再看一小段：15.强化常态运营监管。严格控制资本过度涌入培训机构，培训机构融资及收费应主要用于培训业务经营，坚决禁止为推销业务以虚构原价、虚假折扣、虚假宣传等方式进行不正当竞争，依法依规坚决查处行业垄断行为。线上培训要注重保护学生视力，每课时不超过30分钟，课程间隔不少于10分钟，培训结束时间不晚于21点。积极探索利用人工智能技术合理控制学生连续线上培训时间。线上培训机构不得提供和传播“拍照搜题”等惰化学生思维能力、影响学生独立思考、违背教育教学规律的不良学习方法。聘请在境内的外籍人员要符合国家有关规定，严禁聘请在境外的外籍人员开展培训活动。这里明确提到：积极探索利用人工智能技术合理控制学生连续线上培训时间。哎，要加油啊，目前成熟的AI应用，在教育领域估计是没啥重磅应用，所以在发文者看来，目前AI能帮上忙的，估计就是应用已经熟透了的人脸识别之类的，发现线上培训时间连续超过30分钟，咔~断掉~

再看一小段，12.做强做优免费线上学习服务。教育部门要征集、开发丰富优质的线上教育教学资源，利用国家和各地教育教学资源平台以及优质学校网络平台，免费向学生提供高质量专题教育资源和覆盖各年级各学科的学习资源，推动教育资源均衡发展，促进教育公平。各地要积极创造条件，组织优秀教师开展免费在线互动交流答疑。各地各校要加大宣传推广使用力度，引导学生用好免费线上优质教育资源。从因材施教的角度来说，某一份好的线上教育资源，也不一定就适合所有学生，如果首先，能够组织优秀教师就同一内容录制各自的教学课件，再分类打标签，然后，再对学生能够打上标签，去推荐适配的教师的教学课件，简直不要太完美。只是这一切都要能够落地的大数据和AI来支持，以及学生的基础数据的采集，挺难的~

来看《关于进一步减轻义务教育阶段学生作业负担和校外培训负担的意见》里面的一小段，6.提高作业设计质量。发挥作业诊断、巩固、学情分析等功能，将作业设计纳入教研体系，系统设计符合年龄特点和学习规律、体现素质教育导向的基础性作业。鼓励布置分层、弹性和个性化作业，坚决克服机械、无效作业，杜绝重复性、惩罚性作业。比如这个“鼓励布置分层、弹性和个性化作业”。这个怎么落地？每个学生布置不同的作业？老师能够做到吗？有这个精力和时间吗？一个班学生有好几十人呢。。。就算是布置统一的作业，批改起来都够呛吧？不然总是听到有老师让学生帮忙改作业啥的~怎么分层？鱼儿在水里活动是分层的，不同种类的鱼活动在不同的水层，这个是鱼儿自己的特性决定的，学生怎么分，现在的做法，如果是按成绩分，类似于分火箭班，普遍班的这样分了，这个是最简单的，但是这样分估计是会被喷的~对学生整体的提升，也并不合理。个人觉得还是按学生的性格特性分会比较好，当然分层后也不是一成不变的。现在大家都戴手环或手表，经过长年累月的使用，收集到足够的数据后，我觉得系统是可以给用户一个生活习性，健康方面的画像的，在这个基础上，给出一些锻炼或提升身体素质的有效，适合每个人自己的建议。其实学生也一样，自己认识自己都是很难的，一个学生到底属于那种类型，什么样的教学、什么样的作业对他是最合适的，这个也需要基础数据支撑才可能比较准确的评估，不知道现在有没有这样的“学生手环”，能够采集学生的日常的学习基础数据？这个应该是最基本的工作。

最近有一个通知《关于进一步减轻义务教育阶段学生作业负担和校外培训负担的意见》。这个通知是中央办公厅和国务院办公厅联合印发的，可以看出它的分量。其实最近教育的改革动态，主要不是教育领域自发的。而是从国家的人口政策的变化开始的，也就是放开三孩，早些年放开过二孩，但这些年下来，效果并不显著，现在放开三孩，要有必要的解除人们不愿多生孩子的障碍的配合政策，才可能效果。这些障碍，一个是房子，一个是教育。这些都是很容易让一般人产生焦虑感的事情。房子的事情不清楚，但是教育方面，应该是AI可以出大力的领域。

AI分析心电图并诊断疾病 以色列理工学院的研究人员开发了一个基于人工智能的新系统，该系统使用增强的神经网络分析心电图，并可以自动检测疾病。 论文链接：https://www.pnas.org/content/118/24/e2020620118 相关报道：https://medicalxpress.com/news/2021-07-clinically-viable-ai-based-tools-medicine.html 材料：通过机器学习预测粘合属性 东京大学工业科学研究所的研究人员开发了一种机器学习模型，该模型可根据单个组件的参数确定粘合和吸收材料的特性。这是首个可预测材料多个不同属性的机器学习模型。 奇偶平价图显示预测值与计算值 论文链接：https://iopscience.iop.org/article/10.35848/1882-0786/ac083b 相关报道：https://phys.org/news/2021-07-bonding-bond-properties-machine.html

--- 2021年7月15日，中国信息通信研究院云计算与大数据研究所在京举办 “2021年可信AI成果发布会”。 会上，中国信通院云大所正式发布《2021人工智能十大关键词》、2021年首批可信AI评估结果，智能语音语义，开发平台、机器人流程自动化、内容安全等产品评测观察，并深入解读可信AI评估体系、人脸威胁情报、护脸计划、《可信人工智能白皮书》等工作。  **可信AI成果发布会现场** 中国信通院云计算与大数据研究所所长何宝宏发布了《2021人工智能十大关键词》并对其进行了解读。十大关键词分别为：可信AI、工程化、大模型、人脸安全、治理、超级自动化、MLOPS、知识计算、多模态融合和行业融合。十大关键词指出在近一年来，人工智能技术、应用和产业等方面呈现出的特点和趋势，为产业的下一步发展提供参考。  **中国信通院云计算与大数据研究所所长何宝宏** 中国信通院云大所人工智能部副主任曹峰解读了可信AI评估体系，并对RPA评估专项进行了解读。曹峰表示，评测工作开展已经近4年，通过制定评测标准体系，建设软硬件测试环境和能力，已经形成专用芯片、智能语义、机器人流程自动化（RPA）、开发平台、内容安全等典型产品和服务的评测能力。截止2020年底，累计已有七十多家企业的近180项产品通过了评测。今年评测品牌正式升级为“可信AI”评测体系，上半年共有30家企业的52款产品通过测试。  **中国信通院云大所人工智能部副主任曹峰** 2021年首批可信AI评测结果：  **华为云的ModelArts同样在列。** 中国信通院云大所人工智能部副主任石霖介绍了“可信人脸应用守护计划”工作进展。“护脸计划”自发起以来，已经形成《人脸识别系统通用可信能力要求》，正在开展第一批可信人脸识别测试，得到多家人脸识别技术企业的积极响应。会上，“护脸计划”宣布建立人脸威胁情报共享机制，由中国信通院云大所联合蚂蚁集团正式发布“人脸应用·威胁动态”。该威胁动态以电子期刊形式，持续提供人脸威胁预警和安全防御服务，构建动态化的防范体系。 中国农业银行研发中心上海研发部处长陈小敏为大会带来《农业银行数字员工应用实践》主题报告，提到RPA作为银行数字化转型底层技术底座，融合了多要素组成数字劳动力，为数字化转型提供新的动力和工具。阳光保险集团首席科学家杜新凯带来《AI技术助力保险数智化转型》的主题报告分享中，解读了AI技术对保险行业带来的创新与变革，随着技术的发展，数字化转型已经逐渐成为各个行业不可或缺的重要助力。 中国信通院云大所人工智能部高级业务主管董晓飞介绍了智能语义产品评测情况。本轮共有12款产品通过智能化分级测试，呈现出如下特点。一是智能交互类产品的意图识别率和任务完成率显著提升，带来更好的交互体验；二是产品能力由数据原生驱动，转变为“数据+知识”的双重驱动，充分发挥了语料库和知识库在语言处理中的效用；三是产品服务重心从效果和性能，转向用户情绪识别和轨迹理解等 “以人为本”的需求。