大数据的由来
对于“大数据”（Big data）研究机构Gartner给出了这样的定义。“大数据”是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力来适应海量、高增长率和多样化的信息资产。
1
麦肯锡全球研究所给出的定义是：一种规模大到在获取、存储、管理、分析方面大大超出了传统数据库软件工具能力范围的数据集合，具有海量的数据规模、快速的数据流转、多样的数据类型和价值密度低四大特征。
大数据技术的战略意义不在于掌握庞大的数据信息，而在于对这些含有意义的数据进行专业化处理。换而言之，如果把大数据比作一种产业，那么这种产业实现盈利的关键，在于提高对数据的“加工能力”，通过“加工”实现数据的“增值”。
从技术上看，大数据与云计算的关系就像一枚硬币的正反面一样密不可分。大数据必然无法用单台的计算机进行处理，必须采用分布式架构。它的特色在于对海量数据进行分布式数据挖掘。但它必须依托云计算的分布式处理、分布式数据库和云存储、虚拟化技术。
大数据需要特殊的技术，以有效地处理大量的容忍经过时间内的数据。适用于大数据的技术，包括大规模并行处理（MPP）数据库、数据挖掘、分布式文件系统、分布式数据库、云计算平台、互联网和可扩展的存储系统。
最小的基本单位是bit，按顺序给出所有单位：bit、Byte、KB、MB、GB、TB、PB、EB、ZB、YB、BB、NB、DB。
大数据的应用领域
大数据无处不在，大数据应用于各个行业，包括金融、 汽车 、餐饮、电信、能源、体能和 娱乐 等在内的 社会 各行各业都已经融入了大数据的印迹。
制造业，利用工业大数据提升制造业水平，包括产品故障诊断与预测、分析工艺流程、改进生产工艺，优化生产过程能耗、工业供应链分析与优化、生产计划与排程。
金融行业，大数据在高频交易、社交情绪分析和信贷风险分析三大金融创新领域发挥重大作用。
汽车 行业，利用大数据和物联网技术的无人驾驶 汽车 ，在不远的未来将走入我们的日常生活。
互联网行业，借助于大数据技术，可以分析客户行为，进行商品推荐和针对性广告投放。
电信行业，利用大数据技术实现客户离网分析，及时掌握客户离网倾向，出台客户挽留措施。
能源行业，随着智能电网的发展，电力公司可以掌握海量的用户用电信息，利用大数据技术分析用户用电模式，可以改进电网运行，合理设计电力需求响应系统，确保电网运行安全。
物流行业，利用大数据优化物流网络，提高物流效率，降低物流成本。
城市管理，可以利用大数据实现智能交通、环保监测、城市规划和智能安防。
体育 娱乐 ，大数据可以帮助我们训练球队，决定投拍哪种 题财的 影视作品，以及预测比赛结果。
安全领域，政府可以利用大数据技术构建起强大的国家安全保障体系，企业可以利用大数据抵御网络攻击，警察可以借助大数据来预防犯罪。
个人生活， 大数据还可以应用于个人生活，利用与每个人相关联的“个人大数据”，分析个人生活行为习惯，为其提供更加周到的个性化服务。
大数据的价值，远远不止于此，大数据对各行各业的渗透，大大推动了 社会 生产和生活，未来必将产生重大而深远的影响。
大数据方面核心技术有哪些？
大数据技术的体系庞大且复杂，基础的技术包含数据的采集、数据预处理、分布式存储、NoSQL数据库、数据仓库、机器学习、并行计算、可视化等各种技术范畴和不同的技术层面。首先给出一个通用化的大数据处理框架，主要分为下面几个方面：数据采集与预处理、数据存储、数据清洗、数据查询分析和数据可视化。
数据采集与预处理
对于各种来源的数据，包括移动互联网数据、社交网络的数据等，这些结构化和非结构化的海量数据是零散的，也就是所谓的数据孤岛，此时的这些数据并没有什么意义，数据采集就是将这些数据写入数据仓库中，把零散的数据整合在一起，对这些数据综合起来进行分析。数据采集包括文件日志的采集、数据库日志的采集、关系型数据库的接入和应用程序的接入等。在数据量比较小的时候，可以写个定时的脚本将日志写入存储系统，但随着数据量的增长，这些方法无法提供数据安全保障，并且运维困难，需要更强壮的解决方案。
Flume NG
