如题，现网用户使用官方提供的ODBC包，在windows下cognos连接DWS时，报Out of memory while reading tuples. 使用其他工具连接，也报一样的错误，说明与cognos本身没关系。ODBC在输出大数据量结果时，会一次性将结果输出出来，而windows的内存量不足以处理这样大量的数据时就会报这样的错误，查询资料后，可以通过勾选odbc的选项"use Declare/Fetch"，利用游标来缓存结果，这样就不会让输出结果集消耗完内存。修改odbc的选项路径为Options->Datasource->use Declare/Fetch

近日，有国外媒体梳理了2021年十大数据泄密事件，并对事件进行了点评分析，可供读者参考。2021年，数据隐私泄露事件频发，涉及面广，影响力大，企业因此陷入数据保护合规与社会舆情压力的双重危机。近日，有国外媒体梳理了2021年十大数据泄密事件，并对事件进行了点评分析，可供读者参考。据数据统计，共有近2.2亿人受到以下十大数据安全事件的影响，其中三起泄密事件发生在科技公司，四起涉及敏感记录的泄露。1. OneMoreLead影响人数：6300万发现时间：2021年8月事件概要：vpnMentor的研究团队在8月份发现， B2B 营销公司 OneMoreLead 将至少6300万美国人的私人数据存储在一个不安全数据库中，该公司任由此数据库完全敞开。该数据库包含列出的每个人的基本个人身份信息数据，以及有关其工作和雇主的类似数据和信息。这些信息很可能被提供给注册其 B2B 营销服务的客户或顾客。vpnMentor 看到了数据库中大量的 .gov 和纽约警察局电子邮件地址，这让黑客有可能渗透到原本安全的高级政府机构。vpnMentor 表示，政府和警察部门成员的私人数据如同从事犯罪活动的黑客眼里的金矿，可能导致重大的国家安全事件，使公众严重丧失对政府的信任。据 vpnMentor 称，姓名、电子邮件地址和工作场所信息暴露在任何拥有网络浏览器的人面前。事件点评：科技和数据对于今天的营销而言非常重要，大数据营销的概念也是方兴未艾。当营销者们欢欣鼓舞地收集数据，建立模型，去做洞察，以指导营销时，用户数据的安全性该如何保障，企业营销的底线是什么，值得营销公司深思。2. T-Mobile影响人数：4780万发现时间：2021年8月事件概要：T-Mobile 于 8 月 17 日证实，其系统在 3 月18 日遭到了网络犯罪攻击，数百万客户、前客户和潜在客户的数据因此泄密。T-Mobile 表示，泄露的信息包括姓名、驾照、政府身份证号码、社会保障号码、出生日期、 T-Mobile 充值卡 PIN 、地址和电话号码。T-Mobile表示，不法分子利用了解技术系统的专长以及专门工具和功能，访问了该公司的测试环境，随后采用蛮力攻击及其他方法，进入到了含有客户数据的其他 IT 服务器。T-Mobile 表示，它弄清楚了不法分子如何非法进入其服务器并关闭这些入口点。该公司表示，它将向所有可能受到影响的人提供为期两年的免费身份保护服务(迈克菲的身份窃取防护服务)。此外， T-Mobile 表示为后付费客户提供帐户接管防护服务,这样一来，客户帐户更难被人以欺诈手段外泄和窃取。事件点评：T-Mobile 是一家跨国移动电话运营商，是德国电信的子公司，属于 Freemove 联盟。T-Mobile 在西欧和美国运营 GSM 网络，并通过金融手段参与东欧和东南亚的网络运营。该公司拥有1.09亿用户，是世界上较大的移动电话公司之一。对于网络犯罪分子来说，这类公司具有较高价值。通信公司有义务保护好客户信息，需要在数据安全方面做更多功课。3. 未知的营销数据库影响人数：3500万发现时间：2021年6月数据内容：个人信息事件概要：Comparitech研究人员在7月29日报告，一个含有估计3500万个人详细信息的神秘营销数据库泄露在网上，居然未设密码。该数据库包括姓名、联系信息、家庭住址、种族以及众多的人口统计信息(包括爱好、兴趣、购物习惯和媒体消费等)。相关样本显示，大多数记录与芝加哥、洛杉矶和圣迭戈这些大城市的居民有关。据 Comparitech 声称，凡是拥有网络浏览器和互联网连接的人都可以访问数据库全部内容，里面含有的信息可用于有针对性的垃圾邮件和诈骗活动以及网络钓鱼。Comparitech网络安全研究团队在6月26日发现了该数据库，尽管使出了浑身解数，还是无法确定该数据库归谁所有。该公司联系了托管该数据库服务器的亚马逊网络服务(AWS)，要求撤下数据库，不过，该数据在7月27日之前仍可以访问。事件点评：互联网在提供精准营销的背后，却是一遍又一遍对用户隐私数据的索取、整理、分析和挖掘。任何国家的任何法律，都没有说不允许使用个人信息，所有的法律和规定，都是围绕如何正确使用这些信息，而不是如何禁止使用这些信息，这是一个大前提。那么，个人数据如何才算正确使用呢?这就涉及到“同意”原则，同意原则是企业使用个人信息的起点。当然，也有例外的情况可以不经过个人同意就使用个人信息，一般都是涉及国家安全等特殊情况。同意原则包含三个类型：默认同意、明示同意和授权同意。4. ParkMobile影响人数：2100万发现时间：2021年3月事件概要：ParkMobile在3月份发现一起与第三方软件漏洞有关的网络安全事件。调查发现，其基本的用户信息被人访问，包括车牌号、电子邮件地址、电话号码和车辆昵称。在少数情况下，邮寄地址也被访问。该公司还发现加密的密码被访问，但读取这些密码所需的加密密钥并未被访问。ParkMobile表示，它使用先进的散列和加入随机字符串(salting)技术对用户密码进行加密，以此保护用户密码。ParkMobile表示，用户应考虑更改密码，作为另一道预防措施;信用卡或停车交易历史记录未被访问;它并不收集社会保障号码、驾照号码或出生日期。ParkMobile称：“作为美国较大的停车应用软件，用户的信任是我们的重中之重。请放心，我们认真对待保护用户信息安全的责任。”事件点评：ParkMobile是在北美颇受欢迎的移动停车应用，用来显示街头可用的停车位Parkmobile还支持应用内支付停车费，即用户进入符合要求的距离之后可以在手机上为车位付费。不过需要特别注意的是，该功能只面向ParkmobilePro付费用户开放。它还能提供停车费折扣、路边援救以及临时优惠活动。在给用户带来方便的同时，其安全性也需要进一步加强。5. ClearVoiceResearch.com影响人数：1570万发现时间：2021年4月事件概要：ClearVoice在4月份获悉，一个未经授权的用户在网上发布了含有2015年8月和9月调查参与者的个人信息数据库，并向公众出售这些信息。可访问数据包括联系信息、密码以及针对用户健康状况、政治派别和种族等问题作出的答复。ClearVoice表示，这批数据可能会被不法分子滥用，导致调查参与者被人(比如广告商)联系。此外，可访问的信息可能用于准备个人资料，而这些资料可用于商业或政治目的。在收到未经授权用户发来的电子邮件的一小时内，ClearVoice表示它找到了备份文件，确保其安全，并消除了云服务端这个文件面临的泄露风险。另外ClearVoice对可能泄露信息的所有会员强行重置了密码，还实施了安全措施，以防止此类事件再次发生，并保护会员数据的隐私。事件点评：ClearVoice是一个人才网络和内容营销平台，帮助企业创建引人入胜的内容，以支持他们的博客，SEO，社交媒体和营销自动化。ClearVoice集成的编辑日历和简化的内容工作流程可提高工作效率，并帮助营销人员实现其内容营销目标。显然，在其开展相关营销活动时，并未很好地将安全性纳入到其平台上。6. Jefit影响人数：905万发现时间：2021年3月事件概要：锻炼跟踪应用程序Jefit在3月份发现了因安全漏洞而导致的数据泄密，这起事件影响了2020年9月20日之前注册的客户帐户。不法分子访问了以下信息：Jefit帐户用户名、与帐户关联的电子邮件地址、加密的密码以及创建帐户时的IP地址。Jefit保存IP地址用于防止机器人程序，并将滥用帐户登记在册。该公司查明了数据泄密的根本原因，并证实Jefit的其他系统未受影响。Jefit表示，它已采取安全措施来加强网络，以防范将来出现类似的泄密事件，并正在其产品上采用更加强大的密码策略，以便将来进一步保护用户帐户。此外，Jefit表示，敏感的财务数据未受到牵涉，因为该公司从不存储客户的付款信息。客户在Jefit网站购买产品时，所有支付流程都由Google Play Store 、 Apple App Store直接处理，或者由支付网关公司直接处理。事件点评：Jefit成立于2010年，立志于成为健身界的Facebook，在这个语境下，它有着同类应用难以比肩的大型数据库：超过1300种训练动作，以及数以百万计用户分享的训练计划。Jefit只能做到对健身训练数据的追踪和管理，想要直观地分析一定周期内个人在健身时的训练状态和身体表现情况，还得借助一些数据整合和分析工具。不管是使用自身系统还是借助于第三方工具，都需要做好数据保护工作。7. Robinhood影响人数：700万发现时间：2021年11月事件概要：电子交易平台Robinhood在11月8日披露，未经授权的有关方在五天前通过电话冒充员工，访问了客户支持系统。Robinhood表示，在此次事件中，黑客获得了大约500万人的电子邮件地址列表以及另外大约200万人的全名。