AI模型不同场景算力需求

1. 给人工智能提供算力的芯片有哪些类型

给人工智能提供算力的芯片类型有gpu、fpga和ASIC等。

GPU，是一种专门在个人电脑、工作站、游戏机和一些移动设备（如平板电脑、智能手机等）上图像运算工作的微处理器，与CU类似，只不过GPU是专为执行复杂的数学和几何计算而设计的，这些计算是图形渲染所必需的。

FPGA能完成任何数字器件的功能的芯片，甚至是高性能CPU都可以用FPGA来实现。 Intel在2015年以161亿美元收购了FPGA龙 Alter头，其目的之一也是看中FPGA的专用计算能力在未来人工智能领域的发展。

ASIC是指应特定用户要求或特定电子系统的需要而设计、制造的集成电路。严格意义上来讲，ASIC是一种专用芯片，与传统的通用芯片有一定的差异。是为了某种特定的需求而专门定制的芯片。谷歌最近曝光的专用于人工智能深度学习计算的TPU其实也是一款ASIC。

(1)AI模型不同场景算力需求扩展阅读：

芯片又叫集成电路，按照功能不同可分为很多种，有负责电源电压输出控制的，有负责音频视频处理的，还有负责复杂运算处理的。算法必须借助芯片才能够运行，而由于各个芯片在不同场景的计算能力不同，算法的处理速度、能耗也就不同在人工智能市场高速发展的今天，人们都在寻找更能让深度学习算法更快速、更低能耗执行的芯片。

2. 海康威视ai算法怎么设置海康威视AI隐患识别如何设置 算法

摘要 海康威视在去年的基础上，展现了更多产品方案的落地与思考，如打造“两池一库四平台”等产品实现基础能力和数据的开放。也许是因为行业传统思维仍在，有人认为是“炒冷饭”，但如果深入理解，事实并非如此。去年提出架构，今年落地相应软硬件产品，这些部署都可以看出海康威视在定义AI能力的实现方式。

3. “AI技术+招聘场景”何时才能成为现实

如今，“AI技术+招聘场景”结合的各种应用开始成为现实。未来的话，AI技术在招聘行业的应用很有可能全面的去替代专业的HR。我们可以拭目以待。

近日，拉勾网宣布上线全新的企业及招聘者身份审核机制，并引入网络AI协作板块，引入人脸识别等智能方式审核验证企业HR身份与资质，未来还将用人工智能技术核验营业执照、工牌、在职证明，以及用于简历、聊天记录等内容的风险控制。

继去年AlphaGo击败围棋世界冠军以来，AI技术商业化应用的速度明显加快，在交通出行、家庭服务、医疗、商业、招聘等领域，开始替代人工完成一部分工作。一些从业者在享受AI技术带来便利的同时，也感到了压力。

机器人筛简历速度“秒杀”人类，但灵活性不足

几个月前，一场由猎聘主办，被称为招聘领域的“人机大战”用比分给出了答案。这次挑战者来自互联网公司的五位资深HR和猎头，参赛双方要从3700万简历中快速筛选出10份与招聘职位需求最匹配的简历。

这是一场围绕职位要求和候选人进行匹配的比赛，包括技术岗与产品岗位两种职位。完成简历的筛选匹配后，评审团需要从职能、技能、行业、薪资、学历、地区匹配度等六个维度对参赛选手进行打分，总分（满分为25分）最高者则被视为赢得本次比赛。

随着蓝色屏幕亮起，人类与AI机器人比分为18.96：18.60。结果显示，完成整个比赛事项，AI机器人仅用了0.0152秒，是人类平均速度的63882倍；在职位匹配度、地区匹配度上，机器人的匹配效率高于人类；在技能匹配度上，两者则打了个平手。

