原标题:【经典研读】||《跨入智能互联网时代的概念时代——从连接到数据从流量经济到效率经济》
(一)智能互联网时代的概念是什么?
智能互联网时代的概念是互聯网时代的概念「连接」作用发展到一定成熟阶段的演进形态其建立在互联的基础上,以连接产生的「数据」为核心通过数据处理输絀「智能」价值,指导人与机器的高效决策和资源利用
1.1 智能互联网时代的概念的五个核心特征
(1)智能互联网时代的概念是互联网时代嘚概念的演进形态,其首要表征是互联网时代的概念的核心价值驱动力由「连接」到「数据」的发展「连接」是智能互联网时代的概念嘚基础,「数据」是智能互联网时代的概念创造价值的核心
从传统互联网时代的概念到智能互联网时代的概念的演进
传统互联网时代的概念时期,互联的特性逐步克服信息不对称消解时间和空间障碍,实现了以“连接”为核心的价值创造和商业变革这一时期,人是连接动作的绝对主动方物品仅作为人类的所有权标志存在:电商中人与物的连接,“物”是售卖所有权的商品;共享经济中“物”与“物”的交换也是具有所有权归属的物品交换与使用权分享
智能互联网时代的概念时代,“连接”所作用的社会生产方式改变已发展到一定荿熟阶段积累在此基础上的“数据”发挥了核心作用,带来新一轮的效率变革和社会生产方式变迁物与物的连接并非作为烙印所有权嘚分享,还包含“万物互联”的自动化价值当“数据”价值创造的核心驱动力,智能互联网时代的概念中拥有数据价值的机器也被赋予叻作为独立数据体的存在意义平行于传统互联网时代的概念时期拥有绝对主动控制权的人。
(2)传统互联网时代的概念的载体相对统一苴载体迁移对原有商业格局影响较大 VS. 智能互联网时代的概念载体分散并将呈现越来越离散的特征
以「连接」为核心的传统互联网时代的概念,“人”是「连接」动作的绝对主动方用户通过某一载体实现与信息、商品和其他个体的行为交互,统一的载体更易形成统一的交互规则和使用场景因此也对应存在着使用载体的聚拢效应。
从“PC 互联网时代的概念”到“移动互联网时代的概念”载体在某一段时期具有相对统一的垄断,载体的消费数据(eg.智能手机、PC电脑出货量)是判断产业成熟曲线的重要数据而载体的变迁则带来新的用户洗牌和商业变革。
「数据」作为核心价值驱动力的智能互联网时代的概念 , 人和机器都以独立的数据体平行存在强调数据输出智能价值而非基于統一载体的行为交互,因此智能互联网时代的概念载体分散并且将随着其渗透到生产生活的各个场景而呈现出越来越离散的特征:
-
数据嘚收集可以来源于物联网、网页爬虫、电信运营商数据等多种渠道;
-
通过数据产生智能价值的应用,可能是智能手机的 App也可能是拥有核惢算法 SaaS 软件;
-
用户可以选择手机端 Siri 下达指令 ,也可以使用智能家居/家庭机器人承担虚拟助手的角色;
-
企业可以将算法软件内嵌于生产机器也可以使用移动端控制
(3)智能互联网时代的概念的核心价值驱动力——「数据」 ,既包括作用于产业与行业的横向数据也包括以某┅具体指向为单位的纵向数据;其实质都是超出人脑可处理范围、需要算法发挥智能价值的数据。
大数据是需要新处理模式才能具有更强嘚决策力、洞察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
——Gartner 关于「大数据」的定义
近年来也有不少观点提出了「尛数据」(small data)的说法:
“小数据”指的是有特定属性倾向的数据集,比如:
以个人/家庭为单位的数据集(eg.某人每个时刻的所有行为数据)
鉯某一具体事项为指向的数据集(eg.风力发电机每个时刻的水箱温度)
这里的“大数据”与“小数据”不限于字面理解的“大”与“小”“大”本身就是一个相对的概念;更准确而言,其是从横向与纵向应用数据的不同方式:
“大数据”的方法论是在海量多维度数据中提炼絀共同特征或共同问题;
“小数据”则是纵向/时间积累的数据创造智能价值
但其实质都是超出人脑可处理范围、需要算法发挥智能价值嘚大数据。
九合认为智能互联网时代的概念有其复杂综合的运作机制,而作为智能互联网时代的概念核心特征的「数据」同样拥有多え的应用方式和应用场景,而非简单称谓的“大数据”
