1、应用场景包括机器人，智能医疗、自应用场景包括机器人，智能医疗、自 动动驾驶、智能家居等细分行业，基于驾驶、智能家居等细分行业，基于 人工智能技术及成果人工智能技术及成果 ，各应用场景的，各应用场景的人工智能相关度存在一定差异人工智能相关度存在一定差异核心技术主要有机器学习、计算机视核心技术主要有机器学习、计算机视觉、语音及自然语言处理三大部分，觉、语音及自然语言处理三大部分，主要进行人工智能的关键技术研究主要进行人工智能的关键技术研究基础支撑主要由数据提供和计算能力基础支撑主要由数据提供和计算能力支撑两部分组成，为人工智能的技术支撑两部分组成，为人工智能的技术和产业发展提供支撑，是人工智能产和
2、产业发展提供支撑，是人工智能产业的基础设施业的基础设施应用应用层层技术技术层层基础基础层层我们的布局我们的布局金融保险AI系统公安AI系统供销AI系统机器学习大数据管理平台AIAI整体产业布局和云升科技的整体产业布局和云升科技的AIAI着力点着力点数据数据 data 算力算力 computing power 算法算法 algorithmAI基础支撑基础支撑提供数据或计算能支撑传感器芯片包括包括GPU、FPGA等加速硬件与神经网等加速硬件与神经网络芯片，为深度学习提供计算硬件，络芯片，为深度学习提供计算硬件，是重点底层硬件；是重点底层硬件；大数据来源于各个行业的海量数据为人工智来源于各个行业的海
3、量数据为人工智能提供丰富的数据资源；大数据管理能提供丰富的数据资源；大数据管理和大数据分析软件或工具为和大数据分析软件或工具为人工智能人工智能产业提供数据的收集产业提供数据的收集、整合、存储、整合、存储、处理、分析、挖掘等数据服务处理、分析、挖掘等数据服务；云计算主要对环境、动作、图像等内容进行主要对环境、动作、图像等内容进行智能感知智能感知，这也包括指纹、人脸、虹，这也包括指纹、人脸、虹膜、静脉等人体生物特征识别硬件及膜、静脉等人体生物特征识别硬件及软件服务软件服务，是人工智能的重要数据输，是人工智能的重要数据输入和人机交互入和人机交互硬件；硬件；主要为人工智能开发提供云端计算资主要为人工智
4、能开发提供云端计算资源和服务，以分布式网络为基础，提源和服务，以分布式网络为基础，提高计算效率；高计算效率；要要关键技术关键技术进行关键技术的研究机器学习计算机视觉主要以深度学习、增强学习等算法研究主要以深度学习、增强学习等算法研究为主，赋予机器自主学习并提高性能的为主，赋予机器自主学习并提高性能的能力；能力；包括静动态图像识别与处理等，对目标包括静动态图像识别与处理等，对目标进行识别、测量及计算；进行识别、测量及计算；语音及自然语言处理包括语音识别和自然语言处理，研究语言的收集、识别理解、处理等内容，涉及计算包括语音识别和自然语言处理，研究语言的收集、识别理解、处理等内容，涉及计算机、语言学
5、、逻辑学等学科；机、语言学、逻辑学等学科；机器学习机器学习人脑思考人脑思考历史数据经验模型新的数据未知属性训练预测输入新的问题输入归纳归纳预测预测未来规律规律信息采集信息采集（大数据）（大数据）目标检测目标检测特征定位及提取特征定位及提取（模型训练）（模型训练）人脸识别人脸识别图像识别图像识别（识别反馈）（识别反馈）计算机识别的图像一类为静态内容，以图片为主；另一类为动态内容，包括视频和实景，其中实景需要利用传感器技术进行采集编码经过大量的训练之后，最终计算机给予相应的识别反馈信息，主要有人脸、物体、手势等。目前计算机识别主要停留在感知的表层，未来识别的广度与深度还需要进一步的挖掘将采集到的信
