科技部：推进人工智能基础设施建设
9月5日，科技部印发《国家新一代人工智能创新发展试验区建设工作指引》（以下简称“《指引》”）的通知。
《指引》明确，到2023年，布局建设20个左右试验区，创新一批切实有效的政策工具，形成一批人工智能与经济社会发展深度融合的典型模式，积累一批可复制可推广的经验做法，打造一批具有重大引领带动作用的人工智能创新高地。
《指引》提出，试验区建设以直辖市、副省级城市、地级市等为主，拟申请建设试验区的城市应具备以下条件：
一、科教资源丰富：应拥有设立人工智能学院或研究院的高校，拥有人工智能基础研究或关键技术领域的高水平研发机构，拥有一批高水平的人工智能创新团队。
二、产业基础较好：原则上应是国家自主创新示范区或国家高新区所在城市，并已明确将发展人工智能作为重点产业方向，人工智能核心产业规模超过50亿元，人工智能相关产业规模超过200亿元。
三、基础设施健全：数据资源丰富，拥有相关的数据平台、大数据中心和云计算中心，移动通信、物联网、工业互联网等网络基础设施较为完善。优先支持已布局国家新一代人工智能开放创新平台的城市。
四、支持措施明确：地方政府对人工智能发展高度重视，已出台人工智能发展规划或实施意见。地方对人工智能有明确资金和政策支持，设立人工智能专项资金，政府相关部门设有专门人工智能推进机制或机构。
此外，《指引》提出，对于人工智能产业优势明显、智能化基础设施健全、应用场景特色突出、具有较强技术研发和成果转化能力的部分县域，也可申请建设国家新一代人工智能创新发展试验区。
国家新一代人工智能创新发展试验区建设工作指引
为深入贯彻习近平总书记关于人工智能的系列重要指示精神，加快落实《国务院关于印发新一代人工智能发展规划的通知》（国发〔2017〕35号）的部署要求，进一步明确国家新一代人工智能创新发展试验区的总体要求、重点任务、申请条件、建设程序和保障措施，有序推动国家新一代人工智能创新发展试验区建设，特制定本指引。
一、总体要求
（一）建设思路。
国家新一代人工智能创新发展试验区（以下简称试验区）是依托地方开展人工智能技术示范、政策试验和社会实验，在推动人工智能创新发展方面先行先试、发挥引领带动作用的区域。试验区建设以促进人工智能与经济社会发展深度融合为主线，创新体制机制，深化产学研用结合，集成优势资源，构建有利于人工智能发展的良好生态，全面提升人工智能创新能力和水平，打造一批新一代人工智能创新发展样板，形成一批可复制可推广的经验，引领带动全国人工智能健康发展。
（二）建设原则。
应用牵引。适应人工智能发展特点和趋势，强化创新链和产业链深度融合，大力推动人工智能在经济社会领域的应用，以规模化应用促进人工智能技术和系统的迭代升级。
地方主体。充分发挥地方在试验区建设中的主体作用，重点依托人工智能发展基础较好的城市，在推动人工智能研发应用方面大胆探索，推出一批重大举措，有力促进地方经济社会发展。
政策先行。在人工智能发展的体制机制、政策法规、标准规范等方面发挥先行先试作用，促进创新政策与产业政策、社会政策的协调，加强政策储备，形成更加完备的政策体系。
突出特色。结合地方经济社会实际和人工智能发展的基础条件，在人工智能与经济社会发展深度融合、智能时代政府治理等方面形成各具特色的经验做法和发展模式。
（三）建设目标。
到2023年，布局建设20个左右试验区，创新一批切实有效的政策工具，形成一批人工智能与经济社会发展深度融合的典型模式，积累一批可复制可推广的经验做法，打造一批具有重大引领带动作用的人工智能创新高地。
（四）总体布局。
服务支撑国家区域发展战略。重点围绕京津冀协同发展、长江经济带发展、粤港澳大湾区建设、长三角区域一体化发展等重大区域发展战略进行布局，兼顾东中西部及东北地区协同发展，推动人工智能成为区域发展的重要引领力量。