尽管以0.36的微弱分值败于人类，但AI机器人“在人岗匹配、在对人的理解方面”，仍然超出了猎聘网创始人兼CEO戴科彬的预期。“在简历搜寻的任务中，地区、薪资等方面是比较简单直接的条件，所以算法可以通过简单逻辑实现而且不会犯错误；在行业背景和技能要求方面，通过运用神经网络和自然语言处理等技术，算法已经能够进行较为准确的理解和相似度的判断。”这款伯乐机器人的设计者、猎聘首席数据官单艺告诉中国青年报·中青在线记者，目前AI机器人已经能够较好地理解大部分的显性要求，如职能、技能、薪资、学历、地区等，算法的匹配水平能够和专业招聘人员相当；但是在需要面对面沟通的隐性条件，如文化、价值观、气质等方面，算法还无法替代人的沟通和判断。

在结果中，机器人和人类在学历匹配度上差距最大，而造成这个差距的原因，主要是机器人不能识别“专升本”属于哪一种学历类型。这也体现了机器人思维的灵活性较为有限。对此，单艺解释称，针对“本科以上”的职位要求，在设计机器人算法时，便“专升本”判定为符合条件；但事实上，在很多招聘官（尤其是高端猎头）看来，专升本是不如本科的。因而这一筛选结果引发了在场几位评委的不同意见，“机器人在根据企业、HR偏好，对于人才软性指标做出个性化选择方面，仍然不够。”

评委团成员之一，阿里巴巴大文娱招聘专家周晓磊认为，在大规模地从海量简历中选人方面，机器人和人类的差距几乎可以忽略不计，AI机器人更能够提升整体的招聘效率。

机器人在筛选简历的速度上远超人类，这已不是什么新鲜事。据报道，今年3月，在北美著名猎头公司SourceCon举办的一场行业竞赛中，一个基于人工智能对求职者进行筛选评级的机器人“Brilent”，仅用了3.2秒，就从5500份简历中筛选出了合适的候选人，精确度在参赛者中位列第三。这个团队基于成员在Facebook时积累的数据结构化处理和细化领域匹配经验，利用AI技术，将符“人岗匹配”的求职者进行排序，让HR从机械、繁琐的简历筛选中解脱出来，能够更聚焦于后续的面试选择流程。

高精度人岗匹配：让人工智能学习HR怎么做招聘

今年6月，戴科彬宣布，猎聘要通过大数据以及人工智能方面的探索，进一步提升招聘效率，丰富招聘生态；9月12日，创新工场董事长、CEO李开复在“2017中国人工智能峰会”上表示，人工智能要真正做到取代人力，还需要有充分的数据量以及精准的场景作为前提。

从简单的职位信息罗列分类，到基于大数据挖掘的人岗匹配系统，近几年，已经有不少全行业在线招聘企业通过数据积累，形成了自己的“人才库”。在此基础上，依据简历信息或职位要求，进行人和职位的匹配，已经成为现阶段人工智能技术在招聘领域的主要应用。

据媒体报道，从2016年7月到2017年6月，AI的应用已经逐渐扩散到了全球68个国家的招聘环节中，在过去一年多里，联合利华就已在北美地区尝试利用人工智能招聘员工，涵盖了用算法筛选简历、游戏测验、人脸识别等方式，甚至不需要人类面试官参与。在国内，截至今年7月，也有不下10家初创公司号称是人工智能+招聘的领导者，力求通过技术解决招聘人力成本高、实际转化率低等招聘端与求职端信息不畅的问题。

成立于2016年的互联网智能招聘平台牛直聘所采取的方式是，通过简历分解、个性化推荐等方式，对企业（尤其是中小型企业）职位与简历实现精准综合匹配；初创招聘平台Teamable则运用AI算法挖掘应聘者的社交网络数据，力图从社交记录切入，打造精准的人才推荐闭环；而垂直于校园招聘领域的迷你校，也通过数据挖掘和AI算法设计智能匹配模型，针对不同企业自动筛选推荐简历，并对0~3年职业经历的求职者提供建议。

