Ali Damo院访谈了近100位科学家，分析了近三年来的770万篇公开论文、8.5万份专利，发布2022年十大科技趋势。（1）AI for Science，人工智能成为科学家的新生产工具，催生科研新范式；（2）大小模型协同进化，大模型参数竞赛进入冷静期，大小模型在云边端协同进化。（3）硅光芯片，光电融合兼具光子和电子优势，突破摩尔定律限制。（4）绿色能源AI，人工智能助力大规模绿色能源消纳，实现多能互补的电力体系。（5）柔性感知机器人，机器人将兼具柔性和类人感知，可自适应完成多种任务。（6）高精度医疗导航，人工智能与精准医疗深度融合，助力诊疗精度与效率提升。（7）全域隐私计算，破解数据保护和利用两难，隐私计算走向全域数据保护。（8）星地计算，卫星及地面一体化的通信与计算，促进空天地海的全面数字化。（9）云网端融合，云网端融合形成新计算体系，催生云上新物种。（10）XR 互联网，XR眼镜成为重要交互界面，带动下一代互联网发展。

AI家族给各位企业和开发者朋友们送豪礼了！来看豪礼四重奏：（太长不看版，可直接戳以下活动链接了解详情）文字识别年终活动语音交互年终活动内容审核年终活动人脸识别&人证核身年终活动自然语言处理年终活动了解详情且看企业智能君为你介绍：一、普惠AI文字识别（OCR）、语音交互、内容审核每日500-2000次额度，免费调用一整年！二、新购大礼包享不停5折满减（语音交互，内容审核，人脸识别，人证核身<三要素>，自然语言处理）三、调用享豪礼HUAWEI P50手机256G(价值6千元），HUAWEI MatePad（平板电脑）（价值3千元）大放送！四、全年最低折扣仅此2天！文字识别2折，人证核身<二要素>3折戳以下你感兴趣的AI产品了解吧！文字识别年终活动语音交互年终活动内容审核年终活动人脸识别&人证核身年终活动自然语言处理年终活动

生活领域的，好像就这些，没有什么突破和新鲜感推荐啦、语音识别啊、人脸啊、等等工业领域就不一样了，挖煤啦、港口啦，都是比较有冲击力的改变对生产力的发展在不断的推进也是有计划有步骤的：中国工业和信息化部等八部门昨天（28日）联合印发“十四五”智能制造发展规划，重点任务攻克四类关键核心技术，包括基础技术、先进工艺技术、共性技术以及人工智能等在工业领域的适用性技术。工信部称，要加强自主供给，壮大产业体系新优势。大力发展智能制造装备，主要包括四类：基础零部件和装置、通用智能制造装备、专用智能制造装备以及融合了数字孪生、人工智能等新技术的新型智能制造装备。规划提出了到2025年的三项具体目标：转型升级成效显著。70%的规模以上制造业企业基本实现数字化网络化，建成500个以上引领行业发展的智能制造示范工厂。制造业企业生产效率、产品良品率、能源资源利用率等显著提升，智能制造能力成熟度水平明显提升。 　供给能力明显增强。智能制造装备和工业软件技术水平和市场竞争力显著提升，市场满足率分别超过70%和50%。培育150家以上专业水平高、服务能力强的智能制造系统解决方案供应商。 　基础支撑更加坚实。建设一批智能制造创新载体和公共服务平台。构建适应智能制造发展的标准体系和网络基础设施，完成200项以上国家、行业标准的制修订，建成120个以上具有行业和区域影响力的工业互联网平台。

我觉得这是一个发展的过程和阶段。先与技术融合是没有关系的，再与业务融合是更深入、更本质的发展。这里面的关键点，是将对业务人员（一线办案人员）的要求会非常高了。不可否认的事实是，有学者的样本分析论文指出，当前智慧检务系统的开发实际上以外部科技公司与检察院内部的技术人员为主，而真正作为用户的一线办案人员则几乎没有参与研发。其结果就是当前智慧检务只是在实现文书制作、语音识别、要素提取等通用功能上取得了较大的突破，但在实际帮助解决特定专业问题的专有功能方面还缺乏高质量的成果。事实上，民事检察监督业务在监督的目标理念、对象范围、案件性质、法律渊源、办案流程、数据统计等方面与其他检察业务之间存在着巨大的差异，只有一线办案人员才最了解民事检察监督工作的特殊规律、特殊需求和特殊困难。要想达到民事智慧检务的专业化、多样化、个性化、智能化目标，就必须保证一线办案人员在民事智慧检务开发过程中的引领和主导地位，确保该子系统的特殊功能满足民事检察监督工作的实际需要。

近年来，民事智慧检务的发展已经取得了长足进步，但以语音自动识别、电子卷宗制作、法律资料检索、诉讼文书自动生成为代表的通用功能，在总体的智慧程度上仍然处于弱人工智能阶段。而对办案人员帮助最大的：1案件事实比对与认定、2法律关系与构成要件的分析与定性、3参考案例的自动筛选与推送等辅助办案功能，其智慧化程度却还有待提高。总之，还是只是小试牛刀，后面还大有可为，不过困难也很多~

元宇宙风口下,虚拟主播=流量密码?新蓝海?进军元宇宙，如何打造企业专属虚拟IP？如何与用户在元宇宙场景下建立新的互动关系？ 1月6日19点！华为云携手奇幻科技，来和大家聊个关于虚拟人的天！ 看直播，拿好礼！>>>戳我，立即报名参与互动<<<<直播时间>1月6日  19:00-20:00<直播嘉宾>王刚 奇幻科技创始人&CEO李吉星 奇幻科技COO素体 奇幻虚拟主播<直播好礼地址>AI主播上线！来聊个关于虚拟人的天(点击跳转直播页面，参加直播好礼预热）好礼一填写问卷，抽好礼！填写调研问卷即可获得1次抽奖机会。抽取2000码豆、双肩背包、加热杯垫、折叠键盘、VR图书《小麦魔法学院》等精美好礼！好礼二看直播，抽好礼PART2：直播抽奖直播过程中（1月6日，周四19:00-20:00），根据小助手在直播间提示的”关键词“口令进行抽奖，奖品有旅行颈枕、双肩背包、VR图书《小麦魔法学院》等！*礼品颜色随机，当库存不足时将采用等价值礼品代替。好礼三加入微信交流群，参与课后互动，解锁更多隐藏福利更多好礼，更多精彩干货，尽在华为云云市场直播间！1月6日（周四）19:00-20:00等你来看直播！ 温馨提示：活动奖品颜色随机，不接受指定，实物礼品将在活动结束后15个工作日内发货，码豆礼品将在活动结束后3个工作日内发放。本次活动一个实名认证账号只能对应一个获奖人，如同一账号填写多个不同获奖人，不予发放奖励；活动参与需遵守《华为社区常规活动规则》；华为云云市场拥有活动最终解释权。 华为云码豆怎么用？会员中心入口：https://devcloud.huaweicloud.com/bonususer/home码豆奖励活动规则：1）码豆可在码豆会员中心兑换实物礼品；2）码豆奖励将于活动结束后的3个工作日内充值到账，请到会员中心的“查看明细”中查看到账情况；3）码豆只能用于会员中心的礼品兑换，不得转让，具体规则请到会员中心阅读“码豆规则”；4）为保证码豆成功发放，如果修改过账号名还请向工作人员提供修改前后的账号名。

作为先进的AI算力底座，昇腾AI基础软硬件平台包括Atlas系列硬件、异构计算架构CANN、全场景AI框架昇思MindSpore、昇腾应用使能MindX以及一站式开发平台ModelArts等，助力企业和开发者高效使用AI能力。用通俗的话来讲，昇腾人工智能平台可以使能人工智能计算中心生产“模型”，企业和机构借助“模型”最终生产产品；“模型”应用到手机里，就拥有图像分类等能力；应用到自动驾驶领域，车辆就拥有自动驾驶能力。当前在AI领域，“大模型+大数据+大算力”已成为迈向通用人工智能的一条可能路径。随着全球对人工智能算力需求的持续攀升，为了促进整个产业健康发展，各地政府有必要保障大量中小企业、科研机构获取充足的人工智能公共算力。从具体作用来看，建设人工智能计算中心无疑是一个一举多得的举措。满足基本算力需求后，人工智能计算中心还可以带动人工智能基础研究和共性技术的突破。通过建设新平台，能够为前沿理论研究提供强大算法、数据与算力支撑，为自适应学习、类脑智能计算、量子智能计算等跨领域基础理论提供国际顶尖的研究平台，有效推动技术发展，抢占人工智能科技创新制高点。在帮助产业智能化转型方面，人工智能计算中心可以降低AI的研发、使用门槛，将人工智能企业和优势产业有机结合，使能人工智能技术与产业深度融合，落实国务院《新一代人工智能发展规划》中“推动人工智能规模化应用，全面提升产业发展智能化水平”的要求。