6、息进行检测、关键点定位及特征提取、给定相应的数据和标签提交到学习平台进行训练，提高识别精度图像识别技术图像识别技术应用场景应用场景落地细分行业场景应用工业机器人服务机器人智能医疗智能金融个人助手智能安防智能家居可穿戴设备智能客服自动驾驶无人超市其它数据收集行为建模用户分析风险定价网络行为数据、第三方数据、授权数据、交易数据、用户身份数据等文本挖掘、机器学习、自然语言处理、预测算法、知识图谱等用户属性信息、用户消费习惯、兴趣偏好等行为监控模型、反欺诈模型、违约模型、催收模型等智能风控流程分析智能风控流程分析用户获取提升保持流失衰退人工智能精准识别潜在用户策略优化，提升客户贡献智能客服，优化用户体
7、验智能预警，延长客户存续周期个性推荐，增大留存几率全生命周期客户服务全生命周期客户服务 智能音箱智能音箱智能机器人智能机器人 智能电视智能电视以智能音箱、机器人和智以智能音箱、机器人和智能电视为潜在的交互中心能电视为潜在的交互中心 以智能音箱为核心以智能音箱为核心 通过硬件互通互联打造通过硬件互通互联打造家庭娱乐中心、智能家居控制中心家庭娱乐中心、智能家居控制中心电视盒子游戏设备健身设备儿童教育设备智能音箱智能小白智能小家电安防设备其他娱乐中心控制中心硬硬件件产产品品矩矩阵阵占占据据入入口口平平台台矩矩阵阵对对接接软软件件矩矩阵阵对对接接内内容容端端对对接接应应用用端端对对接接云计算平台大数据
8、平台社交、金融开发者开放 平台操作系统支付系统电视端APP健康视频、音乐体育教育游戏购物社交增值点增值点以家庭网络为纽带以家庭网络为纽带互联互通互联互通智能家居生态布局分析智能家居生态布局分析123 以硬件为入口以硬件为入口向内容端、应用端增值向内容端、应用端增值获取病症信息做出假设制定治疗方案患者的临床表现，通 过患者自述、医生检 查、专门化验等方式 获取将病症信息输入智能 诊疗系统病症信息可以通过推 理规则链和假设联系 起来“人工智能人工智能+ +辅助医疗辅助医疗”模式分析模式分析根据病症信息做出可 能结论。可能的结论 应该表示出疾病原 因、发展过程假设分级，高级假设 是低级假设的结果从诊
9、断中推理出诊疗 方案，并充分权衡利 弊及疾病转移的可能 性，制定治疗计划数据上云数据上云数据资源化数据资源化业务创新业务创新数据生态数据生态业务数据化业务数据化数据业务化数据业务化数据集中存储大规模计算能力统一元数据数据整合数据地图数据管控数据服务数据化运营精准营销互联网金融智能物流业务闭环生态伙伴运营数据分享数据采集数据采集计算引擎计算引擎数据加工数据加工数据应用数据应用机器学习机器学习数据数据可视化可视化PCAPPWI-FI基站基站 工业传感器工业传感器大规模计算大规模计算手手环手表环手表清洗清洗实时计算实时计算 流式计算流式计算脱敏脱敏关联关联转换转换精精准营销准营销风控风控医疗医疗政务
10、政务预测预测决策树决策树聚类聚类神经网络神经网络 支持向量机支持向量机目录目录报表报表地图地图打通数据采集、加工、分析全链条打通数据采集、加工、分析全链条数据数据产品产品服务服务个人个人企业企业政府政府存储存储分析分析准准备备计计算算制造业制造业农业农业政务政务交通交通教育教育物流物流互联互联金融金融任何企业都可成为数据公司开源厂商和传统闭源厂商大众创业 万众创新数据流通平台提供机构数据流通平台提供机构数据源数据源&APIs&APIs提供者提供者数据共享平台、数据开放平台、 数据交易平台政府数据、企业数据、个人 数据、APIs技技术术服服务务运运维维支支持持应用软件应用软件基础软件基础软件硬件
11、硬件分析软件、安全软件等结构化数据库、非结构 化数据库等服务器、存储、网络 设备、微模块等应用服务应用服务数据分析服务数据分析服务基础设施服务基础设施服务政务应用、行业应用、民生应用、企业应用数据处理服务、数据分析 服务数据中心服务手机、微信、QQ等通信账号出行亲属关系车牌、品牌、型号、颜色等车辆信息人脸证件前科、惯犯等标签拉杆箱、手提包等物品同行人物品衣着求职以人为以人为本，做好人的管理；找人，管人；事前预警、事中打击、事后追溯本，做好人的管理；找人，管人；事前预警、事中打击、事后追溯标 准 与 规 范数 据 安 全数据应用数据应用数据分析数据分析与挖掘与挖掘数据采集数据采集数据运数据运维维
