因参与楼层不满足开奖条件，本活动不开奖。-------------------------------------------------------------------参加“一键部署AI生图应用”项目在本活动帖下回帖，提出你的问题与建议有机会获得开发者定制礼品【体验项目】一键部署AI生图应用【体验简介】开发者可以体验基于华为云函数工作流FunctionGraph提供的应用中心，一键部署热门开源AI生图应用StableDiffusion，即开即用，支持文生图、图生图、局部重绘等【体验形式】1.登录注册华为云账号，购买9.9元函数GPU资源包；2、根据指引一键部署AI生图应用。【活动时间】2024年9月13-10月12日【参与方式】直接在此活动帖下方回帖，将体验完成的截图和您的问题/建议/感受一起回帖即可比如体验中遇到的问题，对产品的建议、对活动感受等等PS：不要少于30字哦~【获奖规则】可提前填写获奖信息收集表，后续如您中奖，我们会及时发货，谢谢。获奖信息收集表： cid:link_0【活动规则】1、本帖的回帖建议不少于30字，仅限于对“一键部署AI生图应用”体验项目，其他项目建议不参与此次活动，否则将视为无效内容。2、本次活动将根据实际参与情况发放奖励，包括但不限于用户百分之百中奖或奖项轮空的情况；实物奖品具体发放视出库情况而定； 3、活动预计于结束后七天内完成奖项公示，并于结束后15个工作日内完成邮寄。【温馨提示】1、请务必使用个人实名账号参与活动（IAM、企业账号等账号参与无效）。如一个实名认证对应多个账号，只有一个账号可领取奖励，若同一账号填写多个不同收件人或不同账号填写同一收件人，均不予发放奖励。2、所有获得奖品的获奖用户，请于获奖后3日内完成实名认证，否则视为放弃奖励。

因参与楼层不满足开奖条件，本活动不开奖。-------------------------------------------------------------------参加“ModelArts—一键玩转丑萌黏土风滤镜”项目在本活动帖下回帖，提出你的问题与建议有机会获得开发者定制礼品【体验项目】ModelArts—一键玩转丑萌黏土风滤镜【体验简介】通过本案例的体验内容，开发者可体验并学习stable-diffusion图生图的丰富功能，对华为云AI Gallery和ModelArts的平台功能有基本了解。【体验形式】1、登录注册华为云账号，进入AI Gallery项目；2、在ModelArts运行该项目，并通过GUI界面体验。【活动时间】2024年9月13-10月12日【参与方式】直接在此活动帖下方回帖，将体验完成的截图和您的问题/建议/感受一起回帖即可比如体验中遇到的问题，对产品的建议、对活动感受等等PS：不要少于30字哦~【获奖规则】可提前填写获奖信息收集表，后续如您中奖，我们会及时发货，谢谢。获奖信息收集表： cid:link_1【活动规则】1、本帖的回帖建议不少于30字，仅限于对“ModelArts—一键玩转丑萌黏土风滤镜”体验项目，其他项目建议不参与此次活动，否则将视为无效内容。2、本次活动将根据实际参与情况发放奖励，包括但不限于用户百分之百中奖或奖项轮空的情况；实物奖品具体发放视出库情况而定； 3、活动预计于结束后七天内完成奖项公示，并于结束后15个工作日内完成邮寄。【温馨提示】1、请务必使用个人实名账号参与活动（IAM、企业账号等账号参与无效）。如一个实名认证对应多个账号，只有一个账号可领取奖励，若同一账号填写多个不同收件人或不同账号填写同一收件人，均不予发放奖励。2、所有获得奖品的获奖用户，请于获奖后3日内完成实名认证，否则视为放弃奖励。

8月31日，由华为云开发者联盟联合华为（北京）虚拟现实创新中心主办的“HCDG城市行北京站——多模态大模型技术与场景化应用技术研讨沙龙”，在中关村虚拟现实产业园顺利举办。本次活动邀请到了大模型行业专家、技术专家以及优秀的企业代表进行分享，同时邀请了众多开发者到场，围绕多模态大模型技术与场景化应用展开讨论，聚焦AI前沿技术，重点关注人工智能的落地实践，一起探寻AI技术边界。华为云视频生成大模型算法专家 王博士华为云盘古大模型 让视频制作效率提升此次活动特别邀请到华为云视频生成大模型算法专家王博士亲临现场，专家以《多模态生成大模型技术与场景化应用》为主题，介绍了传统视频生产的流程、情况和难点，而盘古视频生成大模型主要囊括三种行业应用，包括一是自动驾驶，构建面向自动驾驶可控视频生成模型，提升长尾场景的识别效果以及场景泛化能力。二是具身智能，目标是构建具身智能任务执行视频生成模型，实现任务路径，意图预测的视频模拟。三是3D视频生成，通过构建工业和建筑场景的视频生成模型，从草图等设计初稿，可控生成对应的设计效果视频进而生成3D模型。手动实操 理论联系实际，增强感性认识在手动实验环节，华为云开发者技术服务专家胡子琪、刘宝梁带参与的开发者们体验了MusicGen文本生成音乐过程，可以根据文本描述（例如“带有重鼓和合成器垫声的80年代驾驶流行歌曲”）生成大约12秒的音频。MusicGen还可以选择性地使用参考音频进行“引导”，如现有的歌曲，在这种情况下，它将试图遵循描述和旋律。MusicGen使用了Transformer架构，能够根据文本提示生成新的音乐片段。与语言模型类似，MusicGen预测的是音乐片段的下一部分，而不是句子中的下一个字符。这使得它能够生成连贯和结构化的音乐作品。实操过程中，大家纷纷积极互动参与，收获良多。中影年年AIGC策划总监 魏瑜合作伙伴登台分享，共谋产业发展新蓝海本次沙龙有幸邀请到了中影年年AIGC策划总监魏瑜上台分享，主要介绍了中影年年基于华为云MetaStudio数字内容生成平台的应用，其中的数字人基于华为强大的算力和底座支撑，结合中影年年5000+高品质数字角色进行AI训练，通过一张照片可快速批量生产数字人，以AIGC生产模式实现规模化产出。