4%.尽管人工智能正以前所未有的速度融入大众生活和生产方式变革，但目前AI在全行业的整体渗透率仍只有4%，AI初创企业的存活率不到10%。这其中重要的原因之一，就是目前国内AI算力昂贵且稀缺，直接抬高了AI研究和应用的门槛。并且，全社会的AI算力需求还正在爆发式增长。OpenAI在报告中指出：自2012年到2018年的6年时间里，AI算力需求增长了30万倍，未来3到5年AI算力需求将继续增长100万倍，远高于传统通用算力需求的增长速度与之前行业预期。在此契机下，人工智能计算中心成为中国发展人工智能产业的创新模式，它是以昇腾AI基础软硬件平台为基础，涵盖从基建基础设施、硬件基础设施到软件基础设施的大规模系统工程，旨在让AI算力像水和电一样成为城市公共基础资源。

华为云华为云互联网就业创新大赛（天津）结束啦！在本帖公布活动获奖情况！奖品兑换时间：12月27日—1月5日 （在此期间内未进行兑奖将视为自动放弃奖品）兑奖方式：私信华为云小助手企业微信号，发送个人中心华为云账号截图+姓名+学校+专业领奖方式：到指定学校领取，小助手会告知具体领取方式，不同奖品领取方式不同。奖品公示方案类奖本次作品按照评审打分*90%+投票*10%最终得出结果，投票不是唯一凭证。请私信小助手获取领奖方式。团队名称作品序号及名称团队人数获奖等级智猫76、AppCube应用的商业策划案2参与奖1等风来8、基于华为云DevCloud平台DevOps服务平台分析4参与奖1小破玩意儿9、基于华为云DevCloud营销策划1参与奖1Rainbow 11、应用魔方4参与奖2战狼队35、基于DevCloud营销策划书2参与奖2Cloud37、Cloud3参与奖2易诚47、华为营销策划书2参与奖2十二22、智能保温杯模拟促销方案2参与奖2哈哈对36、AppCube推广策划书1参与奖2一直在走神105、华为手机策划书4参与奖2浪漫满屋1001147、应用魔方 AppCube推广方案3参与奖2芋头114、华为云互联网就业创新大赛1参与奖2盎然前行3、基于智能推荐算法的低碳出行解决方案3参与奖2超越梦想队19、基于华为云互联网的智能会议厅5参与奖3舟渡14、基于华为云技术的智慧物业系统5参与奖3终极规律31、未来科技互联网5参与奖3及时救援1、基于ADAS的交通事故自动报警及机动车行驶对象标识显示系统5参与奖3智造未来4、基于掌纹特征的人脸识别测温门禁系统4参与奖3小杜小杜170、鲜度查询的智能冰箱5参与奖3组织类奖注意：1、兑奖一定要在规定日期内，过期不候2、加小助手企业微信并发送相关信息获取领奖方式3、解释权归大赛组委会所有

华为云华为云互联网就业创新大赛（天津）结束啦！在本帖公布活动获奖情况！奖品兑换时间：12月27日—1月5日 （在此期间内未进行兑奖将视为自动放弃奖品）兑奖方式：私信华为云小助手企业微信号，发送个人中心华为云账号截图+姓名+学校+专业领奖方式：到指定学校领取，小助手会告知具体领取方式，不同奖品领取方式不同。奖品公示方案类奖本次作品按照评审打分*90%+投票*10%最终得出结果，投票不是唯一凭证。请私信小助手获取领奖方式。团队名称作品序号及名称团队人数获奖等级智猫76、AppCube应用的商业策划案2参与奖1等风来8、基于华为云DevCloud平台DevOps服务平台分析4参与奖1小破玩意儿9、基于华为云DevCloud营销策划1参与奖1Rainbow 11、应用魔方4参与奖2战狼队35、基于DevCloud营销策划书2参与奖2Cloud37、Cloud3参与奖2易诚47、华为营销策划书2参与奖2十二22、智能保温杯模拟促销方案2参与奖2哈哈对36、AppCube推广策划书1参与奖2一直在走神105、华为手机策划书4参与奖2浪漫满屋1001147、应用魔方 AppCube推广方案3参与奖2芋头114、华为云互联网就业创新大赛1参与奖2盎然前行3、基于智能推荐算法的低碳出行解决方案3参与奖2超越梦想队19、基于华为云互联网的智能会议厅5参与奖3舟渡14、基于华为云技术的智慧物业系统5参与奖3终极规律31、未来科技互联网5参与奖3及时救援1、基于ADAS的交通事故自动报警及机动车行驶对象标识显示系统5参与奖3智造未来4、基于掌纹特征的人脸识别测温门禁系统4参与奖3小杜小杜170、鲜度查询的智能冰箱5参与奖3组织类奖华为云账号获奖等级hid_gvqr1yv928588qt一等奖hhhhhhych二等奖hid_ggfemd8ad8iha13三等奖hw045516571优秀奖1hid_x0xf7d32rnuo5hm优秀奖2hw26931507优秀奖2hid_b60dn-018co9al4优秀奖2ymxxxx优秀奖2hid_071ye-jmn-q3kdc优秀奖2hid_11dvlwov0kdpowv优秀奖2hw066327224优秀奖2hw_008617709350543_01优秀奖2hw033733942优秀奖2hid_kd9nk-3_z1ibla3优秀奖2a13654842117优秀奖2hw_008615234474495_01优秀奖3matian1236优秀奖3hw043652532优秀奖3hw028110460优秀奖3hid_qc1e2al3imqaz6x优秀奖3hid_atm6-igkz_w_mi7优秀奖3hid_k375cn7slpbyntu优秀奖3plx13395517356优秀奖3hid_mg7tk0bd0c_hp2-优秀奖3hw075315590优秀奖3hw017630323优秀奖3hid_qya_rnmscjk3kvo优秀奖3l12345678137优秀奖3hw80694693优秀奖4hid_zy1307q6udb-1f1优秀奖4touuuuuu优秀奖4hid_c5li30prp4sz8xm优秀奖4lilihong628优秀奖4hid_an0u5_th3vd48ae优秀奖4hid_pozd7z4xih4a-qe优秀奖4hid_h99wlc75sf_-ct0优秀奖4hw081665519优秀奖4hid_928fndfltqdy-2g优秀奖4hid_d9392n_-eliw3dm优秀奖4hid_fv9bixkb7spx2-k优秀奖4hid_p10f1l_1ou-b1kk优秀奖4hid_562nrfynlg26s23优秀奖4hid_cafbyd-t6mthza8优秀奖4bjtango优秀奖4hid_etw1i9_zf-jg4z5优秀奖4hid_l1qfjdzg3eodkbf优秀奖4aa1234560428优秀奖4cj09270优秀奖4hid_pu89t6yztzxsjos优秀奖4hid_crniq-1g9ck0l-3优秀奖4hw017208738优秀奖4hw019600487优秀奖4hid_3qrl6-ovexhomta优秀奖4hw02388015优秀奖4hid_enl9c5mw4e5m6ok优秀奖4hid_vydq52byvbn_yfy优秀奖4hid_co63yjg41ue8_z3优秀奖4hw058088757优秀奖4hid_mihgk3z-90s-eo-优秀奖4hid_iy0qq6xkpu4y95_优秀奖4hid_ozqk68i2yo_bmgs优秀奖4hid_c5tqxy_29b_87f3优秀奖4注意：1、兑奖一定要在规定日期内，过期不候2、加小助手企业微信并发送相关信息获取领奖方式3、解释权归大赛组委会所有

