大数据 - 21ic中国电子网

当前位置：首页 > 大数据

浅谈大数据中的linux

程序员都知道Java的方向是JavaSE，JavaEE和JavaME。在学习大数据时应该学习哪个方向? 您需要做的就是学习JavaSE的标准Java版本。像Servlet一样，JSP，Tomcat，Struts，Spring，Hibernate和Mybatis都是面向JavaEE的技术。大数据技术中使用的很少，得到它。当然，您仍然需要知道Java如何连接到数据库，例如JDBC，你得知道。有同学说Hibernate或Mybites也能连接数据库啊，为什么不学习一下，我这里不是说学这些不好，而是说学这些可能会用你很多时间，到最后工作中也不常用，我还没看到谁做大数据处理用到这两个东西的，当然你的精力很充足的话，可以学学Hibernate或Mybites的原理，不要只学API，这样可以增加你对Java操作数据库的理解，因为这两个技术的核心就是Java的反射加上JDBC的各种使用。运维学习需要分为四个阶段： ①linux初级入门 ②linux中级进阶 ③linux高级提升 ④资深方向细化。第一阶段：初级入门 Linux基础知识、基本命令(起源、组成、常用命令如cp、ls、file、mkdir等常见操作命令) Linux用户及权限基础 Linux系统进程管理进阶 Linux高效文本、文件处理命令(vim、grep、sed、awk、find等命令) 第二阶段：中级进阶(基础运维) 中级进阶需要在充分了解linux原理和基础知识之后，对上层的应用和服务进行深入学习。 TCP/IP网络基础(差不多CCNA、NP的知识就够用) Linux企业常用服务(如dns、http、ftp、mail、nfs等) Linux企业级安全原理和防范技巧(系统性能/安全、安全威胁模型和保护方法加密/解密原理及数据安全、系统服务访问控制及服务安全基础 iptables安全策略构建 shell脚本进阶(主要是结合一些应用，写一些案例) MySQL应用原理及管理入门(能管理和搭建一个个人博客站点) . 第三阶段：高级运维 http服务代理缓存加速(其中主要学习varnish、nginx缓存系统，要对CDN的知识有所了解。) 企业级负载集群(其中主要学习nginx、haproxy、lvs要对主要知识熟练掌握，对负载均衡算法有清晰认识，) 企业级高可用集群 (其中需要对keepalived，heartbeat等进行深入讲解) 运维监控zabbix详解(主要是zabbix、cacti、nagios等监控系统，现在用的比较多的是zabbix) 运维自动化学习(需要学一些开源运维自动化工具的使用如ansible、puppet、cobbler等运维自动化工具) 第四阶段：资深方向大数据方向(需要对hadoop、storm等常见开源大数据系统需要深入了解)云计算方向(主要是openstack这套东西，当然像一些kvm等虚拟化技术，也是需要掌握的，现在docker也比较流行) 运维开发(主要是python运维开发) 自动化运维(在之前自动化基础上做深入) 运维架构师(主要需要广度，差不多5年左右以上经验，可以担当此职位)

时间：2020-08-11 关键词： Linux 大数据 java
大数据驱动移动APP经济时代降临成通往物联网的门户

　　美国移动APP行业协会（The App AssociaTIon，简称ACT）发布了关于APP经济的第五份年度报告，并揭示了两年间在美国提供了大约11万个相关工作岗位。而在未来，随着移动应用程序从云端接收和发送关键数据的增长，大数据将驱动APP经济的发展。同时报告还指出APP经济在美国有超过1430亿美元的市场，83%的APP开发公司位于硅谷以外，还强调APP将成为通往物联网门户。　　　　APP生态　　报告指出，推动未来APP经济发展的趋势是大数据。2016年是APP生态系统的过渡时期，应用程序商店依然是人们获取应用程序的主要位置，但是应用程序的强大功能几乎完全转移到了云端，以及位于那里的大型数据存储。　　　　美国APP应用报告数据　　　　APP经济预期　　游戏在未来依然是APP市场的主要应用，但企业，购物，健康，娱乐，商业，制造和金融活动的方式不仅围绕机器学习而建立，而用于与云接口的应用将会实时发送或返回关键数据。所以未来APP应用不仅仅是企业的数据门户，也将成为企业利用它的关键工具。　　另外的主要趋势包括：　　一切都是传感器：每个可想像的传感器变得越来越便宜和可及。寻找开发人员来改善软件，并以新的方式使用手机和可穿戴的传感器。所有的数据将落在云端来驱动人工智能的发展。　　网络安全进入消费者考量：我们一直在谈论网络安全，但它仍然在用户消费意识的周边。APP正在为AI提供动力，访问你的消费和医疗记录，从传感器实时收集信息。你的生活在APP中。所以APP的安全性至关重要。　　该报告还涉及大量的技能人才短缺，这在移动和大数据开发等热点领域尤其成问题。报告指出：APP经济急缺拥有计算机技能的人才。　　其他调查结果包括：　　今天，APP经济是一个蓬勃发展的生态系统，价值超过1430亿美元。　　从2014年5月至2016年5月，APP经济为美国劳动力增加了11万个新的软件应用程序开发人员工作。　　83%的美国APP公司位于硅谷以外，其中许多公司位于农村地区。　　　　APP应用在美国的分布　　APP经济比以往任何时候都强，而且没有任何放缓迹象。因为它是通往物联网的门户，现在的发展只是冰山一角。　　　　APP在农业的应用　　　　APP在工业的应用　　ACT表示，其报告数据来源是苹果App Store，Google Play，政府机构，公司声明和行业出版物等公开信息获得。

时间：2020-08-11 关键词：物联网大数据
麦肯锡：2025年AI应用的总市场将达1270亿美元

AI 本身的能力是让人兴奋的，并且潜力巨大，通过改进医疗、环境、安全和教育，能提升人类的生活。同时，AI同时也混合着复杂的道德、法律、安全问题，伴随有隐私、歧视、信任和监管等难题。随着逐渐AI引入社会，应该对此进行更广泛的审慎治理。虽然市场本身会推动AI的发展和采用，但正确的政策框架可以为增长创造一个健康的环境。有五大重要举措可以构成中国 AI 战略的基础： 1. 建立健全的数据生态系统; 2. 促进传统行业对AI 的采用; 3. 加强专业AI人才管理; 4. 针对挑战设立教育和培训制度; 5. 并在中国公民和全球社会之间建立道德上和法律上的共识。技术行业正在日益全球化。中国在AI的发展和治理领域具有领导国际合作的能力和机会，以确保这一突破性技术对全人类的普遍福利作出积极的贡献。通往变革之路计算机科学家在机器学习和深度学习方面取得了重大突破，为机器提供了认知和预测能力。今天，这些系统已经在现实世界中部署。 AI 被定义为能够模仿通常与人类心智相关的认知功能的机器。这个概念长期以来一直都被认为只存在于想象和科幻小说中，在20世纪50年代和60年代获得了一些初步的理论进展之后，围绕其的乐观心态开始上升。但那波动动力面临着技术上的障碍。随着公众对AI的期望破灭，当时的AI 经历了一段漫长的黯淡时期。随后的几十年，人们又断断续续地获得了一些成功（如IBM的“Deep Blue”超级计算机在国际象棋中击败了Gary Kasparov），但现实世界的用例过于孤立，无法支持大规模商业化。进入二十一世纪。数据的收集和聚合，计算能力和算法（特别是机器学习）的突破带来了革命性的技术进步。在一个广受关注的里程碑性的事件，Google的AlphaGo在围棋上击败了人类世界冠军，而这在传统上被认为是机器无法做到的。但是，在AI领域，进步不仅发生在理论层面。利用机器学习的分析工具是未来超智能系统的前身，其中许多已经出现市场上。在金融，医疗和制造等领域的采用正在迅速增长。全球 AI 风险投资资金从2012年的5.89亿美元增长到2016年的超过50亿美元。麦肯锡估计到2025年，AI 应用的总市场将达到1270亿美元。

时间：2020-08-11 关键词：机器学习大数据深度学习
硬件、内容和网络成为信息革命关键点

随着科技的进步，互联网+和工业4.0的进程，增强现实和虚拟现实将会得到前所未有爆发性的增长，并将引领下一代互联网的走向，甚至取代目前人人离不开的手机。这已成为业内人士的共识，然而VR/AR的发展是否真如想象中的美呢？黑科技大热！你到底抓住几分发展重心？以智能手机的快速普及过程来看，硬件、内容和网络这三大基石成为信息革命的关键点，同样AR/VR亦是。随着第五代移动通信技术（5G）频繁进入大众视野并布局，其超过4G千倍的网速将能提供更大的容量，同时给每个终端（手机、PC、VR/AR设备）提供更高速的链接。而硬件迭代速度已经不会成为AR/VR快速普及的障碍。经过2016年的发展，VR设备的渗透率有望达到1%-5%。当然除了数量之外，VR设备的质量也得到不少改善，延迟、分辨率、视场角等方面都在往成熟方向快速发展。当然AR设备的涨势亦是相同的。与之相反的是优质内容的发展，这成为目前掣肘VR/VR普及的最大障碍。虽然目前市场上增加了不少内容制造商和开发者，但是大部分的人依然把目光投在娱乐内容的生产上来抓眼球，起初这是正确的路径。但是VR/AR内容的核心方向一定是商用，商业内容将在未来5年占比VR/AR总内容的80%以上。创造超7500亿的市场空间。试想一下，未来你想购买衣服时可以在家中带上VR眼镜走进商家的立体商店，亲眼看看拥有你体型参数的模特试穿各种服装的效果，最终决定购买…。天然的交互性会让未来的视界变得更饱满，未来的广告形式也会变成组合共赢的搭配。你甚至可以虚拟的坐到明显的家中，看看她的居家品味，看到每件用品的具体介绍，喜欢可以直接下单，当然这一切都由广告植入商买单。