以城市为主要建设载体。重点依托人工智能创新资源丰富、发展基础较好的城市，探索人工智能赋能城市经济、优化城市治理、引领高质量发展的新模式。选择人工智能应用基础较好的若干县域，探索人工智能引领县域经济发展、支撑乡村振兴战略的新模式。
二、重点任务
（一）开展人工智能技术应用示范，探索促进人工智能与经济社会发展深度融合的新路径。围绕地方经济发展和民生改善的迫切需求，在制造、农业农村、物流、金融、商务、家居、医疗、教育、政务、交通、环保、安防、城市管理、助残养老、家政服务等领域开展人工智能技术应用示范，拓展应用场景，加快推进人工智能与实体经济深度融合，促进人工智能在社会民生领域的广泛应用。
（二）开展人工智能政策试验，营造有利于人工智能创新发展的制度环境。围绕数据开放与保护、成果转化、知识产权、安全管理、人才引育、财税金融、社会保障、国际合作等方面开展政策先行先试，探索建立支持人工智能原始创新的体制机制，形成适应人工智能发展的政策框架和法规标准体系，为人工智能科学研究、技术开发、产品创新、产业发展和社会应用营造良好环境。
（三）开展人工智能社会实验，探索智能时代政府治理的新方法、新手段。组织开展长周期、跨学科的社会实验，客观记录、科学评估人工智能技术对个人和组织的行为方式、就业结构和收入变化等方面的综合影响，持续积累数据和实践经验，为智能时代的政府治理提供支撑。
（四）推进人工智能基础设施建设，强化人工智能创新发展的条件支撑。加强网络基础设施、大数据基础设施、计算基础设施建设，提升传统基础设施的智能化水平，形成支撑新一代人工智能广泛应用的基础设施体系。建设人工智能研发基地和开放创新平台，推动公共数据安全有序开放，强化人工智能研发创新的基础条件支撑。
三、申请条件
试验区建设以直辖市、副省级城市、地级市等为主，拟申请建设试验区的城市应具备以下条件。
（一）科教资源丰富。应拥有设立人工智能学院或研究院的高校，拥有人工智能基础研究或关键技术领域的高水平研发机构，拥有一批高水平的人工智能创新团队。
（二）产业基础较好。原则上应是国家自主创新示范区或国家高新区所在城市，并已明确将发展人工智能作为重点产业方向，人工智能核心产业规模超过50亿元，人工智能相关产业规模超过200亿元。
（三）基础设施健全。数据资源丰富，拥有相关的数据平台、大数据中心和云计算中心，移动通信、物联网、工业互联网等网络基础设施较为完善。优先支持已布局国家新一代人工智能开放创新平台的城市。
（四）支持措施明确。地方政府对人工智能发展高度重视，已出台人工智能发展规划或实施意见。地方对人工智能有明确资金和政策支持，设立人工智能专项资金，政府相关部门设有专门人工智能推进机制或机构。
对于人工智能产业优势明显、智能化基础设施健全、应用场景特色突出、具有较强技术研发和成果转化能力的部分县域，也可申请建设国家新一代人工智能创新发展试验区。
四、建设程序
（一）推荐申请。符合上述申请条件、有意愿建设试验区的地方结合自身基础和条件，撰写《国家新一代人工智能创新发展试验区建设方案》。建设方案应包括基础条件、建设思路、建设目标、建设内容以及保障措施等。建设方案经地方所属省（自治区、直辖市）政府审核后，报送科技部。
（二）综合论证。科技部组织专家对试验区建设方案开展综合论证，论证专家主要由国家新一代人工智能战略咨询委员会和国家新一代人工智能治理专业委员会的部分专家，以及高校、科研院所、企业的人工智能技术专家和政策专家组成。
（三）启动建设。科技部结合论证意见，综合考虑试验区建设的总体布局，对满足建设条件、建设方案较成熟的地方，按程序批复支持启动建设试验区，并向社会公布。
（四）运行管理。地方按照试验区建设方案部署推进相关工作。每年12月底前，试验区形成年度工作总结报告，经所属省（自治区、直辖市）科技主管部门审核后报送科技部。科技部将适时对试验区建设情况开展考核评估。
