人工智能 - 21ic中国电子网

当前位置：首页 > 人工智能

人工智能，“嘴炮”之外更要看体系

1）人工智能是什么？人工智能是一种生产经营方式的改变过去，人们为了提高效率，将整个生产流程分解成一个个重复、简单、高效的流程，把作坊扩大成为流水线。后来，为了进一步提高效率，这种流水线思维也逐渐扩展到商务和管理领域。企业为了将整个商务流程变得可管理、可复制，将整个业务流程分解为一个个需要单一技能的岗位，每个岗位上的职员都具备一定的专业知识来完成商务或管理流程中的一个环节。但是问题却出现了。与流水线不同，企业的商务和管理通常是一个快速变化的体系，他需要比流水线具备更高的弹性和扩展性。为了应对这一要求，企业对职员的要求变得更高，除了技能之外更需要分析能力和判断能力。这种能力往往需要更长的时间和更高的成本才能培养出来，而一旦分析和判断的标准发生改变，职员就需要重新学习和适应，进一步推高企业的成本。在企业面临内部和外部的剧烈变动时，会有更多员工的技能、分析判断能力受到挑战，需要重新学习，而这样很有可能让企业业务和管理变得充满风险和不可控。人工智能的出现则让企业看到了解决这一难题的曙光。人工智能本身是一个用来完成特定任务且拥有学习和进化能力的计算机程序，通过对这个程序进行不断的训练和纠正，这个程序将拥有投入实际应用的能力，这与人类通过学习获得技能的过程非常相似。而人工智能学习过程的快慢则取决于运行训练这个程序的硬件平台的性能。而一旦企业获得了具备某一功能的人工智能程序之后，企业便可以通过将运行它的硬件平台的横向扩展，以极低的成本和极高的速度迅速强化这一能力，从而在最终的商业竞争中取得更大的优势。由此，知识的获取和能力的培训都变得异常迅速且可复制，企业也就获得了从旧有生产经营模式中跳出来，迈向更高层级的机会。那么问题来了，企业如何更快的迈入人工智能时代呢？从上面的分析我们可以知道，打开人工智能时代的钥匙有两把，一是人工智能程序本身，二是运行这些程序的硬件平台。程序需要有经验、懂技术的程序员一行一行地写，而程序员也只能用传统的方法慢慢地培训;这一点完全急不得。所以整个业界和资本的焦点就集中在了运行和训练人工智能程序的硬件平台上。 2）人工智能硬件平台：嘴炮背后的实力对比科技圈有个惯例：凡是热点领域都有至少两家企业“互喷”。故事起源于英特尔在发布其众核架构新品——Xeon Phi时所使用的一张PPT。在这张PPT中英特尔表示其最新发布的Xeon Phi产品在深度学习的训练应用中，在4节点情况下计算AlexNet模型时比GPU快2.3倍，而在32节点情况下计算GoogleNet模型时比GPU效率提升38%，并且能够扩展至更加庞大的128节点(英特尔表示GPU还没有同样规模的系统性能数据)。就是这张公开发布的PPT引起了深度学习硬件平台领域另一家当红公司——NVIDIA的强烈反弹。NVIDIA加速计算业务副总裁Ian Buck在看到这张PPT后立即撰文，大意是说英特尔公布的PPT中所包含的数据是在使用旧版测试工具和更旧的对比竞品时得到的。简单来说，NVIDIA觉得这张PPT里的测试是不公平的。此后，NVIDIA又不依不饶地表示看不清英特尔在人工智能、机器学习、深度学习方面的发展主线。可以说，英特尔在人工智能及相关方面的大力投入让NVIDIA感受到了危机，并且引起了这场激烈的“嘴炮大战”。人工智能以及相关硬件技术确实能够在未来产生颠覆性的影响，而这也意味着一个难以估量的巨型市场正在逐渐形成。抛开早年间英特尔和NVIDIA在主板芯片组方面的恩怨不谈，在这样一个巨大的风口面前，两家显然都不想放过任何一个超越对手的机会。对比两家的产品和技术，NVIDIA的优势在于更早介入深度学习领域以及针对这一计算类型的多代产品积累。而反观英特尔，故事明显就要复杂很多。 3）英特尔的人工智能版图与NVIDIA主营GPU及其衍生品不同，英特尔的产品线长度在核心硬件圈子里绝对是首屈一指的。日前，英特尔销售与市场事业部副总裁夏乐蓓女士以及英特尔中国研究院院长宋继强博士现身说法，为媒体展示了英特尔在人工智能领域的整体布局情况。英特尔销售与市场事业部副总裁夏乐蓓女士英特尔中国研究院院长宋继强博士从英特尔给自己的定位来看，其在人工智能里的故事将会包含多条主线，这些主线涵盖了从高端到低端、从前端到后端的几乎全部领域。 1、深度学习深度学习绝对是人工智能领域最高精尖的部分。人工智能程序是程序员写的，但要让人工智能程序从一个理论算法进化到能够在实际应用中发挥强大能力的生产工具却需要几百万甚至上千万次的训练。而英特尔Xeon Phi的其中一个应用就是为了加速这一训练过程。当年深蓝战胜卡斯帕罗夫，背后光是训练和改进算法的时间就花了一年多;而谷歌AlphaGo战胜李世乭，从公开的消息来看，其训练时间也在半年以上。而借助大规模部署的Xeon Phi，未来人工智能的训练时间有望缩短至数周甚至数天，这就大大加速了人工智能程序在变幻莫测的市场中的实用价值。 2、人工智能部署(一) 训练好的人工智能需要在实际生产环境中大规模部署才能最大程度的发挥效用。在这一场景中，企业需要的是高性价比、横向扩展的计算平台。针对这种需求，英特尔给出的解决方案则是至强系列平台。由于有大量的供应商提供众多形态的至强服务器产品，企业可以根据自己的基础架构形态选择适合自己的产品进行快速部署和扩展。如果还嫌性能不够，Xeon Phi也可以加入这一行列之中以实现更高的性能。而由于至强平台的通用特性，一旦某个人工智能程序已经过时，企业还可以将这些硬件资源通过资源池的形式灵活地划拨给其他应用。 3、人工智能部署(二) 除了至强+Xeon Phi的组合，英特尔其实还有一套Plan B，那就是FPGA。作为一种可编程的大规模集成电路，FPGA能够帮助企业在性能和成本之间取得另外一种平衡。在针对特定算法时，优秀的FPGA编程可以实现远高于通用平台的性能。其结果就是企业可以用更小的空间、更少的设备和能源实现在特定算法上的更高性能。而其实现速度也要比开发固化算法的ASIC更快，成本也相对更低。在这方面，英特尔先是收购了老牌劲旅Altera，获得了FPGA产品研发能力;然后又收购了人工智能云服务企业Nervana，获得了将流行的人工智能算法固化成硬件芯片的能力以及人工智能程序开发和运行所需的大量函数库资源。显然，英特尔下一步的计划便是针对人工智能算法的FPGA产品。 4、人工智能前端人工智能程序相当于人的大脑，负责做出判断，而其做出判断的依据就是数据。在很多场景中，人工智能想要发挥作用就需要大量实时采集的数据作为基础，而那些负责采集实时数据的硬件便是人工智能的前端。对于很多机器人或移动终端等前端设备来说，设备本身的处理能力、存储空间、能源储备都比较有限，庞大且复杂的人工智能主程序无法在这些设备上安家。而如果这些设备上的传感器直接把采集的信息回传到云端的人工智能程序处则需要浪费大量的网络带宽和时间。因此，前端设备就需要具备将采集到的原始信息进行预处理的能力。通过将传感器采集到的信息进行筛选和提炼，机器人或移动终端在实现人工智能应用时就可以大幅降低对能源、网络、时间等资源的消耗，从而实现人工智能在更广范围内的应用。在这方面，英特尔拥有众多产品：首先是Curie平台，它像是一个针对可穿戴场景的微型全功能电脑，通过集成的众多传感器，Curie可以收集并处理各种生理、运动信息并将之回传给云端的人工智能程序。而一旦得到云端人工智能的反馈结果，Curie平台也可以控制其他设备给人提供帮助或建议。其次则是能够将视觉信息进行采集和处理的Euclid平台。Euclid平台所除了搭载Atom处理器、网络、存储和电池等模块之外还会集成RealSense相机，其作用是负责对视觉信息进行采集和预处理，提炼出其中关于形状、体积、距离等要素的关键信息，方便无人汽车、无人机等应用的最终实现。 5、软件及开发支持英特尔本身虽然是一家硬件公司，但他却拥有数万人的软件工程团队，其目的就是为开发者提供更好的支持，帮助开发者更方便的完成软件开发并且更高效的利用英特尔硬件。而在人工智能领域，英特尔与开源社区始终保持着密切的合作，会将自己开发的补丁、工具无偿的回馈给开源社区。同时，英特尔在人工智能领域还拥有海量的函数库和开发工具，这些函数库和工具经过了针对英特尔底层硬件的大幅优化，能够让开发者实现更简单的开发以及更高的软件性能。 4）人工智能，体系更重要人工智能的出现让那些过去需要经年累月培训和大把成本才能获得的能力变成一种可以快速制造、快速复制的廉价资源。这种深刻的变革不仅能够帮助企业获得更高的效率和竞争力，更能够把人从“生产工具”的属性中慢慢解放出来。而这种解放正是所有乌托邦式美好幻想的隐藏条件。在这条通向未来的道路上，所有企业都不会停下脚步，竞争也不会停止。而在这种竞争中，英特尔所追求的则是一种体系上优势。从前端到后端，从硬件到软件，英特尔在人工智能的实现与应用方面为企业和开发者提供了多条不同的路径及解决方案，能够帮助不同层次、不同应用的人工智能得以实现。相对于其他企业在人工智能领域的单点突破，英特尔在已经在人工智能领域建立了一套体系，而这套体系正在通过不断的产品研发和收购变得越来越完善，可用度也越来越高。目前，人工智能的发展仍旧处在非常初级的阶段，人们的注意力也大多集中在人工智能程序的编写以及计算平台的选择上。但随着人工智能应用的逐渐增多，内部互联、外部网络、存储、安全、可用性等一系列问题也必然会出现。而当这些问题出现时，英特尔在人工智能领域中的故事也必然会变得更大、更完整。免责声明：本文内容由21ic获得授权后发布，版权归原作者所有，本平台仅提供信息存储服务。文章仅代表作者个人观点，不代表本平台立场，如有问题，请联系我们，谢谢！