时间：2020-08-11 关键词： ar 智能硬件大数据 vr
“云计算+边缘计算”成了IOT平台重头戏

因为云计算这块大饼，亚马逊、微软、谷歌都使出浑身解数，撕累了。资料显示，亚马逊、微软和Alphabet（谷歌母公司）在2016年的资本支出和资本租赁共计为315.4亿美元，比2015年同比增长22%。每家公司都将云计算列为主要投资领域。由于对云计算的扩张越来越激进，且险些走进“囚徒困境”。这三家公司似乎打起了价格战，纷纷降低了部分云产品的价格，甚至引起了由于价格持续下滑，可能造成利润过低的担忧。在这个由亚马逊、微软和谷歌引领的1.0模式通用云基础设施服务市场中，对于后来者已经没有机会了吗？未必，2.0模式云计算+边缘计算的新玩法方兴未艾，巧妙地成为了云计算避开“囚徒困境”的拐点。再看IoT平台的争夺战，由于IoT正在逐渐影响着生产、制造、生活的方方面面，IoT平台作为战略重心，这几年犹如雨后春笋般，数量暴增。无论是阿里、腾讯、百度、京东等互联网巨头;还是华为、中国移动、中国电信、中国联通等运营商、通信大鳄;抑或IBM、微软、思科等传统IT企业;以及机智云、Ablecloud、庆科、博联等新型物联网企业，都想在IoT平台这块大蛋糕中分得一块三角。虽然都叫IoT平台，但是内涵和实质差异不小，如果不能下与底层设备、上与产业应用打通，切实为行业合作伙伴赋能，IoT平台只能沦为伪命题。无论是亟待升级的云计算之争，还是“杀红了眼”的物联网平台战役，下半场都指向了同一个主阵地：边缘计算。边缘计算并非再造概念、硬拗人设硅谷风投大佬A16Z合伙人Peter Levine曾说边缘计算是云计算的“终结者”。这一说法未免有为搏眼球夸大其词之嫌，不过云计算与边缘计算共生的现实，成为了云计算和物联网从业者们对未来的主流预判。从技术定义来说，边缘计算是在靠近物或数据源头的网络边缘侧，融合网络、计算、存储、应用核心能力的开放平台，就近提供边缘智能服务，满足行业数字化在敏捷联接、实时业务、数据优化、应用智能、安全与隐私保护等方面的关键需求。边缘计算并不是个新鲜事物，也不是物联网人自吹自擂再造概念，而是一次“由来已久”的物联网分布式计算的逆袭。分布式计算的特征是每个节点都有计算功能，缺点是每个用户都需要管理自己的节点、硬件、软件。因此后来出现了云计算，把大量的数据处理交给“云”去做。这个云计算实际上是一个集中计算，这种做法解决了用户对中央计算的管理烦恼。到“云”为止，我们完成了从分布计算到集中计算的转变，然而现在我们发现，碎如鸡毛的不同物联网场景，单纯依靠集中式的云计算往往并不是最佳策略。边缘的“速算”能力，对物联网应用来说显得尤为重要。那么对于行业应用来说，什么才是推进边缘计算的最佳方式呢？有些人试图自己做，探索各种新技术，希望将它们组合成一个可行的解决方案。不过也有人找到了现成的，采用比如微型模块化数据中心（MDC）等边缘计算方案。 MDC已经存在一段时间了，它是一套用来实时采集、并报表化和图表化车间的详细制造数据和过程的软硬件解决方案。随着物联网的发展，需要使用更小的MDC，也就是“微型MDC”，快速将这些模块配置到边缘场景，实现计算能力的部署。在微型MDC的选型过程中，过来人建议需要综合考虑以下5点：确保灵活：由于各种应用场景千变万化，微型MDC需要考虑足够的灵活性，一体化的解决方案并不一定是最好的选择，往往针对不同环境进行微型MDC优化的步骤是必不可少的。开放基础：在IT方面，需要寻找可扩展和可管理的解决方案，以便将更多的处理能力分配到边缘。这给IT部门提出了极大的挑战，为了实现服务敏捷性，拥有开放敏捷的底层基础架构，可以按照需求自动扩展资源配比变得异常关键。赋权分析：处理边缘的数据是一回事，分析边缘的数据是另一回事。微型MDC应该具有就地进行分析的能力，越靠近生成数据的高速设备或传感器越好，以便迅速提供业务洞察。快速使用：不仅微型MDC应具备灵活配置的运算、存储、网络、电源和冷却等选项，还应以准集成的解决方案提供，这将确保微型MDC的快速安装使用和快速价值创造。统一管理：边缘计算的解决方案大多比较分散，做到统一管理并不容易。为了做到这一点，设备提供者需要具备综合集成和管理能力，能够从同一入口管理来自世界各地的各个微型MDC、相关的数据中心、IT设备以及传感器。

时间：2020-08-11 关键词：物联网云计算大数据
厦门硅谷云科技有限公司云计算业务布局和未来展望

　　云计算时代，多数人在“云”面前，望而生畏，心有所动，但行之甚少。本文就此阐述了硅谷云科技在云计算领域的业务布局和未来展望。　　硅谷云科技自成立以来始终紧跟IT行业技术的发展，多年来一直在云计算及大数据的技术领域进行耕耘和发展，积累了技术基础和人才储备，获得了客户的认可。硅谷云科技旗下的猎信网络平台也顺应当下的云计算大潮应运而生。　　　　用户要用好云平台，云产品，不仅需要具备很高的对云计算技术及对产品的理解能力，结合自己的业务属性，做出最优的IT规划，选择最合适的云平台及产品，才能真正发挥云计算的优势和提高企业的运行效率。而大多数的企业并不具备这样的能力和相应的技术人才。从而，在“云”面前，望而生畏，心有所动，但行之甚少。硅谷云科技的云服务业务正是观察到了大多数上云和有计划上云的用户的痛点，针对上云用户的难处提供全方位的管家式服务。　　云计算、大数据概念自2008年诞生以来，已经经过了近10年时间的市场培养和客户孵化，目前，国内的企事业用户对此已经不在陌生，已经能够完全接受并使用云计算业务和产品，整个行业即将进入一个井喷的阶段。各大云平台厂商包括：华为、阿里、亚马逊等等，也将在2017年摩拳擦掌，大干一场。硅谷云科技的云服务紧跟时代脉搏，紧贴客户需求，为各大云平台厂商提供最后一公里的业务支撑，势必将在未来的市场空间里获得长足的发展。

时间：2020-08-11 关键词：云计算大数据
大咖谈数字音频解决方案，百年电声华人第一次

520，数字音频领域也来了一场爱的“声音告白”，香港著名音乐制作人Leo，序然集团新任CEO闫馥女士，拥有40年烧龄的音乐爱好者刘雍，媒体代表深圳网易总编辑周智琛，70多家主流媒体，数十位行业嘉宾，出席体验了这场“声音告白”活动——序然集团数字音频解决方案核心芯片“G1-华星”发布及体验师招募，用于招募的设备总价值超3500万，共计2100套/4200个。通过从拾音、制作、储存、云端到播放的5D标准的体验，大咖们围绕“开启数字音频大门，建立数字音频新标准”纷纷发表了看法：香港著名音乐制作人Leo：国产芯片开启数字音频变革新时代 LEO—冯炜国，国际著名录音师，香港著名音响大师，香港发烧教父，著名的音响器材与及音乐评论人。他用“恐怖”来形容数字音频解决方案在音乐制作领域起到的作用。数字音频解决方案让我从感动化为激动。这已经不是硬件能够带来了，超越了很多硬件以及很多设计家能够做到但是想象不到的功能，以前可能用过百万的费用去制作好音乐，但现在可以花费更少的钱做更好的声音。（全数字无线式手机移动端唱录现场演绎）玩HiFi的都知道，器材从3万提升到6万，提高的性能大概是15%-20%，如果是300万的器材提升到1000万的器材，性能提高老实讲只能是10%。但“G1-华星”不用去搞得那么复杂，即刻就有很大的提升，同时我也感到很自豪，外国人用了很多年的时间去推动数码的发展，但还是聚焦在硬件这块，没有跳出这个框框，但序然集团的“Ｇ１-华星”技术及应用产品已经跳出这个框框，这个是中国之光，发展会很令人期待。 40年烧龄音乐爱好者刘雍：百年电声技术终于有了一个中国人的名字刘雍在4月21日上海国际HIFI展第一次听到数字音频解决方案后，就被高品质的音质吸引，他认为，这是一种全新的解决方案，开创了同时解决杂波和建筑声学疑难杂症的路径，而“华星”这个名也正是刘雍所起，为表达感谢而成为第一代产品G1的命名。（刘雍获聘成为序然集团首位体验师）当听说在深圳要发布核心芯片时，刘雍当即决定一定要参加这次活动，一路追随而至。刘雍表示，当拿到数字音频处理芯片后很震惊，首先发明这个技术的是中国人，自从爱迪生搞了蜡筒录音一百多年，电声技术没有一个中国人的名字，这个发明创造，让我感到很骄傲，第二点，它的产生完全是创新思维，数字音频解决方案在我的设备上，音质明显层次感提高了，解析度提高了，声音更加柔和了。（USB数字电容麦克风电脑直录演示）举个简单例子，马勒（古斯塔夫·马勒，杰出的奥地利作曲家及指挥家）的作品很难放，如果不好的设备播放，没有味道，很硬。当增加了数字音频驻波处理器后，层次感、解析度明显提高了，而且播放的声音更柔和了。