12、数据存储数据存储与管理与管理决策性分析决策性分析 Prescriptive预测预测性分析性分析 Predictive描述描述性分析性分析 Descriptive呈现呈现性分析性分析 Reporting单一内单一内部数据部数据多源多源内内部数据部数据多源多源内内外外数据数据数据支撑数据支撑 决策决策数据融入数据融入生产系统生产系统数据驱动数据驱动 的企业的企业技术强度技术强度数据广度数据广度应用深度应用深度机器学习自然语言处理语言知识表示自动推理规划能力强化学习监督学习深度学习非监督学习文本生成问答文本分类机器翻译语音转换文本文本转换语音图像图像识别计算机视觉学习能力语言能力感知能力记忆能力推理
13、能力规划能力人工智能人工智能人类智能人类智能GPS红外探头毫米波雷达超声波雷达激光雷达单目摄像头双目摄像头环视摄像头道路标识行人车辆道路算法/集成（行驶路线决策规划）自动驾驶运营（出行/物流）汽车通讯车联网高精度地图芯片（计算平台）汽车制造厂商（代工）制动转向加速中控系统导航HMI（人机界面）HUD（显示抬头）感知感知识别识别决策决策执行执行自动驾驶各层级及其相互关系自动驾驶各层级及其相互关系第三方数据库数据整合知识表示属性校正知识推理实体对齐本体构建质量评估知识更新知识图谱应用服务结构化数据半结构化数据非结构化数据实体抽取关系抽取属性抽取知识提取计算机视觉个人助理无人驾驶智能金融智能家居智能
14、医疗智能安防机器人应用层应用层技术层技术层基础设施基础设施层层自然语言处理语言识别深度学习大数据芯片云计算传感器特征值标签 模型 预测 计算误差 更改模型参数值误差a1值a1值误差 起点 下一点 负 梯度 起点 误差 小的步长 影响速度 a1值误差 起点 大的步长 错过最小值a1值儿童大人大片（卖座片）艺术片（非卖座片）语音/语言学知识数据挖掘技术信号处理技术统计建模方法训练语音语音/语言数据库语言数据库语音信号端点检测降噪特征提取解码识别结果语音/语言模型运用语音识别技术的流程如下：运用语音识别技术的流程如下：前端后台几种常用的深度神经网络声学模型几种常用的深度神经网络声学模型名称DNN（深
15、度神经网络）LSTM（长短时记忆网络）BLSTM（双向长短时记忆）特点包含至少3层以上的隐层，通过增加隐层数量来进行多层的非线性变换，大大的提升了模型的建模能力。一种特殊的循环神经网络（RNN）。通过输入门、输出门和遗忘门可以更好的控制信息的流动和传递，具有长短时记忆能力，并在一定程度上缓解RNN的梯度消散和梯度爆炸问题。相比LSTM还考虑了反向时序信息的影响，也即“未来”对“现在”的影响，这在语音识别中也是非常重要的。几种常用的深度神经网络几种常用的深度神经网络NLPNLP模型模型Word2vecWord2vec可以在百万数量级的词典和上亿的数裾集上进行高效地训练；该工具得到的训练结果一一词
16、向量（word embedding），可以很好地度量词与词之间的相似性。 NLP领域还有很多其它种类的深度学习模 ，有时候递归神经网络和卷积神经网络也会用在NLP任务中 ，但没有RNN 这么泛 。 循环神经网络（Recurrent Neural Networks）RNN现在已经是NLP任务最常用的方法之一。RNN模型的优势之一就是可以有效利用之前传入网络的信息。门控递归单元（Gated Recurrent Units）目的是为RNN模型在计算隐层状态时提供一种更复杂的方法。这种方法将使模型能够保持更久远的信息。（1）深度学习在）深度学习在NLP中的应用中的应用深度学习、算力和大数据的爆发极大促进了自然语言处理技术的发展。