时间：2021-01-21 关键词：英特尔人工智能
看视频等于看广告？这都是OPA帮人工智能干的好事

不想上班，只想唱唱跳跳就把钱挣了？没问题，来直播平台当主播吧！不想上班，只想吃吃喝喝就把钱挣了？没问题，来直播平台当主播吧！不想上班，只想打打游戏就把钱挣了？没问题，来直播平台当主播吧！不想上班，只想动动嘴皮子就把钱挣了？没问题，来直播平台当主播吧！当越来越多有一技之长的人加入到主播队伍中来，无论是谁，都能在直播平台上找到你感兴趣的点。而且，最关键的是，你可以用各种方式与主播或其他观众互动。或赞、或扁、或赏，或喷；一切随意。或者更单纯的，你只是想来看土豪挥金如土或者键盘侠们指点江山，都没问题。垂直化的直播平台如何盈利？主播数量的直线上升和直播平台的井喷无疑会导致两个结果，那便是竞争加剧和短期成本提高。那么，问题来了：直播网站钱从哪来？当年9158跑马圈地“闷声发大财”的时代已然过去，今天的直播平台所面对的可以说是一个强者林立的红海市场。虽然资本的注入会给予各个直播平台一个短暂的“尽情挥霍和试错”的时间。但创造长期的盈利仍是一个棘手问题。过去，直播平台盈利靠的是用户购买道具的直接消费，但随着主播数量和竞争对手数量的直线上升，直播平台也不得不面临一个问题：土豪都不够用了。在更高的成本和更激烈的竞争面前，单靠各路土豪的打赏显然不能满足昂贵的带宽费用、IT基础架构成本和人力成本。广告当然是一个最好、最直接的手段，而广告也是唯一经过验证的可行手段。某视频平台的76秒超长广告但主播不是导购，直播也不是电视购物；为了用户体验，直播平台也不能让用户在观看直播前先“欣赏45秒的广告”。视频广告需要新出炉广告是个好东西。如何将其价值最大化对于视频企业来说关乎未来、关乎生死，尤其是对于那些目前还没上市的直播平台。以薯条原料、犬科动物（化名）等为代表的中国第一批视频网站无疑是视频广告的先行者。而他们在视频广告方面的现状和困惑更值得直播平台们仔细思考。虽然靠着海量的流量，传统视频网站吸引了众多企业在平台上竞相投放各种形式的片头广告和banner广告，但至少从财报的层面来看，目前的这些广告形式仍不足以帮助他们实现持续盈利。都说流量变现是件容易的事，但实际结果为何大相径庭？有人说是因为热播节目版权太贵，也有人说是IT、人力成本上涨太快，也有人说是自主IP仍处于成长期……在我看来这些答案都没找到问题的症结。我们不妨换个角度来思考这一问题：视频广告为何无法带来更多收入？很简单，因为现有片头广告无法更精准的推送到目标用户呗。我看个时事评论类节目，您给我推送个雷克萨斯的片头广告；我看个星闻八卦，您给我推送个BB霜广告；我看个8月电影预告片合集，您给我推送个酸酸乳广告。哦对了，我好像还没跟您说：我目前没有车本、不爱喝酸的、老婆喜欢素颜；都是我的错。不得不说，以目前视频片头广告这样“瞎猫碰死耗子”的投放形式来创造的点击是一件效率非常低的事情。所以广告商才不愿意花更多的钱，所以用户体验这么多年都不好，所以这么多年他们都还没有形成持续的盈利能力。但回答问题只是第一步…… 视频广告怎么做才最有效？这个问题值得所有传统视频网站和直播平台深思，尤其是那些仍缺乏造血能力的直播平台。而一家叫Viscovery的公司有办法。深度学习创造的视频广告新解广告与视频内容无法精准匹配是行业多年来的老大难问题。而Viscovery给出的破解思路相当另类：将整个视频变成广告的载体。当你在电视剧里看到了一辆超帅的车，点一下，品牌、型号、报价、销售方式、优惠活动，一应俱全；当你看到视频中一副梦幻般的自然美景，点一下，地点、机票、酒店、旅行团信息，一应俱全；当你看到视频中一个很有情调的餐厅，点一下，地点、价格、口碑、团购信息，一应俱全……对于广告主来说，这绝对是梦寐以求的广告形式。想买哪里点哪里过去，想要做到这样的效果，唯一的方法就是人工+手动。而Viscovery所提供的是一套自动化的人工智能识别算法，能够帮助视频网站识别视频中出现的场景、物件、衣服、甚至是演员和声音。步骤大致是这样的： 1、 Viscovery会建立一套人工智能算法，来识别视频和音频中出现的商品； 2、 Viscovery会像老师一样用海量的视频、图片、音频来训练这个人工智能，让他能够在更复杂的场景中识别出商品； 3、 Viscovery将完成训练并“毕业”的人工智能程序交付给视频网站； 4、视频网站将这套系程序署到服务器上，开始对服务器内存储的视频进行大规模的分析，从而让视频和广告合二为一； 5、视频网站开始数钱、分红、上市、上头条、改变世界…… 另外，Viscovery还提供一项“特殊服务”——人工智能鉴黄。而这项符合中国国情的服务显然从另一个层面解决了众多视频直播平台目前最现实的“生存问题”。让深度学习更快、更省要让人工智能程序更好的识别视频的内容，首先需要将视频中包含的图像信息分层，每一层都代表了图像信息中的一类信息。从最简单的颜色、形状、纹理到其他更复杂的特征。分层越细、越多，最终的识别率也会越高。而如果想要在实际拍摄的电影、电视剧和其他类型的视频中正确的识别出物体，通常需要将视频中每一帧的图像信息分成100-200层。并通成百上千万次的训练、修正、再训练，人工智能程序才能学会从视频中分辨出某一种物体。而如果想要从视频中分辨出另一种物体，那就需要另一个人工智能程序并重复上面的过程。可以说，对人工智能的训练是一件相当耗费计算机硬件资源的工作，需要大量的计算机做并行处理。 Viscovery CEO黄俊杰 Viscovery CEO黄俊杰表示：在过去，完成这样的人工智能训练，我们通常会选择GPGPU作为协处理器来加速整个训练过程。但GPGPU由于本身处理能力、内存（显存）容量和网络带宽的限制，在处理20层以上的图像识别时效率很低，完成一套训练所花的时间通常是几周甚至几个月。但新硬件形态的出现则大大缩短了人工智能训练的时间，并降低了硬件成本。黄俊杰口中的新硬件便是英特尔最新推出的第二代至强融核处理器，核心代号Knights Landing，简称KNL。 1、从协处理器到处理器 GPGPU是计算机中的一种协处理器，其特点是没有管理其他硬件的能力，只能作为计算机中的一个设备存在；需要CPU、操作系统、驱动程序等基础平台的支持才能工作。所以在传统的由多个计算节点组成的高强度人工智能训练任务中，节点间的工作流程就变成了GPGPU1——CPU1——1至10Gb以太网络——CPU2——GPGPU2。在这一过程中，由于各个信息管路之间的速率不同，GPGPU之间的沟通就变成了一件效率非常低的事。换句话说，如果将GPGPU的数量提升100倍，那么实际的效率提升可能只有30倍，因为大量的时间都消耗在了各种传输和等待传输的过程中。而KNL则是一款纯正的处理器，也就是CPU。这就省去了GPGPU——CPU之间的沟通成本和GPGPU等待CPU分配任务的等待成本。而且由于KNL是x86架构的CPU，所以整个人工智能程序的编程也会比之前更简单。 2、更大、更快内存 GPGPU作为计算单元，本身是需要内存（显存）来存储原始信息和中间结果的。而目前最高端的GPGPU所搭载的内存（显存）仅为32GB。这就意味着如果人工智能程序的体积超过这一容量就需要将其分别存储在多块GPGPU当中。而这又会加剧不同GPGPU之间的沟通压力，导致效能的进一步降低。而最新推出的KNL处理器除了集成16GB片上高带宽内存（HBM）之外，还支持最多384GB的系统内存。换句话说，新一代KNL处理器可以在内存中容纳更大的人工智能程序并存储更多的中间计算结果，进一步减少系统间的沟通，从而提升效率。 3、集成的100Gb Omni-Path网络控制器网络一直是人工智能程序训练领域中一个不可回避的问题。由于一个人工智能程序从“入学”到“毕业”需要进行成百上千万次的训练和修正，计算量非常庞大。因此，多节点并行处理几乎是唯一的选择。而节点数量多了之后，节点之间的有效沟通也就显得尤为重要。者也就是为何网络部分的成本会占到传统高性能计算系统总成本的20-30%。由于GPGPU本身不管理也不集成其他硬件，所以如果GPGPU之间需要进行跨界点沟通，其途径只能是节点之间的以太网络或Infiniband网络。而以太网带宽通常只有1Gb或10Gb，更高端的Infiniband速率也不过40Gb或56Gb/s。新一代KNL并不只是一颗处理器，他还集成了带宽高达100Gb/s的Omni-Path网络控制器和对应的接口。服务器可以直接将其之间转化为光纤接口并与交换机相连，省去了网卡成本。更高的带宽、更低的延迟可以有效提升节点之间的通讯效率，从而提升整体的人工智能训练速度。 4、最重要的一点：省钱最后，也是最重要的一点。KNL不仅在性能和效率上给人工智能训练带来了巨大的提升，而且整个硬件架构也会比传统的GPGPU模式更加省钱。为了达到足够的计算密度，一台双路服务器中通常会安装4块GPGPU计算卡，这样，一个节点的组成就变成了2个CPU+4个GPGPU。如果要实现商业应用，企业则需要成百上千个这样的节点以及对应的网络设备。而KNL本身就是CPU并且自带网络控制器，所以并不需要额外支持就可以运行操作系统和人工智能程序并且配合Omni-Path交换机就可以实现节点间的通信，无需额外购买网卡。所以整体来看，KNL的成本更低、系统结构也更加简单。当然，这还不算效率和性能提升所带来的时间和功耗节省。看视频和逛街合二为一？我看挺好 Viscovery CEO黄俊杰也表示：公司目前正在和更多的电商企业接触，让自己的技术能够服务于更多类型的内容。未来，当视频网站、直播平台、电商平台之间彻底打通，视频、图片、广告、购买一气呵成，看视频就等于逛街。这种新的体验确实能省下不少时间。我看这样挺好。免责声明：本文内容由21ic获得授权后发布，版权归原作者所有，本平台仅提供信息存储服务。文章仅代表作者个人观点，不代表本平台立场，如有问题，请联系我们，谢谢！