针对定制化超写实数字人，采用自动化重拓扑和空洞补齐技术，满足超写实纹理和材质，还原真实毛发和现实光影、梯度照明等多种尖端技术。此外，中影开发出智能伴学AI等相关产品，引领个性化学习新体验。一人一台云主机，开箱即用现场开发者们还体验使用了华为开发者空间云主机。云主机预集成CodeArts IDE、代码仓及JDK、Python等运行时插件，解决本地开发环境中配置复杂、稳定性不足和依赖等问题，为开发者提供性能强大、安全、稳定、高效的开发环境，以及海量的技术赋能课程与专业开发者认证内容，让开发者拥有开箱即用的可延续工作空间。主题演讲后，在讲解员的带领下，开发者们共同参观了展厅，参观了包括智能数字生态互动缸、无标记点运动采集分析区、数字人体验区、4DVR过山车、3D云渲染引擎生态共性技术平台等展区项目。开发者们深入了展区项目的技术原理和应用场景，拓宽技术眼界。大家积极交流心得，分享体验感受，未来华为云HCDG将定期组织技术研讨会和技术体验类活动，以激发创新思维和促进技术交流为开发者们提供更好的学习交流平台。HCDG（Huawei Cloud Developer Group 华为云开发者社区组织），是基于城市圈和技术圈，由开发者核心组自发开展的开放、创新、多元的社区技术交流组织。致力于帮助开发者学习提升、互动交流、挖掘合作，推动技术应用与本地产业结合、数智化转型和开发者文化发展。期待您加入HCDG社区组织，点击申请报名

[toc]引言在科技日新月异的今天，人工智能（AI）作为最具变革性的技术之一，正以前所未有的速度重塑着我们的世界。从智能家居到自动驾驶，从精准医疗到智能制造，AI技术的广泛应用不仅极大地提升了生产效率，还深刻改变了人们的生活方式。然而，AI技术的快速发展并不仅仅意味着对传统行业的颠覆，它更是一个催化剂，催生了一系列全新的职业领域，为人类社会带来了前所未有的发展机遇。随着算法的不断优化、算力的持续提升以及大数据的广泛积累，AI技术已经具备了强大的学习和推理能力。这种能力使得AI系统能够在许多领域超越人类，完成复杂而精细的任务。然而，AI的“智能”并非凭空而来，它背后离不开一群专业人士的辛勤工作和智慧结晶。正是这些专业人士，通过不断训练和优化AI模型、标注高质量的训练数据、设计有效的输入提示、审核AI生成的内容以及保障AI系统的安全运行，共同推动了AI技术的不断进步和广泛应用。以下是我列举的可能出现的职业编号职业内容1数据标注师专门打标大模型的训练数据、微调数据和 RLHF 数据。这是个体力活，对文化水平要求高，数据质量决定模型上限2AI训练师专职负责 AI 大模型的训练，包括作业监控和重启，部分工作类似之前的运维工程师，不过职责更细一点3AI应用开发工程师负责设计、开发和优化基于人工智能技术的应用程序和系统的专业人员。利用现有AI大模型的能力，解决复杂问题，提升产品智能化水平4AI提示词工程师利用自然语言处理（NLP）技术，向生成型人工智能（AI）工具提供输入文本，即提示，来获取或训练AI的输出5AI内容审核师专职负责内容安全，验证信息过滤训练数据中的有害内容，还有图像或视频的真实性以及来源是否具有版权。可能还需要监控大模型服务过程中的舆情问题，比如产出敏感内容，并监督与研究AI系统的道德发展6AI紧急设置停止工程师工程师设计和实施机制，以防止AI系统在发生故障或误用时继续运行探讨AI将会促生哪些新的职业，不仅是对未来科技发展趋势的一次展望，更是对人类社会职业结构变化的一次深刻洞察。本文将从多个维度出发，深入分析AI技术如何催生新的职业岗位，以及这些新职业对社会发展产生的深远影响。希望通过本文的探讨，能够激发更多人对AI技术的兴趣和关注，共同迎接AI时代带来的新机遇和新挑战。一、数据标注师：数据质量的守护者在人工智能的浩瀚宇宙中，数据是驱动一切智能应用的基石。然而，原始数据如同未经雕琢的璞玉，其价值与潜力需经过精心打磨方能显现。在这个过程中，数据标注师作为数据质量的守护者，扮演着不可或缺的角色。他们通过细致入微的工作，为AI模型提供了准确、丰富、有意义的学习素材，确保了AI系统的智能性与准确性。1.1. 定义与重要性数据标注师是专门负责将原始数据转化为机器学习算法可理解格式的专业人员。他们通过手动或辅助工具的方式，对图像、文本、音频、视频等多种类型的数据进行标注，为AI模型提供明确的标签、分类或结构信息。这一过程是AI训练与优化的关键环节，直接影响着模型的性能与效果。因此，数据标注师的工作对于提升AI系统的智能水平至关重要。例如下图，对图片中的动物进行分类除了对图像进行分类外，还有对文本语句进行打标等操作1.2. 精细化的标注工作数据标注工作往往要求极高的精确度和细致度。以图像标注为例，数据标注师需要准确识别并标注出图像中的目标对象、边界框、关键点等信息，确保每个标注都符合特定的规范与标准。这不仅需要扎实的专业知识，还需要良好的耐心与细心。对于文本数据，标注师则需根据任务需求进行分词、词性标注、命名实体识别等操作，以便模型能够更好地理解语言结构与语义信息。例如对汽车进行框选包括华为云ModelArts的找云宝项目，都需要对图像进行预先标注1.4. 质量控制的关键环节数据质量是AI模型性能的重要保障。数据标注师在标注过程中，需严格遵守质量控制流程，确保标注数据的准确性、一致性与完整性。他们需对标注结果进行反复审核与校验，及时发现并纠正错误与遗漏，确保每一份数据都能为模型训练提供有价值的支持。同时，数据标注师还需关注数据分布的均衡性，避免模型因数据偏差而产生偏见或歧视。并且对数据进行清洗，保证训练数据的可靠性1.5. 