（五）示范推广。试验区凝练提出可供推广的若干政策措施和经验做法，科技部在此基础上进行总结提炼，向全国示范推广。
五、保障措施
（一）组织保障。科技部充分发挥新一代人工智能发展规划推进办公室的统筹作用，会同有关部门加强对试验区建设的系统布局、协调推进和政策指导。试验区所属省（自治区、直辖市）政府切实加强对试验区建设的组织领导和工作指导。
（二）支持方式。科技部从政策、资源等方面对试验区建设给予支持。地方政府要加大试验区建设的资金投入，做好试验区建设的政策设计，积极引导企业和社会力量参与试验区建设。
（三）宣传引导。加强试验区建设的政策解读，定期开展交流研讨，及时宣传试验区建设工作取得的新进展、新成效、新突破，总结经验做法，在全社会营造人工智能创新发展的良好氛围。
新基建丨AI基础设施将成为“新基建”核心内容
·聚焦:人工智能、芯片等行业
欢迎各位客官关注、转发
前言：
在国家加快推动新基建背景之下，人工智能将进入高速发展阶段，其溢出带动效应更为凸显，为传统行业数字化转型和经济社会智能化发展提供强劲引擎。
作者|方文
图片来源|网络
AI基础设施有着重要的支撑作用
当前，受新冠肺炎疫情防控、国际竞争博弈等影响，我国传统拉动经济增长的外贸、投资和消费[三驾马车]均受到不同程度的影响，经济面临下行压力。
国家多次提出加快新型基础设施建设，国家部委和地方政府积极出台新基建相关指导意见和投资计划。
相较于传统基建，新基建发展空间巨大，带动效应明显，正在成为我国稳投资、调结构、扩内需的经济发展新引擎。
AI作为新基建的核心板块之一，在新冠肺炎疫情防控期间，人工智能企业纷纷开放算力、算法和数据等基础设施资源；
助力提升传统行业智能化水平，为对冲疫情影响、促进产能恢复发挥了重要支撑作用。
新基建加速企业智能化转型
新冠疫情、经济增长放缓、竞争加剧等多重挑战下，企业加速应用AI进行智能化建设，但仍面临诸多挑战。
AI与RPA技术的结合将实现RPA和AI技术单独使用无法实现的效果，扩展了企业自动化的业务价值。
在数据治理、模型开发两大环节，数据中台、AI中台等建设帮助企业提升智能化应用开发效率和业务响应敏捷性。
随着人工智能应用不断深入，作为基础设施之一，人工智能治理体系建设的紧迫性不断增强，企业应当将治理体系作为AI应用中的重要考量因素。
总体上，企业对于AI技术的应用，大部分处在流程自动化阶段，分析决策智能化及商业模式创新化还处在尝试探索阶段。
新基建完善AI基础设施
AI本身被定义为一种新型基础设施，将助力产业实现智能化。
反过来，新基建又将推动AI产业化，为AI产业提供基础设施，助力人工智能场景落地。
新基建将在数据和算力、算法三个层面为人工智能提供基础设施支持。
在物联网环境下，大部分IoT场景对数据实时性要求高，属于延迟敏感、数据密集型技术，需要在边缘处进行数据处理，带动了边缘数据中心的崛起。
算法层面，作为新基建的一部分，AI本身将受益于新基建的政策支持。
目前中国AI产业主要依赖以TensorFlow、Caffe等为主的美国企业或机构研发的算法框架，新基建强调加强自主创新，将推动中国企业构建自主可控的算法支撑体系。
AI正在从云计算向边缘计算延伸，未来将形成云计算与边缘计算协同发展的态势，为人工智能提供更强大的基础设施。
人工智能新基建面临诸多挑战
①主导权受到威胁。
目前，我国在计算机视觉、智能语音等人工智能应用层面处于全球领先水平，但在算力芯片、学习框架、基础算法等人工智能基础设施方面，对外依赖较为严重。
近年来，以美国为首的发达国家为锁定其技术优势和主导地位，持续加大基础环节管控，遏制我国人工智能行业发展。
②本身存在复杂性。