时间：2021-01-21 关键词：视频 AI 直播人工智能
挥别2020，十年后AI会变成怎样？这里有10大预测

多灾多难的2020年马上就要结束了！这一年，爱与AI给与了我们太多惊喜，值此最后一天，让我们用怀着爱意，畅想一下AI未来还将带给我们怎样的精彩。现在AI已经能帮我们做很多事，比如它可以驾驶汽车，可以制作音乐，可以阅读脑波，让我们用意念控制计算机…… 在未来的日子，AI肯定还会进步。到了2030年AI会变成怎样呢？这里有一份专家的预测，一起来看看。改变物体的观感如果想装修客厅，你只能抛弃旧家具，买很多新东西。未来，你也许可以改变沙发的外观，甚至连坐在上面的感觉也能改变，只需要按一下开关就行了。是不是讨厌桌上的花？没问题，你可以更换花的外观，甚至连气味也能改变。购物优化平台InstantSearch的CEO Zohar Gilad说：“今天已经有建筑模块问世，但最大的进步可能还是触感合成技术。”一旦有了这种技术，最大的好处可能是环保。Gilad说：“环境意义很重大。因为消耗大量的资源，我们每个人都在犯罪。我们老是买新衣服、新家具、新东西，并不是因为它们不能用了，而是因为我们追求变化，追求新鲜感，想多一点生气。” 触感合成技术既可以满足人类追求变化的需要，也可以拯救地球，它值得我们追求。国家身份可能会越来越模糊如果你身在法国，说法语，你想获得美国的网络信息就会有一些障碍。美国的视频和文章的确很出色，如果你不知道它在说什么，那就没有什么意义，现在的文本翻译技术还不是很先进。到了2030年，当一个人在自己的国家发布内容，另一国家的人也许可以马上理解，用自己的语言理解。数字咨询公司LatentView的董事长Venkat Viswanathan说：“媒体和娱乐受众将会跨越国界和语言边界，因为到时自然语言处理技术、自动语音识别技术、机器翻译技术将会变得足够先进，可以即时完成跨语言传播。” 如果地球上的每个人都可以理解他人，而且意思不会因为翻译丢失，那无疑是一大进步。 Viswanathan还说：“在这种环境下，内容成为跨文化连接器，国内文化这一概念将会淡化，到时国家身份将会变得不再重要。友情源于共同的兴趣，尽管地理位置不同，内容社区仍会创建更多平等的社交网络。” 你的工作可能会消失到了2030年，机器人应该不会站出来反抗人类，但你的工作可能会被夺走。 Persistent Systems公司CTO Pandurang Kamat说：“到了2030年，AI造成的失业将会成为严重社会问题。汽车卡车司机，设备操作员，医学诊断专家，律师，他们的工作将会向AI智力、自主技术转变，从而造成很多人失业。” 政府必须提前做准备，制定新法律，设立新项目，保护被取代的员工，给他们提供培训。 B2B搜索Grata的CEO Andrew Bocskocsky说：“随着AI的进步，政府将会变得越来越重要。它们要研究、理解AI技术，这点很关键，不过社会还要考虑人道主义要求，为那些被取代的员工提供帮助。在未来十年内，依赖环境智力的工作相对比较安全，比如销售、领导者、管理者。” 自动化变得更重要到了2030年，汽车可能不会再有方向盘，它可以送你到任何地方，你在网上买东西，无人机会送货给你。数据科学平台dotData的CEO Ryohei Fujimaki说：“供应链将会自动化，不需要人类干预机器就可以自动补货。” 无论是在消费层面还是在企业层面，AI都将无所不在。Grata的Bocskocsky也说：“机器人将会帮我们做简单的事，比如整理桌面，帮我们填充Amazon Prime购物车，帮我们下单。” AI植入各种物品亚马逊也许会向你推荐鞋子，但是当你买了鞋子之后，亚马逊并不知道你是如何用的。未来，不论你买什么，里面可能都会有AI，它会将使用信息制成报告。 Gilad说：“如果你准备买一双跑鞋，AI会告诉销售员你跑步的频率有多高，然后系统就会预测你什么时候需要新鞋子，AI还会根据使用模式推荐其它商品。” AI设备将会涌入我们的生活。Viswanathan说：“视频摄像头与AI人物将与真人结合，变成高质量自制电影。即使没有接受过正式的音乐训练，也可以借用AI硬件制作音乐。到时，艺术创作将会更加依赖AI技术，创作主要受到创意而非能力的限制。” AI进入大脑 AI可以直接与设备交流，也可以与大脑交流。数据平台Splice Machine的CEO Monte Zweben说：“在10年内，每一种感觉和思想来自大脑何处，我们也许可以精准找到。未来可能会出现AI隐形玻璃眼镜，它与大脑连接，这种技术似乎并不遥远。到时世界上的所有信息只是一个念头。” 在大流行期间，AR聚会越来越流行，未来虚拟会议会变得和现实一样。 Zweben说：“将VR植入大脑就可以让虚拟会议更逼真，当你通过FaceTime与朋友聊天时，甚至可以模拟各种感觉。” 图灵测试所谓图灵测试，就是说机器可以展示超凡的智力，它的表现与人类相近或者无法区分，现在已经有一些AI程序可以通过图灵测试。今天，让机器像人一样说话、行动还是科幻，但在未来10年人类也许会攻克这一难题。 Grata的Bocskocksy说：“在未来十年，机器人与人的结合将会更严密，当我们交流时，可能无法区分自己在与机器人交流，还是与人交流。” 到时，机器人伙伴就像人类一样，我们完全拥有它。数字文件转换公司Conga的高管Ajay Dawar说：“在2030年之前，每个人都会拥有虚拟助手，甚至包括孩子，这是完全可能的。虚拟助手很聪明。比如，9岁的孩子可能会下达命令，让虚拟助手从网上寻找重要作业内容，然后复制粘贴信息，放进文档，孩子可以吃早餐，让虚拟助手完成使命。” “不只如此，孩子还可以问虚拟助手她的朋友是否爱是另一个同学，助手会根据数字信息内容以及从几十亿群体中收集的数据做出预测。” 你无需知道很多东西今天，即使碰到简单的技术问题，我们也很头痛，很快AI就可以帮我们解决复杂的工业问题，现在解决这些问题需要经验丰富、受过教育的人。 AR解决方案公司Taqtile的CEO John Tomizuka说：“在今天复杂的工业系统中，在排队故障解决问题时，我们投入大量时间确定问题出在哪里，真的很浪费时间。” 如果现场没有合适的人，工作人员只能拿来说明书，一字一句研究，未来这一问题将会解决。Tomizuka说：“到时，我们将会拥有一套系统，它可以诊断问题，引导新手解决复杂难题。” AI医生流行起来现在医生已经开始使用AI技术，效果还不错。互联网平台 Insight的高管Matt Jackson说：“10月份，MIT制作一个AI模型，它可以通过手机记录的咳嗽诊断新冠无症状感染者。” AI可以帮助医生诊断病人，制定干预治疗计划。未来，AI也许有能力制定一整套治疗方案。Jackson说：“10年之内，随着AI技术的进步，它也许可以预测病人的癌细胞会怎样变化，然后针对个体病人制定高度定制精准治疗方案。” AI不会杀死人类但杀手机器人会出现大家都看过《终结者》，电影毕竟是电影，应该不会变成现实。斯坦福在报告中指出：“在电影和小说中充满可怕的未来主义描述，这种描述改变了大众的想象力，AI似乎就是灾难。但回到现实，AI已经改变我们的日常生活，正面意义远大于负面意义，它让人类更健康、更安全，提高了生产力。” 杀手机器人会不会出现？当然有可能。美军在2016年发布报告称：“未来战场将会充斥各种各样的新东西，有些有智力，有些没有，它们可以执行多种任务，比如它们可以彼此感知、沟通、执行、协作，与可以与人类战士沟通合作。” 听起来是不是有些遥远？不是的，军队已经在做计划，准备将AI和机器人用于战场。英军高层预测，到了2030年代，最多可能会有四分之一的士兵被机器人取代。免责声明：本文内容由21ic获得授权后发布，版权归原作者所有，本平台仅提供信息存储服务。文章仅代表作者个人观点，不代表本平台立场，如有问题，请联系我们，谢谢！

时间：2021-01-04 关键词：机器人 AI 人工智能
关于智能移动机器人，你想知道的都在这里！

机器人是指可以进行半自主或全自主工作的智能机器，随着时代的发展，机器人已经拥有了各种各样的功能以及形式，而移动机器人的研究则可以追溯到上个世纪60年代末期。当时斯坦福研究院的的Charles Rosen等人为了研究应用人工智能技术，研造出了名为Shakey的自主移动机器人，同一时期，操作式步行机器人也被研发出来。由此，人类对机器人的研究开始涉及步行机构方面，移动机器人开始登上历史舞台。随着硬件以及软件的突破发展，移动机器人的发展也十分迅速，移动机器人也变得更加智能化，智能移动机器人应运而生。图片来源：ofweek维科网智能移动机器人整体结构： 1、分级结构分级结构是在智能移动机器人上最早被应用的系统，负责将智能移动机器人所接收的信息进行分类，通过对感知、规划、执行安排层次，对信息进行解读并做出反应。 2、反应结构反应结构是将智能移动机器人接受的信息准确传达到机械位置的结构，可以执行处理中心的信息，并在短时间内完成操作。 3、混合结构自主性是智能移动机器人的特点，通过高性能处理器的加持，可以对周围复杂环境以及庞杂的信息进行筛选。图片来源：ofweek维科网智能移动机器人的主要技术 1、定位与导航技术定位是移动机器人导航的前提，通过确定机器人在二维坐标中的位置来保障后续的移动。根据配备不同的传感器，定位也有不同方法。主要定位方法有：声音定位、惯性定位以及路标定位等。导航是保障机器人准确移动的基础，据导航方式的不同，可以分为基于各类导航信号的视觉导航、路标导航和味觉导航以及基于环境信息的地图模型导航。 2、路径规划技术不管是采用哪种导航方式，路径规划都是智能移动机器人导航的重要环节。路径规划是指按照需求，搜索一条由起始状态至目标状态的最优或者接近最优的路径。根据机器人对外界环境获取信息的不同，可以分为完全了解环境信息的全局规划以及完全不了解或部分不了解环境信息，借由传感器对外界环境进行探索以获取障碍物相关信息的局部路径规划。 3、传感器技术智能移动机器人传感技术主要是对机器人自身处所的位置、方向信息和外部环境信息的检测及处理，所采用的传感器分为内部传感器与外部传感器。其中内部传感器有：线加速度计、编码器、激光全局定位传感器、陀螺仪、激光雷达、磁罗盘、全球定位系统等。外部传感器有：视觉传感器、红外传感器、接触与接近传感器以及超声波传感器等。 3.1、传感器融合技术传感器技术是智能移动机器人必不可少的部分，在信息的传递与融合中，传感器技术是机器人移动的关键技术。正因为存在传感器技术，机器人才能识别周围环境，并控制白身。随着智能移动机器人锁所携带的传感器越来越多，将传感器信息融合也成了智能移动机器人发展的重点。目前多传感器融合的主要方法有：贝叶斯估计、卡尔曼滤波、加权平均法、D－S证据推理、统计决策理论等。图片来源：ofweek维科网智能移动机器人的未来发展机器人的发展依托于现代科技的进步，随着5G时代的到来，机器人的发展也将更进一步，更加智能高效的机器人很快将会登上历史的舞台。这些机器人将大幅度解放生产力，在各个领域为人类提供帮助，特别是在医疗、救援探索以及工业生产方面，机器人将起到重要的作用。智能移动机器人作为机器人中的一类，也将得到进一步的发展，在人类的日常生活中扮演更为重要的角色。免责声明：本文内容由21ic获得授权后发布，版权归原作者所有，本平台仅提供信息存储服务。文章仅代表作者个人观点，不代表本平台立场，如有问题，请联系我们，谢谢！

时间：2020-12-30 关键词：机器人人工智能
2020数字城市百强榜

本文来源：赛迪顾问随着新一代信息技术与城市发展深度融合，数字化转型发展成为城市经济社会发展的重要趋势，数据资源逐渐成为重要的生产资源。为抢占城市数字化、智慧化发展先机，各地方紧抓新一轮新兴技术变革所带来的巨大机遇，深入推进城市交通、医疗、生态环保等多个领域的创新发展，在城市数字化建设方面形成了多元尝试、多样创新、百花齐放的局面。近日，由赛迪顾问数字转型研究中心编制的《2020中国数字城市百强研究白皮书》正式发布。该研究对我国数字城市建设的整体情况、建设内容、建设重点等进行系统、全面梳理和评估，对数字城市相关问题进行深入了分析及权威预判。 01 数字城市内涵与评价体系设计数字城市是城市借助ICT技术，构建各类信息基础设施和应用能力，与城市场景资源进行耦合，实现“数字世界”与“物理城市”的融合共生。赛迪顾问认为，“新基建”叠加后疫情时代下，对于我国数字城市建设提出了新的要求。数字城市的建设是城市数字化转型的过程，不仅仅是我国城市发展的趋势，更是我国经济社会发展的内在需求，城市数字化表现在产业发展、城市建设、政府管理、社会治理、公共服务等各个方面。赛迪顾问为探索城市数字化转型特色，总结典型城市数字化转型先进经验，采集全国293个地级市数据。基于我国城市数字化转型的发展现状，通过指标量化分析，对我国数字城市的发展状况进行深入研究，在数字城市建设总体框架的基础上，构建了一套数字城市评价体系，作为我国数字城市建设的指导与参考依据。该评价体系围绕数字经济、数字治理、数字政务、数字民生、数字创新、数字基础等6个方面，包含14个二级指标，34个三级指标，涵盖数字产业发展、社会治理、政务服务、民生服务、数字创新和数字基础等方面内容，以全方位评价城市数字化水平，最终形成数字城市百强榜单。 02 全方位分析数字城市百强特征 01 全国城市数字化水平东高西低从区域分布看，我国数字城市百强主要分布于华东、华中、华南地区，占比达到70%；其中，华东地区占据数字城市百强数量超过30%。注：华东包括上海，江苏，浙江，山东，安徽；华中包括湖北，湖南，河南，江西；华南包括广东，广西，海南，福建；华北包括北京，天津，河北，山西，内蒙古；西南包括四川，重庆，贵州，云南，西藏；东北包括辽宁，吉林，黑龙江；西北包括陕西，甘肃，新疆，青海，宁夏我国城市数字化水平与经济发展水平呈现强相关。数字化转型发展较好的城市多分布于中东部地区经济基础较好的省份，包括江苏、广东、山东、浙江等，其中，江苏、广东、山东三省百强市占比为36%。 02 各细分领域数字化差异化发展当前，我国城市数字化以数字政务、数字基础、数字治理等领域建设为重点，相关领域建设水平较高，但数字民生领域建设能力相对较弱，亟待进一步增强。从百强城市能力比较来看，各细分领域建设能力存在不同程度差距，其中数字创新、数字政务、数字经济差距最为明显。 03 城市数字化水平呈现梯队分布我国城市数字化发展水平与城市经济规模关联性较强，城市数字化能力与城市经济水平大致形成线性分布形态。北京、上海、广州、深圳作为是我国经济发展水平“超一线”城市的代表，在城市数字化发展中处于领先地位。从我国数字城市百强划分来看：单元数字化（60-70.0分，62个）处于该阶段的城市数字化能力集中解决城市信息设施建设、局部单元业务透明度和流程问题；新一代信息技术应用初步展开，数字化对局部业务具有一定的赋能作用。但是，跨部门、跨业务、跨区域协同能力较弱。能力协同（70.1-85.0分，33个）处于该阶段的城市信息基础设施建设方面相对完备，解决了城市主要业务单元信息流转问题，具有一定数据共享基础；新一代信息技术应用比较深入，信息技术对核心业务赋能作用比较突出。整体来看，城市跨部门的业务协同能力已经形成。生态创新（85.1分以上，5个）该阶段内，城市数字化能力覆盖大多数单元，城市建设方面更加侧重于场景化应用的持续创新；信息共享基础较好，新一代信息技术对社会经济发展起到明显的拉动作用。 03 数字城市细分领域分析 01 数字政务各地方政府围绕简政放权、深化放管服改革等方面，不断创新管理手段和服务方式，通过信息化、数字化手段提升便民利企水平，涌现出一批具有地区代表性、创新模式特征的数字政务领域典型城市。数字政务百强城市如下： 02 数字治理我国各地方城市数字化建设已覆盖交通治理、环境保护、城市精细化管理、区域经济等诸多城市治理领域，形成了以“城市大脑”为核心的数字治理新模式。数字治理百强城市如下： 03 数字民生从建设内容来看，城市数字民生领域主要围绕深度挖掘民生数据资源价值、创新数字民生服务产品等方面，满足群众个性化、多样化数字服务需求，涌现出深圳、广州、福州等数字民生领域创新城市。数字民生百强城市如下： 04 数字创新我国数据要素市场化发展背景下，数据要素叠加生态、平台、经济、区域协同、制度创新等多领域新型要素融合发展，城市在体制机制、技术应用等方面不断创新。数字创新百强城市如下： 05 数字基础立足“新基建”，各地方持续围绕推进基础设施数字化、智能化升级，着力推进数据资源的跨区域、跨部门、跨层级流动，深入挖掘数据赋能价值，形成一批数字基础实力强劲的典型城市。数字基础百强城市如下： 04 新阶段我国数字城市发展趋势现阶段，我国经济社会发展面临国内外复杂发展形势的考验，“新基建”叠加后疫情时代下，必然促使城市数字化转型，探究创新发展道路。因此，城市数字化转型需要借助新兴技术，构建以“新基建”为基础的城市“全域数字化体系”，为城市建设发展提供强有力的支撑，创新城市精细化发展新格局。加大新兴技术应用，拓展城市数字场景化应用作为新一代信息技术产业的重要部分，数字城市将随着传感网、区块链、物联网等新兴技术的应用不断创新。城市常态化防疫作为现阶段我国地方城市治理的重要工作，将进一步推进高精度、新型传感器、低成本RFID技术、智能仪器仪表技术等新型感知技术的开发和应用，构建可视化、实时数据传输的城市智能化管理“大脑”，实现城市交通治理、环境保护、城市管理、区域经济等多个领域的精细化管理。城市生态持续完善，数据治理水平将大幅提升未来数字城市发展，需要在现有大数据平台、数据中台的基础上，加大人工智能、物联网的融合力度，不断强化数据治理能力，构建数据采集、数据传输、数据管理、数据清洗、数据应用等全流程管控体系。城市数字化转型，需要完善数据管理、共享等方面的体制机制，实现数据共享开放的价值最大化。同时，需要不断强化城市数字化过程中数据的场景化、类型化融合应用。聚焦城市微单元，助力构建基层精细治理体系我国经济社会发展过程中场景化应用需求越来越明显，以城市“微单元”作为精细化治理切入点，强化数字化、智能化技术手段的基层延伸与应用。聚焦社区、街区、楼宇等城市微单元，基于数字孪生建设模式，通过城市信息化管理系统的功能延伸，及时、全面、准确掌握所管辖区域内的疫情基本态势，实现基层组织的可视化、数字化、智能化管理，有效提升城市微单元应对突发事件的管控能力，增强基层微单元数字化治理能力。城市数字化持续下沉，中小城市面临转型新契机受新冠肺炎疫情的影响，城市数字化发展持续下沉，为中小型城市数字化、智能化发展提供了重要的发展契机。一方面，中小城市需要不断发力数字经济发展，以产业、企业数据要素市场化发展为核心，通过数字化转型来创造新的经济发展模式，构建“城市——区县——园区”的数字化协同发展模式；另一方面，新兴技术的应用不断深入，城市精细化治理趋势越来越明显，城市的宏观决策和街道、社区的微观精细治理以及城市大脑的衍生产品得以沉淀，推动人们的生活观念、生活方式等发生深刻的变革。 ~END~ 免责声明：本文内容由21ic获得授权后发布，版权归原作者所有，本平台仅提供信息存储服务。文章仅代表作者个人观点，不代表本平台立场，如有问题，请联系我们，谢谢！

