人工智能应用创新 智能云基础设施技术规范 .pdfVIP

人工智能应用创新 智能云基础设施技术规范 1 范围 本文件规定了应用于人工智能领域 （以下简称AI）的云基础设施的系统架构及技术要求，包括智能 云资源、智能云中台、运营运维管理及安全能力四部分。 本文件适用于AI云服务提供商及第三方机构开展业务活动时，为产品及服务的设计、开发、测试、 评估、维护及运营等提供参考依据。 2 规范性引用文件 下列文件中的内容通过文中的规范性引用而构成本文件必不可少的条款。其中，注日期的引用文件， 仅该日期对应的版本适用于本文件；不注日期的引用文件，其最新版本 （包括所有的修改单）适用于本 文件。 GB 18030 信息技术 中文编码字符集 GB/T 20272—2019 信息安全技术 操作系统安全技术要求 JR/T 0166—2020 云计算技术金融应用规范 技术架构 3 术语和定义 GB/T 35295—2017界定的以及下列术语和定义适用于本文件。 3.1 智能云中台 artificial intelligence middle end based cloud computing 将人工智能领域的技术组件、框架、工具、平台、环境等的公共能力抽取出来，构建成基于云计算 技术的可复用的服务，支撑数据服务或者业务逻辑服务的软件系统。 3.2 推理 inference 推断 从已知前提导出结论的推理方法。 注1：在人工智能领域中，前提是事实或规则。 注2：术语 “推理”既指过程也指结果。 [来源:GB/T 5271.28—2001,28.03.01] 3.3 数据管理 data management 在数据处理系统中，提供对数据的访问，执行或监视数据的存储，以及控制输入输出操作等功能。 [来源:GB/T 5271.1—2000,01.08.02] 3.4 框架 （用于人工智能） frame （in artificial intelligence） 一种面向数据的知识表示，与具有一系列特征的某一对象相关联，其中每一个特征都存储在称为“槽” 的专用区域内。 [来源: GB/T 5271.28—2001,28.02.13] 3.5 3 数据集 data set 数据记录汇聚的数据形式。 注：它可以具有大数据的体量、速度、多样性和易变性特征。数据集的特征表征的是数据本身或静态数据，而数据 的特征，当其在网络上传输时或暂时驻留于计算机存储器中以备读出或更新时，表征的是动态数据。 [来源: GB/T 35295—2017,2.1.46] 3.6 可用区 availability zone 在智能云基础设施中，基于空调、电力设施、主机、网络、存储等物理资源的容灾因素划分出来的 物理区域。 3.7 虚拟机 virtualmachine 通过各种虚拟化技术，为用户提供的与原有物理服务器相同的操作系统和应用程序运行环境的统称。 注：虚拟机通常使用物理服务器的资源，在用户看来它与物理服务器的使用方式完全相同。 [来源: JR/T 0166—2020,3.22] 3.8 容器组 pod 一个或多个共享存储、网络、命名空间及运行规范的容器组合。 3.9 访问服务 service 一组容器及其外部访问入口。 3.10 机器学习 machine learning 从数据中自动分析获得规律，并利用规律对未知数据进行预测的方法。 通过获取、重组新知识或技能提升功能单元效能的过程。 [来源: ISO/IEC 2382:2015(en),2123789,有修改] 3.11 深度学习 deep learning 通过训练具有许多隐层的神经网络创建丰富层次表示的方法。 训练神经网络构建含多个 （≥1）隐藏层的层次化表达的方法。 [来源: ISO/IEC 23053:2020 CD,3.13,有修改] 3.12 云原生 cloud native 基于分布部署和统一运管的，以容器、微服务等技术为基础建立的一套云技术产品体系。 注：云原生具有容器化、模块化、持续交付、弹性分布式等特点。 3.13 网页集成开发环境 WebIDE