我国法院系统对于人工智能技术的应用应当说在全球范围内处于比较领先的地位，一方面是由于党和政府对于司法信息化给予了高度的重视，2017 年，周强院长就指出“司法改革和信息化是推动人民法院工作发展的车之两轮、鸟之双翼”。可以说，中国法院一直以来积极主动拥抱现代科技，大力加强智慧法院建设，并通过应用人工智能技术努力让人民群众在每一个司法案件中感受到公平正义。 今年 6 月 17 日，最高人民法院发布了《人民法院在线诉讼规则》，可以认为是人工智能应用与司法领域成果的集大成者。 努力满足人民群众日益增长的多元司法需求是新时期人民法院工作的出发点和落脚点，而如何利用有限的司法资源让人民群众在每一个案件中感受到公平正义，就必须进行资源的优化配置。而在线诉讼是这一理念的直接产物。在线诉讼系统是一个复杂的信息物理系统（Cyber Physical System），而这个系统中最主要的资源瓶颈是法官的认知与判断能力，在在线诉讼的过程中，各类图像、语音识别技术，信息检索与推荐技术，文本聚类分类技术等综合应用，充分利用了系统在信息处理、流程管理、通讯交互等方面的功能，以人机协作的形式开展诉讼过程，最大程度的减少法官的非必要劳动，充分发挥法官的认知与判断能力。大家如果尝试过包括移动微法院、互联网法院等的诉讼过程，可能也能体会到这套技术体系的优势。在信息化的基础上，当前的自然语言处理技术等人工智能技术在辅助智能审判方面发挥着很重要的作用。在协助法官生成制式文书，对诉讼材料的案件事实进行自动归纳、抽取和摘要生成，为法官撰写裁判文书的事实部分提供参考等场景得到很好应用。据我了解，当前全国有 3000 余家各级法院使用了裁判文书自动纠错、裁判文书上网前敏感信息自动屏蔽、法律文书主要内容自动生成等审判辅助系统。 同时，我们也应当认识到科学技术在司法中的应用需要尊重司法规律。完成判决书的撰写，实际上蕴含了非常复杂的司法裁判过程，可以说判决书并不是撰写出来的，而是法官经过复杂的审理、心证、裁判过程的结果。仅从技术的角度看，要实现人工智能技术完全替代法官裁判，需要突破智能化瓶颈，还有很长的路要走。

四个比较主要的研究方向。 （1）建立司法领域智能推理的计算模型，包括：立法推理、预测判决结果、法律论证模型；与人工智能领域的逻辑推理、因果推断等方面研究关系紧密。 （2）建立司法内容智能解析的计算方法：法律本体表示、法律文本的信息提取、法律案例的表示学习、司法预训练语言模型的构建等；与人工智能领域的自然语言处理研究关系紧密。 （3）建立模拟人类进行法律认知过程的计算模型：法律类案检索、法律条目检索、法律阅读理解、法律内容推荐等；与人工智能领域的智能信息处理研究关系紧密。 （4）建立人工智能本身的法律规范：探讨人工智能技术本身应用的边界，与人工智能伦理等方面的研究关系紧密。我个人的看法：在人参与的活动中，要用人工智能去有效的预测结果，是很难的。比如：金融市场投资啊、诉讼结果预测啊因为人的复杂性、社会的复杂性，人工智能想要弄清楚，太难了

“司法人工智能”可以说是最近几年被“生造”出来的一个词，简单来讲是用人工智能去解决司法面临的一些问题。但在实际操作的过程中，或者说在社会公众的眼里，还是对此存在一些理解误区。比如常见的误解是，智能化就是信息化的一个升级，因此司法人工智能就是司法信息化的下一个阶段，这样的理解是不够准确的。还有比如说用机器人替代法官，让机器人给我们判案，这显然都是一些不那么正确的理解。 就我个人的理解来说，我觉得司法跟人工智能是有非常密切的关联，体现在两方面：司法对于人工智能的迫切需求，以及司法对于人工智能的反哺作用。也就是说，作为交叉领域，它们一定是互惠互利的，而不是单向输出的关系。 大概 2019 年的时候，最高人民法院院长周强院长来清华分享过一个报告，那个报告我印象还非常深刻：一开始周院长先给法院做一个定义，他说，“法院是专门负责解决纠纷的国家审判机关，司法解决纠纷的过程，本质上讲就是寻找事实、寻找法律的过程。” 当时我想到，寻找事实跟寻找法律这两个过程，说到底都是我们这些研究人工智能、特别是做信息检索的人一直在尝试做的事情。 寻找事实的过程，可以认为是将现实世界向虚拟空间投射的过程，核心是将现实世界中纷繁复杂的社会现象转变成为虚拟的信息空间中的逻辑元素，可以认为是将物质世界信息化的特殊形式。而寻找法律的过程，则是将事实依据匹配法律准绳的过程。这一过程既包括了根据事实检索相应的法规法条，确保有法必依、违法必究的含义；也包含了根据不断变化的客观事实归纳总结立法过程中可能存在的缺失与不足，建立更新法条、确保有法可依的含义。 以计算思维的观点，这两个过程中包含了建立计算模型、收集计算数据、设计计算算法的步骤，是可以由知识工程、信息检索、数据挖掘等计算机科学与人工智能的研究领域极大推进的。这反映了司法对于人工智能的迫切需求。 交叉学科一直是高等学校学科建设的重要战略举措，但是在实际工作推进中，往往存在“剃头挑子一头热”的现象，究其根本是存在“交叉”的不同学科之间往往仅强调一方的“输血”而忽视了双方的“互利”。对于司法人工智能的研究与实践而言，司法领域不仅需要计算机学科和人工智能技术领域的支持与配合，更需要注意从源头上避免单向简单应用信息技术成果、而忽视智慧司法研究客观上存在对计算机领域进行“反哺”的重大潜在优势的现象。 也就是说，不能只考虑计算机怎么为法律服务，必须得是互惠互利的关系，也必须谈司法怎么对人工智能发挥作用。我跟很多相关的老师也沟通过这个问题，司法是人工智能非常好的一个应用的场景，我们管它叫人工智能的一个应许之地，意思是人工智能应用于司法领域是非常合适的。 这种反哺作用可以从两个方面来认识，从司法人工智能的服务对象上看，司法系统的用户呈现知识水平、专业程度高度异质化的特点，针对不同背景的用户进行认知过程的数据收集与建模，本身可以协助我们建立更加完善的司法知识体系，甚至指导构建从常识到专业知识、从通用化到专用化的认知模型与机器学习模型。 其次，从司法人工智能的数据对象上看，与其他垂直领域的数据相比，司法数据呈现相对结构化、逻辑组织较为严密的特点，当前，提高人工智能特别是机器学习算法的鲁棒性、可解释性成为第三代人工智能的前沿研究课题，而垂直领域知识图谱构建和因果逻辑推断等技术则成为支撑鲁棒、可解释人工智能的核心技术路线。司法领域数据具备的这些特点，使之成为人工智能技术探索性研究中适宜的应用场景，成为推动人工智能技术取得突破性进展的“应许之地”。这么说来，司法领域，简直是人工智能施展抱负的绝佳场景。事实如何呢？

AI 在医疗诊断中的应用受到了越来越多的关注，也出现了一些实际的应用场景，如药物筛选、AI 诊断。但似乎正确的 AI 医疗诊断难以实现，这是哪些原因造成的呢？AI 与医疗融合作为近年来兴起的一种新领域，具有巨大的发展潜力。用于医疗的 AI 算法正在不断涌现，在看到领域前景的同时，我们也发现了一些问题。 例如，为了协助医生筛查潜在新冠患者，AI 领域的研究者们研发了多种机器学习算法，以根据胸部 X 光片和 CT 图像快速准确地检测和预测新冠肺炎。然而，剑桥大学的一项研究发现：这些算法存在严重的算法缺陷和偏见，无法用于实际的临床应用。 实际上，致力于 AI 与医疗融合的研究者并不在少数，也有很多项目为此投资，但该领域仍然存在一些实际问题。