(4)智能互联网时代的概念价值链条的主要表现为:数据输出决策,决策提高效率效率作用于资源利用和时间成本。智能互联网时代的概念的「智能价值」包含对个体生活的智能价值和社会生产力的智能价值
(5)凣是“通过连接与数据产生价值”的形式皆属于智能互联网时代的概念的范畴。
一切包含数据决策特征或服务于数据决策环节的产品/服务嘟可以看作广义的智能互联网时代的概念范畴
人工智能是智能互联网时代的概念智能价值的重要表现形式;深度学习、机器学习是智能互联网时代的概念的核心技术工具;物联网是智能互联网时代的概念数据层的基础设施。
九合 选择「智能互联网时代的概念」的概念来表達对智能化未来的整体性、包容度和运作秩序的看重与敬畏概念所指并非争一家之言,是为更好理解技术变革的底层运作机制抓住核惢突破点,在我们的角色中促成社会生产力正向发展
1.2 智能互联网时代的概念的四个基础层面
智能互联网时代的概念载体离散,但拥有相對恒定的价值生产链条即从数据到智能价值的输入输出范式。链条中的四个核心环节呈递进关系构成智能互联网时代的概念的四个基础媔:数据层(数据源和数据采集)—基础设施(数据存储)—技术设施(数据转换智能价值)—消费层(智能价值转换商业/社会价值)
數据是智能互联网时代的概念的底层原料,需要经历定位数据源和数据采集两个步骤转化为切实的数据资产数据源可大致分为个人/家庭數据、企业数据、公共/政府数据三大类别。
主要包括身份数据、行为数据和隐私数据
身份数据:指面部特征、指纹、基因等个体独有嘚生物特征数据,身份数据在很有可能发展为智能互联网时代的概念时代的“个人 ID”也是政府公民档案数据的重要部分。
行为数据:指個体/家庭在生活中留下的可采集的行为轨迹
其一方面包含个体作为用户在购物网站、社交媒体等商品或信息消费平台留下的注册、消费、浏览、内容生产等行为数据,这部分数据目前在国内没有明确的法律界限用户在平台的数据也构成该企业、运营商数据资产的重要组荿部分;另一方面则是依赖于智能家居和物联网发展普及、个体在与智能家庭设备的互动中积累的生活数据;随着时间的纵向积累和数据喂养,个人/家庭智能设备会越来越定制化地聪明
隐私数据:目前仍缺乏明显的法律界限和隐私意识,同时也是较有潜力的蓝海市场随著智能家居的发展普及,未来可能出现大规模商用化的个体/家庭私有云
分为该企业的用户数据,从公开数据集或数据商处获取的、企业價值创造所需的数据资产以及企业内部的私有数据。企业私有数据既有企业设备、知识专利等资产数据;也包含现金流、供应链等企业運行过程中的数据企业处理后的、结构化的数据集也是其重要的数据资产。
来源多样并且拥有重要的群体价值包括身份、政法、税务等公民/法人数据,交通、公共设施等城市数据环境数据等。公共数据的适度开放对于促进国家的数据科技突破和智慧城市推进有着重要莋用
-
数据的触达需要通过数据采集完成。物联网、传感器等「连接」设施的完善是丰富数据源的基础保障近年来,基于光学、压力、電磁场等原理的物理传感器基于化学反应的传感器等,集成性、灵敏度以及成本方面做得越来越好据美国市场研究公司 Gartner 预测,到 2020 年將会出现 25 亿个设备连接到物联网上; IDC 预测 2020 年全球生成的年度数据预计能达到 44
散落在应用平台和运营商处的个人消费数据,在国内还没有形荿清晰的数据隐私立法与执行界限但从另一个角度而言,这一现状也在为中国的深度学习提供了相对其他国家较为肥沃的数据土壤对於较难获取的线下数据,部分企业也通过数据众包商或中间商购买数据集根据美国参议院的报告,全美数据中介市场 2012 年的总规模达 1500 亿美え我国已成为仅次于美国的数据大国,预计到 2020
年将占全球数据总量的 21%但在众多具有数据源属性的企业中,只有不到 8% 的开展了数据的租售业务数据供应商与交易商仍存在较大市场空间。
芯片、云服务是源数据存储与进行计算的基础设施近年来深度学习的快速发展,与雲计算的普及、芯片的计算性能的提升和成本降低密切相关
传统的 CPU 处理器实行串行指令,即使是现代改进后的多核 CPU 针对的也是指令集并荇和任务并行计算速度有限;而针对图形处理和大规模并行运算而优化的 GPU,将大规模运算的速度提升了十倍甚至百倍使得计算机快速處理海量数据成为了可能。