技术与工具的应用随着AI技术的不断发展，数据标注工具与平台也日益丰富与智能化。数据标注师需熟练掌握各种标注工具的使用技巧，提高标注效率与准确性。同时，他们还需关注新技术、新方法的动态，积极探索与应用自动化标注、半自动化标注等先进技术，以减轻人工负担并提升标注质量。自动化标注工具可谓是取之于AI，用之于AI。它可以通过AI初步生成一个工具，然后自动进行标注，接着人工校验，最终再喂给AI，让AI更加智能1.6. 持续学习与适应AI领域日新月异，新的应用场景与需求不断涌现。数据标注师需保持高度的学习热情与适应能力，紧跟技术前沿与行业趋势，不断提升自己的专业素养与技能水平。他们需了解不同领域的数据特点与标注要求，掌握多样化的标注技巧与方法，以应对日益复杂多变的标注任务。二、AI训练师：AI模型的幕后导师在人工智能（AI）日益渗透我们生活的每一个角落的今天，AI模型的性能与智能化水平直接决定了其应用场景的广度与深度。而在这场智能革命的背后，有一群鲜为人知却至关重要的角色——AI训练师，他们如同幕后导师一般，精心培育并引导着AI模型从稚嫩走向成熟。现在最流行的莫过于Transformer系列模型，现象级的代表模型有ChatGPT2.1. 定义与角色定位AI训练师，顾名思义，是负责训练和优化AI模型的专业人员。他们不仅精通机器学习、深度学习等前沿技术，还具备丰富的行业知识和实践经验。在AI系统的整个生命周期中，AI训练师扮演着至关重要的角色，从数据收集与处理、模型设计与训练，到性能评估与优化，每一个环节都离不开他们的精心操作与智慧投入。2.2. 数据工程师的延伸如果说数据是AI的“粮食”，那么AI训练师就是这些“粮食”的加工者与烹饪师。他们首先需要深入了解业务需求，明确模型需要解决的问题及预期目标。随后，从海量、复杂的数据中筛选出高质量、高相关性的数据作为训练集，这一过程往往涉及数据清洗、标注、增强等一系列复杂操作。通过精准的数据预处理，AI训练师为模型训练奠定了坚实的基础。2.4. 模型训练与优化在模型训练阶段，AI训练师需要根据问题特性选择合适的算法框架与模型结构，设置合理的超参数，并通过迭代训练不断优化模型性能。这一过程如同烹饪一道菜肴，需要不断调整火候、配料比例，以达到最佳口感。AI训练师需密切关注训练过程中的各项指标变化，如准确率、召回率、损失值等，及时发现问题并进行针对性调整。现在最为流行的微调方式当属：LoRA它在原始预训练语言模型（PLM）旁边增加一个旁路，做一个降维再升维的操作，来模拟所谓的内在秩。训练的时候固定 PLM 的参数，只训练降维矩阵 A 与升维矩阵 B。模型的输入输出维度不变，输出时将 BA 与 PLM 的参数叠加。用随机高斯分布初始化 A，用 0 矩阵初始化 B，保证训练的开始此旁路矩阵依然是 0 矩阵。2.5. 性能评估与调试模型训练完成后，AI训练师还需对模型进行严格的性能评估与测试。他们通过设计一系列测试用例，模拟真实场景下的应用需求，全面检验模型的鲁棒性、泛化能力及实时响应速度等指标。对于表现不佳的模型，AI训练师会深入分析原因，可能是数据问题、模型结构缺陷或训练策略不当等，并据此进行调试与优化。中文大模型跑分，最权威的网站当属：SuperCLUE，横向对比了10大基础能力和专业能力截至至2024年6月，得分排行榜如下，可以看到 GPT4 还是占据了榜首的位置2.6. 持续学习与创新随着AI技术的飞速发展，新的算法、框架与工具层出不穷。AI训练师需要保持高度的学习热情与敏锐的洞察力，紧跟技术前沿，不断探索与实践新的技术与方法。同时，他们还需具备创新思维，勇于挑战传统框架与模式，为AI模型的性能提升与应用拓展贡献智慧与力量。三、AI应用开发工程师：智能化时代的创造者在智能化浪潮席卷全球的今天，AI应用开发工程师作为这一时代的核心驱动力，正以前所未有的热情和创造力，塑造着我们的未来。他们不仅是技术的实践者，更是智能化解决方案的构思者与实现者，用代码编织着梦想，让AI技术真正融入人们的日常生活和工作中。例如之前很火的一个项目：AutoGPT。它由GPT-4驱动，将LLM“思想”连接在一起，以自主地实现您设置的任何目标。作为GPT-4完全自主运行的最早示例之一，Auto-GPT突破了人工智能的极限，将AI进程推向了新高度 -- 自主人工智能。网址为：cid:link_23.1 职业定义AI应用开发工程师是负责设计、开发和优化基于人工智能技术的应用程序和系统的专业人员。他们利用现有的AI大模型、算法库和工具集，结合业务需求，构建出能够解决复杂问题、提升效率、增强用户体验的智能化应用。从智能家居到自动驾驶，从智能客服到医疗辅助诊断，AI应用开发工程师的工作遍布各行各业，是推动社会智能化转型的重要力量。3.2 必备技能AI技术基础：掌握机器学习、深度学习、自然语言处理、计算机视觉等AI核心技术原理，了解不同算法的应用场景和优劣势。编程能力：精通至少一种编程语言（如Python、Java、C++等），能够熟练编写高质量的代码，实现AI算法和模型的部署与应用。数据处理与分析：具备数据清洗、预处理、特征工程等能力，能够高效处理大规模数据集，为AI模型提供高质量的训练数据。系统设计与优化：熟悉软件架构设计、性能优化、安全加固等技术，能够设计出高可用、可扩展、易维护的AI应用系统。业务理解能力：具备良好的沟通能力和业务敏感度，能够深入理解用户需求，将AI技术转化为解决实际问题的有效方案。3.3 工作范畴需求分析：与产品经理、业务团队紧密合作，收集并分析业务需求，明确AI应用的目标和功能。系统设计：根据需求分析结果，设计AI应用的整体架构、模块划分、接口定义等，确保系统的可维护性和可扩展性。模型选择与调优：根据业务需求选择合适的AI模型和算法，进行模型训练、评估和优化，确保模型的准确性和效率。