咨询热线:0539-81299148

旷视天元1.0预览版首发!聚焦AI开源开放,郑南宁、沈向洋数十位学产业大咖共畅AI创新之道

本文摘要:AI时期下,每个人都会讲开源(OpenSource)。开源一词,能够说成近几年来人工智能行业最受欢迎的主题内容之一。从定义上了解,开源全称之为对外开放源码,指公司/开发人员/一般终端产品用户可以运用源码在其基本上开展改动和学习培训。这一定义从明确提出迄今,已历经三十年的发展趋势。

亚博下注网站

AI时期下,每个人都会讲开源(OpenSource)。开源一词,能够说成近几年来人工智能行业最受欢迎的主题内容之一。从定义上了解,开源全称之为对外开放源码,指公司/开发人员/一般终端产品用户可以运用源码在其基本上开展改动和学习培训。这一定义从明确提出迄今,已历经三十年的发展趋势。

从最开始Linux开源电脑操作系统,到Github服务平台小区的创建,再到Tenseflow等超重量级框架的出現,海外早就产生一条详细的开源全产业链;而回过头看中国,尽管发展比较晚,但近几年来也进入了一个加快发展趋势的环节。从技术性方面看来,现如今热门的互联网大数据、区块链技术、人工智能、物联网技术行业,在其中最重要、最火爆的技术性全是开源的。

从公司方面看来,腾讯官方开源万亿元级分布式系统消息中间件TubeMQ,百度搜索开源PaddlePaddle,一个并列PyTorch、TensorFlow的国内深度学习框架,也有阿里巴巴、滴滴打车、小米手机等也都开源了许多 手机软件。此外,除开这种互联网大佬外,也持续有别的科技企业为开源加仓,在其中,值得一提的是,旷视开源其深度学习框架——中天(MegEngine),它是中国第一家开源深度学习框架的AI独角兽公司。

不容置疑的是,开源手机软件早已对人工智能产业发展规划产生了强劲的促进能量,从而,也吸引住了愈来愈多的骨干力量添加在其中。但是,从长久看来,我国的开源产业链还处在不久发展的环节,并且在其中也遭遇着例如开源优秀人才紧缺、新项目不够等挑戰。因而,在挑战和机遇共存的AI时期下,将来怎样发展趋势我国的开源产业链,搭建开源绿色生态是全部从业人员必须思索和处理的难题。

做为开源产业链的积极主动推动者,旷视在2020中关村论坛期内举行了一场平行面分社区论坛,以“人工智能开源对外开放和生产主力推动”为主题风格,邀约了来源于全球的数十位专家教授和公司意味着,从本身学术思想和产业链实践活动的视角考虑,共享了分别对开源产业链将来发展趋向的个人见解,及其怎样根据手机软件开源,技术协作助推人工智能产业链落地式等难题的思索。此外,在社区论坛上,旷视首席科学家孙剑博士研究生还产生了深度学习框架中天的重特大产品升级。

最终,社区论坛还设定了圆餐桌探讨阶段,邀约到七位杰出权威专家讨论了深度学习开源框架的深层发展趋势和运用落地式。6位达人共享洞悉,共叙AI产业链发展趋势9月18日早上9时左右,在旷视高新科技杰出高级副总裁赵立威的主持人下,特邀嘉宾共享阶段宣布打开,第一位共享的是中科院院士工程院院士郑南宁专家教授。中科院院士工程院院士郑南宁:重构AI的自主创新基本:数据信息、优化算法和数学计算郑南宁专家教授强调,当今以深度学习为意味着的新一代人工智能技术性,正遭遇着卷积和神经元网络产生的局限,及其怎样解决指数级多元性每日任务的挑戰,而处理这种难题,大家必须新的AI测算构架。在他来看,标记现实主义的基础难题是,难以从低等信息内容立即产生标记实体线,而联接现实主义的难题是,欠缺推理和逻辑关系的语言表达能力,匪夷所思管理决策身后的推理,没法定性分析人们的学习语言工作能力,难以达到高级的认知功能,这就必须将标记现实主义优化算法与联接现实主义紧密结合去探寻新的测算构架。

