不可靠的。
7月27日，微信支付官方发布《关于打击假冒“智慧商圈”名义进行欺诈等违规行为的声明》。声明提到，自本声明发布之日起，通过网络或实体发布相关不实内容的主体，均有可能被认定为共同侵权主体，各相关机构和个人勿再盲目发布未经核实的信息。
微信支付官方推出的智慧商圈产品，并不提供所谓“锁定粉丝”、“跨界收益”等能力，与此类机构及个人宣传的内容无任何关联。微信支付没有开展也没有授权任何主体开展此类活动。
扩展资料：
微信公司重申：微信支付不允许服务商以“微信支付官方代理”、“独家代理”等名义对外宣传，或招收二级代理商、加盟商等；成为微信支付服务商无需缴纳任何费用，任何以“代理加盟”等名义的收费行为均涉嫌欺诈。
微信支付还提示广大商户及合作伙伴，上述要求商户“承诺折扣”、“入驻商圈、”“锁定粉丝”、“以商带商”、“跨界收益”等的业务模式，存在重大商业风险，请谨慎对待，避免遭受经济损失。
参考资料来源：微信-关于打击假冒“智慧商圈”名义进行欺诈等违规行为的声明
最近三个同时发行的版本都有Agent Modeling Platform，但是自Kepler以来，就没有代码更改了。 这可能是项目经理Miles Parker迁至由Mylyn项目经理Mik Kersten于2012年初创立的Tasktop公司的最新结果。露娜项目
该图显示了项目数量（左栏）和数百万行代码（右栏）。 Luna是同时发布的项目，数量最多。
即使使用SCA工具 （ 服务组件体系结构工具 ）（顶级SOA平台（面向服务的体系结构）的子项目），自开普勒以来几乎没有代码更改。
自2013年10月以来，Persistence和ORM框架EclipseLink中的代码更改数量急剧下降。
Eclipse建模框架
在此同步发行中首次亮相的八个Eclipse项目中，有许多都使用Eclipse Modeling Framework（EMF）：
使用Sirius，可以非常简单地为特定于域的EMF模型创建图形编辑。 编辑是数据的（部分）视图，显示为图形并可以更改。 自去年5月起，Sirius由法国Obeo公司开发。 这也是Eclipse项目，以前是Obeo的一部分，在Luna的10版中可用。 Arduino Designer是另一个不错的应用程序。 这是一个针对儿童的基于Eclipse的开发环境，感谢Sirius，这台小型Arduino计算机可以进行图形编程。
还请参见： Eclipse，NetBeans或IntelliJ：哪个是最好的Java IDE？
通过定义数据模型与表面之间的映射和绑定， EMF Client Platform 13使得SWT，JavaFX和/或Web应用程序可以用于修改EMF数据。 EMF表单是一个核心组件，可用于创建基于表单的编辑器。 还有两个带有EMF数据的桌面应用程序可以代替Innoopract解决方案使用：Sphinx 08 von itemis和来自Obeo的Sirius中使用的扩展编辑框架（EEF）。
EMFStore 13的开发由Innoopract进行。 这是一个版本管理框架，专门为EMF模型设计，用于检测和合并不同版本的模型之间的冲突。 EMFStore与CDO模型库直接竞争，该库包含在Luna的43版中。
业务流程模型
项目业务流程模型和表示法（BPMN2）将BPMN（业务流程的图形表示形式）实现为EMF模型。 对象管理小组（OMG）于2011年初发布了20版。该实现可以说是成熟的，在去年仅进行了很小的修改，并将版本增加到10。
BPMN2 Modeler 102是用于在BPMN 20中创建和编辑业务流程和工作流的图形编辑器。 在Eclipse中，曾经有一个BPMN Modeller项目在2011年末存档。由Red Hat或JBoss运行的BPMN2 Modeller自2011年中以来一直是Eclipse项目，因此与BPMN Modeller项目并存了半年。与其他开发商。 除了Java之外，基于BPMN2 Modeller的整个技术栈都是Luna的一部分：上述BPMN2和Graphiti基于图形建模框架（GMF），而后者又基于图形编辑框架（GEF） ）和EMF。
Paho，QVTd和XWT
Paho以Java，C / C ++，JavaScript，Python和Go提供了MQTT（消息队列遥测传输）协议的实现。 在机器对机器领域中，该协议被称为物联网。 自2012年以来，Paho只是一个Eclipse项目，而Java实现在Luna的10版中。