--- 当前中国智能手机市场已经进入高端领域的竞争时代，对于旗舰手机来说，产品的工业设计、屏幕、性能等要素已经高度规格化，并不容易作出真正的差异化。在此背景下，影像成为众多手机厂商着力攻克、实现差异化的一个突破点。特别是近两年，手机厂商们在发布新品时往往会重点突出产品的拍照、摄像能力。 而从消费者的角度来说，根据2019年的调查数据，消费者在选购智能手机时候，拍照也是他们关注的第一要素。由此可见，智能手机已经进入“影像为王”的时代，成为手机市场最重要的主题之一。  而单就智能手机的影像来说，也经历了不同的发展时期，从早期的拼像素，到拼摄像头数量，然后再到拼传感器的尺寸，越来越高阶。而眼下，智能手机影像领域最炙手可热的话题，无疑非“计算摄影”莫属。 **计算摄影，照亮手机影像新方向** 什么是计算摄影?简单理解，其实就是将计算机软件算法和现代传感器、光学系统等技术融合在一起，从而形成新型的摄影设备。它突破了传统数码摄影的种种限制，让算法在摄影中发挥核心作用，这其中，人工智能技术的应用是关键。 这里我们再回顾一下手机影像的工作流程： 　　光线首先透过镜组和光圈来到CMOS图像传感器，CMOS的作用是将光信号转换为电信号，这时候的信号还是模拟信号，所以需要ADC模数转换器将模拟电信号转换为数字信号。 接着，数字信号会来到ISP，ISP的主要任务是通过一系列先进的数字信号图像处理算法对传输过来的信号进行效果处理，例如坏点校正、去除噪点等等。 ISP处理过信息后，再通过IO接口传输到CPU中进行比较、存储、分析等处理，最后通过显示屏就可以看到图像了。 可以看到，传统手机影像的工作流程中，也是需要算法参与的，主要是在ISP及向后的数字信息处理的过程。而计算摄影，几乎可以说成了由计算机算法成主导，参与的深度和复杂度是传统摄影无法比拟的， 而且，计算摄影中，算法干预的步骤甚至可以达到图像传感器这一层级。而且，如今智能手机摄像头的数量通常都要达到3个甚至4个，计算摄影的另一个重要使命或者工作，就是推动多摄像头在拍摄时实现像素级的深度融合、协同，这背后，需要AI算法深入到传感器、ISP乃至CPU、GPU等运算模块，共同完成算法对影像效果的把控。 而说到计算摄影，目前智能手机行业的领先者已经做了很多探索，包括谷歌、苹果、华为等等。而在刚刚过去的骁龙技术峰会上，高通推出的全新一代骁龙8移动平台，则在计算摄影方面强势发力，将行业对计算摄影的探索又向前推进了一大步。 **全新一代骁龙8移动平台，影像与AI构建核心竞争力** 作为全球最先进的移动平台，骁龙是顶级Android体验的代名词，而全新一代骁龙8移动平台则是2022年各大旗舰安卓智能手机的标配，同时也是在AI、影像、性能、连接等各方面都全面升级的一代，其中就包括计算摄影方面的能力。 看了前面对于计算摄影的介绍，相信大家已经能够想到，骁龙8的计算摄影能力，核心来源于强大的ISP和AI能力。 **1、进阶的18-bit Qualcomm Spectra ISP** 今年骁龙8搭载的是全新Qualcomm Spectra ISP，它是高通首个支持 18-bit 的 ISP，也是首个支持 18-bit ISP 的智能手机 ISP。18-bit 技术超越了许多专业相机的配置，影响数据项相比之前提升达 4096 倍。 　　18-bit 为影像表现带来的，不仅是色彩丰富度的大大提升，动态范围也显著提高。它能够为画面带来额外 4 个比特动态范围，将让用户能够在图像最暗和最亮的部分看到更多细节。 　　同时，Qualcomm Spectra ISP 的强大还体现在疯狂的像素吞吐能力，它能够每秒捕捉 32 亿像素, 与前代相比速度提升 19%，为移动端最快。而且他还能够用单个摄像头以 30fps 捕获 1.08亿像素的画面，或者三颗摄像头每颗分别以 30fps 捕获 3600 万像素的画面，或者，按键一次在一秒内捕获 240 张 1200 万像素画面。 　　尤其是在低光环境下，全新 18-bit Qualcomm Spectra ISP 还支持“超级多帧引擎”，能够捕获 30 张画面，再将它们合成为一张照片。低光条件下拍摄的照片将具有超级锐丽度、超级丰富的色彩和超级的亮度。这一点对于计算摄影能力的提升非常有帮助。 　　而在视频拍摄方面， 18-bit ISP 将率先在智能手机上支持 8K HDR 视频拍摄，同时 8K HDR 视频还能以 HDR10 + 格式进行拍摄，并且与前代产品相比，在 HDR10 + 视频拍摄使用场景下，功耗降低达 50%。 而且，18-bit ISP 的超大带宽支持用同一图像传感器同时拍摄 8K 视频(每帧 3300 万像素)和拍摄 6400 万像素的照片。 **2、强大的第7代高通AI引擎** 在AI方面，全新一代骁龙8移动平台搭载了第7代高通 AI 引擎。 在第7代高通 AI 引擎上，高通着重提升了 Hexagon 处理器的性能，实现了性能翻倍的表现，同时对共享内存进行了翻倍。 　　具体而言，第7代高通 AI 引擎在广泛的 AI 模型用例中的推理时间比前代 AI 引擎快 4 倍，同时 AI 能效比前代提升 1.7 倍，同时，AI软件性能也提升了 2 倍。 另外第7代高通 AI 引擎值得关注的就是它的传感器中枢模块，骁龙 8 中，高通在传感器中枢里引入了全新低功耗 AI 子系统。该系统为多核架构，由专用 AI 处理器、DSP、外加自有内存组成，用于处理情境数据流，包括语音、音频、传感器和连接。在全新低功耗 AI 子系统的辅助下，传感器中枢模块的 AI 性能提升 75 %，功耗降低 50%。 　　还有就是，在第7代高通 AI 引擎中，高通还和谷歌合作，将神经网络架构搜索(NAS)引入骁龙平台。 NAS 研究可以将要使用的硬件以及其他设计参数以帮助工程师快速实现最优设计，自动设计神经网络模型。从根本上绘制硬件蓝图并利用 AI 充分发挥那些特性以产生最优结果。 此外，它能够考虑时延、网络规模或精度等目标，将初始网络作为起点并全面搜索优化网络以便在该硬件上针对性约束内运行得更快。 总之就是可以让第7代高通 AI 引擎的强大AI算力能够得到充分释放。 **3、CPU、GPU、传感器……** 我们知道，骁龙移动平台的高通 AI 引擎并不是专门的NPU神经网络芯片，而是通过协同Hexagon 处理器、CPU、GPU等运算模块实现强大的AI能力。因此在骁龙8上，CPU、GPU等模块性能的提升，对于AI能力的升级也非常重要，进而自然也能为计算摄影带来增益。 在骁龙8中，全新高通Kryo CPU基于最新的 ARMv9 架构，采用三星 4nm 制程工艺，核心架构包括1 个 Cortex-X2 核心，最高主频 3.0GHz ，1MB L2 缓存，3 个 Cortex-A710 核心，最高主频 2.5GHz ，512K L2 缓存，4 个 Cortex-A510 核心，最高主频 1.8GHz，6MB L3 缓存。 在这些特性的支持下，高通Kryo CPU的整体性能提升幅度为 20%，能效提升幅度为 30%。 至于全新的高通 Adreno GPU，也采用了新的架构，图形渲染能力提升 30%，并且游戏时的能效提升 25%。 　　前面我们说过，计算摄影理念中，AI算法的干预链路甚至可以上探到传感器层面，而骁龙8也做到了这一点。正如高通在骁龙技术峰会上宣布的那样，高通会与索尼传感器合作，成立联合实验室推动移动影像发展，联合实验将为基于骁龙 8 开发的设备，来提供优化，还将在这里进行高通和索尼对于最新影像技术的测试，甚至为骁龙 8定制图像传感器。