分布式AI中台驱动智慧应用落地
工商银行大数据驱动的经营管理体系建设
工商银行大数据驱动的经营管理体系建设中国工商银行业务研发中心副总经理敦宏程中国工商银行业务研发中心副总经理 敦宏程经营管理是指银行为了自身的生存发展，对整体生产经营活动进行计划、组织、指挥、协调和控制，其目的是充分利用各种资源，最大程度满足用户需要，取得良好的社会效益和经济效益。
良好的经营管理体系可以聚合企业资源、提升运作效率、提高产品质量、优化客户体验、激发员工积极性和凝聚力、提升社会价值。
在数字经济时代下，银行业如何夯实数据基础设施，打造高效研发体系，促进金融产品创新，形成互联互通的综合化、数字化金融服务生态系统，是提升经营管理能力的关键。
工商银行坚决落实党中央决策部署，坚持“48字”工作思路，以客户为中心，积极推动数据与业务相结合，持续积淀数据要素，充分释放数据生产力，确立迭代优化的数据驱动机制。
工商银行通过智慧银行生态建设工程（ECOS）构建企业级大数据服务能力和数字化业务研发能力，围绕产品、服务、运营、风险四大领域形成“AI+”服务新生态，打造专业化、体验化、集约化、自动化的智慧经营管理体系。
一、大数据服务体系为经营管理提供技术、数据双要素数字时代的大型商业银行面对多样化的客户需求、复杂多变的业务场景，需盘活用精数据资产，形成数据编者按：智慧银行生态建设工程（ECOS）是工商银行坚决贯彻落实党中央关于金融服务实体经济、做大做优做强数字经济、加快实现高水平科技自立自强等战略决策部署，举全行之力、历经数载实施的一项系统性工程，创新提出了一整套国际领先的分布式开放生态银行系统建设方案，依托企业级业务架构建设，实现了大型银行全分布式系统架构、大型银行主机下移、银行系统生态化转型、大规模交易型分布式数据库等多个领域“从0到1”的突破。
近日，工商银行智慧银行生态建设工程（ECOS）荣获人民银行“2020年度金融科技发展奖特等奖”。
为此，本刊特推出“ECOS工程”专题，邀请多位参与ECOS工程建设的相关负责人及专家撰稿，分享工商银行ECOS工程建设取得的创新成果与成功经验，以期为商业银行数字化转型提供有益借鉴。
推动技术与内容深度融合 实现媒体技术工作高质量发展
每一次技术革命，都相应地带来媒体行业的变革。
当前，“媒体融合是一场以技术创新为引领的媒体变革”，已成为媒体行业共识，新技术正是媒体融合发展不可或缺的推进器。
笔者作为媒体行业的技术人，既是这场变革的见证者，也是参与者。
在媒体融合向纵深发展时，为把握新一轮高质量发展机遇，需要进一步深入研究如何推动技术与内容融合，更好发挥技术工作价值。
1.技术与内容融合助力媒体融合发展2019年1月25日，中共中央政治局就全媒体时代和媒体融合发展举行第十二次集体学习。
[1]习近平总书记指出，“媒体智能化进入快速发展阶段”“探索将人工智能运用在新闻采集、生产、分发、接收、反馈中，用主流价值导向驾驭‘算法’，全面提高舆论引导能力”。
近年来，新华社高度重视技术工作，按照社党组的部署，技术局着力推动以人工智能、大数据等新技术为核心的新一代技术体系建设工作。
从2016年开始通过实施“新华全媒工程”实现新华社全媒体新闻采编流程数字化，实现从信息化到数字化的转型。
从2017年年底开始通过“新华智媒工程”开启新闻生产的智能化建设，以智慧中台驱动模式，将智能化服务覆盖了融媒体稿件生产的每一个环节，实现了新华社技术体系从数字化到智能化的转型。
尤其在习近平总书记“1·25”讲话后，新华社人工智能应用研发走上了快车道。
截至目前，围绕新闻生产流程，技术局已经研发了智能语音类、视频分析类、图像识别类、自然语言处理等8大类80余项智能化工具与服务，构建了面向采编业务的智慧中台，服务全社各部门，2021年对外提供服务超过3000万次。
