AI模型不同場景算力需求

1. 給人工智慧提供算力的晶元有哪些類型

給人工智慧提供算力的晶元類型有gpu、fpga和ASIC等。

GPU，是一種專門在個人電腦、工作站、游戲機和一些移動設備（如平板電腦、智能手機等）上圖像運算工作的微處理器，與CU類似，只不過GPU是專為執行復雜的數學和幾何計算而設計的，這些計算是圖形渲染所必需的。

FPGA能完成任何數字器件的功能的晶元，甚至是高性能CPU都可以用FPGA來實現。 Intel在2015年以161億美元收購了FPGA龍 Alter頭，其目的之一也是看中FPGA的專用計算能力在未來人工智慧領域的發展。

ASIC是指應特定用戶要求或特定電子系統的需要而設計、製造的集成電路。嚴格意義上來講，ASIC是一種專用晶元，與傳統的通用晶元有一定的差異。是為了某種特定的需求而專門定製的晶元。谷歌最近曝光的專用於人工智慧深度學習計算的TPU其實也是一款ASIC。

(1)AI模型不同場景算力需求擴展閱讀：

晶元又叫集成電路，按照功能不同可分為很多種，有負責電源電壓輸出控制的，有負責音頻視頻處理的，還有負責復雜運算處理的。演算法必須藉助晶元才能夠運行，而由於各個晶元在不同場景的計算能力不同，演算法的處理速度、能耗也就不同在人工智慧市場高速發展的今天，人們都在尋找更能讓深度學習演算法更快速、更低能耗執行的晶元。

2. 海康威視ai演算法怎麼設置海康威視AI隱患識別如何設置 演算法

摘要 海康威視在去年的基礎上，展現了更多產品方案的落地與思考，如打造「兩池一庫四平台」等產品實現基礎能力和數據的開放。也許是因為行業傳統思維仍在，有人認為是「炒冷飯」，但如果深入理解，事實並非如此。去年提出架構，今年落地相應軟硬體產品，這些部署都可以看出海康威視在定義AI能力的實現方式。

3. 「AI技術+招聘場景」何時才能成為現實

如今，「AI技術+招聘場景」結合的各種應用開始成為現實。未來的話，AI技術在招聘行業的應用很有可能全面的去替代專業的HR。我們可以拭目以待。

近日，拉勾網宣布上線全新的企業及招聘者身份審核機制，並引入網路AI協作板塊，引入人臉識別等智能方式審核驗證企業HR身份與資質，未來還將用人工智慧技術核驗營業執照、工牌、在職證明，以及用於簡歷、聊天記錄等內容的風險控制。

繼去年AlphaGo擊敗圍棋世界冠軍以來，AI技術商業化應用的速度明顯加快，在交通出行、家庭服務、醫療、商業、招聘等領域，開始替代人工完成一部分工作。一些從業者在享受AI技術帶來便利的同時，也感到了壓力。

機器人篩簡歷速度「秒殺」人類，但靈活性不足

幾個月前，一場由獵聘主辦，被稱為招聘領域的「人機大戰」用比分給出了答案。這次挑戰者來自互聯網公司的五位資深HR和獵頭，參賽雙方要從3700萬簡歷中快速篩選出10份與招聘職位需求最匹配的簡歷。

這是一場圍繞職位要求和候選人進行匹配的比賽，包括技術崗與產品崗位兩種職位。完成簡歷的篩選匹配後，評審團需要從職能、技能、行業、薪資、學歷、地區匹配度等六個維度對參賽選手進行打分，總分（滿分為25分）最高者則被視為贏得本次比賽。

隨著藍色屏幕亮起，人類與AI機器人比分為18.96：18.60。結果顯示，完成整個比賽事項，AI機器人僅用了0.0152秒，是人類平均速度的63882倍；在職位匹配度、地區匹配度上，機器人的匹配效率高於人類；在技能匹配度上，兩者則打了個平手。

