人工智能包含的能力有哪些?

随着5G的商业化逐步落地，越来越多的领域加入了数字化转型之路，利用物联网技术实施智能化升级。特别是题主所列举的工业领域，就是谋求数字化转型的先锋。

特别是2020年新冠疫情爆发以来，由于供应链断裂和防疫管理不善所导致企业停工甚至是破产的例子不在少数。而对那些熬过艰难时刻的企业而言，想要在疫情常态化的背景下重塑核心竞争力，数字化转型成为了不可或缺的手段。

与传统的经营模式相比，实施数字化转型能够给企业带来巨大的价值，包括提高生产效率、减少人力成本、加速产品迭代、优化管理流程、加强制造自动化程度等等，真正起到降本增效的作用。此外，数字化程度的提高，也大大提高了企业在生产经营中各种风险的监测能力，避免造成相关损失。

当然，以上只是物联网对于某一个领域所创造的价值，同理，在面对智慧农业、智慧交通、智能家居等行业时，一样可以利用物联网技术来实现更智能和更便捷的功能，例如气候传感器和温湿度传感器可自行检测分析当前数据是否符合农作物生长需求，并联动灌溉或保温系统进行干预，确保作物最佳生长环境。（了解更多智慧人脸识别解决方案，欢迎咨询汉玛智慧）

不知道大家有没有细心发现，其实现在很多物联网的应用已经深入到我们生活各个部分。比如说共享单车，自助扫码骑行，骑完以后锁车付费走人，这个能很好地解决大家短途出行效率。还有就是应用在汽车上，专业术语叫车联网，现在很多10几万的车都具备远程监控的功能。比如说通过app远程启动车子，通过app查看车子的状态，当前在什么位置，还能根据你的行驶里程和机油寿命提醒你去保养等等。类似的例子还有很多，比如说智能家居产品，小家电产品。有些应用虽然感觉是鸡肋，这些都是他们跑马圈地的结果，先把市场占下来，再慢慢更新迭代产品。但不可否认的事，大家确实能感觉到物联网潜在的巨大价值，生怕自己错过一个亿。

从种种迹象也反映了物联网一定是个发展的趋势。总的来说，其实物联网可以和任何一个行业进行融合，让传统的产品更加智能高效。而我们汉玛智慧也在一直努力研发，争取为大家提供更多更优质的智慧解决方案，让我们的生活更加的便捷，让科技未来更指日可待！

姓名：陈心语  学号：21009102266 书院：海棠1号书院
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

云计算已经成为全世界公认的最大趋势，Gartner研究报告显示，截至2015年末，全球云计算市场规模已达1750亿美元，而在2019年将有望突破3000亿美元，国内BAT巨头也在对该市场虎视眈眈。

此次百度方面宣布进行品牌升级，将"百度云计算"全新升级为"百度云"，与阿里和腾讯不同的是，百度最为擅长的部分在于人工智能，而此次百度也将云计算的砝码加注于人工智能领域。

百度总裁张亚勤表示在未来随着大数据的指数级增长，以及人工智能的突破性进展，"云计算大数据人工智能"成为未来发展关键，互联网的下一幕将由人工智能开始主导，而各行各业也将依托于"智能"完成对于自身的改造，百度云也为此进行了全面升级。

事实上在人工智能的驱动下，未来的云计算正在驶入全新的智能领域领域，其主要表现出三大趋势。

一，大数据激增，运算能力成云计算新焦点

传统时代并不存在云计算的说法，因为早期需要解决的问题是存储问题，成千上万的企业网站需要联网，而这些企业也仅仅只需要托管服务即可。

但是移动时代却是一个关键性的转折点，随着移动时代的到来，用户在企业产品中留下的数据开始激增，相比于pc时代可以用天文数字来形容，并且电商、物流、医疗、教育、营销、金融等诸多行业被全面波及，这些企业也越来越需要通过用户的数据，来对自己进行产品的调整以及改进规划，对于运算能力有着极大的需求。

之前的云计算解决了存储问题，但是并没有解决企业如何处理大数据的问题。因此，如何高效处理大数据则是未来的全新焦点，当存储能力不再重要时，运算能力正在成为未来企业全新的追逐对象。