技术为新闻采编业务提质增效持续提供助力。
应该说，这些成果的取得，离不开积极推动技术与内容融合。
其中，有两个方面的经验值得总结。
1.1 衡量技术与业务融合的效果标准在于新技术在新闻场景的落地技术与业务融合要以新技术赋能新闻业务为目标，也就是以实现新技术的新闻场景落地作为衡量这项工作完成好坏的标准。
在实际工作中，重点将人工智能等新技术嵌入融媒体稿件生产的选题策划、调度采集、编辑加工、分发供稿、传播分析、业务管理等流程环节。
《人工智能AI城市数据大脑平台建设方案》
人工智能AI城市数据大脑平台建设方案该项目的建设主要包括：数据大脑平台、“互联网+政务服务”一体化服务平台、“我的XX”—移动综合服务平台、智慧党建、智慧医疗、智慧医保、智慧文旅；力求通过中台服务及智慧应用场景，全面提升包括便民惠民、服务触达、数据服务、联合监管、决策指挥、政务治理、共治共管以及产业服务等城市能力；最终形成具备多维敏捷感知、海量数据共享、全局实时洞察、持续迭代进化的城市智能中枢，为XX市新型智慧城市发展提供智慧支撑。
本期项目建设内容：主要包括数据大脑平台的应用中台、数据中台、AI 中台、中台云服务管理平台、中台安全管理平台、中台运维管理平台、数据治理服务体系和应用推广服务体系，以及“互联网+政务服务”一体化服务平台、我的XX-城市移动综合服务平台、智慧党建、智慧医疗、智慧医保和智慧文旅。
1）、基础云平台专注实现多云的管理和调度，对网络、存储、计算统一管理，以服务的方式实现对上层调用的无感知，本层将实现基础资源的统一资源调度、统一资源适配、统一用量评估、统一安全保障、统一运维保障、统一服务发布、统一自助服务；2）、数据大脑平台的中台以贴合应用、共性聚合、快速服务、开放包容的方式支撑智慧应用建设。
其中应用中台建设关注系统的融合、整合服务能力，持续完善业务应用支撑服务体系；数据中台以数据需求为切入点，数据资源目录为抓手，数据治理为管控，通过数据运营的方式形成面向应用协调、数据共享和大数据分析等场景的数据服务，提升数据应用价值；人工智能（AI）中台专注人工智能支撑服务建设，提供基于人脸识别、图像识别、语音识别、语义理解等原子能力，依托面向应用需求的能力编排，形成场景式的服务能力。
3）、“互联网+政务服务”一体化服务平台项目建设是整合现有相关系统建设市、县、乡镇、村全面覆盖的四级线上、线下一体化平台，实现全市“一网通办”、“全城通办”，提升政务服务效率。
4）、我的XX-城市移动综合服务平台项目通过建设多终端统一管理平台实现政务服务和民生服务的入口和出口统一，实现XX市民“一屏智享生活”。
AI中台——智能聊天机器人平台
AI中台——智能聊天机器人平台中台——智能聊天机器人平台的崛起随着技术的不断发展，中台正在成为企业迈向智能化的重要驱动力。
中台是一种集成的智能服务平台，为各种智能设备和机器人提供底层技术支持，使其能够实现语音识别、图像处理、自然语言处理等功能。
本文将深入探讨中台的概念、发展历程、应用场景以及与传统机器人平台的比较，并预测未来发展趋势和前景。
一、AI中台的概念和发展历程AI中台是一种集成的智能服务平台，为企业提供全面的技术支持，使其能够快速开发各种智能应用和机器人。
AI中台不仅可以提高企业的研发效率，还可以降低成本，优化用户体验。
近年来，随着人工智能技术的迅速发展，AI中台在企业中的应用越来越广泛。
二、AI中台的应用场景AI中台的应用场景非常广泛，包括智能客服、智能家居、智能医疗等领域。
以智能客服为例，AI中台可以为各种类型的智能设备提供底层技术支持，使其能够实现自动回复、智能推荐、语音交互等功能，提高用户体验和服务效率。
