AI應用開發(fā)實訓室建設需求一、貨物清單明細序號貨物名稱（標的名稱）數(shù)量單位1人工智能實訓箱42套2國產(chǎn)化人工智能實訓箱AI初級開發(fā)實踐1套3國產(chǎn)化人工智能實訓箱AI進階應用開發(fā)實踐1套4國產(chǎn)化計算機視覺技術與應用案例實踐1套5國產(chǎn)化語音識別技術與應用案例實踐1套6國產(chǎn)化自然語言處理技術與應用案例實踐1套7人工智能訓練單元10套二、技術要求序號貨物名稱技術要求人工智能實訓箱1.1、設備整體尺寸不小于0.4m*0.3m*0.09m；1.2、設備AI處理器提供至少1個AICore，主頻不低于500MHz，不少于2個處理器核，主頻不低于1.0GHz；1.3、設備主板提供AI算力不低于：半精度（FP16）：4TFLOPS，整數(shù)精度（INT8）：8TOPS；1.4、設備支持LPDDR4X內(nèi)存類型、位寬：64bit、容量不低于：4GB、速率不低于：4266Mbps、支持ECC；1.5、設備內(nèi)置SPIFlash，容量不低于64MB，提供至少1個MicroSD卡接口，類型為SD3.0，向下兼容SD2.0標準；提供M.2Key-M連接器，可擴展M.22242/2280形態(tài)SSD，支持NVMe；1.6、設備支持多種規(guī)格的H.264、H.265視頻編解碼，支持不低于10路1080P30fps的視頻解碼，不低于10路1080P30fps的視頻編碼，適用于用戶不同的視頻處理需求；1.7、設備提供豐富的外設接口，滿足多種產(chǎn)品形態(tài)開發(fā)需求；至少包括USBTypeA接口2個、USBTypeC接口1個、千兆網(wǎng)口1個；1.8、設備支持國產(chǎn)化操作系統(tǒng)、Ubuntu操作系統(tǒng)，支持國產(chǎn)化AI深度學習框架，支持CCE/CCECompilerTool編譯工具；1.9、設備整機采用鋁合金面板機箱，整機集成不低于17英寸高清顯示屏、鍵盤、無線鼠標，標配防撞腳墊、橡膠/塑料把手，機箱內(nèi)部支持攝像頭、麥克風陣列、鼠標、實驗道具等物品的收納；1.10、設備配備不低于1080PUSB免驅(qū)攝像頭，附帶夾具，可直接安裝在屏幕上方使用；1.11、設備配備麥克風環(huán)形陣列，支持遠近場聲源識別，拾音距離3.0M以上，支持Linux系統(tǒng)串口控制和直接讀取音頻，支持普通話和英語，支持多喚醒詞，支持音頻降噪、回聲消除；1.12、通過網(wǎng)站提供語音、圖像與視頻等多種數(shù)據(jù)分析與推理計算案例不低于45個，提供場景案例不低于4個，可供用戶下載相關項目代碼、技術手冊；1.13、設備需經(jīng)過第三方檢測機構檢測穩(wěn)定可靠；測試內(nèi)容至少包含PCB垂直燃燒V-0、氣候測試、機械測試等內(nèi)容；2國產(chǎn)化人工智能實訓箱AI初級開發(fā)實踐2.1、配套資源：開發(fā)實踐須配置案例文檔（每份不低于50頁）和實訓手冊,具體數(shù)量為：總課時量不低于32、不低于10份案例文檔和不低于10個實驗；2.2、包括但不限于以下知識點或?qū)嶒灒簩嵱栂浜喗?