盡管以0.36的微弱分值敗於人類，但AI機器人「在人崗匹配、在對人的理解方面」，仍然超出了獵聘網創始人兼CEO戴科彬的預期。「在簡歷搜尋的任務中，地區、薪資等方面是比較簡單直接的條件，所以演算法可以通過簡單邏輯實現而且不會犯錯誤；在行業背景和技能要求方面，通過運用神經網路和自然語言處理等技術，演算法已經能夠進行較為准確的理解和相似度的判斷。」這款伯樂機器人的設計者、獵聘首席數據官單藝告訴中國青年報·中青在線記者，目前AI機器人已經能夠較好地理解大部分的顯性要求，如職能、技能、薪資、學歷、地區等，演算法的匹配水平能夠和專業招聘人員相當；但是在需要面對面溝通的隱性條件，如文化、價值觀、氣質等方面，演算法還無法替代人的溝通和判斷。

在結果中，機器人和人類在學歷匹配度上差距最大，而造成這個差距的原因，主要是機器人不能識別「專升本」屬於哪一種學歷類型。這也體現了機器人思維的靈活性較為有限。對此，單藝解釋稱，針對「本科以上」的職位要求，在設計機器人演算法時，便「專升本」判定為符合條件；但事實上，在很多招聘官（尤其是高端獵頭）看來，專升本是不如本科的。因而這一篩選結果引發了在場幾位評委的不同意見，「機器人在根據企業、HR偏好，對於人才軟性指標做出個性化選擇方面，仍然不夠。」

評委團成員之一，阿里巴巴大文娛招聘專家周曉磊認為，在大規模地從海量簡歷中選人方面，機器人和人類的差距幾乎可以忽略不計，AI機器人更能夠提升整體的招聘效率。

機器人在篩選簡歷的速度上遠超人類，這已不是什麼新鮮事。據報道，今年3月，在北美著名獵頭公司SourceCon舉辦的一場行業競賽中，一個基於人工智慧對求職者進行篩選評級的機器人「Brilent」，僅用了3.2秒，就從5500份簡歷中篩選出了合適的候選人，精確度在參賽者中位列第三。這個團隊基於成員在Facebook時積累的數據結構化處理和細化領域匹配經驗，利用AI技術，將符「人崗匹配」的求職者進行排序，讓HR從機械、繁瑣的簡歷篩選中解脫出來，能夠更聚焦於後續的面試選擇流程。

高精度人崗匹配：讓人工智慧學習HR怎麼做招聘

今年6月，戴科彬宣布，獵聘要通過大數據以及人工智慧方面的探索，進一步提升招聘效率，豐富招聘生態；9月12日，創新工場董事長、CEO李開復在「2017中國人工智慧峰會」上表示，人工智慧要真正做到取代人力，還需要有充分的數據量以及精準的場景作為前提。

從簡單的職位信息羅列分類，到基於大數據挖掘的人崗匹配系統，近幾年，已經有不少全行業在線招聘企業通過數據積累，形成了自己的「人才庫」。在此基礎上，依據簡歷信息或職位要求，進行人和職位的匹配，已經成為現階段人工智慧技術在招聘領域的主要應用。

據媒體報道，從2016年7月到2017年6月，AI的應用已經逐漸擴散到了全球68個國家的招聘環節中，在過去一年多里，聯合利華就已在北美地區嘗試利用人工智慧招聘員工，涵蓋了用演算法篩選簡歷、游戲測驗、人臉識別等方式，甚至不需要人類面試官參與。在國內，截至今年7月，也有不下10家初創公司號稱是人工智慧+招聘的領導者，力求通過技術解決招聘人力成本高、實際轉化率低等招聘端與求職端信息不暢的問題。

成立於2016年的互聯網智能招聘平台牛直聘所採取的方式是，通過簡歷分解、個性化推薦等方式，對企業（尤其是中小型企業）職位與簡歷實現精準綜合匹配；初創招聘平台Teamable則運用AI演算法挖掘應聘者的社交網路數據，力圖從社交記錄切入，打造精準的人才推薦閉環；而垂直於校園招聘領域的迷你校，也通過數據挖掘和AI演算法設計智能匹配模型，針對不同企業自動篩選推薦簡歷，並對0~3年職業經歷的求職者提供建議。

