【问题来源】上海交行【问题简要】调用cms查询uap分机接口成功无数据返回【问题类别】AICC【AICC解决方案版本】【AICC版本：AICC8.15.1SPC6】【CTI版本： ICDV300R008C23SPC014】【问题现象描述】调用cms查询uap分机接口成功无数据返回【报错截图】

请问ManageOne 或者  华为stack 支持通过API对GPU进行生命周期管理吗，与ECS的API接口是否一致？

方舟编译器里有SDK8的双机模拟器吗？如何使用？

社区的各位大家好，我想问一下目前HiLens自带的摄像头有更多的说明文档吗？我想尝试修改摄像头的ISO和曝光时间这两个参数

开天集成工作台 ■■ 常见问题汇总■■  第二期一、流管理流编排能解决什么问题？流编排图形化编排是否可以满足复杂场景？流编排只支持华为云产品服务的集成吗？能否共享创建的流？可以关闭流或者启用流吗？支持哪些浏览器？同一个帐号可以支持同时在多个服务器上登录吗？流编排时动态内容如何使用？流运行的结果在哪里查看？二、连接器管理什么是连接，怎样创建连接？创建连接器时，验证方式该如何选择？如何进行连接器执行动作的测试？连接器的状态有哪些？连接器支持哪些身份验证类型？能否在没有Webhook的情况下生成触发器？用户创建的连接器，同一企业的其他用户可见吗？用户可以删除全部连接器吗？三、函数code代码连接器怎么使用数组作为函数入参？四、API生命周期   关于API生命周期的常见问题，请参见《API网关 APIG》的“常见问题”章节。五、应用魔方   关于应用魔方的常见问题，请参见《应用魔方 AppCube》的“常见问题”章节。六、集成项目管理企业管理员与系统集成商，拥有的权限有什么不同？七、计费管理是否允许套餐包降级？往期回顾：【答疑汇总vol.1】开天aPaaS■■集成工作台■■常见问题（2022.5）

明明ocrVatInvoice控件的输入参数都正确，为什么点击运行会显示连接不到token。

AICC 8.15.0 CC-FS 接口参考 中的accessKey 和服务器端口从哪里获取

【问题来源】【必填】深圳容大【问题简要】【必填】cc-gateway发起挂起转IVR完成之后发起内部求助，求助方收到 AgentEvent_Consult-Fail事件，被求助方收到AgentOther_PhoneAlerting事件，并可以进行应答操作【问题类别】【必填】CC-Gateway【AICC解决方案版本】【必填】AICC 22.100.0【期望解决时间】【选填】在线等【问题现象描述】【必填】时间：2022-11-29 16:59 分操作步骤：1、电话13266732466电话呼入，由座席107（签入10013）应答2、座席107 操作transfer(blocked transfer ) 选择 VIR (124)3、IVR播报完成后，座席107 innerhelp(Three-party) 座席106（签入10011）4、座席107收到AgentEvent_Consult-Fail事件，同时座席106收到 AgentOther_PhoneAlerting事件，并可以进行应答座席107事件座席106事件如果中间不做转接IVR，则发起求助方（座席107）不会收到失败事件。agentdemo复现截图如上。