系统集成与测试：将AI模型与前端展示、后端服务、数据库等组件进行集成，进行系统测试，确保应用的稳定性和安全性。运维与迭代：负责AI应用的日常运维工作，监控应用性能，收集用户反馈，持续优化应用功能和用户体验。3.4 行业影响与未来展望随着AI技术的不断成熟和普及，AI应用开发工程师的职业前景将更加广阔。未来，他们将在更多领域发挥重要作用，如智慧城市、智能制造、智能金融等，推动社会经济的全面智能化转型。同时，随着AI技术的深入发展，对AI应用开发工程师的专业技能和综合素质也将提出更高的要求，促使他们不断学习和进步，以适应快速变化的市场需求和技术趋势。例如最近取代滴滴司机的“萝卜快跑”就是一个很好的AI应用例子，通过AI代替人类。只要电力充足，AI不仅能够24小时工作，而且不易出错，更有着远低于人类的运营成本和更高的可靠性。四、AI提示词工程师：自然语言与AI的桥梁在人工智能与自然语言处理（NLP）的交融领域，AI提示词工程师扮演着至关重要的角色，他们是连接人类语言与AI系统之间的桥梁。通过精心设计的提示词（Prompts）或指令，AI提示词工程师能够引导AI模型理解复杂的人类意图，执行多样化的任务，并生成更加自然、准确的响应。4.1. 定义与角色定位AI提示词工程师专注于研究如何构建和优化自然语言提示词，以激发AI模型的最大潜能。他们不仅需深入理解NLP的基本原理和AI模型的工作原理，还需具备出色的语言组织能力和创新思维。通过巧妙地设计提示词，他们能够引导AI模型在特定场景下展现出更高级别的理解和生成能力。2023 年 11 月 8 日，新加坡政府科技局（GovTech）组织举办了首届 GPT-4 提示工程（Prompt Engineering）竞赛。数据科学家 Sheila Teo 最终夺冠，成为最终的提示女王（Prompt Queen）。之后，Teo 发布了一篇题为《我如何赢得了新加坡 GPT-4 提示工程赛》的博客文章，慷慨分享了其获胜法门。4.2. 精准引导与意图解析在构建AI系统时，如何确保模型能够准确理解用户的意图是一个核心挑战。AI提示词工程师通过设计清晰、具体的提示词，帮助模型在接收到输入时能够迅速捕捉关键信息，并据此作出相应的响应。他们不断优化提示词的结构和表达方式，以提高模型对复杂意图的解析能力，确保生成的输出既符合语法规范又贴近用户期望。例如，通过思维链（COT，Chain-of-Thought）技术，将一个问题拆解为多个步骤，最后给出答案，而不是让 模型直接给出答案。直接给答案的出错率更高。比如，你给 模型出了一个题目：“张三养了 10 条狗，每天照顾每条狗都要花半小时，请问他照顾这些狗要花费多长时间？”模型直接给答案的话可能会出错，当你提示 模型要“一步步地回答”时，它会告诉你：“张三养了 10 条狗，每天照顾每条狗都要花半小时，那就是 10 x 0.5 = 5 小时 / 天。5 小时 / 天 x 7 天 / 周 = 35 小时 / 周。答案是每周 35 小时。”思维链概念的开山之作是谷歌大脑研究员的Jason Wei在22年1月放到arxiv上面的文章，提出了思维链这个概念。简单来说，思维链是一种离散式提示学习，更具体地，大模型下的上下文学习（即不进行训练，将例子添加到当前样本输入的前面，让模型一次输入这些文本进行输出完成任务），相比于之前传统的上下文学习（即通过x1,y1,x2,y2,....x_test作为输入来让大模型补全输出y_test），思维链多了中间的一些闲言碎语絮絮叨叨，以下面这张图（图上的英文很简单，不用怕，初中水平就能看懂）为例子：4.4. 任务适应性与泛化能力随着AI应用场景的不断拓展，AI模型需要适应更多样化的任务需求。AI提示词工程师通过设计具有泛化能力的提示词，使模型能够在不同场景下保持稳定的性能表现。他们关注提示词的通用性和可迁移性，确保模型在面临新任务时能够迅速适应并给出合理的答案。同时，他们也不断探索新的提示词设计策略，以进一步提升模型的任务适应性和创造力。4.5. 创新提示词设计与优化AI提示词的设计是一个充满创意与挑战的过程。AI提示词工程师需不断尝试新的设计思路和方法，以激发模型产生更加新颖、有趣的输出。他们利用自然语言处理技术和数据分析工具，对提示词的效果进行量化评估和优化。通过反复迭代和调整，他们能够找到最适合当前任务场景的提示词组合，从而显著提升AI系统的整体性能。4.6. 跨学科合作与知识融合AI提示词工程师的工作往往需要与多个领域的专家进行合作。他们需与产品经理、数据科学家、UI/UX设计师等团队成员紧密配合，共同探索如何将自然语言与AI技术相结合，创造出更加优秀的用户体验。通过跨学科的知识融合和思维碰撞，他们能够不断拓展AI提示词的应用边界和可能性。五、AI内容审核师：数字世界的道德卫士在数字化浪潮席卷全球的今天，互联网已成为信息传播的主要渠道，其影响力之深、范围之广前所未有。然而，随着信息量的爆炸式增长，网络空间也面临着前所未有的挑战——内容质量的参差不齐、违法违规信息的泛滥，以及不良信息的潜在危害，这些都严重威胁着网络生态的健康与安全。在这一背景下，AI内容审核师应运而生，他们如同数字世界的道德卫士，守护着网络空间的清朗与秩序。5.1. AI内容审核师的诞生背景随着大数据、云计算、深度学习等技术的飞速发展，人工智能（AI）在内容审核领域展现出了巨大的潜力与优势。相较于传统的人工审核，AI内容审核能够实现24小时不间断工作，快速识别并过滤掉违法、色情、暴力、虚假等有害信息，极大地提高了审核效率与准确性。同时，面对海量数据，AI审核还能有效减轻人工审核的负担，使人力资源得以优化配置于更复杂、更具挑战性的任务上。5.2. AI内容审核师的角色定位AI内容审核师，虽名为“师”，实则更多是指挥与运用AI技术进行内容审核的专业人员。