1 范围

2 术语和定义

2.1
人工智能 artificial intelligence
针对人类定义的给定目标，产生诸如内容、预测、推荐或决策等输出的一类工程系统相关机制和应用的研究和开发。
2.2
机器学习 machine learning
通过计算技术优化模型参数的过程，使模型的行为反映数据或经验。
2.3
神经网络 neural networks
由一层或多层神经元组成的网络，通过权值可调的加权连接，接受输入数据并产生输出。
2.4
深度学习 deep learning
通过训练具有许多隐层的神经网络来创建丰富层次表示的方法。
2.5
物联网 internet of things
通过感知设备，按照约定协议，连接物、人、系统和信息资源，实现对物理和虚拟世界的信息进行处理并作出反应的智能服务系统。
2.6
大数据 big data
具有体量巨大、来源多样、生成极快、且多变等特征并且难以用传统数据体系结构有效处理的包含大量数据集的数据。
2.7
语音识别 speech recognition
将人类的声音信号转化为文字或者指令的过程。
2.8
语音合成 speech synthesis
通过机械的、电子的方法合成人类语言的过程。
2.9
自然语言处理 natural language processing
（系统）基于自然语言理解和自然语言生成的信息处理。
2.10
计算机视觉 computer vision
用摄影机和计算机代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步做图像处理，用计算机处理成为更适合人眼观察或传送给仪器检测的图像。
2.11
知识图谱 knowledge graph
以结构化形式描述的知识元素及其联系的集合。
2.12
推荐系统 recommender system
根据用户的兴趣特点和行为偏好等特征，利用计算机算法向用户推荐其感兴趣的人、信息或商品的系统。
2.13
搜索引擎 search engine
根据一定的策略、运用特定的计算机程序从互联网上搜集信息，在对信息进行组织和处理后，为用户提供检索服务，将用户检索相关的信息展示给用户的系统。

3 人工智能产业主要方向及岗位 
3.1 主要方向

根据人工智能技术体系及对人才的需求，本标准围绕物联网、智能芯片、机器学习、深度学习、智能语音、自然语言处理、计算机视觉、知识图谱、服务机器人等9个方向对人才的岗位能力进行说明。