项目链接：https://developer.huaweicloud.com/develop/aigallery/notebook/detail?id=c5c241b2-d02b-49e9-88c8-87c32e2b0e0b运行到第三个cell运行报错，如图所示，请问有啥办法呢？

今年春节，开发者们大显身手的机会来了！利用华为云AI组件，通过简单部署、训练，就可实现老照片上色、动漫脸照片、聊天机器人等30+有用又有趣的应用实例开发体验。终于能在亲朋友好友面前秀一手开发技术：修复老照片，为黑白照片上色，帮爷爷奶奶找回逝去的青春；给弟弟妹妹亲手做一个动漫脸生成器，看看谁的更像柯南、樱桃小丸子；给侄子侄女做一个聊天机器人，让它成为新孩子王，带来更多欢笑。做完这些开发项目（免费体验入口见文章下方），写出体验中的思路、创意、经历等，还有机会获得康佳KC-V5扫地机器人、雷柏机械键盘、HDC开发者长袖文化衫、华为手环等惊喜好礼。有点心动？看看下面活动细则吧：AI免费参与体验入口：项目名入口人脸图像视频动漫生成https://marketplace.huaweicloud.com/markets/aihub/notebook/detail/?id=5ee56b27-732a-40f3-b56f-13d9349ae67fAnimeGANv2照片动漫化https://developer.huaweicloud.com/develop/aigallery/notebook/detail?id=6473b148-f59d-4064-84b6-2b6d78ec546c中文聊天机器人https://marketplace.huaweicloud.com/markets/aihub/notebook/detail/?id=16e6b382-d189-47d9-8b46-5fccd5181544实例感知图像上色https://developer.huaweicloud.com/develop/aigallery/notebook/detail?id=792c79a5-cc29-4a65-be37-514ab959a692GFP-GAN面部恢复https://developer.huaweicloud.com/develop/aigallery/notebook/detail?id=98399bfe-318d-4ec5-9df3-c2da8746d30bDeepSocial-COVID-19社会距离监测https://developer.huaweicloud.com/develop/aigallery/notebook/detail?id=c5c241b2-d02b-49e9-88c8-87c32e2b0e0bU-2-Net生成肖像画https://marketplace.huaweicloud.com/markets/aihub/notebook/detail/?id=7828c948-095b-44ee-88a2-9d308cc079a9re-ID用于人员重新识别的联合判别和生成学习的baselinehttps://marketplace.huaweicloud.com/markets/aihub/notebook/detail/?id=97bfb1cd-e78c-48b9-a452-36c6810cd3d2通过CNN识别数字验证码https://marketplace.huaweicloud.com/markets/aihub/notebook/detail/?id=3248a0ca-4d72-4864-b2ba-2309b7a744e8图像去模糊算法之DeblurGAN-v2https://marketplace.huaweicloud.com/markets/aihub/notebook/detail/?id=f9363b7d-5b9b-4c21-b30b-84e9724af684ESRGAN图像超分辨率重建https://marketplace.huaweicloud.com/markets/aihub/notebook/detail/?id=f56d4564-e8a4-4dc1-815d-24f1d45c1a23Super-SloMo 超级慢动作https://marketplace.huaweicloud.com/markets/aihub/notebook/detail/?id=e5a8e29b-b271-4384-819b-cb27eed9b8db基于深度学习对特定建筑的黑白照片上色的模型https://marketplace.huaweicloud.com/markets/aihub/notebook/detail/?id=1a96fd12-38c9-433a-b40b-ae1a22b3eff1Panoptic-Deeplab(全景分割/PyTorch)https://marketplace.huaweicloud.com/markets/aihub/notebook/detail/?id=02dad887-0bda-417d-a1f7-1b3762fef3f3Fast-SCNN（语义分割/Pytorch）"https://marketplace.huaweicloud.com/markets/aihub/notebook/detail/?id=9b6ab7a9-9b05-4751-8473-e6e134f830e8TSD（目标检测/Pytorch）https://marketplace.huaweicloud.com/markets/aihub/notebook/detail/?id=96a7c704-908c-41b8-acd9-0ed6d2894eb5CenterNet-Hourglass (物体检测/Pytorch)"https://marketplace.huaweicloud.com/markets/aihub/notebook/detail/?id=e8087d2d-25ae-4605-a9d5-ec42a60ef5b8DynamicRCNN_目标检测_PyTorchhttps://marketplace.huaweicloud.com/markets/aihub/notebook/detail/?id=aa5cc2bb-ccd6-4ab7-9a79-6a94745f28a2使用LSTM算法实现UCF-101视频分类https://marketplace.huaweicloud.com/markets/aihub/notebook/detail/?id=151f5768-5641-4bdf-b0dc-4c4377031d8d基于3D-ResNets实现UCF数据集的视频分类https://marketplace.huaweicloud.com/markets/aihub/notebook/detail/?id=e09e16fa-9553-4a9d-a1cf-76b454eba98d强大的视频抠图(RVM)https://developer.huaweicloud.com/develop/aigallery/notebook/detail?id=2316748d-ce18-4345-a720-15d56c8b597eAI创作诗词https://marketplace.huaweicloud.com/markets/aihub/notebook/detail/?id=60658dee-1052-4d26-aacd-9ab5828f0