时间：2020-08-11 关键词：数字音频大数据半导体芯片
AI研究和实用化，为何从棋牌开始？

为什么在人工智能领域，科学家总是热衷于让AI跟人类下棋，玩游戏？从简单的跳棋、五子棋，到更加复杂的中国象棋、国际象棋，以及最近非常热门的围棋和德州扑克。每次AI在某个智力游戏上成功地击败人类选手，便会让大家唏嘘不已，慨叹AI会在不久的将来取代人类… 幸运的是，AI接手地球还并未发生。我们不仅不需要如此杞人忧天，而且还会欣喜地发现人工智能的技术进步给生活带来了更多便利。一个会下棋的AI也并非科学家的终极目标，其更积极的意义在于，AI算法在研究棋艺的过程中不断精进和提升，会带来更多设计上的创新，从而在根本上提升人工智能算法的能力和适用范围。而科学家之所以乐于选择棋类游戏，一方面是因为它们自古以来就被认为是人类智力活动的象征，模拟人类活动的AI自然要以此为目标。成功达到人类甚至高于人类水平，可以吸引更多人关注并投身于人工智能的研究和应用中来。另一方面，棋类也很适合作为新的AI算法的标杆（Benchmark）。棋类游戏的规则简洁明了，输赢都在盘面，适合计算机来求解。理论上只要在计算能力和算法上有新的突破，任何新的棋类游戏都有可能得到攻克。除了棋类游戏，牌类游戏（比如德州扑克、桥牌、麻将、斗地主等）也逐渐成为人工智能研究的新方向。而在更加大型的电子游戏方面，比如星际争霸、我的世界（Minecraft），科学家也开始了新一轮的AI算法的创新。这些不同的游戏在研究人员的眼里究竟有什么区别？这些研究成果对我们的生活又有什么意义呢？下面我们就为大家扒一扒这两个问题。棋牌类AI家族了解棋牌类AI，我们可以先从它的分类讲起。这一家族按照牌面“坦诚”度的不同，可以分为两支脉络：一支擅长“打开天窗说亮话”，另一支则是“猜测推理”的智能高手。国际象棋、围棋等盘面信息都是公开的，对弈双方接收到的信息完全相同，因此也被称为“完全信息类”的AI博弈；而德州扑克、桥牌、麻将等游戏，每个人无法看到对手手里的牌，所以称之为“非完全信息类”的AI博弈。完全信息类——看得到我就算得出顾名思义，即棋面信息大家都可看到，博弈双方接收到的信息是完全对等的，如国际象棋和围棋。此类博弈中，AI每次只需要根据当前盘面，搜索计算以后各种情况下自己的胜率。为了提高搜索效率，一般需要对搜索过程中产生的“博弈树”进行广度和深度剪枝。就是我们平常下棋时常说的算多远和算多准。为了算得远，我们一般需要让AI少看对手和自己不太可能走的地方，称之为策略函数。为了算的准，我们需要更加准确地评估多步后的盘面自己的胜率，称之为价值函数。找到了合适的函数，再加上计算机的强大计算力，让AI达到或超过人类成为可能。在博弈树和策略价值函数的选择上，“完全信息类”棋类AI算法经历了从“AlphaBeta剪枝算法”、“蒙特卡洛树搜索”到“深层神经网络”的迭代更新，功能也不断“进化”。跳棋、五子棋 | 难度指数 ★ 跳棋和五子棋的空间复杂度较低。甚至在不需要对博弈树剪枝的情况下，计算机凭借强大的计算能力便可以计算所有盘面的可能。所以在这种相对简单的棋类游戏中，人类已经不存在战胜AI的可能。中国象棋、国际象棋 | 难度指数 ★★★ 象棋的空间复杂度较高，暴力求解的方法并不可行。但是相对而言容易找到适合的价值函数。以国际象棋为例，可以根据棋盘上残留棋子的类型和位置给出一个大致的评分。比如，棋盘上如还有皇后加10分，有车加5分，有马加3分，以此为基础计算函数。为了提高效率，国际象棋还有巨大的开局和终局数据库来保证残局计算的准确度。依靠这些规则，1997年“深蓝”第一次战胜了人类国际象棋冠军。其后，电脑象棋程序甚至可以在PC上运行并击败顶级人类选手。围棋 | 难度指数 ★★★★ 围棋的空间复杂度高，据估计围棋的决策点大概有10的170次方之多。找到合适的策略和价值函数一直是围棋AI的核心问题。蒙特卡洛树搜索算法用概率的方法帮助围棋AI找到了一个较为准确的价值函数，并帮助程序达到了业余高段的水平。而借助深度神经网络，研究员寻找到了更好的策略和价值函数的计算方法。通过增强学习，AI还可以无限模拟各种对弈情境，生成上亿数据，用来训练生成更准确的函数。集大成的 “AlphaGo”在2016年以4：1历史性战胜了世界顶级围棋棋手李世石。而正在进行的AlphaGo新版本与柯洁之战，不知道又给我们带来何种新算法和启示。非完全信息类——三缺一也不怕了吗在博弈过程中，如果双方得到的信息是不完全、不对等的，需要通过猜测对方底牌计算概率，就属于非完全信息类，如德州扑克、桥牌、麻将等。非完全信息博弈要求更为复杂的推理能力，不仅要看别人打了什么牌，还要猜测别人手里有什么牌，并根据对手行动暗示出的信息，来计算自己的最优出牌出法。由于对手的行为不仅暗示他的信息，也取决于他对我们的私人信息有多少了解，我们的行为透露了多少信息。所以，这种“循环推理”，导致一个人很难孤立地推理出游戏的状态。现代博弈理论创建者、计算机先锋冯·诺依曼有句名言，用来形容非完全信息类对弈再合适不过：“现实世界有很多假象、骗术，需要你去思考别人对你的策略到底看穿了多少。这就是我提出的理论所涉及的博弈。” 德州扑克 | 难度指数 ★★★★ 德州扑克的搜索复杂度是10的160次方，和国际围棋接近。博弈中主要采用“纳什均衡”原理——在一个特定时刻，寻找相对于其他参与人的最优反应。与围棋相比，扑克不仅要根据不完全信息进行复杂决策，还要应付对手的虚张声势、故意示弱等招数。去年年底，来自阿尔伯塔大学、查尔斯大学和布拉格捷克理工大学的计算机科学家开发的DeepStack在二人无限注德州扑克中打败了人类职业玩家；今年年初，卡内基？梅隆大学所开发的Libratus又击败了四个更加优秀的职业选手，这是AI在不完全信息博弈中堪称里程碑式的突破。对于人工智能而言，下一个挑战是征服多人扑克。麻将 | 难度指数 ★★★ 目前麻将主要风靡于亚洲，所以国标麻将和日本麻将都有比较强的AI，高于人类平均水平，但是和人类顶尖高手的水平还是有较大的距离。麻将的搜索复杂程度远远小于围棋和德州扑克，但是由于（一般）是四人博弈，其对技术的要求和二人零和博弈（例如一对一德州扑克）很不相同。二人零和博弈的解法主要是寻找纳什均衡策略或近似纳什均衡策略，多人博弈中由于存在多个均衡的可能性以及多人的相互影响，纳什均衡策略没有任何性能的保证，从技术上来讲这意味着大家几乎要从头再来，这在技术上带来了新的挑战（和多人扑克比较类似）。星际争霸，我的世界 | 难度指数 ★★★★★ 星际争霸和我的世界这类游戏的复杂程度不仅在信息的不对称，更在于其更加开放的游戏规则。此类游戏更加类似人们在现实世界中遇到的情况。游戏规则的开放性让游戏世界会出现很多计算机很难处理的新情况。比如特殊的从未出现过的地形特点，对手长时间的密谋和规划等。排除计算机在运行速度上的优势，计算机还未真正在这些游戏上证明自己的能力。小贴士：与完全信息类对弈相比，有时候德州扑克、麻将对弈输了，不全是因为打得不好，有可能从一开始牌不好，所以赢面比较低。运气的成分在这类棋艺比赛中非常重，这一点与国际象棋和围棋大不同。在围棋中，专业选手和非专业选手的对决，从来不会因为运气的存在而马失前蹄或极其偶然地咸鱼翻身。棋牌类AI的意义在哪里？从社会层面的反馈看，有人会顾虑，机器对弈人类获得成功，会破坏棋类艺术本身的意味，它们会让专业棋手的价值受到挑战，甚至让更多的人放弃学习棋类运动；有人却觉得这样的赛事可以普及各种棋类，让更多人对这些棋类、游戏等产生兴趣；还有人会夸大AI带来的对人类的威胁…… 可能在技术进步的过程中，确实会引发一些社会问题，但这在人类每个历史阶段都会遇到，人类也不会因此而放慢技术进步的步伐，一些现在看起来引发大众不适的社会问题，一定会逐步解决。爱因斯坦说过：“科学，究竟是给人带来幸福还是带来灾难，全取决于人自己。” 毕竟，在一场场人脑和AI的巅峰对决中，并不是机器打败了人类，而是人类超越了自己！未来AI更广泛的用途一定会是在类似无人驾驶、智能安防以及人工智能助理这种真正意义上的非完全信息类的真实环境里。在真实世界，AI遇到的问题千变万化，不会有一个统一的规则、统一的函数就能帮助其解释相应的行为。棋牌类AI只是人工智能非常早期的演练而已。所以，AI在各种棋牌游戏和人类对战，其意义不在于输赢本身，更重要的是人们对这类游戏都耳熟能详，能够通过比赛了解到AI的最新进展，这对AI的发展有很大促进作用，毕竟AI进化的过程还相当长，即便是围观群众，也需要了解这个未来会与每个人的生活都息息相关的领域。我们也期盼着棋牌类AI的成功和突破能够启发AI在其他方面的研究和应用，并能将创新应用到更多行业和领域，激励更多的人投身于AI的研究和实用化，让人类生活更加便捷、高效和智能化，使整个人类和大自然都能够受益于AI。在对弈过程中，人工智能研究领域的技术、专家人才培养体系也得以更加完善，从而推动人工智能去攻克一个又一个技术和应用的“高地”。 PS本文作者：微软亚洲研究院资深研究员杨懋、主管研究员秦涛