Flume NG作为实时日志收集系统，支持在日志系统中定制各类数据发送方，用于收集数据，同时，对数据进行简单处理，并写到各种数据接收方(比如文本，HDFS，Hbase等)。Flume NG采用的是三层架构：Agent层，Collector层和Store层，每一层均可水平拓展。其中Agent包含Source，Channel和 Sink，source用来消费(收集)数据源到channel组件中，channel作为中间临时存储，保存所有source的组件信息，sink从channel中读取数据，读取成功之后会删除channel中的信息。
NDC
Logstash
Logstash是开源的服务器端数据处理管道，能够同时从多个来源采集数据、转换数据，然后将数据发送到您最喜欢的 “存储库” 中。一般常用的存储库是Elasticsearch。Logstash 支持各种输入选择，可以在同一时间从众多常用的数据来源捕捉事件，能够以连续的流式传输方式，轻松地从您的日志、指标、Web 应用、数据存储以及各种 AWS 服务采集数据。
Sqoop
Sqoop，用来将关系型数据库和Hadoop中的数据进行相互转移的工具，可以将一个关系型数据库(例如Mysql、Oracle)中的数据导入到Hadoop(例如HDFS、Hive、Hbase)中，也可以将Hadoop(例如HDFS、Hive、Hbase)中的数据导入到关系型数据库(例如Mysql、Oracle)中。Sqoop 启用了一个 MapReduce 作业(极其容错的分布式并行计算)来执行任务。Sqoop 的另一大优势是其传输大量结构化或半结构化数据的过程是完全自动化的。
流式计算
流式计算是行业研究的一个热点，流式计算对多个高吞吐量的数据源进行实时的清洗、聚合和分析，可以对存在于社交网站、新闻等的数据信息流进行快速的处理并反馈，目前大数据流分析工具有很多，比如开源的strom，spark streaming等。
Strom集群结构是有一个主节点(nimbus)和多个工作节点(supervisor)组成的主从结构，主节点通过配置静态指定或者在运行时动态选举，nimbus与supervisor都是Storm提供的后台守护进程，之间的通信是结合Zookeeper的状态变更通知和监控通知来处理。nimbus进程的主要职责是管理、协调和监控集群上运行的topology(包括topology的发布、任务指派、事件处理时重新指派任务等)。supervisor进程等待nimbus分配任务后生成并监控worker(jvm进程)执行任务。supervisor与worker运行在不同的jvm上，如果由supervisor启动的某个worker因为错误异常退出(或被kill掉)，supervisor会尝试重新生成新的worker进程。
Zookeeper
Zookeeper是一个分布式的，开放源码的分布式应用程序协调服务，提供数据同步服务。它的作用主要有配置管理、名字服务、分布式锁和集群管理。配置管理指的是在一个地方修改了配置，那么对这个地方的配置感兴趣的所有的都可以获得变更，省去了手动拷贝配置的繁琐，还很好的保证了数据的可靠和一致性，同时它可以通过名字来获取资源或者服务的地址等信息，可以监控集群中机器的变化，实现了类似于心跳机制的功能。
数据存储
Hadoop作为一个开源的框架，专为离线和大规模数据分析而设计，HDFS作为其核心的存储引擎，已被广泛用于数据存储。
HBase
HBase，是一个分布式的、面向列的开源数据库，可以认为是hdfs的封装，本质是数据存储、NoSQL数据库。HBase是一种Key/Value系统，部署在hdfs上，克服了hdfs在随机读写这个方面的缺点，与hadoop一样，Hbase目标主要依靠横向扩展，通过不断增加廉价的商用服务器，来增加计算和存储能力。
Phoenix
Phoenix，相当于一个Java中间件，帮助开发工程师能够像使用JDBC访问关系型数据库一样访问NoSQL数据库HBase。
Yarn
Yarn是一种Hadoop资源管理器，可为上层应用提供统一的资源管理和调度，它的引入为集群在利用率、资源统一管理和数据共享等方面带来了巨大好处。Yarn由下面的几大组件构成：一个全局的资源管理器ResourceManager、ResourceManager的每个节点代理NodeManager、表示每个应用的Application以及每一个ApplicationMaster拥有多个Container在NodeManager上运行。
Mesos
Mesos是一款开源的集群管理软件，支持Hadoop、ElasticSearch、Spark、Storm 和Kafka等应用架构。
