转自： 人工智能在中国航天的应用与展望_数据 (sohucom)
嵌牛导读
随着物联网、大规模并行计算、大数据和深度学习算法等技术的突破，人工智能近年来取得了突飞猛进的发展，在图像识别、语音识别、自然语言处理、无人驾驶、智能机器人等众多领域展现出令人期待的发展前景，并得到了国内外各政府的关注和支持;该文将人工智能技术与运载火箭、深空探测器、武器装备等航天应用相结合，论述其在自主规划航天任务、高效智能地面测试、全面快速设计保障等方面的应用模式，并从产品规划、顶层设计、产品打造、具体实施几个方面对中国航天后续发展人工智能技术提出了相关的对策建议。
嵌牛鼻子人工智能运用于航天。
嵌牛提问人工智能在航空航天中有什么运用呢？
嵌牛正文
岳梦云, 王 伟, 张羲格
(北京宇航系统工程研究所，北京 100076)
摘要： 随着物联网、大规模并行计算、大数据和深度学习算法等技术的突破，人工智能近年来取得了突飞猛进的发展，在图像识别、语音识别、自然语言处理、无人驾驶、智能机器人等众多领域展现出令人期待的发展前景，并得到了国内外各政府的关注和支持;该文将人工智能技术与运载火箭、深空探测器、武器装备等航天应用相结合，论述其在自主规划航天任务、高效智能地面测试、全面快速设计保障等方面的应用模式，并从产品规划、顶层设计、产品打造、具体实施几个方面对中国航天后续发展人工智能技术提出了相关的对策建议。
关键词： 人工智能； 大数据； 航天应用
0 引言
在十二届全国人大五次会议上，国务院总理李克强在作政府工作报告时表示，要“全面实施战略性新兴产业发展规划，加快新材料、人工智能、集成电路、生物制药、第五代移动通信等技术研发和转化”，这也是“人工智能”这一表述首次出现在政府工作报告中。
近年来，物联网、大规模并行计算、大数据和深度学习算法这四大催化剂的发展，以及计算成本的降低，使得人工智能技术突飞猛进。2016年12月，升级版“AlphaGo”化名“master”在60场互联网棋局车轮大战中连胜柯洁九段、陈耀烨九段、朴廷桓九段、芈昱廷九段、唐韦星九段等高手，取得全胜战绩，引起各界对人工智能的广泛关注与讨论。
1 人工智能的四大先决条件
11 物联网
随着摄像头、麦克风、各种类型传感器的发展，基于物联网技术的智能设备得到了飞速提升，而大量智能设备的出现则进一步加速了传感器领域的繁荣。这些传感器负责采集数据、记忆、分析、传送数据，将外部世界数字化，为智能系统提供了多维度的数据输入，成为数字世界与物理世界交互、反馈的接口和手段。
12 大规模并行计算
并行计算(Parallel Computing)指同时使用多种计算资源解决一个计算问题的过程，能够有效的提高计算速度和处理能力的一种有效手段。海量的分布式计算资源和超高速计算能力，令快速处理大量数据、训练复杂模型、用知识体系代替人类常识成为可能。这些知识和模型为人类和机器人提供智能的辅助决策，让人工智能成为现实。
13 大数据
大数据具备Volume(大量)、Velocity(高速)、Variety(多样)、Value(低价值密度)、Veracity(真实性)的5V特点。在过去，要尽可能全面地认识某项事物，必须合理设计抽样调查的策略，使样本能够尽量覆盖全集特征。随着计算能力的提升，可以不再采用随机分析法这样的权衡之策，而采用所有数据进行分析处理。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。海量的数据为人工智能的学习和发展提供了资源。通过知识挖掘，可以从大量有噪声的随机实际应用数据中，提取人们事先不了解但是隐藏在数据中的有价值的信息和知识。这种对隐性信息的挖掘是大数据价值的核心，也是实现人工智能的关键。
14 深度学习算法
深度学习算法作为机器学习的一个分支，由Hinton等人于2006年提出，是人工智能迎来新一轮飞速发展最重要的核心技术[1]。深度学习算法用非监督式或半监督式的特征学习和分层特征提取高效算法来替代手工获取特征，其中最广为使用的算法包括卷积神经网络(convolutional neural networks，CNN)、循环神经网络(recurrent neural network，RNN)长短期记忆网络(long short-term memory，LSTM)等，需要根据具体应用场景和数据特征加以选择。深度学习是对人类思维方式的建模，让机器能够理解人的行为，并将知识运用到与用户的交互中，达到机器“人性化”的终极目标，实现人工智能技术在商业中的落地。
2 人工智能的细分领域
21 图像识别
通过结合大数据的训练，人工智能可以对图像进行预处理、图像分割、特征提取和判断匹配。在图像识别的技术框架中，人脸识别应用非常广泛。人脸识别是基于人的脸部特征信息进行身份识别的一种生物识别技术。目前国内领先企业旷视科技的人脸识别准确率已高达99999%。此外，在产品生产质量检验上，图像识别技术应用也非常广泛，例如：机械类产品的裂纹自动识别检测。
22 语音/语义识别
利用特征提取技术、模式匹配准则及模型训练技术，语音识别能够让机器对采集到的语音信息进行识别和理解，转化为文本或命令。例如在军事上，可通过语音识别确认说话人的身份、侦听情报内容、或下发 *** 作指令，具有非常重要的价值。目前，针对中小词汇量非特定人的语音识别系统识别精度已超过98%，针对特定人的识别精度甚至更高。
23 自然语言处理
语言是人类区别其他动物的本质特性，因此理解语言也是人工智能的一个核心方向。综合语言学、计算机科学、数学等多种科学，自然语言处理研究能实现人与计算机之间有效通信的各种理论和方法，以一种智能高效的方式，对文本数据进行系统化分析、理解与信息提取。通过使用自然语言处理技术，可以管理大块的文本数据，或执行大量的自动化任务，并且解决如自动摘要，机器翻译，命名实体识别，关系提取等语言相关任务[2]。
24 无人驾驶
无人驾驶的核心技术是即时空间建模和人工智能技术。低成本高效率的感知解决方案是无人驾驶的基础，高精度底图的建立是无人驾驶的关键，具有深度学习的算法芯片是无人驾驶的核心。在过去六年内，谷歌无人驾驶汽车在公路上安全行驶220多万公里，仅发生17起交通以外，而且均是由人类失误引发的。
25 智能机器人