对于此事,郑南宁专家教授进一步强调,人们所必须处理的难题具备可变性和开放式,一切机智能机器都没法彻底替代人们在现实世界的互动,那麼,怎样恰到好处地把人的功效引到人工智能系统软件中,创建新的混和提高的人工智能框架,是一个十分非常值得探寻的关键方位。最终,他注重框架开源对促进人工智能发展趋势尤为重要。人工智能生态体系的发展趋势能够通称为AI局部变量,一般由三个部件来组成,一是基础设施建设,二是开发工具;三是业务流程线的应用软件和服务项目。在其中,应用软件的开源库,指的便是Tensorflow、Caffe等深度学习开源框架,它是人工智能技术性发展趋势所需专用工具和技术性关键来源于。

因而,他表明,旷视中天等国内深度学习框架挑选开源,对提升 在我国人工智能的竞争优势,对AI生产主力发展趋势及生态文明建设都具备积极意义。清华高研究所双聘专家教授沈向洋:AI高新科技:人才培养自主创新沈向洋专家教授紧紧围绕优秀人才、发展趋势和自主创新三个主题内容叙述了当今人工智能发展趋势遭遇的机遇和挑战。第一,怎样把人口老龄化变为工程师红利,塑造AI优秀人才。

他觉得,应当塑造学员读毕业论文、作试验、写毕业论文和汇报工作的工作能力,此外,也要塑造学员基础的团结协作和沟通交流的工作能力。第二,怎样从深度学习到深层了解,推动AI发展趋势。过去两年,在互联网大数据、优化算法的适用下,认知智能化获得迅猛发展,尤其是在人工智能算法、语言识别行业。

针对人工智能下一阶段的发展趋势,沈向洋觉得可能聚焦点于认知能力智能化,包含从认知能力实体模型到基本常识模型、到因果关系推理全是关键的研究内容。并且,自然语言理解解决将在这其中充分发挥带头作用。

如他常说,“从认知到认知能力,懂語言者得天地,大家务必要把自然语言理解里的认知能力难题弄清楚”。尽管例如GPT-3、BERT等超大型实体模型早已在語言解决层面主要表现出了令人震惊的特性,但他坚信,他们的了解還是还不够的,将来还会继续有大量混和实体模型的方式被明确提出。

第三,在自主创新方面,未来中国的开源应当怎样做?沈向洋觉得最先开源是文化艺术难题,我们要了解到开源不但是抄编码,更关键的是奉献编码,乃至是推动开源新项目,在这里一点上,百度搜索、阿里巴巴、旷视等科技有限公司干了许多 工作中,是大家学习的榜样;此外,是造就大量的专用工具和服务平台,与国际性目前服务平台对接,另外,为开发人员出示大量自主创新和自主创新的机遇。清华计算机专业办公室主任,国家教育部长江学者特聘教授胡事民:深度学习框架计图的自主创新与探寻胡事民专家教授关键根据计图的产品研发过程,叙述了高等院校怎样做深度学习框架的技术革新。专家教授详细介绍称,计图框架适用30好几个主干网,27种GAN实体模型及其大量的AI运用。

其內部框架分成系统软件层、测算涂层及其算法层,在这里在其中,大家干了许多 创新工作。最先是算法层,Tensorflow有2000好几个算法,不仅难维护保养并且管理成本高。计图在这儿发觉了一个更优质的解决方法,即能够把在其中非常简单的测算提炼18个,称之为元算法,再根据与别的算法组成再做优化算法。此外是计算图的难题。

计图根据融合Google静态数据图和Facebook动态图片的优点,明确提出了一种统一计算图的定义,即根据元算率基础理论,将其制成部分静态数据提升,能够在提升 特性的另外,提高协调能力。针对框架下一步的产品研发方位,专家教授觉得会聚焦点在可微技术编程,如图灵奖获奖者LeCun专家教授常说,“深度学习已死,可维程序编写万万岁”。在他来看,现阶段深度学习的框架出示的可微模块和算法必须优化训练,伴随着每日任务愈来愈繁杂,例如3D渲染、几何图形、物理学仿真模拟等很有可能没法完成,那麼,大家就必须自底向上搞一套可微程序编写的物品,这十分关键。