ac4Transformer-机器翻译https://marketplace.huaweicloud.com/markets/aihub/notebook/detail/?id=07c0d966-31fb-469e-b64d-fe347b180f96中英机器翻译https://marketplace.huaweicloud.com/markets/aihub/notebook/detail/?id=7e8663ce-5510-4eeb-a57e-b56322fe9449M-SQLhttps://marketplace.huaweicloud.com/markets/aihub/notebook/detail/?id=0446b890-b87d-4fc0-930b-84ddd263c914金融情绪分析FinBERThttps://marketplace.huaweicloud.com/markets/aihub/notebook/detail/?id=a9a2dc45-6a1a-4404-8853-e099be013ba1ACGAN-动漫头像自动生成https://marketplace.huaweicloud.com/markets/aihub/notebook/detail/?id=355a64f7-09fc-4db2-971a-6ef14b23dd00pix2pix图像风格迁移https://marketplace.huaweicloud.com/markets/aihub/notebook/detail/?id=9f895d12-facf-41c3-b758-2151906b253dCycleGAN图像风格迁移https://marketplace.huaweicloud.com/markets/aihub/notebook/detail/?id=4553d3b9-bd21-4076-b6a3-efeaa3296333天空背景转换https://marketplace.huaweicloud.com/markets/aihub/notebook/detail/?id=1e793f22-d5a2-4ca3-b768-6b19608b5b25damedanehttps://marketplace.huaweicloud.com/markets/aihub/notebook/detail/?id=bfd2134d-d175-4639-9d85-4a16469ea9a9Convmesh 2D图生成3D网格https://marketplace.huaweicloud.com/markets/aihub/notebook/detail/?id=bbd42085-fdda-4588-8d28-d0350d800459图像风格化绘画https://marketplace.huaweicloud.com/markets/aihub/notebook/detail/?id=b4e4c533-e0e7-4167-94d0-4d38b9bcfd63StyleCLIP文本操作图像https://marketplace.huaweicloud.com/markets/aihub/notebook/detail/?id=bc052016-534e-4de0-b618-816cf227db4dStyleGAN3生成高清图https://developer.huaweicloud.com/develop/aigallery/notebook/detail?id=e62562a1-29d1-4c6b-a057-b7562f44c642使用单张2D图进行3D重建https://marketplace.huaweicloud.com/markets/aihub/notebook/detail/?id=6179f6fc-be99-41d4-9b19-edbba1fdc702OpenPose手势识别https://marketplace.huaweicloud.com/markets/aihub/notebook/detail/?id=c4cd7777-9d2f-4ebb-a617-e5c3916fcaf7面向未知域和未知类别的小样本学习https://marketplace.huaweicloud.com/markets/aihub/notebook/detail/?id=3a1b5b56-abd8-449e-839d-b3adf48c6599*加粗部分为重点推荐项目*部分项目有时间限制，但可在时限内重新刷新，获得时间延续我们需要哪些主题的稿件？原则上，我们欢迎所有能帮助所有学习使用华为AI平台的人成长的文章！如基于自己的实际使用经验，分享对华为AI的技术分析、使用感受及在项目实战中的经验等。只要跟华为云AI平台有关的内容，我们都欢迎：如果你还没尝试过玩华为云AI应用，或者不知道该怎么写，请你务必仔细阅读下面1-3篇文章，可以让你更快上手：使用ModelArts实现动态生成动漫头像ModelArts自动学习实现动漫人物识别基于ModelArts学习Python编程手把手教你用ModelArts模型部署上线&在线推理（一）基于ModelArts自动学习的超市商品分类定位基于ModelArts的昇腾CANN的TensorFlow模型迁移性能优化分析你将获得什么？我们会把收到的优质内容汇编成册，并注明原作者，积累行业口碑，开放给圈内开发者下载查阅，提供实践参考。对于贡献优质内容的作者，我们还将送出各项大礼！同时，在华为云站内外10+个技术社区醒目位置进行推荐，给与百万级流量资源。优质作者更可获得长期约稿和更多内容合作机会。评奖规则说明来自华为云EI的评审组与华为云社区运营组将联合评审此次征文。专家评分依据 ：文章篇幅、技术含金量、排版美观度、阅读量、点赞、收藏等指标综合评分。其他说明 ：1、一二三等奖不能叠加。2、一二三等奖可与创作小能手奖叠加。3、征文投稿数量不计入月度激励活动文章数量。在哪里投稿？文章需要发表在社区博客； 是时候展现真正的技术了， 点击前往发布标题以 【华为云AI贺新年】结尾，例如：手把手教你用ModelArts模型部署上线&在线推理丨【华为云AI贺新年】。文章末尾需加上活动名称及链接地址：【华为云AI贺新年】有奖征文火热进行中：https://bbs.huaweicloud.com/blogs/325842有哪些需要注意的1、文章内容需体现技术看点，图文并茂，建议字数在500字以上；2、文章要求为投稿人原创，凡转载或抄袭一经发现将取消参赛资格；3、文章须在华为云社区为首发，如华为云平台已有文章内容则视为稿件无效；4、稿件投稿后，华为云拥有该稿件的使用权、修改权等。快来华为云社区博客，一起构建趣味应用！ 点击立即体验如果有任何问题，可扫描下方二维码咨询。添加微信时请备注：报名活动时使用的华为云昵称！扫码添加小助手：