下一步将重点面向金融、政务、医疗、电商等垂直行业制定相关标准，并组织开展相关评估测试、技术沙龙、产业研讨等活动。  **智能语义产品评测颁证仪式** 中国信通院云大所人工智能部高级业务主管李荪介绍了智能语音产品评测的总体情况。本轮共有8款产品通过测试，呈现出新技术产业化应用、特定场景需求凸显、抗攻击干扰能力提升的特点，但对于噪声、数字符号、专有名词等复杂场景和数据的处理和识别能力还有待进一步提高。下一步智能语音将聚焦产业应用需求，从标准制定、评测能力、沙龙活动三个方面，推动智能语音系统抗攻击、安全审核和数据安全方面可信能力研究，落实智慧助手白皮书、标准和评估测试，开展智能语音产品服务基础能力和专项能力的评测。 中国信通院云大所人工智能部工程师董昊介绍了人工智能开发平台评测的总体情况。本轮共有7款产品通过智能化分级测试，呈现出如下特点。一是参测产品基础功能完备，可视化水平普遍较高；二是可视化建模和自动建模模板可大幅降低开发门槛，不同平台的能力差异较大；三是考虑到用户需求和平台定位等因素，部分平台在特征工程、NLP/语音领域的开发能力较弱。 中国信通院云大所人工智能部工程师陈文弢介绍了内容安全评测的总体情况。本轮共有7家企业的18项服务通过测试，通过评测结果来看，已经呈现出基础功能完备、服务易用性较强的特点；但同时也存在小语种支持、高级检索功能不完善等问题。另外，内容识别标签不统一仍然是目前行业中相对突出的问题，因此，下一步，中国信通院将就此开展标签体系标准化工作。 可信人工智能已经成为全球共识，但实践中缺少一套可落地的方法论和落地指南。在本次大会上，中国信通院云大所人工智能部高级业务主管刘硕深度解读了由中国信通院云大所、华东分院、京东探索研究院共同编制的《可信人工智能白皮书》。白皮书从落实全球人工智能治理共识的角度出发，聚焦于可信人工智能技术、产业和行业实践等层面，分析了实现可控可靠、透明可释、隐私保护、明确责任及多元包容的可信人工智能路径，并对可信人工智能的未来发展提出了建议。

 华为官方微博日前发布消息称，基于昇腾人工智能（AI）基础软硬件的“鹏城云脑II”超级计算机在国际超算大会最新一期IO500排行榜中获得两项世界冠军。 消息称，“鹏城云脑II”超级计算机再次刷新世界纪录，蝉联全系统输入输出和10节点规模系统两项世界冠军。其中，全系统输入输出性能得分是排名第二的近20倍，再次验证了“鹏城云脑 II”具备世界顶尖的数据吞吐能力和AI算力水平。 “鹏城云脑II”是华为与鹏城实验室联合打造的超级计算机。对于各种规模的人工智能应用，“鹏城云脑II”均能提供世界领先的数据吞吐能力和尖端算力，服务于从基础研究到产业赋能的广泛用途。 截至目前，在基础研究领域，“鹏城云脑II”已助力多个基础科学领域如大模型研究、天气预测、分子动力学、药物研发、基因分析等进行科研创新模式变革；在重大应用领域，“鹏城云脑II”赋能数字视网膜泛在城市治理、云脑一体化医疗大健康、联邦学习智慧金融，以及“一带一路”的大规模多语种翻译等多个场景。

工业视觉是工业自动化的核心领域，包括检测、识别、测量、定位等关键任务。擅长解决视觉感知问题的AI技术已成为创造价值的重要切入点。今天，全球制造业面临巨大的产业升级压力。除了头部少数大型生产企业，大部分制造业生产线面临需求快速迭代和信息化、自动化、柔性化不足的矛盾：一方面，快速变化的全球市场呼唤按需生产、按需定制、按需迭代的高效产线；另一方面，数据采集难、连通难，自动化程度低，自动化工位之间缺少协同，良品率难于定量评估和精确归因等现实问题，共同构成了制造业效率提升的整体挑战。  大部分制造业企业需要在较短的建设周期里，大跨步补齐信息化、自动化、智能化这三块短板，实现跨越式发展。物联网、大数据、机器视觉、自动规划与决策、自动控制等前沿科技是此过程中的关键技术。其中，AI相关的技术更是由“制造”到“智造”跃升的基础。 **具体到工业视觉场景，为什么工业视觉需要人工智能？** 工业视觉要解决的是如何“看”清制造场景与如何“感知”“理解”关键信息的问题。当前，光学成像技术，多传感器融合技术，感光和光学处理芯片技术大幅进步，使“看得更小、看得更清”成为现实。在此基础上，AI恰好可以帮助我们“感知更准确、理解更深刻”。 以电子制造行业为例，我国相关生产线上与视觉检测有关的工位每年人工成本约60亿元。前沿科技的切入，会将视觉检测这一工序从较粗放、难量化的劳动密集型工位升级为可精准定量、可完整溯源、可智能集成数据的全自动工位，带来生产效率和产品质量的大幅提升。 **在工业视觉领域规划、定义、设计一款产品或解决方案，是一种怎样的体验？** 挑战很大。要说体验么，“苦其心志、劳其筋骨”吧。在工业视觉领域，一个产品的正向开发会经历需求调研、总体方案设计、关键技术验证、子系统方案设计、样机试制、现场方案验证、产品发布和市场推广等环节，每个阶段都要产品经理带领团队在正确的方向上，投入全部精力去打磨和优化。 上述过程中，产品经理的思路需要在宏观和微观之中随时切换：在考虑客户需求、产品定位时需要宏观思考；在考虑技术实现时需要聚焦在各个关键层级的技术细节；在布局产品线时需要考虑差异化配置对各类客户的匹配；在现场方案验证时需要关注具体数据和定制化需求。 但在这个领域做产品经理也是成就感满满的：工业视觉类产品，特别是自动化视觉设备是最能够带给人成就感的产品。当产品成功交付并在客户产线稳定运转时，客户的肯定就是对产品开发团队的最好回报。 来源：雷锋网

【摘要】 独家揭秘华为云AI技术能力和落地，手把手教你开发AI应用，更有资深专家解读AI转型。文章简介开发者如何抓住时代机遇，学好AI？学习人工智能之前，你需要了解这些。想了解人脸识别算法训练，看这篇就够了！初步了解人脸识别技术的发展，通过平台实例的操作，快速训练人脸识别模型。一文读懂文字识别的关键技术和进展华为云OCR融合了多种图像处理技术，具有高精度，鲁棒性和自适应性等特点。三招弱监督方法，从脏数据中得到一个好模型弱监督学习可以从有着大量噪音的互联网图片中训练出一个可用的模型。AI助力，视频分析全面进入智能时代基于人工智能的视频内容分析可以从根本上解决传统内容分析方法性能低下的问题。全面解读文本情感分析，快速识别正负面评价文本情感分析在社交媒体、舆情监测上有广泛应用，比如商品评价正负面的分析。人工客服质检效率低怎么办？华为云带你体验AI智能质检智能质检使用自然语言算法和预定义规则，分析客服与客户对话，提高效率。前沿技术探秘：知识图谱构建流程及方法知识图谱能破解企业智能化知识挖掘和管理难题，实现知识化转型。图神经网络！打开企业盈利的下一个风口图神经网络能做出更精准预测，提供个性化服务，实现精准化营销。画张图，我们就能秒级洞察千亿级复杂关系如果把关系数据模型比做火车的话，那么图数据建模就是高铁。ModelArts3.0 发布，一个让机器狗学会灭火的AI神器训练、标注成本节省90%，一站式AI开发平台ModelArts打通训练数据到模型落地。更懂开发者的视觉AI开发平台，HiLens为设备DIY一双“慧眼”通过端云协同管理和软硬件一体化开发方案降低开发门槛。华为集齐AI龙珠，“召唤神龙”为期不远系统介绍华为在AI芯片、训练集群到训练框架以及云计算等多方面的技术栈。文章简介【ModelArts】深度解读华为云 AI 开发平台 ModelArts 技术架构在竞争激烈的AI框架和平台市场下，技术解读ModelArts如何脱颖而出？【MoXing】华为云深度学习模型API，助你迅速上手AI开发MoXing是华为云深度学习服务提供的网络模型开发API，它让模型的代码编写更加简单。【昇腾AI】华为秀AI硬件实力，发布算力最强AI处理器昇腾910、MindSpore的推出，意味着华为已完成全栈全场景AI解决方案的构建。