此次百度云发布的"天算"正是应对这一需求，百度自身就是依靠运算能力起家，搜索从一开始就需要对大量的数据进行运算，其日均响应搜索超过60亿次，覆盖全国975%网民，LBS日请求超过300亿次，日语音识别请求超过1亿次，这些数据让百度的运算能力得到了强大的训练，不断倒逼自身能力。

此次“天算”开放则是将这16年的积累与全社会进行分享，使得每个行业都能够最高效解决大数据利用问题。

二，用户交互方式开始多元，企业难以应对

早期的pc时代，受制于 *** 作设备的不方便，用户与机器的交互方式只是通过文字进行，但是移动时代的智能手机带来了巨大的便携性，用户的请求方式开始多远，请求、语音请求、视频请求等等诸多形式。

企业只有抓住这些全新的交互形式，才等于抓住了未来，因此需要人工智能技术来应对用户场景的变化，帮助自己的用户更方便高效的使用自身产品，无论用户的语音请求还是请求都能够正确响应，但实际上该领域入门门槛极高，绝大多数公司都不可能单独设立部门进行研发，因此提供的人工智能服务的第三方成为关键。

面对以上全新的用户交互场景，百度云发布了"天像"，天象功能可以为开发者提供视频、、文档等多媒体处理、存储、分发的云服务，同时还额外提供"反黄服务"、"视觉特效"、"人脸识别"、"文字识别"等等服务，此外百度生态还对"天像"进行巨大的流量扶持让企业获得巨大的流量曝光。

对应变化的用户场景，一直都是百度长期以来布局的焦点，以语音识别和识别为例，百度在语音识别方面其准确率高达97%，而其DeepSpeech2深度语音学习也被《麻省理工评论》评为十大突破性技术，与航天技术、生物技术并列，也是唯一一家入选的中国公司。在识别方面，百度的DeepImage可以对内容进行识别，LWF人脸识别精度达到9986%，文字OCR的准确率也在90%。

目前百度也已经全面开放了语音、的技术，开发者除了可以接入“天像”之外，还可以直接利用百度的语音识别、图像识别开放平台轻而易举的完成自身无法完成的高门槛技术实现。

三，物联网崛起，云计算向人工智能全面进化

继德国工业40之后，我国也在2014年提出了中国制造2025计划，智能工程也被正式抬上议题，在2025年重点制造业将全面实现智能化，实现统一的智能管理。

物联网的云计算与其他云计算不同，其重点不在于存储和托管，其需要一个标准化的管理规则，让设备能够统一的接入，统一的调度，统一的检测等等，而这一切又都依托于人工智能技术，也就是说在物联网的云计算方面，传统的云计算已经无法继续胜任，其不仅需要与人工智能结合，更需要将自身进化成人工智能。

百度云此次发布的“天工”，则正是应对未来的物联网时代的全面布局，而百度自身在物联网方面也有相当大的动作，无人车可以说是整个物联网的集大成者，涉及多方面的顶级软硬件技术，而百度则是将无人车列为自己的重点。

百度一开始就以无人车最高级的全自动驾驶作为标准，采用全球最先进的传感器等设备，并配合自身前沿的语音技术、图像识别技术、地图技术、深度学习技术来实现无人车的运作，并且在政府方面也获得了极大的支持，分别获得了中国芜湖地以及美国加州的试点允许，不仅是亚洲第一家做无人车的公司，也是唯一一家获得两国政府认可的公司。

无人车是顶级前沿人工智能技术的综合集成，而“天工”则是将这些前人工智能沿技术进行开放，让更多的物联网开发者能够获得低成本高效率的解决方案，目前“天工”已经有了登云、互道信息、普奥云、智向科技、物联天下等物联网公司的合作案例，而在此后也将吸引越来越多顶级的开发者。

结语：

未来是数据的时代、用户多种请求的时代、物联网设备的时代，传统的托管云计算将无法胜任，而云计算也将全面向人工智能进化，未来没有云计算只有人工智能，而这种趋势已经开始。

科技术语有虚拟现实、人工智能、认知计算、量子计算、深度学习、DT时代、计算机视觉、人脸识别、物联网等等。科技术语有很多，指的是科技类的术语，属于专业术语、科技名词。

