算法效率提升不能满足ai

① AIOps是什么它与AI有什么关系

现如今，AI 这个词已经被玩坏了。很多公司都声称自己在做 AI，但其实并没有。不过有另外一种新兴的 AI，各种类型的 IT 企业倒是可以尝试，而且完全不需要人工参与。

AIOps，也就是基于 算法 的 IT 运维（Algorithmic IT Operations），是由 Gartner 定义的新类别，源自业界之前所说的 ITOA（IT Operations and Analytics）。我们已经到达了这样的一个时代，数据科学和算法正在被用于自动化传统的 IT 运维任务和流程。算法被集成到工具里，帮助企业进一步简化运维工作，把人类从耗时又容易出错的流程中解放出来。人们不再需要在遗留的管理系统中定义和管理无穷无尽的规则和过滤器。

在过去的几年间，一些新技术不断涌现，利用数据科学和 机器学习 来推进日益复杂的企业数字化进程，“AIOps”（Algorithmic IT Operations）因此应运而生。Gartner 的报告宣称，到 2020 年，将近 50% 的企业将会在他们的业务和 IT 运维方面采用 AIOps，远远高于今天的 10%。

为了更好地理解 AIOps 和 AI 的区别，我们需要从头说起。

AI 简史

AI 一词用于描述机器（或软件）模拟人类认知的过程。也就说，机器学习像人类一样思考。40 年代，Alan Turing 掀起了 AI 热潮，但受限于计算机的计算能力，也只发展到今天的这个阶段。

问题是，我们为什么要让机器模仿人类？而为什么有些 AI 应用程序会比其他的更成功？发展 AI 的目的在于解决人类的问题，所以我们会看到像自动驾驶汽车、行为分析这类复杂的解决方案。

话说回来，IT 运维环境有一些不一样的地方。我们不会直接管理人类，我们与应用程序和基础设施打交道。而且它们可能更加复杂和不可预测，因为它们不是人类。

人类思维与机器思维

AIOps 的不同之处在这里体现出来。AIOps 的解决方案专注于解决问题，而且是通过使用基于算法的技术来高度模仿人类（而且以更快的速度和更大的规模）。算法的效率提升了 AIOps 的价值，而相对于人类的智慧——虽然是无限的，但不如机器来得高效。

当然，人类也能进行高效的 IT 运维。AIOps 的目的是为了让我们的生活变得更美好，但是当人类与 AIOps 参合在一起，它们之间的界限就会变得模糊。高级的 AIOps 会使用 神经网络 技术，它会向运维人员学习，然后尝试消除无聊的重复性劳动。

未来的公司

为什么公司需要 AIOps？现代的 IT 环境已经无比的复杂，而且千变万化，需要我们花费大量的时间和资源去监控、去诊断问题、去解决问题。很多公司处于被动的地位。但是如果他们使用了 AIOps，他们就可以利用先进的算法，花更多时间在其他更有意义的工作上，而不是重复地解决相同的问题，或者花时间管理规则和过滤器。

我们所说的规则，可以把它们简单地描述为“如果是这样那么就这么做”，它们能够应付简单的场景，但是很难扩展。相反，算法和机器学习提供了更加灵活的表达方式，不仅强大，而且健壮，能够应付不断变化的需求。这将带来更高的效率和更低的成本。对于厂商来说，他们面临的挑战在于将整个技术方案打包，避免把用户暴露于底层的复杂性当中。光是提供工具是不够的，企业需要招聘数据科学家而不仅仅是工程师。

前行之路

借助智能算法的技术优势，原先人工需要几个小时完成的任务现在通过自动化可以在几秒钟内完成，而且能够得到更好的结果。传统的 IT 运维需要管理大量的告警，极大地分散了企业的注意力，他们需要花很多时间解决无聊的问题，没有时间用于创新。使用 AIOps 可以解决这些问题，把运维人员从纷繁复杂的告警和噪音中解脱出来。各个行业的企业正在采用 AIOps，他们使用这项技术来改进客户的数字体验——银行、娱乐、交通、零售，甚至政府。

