基于EAIDK的端云结合人工智能实验室建设方案

1公司和产品介绍

1.1开放智能（OPEN AI LAB）

OPEN AI LAB（开放智能）于2016年成立，致力于推动芯片级算力、算法、工程产品化、行业应用完整产业链的深度协作，加速人工智能产业化部署和场景的边界拓展，赋能有场景和数据的细分行业快速实现+AI。为AIoT产业链上下游合作伙伴提供端、边、云的一体化AI开放基础软硬件平台、算力操作系统及应用级解决方案。

在人工智能教育领域，OPEN AI LAB已经形成以软硬件一体化开发平台EAIDK为核心，涵盖教、学、创、研各环节，融合计算机视觉、智能语音处理、AIoT等技术的完整建设方案，帮助高等院校全面打造从基础设施搭建、教学管理平台、理论课程、实践案例到师资服务支撑的完整教学与实训体系，切实解决AI专业人才的培养难题，更好更快地推进高等教育人工智能学科建设。

1.2EAIDK（嵌入式人工智能开发平台）

EAIDK（Embedded AI Development Kit）作为全球首款Arm架构人工智能开发平台，于2018年9月首届“Arm人工智能开发者全球峰会”上发布。EAIDK以Arm SoC为硬件平台、Tengine（Arm中国周易平台）为核心的人工智能基础软件平台OAS、集成典型应用算法，形成“软硬一体化”的AI开发/应用套件。

EAIDK以满足端侧人工智能产品应用为出发点；

硬件平台提供丰富的物理扩展接口，满足各类多样化传感器接口（语音、视觉及运动控制等接口），可伸缩适应细分垂直行业业务需求；

智能软件平台提供NLP、机器学习、深度学习、SLAM等框架平台和基础开源算法；

完善的应用开发文档，应用案例说明、开发文档；应用算法、案例在线获取；

EAIDK预装嵌入式深度学习框架Tengine，支持Caffe/TensorFlow/Pytorch/MxNet/ONNX/Darknet等训练框架模型直接部署，支持层融合、量化等网络性能优化策略，提供统一API（C/Python/JNI）接口，提供扩展接口自定义算子。

嵌入式深度学习框架Tengine内含高性能异构计算库HCL：HCL.NN加速嵌入式平台神经网络推理运算，HCL.Vision具备常用的图像处理、计算机视觉、模式识别的算子与算法，提供异构调度硬件加速芯片图像处理，HCL.Audio具备常用的音频信号前后处理算子，支持FFT/IFFT、MFCC等信号处理方式。

在高等教育领域，OPEN AI LAB以EAIDK为核心已经形成覆盖计算机视觉，语音，AIoT，SLAM等领域的人工智能综合实验室建设方案，并提供校企联合培养、校外实践、专业共建等服务。

EAIDK平台自推出以来，已在智能制造、智能安防、智能务流、智能校园以及智能家居等领域得到应用落地。EAIDK可作为教学、科研平台议题平台。

2人工智能创新实践型人才培养的目标

2.1人才岗位分析

人工智能的兴起广泛带动了不同行业的变革。以计算机视觉及大规模神经网络为代表的技术突破，为人工智能的实际应用创造了成熟条件。目前，人工智能的快速发展与专业人才尤其是应用型人才匮乏的矛盾显得尤为突出。因此，培养熟悉硬件、掌握AI 相应模块使用方法的应用型人才是目前各个企业和机构的当务之急，对人工智能应用型人才的培养显得尤为重要。

2.2人才培养目标

我们的目标是培养在人工智能领域具备源头创新能力、具备分析问题与动手解决问题能力、同时能解决企业关键技术难题能力的应用型人才。围绕人工智能专业技能的具体内涵，培养掌握人工智能热门应用方向的基础研究、应用研究、运行维护等方面的专业技术人才。

2.3具备人工智能专业的能力结构

专业能力培养： 具备良好的数学挖掘能力和牢固的计算机专业知识基础，掌握扎实的人工智能基础理论和专业知识，了解前沿发展现状和趋势；具备基本的思考、分析和解决问题的能力，具体表现为良好的算法能力，嵌入式系统开发能力，人工智能行业应用能力以及物联网，机器人，智能家居等产业融合创新应用能力；具有扎实的系统工程开发和实践能力。

创新实践能力培养：具备以物联网、大数据、及人工智能为核心的创造性思维能力，具备人工智能理论、技术、应用及交叉学科融合的科研开发能力以及对新知识、新技术、新应用的敏锐性。

2.4具备人工智能专业的知识结构

数学基础知识： 数学分析、高等代数、数理统计、离散数学、最优化方法等。

人工智能基础知识：人工智能导论、数据结构与算法分析、C语言程序设计基础、嵌入式人工智能程序设计、机器学习导论、知识表示与处理、模式识别与计算机视觉、自然语言处理、数字系统设计基础、计算机系统基础、linux操作系统基础。

专业方向知识： 数字信号处理、高级机器学习、计算方法、控制理论与方法、机器人导论、分布式与并行计算等。

数学拓展知识： 数学建模、矩阵计算、随机过程、时间序列分析等。

学科拓展知识：编译原理、随机算法、数据库概论、计算机体系结构、软件系统结构设计等。

专业拓展知识：自动规划、归纳逻辑程序设计、学习理论导论、概率图模型、强化学习、神经网络、启发式搜索与演化算法、信息检索、语音信号处理、深度学习与应用、数据挖掘方法等。

交叉复合知识：认知科学导论、神经科学导论、计算语音学、计算金融、智能硬件与新器件、传感器设计与应用、智能家居创新应用、无人驾驶与人工智能边缘计算应用等。

应用实践知识： 嵌入式智能系统设计与应用、人工智能视觉应用建模、机器学习系统与平台、机器人系统开发、Ros系统开发实训、无人机视觉SLAM实训。