、實訓箱快速構建推理應用、圖片分類應用開發(fā)實踐、目標檢測應用開發(fā)實踐、圖像分割應用開發(fā)實踐、OCR應用開發(fā)實踐、黑白圖像上色開發(fā)實踐、圖像增強開發(fā)實踐、圖片風格遷移開發(fā)實踐、媒體數(shù)據(jù)處理（視頻編碼）開發(fā)實踐；3國產(chǎn)化人工智能實訓箱AI進階應用開發(fā)實踐3.1、配套資源：開發(fā)實踐須配置案例文檔（每份不低于50頁）和實訓手冊,具體數(shù)量為：總課時量不低于32、不低于5份案例文檔和不低于5個實驗；3.2、包括但不限于以下知識點或?qū)嶒灒很浻布珬７桨附榻B、SDK及應用開發(fā)指南、基于BERT模型的文本分類應用、基于YOLOv5的安全帽識別項目案例、手部檢測應用開發(fā)實踐、手部關鍵點檢測應用開發(fā)實踐；4國產(chǎn)化計算機視覺技術與應用案例實踐4.1、配套資源：案例須配置案例文檔（每份不低于50頁）和實訓手冊，具體數(shù)量為：總課時量不低于48、不低于15份案例文檔、和不低于15個實驗，不低于5個引導視頻；該課程配套的相關資源及實驗均支持在實訓平臺上進行觀看和實驗操作；4.2、包括但不限于以下知識點或?qū)嶒灒河嬎銠C視覺概覽、數(shù)字圖像基礎、圖像的灰度變換、圖像的幾何變換、形態(tài)學處理方法、圖像濾波方法、SIFT尺度不變特征變換、HOG方向梯度直方圖、LBP特征、HAAR特征、卷積神經(jīng)網(wǎng)絡、卷積神經(jīng)網(wǎng)絡的訓練及調(diào)參過程、卷積神經(jīng)系統(tǒng)網(wǎng)絡經(jīng)典網(wǎng)絡架構、圖像分割實驗基礎知識、對抗生成網(wǎng)絡；國產(chǎn)AI算力數(shù)字圖像基礎實操、國產(chǎn)AI算力圖像的灰度變換實操、國產(chǎn)AI算力圖像幾何變換實操、國產(chǎn)AI算力形態(tài)學處理方法實操、圖像濾波方法介紹、國產(chǎn)AI算力圖像濾波實操；5國產(chǎn)化語音識別技術與應用案例實踐5.1、配套資源：案例須配置案例文檔（每份不低于50頁）和實訓手冊，具體數(shù)量為：總課時量不低于44、不低于5份案例文檔、和不低于5個實驗，不低于1個引導視頻；該課程配套的相關資源及實驗均支持在實訓平臺上進行觀看和實驗操作；5.2、包括但不限于以下知識點或?qū)嶒灒赫Z音處理基礎、語音識別算法、單高斯模型、混合高斯模型、馬爾科夫鏈、隱馬爾科夫鏈模型、HMM-GMM語音識別算法、深度學習語音識別算法；語音預處理基礎實操、單高斯模型參數(shù)求解實操、混合高斯模型參數(shù)求解實操、隱馬爾科夫鏈求解詞性標注實操、基于HMM-GMM的單字識別實操；6國產(chǎn)化自然語言處理技術與應用案例實踐6.1、配套資源：案例須配置案例文檔（每份不低于50頁）和實訓手冊，具體數(shù)量為：總課時量不低于48、不低于5份案例文檔、和不低于15個實驗，不低于5個引導視頻；該課程配套的相關資源及實驗均支持在實訓平臺上進行觀看和實驗操作；6.2、包括但不限于以下知識點或?qū)嶒灒鹤匀徽Z言處理、詞法分析、句法分析以及語義分析、語言模型、關鍵詞提取方法、詞向量概念、概率圖模型及其應用、TextCNN技術原理、RNN與LSTM模型、Seq2Seq模型；分詞實操、詞性標注實操-jieba、spacy和NLTK、命名實體識別實操、句法分析實操、基于國產(chǎn)AI框架構建語言模型實操；7人工智能訓練單元7.1、支持人工智能學習、端側推理、校驗，預裝Python開發(fā)程序，搭載專業(yè)AI邊緣運算芯片與多種傳感技術，兼具多種輸入輸出方式，提供完整易用的模型訓練工具及豐富模型實例，可以實現(xiàn)各類人工智能應用的快速開發(fā)，支持用戶進行二次開發(fā)；7.2、集深度學習、計算機視覺技術、語音識別、自然語言處理等核心功能為一體，搭載了專業(yè)AI邊緣運算芯片與多種傳感技術，兼容多種輸入輸出方式，內(nèi)置AI模型應用引擎，預裝PaddlePaddle深度學習框架，既能直接利用本機自帶的預訓練模型進行AI功能應用，也能與不同框架的模型兼容，將TensorFlow、PaddlePaddle、PyTorch等人工智能框架所生成的模型進行優(yōu)化；同時應用將在人工智