尽管 AIOps 还是一个新名词，但并不代表它只是未来的一种趋势而已。在这个数字的年代，任何使用传统技术来管理机器数据的组织要么忽略了信息的价值，要么已经让他们的运维团队不堪重负。随着数据的暴涨，CIO 们应该快速拥抱 AIOps。传统 AI 仍然会在某些领域发挥它的作用，而 AIOps 将为企业带来最直接最深远的价值。

② 百度世界大会后，思考AI时代需要怎样的运营

从技术视野来讲，即将到来的是AI时代，而从用户和业务角度来讲，未来则是服务驱动的时代。所以，在未来这个“硬币”的两面“AI”意味着效率提升、算法能力提升，更加“聪明”。“服务驱动”则代表着打破壁垒，产品、运营、研发三者意识高度融合。就运营而言，我们需要准备：

1、认知升级

人与人之间差距最大的，就是认知差距。行业在发生着天翻地覆的变化，运营从业者首先要认知到AI时代即将到来，高人力、低附加值的工种理应逐渐消失。技术积累带来的是技术成本降低，运营人员需要做好迎接变化的准备。

2、打破边界

运营与产品，在未来可能会变得非常模糊。产品会很懂运营、运营也应该很懂产品，在产品型公司这一天可能来的会更快一点。

运营同学务必要准备好迎接这一变化，不能只感到“自己空间被压缩”，而应该勇敢走出“运营工种”的自我定位。

打破边界不等于“运营转产品”，我们上面说过，产品和运营的界限会变得模糊，优秀的骨干员工应该是两种能力都具备，但最擅长某个特定领域，比如：数据分析师；用户运营。

3、业务导向

产品也好，运营也罢，业务导向将会成为一个必然的趋势。

即便是在传统的互联网公司，一个中阶运营向高阶运营的转变，重要标志也是业务的把控能力。

运营同学需要站在公司、行业的角度，去思考自己的工作。只有这样，才能在打破边界的基础上，找到自己的价值点并最大化地发挥自己的作用和影响力。

4、理解技术

理解技术，不代表要会写代码，我们常常听到运营同学说“我不懂技术”，实际上这是不对的。

AI时代下，运营同学要有利用技术的意识。比如：我们在做用户分层时，在做用户行为轨迹挖掘时，要有利用技术的意识；再往前一步，我们在做产品体验提升时，能够擅长利用技术优势来达成。

我们能够洞察到自己所在的公司、行业技术突破的边界在哪里，再结合对用户的洞察，超预期的满足用户诉求。

5、宏观视野与策略制定能力

体系化思考与业务视野是P6-P7的一个关键点，而宏观视野（行业视野、未来趋势判断能力）和制定策略、执行落地，则是向更高阶迈进的台阶。

运营同学，尤其是中阶的运营，一定要尝试用更高的视野去思考自己的工作，并尝试去制定策略——在制定策略的过程中全盘考虑自己在做的事情（即便你现在的定位只是一个资深运营）。

③ 人工智能包括哪些技术

工智能计算机科支企图解智能实质并产种新能类智能相似式做反应智能机器该领域研究包括机器、语言识别、图像识别、自语言处理专家系统等。
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。
说起人工智能我们大家都很熟悉，各种人工智能概念，AI概念层不出穷，仔细想来无外乎智能音箱、智能打印机、智能售卖机等等诸如此类似乎没多少“智能”，和我们脑海中的“AI印象”，如：终结者、机器人、阿尔法狗、自动驾驶等技术大相径庭。
目前，普遍认为人工智能的研究始于1956年达特茅斯会议，早期人工智能研究中，如何定义人工智能是个喋喋不休的问题，但基调始终是：像人一样决策、像人一样行动、理性的决策、理性的行动等研究方向。