Robinhood表示，这700万条记录中的数千个条目包含电话号码，大约310人的姓名、出生日期和邮政编码已被公开，其中大约10个客户的更详细帐户信息被公开。Robinhood在遏制这起入侵后表示，黑客敲诈索要赎金。它及时通知了执法部门，将在Mandiant的帮助下继续调查这起事件。事件点评：冒充他人登录到企业网络，事实上就是窃取员工的身份。身份认证也称为"身份验证"或"身份鉴别"，是指在计算机及计算机网络系统中确认操作者身份的过程，从而确定该用户是否具有对某种资源的访问和使用权限，进而使计算机和网络系统的访问策略能够可靠、有效地执行，防止攻击者假冒合法用户获得资源的访问权限，保证系统和数据的安全，以及授权访问者的合法利益。单一的身份认证手段容易导致账号被冒用，造成内部信息泄露，企业需要进一步加固自身的身份认证体系，来保障网络信息的安全。8. Accellion影响人数：676万发现时间：2021年初事件概要：2021年初，黑客结合旧版Accellion文件传输设备(FTA)中多个零日漏洞工具，向外泄露数据，要求付款以确保归还和删除数据。据HIPAA Guide网站报道， Clop勒索软件团伙的数据泄露网站被用来发布一些被盗数据，劝诱受害者支付赎金。截至2021年4月份，已知至少九家医疗保健组织受到了Accellion数据泄密事件影响，其中包括Kroger Pharmacy的147万客户、Health Net的124万会员、Trinity Health的58.7万患者、California Health&Wellness的8万会员、Trillium Health Plan的5万客户，以及Arizona Complete Health的2.9万会员。Stanford Medicine 、 University of Miami Health和 Centene Corp也受到了这次泄密事件的影响，不过这每家组织中受影响的人数尚未得到证实。泄露信息包括姓名、社会保障号码、出生日期、信用或银行账号、健康保险号码及/或与健康有关的信息。事件点评："零日漏洞"(zero-day)又叫零时差攻击，是指被发现后立即被恶意利用的安全漏洞。通俗地讲，即安全补丁与瑕疵曝光的同一日内，相关的恶意程序就出现。这种攻击往往具有很大的突发性与破坏性。有证据显示，黑客更加善于在发现安全漏洞不久后利用它们，实施攻击活动。虽然目前不能完全防范零日漏洞攻击，但是，科学完善的防御体系能有效减少被零日攻击的机率，以及降低零日攻击造成的损失。9. Infinity保险公司影响人数：572万发现时间：2021年8月事件概要：Infinity保险公司在3月份披露，在2020年12月的两天内，有人未经授权，短暂访问了Infinity网络中服务器上的文件。Infinity全面审查保存在被访问服务器上的文件后发现，一些社会保障号码或驾照号码包含在文件中。这起事件还影响了Infinity现在和以前的员工，泄露信息包括员工姓名、社会保障号码及/或有限情况下与病假或员工赔偿索赔有关的医疗信息。受影响员工和客户将获得为期一年的免费信用监控服务会员资格。为了降低发生类似事件的风险，Infinity继续审查其网络安全计划，并利用调查信息来确定另外的措施，以进一步增强网络安全性。该公司在致员工的一封信中写道：“我们理解保护个人信息的重要性，对由此造成的不便深表歉意。”事件点评：Infinity财产保险公司是总部设立在伯明翰，为美国各州提供汽车保险的公司。作为美国表现良好的公司之一，提供非标准的汽车保险，为那些不能通过标准保险公司获得安全保障的个人提供保险服务。这些不标准的因素可能是因为驾驶记录里有事故记录，驾驶者的年龄，车型以及其他各种原因。Infinity财产保险公司是在非标准承保行业中第三大保险公司，作为有如此影响力的保险公司，应加强其数据安全。10. 尼曼集团(Neiman Marcus Group)影响人数：435万发现时间：2021年9月事件概要：奢侈品百货连锁店尼曼在9月份披露，未经授权的有关方于2020年5月获取了与客户在线帐户有关的个人信息。该公司表示，它已将该事件通知执法部门，已与Mandiant密切合作开展调查。泄露信息可能包括：姓名及联系资料、支付卡号及有效期、尼曼虚拟代金券号码，以及与在线帐户有关的用户名、密码以及安全问题和答案。尼曼称，大约310万张支付卡和虚拟代金券受到了影响，其中超过85%为过期或无效。尼曼回应称，它要求自2020年5月以来未更改密码的受影响客户重置在线帐户密码。此外该公司表示，如果受影响客户为其他任何在线帐户使用的登录信息与用于其尼曼帐户的登录信息相同或相似，应更改登录信息。事件点评：尼曼集团( Neiman Marcus )是美国以经营奢侈品为主的连锁高端百货商店，是当今世界高档、独特时尚商品的零售商，已有100多年的发展历史，其总部在美国得克萨斯州达拉斯，能进入该百货的品牌都是各个行业中的翘楚。此次数据泄露事件，使其公众声望受损。文章来源：https://zhuanlan.51cto.com/art/202201/697844.htm ，作者：安全牛

https://competition.huaweicloud.com/information/1000037843/introduction?track=107该赛事由清华大学、中国人工智能学会和华为技术有限公司联合举办，华为云大数据平台提供支持，以企业真实场景和实际数据为基础，面向全球开放的高端算法竞赛。举办方：清华大学、中国人工智能学会、华为技术有限公司2016年，教育部高等学校计算机类专业教学指导委员会、教育部高等学校软件工程专业教学指导委员会、教育部高等学校大学计算机课程教学指导委员会、全国高等学校计算机教育研究会联合创办了“中国高校计算机大赛”（China Collegiate Computing Contest，简称C4），第五届（2020年）“中国高校计算机大赛”继续由全国高等学校计算机教育研究会主办。大数据挑战赛是其中的一项重要赛事，在2018年被选入全国普通高校学科竞赛排行榜，获得社会各界的高度关注和广泛好评。2020中国高校计算机大赛——华为云大数据挑战赛（以下简称“大赛”）是由清华大学、中国人工智能学会和华为技术有限公司联合举办，华为云和北京信息科学与技术国家研究中心提供支持，以企业真实场景和实际数据为基础，面向全球开放的高端算法竞赛。大赛旨在通过竞技的方式，提升人们对数据分析与处理的算法研究与技术应用能力，探索大数据的核心科学与技术问题，尝试创新大数据技术，推动大数据的产学研用。一、 参赛对象本次大赛开设在校学生和在职人员两个通道，其中在职人员不占用在校学生晋级和奖励名额，具体见后面小节说明。1. 在校学生队伍要求大赛面向中国及境外在校学生（包括高职高专、本科、研究生），具体要求如下：（1） 可以自由组队参赛，每个参赛队伍人数可为1–3人，参赛队员必须全部为在校生，允许跨年级、跨专业、跨校组队。（2） 每人只能参加一支队伍（即个人参赛后不可再与他人组队参赛，或个人参加一个队伍后不可再参加另一个队伍），每支队伍允许最多有一名指导老师，指导教师须为在职高校教师。（3） 参赛者报名时应具有在校学籍，已毕业的学生不具备参赛资格。（4） 参赛选手应保证报名信息准确有效，填写报名信息时应在大赛报名页“备注”栏提供学信网的教育部学籍在线验证报告编号。2. 在职人员队伍要求在职人员是指在单位工作的非在校生，具体要求如下：（1） 可以自由组队参赛，每个参赛队伍人数可为1–3人，队伍中只要有一名在职人员，则整个队伍将视为在职人员队伍。（2） 每人只能参加一支队伍，参赛选手应保证报名信息准确有效。3. 禁止参赛人员（1） 大赛主办和技术支持单位如有机会接触赛题和相关数据的人员不允许参赛。（2） 华为技术有限公司在职人员（不含实习生）不允许参赛。二、 赛制说明本次大赛分为报名&组队、热身赛（可选）、正式赛（包括初赛、复赛和决赛）等阶段，其中热身赛的目的是帮助选手进行前期训练学习以及熟悉华为云大数据平台，由选手自愿选择报名并在华为云平台进行比赛；初赛均由参赛队伍下载数据在本地进行算法设计和调试，并通过大赛报名官网提交结果文件；复赛要求参赛者在华为云大数据平台上进行数据分析和处理，可使用平台提供的计算资源和工具包；决赛要求参赛者进行现场演示和答辩。1. 报名&组队（4月17日 – 5月31日）参赛选手须在大赛官网报名并且组队参赛（即使单人参赛也要组建单人队伍），大赛不收取任何报名费用。（1） 大赛报名系统开放时间是2020年4月17日10:00，截止时间是2020年5月31日17:00。（2） 大赛官网：https://competition.huaweicloud.com/information/1000037843/bdc2020（3） 大赛官方交流QQ群：566353409 / 758344321报名截止之后，不再允许添加或更改指导教师和任何队伍成员。如有中途退出情况，只允许在参赛队伍内部更换队长或删除队员。参赛队伍须应在决赛开始前向大赛组委会提交成员更换申请，由参赛队伍全部成员亲笔签名，经由大赛组委会审核后变更生效。2. 热身赛（4月17日 – 6月1日，自愿选择参加）热身赛要求选手基于华为云一站式AI开发平台ModelArts开发模型及提交评测，并使用华为云对象存储服务OBS以存储训练数据、代码、模型等文件。热身赛的开始时间是4月17日10:00，结束时间是6月1日17:00，每个参赛队伍每天可以进行3次提交，系统立即进行评测并返回成绩。排行榜将选择参赛队伍在本阶段的历史最优成绩进行排名展示，每两个小时更新排行榜。