3.2 主要岗位及职责

4 人工智能产业岗位能力要素

5 人工智能产业人才岗位能力要求 
5.1 物联网产业人才岗位能力要求

5.1.1 物联网架构师
a）专业知识
——具备扎实的计算机基础，熟悉物联网感知层、网络层、平台层、应用层等领域的开发和落地专业知识；
——具备扎实的通信与电子信息基础、通信原理基础知识，熟悉通讯系统分层和基本通信原理，精通自组网络通信协议；
b）技术技能
——具备扎实的软件开发能力，熟悉C/C++、Java、Python、PHP、JS等语言开发，熟悉Linux和Android开发环境；
——精通C/C++嵌入式编程，掌握协议开发与调试；
——精通Apache Netty通信架构，了解各种通信协议嵌入到Apache Mina通信架构的工作机制；
——精通M2M通信原理和Apache ActiveMQ消息系统运行机制；
——精通有关分布式数据库存储策略，如MySQL、ES、MongoDB、HBase、Redis、InfoGrid等数据库；
——熟悉Hadoop、Spark、Mahout和Storm等大数据分析平台；
——具备平台数据采集、数据存储、数据分析服务、用户管理和安全管理方面的统筹规划和开发能力；
c）工程实践
——具有丰富的项目经验，如嵌入式开发、网络建设、物联网平台开发、智能硬件开发、应用实践等相关的开发经验；
——具备负责平台技术架构设计，包括通信架构、数据存储架构、数据分析服务架构和安全架构等技术的统筹研发能力；
——拥有物联网平台架构技术实现及平台部署的能力；
——拥有参与物联网平台架构技术研发和维护的经验，具备跟踪和探索领先的平台架构技术能力；
d）综合能力
——熟悉物联网智慧城市、智慧社区、智慧能源、智能家居等具体行业应用场景，具备高水平物联网应用需求分析能力；
——熟悉物联网感知层、网络层、平台层、应用层各技术环节的规范与应用标准。
5.1.2 物联网算法工程师
a）专业知识
——具备计算机基础，具备物联网从感知层、网络层、平台层、应用层面某一领域的开发经验和落地应用实践；
——具备数据结构与算法基础，了解常用的算法优化策略，能够基于基础模型算法解决更加复杂的应用问题；
b）技术技能
——熟悉C/C++、Java、Python等常用编程语言；
——熟悉Linux开发环境；
——熟练使用TensorFlow、torch或其他常用深度学习工具实现预测、运筹优化、机器学习等任务；
c）工程实践
——具备丰富的项目经验，拥有嵌入式系统研发经验；
——具备复杂系统的设计与架构能力，对工具选择、性能优化问题具备独立见解；
——能够快速选择并实现常见的算法模型，准确理解产品需求，提供相应的算法解决方案；
d）综合能力
——熟悉物联网智慧城市、智慧社区、智慧能源、智能家居等具体行业应用场景，能够进行物联网应用需求分析；
——熟悉算法研究、策略优化与建模。
5.1.3 智能终端开发工程师
a）专业知识
——具备通信与电子信息、通信原理、计算机技术等基础知识，熟悉通讯系统分层和基本通信原理，掌握基础的网络知识；
——熟悉智能终端领域基础知识，包括但不限于基础硬件设计研发、嵌入式安全、安卓固件开发、安卓应用开发、嵌入式网络协议、嵌入式软件开发、嵌入式驱动开发等；
b）技术技能
——熟悉嵌入式底层系统和移动端系统的优化、定制，如ARM、Linux或安卓；
——精通C/C++嵌入式编程，掌握协议开发与调试；精通网络通信协议，熟悉Zigbee、WIFI，有802.11/802.16/802.15等无线开发经验；
——熟悉linux开发及其内核驱动编写；
c）工程实践
——具有丰富的项目经验，拥有嵌入式系统开发经验；
——具有处理传感器、音视频信号、边缘计算、平台间通信开发经验；在工业互联网、车联网、云计算、智能家居、安防等领域有实际开发经验；
d）综合能力
——在智慧城市、社区、能源、家居、安防、工业等某一应用领域及场景，能够进行物联网应用实践；
——熟悉物联网设备管理、连接管理、应用支持、业务分析等相关基础需求及技术开发流程。
5.1.4 IoT 平台软件应用开发工程师
a）专业知识
——具备通信与电子信息、通信原理、计算机技术等基础知识，熟悉通讯系统分层和基本通信原理，掌握基础的网络知识；
——具备计算机基础，拥有物联网感知层、网络层、平台层、应用层等领域的开发和落地知识；
——熟悉IoT平台领域基础知识，包括IoT连接、IoT平台开发、平台前端开发、数据与运营、IOT
平台通信开发、IoT平台应用服务、IoT平台架构、IoT平台安全等；
b）技术技能
——熟悉开发语言，如Java、PHP、JS等；
——熟悉相关数据库，如Hadoop、Hive、Storm、Spark、NoSql、MongoDB、Redis等；
——熟练掌握云计算平台架构、微服务模块设计和开发、REST接口设计和开发，熟悉CloudFoundry等PaaS平台技术；
——熟悉分布式计算、网络系统设计、数据库设计、大规模存储系统；
c）工程实践
——具有丰富的项目经验，能够为IoT开发者提供应用开发工具、API接口、交互界面等支持服务，帮助开发者快速开发、部署并管理物联网应用；
——具备处理传感器、音视频信号、边缘计算、平台间通信开发经验；在工业互联网、车联网、云计算、智能家居、安防等领域有实际项目操作经验；
d）综合能力
——能够在智慧城市、社区、能源、家居、安防、工业等某一应用领域及场景开展物联网应用实践；
——熟悉物联网设备管理、连接管理、应用支持、业务分析等相关基础需求及技术开发流程。
5.1.5 物联网实施工程师
a）专业知识
——熟悉RFID、传感、自动控制、无线传输等物联网技术，熟悉网络结构、常用网络设备、IP/TCP协议等基础知识；
——掌握智能化弱电知识，熟悉综合布线、视频监控、机房等弱电及安防子系统的设计部署与实施；
d）技术技能
——熟悉常用物联网软硬件系统和以太网的安装调试；
——熟悉Linux、Windows Server操作系统以及运维；
c）工程实践
——具有在工业互联网、车联网、云计算、智能家居、安防等领域的物联网项目实施经验；
d）综合能力
——能够在智慧城市、社区、能源、家居、安防、工业等某一应用领域及场景开展物联网应用实践。
5.1.6 物联网运维工程师
a）专业知识
——具备通信与电子信息、通信原理、计算机技术等基础知识、熟悉通讯系统分层和基本通信原理、掌握基础的网络知识；
——具备计算机基础知识，熟悉数据库、缓存方案、负载均衡等技术；
b）技术技能
——精通Linux操作系统的规模化环境的部署、管理；
——熟悉主流云环境的配置、部署和监控；熟悉云环境的监控、预警、日志等常用工具使用；
——熟悉Shell、Python、Java等常用编程语言；
c）工程实践
——具有在工业互联网、车联网、云计算、智能家居、安防等领域的物联网项目运维经验；
d）综合能力
——在智慧城市、社区、能源、家居、安防、工业等某一应用领域及场景，能够进行物联网应用实践。