时间：2020-08-11 关键词：微软人工智能大数据
IC设计公司进入AI市场时机是否成熟

四月初Google公布其使用客制化ASIC设计的TPU测试报告，性能及功耗都远远胜过市场上的CPU/GPU组合（注1），非常适合人工智能及深度学习的运算。报告公布之后网上就有很多相关讨论，也有一些朋友问我，IC设计服务公司可否进入AI芯片市场？回答我的看法之前，让我先简单交代一下IC设计服务市场的演进。在晶圆代工模式尚未诞生之前，IC产品主要来自IDM，当时的IDM都有自己内部标准产品（ASSP），从规格订定、设计、到制造、封测全在内部完成。而不少的IDM也对外提供客制化的芯片设计（ASIC），如当时的IBM、TI、LSI、VLSI Technology、STM、NEC、Toshiba等等，从商业模式来看，IDM的ASIC业务也算是一种设计服务。1987年台积电率先提供晶圆代工服务之后，无晶圆厂（fabless）的IC产品公司才像雨后春笋般的冒出来，相关的生态链包括IP、EDA、IC设计服务产业随后也因应而生。由于IC设计服务公司提供共享的设计资源（注2）给很多初期不需要自己投资建构内部团队的新创IC产品公司以节省资金，并快速推出产品进入市场，一时之间忽然变成需求很高的产业。再加上受到全球第一家设计服务公司智原在1999年挂牌上市的激励，新创的IC设计服务公司在那几年全球成立超过30家，有的主打特定晶圆厂，有的则强调支持多个晶圆厂甚至可以协助厂与厂之间的转换（porTIng）。设计服务产业没过多久就供过于求，市场竞争转趋激烈。随著Moore’s law演进，制程愈趋复杂，芯片集成度亦随之倍数成长，产品的性能及功耗规格要求也更加严厉，设计公司除了人力/物力/投资成本遽增之外，技术挑战及产品失败的风险也相对提高很多。经过几代制程的演进之后，自然淘汰了一些较弱的竞争者，留在场里的选手也大致有些分级并各有定位，呈现较为健康的竞争态势。到了16纳米及以下的节点（目前到7纳米），更高的技术门槛不但隔绝了一些竞争者，也让较优质的IC设计服务公司增加了不少从系统公司甚至IC产品公司委外设计机会。专业先进的IC设计服务公司在晶圆代工生态链的地位，越高阶制程就越重要，市场竞争优势也就越明显。这两年火红的应用如AR/VR、云端运算（大数据分析）、人工智能及深度学习，甚至比特币都需要高性能及低功耗的芯片。大型的系统公司、数据中心、互联网平台等公司渐渐不用市场上标准芯片（ASSP），而倾向自己开发客制芯片（ASIC），一来以满足其性能及功耗的需求，二来与其竞争者作差异化。Google TPU就是一个明显的例子。这种趋势更增加了IC设计服务领导厂商的机会。 IC设计服务产业因需求而诞生，又因过度供给竞争激烈而汰弱存强，走了20个年头，这个产业现在正迈入一个比较健康的供需市场而逐渐茁壮。本篇为作者个人所观察的产业趋势，跟所担任顾问的公司无关。注1：Google 云端平台博客：QuanTIfying the performance of the TPU， our first machine learning chip 注2：设计服务的分享资源定义上不属于最近所谓的分享经济。其资源并非闲置，模式为B2B，且非经过交易平台做资源分配，就象是半导体客户共享台积电或日月光的技术与产能资源一般。

时间：2020-08-11 关键词：人工智能大数据半导体芯片
马云如何看到崛起中的人工智能、机器人和大数据

　　大数据、机器人和人工智能无疑是当下最热门的话题之一，那么你知道“机器智能”吗？　　5月26日开幕的2017中国国际大数据产业博览会·机器智能高峰对话会上，阿里巴巴董事局主席马云再次围绕机器智能与新制造，阐述了自己的观点。　　马云提出，“机器智能”是新制造的推动力，因为机器会越来越聪明，越来越会自我学习，将重新定义原来的流水线、标准化、规模化、集装箱、低成本，而定制化会越来越多。　　马云表示，机器智能的来源正是数据。“以前的电器是插上了电以后就听你话。未来电器不仅要通电，更要通数据。由于机器收到的数据，机器比人变得越来越聪明。” 　　马云认为，“人工智能”依旧是以“人”为中心定义的“智能”，而“机器智能”的范围更宽泛，还包括机器本身具备的超越人类的智能。　　　　阿里巴巴为此次数博会阿里带来了诸多“黑科技”，尤其是“ET工业大脑”，是阿里云以“机器智能”技术进行的新制造尝试。　　“ET工业大脑”已经入驻苏州协鑫等多家工业制造企业。苏州协鑫从事光伏切片，生产过程中有数千个生产参数会影响到切片良品率，例如上部砂浆温度、下部砂浆温度等，任何一个变量的细微变化都会直接影响到生产结果。　　ET工业大脑通过对协鑫光伏一年的生产数据级进行分析，找出了与良品率最为相关的关键变量，把良品率提高了一个百分点——别看只有一个百分点，这能每年节省上亿元生产成本。　　另外还有“ET城市大脑”，以机器智能协调杭州的城市交通，背后正是基于机器智能。　　马云演讲十大金句摘录：　　1、这些年我们有一个误区，因为美国这么干，所以我们就要这么干。我们应该走出一条自己的路。　　2、未来我们不是思考填补什么技术空白，而是应该让别人来填补我们的技术空白。　　3、数据将成为主要的能源，如果离开了大数据，任何组织的创新都基本上是空壳。　　4、不要让机器去学习人类，我们要想机器必须要有机器的方式方法，机器独特的思考，让机器有自己思考去弥补做人类做不到的东西。　　5、每一次技术革命都创造了更多的就业机会。　　6、什么是机会？机会一种是看到别人没有看到的好的机会，第二种是看到别人没有看到的灾难，并且你把灾难消灭掉，机会就来了，机会一定是在别人抱怨之中，一定是在别人恐慌中。　　7、对阿里巴巴来讲，最希望的是几千万家中小企业他们能够快速起来，因为他们，社会整个进步，每个人才有进步。　　8、二十年以后，或者三十年以后，《时代杂志》封面人物，本年度最佳CEO是个机器人。　　9、我们人类在进入重新定义很多事情的世界。绝大部分的人是生活在昨天，以昨天的思考来判断明天或者至少在解决今天的问题，重新定义是很少一部分人生活在明天或者后天。如何能够把生活在昨天和后天的人结合在一起，我们对很多问题将会重新定义。　　10、由于大数据时代的出现，我们对计划经济和市场经济将进行重新定义。我指的计划经济不是那时候苏联的计划经济，也不是中国刚开始的计划经济。计划经济和市场经济最大的差异是，市场经济有一只无形的手，我想问大家，如果这只无形的手你愿意摸到，你愿意做计划吗？

时间：2020-08-11 关键词：机器人人工智能马云大数据
借助算法、芯片及数据，人工智能真火了！

如果说2000年左右全球科技焦点的思科，代表了互联网10年的辉煌，那么今年大火的NVIDIA，则可能代表了刚刚开启的AI时代。思科为互联网提供基础架构，而NVIDIA为AI提供驱动力。AI从70年代就跌宕起伏地发展，早期一直是学术界自High，基本未曾走入老百姓的身边；如今，借助算法、芯片及数据，人工智能火热起来，尤其是工业界反超学术界。群众观感也是冰火两重天：有人担心人工智能未来威胁人类，有人认为人工智能的目前很多表现是“人工弱智”，仍然不值一提。客观地讲，目前人工智能尚属起步阶段，确实产品良莠不齐，各种伪智能宣传的天花乱坠，但实际效果让人大失所望。人工智能形式不是一定要科幻Style的、类人的、有胳膊有腿的机器人，而是很可能是一个输入法、一个外卖应用、打车软件、甚至新闻推送APP等，都是人工智能。人工智能不是一个具体行业，而是一个技术驱动，可以渗透到各个行业，即所谓的+AI。但目前，人工智能比较火热的表象还是停留在自动驾驶、人脸识别等领域。据说大概在五年前，我国公安系统内部出现了图侦大队——公安局内一个专门做图像侦查的子部门，一线城市图侦大队可能有300-500人规模，是整个公安局较大的部门，伴随城市摄像头数量激增，人数可能还会扩展；但伴随AI技术在安防监控领域应用，图侦的投入未来可能重在技术及设施，人员有望减少。目前，图侦领域比较成熟的应用是“车牌类”，车牌识别成熟，数据碰撞、轨迹分析、智能布控等手段屡屡立功。很多人抱怨抓车牌一抓一个，人贩子没抓几个。其实车牌识别技术成熟、160迈以下识别率达90%以上；其次车都是沿道路行驶，布控容易；最后，车辆违章的规则很容易设定。如果嫌疑人举着440*140的牌子在马路上穿梭，其实也很容易逮到。可惜他们不走寻常路、带帽带罩带眼镜，所以即使偶尔出现在治安的摄像机下，也不容易识别。回到公安同学的问题，这是个很好的问题，也代表了人脸识别在实战领域的进展。目前，越来越多的机场、口岸、车站、地铁开始部署人脸识别，这些人流密集的地方，部署人脸识别环境还是比较合适的，室内光线好、通道范围小、摄像机角度合适，目标距离近，并且都是高大上的行业，基础设施比较好（大多是高清、网络摄像机）。对于突发要案或者紧急协查，在1：N（静态模式）的识别模式下，或M（小）：N（动态模式），那么基于目前人脸识别误报率（按97%）及服务器计算量，系统负荷力及误报率都是可以接受的，但破案效率及提供的有价值情报信息则非常巨大。人脸识别进行布控的优势是不基于证件等其他容易复制或篡改身份特征。目前北京地铁有1000多个车站，早期地铁站摄像头数不多，后来逐渐增加，早期是模拟摄像机，后来MPEG-2/4编码、后来H.264高清，目前每个车站平均100个摄像头是有的。其实在进站口、闸机口等“要塞”进行升级或者部署人脸识别摄像机即可，而不可能按100个摄像头这么计算，这样，总体人脸识别摄像机数量没那么多，M:N模式的运算力和错误数量也没那么恐怖，不至于导致人脸识别系统崩溃。再说街头的摄像机，街头的摄像机是“广域、大范围监控及巡逻”的用处比较多，以目前人脸识别技术，对户外光线、角度、距离、人脸像素（80*80像素比较理想）等要求还是比较严格的。基于户外大范围巡检的重要意义与价值，已经有AI厂商基于此痛点进行定向研发，据称50米范围识别人脸如探囊取物。此产品的出发点及市场空间非常好，但是尚未落地，没有反馈，并且单体价值应该不菲。回到安防产业，基于AI的安防监控，绝不是几年“智能分析”时代群魔乱舞的格局，未来真正能敢于宣传自家是“AI+安防”的可能无非三五家。AI的研发，需要的GPU集群，最新的Tesla V100高性能计算卡造价百万，AI研发人员年薪动辄百万，AI算法需要千亿视频海量大数据“喂养”，试问有几个安防公司能承受如此？安防人工智能四个核心竞争壁垒：算法能力，数据能力，产品化能力，渠道能力。 AI技术方面，一些新兴的算法公司有一定优势，如旷视、商汤、云从等，但是在安防行业积累及数据方面，远不如老牌安防公司如海康、网力、大华、宇视、科达等公司。AI从实验室的科学家身边，走向工业界，算法是其一，数据能力、产品化能力及渠道能力，更是考验。AI大幕刚刚开启，安防行业作为先头部队，携AI重火，实战力提升几何，拭目以待！ ‘