特别说明：（1） 热身赛的赛题为“交通流量预测”。（2） 热身赛排名不区分在校学生队伍和在职人员队伍。（3） 热身赛由选手自愿选择报名参加，其成绩不会影响正式赛成绩；选手也可以直接报名参加正式赛，最终大赛成绩以正式赛为准。3. 初赛（6月2日 – 6月30日）参赛队伍可从大赛官方网站下载数据，在本地进行算法调试，并在线提交结果。正式赛的赛题为“船运到达时间预测”。初赛A阶段：6月2日10:00 – 6月26日22:00，每个参赛队伍每天可以进行3次提交，系统立即进行评测并返回成绩。排行榜将选择参赛队伍在本阶段的历史最优成绩进行排名展示，每两个小时更新一次排行榜。初赛B阶段：6月27日10:00 – 6月30日12:00，系统将在6月26日23:00更换测试数据，参赛队伍需再次下载数据文件。初赛排行榜将选取参赛队伍6月27日起产生的成绩进行重新排名。初赛截止时间是6月30日12:00，最多有110支队伍晋级复赛，晋级规则如下：（1） 100支在校学生队伍：单独进行排名之后，初赛成绩排名前100名队伍将进入复赛，同时前10名队伍还将获得初赛奖励；（2） 10支在职人员队伍：初赛成绩在所有队伍（包括在校学生队伍和在职人员队伍）的总排名中进入前100名，并且处于在职人员队伍的前10名；同时进入总排名的前10名队伍还将获得初赛奖励。4. 复赛（7月13日-8月10日）复赛参赛队伍需要在华为云大数据平台上完成数据处理、建模、算法调试、生成结果等，所有比赛数据不可下载，可使用平台提供的计算资源和工具包。复赛A阶段：7月13日10:00 – 8月9日21:00，每个参赛队伍每天可以进行3次提交，系统立即进行评测并返回成绩。排行榜将选择参赛队伍在本阶段的历史最优成绩进行排名展示，实时更新排行榜。复赛B阶段：8月10日00:00 – 8月10日12:00，系统将在8月6日23:00更换测试数据，参赛队伍应根据新的数据集提交模型（在线一键提交）。复赛排行榜将选取参赛队伍8月7日起产生的成绩进行重新排名。复赛截止时间是8月10日12:00，最多有12支队伍晋级决赛，晋级规则如下：（1） 10支在校学生队伍：单独进行排名之后，复赛成绩排名前10名队伍将进入复赛；（2） 2支在职人员队伍：复赛成绩在所有队伍的总排名中进入前10名，并且处于在职人员队伍的前2名；（3） 所有晋级决赛队伍的代码需要进行审核，审核不通过的队伍将取消决赛资格，其名额顺延到其后面的下一个队伍。5. 决赛（8月下旬）决赛将以现场答辩会的形式进行，晋级决赛团队需提前准备答辩材料，包括答辩PPT、参赛总结、算法核心代码。（1） 在答辩现场，每支队伍面对评委有15分钟的陈述时间和10分钟的问答时间。评委将根据选手的技术思路、理论深度和现场表现进行综合评分。（2） 决赛分数将根据参赛队伍的算法成绩和答辩成绩加权得出，评分权重为复赛B阶段70%，决赛答辩30%。决赛地点和时间安排另行通知，受邀参加决赛的选手在决赛期间的食宿由大赛组委会安排，往返交通费及其他费用自理。三、 奖项设置1. 热身赛奖项大赛将提供100元华为云资源代金券，成功报名的参赛者可点击页面上方“领取”获得代金券（每位参赛者仅可领取一次）。另外，热身赛将设置以下奖项和奖品：奖项名称数量对象奖励办法一等奖5热身赛前5名队伍荣耀魔法系列手表二等奖15热身赛6-20名队伍华为AI音箱三等奖30热身赛21-50名队伍荣耀手环5i标准版2. 初赛奖项初赛最终排行榜的前20名队伍颁发初赛名次证书，初赛名次奖不区分在校学生队伍和在职人员队伍。3. 复赛与决赛奖项大赛奖金池总额为30万元人民币，所有奖金均为税前金额。

作为人工智能社区群策群力的早期形式，「众包」成就了 ImageNet 等一批成功的数据集，也加快了整个社区的发展进程。但要构建人工智能技术开发生态，仅靠「众包」是不够的。2009 年，由知名科学家李飞飞发起，来自全球 167 个国家近 5 万名工作者以众包的方式，通过三年合作努力，完成了日后触发人工智能领域发展浪潮的伟大数据集 ImageNet。数据规模巨大，标注错误极低，ImageNet 发布十余年以来，已成为淬炼图像处理算法不断升级的试金石。2010-2017 连续开展八年的 ImageNet 全球挑战赛，推动了物体识别平均准确率等 AI 领域关键指标不断提升，更让深度学习算法自 2012 年在此舞台之上大放异彩，进一步引发了人工智能领域的革命。 众所周知，ImageNet 包含 1500 万张带标注的图像，工程十分浩大。帮助李飞飞完成这一壮举的，是当时刚刚兴起的社区概念——众包。可以说，众包一直在人工智能领域扮演着重要角色，一定程度上加快了这一领域的历史进程。但与此同时，社区并没有止步于众包，而是向前又走了一步。昇腾计算产业的成员企业华为，提出了一种新的模式——众智，汇聚企业、高校、科研院所等组织的力量，做硬核开发。2021 年 3 月 18 日，昇腾众智计划正式上线。众智类似于众包，但又不同于众包。众包是繁复的人力投入，而「昇腾众智」意在通过「硬件开放、软件开源、使能伙伴」的方式，激发开发者的智慧，在网络模型开发、算子开发以及行业参考设计开发等几类项目上进行创新。 此外，「昇腾众智」计划还关注后续的人才培养以及开放平台、社区的建设和发展，这就改变了传统众包「交付即终点」的模式，对开发者的个人成长甚至整个社区的发展都有着更加深远的意义。为何众智？如何众智？3 月 13 日，国家发布了「十四五」规划纲要。纲要指出，「十四五」期间，我国将通过一批具有前瞻性、战略性的国家重大科技项目，带动产业界逐步突破前沿基础理论和算法，其中就包括深度学习框架等开源算法平台的构建以及学习推理决策、图像图形、语音视频、自然语言识别处理等领域的创新与迭代应用。由此可见，加快国内人工智能的发展在国家战略层面正变得越来越重要。过去几年，昇腾计算产业已构建起完整的全栈 AI 软硬件平台，包括基于昇腾架构的系列硬件，异构计算架构 CANN、深度学习计算框架 MindSpore 等软件平台。通过上述平台构建的AI基础设施，涵盖纲要中提到的图像、语音、自然语言处理等多项技术，可以加快医疗、能源、交通、制造等多个行业的智能化升级。AI 模型和基础软件都是高度依赖生态建设的项目，无法依靠单一力量来完成，需要汇聚开发者，共同打造昇腾计算产业生态。在过去的 2020 年，昇腾社区从学、练、用、考、赛等维度为开发者提供了完善的软件资源、专业培训、技术支持、生态政策和产品方案，上线了 50 多个开发者系列课程、1008 本学习资料、100 + 工具与样例、100 + 模型，MindSpore 开源开发者已突破 10 万 + 人。虽然已经取得了一些成绩，但要想加快这一进程，昇腾需要整个社区的力量来共同托举，这也是「昇腾众智」计划诞生的初衷。 那么如何「众智」呢？ 具体而言，「昇腾众智」主要涉及的是异构计算架构 CANN 算子开发、主流深度学习网络模型（基于 MindSpore、PyTorch 等）开发和行业参考设计开发等。 这些需求都以项目的形式发布在「昇腾众智」的官方页面上，每两周刷新一次。近期公布的 140 个项目需求包含 MindSpore 数据增强算子、MindSpore 模型等，涵盖文本、图像、视频、自然语言、目标检测等多个领域。打开「项目任务书」，我们可以看到项目的具体细节，包括任务描述、知识背景要求、任务要求、任务清单、开发指导等内容。对该项目感兴趣且符合要求的开发者可以填写与自身情况相对应的申请表。和「众包」、「外包」不同的是，在「昇腾众智」计划中，参与任务的开发者和昇腾之间并不是「冷冰冰的业务关系」，而是一种并肩作战的合作关系。如果你在开发中遇到问题，你可以随时向昇腾的专家寻求帮助。这种帮助包括但不限于硬件、软件、技术指导和答疑等。 群策群力，多方受益 前面说到，在「昇腾众智」计划中，开发者与昇腾之间是一种并肩作战的合作关系，合作的目的是创建一个强大的生态和社区。这就意味着，参与「昇腾众智」的开发者甚至整个社区都将从中受益。 开发者包含高校师生、科研机构研究者、企业开发团队等多个群体。对于这些群体来说，他们收获的不仅仅是项目交付后的奖金激励和项目开发期间的算力资源支持，还有昇腾颁发的荣誉证书（优秀开发团队和个人将受邀参加华为旗舰大会）以及华为招募引进人才的优先权等。 其他的潜在收益还包括项目经验积累、创新研究项目合作以及行业影响力的提升等。 以高校为例，高校是一个偏重学术的环境，「昇腾众智」将更多的真实项目带进校园，使得学生有更多的机会接触真实的业务场景，得到业内专家的指导，从而加深对于 AI 的理解，沉淀更多的实践经验。 科研院所和企业有所不同。科研院所汇聚了一大批优秀研究者，但在算力、场景扩展、科研创新等方面也需要一些外部支持，「昇腾众智」恰好可以在这些方面提供支持，满足科研机构在多个方面的科研需求。企业所在的行业往往需要配套的行业参考设计，在昇腾的技术支持下，企业可以更快地开发自己行业所需的参考设计，提升自身的行业影响力。 除了这些，「昇腾众智」对于整个人工智能社区也有很重要的意义。一方面，这些项目开发完成后将在昇腾社区开放，供所有开发者下载使用，免去开发者重新写代码、训练模型的麻烦，加速社区的发展进程。另一方面，昇腾社区、MindSpore 社区与其他开源开放社区可以借助这一项目建立紧密的联系，为高校、科研机构、企业和开源社区的成员搭建一个广阔的交流、合作平台，共同加速 AI 社区的发展。 以上几点在本月初启动的「OpenI 启智 & MindSpore 集结号」活动中已经有所体现。这一活动由 OpenI 启智社区和 MindSpore 社区共同举办，旨在集中高校开发者合作开发 MindSpore 高性能模型（模型众智）。中国工程院院士、鹏城实验室主任、北京大学博雅讲席教授高文在「集结号」活动中讲话。其实，早在「集结号」活动之前，「昇腾众智」就已经开始了一些小规模的探索，这些探索为计划的正式上线蓄积了力量。自去年启动昇腾众智计划以来，已有浙江大学、上海交通大学、西安交通大学、中国科学院等超过 40 所高校和科研机构参与其中（排名不分先后）。他们已经完成 484 个 PyTorch 算子分析、368 个算子开发、15 个 MindSpore 模型交付和 2 个 PyTorch 模型交付，行业参考设计的众智活动也已经完成试点。十几年前，ImageNet 让我们看到了群体力量的伟大；如今，昇腾不止要利用这股力量，更想要挖掘其中的「智慧」，创造一种新的 AI 开发模式。 目前，「昇腾众智」的初步目标是通过线上、线下两种方式** 200 + 团队、2000 + 开发者。