他们不仅需要具备深厚的技术功底，熟悉各类AI算法与模型，还需紧跟法律法规的更新，准确把握内容审核的标准与尺度。在数字世界中，他们既是技术的驾驭者，也是规则的守护者，通过不断优化AI审核系统，提升审核效能，确保网络空间的信息安全与健康。5.4. AI内容审核的技术挑战与应对尽管AI内容审核具有诸多优势，但其发展也面临着诸多挑战。一方面，随着网络黑产的日益猖獗，违法违规信息的伪装与变异手段层出不穷，给AI识别带来了巨大压力；另一方面，AI审核在理解与判断复杂情境、情感色彩等方面尚存不足，可能导致误判或漏判。针对这些挑战，AI内容审核师需持续跟进技术前沿，引入更先进的算法与模型，如自然语言处理（NLP）、图像识别、情感分析等，以提升审核的精准度与智能化水平。同时，加强人机协作，发挥人工审核在复杂情境判断中的优势，也是提升整体审核效能的重要途径。5.5. AI内容审核的未来展望随着技术的不断进步与应用的深化，AI内容审核将在未来发挥更加重要的作用。一方面，随着AI技术的日益成熟与普及，更多元化的内容形式（如视频、音频、VR/AR等）将得到更有效的审核；另一方面，AI内容审核将与区块链、大数据等前沿技术深度融合，构建起更加完善、高效的网络内容监管体系。在这个过程中，AI内容审核师将继续扮演关键角色，引领技术创新，推动网络空间治理迈向新高度。六、AI紧急设置停止工程师：AI安全的守护者在人工智能（AI）技术日新月异的今天，其广泛应用为各行各业带来了前所未有的变革与机遇。然而，随着AI系统的日益复杂和自主性的增强，潜在的安全风险也愈发凸显。为了确保AI系统的稳定运行，防止其因错误决策或外部攻击而引发不可预见的后果，AI紧急设置停止工程师应运而生，他们肩负着AI安全的守护重任，是确保AI技术健康发展的重要力量。6.1. 紧急停止机制的重要性AI紧急设置停止工程师的首要任务是设计并实施AI系统的紧急停止机制。这一机制能够在AI系统出现异常行为、超出预设范围或面临严重安全威胁时，迅速介入并终止其运行，从而避免潜在的风险和损失。紧急停止机制是AI安全体系中的最后一道防线，对于保障人类安全、维护社会稳定具有重要意义。6.2. 技术挑战与应对策略AI紧急设置停止工程师面临的技术挑战主要包括两个方面：一是如何准确识别AI系统的异常行为，确保在关键时刻能够迅速做出反应；二是如何在保证系统安全性的同时，尽量减少对正常业务的影响。为此，他们需要深入研究AI算法的工作原理，掌握其潜在的风险点，并设计出一套高效、精准的异常检测与响应机制。同时，加强与其他技术团队的协作，共同提升AI系统的整体安全性与稳定性。6.4. 紧急设置停止工程师的职责与技能AI紧急设置停止工程师不仅需要具备扎实的技术功底，熟悉AI算法、机器学习、网络安全等相关领域的知识，还需要具备敏锐的洞察力和判断力，能够在复杂多变的环境中迅速做出决策。他们的职责包括但不限于：设计并实施紧急停止机制、监控AI系统的运行状态、分析潜在的安全风险、制定应急预案以及参与安全事件的应急处置等。此外，他们还需要不断学习和掌握最新的安全技术和工具，以应对日益严峻的安全挑战。6.5. AI紧急设置停止工程师的未来展望随着AI技术的不断发展和普及，AI紧急设置停止工程师的角色将变得越来越重要。未来，他们将在保障AI系统安全、促进AI技术健康发展方面发挥更加关键的作用。一旦未来，AI像电影里演的那样进化出自己的意识，脱离我们的掌控，为防止人机大战的发生，我们不得不采取措施，通过紧急停止功能让AI变得可控。同时，随着技术的不断进步和应用场景的拓展，AI紧急设置停止工程师的工作也将面临更多的挑战和机遇。他们需要不断提升自己的专业技能和综合素质，以应对更加复杂多变的安全环境。结论在探索人工智能（AI）的广阔领域中，我们深刻认识到，技术的发展不仅带来了前所未有的机遇，也伴随着一系列复杂的挑战。从数据标注师到AI提示词工程师，再到AI内容审核师和AI紧急设置停止工程师，这些专业角色共同构成了AI生态系统中不可或缺的一环，他们各自在保障数据质量、促进语言理解、维护网络健康与守护系统安全等方面发挥着不可替代的作用。数据标注师作为数据质量的守护者，通过精细化的标注工作，为AI模型提供了高质量的“食材”，确保了AI系统的智能与精准。AI提示词工程师则架起了自然语言与AI之间的桥梁，通过精心设计的提示词，引导AI模型更好地理解人类意图，生成更符合期望的响应。AI内容审核师作为数字世界的道德卫士，守护着网络空间的清朗与秩序，确保信息的真实、合法与健康。而AI紧急设置停止工程师则是AI安全的最后一道防线，他们时刻准备着在关键时刻介入，防止AI系统因异常行为而引发不可预见的后果。这些专业角色的共同努力，不仅推动了AI技术的持续进步与发展，也为人类社会带来了更加智能、便捷、安全的生活方式。然而，我们也应清醒地认识到，AI技术的发展仍面临诸多挑战，如数据隐私保护、算法偏见、伦理道德等问题，需要我们持续关注与解决。因此，未来，我们期待看到更多跨学科、跨领域的合作与交流，共同推动AI技术的健康发展。同时，我们也应加强对AI技术人才的培养与引进，不断提升他们的专业技能与综合素质，以应对日益复杂多变的技术挑战。只有这样，我们才能更好地利用AI技术为人类服务，共创一个更加美好的未来。本文参与华为云社区【内容共创】活动第26期。 任务17：AI 将会促生哪些新的职业？

芯片类型：ascend310P别的模型可以正常转换，这个模型报错：错误代码E10501