时间：2020-08-11 关键词：人脸识别人工智能大数据
从软件到硬件，微软展现出了硬实力！

据外媒CNBC报道，前微软CEO史蒂夫·鲍尔默（Steve Ballmer）承认，在他领导时期的微软，并未在新硬件研发方面投入足够多的努力。鲍尔默之所以得出这样的结论是因为微软在他的继任者，萨提亚·纳德拉（Satya Nadella）的领导下，推出了像Surface Studio和Surface Book这样受到市场欢迎的优秀产品。鲍尔默于加州派洛斯福德牧场（Rancho Palos Verdes）举行的Code大会上表示，自己领导时期的微软，在云服务方面拓展出了新的能力，但当谈及硬件时，鲍尔默承认，那时的微软并未在这方面采取积极的措施。 “借助于一个好想法，借助于围绕着这个好想法而努力的天才们，借助于企业执行这个想法的能力，一家企业才能获得成功。从结果来说，如果你有了一个有别于第一个想法的新创意，你或许需要一些新天才来帮助你，除此之外，你还需要一个新的执行力，还有就是别让你的新执行力一拖再拖，”鲍尔默在节目中这样感叹道。 “所以，如果你足够幸运，能抢在别人行动前，就率先投资了你的第一个和第二个想法，你接下来所要做的就是组建出运营这个“第二想法”的新能力。但我认为，等到我认识到组建新能力的必要性时，已经为时过晚了。” “尤其是在硬件方面，我希望我们能组建出足够的能力，来将微软打造成一家世界级的硬件公司，有一个新解释说软件在本质上来说就是硬件，但我认为我们的行动滞后于想法，认识到在我的领导下微软需要组建出这样的新运营能力时，已经晚了。” 在鲍尔默时代——从2000年到2014年——微软还是干了一些大事，它给我们带来了WIndows Phone平台，将微软的核心操作系统带入到了移动时代，并在2013年的时候通过收购诺基亚，来试图开展全新的移动设备业务。然而遗憾的是，Windows Phone从未获得过成功，诺基亚的价值也在微软的手中不断地缩水，而诺基亚最终也遭到了微软的抛售。微软在早前推出Surface系列平板的路上，也一直是磕磕绊绊的——在2013年的时候，微软减计了9亿美元Surface RT的资产——但随着Surface系列新版本的推出，如今的它又重振雄风了。在鲍尔默时代，微软在维持其传统的Windows和Office这两大“摇钱树”的高利润率的情况下，企业业务也从无发展到了每年营收200亿美元。然而，微软所面临的市场竞争不可谓不激烈。苹果和Alphabet旗下的谷歌已经牢牢地把持着移动市场，而亚马逊如今也通过它的Echo家庭助手设备，在硬件方面穷追猛赶。 “我认为我们在Windows Phone系统上所犯下的错误是，我们一直在采取老一套的策略，比如软件授权和其它一些杂七杂八的东西，”鲍尔默这样说道。“我们过去一直在试图采用完全一样的策略，然而我们永远也无法依靠同样的招数来实现我们的目标。我们的变现模式有问题，我们的配送方式也有问题——然而，所有这些问题的源头都是因为我们没有组建出新的能力。” 鲍尔默最后也承认，在纳德拉的带领下，微软已经发展出了新的硬件研发能力。

时间：2020-08-11 关键词：微软云计算大数据鲍尔默
马云马化腾李彦宏激辩人工智能大数据和应用场景

2017年中国国际大数据产业博览会（以下称“数博会”）于5月25日至28日在贵阳市举行。本届数博会将继续聚焦大数据的探索与应用，展示大数据最新的技术创新与成就。此外，本届数博不仅吸引了全球316家全球企业的参与，更聚集了百度、阿里、腾讯、微软、高通、IBM等多家巨头。作为本次大会的亮点之一，此次大会马云、马化腾、李彦宏三位大佬再次相遇，这是继乌镇世界互联网大会、深圳IT峰会之后，第三个三位互联网大佬齐聚的大会。三位大佬相遇，会有什么最新的思考分享？又会擦出怎样的火花？智东西为你整理了三位大佬的演讲干货，文末另附演讲实录。马云：互联网重新定义世界 1、人类进入了重新定义很多事情的世界，大数据时代，人人都有机会，但是我们需要重新定义我们所做的事情，而不能以昨天的思考来判断明天或者解决今天的问题。 2、未来三十年，市场经济和计划经济将会被重新定义。在大数据面前，特别是万物互联的时代，人类获得数据的能力和数据处理的能力大幅提升，市场经济“无形的手”也将变得可以触摸。 3、大数据时代，我们对世界的认识将会提升到一个新的高度。大数据让市场变得更加聪明，由于大数据，计划和预判也成为了可能。 4、新零售就是重新定义零售。未来零售将从销售的渠道转向一种服务，未来零售是计算要做的，所有的物流、产品流、营销流和服务流必须结合在一起。 5、新制造将会重新定义原来所谓的流水线、标准化、规模化、集装箱和低成本，定制化将会越来越多，IoT、大数据对传统制造业的冲击将远远超过电子商务对零售业的冲击。 6、新金融，将从过去的二八理论转向“八二理论”，即必须扶持80%的中小企业、年轻人和需要钱的人，获得20%的利润。此外，未来新金融必须建立以数据为基础的信用体系。 7、新技术，昨天我们认为是强大的技术很可能今天并不重要。我们已从IT时代进入了DT时代，未来我们的汽车、电灯泡、电视机、电冰箱等将全部装上操作系统，并进行数据集成，数据将会让机器更“聪明”。 8、新能源，数据将成为主要的能源，离开了数据，任何组织的创新都基本上是空壳。 9、今天，中国有技术，有资金，也有市场，我们应该用自己的思考来重新定义未来，而不是美国人这么干，我们也这么干。 10、我们一定要清楚，我们跑不过火车、飞机，也搞不过机器的计算、存储和理性，所以不要让机器去学习人类，机器要有自己独特的思考，能否整合人类，做人类做不到的事情。人类要呈现自己的局限性，呈现局限也是一种智慧。 11、过去一百年时知识的时代、科技的时代，未来一百年将是体验的时代、服务的时代，机器将会取代过去两百年来很多的知识和技术。 13、人类历史上变化永远超过我们的想象。未来三十年就业的冲击将会超过大家的想象，昨天我们认为最好的白领工作将会没有，昨天我们机器设备投入的大量流水线作业将被个性化取代。 14、二三十年内，你会一天工作不超过4小时，一个礼拜最多工作3到4天。但这将会比你一天工作8小时还要忙，因为你的生活将被重新定义了。李彦宏：数据不是根本，技术才是王道 1、百度是一家人工智能公司。任何一家公司今天做业务的时候，都会用到互联网，这个时候再说我们是一家互联网公司，意义已经不大。而AI现在刚刚开始进入各个领域，很多技术还在飞速发展，很多应用还没有获得足够多的重视，所以我们更希望给大家讲人工智能带来了哪些新的可能性。 2、一个普遍的误解是，很多人都觉得人工智能就是仿生学，就是让计算机模拟人脑的工作方法工作。但其实我们至今并不知道人脑是怎么工作的，最近几年的算法也是计算机科学在搞，并没有借鉴人脑科学成果。 3、人工智能可分为弱人工智能、强人工智能、超人工智能，弱人工智能是现在的状况，强人工智能还需要很长很长的时间才能达到。 4、人类对于搜索词的听力、识别能力大概只有82%的正确率，而机器可以达到86%、87%的正确率，语音识别准确率过去一年显著提升。 5、过去一年图像识别的准确率也大有提升，一年前大数据人脸识别场景是一对一的，现在变成了1对N的识别，在几万人的场景中它可以立刻认出里你是谁。 6、语音识别、图像识别的提升和大数据有重要关系，之所以技术进步这么快，就是依赖过去积累的大量有价值的数据，再加上计算资源越来越丰富。 7、数据与技术到底是什么关系呢？数据确实重要，但数据不是根本，数据就像是新时代的能源，但推动时代前进的是技术，是创新，而不是这些资源。 8、工业时代最宝贵的东西不是煤，是蒸汽机这样的技术革新，而人工智能时代最宝贵的也不是数据，而是数据带来的技术创新。 9、未来的创新，我觉得来源于数据，来源于场景，我们更好地把数据组织起来，把这些场景吃透，解决具体问题，就产生了创新，这样的创新又会不断地培养我们的思维方式。马化腾：未来互联网发展最关键的是“场景” 1、首先针对大数据本身，马云认为数据很重要，没有数据什么都不行；而李彦宏认为“数据不是根本”，创新和技术才是关键。马化腾则点评道，李彦宏谈的是从0到1，需要由创新技术驱动；而马云讲的是从1到N，需要持续不断的数据驱动。他们谈的是不同的阶段。 2、未来互联网发展，最关键的一个要素是“场景”，再通俗一点就是“市场”。有了应用场景，有了市场，数据自然会产生，也会驱动技术发展，人才也会随之而来。 3、计算能力和大数据都是可复制的，但是市场和人才是不可复制的，这才是未来互联网发展的一个核心点。 4、2015年提出的“互联网+”，去年提出的“分享经济”和今年提到的“数字经济”是一脉相承的。我们现在谈的“数字经济”是互联网+产生的结果。 5、数字经济的第一个特点是“实”，实体经济的实。目前实体经济正在全面数字化转型，而腾讯要做连接器，为传统行业提供云、大数据、人工智能等方面的能力。 6、数字经济的第二个特点在“新”，也就是创新。即传统企业面对互联网的压力，敢于突破和跨界，积极往线上转型，实现线上和线下的结合发展。 7、数字经济的第三个特点是“通”，也就是连通。中国企业应通过“数字丝绸之路”积极走向海外，布局全球产业。 8、腾讯云正在积极布局海外业务，今年全球数据中心数量将不低于29个，这些海外数据节点可以为走出去的中国企业提供服务。 9、未来数字经济时代，数字经济发展的重要指标是云化程度。