Redis
Redis是一种速度非常快的非关系数据库，可以存储键与5种不同类型的值之间的映射，可以将存储在内存的键值对数据持久化到硬盘中，使用复制特性来扩展性能，还可以使用客户端分片来扩展写性能。
Atlas
Atlas是一个位于应用程序与MySQL之间的中间件。在后端DB看来，Atlas相当于连接它的客户端，在前端应用看来，Atlas相当于一个DB。Atlas作为服务端与应用程序通讯，它实现了MySQL的客户端和服务端协议，同时作为客户端与MySQL通讯。它对应用程序屏蔽了DB的细节，同时为了降低MySQL负担，它还维护了连接池。Atlas启动后会创建多个线程，其中一个为主线程，其余为工作线程。主线程负责监听所有的客户端连接请求，工作线程只监听主线程的命令请求。
Kudu
Kudu是围绕Hadoop生态圈建立的存储引擎，Kudu拥有和Hadoop生态圈共同的设计理念，它运行在普通的服务器上、可分布式规模化部署、并且满足工业界的高可用要求。其设计理念为fast analytics on fast data。作为一个开源的存储引擎，可以同时提供低延迟的随机读写和高效的数据分析能力。Kudu不但提供了行级的插入、更新、删除API，同时也提供了接近Parquet性能的批量扫描 *** 作。使用同一份存储，既可以进行随机读写，也可以满足数据分析的要求。Kudu的应用场景很广泛，比如可以进行实时的数据分析，用于数据可能会存在变化的时序数据应用等。
在数据存储过程中，涉及到的数据表都是成千上百列，包含各种复杂的Query，推荐使用列式存储方法，比如parquent,ORC等对数据进行压缩。Parquet 可以支持灵活的压缩选项，显著减少磁盘上的存储。
数据清洗
MapReduce作为Hadoop的查询引擎，用于大规模数据集的并行计算，”Map(映射)”和”Reduce(归约)”，是它的主要思想。它极大的方便了编程人员在不会分布式并行编程的情况下，将自己的程序运行在分布式系统中。
随着业务数据量的增多，需要进行训练和清洗的数据会变得越来越复杂，这个时候就需要任务调度系统，比如oozie或者azkaban，对关键任务进行调度和监控。
Oozie
Oozie是用于Hadoop平台的一种工作流调度引擎，提供了RESTful API接口来接受用户的提交请求(提交工作流作业)，当提交了workflow后，由工作流引擎负责workflow的执行以及状态的转换。用户在HDFS上部署好作业(MR作业)，然后向Oozie提交Workflow，Oozie以异步方式将作业(MR作业)提交给Hadoop。这也是为什么当调用Oozie 的RESTful接口提交作业之后能立即返回一个JobId的原因，用户程序不必等待作业执行完成(因为有些大作业可能会执行很久(几个小时甚至几天))。Oozie在后台以异步方式，再将workflow对应的Action提交给hadoop执行。
Azkaban
Azkaban也是一种工作流的控制引擎，可以用来解决有多个hadoop或者spark等离线计算任务之间的依赖关系问题。azkaban主要是由三部分构成：Relational Database，Azkaban Web Server和Azkaban Executor Server。azkaban将大多数的状态信息都保存在MySQL中，Azkaban Web Server提供了Web UI，是azkaban主要的管理者，包括project的管理、认证、调度以及对工作流执行过程中的监控等;Azkaban Executor Server用来调度工作流和任务，记录工作流或者任务的日志。
流计算任务的处理平台Sloth，是网易首个自研流计算平台，旨在解决公司内各产品日益增长的流计算需求。作为一个计算服务平台，其特点是易用、实时、可靠，为用户节省技术方面(开发、运维)的投入，帮助用户专注于解决产品本身的流计算需求
数据查询分析
Hive
Hive的核心工作就是把SQL语句翻译成MR程序，可以将结构化的数据映射为一张数据库表，并提供 HQL(Hive SQL)查询功能。Hive本身不存储和计算数据，它完全依赖于HDFS和MapReduce。可以将Hive理解为一个客户端工具，将SQL *** 作转换为相应的MapReduce jobs，然后在hadoop上面运行。Hive支持标准的SQL语法，免去了用户编写MapReduce程序的过程，它的出现可以让那些精通SQL技能、但是不熟悉MapReduce 、编程能力较弱与不擅长Java语言的用户能够在HDFS大规模数据集上很方便地利用SQL 语言查询、汇总、分析数据。
