数字化是一次产业革命，DevOps 是其中的重要组成部分。每一次产业变革都从革命性的技术开始，围绕它建立新的基础设施，形成新的技术和管理范式，最终彻底变革整个产业。 那些及早建立新基础设施，并引领新技术和管理范式迁移的经济体将从一轮产业革命中崛起。第一次工业革命建立了蒸汽动力和机器生产的基础设施，形成了工业化的基本范式，英国从中崛起。 第二次工业革命建立了内燃机和电气化的基础实施，形成了科学管理的基本范式，美国和德国实现超越。数字化革命发端于 1970 年代的美国硅谷，它以信息化为肇始，带来互联网在全球蓬勃发展，而这只是开始。 今天，数字化变革正深入每一个具体产业，驱动深层次的产业变革，让企业对客户、市场和环境的反应更精准、灵活、即时和高效。数字化和产业将发生化学反应，客户体验和产业效率都必须发生质的提升，这是数字化变革给每个产业的命题和挑战。 以云计算、大数据、人工智能、IoT 等为代表，新的数字化基础设施已经就绪，并将继续演进。更重要的是与之配套的技术和管理范式的转变，如：数字化转型路径、面向数字化的组织、数字化的全链路协同、数字化时代的 IT 研发模式。其中 DevOps 已成为数字化时代 IT 研发和管理范式，并成为企业数字化转型重要的组成部分。 DevOps 是什么？企业该如何建设 DevOps 能力？我们必须在数字化转型的背景下加以考察，具体来说包含业务交付和系统运行两个方面。第一：持续顺畅高质量地交付有效价值。 它的目的是缩短从业务想法的提出到实现和交付的时长，使这一过程更加顺畅和精准。数字化的组织，要围绕这一目标构建技术工程体系和协作模式，消除业务需求交付过程中的一切阻碍和等待，让 IT 交付节奏，跟上业务发展的需要。第二：极致弹性和韧性的系统运行。IT 系统必须满足业务运营的要求，具备极致的弹性和韧性。 弹性是指它随业务负载自动、实时的扩缩容，以精准的弹性和合理的成本满足业务；韧性指的是确保系统安全、合规和稳定的运行，实现系统运行的连续可用性和安全稳定。 以上两者，都要求打破 IT 开发部门和 IT 运维部门之间的隔阂，包括技术、流程和组织上的隔阂，也就是所谓开发运维一体化（DevOps)。一体化是手段，最终的成果必须体现为顺畅的业务交付和连续稳定的系统运行。 而这一切都必须以业务为源头，打通从业务到开发再到运维的整个流程，实现业务、产品和运维的有机融合，形成高效的业务交付、运行和反馈闭环。严格意义上 DevOps 应该是包含业务在内的 BizDevOps，延续业界的习惯，我们还是称其为 DevOps，不过其内涵一定是包含业务，且以业务为根本驱动的。 DevOps 是数字化时代的研发新范式，需要协作模式和工程技术两个方面的变革，这两者相辅相成，又相互制约。阿里巴巴 DevOps 实践指南，将分别从协作模式和工程技术两个方面展开。工程技术对应研发敏捷，协作模式对应组织敏捷，帮助组织顺应数字化变革的要求，让技术发挥其核心作用，加速业务发展，引领业务创新。 在数字化变革的浪潮中，中国作为产业规模最大和门类最齐全的经济体，迎来百年未有的崛起机会。拥抱数字基础设施，探索符合数字化时代要求的技术和管理范式，将帮助我们切实把握机会，实现伟大的复兴。而把握这一机会的组织，将在数字化变革的浪潮中脱颖而出。DevOps 是其中不可或缺的环节，希望我们的实践总结对你有所启发。 发布单位：阿里云开发者社区

有些关于智慧城市的想法误入歧途了，它们太过于强调昂贵的硬件设施，而不去利用互联网实现更经济的解决方案；太过于炫耀技术上的奇思妙想，而不去满足市民的真实需求。 当今的智慧城市运动正走向另外一个方面。智慧城市已经开始结合新一代最好的技术，即利用数据来配合市民、分析市民并做出针对性的行动，同时还能让市民更紧密地参与其中，共同塑造城市的运作模式。在其他许多领域，技术创新与社会创新相结合，且收获颇丰。 发布单位：英特尔中国、英国国家科学艺术基金会、联合国开发计划署、芯世界社会创新中心