相信双方的合作中，计算摄影一定是最重要的方向之一。 **多种创新AI+影像用例坐阵，计算摄影能力可见一斑** 计算摄影中，算法参与智能手机影像工作的几乎整个流程，从前段的传感器到后段的CPU、GPU等，每一个环节，骁龙8都实现了显著提升。这是完成计算摄影创新应用的基本条件，就像完成一幅画，这些是画布、颜料、彩笔，有了这些，高通就能通过骁龙8更好地施展才华，将他们在计算摄影方面的创意描绘出来。 特别是借助全新18-bit Qualcomm Spectra ISP和第7代高通 AI 引擎的融合，骁龙8创造了很多AI+影像的用例，这些用例，都代表着平台计算摄影能力上了一个新台阶。 　　比如利用Qualcomm Spectra ISP的超级多帧引擎，搭载骁龙8的设备在拍摄运动状态物体时，能够在每张照片中精准地追踪每个像素细节。有了这个计算视觉能力，Qualcomm Spectra ISP 能够助力终端拍出“光影流动”的效果。 在峰会的演示区，IT之家就看到了这个技术的演示。搭载骁龙8的参考设计手机拍摄下面这个场景，前面是静止的木头人，后面是不停转动的霓虹摩天轮。在手机上按一下快门，就会快速捕捉很多帧，最终融合成一张木头人清晰、但后面霓虹风车的灯光模糊成圆形运动轨迹的照片。一张艺术照轻松拍成。 　　还有，全新Qualcomm Spectra ISP融入AI能力后，还可以进行更强大的人脸识别，哪怕在全景照片中人物面部非常小，现在也能准确识别。 而且在进行人脸识别时，骁龙8现在可以检测到 300 个特征点，而且神经网络还针对更多的人脸特征进行训练，包括眉毛、嘴唇、下颌线等，因此Qualcomm Spectra ISP 可以检测拍摄对象的表情，从而更准确地理解情绪。 　　和人脸识别相关的还有一个应用，就是高通与虹软合作实现的AI影像，在视频拍摄状态下，能够同时进行人脸识别、手势识别和背景虚化，这三者分开，每一个用例都需要足够的AI算力支撑，现在同时进行，其创新力和难度可想而知。 IT之家在现场也做了体验，人物一进入画面，视频很快就会完成背景的虚化，同时尝试摇头晃脑做手势，各种效果也能很快跟着改变。 　　还有就是，利用三个ISP 中的两个 ISP ，搭载骁龙8的终端将可以拍摄类似全景图像的画面，按一次快门便可获得无畸变且达到极宽的 140 度视场的照片，再也不用移动手机分几次拍摄了。 　　IT之家在峰会演示现场还看到了一个应用，就是利用骁龙8强大的计算摄影能力，同时调用智能手机的三枚摄像头进行视频拍摄，而且最高可以支持3个6400万像素以30fps的方式同时工作，非常惊人。 更重要的是，三个摄像头不仅是同时工作，更能彼此交流数据，例如广角镜头可从长焦镜头中获取更多的细节，长焦还能通过超广角镜头得到更好的白平衡效果，三枚摄像头彼此深度融合，正是我们前面说的当前计算摄影的重要应用场景。 　　最后值得一提的是，在峰会上高通还宣布了在 AI 层面和徕卡的合作：未来骁龙移动平台将支持由高通 AI 引擎赋能的徕卡Leitz风格(Leica Leitz Look)，后续还会有更多基于其他传统徕卡镜头的风格加入进来。 　　**结语** 总体来说，全新一代骁龙8移动平台凭借全面提升的影像和AI能力，在计算摄影方面实现了诸多创新性的应用，并且，上面IT之家展示的还只是高通给出的基本用例，随着终端手机厂商在应用层面的发力，必然会诞生更多的计算摄影功能和用途，在让消费者获得专业级影像能力的同时，没推动计算摄影领域的前进和发展。 (本文内容转载自IT之家)

新一代信息技术加速突破应用，推动新一轮科技革命和产业变革重构全球创新版图。人工智能作为新一代信息技术的战略重点之一，近年来获得长足进步，给经济社会发展产生了重大而深远的影响。　　近年来，中国在人工智能领域表现亮眼，已成为世界人工智能主要创新中心之一。根据《人工智能发展报告2020》，在人工智能高层次人才数量和专利申请量等关键指标上，中国位居世界前列。这亮眼表现的背后离不开以中国科学院院士张钹等为代表的中国科学家作出的奠基性、开创性贡献。　　早在40多年前，张钹就开始投身人工智能领域研究，发表了中国第一篇人工智能领域的学术论文、获得中国在人工智能领域的第一个国际重要奖项、领衔成立国内首个智能机器人实验室、培养了本土第一位人工智能领域博士毕业生，组建中国第一个人工智能国家重点实验室……这些“第一”树立了中国人工智能发展的一个个里程碑，推动中国在此领域大踏步前进。　　如今，“人工智能”是人们耳熟能详的热词，但是在40多年前，中国科技界对该词汇还很陌生，科技领域的专业人士对该领域也知之甚少。1978年，已从清华大学毕业留校任教20年的张钹由于所在系调整而改变专业方向，进入一个全新研究领域——人工智能。　　张钹时年43岁，中年转型不仅知识结构上面临很大挑战，而且对人工智能领域国内知之甚少，求教无门。张钹回忆说：“当时国内科研人员对人工智能领域发展的认识很有限，甚至相关资料也非常少。”当时，国际上人工智能已经有了约20年发展历程。随着国门打开，国际科技合作与交流兴起，张钹获得了与国际同行交往的机会　　1980年初，张钹赴美访学。然而，抵达美国后，他就在与外国同行交流中感到一种说不出的尴尬和郁闷。“你们是从中国来的？知道什么是人工智能吗？”有外国研究者提出这样的问题。张钹很受刺激，立志让中国在人工智能领域奋起直追，迎头赶上国际先进水平，赢得外国同行的尊敬。　　在访学过程中，张钹率先发现数学与人工智能结合的广阔前景。张钹说：“当时，我觉得人工智能要深入发展下去，提高算法效率，必须要很好利用数学这个工具。”于是，他选择跟数学出身当时尚在安徽大学任教的张铃教授合作，一起推进人工智能研究。　　由于跨国电话资费昂贵，两人只能通过邮寄书信的方式进行沟通。对当年与张铃中美飞鸿、合作科研的往事，张钹介绍说：“当时，中美间一封航空信大概要人民币8角钱，寄给对方约10天才能收到，一来一回就要约20天。我们计算过，一封信如果超过5张纸，就会超重，须多付邮资。为了省钱，我们特意挑相对薄的纸，写非常小的字。”　　就这样，张钹跟张铃开始了一场跨越大洋的人工智能合作研究。约1年后，他们联手完成了一篇人工智能领域的论文，实际上这也是中国科学家在人工智能领域的第一篇学术论文，成功发表于人工智能领域顶级国际期刊《IEEE模式分析与机器智能汇刊》，引起了国际同行的高度关注，这让张钹等中国学人颇为扬眉吐气，也增强了他为中国人工智能发展作出更大贡献的信心和决心。

2021年12月24日，HDZ城市行深圳站：AIoT引爆全场景应用新机会（智联生活专场）圆满落幕。本次活动由深圳HDZ开发者社区核心组主办，深圳市家具行业协会、深圳市大新极客协会、深圳天安骏业投资发展（集团）有限公司承办，广邀全国各地百余位智联生活领域的技术专家和伙伴齐聚一堂，聚焦智联生活场景的技术与实践，展开学习与交流。本次活动完美搭建了开发者、华为云技术专家与核心伙伴深入沟通的桥梁，并将AIoT技术渗入到具体的应用场景中，向观众们立体展现了解决方案、技术应用、实践经验等多个价值点。本次活动共分为洞见智联网新风口和企业优秀实践两个篇章。第一篇章邀请了华为云专家针对IoT和AI两大热门领域进行分享交流。 第一篇章：洞见智联网新风口 华为云IoT资深技术专家刘旭明随着技术的高速发展，物联网已被应用于各个行业和众多场景中。一直以来，华为云致力于为伙伴提供更有竞争力的服务和工具，助力开发者快速完成物联网的开发。华为云IoT资深技术专家刘旭明在《智联生活，2B与2C的全场景融合》的演讲中，介绍了华为云联合HarmonyOS面向智能硬件企业推出的智联生活解决方案，同时解读了该方案是如何满足企业的发展需求和智能设备体验升级的需求。 