④ 算法做象棋还是很笨而且很卡，有没有好的AI算法效率

电脑在运行游戏时是否卡顿与CPU、显卡、内存的硬件性能与设置息息相关。
假设当前电脑运行时灰尘较多、散热不好导致机箱内温度升高，当温度高到一定程度时CPU就会自动降频来达到物理散热的目的，此时如果正在运行游戏就会感到明显的卡顿，因为电脑硬件性能下降了。
若想更换零件升级电脑，首选更换CPU、显卡、内存，如果不想换件，可在游戏内调低显示效果，关闭特效、阴影、垂直同步和抗锯齿，卡顿等异常现象会有明显改善。

⑤ 践行AI战略：华为引领数据中心网络迈入人工智能时代

AI正在成为企业助力决策、提升客户体验、重塑商业模式与生态系统、乃至整个数字化转型的关键驱动力。

但在崭新的AI时代，数据中心网络性能也正在成为AI算力以及整个AI商用进程发展的关键瓶颈，正面临诸多挑战。

为此，华为以“网络新引擎 AI赢未来”为主题发布了业界首款面向AI时代数据中心交换机CloudEngine 16800，将人工智能技术创新性的应用到数据中心交换机，引领数据中心网络迈入AI时代。

AI时代数据中心网络面临三大挑战

当前，数字化转型的持续推进，正在提速驱动数据量暴增；同时，语音／视频等非结构化数据占比持续提高，庞大的数据量和处理难度已远超人类的处理能力，需要基于机器运算深度学习的AI算法来完成海量无效数据的筛选和有用信息的自动重组，从而获得高效的决策建议和智慧化的行为指引。

根据华为GIV 2025（Global Instry Vision）的预测，企业对AI的采用率将从2015年的16％增加到2025年86％，越来越多的企业将利用AI助力决策、重塑商业模式与生态系统、重建客户体验。

作为人工智能的“孵化工厂”，数据中心网络正成为AI等新型基础设施的核心。但与此同时，随着AI时代的到来，AI人工智能的算力也受到数据中心网络性能的影响，正在成为AI商用进程的一大瓶颈。

华为网络产品线总裁胡克文指出，AI时代的数据中心网络将面临以下三大挑战：

挑战1．AI算力。高性能数据中心集群对网络丢包异常敏感，未来的网络应该做到零丢包。但传统的以太网即使千分之一的丢包率，都将导致数据中心的AI算力只能发挥50％。

挑战2．大带宽。未来5年，数字洪水猛增近20倍，现有100GE的网络无法支撑。预计全球年新增数据量将从2018年的10ZB猛增到2025年180ZB（即1800亿TB），现有100GE为主的数据中心网络已无法支撑数据洪水的挑战。

挑战3．要面向自动驾驶网络的能力。随着数据中心服务器规模的增加，以及计算网络、存储网络和数据网络三网融合，传统人工运维手段已难以为继，亟需引入创新的技术提升智能化运维的能力，如何用新的技术去使能、把网络问题排查出来成为业界都在思考的问题。

华为定义AI时代数据中心交换机三大特征

从行业大势来看，随着以人工智能为引擎的第四次技术革命正将我们带入一个万物感知、万物互联、万物智能的智能世界，数据中心网络也必须从云时代向AI时代演进。在华为看来，数据中心需要一个自动驾驶的高性能网络来提升AI算力，帮助客户加速AI业务的运行。

那么，AI时代的数据中心网络究竟该如何建设呢？胡克文指出，“华为定义了AI时代数据中心交换机的三大特征：内嵌AI芯片、单槽48 x 400GE高密端口、能够向自动驾驶网络演进的能力。”

特征1．业界首款内嵌AI芯片数据中心交换机，100％发挥AI算力

从应用侧来看，刷脸支付的背后是上亿次图像信息的智能识别，深度 健康 诊断需要基于数千个算法模型进行分析，快捷网购体验离不开数百台服务器的智能计算。也就是说，新商业物种的诞生，产业的跨越式发展以及用户体验得以改变，强烈地依赖于人脸识别、辅助诊断、智能推荐等AI应用的发展。