矩阵运算：构建基础 学习始于基础，矩阵运算是机器学习的基石。通过Python的Numpy库，可以轻松地处理标量、向量和矩阵。一个标量，例如数字18，可以视为一个1x1的矩阵。向量和矩阵的概念也随之引入，向量是一维数组，而矩阵则是有序的二维数组。Numpy库使得矩阵的乘法、加法、减法，甚至转置和重塑变得简单直观。线性代数的深入理解 深入学习线性代数后，了解到无论是行向量还是列向量，都可以通过二维数组来表示。这不仅加深了对数据形状和维度的理解，也使得使用np.matmul()进行矩阵乘法变得得心应手，为后续的机器学习模型构建打下了坚实的基础。房价预测：实际应用中的挑战与解决 将理论知识应用于实践，尝试了房价预测这一机器学习项目。通过处理波士顿房价数据集，构建了一个线性回归模型。最初，模型训练结果出现了NaN，这提示了特征数据归一化的重要性。归一化确保了不同特征值处于同一量级，对提高模型性能至关重要。模型的评估与测试 模型训练完成后，意识到需要进行评估和测试以验证其泛化能力。随机挑选训练数据进行预测的做法并不理想，更好的策略是将数据分为训练集、验证集和测试集。可视化：直观理解模型性能 在训练过程中，Matplotlib库的使用让损失函数的变化可视化，直观地展示了模型的收敛过程，加深了对模型训练动态的理解。探索MNIST：手写数字识别的奥秘 学习之旅的最后，探索了MNIST手写数字识别项目。这个项目不仅涉及图像识别，还涉及神经网络的构建。使用TensorFlow 2加载MNIST数据集，开始了手写数字识别模型的构建之旅。

首先，固件版本是直接与硬件设备交互的软件，它负责管理硬件设备的基本功能。在我升级的过程中，我发现ECS中的固件版本是20.1，这意味着它与硬件加速卡（Atlas 300）紧密相关，确保硬件可以正常工作。然后是驱动版本，它位于固件和操作系统之间，充当两者之间的桥梁。驱动程序允许操作系统发送指令给硬件，并接收硬件的响应。在我检查系统时，发现驱动版本也是20.1，这与固件版本相匹配，确保了硬件和操作系统之间的顺畅通信。最后是CANN版本，这是华为推出的用于AI应用的软件栈，它包括了各种库和工具，用于加速AI模型的推理过程。CANN版本20.1可能与硬件加速卡的特定固件和驱动版本相绑定，以确保最佳性能。我尝试升级了我在华为云上的ECS（弹性云服务器）上的CANN版本。ECS的AI推理加速型实例Ai1s是基于Atlas 300加速卡设计的，专为提升AI推理速度而生。我发现我安装的CANN版本是20.1，感觉这个版本有点旧。现在昇腾AI处理器都有自己的网站了，CANN的版本命名方式也更新了。我对比了旧版本和新版本，发现新版本简直是新鲜出炉的。所以，我决定手动卸载ECS上的CANN 20.1版本，并安装最新的5.1.RC2.alpha001版本，希望可以获得更好的性能。卸载过程还算顺利，我首先运行了卸载脚本，ascend-toolkit目录就被移除了。然后，我又卸载了算子包，opp目录也随之消失。卸载前，我检查了系统是否安装了驱动软件包，并确认了加速卡的状态是正常的。在安装新版本CANN时，我注意到了版本号的重构说明，了解到将20版本号改为3即可。虽然驱动和固件的版本号是20.1，与CANN软件包的大版本号5可能存在不匹配的问题，但根据CANN的安装文档提示，我需要下载对应的驱动和固件版本。安装完成后，我尝试运行了samples，以验证新版本CANN的安装是否成功。我还发现了ECS提供的安装包。

数字时代，信息的数字化是基础，而图像作为信息的一种形式，它的数字化处理尤为重要。在AI领域，图像处理尤为关键。首先，图像被分割成一个个像素点，每个像素点包含了图像的信息。根据颜色的不同，图像可以分为黑白、灰度和彩色三种类型。黑白图像简单直接，灰度图像则提供了更多的细节和层次，而彩色图像则通过RGB三个颜色分量混合来表达丰富的色彩。灰度直方图是图像的一个重要特征，它显示了不同灰度级出现的频率。这个直方图不仅可以帮助我们理解图像的灰度分布，还可以用于确定图像二值化的阈值。通过观察直方图上的波峰和波谷，我们可以找到一个合适的阈值，将图像转换为黑白二值图，简化图像信息。数字图像处理的算法多种多样，包括点处理、邻域处理、迭代处理等。每种算法都有其适用的场景和优势。同时，图像的数据结构也影响着图像处理的效率，比如组合方式、比特面方式、分层结构等。在图像存储方面，不同的存储方式对应不同的应用场景。RAW格式保留了图像的原始数据，而BMP格式则通过调色板来节省空间，适用于颜色较少的图像。TIFF格式则常用于遥感和地理信息领域。总的来说，这篇文章为我们提供了数字图像基础的概览，从图像的数字化表示到图像处理的算法和数据结构，再到图像的存储格式，为我们打开了数字图像处理的大门。

本文详细介绍了在华为云ModelArts平台上使用自定义算法进行训练、模型导入和部署服务的完整流程。如果你对自动学习感到限制太多，或者想要超越使用市场订阅算法的范畴，探索更多自定义的可能性，本文将为你提供有价值的指导。首先，自定义算法允许开发者拥有更大的灵活性和控制权。本文以一个简单的一元一次方程线性回归算法为例，展示了如何从头开始构建算法。算法的核心在于通过生成数据、定义损失函数和优化器来寻找变量之间的关系。这个过程不仅包括了数据的生成和模型的训练，还涉及到了模型参数的保存。在ModelArts平台上，算法的实现通过一个Python脚本tf_modelart.py完成，该脚本包含了数据生成、模型构建、训练过程以及最终的模型保存。特别地，使用了TensorFlow的SavedModelBuilder来保存模型，这使得模型可以方便地被导入和部署。接下来，文章介绍了如何在ModelArts上创建训练作业，包括设置启动文件、数据存储位置和运行参数。完成训练后，模型会被保存在对象存储服务（OBS）中，为后续的模型导入和部署做准备。模型导入阶段，需要确定模型服务的输入输出接口和推理代码，这些信息将被用于生成config.json配置文件和推理代码customize_service.py。config.json定义了服务的HTTP接口规范，而推理代码则实现了模型的加载、预测和结果返回。最后，文章讨论了服务的部署过程，包括准备环境、拉取镜像、启动服务等步骤。一旦服务启动成功，就可以通过RESTful风格的HTTP服务对外提供调用。文章还提供了服务测试的示例，展示了如何验证服务返回的正确性，并在出现问题时通过日志进行排查。整体而言，本文为读者提供了一个清晰的框架，指导如何在ModelArts上实现从算法开发到模型部署的全流程。通过这个过程，开发者不仅能够获得宝贵的实践经验，还能够理解如何在云平台上有效地管理和部署机器学习模型。感兴趣可以查看 cid:link_0