但單藝始終強調，在招聘行業，人工智慧僅僅是一項工具，並不能代替人類，而是「幫人類作出更准確、更有依據的判斷，讓獵頭和HR從事更有價值和創造性的工作。」從某種程度上說，人工智慧在招聘領域的應用，在對行業經驗要求不高的中低端人才或職位招聘中更容易得到推廣。

一位專注於消費品行業中高端人才的獵頭顧問對中國青年報·中青在線記者坦言，盡管每天需要頻繁變換關鍵詞搜索人才庫的簡歷、打十幾個電話與候選人聯系，但這一過程所需要的隨機應變等帶有鮮明社交屬性的專業溝通經驗，是人工智慧難以達到的。

「越是高端的人才、重要的高管職位，企業的HR越慎重，越需要專業的獵頭對接。」北京億聘世紀管理咨詢公司總經理王廣元也提出，諸如對產品經理等職能崗位的候選人，還要通過產品設計思路等軟性指標進行考量，「這對於機器來說是一個弱勢」。戴科彬指出，「人工智慧不能馬上替代獵頭，供需雙方數據不足是根本原因。」他提到，人崗匹配對招聘平台所掌握的求職者數據，以及企業方提供的需求描述均提出了較高需求，加上招聘的動態性和靈活性，在完善智能產品的同時，「人的因素在人工智慧招聘中有著不可替代的作用。」

在時下的秋招季中，面對批量湧入求職端的應屆生和供需不平衡的校園招聘市場，單藝期待，未來，AI技術可以通過分析市場職位的供求數據、挖掘企業的個性需求，提前給予適合應屆生的就業指導，拓寬他們的眼界和選擇范圍，讓企業和應屆生的需求更高效地匹配。

4. 人工智慧三大要素有哪些

人工智慧產業技術的：演算法、計算能力、信息大數據融合，成為人工智慧發展最基本、最基礎的基本三要素。

收集的大量數據，數據是驅動人工智慧取得更好的識別率和精準度的核心因素;

落實在產品應用上，演算法可表現為：視頻結構化(對視頻數據的識別、分類、提取和分析)、生物識別(人臉、虹膜、指紋、人臉識別等)、物體特徵識別(不同物體識別，不同物體代表性物體識別，如：車牌識別系統)等幾大類。

互聯網時代大數據迎來爆發式增長，全球的數據總量都飛快的增長，數據高速積累的同時現有算力根本無法匹配。

傳統架構基礎硬體的計算力也不能滿足大量增長的多數據信息計算的同時，更無法滿足人工智慧相關的高性能計算需求，多PU硬體組合+強大的多功能並行處理計算能力，成為當下人工智慧必備的基本平台。

數據總量飛速的增長、積累的同時，信息數據的收集、整理與融合成為了人工智慧深度學習和演算法升級與服務應用落地的根本，大數據與融合計算成為了人工智慧發展必然的關鍵。

(4)AI模型不同場景算力需求擴展閱讀：

人工智慧需要從大量數據中進行學習，豐富的數據集是其中非常重要的因素，豐富的數據積累，給深度學習創造更加豐富的數據訓練集，是人工智慧演算法與深度學習訓練必備的、不可或缺的良好的基礎。

像戰勝人類的 AlphaGo，其學習過程的核心數據是來自互聯網的3000萬例棋譜，而這些數據的積累是歷經了十多年互聯網行業的發展成鑄就的。可見，所有基於深度學習演算法的人工智慧，均需具備深厚的數據信息資源和專項數據積累，才能取得AI服務應用的突破性進展。

離開了基礎數據，機器的智慧仿生是不可能實現的。廣東傲智在公司成立前，就已經具備行業應用強大深厚的大數據方面的基礎數據信息，這也是廣東傲智能在演算法深度開發、深度學習和計算力平台研發方面發展迅速又有AI針對性的核心競爭力。

5. 華為發布全球最快 AI 運算集群 Atlas900，會對 AI 領域帶來什麼變化

9月18日，華為發布一款重量級的產品——Atlas 900，這款產品匯聚了華為幾十年的技術沉澱，是當前全球最快的AI訓練集群，由數千顆升騰處理器組成。在衡量AI計算能力的金標准ResNet-50模型訓練中，Atlas 900隻用了59.8秒就完成了訓練，這比原來的世界記錄還快了10秒。