但由于AI算力受到数据中心网络性能的影响，正在成为AI商用进程的关键瓶颈。为了最大化AI算力，存储介质演进到闪存盘，时延降低了不止100倍，计算领域通过采用GPU甚至专用的AI芯片将处理数据的能力提升了100倍以上。

CloudEngine 16800是业界首款搭载高性能AI芯片的数据中心交换机，承载独创的iLossLess智能无损交换算法，实现流量模型自适应自优化，从而在零丢包基础上获得更低时延和更高吞吐的网络性能，克服传统以太网丢包导致的算力损失，将AI算力从50％提升到100％，数据存储IOPS（Input／Output Operations Per Second）性能提升30％。

特征2．业界最高密度单槽位48 x 400GE，满足AI时代5倍流量增长需求

数据中心是互联网业务流量汇聚点，企业AI等新型业务驱动了数据中服务器从10G到25G甚至100G的切换，这就必然要求交换机支持400G接口，400GE接口标准化工作已经于2015年启动，目前针对数据中心应用已经完成标准化，400G时代已经来临。

集群的规模是数据中心架构演进的动力，经典的无阻塞CLOS理论支撑了数据中心服务器规模从千台、万台到今天10万台规模的发展，增大核心交换机容量是数据中心规模扩大的最常见手段。以一个1000T流量规模的数据中心组网为例，采用400GE技术，核心汇聚交换机需要5K个接口，相对100GE技术减少75％。

为此，CloudEngine 16800全面升级了硬件交换平台，在正交架构基础上，突破超高速信号传输、超强散热、高效供电等多项技术难题，不仅支持10G→40G→100G→400G端口平滑演进能力，还使得单槽位可提供业界最高密度48端口400GE线卡，单机提供业界最大的768端口400GE交换容量，交换能力高达业界平均的5倍，满足AI时代流量倍增需求。同时，CloudEngine 16800在PCB板材、工艺、散热，供电等多方面都进行了革命性的技术改进和创新，使得单比特功耗下降50％。

特征3．使能自动驾驶网络，秒级故障识别、分钟级故障自动定位

当数据中心为人工智能提供了充分的技术支撑去创新时，人工智能也给数据中心带来巨大利益，如借助telemetry等技术将异常信息送到集中的智能运维平台进行大数据分析，这极大提升了网络的运行和运维效率，降低运维难度和人力成本。但是当前计算和存储正在融合，数据中心服务器集群规模越来越大，分析的流量成千倍的增长，信息上报或者获取频度从分钟级到毫秒级，再加上信息的冗余，这些都使得智能运维平台的规模剧增，智能运维平台对性能压力不堪重负降低了处理的效率。如何减轻智能运维平台的压力，在最靠近服务器，最靠近数据的网络设备具有智能分析和决策功能，成为提升运维效率的关键。

CloudEngine 16800基于内置的AI芯片，可大幅度提升“网络边缘”即设备级的智能化水平，使得交换机具备本地推理和实时快速决策的能力；通过本地智能结合集中的FabricInsight网络分析器，构建分布式AI运维架构，可实现秒级故障识别和分钟级故障自动定位，使能“自动驾驶网络”加速到来。该架构还可大幅提升运维系统的灵活性和可部署性。

引领数据中心网络从云时代迈入AI时代

自2012年进入数据中心网络市场以来，目前华为已服务于全球6400＋个用户，广泛部署在中国、欧洲、亚太、中东、非洲、拉美等全球各地，帮助互联网、金融、政府、制造、能源、大企业等多个行业的客户实现了数字化转型。

2017年华为进入Gartner数据中心网络挑战者象限；2018年进入Forrester数据中心SDN网络硬件平台领导者；2013－2018年，全球数据中心交换机厂商中，华为连续六年复合增长率第一，发展势头强劲。