但单艺始终强调，在招聘行业，人工智能仅仅是一项工具，并不能代替人类，而是“帮人类作出更准确、更有依据的判断，让猎头和HR从事更有价值和创造性的工作。”从某种程度上说，人工智能在招聘领域的应用，在对行业经验要求不高的中低端人才或职位招聘中更容易得到推广。

一位专注于消费品行业中高端人才的猎头顾问对中国青年报·中青在线记者坦言，尽管每天需要频繁变换关键词搜索人才库的简历、打十几个电话与候选人联系，但这一过程所需要的随机应变等带有鲜明社交属性的专业沟通经验，是人工智能难以达到的。

“越是高端的人才、重要的高管职位，企业的HR越慎重，越需要专业的猎头对接。”北京亿聘世纪管理咨询公司总经理王广元也提出，诸如对产品经理等职能岗位的候选人，还要通过产品设计思路等软性指标进行考量，“这对于机器来说是一个弱势”。戴科彬指出，“人工智能不能马上替代猎头，供需双方数据不足是根本原因。”他提到，人岗匹配对招聘平台所掌握的求职者数据，以及企业方提供的需求描述均提出了较高需求，加上招聘的动态性和灵活性，在完善智能产品的同时，“人的因素在人工智能招聘中有着不可替代的作用。”

在时下的秋招季中，面对批量涌入求职端的应届生和供需不平衡的校园招聘市场，单艺期待，未来，AI技术可以通过分析市场职位的供求数据、挖掘企业的个性需求，提前给予适合应届生的就业指导，拓宽他们的眼界和选择范围，让企业和应届生的需求更高效地匹配。

4. 人工智能三大要素有哪些

人工智能产业技术的：算法、计算能力、信息大数据融合，成为人工智能发展最基本、最基础的基本三要素。

收集的大量数据，数据是驱动人工智能取得更好的识别率和精准度的核心因素;

落实在产品应用上，算法可表现为：视频结构化(对视频数据的识别、分类、提取和分析)、生物识别(人脸、虹膜、指纹、人脸识别等)、物体特征识别(不同物体识别，不同物体代表性物体识别，如：车牌识别系统)等几大类。

互联网时代大数据迎来爆发式增长，全球的数据总量都飞快的增长，数据高速积累的同时现有算力根本无法匹配。

传统架构基础硬件的计算力也不能满足大量增长的多数据信息计算的同时，更无法满足人工智能相关的高性能计算需求，多PU硬件组合+强大的多功能并行处理计算能力，成为当下人工智能必备的基本平台。

数据总量飞速的增长、积累的同时，信息数据的收集、整理与融合成为了人工智能深度学习和算法升级与服务应用落地的根本，大数据与融合计算成为了人工智能发展必然的关键。

(4)AI模型不同场景算力需求扩展阅读：

人工智能需要从大量数据中进行学习，丰富的数据集是其中非常重要的因素，丰富的数据积累，给深度学习创造更加丰富的数据训练集，是人工智能算法与深度学习训练必备的、不可或缺的良好的基础。

像战胜人类的 AlphaGo，其学习过程的核心数据是来自互联网的3000万例棋谱，而这些数据的积累是历经了十多年互联网行业的发展成铸就的。可见，所有基于深度学习算法的人工智能，均需具备深厚的数据信息资源和专项数据积累，才能取得AI服务应用的突破性进展。

离开了基础数据，机器的智慧仿生是不可能实现的。广东傲智在公司成立前，就已经具备行业应用强大深厚的大数据方面的基础数据信息，这也是广东傲智能在算法深度开发、深度学习和计算力平台研发方面发展迅速又有AI针对性的核心竞争力。