时间：2020-12-28 关键词：物联网 5G 人工智能
金蝶：数字经济背景下瞭望企业及人力资源变革必然趋势

2020年12月11日，由中国领先的人力资源管理智库HRflag举办的，2021“新旗奖”（NewFlag Awards）人力资源创新大赛暨颁奖典礼在上海盛大举行，金蝶s-HR Cloud荣获“新旗奖”。本次竞赛共吸引了452家领先的人力资源服务商参赛，历时43天进行评选。最终“金蝶s-HR Cloud”凭借产品创新、极具价值的解决方案和品牌影响力荣膺新旗奖。金蝶s-HR Cloud是服务于企业高层决策、服务于各级部门业务开展和服务于全体员工职业发展的企业级云服务。相对于传统人力资源模式存在不规范、信息流通性差、效率低下等问题，金蝶s-HR基于企业人力资源管理模式创新，通过专业的人力资源管理核心平台、社交化的全员自助服务平台以及开放的云端应用，帮助集团企业构筑核心组织能力。目前，各项研究报告表示，包括人力资源服务在内，企业管理及各项数字化转型趋势已成为未来主流发展方向。加强内部管理是企业应对市场环境变化的不二选择。推行数字化建设，通过对大数据、人工智能等技术的融合应用，可以帮助企业实现对传统管理模式的改进与优化，并取得一定的成效。在转型数字化企业管理的道路上，金蝶不局限于人力资源领域。金蝶自1993年始创以来，数十年间砥砺探索云服务市场。面对企业数字化转型之道，金蝶推出EAS Cloud、KIS云等企业管理软件，分别面向大型集团型企业和中小微型企业。以及本次亮点颇多，荣获佳奖的s-HR Cloud，有针对性地面向企业人力资源管理。正如金蝶集团董事会主席兼CEO徐少春所提出的，现世代的企业数字化之途已经迈入后ERP时代。金蝶始终占据云服务技术前沿，破除传统的企业数字化单体架构与思维模式，建立新的产业互联网云生态，有效提升企业业务能力。如今，金蝶已成为企业在数字经济新时代的选择。金蝶用户已超过8000万，超过2000家合作伙伴选择金蝶作为共创共赢的发展平台。

时间：2020-12-25 关键词：云服务大数据人工智能
创新应用！让垃圾分类开发“极快致简”的好物件，零基础的开发小白也能轻松驾驭它！

2019年7月1日，史称“最严格的垃圾分类法”《上海市生活垃圾管理条例》正式开始施行，一夜之间，上海人最常用的见面语从“侬好”，变成了“侬是什么垃圾”？也许我们从来没有想过，看似简单的垃圾分类居然给“聪明”的人类带来如此大的困扰，虽然只有可回收物、有害垃圾、干垃圾和湿垃圾四种分类，但面对现实生活中“丰富多彩”的垃圾，市民们还是被搞得“晕头转向”、“丈二和尚摸不着头脑”。有市民表示，由于要进行垃圾分类，连珍珠奶茶都不敢喝了。喝完后，“侬晓得该怎么分类伐？”面对这样的“世纪难题”，很多网友都“脑洞大开”想到了很多法子来降低垃圾分类的难度。不过，在科技如此发达的今天，用这些方法来进行垃圾分类，未免就太“不潮流”了，为什么就不能试试用如今炙手可热的AI来进行垃圾分类呢？ 1 AI 垃圾分类市场火热实际上，用AI进行垃圾处理并不是一件新鲜的事情，前几年波兰创业公司Bin-e公司开发了一种全新的人工智能垃圾桶，用户只需要在垃圾桶前扫描一下垃圾，舱门便会打开。这个人工智能垃圾桶是通过传感器、摄像头、AI图像识别算法来自动进行垃圾分类，使用起来可以说是很方便了，而且回收公司也可以通过APP来随时检查垃圾桶的剩余空间等。印度尼西亚一家创业公司Gringgo也曾使用谷歌的机器学习平台TensorFlow研发图像识别工具。目标是让环卫工人更好地对垃圾进行分析和分类，并量化它们的价值。无独有偶，硅谷的创业公司Compology就给小区的垃圾箱配备了智能传感器。这些传感器每天会多次拍摄垃圾桶内部的高分辨率照片，并发送图像到云端。这样，垃圾清理公司就能够及时监控信息，优化卡车清运垃圾的路线或时间表，快捷高效地拾取垃圾，从而保证了不同规模小区的垃圾清理效率。今年五月，沃尔沃公司同样宣布与瑞典的Renova公司联手，开始测试自动驾驶垃圾车。除了和普通无人车一样配置激光定位器、雷达、摄像头、红外摄像头等传感系统之外，这种卡车还能够按照设置好的路线，沿途收集垃圾。 2 垃圾分类 AI 开发的背后，暗藏“大坑” 实际上，用AI进行垃圾分类并不像人们想象中的那样简单，它至少需要跨过几个大坑：第一，为了实现垃圾自动分类，首先需要有一个已经分好类别的“垃圾”图像数据集作为训练的基础。如果没有这样一个可以直接使用的数据集，就需要自己动手收集海量的“垃圾”图像并为每张图像标注相应的类别。而数据集的收集以及标注一直都是一件非常耗时耗力的工作。第二，垃圾分类实际上是一个图像识别分类的问题。通常，对于图像识别分类，基于深度卷积神经网络的图像分类算法效果最好，这当中，目前应用比较广泛的AlexNet、VGGNet、ResNet。AlexNet是计算机视觉任务的标配，虽然比较成熟，但由于出现较早，在性能上有些落伍，在AlexNet的基础上，以增加网络深度为思路，出现了VGGNet，但后来居上的ResNet，使得层数极深的网络成为了可能，从而使网络性能得到了大幅提升。当前ResNet及其变种形式已经被广泛地应用于图像分类任务。不过，不论是AlexNet、VGGNet、还是ResNet，部署起来都挺复杂，也不太易于使用。 3 华为云 ModelArts：让垃圾分类开发“极快致简” 不过，好在有华为云ModelArts一站式AI开发平台，拥有强大功能的它能够帮开发者们“极快致简”地越过AI垃圾分类开发的大坑。华为云ModelArts对AI开发中的全流程，包括数据处理、模型训练、模型管理、应用部署等各方面都进行了极致优化，比如目前最耗费“人工”的数据筛选、预标注等。ModelArts内置MindData AI数据框架，以AI的机制来治理数据，用迭代训练来解决标注的数据量问题，可实现数据标注与准备效率的百倍提升。借助ModelArts，不仅资深AI开发者能驾轻就熟的全程在云上进行算法开发和模型训练，零基础的开发小白也能轻松驾驭。事实上，通过算力和计算方案方面的改进，在同样的模型、数据集和同等硬件资源情况下，ModelArts能将模型训练耗时降低一半。今年3月，在国际权威的深度学习模型基准测试平台斯坦福DAWNBenchmark图像识别总训练/推理时间测试中，ModelArts排名世界第一。就垃圾分类场景具体而言，ModelArts能够有效助力垃圾分类AI模型开发。首先是垃圾图片数据集的标注，Modelarts会将数据进行预处理，用AI的数据去标注数据，即自动化标注和半自动化标注。通过对数据采样、筛选和预标注，能够缩减开发者需要标记的数据量，降低开发者工作量。其次是垃圾图像的识别分类。 ModelArt不仅曾获图像识别总训练时间冠军，为了将用户使用门槛降到最低，华为云ModelArts还提供了图像分类项目的视频教程。此外，借助ModelArts，开发者还可将训练好的垃圾分类的AI模型部署为在线服务，验证模型的可用性和准确性，即时对模型进行问题排查。目前，华为云ModelArts不仅能提高AI垃圾分类开发效率，还在上海交通大学的自动驾驶赛车项目、云庐科技的建筑物结构健康度预测、NGO雨林保护计划中得到了广泛的应用。免责声明：本文内容来源于网络，文章版权归原作者所有，意在传播相关技术知识&行业趋势，供大家学习交流，若涉及作品版权问题，请联系删除或授权事宜。 End “物联网百校公益行”，华清携手阿里云加强物联网人才培养！专场招聘 | 这个企业又双叒叕来华清啦【干货分享】状态机思路在嵌入式开发中的应用详解【干货分享】嵌入式裸机编程中使用malloc、free会怎样？关于华清远见华清远见武汉中心位于武汉市洪山区武汉工程大学（武昌校区）科技孵化器11 楼，学生的食宿与活动十分便捷，实验设备、师资力量、教学管理等方面全国一流。武汉中心拥有专业级讲师及资深工程师，师资力量雄厚；拥有国内最先进的人工智能、云/大数据等开发硬件专业实验设备，其中85%以上的实验设备由华清远见自主研发；拥有以人为本的高级班主任老师，科学的教学管理制度。主要课程有嵌入式人工智能、Java大数据开发、Html5全栈开发、Python+人工智能等，并为每一位学员提供专业的就业指导，高薪就业的学员不计其数，做良心教育，做专业教育，做受人尊敬的职业教育。微信搜一搜华清远见武汉中心点分享点点赞点在看免责声明：本文内容由21ic获得授权后发布，版权归原作者所有，本平台仅提供信息存储服务。文章仅代表作者个人观点，不代表本平台立场，如有问题，请联系我们，谢谢！