QVTd （QVT声明式）与可 *** 作QVT和ATL（阿特拉斯转换语言）一起是三个模型到模型转换（MMT）子项目之一。 这三个都在使用Luna。 查询视图转换（QVT）是对象管理组的规范，由 *** 作，关系和核心部分组成。 QVTd当前是Core实施的一部分。 QVTd团队希望在一年内填补关系和核心方面的空白，并为每种QVT语言提供一个封闭的工具链，包括编辑器，解析器，模型，执行器，调试器和代码生成器。
使用XWT ，可以用XML声明性地定义SWT / JFace表面（包括数据绑定）。 也可以使用Windows构建器（也可以在Luna中找到）以图形方式完成。 XWT在项目e4中启动了Eclipse 4x实验室。 XWT尚未成为Eclipse 4x的一部分，自2012年底以来，它已成为一个单独的项目。 Luna带来了XWT的10版，Papyrus（另一个Luna项目）也支持该版本。
伊恩·布尔（Ian Bull）在Luna上最新项目和功能的年度十大倒计时已再次发布，非常值得一读。 作为Eclipse的一般信息来源，Foundation的YouTube频道和JAX TV的博客聚合者是planeteclipseorg ，也值得一试。常见的大数据术语表(中英对照简版)：
A
聚合(Aggregation) – 搜索、合并、显示数据的过程
算法(Algorithms) – 可以完成某种数据分析的数学公式
分析法(Analytics) – 用于发现数据的内在涵义
异常检测(Anomaly detection) –
在数据集中搜索与预期模式或行为不匹配的数据项。除了“Anomalies”,用来表示异常的词有以下几种：outliers, exceptions,
surprises, contaminants他们通常可提供关键的可执行信息
匿名化(Anonymization) – 使数据匿名，即移除所有与个人隐私相关的数据
应用(Application) – 实现某种特定功能的计算机软件
人工智能(Artificial Intelligence) –
研发智能机器和智能软件，这些智能设备能够感知周遭的环境，并根据要求作出相应的反应，甚至能自我学习
B
行为分析法(Behavioural Analytics) –
这种分析法是根据用户的行为如“怎么做”，“为什么这么做”，以及“做了什么”来得出结论，而不是仅仅针对人物和时间的一门分析学科，它着眼于数据中的人性化模式
大数据科学家(Big Data Scientist) – 能够设计大数据算法使得大数据变得有用的人
大数据创业公司(Big data startup) – 指研发最新大数据技术的新兴公司
生物测定术(Biometrics) – 根据个人的特征进行身份识别
B字节 (BB: Brontobytes) – 约等于1000 YB(Yottabytes)，相当于未来数字化宇宙的大小。1
B字节包含了27个0!
商业智能(Business Intelligence) – 是一系列理论、方法学和过程，使得数据更容易被理解
C
分类分析(Classification analysis) – 从数据中获得重要的相关性信息的系统化过程; 这类数据也被称为元数据(meta
data),是描述数据的数据
云计算(Cloud computing) – 构建在网络上的分布式计算系统，数据是存储于机房外的(即云端)
聚类分析(Clustering analysis) –
它是将相似的对象聚合在一起，每类相似的对象组合成一个聚类(也叫作簇)的过程。这种分析方法的目的在于分析数据间的差异和相似性
冷数据存储(Cold data storage) – 在低功耗服务器上存储那些几乎不被使用的旧数据。但这些数据检索起来将会很耗时
对比分析(Comparative analysis) – 在非常大的数据集中进行模式匹配时，进行一步步的对比和计算过程得到分析结果
复杂结构的数据(Complex structured data) –
由两个或多个复杂而相互关联部分组成的数据，这类数据不能简单地由结构化查询语言或工具(SQL)解析
计算机产生的数据(Computer generated data) – 如日志文件这类由计算机生成的数据
并发(Concurrency) – 同时执行多个任务或运行多个进程