作为人工智能社区群策群力的早期形式，「众包」成就了 ImageNet 等一批成功的数据集，也加快了整个社区的发展进程。但要构建人工智能技术开发生态，仅靠「众包」是不够的。2009 年，由知名科学家李飞飞发起，来自全球 167 个国家近 5 万名工作者以众包的方式，通过三年合作努力，完成了日后触发人工智能领域发展浪潮的伟大数据集 ImageNet。数据规模巨大，标注错误极低，ImageNet 发布十余年以来，已成为淬炼图像处理算法不断升级的试金石。2010-2017 连续开展八年的 ImageNet 全球挑战赛，推动了物体识别平均准确率等 AI 领域关键指标不断提升，更让深度学习算法自 2012 年在此舞台之上大放异彩，进一步引发了人工智能领域的革命。 众所周知，ImageNet 包含 1500 万张带标注的图像，工程十分浩大。帮助李飞飞完成这一壮举的，是当时刚刚兴起的社区概念——众包。可以说，众包一直在人工智能领域扮演着重要角色，一定程度上加快了这一领域的历史进程。但与此同时，社区并没有止步于众包，而是向前又走了一步。昇腾计算产业的成员企业华为，提出了一种新的模式——众智，汇聚企业、高校、科研院所等组织的力量，做硬核开发。2021 年 3 月 18 日，昇腾众智计划正式上线。众智类似于众包，但又不同于众包。众包是繁复的人力投入，而「昇腾众智」意在通过「硬件开放、软件开源、使能伙伴」的方式，激发开发者的智慧，在网络模型开发、算子开发以及行业参考设计开发等几类项目上进行创新。 此外，「昇腾众智」计划还关注后续的人才培养以及开放平台、社区的建设和发展，这就改变了传统众包「交付即终点」的模式，对开发者的个人成长甚至整个社区的发展都有着更加深远的意义。为何众智？如何众智？3 月 13 日，国家发布了「十四五」规划纲要。纲要指出，「十四五」期间，我国将通过一批具有前瞻性、战略性的国家重大科技项目，带动产业界逐步突破前沿基础理论和算法，其中就包括深度学习框架等开源算法平台的构建以及学习推理决策、图像图形、语音视频、自然语言识别处理等领域的创新与迭代应用。由此可见，加快国内人工智能的发展在国家战略层面正变得越来越重要。过去几年，昇腾计算产业已构建起完整的全栈 AI 软硬件平台，包括基于昇腾架构的系列硬件，异构计算架构 CANN、深度学习计算框架 MindSpore 等软件平台。通过上述平台构建的AI基础设施，涵盖纲要中提到的图像、语音、自然语言处理等多项技术，可以加快医疗、能源、交通、制造等多个行业的智能化升级。AI 模型和基础软件都是高度依赖生态建设的项目，无法依靠单一力量来完成，需要汇聚开发者，共同打造昇腾计算产业生态。在过去的 2020 年，昇腾社区从学、练、用、考、赛等维度为开发者提供了完善的软件资源、专业培训、技术支持、生态政策和产品方案，上线了 50 多个开发者系列课程、1008 本学习资料、100 + 工具与样例、100 + 模型，MindSpore 开源开发者已突破 10 万 + 人。虽然已经取得了一些成绩，但要想加快这一进程，昇腾需要整个社区的力量来共同托举，这也是「昇腾众智」计划诞生的初衷。 那么如何「众智」呢？ 具体而言，「昇腾众智」主要涉及的是异构计算架构 CANN 算子开发、主流深度学习网络模型（基于 MindSpore、PyTorch 等）开发和行业参考设计开发等。 这些需求都以项目的形式发布在「昇腾众智」的官方页面上，每两周刷新一次。近期公布的 140 个项目需求包含 MindSpore 数据增强算子、MindSpore 模型等，涵盖文本、图像、视频、自然语言、目标检测等多个领域。打开「项目任务书」，我们可以看到项目的具体细节，包括任务描述、知识背景要求、任务要求、任务清单、开发指导等内容。对该项目感兴趣且符合要求的开发者可以填写与自身情况相对应的申请表。和「众包」、「外包」不同的是，在「昇腾众智」计划中，参与任务的开发者和昇腾之间并不是「冷冰冰的业务关系」，而是一种并肩作战的合作关系。如果你在开发中遇到问题，你可以随时向昇腾的专家寻求帮助。这种帮助包括但不限于硬件、软件、技术指导和答疑等。 群策群力，多方受益 前面说到，在「昇腾众智」计划中，开发者与昇腾之间是一种并肩作战的合作关系，合作的目的是创建一个强大的生态和社区。这就意味着，参与「昇腾众智」的开发者甚至整个社区都将从中受益。 开发者包含高校师生、科研机构研究者、企业开发团队等多个群体。对于这些群体来说，他们收获的不仅仅是项目交付后的奖金激励和项目开发期间的算力资源支持，还有昇腾颁发的荣誉证书（优秀开发团队和个人将受邀参加华为旗舰大会）以及华为招募引进人才的优先权等。 其他的潜在收益还包括项目经验积累、创新研究项目合作以及行业影响力的提升等。 以高校为例，高校是一个偏重学术的环境，「昇腾众智」将更多的真实项目带进校园，使得学生有更多的机会接触真实的业务场景，得到业内专家的指导，从而加深对于 AI 的理解，沉淀更多的实践经验。 科研院所和企业有所不同。科研院所汇聚了一大批优秀研究者，但在算力、场景扩展、科研创新等方面也需要一些外部支持，「昇腾众智」恰好可以在这些方面提供支持，满足科研机构在多个方面的科研需求。企业所在的行业往往需要配套的行业参考设计，在昇腾的技术支持下，企业可以更快地开发自己行业所需的参考设计，提升自身的行业影响力。 除了这些，「昇腾众智」对于整个人工智能社区也有很重要的意义。一方面，这些项目开发完成后将在昇腾社区开放，供所有开发者下载使用，免去开发者重新写代码、训练模型的麻烦，加速社区的发展进程。另一方面，昇腾社区、MindSpore 社区与其他开源开放社区可以借助这一项目建立紧密的联系，为高校、科研机构、企业和开源社区的成员搭建一个广阔的交流、合作平台，共同加速 AI 社区的发展。 以上几点在本月初启动的「OpenI 启智 & MindSpore 集结号」活动中已经有所体现。这一活动由 OpenI 启智社区和 MindSpore 社区共同举办，旨在集中高校开发者合作开发 MindSpore 高性能模型（模型众智）。中国工程院院士、鹏城实验室主任、北京大学博雅讲席教授高文在「集结号」活动中讲话。其实，早在「集结号」活动之前，「昇腾众智」就已经开始了一些小规模的探索，这些探索为计划的正式上线蓄积了力量。自去年启动昇腾众智计划以来，已有浙江大学、上海交通大学、西安交通大学、中国科学院等超过 40 所高校和科研机构参与其中（排名不分先后）。他们已经完成 484 个 PyTorch 算子分析、368 个算子开发、15 个 MindSpore 模型交付和 2 个 PyTorch 模型交付，行业参考设计的众智活动也已经完成试点。十几年前，ImageNet 让我们看到了群体力量的伟大；如今，昇腾不止要利用这股力量，更想要挖掘其中的「智慧」，创造一种新的 AI 开发模式。 目前，「昇腾众智」的初步目标是通过线上、线下两种方式** 200 + 团队、2000 + 开发者。

https://competition.huaweicloud.com/information/1000041306/introduction?track=107“东风智能制造”开发者创意大赛是东风公司举办的第三届、公司级大数据创意赛事，本次赛事既是延续，也是承接（它将作为东风工业互联网2020行动举措之一，即工业APP孵化课题）。举办方：东风汽车集团有限公司、东风乘用车公司、华为技术有限公司一、赛事介绍“东风智能制造”开发者创意大赛是东风公司举办的第三届、公司级大数据创意赛事，本次赛事既是延续也是承接（它将作为东风工业互联网2020行动举措之一，即工业APP孵化课题）。本次赛事是由东风汽车集团有限公司、东风乘用车公司联合主办，华为公司承办的大数据分析、创意交流赛事。成绩优秀团队将直接入围公司众创项目，参与项目的深入分析和延展。该项赛事优秀获奖选手有机会获得入职东风公司的offer直通车。大赛通过与东风乘用车实际业务相结合，为开发者提供一个交流、学习和创新挑战的平台，以达到为业务赋能、培养汽车行业大数据人才的目的。本次大赛参赛者基于华为云人工智能开发平台ModelArts，根据组委会提供的东风乘用车焊接曲线（电流、电压、电阻、能量）历史数据，聚焦电阻、功率曲线的研究，开展相同板材结构、相同工位、同一焊点号的焊点数据分析，进行(1)焊接过程曲线建模、修磨周期建模 ；(2)异常归类统计。二、参赛对象大赛面向全社会开放，企业、高等院校、科研单位等均可组队报名参赛。