科技术语，是指科技类的术语，属于专业术语、科技名词。主要有两层意思：第一，科学有若干种解释，每一种解释都反映出科学某一方面的本质特征，而且科学本身也在发展，人们对它的认识不断深化，给科学下一个永恒不变的定义是难以做到的。我们把众多的科学定义解释加以概括，指出为多数人可以接受的共同概念，那就是科学知识、科学研究活动、科学社会建制的统一体。第二，技术是人类运用知识、经验和技能，并借助物质手段以达到利用、控制和改造自然目的的完整系统。它是人们的知识和能力同物质手段相结合，对自然界进行改造的过程。科技术语有很多，如下：

1、虚拟现实

虚拟现实是一套由计算机仿真系统创建出来的虚拟世界。通俗讲，就是使用技术手段，让人身临其境，并可以与这个环境进行交互。这套技术主要包括模拟环境、感知、自然技能和传感器各等方面，除了计算机图形技术所生成的视觉感知外，还有听觉、触觉、力觉、运动等感知，甚至还包括嗅觉和味觉等多感知。目前，虚拟现实技术已经应用于医学、军事航天、室内设计、工业仿真、游戏、娱乐等多个行业。

2、人工智能

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。

3、认知计算

认知计算出自于IBM人工智能超级计算机沃森的称谓，而现在，它更多的代表着一种全新的大数据分析方式。随着信息的增加，计算机可在已有经验的基础上随着时间推移，以学习的、交互的方式，随着数据的进一步增长逐步提高认知的分析行为，就像大脑会自然而然地做事情，认知计算是人工智能和大数据的联姻。

4、量子计算

量子计算，是当前最热门的研究领域。相对于普通计算机，基于量子力学特性的量子计算机，拥有超乎想象的并行计算与存储能力，求解一个亿亿亿变量的方程组，具有亿亿次计算能力的天河2号需要100年，而万亿次的量子计算机理论上只需要001秒就可解出。当量子计算机应用之时，现在的密码破译、基因测序等科学难题，将可迎刃而解。

5、深度学习

深度学习DeepLearning的概念源于人工神经网络的研究。机器学习研究中的一个新的领域，其动机在于建立、模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解释数据，例如图像，声音和文本。自2006年以来，机器学习领域，取得了突破性的进展。图灵试验至少不是那么可望而不可及了。在技术手段上不仅仅依赖于云计算对大数据的并行处理能力，而且依赖于算法。这个算法就是DeepLearning。借助于DeepLearning算法，人类终于找到了如何处理抽象概念这个亘古难题的方法。

6、DT时代

DT时代数据处理技术。这个词虽然很早就被人提出了。但是直到2015年3月的IT领袖峰会上，马云演讲中提出从IT时代走入DT世界之后才在中国火热起来。马云称，二者的区别在于，IT时代以我为中心，DT时代则以别人为中心，让别人更强大，开放和承担更多的责任。

7、计算机视觉

计算机视觉是一门研究如何使机器看的科学，更进一步的说，就是是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步做图形处理，使电脑处理成为更适合人眼观察或传送给仪器检测的图像。形象地说，就是给计算机安装上眼睛(相机)和大脑(算法)，让机器能够感知环境与对象。我们中国人的成语眼见为实和西方人常说的One picture is worth ten thousandwords表达了视觉对人类的重要性。不难类比，机器有了视觉以后的前途是不可估量的，例如:智能机器人、智能视频监控、新型人机界面等等。

8、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。用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部的系列相关技术，通常也叫做人像识别、面部识别。人脸识别产品目前已广泛应用于金融、司法、军队、公安、边检、政府、航天、电力、工厂、教育、医疗及众多企事业单位等领域。随着技术的进一步成熟和社会认同度的提高，人脸识别技术将应用在更多的领域。

9、物联网

物联网是新一代信息技术的重要组成部分，其英文名称是:The Internet of things。顾名思义，物联网就是物物相连的互联网。这有两层意思:其一，物联网的核心和基础仍然是互联网，是在互联网基础上的延伸和扩展的网络;其二，其用户端延伸和扩展到了任何物品与物品之间，进行信息交换和通信。物联网就是物物相连的互联网。物联网通过智能感知、识别技术与普适计算、广泛应用于网络的融合中，也因此被称为继计算机、互联网之后世界信息产业发展的第三次浪潮。物联网是互联网的应用拓展，与其说物联网是网络，不如说物联网是业务和应用。因此，应用创新是物联网发展的核心，以用户体验为核心的创新20是物联网发展的灵魂。