早在2012年，华为就以“云引擎，承未来”为主题，发布了CloudEngine 12800数据中心核心交换机，七年以来这款面向云时代的交换机很好的支撑了数据中心业务弹性伸缩、自动化部署等核心诉求。

而随着本次华为率先将AI技术引入数据中心交换机、并推出面向AI时代的数据中心交换机CloudEngine 16800，华为也在引领数据中心网络从云时代迈入AI时代。

2018年，华为轮值董事长徐直军宣布：将人工智能定位为新的通用技术，并发布了人工智能发展战略，全面将人工智能技术引入到智能终端、云和网络等各个领域。而本次华为发布的业界首款面向AI时代数据中心交换机CloudEngine 16800，也是华为在网络领域持续践行AI战略的集中体现。

而作为华为AI发展战略以及全栈全场景AI解决方案的一个重要组成部分，CloudEngine 16800不仅是业界首款面向AI时代的数据中心交换机，还将重新定义数据中心网络的代际切换，助力客户使能和加速AI商用进程，引领数据中心真正进入AI时代。

⑥ 算法的好坏不会影响到人工智能技术的发展对还是错

算法的好坏不会影响到人工智能技术的发展是对。算法的优劣直接导致了人工智能的水平高低。目前，掌握人工智能领域中使用最广泛的编程语言python。对于AI项目来说，算法几乎是灵魂。

⑦ 算法优化例子

最大连续子序列和问题：给定（可能是负的）整数序列 ，寻找（并标识） 的值为最大的序列。如果所有的整数都是负的，那么最大连续子序列的和是0。

最简单的算法是直接的穷尽查找，即蛮力算法(Brute Force Algorithm)，找出所有子序列并求和，遍历所有求和结果找出最大值。

这一算法非常简单易于理解，最外层循环需要执行n次，第二层循环需要执行n-i次，第三层循环执行j-i次，由此可得时间复杂度为 ，即 。
在该算法中嵌套循环几乎贡献了所有的时间复杂度，简单的理解一个循环有N的时间复杂度，那么三层嵌套就是N的三次方。

由蛮力算法可知，导致时间复杂度的主要是循环，通过减少循环就可以降低时间复杂度。分析蛮力算法可得，第三层循环计算 thisSum 有太多的重复步骤，没必要每次都重新求和，利用 在第二层循环累加即可。

由于循环只有两层，所以时间复杂度降低为 。

3、线性算法
从平方算法降低到线性算法还需要再删除一个循环，但是平方算法降低到线性算法，不能只是简单的改变程序，需要思想。前两种算法本质上还是穷尽法，只不过有一些巧妙的改进，想要得到线性算法就需要改变思想。

可以通过分析来排除一些可能的子序列。如果一个子序列是负的，那么它绝对不会出现在最大连续子序列的开始部分，这非常容易理解，因为如果开始部分是负的，显然起到减小作用，为什么又要包含进去呢？以某一序列 {a, b, c, d, e, f, g, h, i, j, k......y, z} 为例，如果a是负的，肯定不会以a开头；如果cdef是负的，可以直接跳到g开始，可能会问为什么不从d开始呢？原因在于c肯定不会是负的，见a情况，那么整个是负的，c又是正的，那么def也肯定是负的，没有必要再考虑了。

由于只用到一个至多循环n次的循环，所以是一个线性算法。

算法效率提升有两种，一是程序上的优化，一是设计思想上的优化。思想上的优化是本质上的改变。

⑧ 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。

⑨ 人工智能和实体经济如何深度融合发展瓶颈亟待突破

近日，网络与中国长城宣布协力构建国内首家“软硬创”三位一体人工智能平台，为传统智慧城市提供一揽子解决方案，促进行业转型升级。

此前，在腾讯AI Lab(人工智能实验室)第二届学术论坛上，腾讯发布其在人工智能方面的三大战略方向：打造通用AI(人工智能)之路;成立机器人实验室;聚焦“AI+医疗”战略，探索落地场景……