相关性分析(Correlation analysis) – 是一种数据分析方法，用于分析变量之间是否存在正相关，或者负相关
客户关系管理(CRM: Customer Relationship Management) –
用于管理销售、业务过程的一种技术，大数据将影响公司的客户关系管理的策略
D
仪表板(Dashboard) – 使用算法分析数据，并将结果用图表方式显示于仪表板中
数据聚合工具(Data aggregation tools) – 将分散于众多数据源的数据转化成一个全新数据源的过程
数据分析师(Data analyst) – 从事数据分析、建模、清理、处理的专业人员
数据库(Database) – 一个以某种特定的技术来存储数据集合的仓库
数据库即服务(Database-as-a-Service) – 部署在云端的数据库，即用即付，例如亚马逊云服务(AWS: Amazon Web
Services)
数据库管理系统(DBMS: Database Management System) – 收集、存储数据，并提供数据的访问
数据中心(Data centre) – 一个实体地点，放置了用来存储数据的服务器
数据清洗(Data cleansing) – 对数据进行重新审查和校验的过程，目的在于删除重复信息、纠正存在的错误，并提供数据一致性
数据管理员(Data custodian) – 负责维护数据存储所需技术环境的专业技术人员
数据道德准则(Data ethical guidelines) – 这些准则有助于组织机构使其数据透明化，保证数据的简洁、安全及隐私
数据订阅(Data feed) – 一种数据流，例如Twitter订阅和RSS
数据集市(Data marketplace) – 进行数据集买卖的在线交易场所
数据挖掘(Data mining) – 从数据集中发掘特定模式或信息的过程
数据建模(Data modelling) – 使用数据建模技术来分析数据对象，以此洞悉数据的内在涵义
数据集(Data set) – 大量数据的集合
数据虚拟化(Data virtualization) –
数据整合的过程，以此获得更多的数据信息，这个过程通常会引入其他技术，例如数据库，应用程序，文件系统，网页技术，大数据技术等等
去身份识别(De-identification) – 也称为匿名化(anonymization)，确保个人不会通过数据被识别
判别分析(Discriminant analysis) –
将数据分类;按不同的分类方式，可将数据分配到不同的群组，类别或者目录。是一种统计分析法，可以对数据中某些群组或集群的已知信息进行分析，并从中获取分类规则。
分布式文件系统(Distributed File System) – 提供简化的，高可用的方式来存储、分析、处理数据的系统
文件存贮数据库(Document Store Databases) – 又称为文档数据库(document-oriented database),
为存储、管理、恢复文档数据而专门设计的数据库，这类文档数据也称为半结构化数据
E
探索性分析(Exploratory analysis) –
在没有标准的流程或方法的情况下从数据中发掘模式。是一种发掘数据和数据集主要特性的一种方法
E字节(EB: Exabytes) – 约等于1000 PB(petabytes), 约等于1百万 GB。如今全球每天所制造的新信息量大约为1
EB
提取-转换-加载(ETL: Extract, Transform and Load) –
是一种用于数据库或者数据仓库的处理过程。即从各种不同的数据源提取(E)数据，并转换(T)成能满足业务需要的数据，最后将其加载(L)到数据库
F
故障切换(Failover) – 当系统中某个服务器发生故障时，能自动地将运行任务切换到另一个可用服务器或节点上
容错设计(Fault-tolerant design) – 一个支持容错设计的系统应该能够做到当某一部分出现故障也能继续运行
G
游戏化(Gamification) –
在其他非游戏领域中运用游戏的思维和机制，这种方法可以以一种十分友好的方式进行数据的创建和侦测，非常有效。
图形数据库(Graph Databases) –
运用图形结构(例如，一组有限的有序对，或者某种实体)来存储数据，这种图形存储结构包括边缘、属性和节点。它提供了相邻节点间的自由索引功能，也就是说，数据库中每个元素间都与其他相邻元素直接关联。