>摘要：详解华为云IoTA服务如何助力IoT数据开发者快速实现IoT数据价值变现，带你动手实践完成一整套工业物联网方案的开发。本文分享自华为云社区[《【云驻共创】孪生？数字孪生？欢迎进入极客的世界》](https://bbs.huaweicloud.com/blogs/303929?utm_source=zhihu&utm_medium=bbs-ex&utm_campaign=other&utm_content=content)，作者：启明。 在文章开始前，我们先对标题中的名词做一个解释： - **华为云IoT数据分析**：也叫华为云IoTA（Analyst）华为云IoTA服务基于物联网资产模型，整合IoT数据集成、清洗、存储、分析、可视化，降低开发门槛，缩短开发周期，帮助IoT数据开发者快速实现IoT数据价值变现。通过动手实操，让智能制造领域开发者体验如何基于华为云IoT边缘计算、设备接入、数据分析能力，从设备接入到产线孪生，完成一整套工业物联网方案的开发。 - 数字孪生体：数字孪生是充分利用物理模型、传感器更新、运行历史等数据，集成多学科、多物理量、多尺度、多概率的仿真过程，在虚拟空间中完成映射，从而反映相对应的实体装备的全生命周期过程。数字孪生是一种超越现实的概念，可以被视为一个或多个重要的、彼此依赖的装备系统的数字映射系统。 通过上面的解释，相信大家对标题和我们今天要介绍的内容有了一定的了解，接下来，我们进入正题。 # 工业4.0时代，工厂数字化“危机重重” 回顾人类历史，我们共同顺利经历了三次工业革命： 第一次是蒸汽机时代，开创了以机器代替手工劳动的时代；第二次是电气时代，自然科学的发展和工业紧密结合，科学在推动生产力方面发挥了更为重要的作用；第三次是信息化时代，科学技术转化为直接生产力的速度急速加快。 而今，我们迎来了第四次革命，即，工业4.0：智能化时代。“工业4.0的本质，就是通过数据流动自动化技术，从规模经济转向范围经济，以同质化规模化的成本，构建出异质化定制化的产业。对于产业结构改革，这是至关重要的作用。” 作为新一轮的工业革命，工业4.0的核心特征是互联。工业4.0代表了“互联网+制造业”的智能生产，孕育大量的新型商业模式，真正能够助力实现“C2B2C”的商业模式。 当前，大家都还在“工业4.0”的摸索阶段。大量的工厂已经开始自己的智能化转型之路，比如通过构建应用来讲采集的数据可视化，讲数据价值最大化。但是，在这个实践过程中，问题不断涌现，诸如： ## 1、数据/信息孤岛，烟囱林立 1）应用多独立构建，缺乏统一标准，应用间无法有效进行数据共享和信息互通，形成数据和信息孤岛； 2）企业数字资产零担分布，维护成本高，使用效率低下； ## 2、应用上线慢，耗时耗力 1）重复造轮子，每个应用上线都有大量重复工作，浪费人力物力，耗时长； 2）其中数据的处理量为复杂，缺乏统一的建模，导致各应用都面临原始数据的重复处理； ## 3、数据分析门槛高 1）数据利用率低，大量数据限制，未充分利用，价值挖掘仅冰山一角； 2）关键原因：业务场景不明确，数据开发技术门槛高，缺乏好的数据平台； 而可能导致上面几个关键问题的原因之一，我们认为可能和软件开发分层解耦没有做到位有关。 # 软件开发未做到足够的分层解耦 为什么说“软件开发未做到足够的分层解耦”呢？ 我们来对比一下传统的软件开发过程和华为云IoTA的模式。传统软件开发过程有两种模式： ## 模式一：应用独立构建。  1）一半缺乏整体规划，各应用独立部署，数据各自基于业务需要进行采集和使用 2）效率低下，比如重复采集数据，对生产影响大 ## 模式二：基于数采平台构建  1）开始考虑统一的数采平台，由专业数采团队完成尽可能多的数据采集，并集中统一开放； 2）整体上效率有所提升，但是数据的使用仍然是独立的，未实现真正的融合，应用间对数据的处理仍存在大量重复工作。 那么华为云是如何解决这其中的问题的呢？这个时候就是数字孪生体该出场的时候了。  通过上图这样一个模型，可以带来： ## 更全面的场景化认知能力： 1）统一数字建模语言，语义层互通 2）图形化/模板化建模开发环境，效率提升40% 3）强大模型计算引擎，支持最大亿级模型节点，无缝衔接AI，智能化扩展 ## 更广泛的物理感知能力 1）10+主流原生协议，60+标准协议 2）云边协同，协议插件自定义扩展 3）模组预集成SDK，上电即上云 通过把物理对象一一进行数字化处理，将应用和物理设备的交互，转变成应用和数字孪生体的交互。相对于前两种模式，这种模式的开发方式有了一个非常大的变化：**我们可以无视最底层的物理设备，或者物理接口，将数据建模部分的工作，交由IoT的“统一孪生模型层”完成**。 # IoT数据分析孪生建模概念分析 接下来，我们将介绍一些“孪生建模”相关概念。 **数字孪生**：广义上是由物理对象、数字镜像及互动系统构成的一个体系，狭义上是物理对象的数字镜像。 **数字孪生体成熟度模型**可以分为数化、互动、先知、先觉、共智5个阶段，已经超越了现有的数字化、物联网、仿真、大数据、人工智能、云计算等等的任何一个概念。 1）数化：物理世界中的物通过数字化建模得到一个数字模型； 2）互动：数字对象和物理对象之间，实时相互传递信息和数据来产生互动的效果，比如说可以对设备下发一些控制命令（打开路灯）； - 先知：基于完整的信息和明确的机制可以预测未来。比如说平常生活中的天气预报，可以预测未来的天气； - 先觉：基于不完整的信息和不太明确的机制去推测未来； 5）共治：多个数字孪生体之间可以共享智慧、共同进化，是更高级的一种表现。 **IoT领域的数字孪生**：物理世界的物在数字世界中的实时准确映射，通过定义模型和汇聚相关数据构建出数字孪生载体。  # IoT数字孪生应用场景 基于上述的概念，我们介绍一下数字孪生应用场景。数字孪生是一项通用的技术，正在成为国家数字化转型新抓手，支撑社会各行业数字化转型的使能技术。下表为数字孪生核心应用场景及价值：  以“智能工厂”行业为例，行业内的龙头企业，已经在开发数字孪生体。其在开发设备过程中直接就把数字孪生也同步开发交付了，从而实现了整个设备在生命周期的全数字化管理的能力。同时，依托现场采集数据，结合其孪生体的分析，可以提供产品的故障分析、故障预测、远程管理等等增值服务，最终可以有效提升用户体验，降低整体的运维成本，同时可以强化企业的竞争力。 **工厂数字孪生由制造数字孪生和产品数字孪生组成，背后的多模型是核心** 工厂数字孪生由两部分组成：制造数字孪生和产品数字孪生。 **制造数字孪生：** **定位**：将工厂的制造环节进行数字化的镜像，能够实时反映工厂的制造过程；经过对制造过程的统一抽象，不同应用可以基于统一的语义进行交互； **建模内容**：生产装备，产线，生产工艺流程，质量缺陷，物理结构等； **产品数字孪生** **定位**：从工厂在制产品维度，组织生产过程中产生的各种数据，并预留通过与数字主线对接的能力打通产品设计阶段，产品维护阶段的数据； **建模内容**：产品的各种属性，生产过程数据，质量数据等。 整个工厂的数字孪生背后是有多种模型支撑的：  从下往上总结，可以看到：设备模型、产线模型，制程能力模型、质量缺陷模型等，再往上是设备故障预测模型及设备物理/结构模型等等。多种模型，对应着不同的使用场景。 那么，这样一个模型，是如何设计和落地的呢？  我们需要熟记一句话：**对物理世界事物构建数字资产模型时，必须先定义好资产模型，然后再创建资产**。 IoT领域的数字孪生包括两部分，一部分是模型，第二部分是资产。怎么理解这两个概念呢？模型就相当于是面向对象中的class，即，类。类是静态的，对一些抽象的东西进行定义。 而资产实例相当于面向对象中的实例对象object，即把类实例化创建一个对象出来，并使用它。 把模型打开来看，里面又分属性和分析任务。属性可以类比于我们class里面的成员变量；分析任务类比于class的成员方法，定义了属性的一些分析技术的逻辑。 