最终,专家教授注重,我国的深度学习框架并不是多了,只是少了,仅有百花争鸣才可以相互发展趋势,此外,不论是公司還是开发人员都应当积极主动相拥开源,相互支持,相互发展趋势,才可以使我国人工智能做得更强,走得更加稳定。中移信息系统集成有限责任公司总经理王昀:共创5G新绿色生态双赢聪慧新时期王昀明确提出,5G是一个新的开始,以前3G、4g移动互联是为本人游戏娱乐服务项目的,而5G将根据与人工智能融合,为全部工业生产信息服务,为全部社会发展的千行百业服务项目,它会提升 全部社会经济规模经济的高效率和组织协调能力,这针对社会发展的收益是十分高的。自然高收益的另外,也代表着高资金投入,截止到2025年,仅三个营运商,5G互联网建设项目投资总计将做到1.两亿接着,王昀详细介绍了当今中国移动通信在5G网络科技上的最新消息:从技术上,中国移动通信的5G专利权高达1700多种,在全世界营运商里排名第一。

在工作能力上,将5G与AI融合,将造成的海量信息,再度根据人工智能关键技术到工业生产、海港、矿山开采、货轮等各个领域中,真实完成通讯工作能力与AI工作能力的融合。在绿色生态上,中国移动通信早已与中国许多 AI公司达到了合作关系。接着,王昀实际详细介绍了中国移动通信在数字城市建设、数字政府等方位上,运用AI与5G融合的运用实例。

现阶段中国移动通信早已产生了详细的人工智能产品体系,将来他表明,期待根据与大量公司协作真实,让该商品真实落地式,赋能百业。他说道,中国移动通信在融进千行百业,每一个领域都是有不一样的运用,不一样的合作方,不一样的要求,大家除开做正中间的服务平台,做最底层5G互联网和物联网技术的连接以外,大家期待和院校,相对的AI企业和政府部门能协作起來。Imagination全世界高级副总裁AndrewGrant:在边沿侧神经元网络CPUIP中应用开源的AI框架AndrewGrant关键叙述了开源AI框架在边沿侧神经元网络CPUIP中的应用,怎样合理地集成化到好几个AI框架,及其开源小区的使用价值等三个层面。

Grant注重,边沿侧AI推理从源头上担负了之前仅适用云的工作中负荷,它根据在全部种类的机器设备中置入性能卓越推理,为挪动、工业生产、安全性、物联网技术等好几个产业发展规划产生了机遇与挑战。接下去,他实际从边沿推理网络加速器、GPU等层面开展了阐述。最先,边沿侧推理网络加速器具备4-16位的可变性网络带宽,其动态性指定基本数据类型,能够协助客户提升精密度,并具备高宽比可预测性。

它还为AndroidNN出示过滤装置筛网目数挑选,为TensorflowLite产生兼容模式和更强的量化分析特点。因而,IMG的边沿侧网络加速器,即NNA,具备很高的PPA高效率,可拓展而且适用多案例。

此外,在GPU层面,在我们搭建AISynergy方式以运用Hyperlane技术性时,波动每日任务能够在GPU上运作并且您能够应用Khronos的国家标准API,包含OpenGLES、OpenCL和Vulkan,而Imagination企业的GPGPU能够加固ImaginationNNA,在运作不一样的工作中负荷时,每一个负荷都对于特殊IP开展了提升。IMGDNNAPI是一个独立的IPI,它使开发者只需至少的编码变更就可以轻轻松松地将应用软件从GPU移殖到NNA,进而使开发者可以开启手机软件和专用工具。接着,专家教授详细介绍了怎么使用开源专用工具创设神经元网络绿色生态的实例。

此外,他也注重,开源是自主创新和深度学习发展趋势的最有效的方式。MLPerf责任人DavidKanter:加快深度学习的自主创新DavidKanter关键共享了有关深度学习的潜力,及其全社会发展怎样根据开源共享资源成效,从而让深度学习充分发挥更高使用价值。在他来看,深度学习的发展趋势和运用,存有三个关键环节:第一是标准和指标值,它能够让科学研究工作人员、销售市场顾客与经销商中间产生的共识,并获得统一且最优化的解决方法。第二是完成开源对外开放。

根据Tensorflo和PyTorch等开源框架,及其规模性数据的共享资源,加快全部领域的发展趋势。比如ImageNet数据的出現,促进了人工智能算法行业的发展趋势。第三是最佳实践。大量的开发人员可以根据最好是的设备实体模型开展训炼和布署,协助降低应用深度学习实体模型的摩擦阻力并重现。

