上海人工智能实验室发布开源平台体系OpenXLab
开源是推动人工智能技术进步的重要力量。7月8日，上海人工智能实验室在2021世界人工智能大会的开幕式和科学前沿全体会议上发布其开源平台体系OpenXLab，首发阵容包括两大开源平台：新一代OpenMMLab以及全新发布的OpenDILab。
作为深度学习时代计算机视觉领域最具影响力的开源算法平台,OpenMMLab升级后将涵盖更广泛的算法领域和应用场景，实现从训练到部署的全链条价值。首次亮相的OpenDILab则是国际上首个覆盖学术和工业广泛需求的决策智能平台，将有力地推动人工智能从感知识别到认知决策的跃迁。
“开源在计算机科技数十年的发展历程中一直发挥着关键的作用。”上海人工智能实验室教授林达华认为，“当下，我们正在经历人工智能革命的新浪潮。OpenXLab开源平台体系将助力人工智能技术实现更大进步，支持人工智能产业更快速发展。”
上海人工智能实验室科学技术发展部部长乔宇表示，“我们将和研究者、开发者以及使用者一道，共同构建繁荣的人工智能开源生态。”
OpenMMLab：深度学习时代最受欢迎的视觉算法框架
在2020年发布升级计划以来，OpenMMLab实现了一系列重大进展。
首先是对开源社区内容进行全面升级。在一年的时间内，OpenMMLab发布了四个全新的代码库——MMGeneration、MMOCR、MMTracking和MIM。
其中，MMGeneration是一个强大的生成模型工具箱，典型的算法为生成对抗网络（GAN），基于MMGeneration可实现诸多有趣的应用，如图片与视频的合成等。
MMOCR支持多种用于文本检测、文本识别以及关键信息提取的业内先进模型，以及多语言及数字、符号识别和用户订制化训练各种语言的算法模型。
MMTracking是业内首个开源、统一的视频感知工具箱，可进行视频对象检测、单对象跟踪和多对象跟踪，其中的算法已被广泛用于车辆检测跟踪等AI落地应用场景。
MIM则是OpenMMLab系列算法库的统一命令行工具，为启动和安装OpenMMLab项目及其扩展，以及模型库管理提供了统一的界面。
其次，OpenMMLab发布了超过100个升级版本。不断提升算法库的代码质量、易用性和可读性，持续增加新的学术前沿算法，支持的算法数从100+增加到160+，模型数从600+增加到1300+。并且初步支持算法模型部署，影响力已扩展到行业应用领域。
除了持续发布更新硬核内容外，OpenMMLa还积极推动社区建设，目前已成为深度学习时代最受欢迎的计算机视觉算法框架。目前OpenMMLab在GitHub上拥有37000+stars，10000+forks，有超过600名社区开发者参与项目开发，与去年同期相比增长超过100%，用户和开发者的遍及全球超过100个国家和地区。众多全球顶尖高校、研究院所和企业机构使用OpenMMLab进行算法研究开发，两年内支持了超过500篇论文的发表。
OpenDILab：引领AI迈向高阶决策智能
决策智能是国家新一代人工智能的重要发展方向，而开放开源是发展的基本原则之一。
针对决策AI的技术难题以及产学研协同创新过程中的诸多痛点，上海人工智能实验室此次发布的革命性的决策AI平台OpenDILab，首次将产业应用中对于训练系统、环境接口、算法设计的需求与学术界进行了有效连接，底层依托创新的DI-engine实现了多种决策AI问题的标准化，中层提供全面丰富的决策类AI基础算法集，顶层集成多种工业级生态应用，自下而上打通决策AI研究与产业需求的闭环。
全新的OpenDILab将涵盖应用层、算法层、训练层、支持层四大模块，充分拓宽决策AI技术在学术研究和工业实践中的深度和广度。其中，应用层将提供多种决策场景和大量性能优异的算子，助力AI做出最优决策；算法层则提供多种常用模块化组件，支持用户多维度的扩展和定制，完成决策AI算法的大统一；训练层内置了多种类型的执行计算图，可为小到学术研究，大到工业级应用的多种规模问题提供支持；支持层能够支持异构计算和决策AI算法的结合，并在资源调度方面可依据算法和资源，动态管理整个训练过程，提供异常自动化维护等多种微服务。
