《信息技术 人工智能 面向机器学习的系统框架和功能要求》编制说明

一、工作概况

（一）产品和行业发展情况

随着各行业应用对AI系统功能完备性、机器学习算法、运算能力、平台稳

定性等方面的要求不断提升，技术领先国家、主要厂商都在致力面向机器学习的

人工智能系统的设计、发展和创新。

在国外，包括Google、微软、亚马逊等人工智能服务厂商，都在积极研制

以机器学习为核心的人工智能产品。机器学习、深度学习、各类模型的训练和部

署、各类AI系统组件等成为各厂商投入的重点。多种多样的上层业务（自动驾

驶、工业制造、媒体资讯、金融等），都基于机器学习等算法迅速发展，取得了

显著的成果。国内的人工智能相关产品性能和功能也在不断地创新与提升。国内

外产业在面向机器学习的人工智能系统上有共性的需求，而上层应用的发展也亟

待机器学习算法的支撑和发展。

机器学习技术是开源主导，如Tensorflow、ApacheMXNet、Caffe等对机器

学习的发展和普及起到了重要作用，但开源技术距离商用尚有一定距离。在各类

开源软件不断发展的同时，如何规范机器学习的基本能力，引导厂商根据应用需

求设计、实现系统架构，提供基本技术能力，成为产业对标准迫切的需求。

综上所述，有必要制定基于机器学习的人工智能系统框架和基本功能要求，

这对推动系统架构的发展，统一用户和厂商对系统基本功能的认识，帮助用户验

证和选型有重要意义。同时能够促进产学研结合，推动机器学习在行业的普及和

应用。

（二）标准情况

在《人工智能标准化白皮书2018》中，对人工智能系统框架、智能运算平

台架构有深入的解读：机器学习计算框架与算法管理、分布式计算平台、异构资

源池化与调度、智能芯片等，是产业迫切的标准需求。

国际上，AI标准刚刚起步。ISO/IECJTC1/SC42人工智能分委会于2017年

底正式成立。由美国代表团在SC42牵头立项“基于机器学习的人工智能框架”。

目前，其草案中指出机器学习平台能力包含机器学习框架、算法、流程、生命周

2

期管理、基础设施等，它们是系统的最重要部分。

国内AI标准也在逐步制定中。例如立项阶段的国家标准《信息技术人工智

能平台资源供给》是AI系统平台资源层架构和能力的细化。

在国际、国内标准都处于起步阶段的时期，编制本标准并推动在试点行业的

验证实施，有利于增强标准对产业的指引，促进相关技术和成果的应用和推广。

同时本标准领先于国际标准制定，有助于推动国内技术和标准成果贡献、影响国

际标准。本标准也是后续面向机器学习的AI系统相关标准的依据。

（三）任务来源

2018年9月14日，中国电子工业标准化技术协会下达2018年第四季度第

一批团体标准，拟研制《信息技术人工智能面向机器学习的系统框架和功能要

求》相关标准。本标准为自主制定标准，计划编号为CESA-2018-4-004，归口单

位为中国电子技术标准化研究院，由中国电子标准化技术研究院联合华为技术有

限公司牵头组织编制。

（四）主要工作过程

1．准备阶段

2018年6月，项目立项并筹备组织开展标准的制定工作；

2018年7月，召开工作组启动会议，标准工作组提交工作计划及人员组

成等方案；

2018年8月，进入调研阶段，标准编制组前期以资料调研方式，收集相

关标准、项目文档进行大纲设计；

2．立项阶段

2018年9月，标准编制组以标准大纲草案为基础，进行立项论证，通过

立项；

3．起草阶段

2018年10月~11月，标准编制组经过多次研究和讨论，充分听取各单位

的意见并研究相关资料，形成标准草案稿。召开两次基于标准草案稿的编制组会

议，针对研讨会上的相关问题，修订并完善，形成征求意见稿；

4．征求意见阶段

2018年11月中旬，标准编制组完成标准征求意见稿、编制说明；

3

拟于2018年11月下旬，进行标准征求意见，并征求知名企业函审意见，

后续根据专家意见对标准进行进一步完善。

二、标准的制定原则

1.严谨性

本标准严格按照GB/T1.1的规定编写，且确保与国家标准、行业标准中的

术语和词汇保持一致。对机器学习等的基本概念和词汇遵循《GB/T

5271.31-2006信息技术词汇第31部分：人工智能机器学习》、《GB/T

5271.34-2006信息技术词汇第34部分：人工智能神经网络》及业界普遍

采用的术语。

2.合理性

本标准给出的系统框架参照业界主流架构，体现面向机器学习的人工智能系

统的发展现状和水平。功能要求部分结合产学研众多单位的意见，能够反映AI

应用对机器学习平台的基本功能要求，可用来评估相关产品的能力。

3.可操作性

本标准规定的功能要求清晰、易操作、可测试。可以指导各行业人工智能实

践及机器学习相关产品的功能验证和评估。

三、主要技术内容说明

（一）标准主要内容和适用范围

本标准给出了面向机器学习的人工智能系统的框架，规定了系统整体及各层

级与组件的功能要求。

本标准适用于各领域人工智能系统及解决方案的规划、设计，可作为评估、

选型及验收的依据。

（二）参考文献和资料

[1]GB/T5271.31-2006信息技术词汇第31部分：人工智能机器学

习

[2]GB/T5271.34-2006信息技术词汇第34部分：人工智能神经网

络

（三）要求

本标准规定面向机器学习的人工智能系统总体与各组件的功能要求：

4

总体要求是对系统整体架构（由各组件集成）的能力，包括开放性、高可靠

和可用性、统一性、可扩展性、易管理和运维、安全等。

各组件的要求是根据面向机器学习的AI系统框架（下图），为数据管理、异

构资源池、分布式计算调度、机器学习引擎、模型库、算法服务和运维管理等组

件规定功能要求。由于本标准是通用的系统框架和要求（适合各类应用），因此

没有对应用层的功能要求。此外，接口要求在对应组件的功能要求里体现。

（四）指标制定说明

本标准对系统各组件的要求包括“应”表述的要求，及“宜”表述的推荐（“应”