【昇腾AI】华为发布昇腾AI全栈软件平台，跨越算力应用鸿沟异构计算架构CANN 3.0、全流程开发工具链MindStudio和MindX，覆盖了基础软件到应用使能。【AI芯片】深度解读达芬奇架构：华为AI芯片的“秘密武器”达芬奇架构是华为自研的面向AI计算特征的全新计算架构，具备高算力、高能效、灵活可裁剪特性。【OCR】华为云OCR关键技术、能力分析，让产品落地做到极致硬件的底层优化、自研算子、优化数据模型，华为OCR背后的技术创新。【对话机器人】从架构、API到应用，华为云如何全局践行AI落地？华为云详解如何更好地实现云上强大AI能力的价值落地。【开源框架】MindSpore！这款刚刚开源的深度学习框架我爱了！通过两个实际应用案例介绍开源框架 MindSpore。文章简介【AI助农】华为云ModelArts零代码开发病虫害识别应用使用ModelArts快速开发农作物病虫害识别微信小程序，用人工智能的力量赋能农业。【AI识图】ModelArts自动分组厉害了，一键完成数据标注、过滤将特征相似的图片归为一类，将特征差别大的图片群分离。【AI写作】哎哟不错哦，ModelArts教你写周式情歌通过大量的歌词数据训练模型，实现AI写杰伦风格的歌词。【AI写作】七夕节来啦！AI一键生成情诗，去发给你的女朋友吧！一个自动生成情诗的AI，大家可以在ModelArts尝试复现模型。【AI识人】青春云毕业：如何用AI为毕业生“拍”毕业照？用AI简单而优雅地实现“云毕业照的拍摄”。【AI写作】要是有AI，我要做“李白”——五分钟开发作诗机器人本案例使用CBS为机器人快速配置技能，通过多轮对话实现机器人写诗技能。【AI聊天】听说华为云AI有个聊天官？——浅谈华小唯打造之路从确定人设、找写手到编写语料，一个会聊天的AI是这样被创造出来的。【AI识人】不知道斯嘉丽约翰逊演过哪些电影？知识图谱告诉你训练电影领域的自定义信息抽取模型，构建知识图谱，轻松查询斯嘉丽主演过哪些电影。 【AI聊天】史上最强DIY，手工制作一只会说话的机器狗在语音识别、自然语言处理、语音合成等技术加持下，机器狗实现更丰富的语音功能。【HiLens Studio体验】快速开发一个行人检测与跟踪 Demo凭借HiLens Studio, 任何时间、地点，都可以实现自己的idea。【HiLens Studio体验】如何用HiLens Studio轻松上手口罩检测小工具用HiLens的傻瓜开发工具做一个口罩识别小工具。【昇腾AI】“一分钟”跑通MindSpore的LeNet模型MindSpore的操作实践，献给踩坑的小伙伴。文章简介AI助力“抗疫”，超大规模计算机辅助药物筛选技术解读短时间完成上千万次的模拟计算，让耗时数月的计算机辅助药物筛选在数小时内完成。为机场安上一双“慧眼”，消灭飞机的“黑色十分钟”仅花三天完成AI模型开发，用AI防范跑道侵入事件的发生。一个AI开发平台是如何参与热带雨林保护的？华为要招聘动物语言翻译师，和公益组织一起用AI识别雨林中不和谐的声音。独家解析：为什么中国物流企业的数字化这么难？防暴力分拣、分拣路径优化、OCR单据识别、运输路径优化，AI正在改变物流行业华为云边缘智能技术新突破，多任务学习助力城市楼宇智能升级两个园区每月节省252 MWh的电量，省了36.75%以上的能源。用AI技术推动西安民俗文化，斗鱼超管团队有一套通过图片秒速识别，显示图片背后的那些历史故事。苏州平江河：借助华为AI让治水不再难借助AI，实现7*24小时自动识别抓拍非法撒网抓鱼、漂洗衣物等污损河道行为。文章简介华为专家亲述：如何转型搞 AI？资深行业人士真实经验分享，非AI专业技术人员转型 AI 技术要注意什么？华为云MVP毛昌启：开发者转型记，AI开发平台的“魔力”ModelArts让AI开发不再遥不可及，将普惠AI切实的落到开发者身上。华为云MVP袁覃：ModelArts助力银行客户经理的变形记看银行工作者如何在3天之内训练出泛化能力强的模型。云享专家潘永斌：在人工智能时代追逐的“后浪”ModelArts资深实践者的AI开发之旅。华为云MVP余浩：AI开发，将简单留给开发者，复杂留给华为云在华为云AI全栈全场景AI解决方案的帮助下，余浩带着他的学生做了很多实用的AI产品。华为云云享专家历天一：ModelArts与HiLens端云协同之路从数据标注、调参到模型部署，ModelArts与HiLens让开发者只需专注自己代码的编写。本合集为《大厂内参》004期，欢迎大家持续关注。大厂内参根据开发者普遍关注的热门技术领域，汇编实践精华内容。从业务场景选型，应用案例分析，到前瞻趋势预测。以专题的形式，深度解读华为云核心技术，分享一线工程师的实战经验。【第一期】敏捷&Devops：80+篇实践干货分享，深度解读敏捷&DevOps如何革新软件开发【第二期】数据库：从数据库科普到核心技术解读、上云案例分享，全方位剖析云数据库【第三期】云服务器：选型解读+案例分享：云服务器“软硬技术”全公开【第四期】人工智能：海量实战经验教你零门槛进场AI开发，无成本负担玩转AI应用【第五期】云原生：读懂云原生2.0，看它如何重塑业务开发架构【第六期】云安全：Get防范云安全的必杀技，学会构建云上完整安全体系【第七期】物联网：“端边云”IoT全栈技术大揭秘，开发实战指南带你轻松上手IoT【第八期】数据仓库：8大场景系列玩转数仓运维，做个不秃头的DBA

各位开发者们【2021年华为云AI实战营】重磅来袭6大分类实战营轮番上线，助力成为人工智能全栈工程师Python实战营、机器学习实战营、MindSpore AI框架实战营ModelArts实战营、深度学习实战营、强化学习实战营所有实战营全部免费学习，获取对应成长值更有机会获得Mate 30Pro，GT智能手表，无线耳机等惊喜大礼哦~点击此处马上占位学习    01.活动介绍&适用人群 01.活动介绍&适用人群 ▶课程时间：2021年7月5日-12月▶课程适合人群：0基础小白，0~3年初级开发，大学生，想转行，想转岗▶课程亮点：·华为云AI专家亲授   ·科学的学习路线设计   ·课程单元制，随进随学·精品免费课程   ·辅导员制，抱团学习   ·跟踪式教学计划·轻松获取成长值兑换Mate 30Pro、GT智能手表、无线耳机等超多惊喜大礼▶课程专家： 02.活动参与流程  02.活动参与流程 ▶报名活动：- 活动报名入口：点击此处报名   - 了解更多活动详情：点击此处了解活动详情▶加入学习社群：学习群及时交流，共同进步；专家1V1答疑，伴您轻松开启AI之旅；资深专家讲师阵容：华为云AI专家，多年丰富经验，倾囊相授；一站式学习体验：渐进式赋能，由浅入深，综合提升技能；不定时红包福利！——  添加华为云AI小助手（huaweiai5），回复【实战营】进群（注意只有：实战营 三个字，其他回复都不行哦，人数报名较多，小助手是机器人自动拉群的）03.阶段课程安排和学习任务安排 ▶课程设置：阶段一：Python实战营本次python实战营课程内容包括：AI基础课程（Python编程知识）、Numpy、Matplotlib、Pillow、Pandas课程内容简介（可以直接点击课程名字进入课程）：Python编程知识：通过本案例的学习和课后作业的练习，掌握Python基础语法和高级语法；Numpy：了解 NumPy 数组和矩阵、随机模块、常用数学函数的使用方法；Matplotlib：了解Matplotlib绘图的基本语法，常用参数，并实现简单图形的绘制；Pillow：了解Pillow在数字图像处理上的常用功能，实现Pillow在进行图像识别、分类等程序中对图片数据进行预处理和数据增强操作；Pandas：掌握dataframe、series的基本操作，熟悉Pandas对表格数据的简单操作。▶问题答疑：1.