网格计算(Grid computing) – 将许多分布在不同地点的计算机连接在一起，用以处理某个特定问题，通常是通过云将计算机相连在一起。
H
Hadoop – 一个开源的分布式系统基础框架，可用于开发分布式程序，进行大数据的运算与存储。
Hadoop数据库(HBase) – 一个开源的、非关系型、分布式数据库，与Hadoop框架共同使用
HDFS – Hadoop分布式文件系统(Hadoop Distributed File
System);是一个被设计成适合运行在通用硬件(commodity hardware)上的分布式文件系统
高性能计算(HPC: High-Performance-Computing) – 使用超级计算机来解决极其复杂的计算问题
I
内存数据库(IMDB: In-memory) –
一种数据库管理系统，与普通数据库管理系统不同之处在于，它用主存来存储数据，而非硬盘。其特点在于能高速地进行数据的处理和存取。
物联网(Internet of Things) – 在普通的设备中装上传感器，使这些设备能够在任何时间任何地点与网络相连。
J
法律上的数据一致性(Juridical data compliance) –
当你使用的云计算解决方案，将你的数据存储于不同的国家或不同的大陆时，就会与这个概念扯上关系了。你需要留意这些存储在不同国家的数据是否符合当地的法律。
K
键值数据库(KeyValue Databases) –
数据的存储方式是使用一个特定的键，指向一个特定的数据记录，这种方式使得数据的查找更加方便快捷。键值数据库中所存的数据通常为编程语言中基本数据类型的数据。
L
延迟(Latency) – 表示系统时间的延迟
遗留系统(Legacy system) – 是一种旧的应用程序，或是旧的技术，或是旧的计算系统，现在已经不再支持了。
负载均衡(Load balancing) – 将工作量分配到多台电脑或服务器上，以获得最优结果和最大的系统利用率。
位置信息(Location data) – GPS信息，即地理位置信息。
日志文件(Log file) – 由计算机系统自动生成的文件，记录系统的运行过程。
M
M2M数据(Machine2Machine data) – 两台或多台机器间交流与传输的内容
机器数据(Machine data) – 由传感器或算法在机器上产生的数据
机器学习(Machine learning) –
人工智能的一部分，指的是机器能够从它们所完成的任务中进行自我学习，通过长期的累积实现自我改进。
MapReduce – 是处理大规模数据的一种软件框架(Map: 映射，Reduce: 归纳)。
大规模并行处理(MPP: Massively Parallel Processing) –
同时使用多个处理器(或多台计算机)处理同一个计算任务。
元数据(Metadata) – 被称为描述数据的数据，即描述数据数据属性(数据是什么)的信息。
MongoDB – 一种开源的非关系型数据库(NoSQL database)
多维数据库(Multi-Dimensional Databases) – 用于优化数据联机分析处理(OLAP)程序，优化数据仓库的一种数据库。
多值数据库(MultiValue Databases) – 是一种非关系型数据库(NoSQL),
一种特殊的多维数据库：能处理3个维度的数据。主要针对非常长的字符串，能够完美地处理HTML和XML中的字串。
N
自然语言处理(Natural Language Processing) –
是计算机科学的一个分支领域，它研究如何实现计算机与人类语言之间的交互。
网络分析(Network analysis) – 分析网络或图论中节点间的关系，即分析网络中节点间的连接和强度关系。
NewSQL – 一个优雅的、定义良好的数据库系统，比SQL更易学习和使用，比NoSQL更晚提出的新型数据库
NoSQL –
顾名思义，就是“不使用SQL”的数据库。这类数据库泛指传统关系型数据库以外的其他类型的数据库。这类数据库有更强的一致性，能处理超大规模和高并发的数据。
O
对象数据库(Object Databases) –
(也称为面象对象数据库)以对象的形式存储数据，用于面向对象编程。它不同于关系型数据库和图形数据库，大部分对象数据库都提供一种查询语言，允许使用声明式编程(declarative
programming)访问对象