具体到属性，又可以分成静态属性，测量数据属性和分析任务属性三种。同时，分析任务也可以分为转换计算、聚合计算以及流计算三种。 # 工厂数字孪生生产线与设备建模效果介绍 说这么多，华为云IoTA服务究竟有什么样的效果呢？ 以一个SMT生产的建模场景为demo：  上图是SMT贴片产线。SMT其实一个PCB板的贴片的生产工艺，所有的电子产品包括iPad、手机等等电子类的相关产品，都离不开此工艺流程。 从 demo可以看出，中间有三条产线，左侧可以看到每一条产线当前实时的设备和产线OEE的指标。 中间部分是产线设备，可以操作的动作有： - 可以通过放大的方式可以把它打开看； - 可以点击某个设备，也可以看到当前此设备在当前周期的实时的OEE； - 可以监控设备关键的参数属性，比如可以对一些关键的属性的值做异常值的监控； - 可以看到如果设备出现异常：整个系统会显示红色或者黄色的点来表示设备出现异常； 右侧则可以看到设备的过去几天或几个小时的列数据。 或者大家会对前面提到的OEE感到疑惑，那么什么是OEE呢？ OEE，即设备综合效率（Overall Equipment Effectiveness）。一般来说，每一个生产设备都有自己的理论产能，要实现这一理论产能必须保障没有任何干扰和质量损耗。OEE就是用来表现设备是的生产能力相对于理论产能的比率。 在计算OEE的时候，会涉及到以3个维度： - **时间利用率**：时间利用率=Σ实际运行时间/Σ计划开机时间*100%。用来评价停工所带来的损失，包括引起计划生产发生停工的任何事件，例如设备故障，原材料短缺以及生产方法的改变等等； - **性能利用率**：性能利用率=Σ[产出数量*一个产品在设备应有状态下加工的周期时间]/Σ实际运行时间*100%。用来评价生产速度上的损失。包括任何导致生产不能以最大速度运行的因素，例如设备的磨损，材料的不合格以及操作人员的失误等； - **合格率**：合格率=[合格产出数量]/[产出数量]*100%。用来评价质量的损失，它用来反映没有满足质量要求的产品（包括返工的产品）； 那么最终的计算公式就是，OEE=[时间利用率]*[性能利用率]*[合格率]*100%，这就是衡量设备综合运营效率的一个关键指标，也是很多电子制造工厂以及其他类似厂房里的一个关键性指标。 一般来说，国内厂家OEE的数值都不会太高，一般只有70%，或者80%，少的甚至只有40%左右。 # 工厂数字孪生产线与设备建模详解 对于整个IoT数据分析服务，其一般是如何进行数据处理分析的呢？  参考上图： 第一步，数据管道。我们通过数据管道把数据接进来，同时本地也会进行备份； 第二步，对设备进行建模； 第三步，建立设备资产； 第四步，把模型实例化之后的设备，及灌进来的数据，通过设备资产分析这个计算引擎，完成实时计算相关的分析任务； 第五步，把数据存储到IoT内部； 第六步，把这个数据通过API开放给第三方使用。 接下来以实际的SMT产线的印刷机为例，结合前面概念讲一下如何去配置和设计模型。  整张图可以分为两个部分，左侧是整个数据完成相关模型概念大纲介绍的几个维度，右侧的是一个生产印刷机设备的实际信息。 前面我们有大概介绍属性分为3类，但是没有具体讲解三类的相关信息，在此我们补充介绍一下： **静态配置属性**，此类属性不需要设备上报，也不怎么会有变化，比如产品型号，设备类型等等； **测量数据属性**，测量数据属性是需要设备上报的。通俗一点说，就是，数据分析自己是没法得到的，需要别人给系统的数据。包括设备上报的属性，也有可能包括从第三方的业务系统读到的属性，系统都认为是一种测量属性； **分析任务属性**，此类属性在数据上报之后，是需要去进一步计算的。 同时，分析任务也分为3种： **转换计算**：举个简单例子，假设创建的时候包含了两个属性，a和b，而我们要求在这个过程中，a+b=c，那么这就是一个转化计算。转化属性要求是实时的，且ab两个值的数据时间戳是相同的； **聚合运算**：聚合是一个时间维度的计算，假设要求过去五分钟的一个平均温度，如果设备每五秒钟上报一次数据，那么就需要对五分钟内的所有上报的数据做一个平均，相当于在时间维度下，做聚合运算； **流计算**：流计算主要是用在比较复杂的场景，逻辑不能用简单的一个if /else表达出来的时候，就需要使用到流计算。举例来说，当资产将很多参数上报之后，系统需要通过这几个参数计算出一个结果，再返回资产，那么流计算在其中的作用就相当于一个计算器。流计算的功能非常强大，在工厂数字化模型中，大部分的场景都能实现，比如滑动窗口、数据过滤、加属性等等，是比较通用的一个能力。 下图是OEE相关指标的配置情况，大家如果感兴趣，可以到demo里去实际查看：  在此，我们重点介绍一下合格率。合格率=[合格产出数量]/[产出数量]*100%。表格中“TS_Sum”表示时序求和，即可以把产量在一个时间范围内求和，比如，对五分钟内的产量进行求和。其他指标的计算方式和合格率类似，就不一一赘述。  有了资产和设备之后，我们即可构建产线模型。 产线模型跟设备模型构建的思路一致的，只不过有些特殊点，比如说产线有产线名称，但是产线不是一个实际的实体物理设备，它只是一个虚拟的概念，因此产线可能不存在测量数据属性。但是它可以去有定义对应的分析任务，比如说可以计算产线的时间利用率、性能利用率、合格率和OEE等等。 上述属性可以通过分析计算得到，但是取得的数据都是来自于产线下面各个设备的数据，所以说，对应的分析任务定义过程跟设备是一模一样的，只不过计算唯一的值的时候，取的是设备下面的子设备数据进行求和之后，做一个累计计算得出来的结果。 以上就是一个产线的一个建模过程。有了产线模型之后，同样道理可以再建一个工厂模型，工厂模型可能相对会更简单一些，填一些需要配置的属性参数即可。 有了设备、产线和工厂这3个模型之后，就可以去构建整个数字化的工厂。 # 构建产线资产：数字化SMT工厂  从上图可以看出，构建一个数字化的工厂其实非常简单： 首先，基于工厂模型构建父资产-- SMT工厂；其次，它的下面可以再加一个子资产，比如说第一条产线，我们可以叫SMT产线1，然后再构成第二条产线。这两个产线的资产就是基于产线模型来实例化构建出来的；最后，在子资产下可以继续添加资产（设备），比如说雷雕机、印刷机、贴片机等等子设备，整个流程下来之后，我们就可以把整个工厂的数字化模型构建出来。 **请注意：资产数如何构建，是取决于公司自身业务需求的，没有一个具体的原则框定。** 结合实际产线设备实时上报数据，通过数字孪生模型及背后的资产数据计算引擎，即可构建出SMT工厂中产线、设备在数字世界孪生体，通过数字孪生体便可实时反映实际物理设备的动态变化。 整个数字工厂构建出来，在console面里面呈现如下情况：  这是一个编辑态的过程。左边可以看到是一个工作台的布局，可以看到每个设备。点中之后可以看到它里面详细的一些属性的定义分析任务的一些内容。通过右上角的发布按钮可以发布。发布之后，可以记录整个资产数的运行情况，直接run起来之后就可以实时反应去计算需要一些的数据。  上图可以看到整个资产运行起来之后，点到某个产线，它产线右侧里面实时计算出来的数据都可以实时呈现出来，也就是说可以实时监控整个资产的预警情况。 除了上述的数据展现模式，还可以根据业务的需要，将数据展示成折线图、热力图、曲线图等等，更易进行分析的图形展示方式，得出你想要的结果。