和“宜”的含义依据GB/T1.1-2000）。

“应”的要求体现产业对面向机器学习的人工智能系统核心、基本的要求，

在设计和实现时应具备和遵循。例如对机器学习引擎组件在训练与推理方面的要

求包括“应支持主流开源计算框架”。

“宜”的要求体现技术和产业发展方向，推荐相关产品具备的功能，例如对

机器学习引擎在机器学习算法库方面的要求包括“宜支持算法的分布式训练，提

供高性能运算能力”。

“应”和“宜”的要求都可作为功能测评的依据。“宜”的要求一般作为增

强项或是推荐的测试项。

5

四、预期达到的社会效益、对产业发展的作用等情况

当前，国内外在机器学习技术和应用方面已取得显著的进展并开始规模商用。

美国、德国、中国、日本等国家均有较先进的平台和系统，为用户提供机器学习

能力。本标准旨在推动以机器学习为核心的人工智能系统发展，统一业界对系统

功能要求的认知，促进机器学习的商用落地。

本标准描述的架构和功能要求已在多个行业探索、实践，包括城市交通大脑、

运营商、金融等。在AI运算需求强烈的场景(如视频监控、违章分析、风险控制

等)取得了明显的效果，识别准确度、运算速度和计算效率都显著提升，节省了

人力和时间成本。可以预见本标准可为更多行业实践提供参考，促进面向机器学

习的人工智能系统在更多领域的应用，推动业务数字化、智能化转型。

五、在标准体系中的位置，与现行相关法律、法规、规章

及标准，特别是强制性标准的协调性

依据国家人工智能标准化总体组《国家人工智能标准体系建设指南（征求意

见稿）》，本标准项目属于支撑技术-智能芯片与系统类标准。

目前国家标准中没有与本标准直接相关的规范或要求。

六、重大分歧意见的处理经过和依据

本标准制定过程中未出现重大分歧意见。

七、标准性质的建议说明

本标准为系统框架和通用要求标准，建议在通过审定后，作为推荐性标准发

布。

八、贯彻标准的要求和措施建议

建议以此标准指导各领域面向机器学习的人工智能系统的架构设计和实现，

并通过试点应用、测评等方式落地实施。

首先基于标准进行行业试点，在主要场景树立典型实践。根据试点结果，对

能力要求和评估方法进行优化和修订。随后广泛开展产品的测试和评估，并根据

测试结果总结产业发展趋势和需求，识别缺失和（比对需求）能力差距，帮助行

业用户选型。

6

后续可基于技术发展和商业实践，对标准和评估方法进行迭代和更新。

九、废止或代替现行相关标准的建议

无。

十、其他应予说明的事项

无。

《信息技术人工智能面向机器学习的系统框架和功能要求》

团体标准编制工作组

2018年11月16日

7

中国电子工业标准化技术协会团体标准

《信息技术人工智能面向机器学习的系统

框架和功能要求》编制说明

《信息技术人工智能面向机器学习的系统框架和功

能要求》

标准工作组

2018年11月

一、工作概况

（一）产品和行业发展情况

随着各行业应用对AI系统功能完备性、机器学习算法、运算能力、平台稳

定性等方面的要求不断提升，技术领先国家、主要厂商都在致力面向机器学习的

人工智能系统的设计、发展和创新。

在国外，包括Google、微软、亚马逊等人工智能服务厂商，都在积极研制

以机器学习为核心的人工智能产品。机器学习、深度学习、各类模型的训练和部

署、各类AI系统组件等成为各厂商投入的重点。多种多样的上层业务（自动驾

驶、工业制造、媒体资讯、金融等），都基于机器学习等算法迅速发展，取得了

显著的成果。国内的人工智能相关产品性能和功能也在不断地创新与提升。国内

外产业在面向机器学习的人工智能系统上有共性的需求，而上层应用的发展也亟

待机器学习算法的支撑和发展。

机器学习技术是开源主导，如Tensorflow、ApacheMXNet、Caffe等对机器

学习的发展和普及起到了重要作用，但开源技术距离商用尚有一定距离。在各类

开源软件不断发展的同时，如何规范机器学习的基本能力，引导厂商根据应用需