点击进入AI说，即可提问https://marketplace.huaweicloud.com/markets/aihub/article/publish/2.可以在华为云ModelArts论坛版块【问题求助】中发帖提问https://bbs.huaweicloud.com/forum/forum-718-1.html▶完成任务得成长值：学习课程之后，完成课程留下的课后作业，按要求上传到AI Gallery（注意：完成课后作业需要将自己的作业链接评论在课后作业的notebook评论区）1. 2021年7.15日起，即可完成课程作业攒成长值2. 可以通过：签到、上传模型、数据、文章、Notebook、算法获取成长值3. 会采取抽查的形式，不合格的作业会被删除，恶意刷成长值的会取消活动资格 04.活动奖品 成长值兑换规则（兑换礼品需要完成python实战营至少一个以上课后作业）▶奖品兑换：奖品兑换填写问卷：点击此处兑换奖品以每期页面公布为准，奖品数量优先，库存会相应调整，参加实战营的用户才能参与兑换小彩蛋：针对【2021年华为云AI实战营系列】- AI编程Python实战营中一些优秀的作业会奖励纸质书籍《从零开始学Python》 05.活动注意事项 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）；2. 为保证活动的公平公正，华为云有权对恶意刷活动资源（“恶意”是指为获取资源而异常注册账号等破坏活动公平性的行为），利用资源从事违法违规行为的用户收回抽奖及奖励资格，本次活动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，不予发放奖励；3. 本活动规则由华为云在法律规定范围内进行解释。华为云保留不时更新、修改或删除本活动规则的权利。上述更新、修改或删除于公布时即时生效，用户应当主动查阅本活动规则的最新内容；4. 所有参加本活动的用户，均视为认可并同意遵守《华为云用户协议》，包括以援引方式纳入《华为云用户协议》的《可接受的使用政策》、《法律声明》、《隐私政策声明》、相关服务等级协议（SLA），以及华为云服务网站规定的其他协议和政策（统称为“云服务协议”）的约束。如果您不同意本活动规则和云服务协议的条款，请勿参加本活动。

来源：钥城网　　2020年，中国是全球唯一实现经济正增长的主要经济体，惊羡了世界目光，这背后的驱动力是什么？数字经济。中国信通院《中国数字经济发展白皮书》数据显示，2020年我国数字经济规模达39.2万亿元，占GDP比重由由10.0％提升至38.6％，其年增速为9.7％，是GDP增速的3.2倍多。　　2021年，数字经济发展进入新阶段，从信息化向智能化升级。云计算、人工智能、大数据等技术成为新型基础设施。智能化工厂、无接触银行，数字虚拟人等新业态在居民生活中广泛出现。2021年，中国进入智能经济觉醒时代，三大趋势呼之欲出：趋势一：技术+产业，融合创新为各行业提供价值创造新方式　　一方面，是越来越多的技术“融合创新”， 云计算、人工智能、大数据、区块链、量子计算、生物计算、边缘计算等各种技术相互融合，加速推动万物从“互联”进化到“智联”。　　另一方面，技术和产业也在进行越来越深度的融合，各个行业创造价值的方式正在发生变化。交通领域为例，借助AI等技术赋能，汽车行业可以创造“聪明的车”，道路交通行业可以创造“智慧的路”，产业融合后还能构建一个智能交通系统，可以提升交通效率，减少碳排放。据测算，15％的通行效率的提升，可以转化为2.4％的GDP的增长。　　今天，我们正在迎来技术创新的红利，中国企业国际竞争力有望重塑，迎来“换道超车”的新机遇。趋势二：基础设施持续升级，云上AI要跑得更快　　越来越多的企业开始拥抱人工智能技术，使得数据量和模型量越来越大、要求训练速度越来越快。这些新变化对原有的基础设施提出了更高的要求。　　比如在算力方面有了两大新变化。首先是算力异构化，要支持异构的各种算力，包括CPU、GPU以及各种领域内的定制芯片；其次计算部署位置分布式化，大量计算分布在大型数据中心、各种边缘端，还有智慧园区、智慧工厂。　　随着这两大需求的实现，AI将会真正像“水电煤”一样，通过智能云可以快速的输送到各行各业。　　如今，是否拥有高性能、高性价比的算力，是否有覆盖各个场景的全栈的AI技术，成为企业选择云计算厂商的重要标准。　　趋势三：AI应用加速下沉，智能中台成企业刚需　　大山里的孩子，可以通过视频网络听到城里老师的讲课；基层卫生所的医生在AI助手的辅助下，提高了看病效率，使得小医院也能有大医生； 同样在AI老师傅的帮助下，小工厂车间也能制造出高附加值产品。AI正在实现普惠化，各行各业渗透率在不断提升，而且还不断下沉到偏远地区和中小企业。　　但是对于这些偏远地区和中小企业来说，人工智能存在技术迭代快，应用门槛高等痛点。低门槛简洁易用的AI智能中台受到企业欢迎，因为可以让每个企业可以快速、高效的搭建出适合自己的AI应用。　　三大趋势近在眼前，智能经济时代已经开启。但如何抓住时代红利，企业智能化升级遇到哪些鸿沟，该如何克服？最新的技术、产品和解决方案是什么？业内有什么新的思考和洞察？亟待智能化升级的企业家们渴望交流和相互探讨。据悉，2021百度云智峰会将在7月29日举行。现场将会云集业内大咖，行业企业领袖以及专家学者，融合创新、云智一体、产业智能化等将成为现场热点话题，还有最新的各行各业智能化升级标杆案例发布。　　困扰企业人士的上述焦虑，可能在这个一年一度的最大行业盛会上找到答案。

数字经济的变革，疫情后仍在继续深入：新业态和新商业模式不断涌现，行业边界变得越来越模糊，各行各业数字化、智能化转型浪潮席卷而至。支撑这一切的基础设施，无疑是人工智能、云计算、物联网为首的新兴技术。以云计算为例，中国互联网协会发布的《中国互联网发展报告（2021)》显示，2020年，我国云计算整体市场规模达到1781.8亿元，增速为33.6%，成为一个超大规模的增量市场。可以预见的是，云计算竞争进入白热化阶段，云厂商们纷纷从此前底层的laaS竞争，上升到深入产业顶层服务、生态建设等的全面比拼，也让行业有了共识：“价值落地”，将成为云计算未来竞争胜负手。何为价值落地，归根结底，是让技术服务于人。“通过云AI，让衣食住行实现‘以消费者为中心’的智慧化供给，让生产要素实现‘以生产者为核心’的智慧化匹配。”这是腾讯高级执行副总裁、云与智慧产业事业群CEO汤道生给出的注解。从云到云AI，深耕to B云计算是继个人计算机变革、互联网变革之后的第三次IT大潮。从技术角度来看，其可分可合、弹性扩展、按需使用的技术特性，代表管理和使用计算资源的一种全新方式，有力助推各行业数字化转型变革。中国云计算市场从零发展到当前，被各行各业接受，实际不到10年。2009年之后，以阿里云、腾讯云、华为云进入为标志，云计算很快成为行业热门赛道，并快速聚集国外厂商、互联网大厂、传统硬件厂商以及专注云计算垂直领域等在内的诸多企业。直到2016年之前，虽然云计算被上升为国家战略，但仍被外界视为探索阶段，甚至有着诸多不确定性。其原因是，彼时云计算服务和产品，大多基于泛互联网场景的耦合，同质化现象日趋严重，而政务部门、传统行业、实体经济等to B行业的转型需求，又对云计算提出了更多和更高需求。to B业务彰显的是某个行业或一家企业提供服务的能力，包括稳定、易用、安全、有行业针对性等，是后续所有多元化服务的起点。而云计算，被广泛视为可以提供上述to B业务一切需求的基础设施。此时，恰值人工智能算法“阿尔法狗”战胜韩国围棋冠军李世石，AI热潮被引爆。这让业界看到了可能，将云和人工智能技术，深度耦合成服务的更高阶段——云AI。在业内看来，云计算本身就是和人工智能、大数据组合在一起，“三驾马车”在多方面有着天然耦合。马化腾早在2017年就有所提及，人工智能=大数据+算法+计算能力，而云可以提供的就是海量的数据和强大的计算能力。