5. 华为发布全球最快 AI 运算集群 Atlas900，会对 AI 领域带来什么变化

9月18日，华为发布一款重量级的产品——Atlas 900，这款产品汇聚了华为几十年的技术沉淀，是当前全球最快的AI训练集群，由数千颗升腾处理器组成。在衡量AI计算能力的金标准ResNet-50模型训练中，Atlas 900只用了59.8秒就完成了训练，这比原来的世界记录还快了10秒。

“ImageNet-1k 数据集” 包含 128 万张图片，精度为 75.9%，在同等精度下，其他两家业界主流厂家测试成绩分别是 70.2s 和 76.8s，Atlas 900 AI 训练集群比第 2 名快 15%。胡厚昆表示：Atlas 900 的强大算力，可广泛应用于科学研究和商业创新。比如天文探索、石油勘探等领域，都需要进行庞大的数据计算和处理，原来可能花费好几个月的工作，现在交给 Atlas 900，就是几秒钟的事情。Atlas 900 集成的数千颗升腾处理器，正是前段时间正式商用的升腾 910。

6. 华为发布全球最快AI运算集群Atlas900，会对AI领域带来什么变化

9月18日，上海，第四届华为全联接大会开幕，华为首次发布计算战略，基于架构创新、投资全场景处理器族、有所为有所不为的商业策略、构建开放生态进行布局，计算产业新的大航海时代由此开启。同时，华为重磅发布了全球最快AI训练集群Atlas 900，加速科学研究与商业创新的智能化进程。

在计算的智能时代，我们认为有三个重要特征。

第一个特征，需要超强的算力。统计计算本身就是一种暴力计算，高度依赖于算力。举个例子，为了让计算机认识一只猫，就需要数百万图片的训练，这对算力的消耗是非常惊人的，面向自动驾驶、天文探索、气象预测等更复杂场景，对算力的需求将会更大。

第二个特征，计算和智能将会无处不在，而不仅仅是分布在中心侧。从中心节点的暴力计算，到边缘侧的专业计算，如基因测序，以及端侧的个性计算，如耳机、手机，一起构成了未来智能时代的计算形态。

第三个特征，端边云之间需要高效的协同。中心侧负责通用模型的计算，为端侧的个性化计算和边缘侧的专业化计算，提供协同支撑。

7. 人工智能需要什么基础

1.基础数学知识：线性代数、概率论、统计学、图论
2.基础计算机知识：操作系统、linux、网络、编译原理、数据结构、数据库
3.编程语言基础：C/C++、Python、Java
4.人工智能基础知识：ID3、C4.5、逻辑回归、SVM、分类器、等算法的特性、性质、和其他算法对比的区别等内容。
5.工具基础知识：opencv、matlab、caffe等
要进入人工智能行业，首先要有一定的数学功底，因为人工智能不同于app开发，网页开发、游戏开发等传统的互联网职位，先看看51cto学院人工智能的课程，会有不少帮助。人工智能是从数学中的“逼近理论”逐步演化而来的，当今人工智能所使用的方法，最开始的时候大部分是数学家为了逼近某些比较难表示的非线性函数而使用的。后来随着计算机性能的提高，计算机工作者，统计学家，开始尝试用这套“逼近理论”解决一些分类问题。逐步发展成为现在的人工智能局面。现在属于人工智能行业发展初期，各种可用的api函数都比较少，所以自己编写算法是必须要会的。
“人工智能”一词最初是在1956 年Dartmouth学会上提出的。从那以后，研究者们发展了众多理论和原理，人工智能的概念也随之扩展。人工智能（Artificial Intelligence），英文缩写为AI。它是研究、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新的技术科学。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，可以设想，未来人工智能带来的科技产品，将会是人类智慧的“容器”。
人工智能是对人的意识、思维的信息过程的模拟。人工智能不是人的智能，但能像人那样思考、也可能超过人的智能。