基于对象图像分析(Object-based Image Analysis) –
数字图像分析方法是对每一个像素的数据进行分析，而基于对象的图像分析方法则只分析相关像素的数据，这些相关像素被称为对象或图像对象。
*** 作型数据库(Operational Databases) –
这类数据库可以完成一个组织机构的常规 *** 作，对商业运营非常重要，一般使用在线事务处理，允许用户访问 、收集、检索公司内部的具体信息。
优化分析(Optimization analysis) –
在产品设计周期依靠算法来实现的优化过程，在这一过程中，公司可以设计各种各样的产品并测试这些产品是否满足预设值。
本体论(Ontology) – 表示知识本体，用于定义一个领域中的概念集及概念之间的关系的一种哲学思想。(译者注:
数据被提高到哲学的高度，被赋予了世界本体的意义，成为一个独立的客观数据世界)
异常值检测(Outlier detection) –
异常值是指严重偏离一个数据集或一个数据组合总平均值的对象，该对象与数据集中的其他它相去甚远，因此，异常值的出现意味着系统发生问题，需要对此另加分析。
P
模式识别(Pattern Recognition) – 通过算法来识别数据中的模式，并对同一数据源中的新数据作出预测
P字节(PB: Petabytes) – 约等于1000 TB(terabytes), 约等于1百万 GB
(gigabytes)。欧洲核子研究中心(CERN)大型强子对撞机每秒产生的粒子个数就约为1 PB
平台即服务(PaaS: Platform-as-a-Service) – 为云计算解决方案提供所有必需的基础平台的一种服务
预测分析(Predictive analysis) –
大数据分析方法中最有价值的一种分析方法，这种方法有助于预测个人未来(近期)的行为，例如某人很可能会买某些商品，可能会访问某些网站，做某些事情或者产生某种行为。通过使用各种不同的数据集，例如历史数据，事务数据，社交数据，或者客户的个人信息数据，来识别风险和机遇
隐私(Privacy) – 把具有可识别出个人信息的数据与其他数据分离开，以确保用户隐私。
公共数据(Public data) – 由公共基金创建的公共信息或公共数据集。
Q
数字化自我(Quantified Self) – 使用应用程序跟踪用户一天的一举一动，从而更好地理解其相关的行为
查询(Query) – 查找某个问题答案的相关信息
R
再识别(Re-identification) – 将多个数据集合并在一起，从匿名化的数据中识别出个人信息
回归分析(Regression analysis) –
确定两个变量间的依赖关系。这种方法假设两个变量之间存在单向的因果关系(译者注：自变量，因变量，二者不可互换)
RFID – 射频识别; 这种识别技术使用一种无线非接触式射频电磁场传感器来传输数据
实时数据(Real-time data) – 指在几毫秒内被创建、处理、存储、分析并显示的数据
推荐引擎(Recommendation engine) – 推荐引擎算法根据用户之前的购买行为或其他购买行为向用户推荐某种产品
路径分析(Routing analysis) –
针对某种运输方法通过使用多种不同的变量分析从而找到一条最优路径，以达到降低燃料费用，提高效率的目的
S
半结构化数据(Semi-structured data) –
半结构化数据并不具有结构化数据严格的存储结构，但它可以使用标签或其他形式的标记方式以保证数据的层次结构
情感分析(Sentiment Analysis) – 通过算法分析出人们是如何看待某些话题
信号分析(Signal analysis) – 指通过度量随时间或空间变化的物理量来分析产品的性能。特别是使用传感器数据。
相似性搜索(Similarity searches) – 在数据库中查询最相似的对象，这里所说的数据对象可以是任意类型的数据
仿真分析(Simulation analysis) –
仿真是指模拟真实环境中进程或系统的 *** 作。仿真分析可以在仿真时考虑多种不同的变量，确保产品性能达到最优
智能网格(Smart grid) – 是指在能源网中使用传感器实时监控其运行状态，有助于提高效率
软件即服务(SaaS: Software-as-a-Service) – 基于Web的通过浏览器使用的一种应用软件