时间：2020-12-25 关键词： AI 人工智能
“物联网百校公益行”，华清携手阿里云加强物联网人才培养！

随着物联网产业的蓬勃发展，物联网人才需求水涨船高。近日，为帮助高校打造物联网人才教育竞争力，培养高端物联网实战型人才，华清远见携手阿里云联合发起“物联网百校公益行”大型公益活动，将联合上百所重点高校，专门面向高校大学生进行“阿里云物联网行业与技术分享”的专业讲座，预约报名通道即日起全网开启。阿里云智能loT事业部熊健届时，阿里云与华清远见百余位AIoT行业知名专家，资深工程师将带来全新AIoT技术分享及独特视角分析，更有华清远见华东区副总裁带来的最新AIoT行业人才需求分析，为高校AIoT实战人才的培养，提供理论+实训的一体化解决方案。让高校学生对物联网行业的发展有体系化及全局性认识，增加对业内领先技术的落地运用以及项目实施流程的充分了解。同时阿里云技术老师将在实际行业应用及场景案例中引导学生了解并应用物联网相关技术，让应届毕业生做到离就业更进一步，学以致用。华清远见教育集团济南中心校长李鹏随着第三次人工智能浪潮的爆发以及物联网技术的广泛应用，融合AI技术和IoT技术的AIoT已经成为业界公认的未来技术主流形态。AIoT已经成为开启万物智联时代的新“钥匙”。随着物联网产业的蓬勃发展，物联网人才需求水涨船高，与之相对应的是我国物联网人才的稀缺，使得加强物联网专业人才的培养工作成为亟待解决的问题。 2018年教育部印发了《高等学院人工智能创新行动计划》，强调了“优化高校人工智能领域科技创新体系，完善人工智能领域人才培养体系”的重点任务。在此经济、教育背景下，华清远见与阿里云联合策划并发起了此次百校公益演讲行动。目前该活动已有全国近百所重点高校积极响应，并且参与规模仍在继续扩大。五大演讲主题全景式解构AIoT技术的前世今生从2020年12月20日起，“物联网人工智能百校公益行”活动将正式在全国启动。此次公益演讲，采用“专家报告+技术课程+项目演示互动”的形式，围绕AIoT技术的前世今生进行深耕。演讲共涵盖“物联网与人工智能行业分享、一个物联网老兵的成长之路、物联网人才需求分析、HasS积木式智能设备体验、HasS案例互动展示”五大分享主题。既能高屋建瓴，从宏观技术视角掌握全新AIoT技术剖析AIoT技术在各行各业的发展趋势及应用;也能脚踏实地，从大学生职业发展视角分析AIoT行业发展前景，拆解项目案例，实景体验物联网项目案例。 HasS智能设备演示本次活动为纯公益活动，相关平台搭建、技术支持、高校对接均由华清远见与阿里云共同完成。所有希望参加此次演讲的学生请及时关注华清远见官网动态，高校名单将分批次实时更新。产教融合打通物联网人才最后一公里华清远见正积极拥抱AI+产业变化，全面实施创新驱动发展战略，加强人工智能、物联网专业相关课程创新科学设计。作为专注高端IT职业人才培养的特色机构，华清远见依托自身丰富的教育资源与人才储备，致力于打通高校院所培养物联网人才与企业应用间的“最后一公里”，与阿里云联合策划并发起了此次百校公益演讲行动。目前该活动已有全国近百所重点高校积极响应，并且参与规模仍在继续扩大。立足于专业人才培养与独立研发中心的优势，华清远见站得更高，望得更远。一手紧握重点高校资源，一手紧抓全国IT企业用人需求，聚合两手资源，华清远见将不仅着眼前物联网人才短缺问题，更关注行业内物联网实战人才能力的持续提升，与阿里云、百度、ST意法半导体等全球知名企业合作，深入探索高端物联网人才培养的新模式和新思路，开展针对性高端人才培养计划。 End 关于华清远见华清远见武汉中心位于武汉市洪山区武汉工程大学（武昌校区）科技孵化器11 楼，学生的食宿与活动十分便捷，实验设备、师资力量、教学管理等方面全国一流。武汉中心拥有专业级讲师及资深工程师，师资力量雄厚；拥有国内最先进的人工智能、云/大数据等开发硬件专业实验设备，其中85%以上的实验设备由华清远见自主研发；拥有以人为本的高级班主任老师，科学的教学管理制度。主要课程有嵌入式人工智能、Java大数据开发、Html5全栈开发、Python+人工智能等，并为每一位学员提供专业的就业指导，高薪就业的学员不计其数，做良心教育，做专业教育，做受人尊敬的职业教育。微信搜一搜华清远见武汉中心点分享点点赞点在看免责声明：本文内容由21ic获得授权后发布，版权归原作者所有，本平台仅提供信息存储服务。文章仅代表作者个人观点，不代表本平台立场，如有问题，请联系我们，谢谢！

时间：2020-12-25 关键词：物联网人工智能
波士顿动力又被低价卖出，背后有哪些不为人知的故事

编排 | strongerHuang 微信公众号 | 嵌入式专栏早在几天前就有传闻银软将把推荐阅读：精选汇总 | 专栏 | 目录 | 搜索精选汇总 | ARM、Cortex-M 精选汇总 | ST工具、下载编程工具微信公众号『嵌入式专栏』，底部菜单查看更多内容，回复“加群”按规则加入技术交流群。免责声明：本文内容由21ic获得授权后发布，版权归原作者所有，本平台仅提供信息存储服务。文章仅代表作者个人观点，不代表本平台立场，如有问题，请联系我们，谢谢！

时间：2020-12-25 关键词：机器人 AI 人工智能
《智慧灯杆标准化白皮书》发布

本文来源：电子四院等自2018年12月至今，党中央、国务院已多次提出加快新型基础设施建设，对稳投资、稳增长，实现经济高质量发展意义重大。物联网作为官方表述新型基础设施的重要组成部分，经过10多年的发展，其带动、赋能、提升效应已深入影响到我国社会经济生活的方方面面。“让城市更聪明一些、更智慧一些，是推进城市治理体系和治理能力现代化的必由之路，前景广阔。”习近平总书记的讲话为未来城市的发展指明了道路和方向。作为物联网新型基础设施的重要组成部分，智慧灯杆通过深度整合城市各类资源，实现资源的共享、集约和统筹，降低城市建设成本，提升城市运维效率，为城市治理带来多重效益，推动城市的快速发展。随着我国物联网新型基础设施建设的全面推进，智慧灯杆的产业发展步入快车道。本白皮书在分析智慧灯杆发展现状的基础上，重点从国家标准、行业标准、地方标准和团体标准全面梳理智慧灯杆的标准化现状，并对未来标准化工作提出建议。不足之处，望批评指正。以下为《智慧灯杆标准化白皮书》白皮书的部分展示： ~END~ 免责声明：本文内容由21ic获得授权后发布，版权归原作者所有，本平台仅提供信息存储服务。文章仅代表作者个人观点，不代表本平台立场，如有问题，请联系我们，谢谢！

时间：2020-12-25 关键词：物联网人工智能
AI你到底行不行？能找到秃头元凶，却光头&足球傻傻分不清

本文来源：物联网智库一边，腾讯 AI Lab通过自研AI工具揭示了“秃头元凶”；另一边，AI摄像头在足球赛中将边裁的光头错认为足球，观众看了个寂寞。AI你到底行不行？今年9月，百度宣布与人民日报社合作共建人工智能媒体实验室，具体来讲就是利用人工智能技术对新闻素材进行自动解读、加工与纠错，确定需要展示的关键信息。在此之前，微软就已经开始将新闻业务转向AI，并鼓励新闻工作者使用AI帮助其扫描、处理、过滤信息以及图片，并终止了与媒体公司PA Media的合作。 “AI编辑部”的报道一出，各位媒体圈的打工人也是心里一颤，我们每天编辑着“人工智能如何取代人工”的新闻，难道也要发生在自己身上了？近年，人工智能对人类最明目张胆的“挑衅”当属AlphaGo先后击败围棋世界冠军、职业九段棋手李世石与世界围棋冠军柯洁。一战成名后，AI便昂首阔步地进入了大众视野。目前，AI在toB产业端与toC消费端两面开花，取得了不俗的成绩，但“机器大脑”终究还是受制于数据、编程，无法自主思考，导致其在复杂多变的实际生产、生活场景中并不具备随机应变的能力，也引发了不少令人啼笑皆的“事故”。 “真”智能 VS “假”聪明早在AlphaGo之前，人们就已经开始在各行各业中探索人工智能技术的产业应用了，通信技术、物联网等技术的发展更是滋润了AI的落地土壤，使其在商业化落地的淬炼中不断迭代升级，发挥其超强的数据学习能力与分析能力，为产业智能化转型提供了坚实的技术保障。近日，“腾讯AI找到秃头元凶”的消息频频出现在各大科技媒体的头条——腾讯 AI Lab 采用“从头折叠”的蛋白质结构预测方法帮助解析了II型5a还原酶（SRD5A2）晶体结构，并通过自研AI工具“ tFold”有效提升了蛋白质结构预测精度，揭示了治疗脱发和前列腺增生的药物分子“非那雄胺”对于该酶的抑制机制。非医学专业的秃头党可能是一头雾水。首先，我们要搞明白为什么会脱发。脱发起因复杂，主要有感染、内分泌障碍、神经精神因素、皮肤病等，其中雄激素性脱发主要与人体内的二氢睾酮有关，它由SRD5A2催化合成。因此，当患者因为二氢睾酮水平过高而出现脱发问题时，可以通过抑制 SRD5A2 来降低患者二氢睾酮水平。但是，SRD5A2的高分辨率结构信息却十分缺乏，导致SRD5A2催化二氢睾酮合成的机理以及非那雄胺抑制SRD5A2 酶活的机制并不清晰。“模板建模”是当前最普遍的蛋白结构预测手段，但前提是在人类已知的蛋白结构数据库当中，必须存在和预测的蛋白相似的结构，否则就无法使用。而“从头折叠”法则可以不依赖于模板来预测蛋白结构，但精度不高。腾讯 AI Lab 自研的 AI工具“tFold” 正是破解这一难题的关键，它通过多数据来源融合、深度交叉注意力残差网络、模板辅助自由建模三项创新技术实现了蛋白结构预测精度的大幅提升。此外，AI在工业制造、安防、教育等领域也有不俗的表现——“AI 工业大脑”实现工厂内的人机协同、柔性生产；AI监控摄像头通过捕捉徘徊、长时间逗留等可疑行为预警事故；AI+云平台实现教育资源共享、AI+大数据分析为学生提供个性化教学、AI+MR为学生提供身临其境的教学环境…… 面向消费端，AI实时翻译在今年的双11直播中大放异彩，目前支持从中文到英语、俄语、西班牙语的实时翻译；微博原创视频博主@大谷Spitzer利用AI技术将1920年的影像资料重新上色、修复帧率、扩大分辨率，还原了100年前北京晚清的街景…… 博主@大谷Spitzer利用AI修复视频得益于AI远强于人类的数据学习能力与分析能力，解决了工业制造、教育、医疗等领域的诸多痛点，然而，成也萧何败萧何，在工业制造、安防等领域表现优异的AI却在足球场上闹了笑话。近日，在一场苏格兰足球冠军联赛中，主场球队在赛事直播中没有雇佣摄像团队，而是选用了一套名为Pixellot的AI摄像系统，该系统使用内置 AI 追踪技术的摄像头来制作实时高清视频内容。据称，开发团队收集了数十万小时的体育赛事视频，用于对AI算法进行训练，但他们却忘了教AI辨别光头与足球，导致只要是边裁出现在镜头内，AI 就会把边裁的光头误认为是足球，并且“忠心追随”。随后，Pixellot公司表示，在设计阶段没考虑到光头的影响，现在收集一些足球和光头的数据对算法进行微调就可以解决这一问题。但是，AI虽然学习了“秃头”数据，又如何保证下次不会被场边别的“球形物”影响呢？图源：机器之心机器学习 VS 人工学习据外媒报道，大型零售企业沃尔玛将停止运用机器人拣货、查价，原因是“人工处理的效果不亚于机器人”，尤其是疫情影响下，线上订单激增，机器人从接单到分拣、再到包装、出货的时间毫无优势可言。我们所讲的人工智能其实是一个很宽泛的概念，其核心是机器学习与深度学习，但数据提供的参考有限，导致其在面对程序外的干扰项或突发情况时无法自主纠偏、灵活处理。如开篇所讲，人们既期待AI所带来的智能化应用，却又忌惮于被替代，但事实证明，AI目前还没那么智能。首先是学习效率。AI“上岗”前需要学习大量的数据从而训练算法，虽然其学习速度远超于人类，但是需要超大规模的学习样本反复进行强化训练、不断优化认知，综合来看，AI的学习效率与人类相比并无太大的优势。其次是处理速度。对标准模型而言，AI的强大算力拥有碾压式的速度优势，尤其是在工业制造、自动驾驶等低时延场景下，这也是工业AI可以实现工厂无人化运营的主要原因。反之，在复杂多变的应用场景中，AI的处理速度及精准度都会大打折扣。最后是灵活性。AI运行离不开数据、算法、算力三大要素，它们为AI规划出了一套清晰、准确的运行路线，依据交互反馈来执行预先设定的命令。但是在实际生产、生活中仍然存在大量不可控的突发事件，尤其是toC端，以客服机器人与智能音箱为例，用户反馈的命令“千奇百怪”，AI终端就只能回答“对不起，这个问题我还没有学会”。诚然，人工处理问题时的灵活思维与应变能力是AI难以逾越的短板。同时，AI在遇到复杂环境时的检测精度也仍然无法达到无人化的标准，其精度只能随数据规模逐步提升。但是，AI可以辅助人工完成部分基础性工作，但想达到“AI换人”恐怕还需要很长一段时间。写在最后事无绝对，我们也应该秉承着辩证的思维看待包括AI在内的一众新兴科技，它们应该是辅助人类的智能化工具，而不是一味的模仿人类。我们应该合理利用其学习能力、分析能力赋能产业，但现阶段还是不能免除人工监督、干预环节，未来应聚焦提升AI应用的灵活性，丰富前期数据学习阶段的应用场景，综合考虑可能遇到的各类情况，将“人工智障”逐步训练为真正的人工智能。参考资料： 1.《尴尬，AI转播球赛把裁判的光头当成了足球》，机器之心 2.《沃尔玛停止机器人跟踪货物计划》，OFweek物联网 3.《腾讯 AI 医学进展破解“秃头”难题，登 Nature 子刊！》，CSDN ~END~

