T_ZSA 164-2023 人工智能应用创新智能云基础设施技术规范.docx

《T_ZSA 164-2023 人工智能应用创新智能云基础设施技术规范.docx》由会员分享，可在线阅读，更多相关《T_ZSA 164-2023 人工智能应用创新智能云基础设施技术规范.docx（19页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、学兔兔标准下载ICS35.240CCSL77团体标准T/ZSA1642023人工智能应用创新智能云基础设施技术规范ArtificialintelligenceapplicationinnovationTechnicalspecificationofintelligentcloudcomputinginfrastructure2023-10-20发布2023-10-21实施中关村标准化协会发布学兔兔标准下载T/ZSA1642023目次前言.II1范围.32规范性引用文件.33术语和定义.34缩略语.55总体技术架构.56技术要求.66.1智能云资源层.76.1.1基础资源整合.76.1.2基础资

2、源服务.86.2智能云中台层.106.2.1部署管理.106.2.2训练管理.106.2.3推理管理.116.2.4数据管理.126.2.5算法管理.136.2.6模型管理.146.2.7开发管理.156.3运营运维管理.166.3.1监控管理.166.3.2告警管理.166.3.3租户管理.176.3.4服务目录管理.176.3.5计量计费管理.176.3.6配额管理.176.4安全能力.176.4.1智能云资源层安全能力.176.4.2智能云中台层安全能力.17I学兔兔标准下载T/ZSA1642023前言本文件按照GB/T1.12020标准化工作导则第1部分：标准化文件的结构和起草规则的规

3、定起草。请注意本文件的某些内容可能涉及专利。本文件的发布机构不承担识别专利的责任。本文件由中关村数智人工智能产业联盟提出并归口。本文件起草单位：赛迪检测认证中心有限公司、中关村数智人工智能产业联盟、中国软件评测中心（工业和信息化部软件与集成电路促进中心）、上海东部科技成果转化有限公司、数动达观（北京）科技有限公司、北京九章云极科技有限公司、济南浪潮数据技术有限公司、优刻得科技股份有限公司、中科软科技股份有限公司、瑞莱信创技术（北京）有限公司、曙光云计算集团有限公司、腾讯云计算（北京）有限责任公司、统信软件技术有限公司、麒麟软件有限公司、北京宝兰德软件股份有限公司、上海泛微网络科技股份有限公司、

4、上海亘岩网络科技有限公司、浪潮电子信息产业股份有限公司。本文件主要起草人：刘云龙、贾昊、邹叔君、李安伦、翟艳芬、蒋宁、方磊、吕广杰、张百林、文天乐、谢宇杰、王洋、袁鹏、于水、么雨田、代威、刘海涛、孟杰、王磊、战茅、李志伟、詹年科、王伟东、刘超、杨国生、张建、谢传宇、李宝然、韩君辉、都静妍、谢姣。II学兔兔标准下载T/ZSA1642023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

5、、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。GB18030信息技术中文编码字符集GB/T202722019信息安全技术操作系统安全技术要求JR/T01662020云计算技术金融应用规范技术架构3术语和定义GB/T352952017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artificialintelligencemiddleendbasedcloudcomputing将人工智能领域的技术

6、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/T5271.282001,28.03.013.3数据管理datamanagement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/T5271.12000,01.08.023.4框架（用于人工智能）frame（inartificialintelligence）一种面向数据

7、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/T5271.282001,28.02.133.53学兔兔标准下载T/ZSA1642023数据集dataset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/T352952017,2.1.463.6可用区availabilityzone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

8、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/T01662020,3.223.8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machinelearning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/IEC2382:2015(en),2123

9、789,有修改3.11深度学习deeplearning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/IEC23053:2020CD,3.13,有修改3.12云原生cloudnative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针对编程开发人员的在线集成开发环境，编程人员无需本地安装开发环境，通过打开浏览器就可以进行开发，并支持断点调试、版本管理、团队开发等能力。4学兔兔标准下载T/ZSA16

10、420233.14隐私保护计算privacy-preservingcomputation隐私计算一类技术方案，在处理和分析计算数据的过程中能保持数据不透明、不泄露、无法被计算方以及其他非授权方获取。来源：联合国隐私保护计算技术手册.大数据联合国全球工作组,2019注：隐私计算是一个技术范畴和集合。可信执行环境、多方安全计算、联邦学习等都属于隐私计算技术。4缩略语下列缩略语适用于本文件。AI：人工智能（ArtificialIntelligence）API：应用程序编程接口（ApplicationProgrammingInterface）ARM：微处理器（AdvancedRISCMachine）A