从连续两次写入政府工作报告，到业内积极部署推进智能产业，“人工智能”无疑已经成为当下热门话题。我们将迎来怎样的智能生活，人工智能和实体经济如何深度融合，哪些发展瓶颈亟待突破，都值得思考。

“人工智能让城市变得更聪明”

阿里巴巴的人工智能设计师“鲁班”，去年双11购物节期间，针对不同消费者自主设计了4.1亿张商品海报。

京东配送机器人，会自行拐弯，规避路障，礼让行人，一切操作自动完成。

小偷打碎玻璃时，智能摄像机就能自动拍下小偷照片，并传送到用户手机，为破案提供重要证据。

患者做完心电图，智能系统直接给出初步分析报告，同时提醒需要注意的数值事项，辅助医生做诊断。

……

发展智能产业，拓展智能生活，政府工作报告描绘的蓝图正在逐步成为现实。

“党的十八大以来，我国人工智能技术迅猛发展，获得重要进展的人工智能应用，都是与对应行业、产品或服务相结合的，服务用户、服务大众是技术发展的必然结果。从长期看，人工智能作为未来提高生产力的关键技术，其发展会是一个螺旋上升的过程。”360集团董事长兼首席执行官周鸿祎表示。

“从基础的预约挂号、获取检查结果，到手术机器人、远程智能诊治等新手段的运用，人工智能技术正逐渐运用在医疗行业方方面面。”北京大学党委副书记、医学部党委书记刘玉村指出，人工智能技术一定程度上改善了群众的看病就医环境，给患者带来便利的同时也提高了就医效率，缓解了公共资源的压力。

“如今，居民电梯也有了‘黑匣子’，事故率下降了50%。”中新天津生态城管理委员会副主任罗家均告诉记者，生态城美林园小区目前安装了54台智慧电梯，用户扫描电梯轿厢二维码，就能了解电梯维保信息;电梯“黑匣子”实现全天候运行监控，乘梯人一旦被困，可立即通过4G高清摄像头与救援人员对话。

“人工智能技术的飞速发展，让城市变得更聪明”，罗家均深有感触，“收垃圾、预约家庭医生、掌握区内交通状况、远程控制智能家电……生态城的居民通过网站和手机APP，足不出户便可享受30项社区智慧生活服务;智慧网厅、智慧大厅也实现了互联网和电子政府的融合。”

“新技术也在创造新的就业岗位”

火灾现场，消防员的“逆火而行”令人动容。危险的作业一线，能否不用人工?答案是，行!

“中信重工的特种消防机器人可实现准确到位，代替消防救援人员实施无人灭火。”中信重工机械股份有限公司董事长俞章法自豪地说。

“人工智能的生命在于应用。”俞章法说，通过运用“机器逆学习算法”，中信重工还研制了防爆轮式巡检机器人、国内首台铁路列检机器人、综合管廊机器人、水下机器人、水泥码垛机器人、高压水射流机器人……2017年中信重工机器人及智能装备产业板块营业额突破10亿元人民币，真正实现了“传统动能+新动能”双轮驱动。

会包边，能上件，会焊接，能涂胶……在东风柳汽柳东乘用车基地，一排橘黄色的“机械手”自动运转，冲压、焊接、涂装、总装四大工艺及配套设施，全部实现了机器人自动化作业。

“目前柳州市工业机器人存量近4000台，并以每年1000台的增量递增。”广西柳州市市长吴炜说，2017年引导社会固定资产在工业机器人方面投资3.6亿元，为企业降低成本30%，节约人工40%，提高效率30%。

借助人工智能技术，不仅在工业上实现了“黑灯工厂”，农业也能自动化。

“这条生产线，由全自动播种线、补苗设备、移栽机、跳移机、喷灌机等组成，实现了种苗全自动快速繁育，大幅提升了生产效率。”谈起自家的“植物工厂”，内蒙古蒙草生态环境(集团)股份有限公司董事长王召明脸上写满了兴奋。