「ImageNet-1k 數據集」 包含 128 萬張圖片，精度為 75.9%，在同等精度下，其他兩家業界主流廠家測試成績分別是 70.2s 和 76.8s，Atlas 900 AI 訓練集群比第 2 名快 15%。胡厚昆表示：Atlas 900 的強大算力，可廣泛應用於科學研究和商業創新。比如天文探索、石油勘探等領域，都需要進行龐大的數據計算和處理，原來可能花費好幾個月的工作，現在交給 Atlas 900，就是幾秒鍾的事情。Atlas 900 集成的數千顆升騰處理器，正是前段時間正式商用的升騰 910。

6. 華為發布全球最快AI運算集群Atlas900，會對AI領域帶來什麼變化

9月18日，上海，第四屆華為全聯接大會開幕，華為首次發布計算戰略，基於架構創新、投資全場景處理器族、有所為有所不為的商業策略、構建開放生態進行布局，計算產業新的大航海時代由此開啟。同時，華為重磅發布了全球最快AI訓練集群Atlas 900，加速科學研究與商業創新的智能化進程。

在計算的智能時代，我們認為有三個重要特徵。

第一個特徵，需要超強的算力。統計計算本身就是一種暴力計算，高度依賴於算力。舉個例子，為了讓計算機認識一隻貓，就需要數百萬圖片的訓練，這對算力的消耗是非常驚人的，面向自動駕駛、天文探索、氣象預測等更復雜場景，對算力的需求將會更大。

第二個特徵，計算和智能將會無處不在，而不僅僅是分布在中心側。從中心節點的暴力計算，到邊緣側的專業計算，如基因測序，以及端側的個性計算，如耳機、手機，一起構成了未來智能時代的計算形態。

第三個特徵，端邊雲之間需要高效的協同。中心側負責通用模型的計算，為端側的個性化計算和邊緣側的專業化計算，提供協同支撐。

7. 人工智慧需要什麼基礎

1.基礎數學知識：線性代數、概率論、統計學、圖論
2.基礎計算機知識：操作系統、linux、網路、編譯原理、數據結構、資料庫
3.編程語言基礎：C/C++、Python、Java
4.人工智慧基礎知識：ID3、C4.5、邏輯回歸、SVM、分類器、等演算法的特性、性質、和其他演算法對比的區別等內容。
5.工具基礎知識：opencv、matlab、caffe等
要進入人工智慧行業，首先要有一定的數學功底，因為人工智慧不同於app開發，網頁開發、游戲開發等傳統的互聯網職位，先看看51cto學院人工智慧的課程，會有不少幫助。人工智慧是從數學中的「逼近理論」逐步演化而來的，當今人工智慧所使用的方法，最開始的時候大部分是數學家為了逼近某些比較難表示的非線性函數而使用的。後來隨著計算機性能的提高，計算機工作者，統計學家，開始嘗試用這套「逼近理論」解決一些分類問題。逐步發展成為現在的人工智慧局面。現在屬於人工智慧行業發展初期，各種可用的api函數都比較少，所以自己編寫演算法是必須要會的。
「人工智慧」一詞最初是在1956 年Dartmouth學會上提出的。從那以後，研究者們發展了眾多理論和原理，人工智慧的概念也隨之擴展。人工智慧（Artificial Intelligence），英文縮寫為AI。它是研究、開發用於模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的一門新的技術科學。人工智慧是計算機科學的一個分支，它企圖了解智能的實質，並生產出一種新的能以人類智能相似的方式做出反應的智能機器，該領域的研究包括機器人、語言識別、圖像識別、自然語言處理和專家系統等。人工智慧從誕生以來，理論和技術日益成熟，應用領域也不斷擴大，可以設想，未來人工智慧帶來的科技產品，將會是人類智慧的「容器」。
人工智慧是對人的意識、思維的信息過程的模擬。人工智慧不是人的智能，但能像人那樣思考、也可能超過人的智能。