求设计、实现系统架构，提供基本技术能力，成为产业对标准迫切的需求。

综上所述，有必要制定基于机器学习的人工智能系统框架和基本功能要求，

这对推动系统架构的发展，统一用户和厂商对系统基本功能的认识，帮助用户验

证和选型有重要意义。同时能够促进产学研结合，推动机器学习在行业的普及和

应用。

（二）标准情况

在《人工智能标准化白皮书2018》中，对人工智能系统框架、智能运算平

台架构有深入的解读：机器学习计算框架与算法管理、分布式计算平台、异构资

源池化与调度、智能芯片等，是产业迫切的标准需求。

国际上，AI标准刚刚起步。ISO/IECJTC1/SC42人工智能分委会于2017年

底正式成立。由美国代表团在SC42牵头立项“基于机器学习的人工智能框架”。

目前，其草案中指出机器学习平台能力包含机器学习框架、算法、流程、生命周

2

期管理、基础设施等，它们是系统的最重要部分。

国内AI标准也在逐步制定中。例如立项阶段的国家标准《信息技术人工智

能平台资源供给》是AI系统平台资源层架构和能力的细化。

在国际、国内标准都处于起步阶段的时期，编制本标准并推动在试点行业的

验证实施，有利于增强标准对产业的指引，促进相关技术和成果的应用和推广。

同时本标准领先于国际标准制定，有助于推动国内技术和标准成果贡献、影响国

际标准。本标准也是后续面向机器学习的AI系统相关标准的依据。

（三）任务来源

2018年9月14日，中国电子工业标准化技术协会下达2018年第四季度第

一批团体标准，拟研制《信息技术人工智能面向机器学习的系统框架和功能要

求》相关标准。本标准为自主制定标准，计划编号为CESA-2018-4-004，归口单

位为中国电子技术标准化研究院，由中国电子标准化技术研究院联合华为技术有

限公司牵头组织编制。

（四）主要工作过程

1．准备阶段

2018年6月，项目立项并筹备组织开展标准的制定工作；

2018年7月，召开工作组启动会议，标准工作组提交工作计划及人员组

成等方案；

2018年8月，进入调研阶段，标准编制组前期以资料调研方式，收集相

关标准、项目文档进行大纲设计；

2．立项阶段

2018年9月，标准编制组以标准大纲草案为基础，进行立项论证，通过

立项；

3．起草阶段

2018年10月~11月，标准编制组经过多次研究和讨论，充分听取各单位

的意见并研究相关资料，形成标准草案稿。召开两次基于标准草案稿的编制组会

议，针对研讨会上的相关问题，修订并完善，形成征求意见稿；

4．征求意见阶段

2018年11月中旬，标准编制组完成标准征求意见稿、编制说明；

3

拟于2018年11月下旬，进行标准征求意见，并征求知名企业函审意见，

后续根据专家意见对标准进行进一步完善。

二、标准的制定原则

1.严谨性

本标准严格按照GB/T1.1的规定编写，且确保与国家标准、行业标准中的

术语和词汇保持一致。对机器学习等的基本概念和词汇遵循《GB/T

5271.31-2006信息技术词汇第31部分：人工智能机器学习》、《GB/T

5271.34-2006信息技术词汇第34部分：人工智能神经网络》及业界普遍

采用的术语。

2.合理性

本标准给出的系统框架参照业界主流架构，体现面向机器学习的人工智能系

统的发展现状和水平。功能要求部分结合产学研众多单位的意见，能够反映AI

应用对机器学习平台的基本功能要求，可用来评估相关产品的能力。

3.可操作性

本标准规定的功能要求清晰、易操作、可测试。可以指导各行业人工智能实

践及机器学习相关产品的功能验证和评估。

三、主要技术内容说明

（一）标准主要内容和适用范围

本标准给出了面向机器学习的人工智能系统的框架，规定了系统整体及各层

级与组件的功能要求。

本标准适用于各领域人工智能系统及解决方案的规划、设计，可作为评估、

选型及验收的依据。

（二）参考文献和资料

[1]GB/T5271.31-20