智慧学习服务平台将题库诊断系统、在线考试系统、网络阅卷系统、学习分析系统、在线学习系统、智慧导学系统有机结合，建立“以学生发展为中心”的个性化学习方式。

基于深度学习的图像识别云端服务平台，能够 通过云计算框架训练深度学习算法模型，对图像进行目标检测 和识别。平台拟采用云端 API 的形式，为其他客户端的提供简 单易用的图像识别服务，将目标识别应用到互联网及移动应用 场景中，推动移动互联网的进步。 该平台实现如下功能：1.模型训练：平台能够基于用户给 定的不同行业的数据，训练相应的精细化分类模型。2. 图像识 别：平台能够根据预先训练好的识别模型，对用户

金碟手机微信图书馆服务平台是基于微信平台提供图书检索和在借图书查询、预约借还书等服务，便于移动应用。 主要功能： 1.发布通知：通过微信公众平台的管理页面推送信息。 2.图书推荐：新书推荐。 3.读者证信息：绑定微信证件号以及查看个人信息。 4.查询借阅信息：查看当前图书的借阅信息。 5.续借：对当前借阅信息进行续借操作。 6.查询图书：通过书名，作者，主题词等查询图书 7.预约借还书：根据查询到的图书进行预约借还书；取消预约。 8.自定义菜单：根据需求调整菜单功能。 金碟手机微信图书馆服务平台需与金碟图书馆管理系统配套使用。用户需申请微信公众号。

U等生涵盖大学英语四六级、留学语培、职业提升等服务，通过线上直播+录播，线下入校培训、答疑，科学合理安排培训中测、讲、练、答疑等各环节，一站式解决备考知识点和备考技巧的学习应用。

围绕学习者网上自主学习，创新性的引入人脸实时识别功能对学习过程进行判断，这个判断可以由教师进行开启或关闭，并设定判断标准。对学习资源采用课程资源包的形式，支持上传和在线编辑多种形式的资源。资源可以设定学习时长和作业测试，未达标则不允许进行下一步学习，包括人脸核验失败也会暂停学习动作，避免出现非本人等无效学习现象。 课堂交互能增加课堂趣味，提升学习者兴趣，并可进行课前、课中、课后报告对比。课末考试能及时检查学习效果。学习报告能统一呈现课程资源的学习时长、学习进度、考试成绩、教师评价等信息。

医+E平台是医东网络科技发展（上海）有限公司自主研发为医师、护士、护师、医院几类用户服务的培训/考试平台，其主要项目包括医师定期考核、中国非公立医疗机构信用与能力评价培训、护理培训、专科培训、医院管理。培训内容包括指南书、视频课件、练习讲解、模拟练习试卷，涵盖定考资讯、国内外医疗行业资讯。

全力为高校提供管理、服务、教学、科研等全场景产品及服务。

融合智能服务大脑以物联网技术为基础，人工智能、大数据、云服务为支撑，智能服务为主体，提供八大能力助力企事业单位数字化改革。平台实现设备、数据互联，业务、应用协同，管理、服务闭环；实现决策科学化、管理精准化、服务个性化，治理水平全面提升，支撑构建高质量服务体系。 1.物联互通：通过统一的标准应用协议并建立标准化的终端设备接入规范，提供园区内各种终端广泛感知和泛在接入能力，达到物物相连的目标； 2.能力复用：将园区内身份识别、金融支付、各类缴费、节能管控、安防控制等以API、微服务等方式进行统一汇聚发布，提供智能服务复用能力，实现信息化快速迭代； 3.数据分析：集合数据标准、元数据、数据质量、数据资产、数据安全等模块，为客户提供数据汇聚、共享及分析能力，为领导提供更加精准的决策依据； 4.业务协同：提供图形化配置及跨应用协同能力，实现校务应用之间功能、数据及权限的协同关联，消除身份孤岛、数据孤岛和服务孤岛； 5.能力开放：集合各类系统接口用于师生创新应用开发的技术平台，对外提供能力开放，对内完成服务集成，助力智慧校园建设过程中的创新应用拓展； 6.统一认证：提供统一身份库、身份介质管理、身份认证、身份识别及核验、统一授权、单点登录能功能，突出卡码脸一体的识别与核验能力，实现园区用户的一致管理； 7.数字孪生：基于数字孪生等技术建立镜像化、数字化、智能化的虚拟园区融合各种资源和服务，突破时空、资源、身份的限制为信息化带来全面变革； 8.服务闭环：对园区内的公寓、餐厅、教室、图书馆、场馆、停车、安防等场景化应用实现服务闭环能力，提升服务质量和管理效能。

该平台包括多项核心技术和技术优势： （1）基于逻辑隔离机制的算力主机安全保护。实现了一种基于逻辑隔离机制的沙箱算力环境，能够独立于用户的系统进行计算。通过计算环境隔离、数据的存储隔离、网络环境的隔离，保障了算力运行环境独立于用户系统，互不干扰。 （2）多源异构数据的混合学习模型。提出一种基于深度学习的多源异构数据的混合学习模型，该模型通过深度学习进行不同数据源的特征提取，然后再通过深度学习的融合训练得到结果。 （3）高并发任务的调度。采取动态分配任务的机制，根据当前不同地区网络的传输速度，算力的分布情况，训练数据量的大小，根据制定的规则找到最合适的几个服务地点进行任务分配、数据传输以及分布式训练，最大化地利用当前算力资源。 （4）数据隐私保护。通过联邦学习、同态加密训练、区块链数据确权等方式加强对用户数据的保护。实现了一套基于同态加密和多方安全计算的训练系统，能够完全保护用户的数据隐私性。 （5）区块链记录及激励。“计算即挖矿”，系统根据用户提供的计算资源以及资源利用率来进行区块的奖励，算力越大获得的奖励也就越多。通过搭建的区块链可以记录数据的交互信息以及使用权，并可搭建智能合约平台。 该协作学习平台撮合各方业务和资源，包括算力、数据、模型，结合分布式机器学习、安全多方计算技术，提供保护隐私数据、算法模型前提下的协作学习服务，通过底层分布式账本记录，电子合约对接供需方，智能匹配资源对接，建立AI协作生态。具有以下优势：协作低成本、平台化；具备数据隐私保护，打破共享壁垒；后台底层账本对平台使用中产生的模型、数据、算力、广告收入等进行管理，保证数据可信；操作便捷，可提供定制化服务，高效最优匹配。02. 应用前景 该协作学习平台可用于人工智能、互联网广告、金融等领域，为中小型企业、科研机构或个人提供算力共享、数据共享、模型共享与模型开发等服务，具有广阔市场前景。03. 知识产权 已申请发明专利16项，登记软件著作权1项。04. 团队介绍 本成果团队长期研究区块链、人工智能、网络安全等。团队课题负责人为徐恪教授、博士生导师，清华大学计算机系副主任，国家杰出青年科学基金获得者，北京市卓越青年科学家。获得国家科学技术进步奖二等奖、国家技术发明奖二等奖，2011年获中国计算机学会青年科学家奖，是中国电子学会理事和中国计算机学会理事，曾在ACM SIGCOMM、IEEE/ACM TON、IEEE Communication Magazine等知名国际会议、期刊发表论文100余篇，近五年获得中国发明专利授权四十余项，获得美国发明专利8项。团队成员还包括多位教授、副教授、研究员和博士研究生。05. 合作方式 投融资 / 商务合作。06. 联系方式 邮箱：liuyi2017@tsinghua.edu.cn