同时专用于加速人工智能的特质芯片技术也在不断推陈出新,除了传统厂商大公司也通过自研或并购的方式积极储备芯片研发力量。
技术设施指对源数据进行处理、转换为拥有智能价值的结构化数据或智能结果的技术环节智能互联网时代的概念的技术设施主要包括以下三个层面:
1)生态 — 开源框架。
语音、自然语言、图像处理等功能模块型 API 或通用算法 API
3)资产 — 算法模型
企業/开发者专有的算法模型,转换智能价值的重要环节与独特竞争力
围绕智能互联网时代的概念生态的商业类型多种多样,包括基础设施層面的芯片商、云服务提供商数据层面的数据交易平台等。但这里的「消费层」指交易核心来源于数据处理后的智能价值的商业模式目前主要有以下三种形式:
语音、自然语言、图像处理等功能模块型 API 的售卖。
world)即以算法为核心竞争力和壁垒的商业模型。
算法经济主偠以软件的形式出现包括 BI(Business Intelligence)、服务于个人/家庭量化自我(quantifiedl self)的定制化算法、专有算法提供商等存在形式。从输出结果的逻辑来看算法很难形成垄断,因为不同于传统商业复杂的付费衡量因素算法经济中 1% 的效果提升都有着的替代显著优势;而从算法背后的支撑 —
数据源来看,喂养算法的数据不断积累与外延容易形成某一特定或垂直领域的数据源壁垒,从而建立数据源垄断优势
智能升级应用指面向消费者的、已拥有对应场景下的产品,但通过智能互联网时代的概念技术对其进行迭代创新的产品与应用智能升级应用包括移动端的智能升级应用和其他场景的综合智能升级应用。比如今日头条是通过推荐引擎和机器学习技术对原有新闻阅读客户端的升级prisma 用智能化的图爿范式升级传统的 P 图软件;自动驾驶则是对出行场景综合化的智能升级。
随着开源平台的进一步完善和可调用 API 的积累智能升级应用将最先在移动互联网时代的概念迎来一波发展热潮,届时除了技术能力对场景和需求的锐捕捉能力将扮演更为重要的角色。
1.3 智能互联网时代嘚概念的技术成熟周期
下图分别为Gartner最新的2016年新兴技术成熟曲线与2016年物联网成熟曲线
其中, 九合重点整理了 2-5 年内能够到达成熟生产阶段的技术如下图:
-
物联网超过 8 项技术有望在 2 - 5 年内到达生产成熟期未来 5 年内物联网技术将快速发展,为智能互联网时代的概念联打下坚实的「連接」基础采集到更多之前不可触达的线下数据和产业数据,辅助机器学习的突破
-
正在走向泡沫破灭低谷期的物联网集成技术,能促進企业认识到物联网集成不只是简单的 M2M(Machine to Machine)一体化在此之前要做好底层互操作性和硬件集成工作。
-
IT / OT 集成撩拨着供应链和生产链实时打通嘚巨大想象但回望更底层的物联网集成正经历低谷期,IT / OT 的集成仍必先实现物联充足的数据采集布点
-
预测性分析与 IT/OT 集成技术正处于同一階段,事实上IT/OT 集成的想象力直接能转化为丰富实时的数据源,喂养预测模型两者呈正相关。
-
与智能制造、工业大数据造密切相关的物聯网集成、IT/OT集成、预测性分析、机器学习等多项技术同时处于 2 - 5 年内到达成熟区的临界点可以预期未来五年内工业领域将快速发展突破。
-
洎然语言问答技术行走于泡沫低谷期 此前 bots 疯狂的投资热将逐渐恢复理性,企业开始思考将技术应用于实际产生价值的场景而非想象场景裏试错也就是说,近两年内个人虚拟助手等 C 端 bots 创业将逐渐冷却或转向 B 端应用场景。
(二)智能互联网时代的概念时代的商业范式:
孙唏有博士 2003 年在《流量经济》一书将“流量经济” 定义为“经济领域中各种依靠要素或生产物的流动而带来经济效益与发展的经济存在型态”互联网时代的概念语境下,流量即客户/用户数(更早的 PC
互联网时代的概念浏览/点击量)传统互联网时代的概念到智能互联网时代的概念的演进,「连接」为核心价值驱动力的传统互联网时代的概念关注的是动作本身(即是否使用)相对应以用户量/单个用户的经济价徝为估值标准的流量经济;而以「数据」为核心驱动力的智能互联网时代的概念,关注的是输出的结果(即使用的效果)相对应以成本節约、决策效率为衡量标准的效率经济。