空间分析(Spatial analysis) – 空间分析法分析地理信息或拓扑信息这类空间数据，从中得出分布在地理空间中的数据的模式和规律
SQL – 在关系型数据库中，用于检索数据的一种编程语言
结构化数据(Structured data)
-可以组织成行列结构，可识别的数据。这类数据通常是一条记录，或者一个文件，或者是被正确标记过的数据中的某一个字段，并且可以被精确地定位到。
T
T字节(TB: Terabytes) – 约等于1000 GB(gigabytes)。1 TB容量可以存储约300小时的高清视频。
时序分析(Time series analysis) –
分析在重复测量时间里获得的定义良好的数据。分析的数据必须是良好定义的，并且要取自相同时间间隔的连续时间点。
拓扑数据分析(Topological Data Analysis) –
拓扑数据分析主要关注三点：复合数据模型、集群的识别、以及数据的统计学意义。
交易数据(Transactional data) – 随时间变化的动态数据
透明性(Transparency) – 消费者想要知道他们的数据有什么作用、被作何处理，而组织机构则把这些信息都透明化了。
U
非结构化数据(Un-structured data) – 非结构化数据一般被认为是大量纯文本数据，其中还可能包含日期，数字和实例。
V
价值(Value) – (译者注：大数据4V特点之一)
所有可用的数据，能为组织机构、社会、消费者创造出巨大的价值。这意味着各大企业及整个产业都将从大数据中获益。
可变性(Variability) – 也就是说，数据的含义总是在(快速)变化的。例如，一个词在相同的推文中可以有完全不同的意思。
多样(Variety) – (译者注：大数据4V特点之一)
数据总是以各种不同的形式呈现，如结构化数据，半结构化数据，非结构化数据，甚至还有复杂结构化数据
高速(Velocity) – (译者注：大数据4V特点之一) 在大数据时代，数据的创建、存储、分析、虚拟化都要求被高速处理。
真实性(Veracity) – 组织机构需要确保数据的真实性，才能保证数据分析的正确性。因此，真实性(Veracity)是指数据的正确性。
可视化(Visualization) –
只有正确的可视化，原始数据才可被投入使用。这里的“可视化”并非普通的图型或饼图，可视化指是的复杂的图表，图表中包含大量的数据信息，但可以被很容易地理解和阅读。
大量(Volume) – (译者注：大数据4V特点之一) 指数据量，范围从Megabytes至Brontobytes
W
天气数据(Weather data) – 是一种重要的开放公共数据来源，如果与其他数据来源合成在一起，可以为相关组织机构提供深入分析的依据
X
XML数据库(XML Databases) –
XML数据库是一种以XML格式存储数据的数据库。XML数据库通常与面向文档型数据库相关联，开发人员可以对XML数据库的数据进行查询，导出以及按指定的格式序列化
Y
Y字节 (Yottabytes) – 约等于1000 ZB (Zettabytes),
约等于250万亿张DVD的数据容量。现今，整个数字化宇宙的数据量为1 YB, 并且将每18年翻一番。
Z
Z字节 (ZB: Zettabytes) – 约等于1000 EB (Exabytes), 约等于1百万
TB。据预测，到2016年全球范围内每天网络上通过的信息大约能达到1 ZB。
附：存储容量单位换算表：
1 Bit(比特) = Binary Digit
8 Bits = 1 Byte(字节)
1,000 Bytes = 1 Kilobyte
1,000 Kilobytes = 1 Megabyte
1,000 Megabytes = 1 Gigabyte
1,000 Gigabytes = 1 Terabyte
1,000 Terabytes = 1 Petabyte
1,000 Petabytes = 1 Exabyte
1,000 Exabytes = 1 Zettabyte
1,000 Zettabytes = 1 Yottabyte
1,000 Yottabytes = 1 Brontobyte
1,000 Brontobytes = 1 Geopbyte
医生被“全息传送”至国际空间站
医生被“全息传送”至国际空间站，有了“全息传送”技术，延时的问题迎刃而解，“全息传送”人员可以直接留在空间站上进行实时通信诊疗。医生被“全息传送”至国际空间站。