依托OpenDILab，基于丰富的决策AI算法，构建一个到手即用的工业应用生态成为可能，这将降低开发人员复现算法的难度，提高学术研究效率，加快学术成果的转化速度，从而减少产业界的研发成本和重复投入。
秉承这一理念，OpenDILab提供的决策类AI基础算法集DI-zoo将通过全面、高效的算法库，为研究者提供收敛快、上限高的算法实现，同时集成的DI-star、DI-drive等面向策略游戏、自动驾驶等领域的多种工业级生态应用，更将进一步帮助各行各业在决策AI的驱动下，实现关键的技术和应用突破。
上海人工智能实验室是人工智能领域的新型研发机构，2020年7月在世界人工智能大会（WAIC）正式揭牌。实验室开展战略性、原创性、前瞻性的科学研究与技术攻关，突破人工智能的重要基础理论和关键核心技术，打造“突破型、引领型、平台型”一体化的大型综合性研究基地，支撑我国人工智能产业实现跨越式发展，目标建成国际一流的人工智能实验室。
上海人工智能实验室发布开源平台体系OpenXLab
原标题：上海人工智能实验室发布开源平台体系OpenXLab
开源是推动人工智能技术进步的重要力量。7月8日，上海人工智能实验室在2021世界人工智能大会的开幕式和科学前沿全体会议上发布其开源平台体系OpenXLab，首发阵容包括两大开源平台：新一代OpenMMLab以及全新发布的OpenDILab。作为深度学习时代计算机视觉领域最具影响力的开源算法平台,OpenMMLab升级后将涵盖更广泛的算法领域和应用场景，实现从训练到部署的全链条价值。首次亮相的OpenDILab则是国际上首个覆盖学术和工业广泛需求的决策智能平台，将有力地推动人工智能从感知识别到认知决策的跃迁。“开源在计算机科技数十年的发展历程中一直发挥着关键的作用。”上海人工智能实验室教授林达华认为，“当下，我们正在经历人工智能革命的新浪潮。OpenXLab开源平台体系将助力人工智能技术实现更大进步，支持人工智能产业更快速发展。”上海人工智能实验室科学技术发展部部长乔宇表示，“我们将和研究者、开发者以及使用者一道，共同构建繁荣的人工智能开源生态。”OpenMMLab：深度学习时代最受欢迎的视觉算法框架在2020年发布升级计划以来，OpenMMLab实现了一系列重大进展。首先是对开源社区内容进行全面升级。在一年的时间内，OpenMMLab发布了四个全新的代码库——MMGeneration、MMOCR、MMTracking和MIM。其中，MMGeneration是一个强大的生成模型工具箱，典型的算法为生成对抗网络（GAN），基于MMGeneration可实现诸多有趣的应用，如图片与视频的合成等。MMOCR支持多种用于文本检测、文本识别以及关键信息提取的业内先进模型，以及多语言及数字、符号识别和用户订制化训练各种语言的算法模型。MMTracking是业内首个开源、统一的视频感知工具箱，可进行视频对象检测、单对象跟踪和多对象跟踪，其中的算法已被广泛用于车辆检测跟踪等AI落地应用场景。MIM则是OpenMMLab系列算法库的统一命令行工具，为启动和安装OpenMMLab项目及其扩展，以及模型库管理提供了统一的界面。其次，OpenMMLab发布了超过100个升级版本。不断提升算法库的代码质量、易用性和可读性，持续增加新的学术前沿算法，支持的算法数从100+增加到160+，模型数从600+增加到1300+。并且初步支持算法模型部署，影响力已扩展到行业应用领域。除了持续发布更新硬核内容外，OpenMMLa还积极推动社区建设，目前已成为深度学习时代最受欢迎的计算机视觉算法框架。目前OpenMMLab在GitHub上拥有37000+stars，10000+forks，有超过600名社区开发者参与项目开发，与去年同期相比增长超过100%，用户和开发者的遍及全球超过100个国家和地区。