AI軟件工程平臺將AI模型、機器人流程自動化(RPA)技術、低代碼能力進行整合，推出面向場景化、AI端云協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、安全穩定、端云協同，能夠全面提升業務效率和員工體驗。本文將介紹AI軟件工程平臺 的開發的四個重要部分：

1、數據標注

數據標注是AI開發基礎也是關鍵。標注旨在將圖像中的目標、關鍵點等結構化信息通過人工進行標記并賦予標簽。數據標注是整個開發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，則需要更多輪次優化數據，因此，需投入大量標注時間。

2、模型開發

模型開發是根據場景化需求，設計算法模型。模型開發旨在將業務需求抽象為數學化表達，并轉化為模型能夠識別的內容。AI軟件工程平臺旨在通過高性能標準模型的開發，實現不同算法的模型調優與復用。

3、模型訓練

模型訓練是依據設計模型，配置模型超參并訓練模型。將訓練數據喂入設計模型，并調優超參數，分配硬件資源，可視化訓練進度與指標，從而進行人工干預或早停調參重訓。訓練完畢，導入數據進行模型能力評估。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控，及時掌握模型訓練進度與指標?？蓪崿F多任務協同訓練與集中管理。

4、模型部署

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

軟通動力AI端云一體化產品，結合華為2021年發布的智能流程機器人解決方案等相關技術，針對企業重復且規則的工作內容、業務流程的斷點堵點推出的軟硬一體化解決方案。目前，AI端云協同服務已應用于100余個智能自動化場景，覆蓋企業、金融、政務、互聯網、教育、汽車、銀行、保險、證券等領域。