第五章 人工智能发展趋势与昇腾 AI 基础软硬件平台介绍

1. 人工智能现状与发展趋势

1.1 当前 AI 发展的核心特征

现在的 AI 已经从 “实验室玩具” 变成了 “产业级工具”，核心特征可以用三个词概括：大模型化、场景化、全栈化。

• 大模型化：从 “小模型 + 专用数据” 变成 “大模型 + 通用数据”。以前做一个图像识别要单独训一个模型，做一个 NLP 又要训一个；现在一个千亿参数大模型（比如 GPT、文心一言），既能写代码、又能做翻译、还能看图说话，几乎能搞定所有任务。

  例子：你用文心一言，输入 “帮我写一个 Python 爬虫”，它能直接给你代码；输入 “画一只橘猫在草地上睡觉”，它能生成图片；输入 “把这段中文翻译成日语”，它能直接翻译 —— 这就是大模型的 “通用能力”。
• 类比：以前是 “一个工种一个工具”，木匠用锯子、铁匠用锤子；现在是 “一个万能工具”，既能锯木头、又能打铁、还能拧螺丝。

• 场景化：AI 不再只停留在 “Demo 好看”，而是深入到各行各业的真实场景里。比如工厂的 AI 质检、银行的 AI 风控、医院的 AI 辅助诊断、农业的 AI 灌溉，都是把 AI 落地到具体业务里，帮企业降本增效。

  例子：某汽车工厂用 AI 做焊接质检，以前靠工人肉眼看，效率低还容易漏检；现在用 AI 摄像头，每秒能检查 10 个焊点，准确率 99.9%，还能 24 小时不停工，一年省几千万人工成本。类比：以前 AI 是 “车展上的概念车”，好看但不能上路；现在是 “马路上的出租车”，每天都在跑，解决实际问题。

• 全栈化：从 “算法单点” 变成 “全栈协同”—— 从底层芯片、AI 框架，到上层模型、应用，一整套打通。以前做 AI，芯片用 NVIDIA、框架用 PyTorch、模型自己训；现在华为的昇腾 + MindSpore+ModelArts + 大模型，一整套全栈方案，能最大化性能，还能自主可控。

  例子：在昇腾服务器上用 MindSpore 训大模型，比在其他平台快 30%，因为框架和芯片深度适配，能把硬件的算力吃满。
• 类比：以前是 “攒电脑”，CPU 用 Intel、显卡用 NVIDIA、主板用华硕，兼容性差；现在是 “品牌整机”，从 CPU 到主板到显卡都是一家的，性能更好、更稳定。

1.2 AI 发展的三大趋势

1.2.1 从 “专用智能” 走向 “通用智能（AGI）”

以前的 AI 是 “弱人工智能”，只能做一件事，比如 AlphaGo 只会下围棋、人脸识别只会认脸；现在的大模型已经有了 “通用智能” 的雏形，能理解多模态信息（文字、图片、语音、视频），能做推理、创作、规划，越来越像人。

未来方向：让 AI 具备和人类一样的 “常识推理”“情感理解”“自主学习” 能力，比如能看懂一部电影、理解人物情绪、还能写影评；能听你吐槽，然后安慰你；能自己学习新知识，不用再重新训模型。

1.2.2 从 “云侧” 走向 “云边端协同”

以前的 AI 都跑在云服务器上，手机 / 边缘设备只是 “传数据的工具”；现在要让 AI 跑在 “云（服务器）、边（边缘盒子）、端（手机 / IoT）” 三个地方，协同工作：

云侧：训大模型、做复杂推理，比如训千亿参数大模型，只有云服务器有足够算力。

边侧：做实时推理，比如工厂的 AI 质检、园区的安防监控，数据不用传到云端，延迟更低、更安全。

端侧：做轻量级推理，比如手机的美颜、语音助手、智能手表的健康监测，不用联网，保护隐私。

例子：你用手机拍一张照片，先在端侧做初步美颜，再把关键信息传到云端做场景识别，最后把结果传回手机，既快又省流量。

1.2.3 从 “技术驱动” 走向 “伦理驱动”