在智能家居领域，AI中台可以实现智能控制、语音交互、场景联动等功能，为用户带来更加便捷的生活体验。
在智能医疗领域，AI中台可以为医疗设备提供底层技术支持，使其能够实现医学影像分析、疾病预测、健康管理等功能，提高医疗水平和效率。
三、AI中台与传统机器人平台的比较AI中台相比传统机器人平台具有以下优势和挑战：优势：1、更强的灵活性和可扩展性：AI中台采用开放式架构，可以灵活地扩展新功能和机器人应用。
2、更低的成本和更高的效率：AI中台可以降低企业的研发成本，提高研发效率，同时优化用户体验。
3、更好的兼容性和集成性：AI中台可以与各种类型的智能设备和机器人进行无缝集成，实现数据共享和功能交互。
挑战：1、技术门槛较高：AI中台的构建需要具备先进的人工智能技术和丰富的开发经验，技术门槛较高。
2、数据隐私和安全问题：AI中台需要处理大量的敏感数据，如何保障数据隐私和安全是一个重要问题。
3、法律法规和道德规范：AI中台的应用需要遵守相关的法律法规和道德规范，确保技术的合法性和合理性。
ai智慧中台知识能力提升方案
知识图谱构建
将识别出的实体和关系构 建成知识图谱，形成结构 化的知识体系。
人工审核与修正
通过人工审核和修正，确 保知识的准确性和完整性 。
实时更新机制建立
数据监控
对数据进行实时监控，及时发现和处 理数据变化。
增量更新
根据数据的变化情况，进行增量更新 ，避免重复工作。
01
准确率
衡量推荐系统推荐的内容是否符合用户的兴 趣和需求。
02
召回率
衡量推荐系统能够覆盖到的用户感兴趣的内 容的比例。
03
多样性
衡量推荐系统推荐的内容是否多样化，避免 过度推荐相似的内容。
04
实时性
衡量推荐系统能否根据用户的实时行为和上 下文信息及时调整推荐内容。
05
智慧中台功能完善与优化
智能问答系统改进方案
户画像。
数据隐私保护
在构建用户画像和挖掘个性化需求的 过程中，要充分考虑用户的数据隐私
和安全问题。
个性化需求挖掘
基于用户画像，深入挖掘用户的个性 化需求，如定制化的知识推荐、智能 化的学习路径等。
用户反馈机制
建立用户反馈机制，及时收集用户对 推荐内容的反馈，以便优化推荐算法 和提高用户满意度。
系统评估指标设定
。
03
02
协同过滤推荐
通过分析用户的行为和其他用户的行 为进行比较，找出相似的用户，然后 推荐他们感兴趣的知识内容。
04
实时推荐
根据用户的实时行为和上下文信息， 动态调整推荐内容，以满足用户的需 求和兴趣。
用户画像及个性化需求满足
用户画像构建
通过收集和分析用户的数据，构建出 用户的兴趣、偏好、行为等特征的用
人工智能项目的落地实施方案
人工智能项目的落地实施方案一、项目背景近年来，人工智能（Artificial Intelligence, AI）技术的蓬勃发展极大的改变了许多行业。
针对企业的业务流程优化、数据分析与预测、客户服务等方面的需求，引入人工智能项目可助力企业提升效率和竞争力。
因此，本文将提出一个具体的人工智能项目落地实施方案，以帮助企业顺利引入人工智能技术并实现预期效果。
二、目标与价值本项目旨在提升企业业务流程效率、改善数据分析决策能力和优化客户服务，以实现以下目标：1. 提高业务流程效率：通过引入人工智能技术，对企业的业务流程进行优化与自动化，减少人工操作，提高工作效率和质量。
2. 加强数据分析与预测能力：利用人工智能技术对企业海量数据进行挖掘与分析，提供准确的数据预测和决策依据。
3. 提升客户服务体验：通过人工智能智能客服系统等解决方案，提升客户服务效率和质量，增强客户满意度。
三、实施步骤1. 确定核心需求：与企业相关部门沟通，明确核心需求，确定人工智能项目的应用场景和目标。