5.2 智能芯片产业人才岗位能力要求

5.2.1 智能芯片架构设计工程师
a）专业知识
——具备通用处理器设计基础，掌握集成电路前端设计流程、集成电路逻辑设计、低功耗设计流程、异构SoC芯片设计流程中的一项或多项流程；
——具备机器学习和深度学习基础。掌握一项或多项智能算法，如图像、语音、自然语言理解等智能处理算法；
b）技术技能
——具备扎实的编程基础，熟练掌握Verilog编程技能；
——熟练掌握Python、Bash、Tcl、Perl等编程语言；
——精通深度学习算法，如CNN、RNN、LSTM等；
——熟悉各种主流开源深度学习框架；
——精通SystemC、GEM5、TLM、LISA、SystemVerilog等至少一项能力；
——熟悉虚拟原型设计工具，如Synopsys Platform Architect、Cadence Virtual Platform、MentorVirtual Prototype等；
——熟悉UNIX、Linux操作环境，熟悉vi、vim常用操作；
c）工程实践
——熟悉异构SoC芯片设计流程，有复杂芯片开发经验；
——具备一定的项目经验，能够与算法人员配合，完成智能芯片的规格设计以及结构设计；
——具备异构平台开发和调优经验，能够在各类硬件平台如CPU、GPU、DSP上进行深度学习相关算法设计；
d）综合能力
——精通深度学习算法、处理器设计、系统建模等，了解智能芯片领域应用业务需求；
——具备良好的沟通能力，能够对客户在图像、语音、自然语言理解等智能处理算法方面的需求进行识别与分析。
5.2.2 智能芯片逻辑设计工程师
a）专业知识
——具备扎实的计算机体系结构基础；
——理解常用深度学习算法原理、实现流程；
——熟悉常用片内总线协议，例如AMBA、ACE、AXI、APB；
——熟悉PCIE、DDR、Ethernet、片间通讯等接口协议；
——具备大规模集成电路研究开发基础，包括半导体物理、工艺原理和器件理论，理解器件工作原理和应用；
——具备模块级逻辑设计相关知识，包括IP集成、模块设计、子系统仿真；
——熟悉芯片级逻辑设计相关知识，包括时钟、复位、低功耗、总线、芯片总体集成；
b）技术技能
——熟练掌握Verilog编程技能；
——熟悉芯片级时钟，复位模块的设计，掌握低功耗设计方法和流程；
——熟悉UNIX、Linux操作环境，熟悉vi、vim常用操作；
——掌握Perl、Python、Makefile等脚本语言；
——具备业界标准EDA工具使用能力，熟悉Lint、CDC、Synthesis、STA、Power analysis；
c）工程实践
——具备完整的集成电路逻辑设计能力，能够根据规格设计完成智能芯片的逻辑设计开发工作；
——能够与验证人员配合完成模块级和芯片级的验证工作；
——能够与物理设计人员配合完成智能芯片的逻辑设计，完成芯片级平面布局制定和时序收敛；
——具备PCIE、DDR、Ethernet、片间通讯等高速接口的集成、设计及调试经验；
d）综合能力
——理解智能芯片的实现原理，智能计算模块实现的功能、性能要求；
——熟悉异构SoC芯片设计流程，具备SoC芯片的逻辑设计能力，能够与验证和物理设计等团队进行协作。
5.2.3 智能芯片物理设计设计工程师
a）专业知识
——了解常用深度学习算法原理、实现流程；
——理解智能计算模块实现的性能、面积要求；
——掌握平面规划、布局布线、时钟树综合、物理验证等物理设计原理和流程；
——熟悉深亚微米工艺中的常用电气规则、芯片生产规则；
——理解并收敛集成电路制造过程中工艺参数偏差模型对物理设计的影响；