以前大家只关心 “AI 能不能做出来”，现在更关心 “AI 能不能安全、可控、公平地用”：

安全：防止 AI 生成有害内容（比如色情、暴力、虚假信息），防止被黑客攻击。

隐私：保护用户数据，比如你的语音、照片、聊天记录，不能被 AI 泄露。

公平：防止 AI 学出偏见，比如招聘 AI 不能歧视女性、贷款 AI 不能歧视低收入人群。

可解释：让 AI 的决策 “说得清”，比如 AI 拒绝给你贷款，要能告诉你 “因为你的征信有逾期记录”，而不是 “我就是觉得你不行”。

1.3 AI 面临的核心挑战

算力瓶颈：大模型训一次要耗掉几个机房的算力，成本极高，普通企业根本玩不起。

数据瓶颈：高质量标注数据太少，比如医疗数据、金融数据，因为隐私问题很难拿到。

人才瓶颈：既懂 AI 算法、又懂行业场景的复合型人才太少，比如懂医疗又懂 AI 的人，比大熊猫还稀有。

伦理瓶颈：AI 的偏见、隐私、安全问题还没解决，比如大模型会 “胡说八道”（幻觉问题），会泄露用户隐私。

---

2. 昇腾 AI 基础软硬件平台介绍

2.1 什么是昇腾 AI？

昇腾 AI 是华为自研的全栈 AI 基础设施，从底层芯片到上层应用，一整套方案，目标是让 AI 开发 “简单、高效、自主可控”，就像 “给 AI 造了一个完整的家”，从地基（芯片）到家具（应用）都给你备好。

核心定位：面向 AI 的 “算力底座 + 开发平台”，让开发者不用关心底层硬件细节，专注于算法和业务。

类比：

昇腾 AI 就像 “汽车的底盘 + 发动机 + 变速箱”，你不用关心发动机怎么转、变速箱怎么换挡，只要踩油门、打方向盘就能开车。

2.2 昇腾 AI 全栈架构（四层金字塔）

昇腾 AI 的架构像一个四层金字塔，从下到上分别是：芯片层→算子层→框架层→应用层，层层支撑，缺一不可。

2.2.1 芯片层：AI 的 “算力心脏”

昇腾芯片是整个平台的基础，分为两类：

昇腾 910：云端训练芯片，算力最强，用来训大模型、做复杂推理，就像 “重型卡车”，能拉很重的货（训大模型）。

昇腾 310：端侧 / 边缘推理芯片，功耗低、体积小，用来做实时推理，就像 “小轿车”，灵活省油，适合跑在手机、边缘盒子、IoT 设备上。

核心技术：

达芬奇架构：华为自研的 AI 芯片架构，专门为 AI 计算优化，能高效处理矩阵乘法（AI 最核心的计算），比通用 CPU/GPU 快好几倍。

FP16/INT8 混合精度：用低精度计算（比如 INT8）代替高精度计算（FP32），既能节省内存，又能加快速度，精度损失很小。

片上内存：把内存集成在芯片上，减少数据搬运的时间，因为 AI 计算的瓶颈往往不是算力，而是 “数据搬来搬去的时间”。

例子：用昇腾 910 训一个千亿参数大模型，比用 NVIDIA A100 快 20%，功耗还低 30%，成本更低。

2.2.2 算子层：AI 的 “指令集”

算子层是芯片和框架之间的桥梁，把 AI 框架的 API 翻译成芯片能懂的指令，就像 “翻译官”，把中文（框架代码）翻译成芯片能懂的机器语言。

核心组件：

Ascend Compute Library（ACL）：给开发者用的底层 API，能直接调用芯片的算力，适合高级用户做极致优化。

算子库：包含了 AI 常用的算子（比如卷积、池化、激活函数、矩阵乘法），都是用达芬奇架构优化过的，性能拉满。

算子编译器：自动把框架的算子转成芯片能执行的指令，不用开发者手动写汇编。

类比：

算子层就像 “手机的系统指令集”，你用微信发消息，微信会调用系统指令，系统指令再调用芯片的算力，你不用关心中间过程。

2.2.3 框架层：AI 的 “开发工具”