11、SIC：专用集成电路（ApplicationSpecificIntegratedCircuit）CPU：中央处理器（CentralProcessingUnit）CV：计算机视觉（ComputerVision）DHCP：动态主机配置协议（DynamicHostConfigurationProtocol）DNS：域名系统（DomainNameSystem）GPU：图形处理器（GraphicsProcessingUnit）HBA：主机总线适配器（HostBusAdapter）HCA：主机通道适配器（HostChannelAdapter）HDFS：Hadoop分布式文件系统（HadoopDistrib

12、utedFileSystem）H5：分层数据格式的第5代版本（TheHierarchicalDataFormatVersion5）IaaS：基础设施即服务（InfrastructureasaService）I/O：输入/输出（Input/Output）IP：网际协议（InternetProtocol）JDBC：Java语言连接数据库（JavaDatabaseConnectivity）JSON：JS对象简谱（JavaScriptObjectNotation）MIG：多实例GPU（Multi-InstanceGPU）MIPS：无内部互锁流水级的微处理器（MicroprocessorwithoutI

13、nterlockedPipelineStages）NFS：网络文件系统（NetworkFileSystem）NLP：自然语言处理（NaturalLanguageProcessing）ONNX：开放神经网络交换（OpenNeuralNetworkExchange）PKL：一种由Python的Pickle模块创建的文件格式（Pickle）PMML：预测模型标记语言（PredictiveModelMarkupLanguage）SDK：软件开发工具包（SoftwareDevelopmentKit）SDN：软件定义网络（SoftwareDefinedNetwork）USB：通用串行总线（Universa

14、lSerialBus）VPC：虚拟私有云（VirtualPrivateCloud）VPN：虚拟专用网络（VirtualPrivateNetwork）XML：可扩展标记语言（ExtensibleMarkupLanguage）5总体技术架构5.1如图1所示，“人工智能应用创新智能云基础设施”（以下简称“智能云基础设施”）总体技术架构包括智能云资源和智能云中台两个层次。同时以运营运维管理和安全能力贯穿各个层次。5学兔兔标准下载T/ZSA1642023图1智能云基础设施总体技术架构图5.2智能云资源层由基础资源整合模块、基础资源服务模块组成。该层利用云计算技术，将底层服务器、存储设备、网络设备等基础资

15、源通过调度、抽象、编排、池化等方法进行统一整合管理，生成基础资源服务，支撑上层智能云中台服务。具体如下：a)基础资源整合模块应包括计算资源池、存储资源池、网络资源池。该模块是实现基础硬件设施与设备池化能力的基础，为云服务提供支撑；b)基础资源服务模块应包括云主机服务、备份服务、镜像服务、弹性伸缩服务、裸金属服务、容器服务、存储资源服务、VPC服务、负载均衡服务。该模块将基础资源整合模块的资源池进行服务化抽象，为租户提供以IaaS为核心的云服务。5.3智能云中台层由部署管理模块、训练管理模块、推理管理模块、数据管理模块、算法管理模块、模型管理模块、开发管理模块组成。该层继承智能云资源层云化能力，

16、向上提供AI数据服务和技术服务。具体如下：a)部署管理，应包括算力部署管理、AI运行环境部署管理、云边端统一调度、监控审计；b)训练管理，应包括分布式训练、可视化建模、自动学习；c)推理管理，应包括推理框架、推理部署、任务管理；d)数据管理，应包括数据采集、数据探索、数据预处理、数据标注、数据集管理、特征工程；e)算法管理；f)模型管理，应包括模型定义管理、模型可回溯管理、模型配置项管理、模型分类进退管理、模型校准管理、模型可解释性管理、模型运行条件管理、模型偏差管理、模型全生命周期管理；g)开发管理，应包括集成式开发环境管理、开发环境资源调度、开发方式管理、开发环境管理、开发配置管理、开发任

17、务管理。5.4运营运维管理包括监控管理、告警管理、租户管理、服务目录管理、计量计费管理、配额管理。运营运维管理面向智能云基础设施各层的服务运营及技术运维的需求，提供技术、管理等方面的支撑。5.5安全能力提供智能云基础设施各层的安全防护与安全加固的技术能力，保障智能云基础设施的安全性。6技术要求6学兔兔标准下载T/ZSA16420236.1智能云资源层6.1.1基础资源整合6.1.1.1计算资源池计算资源池主要包括物理资源、虚拟化资源及容器化资源，应统一管理计算资源并提供服务，具体要求如下：a)应至少支持两种国产处理器架构；b)应支持GPU芯片及其虚拟化或容器化；c)应支持不同国产处理器架构的服