——掌握IO环设计、SSN和SSO分析、ESD检查、串扰分析、全芯片电源完整性分析方法；掌握ECO方法及流程；
b）技术技能
——熟悉UNIX、Linux操作环境，熟悉vi、vim常用操作；
——掌握脚本语言编写工具，如Perl、Python、Makefile、Tcl等；
——具备业界标准EDA工具使用能力，熟悉IC Compiler2、Innovus、Calibre、StarRC、PrimeTime、Redhawk等物理设计工具的使用；
c）工程实践
——具备完整的集成电路物理设计能力；
——能够根据规格设计，完成智能芯片的物理设计开发工作；
——能够与逻辑设计人员配合，完成智能芯片的物理设计，完成芯片级平面规划、布局布线，以及模块级与芯片级的时序收敛；
d）综合能力
——理解智能芯片的实现原理、芯片结构；
——理解半导体物理、工艺原理和器件理论，理解器件工作原理和应用；
——熟悉深亚微米SoC芯片物理设计流程，具备SoC芯片的逻辑设计能力，能够与集成和验证团队进行协作；
——熟悉主流流片厂商先进工艺节点的PDK文件以及物理设计流程；
——能够根据智能芯片的规格设计及逻辑设计，完成智能芯片的物理设计工作。
5.2.4 智能芯片验证工程师
a）专业知识
——具备SoC芯片设计基础，了解芯片验证流程；
——具备扎实的调试检错能力，能够快速解决芯片验证中的关键难题，按时完成指标、计划并保证质量；
b）技术技能
——掌握System Verilog和OVM、UVM、VMM验证方法，能够搭建芯片、模块级UVM验证环境；
——熟悉常用脚本语言，如Shell、Perl、Python、Tcl、Makefile；
——熟悉常用EDA工具，如Verdi、VCS、NC；
——熟悉C语言编程技术，熟悉Linux系统；
——熟练使用FPGA验证环境；
c）工程实践
——具有丰富的SoC集成验证经验，并能成功实现流片；
——具有丰富的嵌入式调试经验；
d）综合能力
——理解智能芯片的功能定义、详细规格要求；
——具备复杂数字IP的验证能力；
——能够与设计人员共同制定验证规格和测试计划，并搭建基于UVM的验证平台；
——能够执行验证计划、编写测试用例、开展递归测试、完成问题的调试和修复；
——能够实现覆盖率收敛，完成signoff前的交叉验证；
——能够进行智能芯片的功能和性能验证；
——能够参与系统架构设计,搭建芯片级和模块级验证和测试环境。
5.2.5 软件系统开发工程师
a）专业知识
——具备深度学习算法和框架基础；
——熟悉常见的图像、语音、自然语言理解智能处理算法；
——具备编程语言及编译器设计基础；
——熟悉ARM、X86系统架构及Linux内核；
b）技术技能
——具备扎实的编程开发基础，熟练掌握C/C++、Python等编程语言；
——熟悉Linux系统开发环境，熟悉Linux、Window等操作系统架构；
——熟悉Linux Shell、Valgrind、GDB等常用调试工具；
——熟悉Caffe、TensorFlow、PyTorch等主流的深度学习框架；
c）工程实践
——能够与芯片设计团队共同定义智能芯片计算架构和算法，具有良好的合作与沟通能力；
——能够改进工具链各个组件和性能分析工具；
——具备设计和改进异构并行计算和编译架构的能力；
d）综合能力
——能够设计基于智能芯片的大规模机器学习平台架构；
——熟悉智能芯片高性能计算库编程模型实现；
——能够进行智能芯片的系统软件架构设计与实现；
——能够进行智能芯片编程语言与编译器设计与实现；
——能够进行人工智能芯片编译工具链开发与维护；
——能够设计和改进编译优化算法，提升编译器优化效能；
——能够提供定制化解决方案。