示例图如下。  想要体验一个产线模型建立的过程，可以前往华为云IoT数据分析服务（IoT数据分析-华为云）深度体验。根据“总览”页的指导一步步进行操作。  再给大家介绍一个课程，瑞萨携手华为打造了一个数字化工厂课程。该课程主要是帮助开发者基于开发板实现设备层到应用层之间的终端开发过程，从而端到端体验开发整个数字工厂。  从上图可以看到整个课程的是涉及到设备层、边缘层、网络层等等多层架构： **智能应用：数据实时推送，无缝流转、分析计算，快速构建行业解决方案** 1）基于数字孪生建模你呢里，实现产线设备资产建模，试试计算产线OEE指标； 2）基于拓扑应用，对产线3D建模，实现数据可视化呈现。 **接入智能：云、网、边、端协同，打造稳定、可靠、安全、最低成本的联接服务** 1）亿机设备安全稳定连接，10万TPS高并发可靠通信； 2）全链路日志分析和消息跟踪，设备状态实时监控和感知，灵活自定义业务指标告警。 **感知智能：基于华为数字工厂孪生实践，打造真实、专业、可靠的体验场景** 1）联合伙伴退撒，提供定制开发版，模拟实现产线设备数采与泛协议接入； 2）端侧Demo详细解读，深度剖析工业设备数采指标，探索数字化转型之路。

人工智能产业的核心技术是以人工智能芯片、系统软件和人工智能开发框架为代表的基础软硬件技术。人工智能基础设施层AI芯片、芯片使能（即系统软件）和AI框架，基本被美国厂家所占据，英伟达（Nvidia）的人工智能高端芯片占我国90%以上高价值市场份额。美国谷歌和脸书以开源和免费人工智能框架抢占人工智能算法创新源头。在技术应用上，我国也仅仅在计算机视觉上有一定的积累和优势，其他的如自然语言处理、人机交互等方面依然是美国企业占据主导地位。在行业应用功能上，我们在金融、安防、医疗、城市大脑、自动驾驶等等有很多应用，但是这些应用绝大部分都是依托于美国的人工智能根技术，这样会导致我国的人工智能长在别国的“黑土地”上，随时都会出现受制于人的情况。整体的竞争态势非常严峻。有危机的心态是好的，美国人工智能基础是很强大，国内也有一些基础的短板要补，但是说到技术应用，我就不敢苟同~国内的应用的发展不比任何别国差~

1月3日，青岛创新奇智科技集团股份有限公司（简称「创新奇智」）再次向港交所申请上市，更新招股书，并于本周开启公开招股。据市场消息，公司已获得足额国际配售认购。2018年2月，创新奇智正式成立，李开复担任董事长。在其投资的AI公司担任董事长，这是第一次，也是目前唯一一次。与成立更早并侧重「黑科技」和安防应用的「AI四小龙」不同，创新奇智一开始就面向企业级应用，主要针对制造业和金融服务业做赋能。公司负责人也不是研发背景，而是拥有20多年企业服务经验的企业家。从成立到跻身独角兽，创新奇智仅用三年。不到四年，公司商业化营收规模已位居人工智能创业公司前列。据沙利文数据，2020 年以收入计，中国制造业 AI 解决方案市场中，创新奇智已是最大 AI 技术驱动型解决方案供应商。中国企业级AI解决方案市场上第3大AI技术驱动型解决方案供应商。此番再度创关，创新奇智有望成登陆港交所的「AI+制造」第一股。一、读懂数据基本面自 2018年成立，截至2022年1月3日上市前最后一轮融资，创新奇智总共进行六轮融资。天使轮融资过亿 ，最后一轮 D 轮融资由软银愿景基金2期投资。李开复担任创新奇智董事长，并未直接持有公司股票。创新工场合计持股约30.01%,是单一最大股东，其他大股东还包括中金16.7%,软银持股7.12%。公司主要营收来自产品及解决方案销售、数据解决方案服务。数据显示，2018年、2019年、2020年和2021年前9个月，营业收入分别为0.37亿、2.29亿、4.62亿和5.53亿元。图注：根据公司招股书整理。2021年数据截止9月30日。营收增长同时， 创新奇智也不可避免陷入亏损。扣除股份支付费用和可赎回股份金融负债所产生的财务费用等非经营性项目的影响，经调整亏损净额逐步收窄，分别为0.45亿、1.6亿、1.44亿以及0.81亿元。经调整净亏损率从早期121.6%显著降至14.6%，从趋势上看，亏损正在快速被业务收入增长和规模效应带来的成本降低所抹平，减亏能力表现不俗。数据显示，亏损主要由公司业务规模不断扩大，一般性行政开支和研发支出也随之增长。其中，创新奇智投入大量资源用于AI技术研发，包括计算机视觉及机器学习例如，2018年研发支出0.29亿，2021年前九个月研发支出已达1.77亿。过去财年，研发支出仍构成公司最大支出，此次IPO拟募资金首要用途也是研发。招股书称，公司约有255名员工从事人工智能和技术智能，占比69.1％。技术层面，研发努力集中在具有潜在商业化机会、竞争壁垒较少且节约成本的领域，实现公司资源最佳优化。比如，智慧铁水运输及缺陷检测解决方案，已获得制造业客户和终端用户认可。研发的持续投入也带来丰富的知识产权。公司已申请634项人工智能相关专利，并成功注册126项人工智能相关专利，包括79项发明专利。在行业同行中处于领先水平。尽管暂未盈利，但公司的行政开支和研发成本占比正在收窄。作为一家成立仅3年有余的企业，其经营效率在业内已处于优秀水平。报告期内，公司毛利稳步递增，分别为0.23亿、0.72亿、1.34亿和1.7亿。毛利率自2019年以来稳定在 30% 左右。其中，2021年 9月30日较2020年9月30日同期增长了超过 2%，较2020年全年的毛利率增加了将近1.8个百分点。图注：公司制造业营收成为公司收入主力军，但也因为软硬一体的业务模式，自然也会影响毛利水平。对于毛利率变动，创新奇智在招股书中解释是：主要因为2018年销售的基于AI的产品及解决方案，大部分为基于软件解决方案。2019年以来，销售的主要涉及更多硬件组件的软件及硬件集成解决方案，后者毛利率通常低于前者。从销售成本的支出变化来看，2019年以来的材料成本支出确实明显增加，因为涉及更多硬件购入。采购硬件成本高了，自然也就拉升营业成本。事实上，毛利率通常由企业所在的行业赛道和商业模式决定，有的公司选择saas模式，有的公司走平台道路，有的则侧重于解决方案市场。比如，商汤定位人工智能软件平台型企业，创新奇智则定位于人工智能产品及解决方案提供商，其聚焦的制造业属于典型「重场景」 模式。一般而言，所有的AI解决方案产品都是集软、硬件及技术服务于一体，但场景有「轻」 有「重」 ，相对安防、新零售和自动驾驶等这样的典型「轻场景」 ，工业制造属于AI应用的「重场景」 ，场景越重，最终的AI解决方案中硬件占比越高，这会直接决定毛利率水平。同时，企业采取何种商业模式又与行业成熟度密切相关。新技术应用早期，通常需要量身定制的解决方案来使技术相关并带来初始采用。对于AI来说，定制化解决方案对建立应用相关性仍然很重要，但可扩展性的关键是将解决方案标准化，成为模块化产品。尤其是，中国制造业市场需求呈现出高度碎片且非标化严重。只销售技术解决方案，就像在 19 世纪末向铁匠出售传送带一样，根本行不通。为了期待工业革命的到来，还要围绕传送带建造一座工厂。对于躬身入局的企业来说，硬件和软件同样重要。通常首先要做就是铺设硬件基础设施。硬件层面的标准化才会带来后面软件层面的标准化。如果硬件不标准化，软件的标准化都是空话。「软硬一体」方案，通常能灵活集成在企业原有生产线上，无需对产线做特殊改造，可以降低企业应用AI的难度和门槛，也能更快完成项目交付。