用一位业内人士的说法就是，云和AI融合后，云平台为AI提供运行载体，AI反过来提升云计算 “智商”。相比传统云计算，云智能不但可以让to B业务生产效率得到质变，还可以构建全新的技术和商业模式。甚至，可以为to B企业提供快速迭代AI能力、模型训练等众多价值。云计算市场此后开始进入云AI阶段。腾讯云、阿里云、百度云、京东云、AWS等几乎所有国内外企业，都加码构筑各自的云+AI融合生态，以打牢竞争基石。此后，在企业和相关政策共同助力下，中国云计算市场迎来了真正快速发展，成为全球规模最大、增速最快的市场之一。2017年，腾讯云首度公布其AI战略整体结构时推出“智能云”产品，将在传统云计算结构上，建立起新的服务层——AI即服务。彼时，腾讯副总裁、腾讯云总裁邱跃鹏表示，云已经变成未来AI普惠化的一个关键，智能云的推出是AI从概念阶段、普通消费场景阶段发展到规模化工业化阶段的产物，可以降低全社会创新的门槛。2018年9月30日，腾讯“930变革”，成立CSIG，将AI与云、安全、LBS等底层基础设施打通，以腾讯云为最终平台对外服务并释放产业价值。同年双十一，“阿里云”升级为“阿里云智能”；12月18日，李彦宏将智能云事业部升级为智能云事业群组。阿里与百度调整背后，其意图都是通过智能云，深耕to B。但最重要的是，从云升级为云智能，最关键的不只是计算能力的升级，更是智能化服务能力的升级。这就意味着，AI的算法、云的计算力、云产品的底座、数据的力量，以及对行业know-how的理解，都是竞争关键基石。简单来说，就是看云+AI融合后的智能云平台，到底能为to B企业，赋予什么样的落地价值。产业纵深，目标是服务于人对所有云AI平台而言，其价值落地标准，一般而言可以从两大方面判断：是否助力产业数字化升级，是否提质增效降本。既要帮助企业构建核心竞争力，又要让AI、云计算的技术变革，最终服务于人。以工业场景来说，工厂显然不可能拆掉原来生产流水线去适应新技术，那AI应该如何融入流程，提升效率，释放生产力。上海富驰高科就是一个典型案例。富驰高科是一家金属注射成型零件生产商，制作结构复杂、表面精度很高的小型精密零部件，在汽车、航天、医疗、消费电子等领域大受欢迎，此前90%的前端工序都实现了自动化，但工业质检上迟迟难以实现数字化。所谓工业质检，就是查看表面有无破损、脏污、划痕。这看起来没有什么技术含量，但在工厂里，这恰恰是自动化程度最低的工种，一般的检测设备和检测方法，都难以满足其要求。这背后的技术难题是：一般计算机是按指令执行，分解成精准描述和拆分两大任务，一道小划痕算不算质量缺陷这种标准模糊的判断，计算机能做的相当有限。加上富驰高科的产品形状结构复杂，检测点多，此前实际应用中，质检工作还是得交给人来做。这导致每年产能高峰期，富驰高科质检人员就需要1500人以上，但由于质检人员容易出现疲劳，容易出现漏检。而且，从人文关怀角度来看，这样枯燥、没有成长性的“流水线”工作，对大部分年轻人来说，都没有太大锻炼和成长价值。因此，无论是从人力资源管理，还是从提高效率的角度看，质检自动化都变得十分迫切。2020年，在富驰高科尝试很多方案都不理想之后。腾讯利用云+AI，推动软硬一体化解决方案，攻克了质检这个难题。针对该案例，腾讯云推出了一些定制化功能，比如缺陷迁移、分级标定、光度立体等，取得了新进展。其间，腾讯优图实验室，通过一次又一次的测试，把产品可能出现的真实缺陷，转化成机器能理解的描述，让计算机作出的判断比人更精准。想让云AI变成技术生产力，并最终服务于人并不容易。“AI技术在行业落地过程中，最大挑战就是行业know-how，过去，很多AI开发人员不了解行业，做出来的东西就会和行业需求有隔阂。”腾讯云副总裁、腾讯优图实验室总经理吴运声表示，优图现在每接触一个行业，都会跟行业人员进行深入交流，确保最终做出来的方案真正可用。最终，富驰高科原来人工需要1分钟才能完成的质检，被压缩到几秒钟，并且明显提升了质检效果，每年还可以节约数千万元的质检成本。同时，当工艺流程、判断标准发生变化时，系统的迭代更新变得很容易。在实现生产效率提升之后，“解放”下来的员工怎么办？比如可以去做缺陷标注，或者别的工作，以AI释放生产力，提高人效，投入于更高价值的生产。

本文系基于公开资料撰写,仅作为信息交流之用,不构成任何投资建议。困于现代商业存量时代的当下,什么最可宝贵?毫无疑问,是增量。过往数十年,我们在互联网模式创新的环境中浸淫太久,很少有人注意到技术变革已经在酝酿中。只有少数人能洞察未来,创造趋势。趋势已来,最显著的一重脉络就是:从云计算到智能云的一跃。IDC最新《中国AI云服务市场2020年度研究报告》显示,2020年中国AI Cloud市场份额TOP4分别是——百度智能云33%,阿里云27%,腾讯云18%,华为云14%。智能云的份额折射代际差,随着AI和云持续与特定行业结合形成深度混合智能循环,新的科技奇点已经临近,基于智能实体产业互联网的增量商业生态将全面涌现。“云智一体”的技术创新商业体,会再次加速淘汰不够智能的企业,既包括传统公司,也包括模式创新的新经济企业。一重显著的线索已经外露:当时当下,Robotaxi已逐渐显露对网约车企业的替代效应。每个奇点时刻,都是一次创世的开端。人类的诞生创造辉煌的现实文明,智能云的诞生则可能会创造灿烂的现实虚拟一体化文明。01智能云的经济学原理智能云所隐含的经济学原理,即熊彼特的创造性破坏理论——不断从内部推动生产要素重新组合以“革故鼎新”,创造新的经济结构,引发产业革命,继而引领经济穿越康波周期。还原到经济学最基本原理——供需框架内,也可解释这一点:传统云计算,属于在既有供需框架内的改善生产效率的技术路径;而智能云计算,则是突破既有供需框架,创造供需两侧增量的技术路径。展开来说:【1】时代重新划分人类5000年的文明史,全球GDP从无到有至2020年的85万亿美元,其中增长曲线最炸裂的一段,当属1723年经济学之父亚当斯密出生至今的300年,更专业的分工提高生产力——从制针厂到互联网大厂毫不违和,莫不如此。我们以云计算为坐标系,可对过去300年以降的近代史作如下划分:云前时代,也即农耕和工业文明混合的时代,以人力和实物资本为底层的古典增长模型衍生跨国企业。网络时代,20世纪60年代末BNN公司拿到100万美元“ARPANET”项目订单开启网络时代是云计算的雏形,以技术为底层的内生增长模型衍生半导体及互联网公司。云时代,2006年亚马逊AWS为网络时代的企业无处安放的IT成本提供IaaS开始,真正开启云计算大潮,以技术和服务为底层的内生增长模型衍生大批云计算公司。智能云时代,2016年李世石败于AlphaGo开启AI时代,亦是开启智能云(AI云)时代。以数据和解决方案为底层的内生增长模型,衍生大批致力于加速数字化进程的AI公司。云计算作为基础设施级别的先进生产力,在摩尔定律以及强化版的库兹韦尔定律(如果你发明了一套更好的工具,然后你就可以利用这些工具更快地发明出更新更好的工具,形成技术创新的正反馈加速发展)之下,在最近的半个世纪刮起一道经济旋风,让GDP增长曲线变得极度陡峭。从1．0到2．0,每一个云计算的时代,都在深刻世界经济的形态。图:全球GDP总量,来源:锦缎研究院【2】增量型破坏式创新从云计算的发展历程看,当前世界正处在云时代末期和智能云时代早期的交汇点,两者都是破坏式创新,但也有显著的差异。云时代又可看成是服务时代,亚马逊AWS、阿里云、腾讯云、金山云、优刻得等IaaS(基础设施即“服务”),中国有赞、微盟集团等SaaS(软件即“服务”),声网等PaaS(平台即“服务”)。本质上,它们更多是在做存量博弈型破坏式创新,以更低的成本做替代。比如客户自建机房除了前期一次性投入过大,中期还存在超过1/3配置闲置的问题,于是它们按需购买亚马逊AWS或者阿里云的计算力很香。