智能机器人融合了几乎所有人工智能分支技术，它至少需要具备感觉要素、反应要素和思考要素。它能够理解人类语言，感知、分析周围环境信息并调整自己的动作。目前已发展出多样化的机器人种类，从智能水平较低的工业机器人，到智能陪护机器人再到高级智能机器人。
3 人工智能在中国航天上的应用前景
31 更自主的任务规划
航天飞行任务规划是一个典型的知识处理过程，其中涉及较为复杂的逻辑推理和众多的约束条件，这种问题适合采用人工智能的方式加以解决，实现“人工智能+”。
311 “人工智能+运载火箭”——高容错飞行
运载火箭的飞行入轨面临的是一个地面难以复制和仿真等效的全新环境，飞行阶段程序转弯、发动机关机、级间分离、再次点火、姿态修正、载荷分离诸多环节中数百个零部件任一失效偏差都可能给火箭带来不可挽回的损失，是运载火箭成败与否的核心一环。高机动性、短飞行周期、恶劣环境都意味着人无法有效干预，因此，发动机推力下降、姿控极性接反均直接造成了任务失败，飞行风险居高不下。
目前的箭载计算机大多不具备重新规划飞行任务的能力，或需要地面人工计算制导诸元后，通过测量系统进行了上行注入，一定程度上实现d道的重规划，将卫星送入轨道[3]。
未来，将运载火箭设计阶段梳理的飞行过程故障模式与传感器参数相结合，研究基于人工智能的运载火箭飞行阶段故障自诊断以及深度学习训练方法，在分秒必争的运载火箭飞行段完成故障预测、故障定位与故障隔离工作，并通过轨迹d道重规划、制导姿控模型重生成，有效隔离局部故障，规避失败风险，最优化飞行轨迹与姿态控制，有效挖掘潜在运力资源[4]。
除此之外，在运载火箭发动机关机、级间分离后，分离的舱部段通过自主感知和自主控制技术，与卫星定位信息、地形布局信息动态匹配，通过发动机再次点火，实现舱部段自主飞行、平稳下落、精准落地以及主动防护，通过舱部段及各级发动机的回收再利用，显著压缩运载火箭任务周期，降低运载火箭制造成本。
312 “人工智能+深空探测器”——自主规划
现有行星探测器的主要前进方式为：拍摄前方照片通过遥测发回地面站， *** 作人员根据图像确定前进路线，再通过上行通道上注行动指令，实现探测车的行驶 *** 作。这种模式过于依赖地面测试人员，效率较低，很多时候由于行星表面环境较为恶劣，或者由于距离的确过于遥远，遥测控制信号也比较微弱，或者由于地球自转引起相对位置改变，无法实现遥测遥控，更难以实现探测器的实时控制。基于人工智能、视觉计算、监控装置的自动驾驶将大幅提高探测、地形勘测的效率。根据视频摄像头、雷达传感器以及激光测距器来了解周围的地形状况，利用图像识别等智能感知技术、智能决策和智能控制技术可以实现行星探测车的自主行动，选取最优探测路线，智能避开障碍物体，以最小的代价、最高的效率采集有用信息，大大辅助深空探测应用。
深空探测应用中，复杂航天器是由大量元器件和软件组成，长期的在轨运行，元器件的故障和软件的不完善在所难免，由于太空环境的特殊性，当某部分损坏时，难以通过人员进入太空进行判别和修复，利用人工智能技术结合空间高精度、高灵敏度机械臂，通过智能分析航天器数据，实现故障的自主定位、自动识别和在轨自主修复，在轨 *** 作、组装、拆卸、管理。
313 “人工智能+武器装备”——智能作战
通过多维度侦查探测系统，智能感知、发现、定位、跟踪敌方动态、电磁频谱信息、作战行动等战场态势信息，以最少的人员、更少的代价、最大化地获取战场情报数据，辅助智能判别与智能决策应用。如利用覆盖红外、可见光、微波雷达等多种技术手段，实现一体化、集成化的多模融合探测装置，智能感知多维度、多层次、多类型数据，然后应用数据配准、智能去噪等预处理手段获取高质量多源数据，再利用深度学习、模糊推理、专家系统等智能技术，建立目标识别和威胁判别模型，实现武器装备作战环境中目标智能探测感知和识别。
通过给武器装备各类传感器、探测器，智能探测感知飞行空间信息、拦截d信息等，数据传输给d载智能“大脑”，设定相应的优化准则、目标等，通过数据分析，智能自主决策，规划调整飞行d道，通过动力学气动调整，改变飞行轨迹，增强突防性能[5]。
人工智能使无人机个体具备较高的智能水平，协同作战能力显著提高，从而形成低成本的无人机蜂群战术。目前，以美国国防高级研究计划局(DARPA)为首的众多机构，都投入了大量经费就无人机集群在空中的协同作战理论和技术展开研究，包括无人机的快速编队、多机间通信协同，自主战术决策与下达作战命令等，构建多无人飞行器的任务自组织系统分布式体系结构。
32 更高效的地面测试
运载火箭的测试发射同样是一个多学科交叉，多专业耦合的复杂系统工程，是运载火箭成败与否的关键一环。状态准备、测试 *** 作、预案决策、数据判读，每一环都是技术能力的保障，都是知识经验的考验，同样每一步都离不开人的参与，成败维系在每一名人员身上，高水平人员的稀缺造成测试发射无法多任务并举，以及连续疲劳带来的风险造成测试发射周期无法进一步压缩，通过应用人工智能技术，可显著提升测试效率，降低发射成本[6]。
321 采集层
通过多样化的手段代替传统的传感器采集或人工直接观测，基于视频语音识别技术的应用可以大大减少火箭本身测点的布置。例如：发动机工作状态，可以通过对其工作时的声音进行频谱分析；一些机构的动作，可以通过非接触的摄像机直接观察；仪器仪表的指示灯状态监控，可以通过摄像头摄录信息，之后在后台用图像识别的方式的进行自动判断。
322 处理层
人工智能技术极大的提升了设备的数据处理与故障诊断的能力。对地面测试数据进行统一管理和应用，除了完成流程自闭环的反馈判断，还能够对数据的趋势、关联进行综合分析，设备不但可以掌握自身的运行状态，实现故障检测与隔离，启用合适的故障预案，还能够想设计 *** 作人员提供辅助决策和任务规划建议。
323 执行层
前端无人值守是未来火箭发展的必然趋势。电测过程中的脱查脱拔等人为 *** 作、异常故障时的抢险 *** 作，可以采用带视觉定位系统的机械臂来完成。此外，后端的人机交互也可以加入语音识别、手势感知等新型指挥手段，提高测试效率。
33 更全面的设计保障
331 智能设计