时间：2020-08-11 关键词：人工智能马云大数据马化腾
“AI+安防”融合，实战是关键！

一千个安防企业有一千种生存之道，但是他们的创新和发展一定离不开市场的热点、行业的必然趋势。正如现阶段的安防行业，人们对AI 津津乐道，安防企业也在不断寻找AI与安防产品和技术更好的融合。“AI+安防”才刚刚开始，作为安防企业应该在这片新领域中重塑核心竞争力呢？把握这些很关键！发挥技术优势，大刀阔斧进行创新目前的人工智能算法大都基于深度学习实现，深度学习训练神经网络模型是基于海量的训练集，同时需要训练集中的数据具有多样性和完备性。而安防行业最大的资源就是海量高清的视频图像，安装在各种场景中的安防摄像机能够实现24*365天式的全天候的采集，可以源源不断的输出海量的数据形成训练集。从这个角度来讲，安防行业以其源数据信息量最大、数据层次最丰富的特性展现了在人工智能应用方面先天的优势。因此，安防企业应该大刀阔斧向“AI+安防”发力，敢于创新，才能先发制人，首先在市场竞争中争取一席之地。落地安防，针对各个领域作具体的应用在公安行业的应用——公安行业用户的迫切需求是在海量的视频信息中，人工智能在视频内容的特征提取、内容理解方面有着天然的优势。通过实时分析视频内容，检测运动对象，识别人、车等属性信息，能迅速发现犯罪嫌疑人的线索，大大提高公安检索图像的效率。在交通行业的应用——利用人工智能技术，可实时分析城市交通流量，实时掌握着城市道路上通行车辆的轨迹信息，停车场的车辆信息，以及小区的停车信息，合理调配资源、疏导交通，提升整个城市的运行效率，为居民的出行畅通提供保障。在智能楼宇的应用——人工智能是建筑的大脑，综合控制着建筑的安防、能耗，对于进出大厦的人、车、物实现实时的跟踪定位，区分办公人员与外来人员，监控大楼的能源消耗，使得大厦的运行效率最优，延长大厦的使用寿命。在工厂园区的应用——在工厂园区场所，一方面是广泛应用在生产线上的操作机器人，一方面是利用可移动巡线机器人，定期巡逻，分析潜在的风险，保障全封闭无人工厂的可靠运行，真正推动“工业4.0”的发展。在民用安防的应用——主要体现在人工智能和智能家居的结合，利用人工智能强大的计算能力及服务能力，为每个用户提供差异化的服务，提升个人用户的安全感，确实满足人们日益增长的服务需求。这些是目前AI落地在安防行业的应用，安企可以从不同方面进行拓展，挖掘出新的市场需求和业务。贴近用户，实战是关键对于工程商和行业用户来说，安防产品的质量、价格和功能是他们挑选产品的主要因素。有些工程商认为，安防产品的功能并不是越多越好，产品的功能越多，一定程度上的误报率越高，越不省事，他们需要花费更多的时间和精力在售后服务上。因此，实战应用是检验安防产品的主要渠道。作为安防企业来说，更应该注重安防产品的实际应用，而且“AI+安防”是一种新的尝试，更应该保证减少它在使用过程中的复杂性和误报率。当然，安企也应该不断与工程商、集成商以及行业用户交流，了解用户真正的需求，并作出适当的调整。其中，百城会以开展技术交流会的方式，将更多“AI+安防”的智能安防产品和技术以及解决方案带到全国各地，为安企创造与各地代理商、工程商、集成商和行业用户面对面交流的平台，提高各地渠道商和工程商的行业认知水平的同时帮助安企重塑核心竞争力，在激烈的市场竞争中立于不败之地。

时间：2020-08-10 关键词：智能安防人工智能大数据
阿里云进军欧洲市场大数据计算平台MaxCompute服务客户

英媒称，阿里巴巴旗下的云计算部门阿里云将于2017年下半年将其“MaxCompute”大数据服务带入欧洲。据英国科技经济类网站硅谷网6月15日报道，当地时间6月15日，阿里云在巴黎VivaTech国际科技创新大会上宣布大数据计算产品“MaxCompute”将于年内在欧洲市场开服，该技术涵盖处理分析、机器学习等一系列完善的数据智能服务。这也是中国类似技术的首次出海，以满足当地众多企业日益增长的数字化转型需求。报道称，该平台允许客户存储和处理大量的结构化和非结构化数据，如图像、视频和音频文件，单个MaxCompute集群最多可扩展至1万台服务器。这将使用户回报每TB仅1.44美元（1.13英镑），是2016年世界纪录的最低计算成本。据参考消息网-出海记记者了解，欧洲是继新加坡之后，阿里云MaxCompute迈进的第二个海外市场。“欧洲是工业及社会发展的先驱，也是今天这个数字星球上的创新沃土。作为全球领先的云计算服务商，阿里云将通过安全可靠、可扩展的云计算基础设施及人工智能产品，助力欧洲企业挖掘自身蕴藏的巨大价值。”出席VivaTech科技展的阿里云人工智能科学家闵万里表示。据了解，阿里云在全球经营着17个区域构成的数十个自营飞天数据中心。2016年11月阿里云宣布启用法兰克福区域，并与沃达丰达成合作，这一系列海外的节点不仅仅服务中国企业出海所需，同时也以中、日、英三国语言面向当地科技市场开放，目前当地客户包括了中小企业、奢侈品、制造业等，在人工智能方面，德国等国也开始与ET城市大脑进行落地沟通。阿里云是欧盟机构SCOPE创始会员，为GDPR实施准备了云行为准则标准。接下来将携手更多本地合作伙伴建立科技生态，驱动当地云计算和大数据的发展，将中国先进的云计算推广至海外，在人工智能、深度学习等领域实现突破创新。