众多全球顶尖高校、研究院所和企业机构使用OpenMMLab进行算法研究开发，两年内支持了超过500篇论文的发表。OpenDILab：引领AI迈向高阶决策智能决策智能是国家新一代人工智能的重要发展方向，而开放开源是发展的基本原则之一。针对决策AI的技术难题以及产学研协同创新过程中的诸多痛点，上海人工智能实验室此次发布的革命性的决策AI平台OpenDILab，首次将产业应用中对于训练系统、环境接口、算法设计的需求与学术界进行了有效连接，底层依托创新的DI-engine实现了多种决策AI问题的标准化，中层提供全面丰富的决策类AI基础算法集，顶层集成多种工业级生态应用，自下而上打通决策AI研究与产业需求的闭环。全新的OpenDILab将涵盖应用层、算法层、训练层、支持层四大模块，充分拓宽决策AI技术在学术研究和工业实践中的深度和广度。其中，应用层将提供多种决策场景和大量性能优异的算子，助力AI做出最优决策；算法层则提供多种常用模块化组件，支持用户多维度的扩展和定制，完成决策AI算法的大统一；训练层内置了多种类型的执行计算图，可为小到学术研究，大到工业级应用的多种规模问题提供支持；支持层能够支持异构计算和决策AI算法的结合，并在资源调度方面可依据算法和资源，动态管理整个训练过程，提供异常自动化维护等多种微服务。依托OpenDILab，基于丰富的决策AI算法，构建一个到手即用的工业应用生态成为可能，这将降低开发人员复现算法的难度，提高学术研究效率，加快学术成果的转化速度，从而减少产业界的研发成本和重复投入。秉承这一理念，OpenDILab提供的决策类AI基础算法集DI-zoo将通过全面、高效的算法库，为研究者提供收敛快、上限高的算法实现，同时集成的DI-star、DI-drive等面向策略游戏、自动驾驶等领域的多种工业级生态应用，更将进一步帮助各行各业在决策AI的驱动下，实现关键的技术和应用突破。上海人工智能实验室是人工智能领域的新型研发机构，2020年7月在世界人工智能大会（WAIC）正式揭牌。实验室开展战略性、原创性、前瞻性的科学研究与技术攻关，突破人工智能的重要基础理论和关键核心技术，打造“突破型、引领型、平台型”一体化的大型综合性研究基地，支撑我国人工智能产业实现跨越式发展，目标建成国际一流的人工智能实验室。国内外人工智能开源平台的对比分析
引言：2019年10月8日，美国商务部声明出于国家安全考虑，将我国八家企业包括科大讯飞、旷视科技、商汤科技和依图科技在内的人工智能公司列入实体清单，并禁止与美国企业开展业务往来，人工智能开源平台作为全球人工智能产业加速发展的重要驱动要素，再一次受到了全球的关注。CIE智库围绕人工智能开源平台的专用芯片、算法模型、基础数据三大要素对国内外人工智能开源平台进行对比分析，总结我国人工智能开源平台的优势与差距，为我国人工智能产业发展政策制定提供参考。
开源文化可追溯到20世纪60年代，至今已有半个世纪的发展，逐步增多的开源事件表明，开源可推动研发速度加快、节约成本、效益最大化，是推动全球人工智能技术创新和产业发展的有效路径。人工智能开源平台的核心框架主要由专用芯片、算法模型、基础数据三大要素构成，在全球范围内，人工智能开源平台领先的国家主要有美国、中国和其他发达国家。美国在深度学习框架和大部分应用领域均处于领先地位，拥有数量最多、应用最广的人工智能开源平台。近年来，我国在计算机视觉、智能语音、中文自然语言处理、无人系统等领域的开源平台已在国际上占据了一席之地。通过研究了国外谷歌、微软、亚马逊和Facebook为代表的各大巨头推出的TensorFlow、CNTK、MXNet、Torch和Caffe2等人工智能开源平台，以及我国百度、腾讯和京东相继推出的PaddlePaddle、Angle等平台，学术界中科院计算所的Seeface、复旦大学的FudanNLP等国内外知名人工智能开源平台，中国电子学会对国内外人工智能开源平台进行了对比分析，得出相关结论如下。