18、务器的统一管理；d)应支持计算资源池化，提供可动态调整的CPU、内存、I/O设备等资源；e)应支持物理机和虚拟机的全生命周期管理；f)应支持单物理服务器上多虚拟机管理与配置；g)应支持不同虚拟机之间资源逻辑隔离；h)应支持虚拟机的克隆、快照和备份管理；i)应支持系统镜像或虚拟机模版的全生命周期管理；j)应至少支持两种国产操作系统；k)操作系统应满足：1)在中文支持方面，应符合GB18030的中文编码要求；2)操作系统基础运行库或开发环境向前兼容，系统版本应支持以增量升级包的方式升级，升级后兼容上一版本所运行的软件与设备；3)支持C、C+、Java、Python、Perl等开发语言。l)操作系统

19、虚拟化要求如下：1)应支持内核虚拟化，支持qemu、libvirt、virt-manager等；2)应支持虚拟机的统一管理，每个虚拟机拥有独立的计算能力、存储资源、网络吞吐能力等，且各个虚拟机之间隔离运行；3)应支持虚拟机应用的负载均衡；4)应支持虚拟机的在线迁移和离线迁移；5)应支持虚拟机的备份恢复，提供高可用保护；6)应支持虚拟机的远程管理，包括启停、迁移、暂停、创建快照等。m)操作系统容器化要求如下：1)应支持podman、docker、isulad等容器运行；2)应支持容器镜像管理，包括容器镜像的导入、导出、创建、启动、挂载、卸载等；3)应至少支持两种容器镜像架构；4)应支持容器网络隔

20、离、容器资源的监控和弹性伸缩、日志、审核等；5)应支持容器化应用的全生命周期管理，管理可伸缩的容器应用；6)应支持对容器的工作负载部署、配置、扩展、负载均衡、数据持久化。n)驱动的具体要求如下：1)应兼容主流的AI加速卡；2)宜兼容主流的显卡、声卡。o)宜支持创建虚拟机时指定亲和反亲和策略；p)宜支持动态调整虚拟机CPU、内存、磁盘的配置或采用热迁移等方式增加CPU、内存的配置，满足业务运行需求；q)宜支持运行状态下虚拟机动态迁移，并维持业务正常运行；r)宜支持设置虚拟机CPU和内存使用的上限和下限；s)宜支持ASIC芯片及其虚拟化；t)操作系统容器化可支持沙箱安全等组件扩展；u)可支持FPG

21、A芯片。6.1.1.2存储资源池7学兔兔标准下载T/ZSA1642023存储资源池应统一管理存储的系统资源，为上层应用提供存储资源，具体要求如下：a)应符合6.1.1.1中a)、j)的要求；b)应符合JRT01662020中7.3.3.2的要求，并支持存储资源的统一管理；c)宜兼容主流的Raid卡、数据加解密卡及USB接口的驱动。d)宜符合JRT01662020中7.3.3.3c)的要求。6.1.1.3网络资源池网络资源池应对网络设备进行逻辑抽象和集中管理，具体要求如下：a)应符合JRT01662020中7.3.4.2a)、b)、c)、e)的要求；b)应提供不低于10GbE的网络环境；c)应支

22、持链路聚合、负载均衡技术，突破单个网络设备或节点的性能瓶颈，满足业务所需的网络处理能力；d)驱动的具体要求如下：1)应兼容主流的网卡；2)宜兼容主流的HBA卡、HCA卡。e)宜支持基于国产芯片的服务器，组建网络虚拟化集群；f)宜支持通过SDN网络技术，实现常用的网络功能虚拟化，包含但不限于VPC、安全组、负责均衡、网关、VPN；g)宜支持常用的容器网络模型，包含但不限于calico、flannel、OpenvSwitch；h)宜支持基础网络和虚拟网络的互相通信；i)宜支持在不同VPC之间逻辑隔离，并提供互相连接机制；j)宜支持单一VPC下创建多个子网，且子网之间能正常通信；k)宜支持单个虚拟机

23、挂载多块虚拟网卡。6.1.2基础资源服务6.1.2.1云主机服务云主机服务的具体要求如下：a)应支持通过指定CPU、内存、磁盘、操作系统、网络、可用区等参数创建单台或多台云主机；b)应支持云主机的启动、重启、关闭、删除等；c)宜支持回收站功能。6.1.2.2备份服务备份服务的具体要求如下：a)应支持云主机整机备份，如云主机快照、备份或克隆；b)宜支持通过备份恢复到原云主机、云硬盘或其它云主机、云硬盘；c)宜支持备份策略的创建、修改、删除等；d)宜支持通过设置备份策略周期性地自动备份。6.1.2.3镜像服务镜像服务的具体要求如下：a)应支持镜像的管理，包括镜像的新建、删除、导入等；b)宜支持镜像