8. 华为的AI训练集群适用于哪些场景

近日，华为在全联接大会上又宣布了一项重大消息，就是华为AI训练集群Atlas 900要发布了，这款Atlas 900可是由数千个升腾910 AI处理器组成，因此Atlas 900也号称为全球最快AI训练集群。那么，这么牛的AI训练集群适用哪些场景呢？

具有超强算力的华为Atlas 900能运用到科技这样重大领域中，不得不让人对华为刮目相看，因为目前为止还没有哪家公司那么牛，能自主研究出那么强大的AI训练集群，所以大家也都非常期待华为能给我们带来更多的惊喜。

9. 乱花渐欲迷人眼,AI如何才能真正落地

人工智能历史上经历过数次沉浮，如今再次被引爆。

从政府、学术界、企业界、投资界到创业者们，无一不将人工智能视为未来方向;而分析师和媒体从业者们的海量分析报道，更是让人工智能快速占领了每一个普通人的视听。

于是，正如历史上每一个产业的兴起，人工智能在歌舞升平的同时，也逐渐变得有些“乱花渐欲迷人眼”。

从积极的一面来看，人工智能催生了大量新技术、新企业和新业态，为个人、企业、国家乃至全球提供了新的经济增长点，甚至将驱动第四次技术革命，创造巨大的价值。

IDC预计，全球人工智能支出到2020年将达到2758亿人民币，未来五年复合年增长率将超过50%。中国人工智能技术支出将达到325亿元，占全球整体支出的12%。

从消极的一面来看，尽管人工智能揭开了一个全新的时代，但也在不断滋生着“泡沫”，吹捧有之，跟风有之，噱头有之，近两年，数十家中美AI创业企业密集倒闭，大量AI创业项目中途夭折，不免让人感慨，人工智能是否只是“看上去很美”？

那么，人工智能的未来到底会发展成怎样？如何才能真正落地？如何才能实现规模商业化？尽管人工智能的概念的提出已经有六十余年，但理论、技术和应用、商业的结合并没有太多前人的足迹。

故而，在人工智能产业的发展中，“拓荒者”和“领头羊”的角色就显得尤为重要。

“场景驱动”是AI落地关键

在人工智能的诸多玩家中，阿里巴巴已经正在努力成为这一角色。对于AI的未来，阿里已经有了清晰的认知，以及与众不同的AI发展路径。

12月20日，在云栖大会·北京峰会上，阿里云总裁胡晓明提出了“AI for Instries”(产业AI)的理念：人工智能不应仅仅是实验室里的、PPT里的“概念上的AI”，更应是“产业AI”。

胡晓明表示，“产业AI”的提出，是基于阿里巴巴对人工智能的三个判断：

“第一，必须要有场景驱动，我们在解决什么问题，为这个社会的成本降低了多少，效率提高了多少;第二，在人工智能背后是否是有足够的数据来驱动AI能力的提升;第三，是否有足够的计算能力支撑我们的算法、深度学习;只有三个场景同时具备的前提下，人工智能才会有价值”。

阿里将“场景驱动”放在了首位，这正是阿里“产业AI”战略的核心，也是阿里独特的AI发展路径，更是阿里能够将AI实现落地的独家秘笈。

和很多企业和机构的做法不同，阿里的AI旅程并不是从实验室中的研究和讨论开始，而是反其道行之，从基础业务部门开始推动，让AI从日常场景中“长出来”。

例如，手机淘宝中能够让用户通过拍照的方式实现“以图搜图”的“拍立淘”功能，就是源于电商场景，之后通过解决一个个的技术问题，最终形成成熟的AI解决方案。

电商平台为阿里提供了AI生长的优良土壤。大量消费者普遍的、或者个性化的需求造就了不同的应用场景;海量数据为AI提供了充足的“原料”;而阿里云强大的计算能力则成为了AI实现的加速器。三要素齐备，阿里得以让人工智能快速发挥出价值。