引入人工智能技术，可以将目前的半智能化计算机辅助设计系统升级为智能化计算机辅助设计系统，整合现有的海量资料及资源，模拟人脑思考的过程，彻底解决上述三类问题。采用人工智能技术的“航天大脑”可以根据型号需求提供总体文件的初稿，总体设计师进行决策修改后，“航天大脑”将系统需要的文件自动下发至系统级，并形成系统级文件的初稿，系统设计师进行决策修改后，“航天大脑”再将单机需要的文件下发至单机。在进行具体设计时，设计师仅需将设计输入文件提交至“航天大脑”，系统则会根据需求以及所学习的设计文件完成设计工作。如设计电缆网图时，设计师仅需将电缆的几何尺寸、点位定义等提交至“航天大脑”，“航天大脑”会自动绘制出电缆网图的模板，并自动给出诸如线缆型号推荐、连接器型号推荐等辅助决策信息，设计师将不需逐个翻阅厂家的手册即可完成设计，设计效率将大大提高。此外，由于“航天大脑”能够在很短的时间内完成大量文件的学习工作，并从中找出最优方案，设计的标准化和设计水平也能够得到保证。
332 智能制造
智能制造是一种由智能机器和人类专家共同组成的人机一体化智研制造系统，通过人与智能机器的合作共事，扩大、延伸和部分地取代人类专家在制造过程中的脑力劳动。它把制造自动化的概念更新，扩展到柔性化、智能化和高度集成化。
利用大数据技术，对于运载火箭制造装配需要的物资、工具、生产线、场地、工装、人员、运输车辆都统一进行编码采集与实时定位管理，将散布在全国各地的运载火箭制造装配资源条件，进行投筹管理，真正做到全国一盘棋。并与运载火箭发射任务计划有机对接，通过态势分析与智能预测，实现生产规模进度的最优化预测管理，成本进度最优化，并能够实现突发风险的动态应变处置，实现成本最优化管理。
在生产过程中，也完成了对火箭全生命周期信息的收集与保障。建立火箭的综合档案履历资料库，收集制造、装配、测试各个过程的数据与知识，构建大数据分析中心，作为智慧火箭的数据支撑与健康诊断的依据，降低设计和研制成本、提升测发效率、提升火箭的可靠性[7]。
333 远程支持
随着在运载火箭高密度发射、零窗口点火变得常态化，靠大量人力在靶场保障发射任务的模式已难以适应未来的发展需求。发射中心将从逐步从靶场向远程后方迁移，以日本epsilon火箭为例，科研人员远程使用两台笔记本就可实现火箭发射控制。
远程支持中心能够统一接收、存储各靶场各型号发回的测试数据并存储，并通过智能搜索引擎随时搜索查看关心的数据及相关文档；针对当发测试数据，结合历史数据进行大数据分析，提前识别出可能有质量隐患的关键节点；当靶场出现故障时，远程支持中心通过多媒体、虚拟现实等手段开展协同排故工作。
4 中国航天发展人工智能的对策建议
41 聚焦航天 “大脑”技术体系，做好战略规划和顶层设计
基于对大数据与人工智能的探索和积累，提出以技术-产品-服务为核心的航天“大脑”，其技术体系设想如图1所示。
图1航天“大脑”技术体系
411 技术层
智能感知是为机器装上触觉、视觉、听觉、神经和运动机构等智能硬件，使其具备感知世界的能力。通过集群和虚拟化技术实现对海量数据的快速预处理、分布式存储、并行计算等，为智慧大脑提供强大的记忆”和“计算”能力。
412 产品层
智慧产品包括智慧院所、智慧火箭、智慧装备和智慧民用产业。其中，智慧院所是所有智慧产品研制的基础，其可以充分激发员工创新创业热情，并为员工提供高效便捷的管理方式；智慧火箭指的是为火箭装上“触觉”和“大脑”，降低测发控对人的依赖，提升火箭可靠性；智慧装备指的是通过全寿命周期的健康管理，实现装备自主保障；智慧民用产业指的是通过军民融合方式，将军用技术转向民用领域，如智能健康监测、智慧家电远程测控、智慧照明、智慧安防等领域。
413 服务层
未来应全力推动大数据人工智能等技术与航天装备的结合，实现装备信息智能采集、远程保障、智能决策的完美集成，发展模式也将由提供产品向提供全方位解决方案的服务转变。
42 打造航天“大脑”系列产品，快速形成专业的能力和队伍
421 智慧院所
以创新为驱动、以信息化为基础、以知识为载体，利用智能科学理论、技术、方法和信息及自动化技术工具，充分有效地整合和优化利用各类内外部资源，保证能够持续创新，不断开发新产品、新服务，为航天单位的发展提供智能决策。
422 数据银行
建立航天大数据中心，成立“航天数据银行”，对产品研制、生产等多环节的数据进行统一管控、统一挖掘，实现数据挖掘效果的最大化，创造服务价值。智慧管理通过实现产品全寿命周期的统一管控，建立基于数据信息驱动的智能化研制模式，提升工作效率。智慧决策基于大数据技术，将先进管理理念、业务流程和管理模式等融合，实现管理信息化和智能化，达到“降本增效”的目的。
423 智能装备
通过大数据与互联网等高新技术，实现火箭的高度信息化与智能化。包括智慧的远程发射支持平台，智慧的测发指控平台，智慧的全寿命周期综合保障平台。智慧的远程发射支持平台通过大数据技术，训练后方的智能机器大脑，提升异地协同保障能力，减免专家到一线协助排故，解决问题。智慧的测发指控平台依托于语音识别、图像识别、大数据等技术，实现自主的测发指控过程。智慧的全寿命周期综合保障平台利用大数据技术保障数据统一化规范，完成自主健康评估、精准的寿命预测和数据驱动的视情维修[8]。
424 智慧产业
依托剩余载荷和末级监控，实现对地观测等服务，依托远程测控、健康监测、大数据、新一代信息应用技术，通过融合智慧城市中的多源数据，在智慧城市和智慧产业中，提升城市的精细化管理水平，同时为航天单位军民融合开拓增收，锻炼队伍。
43 分布落地执行，拓展航天“大脑”的服务
未来，应全力推动大数据人工智能等技术与航天装备的结合，实现装备信息智能采集、远程保障、智能决策的完美集成，航天企业的发展模式也将由提供产品向提供全方位解决方案的服务转变，如智慧的发射服务、全面的体系作战服务和智慧的军民融合服务。智慧发射最终要实现输入一个指定的位置坐标，为其精准、快速、智能、高效、低廉地发射到指定地点。全面的体系作战服务基于大数据和人工智能技术，能够实现装备的自主保障、战时智能决策和一体化的体系作战。智慧的军民融合服务结合现有的技术和民用产业，开展更多的智慧产业服务，通过信息和通信技术的应用，提升城市的管理水平，提高市民的生活质量，令城市运行和市民生活更加智能。
参考文献:
[1]夏定纯, 徐 涛 人工智能技术与方法[M]华中科技大学出版社, 2004
[2]张 妮, 徐文尚, 王文文 人工智能技术发展及应用研究综述[J] 煤矿机械, 2009, 30(2):4-7