这也是为什么过去几年，无论是互联网大厂还是创业公司在涉足垂直领域时，几乎都伴随着「软硬一体」，百度、腾讯等互联网大厂也曾推出工业质检设备。创新奇智也正是以这样的方式建立自己的护城河。对企业健康度的分析，除了营收、毛利等，重要的数据还包括综合现金流表现。当一家企业的账面资金不足以支撑一年的时候，你都不知道它有多慌。创新奇智不存在这样的担忧，公司现金流比较稳健。截至2021年9月30日，16．5亿总现金余额，足以支付其用于经营活动，为扩张的业务运营提供足够流动性。图注：综合现金流方面的表现。近年来，公司存货量和存货金额明显增长。报告期内，创新奇智存货金额分别为 304.3万元、3232.7 万元、5531万元及 4335.9万元。公司的存货以在制品和原材料为主，是渠道市场打开的象征，表明公司AI产品和解决方案销售额增加，新项目备货导致库存上升。存货周转天数分别为 36 天、41 天、49 天及 35 天。较之一些以2G业务为主的AI公司因中美贸易摩擦进行战略性备货导致存货周转天数拉长，创新奇智存货周转天数处在更低水平。业务局面的打开也伴随着应收账款增加。报告期内，创新奇智应收账款分别为1624万、1.2亿、1.9亿和 2.96亿。这与行业自身特点有关，制造业客户一般需要相对其他行业更长的结算期限。应收款项周转天数也相应增加，分别为76天、 115天、 135天和137 天。与2G业务为主的AI公司高则290多天、低则130多天的应收账款周期相比，创新奇智天数相对较低，在AI公司中处于低位。另外，公司应收账款的账龄大部分少于6个月，截至2021年9月30日，约85.3%的贸易应收款项的账龄小于6个月。二、「AI＋制造」的生意经在新技术商业化比较艰难的情况下，行业和场景的选择非常重要。所谓场景能力，并不完全是销售问题，也意味着如何前瞻地找到某个细分，并有机会形成一个或者半个垄断。这也是为什么在机器视觉类AI公司疯狂扎堆安防、零售等领域时，创新奇智成为最早一批在「 AI+制造 」吃螃蟹的人。当下，制造业是一个市场体量巨大且玩家稀少的领域。但是，中国制造业要想继续发展下去，将信息通信技术与先进制造技术融合的智能制造是必经之路。提升生产效率和向高端制造进发，也是日本、德国等制造大国曾经走过的路。2021年底，工信部等八部门联合印发《「十四五 」智能制造发展规划》指出，到2025年，规模以上制造业企业大部分实现数字化网络化，重点行业骨干企业初步应用智能化。该规划还指出，要增强供给能力，智能制造装备和工业软件市场满足率分别超过70%和50%，培育150家以上专业水平高、服务能力强的系统解决方案供应商。人工智能解决方案在制造企业的「产品质量控制一致性、流程管理效率、人工成本、安全管控、一体化管理能力」等方面均有助益和渗入。图注：制造业AI产品和解决方案产生的收入占比不断提高，占总收入比重很大。「AI+制造」核心赛道，公司深耕面板半导体、钢铁冶金、能源电力、工程建筑、汽车装配、高科技/3C等多个垂直细分领域，主要服务于经营效率和信息智能方面的转型需求。图注：创新奇智智能制造系统（AIMS）「AI+金融」核心赛道，公司并非从事风控、营销等前端服务，而是有关保险银行业IT基础设施，比如智能数据中心建设和运维，智能混合云管理等。除了与传统「AI四小龙」有很大不同，与同行业其他供应商相比，创新奇智是为数不多、集「AI工业视觉-AI工业自动化-AI工业云平台」于一体的全栈式人工智能产品及解决方案的供应商。产品层面，他们不仅构建了机器视觉智能平台ManuVision、边缘视频智能平台 MatrixVision，还打造了Orion分布式机器学习平台，也是中国少数几家具备专有的深度学习平台的公司之一。图注： 三个专有AI平台之间的关系。「我们在AI+工业领域的差异化和特色化体现在『脑、眼、手、脚』。」徐辉曾解释道。Orion分布式机器学习平台就像「大脑」；AI 工业视觉就像「眼睛」，负责定位、识别、测量和检测。而且，这些平台并非传统意义上的纯软件平台，而是可以与及机器人的「手」、「脚」结合起来。比如，ManuVision可与工业光源、工业相机、机械手、控制器等外部硬件设备兼容，为客户打造集光（学）、机（械）、电（气）、软（件）、算（法）于一体的自动化整体解决方案。

AI人工智能技术日趋成熟，尤其是视频分析技术被广泛应用到应急管理工作中，可进一步提升监测预警能力以及促进安全生产监管信息化和智能化。那么，如何借助AI视频分析技术提升应急管理服务呢？如何在预防风险发生方面，对潜在危险源发掘，有提前识别、上报风险的效果。如何提高企业的安全风险认知和以安全生产监管能力，达到信息化和智能化。峰科技联合华为云推出场站智能视频分析系统的边云协同联合方案，利用人工智能和深度学习在视频与图像识别方面的应用，解决应急场站中的安全隐患。有效防范化解重大安全风险各类无感识别应用技术的支撑即精度要无穷接近于1。基于光学、声学、各类波的识别端（自带ascend、MindSpore）+无感边缘服务+Modelarts平台的全栈支撑综上所述一一对应。端边云的协同部署将非难实例高效解决在端，特殊定制化实例化解在边缘服务，难题型实例利用光纤、5G网络连接Modelarts交给atelas900集群解决，让精度和速度完美匹配边-云协同的智能视频分析，视频解析的主要流程1，获取视频流数据通常数据流来自视频联网平台的实时视频流数据2，视频流解码目前主流的是H.264,H.265的视频流解码，采用专用的硬件解码单元，将不会对CPU或其他设备计算资源带来的影响3，人车目标识别对机动车，非机动车，**进行目标检测，并进行目标跟踪，跟踪的轨迹信息将用于交通流量检测，转向识别的统计。4，车道线识别减少人工标记车道线的工作量5，红绿灯目标识别可实时获取路口的红绿灯状态6，各种数据将汇总并以结构化的方式输出，供后续业务基于该数据进行业务处理常用的结构化输出数据包括基于车道的车流量，排队长度，车速和红绿灯状态

华为云EI给大家发春联 和 春节现金红包 啦！● 企业开发者参与方式：用企业主账号登录并填写问卷，即可申请华为云EI定制的空白春联。（IAM账号参与无效） >> 点击填写 << ，1月26日10:00:00截止填写● 非企业开发者参与方式：2022年1月20日-2月6日活动期间内，在【EI体验空间】小程序的【乐府对联】选择喜欢的春联海报，保存并上传至本活动贴的评论区，集赞到一定数量即可获得由华为云EI定制的春联、春节红包。每个华为账号仅限回复一次，多回复无效。获得5个新用户的点赞的参与者，可获得华为云EI定制的空白春联（自行DIY春联内容，春联数量400份，先到先得）。超过25位新用户点赞的参与者，可额外获得200元春节现金红包（红包数量45份，先到先得）。想要春节前拿到春联的伙伴们注意啦~~1月26日前获得5个新用户点赞， >> 点击填写收件信息 << ， 我们优先在春节前发春联。尽早完成尽早发~~之后完成的在活动结束后发春联，2月12日10:00:00截止填写。