时间：2020-12-24 关键词： AI 人工智能
人工智能安全框架（2020年）发布！

本文来源：中国信通院CAICT 作为引领新一轮科技革命和产业变革的战略性技术，人工智能正成为世界主要国家推动科技跨越式发展、实现产业优化升级、赢得全球竞争主动权的重要战略抓手。近日，由工业和信息化部网络安全管理局指导，中国信通院联合瑞莱智慧、百度、腾讯、360、中科院信工所共同编制的《人工智能安全框架（2020年）》蓝皮书正式发布。人工智能安全框架是构建人工智能安全技术体系的重要指南，旨在为人工智能相关企业循序渐进提升安全能力、部署安全技术措施提供指导。作为引领新一轮科技革命和产业变革的战略性技术，人工智能正成为世界主要国家推动科技跨越式发展、实现产业优化升级、赢得全球竞争主动权的重要战略抓手。随着全球人工智能规模化建设和应用加速，人工智能基础设施、设计研发以及融合应用面临的安全风险日益凸显。世界主要国家纷纷通过制定人工智能伦理准则、完善法律法规和行业管理等方式开展人工智能安全治理。人工智能安全技术体系是人工智能安全治理的重要组成部分，是落实人工智能伦理规范和法律监管要求的重要支撑，是人工智能产业健康有序发展的重要保障。报告如下：

时间：2020-12-24 关键词： AI 人工智能
物联网白皮书（2020年）发布！

本文来源：中国信通院CAICT 本次文档是中国信息通信研究院第六次发布物联网白皮书，物联网已历经超过十年的发展时期，尤其是近几年，物联网的发展动能不断丰富，市场潜力获得产业界普遍认可，发展速度不断加快，技术和应用创新层出不穷，物联网高速发展已成必然之势。随着物联网被明确定位为我国新型基础设施的重要组成部分，成为支撑数字经济发展的关键基础设施，其面临的碎片化、安全风险、成本高必将成为未来规模化发展的关键难题。本白皮书从用户侧和供给侧出发，分析物联网三大核心问题的需求，总结问题涉及关键环节的发展现状及问题，给出针对性策略建议，希望能够与业内同仁共享成果，共谋发展，共话未来！全球物联网仍保持高速增长。物联网领域扔具备巨大的发展空间，根据GSMA发布的2020年移动经济报告显示，2019年全球物联网总连接数达到120亿，预计到2025年，全球物联网总连接数规模将达到246亿，年复合增长率高达21.4%。我国物联网连接数全球占比高达30%，2019年我国的物联网连接数36.3亿，其中移动物联网连接数占比较大，已从2018年的6.71亿增长到2019年底的10.3亿。到2025年，预计我国物联网连接数将达到80.1亿，年复合增长率14.1%。截止2020年，我国物联网产业规模突破1.7万亿元，十三五期间物联网总体产业规模保持20%的年均增长率。物联网连接数结构将发生改变。消费物联网因受众群众基数大、用户需求相对单一、支撑技术较为成熟、产品种类多样等特点取得先发优势，面向消费者或以消费者为最终用户的物联网应用如智能锁、智能音箱、可穿戴等智能家居产品占据当前大部分连接数。然而，随着物联网加速向各行业渗透，行业的信息化和联网水平不断提升，产业物联网连接数占比将提速，据GSMA预测，产业物联网设备的联网数将在2024年超过消费物联网的设备数。 2019年中国物联网连接数中产业物联网和消费者市场各占一半，预计到2025年，物联网连接数的大部分增长来自产业市场，产业物联网的连接数将占到总体的61.2%。根据不同咨询公司预测数据统计，智慧工业、智慧交通、智慧健康、智慧能源等领域将最有可能成为产业物联网连接数增长最快的领域。以下是《物联网白皮书（2020年）》的PPT展示： ~END~ 免责声明：本文内容由21ic获得授权后发布，版权归原作者所有，本平台仅提供信息存储服务。文章仅代表作者个人观点，不代表本平台立场，如有问题，请联系我们，谢谢！

时间：2020-12-24 关键词：物联网人工智能
智能照明解决方案与传统照明系统有何不同？

如今，传统照明系统已被技术先进的智能照明解决方案所取代，这些解决方案正在逐步改变我们对建筑控制规范的思考方式。近年来，照明行业发生了一些变化，尽管某些变化已经悄然发生，并不一定会在建筑环境之外引起很多轰动，但诸如自动照明控制和自动照明的出现等发展已成为现实。LED 技术已成为主流，极大地改变了照明市场。完全集成到建筑操作系统中的智能照明的出现已证明了进一步积极变革的潜力－这种技术将多种要素结合在一起，提供一站式解决方案，并且与传统照明几乎遥不可及。整合方式传统上，照明被归类为孤立的独立系统，照明已经发展并需要使用开放协议的更加灵活和集成的方法，以促进与其他设备的通信。过去，大多数制造商设计和发布仅与自己的产品和系统进行通信的封闭系统。值得庆幸的是，这种趋势似乎已经逆转了，开放协议已成为常规要求，从而为最终用户带来了成本、效率和体验的改善。整合思维始于规范阶段－传统上，机械规范和电气规范是分开考虑的，真正的智能建筑模糊了这两个元素之间的界限，迫使采取“包罗万象”的方法。当被视为一个整体时，一个完全集成的照明系统可以做更多的事情，从而允许最终用户通过使用照明 PIR 传感器控制其他元素来完全控制其建筑物资产。传感器 PIR 传感器可能与照明控制和安全性相关联，但这些相同的传感器可用于控制加热、冷却、出入、百叶窗等等，反馈有关温度、湿度、CO2 的信息并跟踪运动以帮助确定占用水平。最终用户通过 BACnet 或类似的通信协议链接到建筑物操作系统后，便可以使用智能仪表板，向他们提供所需的信息，以降低与能源浪费相关的过高成本。这些多功能传感器具有成本效益和前瞻性，易于配置，可随着业务的扩展或布局的变化而增加。数据是解锁一些最新的尖端智能建筑应用的关键，而传感器在使现代客房预订系统，寻路程序和其他高端“智能”应用按预期运行中起着不可或缺的作用。 PoE 一些最有效的开放协议系统使用基于以太网供电或基于 PoE 的照明控制来最大程度地节省费用并节省时间。PoE 可能不适用于每个项目，但与传统的照明配置相比，它确实具有许多明显的优势。简而言之，PoE 使用有线以太网络通过一条电缆（通常为 5e 类）传输电源和数据，并且在涉及照明的情况下，这意味着消除了交流到直流电源的转换，从而提高了整体效率。由于具有超低电压和即插即用的特性，PoE 安装和维护成本通常比传统系统要低，因为不需要雇用熟练的劳动力。由于 PoE 减少了对铜质电源电缆，大型配电板和天花板空洞中大量垂直基础设施的需求，因此还应考虑减少材料成本。将所有这些元素加在一起，最终用户可能希望比传统照明系统节省 25％到 30％的费用，从而降低每层楼的平均瓦数，并有可能提高建筑物的 BREEAM 等级。应急照明每月对应急照明进行测试可能是一个费力的过程，尤其是在大型商业建筑中。尽管我们都认识到它在确保居住者安全方面的重要性，但是在激活后手动检查单个灯具的过程既耗时又浪费资源。安装了智能照明系统后，应急测试将变得完全自动化，从而消除了手动检查的麻烦，并减少了出错的风险。各个照明设备可以报告其自身状态以及光输出水平，并且可以连续进行报告，以便可以在故障发生后立即定位并解决故障，而不必等待下一次计划测试中的故障发生。二氧化碳监测如上文所述，CO2 传感器可以集成到照明传感器中，以帮助建筑物操作系统将水平保持在特定设定值以下，并在必要时通过向室内空间引入新鲜空气来最终改善空气质量。欧洲供暖、通风和空调协会联合会（简称 REHVA）一直致力于引起人们对空气质量差带来的负面影响的关注，并发表了一些论文，暗示了哮喘、心脏病，建筑物中空气质量差会加剧过敏和许多次要的健康问题。尽管还需要进行更多的研究，但目前的证据似乎表明，至少室内空气质量差会降低工作场所以及学校和学生的工作学习效率。生产率对员工生产力的类似研究表明，照明设计和智能照明系统还可以提高建筑人员的健康水平，提高能源水平，提高警觉性并提高整体生产力。集成的智能照明系统可用于更好地模仿自然光，有助于维持我们的自然昼夜节律。这通常被称为以人为中心的照明（HCL），并将建筑居民置于照明设计的核心位置，以确保工作场所在视觉上尽可能地刺激人。随着人们对员工福祉和生产力的更多关注，与其他建筑服务完全同步并且可以与现有设备进行通信的照明系统对于建筑业主和运营商而言是一项有吸引力的长期建议。下一代智能照明随着顾问，规范人员和最终用户认识到采用更全面的电气和机械规范方法所带来的好处，向日益集成的建筑环境的过渡正在顺利进行。与传统系统相比，集成到建筑物操作系统中的智能照明系统不仅提供了无与伦比的灵活性和效率，而且还可以将众多设备整合在一起，以提供高水平的可视性和控制力。用户可配置的智能传感器意味着照明系统现在几乎可以通过建筑物操作系统来提供所有建筑物服务，从而节省了成本并在单个包装中提供了最高水平的复杂性。更智能的照明不仅仅是 LED 和基本控件，还需要对我们的照明系统提出更多要求，并发掘智能集成的潜力。来源：OFweek维科号照明观察家免责声明：本文内容由21ic获得授权后发布，版权归原作者所有，本平台仅提供信息存储服务。文章仅代表作者个人观点，不代表本平台立场，如有问题，请联系我们，谢谢！