[3]沈林城, 关世义 开放式飞行任务规划方法[J]宇航学报, 1998, 19(2):13-18
[4]席 政 人工智能在航天飞行任务规划中的应用研究[J] 航空学报, 2007, 28 (4) :791-795
[5]张 克, 邵长胜, 强文义 基于面向Agent技术的任务规划系统研究[J] 高技术通讯, 2002, 12(5):82-86
[6]鲁 宇 中国运载火箭技术发展 [J] 宇航总体技术, 2017(3):5-12
[7]郭凤英, 何洪庆 人工智能技术在航天领域的应用[J] 中国航天, 1996(6)：19-21
[8]谭 勇, 王 伟 智能故障诊断技术及发展[J]飞航导d, 2009(7):35-38
Application and Prospect of Artificial Intelligence in China Aerospace
Yue MengYun, Wang Wei, Zhang Xige
(Beijing Institute of Aerospace SystemEngineering, Beijing 100076,China)
Abstract : With the breakthrough of technology such asnetworking, massively parallel computing, big data and deep learningalgorithms, Artificial Intelligence has achieved rapid development in recentyears, exciting prospects for development in image identification, voicerecognition, Natural Language Processing(NLP), self-driving, thus got theattention and support from governments of the world This paper combinesartificial intelligence technology with space applications such as rockets,deep-space detector and weapon equipment, then describes its applicationprospect in space Mission Planning, Ground Testing, Integrated Support, etcAnd puts forward relevant countermeasures and suggestions on the subsequentdevelopment of AI technology in China Aerospace
Keywords : Artificial Intelligence; Big Data; China Aerospace
收稿日期：2019-02-18；修回日期：2019-02-26。
作者简介：岳梦云(1988-)，女，安徽合肥人，硕士，工程师，主要从事运载火箭与导d的地面测发控系统设计方向的研究。
文章编号：1671-4598 ( 2019 ) 06-0001-04
DOI ： 1016526 / jcnki11-4762 / tp201906001
中图分类号：TP18
文献标识码：A楼上一些回答太形而上学了，都是理论，简单的事情整复杂了，非常容易把人往沟里带。
本人从事物联网专业（说实话做了不少产品，但目前OSI七层协议都背不全），分享下自己的答案，希望能给题主一些帮助。
物联网其实是互联网的一个延伸，互联网的终端是计算机（PC、服务器），我们运行的所有程序，无非都是计算机和网络中的数据处理和数据传输，除了计算机外，没有涉及任何其他的终端（硬件）。
物联网的本质还是互联网，只不过终端不再是计算机（PC、服务器），而是嵌入式计算机系统及其配套的传感器。这是计算机科技发展的必然结果，为人类服务的计算机呈现出各种形态，如穿戴设备、环境监控设备、虚拟现实设备等等。只要有硬件或产品连上网，发生数据交互，就叫物联网。
不过物联网的概念目前被炒到过热。鄙人大概十年前开始学习嵌入式，那个时候还没物联网、智能硬件这么高大上的字眼。相信很多前辈那时跟我一样，学的是单片机编程，大家都用“单片机”来概括这个行业。大概2012年左右，很多热钱从房市涌出，投入资本市场。正是这个时候，一大波高大上词汇来袭。服务器技术叫“云”，单片机叫“智能硬件”，网络单片机应用叫“物联网”，车载单片机应用叫“车联网”。。。呵呵。这种现象是商业进展的必要性，我们搞技术的只能跟着改头换脸，谁叫发薪水的是老板呢，呵呵。
不过受限于技术上的瓶颈，物联网的发展，其实无法像当初互联网那样爆发。或者换通俗一点的说法，大家有没有发现很多物联网的应用，其实是锦上添花的东西，需求性并没有那么强，这也就是为什么很多智能硬件卖得并不是很好的根本原因；正是因为需求性原因，所以商业上也不会出现滴滴打车那样的持续性投入，又一定钳制了技术的进一步发展。
到今年，这一波的投资热潮冷却了很多，但是在这波浪潮里，我们的社会还是发生了很多变化。首先是关注物联网的人越来越多，从业者也越来越多。而且很多大学也开设了相关课程，政府也出台了行业鼓励政策。前面我们说过物联网的概念被炒得有点过热，所以在物联网的大群体里，有两类人最为迷茫。其一就是专注物联网的创业者，其二就是物联网专业的学生。鄙人也曾经属于第一类人。
物联网的技术前景是广阔的，近些年上市的一些空气净化器产品，穿戴设备，家庭环境监控设备，在过去是不曾有的，在目前的消费背景下，正服务着大众。未来还会有更多的新式设备出现，这些正是物联网技术发展的必然结果，所以投身于物联网的技术研发，是很有前景的一件事。