图1全球人工智能开源平台地域分布
数据来源：中国电子学会整理
图2美国人工智能开源平台主要技术类型分布
数据来源：中国电子学会整理
一、国际企业在人工智能专用芯片领域具有先发优势发达国家凭借领先的技术优势持续创新。在当前人工智能专用芯片市场中，美国占据90％市场份额，处于绝对优势。英特尔、谷歌、英伟达等科技巨头公司都有人工智能芯片，其中，英特尔市场份额约71％，Nvidia约16％。随着前端嵌入式感知系统的完善，海量的结构化的数据需要更强、更快的训练能力，对人工智能专用芯片的尺寸、位置、功耗要求的多样性以及计算能力持续提出更高的要求。作为芯片巨头的英特尔，一方面探索量子计算和神经拟态计算，另一方面也在探索超异构计算形态，提前布局人工智能超级芯片。
我国企业围绕多样应用场景开发定制化芯片逐渐破局。人工智能专用芯片的技术架构由通用类芯片逐步发展为全定制化芯片，技术创新带来的蓝海市场吸引了我国大量的领军企业和初创企业进入产业。我国人工智能芯片企业聚焦多样化的应用场景，围绕智能手机、安防监控、可穿戴设备以及智能驾驶等领域，构建更为定制化、低功耗、低成本的嵌入式产品和解决方案，在应用上已与国际同步，但在基础技术层面尚落后发达国家两代（约40个月）以上。
表1全球人工智能芯片构架
数据来源：中国电子学会整理
二、深度学习的智能化趋势为我国算法模型弯道超车提供巨大契机开源化和生态化促使人工智能算法模型呈现垄断竞争态势。目前在深度学习开源平台领域，已经形成了谷歌的TensorFlow和脸书的PyTorch两家独大的格局，全球90%以上开发者都在这两个开源平台的生态体系之内。以谷歌、亚马逊、Facebook、微软等代表的国际互联网科技巨头，凭借自身的数据、技术和资本等优势，持续在人工智能基础开源生态领域发力，当前已经占据了人工智能开源平台的技术和规则主导权。
我国有望在智能化技术的推动下实现与全球并跑。相比国外科技巨头，国内公司在开源平台方面的积累十分薄弱。国内完全自主研发的深度学习算法框架屈指可数，以百度的PaddlePaddle为最主要代表。目前深度学习系统过于复杂，对研究人员和产业人员都带来了很高的学习和使用门槛，不利于技术的进一步规模化推广，自动化和智能化技术将逐步着力于对计算模型进行自动优化。在ImageNet上的实验结果表明，旷视基于Brain++平台的AutoML（模型自动化搜索）技术已超过了谷歌的水平，成为人工智能算法模型设计领域的领先成果。
表2全球主要开源深度学习框架比较
L：支持，但效能较差 X：不支持
数据来源：业内典型企业评价，中国电子学会整理
三、坚实的数据基础推动我国向国际先进水平看齐发达国家发力边缘智能生成结构化数据。随着技术能力的日益成熟，国际科技巨头和创新企业持续围绕在靠近数据源的设备节点侧或网络边缘侧来就近提供边缘智能服务，逐步能够将视频图像等非结构化数据实时转化为便于进行决策分析的高质量结构化数据，不仅有效减轻海量原始数据的传输、计算及存储压力，且大幅提升数据的整体分析效率，更为迅速地形成与需求匹配的智能化解决方案，显著增强了人工智能开源平台面对现实世界问题的实时响应能力。
我国万物互联的快速部署造就海量数据。我国网民数量超过8亿，移动电话用户突破14亿，均居全球第一，使得我国是世界上产生和积累数据体量最大、类型最丰富的国家之一。预计到2020年，我国物联网连接量将达到60亿个，终端连接基数将大幅提升，无处不在的感知节点也为人工智能开源平台在云、边、端对物联网的赋能提供了坚实的基础。国内用户较高的智能终端使用水平和技术水平，为我国人工智能开源平台的发展奠定了良好的用户基数和数据基础。
图32017-2020年中国物联网连接数量
数据来源：艾瑞咨询，中国电子学会整理
（凌霞）