8. 華為的AI訓練集群適用於哪些場景

近日，華為在全聯接大會上又宣布了一項重大消息，就是華為AI訓練集群Atlas 900要發布了，這款Atlas 900可是由數千個升騰910 AI處理器組成，因此Atlas 900也號稱為全球最快AI訓練集群。那麼，這么牛的AI訓練集群適用哪些場景呢？

具有超強算力的華為Atlas 900能運用到科技這樣重大領域中，不得不讓人對華為刮目相看，因為目前為止還沒有哪家公司那麼牛，能自主研究出那麼強大的AI訓練集群，所以大家也都非常期待華為能給我們帶來更多的驚喜。

9. 亂花漸欲迷人眼,AI如何才能真正落地

人工智慧歷史上經歷過數次沉浮，如今再次被引爆。

從政府、學術界、企業界、投資界到創業者們，無一不將人工智慧視為未來方向;而分析師和媒體從業者們的海量分析報道，更是讓人工智慧快速佔領了每一個普通人的視聽。

於是，正如歷史上每一個產業的興起，人工智慧在歌舞昇平的同時，也逐漸變得有些「亂花漸欲迷人眼」。

從積極的一面來看，人工智慧催生了大量新技術、新企業和新業態，為個人、企業、國家乃至全球提供了新的經濟增長點，甚至將驅動第四次技術革命，創造巨大的價值。

IDC預計，全球人工智慧支出到2020年將達到2758億人民幣，未來五年復合年增長率將超過50%。中國人工智慧技術支出將達到325億元，佔全球整體支出的12%。

從消極的一面來看，盡管人工智慧揭開了一個全新的時代，但也在不斷滋生著「泡沫」，吹捧有之，跟風有之，噱頭有之，近兩年，數十家中美AI創業企業密集倒閉，大量AI創業項目中途夭折，不免讓人感慨，人工智慧是否只是「看上去很美」？

那麼，人工智慧的未來到底會發展成怎樣？如何才能真正落地？如何才能實現規模商業化？盡管人工智慧的概念的提出已經有六十餘年，但理論、技術和應用、商業的結合並沒有太多前人的足跡。

故而，在人工智慧產業的發展中，「拓荒者」和「領頭羊」的角色就顯得尤為重要。

「場景驅動」是AI落地關鍵

在人工智慧的諸多玩家中，阿里巴巴已經正在努力成為這一角色。對於AI的未來，阿里已經有了清晰的認知，以及與眾不同的AI發展路徑。

12月20日，在雲棲大會·北京峰會上，阿里雲總裁胡曉明提出了「AI for Instries」(產業AI)的理念：人工智慧不應僅僅是實驗室里的、PPT里的「概念上的AI」，更應是「產業AI」。

胡曉明表示，「產業AI」的提出，是基於阿里巴巴對人工智慧的三個判斷：

「第一，必須要有場景驅動，我們在解決什麼問題，為這個社會的成本降低了多少，效率提高了多少;第二，在人工智慧背後是否是有足夠的數據來驅動AI能力的提升;第三，是否有足夠的計算能力支撐我們的演算法、深度學習;只有三個場景同時具備的前提下，人工智慧才會有價值」。

阿里將「場景驅動」放在了首位，這正是阿里「產業AI」戰略的核心，也是阿里獨特的AI發展路徑，更是阿里能夠將AI實現落地的獨家秘笈。

和很多企業和機構的做法不同，阿里的AI旅程並不是從實驗室中的研究和討論開始，而是反其道行之，從基礎業務部門開始推動，讓AI從日常場景中「長出來」。

例如，手機淘寶中能夠讓用戶通過拍照的方式實現「以圖搜圖」的「拍立淘」功能，就是源於電商場景，之後通過解決一個個的技術問題，最終形成成熟的AI解決方案。

電商平台為阿里提供了AI生長的優良土壤。大量消費者普遍的、或者個性化的需求造就了不同的應用場景;海量數據為AI提供了充足的「原料」;而阿里雲強大的計算能力則成為了AI實現的加速器。三要素齊備，阿里得以讓人工智慧快速發揮出價值。