框架层是开发者最常用的层，提供 Python API，让你用简单的代码就能训模型、做推理，就像 “手机的 APP 开发框架”，你不用写底层驱动，只要写业务逻辑。

核心框架：

MindSpore：华为自研的 AI 框架，主打 “全场景、全自动、自适应”，一套代码能跑在云、边、端，还能自动并行、自动优化，不用你手动调参。

第三方框架适配：支持 PyTorch、TensorFlow 等主流框架，你用 PyTorch 写的代码，不用改就能跑在昇腾芯片上，兼容性拉满。

核心特性：

动静统一：支持动态图（调试方便）和静态图（运行高效）一键切换，开发时用动态图，部署时用静态图。

自动并行：自动把模型 / 数据拆到多卡 / 多机上，不用你手动写分布式代码，训大模型更简单。

昇腾深度适配：和昇腾芯片深度整合，能把芯片的算力吃满，性能比其他框架高 20%-50%。

例子：你用 MindSpore 写一个 ResNet50，一行代码就能在昇腾 910 上训，一行代码就能转成 Lite 格式部署到昇腾 310 的边缘盒子上，全程不用改代码。

2.2.4 应用层：AI 的 “业务落地”

应用层是把 AI 变成实际产品的层，提供一站式开发平台，让你不用写代码就能训模型、做推理，就像 “手机的应用商店”，你不用写代码，只要点几下就能用各种 APP。

核心平台：

ModelArts：华为云的 AI 开发平台，后面第六章会详细讲，主打 “零代码 / 低代码 AI 开发”，新手也能训模型、做部署。

MindX SDK：给开发者用的 AI 应用开发 SDK，提供预训练模型、推理 pipeline，比如你想做一个图像识别应用，直接调用 MindX SDK 的 API，几天就能搞定。

行业解决方案：针对制造、金融、医疗、交通等行业，提供现成的 AI 解决方案，比如工厂的 AI 质检、银行的 AI 风控、医院的 AI 辅助诊断。

类比：

应用层就像 “外卖平台”，你不用自己做饭，只要点几下，就能吃到现成的饭；你不用自己训模型，只要点几下，就能用到现成的 AI 应用。

2.3 昇腾 AI 的核心优势

全栈自主可控：从芯片到框架到应用，都是华为自研，不会被 “卡脖子”，适合政府、国企、关键行业。

性能极致：和昇腾芯片深度适配，能把硬件的算力吃满，训大模型、做推理都比其他平台快。

全场景覆盖：一套代码能跑在云、边、端，不用换工具，开发部署更简单。

生态完善：支持 MindSpore、PyTorch、TensorFlow 等主流框架，有大量预训练模型、行业解决方案，新手也能快速上手。

成本更低：昇腾芯片的性价比更高，训大模型的成本比 NVIDIA 平台低 30%，部署到边缘设备的成本也更低。

2.4 昇腾 AI 的典型应用场景

云端大模型训练：训千亿参数大模型，比如盘古大模型、华为云的大模型服务。

工业质检：工厂的 AI 视觉质检，比如汽车焊接质检、手机屏幕质检。

智能安防：园区的人脸识别、行为分析、烟火检测。

智能交通：路口的车流量统计、违章识别、自动驾驶感知。

医疗辅助诊断：CT/XR 影像分析、病理切片分析、辅助医生看病。

端侧 AI：手机的美颜、语音助手、智能手表的健康监测。

---

第六章 ModelArts 概览

1. ModelArts 概览

1.1 什么是 ModelArts？

ModelArts 是华为云提供的一站式 AI 开发平台，目标是让 AI 开发 “平民化”—— 不管你是学生、工程师、行业专家，哪怕不会写代码，也能在 ModelArts 上训模型、做部署、上线应用，就像 “AI 界的微信小程序”，简单易用，开箱即用。

核心定位：面向所有人的 AI 开发平台，从数据准备、模型训练、模型评估到部署上线，全流程覆盖，不用你搭环境、买服务器、写底层代码。

类比：

以前做 AI，就像 “自己盖房子”，要买砖、炼水泥、搭框架、装修，累死累活；现在用 ModelArts，就像 “买精装房”，拎包入住，只要关注你的业务就行。

1.2 ModelArts 的核心价值

降低门槛：零代码 / 低代码开发，新手也能训模型，不用懂 Python、不用懂深度学习。

提升效率：全流程自动化，从数据到部署，几天就能搞定，以前要几个月的活，现在几天就能完成。

降低成本：按需付费，不用买服务器，训模型按小时收费，部署按流量收费，成本更低。

全栈适配：深度适配昇腾芯片，能把昇腾的算力吃满，性能比其他平台高 20%-50%。

安全可靠：华为云的安全合规，数据加密、访问控制，适合企业级应用。

例子：你是一个大学生，想做一个 “识别猫和狗” 的 AI 应用，用 ModelArts：

1. 上传 1000 张猫和狗的图片，标注好标签。
2. 选择 “自动训练”，平台自动帮你选模型、调参、训模型。
3. 训练完成后，一键部署成在线 API，你用手机就能调用这个 API，识别照片里的猫和狗。
4. 全程不用写一行代码，只需要点几下鼠标，几个小时就能搞定。