声明：本文来自CIE智库，版权归作者所有。文章内容仅代表作者独立观点，不代表安全内参立场，转载目的在于传递更多信息。如有侵权，请联系anquanneican@163.com。
之江天枢人工智能开源平台发布20版本―中国经济网
在之江天枢人工智能开源平台开源一周年之际，一个功能更强、性能更优的全新版本同步推出，加速赋能人工智能技术创新和产业发展。
在8月30日举行的“2021之江杯全球人工智能大赛”启动仪式上，之江实验室副主任、天枢平台总架构师鲍虎军代表实验室发布天枢平台2.0版本，该平台将作为本次大赛的官方竞赛平台，为大赛提供全流程支撑与服务。
之江天枢人工智能开源平台是由之江实验室牵头，联合北京一流科技等单位共同打造的具有完全自主知识产权的国产人工智能开源平台。自2018年10月启动研发以来，天枢平台得到了国家发改委项目支持，1.0版于2020年8月开源上线，2.0版本在今日重磅推出，其易用性、功能完备性、应用丰富度等均有大幅提升。
正式开源一年以来，天枢研发团队发挥“大兵团作战”优势，以每三个月迭代一个小版本的速度，推动天枢平台实现功能模块的不断优化与整体性能的提升。天枢2.0的深度学习框架全面对齐PyTorch接口，只用一行代码就能兼容PyTorch。此外，深度学习框架还支持动态图和静态图复用同一套代码，减少了开发量，也降低了开发者的学习成本。
在AI模型开发平台方面，可单独部署的可视化工具包和远程连接功能，是本次迭代的两大亮点。可视化工具包兼容业界主流框架，实时、直观展示训练数据，在功能和响应速度上比肩业界主流训练可视化工具。远程连接和镜像管理功能为专业算法开发人员而生，提高了开发者的工作效率，突破了平台的功能限制。
值得一提的是，天枢模型库集成了智能视觉、自然语言处理、智能语音、推荐系统、强化学习和模型压缩等六大领域50余种算法。其中，天枢团队和复旦大学联合研发的中文预训练模型CPT，开创性地使用“深编码-浅解码”结构，大幅提升了运行效率，多个指标领跑主流中文预训练模型，表现亮眼。
回顾天枢开源这一年，聚码坊开源社区、天枢生态开放课题相继推出，六大应用领域生态伙伴携手合作，500多家机构和企业用户部署应用，中国科学院、复旦大学、浙江大学、北京一流科技、燧原科技等创新机构共同参与，一个学术界、产业界共同打造的人工智能核心生态圈初具规模。天枢平台总架构师鲍虎军在发布会上推出了“之江天枢生态建设计划”。他表示，天枢平台以服务高校、科研机构和中小型企业为重点，未来将面向不同人群提供专业版、通用版平台的私有化部署和运维，并开放小规模算力，提供免费的模型训练服务。天枢平台将继续设立开放课题，在先进算法与算子库构建、深度学习算子自动生成和编译、智能数据处理和分析和国产硬件的适配和部署等方面，与合作伙伴共同优化天枢平台。天枢团队还将在高校、网络课堂和自媒体社区等平台，开设“天枢学院”，为用户答疑解惑、鼓励开源贡献，并分享人工智能前沿创新技术。
作为智能计算软件基础设施，天枢平台将持续打造智能化的数据处理、模型开发、模型训练部署、算力管理、国产AI芯片适配、算法应用等能力，进一步拓展软硬件一体化合作伙伴的“朋友圈”，根据特定场景需求做定制化开发，赋能智慧制造、智慧园区、智慧城市、智慧交通、智能机器人等十余个专业领域，共建产学研用结合的人工智能创新应用生态。
在现场分享环节，中国工程院院士、之江实验室人工智能领域首席科学家潘云鹤表示，随着人工智能2.0时代的来临，数据、算法和算力的重要性愈加凸显。之江实验室在2018年启动部署之江天枢人工智能开源平台，致力于为长三角乃至全国的人工智能研发机构提供算法和部分算力支持，是一个公益性的平台。自天枢平台开源以来，平台已经展现出自己独特的优势，体现了中国人工智能富有特色的研究和应用之路。希望科研人员和行业伙伴用好之江天枢平台及开放生态，促进人工智能的研究力量在我国自主研发的平台中迅速成长。□记者朱涵杭州报道
OpenI 启智新一代人工智能开源开放平台盛大发布
