为什么选择ATOM
ATOM平台协助企业推动生产效能
释放生产力，实现产力升级
ATOM 生产力工具平台，是闪马人工智能研究院在长期的研发过程中的产物，标志着闪马高效能自动化生产体系的完整体现。该平台覆盖了一整套完整的基于深度学习的生产流程，包括：
ATOM 生产力工具平台是基于云的产物，采用了多云融合的方式保证了服务的稳定性以及底层数据的安全性。ATOM的每一个业务模块都是按照解耦的设计独立打造，既可以串联为一整套标准化生产流程，也可以单独使用，赋能特殊的使用场景。ATOM的AC确保了组织数据的隔离和用户数据的安全，为ATOM开放为多组织、多用户提供了保障。
LabelX标注运营系统
是一个提供深度学习从业者标注样本的系统平台，该平台除了提供对图片、视频等多媒体文件的标注功能以外，同时还提供对标注团队的管理、标注任务的运营等一系列的管理功能，是一整套完整的标注运营解决方案体系。
LabelX 的X意为cross跨平台，源于BS的设计，为用户提供基于浏览器的标注服务，不再受到用户的操作系统的限制，提供统一的服务。
LabelX提供的数据标注能力覆盖了：
图片文件标注
视频文件标注
音频文件标注
文本文件标注
3D点云标注
除了以上核心标记能力以外，LabelX 同时提供了一套完整的团队/任务运营管理的功能，包括:
标注任务管理;
团队成员管理;
团队成员工作质量管理
深度学习平台
深度学习平台，是专门为深度学习算法工程师打造的一款定制服务的平台，主要目的是优化训练资源的管理，把算法研究员和开发员从繁琐的资源管理和环境管理中解脱出来，让他们能聚焦于算法和模型本身的设计和实现。同时，提供完整的深度学习方案，让不熟悉深度学习算法的用户可以快速方便的使用平台的功能，快速输出深度学习的结果。
在传统的深度学习过程中，用户需要管理一切细节，包括数据的存储，数据的处理，分布式平台的搭建，docker镜像管理，模型输出/评估/发布等一切细节。这种过程耗时长，繁重并且比较容易出错，算法开发使用人员不能聚焦于算法和模型本身的操作，并且模型训练出来后不能及时的发布应用。
TP平台帮助算法人员解决了这些问题，把数据管理和训练管理以及推理的一整套流程管理起来，让算法人员可以聚焦于算法和模型上。同时，普通用户可以通过TP平台提供的前端界面，很方便的完成一整套训练过程并使用训练模型应用于生产。通过整合深度训练和发布的流程，可以节省80%的训练周期，节约50%以上的人力成本。
模型管理平台
模型管理平台，是深度学习平台的补充。深度学习平台提供python模型的训练，然而python模型的运行效率并不是最好的。因此为了提升模型的运行性能，闪马人工智能研究院推出了自研的Tron模型架构，将python模型的性能提升了50%以上。而MS模型管理平台，正是提供了模型转换封装的能力。
模型管理平台提供的核心能力包括，但不限于：
Tron模型转换
Tron模型量化
Tron模型评估
Tron模型验证/测试功能
Tron模型发布管理
集成开发测试平台
集成测试开发平台。闪马的所有产品线全部统一遵照 VisionMind 框架的设计进行封装，主要包含 VMR 模块、引擎模块、以及业务应用模块，每一个模块之间相互独立开发发布，但是在功能上又相互依赖，因此在每个模块的开发期间，都需要一套完整的上下游模块的依赖环境来测试每个模块的功能的正确性。然而，这3大模块由3个不同的团队开发，项目之间协作较为困难。因此为了降低开发的协作成本，我们推出了该集成测试平台，来满足不同开发团队的需求，提升开发效率。
集成测试开发平台提供的核心能力包括，但不限于：
开发环境极速搭建
测试环境极速搭建
集成测试用例维护
自动化测试任务管理
产品包发布及管理
Hubble数据检索引擎
Hubble（Hubble Volume） 哈勃数据检索引擎，来源于「哈勃体积」，即人类目前可观测到的宇宙的总体积，寓意引擎可以检索所有数据文件。
目前Hubble的检索范围为AtWork（闪马运营平台数据）、LabelX标注归档数据、标注仓库、训练数据集、模型测试用例、引擎测试用例、集成测试用例、归档模型、发布的产品等所有承载在Data Ocean中的数据。
Hubble引擎提供的核心能力包括，但不限于:
数据权限隔离
数据查询/打包
数据治理
多媒体数据渲染预览