事實證明，阿里選擇的這條「自下而上」、「從場景中來」、「再到場景中去」的產業AI路徑方向正確，並行之有效，推動了AI技術在行業應用場景中的真正落地。

「雙11」當天，機器人客服「阿里小蜜」承擔了95%的客服咨詢;機器智能推薦系統生成了超過567億個專屬貨架;AI設計師「魯班」在雙11期間設計了4.1億張商品海報;而阿里華北數據中心運維機器人接替了運維人員30%的重復性工作。

不僅在零售領域，阿里「產業AI」布局已經覆蓋城市、金融、司法、農業、教育、航空、工業、安全、環境、醫療十大垂直領域，並已相繼開花結果，目標以AI技術對垂直產業進行全局重塑。

例如，在金融領域，阿里通過雲計算和智能演算法，將南京銀行申請貸款過程中的人工視頻驗證減少54%;在工業領域，阿里雲ET工業大腦幫助天合光能將電池A品率提升7%;在智慧城市領域，阿里雲ET城市大腦在杭州接管了128個路口的紅綠燈，通過對視頻等數據的全量分析來優化道路運營速度和效率，在試點區域的道路上通行時間減少了15.3%。

在胡曉明看來，過去每一次產業革命都是技術與產業的深度融合，從而引發經濟和社會變革，AI也不例外。未來AI要深入各行各業，去解決生活、生產和社會環境中遇到的棘手問題，這樣才能引領真正的產業革命。

通過「產業AI」布局，阿里正在這條「產業與AI深度結合」的路上漸行漸遠。

「ET大腦」讓行業共享AI紅利

一年前，阿里雲發布了人工智慧ET，全面整合了阿里巴巴的語音、圖像、人臉、自然語言理解等能力。在12月20日的雲棲大會·北京峰會上，阿里雲正式推出整合城市管理、工業優化、輔助醫療、環境治理、航空調度等全局能力為一體的ET大腦，將ET從單點的技能升級為具備全局智能的ET大腦，全面布局產業AI。

ET大腦LOGO

據阿里雲機器智能首席科學家閔萬里介紹，ET大腦的核心能力是「量子拓撲」，其誕生主線要追溯到1905年愛因斯坦發布的關於布朗運動的論文：「從一個巨大的網路上，怎麼樣從這些傳播的表象上找到它最核心的路徑？而這一點恰恰是ET大腦最核心的一個能力，也是與眾不同的能力。」

閔萬里表示，相較於其他AI產品，阿里雲ET大腦將AI技術、雲計算大數據能力與垂直領域行業知識相結合，基於類腦神經元網路物理架構及模糊認知反演理論，實現從單點智能到多體智能的技術跨越，打造出具備多維感知、全局洞察、實時決策、持續進化等類腦認知能力的超級智能體。

ET大腦的發布，意味著阿里雲的AI能力已經從單點技術進化到面向垂直行業的全局能力，在過去的一年中，ET大腦在城市、工業、醫療等領域獲得大量實踐，量變引發質變，進而能夠升級為各行業的「大腦」。閔萬里表示，ET大腦將被設定為一個開放的生態，讓創業公司、開發者和行業公司一起來分享技術的紅利。

除了ET大腦，阿里雲在雲棲大會·北京峰會上還發布了ET航空大腦，用運籌優化、機器學習等人工智慧方法分配停機位，預計每天調度1700架次航班，幫助乘客節省5000個小時，大大提高航班中轉效率，從而降低延誤率。

據閔萬里介紹，為機場提供停機位的智能調度只是ET航空大腦的功能之一，航空大腦還希望深入航空的其他場景。此前，阿里雲天池平台曾聯合廈門航空、白雲機場啟動智慧航空AI大賽，向全球工程師發出邀請，用智能演算法解決航空場景下的問題。未來，ET航空大腦將繼續為航班智能恢復、機場地勤人員調度、航空公司航線規劃等提供人工智慧解決方案，打造智慧航空。