雷锋网AI科技评论消息，2019年3月7日，OpenI启智新一代人工智能开源开放平台于青岛盛大发布。新一代人工智能产业技术创新战略联盟秘书长黄铁军教授在现场正式宣布，启智平台OpenI社区基础设施与工作环境对外开放并开展开源项目服务。
该平台基于国防科技大学Trustie课题组群体化开发方法、华为软件开发云DevCloud、鹏城实验室「章鱼」集群管理和资源调度等贡献项目的重要成果，为人工智能开源项目提供协同开发、代码管理、人才培养等社区协同创新及项目孵化服务，百度贡献了基于PaddlePaddle深度学习框架的核心功能VisualDL项目。
当前，启智平台已顺利完成与鹏城实验室「云脑1号」的系统对接，逐步对外开放人工智能基础算力和数据支撑。后续将与新一代人工智能产业技术创新战略联盟、鹏城实验室、北京智源人工智能研究院、国防科技大学等优势单位展开课程共建，持续发布人工智能前沿技术的实训内容。现在在网上可以随时访问OpenI平台（https://www.openi.org.cn），并从事协同开发工作。
黄铁军教授谈道，目前我国做人工智能有很多方面的优势：一是有强有力的战略引领和政策支持；二是有丰富的应用场景；三是有海量的数据资源；四是具有潜力的青年人才快速成长聚集，加速积累的技术能力；五是有开放的市场环境。
但与此同时，我国人工智能也存在不少短板。一是人工智能基础理论和原创算法差距较大；二是高端芯片、关键部件、高精度传感器等基础薄弱；三是尚未形成具有国际影响力的人工智能开源开放平台。为了营造国内完整人工智能生态链。打造一个彻底的、透明的、完全开放而且不被商业利益驱动的人工智能开放平台，OpenI启智新一代人工智能开源开放平台应运而生。
黄铁军教授表示，OpenI启智平台的使命就是：「支撑中国AI研究的顶尖科研平台，国际前三的AI开源社区」。OpenI启智平台一方面通过开源辅助新一代人工智能重大科技项目进入社区生态，另一方面通过开放社区运营，协助完善新一代人工智能重大科技项目布局。
据了解，建立开源平台是一个长期的工作，不仅需要不懈的努力，更需要全社会共同的支持。早在国家颁布《新一代人工智能发展规划》，科技部指导成立新一代人工智能产业技术创新战略联盟时，联盟便把工作核心定为「一体两翼」计划。其中的「一体」就是人工智能开源开放平台，即OpenI启智开源开放平台。
联盟方面表示，打造OpenI启智开源开放平台，不仅仅是联盟几个单位的事情，更是全社会的活动，因此联盟希望有更多的产学研单位参加AITISA联盟，共建OpenI开源开放平台建设，希望更多地方政府支持属地单位的贡献，既是对地方发展的贡献，也是对国家AI发展规划的贡献，更是对国家和全世界未来的贡献。
当天下午，OpenI启智理事会、技术委员会在青岛组织召开了2019年第二次工作会议。会议详细介绍了OpenI支撑平台基础设施，以及社区第一批准备孵化的开源项目情况。
在下一步的战略规划讨论中，OpenI技术委员会深入研讨了下一步社区建设路线，并确定筹建开源合规治理委员会和社区顾问智囊团队。
OpenI启智平台简介：
OpenI启智平台是在国家相关部委的指导下，由新一代人工智能产业技术创新战略联盟（AITISA）组织，产学研用通力协作的新一代人工智能开源开放平台，英文名称OpenIntelligence，简称OpenI，是国家新一代人工智能实施过程中各种研发和产业力量的汇聚平台。平台旨在促进人工智能领域的开源开放协同创新，构建OpenI的技术链、创新链和生态链、推动人工智能产业健康快速发展及其在社会经济各领域的广泛应用。平台按照联盟「一体两翼」的战略部署，基于AVS多年国际标准工作和应用推进扎实的基础，基于中国开源多年来的最佳实践，汇聚中国及全球学术界与产业界力量，共建共享开源软件、开源硬件和开源数据的超级AI社区；开展启智、众智、赛智、创智等系列活动，汇聚人才创造价值，建设万物有智的智能生态。