能加速芯片上運行，能低功耗且高性能地快速應用神經(jīng)網(wǎng)絡模型實現(xiàn)AI功能；7.3、圖像識別功能可支持：圖像目標分類、視頻目標分類、圖像目標檢測、視頻目標檢測等、圖像目標分割、視頻目標分割功能，可支持進行人臉檢測、物體檢測、姿態(tài)檢測等實驗實訓；7.4、語音識別功能可支持：語音識別、語音喚醒、語音降噪、語音增強等功能，可支持語音遠程喚醒、語音智能對話等實驗實訓；7.5、傳感器功能可支持：獲取圖像攝像頭、全向麥克風獲取環(huán)境音等功能，可進行AI物聯(lián)功能實訓、傳感器實訓等實驗實訓；7.6、支持與人工智能訓練師職業(yè)技能培訓與認證平臺直接無縫對接使用，支持通過無線的方式連接到系統(tǒng)，支持從系統(tǒng)到邊緣端側設備的模型下發(fā)與部署；無縫對接認證平臺：支持與國家/行業(yè)認可的人工智能訓練師職業(yè)技能培訓與認證平臺（如人社部職業(yè)技能鑒定系統(tǒng)）通過標準化API接口（RESTful/GraphQL）或SDK直接集成，實現(xiàn)用戶身份認證、培訓進度同步、考試結果自動上傳等功能；支持OAuth2.0等安全協(xié)議，確保數(shù)據(jù)交互合規(guī)性；無線連接方式：支持Wi-Fi6/6E、藍牙5.2、5G/4G蜂窩網(wǎng)絡等多模無線通信協(xié)議，適配工業(yè)級路由器或移動熱點，確保邊緣設備與云端/控制臺的低延遲（<50ms）高帶寬（≥100Mbps）連接；提供設備自動發(fā)現(xiàn)與配對功能（如mDNS/DHCP），簡化部署流程；模型下發(fā)與部署：支持通過OTA（Over-the-Air）技術將云端訓練的AI模型（如TensorFlowLite、ONNX格式）一鍵推送至邊緣端側設備（如JetsonNano、樹莓派集群），并自動完成模型加載、依賴庫安裝及服務重啟；提供版本回滾機制，確保部署可靠性；7.7、設備支持人工智能訓練師三級部分實操試題考證線下部署和驗證，并提供相應的環(huán)境；7.8、支持遠程調(diào)用端側設備的硬件算力進行模型的訓練與優(yōu)化；支持在線Python交互模式，可直接輸入代碼進行端側推理運行；遠程硬件算力調(diào)度：基于Kubernetes或DockerSwarm構建分布式計算集群，允許用戶通過云端控制臺遠程調(diào)用邊緣端側設備的GPU/CPU/NPU算力資源（如分配特定Jetson設備的TensorCore進行模型微調(diào)），支持動態(tài)資源分配策略（QoS優(yōu)先級管理）；在線Python交互模式：集成JupyterLab或GoogleColab風格的WebIDE，提供預裝AI庫（PyTorch、OpenCV、Pandas）的容器化環(huán)境，支持用戶直接編寫推理代碼（如model.predict(input_tensor)）并實時查看端側設備的輸出結果（延遲<100ms）；具備代碼自動補全、調(diào)試斷點及TensorBoard可視化插件；安全增強：采用SSH隧道加密通信與沙箱隔離技術，防止惡意代碼對設備系統(tǒng)造成破壞；7.9、支持多種數(shù)據(jù)格式的數(shù)據(jù)集處理；支持云邊端一體化教學實訓模式；7.10、人工智能訓練單元訓練所得模型支持在線或離線部署到開發(fā)驗證單元，實現(xiàn)AI在線或離線計算，可支持圖像分類、物體檢測模型的離線并行計算，進行多個場景的開發(fā)應用；7.11.1、CPU：≥ARMCortex-A78AEv8.264-bit@1.5GHz；7.11.2、GPU：≥搭載16個以上TensorCore的512核NVIDIAAmpere架構GPU@625MHz；7.