Hive是为大数据批量处理而生的，Hive的出现解决了传统的关系型数据库(MySql、Oracle)在大数据处理上的瓶颈 。Hive 将执行计划分成map->shuffle->reduce->map->shuffle->reduce…的模型。如果一个Query会被编译成多轮MapReduce，则会有更多的写中间结果。由于MapReduce执行框架本身的特点，过多的中间过程会增加整个Query的执行时间。在Hive的运行过程中，用户只需要创建表，导入数据，编写SQL分析语句即可。剩下的过程由Hive框架自动的完成。
Impala
Impala是对Hive的一个补充，可以实现高效的SQL查询。使用Impala来实现SQL on Hadoop，用来进行大数据实时查询分析。通过熟悉的传统关系型数据库的SQL风格来 *** 作大数据，同时数据也是可以存储到HDFS和HBase中的。Impala没有再使用缓慢的Hive+MapReduce批处理，而是通过使用与商用并行关系数据库中类似的分布式查询引擎(由Query Planner、Query Coordinator和Query Exec Engine三部分组成)，可以直接从HDFS或HBase中用SELECT、JOIN和统计函数查询数据，从而大大降低了延迟。Impala将整个查询分成一执行计划树，而不是一连串的MapReduce任务，相比Hive没了MapReduce启动时间。
Hive 适合于长时间的批处理查询分析，而Impala适合于实时交互式SQL查询，Impala给数据人员提供了快速实验，验证想法的大数据分析工具，可以先使用Hive进行数据转换处理，之后使用Impala在Hive处理好后的数据集上进行快速的数据分析。总的来说：Impala把执行计划表现为一棵完整的执行计划树，可以更自然地分发执行计划到各个Impalad执行查询，而不用像Hive那样把它组合成管道型的map->reduce模式，以此保证Impala有更好的并发性和避免不必要的中间sort与shuffle。但是Impala不支持UDF，能处理的问题有一定的限制。
Spark
Spark拥有Hadoop MapReduce所具有的特点，它将Job中间输出结果保存在内存中，从而不需要读取HDFS。Spark 启用了内存分布数据集，除了能够提供交互式查询外，它还可以优化迭代工作负载。Spark 是在 Scala 语言中实现的，它将 Scala 用作其应用程序框架。与 Hadoop 不同，Spark 和 Scala 能够紧密集成，其中的 Scala 可以像 *** 作本地集合对象一样轻松地 *** 作分布式数据集。
Nutch
Nutch 是一个开源Java 实现的搜索引擎。它提供了我们运行自己的搜索引擎所需的全部工具，包括全文搜索和Web爬虫。
Solr
Solr用Java编写、运行在Servlet容器(如Apache Tomcat或Jetty)的一个独立的企业级搜索应用的全文搜索服务器。它对外提供类似于Web-service的API接口，用户可以通过>
近年来， “无人驾驶” 作为一个 科技 热词，频频出现在中国民众的视野内。有人支持有人反对。支持的一方说无人驾驶可以减少驾驶员的负担，减少车祸，能大幅度降低交通拥堵，让生活更智能化，老年人或残疾人也能方便出行。
反对的一方说这将会失去驾驶乐趣，完全依赖电脑到有可能忽视很多事故，万一有事故谁来负责？或者黑客入侵导致更危险的事故。不管你是否不喜欢无人驾驶，这必然是未来 汽车 发展的方向。
无人驾驶 汽车 也称智能车、无人自动驾驶车、自主导航车或轮式移动机器人，是室外移动机器人在交通领域的重要应用。无人驾驶车系统是一个集环境感知、规划决策和多等级辅助驾驶等功能于一体的综合系统，是充分考虑车路合一、协调规划的车辆系统，也是智能交通系统的重要组成部分。
另外，从 汽车 智能驾驶产业链来看，产业链涉及到的领域比较多，有 光学元件、集成电路、控制系统 等，自动驾驶功能的实现有赖于 感知、定位、决策、执行 四个环节的高效配合。
据资料显示，2021年我国无人驾驶相关专利申请数量为2107项，无人驾驶相关企业处测量达1564家，同比增长355%。 整体仍处于高速增长态势。