华为云EI产品服务部解决方案专家陈衎ModelBox是一个华为自主开源的AI应用框架，旨在解决端云AI应用统一开发和部署的问题。华为云EI产品服务部解决方案专家陈衎在《华为云ModelBox：赋能智慧家庭端云协同》演讲中，介绍了如何利用ModelBox框架，搭配端云协同AI应用开发平台HiLens，及ModelArts Pro 套件，实现一套AI应用框架端云统一开发、部署、运行，最终构建具备AI能力的智慧生活解决方案。 华为技术专家的分享，多维度多层面介绍了华为云在智联生活产业方面所作出的努力和成就，同时也为全场景智联生活带来了更多想象空间和可能性。在第二篇章节——企业优秀实践部分，邀请到了华为云的核心伙伴分享自身在行业中的各种经历，为促进智联生活的发展提供了灵感和思路。 第二篇章：企业优秀实践上海海思智慧IoT产品管理部高级市场经理康永恒海思PLC-IoT解决方案，一直在助力打造智能家居极致体验的路上从未停歇过。本次活动我们邀请到了上海海思智慧IoT产品管理部高级市场经理康永恒为大家带来《海思PLC-IoT点亮智联生活最后一公里》，分享中对智能家居联接技术需求以及PLC-IoT优势进行了解读，同时向在场观众展示了海思PLC-IoT方案的特点以及 PLC-IoT方案家居应用的实际案例。 康体佳智能科技（深圳）有限公司副总经理罗苑随着经济的发展与社会的进步，人们的生活品质在不断提升，对智慧照明的设计需求也在不断提高。科学的智慧照明设计可以节约能源、减少成本、科学环保，并且能有效地帮助人们营造出一个良好的环境和氛围，给人们带来舒适与美的感受。康体佳智能科技（深圳）有限公司副总经理罗苑在《PLC-IoT在智能照明中的深化应用》的分享中，对智慧照明未来发展趋势和行业现状存在的痛点进行了分析，介绍了PLC通讯技术在照明行业中得天独厚的应用优势，并结合PLC技术在照明行业的落地案例分享，为大家带来更深的认知及收获。 杭州妙联物联网技术有限公司执行董事王永飞目前家庭AIoT产业仍然是供给侧比较热，而需求测没有充分爆发。这个状态也导致了行业从业者们供给侧过度竞争，内卷严重。杭州妙联物联网技术有限公司执行董事王永飞针对这样的现状，带来了《快速场景赋能，助力AIoT价值变现》主题分享。尤其就如何跨越供给侧和需求测之间的鸿沟与现场观众展开了讨论，他表示，在这个过程中，需要融合各方资源，发挥行业合力，才能多快好省地实现场景快速落地。在伙伴的精彩分享之后，华为云技术专家与核心伙伴又针对《物联网高速增长，智联生活战略机会点》展开了系列问题的深度讨论，本次对话还特别邀请到了加利弗设计创始人刘亮参与其中。“智能照明2.0时代将如何呈现？”、“To B 类场景中，将如何打破现有智能照明局限？”、“工业设计如何助力AIoT推动生活新革命？”等问题在对话中得到了充分的解答和拓展。在这场思维与思维的碰撞中，产生了新的火花，也挖掘出很多闪光点和机会点。 活动最后，本次活动的主办方深圳HDZ核心组，向在场的观众分享了深圳HDZ在2022年的运营计划，我们相信会有越来越多的开发者加入到深圳HDZ开发者社区中，而HDZ也会在全国更多的城市中扎根发芽，成就每一位开发者！一直以来，华为云始终致力于将全场景、高质量的智能生活体验带给更多的人，对于伙伴的赋能也在长期的坚持中，相信在伙伴与华为云的共同努力下，智能生活定会打破壁垒，场景定会持续延伸，更美好的数字生活定会到来！

近日，国际数据公司IDC发布 《IDC中国2021H1人工智能公有云服务市场研究报告》 华为云一站式AI开发平台 ModelArts 位居中国机器学习公有云服务市场份额第一 连续三次登上该市场榜首位置 报告指出，在中国机器学习公有云服务市场中，华为云受到政企客户的青睐，在AI云服务市场的竞争优势逐渐凸显。华为云一站式AI开发平台ModelArts可以提供数据处理、算法开发、模型训练、模型管理、模型部署等AI模型开发全流程技术能力；率先支持MLOps；持续构建大模型训练优化能力。同时积极打造开放的AI生态，接入生态开发工具，通过华为云AI Gallery联接AI市场的供、需、学三方，助力解决AI落地时所面临的“AI算力稀缺、AI人才短缺、AI开发难、AI行业应用难”两难两缺难题，推动AI走进千行百业的核心生产系统。面向AI开发者，持续提供硬核黑科技服务 ModelArts人工智能集群服务支持大规模分布式训练。为帮助开发者及企业客户解决训练大模型时面临的技术、成本、资源等挑战，华为云一站式AI开发平台ModelArts提供人工智能集群服务，全场景深度优化，支持大规模分布式训练。从端到端全流程角度看，相比线下开发大模型，基于ModelArts的开发效率可提升4倍以上，并且可以解决超大模型训练的资源可获得性问题。云原生模型开发工具链，助力AI开发效率提升。华为云一站式AI开发平台ModelArts支持将云上资源与开发工具链相结合。面向AI初学者，线上CodeLab支持秒级接入资源，可按需切换；面向深度开发者，支持云上远程开发与自定义开发环境。借助云原生的资源调度，开发者可进一步构筑基于ModelArts云原生的算法开发范式和能力。面向AI生态，搭建“知识”+“实训”的AI开发社区 基于一站式AI开发平台ModelArts，华为云构建了开发者生态社区AI Gallery，这是一个AI资产共享的社交平台，也是“知识”+“实训”的AI开发社区。 AI Gallery汇聚了算法、模型、数据集、工作流等10余种、50000余个AI资产，保障AI开发、应用生态链上的各个参与方都能高效地实现各自的商业价值，降低各行各业开发者在人工智能领域的学习门槛，加速AI的应用实践。面向AI行业落地，全面支持全流程MLOps开发 华为云一站式AI开发平台ModelArts全面支持MLOps，改变了原有分段开发AI模型的流程, 实现全流程自动化的协同迭代开发模式。ModelArts也成为国内首个支持MLOps的AI开发平台。 基于MLOps的理念，华为云一站式AI开发平台ModelArts的Workflow工具提供运行记录、监控、持续运行等功能。通过Workflow工具，实现AI开发、运行及运行后监测的全生命周期管理，加快AI开发到落地的迭代速度，以及效果体验的持续优化。同时，开发者可通过AI Gallery实现Workflow快速构建与能力分享。华为云一站式AI开发平台ModelArts帮助企业实现了AI应用全生命周期管理，大幅提升AI开发效率，加速了AI在千行百业的落地。制造领域，华为云和博世华域基于ModelArts Workflow开发出了刀具状态智能识别Usecase。通过刀具声音识别算法，在保证良品率的情况下，刀具使用效率提升5%以上。基于MLOps理念打造的刀具声音识别Usecase，能够轻松地针对不同刀具甚至其他生产工具进行方案扩展，将声音检测算法应用在更广泛的制造行业状态维护场景；药物研发领域，依托华为云一站式AI开发平台ModelArts与华为云一站式医疗研发平台EIHealth，中国科学院上海药物研究所联合华为云训练了华为云盘古药物分子大模型，赋能全流程的AI药物设计，大幅提升新药研发效率；交通运输领域，深圳机场基于华为云机场智能体快速构建60+调度规则，实现机位分配自动化、智能化，让机场靠桥率提升5%，每年帮助260万旅客免乘摆渡车。转自华为云公众号