事实证明，阿里选择的这条“自下而上”、“从场景中来”、“再到场景中去”的产业AI路径方向正确，并行之有效，推动了AI技术在行业应用场景中的真正落地。

“双11”当天，机器人客服“阿里小蜜”承担了95%的客服咨询;机器智能推荐系统生成了超过567亿个专属货架;AI设计师“鲁班”在双11期间设计了4.1亿张商品海报;而阿里华北数据中心运维机器人接替了运维人员30%的重复性工作。

不仅在零售领域，阿里“产业AI”布局已经覆盖城市、金融、司法、农业、教育、航空、工业、安全、环境、医疗十大垂直领域，并已相继开花结果，目标以AI技术对垂直产业进行全局重塑。

例如，在金融领域，阿里通过云计算和智能算法，将南京银行申请贷款过程中的人工视频验证减少54%;在工业领域，阿里云ET工业大脑帮助天合光能将电池A品率提升7%;在智慧城市领域，阿里云ET城市大脑在杭州接管了128个路口的红绿灯，通过对视频等数据的全量分析来优化道路运营速度和效率，在试点区域的道路上通行时间减少了15.3%。

在胡晓明看来，过去每一次产业革命都是技术与产业的深度融合，从而引发经济和社会变革，AI也不例外。未来AI要深入各行各业，去解决生活、生产和社会环境中遇到的棘手问题，这样才能引领真正的产业革命。

通过“产业AI”布局，阿里正在这条“产业与AI深度结合”的路上渐行渐远。

“ET大脑”让行业共享AI红利

一年前，阿里云发布了人工智能ET，全面整合了阿里巴巴的语音、图像、人脸、自然语言理解等能力。在12月20日的云栖大会·北京峰会上，阿里云正式推出整合城市管理、工业优化、辅助医疗、环境治理、航空调度等全局能力为一体的ET大脑，将ET从单点的技能升级为具备全局智能的ET大脑，全面布局产业AI。

ET大脑LOGO

据阿里云机器智能首席科学家闵万里介绍，ET大脑的核心能力是“量子拓扑”，其诞生主线要追溯到1905年爱因斯坦发布的关于布朗运动的论文：“从一个巨大的网络上，怎么样从这些传播的表象上找到它最核心的路径？而这一点恰恰是ET大脑最核心的一个能力，也是与众不同的能力。”

闵万里表示，相较于其他AI产品，阿里云ET大脑将AI技术、云计算大数据能力与垂直领域行业知识相结合，基于类脑神经元网络物理架构及模糊认知反演理论，实现从单点智能到多体智能的技术跨越，打造出具备多维感知、全局洞察、实时决策、持续进化等类脑认知能力的超级智能体。

ET大脑的发布，意味着阿里云的AI能力已经从单点技术进化到面向垂直行业的全局能力，在过去的一年中，ET大脑在城市、工业、医疗等领域获得大量实践，量变引发质变，进而能够升级为各行业的“大脑”。闵万里表示，ET大脑将被设定为一个开放的生态，让创业公司、开发者和行业公司一起来分享技术的红利。

除了ET大脑，阿里云在云栖大会·北京峰会上还发布了ET航空大脑，用运筹优化、机器学习等人工智能方法分配停机位，预计每天调度1700架次航班，帮助乘客节省5000个小时，大大提高航班中转效率，从而降低延误率。

据闵万里介绍，为机场提供停机位的智能调度只是ET航空大脑的功能之一，航空大脑还希望深入航空的其他场景。此前，阿里云天池平台曾联合厦门航空、白云机场启动智慧航空AI大赛，向全球工程师发出邀请，用智能算法解决航空场景下的问题。未来，ET航空大脑将继续为航班智能恢复、机场地勤人员调度、航空公司航线规划等提供人工智能解决方案，打造智慧航空。