OpenI启智平台前期主要参与单位有：鹏城实验室、北京智源研究院，北京大学、国防科技大学、北京航空航天大学、华为、百度、阿里、腾讯、讯飞、商汤、滴滴、美团、字节跳动、微软、INTEL、NVIDIA、中科院微电子所等。
OpenI启智平台基础设施及环境建设目前正在鹏城实验室AI中心大楼及港辖河套「人工智能国际研发中心」进行，包括世界级的AI超算，OpenI启智深圳基地，OpenI北京智源社区，新一代人工智能产业创新联盟「启智空间」等。
鹏城实验室简介：
鹏城实验室（深圳网络空间科学与技术省实验室）建设是广东省委、省政府为深入贯彻落实党的十九大精神和习近平总书记对广东工作的重要指示，瞄准新一轮创新驱动发展需要，打造国家实验室「预备队」，建设创新型广东，推进深圳率先建设社会主义现代化先行区的重大部署。
实验室是省政府批准设立的事业单位，由政府主导，以哈尔滨工业大学（深圳）为合作单位，协同清华大学、北京大学、深圳大学、南方科技大学、香港中文大学（深圳）、深圳先进院、中国航天科技集团、中国电子信息产业集团、深圳国家超算中心、中国移动、中国电信、中国联通、华为、中兴通讯、腾讯等高校、科研院所、大科学装置、企业等优势单位共建。
实验室以服务于国家和区域发展战略为己任，聚合国内优质创新资源，建设相关重大科学基础设施，开展跨学科、大协同的创新攻关，突破网络信息领域重大核心基础理论问题，保障国家网络空间安全，推动网络信息产业发展，引领未来学术发展方向。实验室将探索建立符合大科学时代科研规律的科学研究组织形式，积极推动粤港澳大湾区打造国际科技创新中心。
鹏城实验室目前设有五个研究中心：网络通信，人工智能和网络安全，机器人，量子计算，六个院士工作室。建设目标是：2020年完善基础设施，搭建重大战略平台工程，初步建成具有全国影响力的科研机构。2030年建立国家科技资源开放共享服务平台，解决网络信息领域一大批共性关键技术问题，推动科技成果转化与产业化，实验室迈入国家实验室行列。2050年突破网络信息领域核心前沿技术问题，取得重大原始创新；完成多项国家级重要战略任务，在推动学科发展和解决国家重大科学技术问题方面发挥主导作用；实验室建设成为具有国际领先水平的创新型实验室。
AITISA联盟简介：
新一代人工智能产业技术创新战略联盟是在数字音视频编解码（AVS）产业技术创新战略联盟的基础上，按照科技部关于产业技术创新战略联盟的相关规定，在创新发展司和高新技术发展及产业化司的指导下成立。联盟由来自人工智能领域的顶尖企业、高校和科研院所、资本机构、服务机构以及「双创」企业组成，联盟的法人单位为「中关村视听产业技术创新联盟」。
联盟的宗旨是：以「平等自愿、优势互补、资源共享、合作共赢」为原则，紧密配合国家新一代人工智能发展规划，聚集产学研资用中坚力量，促进人才交流和引进，促进协同创新，构建自主创新链和生态链，促进人工智能产业健康快速发展及其在社会经济各领域的广泛应用。
联盟工作部署可概括为「一体两翼」。「一体」是指人工智能开源开放平台。联盟希望在新一代人工智能重大科技项目引领下，汇聚全国以及全球的人力资源和社会力量，把人工智能开源开放平台作为协同创新的公共平台，积极组织开发开源硬件、开源系统软件、开源AI算法和开源应用，目前联盟已经设计了开源许可证，在北京市科委支持下正在搭建基础系统。
「两翼」的「左翼」是以技术专家为主体组成的多个工作组，包括标准工作组、知识产权工作组、投融资工作组等，以AVS十五年标准制定和知识产权管理工作为基础，开始标准的制定工作。「右翼」是为以企业为主体的应用推进组，目的是促进人工智能在各产业领域的应用，已经在智能物流、智能医疗、智能政务、智能教育等方向开展工作。
联盟于2017年7月23日成立大会。由原中国工程院常务副院长潘云鹤院士担任联盟名誉理事长和专家委员会主任，中国工程院高文院士担任理事长，北京大学计算机系主任黄铁军教授担任秘书长。AVS产业联盟秘书长张伟民和科大讯飞副总裁兼讯飞AI研究院联席院长李世鹏任联合秘书长。
雷峰网版权文章，未经授权禁止转载。详情见转载须知。