然而物联网的商业前景却是复杂的，特别是对于创业者而言，这不是一个好消息。既然创业，目的肯定是赚钱，然而放眼人类社会，最赚钱的事情，其实归类起来就那么几样。首先是资源、再就是获取资源的工具，以及信息。每个企业，想要活得好，目标只有一个，就是垄断。然而社会上的大部分资源，都是垄断在大企业手里，小企业参与的，往往是跟民生有关的门槛低的行业，竞争激烈，赚钱辛苦。回到计算机行业，虽然计算机行业开放程度很高，然而垄断的存在并不亚于其他行业。英特尔、ARM等公司，基本垄断了处理器行业。微软、Google（Android）、苹果垄断了 *** 作系统。物联网是新兴市场，虽然目前容量不大，但各家各户都盯着，对于创业者而言，无法创造垄断，很难存活。创业者大部分都是小公司，你无论多么牛逼的技术，一旦有市场，大公司都可以迅速投入数倍于你的资金，在非常短的时间内模仿你，超过你，压垮你。你是小公司，宣传推广，也不可能投入像大公司那样的资金及影响力，所以产品再好，也不一定卖得好，这是每个技术型创业者，不得不面对的事实。
正是因为上述压力，很多创业者非常迷茫。本人过去四年间一直从事物联网行业，因此结识了很多同行，其中大部分都是创业者。这些创业者非常勤奋，对自己的想法充满热情，也往往敢于坚持。然而这些并没有什么用，大部分创业者，都没有走到今天，因为投资人的钱总是会烧完的。
我觉得想走向成功，物联网行业的创业者应该处理好两个问题。首先，应该认识到，计算机行业想突破垄断，对于大企业而言，是技术积累。然而对于个人或小团队而言，唯一的方法是缩小用户群体。就是我们应该专注于一个领域一项技术去解决一个问题。如果你说你的客户是大众每一个人，那你的东西基本一个都卖不出去。但是如果你的客户是“捷达轿车车主”+“装过电子导航系统”，那你的东西会比较好卖。缩小用户群体的好处，是大企业不会来跟你抢饭吃，而你又非常容易精准的找到你的客户并说服他们买你的东西。其次，个人或小团队，不应该有任何一刻在亏本，否则你终会难以坚持。最好的状态，应该是大家都有正职工作（收入），但是比较闲，一起来维护一款小产品，这样的情形，往往容易成功（最后团队或项目被大公司收购，实现财务自由，或职位上升）。
对于在大企业进行物联网方向研发的人员，自然不用担心收入问题，然而可能大部分时间，都要接受来自上层的任务分配。作为物联网技术从业者，我们应该认识到，这个行业的技术，还是有很多方面需要突破的，个人将一些觉得需要突破的技术陈列如下，希望在物联网方向的研发人员，可以在闲暇之余，做一下这么几方面的技术积累：
1目前国内低功耗网络技术都做得不好，包括zigbee，其实也被过分夸大宣传。
2传感器和传感输入部分，其实有很大的空间，人之所以聪明，跟手、眼、口、鼻、耳有很大关系，然而计算机的手眼口鼻耳，没一项可以跟人比。由于个人很难在芯片技术上积累，所以只能做做算法，对于视觉识别技术，各个领域，都有非常大的潜力，可以研究积累。
3降低研发难度的工具，可以关注下，目前物联网还属于教学推广阶段，能够快速帮助从业者提高研发效率的工具，可以研究积累。（鄙人正是做这一块）
4特定环境下的语音对话算法，可以研究下。目前所有的语音识别，几乎都不过是语音转文字而已，然后计算机通过词汇分析来执行任务，基本都做不了上下文对话。非特定环境下的语音对话，估计国外的苹果、google，国内的讯飞、腾讯、百度都在研究，个人技术者基本没有必要也没有机会。不过在特定环境下（比如自动导航这个环境，人的指令，只会围绕“导航”这个主题），语音对话是非常有效率的输入输出工具，值得个人研究积累。
说完创业者，再来说说各大高校的物联网专业的学习者。
其实我个人是不建议在本科搞物联网专业的，因为物联网专业不是基础学科，在本科开设，没能力的学校，也就是一个幌子，会坑不少人。有点能力的学校，也无法指望在当前的教学构架下，能让学生学到点什么。其原因就是，物联网涵盖的内容太多，随便列举列举：
1数电模电、单片机编程技术：要做物联网产品，起码，你能看得懂电路板吧，你得能给单片机写几行代码，点个流水灯什么的吧。要知道，这过去是放到自动化专业四年要学的东西啊。电路板画得好，就算在内陆省会城市，月薪也随便上万的啊，单片机写得好，月薪也一样上万的啊。打什么物联网的幌子啊！
2网络技术：光给单片机编单机程序还不行，你还得能让单片机上网吧，否则叫什么物联网。既然上网，最简单的“客户端-服务器”模型，你好歹得在云端放个服务器吧。且不说服务器程序你要自己写，到阿里云买个服务器，绑定个域名，估计你都得折腾一个礼拜。写服务器程序，那在本科也是一门专业啊，起码VC要学吧（时髦点学java）。你即会上位机，又会单片机，那你是全栈工程师啊，这工资不是更高？
3无线技术：很多产品，光一个单片机还不行，你还得整多个单片机，然后多个单片机互相整个网络，这就涉及到组网。用wifi，功耗太高。用zigbee，光协议就看死你。用蓝牙，人家构架就没这么整过。那只好自己写吧，从驱动到组网协议，你要能写全，还不出问题，那以后还有什么软件构架你整不了啊？
4传感器技术：就目前而言吧，很多传感器都是数字型的，直接丢数值出来，单片机只需连上去就可以用，难到不难。但问题是量多，测温度吧，有温度传感器；测光照吧，有光照传感器；测空气吧，有空气质量传感器；还有加速度传感器、心率传感器、颜色传感器、分贝传感器。。。大学也就四年，学单片机编程估计都要三年，你看你剩下的时间能整几个吧。
5终端技术（App）：物联网物联网，你把用户搁哪啊，总要给用户丢个App来看看产品状态吧，那就得学习App怎么做。iOS和Android你还得都学了，不然用户就得减少一半，呵呵。
所以本科开设的物联网专业真的是坑啊，明摆着学校不可能教全的嘛，就算学校愿意教，学生也学不过来啊。给点可行性建议吧：
1明确正确的技术观，物联网是一个行业，而不是一个专业。学好物联网里任何一项技术，都可以独当一面，迅速实现个人价值积累（收入很赞的哦）。如果贪多贪快，除了给自己带来无尽的失望和打击，没什么好处。
2明确正确的发展方向，物联网涉及软硬件、互联网、App等多个领域，作为个人而言，只可能精其一样。如果是做硬件，那就好好学数电模电、应用电路、布线画板、传感器特性等等。如果是做软件，明确方向，一般建议本科阶段学好单片机编程、熟悉一两种传感器或应用，做一两款小产品即可。毕业后，可逐步过渡，学会和其他工程师配合，学会组网应用，多出作品练手。
3实践大于理论，学物联网或者嵌入式一定要勤上手，多出作品。多出作品，不仅可以增长技术能力、了解物联网构架，最重要的是可以提高自信心。人与人的区别，大部分都在教育，而教育成功与否，自信是非常重要的评估法则。当然，由于物联网一般都是系统产品，建议学习者可以基于成熟的构架去做产品，这样容易成功做出完整产品。可以用我们酷享物联系统，也是选择之一。