在雲棲大會·北京峰會上，阿里雲還宣布推出具備智能風控、千人千面、關系網路、智能客服等能力的智能決策金融方案——ET金融大腦。

據阿里雲金融事業部總經理徐敏介紹，ET金融大腦可輔助銀行、證券、保險等金融機構實現對貸款、徵信、保險等業務的智能決策及風控監管，可大幅降低資損率，提高信用卡等預測准確率，促進金融機構在互聯網消費金融、中小微企業金融服務等普惠金融方面的探索。

如今，ET金融大腦已經在南京銀行、浙商銀行、廣發銀行等金融機構得到應用，在智能風控、「千人千面」的金融服務、開拓「新金融」商業模式中大顯身手。

推落地促生態，讓AI「普惠」大眾

從《終結者》、《黑客帝國》到《西部世界》，人類表達了對於人工智慧的隱憂，未來，人工智慧是否將代替人類？MIT人類動力學實驗室主任、《智慧社會》的作者Alex Pentland曾經指出，其實我們要憂慮的並非是全球化人工智慧本身，而是它的幕後操縱者。

人工智慧是人類創造的工具。如今，業界更樂於將人工智慧定位於「增強智能」，其目標不是為了代替人類，而是增強人類的能力，為人類生產生活服務。故而，人工智慧不應被封閉在實驗室之中，而是要與人類生產生活緊密結合，普惠大眾。

阿里所提倡的「產業AI」，正是一種將其AI能力開放，普惠大眾的做法。阿里AI能力相繼在城市、工業、汽車、零售、金融、家居、航空等領域落地，在破解行業難題的同時，也切實為普通消費者的生活帶來了改變，讓消費者切實能夠從AI中獲益。

阿里也正在通過開放合作，讓AI能力惠及更多的行業和消費者。

在雲棲大會·北京峰會上，阿里雲和中國電信在安全領域展開合作，雙方將於明年共同推出定製化DDoS防護服務，為中小企業提供普惠安全;新華書店攜手阿里雲，布局智慧書店，在消費側與顧客建立緊密連接，打造全新的「悅讀生活」理念，滿足消費者多元化、個性化的需求。

同時，阿里雲同隆平高科、中信雲宣布達成戰略合作，計劃將ET大腦推進到農業領域，主要用於篩選育種、基建數據化、農事管理、基地選址及農作物生產預測。阿里雲與寶馬中國正式對外宣布，雙方將基於物聯網，為寶馬車主提供從家到車的一站式無縫連接的遠程服務，實現查詢汽車實時狀態以及遠程式控制制車輛的智能生活。

除了將AI技術和行業深入結合，普惠大眾，阿里還在積極參與人工智慧生態的建設和人才的培養，推動人工智慧在中國的加速落地。

在雲棲大會·北京峰會上，阿里雲聯合掌通家園、貝聊、智慧樹、小蟻科技、得圖等廠商發布了「AI視覺守護聯盟」，希望將人工智慧、視頻技術和工業、農業、教育等行業深度結合。

阿里雲深度融入了國家大數據戰略，包括深度參與兩個由政府發起的大數據國家工程實驗室;阿里雲「天池」大數據平台已經聚集了超過11萬名開發者;阿里亦已和307所中國大學開啟了普惠計劃，將雲計算、大數據、人工智慧等新技術帶進高校，培養人才。

綜上，中國人工智慧的發展和落地，既需要「拓荒者」和「領頭羊」，也需要整個生態的繁榮和健康發展。在這個過程中，阿里及其所布局的「產業AI」，都扮演了關鍵的角色。

10. 浪潮AI打造的AIStation開發平台在算力方面有什麼突出表現

浪潮AI打造的AIStation開發平台對算力的作用主要體現在調度方面。AIStation開發平台通過領先靈活的算力調度運行策略為企業級用戶提供穩定、高效的算力輸出，靈活滿足模型開發、調試、訓練等不同場景下的算力需求，從單卡多實例的細粒度劃分，到多機多卡的大規模並行計算，幫助用戶最大限度釋放算力資源，有效提高投資回報率。另外，最新升級的AIStation 3.0，還能提供更彈性的算力運行策略，實現運行環境與運行資源的隔離，開發者可以在不改變運行環境的情況下按需對資源進行伸縮。