1.3 ModelArts vs 其他 AI 平台

表格

维度	ModelArts	阿里云 PAI	百度 AI Studio	Google Colab
零代码开发	✅ 支持	✅ 支持	✅ 支持	❌ 不支持
昇腾适配	✅ 深度优化	❌ 不支持	❌ 不支持	❌ 不支持
全流程覆盖	✅ 数据→训练→部署	✅ 支持	✅ 支持	❌ 只支持训练
行业解决方案	✅ 制造 / 金融 / 医疗等	✅ 部分行业	✅ 部分行业	❌ 无
按需付费	✅ 支持	✅ 支持	✅ 支持	✅ 免费 / 付费
新手友好	✅ 极高	✅ 较高	✅ 较高	❌ 较低

大白话总结：

如果你用华为云 / 昇腾生态，ModelArts 是最优选择，零代码开发、全栈适配、行业方案拉满。

如果你是新手，想快速做一个 AI 应用，ModelArts 比 Colab、AI Studio 更简单，不用搭环境。

---

2. ModelArts 功能

2.1 全流程功能模块

ModelArts 的功能覆盖了 AI 开发的全生命周期，从 “数据准备” 到 “部署上线”，一步到位：

2.1.1 数据管理：AI 的 “粮食仓库”

数据是 AI 的 “粮食”，ModelArts 提供了完整的数据管理功能，帮你整理、标注、预处理数据：

• 数据上传：支持上传图片、文本、语音、视频等各种数据，支持从 OBS（华为云对象存储）、本地、第三方数据源导入。
• 数据标注：提供在线标注工具，不用下载到本地，直接在网页上标注：
  • 图像标注：框出物体、打标签、分割（比如语义分割、实例分割）。
  • 文本标注：给文本打标签、命名实体识别、情感分析。
  • 语音标注：给语音转文字、标注说话人。
• 数据预处理：自动做数据增强、清洗、格式转换，比如图片 resize、归一化、随机翻转，不用你写代码。
• 数据版本管理：像 Git 一样管理数据版本，方便回溯、对比，比如你改了标注，能回滚到之前的版本。

例子：你上传 1000 张猫和狗的图片，用 ModelArts 的在线标注工具，框出猫和狗，打标签 “cat”“dog”，平台自动帮你做数据增强（翻转、裁剪、调亮度），生成 2000 张训练数据。

2.1.2 模型训练：AI 的 “学习课堂”

ModelArts 提供了多种训练方式，适合不同水平的开发者：

• 自动学习（AutoML）：零代码训练，你只要上传数据，平台自动帮你选模型、调参、训模型，适合新手。
  • 分类任务：图像分类、文本分类、语音分类。
  • 检测任务：物体检测、文本检测、语音关键词检测。
  • 分割任务：图像语义分割、实例分割。
• 自定义训练：给懂代码的开发者用，支持 MindSpore、PyTorch、TensorFlow 等框架，你可以自己写训练代码，平台帮你调度算力、管理环境。
• 预置模型：提供大量预训练模型（比如 ResNet、BERT、GPT），你可以直接用，也可以在预训练模型的基础上微调，不用从零开始训。
• 分布式训练：自动把模型 / 数据拆到多卡 / 多机上，训大模型更简单，不用你手动写分布式代码。

例子：你用自动学习做图像分类，上传 1000 张猫和狗的图片，选择 “图像分类”，平台自动帮你选 ResNet50 模型，调参，训 2 小时，准确率能到 95% 以上。

2.1.3 模型管理：AI 的 “档案库”

训练完成后，ModelArts 帮你管理模型：

模型版本管理：像 Git 一样管理模型版本，方便回溯、对比，比如你训了 10 个版本的模型，能对比哪个版本准确率最高。

模型评估：自动评估模型的性能，比如准确率、召回率、F1 值、延迟、内存占用，帮你选最优模型。

模型转换：把模型转成能在昇腾芯片上跑的格式（比如 OM 格式），不用你手动转换，一键搞定。

模型下载：可以下载模型到本地，也可以部署到 ModelArts 的在线服务、边缘设备。

例子：你训了两个版本的模型，版本 1 准确率 90%，版本 2 准确率 95%，ModelArts 会自动对比，告诉你版本 2 更好，还能帮你把版本 2 转成 OM 格式，部署到昇腾 310 的边缘盒子上。