在自动驾驶 汽车 的研发竞争中，美国和欧洲一直是领先者。不过，目前我国智能驾驶的相关技术正飞速发展，相关产业链正逐步实现国产化，智能驾驶应用空间与市场规模庞大。 未来，在自动驾驶 汽车 的普及率上可能超越欧美等技术强国。
1、政策利好无人驾驶行业发展， 近年来，国家出台多项无人驾驶、车联网产业相关政策推进行业发展。加强智能网联 汽车 、自动驾驶、车路协同、船舶自主航行、船岸协同等领域技术研发。
2、5G技术加快无人驾驶 汽车 发展， 5G技术的快速发展和应用，推动高级自动驾驶 汽车 的诞生，加快无人驾驶 汽车 的到来。
3、物流领域应用推动无人驾驶行业发展， 在疫情防控阶段，“物流无人化”的需求不断提高。展望未来，物流领域的无人驾驶应用将得到进一步拓展，不断推动无人驾驶行业发展。
因此，无人驾驶技术发展对 汽车 制造业的颠覆性变革作用和对现代工业升级的助推作用将日渐显现。当前，智能辅助驾驶已成为 汽车 行业转型发展的主流。未来，无人驾驶技术将拉动人工智能、物联网、大数据、云计算等信息 科技 研发和运用，推动中国经济转型升级进程。
可以预见， 中国在智能辅助驾驶的产业化方面将突飞猛进，成为全球无人驾驶领域的一道亮眼风景。
汽车 零部件企业，主营减震器、内饰功能件、底盘、刹车系统。 公司是国内研发IBS 汽车 零部件厂商第一家，IBS将成为主动安全执行端的关键模块，除IBS和EVP以外，也前瞻布局了其他相关项目。
汽车 电子行业龙头， 有关智能驾驶方面的投入主要在关键零部件，包括但不限于高精度定位、视觉处理、毫米波雷达、激光雷达等环境处理上。
国内知名的军事训练器材供应商，智能无人系统业务 ，目前已就无人驾驶所需要的“车辆自主定位”，“车辆环境感知”,“车辆自主定位成图”等关键技术进行储备和业务布局；公司的导航产品与互联网巨头的无人驾驶领域有深度的合作。
国内较早进入卫星导航定位领域的公司 ，公司依照“高精度引导-自动控制-无人智能控制驾驶”三个阶段进行规划并实施，在高精度引导、智能控制、无人驾驶等系统的核心算法方面实现了自主研发。
汽车 信息化、智能化、网络化的全面供应商 ，与一些国内 汽车 厂和国外企业在部分专用导航产品上开始了专用车型的定制化服务，新五年规划明确无人驾驶发展方向。
国内 汽车 制动系统专业龙头企业，布局了自动驾驶产业。 公司的 汽车 电子 *** 纵稳定系统已研发成功，并与国内大厂展开整车智能驾驶合作，是最有潜力的智能驾驶标的之一。
后来发现就连身边的同事和朋友也都有这样的“理解”，所以我觉得需要正式地写一篇文章，作为对这类说法的一个回应，以及对厘米波、毫米波技术和产生这些争论原因的一个说明。
当然在此我先亮明自己的观点： 厘米波和毫米波5G没有真假之分，只有应用场景的区别，并且目前阶段，全球绝大多数国家更需要厘米波。
如上图所示，目前5G主要使用两段频率，3GPP将它们命名为FR1和FR2频段。
FR1频段的频率范围是450MHz-6GHz，又叫做Sub-6GHz频段， 因为其波长大于10毫米，所以将这个频段称为厘米波。
FR2频段的频率范围是2425GHz-526GHz，由于FR2覆盖波段之中 多数为小于10毫米波长的频率，这部分频段因此得名“毫米波（mmWave）” ——但其实这个波动段中有一部分波长大于10毫米，但因为约定俗成的叫法，也就忽略了。
这个算是厘米波和毫米波称号的由来。
我们大家都知道，5G作为新一代通信技术，它属于网络信息时代的底层建筑，而像物联网、大数据、云计算、人工智能、无人驾驶等新技术，以及像VR/AR、各类5G终端电子产品、智能家居、智能交通工具等5G相关的硬件，都属于这整个生态的上层建筑。
5G通信技术作为底层建筑，在内部也存在着完整的生态，主要包含通信设备生产制造、以及通信运营，说白了就是 一个负责建设网络（通信设备企业），一个负责使用网络（通讯运营商）。
而毫米波和厘米波从技术角度来说，主要归负责建设网络的部分管。当然，生产制造者也都是从市场需求以及对未来的发展前景中进行分析判断，并最终决定生产制造的方向。 而诺基亚、爱立信、华为、中兴等通信设备企业在当前最优先考虑的就是对厘米波技术的落地应用，但不是说不发展毫米波，而是延缓对于毫米波的部署。
至于原因，就在于两者的优缺点。