医生被“全息传送”至国际空间站1据 CNET 报道，去年 10 月，NASA 使用“全息传送”技术将飞行外科医生 Josef Schmid 博士带到国际空间站，而医生本人还在地球上。
据报道，这是这种虚拟技术第一次带到地球以外，医生本人的高质量 3D 模型在两地间进行数字压缩、传输和重建，所有这些都是实时的。
与此同时，国际空间站上的宇航员们佩戴微软 HoloLens，与医生进行互动，就好像他们在同一个物理空间中一样。
NASA 在一份声明中表示：“我们将把它用于我们的私人医疗会议、私人精神病学会议、私人家庭会议，并将贵宾带到国际空间站与宇航员一起参观。”
了解到，NASA 打算通过添加增强现实（AR）功能来扩大其系统，全息传送的人可以真正在空间站周围移动并观察事物，就好像真的就在那里一样，可能有助于为宇航员提供外星远程医疗、国际空间站建设项目，甚至有利于未来的深空探索。
医生被“全息传送”至国际空间站2航天事业是着眼未来的前沿科技，往往能够促成很多科技行业的新兴技术应用。以医疗来说，远程医疗是对宇航员身体健康最直接的保障。根据CNET报道，美国NASA已成功使用“全息传送”技术将飞行外科医生Josef Schmid 博士送到国际空间站，而医生本人还在地球上。
“全息传送”技术帮助宇航员远程医疗
在空间站，宇航员最有可能出现的医疗问题是碰撞、瘀伤、小伤口之类的物理性伤害，其次还有微重力对宇航员液体平衡的影响。这些问题通常都会通过对宇航员的超音波检查传递到地面，由地面医生给出治疗建议。
因为标准的无线电通信在与远在虚空中的系统通信时，一般会有长达20分钟的延迟。但有了“全息传送”技术，延时的问题迎刃而解，“全息传送”人员可以直接留在空间站上进行实时通信诊疗。
虽然近乎不可思议，但“全息传送”并不是一项全新的技术。微软几年前就提出了这个想法，此后一直在稳步发展这一概念。如今NASA最近的努力将这一壮举推向了新的高度。美国宇航局在一份声明中表示，国际空间站上的宇航员们正利用微软HoloLens的全息力量来为外太空的宇航员提供医疗服务，与医生相互进行交流互动。
NASA正在演示这种新的通信形式，作为在未来任务中更广泛使用的前奏。未来，人类走得离地球越来越远，对远程医疗的要求也会更高。NASA还打算通过添加增强现实（AR）功能来扩大其系统，全息传送的人可以真正在空间站周围移动并观察事物，为宇航员提供远程医疗、国际空间站建设项目，甚至有利于未来的深空探索。
5G快速建设助推全息通讯到来
近年来，随着5G商用的到来，物联网、人工智能、AR/VR、全息多媒体等新型网络技术逐渐成为现实，全息通讯也开始被众多科研机构、高科技企业重视起来。
作为一种新型通讯方式，全息通讯需要通过多种技术糅合来实现，用户在拥有镜头和麦克风组成的特制相机前进行通话，镜头将用户转换成数字图像进行联网传输，而在接收方那一端，则是通过全息投影仪将画面投射屏幕上，从而实现3D画面的呈现。
在全息通话实现的过程中，需要5G高速传输技术、AR/VR、3D投影等多种技术的紧密配合。其中，5G传输技术将扮演至关重要的角色。正是因为5G有着高带宽、低时延、高可靠性等优秀特性，才让科学家们有底气去想象全息通话的现实可行性。
例如美国曾采用5G技术完成了全球第一个全息电话。主要通过5G传输技术与特制的投影仪相配合，顺利完成了一次全息会议，这是全息通讯领域里一个极具标志性的事件。
微美全息5G多场景应用建设
目前，全球都在大力推进5G建设，抢占先机。在国内，能通过全息技术实现这种“全息传送”的代表性企业有微美全息（WIMIUS）。据悉，微美全息作为全息通讯技术领先者，依托自身5G技术，AI、AR/VR、边缘计算等，在众多领域探索出了一系列多场景化应用。此前该企业中标的中移动和媒体云平台二期全息远程互动项目，强化与中国移动等行业伙伴的紧密合作，助力全息通讯应用垂直领域。
作为5G全息通讯的`头部公司，微美全息自主研发及投入5G核心领域，将5G、AR/VR、全息通讯等技术融入，成功拿下了中标项目，推动5G全息通讯业务应用和实践。另外，微美全息打造5G+全息产业链横跨面广，运用全面前沿数字技术，可极大促进数字经济和实体经济深度融合发展，蕴含着巨大发展潜力。