时间：2020-12-24 关键词： LED 人工智能
LED广告机融合需求打造生态圈

作为数字标牌应用的新形态，LED广告机曾是数字化营销的典型工具。不过，如今，在大屏显示产品的强势渗透下，市场对其关注度已经大幅降低，当然，这仅仅是停留在营销层面，在实际应用层面，LED广告机依然维持着强劲的增长态势，特别是在智慧城市建设白热化的当下。　　实际上，LED广告机应用市场能够持续火爆，是由LED广告机的本身属性所决定的。智能应用使得LED广告机脱胎于传统的数字化营销理念，尤其是LED广告机对公共场所的复杂环境有着较强的适应能力，不仅仅包括室内环境，还有需求日益提升的户外应用市场，并有壁挂、立式等多种款式，用户可以因地制宜，方便灵活，在较大程度上满足广告主无处不在的营销需求。　　然而在智慧市场，也给LED广告机的演进带来新的可能，智能化、专业化、信息化的融合也让LED广告机厂家成为主导市场需求的所在。与此同时，LED广告机还是当下新型的媒体设备，同时也掀起了一次户外广告的新风尚，尤其是在深圳这些一线城市，LED广告机市场的户外媒体新使命，更成当下焦点。　　尽管如此，当下LED广告机厂家所面临的发展问题还是值得深思的，位置布局，内容布局，互动性、趣味性布局都已成为当下制约LED广告机发展的问题。然而，功能增加、市场需求增加、应用领域扩张等的市场因素，也为LED广告机的布局之路带来的更大的推动性。　　由此可以看出，如何依靠专业化、独特性和可延伸性等特性在智慧城市建设中打造自身发展优势，是当下LED广告机厂家接下来该面对问题，但是值得肯定的是具有突破性创意的、符合当下智慧需求的、全新形式的LED广告机终端将始终受到市场的青睐。来源：OFweek维科号北街免责声明：本文内容由21ic获得授权后发布，版权归原作者所有，本平台仅提供信息存储服务。文章仅代表作者个人观点，不代表本平台立场，如有问题，请联系我们，谢谢！

时间：2020-12-23 关键词： LED 人工智能
安森美半导体全系列智能感知方案推动AI发展

点击蓝字关注我们文章来源：电子技术设计作者：廖均智能感知技术在汽车、机器视觉和边缘人工智能等领域的应用越来越多。汽车是非常传统的行业，最近几年，电力化和智能化的发展为这个行业带来了新的动力，各种感知产品的应用使汽车变得更安全、更舒适。机器视觉同样是一个历史很悠久的行业，其应用广泛且多样化，涵盖了包括电子制造、平板检测、机器人、物流等在内的多个细分市场。目前，中国已成为全球机器视觉市场增长最快的国家。边缘人工智能是新兴市场，主要是由人工智能、5G、IoT等新技术推动，发展非常迅速。图1：感知技术应用于汽车、机器视觉和边缘人工智能等领域。安森美半导体近日举办了“智能感知策略及方案”在线媒体交流会，智能感知部全球市场及应用工程副总裁易继辉分析了重点应用市场的需求和趋势，介绍了安森美半导体最新的智能感知发展策略，以及全方位智能感知技术和方案。图2：安森美半导体智能感知部全球市场及应用工程副总裁易继辉。 CMOS图像传感器的发明者安森美半导体在成像传感器行业有超过40年的历史，在传感技术方面经历了多次并购，如Cypress的CMOS 图像传感技术、TRUESENSE的CCD图像传感技术，以及Aptina的高容量CMOS 和汽车图像传感器。 TRUESENSE的前身是柯达影像，柯达影像的核心技术来源于贝尔实验室CCD影像。Aptina的前身是美国航天宇航局JPL喷气式推动器实验室。1993年，JPL为了阿波罗登月开发出全球首款CMOS图像传感器。27年过去了，CMOS图像传感器已得到广泛应用。从三年前开始，安森美半导体又陆续收购了IBM在以色列的毫米波雷达研发中心，以及专注于飞行时间(ToF)激光雷达传感器开发的爱尔兰SensL公司，以满足汽车自动驾驶、机器人、医疗成像等对LiDAR及传感器融合的需求。图3：安森美半导体是CMOS图像传感器的发明者。随着第四代工业革命的到来，人工智能对人类社会产生了巨大的影响。斯坦福大学人工智能专家、被人尊称为“人工智能之父”的Andrew Ng认为人工智能是新的电力，如同第二次工业革命电力一样，给整个人类带来了深入的改变；数据是人工智能的动力和发动机；感知是数据的燃料。 “安森美半导体的全系列智能感知方案包括图像感知、多光谱、高光谱的感知，以及激光雷达感知、毫米波雷达感知和传感器融合等，这一切推动了AI和第四次工业革命的进步，”易继辉说：“如果把人工智能比作大脑，那么我们就为大脑提供了眼睛。” 图4：安森美半导体的全系列智能感知方案。汽车感知爆发式成长未来的汽车是一个架在四个轮子上、具有极强感知能力的计算机。ADAS摄像头、倒车摄像头、电子车镜、驾驶员监控、乘务员监控、毫米波雷达和激光雷达，现在最好的汽车感知系统已经远远超过了人类的感知能力。 “汽车成像是给人眼看的，如驾驶员、乘客、后视、环视、电子后视镜，安森美半导体在全球占>60%的市场份额；汽车感知是供人工智能和机器视觉用的，安森美半导体占全球>80%的市场份额，而且在逐年扩大。” 易继辉介绍说，在人眼视觉中，图像是为人眼所见并欣赏的，因此通常需要做到清晰、细致、色彩丰富且美观；而在机器视觉中，图像需提供足够的信息，例如边缘、形状、大小等，供算法读取并理解。汽车成像主要面临三大挑战：一是宽动态，例如从灰暗的地库开到正对太阳强光的户外，夜晚在对向远光大灯照射下感知树荫下的行人，这些都需要图像传感器具有高动态范围。二是环境条件，汽车应该能在东北零下几十度的环境下行驶，也能在沙漠或者南方的高温条件下驾驶。三是对图像传感器来说十分独特的挑战：辨别LED指示牌和交通灯。图像传感器有时会因为频率不同步而捕捉不到信号，这对于驾驶员人眼来说并不是问题，但对机器视觉却是很大的挑战。图5：汽车成像面临三大挑战。随着车联网的发展，未来的自动驾驶汽车不仅是“可靠的汽车”，更是“可信的汽车”，具有功能安全性和网络安全性。“Hayabusa是整个市场具有最高宽动态效果和第一款具有网络安全功能的产品，最近已经上市。”易继辉说。易继辉提到智能驾驶舱也越来越受重视，例如驾驶员识别、车椅位置调节、空调温度、乘客监控等。图6：智能驾驶舱可进行驾驶员识别、车椅位置调节、空调温度和乘客监控等。在谈到自动驾驶时，易继辉形象地介绍了L0~L5的概念。他说，L1叫做脱脚（feet off），脚可以自由；L2是脱手（hands off），手可以放开驾驶方向盘；L3是eyes off，驾驶员的眼睛可以不看了；第四级是mind off，脑子不用想了；第五级叫做limit off，即没有任何局限、可以在任何场景下自动驾驶了。图7：中国汽车驾驶自动化分级的智能感知配置。 “从L1到L5，传感器的数量和种类不断增加。最大的差别在L3和L4，L4必须要激光雷达，对L3，激光雷达是可选的。”易继辉认为，“L3仍然需要驾驶员控制汽车，L4则完全不需要考虑驾驶员。L3就像加减法，L4是微积分：加减法永远算不出极限值，只有微积分才能算出极限值，所以只有在L4的情况下才能涵盖所有极限情况。” 图8：安森美半导体汽车感知+视觉的总体方案。毫米波雷达在L1~ L5的不同自动驾驶级别上有不同的应用。安森美半导体开发了一种叫做“MIMO+”的专利技术，能够提供4D信息：距离(R)、速度(V)、角度(A)、高度(E)，用于L3级的自动驾驶。图9：毫米波雷达技术在自动驾驶中的应用。工业机器视觉和边缘人工智能应用工业4.0、工业自动化、人工智能使机器视觉市场快速发展。边缘人工智能不断应用于一些新的领域，如新零售、智慧农业、畜牧业和农业。 “在新冠后疫情时期出现了一些趋势：一是远程化，远程教学、远程医疗越来越普遍；二是无人化，包括无人送货车、无人商店等，减少了人和人之间的接触，即无接触化。”易继辉说。图10：工业机器视觉及边缘人工智能市场增长。易继辉介绍，平板检测是整个工业机器视觉行业中对图像传感器最具挑战性的应用。从1K、2K、4K到8K，像素在逐渐扩大。检测过程分两步：第一步是暗检测，上电前主要检测一些指纹、划痕和其他物理问题；第二步是上电以后，特别是检测OLED和最新的AMOLED（Active Matrix OLED）。 LED有一个亮板在后面作为发光源，而OLED和AMOLED的每个像素都是一个单独发光源。像素和像素之间发光的强度和色彩的均匀度需要很准确地侦测出来，因而对图像传感器的要求很高。过去检测LED面板上的1颗像素，对应需要9颗像素(3×3)，检测OLED则需要16颗(4×4)甚至25颗(5×5)像素，因此对图像传感器的像素要求越来越高，从4,500万到1.5亿像素，甚至超过2亿像素。图11：平板检测对图像传感器要求很高。从下图可以看出，图像传感器的分辨率逐年提升，从过去的200万、500万、800万、1200万像素，到现在超过2000万像素。对于同样尺寸的图像传感器，噪声导数逐年随着像素的增大而不断提高。带宽也在逐年增加。易继辉举例说，一个29 × 29mm2 的标准工业用摄像头，十年前可能只是200万像素，后来逐渐增加到300万、500万、1200万像素，今年已经达到了1600万像素，这是由技术推动的。这些技术包括：全局快门，在高速运动下图像不会有拖影；像素内图像校正，以前是在系统里通过软件校正，现在直接在硬件里，即像素内部做图像校正；工艺节点，从110纳米到65纳米，再到45纳米甚至更小，成本、尺寸、耗电量逐年下降；背照式，可提高感光能力；堆栈架构，将模拟和数字信号放在第二层，人工智能的一些算法放在第三层，实现高智能化的图像传感器。图12：1.3英寸固定尺寸图像传感器的发展。 “我们用NVIDIA Xavier Edge GPU做人工智能训练，精度可达97%，其中AR1335（1300万）图像传感器可提供了高质量的图像，提高了人工智能的判断精度。”易继辉表示，“我们的目标是在工业机器视觉中利用人工智能。” 图13：采用AR1335图像传感器的水果新鲜度分类系统。无接触系统的成长潜力也非常大。安森美半导体的AR0230 HDR具有200万像素及宽动态范围，能提供很好的图像质量，进而提高人工智能的判断精度，应用于无接触付款以及飞机场、火车站、高铁站等无接触的通过闸口。图14：人脸识别付款应用（AR0230 HDR）。结语从第一次工业革命机械化到第二次工业革命电力化，到第三次工业革命计算机数字化，再到现在的第四代工业革命人工智能化、信息化，人工智能对人类社会的影响和改变远远超过计算机数字工业革命。如果把人工智能比作大脑，感知就相当于眼睛。安森美半导体提供了全面的感知技术，如图像感知，多光谱、高光谱的感知，激光雷达感知、毫米波雷达感知和传感器融合等，所有这些技术都推动着人工智能和第四次工业革命的进步。点击阅读原文，了解更多免责声明：本文内容由21ic获得授权后发布，版权归原作者所有，本平台仅提供信息存储服务。文章仅代表作者个人观点，不代表本平台立场，如有问题，请联系我们，谢谢！

时间：2020-12-21 关键词：机器视觉 AI 人工智能
《智能体白皮书2020》：共建全场景智慧

本文来源：数据观根据IDC的研究，到2025年，全球由数字化产品和服务驱动的数字经济的占比将达到58.2%，数字化产品和服务将成为主流，全场景智慧将加速人类进入数字化时代。新的科技革命与产业变革已在全球展开，新“智能+”时代正在到来。 IDC、中国信息化百人会、中国信息通信研究院、中国人工智能产业发展联盟与华为联合编撰的《智能体白皮书》指出，在第四次工业革命爆发前的历史拐点，“智能体”的新理念将推动城市、行业、企业在智能升级中合理运用这一参考架构，从而加快整个社会的高质量发展。白皮书显示，在智慧社会，数据作为重要的生产要素，需要通过“任意对象和信息的数字化”“任意信息的普遍联接”以及“海量信息的存储和计算”的关键共性数字基础设施，把数据资源变成“智源”，才能有力支撑各行各业的数字化转型走向智能升级，重构体验、优化流程和使能创新。这需要多种ICT关键技术形成一体化协同发展，以智能交互为感知系统、以高速联接为神经传导系统、以云上部署的AI为中枢系统，形成具备立体感知、全域协同、精确判断和持续进化的、开放的智能系统，成为一个类似人的智能体。智能体把联接、计算、云、AI、行业应用一体化协同发展，形成开放兼容、稳定成熟的基础支撑技术体系，是智能升级的参考架构。根据不同的需求提供场景化解决方案，帮助企业客户实现商业成功，帮助政府实现兴业、惠民、善政。同时，白皮书强调，智能体建设是一项系统性工程，需要进行体系化规划和长期投入，多数项目需要3-5年甚至更长时间才能取得显著成果。经过对大量行业及企业数字化转型实践的分析，业界已经积累了一套具有通用性、普适性的实施框架，包含咨询、规划、实施、运维、持续运营、配套生态体系建设等多个模块。以及，从先建联接，再优化，最后到智能的三阶段实施路径。如需获取《智能体白皮书2020》完整版，在本公众号后台回复关键字“智能体”，免费获取。白皮书部分展示如下： ~END~