厘米波的优点就是覆盖面积广，信号稳定，受到环境因素影响较小，它的缺点就是带宽没有毫米波的大，数据传输速率比起4G大很多（能达到100M/s，约为4G速率10倍以上），但是比起毫米波却小了很多。
而毫米波的优点则在于数据传输速率非常快（苹果新机发布展示过），同时时延很小，可同时连接设备的数量很大。但与此同时它的室外覆盖面积很小，非常容易受到建筑甚至树木的阻挡，受环境影响也很大，可能下雨都会极大地影响它的信号—— 总之，毫米波衰减效应太强，穿透性太弱。
当然，由于毫米波优势太突出，而且 毫米波频谱资源相较厘米波来说丰富很多 ，所以对毫米波技术的研究一直都在进行，对于它的两大弱点也有了相对可靠的手段。
比如说 Massive MIMO ，即大规模天线技术，它就是为了弥补衰减效应而发展出来的技术，原理很简单，发射天线和接收天线的单个增益既然没办法加强，那就增加数量，以提升信号强度。又比如 波束赋形 ，这个是为了解决传播路径的问题，既然穿透性很差，那就将无线信号定向传输到需要使用的方向，对于室外使用环境来说就能更精准的提升使用效率。
上边两项技术，主流设备商包括中兴、华为、大唐移动、爱立信、诺基亚以及三星都有相应的方案。
只不过大家需要知道的是， 无论如何弥补毫米波的短板，都需要付出很高的代价。 研发成本高企且不说，毫米波部件对于半导体加工的要求很高，这造成了元器件成本的增大，同时毫米波技术需要的基站数量要远大于厘米波技术，所以部署成本非常高，建好以后，海量的毫米波基站相比厘米波基站的耗电量也要大得多——运营成本非常高， 在成本如此高的情况下，却还远不能产生与之相对应的经济效益——因为5G时代可不是跟之前的移动通信时代一样，主要只针对电子产品的联网，它要承载的东西更多。
所以在当前全球各国的部署规划中，基本上都是厘米波先行，作为大范围的5G基础设施，毫米波则根据实际情况进行点状部署，比如某些工业企业、人口密集的大城市等有着实际需求且能够产生经济效益的地方。
全球各国可能只有美国例外，因为美国军方和国防建设占用了大量的厘米波频谱资源，以致于美国通信运营商只能选择毫米波频谱资源进行部署。 当然，美国的城镇化水平非常高，大城市里人口密集，具有很好的毫米波部署的先决条件。但是美国通信运营商已经在寻求美国军方对于厘米波频谱资源的腾让，他们也意识到厘米波技术的重要性。
其他发达国家的步调则基本都是厘米波为主、毫米波为辅，兼顾经济效益与实际条件。
而亚洲各国中，中日韩基本都是以厘米波为主，但日韩对于毫米波的部署与发展程度略微领先于中国，这个主要跟国情有关——我们的5G网络需要提供给14亿人使用，且覆盖面积远大于日韩，仅基于Sub-6技术的5G基站据初步规划就需要建设1400万个。当然，我们也有对于毫米波基站的部署，并且最早将于2022年开启商用。
其实很多人是比较迷惑的，4G时代的时候华为通信设备领域已经这么牛了，怎么不见制裁，为什么到了5G时代，美国忽然间发疯了一般对华为下手？
回答之前，大家应该知道 美国作为世界唯一超级大国的底气在哪里—— 科技 、军事、金融， 通俗点说就是美国硅谷、美军、美元。
华为发展厘米波基站技术，并在西方国家推广使用，包括爱立信、诺基亚等也纷纷展开相应研究，这一点仅从民生领域来说确实没什么。但我们要知道，美军的军事影响力遍及全球，北约组织实际上就是美军的后花园，这是美军能够在西欧各国驻军的原因。与此同时，美军在全球的海外军事基地、航空母舰编队、军方情报机构等，他们所使用的频谱资源都是厘米波。
所以美国在游说西方国家放弃华为的时候，基本上都会以这种巧合作为阴谋论的根基：你们国家用了华为的通信设备，那么我们的频谱资源相近，那数据就可能被窃取，安全就无法得到保障。
华为说自己不会窃取。
然后美国政客就说， 你怎么证明你们不会窃取呢？如果你们不能证明你们无法窃取，那就证明它可能会被窃取——那就是肯定能窃取。
这就叫诡辩术。
“你无法证明你没有杀人，那就证明你有杀人的嫌疑——所以我就可以说你杀了人。”——是不是很厉害？
美军靠这一招曾经收拾了伊拉克，但问题就在于华为不是伊拉克，华为背后站着中国，同时华为自己在海外的业务也确实非常透明公开。
近期瑞典反对华为5G，实际上也是美军在后边玩弄这套诡辩术，瑞典如果想加入北约，那就必须放弃华为5G。
那么有人问了，美军为什么明知道华为的厘米波5G基站对美军安全没什么威胁，却还是要反对它？
