科创中国

行业领域

高技术服务业

需求背景

在当前美国对我国在人工智能领域高压打击的形势下，针对我国目前自主AI芯片训练生态体系弱、模型研究训练流程冗长、搭建模型复杂度高、新算法复现困难、模型训练速度慢、推理部署周期长等问题，研发基于自主软硬件平台和框架的视频感知理解算法和模型。

需解决的主要技术难题

国产AI算法训练体系框架及平台研究需要解决的主要技术难题包括：

1. 高效的分布式计算：在大规模的训练数据和复杂的模型结构下，如何设计高效的分布式计算框架，提高训练速度和计算效率是一个重要的技术难题。

2. 数据管理与处理：如何高效地管理和处理大规模的训练数据，在数据的清洗、预处理和增强等方面进行优化，以提高模型的训练效果和泛化能力。

3. 算法优化与加速：如何对传统的AI算法进行优化和加速，以适应大规模数据和高复杂度模型的训练需求，提高算法的性能和效果。

4. 模型压缩与部署：如何通过模型压缩和精简，减少模型的存储和计算资源消耗，以及如何将训练好的模型高效地部署到边缘设备或云端服务器上，是一个关键的技术难题。

5. 自动化调参与模型选择：如何自动化地选择合适的模型结构和超参数，并进行自动化调参，以提高模型的性能和泛化能力，是一个需要解决的技术难题。

6. 安全与隐私保护：在AI算法训练过程中，如何保护数据的隐私和安全，防止模型被攻击和篡改，以及如何解决AI算法的公平性和透明度问题，是一个重要的技术难题。

7. 面向多任务学习和迁移学习：如何设计适用于多任务学习和迁移学习的算法和框架，以提高模型的泛化能力和学习效率，是一个需要解决的技术难题。

8. 算法可解释性和可信度：如何提高AI算法的可解释性和可信度，使得模型的决策过程更加透明和可靠，以满足用户对算法结果的可信度要求，是一个重要的技术难题。

期望实现的主要技术目标

相比其他科技行业，中国企业在人工智能上实现了弯道超车，与国际赛道一较高下。本项目成果能够对避免我国在人工智能技术领域被卡脖子提供重要支撑。

处理进度