477，國產自動駕駛操作系統首獲國際認證。
華爲自動駕駛操作系統（含虛擬化機制）己獲Safety領域最高等級功能安全認證（ISO26262ASILD）。
這也是我國首個獲得ASILD認證的操作系統內核。
自動駕駛領域已經不再是傳統汽車廠商專屬，全球各大科技公司紛紛入局，作爲國內知名科技巨頭華爲也已早早佈局並取得不錯成績。
478，不用摘口罩就能人臉識別。
華米公司研究一款支持人臉識別的AmazfitAeri智能防護口罩。
這款口罩除滿足國際標準的過濾效果外，Aeri還不與手機人臉解鎖功能衝突。
這款口罩由透明防霧材料製成，有利於幫助相關係統捕捉面部特徵進行人臉識別。
Aeri口罩還適配不同附件，如眼罩和風扇（使用者做運動時可通過風扇使呼吸流暢）。
479，談談CPU/GPU/TPU/NPU
CPU、GPU、TPU、NPU的共同點都是處理器，TPU、NPU主要用於人工智能領域，GPU也在向人工智能領域轉移。
CPU——中央處理器（CentralProcessingUnit），計算機的核心器件（芯片），由計算單元、控制單元和存儲單元組成，CPU精於控制和複雜運算。
GPU——圖形處理器（GraphicsProcessingUnit），也是計算機的核心器件（芯片），由計算單元、控制單元和存儲單元組成，GPU精於重複運算。目前基本上用GPU來進行深度學習算法訓練和部署人臉識別系統。
TPU——張量處理單元（TensorProcessingUnit），隨着人工智能發展，深度學習框架TensorFlow的發佈，TPU是針對TensorFlow的專用定製芯片（當然GPU也可與之適配），但TPU與同期的CPU、GPU比，性能提升15-30倍，效率提升30-80倍。
NPU——神經網絡處理器（Neural networkprofessing unit），這是模擬人類神經元和突觸，通過突觸權重實現存儲和計算一體化，NPU用於基於類腦神經網絡的人工智能領域，大大提高運行效率。
480，可解釋的機器學習/深度學習模型。
衆所周知，機器學習/深度學習本質上是一項暗箱技術，其訓練過程是不可解釋的，這是深度學習算法與類腦算法的主要區別。但科學的發展，破解了這把鎖，使監督的機器學習/深度學習模型可解釋成爲可能。
481，華爲開源Disout算法PK谷歌閉源Dropout算法。
華爲諾亞實驗室開源Disout算法，直接對標谷歌申請專利的Dropout算法（華爲新算法超過了Dropout，如在ImageNet上訓練的ResNet一50可達到78.76%的準確率，而Dropout系列方法僅爲76.8%）谷歌在申請專利時，將Dropout定義爲“解決神經網絡過擬合的系統和方法。”華爲的Disout是一種通過研究特徵圖擾動來增強深度神經網絡的泛化能力的方法。
482，配備人工智能的智能手環判斷房顫。
近日北大醫院與華米科技共同完成一項臨牀研究，引起了全球學界關注，美國知名心臟病學期刊《HeartRhythm（心律學）》在線發表了這項研究論文：“一種配備人工智能算法的新型智能手環用於發現心房纖顫”，研究顯示，通過華米科技智能手環的ECG和PPG功能判斷房顫的準確度分別可達94.76%和93.27%。
該研究使用一款由華米科技研發的智能手環（Amazfit末動健康手環1S），該手環具備光電容積脈搏波（PPG）和心電圖（ECG）兩種功能，並配以專爲篩查心律失常而設計、訓練的人工智能算法RealBeatsTM。研究人員共選拔401位受試者，經嚴格對照設計，以同一時間12導聯心電圖作爲標準，測試了在靜態條件下手環通過PPG、ECG功能判斷房顫的準確性。最終發現，單獨觀察PPG算法時，其敏感性爲88.00%，特異性爲96.41%，準確度爲93.27%；單獨觀察ECG算法時，敏感性爲87.33%，特異性爲99.21%，準確度爲94.76%。這一結果充分證明該手環PPG、ECG功能檢測房顫的準確性。
483，深度學習中對抗攻擊與防禦。
近來研究者發現，深度學習模型存在易受對抗樣本攻擊的安全隱患，對抗攻擊在自動駕駛等場景中也能成功實現，這就表明在現實世界中對深度學習算法的攻擊技術不但存在而且影響到它的安全可靠性和魯棒性。這個問題引起了AI研究者們的關注。他們開展了機器學習/深度學習的對抗攻擊與防禦的研究，推出了一批最前沿的研究成果（包括理論基礎、經典算法以及實際部署、應用前沿）。
