AI软件工程平台的开发分为四部分
AI软件工程平台将AI模型、机器人流程自动化(RPA)技术、低代码能力进行整合，推出面向场景化、AI端云协同的智能流程机器人方案。特点是开箱即用、本地落地AI能力、自主可控、安全稳定、端云协同，能够全面提升业务效率和员工体验。本文将介绍AI软件工程平台 的开发的四个重要部分：
1、数据标注
数据标注是AI开发基础也是关键。标注旨在将图像中的目标、关键点等结构化信息通过人工进行标记并赋予标签。数据标注是整个开发中最具工作量的部分，标注样本多、实例多，标注精度要求高。1个训练有素的标注人员1天约能标注1000张样本，对于场景依赖性强的定制化算法，则需要更多轮次优化数据，因此，需投入大量标注时间。
2、模型开发
模型开发是根据场景化需求，设计算法模型。模型开发旨在将业务需求抽象为数学化表达，并转化为模型能够识别的内容。AI软件工程平台旨在通过高性能标准模型的开发，实现不同算法的模型调优与复用。
3、模型训练
模型训练是依据设计模型，配置模型超参并训练模型。将训练数据喂入设计模型，并调优超参数，分配硬件资源，可视化训练进度与指标，从而进行人工干预或早停调参重训。训练完毕，导入数据进行模型能力评估。AI软件工程平台通过模型管理、超参配置、资源分配与可视化训练监控，及时掌握模型训练进度与指标。可实现多任务协同训练与集中管理。
4、模型部署
模型部署是模型一般在大算力的X86服务器上采用GPU完成训练。而推理模型可部署至服务器、边缘计算盒子、前端感知设备。AI开发平台旨在建立算法模型与部署平台之间的N:N适配。大型服务器上训练完成的模型可适配至推理设备。
软通动力AI端云一体化产品，结合华为2021年发布的智能流程机器人解决方案等相关技术，针对企业重复且规则的工作内容、业务流程的断点堵点推出的软硬一体化解决方案。目前，AI端云协同服务已应用于100余个智能自动化场景，覆盖企业、金融、政务、互联网、教育、汽车、银行、保险、证券等领域。