4毕业后，尽量不要去初创公司，不过初创公司也很少招应届生。一定要去中型企业或大企业的核心团队，哪怕打杂都行。无论未来是打算做市场还是做技术，一定要记得毕业招工作的时候，要想办法进企业的核心研发团队，大公司进不了，就进小一点的，再进不了，就再小一点。可能有人会问，人家不一定要我啊。对，人家不一定要你，你本科期间作出的物联网作品，就是敲门砖。
5就业后，不要急于成功，闷下心思，跟着团队技术带头人做技术。有什么做什么，尽多培养不同领域的应用，多结实靠谱的技术朋友。三五年后，某一天，你会发现你自己有技术、有团队，可以做任何产品的时候，你的路也会宽阔起来。
------------------------------------------------------------------------------------------------------
好了，广告时间到了，来说说我这两年从事的项目：
酷享物联系统，是开源、开放的物联网系统，以主机+设备的方式，原生支持常见家电控制，提供可以嵌入到设备里的无线物联模块（万纳模块）给研发者，研发者可以基于万纳模块，快速实现自己的Idea。万纳模块8个IO无需编程，就可以被配置为数字输入输出、按键、模拟采样（ADC），PWM等各种方式，极大的降低了设备的接入门槛。
由于酷享物联系统是开源系统，学习者使用酷享系统学习物联网构架的同时，还可以看到酷享物联系统的实现代码，以及诸多应用案例，以最高的效率，提升自己对物联网的理解。
案例：
植物栽培助手（不编程案例）
双向开关、智能插座（不编程案例）
情景面板（不编程案例）
LED调光器（不编程案例）
空气质量监测仪（开源案例）
补充：（2016420）
本来不想上照片的，有评论说我做的这几个作品根本没有联网，那我就发几张照片出来打脸，呵呵。
请问？系统中所有设备，都可以通过app远程联网查看，控制，怎么不是物联网？？？？？？？？？？？？？？？？
请问？系统中所有设备，可以脱离手机，通过网络互为关联，互相触发，怎么不是物联网？？？？？？？？？？？？？？？？？
对，说的就是你，让我看论文的那位！！！！！！！！！！！！！
好了，希望诸多物联网从业者也好，初学者也好，都能戒骄戒躁，努力积累，实现中国梦！哈哈哈哈要说可靠的话，机智云AI离线语音识别方案就很可靠。机智云专注物联网行业10多年，在IoT+AI技术基础和解决方案实施方面有着深厚的经验。针对家电产品的智能语音控制消费需求，机智云专为软硬件研发能力较弱的传统家电厂商推出低成本、免开发的AI智能离线语音识别解决方案。该方案依托于机智云在语音识别技术上的积累和算法的不断优化和创新，通过提供AI智能离线语音识别模组+公版小程序/APP应用+IoT云平台的组合套件，快速实现传统家电产品的智能化升级，同时轻松完成各类家电产品智能语音集成，大大提升产品响应速度，让消费者不受网络因素的影响，也可以随心所欲对智能家电等进行语音控制。
机智云AI智能离线语音识别解决方案，帮助家电厂商免去复杂的协议和移动应用开发流程，极速响应产品智能化需求，满足各类智能家电的离线语音控制场景。
。基于低功耗、低成本、高集成离线语音识别模块，轻松实现智能家电语音控制功能，可支持多品类语义词、多国语言识别、用户自定义唤醒词、语义词，并提供多语言语音AI交互能力，满足消费者个性化需求。同时，提供公版 APP/微信小程序，可根据厂商品牌视觉要求提供专业的 UI/UE 设计界面，满足厂商定制化需求。
机智云AI离线语音识别解决方案已经帮助大量家电厂商实现产品低成本快速智能化升级，可用于各类智能小家电有语音控制需求的产品，如取暖器、加湿器、风扇、风扇灯、水族灯、水泵等。机智云作为AIoT全栈（综合）物联网平台服务商，其提供的离线语音识别解决方案还是比较靠谱的。如果您需要了解更多方案的细节，可以访问官方网站或者联系客服进行咨询。智慧社会是指利用先进的信息和通信技术，以及大数据、云计算、人工智能等新兴技术，构建高效、智能、绿色、开放的社会体系。智慧社会具有以下几个特点：
1 高度智能化：智慧社会基于人工智能、物联网等技术，可以自动感知和识别环境中的各种数据，并实现自主的决策和控制，从而实现高度智能化。
2 大数据驱动：智慧社会需要收集、分析和利用各种数据，包括交通信息、气象数据、公共安全等，通过大数据技术来实现对城市、行业、企业等各个方面的精细化管理。
3 网络化和信息化程度高：智慧社会的建设需要提供高速、可靠、安全的信息网络和智能化的终端设备，如5G网络、智能手机等。
4 资源共享：智慧社会的建设可以实现资源共享，包括车辆共享、公共场所共享、共享经济等，可以更好地利用社会资源，促进社会发展。
5 绿色低碳：智慧社会可以推广清洁能源、智能交通、智慧城市建设等，降低环境污染和碳排放，实现绿色低碳发展。
综上所述，智慧社会是一个信息化、智能化、绿色低碳、资源共享的社会体系，可以提高社会效率和人民生活质量。1 无处不在的数据分析
越来越多的企业在利用从他们客户那里收集到的大数据更好地了解客户需求，并且优化产品使其能更好地服务客户。这就是无处不在的数据分析，它更看重数据的质量，而非数量。将数据最大化地转变为有价值的创新，利用数据洞悉市场，以此为基础做出明智的商业判断。
如果关注数据质量，将收集到的所有信息进行筛选就变得至关重要。例如人工智能，其需要迅速地完成一系列动作：数据收集、分析，并且瞬间作出判断采取行动。严格来讲，对数据质量的关注需要嵌入到数据采集的过程中。在这样的数据分析背后也要关注消费者信息的私密性。GfK2015年进行的针对全球20个地区的消费者研究结果表明，全世界消费者都在担心他们的数据是怎样被收集、售卖和利用的。
2 虚拟现实(VR)
2016年，从行业到消费者，从硬件到软件，关于虚拟现实，一切都处在被普及教育的阶段。随着三大巨头接连推出消费级产品，且“售罄”之讯频传，虚拟现实作为最受关注的新智能领域迅速席卷全球。全球VR头显市场规模预计在2020年会达到28亿美元，其中供游戏者使用的VR头显设备占据多数份额。中国市场2016年全年零售量会达到300万台左右，从GfK监测的VR头显在线市场来看，从2016年1月到4月，VR头显零售量几乎翻了20倍，虚拟现实硬件产品正在经历一场初期爆发式的增长。但目前依然是以VR盒子为主。整体来看，中国的VR市场现在还处于野蛮生长的阶段。相信在未来VR应用会逐步向直播、旅游培训、医疗、装修、房地产、教育等领域渗透。