在华为云ModelArts平台上，TensorFlow框架被广泛应用于开发和训练深度学习模型。本文将探讨如何高效地保存、部署以及加载这些模型，特别是通过TensorFlow Serving（TF Serving）实现模型的无缝部署和更新。TF Serving是一个强大的系统，它允许开发者在不更改服务器端和API的情况下，部署新的算法或进行实验。这种能力极大地简化了模型部署流程，尤其是在需要频繁更换或测试不同模型时。传统的TensorFlow模型保存方法存在局限性，例如仅保存变量时需要重新定义模型的计算图，或者需要维护额外的配置文件来同步模型参数。为了克服这些限制，tf.saved_model模块提供了一种更优的解决方案。tf.saved_model模块的核心是SavedModelBuilder类，它允许开发者通过简单的API调用来保存模型。首先，通过初始化SavedModelBuilder对象并指定保存模型的目录，然后使用add_meta_graph_and_variables方法导入模型的计算图和变量信息。最后，调用save方法将模型序列化到指定目录。在载入模型时，可以使用tf.saved_model.loader.load方法，通过指定模型保存时的标签和目录，快速恢复模型状态。这种方法的优势在于，它允许开发者在不关心具体张量名称的情况下，通过SignatureDef协议来封装模型的输入输出信息。SignatureDef是一种定义模型输入输出别名的机制，它允许开发者在模型保存和使用时，不必关心张量的具体名称。这样，即使模型的内部结构发生变化，只要输入输出的别名保持一致，就无需修改使用模型的代码。使用SignatureDef来创建模型的输入输出协议，并在保存和载入模型时应用这些协议。这种方法不仅提高了模型部署的灵活性，也简化了模型的维护和更新过程。

6月15日， HCDG城市行·北京站——“AI原生应用的探索与创新”技术研讨沙龙圆满举办。活动特邀来自华为云和华为云HCDE圈层的专家们为与会开发者带来一场别开生面的技术交流活动。为正在探索AI创新之路的企业与开发者们赋能助力，与开发者共同探索AI技术的无限可能。句子互动联合创始人& CTO、华为云HCDE  高原活动伊始，句子互动联合创始人& CTO、华为云HCDE高原进行《AI Workflow 的敏捷开发》的主题演讲，他表示敏捷开发的核心在于快速迭代和持续交付，它要求我们在开发过程中不断收集反馈，快速调整策略，以适应不断变化的需求和技术环境。面对功能挑战，如精确控制的记忆、主动被动结合的沟通场景、自有系统逻辑的融合介入；以及迭代挑战，包括分析不符合预期的回答和保证新变动不影响旧逻辑。敏捷开发策略可总结为如下3点：一是快速迭代需要快速反馈，通过调优中心和一键导入测试中心实现；二是流程中节点验证和流程运行完动作校验，确保执行结果清晰可见。三是版本控制保证测试和生产环境的互不干扰，并通过不同版本的用例测试进行效果比对。通过他现场的操作演示，开发者们对这一理解更加深刻。华为云EI解决方案专家  张瑞锋随后，华为云EI解决方案专家张瑞锋为到场的开发者们介绍了华为云昇腾算力和盘古大模型，他表示在大模型产业的潜在空间极大，其本质是对人类知识的数字化，未来基础大模型的构建还需要企业与人才的持续投入。基于华为打造全栈的AI解决方案，充分释放AI算力潜能，通过ModelArts一站式开发平台为开发者提供全套工具，实现快速训推与部署。开发者们还可以在AI Gallery部署开源模型，支持百模千态一键部署。他指出大模型的开发与应用是一个复杂的系统工程，其训练需要在大规模数据处理和分布式并行训练方面具备广泛实践经验，例如在集群建设、数据准备、模型训练、推理压缩、应用开发等方面会遇到许多问题和挑战，这些都可以靠华为解决。华为云通过提供全套的开发套件使能开发者，提升行业大模型开发效率的同时也为用户和伙伴创造价值。此外他还介绍了盘古大模型在政务、互联网、影视、游戏等多个行业应用实践案例，进一步阐释了人工智能发展从局部探索正在走向千行百业。聆心智能CEO、华为云HCDE  郑叔亮最后，聆心智能CEO、华为云HCDE郑叔亮发表了《超拟人大模型和心理支持与陪伴》的主题演讲，介绍了超拟人大模型的概念、进展以及心里健康解决方案。他提到超拟人大模型是在效率价值及创意价值的基础上为用户进一步提供情绪价值，主要应用在情感陪伴、心理健康、教研教学等有个性化需求的领域。同时他还从高安全、强可控、拟人化多个角度对Emohaa、CharacterGLM、OPD-2拟人化LLM进行分析，以及应用于教育、文娱、营销等落地场景，提供AI Native社交/陪伴体验，展现沉浸式多模态交互。同时现场还邀请到了华为云DTSE专家（开发者技术支持工程师）与开发者们深入交流技术难题，解答开发困惑并提供对应的解决方案，为开发者用云开发保驾护航。未来华为云将继续携手广大开发者共同推进AI大模型创新技术应用的落地，共建繁荣的AI生态！