亚博投注网站

比如Linux新项目,宣布根据开源小区的开发人员们持续免费下载、提升、提交而最后完成的。最终,Kanter注重不论是无人驾驶、汉语翻译、诊疗确诊還是图象技术性,深度学习都可以充分发挥关键功效,而开源开发者平台,及其最佳实践和国家标准宣布促进其发展趋势的力量训练方法,期待可以有大量的开发人员参加到在其中。旷视公布中天1.0测试版,起动“AI加快方案”在特邀嘉宾们共享完毕后,旷视研究所校长、首席科学家孙剑重磅发布了旷视中天(MegEngine)1.0测试版。2020年3月份,旷视宣布开源了其自研深度学习框架—旷视中天(MegEngine)。

该取名源自旗盘的定位点,在以后的6个月内,中天经历了多种产品升级和数次版本号迭代更新。先前,6月份升级的Beta版关键提升了三层面的特点,一是适用各种各样ARM系列产品的CPU,二是量化分析训炼实体模型的推理作用,三是性能优化,此次的1.0测试版在这个基础上,紧紧围绕训炼一体,全服务平台高效率适用、情景交融三大核心优势,进一步产生了5项产品升级。全新升级ImperativeRuntime:处理資源释放出来难题,改进动态图片的特点。全自动编码裁剪:降到最低推理时的编码容积,提高端侧推理高效率。

推理性能优化:发布近十种推理优化方法,端侧推理特性进一步提高。国内硬件配置适用:适用大量国内AI处理芯片,推理更高效率。根据MLIR的静态数据子图提升模块:结合c语言编译器全新算法提升方法,提高深度学习训炼和推理速率。旷视一直注重,“训炼一体,为产业链运用为之”,是中天框架的较大 特点,也是中天开源的初衷。

在社区论坛上,孙剑博士研究生对于这一点干了实际的共享,在框架的生态文明建设层面,中天出示很多的图像分类、图像分析、图像分割、关键环节、自然语言理解解决、形成对抗网络等基本预训练模型;在开源绿色生态层面,与小米手机的MACE,OpenAI的Tengine等不一样的深度学习端侧推理模块战略合作;在开发人员层面,明确提出学习培训和激励计划,促进其发展趋势和衍化等。另外,他也注重将来中天还会继续持续开展产品升级和版本号迭代更新。现阶段AI行业不缺一些超重量级的深层学 习开源架构,例如流行的Tensorflow、PyTorch及其国内新星PaddlePaddle等。那麼,怎样在将来的技术迭代更新上,始终保持自身的核心优势,扩张产业链运用范畴?是旷视必须应对的难题。

对于此事,孙剑博士研究生也共享了三点思索,他表明,真实提升 AI生产主力服务平台,规范化深度学习开发流程将是主要的使力方位;次之,c语言编译器技术在深度学习架构行业慢慢变成发展趋势,旷视也会在这个方位上增加资金投入幅度;最终是AI处理芯片,旷视的总体目标是完成AI处理芯片去白盒化,在架构中适用不一样种类的AI处理芯片,以提升 训炼和逻辑推理特性。最终,值得一提的是,除开开源对外开放推动AI产业链落地式外,旷视创办人兼CTO唐文斌还宣布公布了“人工智能技术加快方案”,进一步从技术开源对外开放、人才的培养和产业链规范订制2个层面助推AI与传统制造业的紧密结合。在开源对外开放层面,旷视还发布了Brain 商业源码,协助公司迅速、高效率低创建AI基础设施建设。

据认证,Brain 可合理减少80%算法从要求到落地式時间,总体减少55%的算法产品成本。在人才的培养层面,旷视根据“辰星方案”,塑造3000名AI优秀人才;根据企业员工培训,塑造一万名可以根据Brain 进行算法生产制造的AI优秀人才。在产业链规范制订上,旷视早已参加了一系列世界各国的AI产业链规范制定,将来将在基本技术相通规范,AI应用领域规范,AI整治规范等好几个层面上再次使力,与合作方相互促进领域的良好发展趋势。