真相其实大家都知道， 因为华为不是美国公司，无法为美国军方及美国政府搜集情报提供帮助。 而且美国拿着q的时候大杀四方，有一天q跑到了别人手里，它也并不会觉得别人会拿q去打猎，它没有安全感。如果引领5G厘米波技术进展的是爱立信或者诺基亚，那相信阻碍会少上很多。
而且更重要的是，华为掌握厘米波5G技术不仅让美军感受到了威胁，还对美国 科技 造成了威胁。
同时对美国三大基石中的两个产生影响，虽然实质影响非常小，但是美国不允许出现任何意外，更何况华为背后站着的中国正在以不可阻挡的姿态迅速崛起。
这就是美国这届政府对华为的制裁不断加大力度，并最终靠着非常恶劣的方式终止华为芯片供应，以及外部的5G商业化部署。它需要把这个很小的可能性彻底地除去。
但 美国最终能够也没办法除掉华为，因为华为的背后站着的是中国，看上去我们国家对于华为在台面上没提供什么强有力的帮助，但其实国家对于华为的帮助远超我们的想象。
要不然华为早就和法国的阿尔斯通一样早就解体，阿尔斯通的创始人被美国法院判了125年监禁，而孟晚舟虽然也被美国刁难，但美国也没敢直接就对孟晚舟下黑手，为什么呢？只是因为美国对华为无能为力？因为美国害怕我们施以对等的惩罚，这就是加拿大出头的原因。而在美国实现了芯片断供后才发现，它对华为的实质伤害比自己想象中的要小，而且美国 科技 企业大受损失。
从最近的信息中可以判断出，孟晚舟应该离归国不远矣。加拿大已经逐渐承受不起非法羁押孟晚舟带来的各类损失及压力，美国对于华为进一步扼杀的意愿也已经随着现实的改变而发生了本质的转变。
所以现在最尴尬的就是加拿大。
但我们可能会让加拿大政府知道，只有尴尬是不够的，我们这个五千年文明古国有秋后算账的优良传统，一切等孟晚舟回国再说。
其实如果真去较真什么“真假5G”，我觉得“独立组网”（SA）和“非独立组网”（NSA）更类似于真假5G，但从本质来说，这两者提供的网络都是货真价实的5G，只不过都是为了兼顾经济效应而做出了对配置的调整。
厘米波和毫米波都属于真5G的不同路线，从本质来说，两者谁先谁后没啥区别，但如果将这个顺序放在产业链发展和用户角度去考量，就会发现先后顺序、主次顺序很重要。
如果先推进毫米波技术，而且一条腿走路，只走毫米波路线，那么建设的话就意味着资源的闲置和浪费，尤其对于我们中国这样地大物博、人口众多的国家，使用毫米波技术部署5G，将给我们整个通信网络建设运营带来极大的负担，而且还是长期的负担——因为目前还无法实现5G物联网方向的大规模应用，你花了非常大的精力和金钱建好了，却没办法收回投入（只靠5G手机入网经济效益很低），还要再投入海量的金钱和精力去维持它（耗电、耗材）—— 这就好比陷入了一种无意义的竞赛中。
而且目前我们推动毫米波基站的话，最赚钱的还是美国硅谷的那些半导体企业们，因为我们自己的半导体产业链还无法到达提供毫米波技术等级半导体元件的地步。
这样的困扰并不只存在于我国，西方发达国家的发展也并不均衡，城镇乡村的部署短期内都没办法考虑成本居高不下的毫米波方案。
所以大多数国家选择的都是厘米波先行，而 对于我国来说，厘米波先行还有其他的好处——有利于半导体产业链制造能力的提升。
我国早在几年前就已经制定了5G的发展规划，厘米波基站先行，目前也已经实现了商用，可以这么说， 厘米波5G的商用基本能够满足未来3-5年内的用户需求 ，包括用户的网络需求以及用户对于物联网、无人加势的需求。网络需求相对来说容易实现，即便上网设备数量猛增，厘米波基站可以以增益的方式实现一定的网速保障。而无人驾驶、物联网等需求在未来3-5年仍然属于发展阶段，即便有成熟的方案，也不会出现熟练众多的此类设备。
而在这三到五年间，我们的半导体产业链将因为此前的遭遇而获得更多重视及资源倾斜，也就意味着有更大的可能实现技术突破，那么很有可能，当我们真正需要大规模的毫米波技术基站的时候，我们的半导体产业链既能满足毫米波基站半导体元件的需求，也能满足消费电子、智能设备等硬件的半导体元件需求，尤其是芯片——我们将有一个时间窗口来发展我们自己的芯片制造产业链。
而如果我们在美国主导的毫米波战略下进行部署，很显然不符合我们的国家利益。
有个时间点很有意思： 我国规划2022年开启毫米波5G的商用，华为计划在上海建造一家不使用美国技术的芯片工厂，并预计将在2022年年底之前为其5G电信设备生产20nm的芯片。
那么我们的毫米波基站芯片或许将完全由国内提供。
所以如果之后即便美国松开对华为的5G芯片供应，可能我们也会拒绝——踹醒了我们，又想着把我们哄睡，可能么？