三、赛程安排比赛采用预、决赛形式，具体安排如下：初赛：2020年8月19日-2020年9月8日，共计21天(1)8月19日开放平台访问环境及比赛数据，参赛队可开始比赛准备。(2)初赛截止后（9月15日18:00截止提交），参赛队需提交代码、模型、开发过程及解题思路介绍材料、仿真环境演示结果等进行审核。(3)组委会将在官网公布前6名参赛队名单，入围决赛。决赛：2020年9月下旬（具体时间另行通知）(1)在决赛开始之前，参赛队伍可继续优化模型精度，同时基于模型开发应用或演示demo（不限于小程序、APP、H5等）。(2)2020年9月下旬，入围决赛的队伍将开展决赛答辩，组委会将根据模型评测成绩、演示及答辩效果加权得出总分数，并依据决赛分数评选出大赛奖项。注：入围决赛的队伍答辩前需要提供可复现答辩成果的代码、模型、数据以及必要的文档。四、比赛资源组委会为每位参赛选手提供价值1000元的华为云EI资源券（仅支持ModelArts及OBS），以支撑比赛期间资源费用。注：本次比赛提供的云资源有限，请确认参赛的队伍关注及配合组委会云资源发放，云资源发完即止。五、奖项设置冠军：1支队伍，每支队伍奖金3万，颁发获奖证书（东风汽车公司级）亚军：2支队伍，每支队伍奖金2万，颁发获奖证书（东风汽车公司级）季军：3支队伍，每支队伍奖金1万，颁发获奖证书（东风汽车公司级）六、报名须知1、报名方式：登录比赛官网，点击页面右上方“立即报名”按钮进行报名。2、报名时间：2020年8月19日9:00-2020年8月29日18:00（共11天）。3、本次比赛云资源有限，发放完毕后将不再发放。4、参赛者可3~7人组队参赛，且每位选手只能加入一支队伍。对不符合组队要求的队伍，赛务组有对其取消晋级资格的权利。5、参赛者需确保报名信息准确有效，大赛组委会有权取消不符合条件队伍的参赛资格及奖励。6、大赛官方交流请至论坛交流版块，选手交流微信群扫描如下二维码。注：报名后请务必要加入微信交流群，群里会不定时发布赛事重要信息。备注：1. 请参赛报名选手务必加入群，以查收比赛相关公告和通知。数据集下载地址可在本页面中下载说明文档。2. 请参赛组队成功后，将组队信息以如下形式反馈到邮箱tangyi09@huawei.com。队伍名称选手名字华为云账号（需完成认证）电话注：对赛事有任何疑问请联系东风公司工作人员。

近日，全球领先的IT研究和咨询公司国际数据公司（IDC）发布《中国大数据平台市场研究报告，2021H1》，华为云FusionInsight智能数据湖位居中国大数据平台市场份额第一，连续三次蝉联榜首。华为云FusionInsight智能数据湖持续深耕政务、金融、运营商、互联网、泛企业行业，尤其在2021年上半年，金融行业国有大行、股份制银行、城商农信行、保险、证券客户首选华为云FusionInsight；同时，华为云在互联网市场也突飞猛进，大型互联网客户也转向华为云；华为云在公有云上也建立专属Region，为政务和企业用户上云提供便利，使得公有云大数据市场得以高速增长。在华为云连续三次取得市场份额第一评估的背后，离不开客户对华为云FusionInsight智能数据湖解决方案的认可，也离不开华为云在大数据技术的持续创新。华为云FusionInsight为客户提供完整的大数据云服务产品组合，有单集群最大支持6万节点的MRS云原生数据湖服务，单集群最大支持2048节点的云数据仓库DWS服务，MRS/DWS既可以灵活按需部署，也可以融合演进到湖仓一体的架构；同时面向不断增长的数据探索分析、新型的图分析、可信计算等诉求，提供了托管式的DLI数据湖探索服务、自主知识产权的GES图计算服务、创新的可信智能计算服务TICS，并提供源自华为自身数字化转型经验沉淀的DGC数据湖治理中心服务，以及面向计算多样性、数据多样性、环境多样性等构建的统一数据引擎华为HIS UniDB，有效支持了华为集团IT企业数据湖的运行。结合华为iData帮助客户构建一站式的大数据分析平台，让客户在复杂环境下，快速构建企业级数据分析解决方案，加速释放企业海量数据价值。MRS云原生数据湖：让企业在湖仓一体、存算分离、云原生的架构上实现离线、实时、逻辑三种数据湖：离线数据湖：让传统孤岛式建设走向统一数据平台，一个平台支持AI、BI、交互式查询等多种引擎，最大支持６万＋大集群滚动升级，确保关键业务不中断；实时数据湖：通过CDL+Hudi+Flink+ClickHouse实现数据全链路实时分析，价值兑现从T+1到T+0；逻辑数据湖：HetuEngine提供跨湖、跨仓的协同分析，减少80%数据搬迁，协同分析提效50倍。DWS云数据仓库：一站式全场景数据仓库服务，在全并行分布式架构的基础上，创新性地无缝融合OLAP引擎、时序引擎、CEP引擎，同时支撑批量、交互式和实时分析等不同业务场景需求。打通异构平台间的壁垒，做到数据融合、分析协同，不仅极大地简化了全域数据的架构，也让数据分析变得简单化、自主化。DLI数据湖探索：提供全开源、全托管的一站式的流处理、批处理、交互式分析的大数据Serverless分析服务。GES图引擎：提供分布式云原生的图引擎服务，是针对以“关系”为基础的“图”结构数据，进行查询、分析的服务, 内置30+算法，支持千亿点万亿边6跳秒查，广泛应用于风控、推荐、反欺诈等具有丰富关系数据的场景。TICS可信智能计算：华为云率先提出联邦SQL分析与多方安全计算的技术融合，实现数据分析的“可用不可见”。深度协同优化联邦训练和全同态加密，涵盖多方安全计算、联邦学习和可信执行环境等技术，打破跨机构的数据孤岛，实现多方数据联合分析和联邦学习，加速数据要素市场化流通，并获得多项权威机构包括信通院、金标委的行业认证。DGC数据湖治理中心：提供全链路数据治理工具，包含标准规范、数据集成、数据开发、数据质量、数据安全、数据服务等功能，满足企业数据工程师、建模工程师、业务分析师协同作战诉求，用数更敏捷，加速数据资产沉淀和供数效率，成为企业数字化创新的助推器。近10年来，华为云FusionInsight智能数据湖持续压强投入，已服务于政务、金融、运营商、互联网、泛企业等行业客户，坚定开放路线，与世界同行，先后在开源社区开放CarbonData和openLooKeng等大数据组件，并在Hadoop社区贡献达到Top2、Spark社区贡献达到Top4。华为云FusionInsight携手800+ISV，持续践行“平台+生态”战略，服务于全球客户。更多精彩文章：https://bbs.huaweicloud.com/forum/thread-66105-1-1.html  

      当前智慧检务、智慧审判的一个重要发展趋势就是运用人工智能技术帮助办案人员进行案件事实重构、法律关系认定、准确条文适用，甚至是在实体处理结果作出等领域进行深度介入。     不过，智慧司法的科学性、有效性、合法性在很大程度上取决于其所依赖的司法大数据是否完整、准确，以及对这些大数据进行分析、提取、使用的相关算法是否科学、正当和透明。　　随着智慧司法系统功能的不断延展和其对司法人员的影响程度持续加深，其背后所依赖的算法规则也已经越来越类似于正式的法律规范，对案件的处理结果发挥着实质性的决定作用。      与此同时，智慧司法通过类案推送、裁判比对、数据分析等辅助办案系统给予办案人员更多的提示、指引，并对偏离度过大的案件自动预警、及时评查，以最大程度地实现“类案类判”。　　有学者指出，智慧司法的这些功能虽然有助于在形式上强化办案过程与结果的客观性、统一性，但也极大地限制了办案人员的主观能动性和自由裁量权的行使，甚至可能因过度使用机械性的逻辑推理而压缩、取代正常人类情感和朴素正义观念的适用空间，存在着以“数据决策”替代“办案人决策”的风险。　　因此，未来的检察监督将不仅要监督司法人员的办案过程和案件的实体处理结果，还应当对智慧司法系统所依赖的大数据库的真实性、完整性，以及算法规则的透明性、合理性、局限性进行分析研判，避免因过度依赖算法而导致的“机械司法”，以保持智慧司法本身的正当性和有效性。

为了有效提升司法公开的范围和人民群众参加诉讼的便捷程度，智慧法院建设在近年来已经取得了一系列较为丰硕的成果。例如，搭建中国审判流程信息公开平台、中国庭审直播公开平台、中国裁判文书公开平台、中国执行信息公开平台、最高人民法院诉讼服务网、全国企业破产重整案件信息网、中国司法案例网、全国法院诉讼活动通知查询网、中国司法大数据服务网、人民法院调解平台、人民法院诉讼资产网等一系列智慧办案系统和司法公开平台。上述平台的搭建与运行，对司法办案的价值自不必多言。~要我说，上面这些平台，是无到有的改变~而且平台之间感觉非常的割裂。~ 感觉缺少顶层设计~但如果能够在科学、全面、充分论证的基础上，法院系统与检察系统进行深入、友好的沟通与合作，根据相关法律规定和公认的司法规律、司法理念来科学划分智慧审判与智慧检务各自的功能定位、侧重方向和业务范围，统一司法大数据的规格标准，实现司法大数据的共享和平台系统之间的互联互通，则既可以为民事诉讼监督提供新的方法和途径，有效解决制约民事监督对象不完整的难题，也可以为民事智慧检务的充分发展提供具备足够体量的相关案例大数据库，提升民事智慧检务系统的学习、模拟、辅助办案能力，推动民事智慧检务尽快由当前的弱人工智能阶段提升到强人工智能阶段，甚至是超强人工智能阶段，从而使民事智慧检务的发展实现质的飞跃。