5.3 机器学习产业人才岗位能力要求 

5.3.3 机器学习算法研发工程师
a）专业知识
——具备扎实的算法基础，灵活使用数据结构；
——深入掌握机器学习算法，包括传统机器学习算法和深度学习算法以及与机器学习紧密相关的机器视觉、自然语言处理等方向的常用算法；
——掌握概率推理、图模型、强化学习、迁移学习、对抗学习、有监督学习、非监督学习、大规模优化等知识；
b）技术技能
——具备扎实的数据处理能力，如文本、图像、文档、网页等数据的导入、加工、转化等能力；
——具备扎实的编程开发基础，包括但不限于熟练掌握C/C++、Python、Java、Shell、MATLAB等编程语言；
——熟悉Linux、Hadoop、Spark、Hive等大数据计算工具，掌握Caffe、TensorFlow、Parameter Server、MXNet、PyTorch、Keras等深度学习框架和函数库以及Scikit-learn、Xgboost、LightGBM等基本的机器学习框架和函数库；
——掌握基于消息中间件或调度引擎进行数据流程和算法版本的管理，能够实际实现算法、系统，并进行可重复性的实验，并具备算法验证、开发、迭代和上线的能力；
c）工程实践
——具备丰富的算法项目经验及机器学习构建系统研发经验；
——能够结合客户实际面临的业务问题进行分析，梳理数据，设计特征方案和建模流程，设计、研发、部署和监控需要的机器学习算法；
——解答模型构建过程中的疑问，并能发现现有系统中的不足并提出合理的改进方案；
d）综合能力
——能够通过分析问题、收集数据、特征提取、建模、设计算法、评估改进等步骤，用机器学习的方法来解决实践中面临的复杂问题；
——具有较强的自我学习能力，始终保持对前沿研究领域的关注，能够复现并改进其中的相关工作，将新技术与既有基线系统进行横向对比；
——具备和业务专家、客户沟通的能力，有较强的业务理解能力、问题分析能力，有清晰的逻辑思维，良好的亲和力和沟通表达能力；
——快速学习应用的能力，能根据新技术新产品快速构建原型，探索新方案。
5.3.4 机器学习平台研发工程师
a）专业知识
——具有良好的数据结构和算法基础知识；
——具备扎实的机器学习理论基础，掌握统计学习方法论；
——熟悉机器学习中的分类、回归、有监督、无监督问题等概念，并对机器学习全流程中用到的运筹、博弈、组合优化等知识有一定的了解和运用能力；
——掌握一定程度的计算机系统领域知识，尤其是分布式系统理论基础；
——掌握并行计算、分布式系统、云原生技术等方向的基础知识；
b）技术技能
——具备扎实的编程功底，如C/C++、Python、Java等；
——熟悉Linux操作系统、Shell脚本运用；
——具有较为完善的大数据技术栈，能熟练掌握数据的收集、处理、分析，并从机器学习系统的角度，将整个数据链路中各过程和机器学习的特征工程、模型设计、样本训练、模型上线、样本预估等环节联系起来，从而构建自动化的数据平台+机器学习平台生态；
——掌握Hadoop、Spark、Hive等大数据系统的设计与运用，能够对Caffe、TensorFlow、MXNet、PyTorch、Keras等深度学习框架以及Pandas、Scikit-Learn、XGBoost、LightGBM等机器学习框架做到运用、分析和架构改进；
c）工程实践
——能够灵活运用工具组件搭建完整的机器学习系统，并对各组件进行定制与完善；
——具备机器学习系统的开发、设计的能力。在项目过程中进行快速原型迭代，对大型的机器学习系统应具有足够的把控力，能进行详细的架构设计，并基于架构设计方案进行持续演进；
——掌握企业级项目研发所需要的软件工程、项目管理、设计模式等实践经验；
d）综合能力
——具有主动学习的意识，能够将所学知识和技能投入到工作实践中，并在实践中持续总结；
——具有良好的沟通交流能力和团队协作能力，能够适应大型工业级项目具体实践；
——具备良好的跨界思维，能够理解业务需求，精准解决用户和产品的核心问题；
——具有利用机器学习思维对客户的业务需求进行分析的能力，能够将需求转化为机器学习问题，并做到机器学习的场景落地。
5.3.5 机器学习开发工程师
a）专业知识