时间：2020-08-10 关键词：沃达丰阿里云大数据
建立生态、围绕场景、协作创新、拉通端云——ARM与多家合作伙伴共同发起人工智能生态联盟

2017年6月27日，上海讯——ARM与多家生态系统合作伙伴发起ARM人工智能生态联盟（ARM AI Ecosystem ConsorTIum，简称AIEC）。联盟旨在联合产业链上下游合作伙伴，围绕以具体应用场景部署为目标，建立以数据、算法、芯片为支撑的互动创新生态体系，拉通云端和终端，加速人工智能产业化。上海市经济信息化委员会主任陈鸣波以及各发起企业代表出席了今天在上海举行的发起仪式。随着算法、计算能力和大数据这三大人工智能要素的发展，人工智能范式迁移已现端倪，技术和产业两个维度的“奇点时刻”正在临近。IDC预计到 2020 年全球 AI 市场将达到 470 亿美元，相对于2016 年全球 AI 市场近80亿美元的规模，复合年均增长率为 55.1％。我们将在从交通出行到健康医疗的各个领域中感受到人工智能的服务。将来数以万亿计的前端智能设备和无所不在的智能应用，使得人工智能场景变得碎片化；但同时，所有的应用在终端和云端又需要实现智能互通。这就要求整个产业在通用平台之上构建一个较以往更开放、更灵活的协作模式和生态系统，加之人工智能对安全性将会有苛刻的要求，以ARM技术为核心的生态系统对于解决这些问题有着天然的优势，将加速推动人工智能的发展。 ARM全球执行副总裁兼大中华区总裁吴雄昂先生表示：“任何技术革命的成功取决于它能否普及并广泛改善人类的日常生活，人工智能亦是如此。人工智能爆发巨大潜能的前提条件是数万亿的大众化设备计算能力足够，拥有可感知、可判断、能学习的智能，帮助我们做出最好的决策。这一切必须建立在开放创新的生态系统之上，广大的开发者可以享有通用的软、硬件与数据、高性价比的芯片，围绕数据、算法、芯片进行创新，开发出适用于各种现实生活场景的人工智能方案。ARM生态系统具有最广泛、多样的合作伙伴基础，联盟成立后将首先解决应用场景问题，推动人工智能应用的普及和服务的普惠。” 海尔集团超前研发中心总工程师俞国新博士介绍了智慧家庭的发展阶段，指出以传感感知为基础的人工智能的集成是智能家电开始“懂”用户的前提，是实现家电自主决策的重要环节。ARM公司发起的人工智能生态联盟可以给家电行业提供从芯片、算法以及人工智能企业的整合等多方面资源，是一个很好的多赢的合作生态。上海仪电集团总裁蔡小庆表示：随着“万物互联时代的到来”，以及“数字化基础设施的成熟”，人工智能已从学术走向广泛的应用。上海仪电致力于成为智慧城市整体解决方案的提供商与运营商，经过多年的产业累积和创新发展，已构建起了涵盖智慧城市顶层设计与规划、集成与实施、运营与维护、融资保障的全生态系统。上海仪电将立足构筑智慧城市生态圈，并与以ARM为首的人工智能生态联盟伙伴共同携手，推动人工智能产业平台的构建，不断探索智慧城市应用模式创新、推动智慧城市应用落地。上海国际汽车城发展有限公司执行总经理徐健博士表示：“上海国际汽车城是全国最大的汽车产业基地，正在加快建设国家智能网联汽车（上海）试点示范区；同时汽车·创新港是国内首个专注于汽车产业的创新园区，致力于汽车产业链上下游的通彻整合。此次成为ARM人工智能生态联盟成员，汽车城将发挥在智能网联汽车平台和产业链上的优势助力联盟完善智能驾驶从终端到云端的产业链和生态圈，共同构建开放的智能驾驶技术信息平台。” 商汤集团战略业务总经理兼商汤香港公司总经理尚海龙表示：“在人工智能掀起的新一轮产业升级的浪潮下，先进的算法是实现颠覆性创新、打造领先的人工智能平台的关键。作为博士人才密度最高的企业和全球最大的新锐AI公司，商汤科技有着深厚的技术研发底蕴，这也让我们原创的深度学习系统具备了引领行业的性能、功能和可扩展性。此次成为ARM人工智能生态联盟成员，商汤科技将发挥原创算法技术的优势，推动商汤算法与ARM架构的软硬件深度融合，助力新一代高性能、低功耗AI平台将之前难以实现的场景应用变为可能。” ARM人工智能生态联盟发起企业名单（按拼音字母顺序排名）ARM，Aupera，地平线机器人，海尔集团，寒武纪智能，晶晨半导体，酷芯微电子，Perceptln，全志科技，人人智能，瑞芯微，Roobo，上海国际汽车城，上海仪电，商汤科技，声智科技，思必驰科技，水滴科技，天博智机器人，优必选机器人，兆易创新，中科创达。联盟将会以开放、协作的架构，欢迎产业链上下游合作伙伴参与，围绕推进应用场景部署目标展开多层次的合作提升人工智能价值化。

时间：2020-08-10 关键词： ARM 人工智能大数据
网络和数据布线专家将成为数字时代的主要合作伙伴

数据布线专家对企业如何在数字领域蓬勃发展，并在这一过程中成为主要合作伙伴进行了阐述。调研机构去年发布的一份调查报告预计，到2023年，结构化布线市场将增长30亿美元以上。未来几年，企业将比以往任何时候都更加依赖大数据。需要采用更强大的基础设施来处理大数据，这就需要更多的数据布线。当然，企业需要合适的承包商来进行安装和维护。选择合适的数据布线专家的重要性数据中心在大数据时代发挥的重要作用已经得到了广泛认可。一些分析机构通常对数据中心运营进行分析和探讨，但是很少讨论企业需要运行的大数据基础设施的其他元素，其中包括数据布线的重要性。如果没有一个适当、健全、稳定的布线基础设施，企业很难开展业务。全球互联网对于任何组织的运作至关重要，为了确保不落后于竞争对手，因此需要更好地了解布线的重要性。企业的业务可能取决于其布线基础设施，需要全球互联网和办公室中所有设备之间的快速连接，才能保证工作环境的平稳运行。物联网使布线基础设施比以往任何时候都更加重要，企业需要良好的网络基础设施以确保对数据进行无缝管理，而其员工的生产力也依赖于这项技术。最重要的是，企业业务的整体成功取决于布线的正确设置。企业需要与适合的网络和数据布线承包商开展合作，以确保一切正常进行。因此，在选择合作的承包商时，必须格外小心谨慎。而为了解决布线问题而雇用不了解的布线厂家是错误的方法，这将会带来一些麻烦。具有多种选择对企业来说可能是一件好事，因为可以对这些服务和产品进行比较，并选择适合的。但是这也可能是一件坏事，特别是对于不知道如何挑选的人来说。如果急于将所有事情都做好，那么可能会做出错误的决定。企业选择适合的专业厂商来处理这些问题，虽然找到适合的承包商可能要花费一些时间，但将帮助企业做出明智的决定。如果企业是首次选择网络和数据布线承包商，那么可能会感到困惑，甚至可能会害怕做出错误的选择。虽然这是一个需要全神贯注的过程，但是不必害怕。只要遵循一些简单的提示，了解需要的内容，便可以立即做出正确的选择。以下分享一些建议。一切从经验开始就像病人就诊一样，需要在拥有数十年经验的医生和刚毕业的医学生之间进行选择，毫无疑问，人们通常会选择经验丰富的医生。因为经验会带来信任，而选择令人信任的布线公司也是如此。网络和数据布线非常复杂，这意味着容易犯错误。企业的工作人员也很难获得相关经验和知识成为专业人士，因此需要经验丰富的数据布线承包商的帮助。跟上技术发展很重要尽管经验是至关重要的，但可能有些技术方法已经过时。对于企业来说，希望其选择的承包商跟上所有新方法、工具和技术的步伐，以便他们能够更好地完成工作。当企业找到一个不断提高技能水平并跟上技术发展的承包商时，企业可以确定他们将能够满足其网络和数据布线需求，他们可以推荐或部署最适合的布线结构，并且能够解释为什么在特定情况下采用的方法。其技术专家需要时刻关注行业技术的最新发展。沟通是关键有效的沟通是业务成功的关键，这意味着企业需要寻找一个满足其业务需求的数据电缆承包商。除此之外，企业还希望所雇用的人员能够提供他们的相关想法，并解释他们认为某些事情对企业有利的原因。简而言之，希望更好地进行对话。如果企业发现数据线缆专家不称职，或者回避并拒绝了企业提出的想法和要求，那么最好不要与他们合作。最重要的是能够与企业开展合作的人员进行有效的沟通，这是成功合作的关键。 2020年需要合适的数据布线专家大数据正在以各种方式改变企业的基础设施需求。因此企业需要更加可靠的数据布线系统，这意味着他们需要雇用适合的数布线专家，他们将为企业带来更多的价值。

时间：2020-08-10 关键词：网络技术大数据
浅析ETC市场的发展前景

去年，我国完成了ETC全国覆盖任务。今年1月1日，我国全部取消了29个联网省份的487个省界收费站。ETC的发展潜力很大，发展前景良好。预计在今年我国ETC市场规模可达到百亿元。据数据显示，截至到2019年底，全国改造完成了48211条ETC车道。其中，截至12月23日，全国高速公路ETC平均使用率超过71%，同比增长28个百分点，通行效率明显提高。截至11月27日，全国9116个高速公路省界收费站已连通9023个，占比99%。 ETC盈利模式探索从ETC的推行安装到应用的过程中，主要参与者包括各大高速公路企业、设备商、各大金融机构、移动支付平台等。目前，我国ETC主要用于高速公路缴费，场景单一，后服务市场尚未打开，后续有望从单一场景出发，撬动庞大应用空间，实现盈利模式创新。例如对汽车在城市交通中涉及到的停车、加油、违章缴费、维修保养、保险等多种场景均未完全覆盖。 ETC+汽车金融服务对于银行等机构来说，单单只看重各类收费带来的盈利是远远不够的，创新ETC车主金融服务才能延长ETC的盈利周期。银行需要针对车主这一群体特色设计金融产品，尤其是融资类产品，一方面，广大车主在汽车升级换代、出行、旅游等方面比较容易产生融资需求;另一方面大量货车、客运车辆经营企业当中，对于车辆通过高速路所花费的巨额费用都有成本压力，综合上述客户痛点，商业银行应该在客户金融服务回归本源上下功夫，将前期ETC投入的巨额成本通过向车主提供融资服务赚回来，增加银行收益。二是针对运输企业和旅行社等具有运输职能和自有客货运车辆的企业进行评估和综合授信，通过基于第三方机构或保险公司保险的形式进行分期付款和短期融资服务，面向广大小微企业主开展运输行业普惠金融支持服务，通过线上线下结合的方式满足高频度、小额度、拆解周期短客户的车辆过路费融资需求，在授信总量控制的前提下开发新的融资品种，为商业银行增加新的产品创新途径。 ETC市场发展前景 (1)ETC发行服务渠道多样化未来将推动建立全网协同服务模式，完善服务规则，鼓励银行业金融机构、非银行支付机构和互联网企业等服务机构紧密合作。允许ETC绑定既有银行账户和支付账户。支持商业银行推广发行加载交通行业应用的联名卡，停止ETC储值卡发行、逐步减少ETC储值卡使用。 (2)ETC收费服务多元化智能交通收费技术未来的发展面临诸多政策和技术挑战，但以ETC为代表的车载设备收费技术符合各利益相关方高效率便捷收费和多元应用服务的需求，未来将引领新一代自由流收费技术进入快速发展期，并提供多元的收费服务。 (3)ETC车载装置加快完善随着公路、桥隧、停车场等场所实现ETC，不停车收费将成为主流方式，汽车的ETC车载装置需要加快完善。未来，鼓励车载装置产品形态及服务功能多样化发展，研发与行车记录仪、智能后视镜等车载电子产品结合的多功能一体化终端，满足不同用户应用和消费需求。同时支持开展车载装置汽车前装，鼓励汽车生产企业与ETC设备制造商、发行方开展合作，加强车载装置汽车前装技术研究、试点和推广应用。详细数据及更多资料请参考中商产业研究院发布的《2020年中国ETC盈利模式创新行业市场前景及投资研究报告》https://wk.askci.com/details/9673ae9dce31432f9587d19a87819936/ 《报告》从八大方面分析当前我国ETC概况、ETC市场发展环境PEST分析、ETC推广情况、ETC市场现状、ETC盈利模式分析、ETC企业分析、ETC行业发展前景以及ETC相关行业上市企业汇总一览。同时中商产业研究院还提供产业大数据、产业规划策划、产业园策划规划、产业招商引资等解决方案。