3 人工智能(AI)
人工智能最终是重现一遍人类思考的过程。作为一个人工制造的机器，终极形态的AI将拥有与我们相同的智力水平：学习、推理、使用语言、构想原始创意。然而只拥有学习能力的AI已经快速地渗透到我们的生活中了。语音识别是目前人工智能中落地较早、目前投入及研发的核心领域之一。基于人工智能，各个厂商可发挥的空间很大，不一样的应用及方向才是真正有趣的地方。2016年，AI助理的发展或许会超越智能手机的发展。人工智能是一块有待探索与开发的市场，这块市场拥有多种可能性。
4 可穿戴产品
智能手表、健康监测手环、相机、GPS定位设备及心率监测设备进入主流市场还需多久尽管万众瞩目的Google Glass及Apple
Watch的发布已经俘获了消费者的想象力，但只有少数消费者接纳了这些设备。中国可穿戴市场2016年销量预计达3160万台，环比2015年上涨32%，但其中以价格较低的手环产品占据市场的大多数，整体市场销量持续上升的同时增速减缓，市场经过了2015年跳跃式发展后开始进入一个更趋理性的阶段。如果可穿戴产品想要吸引更多的消费者，有以下四点需要注意：一是与物联网的融合，把可穿戴设备和现有的个人科技生态相融合将会成为扩大市场的基础性举措。二是设计和材质，外形设计已经成为可穿戴产品跟上时代潮流的一大绊脚石。三是精准有效的信息收集，提高数据的准确性和解读能力是可穿戴厂商正在解决的另一大问题。四是引人注目的新案例，特色鲜明的产品会逐渐与消费者建立特有联系。
5 视频消费
视频消费的发展速度比之前任何人预期的还要快，并且线上已经成了人们观看视频的主要渠道。从社交媒体上的短片到视频网站的服务和套餐服务，甚至到最近大火的视频直播，消费者似乎可以在任何时间、任何平台看到想看的视频内容。事实上，有人预言到2019年，80%的互联网流量消费将来自于视频观看。而随着投入到这个领域的玩家越来越多，从内容的生产者和发布者到各大品牌、厂商，互相合作会成为一种需求，只有通过这样多方之间的信息互换才能够释放更大的能量。
6 无人机
据GfK中国估算，2014年中国航拍消费级无人机市场为近6亿元，到2018年将激增到60亿元。而民用无人机市场更是有望在未来10年形成千亿元级规模，未来发展空间广阔。
无人机并不算是新产品。无人机在航拍、地形测绘、商业运输以及救援部署，甚至在自动机械化生产上，都可以起到作用，无人机技术在诸多领域所能发挥的用途正在被进一步挖掘出来并且会在降低商业成本、提高商业效率方面起到很好的催化作用。但是在实现这样的美好愿景之前依然有很长的路要走。目前无人机依然面对诸多阻碍，如缺乏“感知-避障”技术、载物重量上的限制、没有夜视功能以及电池续航时间有限等。
7 移动支付
全球移动支付市场比较复杂。目前传统的支付方式在许多成熟市场中都有着强大的根基，无法轻易撼动。相反，一些非洲市场和亚洲发展中国家市场则直接迈入了移动支付时代。在这样一个碎片化的环境中，对于品牌、制造商和零售商来说，理解移动支付当下的全球格局以及它的演变趋势至关重要。在中国，阿里巴巴、腾讯等第三方玩家已经率先鼓励联网用户通过手机在实体店或网店进行支付。小米、OPPO、魅族旗下具备支付功能的手机的使用也意味着在这一市场中，移动支付不仅存在，而且触手可及。而那些被认为将第一时间接受新兴技术的市场则呈现出与上述地区的截然不同的局面。当前，一些市场仍需提高消费者对于移动支付的认知度，而对于另一些市场而言，要做的则是减少移动支付的使用壁垒。
8 智能汽车
随着物联网技术的越发成熟，智能汽车也将应运而生。许多豪华轿车已经配备了大显示屏，并且车载大屏也会继续成为趋势，在2016年底或2017年初，为前排乘客设计的额外显示器也将出现在高档汽车中。为了让乘客更好地体验“增强现实(AR)”技术，一些OEMs甚至想要把显示屏幕延伸到整个挡风玻璃或者侧窗。屏显技术的进步为那些企图走到传统汽车供应商前头去的电子消费厂商和初创企业们打开了大门。过去，受到物联技术的限制，OEMs很难找到一个正确的商业模式，但是现在，机会来了。通过了解细分市场消费者的需求和喜好，量身开发车载APP和配套服务从而获取相应的报酬成为可能。
9 3D打印
3D打印机的销量目前还比较小。但是，随着更多的厂商加入到该领域以及消费者的认知度逐渐提高，这种情况在明年应该可以得到改变。拿德国为例，3D打印机的销量在去年增长了71%，而且需求还在进一步扩大。消费者认为3D打印技术极具吸引力，3D打印在最有可能影响他们生活的科技中排名第三。这比智能汽车、云计算、可穿戴设备还有物联网的排名都要靠前。这表明这项新技术的知识普及在全球已经非常高了。价格一直是新兴科技难以普及的主要障碍。但是随着成本的下降，价格也将不再是阻碍，3D打印技术的优势会变得越加明显和突出：更低的装配成本，减少浪费，极低的运输和配送费用和更快的新产品上市速度。
10 智能家居
一股智能家居的“淘金热”正在各领域中展开，传统厂家、互联网公司、国际技术提供商及零售商等各种组织都在寻求最大限度地参与到未来家居领域中来。根据GfK针对全球7国消费者所作的研究表明：绝大多数消费者(90%)知道智能家居，50%的消费者认为智能家居能改变他们的生活，78%的消费者同意这是一个具有吸引力的理念。目前智能家居想要获得成功的关键是让消费者能明白智能家居技术是如何提升他们的生活品质，并且提供参与度高且有效的用户体验。现在需要行业协作和消费者教育来驱动需求，并推动智能家居从厂商领导发展向消费者需求主导发展的创新转变。行业相关参与者需要合作并组建不同以往的合作关系。这会确保不同的设备和服务能在后台彼此连接来满足对便捷的需求。只有满足了这一点，智能家居的真正价值才能得以体现。根据GfK中国对家电智能化研究，中国家电产品智能化应用发展速度位于世界前列，但目前也处于厂商、零售商等供给方主导的阶段，还处于智能连接、手机远程控制等初级智能向更高级智能功能探索和尝试的阶段。中国庞大的用户基础和互联网业态演变将为智能家居的发展和创新提供良好的土壤，预计智能家居未来将会催生类似BAT级别的新企业。