torch模型迁移到mindspore模型的经验分享1、gscnn模型开发背景我参加过一期昇腾众智迁移项目，负责gscnn模型的迁移工作，积累了不少经验和心得，希望可以和小伙伴们一起分享，能帮助到新加入的小伙伴们，也希望昇腾社区越办越好！gscnn模型是执行语义分割任务的，语义分割任务是对图像中的每一个像素进行分类，现今SOTA的方法是直接使用一个网络来处理。但是图像中包括颜色、形状、文本等低级语义信息往往会被忽略掉。由于图像中的信息是多种多样的，所以将这些信息输入一个统一的网络会使得分割结果不是最优的。因此作者提出了一种新的思路，通过两个并行CNN结构来分别进行常规抽取和抽取图像的边界相关信息。作者将他们分别称为regular stream和shape stream。Regular steam的结构与传统的语义分割模型相似。而Shape stream的主要作用是获取图像中的边界信息，最终将两者信息进行融合，从而得到最终的分割结果。2、开发经验我将开发流程分为四大步,分别是读取源码 , 查询算子对应关系 ,代码迁移以及最后一步网络调试调优. 这里我将按照开发流程来逐一介绍每一步的开发经验。读取源码这一步其实是项目的前期准备工作,为了更好的迁移项目,我们必须要熟读源码,将源码的数据预处理,网络构建以及网络训练全部弄懂. 同时我们也要熟读论文,对论文的整体内容有一定的把握,此时要特别注意论文里面对训练配置的描述,这将对我们的迁移有着至关重要的作用.通过前期准备工作,我们可以对网络结构有着更深的了解.gscnn的结果如图所示：查询算子对应关系这一步其实是为了保证这个模型具备可迁移性,我们需要在源码中找到其用到框架中的哪些算子,然后去minspore框架当中找到其对应关系,在这里,有一点我们需要特别注意,就是虽然有对应算子,但是其中的参数有可能不一样,我们在对应的时候需要特别注意相关参数. 在这步过程中,如果我们发现没有相应的算子,这时候需要我们仔细观察没有的算子实现的功能,能否用其他算子进行代替. 如果不能,我们再考虑能够自己使用python语句将算子功能自己实现出来.当上面两步都不行的话,我们这时候需要考虑代码的可迁移性,可以及时和工程师进行沟通,商讨一些办法.在这里我将举个算子对应的例子来简单对比一下.下面这个是minspore框架中的batchnorm2d的源码:class BatchNorm2d(_BatchNorm): r""" Batch Normalization layer over a 4D input. .. math:: y = \frac{x - \mathrm{E}[x]}{\sqrt{\mathrm{Var}[x] + \epsilon}} * \gamma + \beta Note: The implementation of BatchNorm is different in graph mode and pynative mode, therefore that mode can not be changed after net was initialized. Note that the formula for updating the :math:`moving\_mean` and :math:`moving\_var` is .. math:: \text{moving_mean}=\text{moving_mean∗momentum}+μ_β\text{∗(1−momentum)}\\ \text{moving_var}=\text{moving_var∗momentum}+σ^2_β\text{∗(1−momentum)} def __init__(self, num_features, eps=1e-5, momentum=0.9, affine=True, gamma_init='ones', beta_init='zeros', moving_mean_init='zeros', moving_var_init='ones', use_batch_statistics=None, data_format='NCHW'): """Initialize BatchNorm2d.""" super(BatchNorm2d, self).__init__(num_features, eps, momentum, affine, gamma_init, beta_init, moving_mean_init, moving_var_init, use_batch_statistics, input_dims='2d', data_format=data_format) def _check_data_dim(self, x): if x.ndim != 4: pass下面这个是torch框架的batchnorm2d的源码:class BatchNorm2d(_BatchNorm): r"""Applies Batch Normalization over a 4D input (a mini-batch of 2D inputs with additional channel dimension) as described in the paper `Batch Normalization: Accelerating Deep Network Training by Reducing Internal Covariate Shift <https://arxiv.org/abs/1502.03167>`__ . .. math:: y = \frac{x - \mathrm{E}[x]}{ \sqrt{\mathrm{Var}[x] + \epsilon}} * \gamma + \beta The mean and standard-deviation are calculated per-dimension over the mini-batches and :math:`\gamma` and :math:`\beta` are learnable parameter vectors of size `C` (where `C` is the input size). By default, the elements of :math:`\gamma` are set to 1 and the elements of :math:`\beta` are set to 0. The standard-deviation is calculated via the biased estimator, equivalent to `torch.var(input, unbiased=False)`. .. note:: This :attr:`momentum` argument is different from one used in optimizer classes and the conventional notion of momentum. Mathematically, the update rule for running statistics here is :math:`\hat{x}_\text{new} = (1 - \text{momentum}) \times \hat{x} + \text{momentum} \times x_t`, where :math:`\hat{x}` is the estimated statistic and :math:`x_t` is the new observed value. Shape: - Input: :math:`(N, C, H, W)` - Output: :math:`(N, C, H, W)` (same shape as input) def _check_input_dim(self, input): if input.dim() != 4: raise ValueError("expected 4D input (got {}D input)".format(input.dim()))我们仔细观察各自框架的源码,上面注释有公式的介绍,我们可以看出来两个框架的momentum参数是和为1的关系,而不是简单的对应关系,这里要特别注意友情提示: mindspore官网上有与torch框架对应算子的文档介绍, 比较常见的上面都有,我们可以直接去看,如果有什么算子上面没有介绍,欢迎提出.代码迁移代码迁移这一步主要是我们前两步如果做的很好,那么迁移这一步将极其顺利,在这里,我有一些小经验想分享一下.我们迁移的顺序可以先迁移数据预处理, 迁移好之后,我们可以进行测试,确保数据预处理迁移完全正确,这样我们后面出现问题,可以确保不是数据集的问题.接下来迁移网络会更合理一些,迁移网络之后可以拿tensor常量过一遍网络,如果网络迁移的没有问题,并且初始化也一致的话,那么过一遍网络的结果也应该完全一样.这里有个想强调的点,就是初始化,因为初始化具有一定随机性,所以我们不能保证初始化完全一样,这时候有两种方法,一种是固定随机种子,另一种比较麻烦,就是将初始化改成全是one的方法,这样可以看出我们的网络逻辑是否有问题.然后再迁移损失函数部分,如果我们前面都保持一致的话,那么此步得出的损失函数也应该完全一样.最后在迁移训练部分, 注意torch的训练逻辑,这里torch和mindspore的训练是有所不同的,mindspore的训练是封装好的.举个简单例子看一下mindspore的训练步骤:import numpy as np import mindspore.dataset as ds import mindspore.nn as nn import mindspore as ms from mindspore.common.initializer import Normal def get_data(num, w=2.0, b=3.0): """生成样本数据及对应的标签""" for _ in range(num): x = np.random.uniform(-10.0, 10.0) noise = np.random.normal(0, 1) y = x * w + b + noise yield np.array([x]).astype(np.float32), np.array([y]).astype(np.float32) def create_dataset(num_data, batch_size=16): """生成数据集""" dataset = ds.GeneratorDataset(list(get_data(num_data)), column_names=['data', 'label']) dataset = dataset.batch(batch_size) return dataset class LinearNet(nn.Cell): """定义线性回归网络""" def __init__(self): super().__init__() self.fc = nn.Dense(1, 1, Normal(0.02), Normal(0.02)) def construct(self, x): return self.fc(x) train_dataset = create_dataset(num_data=160) net = LinearNet() crit = nn.MSELoss() opt = nn.Momentum(net.trainable_params(), learning_rate=0.005, momentum=0.9) # 使用Model构建训练网络 model = ms.Model(network=net, loss_fn=crit, optimizer=opt, metrics={"mae"})我们可以看出来mindspore的训练网络是封装到mindspore.Model里, 将损失函数, 优化器 以及评价指标全都封装里面了,而不像torch框架当中需要自己写训练,进行for循环迭代,不断读取数据,计算损失和梯度,进行反向传播,对于使用者来说,将更加方便.网络调试调优网络调试调优就是进行调参, 使模型更能达到更低点, 使训练精度更高.min-batchs大小和学习率调整的理想状况是刚开时的时候选取较小的min-batchs(较大的学习率, 这里的较大较小是相对的)，目的是让训练速度(收敛)变快, 随着迭代次数的增加，选取较大的min-batchs(较小的学习率)使得收敛速度放慢，避免错过最小值(最大值)。当梯度过大的时候,我们可以使用梯度裁剪, 当梯度过小的时候,我们可以使用loss_scale, 来进行放大梯度.我们还可以更换不同的优化器来观察训练效果, 看哪种优化器的训练效果更好.我们需要仔细观察loss的下降情况,这样我们可以制定对应的动态学习率,动态学习率相比静态学习率效果将达到更好.性能方面:当性能方面差异比较大时,我们可以测试每个算子所用的时间, 排查出究竟是哪个算子的问题, 然后针对这个算子进行仔细研究, 这里有一个小方法,就是可以将foalt32转换成float16,这时候精度不会产生较大影响,但性能会提升很多.mindspore平台正在不断进步, 虽然还有一些不足之处,但我相信随着时间的迁移,他一定会越来越好的,希望更多的小伙伴可以一起参与到mindspore框架的研发之中,加油!