>摘要：随着边缘设备的广泛使用和性能提升，将机器学习相关的部分任务迁移到边缘，也即边缘AI技术，已成为必然趋势。但仅凭技术是不足够完成落地和产业转化的。近日我们启动了边缘AI研发落地生态挑战调研。我们发现，当前学界业界在落地过程已经遇到各式各样的困难，重点生态挑战包括数据集和配套算法难以获取、通用方案无法满足特定业务需求、缺乏商业成功案例等。本文分享自华为云社区[《华为云 - 边缘AI研发落地生态挑战调研报告》](https://bbs.huaweicloud.com/blogs/317787?utm_source=csdn&utm_medium=bbs-ex&utm_campaign=ei&utm_content=content)，作者： 边缘云创新实验室。  随着边缘设备的广泛使用和性能提升，将机器学习相关的部分任务迁移到边缘，也即边缘AI技术，已成为必然趋势，甚至能够同时结合云侧算力和边侧数据来完成机器学习任务。机器学习服务将边缘产生的数据转换为知识的过程中，需要在边缘快速响应并处理本地产生的数据。在落地过程中，我们发现，在连接海量边缘节点的边缘云时代，随着AI服务与边缘用户的距离缩短，通用AI原本部分**挑战在边缘场景下变得更加尖锐**。 基于一些落地经验，**华为云边缘云创新实验室（ECIL，Edge Cloud Innovation Lab，Huawei Cloud）** 系列文章中曾介绍过数据异构等四大技术挑战。针对这些挑战，各个技术方案落地与成果转化到产业的进程正在紧锣密鼓地进行。**但仅凭技术是不足够完成落地和产业转化的**。当前学界业界很多团队已经遇到各式各样的困难，比如数据集难以获取、通用方案无法满足特定业务、缺乏商业成功案例等。 因此除了技术挑战外，华为云边缘云创新实验室一直密切关注边缘AI的**生态挑战***。为了让更多边缘AI领域的朋友多快好省地完成技术研发落地和商业闭环，华为云边缘云创新实验室启动了边缘AI研发落地生态挑战调研。本次调研通过问卷发放的方式，希望进一步了解边缘AI方案落地与产业落地过程中遇到的生态挑战。截至2021年11月29日，已回收有效答卷175份，问卷开放选项采集到49条补充意见和8条补充建议。对答卷中共计20项量表题项进行分析，信度Cronbach. **为0.975。 *比如研发资源难获取、工具链不完备等主要依赖社区分工与共享的非技术挑战，在本文中定义为生态挑战 **信度指同一问卷对同一组对象重复测量时所得结果的一致性程度，用于测量样本回答结果是否可靠。如果在0.8以上,则该测验或量表的信度非常好；如果低于0.6,量表就需要重新设计题项。 根据调研结果，对边缘AI各角色而言，当前阻碍研发落地，首当其冲生态挑战分别是 - 算法开发者：“真实业务数据集及其基线算法、预训练模型难以获取” - 服务开发者：“通用方案整体性能不一定满足特定业务需求” - 技术布道者：“缺乏商业成功案例” 具体调研报告结果请见下文。 # 1、调研对象  调研对象职业主要是工业界从业者（53.45%），其次是在校学生（31.03%）和学术界研究者（25.86%）。  调研对象的技术方向主要是边缘AI及其应用（55.75%）、AI及其应用（49.43%）、边缘计算及其应用（42.53%）。也有约四分之一的方向为云计算及其应用（25.86%），以及少量的其它方向（13.22%）。 # 2、边缘AI算法开发者 本问卷中，边缘AI算法开发者是指研发联邦学习、协同推理乃至深度学习调度等边缘AI典型算法的角色。有80.46%调研对象填写了边缘AI算法开发者相关问卷调研选项。对每个挑战的负面影响有四种选项，包括“不了解可跳过”“可维持现状”“建议改进”“亟需改进”。 本章先介绍答卷中关于各个算法开发生态挑战的不同维度调研结果，本章末尾将小结各不同维度的结论。 ## 2.1平均分 若选择“不了解跳过”或“可维持现状”记为0分，“建议改进”记为5分，“亟需改进”记为10分，答卷中对边缘AI算法开发者各挑战的平均分值如下图所示。对比认为“还有其他重要挑战”的1.43分，问卷中所罗列的各挑战都超过了5分，可以认为各挑战都有改进的需求。  其中，平均分值最高（6.87分）的挑战是： - “真实业务数据集及其基线算法、预训练模型难以获取” 在截尾均值* 6.09分以上的其它头部挑战还包括： - “算法研发迭代中，重复部署整套端边云系统过于沉重” - “缺乏AI工具，包括资源监控、节点仿真、标注工具等” - “算法找不到对应业务场景，或很难得知实际业务落地性能” *截尾均值指是指在一个数列中，去掉两端的极端值后所计算的算术平均数。在本问卷中用于屏蔽最后一个开放选项的影响，下同。 从“边缘AI及其应用”方向细分工业界、学术界和在校学生等不同职业调研对象（三者在调研对象中的比例大致为2:1:1），细化算法开发者各项挑战平均分：  “边缘AI及其应用”方向下各职业平均分值最高的算法开发挑战分别是： - 工业界：“缺乏AI工具，包括资源监控、节点仿真、标注工具等” （平均分7.5） - 学术界：“缺乏真实业务及其研究需求的固定来源” （平均分7.14） - 在校学生：“真实业务数据集及其基线算法、预训练模型难以获取”（平均分7.68） 在截距均值以上的其它头部挑战还包括： 工业界（截距均值6.19）： - “真实业务数据集及其基线算法、预训练模型难以获取”（平均分7.1） - “算法研发迭代中，重复部署整套端边云系统过于沉重”（平均分7） - “边缘AI系统部署等起步过程中缺乏指南文档”（平均分6.35） 学术界（截距均值6.30）： - “真实业务数据集及其基线算法、预训练模型难以获取”（平均分6.96） - “缺乏AI工具，包括资源监控、节点仿真、标注工具等”（平均分6.72） 在校学生（截距均值6.77）： - “缺乏真实业务及其研究需求的固定来源”（平均分7.41） - “算法找不到对应业务场景，或很难得知实际业务落地性能”（平均分7.59） ## 2.2亟需改进  对于边缘AI算法开发者，问卷中提及的挑战被选为“亟需改进”的比例通常三分之一左右，高于“还有其他重要挑战”的6.36%，可以认为各个挑战都有相当的迫切需求。 其中被选为“亟需改进”的挑战中比例最高（42.77%）的是： - “真实业务数据集及其基线算法、预训练模型难以获取” 在截尾均值（33.33%）以上的其它头部挑战还包括： - “算法研发迭代中，重复部署整套端边云系统过于沉重” - “缺乏AI工具，包括资源监控、节点仿真、标注工具等” - “算法找不到对应业务场景，或很难得知实际业务落地性能” - “边缘AI系统部署等起步过程中缺乏指南文档” 可以看到，除了一个挑战，“亟需改进”和“平均分”头部挑战基本保持一致，这个有区别的挑战是： - “边缘AI系统部署等起步过程中缺乏指南文档” 但可以观察到，除了“亟需改进”维度，该挑战其实在“平均分”维度也是非常接近头部（距离截尾均值0.02），这说明其重要性。 ## 2.3可改进  问卷中的绝大部分挑战都以较大比例（63.1% - 69.94% ）被选为“建议改进”和“亟需改进”（下总称“可改进”），对比认为“有其他重要挑战”需改进的比例仅为13.87%，说明列举在问卷中相关挑战大部分都明显有改进的需求。 其中，被认为“可改进”的挑战中比例最高（69.94%）的是： - “真实业务数据集及其基线算法、预训练模型难以获取” 在截尾均值（67.06%）以上的其它头部挑战还包括： - “缺乏真实业务及其研究需求的固定来源” - “边缘AI系统部署等起步过程中缺乏指南文档” - “缺乏AI工具，包括资源监控、节点仿真、标注工具等” - “算法研发迭代中，重复部署整套端边云系统过于沉重” 与“亟需改进”相比，“可改进”维度头部部分选项排名有变化。 1、在“可改进”维度头部选项中，比“亟需改进”排名更高的挑战，可以认为是有一定的重要性，但相对不那么紧急。这些可能看上去更“长远”的“重要不紧急”挑战包括： - “缺乏真实业务及其研究需求的固定来源” - “边缘AI系统部署等起步过程中缺乏指南文档” 第二个挑战也与“亟需改进”部分结论一致。 