时间：2020-12-21 关键词： AI 人工智能
人工智能再次大放异彩！索尼做菜AI 应运而生

人工智能(Artificial Intelligence)，英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，可以设想，未来人工智能带来的科技产品，将会是人类智慧的“容器”。人工智能可以对人的意识、思维的信息过程的模拟。人工智能不是人的智能，但能像人那样思考、也可能超过人的智能。人工智能是一门极富挑战性的科学，从事这项工作的人必须懂得计算机知识，心理学和哲学。人工智能是包括十分广泛的科学，它由不同的领域组成，如机器学习，计算机视觉等等，总的说来，人工智能研究的一个主要目标是使机器能够胜任一些通常需要人类智能才能完成的复杂工作。但不同的时代、不同的人对这种“复杂工作”的理解是不同的。 2017年12月，人工智能入选“2017年度中国媒体十大流行语”。提到人工智能，机器人、智能汽车、智慧交通是很多人首先想到的应用领域。调研发现，这些领域人工智能的商用化进程的确很快，并且业内企业正在以惊人的速度成长着。人工智能的快速发展不仅体现在机器人、智能汽车等“高精尖”领域，更为重要的是，它正在与多个稀松平常的传统行业融合。我们日常生活中的许多场景，正在被人工智能改变，比如食堂、超市、服装店等等。近日，索尼 AI 官方正式发布了 “美食旗舰”项目，将利用人工智能来创造菜谱、打造与厨师协作的做菜机器人。据了解，索尼 AI 事业部于 2019 年 11 月成立，2020 年 4 月独立成为一家新公司。根据官方描述，索尼 AI 将利用各种数据源——包括配方和食材的数据，如口味、香气、味道、分子结构、营养成分等——来开发一款菜谱创作 App，该 App 将由专有的 AI 算法驱动，协助世界顶级水平的厨师进行食材搭配、食谱设计和菜单创建的创意过程。索尼 AI 还同时发布了 “厨师访谈系列”，将打造一个美食创作的社群。索尼 AI 通过在线访谈共采访了 18 位厨师和美食专家，了解他们的灵感来源、菜单创作背后的创意过程、技术运用、对可持续发展的看法以及其他对于美食行业发展的重要趋势。同时，在我们国内一批优秀的人工智能企业正在飞速发展。在业内人士眼中，人工智能没有产能和市场的极限，随着与传统行业的加速融合，人工智能能够重塑所有传统行业。人工智能产业必须与行业不断融合才能取得发展，现在的问题是如何开拓更多的人工智能应用场景。应用场景丰富了，与行业融合的程度加深了，人工智能的市场就扩大了。从这个层面来讲，人工智能产业能够重塑所有传统行业，并且没有市场规模的极限或者产能极限。

时间：2020-12-18 关键词：美食 AI智能人工智能
推动人工智能迈向认知智能时代，中科院计算所率先提出全球首款图神经网络加速芯片设计

近日，《中国计算机学会通讯》(CCCF)刊发了中科院计算所特别研究助理严明玉博士、研究员范东睿以及研究员叶笑春共同撰写的综述文章《图神经网络加速芯片：人工智能“认知智能”阶段起飞的推进剂》。文章披露，为更好地支持认知智能的发展，该团队提出了国际首款图神经网络加速芯片设计 HyGCN。目前，介绍该芯片设计的相关论文已先后在计算机体系结构国际顶级会议MICRO和HPCA上发表。 “HyGCN，寓意向图神经网络的加速说‘Hi’。”严明玉介绍道，图神经网络将深度学习算法和图计算算法相融合，取长补短，能达到更优的认知与问题处理等能力，在搜索、推荐、风险控制等重要领域有着广泛应用。现有的处理器芯片在执行图神经网络的计算中效率低下，其团队前瞻性地展开面向图神经网络的加速芯片设计，为解决这一难题提供了可行方案。让机器“能理解、会思考” 图神经网络被认为是推动认知智能发展强有力的推理方法，有望解决深度学习无法处理的关系推理、可解释性等一系列问题，让机器“能理解、会思考”。2019年后，图神经网络逐渐成为各人工智能顶级会议的“热词”和研究热点，众多全球顶尖科技企业也已将图神经网络部署于数据中心中。 “作为近年来新兴的一种智能算法，图神经网络不仅在学术界被高度重视，也已然成为近年来工业界非常重要的应用之一。”严明玉介绍说，图神经网络能够备受学术界和工业界的青睐，归功于其强大的数据和知识理解能力，以及关系推理能力。由于图神经网络在图数据处理方面的特殊性，传统用于加速神经网络的芯片难以直接对图神经网络的执行提供高效计算支撑。严明玉解释，以图数据为输入，融合了深度学习算法和图计算算法的图神经网络具有与传统神经网络不一样的执行行为，即“混合执行行为”。具体而言，规则执行行为和不规则执行行为共存于图神经网络中。“混合执行行为”对现有的处理器结构带来了巨大的挑战，比如，GPU在应对不规则执行行为时极为低效。认知智能起飞的“推进剂” “为了应对图神经网络的混合执行行为，我们设计了新的处理器结构，以更高效地加速图神经网络的执行。”严明玉介绍说，HyGCN 芯片基于混合结构设计思想，分别为图神经网络的两个主要执行阶段——图遍历阶段和神经网络变换阶段设计相应的加速引擎，并流水两个引擎的执行。研究团队的实践证明，HyGCN芯片设计，能够有效应对图神经网络图遍历阶段的不规则性，并能利用神经网络变换阶段的规则性提高执行效率。 “图神经网络加速芯片有望成为AI‘认知智能’阶段起飞的推进剂。我们基于12nm工艺，对HyGCN的芯片设计的核心部件在主流的图神经网络模型和图测试数据集上进行了初步的评估。”严明玉介绍说，相对于运行在Intel至强服务器CPU和英伟达V100 GPU的先进图神经网络软件框架，HyGCN分别取得了数万倍和60余倍的能效提升。在“无人区”加快布局近年来，中科院计算所围绕云计算、芯片、互联网、人工智能等前沿IT领域开展研创产协同创新，完善我国在端、网、云的计算基础设施布局，并鼓励通过技术转移体现科研人员和科技成果的价值。从感知智能到认知智能，对人工智能技术的探索正挺向纵深。以中科院计算所为代表的中科院科研机构积极作为，大力推动科技创新，特别在以5G、人工智能、大数据等为代表的智能科技的发展方面，坚持面向世界科技前沿、面向国民经济主战场，不断向科学技术广度和深度进军，加快解决制约科技创新发展的关键问题。 “图神经网络加速芯片目前在国际上还是‘无人区’，研究成果发表后得到了业界认可。”严明玉表示，目前中科院计算所正加快对HyGCN科技成果进行孵化，提升关键核心技术能力，推动各行各业从信息化向智慧化升级。应用空间巨大图神经网络的潜在应用非常多。严明玉举例，在日常交通预测、网约车调度、运动检测等场景，在助力科研的知识推理、EDA工程、化学研究、宇宙发现等领域，以及在知识图谱、视觉推理、自然语言处理中的多跳推理等学科发展方向上，都有极大应用空间。在工业界，图神经网络也已经有了落地应用。比如，谷歌地图的ETA评估、图片社交网站Pinterest的内容推荐、阿里巴巴的风控和推荐、腾讯等公司的视觉和风控等业务中都有图神经网络的影子。由于图神经网络具有推理能力，认知智能还可以帮助机器跨越模态理解数据，学习到接近人脑认知的一般表达，从而获得类似于人脑的多模感知能力，进而有望带来颠覆性的产业价值。 Allied Market Research 发布的机器学习芯片市场报告显示，2022年机器学习芯片市场规模预计将达到 827.2 亿美元。图神经网络加速芯片有望在接下来3年内与现有的神经网络芯片共生，甚至在5年后替换大部分的神经网络学习芯片，成为主流的机器学习芯片，可能将产生300亿美元以上的市场规模。

时间：2020-12-17 关键词：芯片中科院人工智能
传感器更智能：人工智能革新健身追踪

· 全球首款用于可穿戴和可听设备的自学习型人工智能传感器 · 独特的自学习和个性化功能，使用户能够通过定制化健身活动轻松训练设备 · 一体化解决方案不仅降低了开发时间、成本和复杂性，最重要的是，还通过自动追踪降低了功耗 · 终端人工智能无需云连接，可降低延迟且提高隐私性无论是蹲起、仰卧起坐或是甩动壶铃：如今健身运动的种类几乎层出不穷。然而，由于用户的运动风格、设备性能、身高和体力各不相同，许多健身追踪器或智能腕表只能提供非常有限的活动追踪，而且不能可靠地识别活动。为解决这些问题，Bosch Sensortec开发出一款革命性的自学习运动传感器，将人工智能添加至便携式设备——BHI260AP自学习人工智能传感器。该传感器使可穿戴和耳穿戴设备制造商能够通过传感器中的自学习人工智能软件，提供高度个性化的健身追踪。它能识别和适应各种动作，并学习任何基于重复、循环动作的新健身活动。因此，用户既是培训人员，也是学员。 “自学习人工智能传感器将改变用户与健身设备的互动方式，从单纯的单向方式转变为互动的训练方式。”Bosch Sensortec首席执行官Stefan Finkbeiner博士说，“这种新型传感器结合了Bosch Sensortec在智能运动传感器方面的长期经验，以及我们在创新软件开发领域的强大能力。” 一款软件，四项功能自学习人工智能软件已搭载一套十五种以上的标准预学习健身活动，使用前无需训练。此外，它还提供学习、个性化、自动追踪和增强四个产品功能。学习模式为用户提供额外选项，可以添加之前不支持的新健身活动，使用户可以根据个人需求定制设备。个性化功能使用户能够根据自己的个人风格调整现有的、预先学习的活动，提高卡路里计算和活动分析的准确性。通过自动追踪功能，用户可以自动追踪健身活动，无需任何人工干预，并能够随时间推移借助活动类型和计数分析运动强度，对于耐力和力量训练均适用。最后，制造商可以添加新的健身活动，而不必修改软件，同时无需原始数据集。这些新的可转移练习可由教练或明星运动员提供，用户借此能够与他人进行对比，向专家学习或与好友相互切磋。这可增强设备的感知价值，切实帮助厂商实现差异化。由于人工智能在传感器内部运行，即终端人工智能，因此无需连接到云端，甚至无需智能手机。这样可以保持数据的私密性，既能够持续追踪和分析活动，又无需连接互联网或与手机绑定。终端人工智能还可最大限度降低延迟和功耗，这意味着用户可以在设备上获得快速、实时的反馈并延长充电间隔。具多种软件选择的一体化解决方案全新传感器以集成系统级封装(SiP)解决方案的方式提供给制造商，其中包括硬件、软件和嵌入式人工智能，由此可降低开发时间和成本，缩短上市时间。除了自学习人工智能软件，Bosch Sensortec还为BHI260AP提供了多种软件解决方案。可穿戴设备制造商只需将所需软件加载到传感器上，即可实现针对特定用例的解决方案，包括方向追踪、位置追踪(PDR)和游泳。该传感器可识别四种不同的游泳方式：蝶泳、仰泳、蛙泳和自由泳。由于BHI260AP是一款完全可编程传感器，厂家可以根据用户情况，自行构建定制化软件并嵌入到BHI260AP中，或者上传定制化解决方案。为了保护这些定制化解决方案，防止未经授权的使用，智能可编程传感器提供数字签名。为了让基于人工智能的可穿戴解决方案的开发更加容易，Bosch Sensortec在提供开发板的同时还提供BHI260AP扩展子板，可通过低能耗蓝牙(BLE)与智能手机进行无线连接。推出时间 BHI260AP自学习人工智能传感器及相应的拓展子板于Bosch Sensortec经销商处有售。不同的软件包可于Bosch Sensortec网站下载。

时间：2020-12-17 关键词：传感器健身追踪人工智能