8⽉30⽇，“华为开发者大赛暨HCSD校园沙龙”走进深圳技术大学。本次活动由华为技术有限公司主办，华为云开发者联盟产品部、鲲鹏产业源头创新中心承办，深圳技术大学大数据与互联网学院、开源创客协会协办。2022华为开发者大赛联合高校圈层活动品牌HCSD（Huawei Cloud Student Developers）推出“华为开发者大赛暨HCSD校园沙龙”活动，旨在携华为专家走进深圳技术大学，与高校开发者共话行业技术、勇攀技术高峰，共建高校生态，助力院校人才培养。活动伊始，深圳技术大学大数据学院副院长曹建民发表致辞，“校企合作是数字人才培养制度的创新，更是理论与实践相结合的教学模式传承，不仅服务企业发展的人才需求，对促进学校人才培养也具有重要意义。”他还表示，本次沙龙活动标志着双方合作的再次深化以及进一步协同创新。深圳技术大学大数据学院副院长 曹建民随后，深圳华为云教育生态总监肖展鸿为到场师生详细介绍了华为云赋能高校人才培养的定位及目标。他指出：在全球数字经济转型的国际大背景下，我们的社会迫切需要技术能力强、实践能力强、创新能力强的复合型人才，推进自主创新、产业升级需要人才先行。鲲鹏产业源头创新中心是由深圳市人民政府和华为公司双方联合建立，并在此基础上由深圳市各区人民政府和华为公司针对区域产业特色建立多个区域创新中心，集中培养在华为云鲲鹏云服务、智能制造、企业智能、工业互联网等多个方向的创新人才，建立人才资源池以汇聚、输出行业通用性人才，在此基础上重点培养行业高、精、尖、缺人才，对产业形成人才输出效应，打造深圳市创新人才高地。深圳华为云教育生态总监 肖展鸿接着，华为大赛运营专家郑彭元详细介绍了华为开发者大赛，“开发者是数字时代勇于创新的中坚力量，每一个开发者都了不起。”本次大赛以“Spark Infinity 创想无限”为主题。面向开发者开放华为云能力，为广大开发者提供了海量API接口。也期待各位开发者通过大赛这个顶级竞技舞台，可以发挥想象力进行创新创造，结合实际场景，解决行业痛点，共建云生态。华为大赛运营专家 郑彭元如今，以云和AI为核心的全场景智慧时代正在加速到来，各行各业将通过新技术进行数字化转型，重构体验、优化流程、使能创新，打造面向未来的核心竞争力。那么高校开发者如何抓住时代机遇，学好AI呢？华为云AI专家雅琴老师针对AI入门常见问题、AI发展现状与趋势、华为云开发者认证简介、华为云开发者认证权益四方面问题，进行了深入浅出的讲解。还带领学生体验了华为云开发者认证中的热门实验“文字识别API服务调用”，学习了解如何使用文字识别API服务，快速实现图片转文字功能，既提升了同学们的运用能力，也带领同学们通过实践体验开发乐趣，增强同学们考取华为云开发者认证的信心。华为云AI专家 刘雅琴活动现场，同学们踊跃参与，氛围十分活跃，不少同学抓住机会与专家进行互动问答，切磋交流。转眼活动进入尾声，还为同学们开放了华为云开发者认证考试券名额，旨在通过开发者认证体系，帮助同学们学习并考取认证，真正在云上作业，懂开发会开发，进而助力数字产业人才生态发展。

