LeapAI联想企业级人工智能平台
联想基于多年的人工智能实践经验和对客户需求的充分了解，推出 LeapAI（联想企业级人工智能平台）全面内置主流 AI 技术，通过端到端的数据、算法、算力管理，自动化模型训练与交互式使用体验，为企业用户打造安全稳定的私有化 AI 平台， 帮助降低企业用户 AI 应用门槛和 AI 平台管理的复杂度，实现能力和资源共享， 加速企业人工智能的业务化应用。
LeapAl是一站式的企业级统一AI平台，全面内置主流AI技术，通过端到端的数据、算法、算力管理，自动化模型训练与交互式使用体验，降低企业AI应用门槛，实现AI在企业全价值链的快速落地。
LeapAI 产品核心优势
全面赋能的一站式 AI 平台
一站式企业级的统一 AI 平台，全面内置主流 AI 技术，通过端到端的数据、算法、算力管理，自动化模型训练与交互式使用体验，降低企业 AI 应用门槛，通过平台全面的 AI 能力，企业无需大量人力成本投入便可快速实现人工智能业务化应用。
强大的数据预处理能力
平台除了提供各种面向人工智能的数据预处理及丰富的特征工程方法外，还提供拖拉拽的数据处理管道，将联想的大数据经验集成入 LeapAI 平台中，用户可以借助大数据在数据接入、管理和预处理等功能上明显的优势，为模型的训练及上层应用的构建提供强大的数据处理能力保障。
支持模型生命周期管理
平台支持模型设计、模型开发、模型训练、模型优化、模型评估、模型服务等模型全生命周期管理，满足用户不断迭代模型版本的管理需求，全面支撑闭环业务价值实现，使人工智能技术真正落地于企业的业务应用。
联想内部自身实践，安全可靠
经过自身 LUDP 大规模的实际业务应用实践，平台目前已经在多个业务领域应用，应用场景及试点场景达到 50 多个，用户数已经达到 800 余人，满足关键业务的企业级应用需求。
丰富的行业模板
将联想对行业的深入理解（ Know-How）集成入产品，形成丰富的行业模板库，帮助用户快速构建特定场景的解决方案。用户亦可将自身积累的模板导入模板库，形成企业自己的 AI 资产，实现 AI 的能力共享，大幅度提升整个团队的效率，减少大量重复劳动。
适用各层次用户
为业务用户提供无门槛的自动化机器学习工具；为进阶用户提供无需编程的、拖拉拽的图形化、模块化建模工具；为高阶用户秒级创建其所需的个性化编程开发环境；为系统管理员提供完善的平台管理与运维功能，全面满足各类用户的需求。
易扩展的架构设计
平台以组件的形式提供知识图谱、计算机视觉等多种 AI 核心能力组件，方便企业用户随 AI 业务发展需要对平台进行弹性扩展，并提供多租户管理、项目管理、资源管理、系统运维监控等企业级平台管理功能，满足企业级 IT 系统的苛刻要求。
LeapAI平台功能架构
从产品功能架构上， LeapAI 主要分为底层算力资源管理、数据处理、 AI 核心技术（自动化机器学习、自定义机器学习、知识图谱套件、自动化机器视觉套件等） 、开发环境模块、 AI 资产管理模块（数据资产管理、算法库管理、模型库管库、镜像管理）、平台管理模块及工作台。
LeapAI 平台功能
算力管理
平台具有良好的普适性，优化适配市场各厂商的主流 AI 硬件。 通过轻量级容器技术，透明的支持多人同时使用，每个用户有独立的存储空间和计算资源。全面实现 CPU/GPU/FPGA、 ASIC、内存、存储资源池的管理，实现算力资源的统一管理与调度。
AI 核心技术
全面支持各种 AI 应用与技术， 平台集成多样的主流深度学习框架、自动化机器学习流程驱动引擎，开放、 丰富的算法、行业模板库与企业知识库。平台支持模型设计、模型开发、模型测试优化、模型上线、模型评估、模型下线等模型全生命周期管理，支撑闭环业务价值实现。
AI 资产管理模块
AI 资产管理模块：面向人工智能的数据、算法、镜像及模型全生命周期管理，提供企业级的 AI 资产管理，使企业的 AI 资产得以充分的利用及沉淀，真正为企业创造业务价值。
数据处理
支持多源异构海量数据接入， 提供全面面向 AI 的数据预处理及多种特征工程算法，为学习和训练提供有力的支撑。
开发环境模块
平台提供多种可视化工具，训练可视化、并提供统一的图形界面来简化操作，用户在一个界面下进行多项开发工作。并提供丰富的 SDK 接口及部署工具。
企业级平台管理模块
平台提供定制化的 AI 门户，企业级系统运维与监控、设备管理以及多租户管理与权限审查， 全面满足企业级 IT 系统的苛刻要求，为企业人工智能业务发展保驾护航。
工作台
作业管理帮助企业用户解决人工智能开发和训练过程中计算资源短缺、集群环境配置复杂、资源管理缺失等问题。开放记账接口，用户可以根据自身的业务需求定制开发计费模块，为企业人工智能科研及业务应用保驾护航。
主要功能
开发环境
秒级为用户创建个性化的开发环境，融合Tensorflow，Pytorch，Keras ，MXNet，Caffe等多个主流深度学习框架， 集成JupyterLab、TensorBoard等成熟的开发工具，并提供统一的图形界面来简化操作，满足用户的不同需求。
数据处理
支持多种数据源格式导入及拖拽式数据预处理管道构建，提供数据理解及多种数据预处理、特征工程方法，帮助用户发现数据可能存在的问题并发掘更多有效的特征。
自定义模型开发
对算法进行了优化和封装，并配合拖拉拽的图形化操作方式， 让有一定专业基础的用户借助自定义模型开发工具对模型开发加入自己的设计理念，从而进一步加深对机器学习流程的理解。
自动化机器视觉AutoCV
支持深度学习模型从训练到上线的全部环节并实现全流程自动化，支持云-边-端融合处理架构、神经网络搜索技术及迁移学习，只需要少量标注数据即可快速训练出高质量模型。
分布式训练作业管理
用户无需关注底层计算和存储资源，只需简单的几个步骤即可创建深度学习的分布式训练任务，并提供作业管理、状态监控、 日志查看等辅助功能，帮助用户解决人工智能开发和训练过程中计算资源短缺、集群环境配置复杂、资源管理缺失等问题。
自动化机器学习 AutoML
将专业的数据特征处理、模型选择、模型优化等机器学习流程自动化，配合以拖拽式的图形化操作界面， 为业务用户打造一个无门槛的机器学习工具，使其无需机器学习相关背景也可以通过机器学习挖掘数据价值。
知识图谱
集大规模图数据库、高性能计算引擎以及丰富图形展示于一体的企业级知识图谱分析与展示工具。可在秒级别对百亿千亿规模图数据进行实时分析和挖掘， 为企业用户提供一个打通多源数据、深入理解数据内涵、构建知识体系的可视分析工具。
AI资产管理
面向AI的数据、算法、镜像及模型全生命周期管理， 提供企业级的AI资产管理，使企业的AI资产得以充分的利用及沉淀，真正为企业创造业务价值。
