“人工智能开源软件”是指主要应用于人工智能领域的开源软件，包括人工智能开源计算平台、开源机器学习框架和应用领域相关的开源软件等。大数据框架、虚拟机、容器及其管理等相关的开源软件在人工智能、应用场景中发挥了重要作用，但由于其通用性，并且其主要的发展历程和发展规划相对独立，所以本章仅从如何使用其构建应用的角度对其进行了简要介绍。此外，近年来国内外部分企业提出了人工智能操作系统、人工智能中间件等概念，我们期待其在开源领域的进一步发展。本白皮书将分析人工智能各个领域共 93 种开源软件，并基于此进行地域分布、维护者类型、时间特性分析。

本报告为上海交通大学人工智能研究院、上海交通大学医学院、上海市卫生和健康发展研究中心与上海感知城市数据科学研究院联合编写，集聚人工智能和医疗领域的专家力量，通过对人工智能医疗领域进行广泛的文献研究、商业洞察、专家访谈和行业公开信息整理，系统地梳理了人工智能在医疗领域的应用现状，分析了人工智能医疗领域面临的挑战及发展趋势，并提出了相应的建议，旨在为相关政府部门、投资机构、研究机构、业内公司等利益相关方提供准确、完整、可靠的人工智能医疗白皮书，为行业的政策制定、投资决策、学术发展、产品应用等提供参考依据。

当前随着人工智能理论和技术的日益成熟，应用范围不断扩大，目前已广泛应用于计算机科学、金融贸易、医药、诊断、重工业、运输、远程通讯、在线和电话服务、法律、科学发现、玩具和游戏、音乐等诸多方面。算力作为承载人工智能应用的平台和基础，其发展推动了整个人工智能系统的进步和快速演进，是人工智能最核心的要素之一。以人工智能应用为主要任务的，面向智能计算的处理器的相关设计方法与技术已成为国内外工业界和学术界共同角逐的热点，国内外企业纷纷布局AI芯片。AI芯片的应用场景不再局限于云端，部署于智能手机、安防摄像头、及自动驾驶汽车等终端的各项产品日趋丰富。除了追求性能提升外，AI芯片也逐渐专注于特殊场景的优化。为了进一步促进供需对接，为AI芯片供应商和需求商提供交流的平台，中国人工智能产业发展联盟(以下简称“AIIA”或联盟)计算架构与芯片推进组启动“AI芯片技术选型目录”(以下简称“选型目录”)的工作，希望为AI芯片的可持续发展，服务和促进相关产业发展壮大贡献一份力量。

白皮书试图从人工智能技术与电信网络结合的角度，展示人工智能在电信网络应用的研究现状，发掘人工智能在电信网络的应用场景，对处于萌芽期的电信网络人工智能应用领域进行梳理。

人工智能作为新一轮科技革命和产业变革的新赛场，已经成为抢占未来发展先机的重要突破口。随着人工智能发展进入新时期，如何落地应用、与实体经济融合，成为当前产业关注的重要议题。 交通行业关系国计民生，建设交通强国不仅是建设社会主义现代化强国的内在要求，也是顺应世界交通发展大势的客观需要。国家及相关部委先后印发多项政策文件，立足全局统筹推进交通强国建设，大力发展智慧交通。 2020 年国家正式提出新型基础设施建设，将人工智能纳入新技术基础设施范畴，智能交通基础设施纳入融合基础设施范畴，其建设和推进均成为产业焦点，如何充分发挥人工智能的赋能作用，加快交通的数字化智能化发展，推动人工智能和交通的融合应用，成为产学研用的重要课题，也是本报告撰写的主要背景。 本报告以人工智能对交通业务的赋能为切入点，系统梳理人工智能在交通领域的技术现状、典型应用、产业生态，总结业务发展面临的挑战，展望未来发展的趋势，并附上当前典型的应用案例和赋能场景，为进一步推进人工智能和交通行业的深度融合提供参考。

利用人工智能提供的强大分析、预测与策略优化等能力来赋能网元、网络和业务系统，实现电信网络的智能规建、智能运维、智能优化管控与业务能力提升，已经成为当前国内外电信行业的发展重点。国内外运营商、设备商和服务商等在电信网络智能化方面纷纷布局，电信网络智能化在标准研究、技术验证与落地应用等方面均有重要推进。

报告收集了 500 余个人工智能抗疫案例，对人工智能在助力疫情防控和复工复产应用情况进行了分析，剖析了人工智能产业未来发展趋势和存在的问题，并针对存在的问题针对性地提出了深化人工智能产业发展的意见建议，希望能够抛砖引玉。

人工智能的迅速发展正在深刻改变人类社会生活、改变世界，其技术和应用正经历快速发展的阶段。根据GB/T5271.28-2001《信息技术词汇第28部分:人工智能基本概念与专家系统》中的定义，“人工智能是表现出与人类智能（如推理和学习）相关的各种功能单元的能力。”机器学习是人工智能的核心技术之一，是使计算机具有智能的重要途径，其应用遍及人工智能的各个领域。深度学习是机器学习的一个子集，发源于人工神经网络的研究，通常也称为深度神经网络，是一种基于数据进行表征学习的方法。目前，深度学习算法在金融、安防、医疗等领域得到广泛应用，国务院发布的《新一代人工智能发展规划》中指出，人工智能进入新的发展阶段，“呈现出深度学习、跨界融合、人机协同、群智开放、自主操控等新特征。”然而，业界缺乏对深度学习算法可靠性、可移植性、效率等的系统性评估方法，一定程度上影响着深度学习的广泛应用和技术发展。本标准此版本仅针对人工智能深度学习算法的可靠性评估进行要求。随着研究的深入及应用的发展，后续将不断进行持续改进，逐渐扩展到深度学习算法可移植性、效率等方面的评估。中国电子技术标准化研究院作为国际标准化组织ISO/IECJTC1/SC42（人工智能分技术委员会）的国内技术归口单位，在本标准研制过程中，充分发挥了组织协调和技术方向把关作用。标准编写组聚集了国内人工智能深度学习领域的技术专家，开展了多种形式的专题研讨和征求意见活动，在保证标准科学性、合理性和可行性的同时，也确保了标准研制过程的公开性和透明性。本标准的研制工作，得到了中国人工智能开源软件发展联盟专家委员会的指导和支持，专家委员会主任委员、中国科学院院士、华东师范大学计算机科学与软件工程学院院长何积丰院士和各位专家对标准内容和文稿进行了深入严谨的讨论，给出了许多切实可行的意见，对标准质量提升和标准内容完善起到关键性作用。

白皮书从人工智能第三次浪潮开辟的治理新需要出发，结合当前人工智能发展阶段，分析了全球目前的人工智能治理机制，重点介绍了两项主要的治理举措，即以伦理为导向的社会约束体系和以法律为保障的风险防控体系，最后对人工智能治理的未来发展方向进行了展望，期待为社会各方提供有益参考。