持续完善标准。
LMCC不能简单复制传统信息学竞赛模式。传统竞赛以数据结构和算法体系为核心；大模型技术迭代快、场景更复杂。LMCC既要考察基础知识，也要重视工程实践、问题解决和应用创新，并设置分层目标：核心研发侧重原理、架构与编码，融合应用侧重场景分析与系统构建，大众普及侧重模型使用、结果判断和规范意识。考核内容应动态更新，并保持标准公开、过程严谨、结果可解释。
从长远看，LMCC可以成为连接学习者、院校、科研与产业需求的一种能力语言。对教育端，它可为课程建设、实践训练和跨学科学习提供参照；对产业端，它有助于把“懂大模型”转化为可描述的知识、技能和项目经验；对社会端，它可降低理解和使用大模型的门槛，推动公众从“会用模型”走向“能判断结果、知边界、负责任地应用”。这种连接，是LMCC超越单次考试的重要意义。
需要强调的是，认证价值首先来自学习过程、能力提升和实践成果。LMCC证书可作为个人大模型能力与实践经历的参考材料之一，具体适用范围和评价方式以相关政策以及院校、导师和用人单位要求为准。CCF将努力推动提升LMCC认证在教育界、科技界和产业界的认可和采纳，但项目的社会认可度最终应由规范标准、公开实践和持续质量建设逐步形成。
面向快速演进的人工智能技术，人才培养和能力评价需要长期建设。LMCC的发展关键，在于吸收各界的实践反馈，完善分层标准、更新认证内容、强化质量保障。只有经得起学习者、院校和用人单位共同检验，LMCC才能成为AI时代人才培养与能力评价体系的重要组成部分，更好发挥技术普及、人才成长和产业连接作用。
文继荣
CCF常务理事、LMCC技术委员会主席，中国人民大学高瓴人工智能学院执行院长、教授。曾任微软亚洲研究院高级研究员和互联网搜索与挖掘组主任。入选国家高层次人才计划、北京市卓越青年科学家计划等。长期从事人工智能和大数据领域的研究工作，至今已在国际著名学术会议和期刊上发表论文500余篇，论文总计被引用70000余次。近年来专注大模型的研发，带领团队研发了第一个中文多模态大模型"文澜”和有自主知识产权的“玉兰”系列大模型。担任中央统战部党外知识分子建言献策专家组科技组成员、北京市第十四届政协常委等。
相关阅读：
点击“阅读原文”，了解更多LMCC资讯。