2.1.4 模型部署：AI 的 “上线发布”

训练好的模型，一键就能部署成服务，支持多种部署方式：

在线部署：部署成 REST API，你可以用 HTTP 请求调用，适合实时推理，比如手机 APP、网页应用。

批量部署：批量处理数据，比如给 10000 张图片做分类，适合离线处理。

边缘部署：部署到边缘盒子、IoT 设备、手机上，比如工厂的 AI 质检、园区的安防监控，不用联网，延迟更低。

容器部署：部署成 Docker 容器，方便迁移到其他平台，比如你可以把模型部署到自己的服务器上。

例子：你把版本 2 的模型部署成在线 API，得到一个 URL，你用手机发一个 POST 请求，把猫的图片传过去，API 会返回 “cat” 的概率，比如 0.95，实时识别。

2.1.5 作业管理与监控：AI 的 “运维中心”

作业管理：管理你的训练作业、部署服务，比如启动 / 停止训练、扩容 / 缩容部署服务。

监控告警：监控模型的性能、延迟、流量、错误率，比如如果在线服务的延迟超过 100ms，会自动告警，提醒你优化。

日志查看：查看训练日志、部署日志，方便排查问题，比如训练失败了，看日志就能知道是数据问题还是代码问题。

2.2 ModelArts 的核心特色功能

2.2.1 零代码 / 低代码开发

这是 ModelArts 最核心的优势，哪怕你是纯小白，也能训模型：

自动学习：点几下鼠标，上传数据→标注→训练→部署，全程不用写代码。

可视化建模：用拖拽的方式搭建训练 pipeline，比如 “数据输入→预处理→模型训练→评估→部署”，像搭积木一样简单。

预置模板：提供大量行业模板，比如 “工业质检模板”“智能客服模板”“人脸识别模板”，你只要替换数据，就能快速生成应用。

2.2.2 昇腾深度适配

自动调度昇腾芯片算力，不用你手动选机器，平台会根据你的任务，自动分配昇腾 910/310。

自动优化模型，把 PyTorch/TensorFlow/MindSpore 模型转成昇腾能跑的格式，性能拉满。

支持昇腾的分布式训练，训大模型更简单，不用你手动写分布式代码。

2.2.3 多框架兼容

支持 MindSpore、PyTorch、TensorFlow、MXNet 等主流框架，你用什么框架写的代码，都能在 ModelArts 上跑。

自动管理环境，不用你装依赖包，比如你用 PyTorch 写的代码，平台会自动帮你装 PyTorch、torchvision、numpy 等依赖。

2.2.4 行业解决方案

• 针对制造、金融、医疗、交通、零售等行业，提供现成的 AI 解决方案，比如：
  • 制造：AI 视觉质检、缺陷检测、设备预测性维护。
  • 金融：AI 风控、反欺诈、智能客服。
  • 医疗：AI 辅助诊断、影像分析、病理切片分析。
  • 交通：AI 车流量统计、违章识别、自动驾驶感知。
• 你只要替换自己的数据，就能快速落地行业应用，不用从零开始开发。

---

3. ModelArts 应用

3.1 典型应用场景

3.1.1 工业视觉质检

• 场景：工厂里的产品质检，比如汽车焊接、手机屏幕、PCB 板、纺织品。
• 流程：
  1. 收集产品的合格 / 不合格图片，标注缺陷位置和类型。
  2. 用 ModelArts 的自动学习 / 自定义训练，训一个缺陷检测模型。
  3. 部署到工厂的边缘盒子，用 AI 摄像头实时检测产品，发现缺陷自动报警。
• 价值：效率比人工高 10 倍，准确率 99.9%，漏检率几乎为 0，一年省几千万人工成本。

3.1.2 智能客服

• 场景：企业的客服系统，比如电商客服、银行客服、运营商客服。
• 流程：
  1. 收集客服对话数据，标注意图（比如 “查订单”“退货”“咨询产品”）。
  2. 用 ModelArts 的文本分类 / 意图识别模型，训一个智能客服模型。
  3. 部署成在线服务，接入企业的客服系统，自动回复用户的问题，复杂问题转人工。
• 价值：7×24 小时在线，响应时间 < 1 秒，能处理 80% 的常见问题，节省 70% 的人工客服成本。