以上云时代可称为Cloud1．0阶段。而Cloud2．0阶段即智能云时代,与1．0阶段其最大的不同在于,它是在做增量型破坏式创新。例如自动驾驶:在当前智能云所延伸出的最大单体场景之一——自动驾驶中,衍生了电动车市场、车载智能芯片、智能传感器、智能座舱、智慧交通等诸多创新增量,涉及自动驾驶解决方案商、整车厂商、配件厂商、以及政府部门、基建单位等参与主体,其蕴含的势能之巨不言而喻。随着芯片的计算能力越来越强,软件覆盖场景越来越多,智能云会无处不在,不断打通各行业knowhow形成显性的中短期商业价值,它输出解决方案,用软硬一体化的方式重构过去的商业形态。从长期看,智能云与具体行业的深度交互将带来技术边界的扩张,会形成崭新的“混合智能”技术与商业生态——例如:智能云结合视觉、深度学习技术实现自动驾驶,智能云结合游戏、VR技术形成云游戏,智能云结合脑机、AR技术实现虚拟永生……在存量时代做增量,这已经是发展趋势,大部分公司还没有意识到这一点的时候,奇点时刻已经迫近。【3】奇点时刻美国作家卢克·多梅尔在《人工智能》一书中提出“奇点”的概念,指的是机器在智能方面超过人类的那个点。而从云时代到智能云时代,“AI+云”也将在技术和产业上让云经济临近“奇点时刻”。实际上,这一时刻的来临比我们预期的更快。智能云在新能源汽车行业的深度应用,已经诞生Robotaxi这一增量的商业形态,奇点时刻正在到来。日前百度(NASDAQ:BIDU/HK:09888)发布专门为共享出行场景定制的Robotaxi新车型:Apollo Moon。最大亮点有两个:成本降低至盈利空间。单车成本48万,比之前成本百万元起步的Robotaxi便宜了一半。5年的可靠运营期保证,月均成本0．8万元,假如每天单车收入1．5万元-2万元的话(实际上在建立用户习惯的初期不会追求盈利),已经进入盈利区间。更加从容地应对corner case。不管是谷歌Waymo还是百度Apollo都实现L4级功能Robotaxi,但极端工况重视还是无法避免的。但百度自动驾驶技术部总经理王云鹏硬是表示自己的Robotaxi“万无一失”,原因是它的方案里配备了5G云代驾,少数自动驾驶搞不掂的情况,远程司机来拉一把。时间推移之下,Robotaxi一定是碾压网约车的存在(这一具体商业场景的潜在剧变我们将在专题报告中剖解)。Robotaxi技术模式的想象力在于,它将让时间变得无缝,调度效率高于一般网约车;让空间不仅承载从A到B的出行,还能工作、娱乐和餐饮等。02云与智能云:两个商业历史代际从云到智能云,反映的是两个商业历史代际的不同,而智能云的份额折射代际差。IDC最新《中国AI云服务市场2020年度研究报告》显示,2020年中国AI Cloud市场份额TOP4分别是——百度智能云33%,阿里云27%,腾讯云18%,华为云14%。百度智能云的AI应用全面开花、多行业落地,具体到细分技术场景:人脸人体识别公有云市场份额连续两次第一,占比45%;图像视频公有云市场份额连续三次第一,占比31%;NLP公有云市场份额连续三次第一,占比42%;对话式AI公有云市场份额第二,占比22%;智能语音公有云市场份额第二,占比32%;机器学习公有云市场份额第三,占比16%。图:2020年中国AI云市场份额,数据来源:IDC不了解云计算行业的投资者可能会疑惑,为什么阿里云和腾讯云的IaaS份额在中国排前二,在移动互联网的下半场,它们在战略上也非常重视IaaS业务横向拓展的产业互联网;按道理讲,其智能云份额应该靠前,为什么反而是百度智能云稳坐行业头把交椅呢?【1】模式创新与技术创新太阳底下没有新鲜事,跟踪阿里巴巴(NYSE:BABA/HK:09988)和腾讯控股(HK:00700)时间很久的投资者,都知道其云计算业务的历史成因。电商购物节期间用户会蜂拥而至,阿里巴巴必须要储备大量服务器资源,而多出来的服务器资源平时用不上。因此亚马逊和阿里的云计算可以说是业务需求倒逼而来的模式创新,毕竟服务器资源闲着也是闲着,不如按需租赁换取收入。腾讯的云计算业务的诞生,逻辑相同,主要承接的是游戏与微信两大主业基本盘。阿里云和腾讯云在此基础上衍生的智能云业务,成长的潜能会弱一些。用管理科学的话讲:模式创新的企业处于追求实际应用、而不重视基础认知的爱迪生象限。基础认知的不足,使其无法更好的突破既有产业格局。图:管理科学,来源:锦缎研究院而百度智能云处于即追求实际应用也追求基础认知的巴斯德象限,是技术基因和底蕴的产物。技术基因在于——百度创立于2000年,创始人李彦宏拥有“超链分析”技术专利让中国成为全球仅有4个拥有搜索引擎核心技术的国家之一。今年“木头姐”在报告中狂推的未来25万亿美元市场规模的深度学习,百度2013年就开始发力布局,当年成立百度深度学习研究院,2014年建立大数据实验室和硅谷AI实验室。底蕴在于——长期高强度研发投入带来的技术导向和积累的大量AI人才。关于百度的研发费用我们在此前报告中有详尽论述,总结来说就是在强大的现金流支撑下,百度对于研发的投入达到了偏执地步,研发费用率在20%上下。在智能时代,企业数字化需要的云计算,不只是普通的云计算——低价卖计算力的IaaS,这已经无法跟上智能化的主流发展路线——试想,只实现了店铺数字化的传统服装企业怎么去跟用AI和大数据武装到牙齿的shiin竞争?时代需要智能云,核心点在于企业的AI定制需求(2018年波士顿咨询调研数据显示86%的AI需求为定制需求),很难用通用云计算模型满足它们的业务创新需求。百度智能云基于技术基因和底蕴,打造“云智一体的AI开发全栈模式”,将AI基础设施(AI计算、AI存储、AI容器等)和AI开发双平台(零门槛开发平台EasyDL和全功能开发平台BML)紧密结合在一起,更好满足企业需求,加速产业智能化升级。EasyDL是2020年机器学习平台的第一,市场份额22．8%。图:百度“云智一体”AI开发产品架构,来源:百度智能云白皮书模式创新推动的智能云是一个物理性耦合逻辑,技术创新的智能云是化学反应式逻辑,这是百度智能云的地位稳固的第一个重要归因。【2】流量“涌现”与创新“涌现”KK的《失控》有个理论是连接的越多,各种价值涌现越多。交易平台主要连接的是流量;创新平台主要连接的是开发者的智力,涌现的是智能。流量涌现是基于流量和交易的平台涌现出各种场景,对应着互联网红利,如同改革开放以来中国社会的发展主要依赖的是人口红利一样,是数量的优势。创新涌现是基于效率和附加值的平台涌现深度智能,对应着科技创新,如同当下中国经济正在掀起以高端制造业为主的经济转型升级一样,是质量的提升。实际上,流量涌现到后期多是一潭死水,最终进入存量厮杀时态。相较而言,创新涌现的天花板要高出很多,技术创新本身可以不断地涌现,而创新者带来的增量价值会吸引各方协同合作,AI云就是一个典型的创新涌现点。创新“涌现”的第一个层次是——有更多的开发者才能满足企业AI定制需求。百度智能云背后是庞大的开发者群体:百度AI开放平台的开发者数量大幅领先行业,2020年底是260万,5月20日的WAVE SUMMIT 2021深度学习开发者峰会上百度CTO王海峰透露,开发者数量已经达到320万,比去年同期增加70%。图:截止2020年底百度连接开发者遥遥领先,来源:百度招股书创新“涌现”的第二个层次是——在开发者智力的线性变现之外,智能云软硬一体双向优化带来商业模型迭代。以智能汽车为例,它的重点是算法及支撑算法的数据和硬件。而算法无论是在云端训练还是在终端推理,都需要极高的性能。智能汽车的硬件则需要对特定专门应用及算法进行大量的性能优化。所以只做算法或只做芯片或只做操作系统,长期看都会面临性能优化上的困境。只有每一块组成部分都属于自己开发,才容易进行性能优化。而软件和硬件的分离,会导致性能无法最优化。