24、信息的查看和修改，包括镜像的名称、操作系统、文件大小等。6.1.2.4弹性伸缩服务弹性伸缩服务的具体要求如下：a)应支持根据CPU、内存资源的使用情况配置伸缩策略；b)应支持向弹性伸缩组动态添加或移除云主机；c)应支持配置弹性伸缩服务的最大、最小可支持的云主机数量；d)宜支持查看特定伸缩组内的云主机数量、伸缩日志。8学兔兔标准下载T/ZSA16420236.1.2.5裸金属服务裸金属服务的具体要求如下：a)宜支持申请选择裸金属服务器规格的裸机；b)宜支持不再使用裸金属服务器时，将其释放给平台；c)宜支持远程启动、关闭裸金属服务器；d)宜支持获取单个裸金属服务器的详细信息；e)宜支持在裸金属服务

25、器上自动安装操作系统；f)宜支持从控制页面登录裸金属服务器；g)宜支持裸金属服务器挂载存储服务中提供的块存储。6.1.2.6容器服务容器服务包括容器组管理、访问服务管理、应用管理，具体要求如下：a)容器组管理符合：1)应支持容器组的创建、删除；2)应支持对容器组资源（CPU、内存）进行配置；3)应支持动态为容器组分配资源。b)访问服务管理符合：1)应支持访问服务的创建；2)宜支持查看服务注册信息，包括但不限于服务的标识、名称、地址等。c)应用管理符合：1)应支持容器应用的部署、查询、更新、启动、停止、删除、自动扩缩容；2)宜支持容器应用一键部署能力，包括服务的自动创建、IP地址自动分配等；3)

26、宜支持容器应用的滚动升级，升级过程中服务不中断；4)宜支持容器镜像仓库，实现容器镜像的统一管理；5)可支持容器镜像漏洞扫描，防止不安全的容器镜像被加载运行。6.1.2.7存储资源服务存储资源服务应包括但不限于块存储服务、对象存储服务、文件存储服务等，具体要求如下：a)块存储服务符合：1)应提供卷管理，包括卷的创建、删除、查询、挂载、卸载、修改、扩容等；2)宜支持卷的备份、快照；3)宜支持对卷的批量操作，包括卷的批量创建、批量删除等；4)宜支持块存储安全删除，能擦除云硬盘内的数据，防止被恶意恢复；5)可支持创建加密云硬盘。b)对象存储服务符合：1)宜提供对象存储管理，包括桶的创建、删除、查询等；

27、2)宜支持在桶创建目录、查询目录、删除空目录；3)宜支持对象的上传、下载、删除。c)文件存储服务，宜支持文件系统存储管理，包括文件系统的创建、挂载、删除、查询、扩容以及存储类型选择等。6.1.2.8VPC服务VPC服务的具体要求如下：a)应支持创建VPC，包括指定名称、IP类型、VPC网段等参数；b)应支持配置VPC，包括自定义IP地址范围、网段、网关、DNS服务器地址，创建子网，以及配置DHCP等；c)应管理私有IP地址；d)宜支持创建虚拟私有网络子网，包括但不限于支持指定虚拟私有网络子网的名称、可用区、网段、是否支持IPv6等；9学兔兔标准下载T/ZSA1642023e)宜支持分配浮动IP

28、和绑定浮动IP到云产品实例；f)宜支持查看用户私有网络的网络拓扑关系；g)宜支持对云主机的浮动IP进行流量控制。6.1.2.9负载均衡服务负载均衡服务的具体要求包括：a)应支持负载均衡器的创建、删除、修改、查询等；b)应支持负载均衡器对后端资源的挂载、卸载；c)应支持实时监控负载均衡器的运行状态；d)宜提供多种负载均衡策略；e)可支持负载均衡或网卡设置流量阈值。6.2智能云中台层6.2.1部署管理6.2.1.1算力部署管理算力部署的具体要求如下：a)支持对智能云底层物理资源的管理，包括CPU集群、GPU集群、FPGA、NPU、ASIC的计算资源部署管理，符合以下要求：1)支持X86、ARM、M

29、IPS、Alpha、Loongarch等架构CPU；2)支持对GPU资源的调度和管理；3)支持AI加速芯片、加速卡资源、NPU、FPGA等的管理；4)支持对算力资源的集群部署管理。b)支持资源池化管理，云服务器资源池支持通用CPU和GPU算力等。6.2.1.2AI运行环境部署管理AI运行环境部署管理的具体要求如下：a)应支持智能云中台组件在裸金属服务器、云服务器、容器等资源上进行集群化部署管理，同时符合水平弹性扩展算力的要求；b)应至少支持四种AI框架的部署管理，如PaddlePaddle、MindSpore、Pytorch、TensorFlow、MXNet、Caffe等。6.2.1.3云边端