3.1.3 人脸识别与门禁

• 场景：园区、小区、公司的门禁系统，人脸识别开门。
• 流程：
  1. 收集员工的人脸照片，标注姓名。
  2. 用 ModelArts 的人脸识别模型，训一个人脸比对模型。
  3. 部署到门禁设备的边缘盒子，实时识别人脸，比对成功开门。
• 价值：不用带门禁卡，刷脸就能进，安全可靠，还能记录考勤。

3.1.4 智能农业

• 场景：农田的智能灌溉、病虫害检测、作物产量预测。
• 流程：
  1. 收集农田的图片、土壤数据、气象数据，标注病虫害类型、土壤湿度。
  2. 用 ModelArts 的图像分类 / 回归模型，训一个病虫害检测、产量预测模型。
  3. 部署到农田的边缘盒子，自动控制灌溉设备，提醒农民施肥、打药。
• 价值：节省水资源 30%，提高产量 20%，减少农药使用量。

3.1.5 内容审核

• 场景：社交平台、电商平台、新闻平台的内容审核，识别违规内容（色情、暴力、政治敏感、广告）。
• 流程：
  1. 收集违规 / 正常的文本、图片、视频数据，标注违规类型。
  2. 用 ModelArts 的多模态模型，训一个内容审核模型。
  3. 部署成在线服务，自动审核用户上传的内容，违规内容自动删除。
• 价值：7×24 小时在线，准确率 99%，能处理海量内容，节省大量人工审核成本。

3.2 新手入门最佳实践（了解）

如果你是纯小白，想快速体验 ModelArts，推荐按这个流程走：

1. 注册华为云账号：打开华为云官网，注册账号，实名认证。
2. 进入 ModelArts：在华为云控制台，找到 “AI 开发平台 ModelArts”，进入。
3. 创建数据集：上传 100 张猫和狗的图片，用在线标注工具，打标签 “cat”“dog”。
4. 自动训练：选择 “自动学习→图像分类”，选择数据集，开始训练，等待 2 小时。
5. 部署在线服务：训练完成后，一键部署成在线 API，得到调用 URL。
6. 测试 API：用 Postman / 浏览器，上传一张猫的图片，调用 API，看返回结果是不是 “cat”。
7. 进阶：尝试自定义训练，用 PyTorch/MindSpore 写代码，训更复杂的模型。

3.3 ModelArts 的未来方向

大模型原生支持：原生支持千亿参数大模型的训练、微调、部署，比如盘古大模型、文心一言。

多模态开发：支持文本、图片、语音、视频的多模态开发，比如 “看图说话”“语音生成图片”。

更智能的 AutoML：自动帮你选模型、调参、优化，甚至自动生成代码，新手也能训出专家级模型。

端云协同：支持模型在云侧训练、端侧部署，自动压缩、量化，让模型能跑在手机、边缘设备上。

行业定制化：针对更多行业，提供更细分的解决方案，比如教育、能源、物流。

---

第五、六章核心知识点总结

第五章 重点

1. AI 现状：大模型化、场景化、全栈化，从 “实验室” 走向 “产业级”。
2. AI 趋势：通用智能、云边端协同、伦理驱动，未来 AI 会更像人、更安全、更普惠。
3. 昇腾 AI：华为自研全栈 AI 基础设施，四层架构（芯片→算子→框架→应用），核心优势是全栈自主可控、性能极致、全场景覆盖。
4. 昇腾芯片：昇腾 910（云端训练）、昇腾 310（端侧 / 边缘推理），达芬奇架构是核心。
5. MindSpore：华为自研 AI 框架，动静统一、自动并行、昇腾深度适配，一套代码跑云边端。

第六章 重点

1. ModelArts：华为云一站式 AI 开发平台，零代码 / 低代码开发，全流程覆盖（数据→训练→部署），新手也能快速做 AI 应用。
2. 核心功能：数据管理、模型训练、模型管理、模型部署、作业监控，全生命周期覆盖。
3. 核心优势：零代码开发、昇腾深度适配、多框架兼容、行业解决方案丰富。
4. 典型应用：工业质检、智能客服、人脸识别、智能农业、内容审核，覆盖各行各业。
5. 新手入门：注册华为云→创建数据集→自动训练→部署在线服务→测试 API，全程不用写代码，几小时就能搞定一个 AI 应用。