注意：本次活动中，新用户是2022年1月1日-2月6日注册的华为账号获奖公示：如有异议，请在2月18日前联系小助手~~红包获奖名单，请2月28日前联系小助手领取floor_noauthor有效点赞数21#开开心心·2825#hw259334892532#hw905749682557#zgx163696479026春联1月26日发货名单 付*  17***050 蒋*  18***237 高*  15***836 张*  18***805 申*  13***023 丁*  15***549 杨*  15***204 谢*  15***862 椰*  18***914 翟*  17***949 朱*  13***457 龙*  13***484 朱*  18***709 高*  15***735 李*  17***596 袁*  13***335 张*  19***371 王*  18***747 杨*  18***953 王*  17***102 施*  17***660 高*  15***705 郑*  13***057 梁*  15***863 应*  16***363 历*  15***950 李*  15***925 张*  13***530 林*  19***336 王*  15***203 胡*  19***616 黄*  13***279 陈*  18***591 申*  18***251 周*  18***353春联2月9日发货名单 王*  18***658 马*  13***879 黄*  18***150 康*  13***722 游*  18***608 林*  13***910 孙*  18***652 代*  13***572 微*  15***846 姜*  13***021 王*  15***787 活动规则：1）请务必使用个人账号或企业主账号参与活动（IAM账号参与无效）；2）所有获得华为奖项的获奖用户，请于获奖后3日内完成实名认证，否则视为放弃奖励；3）本次活动如一个实名认证对应多个账号，只有一个账号可领取奖励；一个实名认证账号只能对应一个收件人，如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；4）活动奖品发放时间根据实际情况动态调整，如有延期敬请见谅；5）其他事宜请参考【华为云社区常规活动规则】，本活动最终解释权归华为云所有。https://bbs.huaweicloud.com/forum/thread-5766-1-1.html   

华为云AI论文精读会2021第一期：高效语义分割模型Fast-SCNN分享华为云AI论文精读会2021第二期：d-vector用于说话人变化点检测的论文解析与复现华为云AI论文精读会2021第三期：目标检测模型CrowdDet解读分享华为云AI论文精读会2021第四期：Dynamic RCNN：一种有效提升RCNN系列网络表现的动态训练方法华为云AI论文精读会2021第五期：基于迁移学习的语义分割算法分享华为云AI论文精读会2021第六期：知识蒸馏模型TinyBert解读分享华为云AI论文精读会2021第七期：目标检测算法TSD解耦分类与回归华为云AI论文精读会2021第八期：探讨文字识别中的语言模型华为云AI论文精读会2021第九期：多卡昇腾环境实现MindSpore DenseNet 分类训练华为云AI论文精读会2021第十期：告别互信息：变分蒸馏的跨模态行人重识别华为云AI论文精读会2021第十一期：基于转移的语义Parser分享华为云AI论文精读会2021第十二期：阅读理解模型AoA Reader解读分享华为云AI论文精读会2021第十三期：图像风格处理算法的实操分享华为云AI论文精读会2021第十四期：图像分割模型PointRend解读分享华为云AI论文精读会2021第十五期：M-SQL一种将自然语言转换为SQL语句的多任务表示学习方法华为云AI论文精读会2021第十六期：文档级事件抽取模型Doc2EDAG解读分享华为云AI论文精读会2021第十七期：关系抽取模型LSTM-LSTM-Bias解析与复现华为云AI论文精读会2021第十八期：行人姿态估计经典算法HRNet华为云AI论文精读会2021第十九期：ACGAN-动漫头像生成华为云AI论文精读会2021第二十期：轻量化神经网络MobileNet系列论文精读华为云AI论文精读会2021第二十一期：语音驱动风格可控手势生成华为云AI论文精读会2021第二十二期：可变长度的语音片段情感识别解读分享华为云AI论文精读会2021第二十三期：迁移检测算法DA-Faster-RCNN解读分享华为云AI论文精读会2021第二十四期：图像迁移分类DeepJDOT模型解读分享

2021年11月18日上午10:00，举行华为云AI论文精读会2021第二十四期：图像迁移分类DeepJDOT模型解读分享。本期邀请到的嘉宾是：褚童，电子科技大学计算机专业，研究方向为迁移学习。本次论文精读的领域是 迁移学习领域 ，感兴趣的小伙伴点击下方的链接一起观看学习吧~华为云AI论文精读会致力于让更多人低门槛使用经典算法，助力AI开发者基于ModelArts，实现高效率论文复现和挑战！本期视频：算法链接：https://marketplace.huaweicloud.com/markets/aihub/modelhub/detail/?id=ec64de7f-7546-4968-a8d4-aa1376c84082华为云AI论文精读会2021·论文算法实战赛报名地址：https://competition.huaweicloud.com/information/1000041393/introduction

2021年11月10日上午10:00，举行华为云AI论文精读会2021第二十三期：迁移检测算法DA-Faster-RCNN解读分享。本期邀请到的嘉宾是：邓金红，电子科技大学计算机科学与技术博士，研究方向为深度学习和迁移学习，特别是在计算机视觉的应用。本次论文精读的领域是迁移学习领域，感兴趣的小伙伴点击下方的链接一起观看学习吧~华为云AI论文精读会致力于让更多人低门槛使用经典算法，助力AI开发者基于ModelArts，实现高效率论文复现和挑战！本期视频：算法链接：https://marketplace.huaweicloud.com/markets/aihub/modelhub/detail/?id=aafadaed-1419-4e5e-bdcf-23dbf3e030cb华为云AI论文精读会2021·论文算法实战赛报名地址：https://competition.huaweicloud.com/information/1000041393/introduction

2021年11月3日上午10:00，举行华为云AI论文精读会2021第二十二期：可变长度的语音片段情感识别解读分享。本期邀请到的嘉宾是：陈城鑫，中国科学院大学信号和信息处理专业博士研究生，研究方向为多模态情感识别和语音交互。本次论文精读的领域是NLP领域，感兴趣的小伙伴点击下方的链接一起观看学习吧~华为云AI论文精读会致力于让更多人低门槛使用经典算法，助力AI开发者基于ModelArts，实现高效率论文复现和挑战！本期视频：算法链接：https://marketplace.huaweicloud.com/markets/aihub/modelhub/detail/?id=302dce12-f205-482e-a955-4a84193ae7fb华为云AI论文精读会2021·论文算法实战赛报名地址：https://competition.huaweicloud.com/information/1000041393/introduction