（二）支撑技术与产品标准。

支撑技术与产品标准主要包括大数据、物联网、云计算、边缘计算、智能传感器、数据存储及传输设备等部分，如图４所示。

图４支撑技术与产品标准

１．大数据标准。规范人工智能研发及应用等过程涉及到的数据存储、处理、分析等大数据相关支撑技术要素，包括大数据系统产品、数据共享开放、数据管理机制、数据治理等标。

２．物联网标准。规范人工智能研发和应用过程中涉及到的感知和执行关键技术要素，为人工智能各类感知信息的采集、交互和互联互通提供支撑。包括智能感知设备标准、感知设备与人工智能平台的接口和互操作等智能网络接口、感知与执行一体化模型标准、多模态和态势感知标准等。

３．云计算标准。规范面向人工智能的云计算平台、资源及服务，为人工智能信息的存储、运算、共享提供支撑。包括虚拟和物理资源池化、调度，智能运算平台架构，智能运算资源定义和接口、应用服务部署等标准。

４．边缘计算标准。规范人工智能应用涉及的端计算设备、网络、数据与应用。包括数据传输接口协议、智能数据存储、端端协同、端云协同等标准。

５．智能传感器标准。规范高精度传感器、新型ＭＥＭＳ传感器等，为人工智能的硬件发展提供标准支撑，包括传感器接口、性能评定、试验方法等标准。

６．数据存储及传输设备标准。用于规范数据存储、传输设备相关技术、数据接口等。

（三）基础软硬件平台标准。

基础软硬件平台标准主要包括智能芯片、系统软件、开发框架等部分，如图５所示。

图５基础软硬件平台标准

１．智能芯片标准。规范智能计算芯片、新型感知芯片及相关底层接口等，为人工智能模型的训练和推理提供算力支持。包括指令集和虚拟指令集、芯片性能、功耗测试要求、数据交换格式、芯片操作系统的设计及检测等标准。

２．系统软件标准。规范人工智能软硬件优化编译器、人工智能算子库、人工智能软硬件平台计算性能等，促进软硬件平台的协同优化。

３．开发框架标准。包括机器学习框架和应用系统之间的开发接口、神经网络模型表达和压缩等标准。

（四）关键通用技术标准。

关键通用技术标准主要包括机器学习、知识图谱、类脑智能计算、量子智能计算、模式识别等部分，如图６所示。

图６关键通用技术标准

１．机器学习标准。规范监督学习、无监督学习、半监督学习、集成学习、深度学习和强化学习等不同类型的模型、训练数据、知识库、表达和评价。

２．知识图谱标准。规范知识描述的结构形式、解释过程、知识深度语义的技术要求等，解决知识表示粒度、方式的不确定性问题。

３．类脑智能计算标准。规范类脑计算算法基本模型、性能和应用，为人工智能系统提供新的计算架构，提高人工智能处理复杂问题的能力。包括类脑智能计算参考架构、脑特征机制计算模型建模和表达、基于生物机制建模的算法要求及其性能评价、类脑智能计算硬件设备通用技术要求等标准。

４．量子智能计算标准。规范量子计算算法基本模型、性能和应用，为提高人工智能计算能力提供支撑。包括量子计算模型与算法、高性能高比特率的量子人工智能处理器、可与外界环境交互信息的实时量子人工智能系统等标准。

５．模式识别标准。规范自适应或自组织的模式识别系统的特点、模型、技术要求和评价方法。

（五）关键领域技术标准。

关键领域技术标准主要包括自然语言处理、智能语音、计算机视觉、生物特征识别、虚拟现实／增强现实、人机交互等部分，如图７所示。

图７关键领域技术标准