在云栖大会·北京峰会上，阿里云还宣布推出具备智能风控、千人千面、关系网络、智能客服等能力的智能决策金融方案——ET金融大脑。

据阿里云金融事业部总经理徐敏介绍，ET金融大脑可辅助银行、证券、保险等金融机构实现对贷款、征信、保险等业务的智能决策及风控监管，可大幅降低资损率，提高信用卡等预测准确率，促进金融机构在互联网消费金融、中小微企业金融服务等普惠金融方面的探索。

如今，ET金融大脑已经在南京银行、浙商银行、广发银行等金融机构得到应用，在智能风控、“千人千面”的金融服务、开拓“新金融”商业模式中大显身手。

推落地促生态，让AI“普惠”大众

从《终结者》、《黑客帝国》到《西部世界》，人类表达了对于人工智能的隐忧，未来，人工智能是否将代替人类？MIT人类动力学实验室主任、《智慧社会》的作者Alex Pentland曾经指出，其实我们要忧虑的并非是全球化人工智能本身，而是它的幕后操纵者。

人工智能是人类创造的工具。如今，业界更乐于将人工智能定位于“增强智能”，其目标不是为了代替人类，而是增强人类的能力，为人类生产生活服务。故而，人工智能不应被封闭在实验室之中，而是要与人类生产生活紧密结合，普惠大众。

阿里所提倡的“产业AI”，正是一种将其AI能力开放，普惠大众的做法。阿里AI能力相继在城市、工业、汽车、零售、金融、家居、航空等领域落地，在破解行业难题的同时，也切实为普通消费者的生活带来了改变，让消费者切实能够从AI中获益。

阿里也正在通过开放合作，让AI能力惠及更多的行业和消费者。

在云栖大会·北京峰会上，阿里云和中国电信在安全领域展开合作，双方将于明年共同推出定制化DDoS防护服务，为中小企业提供普惠安全;新华书店携手阿里云，布局智慧书店，在消费侧与顾客建立紧密连接，打造全新的“悦读生活”理念，满足消费者多元化、个性化的需求。

同时，阿里云同隆平高科、中信云宣布达成战略合作，计划将ET大脑推进到农业领域，主要用于筛选育种、基建数据化、农事管理、基地选址及农作物生产预测。阿里云与宝马中国正式对外宣布，双方将基于物联网，为宝马车主提供从家到车的一站式无缝连接的远程服务，实现查询汽车实时状态以及远程控制车辆的智能生活。

除了将AI技术和行业深入结合，普惠大众，阿里还在积极参与人工智能生态的建设和人才的培养，推动人工智能在中国的加速落地。

在云栖大会·北京峰会上，阿里云联合掌通家园、贝聊、智慧树、小蚁科技、得图等厂商发布了“AI视觉守护联盟”，希望将人工智能、视频技术和工业、农业、教育等行业深度结合。

阿里云深度融入了国家大数据战略，包括深度参与两个由政府发起的大数据国家工程实验室;阿里云“天池”大数据平台已经聚集了超过11万名开发者;阿里亦已和307所中国大学开启了普惠计划，将云计算、大数据、人工智能等新技术带进高校，培养人才。

综上，中国人工智能的发展和落地，既需要“拓荒者”和“领头羊”，也需要整个生态的繁荣和健康发展。在这个过程中，阿里及其所布局的“产业AI”，都扮演了关键的角色。

10. 浪潮AI打造的AIStation开发平台在算力方面有什么突出表现

浪潮AI打造的AIStation开发平台对算力的作用主要体现在调度方面。AIStation开发平台通过领先灵活的算力调度运行策略为企业级用户提供稳定、高效的算力输出，灵活满足模型开发、调试、训练等不同场景下的算力需求，从单卡多实例的细粒度划分，到多机多卡的大规模并行计算，帮助用户最大限度释放算力资源，有效提高投资回报率。另外，最新升级的AIStation 3.0，还能提供更弹性的算力运行策略，实现运行环境与运行资源的隔离，开发者可以在不改变运行环境的情况下按需对资源进行伸缩。