30、统一调度云边端统一调度的具体要求如下：a)应根据云边端节点资源情况确定适合的云边端节点；b)应支持将调度信息通知给调度的目标边端节点；c)应在云边端计算服务结束后或根据资源释放申请，发送资源释放通知给云边端节点，云边端节点接收资源释放通知，相应资源设备应具备资源释放能力；d)应保证业务处理时效性，敏感实时的任务处理可下沉到边缘；e)应保证云边端数据协同分析和处理，提升数据使用效率。6.2.1.4监控审计监控审计的具体要求如下：a)应监控当前节点中的实例状态、资源用量、智能云基础设施状态等；b)应将监控信息上报给统一的管控设备；c)应根据监控信息对各个节点进行远程运维及日志管理；d)应对全网链路

31、（如集中管控节点间的网络链路等）的质量进行监控；e)应支持节点故障上报。6.2.2训练管理10学兔兔标准下载T/ZSA16420236.2.2.1分布式训练分布式训练的具体要求如下：a)应支持PaddlePaddle、MindSpore、Pytorch、TensorFlow、MXNet、Caffe等AI框架的分布式任务构建；b)调度训练任务时，应支持识别集群节点配置；c)应支持在集群内自动调度训练任务到不同节点；d)宜支持对PaddlePaddle、MindSpore、Pytorch、TensorFlow、MXNet、Caffe等AI框架的算子优化，在构建分布式任务时无需配置节点IP与认证信息

32、。6.2.2.2可视化建模可视化建模的具体要求如下：a)应支持图片、文本等数据的可视化；b)应支持以拖拽的方式进行工作流可视化建模；c)应支持使用TensorBoard等工具对模型训练过程可视化；d)宜支持Visdom、Netscope等工具对模型结构可视化；e)宜支持训练过程中，对服务器资源使用率进行可视化监控；f)宜支持对超参数调整后模型的优化效果可视化；g)宜支持对已部署模型的全生命周期进行可视化监控。6.2.2.3自动学习自动学习包括但不限于数据处理自动化、模型超参数自动调优、神经网络结构自动搜索等，具体要求如下：a)数据处理自动化，符合以下要求：1)宜支持对数据按照不同组合方式（如不

33、同逻辑存储路径内的数据组合）形成样本数据集；2)宜支持对数据集进行不同比例的训练集、验证集、测试集的拆分；3)宜自动增强CV、NLP等领域数据集，如对文本数据进行自动掩模形成无监督训练数据集，可自动增强图像数据的亮度、对比度、反色、缩放等；4)宜自动验证数据集的数据完整性；5)宜支持自动数据清洗，包括自动空值补全、离群点检测等；6)宜支持自动特征工程，包括特征筛选、特征衍生等；7)宜支持数据集自动平衡分类、降采样、上采样，对不平衡数据进行需求分类；8)宜支持数据漂移的自动检测和处理；9)宜支持具有横向伸缩能力的自动化分布式数据处理。b)模型超参数自动调优，符合以下要求：1)应支持通过预置模型简

34、化模型构建过程；2)应支持通过预置模型自动调优工具、算法、算子，进行模型参数自动调优；3)宜支持通过超参数自动调优工具对模型进行超参数调优；4)宜支持超参数自动调优工具与开发环境、训练任务的算力调度协同，提升训练速度；5)宜支持对超参数自动调优任务的统一管理；6)宜支持对超参数自动调优任务的进度与结果可视化。c)神经网络结构自动搜索，符合以下要求：1)宜支持通过神经网络结构搜索工具自动构建模型结构；2)宜支持通过神经网络结构搜索工具批量建模；3)宜支持对神经网络结构搜索任务的统一管理；4)宜支持对神经网络结构搜索任务进度与结果的可视化；5)宜支持根据神经网络结构在验证集上的推理性能，自动选择模型；6)宜支持自动模型融合，通过套袋、增强等方法组合多个模型形成融合模型。6.2.3推理管理11学兔兔标准下载T/ZSA16420236.2.3.1推理框架可支持适配不同的推理部署硬件运行环境的第三方推理框架，如TensorRT、OpenVINO等。6.2.3.2推理部署推理部署的具体要求如下：a)应根据规则自动选择模型发布功能，支持手动发布；b)应支持多种AI模型的部署，包括但不限于PMML、PKL、H5、ONNX等；c)应支持在线模型推理部署，包括