左侧平台部分
- RPA 流程自动化平台
：可模拟人类执行指令，完成财务、人资、行政等领域重复、繁琐工作，涉及键盘、鼠标操作，以及网站访问、邮件处理、文档核对等任务。
- AI 人工智能
：包含多种技术方向。
- 语音处理
：如语音识别、合成、转写、翻译等。
- 自然语言 NPL
：涵盖语义理解、人机交互、声纹识别等。
- 知识图谱 KG
：涉及实体建模、知识训练等。
- 图像处理
：有文字识别、影像识别、人脸识别等。
- 文字处理
：包括文字识别、翻译、智能分类等。
- 虚拟现实 AR
：如虚拟主播、虚拟客服等。还涉及机器学习、深度学习等底层技术。
- IoT 物联平台
：用于运行监控、故障诊断、预警报警、智能检修，依托网络、存储、计算资源池，以及智能、传感、边端、控制设备 。
右侧应用与解决方案部分
- 应用能力
- 协同办公平台
：具备即时通信、智能协同、语音助手、开放融合功能。
- 数字员工
：涵盖智能会议、智慧财务、智慧合同等多种职能。
- 数字经营
：有智能运营、智慧管理等系统。
- 安全生产
：涉及工业听诊器、声学成像仪等设备。
- 解决方案能力
：可应用于医疗、工业、办公、教育、银行、煤炭、化工、电力等行业，打造智慧园区、智慧工厂、智慧医疗、智慧城市等场景。
AI 基础层（IaaS）
- 硬件基础设施
：提供计算资源，如 NVIDIA 和 Ascend 的 GPU ，以及 CPU 资源。 - 软件计算架构
：包含 NVIDIA CUDA、OpenCL、华为 CANN、AMD ROCm 等，用于支持硬件的软件计算环境。 - 数据资源
：数据来源多样，有公共数据集、企业数据、社交媒体数据、科学研究数据、传感器数据等，是 AI 发展的基础。
AI 技术层（PaaS）
- AI 框架
：是开发 AI 应用的基础软件，像 TensorFlow、PyTorch、Caffe、昇思 MindSpore、mxnet ，提供编程接口和工具。 - 理论算法
：虽图中未具体列出，但涵盖机器学习、深度学习等算法，是 AI 实现智能的核心逻辑。 - 开发平台
：例如 ModelArts、之江天枢、飞桨、Tencent AI Lab ，为开发者提供从模型开发到部署的一站式环境。 - AI 推理模型
：针对语音处理、自然语言处理（NLP）、知识图谱、图像处理、文字处理、AR 虚拟现实等不同任务构建的模型，实现具体 AI 功能。
AI 应用层
- AI 能力中心
：整合 AI 技术，提供通用能力。 - App 应用
：面向不同用户群体，分为 ToB（金融、政府、公安等行业解决方案 ）和 ToC（互联网、教育、零售等生活场景应用 ），将 AI 技术落地到实际业务和生活场景中。
这是一个 AI 平台架构图 ，涵盖多个功能中心和模块：
左侧基础管控
- AI Base
：作为基础支撑。
- 账号 & 权限
：负责用户账号管理与权限分配。
- 资源调度
：合理调配计算等资源。
- 存储管理
：管理数据存储。
- 监控报警
：实时监控并在异常时报警。
- 审计
：对平台操作等进行审计。
中间功能中心
- 应用中心
包含金融、制造等行业应用样板间 ，提供行业化应用示例。
有自主规划 Agent 机制、人工编排 Workflow 机制等应用机制。
集成知识检索增强 RAG、代码解释器等功能组件。
- 服务中心
分大模型运行（含服务管理、Prompt 工程等）和小模型运行（含服务运维、边端预测等）模块。
- 模型中心
有文心大模型（ERNIE - 3.5 等） ，也支持第三方大模型及通用、行业专用 AI 能力。
涵盖模型管理、评估、压缩等全生命周期管理功能。
- 样本中心
涉及数据集成、特征工程、数据采集等数据处理流程 ，以及结构化和非结构化数据管理。
- 开发中心
支持白盒代码态和零代码低代码态的大小模型训练 ，有 notebook、作业建模等工具，以及实验管理等功能。
右侧 AI 资产共享平台（AIHub）
包含资产管理、资产共享、资产托管、资产交易、资产门户等模块 ，用于 AI 资产的全流程管理与流通。
底部框架 & 基础设施
- 底层框架
：如 Pytorch、TensorFlow 等，提供开发框架支持。
- 异构芯片
：如昆仑芯、英伟达等芯片 ，提供计算硬件支持。
- 高速网络 RDMA
：保障数据高速传输。