百度智能云生态就诞生了昆仑芯片,第一代采用14nm工艺,计算力达到256Tops,广泛应用在智慧城市、计算中心等领域;第二代于2021年上半年量产,采用7nm工艺,性能较第一代提升约3倍。图:百度昆仑1,来源:《AI芯片技术选型目录》回过头来看,阿里的芯片公司是买来的,腾讯没有芯片。这就是流量“涌现”与创新“涌现”的差异,也是是百度智能云的地位稳固的第二个重要归因。【3】新的商业时代智能云突破了对云计算早期的定义,它不仅是基础设施,也不仅仅是解决方案,两者结合具体的场景双向优化会产出新事物。它是对生产力与生产关系的实然性改造,最终交融出新的商业时代。此处代入一个具体商业场景可以管窥豹:以百度与化纤企业恒逸石化的合作为例。恒逸下属的双兔新材料外检工段负责人王礼娜,以前的工作是——每天拿着强光手电肉眼观测至少2500锭丝锭。基本上看几个小时眼睛就花了,每天最后一段时间工作质量和效率明显下降。但自从一个月前百度智能云的智能质检设备落地恒逸之后,王礼娜成为了人工智能数据标注师,工作从普检变为复检,这台设备让长期缺员的质检工人们感到轻松。目前百度智能云已经形成以工业智能为核心的完整工业互联网平台,智能质检也已经升级为工业视觉智能平台,在钢铁、汽车制造等10多个行业和100多个场景落地应用。以智能检测场景为样本,我们得以窥见,传统制造业正从机械工业的存量时代跃迁进智能工业的增量时代,这正是智能实体产业互联网应有的模样。一个个增量的场景,最终汇聚成百度智能云业务的快速落地,汇聚成全行业最大的份额,这离不开核心技术能力的支撑。百度智能云的中枢系统是百度大脑,现在已成为业内领先的软硬一体AI大生产平台,包括飞桨深度学习平台、百度昆仑芯片、以及语言、视觉、知识图谱、自然语言处理等核心人工智能技术和平台,已经成为赋能各行各业的AI新基础设施。其中,底层的飞桨深度学习平台是我国首个产业级深度学习开源开放平台,目汇聚320万开发者,服务企业10万家,外向输出AI能力已成规模。如果我们更有想象力——毕竟技术是想象力的产物,而技术创新又是人类社会前进的秘钥——未来智能云还会进化到高度混合智能的元宇宙时代,虚拟实境成为部分人的工作生活空间,它的市场空间是星辰大海。一言以蔽:不上云的公司,已经是古董公司。不上智能云的公司,眼看着要跟不上时代。新的商业时代呼啸而来,你准备好了吗?

各位开发者们【2021年华为云AI实战营】重磅来袭6大分类实战营轮番上线，助力成为人工智能全栈工程师Python实战营、机器学习实战营、MindSpore AI框架实战营ModelArts实战营、深度学习实战营、强化学习实战营所有实战营全部免费学习，获取对应成长值更有机会获得Mate 30Pro，GT智能手表，无线耳机等惊喜大礼哦~点击此处马上占位学习 01.活动介绍&适用人群 ▶课程时间：2021年7月5日-12月▶课程适合人群：0基础小白，0~3年初级开发，大学生，想转行，想转岗▶课程亮点：·华为云AI专家亲授   ·科学的学习路线设计   ·课程单元制，随进随学·精品免费课程   ·辅导员制，抱团学习   ·跟踪式教学计划·轻松获取成长值兑换Mate 30Pro、GT智能手表、无线耳机等超多惊喜大礼▶课程专家： 02.活动参与流程 ▶报名活动：- 活动报名入口：点击此处报名   - 了解更多活动详情：点击此处了解活动详情- AI实战营账号配置：点击此处了解活动详情▶加入学习社群：学习群及时交流，共同进步；专家1V1答疑，伴您轻松开启AI之旅；资深专家讲师阵容：华为云AI专家，多年丰富经验，倾囊相授；一站式学习体验：渐进式赋能，由浅入深，综合提升技能；不定时红包福利！——  添加华为云AI小助手（huaweiai5），回复【实战营】进群（注意只有：实战营 三个字，其他回复都不行哦，人数报名较多，小助手是机器人自动拉群的） 03.阶段课程安排和学习任务安排 ▶课程设置：阶段一：Python实战营本次python实战营课程内容包括：AI基础课程（Python编程知识）、Numpy、Matplotlib、Pillow、Pandas课程内容简介（可以直接点击课程名字进入课程）：Python编程知识：通过本案例的学习和课后作业的练习，掌握Python基础语法和高级语法；Numpy：了解 NumPy 数组和矩阵、随机模块、常用数学函数的使用方法；Matplotlib：了解Matplotlib绘图的基本语法，常用参数，并实现简单图形的绘制；Pillow：了解Pillow在数字图像处理上的常用功能，实现Pillow在进行图像识别、分类等程序中对图片数据进行预处理和数据增强操作；Pandas：掌握dataframe、series的基本操作，熟悉Pandas对表格数据的简单操作。如何交作业呢？完成作业分享到AI Gallery即可，分享方法：https://marketplace.huaweicloud.com/markets/aihub/article/detail/?content_id=8afec58a-b797-4bf9-acca-76ed512a3acb▶问题答疑：1.点击进入AI说，即可提问（注意开头带【实战营提问】方便专家快速找到）https://marketplace.huaweicloud.com/markets/aihub/article/publish/▶完成任务得成长值：学习课程之后，完成课程留下的课后作业，按要求上传到AI Gallery（注意：完成课后作业需要将自己的作业链接评论在课后作业的notebook评论区）1.2021年7.15日起，即可完成课程作业攒成长值2.除了课后作业，还可以可以通过：签到（点击登录华为云账号即可看到页面签到）、上传模型（课程相关-可在https://marketplace.huaweicloud.com/markets/ai/gallery.html 页面顶部找到对应的资产发布）、数据（课程相关）、文章（课程相关感悟、体会文章）、Notebook、算法（课程相关）等获取成长值3.会采取抽查的形式，不合格的作业会被删除，恶意刷成长值的会取消活动资格 04.活动奖品 成长值兑换规则（兑换礼品需要完成python实战营至少一个以上课后作业）▶奖品兑换：奖品兑换填写问卷：点击此处兑换奖品以每期页面公布为准，奖品数量优先，库存会相应调整，参加实战营的用户才能参与兑换小彩蛋：针对【2021年华为云AI实战营系列】- AI编程Python实战营中一些优秀的作业会奖励纸质书籍《从零开始学Python》 05.活动注意事项 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）；2. 为保证活动的公平公正，华为云有权对恶意刷活动资源（“恶意”是指为获取资源而异常注册账号等破坏活动公平性的行为），利用资源从事违法违规行为的用户收回抽奖及奖励资格，本次活动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，不予发放奖励；3. 本活动规则由华为云在法律规定范围内进行解释。华为云保留不时更新、修改或删除本活动规则的权利。上述更新、修改或删除于公布时即时生效，用户应当主动查阅本活动规则的最新内容；4. 所有参加本活动的用户，均视为认可并同意遵守《华为云用户协议》，包括以援引方式纳入《华为云用户协议》的《可接受的使用政策》、《法律声明》、《隐私政策声明》、相关服务等级协议（SLA），以及华为云服务网站规定的其他协议和政策（统称为“云服务协议”）的约束。如果您不同意本活动规则和云服务协议的条款，请勿参加本活动。