深度学习开源架构的技术发展趋势及运用在旷视副总裁赵立威的主持人下,社区论坛进入了最终的高峰期会话阶段。该阶段紧紧围绕“深度学习开源架构的技术发展趋势及运用”,邀约了来源于工业界和学术界的7位超重量级特邀嘉宾进行深层讨论。她们分别是清华计算机专业专家教授唐杰,寒武纪高级副总裁刘道福,北京市一流高新科技有限责任公司创办人袁进辉,旷视研究所高級技术主管田忠博,小米手机深度学习架构责任人何亮亮,OPENAILAB(对外开放智能化)Tengine商品责任人程实,北京市燧原信息科技有限责任公司顶尖系统架构师冯俊。赵立威提出问题:近期公布的GPT-3,带有1750亿主要参数,实体模型尺寸做到了700个G,一次训炼成本增加达上百万,诸位怎样看待如今神经元网络信息量主要参数、训炼成本费持续升高的发展趋势?唐杰:实际上,转过头来看近十年的发展史,从最开始的测算使用云服务器,到数据信息使用云服务器,云端备份和共享资源早已变成计算机的发展的一种大势所趋。

从这一视角看来,假如将来语言模型使用云服务器,GPT-3等同于给全球训炼了一个语言模型,那麼在某种意义上,它的成本费并不高,或是还能够说减少了。并且大家不用每一个人都去维护保养一个互联网大数据,维护保养一个云计算服务器,或是维护保养一个训炼实体模型,那样还能够把大量的資源和活力放到算法产品研发和商品落地式上。冯俊:想对你说的是BERT实体模型,事实上,在NLP行业深陷短板时,Google明确提出那样一种简单直接的方式是行得通的。即把一些简易构造变为一个大的实体模型,立即运用算率来解决困难。

这类方式实际上也带来大家一些启迪,在我们在主要用途的产品研发十分艰难时,运用硬件配置优点解决困难很有可能更为合理,因此 ,我认为GPT-3以后,还会继续有大量更高的实体模型出現,它是一种发展趋势。也有此外一种发展趋势是许多 研发人员想要根据缩小、量化分析的方式来降低算率的要求,我认为这二种发展趋势很有可能会紧密联系,互相促进。

赵立威提出问题:在深度学习架构行业,接下去最重要的技术自主创新方位有什么?何亮亮:我觉得突显的一点是,在深度学习架构行业,自主创新从没终止,当“毁坏式”自主创新出現的情况下,很有可能会颠复全部绿色生态。例如,今日许多 学术界和工业领域,由于PyTorch的技术自主创新而更改了绿色生态。

此外,深度学习编译程序,包含单机器设备编译程序及其分布式系统编译程序,也出現了许多 自主创新的念头。例如,微软公司研究所近期开源一项全新编译程序技术,坚信两月文章内容后发布会造成编译程序技术关键转型。

田忠博:在深度学习行业,有很多非常值得关心的技术,如规模性并行处理、处理芯片兼容,但我觉得最重要的是架构的c语言编译器化,它意味着着一个全新升级的现代性,一个实质的转型。如同沈向洋来的时候常说智能化来源于编码,人工智能技术产业链实质上是由生产制造出去的编码支撑点的,而编译程序技术便是生产制造编码最重要的技术之一。相信架构c语言编译器化指将来的发展趋势。

我们在中天1.0版中导入MLIR技术,也是期待可以和c语言编译器的小区做更深层次的探寻。赵立威提出问题:业内特别关注这几个公司为何要开源自身的架构,身后的思索全过程是啥?与企业商业化的是不是可以产生闭环控制?田忠博:我认为大家开源中天是为了更好地旷视人、为了更好地我们中国人的技术理想化,大家期待可以在这儿表述自身的响声,可以把大家的技术核心理念更强的散播给大伙儿,为了更好地更强的人工智能技术的将来。袁进辉:许多 架构产品研发者全是算法生物学家出生,她们做架构是为自己用的,由于他人的架构不符合不上要求,那麼为何也要开源呢?我了解的是,开源是很好的手机软件派发方式,它能立即和客户、情景产生关系。这如同现如今的自媒体平台直播间一样,它可以让大量有才气的人有展现的机遇。