——具备数据结构与算法基础，熟悉软件工程设计、开发、测试、部署上线等流程；
——具备机器学习与数据挖掘基础，熟悉常用机器学习及深度学习算法及常用框架；
——熟练掌握逻辑回归、决策树等常用模型算法的原理和适用范围，并能熟练应用到实际场景中；
b）技术技能
——具备良好的编程开发能力，包括 C/C++、Python、Java等；
——熟悉主流操作系统开发环境，如Mac、Linux、Windows及相关操作系统脚本语言；
——熟练掌握关系型数据库原理及SQL语言，熟练掌握主流数据库，如MySQL、Oracle、DB2等；
——熟悉并行计算基本原理及分布式计算框架，熟悉Hadoop、Spark等分布式开发环境；了解常用的各类开源框架、组件或中间件；
——熟悉掌握大数据流处理计算框架工具，如Storm、Kafka等；
——熟悉容器技术，如Docker、K8S、Mesos等；
c）工程实践
——具备相关项目实施经验；
——具备大型复杂业务应用的设计与架构能力，建议拥有分布式系统研发经验。对架构选型、数据处理、应用系统对接、应用运行过程的性能优化问题能提供解决方案；
——能够选择并实现常见的算法模型，准确理解业务需求并转化为可实现的技术方案；
d）综合能力
——能够准确理解和进行人工智能算法模型的训练及应用，理解不同的算法针对不同业务领域的实际应用价值；
——能够将给定的模型或算法转化为实际机器学习应用场景可以实现的内容，具备从抽象的算法中提炼出具体的解决方案的能力；
——具备一定的机器学习应用场景业务分析能力，能够将人工智能能力转化为机器学习实际应用。
5.3.6 机器学习实施工程师
a）专业知识
——掌握机器学习基础知识；
——熟悉Linux操作系统知识，如包管理、权限配置、存储管理等；
——熟悉网络技术和相关配置，如路由配置、网络检测等；
——熟悉x86服务器的硬件维护，如性能调优、故障排查等；
b）技术技能
——熟悉自动化运维编程工具，如Shell、Python；
——熟悉容器技术，如Docker、K8S、Mesos等；
——熟悉关系型数据库原理及SQL语言，熟练掌握MySQL或Mariadb的使用；
——熟悉大数据平台运维，熟练掌握CHD、FI、TDH等大数据技术框架的使用；
c）工程实践
——能够独立安并配置Linux操作系统环境，以适应人工智能平台的部署实施；
——具备独立安装部署大数据平台的能力；
——具备一定的项目实施经验；
d）综合能力
——掌握机器学习平台部署的标准，能够将Linux操作系统的配置调整以达到机器学习平台的实施部署的水平；
——能够和数据科学家、开发工程师高效沟通交流，积极响应数据科学家、开发工程师对于机器学习平台的问题需求，协助实现对机器学习应用场景的业务落地。
5.3.7 机器学习测试工程师
a）专业知识
——具备前端测试方案、接口测试方案、大数据测试方案、分布式测试方案的设计知识和能力；
——熟练掌握标准化的测试流程，包括需求分析、案例设计与编写测试，案例执行、回归测试，生产上线验证；
b）技术技能
——熟练掌握前端自动化测试工具、接口自动化测试工具，能够独立编写自动化测试案例与脚本，部署执行自动化测试案例定位排查问题；
——熟悉掌握自动化测试框架，并能够独立搭建自动化测试框架；
——熟练掌握性能测试工具，具备根据需求设计性能测试方案，独立编写性能测试脚本并执行的能力，能够分析性能测试结果输出标准性能测试报告，提供调优意见；
——熟练掌握常用编程语言，并根据需求独立研发测试辅助工具；
——熟悉Linux或UNIX操作系统，掌握操作系统中的基础命令；
c）工程实践
——具备对接口的功能测试和性能测试经验；
——具备深厚的项目测试组织经验，能够应对与协调项目中单人或多人测试工作，把握测试进度和质量，控制项目测试风险并给出风险解决方案；
——具备企业级测试文案的输出能力，包括测试计划书、测试案例、功能测试报告、性能测试报告、UAT测试报告等；
d）综合能力
——具备对各种人工智能平台或定制化服务的功能和性能测试的能力，包括大数据方面和分布式场景方面的测试；
——熟悉掌握人工智能平台的主流程；
——具备测试过程中进行缺陷跟踪和软件质量分析的能力