比如开发自动化运维脚本，调用华为云API ，部署在管理侧

绿色通道配置不加鉴权信息添加鉴权信息

用postman请求https://192.168.1.221/v1/whiteboard/annotation/start，返回{"success":1,"data":""}，但是大屏没有反应

2022年11月9日，华为云全球生态部总裁康宁在华为全联接大会2022上发表“共创新价值，一切皆服务”主题演讲，并发布全新的华为云API中心。API作为软件世界里连接服务和传输数据的重要通道，已成为数字时代的新型基础设施，是各行业驱动数字变革的重要力量。随着API数量的剧增和API经济的繁荣，API开发者和应用开发者在API生产、API开放和API消费过程中面临的困难和阻碍也越来越凸显。对API生产者而言，挑战主要在两个方面。在生产API时，开发者缺乏高效的生产作业平台，API设计、API开发、API测试等环节分布在不同系统中，数据难以保持一致性，开发者之间难以协同，使用体验较差；在对外开放API时，各厂商、开发者的API呈碎片化分布，不仅没有形成生态上的汇聚合力，还缺乏数字化运营能力支撑。对应用开发者而言，缺乏获取行业高价值API的途径则是巨大的挑战。他们需要快速找到所需要的行业高价值API，并实现便捷调用和高效开发。此外，API资产在作为商品直接交易变现的场景中，需要多样化的计费计量能力，来支撑灵活的商业模式，从而帮助API厂商和开发者获得更高的收益。针对上述问题，华为云围绕“开发者体验”，为API开发者和应用开发者打造了全新的华为云API中心。它通过对接集成，引入了华为云内部和生态伙伴的API工具、SaaS应用开发、集成平台及云商店等相关服务及产品，贯通粘合了API生产、API开放和API消费的端到端场景，为开发者提供API设计、开发、测试、发布、分享/交易、分析、管理等全生命周期极致体验。API生产极致高效：引入自动化的API工具，帮助API开发者高效生产API华为云API中心，通过引入高度协同和自动化的API工具，帮助开发者实现API设计、开发、测试一体化体验。第一，API设计与文档实时同步，设计即文档；第二，API文档可以自动生成多种语言/框架的业务代码和接口请求代码；第三，API测试与设计同源，一键自动化测试；第四，支持智能生成MOCK数据等，帮助提高开发者生产API的效率。API消费极速匹配：通过智能搜索和推荐，帮助应用开发者快速找到所需API华为云API中心一方面与伙伴和开发者共同汇聚多行业、多场景、多领域的高价值API，构建面向整个生态的API开放门户；另一方面，通过平台的智能搜索和精准推荐能力，缩短应用开发者和API资产的触达路径，帮助应用开发者快速找到所需API，并便捷地进行在线调测；此外，华为云API中心还将与SaaS应用开发、集成平台对接集成，赋能开发者在应用开发、集成工具中可见、可查、可用API中心的各类API。API开放极简体验：通过一键操作&批量处理工具，贯通粘合API开放全流程API对外开放的过程中，涉及到多个阶段和产品，包含API设计工具、API网关、API门户和云商店等，API中心通过一键注册、一键上架、一键订阅等特性打通跨产品的前后流程，为开发者提供了API全生命周期下的流畅体验：支持开发者“一键注册”，即从API设计工具“一键”注册至API生态网关，避免冗余的导出、导入操作，完成API服务的托管和开放；支持开发者“一键上架”，支持开发者从API网关将API“一键”上架到云商店，将API服务包装成API商品，进行商业变现，也支持开发者从API网关“一键”分享到API中心，实现API服务的开放分享；支持开发者“一键订阅”，即应用开发者在API门户或应用开发、集成工具中，可以直接搜索、订阅、调用API，并进行应用的开发和集成。API运营体系化：通过数据分析建立资产和用户画像，实现数据驱动运营华为云API中心通过构建体系化的API运营平台，打造面向不同角色的运营工具，为API开发者、应用开发者、平台运营者提供多维度的数据分析，实现数据驱动运营。API生产极致高效， API消费极速匹配，API开放极简体验，API运营体系化、精细化——这就是围绕提升“开发者体验”，帮助开发者快速实现应用创新的华为云API中心。2022年11月30日，华为云API中心将正式上线公测，诚挚邀请广大开发者通过“华为云官网产品目录>开天aPaaS>开发者>API中心”前来体验，并提出宝贵意见，与华为云一起共建数字生态，共享繁荣的API经济！