在传统的工业制造、农业生产、卫生医疗等具体行业内，往往存在数字化转型程度不高以及数据开放共享不足等问题。
现阶段深度学习算法存在鲁棒性弱的问题，在具体应用场景的开放动态环境中，算法决策可能会产生意料不到的错误；
导致人工智能不太适用于工业控制、能源输配等安全可靠性要求高的场合。三是技术高复杂性限制新基建推进进程。
顶层重视AI基础设施的未来
据市场研究机构IDC与浪潮联合发布的《2020—2021中国人工智能计算力发展评估报告》显示：
中国AI基础设施市场规模在2020年达到39.3亿美元，同比增长26.8%。
人工智能的基础设施建设的核心是构建专用设施，填补算力不足。
同时应在泛在、融合的发展趋势下，构建软硬件协同、新老系统协同、各个行业协同的产业新生态。
[十三五]以来，我国AI技术快速发展，新型基础设施布局稳步推进，相关应用场景不断拓展。
产业已初步呈现关键共性技术研发攻关、创新产品应用、新兴产业培育[三位一体]的发展格局。
[十四五]规划和2035远景目标提出要以高质量发展为主题，要求人工智能技术进一步加快作用于国民经济活动。
算力层面：异构计算及其应用场景特别是大算力场景逐渐清晰，算力与软件算法协同优化将是未来发展重点。
工程层面：在异构计算范式要求下，人工智能开发涉及的软硬件环境愈加复杂，借由人工智能开发平台和软件框架降低开发运维成本将是可行方向。
运营层面：在复杂的商业化环境中，软件基础设施类型项目的推广依赖有效的开发者关系运营加持。
结尾：
作为引领新一轮科技革命和产业变革的核心引擎，人工智能通过学科发展、理论建模、技术创新、软硬件升级等整体推进，有力驱动经济社会各领域从数字化、网络化向智能化加速跃升。
我国以制造业为代表的实体经济正处于转型升级的关键节点，面对严峻复杂的国际环境和改革发展稳定的艰巨任务，亟需通过人工智能赋能来突破传统生产方式的瓶颈、催生新兴产业、重构商业模式，以智能化转型为实体经济注入新动能。
部分资料参考：爱分析ifenxi：《新基建助推，人工智能应用迈入新阶段》
本公众号所刊发稿件及图片来源于网络，仅用于交流使用，如有侵权请联系回复，我们收到信息后会在24小时内处理。
END
人工智能基础
本课程推荐教材及与课程学习目标对应关系如下：
1. 授课教材：《人工智能》丁世飞编著电子工业出版社 2020年第三版ISBN：9787121363955。
（1）教材特点：《人工智能导论（第3版）》主要阐述人工智能的基本原理、方法和应用技术。全书共13章，除第1章讨论人工智能基本概念、第13章讨论人工智能的争论与展望外，其余11章按照“基本智能+典型应用+计算智能”三个模块编排内容。一个模块为人工智能经典的三大技术，分别为知识表示技术、搜索技术和推理技术，主要包括知识表示、确定性推理、搜索策略、不确定性推理；第二个模块为人工智能的典型应用领域，包括机器学习、支持向量机和专家系统；第三个模块为计算智能与群智能，包括神经计算、进化计算、模糊计算和群智能。
本课程主要选用了本教材的第一稿模块，即知识表示技术、搜索技术和推理技术中相关的内容。
（2）使用方法：本教材对应课程学习目标1-5，可以做到对课程内容前半部分的全覆盖，请同学们学习完视频之后，一定要详细阅读教材中的对应部分，并针对课后习题进行联系，能够有效提高学习质量；
2、本课程参考了大量网络上的课程。对应课程学习目标6-8，包括：
https://stanford-cs221.github.io/spring2021/
https://cse.iitkgp.ac.in/~dsamanta/courses/da/
百度飞桨师资培训的机器学习和深度学习的内容。
https://easyai.tech
此外还有参考百度百科、B站、以及知乎和CSDN等各类科技网站。
在此表示感谢！