“发展智慧农业，需要构建大数据平台。”王召明建议国家出台政策，支持有能力的农业企业构建生态大数据平台，运用卫星遥感、大数据、人工智能等技术，集成水、土、空气、微生物等多种数据。“该浇多少水、该施什么肥，让农民一目了然，再运用互联网实现一键操作。”

智能制造、机器人、高档数控机床和其他新兴技术的兴起，会不会造成失业问题?

“新技术在冲击传统就业的同时，也在创造新的就业岗位。”中华全国总工会研究室主任吕国泉表示，技术革新将倒逼产业结构调整，创造新型就业机会。他建议抓住机遇，把促进“创业式就业”与发展“三新”更好结合起来，发展就业新形态，形成经济发展和扩大就业的联动效应。

“缺少重大原创成果困扰行业发展”

当前，我国的人工智能产业成绩喜人，但也存在着诸多发展难题和障碍，亟待破解。

业内人士纷纷表示，缺少重大原创成果、缺乏系统的超前研发布局、人工智能尖端人才远远不能满足需求、政策法规和标准体系欠缺，是困扰我国人工智能发展的难题，时代在呼唤体制机制改革创新。

“政策与技术进步是否匹配，一定程度上决定了产业创新速度和竞争力。”网络公司董事长李彦宏建议国家出台政策，鼓励企业打造高水平人工智能开放平台;加快研究自动驾驶运营政策，尽快明确自动驾驶汽车运营的资质要求;提高自动驾驶领域网络安全和风险防范意识;推进智能化道路基础设施规划建设，打造支持自动驾驶汽车的新型城市交通环境。

“目前的硬件特别是移动端或者物联网设备，很难满足人工智能算法需求，需进一步优化算法;当前人工智能技术的理论仍然不太完备，需要继续加强基础理论研究。”周鸿祎表示。

“人才是第一资源，要吸引和培养人工智能高端人才和创新创业人才，支持一批领军人才和青年拔尖人才成长。”商务部电子商务和信息化司司长骞芳莉建议，支持加强人工智能相关学科专业建设，引导培养产业发展急需的技能型人才。

“要形成人工智能产业发展的科研‘生态圈’，发挥整体竞争优势。”中科院合肥物质科学研究院先进制造技术研究所所长王容川建议，通过发展联盟、联合等方式，对现有从事人工智能研究的机构进行整合，并配套相关的整体研究规则。同时进一步促进大数据融合，打破信息壁垒，让各有侧重、单打独斗，转变为科学布局、互为支撑、发挥合力。

“对于因人工智能产业发展可能带来的改变，立法上要有充分考虑。”王容川建议开展人工智能相关政策和法律法规研究，推动行业合理开放数据。充分考虑社会伦理问题，比如明确机器人有无社会属性、无人驾驶汽车交通事故的责任主体认定等。

⑩ ai算法能力模型轻量化的目标

AI算法能力模型轻量化的目标：所谓轻量化人工智能，是指以一系列轻量化技术为驱动提高芯片、平台和算法的效率，在更紧密的物理空间上实现低功耗的人工智能训练和应用部署，不需要依赖与云端的交互就能实现智能化操作的人工智能。

AI算法能力模型轻量化的解析：

大模型的人工智能这场游戏正变得越来越“笨拙”，也越来越奢侈。于是，轻量化人工智能（Tiny AI）被寄予厚望，通过对人工智能模型及其计算载体的“瘦身”，提升效率，降低能耗。

专家认为，轻量化人工智能是以一系列轻量化技术为驱动，提高算法、平台和芯片的效率，在更紧密的物理空间上实现低功耗的人工智能训练和应用部署，不依赖与云端交互就能实现智能化操作，被视为人工智能的另一个重要应用方向。