这里盘点一下目前主流的国产 *** 作系统，它们各有所长，排名不分先后。另外一点，国产 *** 作系统大多是基于Linux开源内核开发的。

1、优麒麟（UbuntuKylin）

该系统由工信部软件与集成电路促进中心、国防科技大学联手打造，针对中国用户定制，预装并通过软件中心提供了大量适合中国用户使用的软件服务。最新的“优麒麟” *** 作系统已经实现了支持ARM和X86架构的CPU芯片。

2、红旗Linux

该 *** 作系统最早在1999年8月亮相，主要用于一些部门。不过现在这款系统已经很久没有更新过了，而且研发公司已经在2014年2月10日解散。不过好的消息是中科红旗仍将继续开发红旗Linux国产 *** 作软件。目前国家工化部、国家电网、中国银行、CCTV等单位仍有在使用红旗Linux，最新的桌面 *** 作系统已经更新到100版本。

中科红旗目前暂时无免费的官方链接下载，可以去网上其他渠道下载或者国内专业的IT技术社区CSDN下载。

3、中标麒麟（NeoKylin）

该系统是由民用的“中标Linux” *** 作系统和军用“银河麒麟” *** 作系统合并而来，最终以“中标麒麟”的新品牌统一出现在市场。这款系统还成为了2018-2019中国 Linux市场占有率第一的系统。此外该系统还针对X86及龙芯、申威、众志、飞腾等国产CPU平台进行自主开发，率先实现了对X86及国产CPU平台的支持。

4、 深度Linux

该 *** 作系统在2004年亮相，更新速度较快，推荐使用。该系统主要用于民用版本，其源代码开放可控，目前累计下载量达数千万次，曾经在Distrowatch上排名最高的中国Linux *** 作系统。目前他们正在解决迁移Windows平台软件带来的各种兼容性问题。

5 、中兴新支点桌面 *** 作系统

该系统出自于中兴，是国产 *** 作系统中最大的黑马，也是一款较为成熟的系统。同样基于开源Linux核心进行研发的桌面 *** 作系统，此外同样支持产芯片（兆芯、申威、龙芯、ARM）及软硬件。目前已经聚集了一些常用的应用软件，成熟度较高。

本文编译自zdnet
据知名芯片分析公司Linley Group称，智能手机等边缘设备上的人工智能推理的芯片吸引了越来越多的初创公司和风险投资。
“有更多新的初创公司不断涌现，并继续试图与众不同。”Linley Group的高级分析师Mike Demler在接受 ZDNet 电话采访时表示。
在最近一次于 10 月在加州圣克拉拉举行的线上线下同步活动中，包括Flex Logix、Hailo Technologies、Roviero、BrainChip、Syntiant、Untether AI、Expedera 和 Deep AI 等初创公司分别谈论他们的芯片设计。
Demler 和团队定期编写一份题为《深度学习处理器指南》的研究报告，最新版本预计将于本月发布。 “在这个最新版本中，我统计了 60 多家芯片供应商。”他告诉 ZDNet。

Edge Cortix
边缘AI已成为一个笼统的术语，主要指不在数据中心内的所有事物，尽管它可能包括位于数据中心边缘的服务器。它的范围从智能手机到使用谷歌TinyML 框架微瓦功率级别的嵌入式设备。
Demler 说，其中功耗从几瓦到 75 瓦不等的边缘AI芯片，是市场中最拥挤的部分，通常采用可插拔 PCIe 或 M2 卡的形式。 （75 瓦是 PCI 总线限制。）
“PCIe 卡是市场的热门部分，用于工业人工智能、机器人技术、交通监控。”他解释说。 “你已经看到了 Blaize、FlexLogic 等公司——其中很多公司都在追求这一领域。”
但真正的低功耗也相当活跃。“我想说的是 tinyML 领域也很火爆，从几毫瓦到几微瓦不等。”
Hailo软件工具链
大多数器件都是专用于人工智能的“推理”阶段。
推理发生在神经网络程序经过训练之后，这意味着它的可调参数已经完全开发到足以可靠地形成预测并且可以投入应用。
Demler说，初创公司面临的最初挑战实际上是从一个漂亮的PPT到工程中实际应用。许多人从FPGA仿真开始，然后转向销售成品SoC，或者将他们的设计变为可整合到客户SoC中的IP。
“我们仍然看到许多初创公司对冲他们的赌注，或者尽可能多地追求灵活的收入模式。”Demler 说，“首先在 FPGA 上进行演示，并提供他们的核心 IP 以进行许可。一些初创公司还提供基于 FPGA 的版本作为产品。”