互联网大厂单双周假期变更能上热搜,但很多更繁重的工作却乏人关注。电子设备的质检工,通常每天要完成1万多个零件的人眼检测,平均每分钟检测十几个产品,连续工作超10个小时并不鲜见。高负荷导致工人精力跟不上,出现漏检、错检在所难免。如何缓解质检工的工作压力、提升制造企业的产品品质,成为亟待解决的难题。浪潮携手思谋科技,基于深度学习算法打造边缘工业智能质检解决方案,通过实时读取质检图片,对瑕疵产品进行推理、定位,即时给出缺陷类型、大小和处理建议。同时,这些数据还会反馈到云端,进一步优化AI质检模型算法。据《IT创事记》了解,这一解决方案已应用于钢铁、3C电子、汽车等行业的智能工厂,缺陷检出率从原来的90%提升到99%,不放过每一个缺陷,过检率≤3%,不会造成大量的“错杀”,同时日均处理产品件数大幅提升,对产品品质控制和生产效率优化助益显著。边缘计算在智能制造中的角色,类似于古时的御前带刀侍卫。巡逻、查夜、看守库房是带刀侍卫的日常职责,危急时刻作为“人肉盾牌”保护圣驾更是责无旁贷;边缘计算就像智能制造的贴身侍卫,用火眼金睛发现问题、监控环境,以顺风耳实现与云端的协同,遇到突发状况也会挺身而出,为智能制造的平稳运行保驾护航。智能制造面临多元挑战基于中商产业研究院的数据,2020年中国智能制造装备产值规模达20900亿元。制造业景气度整体维持在高位,为智能制造的快速发展奠定了坚实基础。与欧美发达国家相比,我国智能制造还有相当大的发展空间。亿欧智库的调研显示:当前90%的制造业企业配有自动生产线,但仅有40%实现数字化管理,5%打通工厂数据,1%使用智能化技术。预计到2025年,数字化、网络化、智能化制造企业占比将分别达到70%、30%、10%。智能制造的未来是星辰大海,但脚下的路却并不平坦。首先要面临复杂多元算力的挑战。伴随深度学习不断发展,分类算法AlexNet分析224×224大小的图像需要720FLOPS,使用工控机处理需要1秒左右;而实际生产中常使用的ResNet50视频处理的计算量是AlexNet的数十倍,复杂度越来越高,算力结构性缺口日益凸显。其次是巨量数据贯通的障碍。从2015年迄今,国内机器人装机量从25万台猛增到100万台,数控机床、PLC的市场规模从1400亿增长到2000多亿,系统平台从以人为核心的ERP、CRM扩展到以物为核心的IIOT、MES、PLM等。智能化装备、各类生产线以及跨领域系统平台的巨量涌现,让工厂的数据量呈指数级增长,海量数据的贯通和深度挖掘计算成为难题。此外,高并发实时处理的需求激增也带来困扰。智能制造过程广泛使用装配机器人,对智能机器人的目标识别、轨迹规划的计算实时性、复杂性提出了更高要求。工业现场单个摄像头每天会产生约330G的视频数据,完全传输至云端不仅占用带宽,亦难以满足实时性(毫秒级)的业务需求。边缘计算生逢其时应对智能制造面临的多元挑战,需要系统性的解决方案,而边缘计算也许是分量最重的利器。国际知名调研机构IDC将企业数字化成熟度划分为入门者、探索者、组织者、转型者、颠覆者5个阶段,目前中国制造企业数字化转型总体处在中间阶段,第四、五阶段的占比很低。人工智能、物联网等技术在制造行业应用落地过程中,企业迫切需要边缘侧强大的算力支持智能制造发展,而这正是国内市场最明显的短板。一组数据也印证了上述判断:2020年有超过500亿台设备连接在一起,每个工厂每天收集的数据点超14．4亿,这意味着对边缘侧的计算能力、服务速度的期望值前所未有。边缘计算在靠近数据源头端提供计算及存储服务,能够有效缓解网络带宽与数据中心的压力,增强服务的响应能力,并对工厂内的隐私数据进行保护,提升数据和生产的安全性。通过与云端的交互协作,还可实现系统整体的智能化。中国信通院技术与标准研究所互联网中心高级项目经理宋平博士认为,边缘计算是一个技术赋能平台,可以天然地与AI、大数据、区块链等新一代ICT技术进行深度融合,进而推动不同行业朝网络化、数字化、智能化方向转型升级。作为“带刀侍卫”,边缘计算对智能制造面临的三重挑战给出了强有力的回应:控制层智慧化运营管理:以深度学习为代表的复杂优化方法在自动化领域有较多应用,边缘计算可以为其提供基础设施,保证相关的计算任务安全、快速、高效地完成。例如在随机订单的混沌生产场景,利用边缘智能构建多个智能体系统,通过不同智能体之间的行为交互提高自主决策能力,增强生产过程的自适应性。贯通层海量数据分析挖掘:数据贯通层需要分布在边缘侧的计算节点统一协同,实现海量工业数据的挖掘。在工业生产中,产品、部件在传送带上流动,数据信息也在流动,利用边缘计算能快速感知工厂内各环节设备、产品异常,并基于RFID、蓝牙等技术对生产线上流动产品进行定位和质量评估。感知层更低时延诊断预警:数据感知层故障诊断与缺陷监测是应用边缘计算最多的领域。基于工厂产线零件识别与缺陷检测、轴承故障诊断、钢炉热异常检测、电力设备检修等场景,可以通过边缘计算进行更低时延的诊断预警,提高生产检测效率,缩短订单交付周期。“带刀侍卫”的烦恼与对策在智能制造产业升级进程中,边缘计算无疑发挥着举足轻重的作用。但“带刀侍卫”也有自己的烦恼,还存在一些妨碍其大展身手的制约因素。首当其冲的是AI技术链条与制造业的产业链条彼此脱节。据埃森哲等咨询机构的研究,70%以上有AI技术的研究机构、科技公司缺少需求场景及行业领域的知识和数据,与此同时,70%以上的行业用户欠缺技术人才和AI平台的实施能力,这种状况严重制约了智能制造的发展速度。思谋科技首席架构师侯力政对此深有体会:“我们很多的研发人员是研究机构或互联网公司出身,掌握高精尖的算法,但对整个工业领域缺少切实的体会。智能制造的应用场景比较碎片化,同一个客户不同的生产线也可能差异很大。一开始因为数据支撑较少,需要case by case地去做,接触的相似场景更多之后,就可以从中抽离出对应的核心算法。”云边协同缺乏一整套资源管理和任务调度的解决方案,也是症结所在。边缘计算的核心是将分析和决策下沉到网络边缘侧,对用户而言需要从算法、云平台、边缘资源管理平台、硬件产品等方面实现软硬件结合的系统性突破。消费级算力产品稳定性较差,成为智慧工厂的心病。很多边缘计算设备成熟度低,稳定性差。例如:不少工厂应用的工控机,工作一周就要下线10分钟——这些设备使用了桌面级的芯片做设计,在室外部署环境中无法保证稳定、可靠的持续运行。针对产业链脱节、生态离散的顽疾,已有嗅觉敏锐的企业开启“破圈”尝试。本文开头提到的智慧工厂案例,就是强强携手的典范。在国内AI和边缘计算服务器领域独占鳌头的浪潮,与致力于AI系统架构在智能制造行业落地应用的思谋科技,以跨界联手的方式促成了边缘计算的逆袭。早在2016年,浪潮就开始布局边缘计算,经过多年深耕,取得丰硕成果。围绕智能制造、智慧能源、智慧交通等场景,浪潮打造出边缘微服务器、便携AI服务器、边缘服务器和边缘微中心四大产品系列,并汇聚智能制造领域系统、算法、应用等伙伴,形成多种智能制造解决方案。工业机器人“智能体检”即是具有示范效应的典型应用。浪潮与展湾科技共同开发了一套“智能体检模型”,能够实时监控智能工厂内机器人健康参数,通过“物联网+算法模型” 在线监控和预测机器人系统的故障隐患,将传统基于时间的维护转变为对设备状态进行管理——根据设备健康参数提供分析图表,可提前将有问题的设备进行更换,避免机器人非计划停机,保证了全自动化产线连续、稳定、高效地运转。24小时在线的“安全监督员”也是比较成熟的解决方案。目前各行业的作业现场安全监督仍以人工管理为主,无法做到实时不间断监控。借助边缘计算技术,对生产全过程进行智能化监管,已成为各行业保障安全的优先发展方向。基于计算机视觉的AI智能监管,可以通过摄像机采集现场视频,依托安全帽和防护服监测、人脸检测等算法来判断工人的行为是否符合安全规范,并自动进行告警和记录。浪潮边缘计算事业部总经理孙波认为,以短平快灵活开发的模式去支撑边缘计算的不同场景,是浪潮在智能制造领域脱颖而出的关键。“我们在产品研发端采用模块化架构设计,揉合不同客户的差异化需求;供应链端实现小规模定制的柔性生产,哪怕只需要一台服务器,也能按客户需求供货。”孙波一语道破天机——在纷繁复杂的场景中积极求变,也许正是边缘计算的生存之道。