    “让云无处不在，让智能无所不及，共建智能世界云底座”。12月20日，华为云计算技术有限公司贵安园区暨华为全球培训中心盛大开园，华为云的三个班级——“华为云人工智能高研班”、“华为云云服务工程师培训班”、“华为云人工智能师资培训班”亦同期开班。      国家提出“东数西算”工程，旨在把握数字经济加速发展战略机遇期，构建算力新格局。华为公司高级副总裁、华为云CEO、消费者云服务总裁张平安表示：华为将云数据中心落户贵安，将华为云业务全球总部建立在贵安，就是要全面支持贵州“在实施数字经济战略上抢新机”，将贵州打造成数字经济高地。同时，华为将进一步促进贵州IT人才培养，并希望与贵州共建“贵州数字经济创新中心”，推动各产业协同创新，促进本地高质量人才的培育孵化，以技术赋能企业，以产教融合培养数字经济技术型、实用型人才。（华为云CEO张平安先生开园致辞）     华为云开展的此次培训正是面向数字化转型人才培养需求的一次积极探索。贵州的大数据产业发展具有得天独厚的优势，贵安华为云数据中心又是华为云全球规模最大的数据中心核心节点，在云的数据中心，学习和使用云服务将为学员带来更为直观的体验。因此，我们将培训的主题定为云计算、人工智能与大数据，参培的学员也均为云贵渝地区与大数据相关的政府、企业高层及院校教师。    云贵渝地区的大数据分管部门领导、关联产业及高校代表共聚华为云人工智能高研班，与华为云大数据、人工智能资深专家就“大数据思维与技术应用”及“人工智能的趋势与应用”两个主题进行了学习与研讨，致力于推动贵州产业数字化进程与数字人才框架的搭建。（华为云计算公司副总裁王海杰先生致辞）    华为云计算公司副总裁王海杰先生为“华为云人工智能高研班”发表开班致辞时表示：“随着我们进入‘万物互联’时代，大数据、人工智能和云计算对于贵州数字化发展、智能化发展发挥着至关重要的作用。在国家、贵州省政府以及贵阳市政府的大力支持下，华为云计算技术有限公司贵安园区未来将会构建全球最领先的数据中心，为助力贵州乃至整个西部地区数字经济发展和本地技术型、应用型人才的培育孵化打下坚实基础。”同时，他对首场高研班培训也寄予了殷切希望：“华为云人工智能高研班作为培训中心首个开班的培训班级，特别邀请AI、大数据与云计算专家全面赋能，带领大家充分了解技术发展趋势与行业应用格局，将华为在数字转型实践上的精华奉献出来，与诸位共享共融。”（高研班学员积极参与课程互动）       除高研班外， 华为云的两个技术培训班“华为云云服务工程师培训”、“华为云人工智能师资培训”也紧随其后，依次开班。    “华为云云服务工程师培训”聚焦计算、存储、网络等常用的云服务，完整展现了未来云计算高端人才的能力图谱。课程以“云计算是什么”为切入点，逐步延伸至华为云上常见的云服务，以理论讲解与云上实践结合的方式，使学员熟悉与掌握计算、存储、网络服务的基本概念、架构、功能及应用，并简单了解数据库、安全、CDN及EI企业智能服务的基本知识。“华为云人工智能师资培训”则在详尽地讲解神经网络基础知识后，带领学员基于ModelArts一站式AI开发平台完成动物叫声分类、花卉识别与云宝检测应用的初级开发，寓教于乐，使其沉浸式地感受普惠AI的魅力。      华为云贵州云业务部总经理吕河先生为两个技术培训班发表开班致辞时表示，“希望通过这次培训，能更好地推动人工智能技术结合本地特色在本地的落地，能更好地携手企业及高校联合为AI的技术研发、人才培养与储备提供坚实力量”。（技术培训班学员认真学习听讲）    学员们也纷纷表示本次培训使其受益匪浅。来自贵州的学员王先生表示，“通过这次学习增强了自身为产业发展服务的能力，体验了华为云在数字人才培育上的专业度，也对贵州未来数字经济的发展充满信心”。参加人工智能师资培训的张老师认为，“这次学习让我了解了大数据和云计算相关的前沿知识和技术，更明确地感受到人工智能将更好地服务于人们的生活，推动时代进步。也相信本次培训为推动人工智能技术在贵州本地的落地以及 AI人才的培养与储备提供了坚实力量，起到了积极的作用”。    未来，华为云开发者学堂将继续致力于数字人才的培养，并与各个高校、行业客户、伙伴一起构建数字知识平台，为全球华为云客户打造一站式的“学练训考”学习平台，推动各产业创新，促进高质量数字人才的培育孵化。云聚未来，共建数字人才生态。让云无处不在，让智能无所不及，共建智能世界云底座！    学以致用，云世界大有可为！更多华为云培训服务精彩内容，请关注华为云开发者学堂。（https://edu.huaweicloud.com） 

完成本实验贴任务视为支持 物联网的数字化发展与生态构建，更依赖低代码开发平台还是标准物模型平台？正方观点√正方观点：更依赖低代码开发平台活动时间：2021年12月23日~2022年1月16日 参与方式：1、按照demo操作实验  （实验demo见本贴附件）2、按照要求生成实验结果截图，反馈到此活动贴 特别说明：请务必完成年终活动报名：点击报名请务必按照以下格式要求进行回帖，否则无法计算奖励：1、华为云账号：xxx（即右上角的字母数字组合ID）2、任务截图：（请露出右上角的华为云账号信息） 注意事项：1、请务必使用个人账号参与活动（IAM、企业账号等账号参与无效）2、 本次活动规则详见：https://bbs.huaweicloud.com/forum/thread-174300-1-1.html参与博文写作，还能另外获奖喔点击了解

活动贴：[7天实战营-活动公告] 【打卡帖】【7天大数据分析实战训练营】每日打卡，赢取阶段奖励~实践总结：day1：day2：华为云大数据分析7天训练营（二）-云社区-华为云  https://bbs.huaweicloud.com/blogs/289063day3：具体课件整理详见  华为云大数据分析7天训练营（三）-云社区-华为云  https://bbs.huaweicloud.com/blogs/289572第三章 打破数据孤岛异构数据源联合分析业务创新实践学习笔记1.异构数据源商业价值各种场景下的数据,往往需要使用各种不同的大数据产品进行数据的存储与处理。而不同来源的数据,需要联合分析才能发挥其最大价值。DLI通 过SparkData的 Source能力,连接不同数据源,实现不同服务之间的跨源分析计算。同时,DLI提供基于SQL的计算集群 与定制化的Spaserverless计算集群。用户可以编写简单的SQL语句,也可以自定义复杂的 Spark程序来实现跨源分析。2.企业智能化数据经营分析数据湖探索(DLI)服务多源数据分析架构企业H需要对其产品、经销商与销售订单进行信息管理，通过以下2种业务场景及解决思路更好的了解了数据湖探索(DLI)服务多源数据分析架构场景一:计算经销商B1每月Mate20销量与销售额解决方案:每个月的销量数据存放在CT的订单信息中,可以使用分组聚合的方式按月计算销量;而商品信息存放在DWS中,要使用D的跨源多表联合能力,计算出销售额(销量*单价)场景二:预测经销商B1下月Mate20销量解决方案:MLS是深度集成DLI的机器学习服务,为用户提供简易的工作流操作界面来实现数据的智能分析,如销售预测等。MLS支持通过OBS读取数据并结合创建的工作流,转换成 Spark作业提交到DLI后台运行。day4：华为云大数据分析7天训练营（四）-云社区-华为云  https://bbs.huaweicloud.com/blogs/289827结果数据一直查不到 郁闷了day5：day6：day7：华为云大数据分析7天训练营（七）使用DGC实现每日动态发布电影排行榜-云社区-华为云  https://bbs.huaweicloud.com/blogs/292330

此贴为《华为云原生大数据serverless服务DLI》课后操作任务打卡专用查看更多操作任务请点击：》》点击前往《《查看全部活动任务&信息请点击：》》点击前往《《按要求完成考核打卡可获得活动积分  +20积分》》参与活动前请先点击这里报名活动《《本实验逻辑ecs用来模拟数据流流式数据通过kafka接入DLI进行流式数据分析DLI分析后的数据结果存在rds参与考核中可能会存在使用产品的情况，请提前领取课程专属免费试用：（1）https://activity.huaweicloud.com/Date-free.html（2）https://activity.huaweicloud.com/free_test/index.html领取时请注意数据中心节点与实验要求一致！！！推荐  华南-广州 实验请联系小助手开通白名单提供信息：截图中的 我的凭证-API凭证-项目ID&所属区域【项目ID】↓联系小助手企业微信↓ 操作考核方式：《华为云原生大数据serverless服务DLI》课后操作任务用户前往 》》课程报名《《 课程，并按照操作文档进行操作，按照指导完成实验，最后按照要求截图+华为云账号回复至本帖内，视为完成任务。在步骤6中项目名称使用此贴右上角华为云账号昵称需要截图截出步骤7中的结果，并显示用户名称，无名称则无效将截图回复至本帖活动规则：a. 回复非按要求的图片，视为无效楼层。b.按照规定完成打，并按照规定将帖子截图回复到本帖可获得20积分课程积分完成三个操作任务并对应回复截图后，可获得实体证书请在此问卷中登记信息：https://devcloud.huaweicloud.com/expertmobile/qtn?id=bcdc4692db4a48f5808bce295ebd0666更多活动信息请查看：https://bbs.huaweicloud.com/forum/thread-166386-1-1.html