华为全联接大会2022于11月7日-9日在深圳和线上举办。11月9日，在“共建数智生态”主题演讲上，华为云全球生态部总裁康宁以“共创新价值，一切皆服务”为题发表主题演讲，就全面建设数字生态发布三大关键举措，同时发布四大创新服务，同时阐明了华为云将加强投入、持续深耕新伙伴体系的核心主张。会上，华为云还联合东莞市政府及多家优秀企业代表发布了“松山湖开发者村”，加速使能开发者成长和行业创新。华为云全球生态部总裁康宁2022年是华为云与开发者、伙伴共同加速成长的一年。目前，华为云生态已聚合了全球超过350万开发者，相比去年同期增长1.3倍；汇聚41000多家合作伙伴，相比去年增长1.4倍；越来越多的开发者和伙伴选择加入华为云。康宁表示：“华为云一直坚持践行‘一切皆服务’的战略，秉承共创、共享、共赢的生态理念，聚合千行百业应用，赋能全球开发者，使能合作伙伴。未来，华为云将继续加大投入，聚焦三大生态举措——全面赋能让开发者成为决定性力量、围绕能力构筑新伙伴体系、打造最佳企业应用分发平台，携手开发者、伙伴共创新价值。”全面赋能 让开发者成为决定性力量康宁在会上强调到，万千开发者是华为云生态的中流砥柱，让开发者成为决定性力量是华为云生态的首要目标。华为云将持续创新，在技术、平台、体验、多元生态协同等维度全面赋能开发者。在技术方面，华为云打造了四大开发生产线，包括AI开发生产线ModelArts、软件开发生产线CodeArts、数据治理生产线DataArts和数字内容生产线MetaStudio，帮助开发者一站式高效开发。本次大会上，华为云对AI开发、软件开发、数据治理三大开发生产线进行能力升级，同时发布了四大创新服务：• 发布ModelBox AI开发套件，降低AI开发门槛：基于ModelBox框架，集成了硬件开发板、平台工具软件和最佳实践案例，让开发者分钟级掌握AI应用开发和部署流程。在数字人领域，通过ModelArts开发的数字人大脑，赋予数字人各种技能。开发者只需输入文本或语音，就能让数字人马上开口说话，神态自若地在线直播。华为云全球生态部总裁康宁与数字人康小宁现场互动• 发布AutoETL工具，零代码高效开发：通过无代码模式，简单的编排和拖拉拽就可以生成一个处理流水线，使数据湖开发任务节点数量降低20%，数据作业开发效率由天级降到分钟级。• 发布CodeArts Snap智能编程助手，让人人都有开发助手：能将自然语言转化为编程语言，高效提升开发者编码效率和质量。CodeArts Snap不仅能根据中英文描述生成完整的函数级代码，同时可以替代重复繁琐的人工编码，高效生成测试代码；还能提供代码的自动检查和修复，其检查准确率达到业界领先。国家管网基于华为云低代码平台实现软件应用创新，打造安全作业管理平台，深入推进数字化转型。• 发布全新的华为云API中心，加速使能行业创新：联合伙伴汇聚海量优质的API，同时引入华为内外部的API工具、低代码平台、集成工作台等相关服务，能够让开发者快速联接华为云云服务和API接口，帮助开发者快速实现应用的创新。目前已汇聚超过6万个优质的API，覆盖制造、政府、交通、物流、金融、零售、教育等多个行业。在平台方面，华为云面向开发者提供众多优秀的平台资源。