从目前来看，我们在5G发展上还是有些流于表面。
我们需要知道一件事，5G的发展水平看的并不是我们有多少5G用户，单从用户数量来看，中国的5G网络使用人数确实独一无二，但5G更大的意义可不是提供高速网络，我们需要看的是5G在工业领域的应用，对物联网、人工智能、无人驾驶等新兴领域的支撑。
所以我们听到通信运营商所公布的5G用户数量暴增，不用太过高兴，真正需要注意的是农业、采矿业、机械制造业、金属冶炼行业等对于5G的应用，以及无人驾驶、物联网建设等在大生态方面的应用，在对5G的应用上又该有着广泛而深入的 探索 。
华为的5G技术实际上做的就是修桥铺路的工作，但是整个5G生态需要的是路上有车、路边有房，而体现我们在整个5G时代发展水平的绝不仅仅是路修的多好，而是看我们依托这条路， 探索 出来了一个多大的应用空间、多么辽阔的世界。
从厘米波和毫米波路线之争中，我们最大的收获并不是证明了谁对谁错，而是看到了决定我们5G发展水平的其实是半导体产业链中的基础工业 ——光刻机制造、芯片设计软件、晶圆原材料加工等，这些决定着我们的5G将拥有什么样的发展潜力。
最后还是想说，大家真的不用羡慕哪款手机支持毫米波5G，因为市面上包括三星S20、iPhone12等支持毫米波5G的手机，基本上都只能在美国使用，而且受到很明显的地域限制——即便美国，毫米波也不可能随处可见。
而且别看三星支持毫米波，那也只是美国版本如此，韩国国内用的也是厘米波技术。厘米波是5G时代的主流基站，毫米波则作为重要补充——这样的格局将成为最终形态。
我认为我们前所未有地靠近下一个网络时代的核心位置，所以希望我们能一如既往地走自己的路，不沉迷不后退，一往无前，直至……
所向无敌。
1、物流
所有流动运输中的设备都通过智能标签发送定位信息、设备标识码、状态到物联网中，以便统一调度、指挥。
智能物流系统：是在智能交通系统和相关信息技术的基础上，以电子商务方式运作的现代物流服务体系。
智能物流系统：通过智能交通系统和相关信息技术解决物流作业的实时信息采集，并在一个集成的环境下，对采集的信息进行分析和处理。通过在各个物流环节中的信息传输，为物流服务提供商和客户提供详尽的信息和咨询服务的系统。智能物流系统包括：物流运输机器人（无人机、无人驾驶快递汽车）、物流导航、控制、调度。
2、城市交通
智能交通系统：是将先进的信息技术、通讯技术、传感技术、控制技术以及计算机技术等有效地集成运用于整个交通运输管理体系，而建立起的一种在大范围内、全方位发挥作用的，实时、准确、高效的综合的运输和管理系统。
智能交通系统的应用范围：包括机场、车站客流疏导系统，城市交通智能调度系统，高速公路智能调度系统，运营车辆调度管理系统，机动车自动控制系统等。
无人驾驶汽车：特斯拉。
3、智能停车场
智能车牌识别系统主要是由：摄像头、控制程序、嵌入式硬件和停车栏杆控制系统组成。
港珠澳大桥珠海口岸配套的停车场，采用人工智能识别、导航寻车系统。包括停车场+车牌识别/卡片系统、视频车位引导+反向寻车+线上打折及缴费系统等，三个区域停车场共计18个车道，约2500个车位。由智慧城市公司打造的智慧停车系统，整合了智能硬件、视频识别、车位引导、室内定位、云平台等技术，实现了便捷停车、线上缴费、车位引导、自助寻车、动态导航等功能。
4、快递。
智能快递分捡系统、智能快递柜。
二、安全系统
1、安防监控
智能门禁系统：用人脸识别、指纹识别开门。车联网是由车辆位置、速度和路线等信息构成的巨大交互网络，是由多种信息组合成的产物，我们可以把这些信息看成物联网、智能交通、车辆信息服务、云计算和汽车电子技术等。
汽车使用的无人驾驶技术和智能语音控制等，这些技术都是车联网推出的功能。
车联网的功能：
无人驾驶功能：
这一功能最典型的就是特斯拉汽车，目前已经实现了自动驾驶，车联网功能一共分为五个阶段，分别是驾驶资源辅助阶段、部分自动化阶段、有条件自动化阶段、高度自动化阶段，以及完全的自动化，目前我国的无人驾驶技正在逐步研发，相信很快就可以投入使用。
ECU电子控制单元与OBD车载自动诊断系统：
这两个系统分别监控和诊断汽车的运行状态，通过检测可以实现汽车的自动泊车、自适应巡航和防碰撞系统。
车机互联：
最具有代表性的是carplay和Carlife，可以直接将手机的内容投射到汽车上，真正意义上实现了人车互联。
欢迎分享，转载请注明来源：内存溢出
微信扫一扫
支付宝扫一扫
评论列表（0条）