AI軟件工程平臺將AI模型、機器人流程自動化(RPA)技術(shù)、低代碼能力進行整合，推出面向場景化、AI端云協(xié)同的智能流程機器人方案。特點是開箱即用、本地落地AI能力、自主可控、安全穩(wěn)定、端云協(xié)同，能夠全面提升業(yè)務(wù)效率和員工體驗。本文將介紹AI軟件工程平臺 的開發(fā)的四個重要部分：

1、數(shù)據(jù)標注

數(shù)據(jù)標注是AI開發(fā)基礎(chǔ)也是關(guān)鍵。標注旨在將圖像中的目標、關(guān)鍵點等結(jié)構(gòu)化信息通過人工進行標記并賦予標簽。數(shù)據(jù)標注是整個開發(fā)中最具工作量的部分，標注樣本多、實例多，標注精度要求高。1個訓練有素的標注人員1天約能標注1000張樣本，對于場景依賴性強的定制化算法，則需要更多輪次優(yōu)化數(shù)據(jù)，因此，需投入大量標注時間。

2、模型開發(fā)

模型開發(fā)是根據(jù)場景化需求，設(shè)計算法模型。模型開發(fā)旨在將業(yè)務(wù)需求抽象為數(shù)學化表達，并轉(zhuǎn)化為模型能夠識別的內(nèi)容。AI軟件工程平臺旨在通過高性能標準模型的開發(fā)，實現(xiàn)不同算法的模型調(diào)優(yōu)與復(fù)用。

3、模型訓練

模型訓練是依據(jù)設(shè)計模型，配置模型超參并訓練模型。將訓練數(shù)據(jù)喂入設(shè)計模型，并調(diào)優(yōu)超參數(shù)，分配硬件資源，可視化訓練進度與指標，從而進行人工干預(yù)或早停調(diào)參重訓。訓練完畢，導(dǎo)入數(shù)據(jù)進行模型能力評估。AI軟件工程平臺通過模型管理、超參配置、資源分配與可視化訓練監(jiān)控，及時掌握模型訓練進度與指標。可實現(xiàn)多任務(wù)協(xié)同訓練與集中管理。

4、模型部署

模型部署是模型一般在大算力的X86服務(wù)器上采用GPU完成訓練。而推理模型可部署至服務(wù)器、邊緣計算盒子、前端感知設(shè)備。AI開發(fā)平臺旨在建立算法模型與部署平臺之間的N:N適配。大型服務(wù)器上訓練完成的模型可適配至推理設(shè)備。

軟通動力AI端云一體化產(chǎn)品，結(jié)合華為2021年發(fā)布的智能流程機器人解決方案等相關(guān)技術(shù)，針對企業(yè)重復(fù)且規(guī)則的工作內(nèi)容、業(yè)務(wù)流程的斷點堵點推出的軟硬一體化解決方案。目前，AI端云協(xié)同服務(wù)已應(yīng)用于100余個智能自動化場景，覆蓋企業(yè)、金融、政務(wù)、互聯(lián)網(wǎng)、教育、汽車、銀行、保險、證券等領(lǐng)域。