2、在“亟需改进”维度头部选项中，比“可改进”排名更高的挑战，可以认为是一定的重要性，但相对比较紧急，这些看上去更“紧迫”的“重要且紧急”挑战包括： - “算法研发迭代中，重复部署整套端边云系统过于沉重” - “缺乏AI工具，包括资源监控、节点仿真、标注工具等” ## 2.4小结 对边缘AI算法开发者有以下结论： 1.平均分值最高（6.87分）的挑战是：“真实业务数据集及其基线算法、预训练模型难以获取” 2.其它头部重要挑战中 - “重要不紧急”头部重要挑战包括：“缺乏真实业务及其研究需求的固定来源”“边缘AI系统部署等起步过程中缺乏指南文档” - “重要且紧急”头部重要挑战包括：“算法研发迭代中，重复部署整套端边云系统过于沉重”“缺乏AI工具，包括资源监控、节点仿真、标注工具等” 3.“边缘AI及其应用”方向下算法开发各职业平均分值最高的生态挑战分别是： - 工业界：“缺乏AI工具，包括资源监控、节点仿真、标注工具等” （平均分7.5） - 学术界：“缺乏真实业务及其研究需求的固定来源” （平均分7.14） - 在校学生：“真实业务数据集及其基线算法、预训练模型难以获取”（平均分7.68） 问卷中也尝试调研边缘AI算法开发其余重要挑战，调研结果词云如下所示，包括边缘AI**概念与定义、硬件方案、人才协作、工具与文档、场景需求、AI效果**等24条意见，由于篇幅限制不一一阐述。  # 3、边缘AI服务开发者 本问卷中，边缘AI服务开发者是指，在给定算法基础上开发工业、Re-ID、能源、机器人等边缘AI服务的角色。有74.90%的调研对象填写了边缘AI服务开发者相关问卷调研选项。对每个挑战的负面影响有四种选项，包括“不了解可跳过”“可维持现状”“建议改进”“亟需改进”。 本章先介绍答卷中关于各个算法开发生态挑战的不同维度调研结果，本章末尾将小结各不同维度的结论。 ## 3.1平均分 若选择“不了解跳过”或“可维持现状”记为0分，“建议改进”记为5分，“亟需改进”记为10分，答卷中对边缘AI服务开发者各挑战的平均分值如下图所示。对比认为“还有其他重要挑战”的1.24分，问卷中所罗列的各挑战都超过了5分，可以认为各挑战都有改进的需求。 其中，平均分值最高（6.76分）的挑战是： - “通用方案整体性能不一定满足特定业务需求” 在截尾均值6.09分以上的其它头部挑战还包括： - “自研业务算法和系统方案周期长成本高” - “方案效果复现困难或通用方案应用范围存疑”  从“边缘AI及其应用”方向细分工业界、学术界和在校学生等不同职业调研对象（三者在调研对象中的比例大致为2:1:1），细化服务开发者各项挑战平均分：  “边缘AI及其应用”方向下各职业平均分值最高的服务开发挑战完全一致： - 工业界：“通用方案整体性能不一定满足特定业务需求” （平均分7.1） - 学术界：“通用方案整体性能不一定满足特定业务需求” （平均分7.8） - 在校学生：“通用方案整体性能不一定满足特定业务需求”（平均分7.5） 在截距均值以上的其它头部挑战还包括： 工业界（截距均值5.99）： - “自研业务算法和系统方案周期长成本高”（平均分6.63） - “方案效果复现困难或通用方案应用范围存疑”（平均分6.1） 学术界（截距均值5.75）： - “自研业务算法和系统方案周期长成本高”（平均分7.00） - “方案效果复现困难或通用方案应用范围存疑”（平均分6.60） 在校学生（截距均值5.84）： - “方案效果复现困难或通用方案应用范围存疑”（平均分6.88） - “自研业务算法和系统方案周期长成本高”（平均分6.46） ## 3.2亟需改进  对于边缘AI服务开发者，问卷中提及的挑战被选为“亟需改进”的比例都在20%以上，高于“还有其他重要挑战”的6.36%，可以认为各个挑战都有一定的迫切需求。 其中被选为“亟需改进”的挑战中比例最高（36.78%）的是： - “通用方案整体性能不一定满足特定业务需求” 在截尾均值（25.57%）以上的其它头部挑战还包括： - “自研业务算法和系统方案周期长成本高” - “现场人员只会开关机，希望简化现场安装部署” 与“平均分”维度相比，“亟需改进”维度头部部分选项排名有变化。 1、在“亟需改进”维度才进入头部的挑战有一个，在“平均分”部分其实也是非常接近头部（距离截尾均值0.06），这可能说明该挑战比较重要，而且需求比较迫切，这个挑战是： “现场人员只会开关机，希望简化现场安装部署” 2、在“平均分”维度有一个头部挑战在“亟需改进”维度排名下降，意味着其有一定的重要性，但相对紧急程度较低，可能是“重要不紧急”的、更为“长远”的需求，这个挑战是： “方案效果复现困难或通用方案应用范围存疑” ## 3.3可改进  问卷中的绝大部分挑战都以较大比例（59.77% - 68.96% ）被选为“建议改进”和“亟需改进”（下总称“可改进”），对比认为“有其他重要挑战”需改进的比例仅为10.92%，说明列举在问卷中相关挑战大部分都明显有改进的需求。 其中，被认为“可改进”的挑战中比例最高（68.96%）的是： - “通用方案整体性能不一定满足特定业务需求” 在截尾均值（61.78%）以上的其它头部挑战还包括： - “自研业务算法和系统方案周期长成本高” - “方案效果复现困难或通用方案应用范围存疑” 与“亟需改进”相比，“可改进”维度头部部分选项排名有变化。 1、在“可改进”维度头部选项中，比“亟需改进”排名更高的挑战，可以认为是有一定的重要性，但相对不那么紧急，看上去更“长远”的“重要不紧急”挑战包括： “方案效果复现困难或通用方案应用范围存疑” 这与“亟需改进”章节结论一致。 2、在“亟需改进”维度头部选项中，比“可改进”排名更高的挑战，可以认为是一定的重要性，但相对比较紧急，这些看上去更“紧迫”的“重要且紧急”挑战包括： “现场人员只会开关机，希望简化现场安装部署” 这与“亟需改进”章节结论一致。 ## 3.4小结 对边缘AI服务开发者有以下结论： 1.平均分值最高（6.76分）的挑战是：“通用方案整体性能不一定满足特定业务需求” 2.头部重要挑战中 - “重要不紧急”头部重要挑战包括：“方案效果复现困难或通用方案应用范围存疑” - “重要且紧急”头部重要挑战包括：“现场人员只会开关机，希望简化现场安装部署” - 头部重要挑战还包括：“自研业务算法和系统方案周期长成本高” 3.“边缘AI及其应用”方向下服务开发各职业平均分值最高的生态挑战完全一致： - 工业界：“通用方案整体性能不一定满足特定业务需求” （平均分7.1） - 学术界：“通用方案整体性能不一定满足特定业务需求” （平均分7.8） - 在校学生：“通用方案整体性能不一定满足特定业务需求”（平均分7.5） 问卷中也尝试调研边缘AI服务开发其余重要挑战，调研结果词云如下所示。包括场景定制化、培训与指南、部署安装、硬件资源、技术方案等18条挑战，由于篇幅原因不一一阐述。  # 4、边缘AI技术布道者 本问卷中，边缘AI技术布道者是指开展边缘AI技术演讲布道，推广甚至销售现有边缘AI技术与服务的角色。有69.94%调研对象填写了边缘AI技术布道者相关问卷调研选项。对每个挑战的负面影响有四种选项，包括“不了解可跳过”“可维持现状”“建议改进”“亟需改进”。 本章先介绍答卷中关于各个算法开发生态挑战的不同维度调研结果，本章末尾将小结各不同维度的结论。 4.1平均分 若选择“不了解跳过”或“可维持现状”记为0分，“建议改进”记为5分，“亟需改进”记为10分，答卷中对边缘AI技术布道者各挑战的平均分值如下图所示。