他們開發了一批用於對抗樣本生成的攻擊算法，如FGSM、L—BFGS、PGD、C&W等，還開發了一批可以攻擊深度神經網絡的樣本，如CaffeNet，GoogleNet，ⅤGG，ResNet等。
484，華爲HMS生態服務取代谷歌GMS。
華爲P40旗艦手機搭載Linux操作系統和HMS生態服務。
去年華爲推出P35旗艦手機，搭載舊款安卓操作系統，當時擔心華爲手機的歐洲市場將因執行美國“斷供”而受制於谷歌的GMS生態服務。
安卓操作系統是開源的，也可稱Linux操作系統，而GMS是閉源的，專屬谷歌私有。華爲手機可搭載自主開發、改造的安卓系統（或Linux系統），其薄弱環節在生態。華爲新款智能手機要佔領市場（特別是海外市場）最關鍵的是要把生態服務的備胎搞出來！
去年四季華爲P35手機海外銷售就受GMS斷供影響，從今年一季度華爲手機海外出貨量來看，因無法使用GMS服務的影響，其出貨量同比下滑36%（由2019年同期3202萬部降至如今的2048萬部）。因此如何迅速尋找並解決GMS的備胎，就成爲華爲消費者（特別是海外消費者）密切關注的問題，也是如今華爲亟待解決的問題。
從目前情況來看，華爲推出的備胎HMS生態服務可謂進步神速，如今已獲得全球140萬志願開發者的青睞（註冊開發者暴漲150%），HMS將服務於全球170多個國家和地區，月活躍用戶數高達4億。
今年3月，華爲發佈P40系列旗艦手機新品。華爲P40系列手機將捨棄谷歌的GMS生態服務和Play應用商店，轉而搭載自家的HMS生態服務和APPGallery應用商店。
485，宇樹科技在國際消費電子展（CES）上展示。
結合AI技術的四足機器狗。
不久前，我們從電視上看到新加坡政府從美國購置一款“四足機器狗”，面對新冠肺炎在新加坡蔓延之勢，該款機器狗在新加坡公國內廵邏。
中國宇樹科技在今年美國舉辦的國際消費電子展（CES）上（2020.1.7-10）展出高性能四足機器狗，名叫“萊卡（狗）”，這是宇樹科技首次展示的一款他自稱“結合AI技術的機器狗”（款名A1）。A1機器狗體積小（寬300mm、長620mm）、重量輕（含電池約26磅），可以以驚人速度行走（行走速度2米/秒或11公里/小時），電池續航時間2小時；A1機器狗關節十分靈活，動力強勁，可以進行各種跳躍、翻轉運動，每隻腳上都安裝感應器，接收狀態信息，併發送到電動機，從而提高運動效率；A1機器狗可承載多達5公斤重量，有可能成爲傳送機器人，該產品還搭配智能手機，可實現實時視頻傳輸，還具有許多潛在的個人和公共用途。美國波士頓動力開發各種仿生機器狗，包括著名的四足機器狗“Spot”，用於美國醫療領域，協助醫護人員對冠狀病毒患者進行運程治療、病毒檢測等，還可延伸一些新應用（如快遞、遠程維護等）。據業內專家談：宇樹科技機器狗滿滿的科技未來感，力壓波士頓動力的Spot。
486，谷歌的中國工程師團隊提出顛覆性的自動駕駛行爲預測算法模型。
在複雜的交通場景中，自動駕駛面對周圍的車輛和行人，如果能在其行進中在未來5秒內提高行爲預測，必將加速自動駕駛的發展。
行爲預測的難點在於周圍行人、車輛的不確定性和各種規則之外的行爲，難以進行確定性預測。其難點尤其在遇到盲點與遮擋時，更是如此。
對於無人車，周圍的環境大致分兩類：一是地圖特徵，其中包括車道線、斑馬線、紅綠燈、速度標示、停車指示牌等固有道路要素，二是無人車周圍的物體運動軌跡。
傳統的自動駕駛行爲預測做法的缺點昰：①將物體渲染到圖片上，從時空看這是一個缺乏效率的方式，②採用卷積神經網絡，這在自動駕駛行爲預測方面存在侷限性，因爲它不適合應對長距離的道路信息。谷歌的一箇中國工程師團隊，在Waymo協助下，提出了一個全新自動駕駛行爲預測模型ⅤectorNet。
他們提出了一種抽象化認識周圍環境信息的做法：用向量（Ⅴector）來簡化地表達地圖信息和移動物體，這一做法拋棄了傳統的用圖片渲染的方式，達到了降低數據量、計算量的效果，即ⅤectorNet模型的做法，無需將環境信息渲染成圖片，而表達成抽象、簡化的向量形式（模型計算速度比卷積神經快一個數量級）。在向量化的基礎上，該模型在所有向量之間添加了語義關係，讓自動駕駛車輛不僅能看到環境信息，更能進一步理解環境中不同要素之間的關係。在自動駕駛的語境下，對要素之間的關係的認識可以幫助進行行爲預測。所以ⅤectorNet在實際應用中具備很強實用性，可提升自動駕駛行爲測試精準度。經Waymo實測，該模型技術提高了行爲預測的精準度，比現有方法提升了近20%，而在佔用內存和計算量上則減少了約8成。
目前該論文已被計算機視覺領域三大國際頂級會議之一的CVPR接收。