赵立威提出问题:电子计算机科学研究在工业领域和学术界的差别到底有多大,怎样摆脱并构建沟通交流二者的公路桥梁,包含学界、工业领域对技术质量指标的分辨是不是有规范上的差别呢?唐杰:最近几年,学界在算法便捷干了许多 推动性的工作中,包含CVPR、ICCV百度收录的毕业论文总数猛增,在其中有很多重磅消息的科研成果。一样,工业领域也作出了非常大奉献,尤其是在数据信息经营规模、算率、算法层面。最近几年,AI发展趋势慢慢进到一个Stable稳定型,学界刚开始做一些fundamental的科学研究,偏重于发掘理论基础研究身后的实质物品,而工业界更为关心情景落地式,例如,算法是不是能为工业生产产生真实使用价值,降低成本或是高些的收益,大量的是以经济发展视角去考量,它是学界和工业领域中间产生的Gap。

那麼怎样Bridge二者之间的Gap,我认为它是一件难以的事儿,假如学界和工业领域藕合过紧,一定会迈向两个极端,学界会继续看十年、乃至二十年的物品,而工业生产会再次科学研究实际的情景落地式,因此 ,接下去的留念,二者之间的Gap会越来越大,它是我的一个胆大预测。赵立威提出问题:AI做为一种新的生产主力,大家的的共识是它将在没多久的将来重构全部的传统产业,自然在落地式全过程中又遭遇情景、优秀人才及其要求、布署、成本费这种挑戰。将来我们要如何解决这种挑戰?田忠博:我觉得大数据时代的深度学习技术如同工业革命的电,会从最开始比较有限的运用范畴,拓展到大家生活起居的每分每秒中。

针对AI落地式全过程中的挑戰,大家应当从下列好多个层面考虑到:第一,必须有详细、全方位地从生产制造到运用的总体解决方法;第二,必须充足多的AI优秀人才,我们可以根据不断学习培训,为社会发展运输高品质优秀人才;第三,促进AI技术在每个领域的占有率,让大量开发人员降低成本享受到全新技术,那样才可以和全部大数据时代的发展趋势紧密联系。何亮亮:我谈2个现阶段存有的挑戰,一是算法工作能力和商品落地式Gap的难题;二是公司布署成本费的难题。前面一种简易说,便是懂商品的人不明白算法,懂算法的人沒有商品观念。

为了更好地处理这个问题,大家一方面是激励算法和商品单位提升沟通交流;二是补足她们分别的薄弱点,例如激励商品人去掌握照相机的算法、智能穿戴设备的算法等。后面一种布署成本费难题,能够溶解为2个层面:一是总成本,二是变动成本。

总成本,大家必须提高产品研发的高效率,像大数据平台化,测算平台化等可以提高数据收集和算法产品研发的高效率。变动成本,便是硬件配置成本费,在确保算法实际效果前提条件下会应用更强的算率,这能够根据实体模型的量化分析缩小和自动化技术设备学习方法来降低实体模型对算率的规定。

总结AI时期下,开源对外开放与生态文明建设已经乘势而上。不论是从开发人员、公司,還是全部AI产业发展规划的视角而言,开源对外开放在这其中都充分发挥着极大的使用价值和发展潜力,这一点从学界及工业界的特邀嘉宾共享中能够洞悉。

此外,旷视开源中天架构也再度证实了这一点。与互联网巨头们不一样,中天架构针对这个仅创立九年的企业而言,不但是其Brain 服务平台的关键部件,也是驱动器其从自主创业发展为AI独角兽企业的关键模块。

而旷视挑选开源,一方面是对技术和商品的自信心,而另一方面是看到了开源身后的“多赢效用”。但是,要想在我国产生一条详细的开源全产业链也有较长的路要走。从社区论坛中的共享看来,为解决当今开源产业链遭遇的挑戰,关键解决方法聚焦点于下列三点:在优秀人才层面:正确引导开发人员参加开源新项目,完成从抄编码,奉献编码、到开发设计新项目的越迁。在公司层面:构建类似Github的开源服务平台,产品研发并开源大量的专用工具和技术。

在绿色生态层面:连通技术、公司协作的上中下游,搭建开源小区,促进我国开源手机软件慈善基金会的创建等。之上计划方案中,公司毫无疑问充分发挥着骨干力量。假如开源对外开放产业链是将来不可逆的新趋势,那麼,公司是不是越快合理布局越好?原创文章内容,没经受权严禁转截。

详细信息见转截注意事项。


本文关键词:旷视,天元,1.0,预览,版,首发,聚焦,开源,开放,亚博下注网站

本文来源:亚博下注网站-www.meetatthehub.com