Roviero
市场上有数十家供应商，因此真正点亮的芯片，也面临着各种竞争与挑战。
“很难总结出各家的真正不同。”Demler说。 “我已经看了几十个宣称‘世界第一’或‘世界最好’的PPT。”
有些公司一开始采用了不同的方法，以至于他们很早就脱颖而出，但花了一些时间才结出硕果。
澳大利亚悉尼的 BrainChip Holdings 在 2011 年就开始使用芯片来处理脉冲神经网络，这是一种人工智能的神经形态方法，旨在更准确地模拟人脑的功能。
多年来，该公司展示了其技术如何执行任务，例如使用机器视觉识别赌场地板上的扑克筹码。
“BrainChip 一直在坚决低追求这种尖端架构。”Demler 说。 “它具有独特的能力，它可以真正在设备上学习”，从而进行训练和推理。
FlexLogix
从某种意义上说，BrainChip 是所有初创公司中走得最远的：它上市了。其股票在澳大利亚证券交易所上市，股票代码为“BRN”，去年秋天，该公司发行了美国存托股票，在美国场外交易市场交易，股票代码为“BCHPY”。自那以后，股票的价值已经翻了三倍多。
BrainChip 刚刚开始产生收入。该公司在 10 月份推出了适用于 x86 和 Raspberry Pi 的“Akida”处理器的迷你 PCIe 板，并于上个月宣布了新的 PCIe 板，价格为 499 美元。该公司在 12 月季度的收入为 110 万美元，高于上一季度的 10 万美元。 年度总收入250 万美元，运营亏损 1400 万美元。
事实证明，其他一些奇特的方法很难在实践中实现。芯片初创公司 Mythic 成立于 2012 年，总部位于德克萨斯奥斯汀，一直在寻求使用模拟技术实现AI的新颖路线，它不是处理 1 和 0，而是通过 *** 纵实时的模拟电信号进行计算。
“Mythic 已经生产了一些芯片，但还没有公布我们所知道的任何设计导入。”Demler观察到。“每个人都同意，理论上，模拟应该具有功率效率优势，但在商业上实现这一点要困难得多。”

ArchiTek
Demler 指出，另一家在处理器大会上展示的初创公司 Syntiant 也是以模拟芯片设计方法开始，但认为模拟没有提供足够的功耗优势，并且开发周期更长。
加州欧文市的 Syntiant 成立于 2017 年，专注于非常简单的物体识别，它可以在功能机或可穿戴式设备上以低功耗运行。
“在功能机上，您不需要应用处理器，因此 Syntiant 解决方案是完美的。”Demler说道。
Demler 表示，无论任何一家初创公司是否成功，AI的实用性都意味着AI加速将作为一种芯片技术持续存在。
“人工智能在许多领域变得如此普遍，包括 汽车 、嵌入式处理、物联网、移动、PC、云等，专用加速将变得司空见惯，就像 GPU 用于图形一样。”

Expedera
尽管如此，Demler 说，在通用 CPU、DSP 或 GPU 上运行某些任务会更有效率。这就是为什么英特尔和英伟达以及其他公司正在使用特殊指令（例如矢量处理）来继续他们的架构。
只要风投市场现金充裕，养料丰富，一千朵鲜花都可以绽放，市场可以有不同的方法进行 探索 。
“仍然有如此多的风险投资资金进入这一市场，我对这些增量感到震惊。”Demler说。
Demler 指出，成立于 2018 年的加州圣何塞的 Simaai 获得了巨额融资，该公司正在开发其所谓的“MLSoC”，专注于降低功耗。该公司在 B 轮融资中获得了 8000 万美元。
另一个是特拉维夫的 Hailo Technologies，该公司成立于 2017 年，根据 FactSet 的数据，该公司已母鸡了 3205 亿美元，其中包括最近一轮的 1 亿美元，据称估值为 10 亿美元。
“来自中国的数据，如果属实，将更加惊人。”Demler说，风投资金看起来将暂时继续。 “在风险投资界决定投资其他东西之前，你会看到这些公司将继续获得热捧。”
在某个时候，会发生一次洗牌，但那一天何时到来尚不清楚。
“一些公司最终会离开。”Demler沉思道。“无论是从现在开始的 3 年还是 5 年后，我们都会在这个领域看到更少的公司。”

---