对比认为“还有其他重要挑战”的0.73分，问卷中所罗列的各挑战都超过了5分，可以认为各挑战都有改进的需求。  其中，平均分值最高（6.61分）的挑战是： - “缺乏商业成功案例” 在截尾均值5.77分以上的其它头部挑战还包括： - “缺乏与现有方案系统对比，包括成本、部署要求” - “受众对边缘AI不了解” 从“边缘AI及其应用”方向细分工业界、学术界和在校学生等不同职业调研对象（三者在调研对象中的比例大致为2:1:1），细化技术布道者各项挑战平均分：  “边缘AI及其应用”方向下各职业平均分值最高的技术布道挑战分别是： - 工业界：“缺乏与现有方案系统对比，包括成本、部署要求” （平均分6.63） - 学术界：“缺乏商业成功案例” （平均分6.59） - 在校学生：“受众对边缘AI不了解”（平均分6.25） 在截距均值以上的其它头部挑战还包括： 工业界（截距均值5.98）： - “受众对边缘AI不了解”（平均分6.15） - “缺乏商业成功案例”（平均分6.43） 学术界（截距均值5.40）： - “受众对边缘AI不了解”（平均分5.91） - “缺乏与现有方案系统对比，包括成本、部署要求”（平均分5.68） 在校学生（截距均值5.46）： - “缺乏商业成功案例”（平均分6.05） - “缺乏直观的UI界面和Demo”（平均分6.05） - “缺乏与现有方案系统对比，包括成本、部署要求”（平均分5.53） ## 4.2亟需改进  对于边缘AI技术布道者，问卷中提及的挑战被选为“亟需改进”的比例都在20%以上，高于“还有其他重要挑战”的1.72%，可以认为各个挑战都有一定的迫切需求。 其中被选为“亟需改进”的挑战中比例最高（32.18%）的是： - “缺乏商业成功案例” 在截尾均值（25.00%）以上的其它头部挑战还包括： - “缺乏与现有方案系统对比，包括成本、部署要求” - “缺乏直观的UI界面和DEMO” 与“平均分”维度相比，“亟需改进”维度头部部分选项排名有变化。 1、在“亟需改进”维度才进入头部的挑战有一个，在“平均分”部分其实也是非常接近头部（距离截尾均值0.06），这可能说明该挑战比较重要，而且需求比较迫切。这个“重要且紧急”挑战是： “缺乏直观的UI界面和DEMO” 2、在“平均分”维度有一个头部挑战在“亟需改进”维度排名下降，意味着其有一定的重要性，但相对紧急程度较低，更为“长远”的需求。这个“重要不紧急”挑战是： “受众对边缘AI不了解” ## 4.3可改进  问卷中的绝大部分挑战都以较大比例（54.02% - 62.07%） 被选为“建议改进”和“亟需改进”（下总称“可改进”），对比认为“有其他重要挑战”需改进的比例仅为6.89%，说明列举在问卷中相关挑战大部分都明显有改进的需求。 其中，被认为“可改进”的挑战中比例最高（62.07%）的是： - “缺乏商业成功案例” 在截尾均值（57.61%）以上的其它头部挑战还包括： - “缺乏与现有方案系统对比，包括成本、部署要求” - “受众对边缘AI不了解” 与“亟需改进”相比，“可改进”维度头部部分选项排名有变化。 1、在“可改进”维度头部选项中，比“亟需改进”排名更高的挑战，可以认为是有一定的重要性，但相对不那么紧急，看上去更“长远”的挑战包括： “受众对边缘AI不了解” 这与“亟需改进”章节结论一致。 2、在“亟需改进”维度头部选项中，比“可改进”排名更高的挑战，可以认为是一定的重要性，但相对比较紧急，这些看上去更“紧迫”的“重要且紧急”挑战包括： “缺乏直观的UI界面和DEMO” 这与“亟需改进”章节结论一致。 ## 4.4小结 对边缘AI技术布道者有以下结论： 1.平均分值最高（6.61分）的挑战是： “缺乏商业成功案例” 2.其它头部重要挑战中 - “重要不紧急”头部重要挑战包括： “受众对边缘AI不了解” - “重要且紧急”头部重要挑战包括： “缺乏直观的UI界面和DEMO” - 头部重要挑战还包括：“缺乏与现有方案系统对比，包括成本、部署要求” 3.“边缘AI及其应用”方向下技术布道各职业平均分值最高的生态挑战分别是： - 工业界：“缺乏与现有方案系统对比，包括成本、部署要求” （平均分6.63） - 学术界：“缺乏商业成功案例” （平均分6.59） - 在校学生：“受众对边缘AI不了解”（平均分6.25） 问卷中也尝试调研边缘AI技术布道其余重要挑战，调研结果词云如下所示。包括边缘AI价值和方案配套等7条意见，由于篇幅原因不一一阐述。  # 5、未来工作  作为KubeEdge社区SIG AI重要成员，华为云边缘云创新实验室将依据调研结果有针对性地向KubeEdge社区SIG AI持续贡献。KubeEdge是业界首个云原生边缘计算框架、当前云原生计算基金会内部唯一孵化级边缘计算开源项目。KubeEdge在全球已拥有800+贡献者和60+贡献组织，在Github获得4.6k+Stars和1.3k+Forks。作为KubeEdge中唯一的AI特别兴趣小组（Special Interest Group），KubeEdge社区SIG AI致力于使能AI应用在边缘更好地运行，聚焦边缘AI技术讨论、API定义、参考架构、开源实现等。**为全球开发者提供相关研发支持并孵化繁荣生态，当前已开源边缘AI平台Sedna，包括其跨边云的协同推理、联邦学习、增量学习和终身学习特性。**   作为信奉开源文化的社区，KubeEdge始终都强调“Best ideas win”，领域发展自然也不例外。为了交出一个更有竞争力和创意的提案，本次调研了解每位关注开源与边缘AI的朋友对相关方案落地过程遇到的困难，然后选取Best idea，对社区内容进行优化，以便为大家呈现一个体现开源开放精神的资源分享社区生态。  除了之前章节提及的内容，问卷中还包括调研对象的建议。其中“提供公开数据集、预处理和基线代码，构建Benchmark”的建议无论在总览、还是在边缘AI方向的工业界、学术界和在校学生中票数均排名第一，比例分别为82.18%、92.98%、87.10%、86.67%，并且显著高于其它建议，相信此建议需要重点关注。社区也可以根据上面的阐述细分相关职业需求，进一步优化边缘AI生态。 问卷也尝试调研其余重要建议。包括场景演示和研发支撑等8条建议： ### 场景演示 - 增加demo展示 - 深入了解行业落地痛点 - 找准一个典型领域或场景进行全方案的落地测试，包括训练和推理结合实际业务形成一套端到端的解决方案 - 光调研开发者不足够，并非方案用户，要落地还得调研边缘AI的最终客户需求 ### 研发支撑 - 最重要还是数据公开 - 希望能提供更多的例子，示例怎么完成一个任务的训练和部署。联邦学习目前了解的人比较少，希望对它的优势和使用方法做更多介绍，降低系统使用门槛。 - 需要对相关开源平台的了解，也可以搞合作 - 提供更多的开发者使用模式，不局限于现在example 路遥共相伴，勠力同向前。特别感谢参与答卷的专家、学者和同学，本次调研的四大“意见领袖”与十佳“优秀意见”等各项评选正在有序进行，并将陆续发放报告和纪念品。结合行业关注的最新技术趋势，KubeEdge将集结当前SIG AI中30+单位的各供应商和开发者为**边缘AI算法开发者、服务开发者、技术布道者**三种角色提供资源和平台帮助。这将包括数据集开源、预处理与范式算法开源、以及AI工具等行业内迫切需要的资源，为大家带来一场开源饕餮盛宴。相关内容将陆续到来！欢迎关注KubeEdge 社区https://github.com/kubeedge/ 、KubeEdge SIG AI及其项目Sedna https://github.com/kubeedge/sedna。