Open-SORA模型训练是一个结合了视频生成和文本到图像生成技术的先进过程。该模型深受Stable Video Diffusion工作的启发，同时借助了成熟的文生图（text-to-image）模型，为用户提供了从文本描述直接生成高质量视频的能力。在Open-SORA模型训练过程中，首先，模型会接受大量的文本-视频对作为训练数据。这些数据中包含了各种场景的文本描述以及对应的视频片段。通过这些数据，模型能够学习到如何将文本中的语义信息映射到视频帧的视觉特征上。接着，模型会利用Stable Video Diffusion的思想，通过逐步添加噪声和去噪的过程，来模拟视频帧的生成过程。在这个过程中，模型会不断地尝试预测缺失或模糊的帧内容，从而逐渐生成出完整的视频序列。同时，Open-SORA模型还借鉴了成熟的文生图模型。这些模型已经具备了从文本描述中提取关键语义信息，并将其转换为高质量图像的能力。在Open-SORA中，这些技术被进一步扩展到了视频领域。模型能够利用文本描述中的信息，生成出与文本内容高度一致的视频帧。最后，通过大量的迭代和优化，Open-SORA模型能够逐渐提升其生成视频的质量和多样性。训练完成后，用户只需提供一段文本描述，模型就能够快速地生成出与文本内容相匹配的高质量视频片段。总之，Open-SORA模型训练是一个结合了多种先进技术的复杂过程，它为用户提供了从文本描述生成高质量视频的强大能力。

华为云-昇腾适配-调研模板

挑战杯是由共青团中央、中国科协、中国社会科学院、教育部和全国学联共同主办的全国性的大学生课外学术实践竞赛。第十九届“挑战杯”揭榜挂帅专项赛·华为命题正在火热招募ing，本次华为命题设立了高校和青年科技人才两大赛道，不仅挑战性强，而且设置了高达390,000+元的奖金。那么在本次大赛中开放的技术成果有哪些亮点？开发者如何借助这些技术能力创造出神奇作品呢？快收下这份超全的赛题解读攻略！一、赛题介绍（具体的指导文档可扫描下方二维码的赛题详情获取哦！）二、技术能力华为昇腾AI云服务技术能力解读：自主可控，构建AI云底座：昇腾AI云服务通过优化架构，重构了云基础设施，利用多样化算力池、高性能缓存池和分级存储池等多层池化技术，减少由上到下的计算代价，大大提升了资源利用率，充分释放了昇腾规模云算力。简化开发，让AI落地更简单：AI开发生产线ModelArts，提供了包括昇腾工具链、SDK、CLI、IDE插件等端到端生产工具链，支持数据管理、模型开发、训练、推理等全流程MLOps开发，提供了统一资源调度能力，提升AI开发效率，降低AI开发门槛和成本。开放兼容，支持百模千态：AI Gallery纳管业界主流开源大模型，持续改造和适配，在昇腾算力上保障性能和精度，开箱即用；并且提供了大模型微调、Prompt和测评等开放工具链，开发者可以构建即开即用的大模型服务。鸿蒙智能终端及APP开发技术解读：鸿蒙操作系统是一款支持多设备、采用分布式架构的高性能操作系统。它能够无缝运行在智能手机、平板电脑、智能手表及智能家居等终端设备上，实现跨设备协同，优化用户体验。同时，鸿蒙系统还具备强大的性能适配能力，满足不同设备的运行需求。更重要的是，它提供了多层次的安全机制，确保用户数据和隐私得到严密保护。这些特点使鸿蒙操作系统成为智能设备领域的杰出代表。鸿蒙智能终端开发涉及硬件适配、驱动开发以及系统定制。开发者需基于鸿蒙操作系统的硬件抽象层（HAL）适配设备，确保系统稳定运行。同时，需编写驱动程序以实现设备与系统的通信。此外，开发者还能根据设备特性和用户需求，对鸿蒙操作系统进行个性化定制，提供独特的功能和界面，以满足不同用户的需求。这些工作共同确保了鸿蒙智能终端的高效开发和卓越性能。鸿蒙APP开发环境由华为提供的DevEco Studio支持，集成了全流程开发工具。开发者主要采用ArkTS编程语言，并利用鸿蒙丰富的组件库进行组件化开发，轻松实现APP功能和界面。鸿蒙APP支持跨平台运行，开发者可以针对不同设备进行优化，确保最佳用户体验。这一完整的开发流程和工具链，极大地提升了鸿蒙APP的开发效率和质量。三、基于上述能力，参赛开发者可以提升开发效率：使用昇腾AI云服务，开发者可以在完善的工具链基础上，实现从数据处理、算法训练到模型部署的全流程开发，更快地进行模型迭代。提升应用效果：借助优质稳定的基础大模型，使用便捷的微调和测评工具，开发者可以快速构建自己的大模型应用，提高任务精度。四、技术应用案例美图：基于昇腾AI云服务，华为云与美图围绕影像产品及解决方案设计、AIGC创新应用等领域深度推进合作，打造互联网行业多模态场景服务，提供便捷、高效、高质的影像创作解决方案。服装图片的制作时间由“天”级降至“秒”级，缩短新品上架周期，帮助服装行业降本提效。双鹿：依托ModelArts开发平台，华为云与双鹿电池联合打造了一套柔性检测系统，实现全自动在线检测，自主工作，可以做到24小时无人值守，减少人工劳动力，机器自动通过人工智能学习方法，把缺陷识别出来，并通过自动化设备在缺陷处标记，以方便供人工复检。综合人员效益和退还成本，这套系统成功帮双鹿电池每年创造了百万以上的收益。山能：借助昇腾云、ModelArts、盘古大模型等华为云全栈AI能力，山能集团建设了集团人工智能训练中心，具备视觉大模型、图网络大模型、多模态大模型、自然语言大模型等四大能力，探索和发掘煤矿生产领域全场景的人工智能应用，通过技术创新实现“人工智能大规模下矿”，让员工远离井下作业环境，实现“高效、安全、可持续性”的生产运营管理。在这里，欢迎各路大神集结，一起竞技打擂，开发创新应用，共创AI质检新篇章！

第七期算子开发题目，对于手册中的ops_demo，可以给一个交叉编译的CMakeLists吗？想在x86上写代码和编译，arm上推理，节省云算力，谢谢