时间：2020-08-10 关键词：智能大数据 ETC
凯文凯利：通向未来的12个必然趋势

30年后的我们相比，现在的我们就是一无所知。必须要相信那些不可能的事情，因为我们尚处于第一天的第一个小时——开始的开始。我想讲一讲未来20年的技术走向。技术都会有一个前进的方向，我把它叫做必然，就是这个趋势像重力一样，一定会发生。比如有了芯片、电波等，必然会出现互联网，会出现手机。我不想讲苹果会不会取胜，特斯拉会不会取胜，中国今后怎样，美国将来怎样，这不是我说的必然。我说的是一种总体趋势，我相信这些趋势是可以预测的，但是它的细节无法预测，比如电话一定会出现，但苹果不是；网络一定会出现，但Twitter不是。我想讲一些长期的趋势，这种必然的趋势都是交织在一起的、互相依赖的，但最后朝同一个方向前进。 1、第一个趋势：形成（becoming）所有的东西都在不断升级这是我的书《必然》中的第一章，就是所有的东西，都变成了另外的东西，所有的东西都是一种流动的状态，都在不断地改变。下雨时每一滴水会如何进入到山谷，这个路线是肯定无从了解的。但是你一定知道方向——因为有重力，所以必然向下。而类似于必然发生的“重力”，商业趋势也是必然的，总体趋势一定能够预知。我们是有选择的。在未来，新的技术必然会出现，我们可以选择想要新技术以什么样的形式出现——也就是说“到底出现什么”是我们可以选择的。而今天聊到的必然趋势，互相依赖互相支持。在未来，所有的东西都变成了另外的东西，都在流动和改变。这样一种流动是时常在发生的。比如有型的产品变成了无形的订购服务，过去在商场才能买到商品，但是现在，你可以在网上购买相应的服务，服务的一部分包含了你需要的商品。比如从硬件到软件，现在所有的东西都是软件，这也是流动的趋势。比如现在，名词变成了动词，有形的东西变成了无形的。还有产品向服务的转型，之前卖成品，是有形的，现在采取订购，订购服务，是无形的。我们处在一个液态的世界，所有的东西都在不断地流动，不断升级，变得越来越好。比如汽车，这好像是我们能够想象到的最有形的东西，但是你在睡觉时，特斯拉汽车也在不断升级，它的确变得越来越好了，这就是我们将要进入的一个新世界。这些对我们有什么影响呢？首先，终身学习，不断学习。当你一直处于一个学习的状态时，你永远都是一个新的人。所有的东西都是不确定的，你永远都是无知的，不管你多大年纪，处在人生哪个阶段，总会有新的东西出现，所以我们要永远处于学习的状态。其次，所有的东西都是在形成的过程中，我们之前看到的是产品，现在看到的是过程。比如，我们以前拿到的是已出版的百科全书，现在的维基百科就不是一本百科全书，它是一个创造百科全书的过程。一直在被改变，一直处在创造的过程中。 2、第二个趋势：知化（Cognifying）与人工智能的合作表现决定你的薪酬未来技术变革的影响是永久性的。技术将和人工智能相关，技术要做的事情是让所有的东西更加智能，这个智化的过程就是技术带来的改变。未来技术跟人工智能相关，是会给我们社会带来根本性变革的技术趋势，可能就像之前的印刷术一样。很多东西已经变得很聪明了。比如看X光方面的专家会被人工智能所取代的，法律方面的AI可以比人类律师助理更高效地阅读文件。还有飞机驾驶员，比如一趟飞机的航程是12小时，人类飞行员只要工作七八分钟就行了，剩下的时间都是AI驾驶飞机，这些都是已经发生的。我们为什么还需要人工智能去帮助我们开车呢？比如Google的无人驾驶汽车。因为他们的思考方式跟我们不一样，不会考虑杂七杂八的事情，只是专注去开车。我们在AI方面做的事情，并不是让他们比人做得更聪明，因为它们很多方面已经比人更聪明了，我们要做的是各种各样的AI，让他们有多种思维方式。 Google训练人工智能玩电子游戏，十年前就开始做了，Google从来没想过去教AI怎么玩，而是教AI怎么学习，AI与人类的不同只在于思考的方式不同。未来将有数以万计创业公司，他们从事的是人工智能用于某一个领域的工作。使用者越来越多的话，机器会越来越聪明，这是一种滚雪球的方式。过去我们对智商的的认知就是一维的，这是一般的认知，我们不应该再这样看待智商。我们的智商像不同的乐器弹奏不同的乐曲，不同的人弹奏出的乐曲也不一样，所以大家的IQ不一样。动物、人类和机器的节奏也不一样，所以IQ也不同。很多人也非常担心，机器人会跟我们抢工作。有一些工作实际上是可以直接让机器人来做的，我们在AI上做的事情不是要让AI更聪明，而是让AI自己去学习，有更多思考和思维。有很多新工作，是机器人去帮助你完成的，工作职位是不断增加的。 AI帮助人类从电力电气、蒸汽时代到现在多彩纷呈的现代世界。现在的汽车，人类用手的肌肉力量即可开动250马力，我们假设将250马力的车转换成250种思想，那么你开的就不是车，而是自动化的电脑。人类未来的目标，是将智力作为一种服务，可以像电力一样传输。所以，对效率要求不高的工作更适合人类，比如要求创造力的工作，因为创造本身就是不讲究效率的，不用考虑正确性，这是人类适合去做的工作。任何看上去特别重复性的、没有意思的、没有什么乐趣可为的事情，都可以让机器完成。所以阿尔法狗和人比赛，是不公平的比赛，因为AI吸收了过去所有的套路。未来不管是哪个领域，实际上它都是最聪明的人加上机器。与人工智能的合作表现决定了你的薪酬，你必须要和机器进行合作，而不是和他们对抗。

时间：2020-08-10 关键词： google 无人机人工智能大数据
NI大中华区总经理陈健：物联网超越市场炒作之外的价值

2017年7月3日，由工业和信息化部指导、中国信息通信研究院主办的“首届（2017）中国工业大数据创新竞赛”启动仪式在北京国宾酒店举行。启动仪式上，作为本次创新竞赛的联合主办及战略合作单位代表，美国国家仪器（NI）大中华区总经理陈健忠先生受邀参加并发表了主题演讲——《共筑生态加速创新—平台化系统设计助力工业物联网及大数据创新》，向200+位与会嘉宾分享了NI在工业物联网及大数据领域的最新进展及成果。 1、透视：物联网超越市场炒作之外的价值作为世界信息产业发展的第三次浪潮，物联网堪称“全民话题”，火热之势毋庸置疑。陈总也在演讲中以麦肯锡的《物联网：超越市场炒作之外的价值》为引子，号召产业链上下游关注物联网的价值内核。据麦肯锡预计2025年全球IoT市场规模达到11兆美元。陈总认为，其中工业物联网，例如：工厂运维与设备优化；智能汽车与基于状态的维护；预测性维护；资源与基础设施管理；更将占据重要版块，而这也是NI所关注的重点领域。 2、助力大数据找到“更好的自己” 物联网带来的万物互联趋势，让大数据成为趋势的必然产物。 “大数据是更好的数据（Big Data is Better Data），”陈总在演讲现场强调了全新理念，他指出，“万物互联时代，数以万计的信息需要重新处理并‘数据化’，然而数据增加并不代表我们看见，或者说预见更多，工业大数据的本质是需要用新思路解决就问题，从海量数据中看见‘新’资讯”，挖掘出‘不同’，进行重新定义，改变问题的本质，让其更好利于预判和计划。” 3、“三位一体”构建NI大生态会上，陈总通过介绍NI平台以及构建的大生态向与会嘉宾高度概括了NI在工业物联网及大数据的成果。一体：NI平台陈总明确道：“NI为数据提供了全生命周期的平台，我们可以采集数据，分析数据，显示和呈现数据，还可以通过FPGA协处理来数据，并开放地连接到其他的工具、流程和平台。” 三位：NI泛生态协同制定标准——NI积极加入了IIC、工业4.0、Smart Amarica等组织，致力于定义和开发可实现互操作性的通用标准。其中，NI为IIC联盟的testbed项目提供了诸多快速原型化的系统；携手巨头，打造“泛生态圈”——NI通过与IIC成员以及其他领先的技术公司，例如思科、通用电气、IBM、AT&T和Intel等的共同努力，研发了包含微网控制与仿真，追踪与追溯管理，状态监测及预测性维护，TSN时间敏感网络等的testbed项目，致力于促进工业互联系统的形成、采纳和普及；建设示范性项目，大力助推中国市场——NI目前正在分别与麦肯锡、清华大学还有同济大学合作建设智能制造与工业4.0领域的示范工厂项目。NI作为其战略合作伙伴，为其实验室建设搭建了工业物联网基础架构以及边缘计算系统；除此之外，陈总还介绍了NI平台化设计方法在自动驾驶领域的显著成果，帮助众多车厂，例如国内的吉利实现了毫米波雷达的性能测试和场景仿真。 “而这一切，都归功于NI提出的基于平台的系统设计理念。NI通过以软件定义为中心的平台设计方法，致力于帮助工程师和科学家实现任意自动化测试、测量、监测与控制系统开发与大规模部署，加速创新与探索。”——NI大中华区总经理陈健忠先生

时间：2020-08-10 关键词：工业物联网自动驾驶 ni 大数据