近日，全球权威信息与分析咨询公司IDC发布《中国政务大数据管理平台市场厂商评估，2021》报告，华为基于政务云底座和FusionInsight大数据云服务套件打造的政务服务数据共享平台，凭借深刻的行业理解、领先的技术优势和优异的市场成绩，在能力、战略和市场表现方面，连续多年位列业界领导者位置。这是继今年8月份华为云在IDC发布的《中国政务云基础设施市场份额，2020：泾渭分明》中连续4年蝉联中国政务云基础设施市场份额第一之后，获得的又一个行业认可。IDC认为2019 和 2020 年是政务大数据管理平台蓬勃发展的两年，报告指出，政府行业数字化建设全面进入"平台重构"的创新整合阶段。政务大数据管理平台的建设，从以共享交换平台为中心的政务数据共享通道建设阶段，过渡到以数据治理为中心的政务大数据平台建设阶段，进而为将来公共数据的开发利用奠定基础。通过对自身数字化转型和数据治理工作进行系统性总结，华为云凝聚了大量数据治理和数字化转型方面的经验、规范、模型和解决方案，从技术、流程、管理等多个维度，总结出行之有效的方法论。聚焦大数据技术创新和发展，将构建政务大数据管理平台作为数字政府建设的关键基础能力，助力政府优化服务能力，提升监管水平，精准政府决策，打造出诸如“数字江苏”、“广西政府智能体”、贵州“省域数据自治与要素流通”、北京“政务数据目录区块链”、深圳“秒报秒批一体化”等一大批区域标杆。华为云Stack作为政务云底座，通过持续打造和演进FusionInsight大数据云服务解决方案，引领"云原生数据湖"、“湖仓一体”、“图引擎”、“跨域协同计算”和“可信联邦计算”等技术变革，为客户提供高性能、高可靠性、高扩展性、安全自主的大数据底座，结合全套的数据治理工具和丰富的数据服务手段，与合作伙伴一起形成从应用层到数据层再到基础设施层的端到端解决方案，支撑政府客户全量数据的实时分析、离线分析、交互查询、实时检索、多模分析、数仓集市、数据接入治理、图计算、隐私计算等大数据分析场景，加速释放数据价值，为政府决策、公共服务、城市治理、产业创新等应用提供服务。同时，关注安全保障体系和标准规范体系建设，保障数据质量与安全。目前，华为云已和全国多个城市合作建设“一城一云”，通过“云原生2.0×分布式”的平台技术，打造更具韧性和创新能力的城市数字平台，赋能城市智慧治理、惠民服务、产业发展方方面面，从资源集约化到应用的集约化，激活数据要素价值，赋能业务创新。华为致力于支撑数字政府建设和发展，基于多年数字政府建设实践经验，在数字政府顶层设计标准化研究，数字政府咨询与评估体系建设和构建数字政府新生态等方面持续深耕，不断进取，助力各级政府推进国家治理体系和治理能力现代化建设。更多精彩文章：https://bbs.huaweicloud.com/forum/thread-66105-1-1.html 

人工智能已成为引领新一轮科技革命和产业变革的重要驱动力量和战略性技术。本文采用无监督聚类、复杂网络结构洞和突发检测算法对人工智能高水平会议论文进行深度挖掘分析，梳理人工智能领域的关键技术，全面刻画人工智能领域整体技术结构，洞悉关键技术分布和研发态势，明确人工智能领域代表性国家与机构。研究发现：人工智能领域共包含14个大类、132项热点技术，主要分布在机器学习、自然语言处理、计算机视觉和机器人等子领域，如一眼模仿学习、智能自动问答、光度立体视觉、多传感器融合等；共性技术则主要分布在机器学习子领域，分类、回归、搜索等基础算法以及优化理论方法等共性技术为其他子领域研究实践奠定坚实基础；新兴技术主要集中在深度学习方面，生成对抗网络和注意力机制是其中的典型代表，此外还包括强化学习、自主代理和多代理系统等。在人工智能领域代表性国家与机构方面，美国在各热点技术大类下的发文量均位居全球首位，中国整体仅次于美国，但在强化学习、机器人、智能多代理系统研究方面发文量排名相对靠后；国内机构中，中国科学院在多个热点技术大类下的发文量均位居全球前列。 人工智能是指研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门技术科学。这一概念自1956年被提出后，已历经半个多世纪的发展和演变。21世纪初，随着大数据、高性能计算和深度学习技术的快速迭代和进步，人工智能进入新一轮的发展热潮，其强大的赋能性对经济发展、社会进步、国际政治经济格局等具有重大且深远的影响，已成为引领新一轮科技革命和产业变革的重要驱动力量，是推动人类进入智能时代的核心和重要抓手。 发展热潮之下，全球主要国家积极在人工智能领域深耕布局，国际竞争日益激烈。2017年7月，我国发布《新一代人工智能发展规划》，明确将人工智能作为国家未来重要发展战略，并确定中国人工智能发展“三步走”战略目标，到2030年实现人工智能理论、技术与应用总体达到世界领先水平，成为世界主要人工智能创新中心；2018年3月，法国总统宣布启动15亿欧元的人工智能计划，将在法国建设一个国际级的研发中心，完善数据领域政策，培养法国在人工智能领域的人才，并对技术革新的伦理和规制问题进行反思，以推动法国跻身人工智能领域的领军者行列；2018年4月，欧盟委员会计划2018—2020 年在人工智能领域投资240亿美元；2018年11月，德国联邦内阁通过人工智能国家战略，计划2025年前在联邦层面投入30亿欧元，旨在人工智能领域新增100名教授席位并资助扩建人工智能研发中心；2019年2月，美国总统特朗普签署行政令，启动“美国人工智能倡议”，该倡议提出研发、资源调配、政策、人力资源培养和准备、国际合作五项发展重点领域，以维护美国人工智能领导力。 与此同时，人工智能产业蓬勃发展，全球产业界纷纷调整发展战略，人工智能创新创业如火如荼。2017年，谷歌和微软陆续将企业发展战略和愿景转向人工智能；百度也于2017年将公司使命更改为“用科技让复杂的世界更简单”，希望百度从全球最大的中文搜索引擎彻底转型人工智能科技公司；自2013年以来，全球和中国人工智能行业投融资规模都呈上涨趋势，2017年全球投融资总规模达395亿美元。 人工智能作为一门综合和高度复杂的技术科学，其发展离不开底层多类型关键技术的研发突破和支撑。厘清人工智能领域的关键技术，把握技术现状和发展趋势，将为国家前瞻性战略布局、企业研发重心调整、科研机构和研究人员合理选题提供重要情报参考。2019年3月，李总理在政府工作报告中再次提及人工智能产业的发展，提出要“深化大数据、人工智能等研发应用”。相较于2017年的“加快人工智能等技术研发和转化”和2018年的“加强新一代人工智能研发应用”，“深化”一词不仅反映出我国人工智能发展呈现层层递进和逐步深入的良好态势，也体现了热潮之后我国政府对人工智能的持续重视和未来发展展望。我们应牢牢把握人工智能关键技术和发展方向，明确中国人工智能发展的短板领域和技术，切实响应国家需求，推进人工智能各项战略规划的快速稳健实施，加快人工智能专业型人才和通用型人才培养，构建体系化队伍，加大对人工智能学术及产业力量的扶持力度，培育并打造人工智能发展的中流砥柱，以期人工智能强大的赋能性为经济社会发展注入新的动能。因此，本文以人工智能领域高水平会议论文为分析对象，采用无监督聚类方法、复杂网络结构洞理论和突发词检测算法开展深度挖掘分析，梳理人工智能领域的热点技术、共性技术和新兴技术，以期全面了解人工智能领域整体技术结构，洞悉关键技术分布和研发态势，明确人工智能领域代表性国家与机构。 **1 数据来源与研究方法** **1.1 数据来源** 科技论文记载了科学研究和技术研发活动的大量高价值信息，反映了科技成果诞生的初始状态，是关键技术挖掘的重要数据资源。而在计算机领域，高质量会议论文在学界有着较高的关注度和认可度，同时，相对于期刊论文，会议论文的时效性更好，一定程度上代表着该领域最新、最热的研究内容，本文综合专家咨询意见及数据的可获得性，以中国计算机协会推荐的人工智能领域高水平国际学术会议（A类和B类，共19种）为基础数据源（表1），利用Scopus数据库检索并下载题录数据，包括发表年、标题、关键词、摘要等，时间跨度为2015—2018年，检索时间为2019年1月22日，共18956篇论文，作为人工智能领域关键技术分析挖掘的数据基础。 **1.2 研究方法** 1.2.1 关键技术概念界定 对科技论文内容进行深度挖掘，旨在梳理发现人工智能领域的关键技术，具体包括热点技术、共性技术和新兴技术三类。本文对三类关键技术的概念界定如下： **1）热点技术：**某学科领域内，近年来受到科研人员广泛关注并已产出相应研究成果的主要研究方向和技术主题，反映了学科领域的研发现状和技术结构全貌； **2）共性技术：**对学科领域内其他研究方向和技术主题产生广泛影响、其研究成果可供参考借鉴和分享使用的一类技术，反映了学科领域的重要研发基础和技术前沿，是学科领域内的“思想源泉”或“集大成者”； **3）新兴技术：**某学科领域内，最新出现且短时间内受到广泛关注的研究方向和技术主题，反映了学科领域内具有重要潜在影响的新近研究热点。 1.2.2 研究思路与方法 本文采用无监督聚类方法、复杂网络结构洞理论以及突发检测算法开展人工智能领域关键技术挖掘分析，研究思路如图1所示。 具体研究过程及方法包括： **1）基于K-means++聚类的热点技术挖掘分析** 本文基于python语言，利用NLTK包对会议论文文本数据（标题、摘要和关键词）进行预处理，包括分词、词性标注、词干提取、词性还原、停用词过滤等，利用TF-IDF方法对文本进行向量化表示，采用K-means++算法对数据进行聚类，对各个聚类簇进行解读和调研，形成人工智能领域的热点技术。 **2）基于复杂网络结构洞理论的共性技术挖掘分析** 结构洞理论形容非冗余的联系，指在社会网络中的某个或某些个体与部分个体发生直接联系，但与其他个体不发生直接联系的现象，从网络整体看好像网络结构中出现了洞穴（图2）。结构洞能够为其占据者获取“信息利益”和“控制利益”提供机会，Raider 的实证研究表明：结构洞占据者的位置对信息控制、识别以及交易起着重要的作用。近年来，已有相关学者利用结构洞理论开展共性技术或基础技术的识别，如江娴、叶春蕾、王海龙等。结构洞反映了节点对网络资源的控制能力，占据结构洞的节点能够获取来自多方面的非重复性信息，反映在学科领域研究上，占据结构洞的研究方向更有可能是“思想源泉”或“集大成者”，即领域共性技术，可对学科领域内其他研究方向产生广泛影响。 本文以K-means++聚类得到的热点技术聚类簇为节点，计算聚类簇质心向量间的相似性，以此作为节点间连接和权重的依据，构建网络。基于复杂网络结构洞理论，计算网络中各节点的限制度指标，以此反映节点在网络中运用结构洞的能力。节点的限制度指标值越小，代表节点拥有的结构洞越多，运用结构洞的能力越强，所占据的“信息利益”和“控制利益”越大，以此识别人工智能领域的共性技术。 **3）基于Burst Detection算法的新兴技术挖掘分析** 本文以清洗后的会议论文关键词为分析数据，采用Sci2 tool工具的Burst Detection算法探测最新出现且短时间内受到广泛关注的新兴技术。 **2 人工智能领域关键技术分析** 2.1 人工智能热点技术 人工智能领域的热点技术代表近年来的主要研究方向和技术主题，反映出人工智能领域的技术结构全貌。结合轮廓系数的计算结果，确定聚类簇数量K=140时，具有较好的聚类效果。经人工判读，140个聚类簇中共有132个有效类和8个混杂类。以132个有效类作为节点构建网络，并进行可视化和模块划分，最终形成14项技术大类（图3及表2）。中国和美国在14项技术大类下发文量的全球排名，以及各技术大类的Top5优势机构列举如表3。 机器学习子领域的技术大类包含机器学习算法及应用、强化学习算法、近似及优化算法和规划问题共4项。其中，热点技术主要包括回归、聚类、分类、近似、估计和优化等基础算法的改进研究；迁移学习、多核学习和多视图学习等新型学习方法；策略网络和时间差分学习等强化学习基本方法；机器人及多代理系统计划、路径规划等问题研究；机器学习算法在事件检测、位置识别和社交网络分析中的应用以及强化学习在智能决策中的应用研究。在上述4项技术大类中，美国发文量均居全球首位，中国在机器学习算法及应用、近似及优化算法和规划问题研究方面仅次于美国，但强化学习研究发文量居全球第5位，相对靠后。国内机构在机器学习算法及应用、规划问题研究方面表现较为突出，中国科学院、清华大学和北京大学的发文量位居全球前列。 自然语言处理子领域的技术大类包含自然语言处理技术和自动问答技术共2项。其中，热点技术主要包括特征提取、语义分类、词嵌入、主题模型、关系抽取与分类、知识图谱、注意力模型和长短期记忆模型等基础技术研究，还包括智能自动问答、机器翻译、情感分析、推荐系统等应用研究。在上述2项技术大类中，美国发文量均居全球首位，中国紧随其后。中国科学院在这2项技术大类的发文量均居全球前列，清华大学和北京大学也表现不俗。 计算机视觉子领域的技术大类包含图像处理技术、视频处理技术、图像匹配技术、视觉跟踪技术和对象检测技术共5项。其中，热点技术主要包括视频图像分割、对齐、检测、识别及跟踪所涉及的核心技术研究；三维重建、光度立体视觉、相机校准、行人再识别、人脸对齐与关键点检测等应用研究。在上述5项技术大类中，也都是美国发文量居全球首位，中国紧随其后。中国科学院在图像匹配和视觉跟踪技术上的发文量均居全球首位，在图像处理和视频处理技术上也位居全球前列，此外，浙江大学、大连理工大学和清华大学也表现不俗。 机器人子领域的热点技术主要包括机械手、抓握、行走、感知和驱动等智能控制技术研究，同时还包括外骨骼机器人、服务机器人和机器人传感器等硬件基础和软件优化研究。此外，人工智能领域的热点技术还包括智能多代理系统，以及众包、拍卖、市场定价、能源管理和隐私保护等相关问题的研究。在上述技术大类中，美国发文量均居全球首位，中国在机器人和智能多代理系统研究方面发文量居全球第7位，相对靠后。同时，国内机构在上述技术大类下的发文量均未能进入全球Top5。 2.2 人工智能共性技术 人工智能领域的共性技术可对其他研究方向和技术主题产生广泛影响，反映出人工智能领域的重要研发基础和技术前沿。以人工智能领域热点技术分布网络（图3）为对象，计算网络中各节点的限制度指标并升序排列，取Top20的热点技术作为人工智能领域的共性技术（表4）。 机器学习子领域占据15项共性技术，包括推理、特征选择与特征学习、图论、分类、搜索、回归等基础算法研究，以及约束优化、网络优化、最优化理论、损失函数及优化等机器学习算法优化方法探索，还包括序列学习、树学习、长短期记忆模型、多示例学习等新型学习方法实践，此外，也涉及到机器学习算法在生存预测、人机关系推断、药物不良反应预测方面的应用研究。由此可见，机器学习方法强大的赋能性推动了人工智能技术和应用的发展升级，各类机器学习共性技术为其他子领域研究实践奠定了坚实的方法和算法基础。 计算机视觉子领域占据3项共性技术，包括位置识别和图像对齐所涉及的核心技术研究，此外，还包括多标签对象识别、人脸识别、纹理识别、零次动作识别等机器视觉识别技术的研究和应用实践。机器人子领域中，传感器技术及应用作为一种共性技术，对于机器人的智能控制起到非常重要的作用，使其拥有类人的感知功能和反应能力，其中，分布式传感器网络、多传感器融合以及嵌入式微流体应变传感器等新型传感器是当下的技术研发前沿。 2.3 人工智能新兴技术 人工智能领域的新兴技术代表最新出现且短时间内受到广泛关注的研究方向和技术主题，反映出人工智能领域内具有重要潜在影响的新近研究热点。以会议论文关键词为分析数据，采用Sci2 tool工具的Burst Detection算法计算各个关键词的突发指标，根据突发权重和突发等级降序排列，选取最高突发等级且尚未进入突发稳定状态的Top15关键词作为人工智能领域的新兴技术。 在人工智能领域的新兴技术中，深度学习技术出现频率最高，包括深度神经网络、对抗网络、对抗学习、注意力机制、深度卷积神经网络、长短期记忆网络等。其中，生成对抗网络和注意力机制近年来的研究热度快速上升，已成为深度学习非常重要的模型和工具，前者可用于真实数据的建模与生成，如图像、视频、自然语言和音乐等，后者则在图像处理、语音识别和自然语言处理方面有广泛应用。此外，强化学习、案例推理和演化算法等机器学习方法，图像增强、信号编码等计算机视觉技术，以及自主代理和多代理系统等均为人工智能领域的新兴技术。 **3 结论** 基于人工智能高水平会议论文数据，利用无监督聚类、复杂网络结构洞理论和突发检测算法，从热点技术、共性技术和新兴技术三个方面挖掘分析人工智能领域的关键技术。根据上述分析结果可知： 人工智能领域共包含14个大类、132项热点技术，其中，机器学习子领域的热点技术主要包括基础算法的优化改进和实践应用，以及迁移学习、强化学习、多核学习和多视图学习等新型学习方法的研究探索等；自然语言处理子领域的热点技术主要包括特征提取、语义分类、词嵌入等基础技术和模型研究，以及智能自动问答、机器翻译等应用研究；计算机视觉子领域的热点技术主要包括视频图像分割、对齐、检测等所涉及的核心技术研究，以及三维重建、光度立体视觉、行人再识别等应用研究；机器人子领域的热点技术主要包括机械手、抓握、行走、感知和驱动等智能控制技术研究，以及外骨骼机器人和机器人传感器等硬件基础和软件优化研究。 人工智能领域的共性技术主要分布在机器学习、计算机视觉和机器人子领域，其中，机器学习方法强大的赋能性推动了人工智能技术和应用的发展升级，各类机器学习共性技术为其他领域研究实践奠定了坚实的方法和算法基础。 人工智能领域的新兴技术主要集中在深度学习方面，生成对抗网络和注意力机制是其中的典型代表，此外，新兴技术还包括强化学习、自主代理和多代理系统等。 人工智能作为一门基础研发和实践应用并重的技术科学，其热点技术既包含机器学习基础算法的改进优化，也涵盖自然语言处理、计算机视觉和机器人等通讯、感知和行动层面的应用研究。而通过热点技术遴选得到的共性技术则赋能了人工智能基础研发和实践应用进步，机器学习基础算法在不断进化的同时，也为相关研究方向提供了新思路、新方法和新手段，同样，机器视觉核心技术和传感器技术在也分别在计算机视觉和机器人领域起到至关重要的作用。热点技术和共性技术旨在揭示人工智能领域的技术全貌及核心技术方向，而新兴技术则从关键词层面细粒度揭示突发的技术研究内容，深度学习中的生成对抗网络和注意力机制作为人工智能新兴技术的典型代表，具有广泛的实践应用场景，对人工智能发展具有重要的潜在影响。 人工智能已成为全球重点关注的研究和发展领域，国际竞争日益激烈。美国在人工智能领域各热点技术大类下的发文量均位居全球首位，且遥遥领先于其他国家。中国在机器学习、自然语言处理、计算机视觉等多个技术大类下的发文量仅次于美国，但在强化学习、机器人、智能多代理系统研究方面发文量排名相对靠后，与美国、德国、法国、日本和英国等国家存在一定差距。此外，中国科学院在多个技术大类下的发文量均位居全球前列，清华大学、北京大学、浙江大学和大连理工大学也表现不俗，但与卡内基梅隆大学、微软研究院、麻省理工学院等美国著名高校和企业存在不小差距。