参考：十大技术全面开启物联网时代>未来人工智能的就业和发展前景都是非常值得期待的，原因有以下几点：
一是智能化是未来的重要趋势之一。
1、随着互联网的发展，大数据、云计算和物联网等相关技术会陆续普及应用，在这个大背景下，智能化必然是发展趋势之一。
2、人工智能相关技术将首先在互联网行业开始应用，然后陆续普及到其他行业。所以，从大的发展前景来看，人工智能相关领域的发展前景还是非常广阔的。
二是产业互联网的发展必然会带动人工智能的发展。
1、互联网当前正在从消费互联网向产业互联网发展，产业互联网将综合应用物联网、大数据和人工智能等相关技术来赋能广大传统行业。
2、人工智能作为重要的技术之一，必然会在产业互联网发展的过程中释放出大量的就业岗位。
三是人工智能技术将成为职场人的必备技能之一。
1、随着智能体逐渐走进生产环境，未来职场人在工作过程中将会频繁的与大量的智能体进行交流和合作，这对于职场人提出了新的要求。
2、未来需要掌握人工智能的相关技术。从这个角度来看，未来掌握人工智能技术将成为一个必然的趋势，相关技能的教育市场也会迎来巨大的发展机会。
四是人工智能取代人力，对全球的经济产生影响
1、说到人工智能，大多数人都是比较期待的，当然也有少数人会怀着担忧的心态看到它，因为人工智能的发展，让我们看到了人工智能的高效和服从。
2、在未来，当人工智能的发展进入到一个全新的领域阶段，它是不是就能够取代现在一些行业所需要的人工劳动呢？如果是的话，那么将会有大面积的失业问题出现。
3、人工智能的发展，能够在短时间内对其进行量产，这样就会有很多人下岗，对全球的经济和社会来说，影响都是巨大的。
在人工智能研究的过程中，机器学习是行业研究的核心，也是人工智能目标实现的最根本途径，是当前人工智能发展的主要瓶颈。有关于机器学习问题的研究是行业研究的重点，无论是融资金额，还是公司的数量都明显超过其他研究内容。人工智能属于全世界科研发展的前沿技术，发展过程中与信息技术、计算机技术、精密制造技术、互联网技术密切相关，对各行业、各领域的发展都有一定的影响，在人工智能发展过程中要认真、深刻地研究其未来的发展方向。人工智能应用的七大领域
人工智能学科研究的主要内容包括：知识表示、自动推理和搜索方法、机器学习和知识获取、知识处理系统、自然语言理解、计算机视觉、智能机器人、自动程序设计等方面。
人工智能具有广阔的前景，日前“AI+”已经成为公司，发展至今，下面是2019人工智能应用最为广泛的几大场景。
家居
智能家居主要是基于物联网技术，通过智能硬件、软件系统、云计算平台构成一套完整的智能家居生态圈。用户可以进行远程控制设备，设备间可以互联互通，并进行自我学习等，来整体优化家居环境的安全性、节能性、便捷性等。值得一提的是，近两年随着智能语音技术的发展，智能音箱成为一个爆发点。
小米、天猫、Rokid 等企业纷纷推出自身的智能音箱，不仅成功打开家居市场，也为未来更多的智能家居用品培养了用户习惯。但目前家居市场智能产品种类繁杂，如何打通这些产品之间的沟通壁垒，以及建立安全可靠的智能家居服务环境，是该行业下一步的发力点。
零售
人工智能在零售领域的应用已经十分广泛，无人便利店、智慧供应链、客流统计、无人仓/无人车等等都是热门方向。京东自主研发的无人仓采用大量智能物流机器人进行协同与配合，通过人工智能、深度学习、图像智能识别、大数据应用等技术，让工业机器人可以进行自主的判断和行为，完成各种复杂的任务，在商品分拣、运输、出库等环节实现自动化。
图普科技则将人工智能技术应用于客流统计，通过人脸识别客流统计功能，门店可以从性别、年龄、表情、新老顾客、滞留时长等维度建立到店客流用户画像，为调整运营策略提供数据基础，帮助门店运营从匹配真实到店客流的角度提升转换率。
交通
智能交通系统是通信、信息和控制技术在智能交通系统中集成应用的产物。ITS 应用最广泛的地区是日本，其次是美国、欧洲等地区。目前，我国在ITS方面的应用主要是通过对交通中的车辆流量、行车速度进行采集和分析，可以对交通进行实施监控和调度，有效提高通行能力、简化交通管理、降低环境污染等。
医疗
目前，在垂直领域的图像算法和自然语言处理技术已基本满足医疗行业的需求，市场上出现了众多技术服务商，例如提供智能医学影像技术的德尚韵兴，研发人工智能细胞识别医学诊断系统的智微信科，提供智能辅助诊断服务平台的若水医疗，统计及处理医疗数据的易通天下等。尽管智能医疗在辅助诊疗、疾病预测、医疗影像辅助诊断、药物开发等方面发挥着重要作用，但由于各医院之间医学影像数据、电子病历等不流通，导致企业与医院之间合作不透明等问题，使得技术发展与数据供给之间存在矛盾。
教育
科大讯飞、乂学教育等企业早已开始探索人工智能在教育领域的应用。通过图像识别，可以进行机器批改试卷、试题答题等；通过语音识别可以纠正、改进发音；而人机交互可以进行在线答疑解惑等功能。AI 和教育的结合一定程度上可以改善教育行业师资分布不均衡、费用高昂等问题，从工具层面给师生提供更有效率的学习方式，但还不能对教育内容产生较多实质性的影响。
物流
物流行业通过利用智能搜索、 推理规划、计算机视觉以及智能机器人等技术在运输、仓储、配送装卸等流程上已经进行了自动化改造，能够基本实现无人 *** 作。比如利用大数据对商品进行智能配送规划，优化配置物流供给、需求匹配、物流资源等。目前物流行业大部分人力分布在“最后一公里”的配送环节，京东、苏宁、菜鸟争先研发无人车、无人机，力求抢占市场机会。
安防
近些年来，中国安防监控行业发展迅速，视频监控数量不断增长，在公共和个人场景监控摄像头安装总数已经超过了175亿。而且，在部分一线城市，视频监控已经实现了全覆盖。不过，相对于国外而言，我国安防监控领域仍然有很大成长空间。
截至当前，安防监控行业的发展经历了四个发展阶段，分别为模拟监控、数字监控、网络高清、智能监控时代。每一次行业变革，都得益于算法、芯片和零组件的技术创新，以及由此带动的成本下降。因而，产业链上游的技术创新与成本控制成为安防监控系统功能升级、产业规模增长的关键，也成为产业可持续发展的重要基础。
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）