NVIDIA NCP-AAI 備考路徑：還不能報名，而且官方兩份文件的權重互相矛盾

🌏 English version

本文是從官方資料建出來的備考路徑，不是應考實錄 —— 作者沒有報考這張考試（現階段也無法報考，見下）。所有「考什麼」都指回 NVIDIA 官方認證頁與官方 Exam Study Guide，不含考古題。查證日期：2026-08-18。

NCP-AAI 是少數專攻 agentic AI 的專業級認證，跟微軟的 AI-500 同屬這個稀有類別。但在你花時間準備之前，有兩件事會直接影響可行性。

各家證照的價格、效期與門檻對照見站內的2026 年工程師 AI 證照有哪些，本文不重複。

一、現在還不能報名

官方認證頁的 Register for Exam 按鈕旁邊，標著 「(Coming soon)」。同一頁的姊妹張 NCP-GENL 也是同樣狀態，而兩張 associate 級（NCA-GENL、NCA-GENM）則直接連到 Certiverse 結帳頁。

NVIDIA 沒有公布開放日期。 所以這篇的定位是：考綱已經公開，你可以先照它盤點自己的缺口與安排實作，但別把「考過」排進近期計畫。

二、官方兩份文件的權重不一致

這是我在查證時撞到、而且兩邊都逐字核對過的問題。

官方網頁的表格：

官方 PDF study guide 對其中兩項寫了不同數字：Deployment and Scaling 是 5%、Run, Monitor, and Maintain 是 7%，其餘相同 —— 加總是 92%。

兩份都是 nvidia.com 的官方文件，沒有一版加總到 100%。

怎麼處理：不要挑一個當事實。實務上把 Deployment and Scaling 當成 5% 到 13% 之間的不確定區間，準備時取中間偏保守（當它是 10% 左右）；其餘八項兩版一致，可以照數字配時間。這種官方內部不一致的情況，也是「別把單一來源當定論」的好例子 —— 同一個廠商的網頁與 PDF 都可能對不上。

官方規格速覽

先修條件官方寫得很具體：

1–2 years of experience in AI/ML roles and hands-on work with production-level agentic AI projects. Strong knowledge of agent development, architecture, orchestration, multi-agent frameworks, and the integration of tools and models across various platforms. Experience with evaluation, observability, deployment, user interface design, reliability guardrails, and rapid prototyping platforms is also essential…

注意「production-level agentic AI projects」—— 這不是讀書能補的門檻。

十個主題領域

NVIDIA 把這張切得比其他證照細，十個領域。以下的主題描述取自官方網頁表格。

Agent Architecture and Design（15%） —— 官方描述：「agentic AI 系統的基礎結構與設計，聚焦 agent 在其環境中如何互動、推理與溝通」。條目包含 ReAct 這類推理與行動框架、agent 對 agent 的通訊協定、短期與長期記憶管理、多 agent 工作流編排、用邏輯樹與 prompt 鏈做多步推理、整合知識圖譜做關聯推理。

Agent Development（15%） —— 「agent 的實際建置、整合與強化」。條目包含 prompt 與動態 prompt 鏈、整合生成式與多模態模型（文字、視覺、音訊）、建立自訂工具與 API、錯誤處理（重試邏輯、優雅失敗復原）、即時串流與回饋的動態對話流程。

Evaluation and Tuning（13%） —— 「測量、比較與最佳化 agent 效能」。條目包含評估管線與任務 benchmark、跨任務與資料集比較、結構化使用者回饋的蒐集與整合、準確度與延遲效率的取捨調校。

Deployment and Scaling（5–13%，兩版矛盾） —— 「將 agentic 系統營運化與規模化」。條目包含生產規模的多 agent 部署與編排、MLOps 的 CI/CD、監控與治理、分散式負載下的效能剖析、容器化擴展（Docker、Kubernetes）與負載平衡、成本最佳化與高可用。

Cognition, Planning, and Memory（10%） —— 「智慧 agent 行為背後的核心認知歷程」。條目包含短長期 context 的記憶機制、推理框架（chain-of-thought、任務分解）、序列與多步決策的規劃策略、有狀態編排、依過往經驗調整推理策略。

Knowledge Integration and Data Handling（10%） —— 條目包含 檢索管線（RAG、嵌入搜尋、混合式）、向量資料庫的設定與最佳化、企業資料的 ETL、資料品質檢查與增強、對結構化與非結構化知識的即時存取與推理。

NVIDIA Platform Implementation（7%） —— 這是唯一綁定 NVIDIA 產品的一塊：整合 NeMo Guardrails 做合規與安全、部署 NIM microservices 做高效能推論、用 NeMo Agent Toolkit 最佳化工作流、用 TensorRT-LLM 與 Triton Inference Server 降低延遲、在 NVIDIA 硬體上管理多模態輸入管線。

Run, Monitor, and Maintain（5–7%，兩版矛盾） —— 監控儀表板與可靠性指標、日誌與異常追蹤、持續與前版做 benchmark、自動化調校與重訓練與版控。

Safety, Ethics, and Compliance（5%） —— 系統安全與稽核軌跡、合規 guardrail、偏誤與毒性緩解、分層安全框架（過濾器、升級協定）、授權與法規遵循。

Human-AI Interaction and Oversight（5%） —— 使用者在迴圈中的介面、結構化回饋迴圈、透明機制（可解釋推理、決策可追溯）、人類監督與介入。

這張與微軟 AI-500 的差別

兩張都是 agentic AI 的專業級，值得放在一起看：

NCP-AAI 的平台綁定程度低得意外 —— 十個領域裡只有一個（7%）明確考 NVIDIA 產品，其餘九個都是通用的 agentic 工程知識。這讓它比多數廠商證照更接近「廠商中立」，也代表準備它的過程對你的實際工作比較有轉移價值。

官方建議的五門課

NVIDIA 在頁面上列出建議訓練，每門標價（全部付費，這是 NVIDIA 的一貫作法）：

自學四門合計 $300，加上講師課那門是 $800。

取捨建議：Building Agentic AI Applications With LLMs（$90） 最直接對應 Agent Development 那 15%；Evaluating RAG and Semantic Search Systems（$30） 對應 Evaluation and Tuning 13% 且最便宜。這兩門 $120 是投報率最高的組合。Adding New Knowledge to LLMs 的 $500 講師課在考綱裡對應的內容不多，除非公司出錢否則可略過。

現階段怎麼準備

因為還不能報名，正確的做法不是排讀書計畫，而是照考綱盤點缺口：

1. 十個領域當檢核表，每項問自己「我在生產環境做過嗎」—— 官方先修條件要求的就是這個
2. 補平台那 7%：NeMo Guardrails、NIM microservices、NeMo Agent Toolkit、TensorRT-LLM、Triton，這五個是唯一無法從通用 agent 經驗轉移過來的
3. 等開放報名再買課：DLI 課程沒有效期壓力，但考綱可能隨開放而調整，太早買可能學到被改掉的內容

站內的 Agent 安全的 harness 層與 RAG 評估框架可以直接對應到 Safety 那 5% 與 Evaluation 那 13%。

會過期的東西（下次複查看這裡）

參考資料

• NCP-AAI 官方認證頁（規格、blueprint、建議課程）
• NVIDIA 認證總覽與 FAQ（計分、重考、續期）

站內相關

• 2026 年工程師 AI 證照有哪些
• NVIDIA NCA-GENL 備考路徑
• 微軟 AI-500 備考路徑（另一張 agentic 專業級）