当今时代，科学技术日新月异，数字化智能化深入发展，深刻影响经济发展趋势与社会运行规律，数字时代已全面到来。党的十九届五中全会指出，要发展数字经济，加强数字社会、数字政府建设，提升公共服务、社会治理等数字化智能化水平，首次明确了数字化发展内涵，即以数字经济、数字社会、数字政府为三大支柱开展数字技术创新与应用。其中，数字政府意指政府的数字化转型，对数字经济、数字社会起着牵引性、带动性作用，保障数字经济、数字社会持续安全发展。 发布单位：中国信通院

核心观点政府对停车场建设政策与财政支持不断，但城市停车难依然很普遍。（1）中共中央政治局会议、国家部委、地方政府不断推新政策推动城市停车难题解决，通过专项债、补贴等财政方式支持停车场建设；（2）城市停车资源短缺、车位利用率低是造成停车难的重要因素，城市停车难易引发交通拥堵。 随着自动驾驶技术发展，“自主泊车”+“智慧停车”为解决停车困难提供新思路。（1）自主代客泊车既是自动驾驶的必备功能，也是智慧停车的基础服务，将成为停车场智能化升级与自动驾驶最佳结合场景；（2）AVP落地将为政府、企业与消费者带来不同价值收益。 发布单位：中国电动汽车百人会

本标准规定了导航电子地图产品的基本内容和质量要求,定义了道路功能等级及颜色表示、背景信息的样式、图示符号及地址编码规则等。 发布单位：中国国家标准化管理委员会

本文件规定了基于车路协同的4级驾驶自动化（L4）、5级驾驶自动化（L5）的高等级自动驾驶的系统组成、典型应用和数据交互内容。本文件适用于基于车路协同的L4、L5高等级自动驾驶系统中消息层的设计与开发。 发布单位：中国汽车工程学会

对国家战略转型有重大意义。推进人工智能“新基建“，将广纳社会主体和社会资本，助力我国经济高质量发展和国内国际双循环的发展格局的形成。对推动数字经济迈向智能经济新台阶有重大意义。智能经济以算法、算力、数据为关键生产要素，需要海量数据驱动，依托算力平台和人工智能算法进行数据处理，将数据资源转化为数据智能，最终作用于实体经济发展各环节，推动生产效率提升和经济结构优化，实现智能产业化和产业智能化。对人工智能产业发展具有重大意义。人工智能“新基建”将推动人工智能与5G与云计算、大数据、物联网等领域深度融合，加速人工智能与实体经济深度融合，形成新一代信息基础设施赋能产业的核心能力。 发布单位：赛迪智库

人工智能是一个很宽泛的概念，概括而言是对人的意识和思维过程的模拟，利用机器学习和数据分析方法赋予机器类人的能力。人工智能将提升社会劳动生产率，特别是在有效降低劳动成本、优化产品和服务、创造新市场和就业等方面为人类的生产和生活带来革命性的转变。据Sage预测，到2030年人工智能的出现将为全球GDP带来额外14%的提升，相当于15.7万亿美元的增长。全球范围内越来越多的政府和企业组织逐渐认识到人工智能在经济和战略上的重要性，并从国家战略和商业活动上涉足人工智能。全球人工智能市场将在未来几年经历现象级的增长。据中国产业信息网和中国信息通信研究院数据，世界人工智能市场将在2020年达到6800亿元人民币，复合增长率达26.2%，而中国人工智能市场也将在2020年达到710亿元人民币，复合增长率达44.5%。 我国发展人工智能具有多个方面的优势，比如开放的市场环境、海量的数据资源、强有力的战略引领和政策支持、丰富的应用场景等，但仍存在基础研究和原创算法薄弱、高端元器件缺乏、没有具备国际影响力的人工智能开放平台等短板。此份报告不但对人工智能关键技术（计算机视觉技术、自然语言处理技术、跨媒体分析推理技术、智适应学习技术、群体智能技术、自主无人系统技术、智能芯片技术、脑机接口技术等）、人工智能典型应用产业与场景（安防、金融、零售、交通、教育、医疗、制造、健康等）做出了梳理，而且同时强调人工智能开放平台的重要性，并列举百度Apollo开放平台、阿里云城市大脑、腾讯觅影AI辅诊开放平台、科大讯飞智能语音开放创新平台、商汤智能视觉开放创新平台、松鼠AI智适应教育开放平台、京东人工智能开放平台NeuHub、搜狗人工智能开放平台等典型案例呈现给读者。最后，列举国内外优秀的人工智能公司与读者共勉。随着技术的进步、应用场景的丰富、开放平台的涌现和人工智能公司的创新活动，我国整个人工智能行业的生态圈也会逐步完善，从而为智慧社会的建设贡献巨大力量。 发布单位：中科院大数据挖掘与知识管理重点实验室

