返回
企業服務智能化
城市管理智能化
個人生活智能化
汽車出行智能化- 核心技術
- 以原創技術體係為根基，SenseCore商湯AI大裝置為核心基座，佈局多領域、多方向前沿研究，快速打通AI在各個垂直場景中的應用，向行業賦能。
- 01AI智能遊戲
- 02群體智能
- 03通用決策AI工具鏈
- 04自動駕駛決策系統
- 05控制交通信號
- 06優化複雜計算圖
- 07多模態數據處理
- 08強化學習算法的設計框架
- 09分布式深度強化學習系統設計和優化
01 / 09
AI智能遊戲
支持RTS，FPS，SPORTS等遊戲的AI快速訓練及能進行陪玩、託管、高端局的AI挑戰。
02 / 09
群體智能
商湯科技的大規模高效強化學習訓練框架，以智能體的自我博弈為出發點，逐漸訓練至擴充到形成有上百數量的智能體聯盟。通過智能匹配機制和大量對局，就能快速形成不同實力（低到高），策略各異的大量智能個體。
03 / 09
通用決策AI工具鏈
DI-zoo提供豐富可以強化學習的算法， 包含能調成優化訓練配置的能力、實現高效的算法和預設訓練的模型庫，幫助研究者和工程師開啟強化學習的旅程的同時，更能讓他們驗證自身編程算法的想法以及生產業務基線模型。
04 / 09
自動駕駛決策系統
商湯科技通過將學術界前沿的決策 AI 算法應用在自動駕駛決策規劃控制的任務中，成功結合了AI決策與自動駕駛，打通學術界與產業界之間的壁壘。同時實際車輛所帶來的數據，更可好好分析運用轉化成為幫助汽車測試持續優化訓練的重要數據。
05 / 09
控制交通信號
商湯科技的決策人工智能技術可以應用在控制交通燈、調撥車道等的城市級別的應用中，幫助城市更有效的管理交通通行。事實上，根據實際路測數據顯示，相比起傳統依賴信控方式，通車效率提升 8% ~ 47% 不等。
06 / 09
優化複雜計算圖
通過優化複雜計算圖裡的數據、为其建立更輕身的結構以及優化大規模訓練时的穩定性，便可實現優化高性能、低資源複雜的計算圖訓練。
07 / 09
多模態數據處理
能快速的从不同模態數據里提取信息和結構設計，例如提取有效特徵並能高效融合，幫助優化多模態模型信息的訓練。
08 / 09
強化學習算法的設計框架
通過深度強化各類學習算法的計算模型，設計強化學習的通用編程模型以及結合多種決策和規劃方法所構造的混合型AI，可讓我們便捷地應用到不同環境所需的多種計算，大大提升強化學習算法的通用性和易用性。
09 / 09
分布式深度強化學習系統設計和優化
通過設計高效穩定的分佈式通信系統， 可針對性地優化數據和模型的傳輸，構造能夠支持各類型決策問題的通用訓練平台，以及設計相關的基準測試，實行創建AI + Systems 的各種型態。同時結合AI算法的特性，亦能強化分布式學習訓練的數據和提高資源的使用率。
01 / 09
AI智能遊戲
支持RTS，FPS，SPORTS等遊戲的AI快速訓練及能進行陪玩、託管、高端局的AI挑戰。
02 / 09
群體智能
商湯科技的大規模高效強化學習訓練框架，以智能體的自我博弈為出發點，逐漸訓練至擴充到形成有上百數量的智能體聯盟。通過智能匹配機制和大量對局，就能快速形成不同實力（低到高），策略各異的大量智能個體。
03 / 09
通用決策AI工具鏈
DI-zoo提供豐富可以強化學習的算法， 包含能調成優化訓練配置的能力、實現高效的算法和預設訓練的模型庫，幫助研究者和工程師開啟強化學習的旅程的同時，更能讓他們驗證自身編程算法的想法以及生產業務基線模型。
04 / 09
自動駕駛決策系統
商湯科技通過將學術界前沿的決策 AI 算法應用在自動駕駛決策規劃控制的任務中，成功結合了AI決策與自動駕駛，打通學術界與產業界之間的壁壘。同時實際車輛所帶來的數據，更可好好分析運用轉化成為幫助汽車測試持續優化訓練的重要數據。
05 / 09
控制交通信號
商湯科技的決策人工智能技術可以應用在控制交通燈、調撥車道等的城市級別的應用中，幫助城市更有效的管理交通通行。事實上，根據實際路測數據顯示，相比起傳統依賴信控方式，通車效率提升 8% ~ 47% 不等。
06 / 09
優化複雜計算圖
通過優化複雜計算圖裡的數據、为其建立更輕身的結構以及優化大規模訓練时的穩定性，便可實現優化高性能、低資源複雜的計算圖訓練。
07 / 09
多模態數據處理
能快速的从不同模態數據里提取信息和結構設計，例如提取有效特徵並能高效融合，幫助優化多模態模型信息的訓練。
08 / 09
強化學習算法的設計框架
通過深度強化各類學習算法的計算模型，設計強化學習的通用編程模型以及結合多種決策和規劃方法所構造的混合型AI，可讓我們便捷地應用到不同環境所需的多種計算，大大提升強化學習算法的通用性和易用性。
09 / 09
分布式深度強化學習系統設計和優化
通過設計高效穩定的分佈式通信系統， 可針對性地優化數據和模型的傳輸，構造能夠支持各類型決策問題的通用訓練平台，以及設計相關的基準測試，實行創建AI + Systems 的各種型態。同時結合AI算法的特性，亦能強化分布式學習訓練的數據和提高資源的使用率。