2. 数据准备与整理：完成对企业现有数据的梳理与清洗，确保数据质量和可用性。
3. 算法模型开发与训练：基于企业需求，选择适合的人工智能算法，并利用现有数据进行模型的训练与优化。
4. 系统集成与部署：将开发好的人工智能模型与现有系统进行集成，确保系统的正常运行和稳定性。
5. 测试与优化：对已部署的人工智能系统进行全面测试，收集用户反馈，及时修正和优化系统功能和性能。
6. 用户培训与推广：针对系统的最终用户，开展培训与推广活动，确保用户对系统的正确使用和了解。
7. 迭代升级与维护：根据项目运行效果和用户反馈，持续优化系统功能，满足企业不断变化的需求。
四、风险与挑战1. 技术风险：人工智能技术具有一定复杂性和风险性，可能面临算法模型选择不准确、数据缺失和质量问题等技术挑战。
2. 组织风险：人工智能项目需要涉及多个部门的协同工作，组织上可能出现沟通不畅、合作困难等问题。
人工智能项目落地实施工作计划
人工智能项目落地实施工作计划一、引言随着科技的飞速发展，人工智能(AI)已逐渐渗透到各个领域，为人类带来了前所未有的便利。
作为一名初中生，我深感AI技术的魅力，并对其在项目落地实施方面的工作计划产生了浓厚兴趣。
本文将结合我自身认知，探讨AI项目从规划到落地的全流程，以期为相关人员提供一定的参考价值。
二、AI项目策划与目标设定在AI项目落地实施前，策划与目标设定至关重要。
首先，要明确项目的目的和意义，确保AI技术的应用符合实际需求。
其次，根据项目需求，进行充分的调研与分析，明确项目的目标、范围、资源投入及预期成果。
此外，还需制定项目实施的时间表和里程碑计划，以确保项目按期推进。
三、AI技术选型与平台搭建在项目策划阶段之后，需要进行AI技术选型与平台搭建。
针对项目的具体需求，选择合适的AI算法和工具，如机器学习、深度学习等。
同时，根据项目规模和数据量，搭建合适的计算平台和存储系统，以确保数据处理的效率和准确性。
此外，还需考虑平台的可扩展性和易用性，以满足未来业务增长的需求。
四、数据收集与处理AI项目的核心在于数据。
因此，数据收集与处理是实施过程中的关键环节。
首先，要明确数据收集的范围和标准，确保数据的准确性和完整性。
其次，对收集到的数据进行预处理，包括清洗、去重、标注等操作，以提高数据的质量和可用性。
此外，还需根据项目需求进行数据挖掘和特征提取，为后续的模型训练提供支持。
五、模型训练与优化在数据准备就绪后，进入模型训练与优化阶段。
首先，选择合适的模型进行训练，并根据实际效果进行调整和优化。
同时，关注模型的泛化能力，确保其在未知数据上也能表现良好。
此外，通过交叉验证等技术手段对模型进行评估和调优，以提高其准确性和稳定性。
在模型训练过程中，还需注意数据的隐私和安全问题，确保数据的使用合法合规。
六、系统集成与部署在模型训练完成后，需要进行系统集成与部署工作。
首先，将训练好的模型集成到实际应用系统中，确保其能够正常运行并提供服务。
智慧中台解决方案
自动调参、自动优化、自动学习
详细描述
通过持续集成和持续改进的方式，不断优化算法和提升模型性能，保证智慧中台解决方案的先进性和实用性。
AI算法优化与迭代
AI应用场景拓展
详细描述
详细描述
详细描述
总结词
总结词
总结词
01
02
03
04
05
06
总结词
详细描述
总结词
详细描述
总结词
详细描述
AI与业务的融合
灵活扩展
智慧中台注重数据和系统的安全性、可靠性和稳定性，保障企业数字化转型的安全与稳定。
安全可靠
智慧中台的数据处理
03
标准化数据
智慧中台对数据集成进行了标准化处理，通过制定统一的数据规范和标准，确保不同来源和类型的数据能够相互兼容和互操作。