具体来讲，微美全息5G+TO B全息应用使信息突破时空限制，其高速率、低时延特性能够满足AR/VR、超高清视频等典型应用对网络的要求，为用户提供极佳的人机交互体验。如5G 全息会议、远程办公等应用可提高工作效率，增强多地协同；5G+云演艺、4K/8K直播互动等应用提供更沉浸、更丰富的娱乐方式；5G+AR/VR直播购物、智能家居等应用提供更便捷、更多样的生活方式。
还有，微美全息依托5G网络的高带宽、低时延、全息投影的真实特点，跨越时空的5G全息课堂应运而生。基于5G+全息技术，通过全息与虚拟投影技术的叠加，将教师课堂俨然打造成生动活泼的虚拟课堂，打破了传统的教育方式，让学生仿佛置身现场一般，与名校高徒进行无障碍、无延时的交流互动等。
行业共识，随着5G全息通讯网络带宽条件变化,大举推动增强型移动宽带(eMBB)和物联网(IoT)应用。微美全息计划5G+AI人脸识别技术和全息AI人脸换脸技术的核心技术,用多个技术创新的系统支持全息技术服务和5G通讯全息应用获得有效增长。
不难推测出，微美全息这些年来探索全息技术，在多领域的科学化、数字化、虚拟化应用上，有助于提升全息技术的应用价值。并且推广应用促进发展，推进多个大类应用场景上升，奠定全社会良好的全息全景。
综上，5G通信技术的高速发展，为更多应用的展开打下了基石。特别是5G为全息通讯铺开道路。伴随着5G时代的到来，全息通讯渐渐显露出可以实现的苗头。
虽然就目前所达到的水准来说，全息通讯与理想中的效果仍有些距离，不过在这个方向上不断实现的技术突破，又带给全体消费者信心去展望未来。相信在5G大规模商用元年下，2022年行业也一定会有更多情景应用方面的开发。未来，全息通讯技术将大展身手。
医生被“全息传送”至国际空间站32021年10月，美国宇航局的飞行外科医生Josef Schmid博士、行业合作伙伴AEXA Aerospace首席执行官Fernando De La Pena laca和他们的团队成员，成为了首批从地球「全息传送」至太空的人类。
「这是一种全新的远距离人类交流方式」Schmid说。
「全息传送」是如何实现的？
这一次，NASA使用的设备是：微软的Hololens Kinect摄像机，以及一台装有Aexa Aerospace定制软件的个人电脑。
其实，微软HoloLens头显早已开发出来，但运用在太空这样的极端远程环境中，还是第1次。
Kinect是由微软公司生产的一系列动作感应输入设备，包含RGB摄像机、红外投影仪和探测器，可以进行实时手势识别、身体骨骼检测、语音识别、语音控制等。
而Aexa是一家为航空航天、医疗、石油等行业提供混合现实定制软件的供应商。
外科医生Schmid说，「全息传送」是一种捕捉技术，可以重建、压缩和实时传输高质量的人体3D模型。
微软HoloLens混合现实头显允许传输3D情景，允许使用者观看、听到并与远程参与者互动，就像实际上在同一个物理空间。
就这样，外科医生Josef Schmid博士等人被「全息传送」至国际空间站。因此，地面上的外科医生Josef Schmid和空间站的欧洲宇航员Thomas Pesquet，实现了首次实时3D图像对话。
现在，我们的人类实体可以离开地球「旅行」，虽然我们的肉体不在那里，但我们的人类却感觉就在那里。
更多的应用
为什么地面人员要和宇航员实现「全息传送」？
你想，能上太空的宇航员，堪称「国宝」，只有凤毛麟角的人才有资质。
然而，宇航员飞行那么久，万一出点病症，除了服药自治，还能怎么办？
要知道，上太空，他们是不会带私人医生出门的。
正是在这样的背景下，连接地面与太空的3D远程医疗应运而生。
2021年10月这一次，从地球「全息传送」到太空，让医疗专业人员与宇航员进行了首次磋商。
全息透镜医疗，配图与新闻无关
目前，NASA正在展示这种新的通信形式，「全息传送」在未来将有更广阔的应用前景。
下一步，NASA的计划是双向交流，除了地球上的人被「全息传送」到太空外，还要让宇航员「全息传送」回地球。
而且，「全息传送」还将和增强现实结合起来，以真正实现远程指导。
伴随着系统的运行，我们不仅在地球外「流浪」，还将在空间站上「生活」。
另外，「全息传送」可能会对未来的深空旅行产生重大影响。
随着火星计划的推进，往返火星存在的通信延迟问题，是一个需要克服的障碍。
那么，有了「全息传送」，是不是就改善了呢。
NASA表示，「无论人类在哪里探索，宇航员都需要与地球、任务控制中心联系」。
因此，传输技术对未来的太空任务至关重要。
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）