开发者不仅可以通过华为云学堂进行学习、交流、沙箱实践，参与各类开发者活动和大赛，还可以通过华为云160多个创新中心，获得开发者技术支持团队的专业支持。同时华为云学堂还将华为人才培养经验沉淀为aPaaS服务，提供给教育行业伙伴，帮助行业培养开发者人才。在体验方面，华为云从“文档与教程”、“代码与工具”、“社区与技术支持”三个维度，打造“3C”开发者体验，帮助开发者快速解决在开发过程中遇到的具体问题，让开发者更聚焦于开发本身。在多元生态协同方面，华为云将充分发挥华为产业组合优势，协同鲲鹏、昇腾、HMS/鸿蒙及MDC等生态，以云为底座打造丰富多元的生态能力，实现多种开发技术无缝协同，激发开发者的无限创新。会上，华为云还与东莞松山湖高新区党工委副书记、管委会主任欧阳南江，以及多家企业代表联合发布了“松山湖开发者村”。依托华为云、鸿蒙等技术，“松山湖开发者村”将联接企业，推动数字技术与东莞产业深度融合，打造成为一个聚天下英才的开发者基地。松山湖开发者村发布仪式持续深耕 围绕能力构筑新伙伴体系健康、繁荣的生态体系，是华为云快速成长的基础。今年，华为云发布了新伙伴体系，包括GoCloud和GrowCloud两个合作框架，目标与伙伴技术共生、商业共赢，培育与发展伙伴能力。华为云新伙伴体系将投入1.2亿元专项资金为伙伴提供专业赋能和各种激励，并与伙伴共建了300多个联合解决方案与服务。目前已有41000多家伙伴选择与华为云开展商业合作，共同为超过11万家的客户服务，伙伴收入同比增长超过55%。为了保障伙伴的商业成功，华为云还打造了伙伴价值创造与商业变现流程，制定了联合构建、联合营销、联合销售，以及联合交付与服务的流程体系。在新伙伴体系下，华为云服务伙伴计划将开放3类市场机会，包括NA项目、中资出海项目和华为内部项目；提供覆盖业务、技术、培训、营销等领域的6大核心权益；同时帮助伙伴构建上云规划实施、应用现代化、大数据等5大领域的能力，让服务伙伴与华为云共生共赢。在初创生态领域，华为云将全面建设初创生态，以华为云初创计划和华为云加速器作为双轮驱动，为初创企业提供创新云平台、创业赋能、商业资源等多维度的支持，3年内赋能全球10000家高潜初创企业。成就伙伴和客户是华为云始终坚持的目标，在828 B2B企业节，华为云联合3万多家生态伙伴，为中小企业提供了1000款产品，超亿元专项扶持补贴，惠及超10万家企业，并为参与伙伴带来平均140%的订单增长。持续创新 打造最佳企业应用分发平台华为云云商店KooGallery持续创新，旨在成为用户首选的最佳企业应用分发平台，成为开发者、伙伴的最佳商业变现平台。华为云与伙伴联营，在云商店的商业模式、平台赋能、资源扶持等多个层面深度合作，帮助伙伴商品快速变现。目前已有7000多家优秀伙伴入驻，上架了60多个品类共9200多款商品。在本次大会上，华为云还公布了 “2022华为开发者大赛”的最新进展。作为华为ICT领域的顶级赛事，大赛备受全球各领域开发者关注，吸引了来自全球40多个国家的15000多名开发者、2500多支团队报名参赛。开发者们用无限的创造力和想象力，开发出了众多具有社会价值和商业潜力的创新应用。面向未来，华为云将持续践行“一切皆服务”，携手开发者和伙伴，共建数字生态，加速行业智能化升级。