数据清洗与整合
在数据集成过程中，需要对数据进行清洗、去重、格式转换等操作，以确保数据的准确性和完整性。同时，还需将不同来源的数据进行整合，以形成一个统一的数据共享平台。
智慧中台包括业务中台、数据中台、技术中台和运营中台等部分，这些部分共同构成了智慧中台的体系结构。
智慧中台的组成
智慧中台的定义
1
智慧中台的发展背景
2
3
随着数字化时代的到来，企业需要加快数字化转型的步伐，以适应市场的变化和需求。
企业数字化转型的需求
传统的IT架构已经无法满足企业数字化转型的需求，需要更加灵活、可扩展的IT架构来支撑企业的数字化转型。
2023
智慧中台解决方案
汇报人
智慧中台概述智慧中台的解决方案总体架构智慧中台的数据处理智慧中台的AI能力智慧中台的行业应用智慧中台的部署与实施
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
采用 ARM 平台
广泛第三方 支持
轻量级
可移植
动态调度
14
盘活海量存量市场
分布式部署，调度能力强。
盘活中国1.6亿个 普通摄像头
不改变现有系统 架构
城市普通摄像头 智能化组网
15
AI中台解决智慧应用落地痛点
业务成本 a) 垂直式开发，过程重复，能力难以沉淀，集成难，不能重复利用。（研发成本高） b) 研发环节繁多，缺少简易的模块化辅助，业务响应缓慢。（时间成本高）
无卡入住
从吃、住、行、游、购、娱各 个方面让市民游客体验到更便捷、 更愉快的旅游过程。
22
智慧交通解决方案
应急联动
与其他部门紧密联动，提供应 急联动用户线路保障功能，针对110、 119、120等特种车辆，提供公安医 疗消防领域的“生命速通道”交通 应急保障，保证“一键护航”。
辅助决策
AI 发展 分布式AI中台 成功案例 我们还能做什么
1
0 AI 发展
12019 AI 先行者大会 AI Pioneer
AI 处于什么阶段？
萌芽
狂热
扩展到早期接受者 以外的用户
谷底
攀升
成熟
期
供应商大量增加
望 值
大众媒体追捧炒作
开始有负面报道
早期接受者试用
第一代产品，高价，需要 大量定制
初创公司第一轮 风投 研发
22019 AI 先行者大会 AI Pioneer
中台
以前战争
现代战争
后端 战略/战 术 决策
火力支援
前线执行
打击敌人
打击敌人
前线敌人
后端战略决策
火力支援
前线战术决策
打击敌人
打击敌人
前线敌人 6
中台冰山理论
前台
产品形态、UI、UED、用户体验
中台
大数据、技术模块、业务运营
后台
分布式架构、性能、扩展、AIOT
AI 模型 a) 模型研发缺乏指引，参与角色众多，难以有效沟通协作。（沟通繁杂） b) 模型泛用性太低，只能针对某个应用，而不能复用。（泛用性低）
统一性 a) 缺少统一数据标准，数据获取难、重复的数据预处理与特征工程。（数据难处理） b) 缺乏统一的监控平台，服务管理接口、及更新、维护机制。（缺少统一业务模块） c) 基础资源分散管理，未得到充分利用，造成浪费。（基础资源浪费多）
一周内人流车流走势图
下姜村实际应用-大屏展示
各区域不同时间段人 流量分布
人员热力图
19
案例-下姜村
下姜村实际应用-旅游景区
人流数据 实时流量监控
游客分析
各区域人流变 化图
20
案例-下姜村
下姜村实际应用-旅游景区人员属性统计
网新华通分布式AI系统， 能根据部署在下姜村的23个普 通的监控摄像头，实时监控旅 游景区的人员属性。根据拍摄 人员行为的不同，自动分类为 村民、游客等，做到自动监控， 自动报警，大量减少治安成本 和提高景区治理综合水平。
弹 性 计 算
ARM
算力 平台