2020年，特斯拉第二次发布了特斯拉影响力报告。2018年，特斯拉发布了第一份影响力报告，目的是衡量产品和运营对环境和社区的影响。 在2019年影响力报告中，特斯拉进一步拓展了报告的范围，“许多环境报告都关注产品制造阶段产生的排放以及未来的能耗目标，但我们强调了目前我们产品的总体环境影响。” 现在车辆产生的绝大多数排放都出现在产品使用阶段，即消费者使用汽车时。因而，特斯拉认为，“在制造和消费者使用这两个方面提供信息可以更清晰地揭示特斯拉产品对环境的影响。” 发布单位：特斯拉

摘要 在不同的DL硬件上部署各种深度学习(DL)模型的困难，促进了社区中DL编译器的研究和开发。工业界和学术界已经提出了几个DL编译器，如Tensorflow XLA和TVM。类似地，DL编译器将不同DL框架中描述的DL模型作为输入，然后为不同的DL硬件生成优化代码作为输出。然而，现有的综述论文没有一个全面地分析DL编译器的独特设计。在本文中，我们通过剖析通常采用的设计细节，对现有的DL编译器进行了全面的调研，重点是面向DL的多级IRs和前端/后端优化。具体来说，我们从各个方面对现有的DL编译器进行了全面的比较。此外，还详细分析了多级红外设计和编译优化技术。最后，指出了DL编译器的研究方向。这是第一篇关于DL编译器设计的综述论文，我们希望能够为将来DL编译器的研究铺平道路。 发布单位：北京航空航天大学

本次报告分为如下几个部分:第二章对AI的产业现状及人工智能开源落地行业的宏观问题进行描述。首先分析了国际国内当前AI产业集聚情况，从基础层、技术层和行业应用层等三个层次深入描述了AI产业链现状，提及了工业、医疗、电商等典型领域的应用场景，然后对AI开源面对的法律道德、垄断风险、标准统一等系列问题进行了深入探讨。 第三章主要对人工智能开源现状及相关生态做一个全面的分析，包括人工智能开源项目（聚焦机器学习、深度学习）的全栈图，并给出全栈各层的定义。其次从各层挑选一些典型的项目来分析其技术及生态特点、主要的发起及参与的公司及个人。此外也介绍相关的开源组织，包括国内的组织如开源中国、国际组织如Linux基金会及Apache软件基金会，然后分析各组织、公司在重要开源项目中的角色及目的。第四章首先介绍了AI在应用时的总体工作流，然后系统化地分析当前基于开源的人工智能技术在解决行业具体问题时还有哪些不足、开源起了什么作用、还有哪些短板、在全栈中还有哪些缺失等，试图从技术生产者及技术消费者两个纬度来阐述人工智能开源技术是否可以解决所有问题。 第五章主要阐述新一代数据驱动的人工智能将给传统以代码为核心的开源理念带来哪些挑战，从政府角度以及一些典型行业出发分析AI数据开放和协同中存在的问题，从顶层设计、法律规范、数据治理、开源数据平台建设说明AI数据开放和协同的可行性，最后给出四种可行性技术架构推动新一代开源运动(OpenSourceMovement)的升级，实现“开放生态圈平台”（OpenEcosystemPlatform）的愿景。 第六章将着重阐述人工智能领域开源与标准的关系和相互促进。首先介绍在云计算、大数据、电信网络等几个成功的开源与标准联动的案例，随后阐述人工智能领域开源与标准的相互关系和联动建议，并针对人工智能落地过程中的问题梳理出标准的机会，最后阐述在标准制定中可能遇到的问题以及相关思考。 发布单位：国家人工智能标准化总体组

这是一本剖析TensorFlow内核工作原理的书籍，并非讲述如何使用TensorFlow构建机器学习模型，也不会讲述应用TensorFlow的最佳实践。本书将通过剖析TensorFlow源代码的方式，揭示TensorFlow的系统架构、领域模型、工作原理、及其实现模式等相关内容，以便揭示内在的知识。 本书假设读者已经了解机器学习相关基本概念与理论，了解机器学习相关的基本方法论；同时，假设读者熟悉Python, C++等程序设计语言。本书适合于渴望深入了解TensorFlow内核设计，期望改善TensorFlow系统设计和性能优化，及其探究TensorFlow关键技术的设计和实现的系统架构师、AI算法工程师、和AI软件工程师 作者：刘光聪