GAN
训练 平台
数 据 收 集
数 据 分 析
数 据 预 测
业务中台
技术中台
数据中台
架构/算力 后台
分布式存储/分布式计算/底层架构 AIOT/云资源/公安网/政务云
8
应用业务模块化，灵活组合
基本模块
组合能力输出
场景驱动
模块化的设计使每一个士兵都能成为“战场多面手”，既可以当突击手、狙击手，也可以变成机枪手，让士兵一专多能。
成本
AI应用性价比高
10
In-Edge GAN 训练平台
不同训练模式的对比
传统标注方式的 AI
海量的人工标注
第一代 GAN
可能只有无穷尽的计算，但是的不出结论
In-Edge GAN
快速的训练模式，节省时间，高效
11
学习执行一体化
学习和执行一体化，自动迭代
GAN
对抗性 神经网络
深度 学习
自动 执行
7
In-Edge分布式AI中台功能图谱
应用场景/产品 前台
智慧安防
智慧小区
智慧旅游
数字驾驶舱
人脸 门禁
人脸 支付
轨迹 跟踪
车辆 识别
车位 识别
以图 搜图
智慧城管
雪亮工程
黑名 单库
智能 客服
数据 大屏
业务/技术/数据 中台
前端 APP
应用 功能 模块
后端 管理 平台
定制 化工 具
容 器 算 法
人 脸 算 法
AI 处于什么阶段？
人工智能技术刚刚越过曲线高峰（还处于狂热期），立刻面临的巨 大问题：
如何在低谷期更好保存自己？（收入现金流）；
有哪些市场刚需，可以促进AI应用，用技术兑换成大量现金 流？（AI安防、AI滤镜）； 如何整体降低AI项目整体工程成本？（中国做生意，价格优 先原则）；
4
0
分布式 AI 中台
21
旅游行业解决方案
为市民和游客的交通、入住、入园节省了大量时间
减少堵车、停车等时间
通过横向结合交通部门和相关 停车场，纵向结合景区、酒店，外 部结合交易平台等方式，减少游客 花在路途、停车的时间。
快速入园
简化游客入园、酒店办理手续， 优化游玩路线，从而提升出行体验 感。对于景区和酒店来说也能够节 省更多的人力成本。
9
高密度分布式ARM通用计算集群
GPU系统
耗能
同样处理160路视频服务器20KW
密度
处理160路视频需要占2*3=6U空间
弹性
GPU架构调度非常困难
成本
AI应用性价比低
速度
并发处理速度慢
In-Edge系统
节能
处理160路视频服务器耗电500W
弹性
ARM通用计算架构调度容易
速度
并发处理速度快
密度
处理160路视频服务器占3U*1空间
供应商兼并，倒闭
用户接受高速增长：20%到30%
的潜在目标用户已完全接受
发展方法论和最
第二轮、第三轮风投
好的实践技巧
少于5%的浅在目标用 户已完全接受
第三代产品，开箱即用 产品、成套产品
第二代产品
部分服务
科技诞生的促 动期
过高期望的峰 值
泡沫化的低谷 期
稳步攀升的光 明期
实质生产的高 峰期
时间
技术成熟度曲线（The Hype Cycle） 3
16
0 成功案例
32019 AI 先行者大会 AI Pioneer
成功案例
AI+旅游
淳安下姜村
AI+媒资
阳光云视
AI+小区
未来社区
AI+
AI+公安
临安区公安
AI+5G
铁塔公司
AI+体育
杭州亚运会
18
案例-下姜村
人流统计区域： 当日景区总人数、人数 随时间变化图
车流统计区域： 到访车辆数、各地区车 辆占比
自动迭代
执行 反馈 学习成果
12
弹性计算
弹性架构计算，综合算力强
释放计算资源
调集计算资源
弹 性 计 算
在摄像头视野里面，如果突然出现检测对象，系统可迅速调集计算资源，弹性计算才是正道，分布式计算 资源可以动态适应计算需求，综合计算能力强。
13
容器架构
标准容器的结构，将最大限度地拓展AI平台和产业应用间的耦合。