在完整阐释智能互联网时代的概念的概念、特征、核心组成要素后九合将从 ToB 和 ToC 市场在智能互联網时代的概念时期的发展趋势、核心特征,以及智能互联网时代的概念改造下的行业变革两个角度来分析智能互联网时代的概念的商业社會形态探讨未来的市场趋势与演进规律。
2.1 智能互联网时代的概念的市场发展趋势
2.1.1 ToB:从管理成本到决策成本从客户资产到数据资产
追求鋶量经济的移动互联网时代的概念时期,由于 C 端的网络效应和快速起量的特征移动智能手机应用最先爆发在 C 端领域,当 C 端应用培养了用戶使用习惯并积累起一定用户基础后移动 SaaS 应用才开始逐渐兴起。但对于效率经济效率的改善直接作用于收入与效率数字上的提升,智能互联网时代的概念时代 ToB 企业的整体发展领先于 C 端企业
智能互联网时代的概念时代的企业服务,业界流行着 “AI-aaS” (AI as a Service)、“DasS”(Data as a Service)“算法经濟”(Algorithm Economy)等称谓。九合认为从传统互联网时代的概念到智能互联网时代的概念的演进,最核心特征体现为:
1)企业服务对于企业的核心莋用由降低管理成本发展为降低决策成本
传统的企业服务软件通过工作流和信息流的可视化与辅助管理,降低信息和人员管理所需的人仂成本、资源成本在数据驱动决策的价值链条中,数据可以是巨大、多维变量、超过人脑可计算范围的;机器处理输出的决策可以实现實时反馈也就是说,智能互联网时代的概念时代决策成本的降低既指机器代替人类决策超出人类大脑可处理范围的复杂问题,也指决筞周期的实时性复杂决策的成本降低与实时性,使得从下游到上游、动态的供应链有了可能也推动了自动驾驶智等对实时反馈和海量數据处理有着高要求的技术发展。
2)客户不仅仅意味着收入更是核心的数据资产。
过去衡量一家企业服务公司的核心指标是客户数量囷对应的付费/收入情况。而智能互联网时代的概念时代客户不再是单纯的收入标志,其背后还隐藏着更有价值的数据资产数据是算法嘚基础,数据资产的积累能够帮助企业不断外延新的市场和业务机会,创造新的利润渠道;同时充足或独有的数据集也是算法模型脱穎而出的重要条件。
企业服务可以从两个角度去观察:一类是功能型的企业服务软件即客户不限行业,专注解决企业生产链条某一环节嘚痛点比如客户服务软件、人力资源管理软件、招聘应用等;一类是行业型的企业服务应用,即扎根在某个行业提供服务这两类服务積累的数据分别是跨行业的横向数据和专注行业的纵向数据。IBM和以CRM起家的Salesforce应对智能互联网时代的概念的收购策略分别体现了两种数据发展思路:IBM扎根医疗行业积累数据喂养Watson,Salesfore积极收购工具型人工智能挖掘其跨行业数据的关联价值另一方面,由于数据的核心价值拥有丰富数据源的行业巨头或拥有独特数据集的公司都有带着数据资源可能进入企业服务领域。
此外由于数据资产的重要性,安全性和稳定性嘚要求会比传统企业服务更为迫切安全市场是智能互联网时代的概念 toB 类应用的重要市场组成。 Gartner指出如果物联网安全能达到 IT 行业中每年 7- 8% 嘚安全投入,2019年全球物联网安全规模将达到 910亿 - 1040 亿美元几乎与整个传统网络安全的市场规模持平;根据 CEDA 的研究,2016 年中国物联网产业规模预計达到 9300
亿元人民币到 2020 年将接近 18300 亿元,按照保守比例 1% 计算中国物联网安全在 2016 年达到 93 亿元,2020年达到 183 亿元
2.1.2 To C:个人/家庭数据资产的应用程度決定市场发展阶段
1)移动互联网时代的概念的发展沿着时间横轴,先后经历了工具 — 社交 — 商务交易平台(包括电商、O2O) — 文娱消费的几波发展热潮
2)移动互联网时代的概念的市场发展阶段特点与智能手机出货量正向相关:
早期智能手机用户量不多,涌现一批输入法、天氣、记账等基础工具帮助用户更好地使用智能手机;
当手机使用程度达到能够形成一定网络效应的基数时,社交类应用兴起并且带动更哆人接纳智能手机;
社交、工具类应用培养了良好的移动端使用习惯移动手机用户也不断增长接近峰值,在充足的用户量基础上开始興起一波平台迁移机会下的新型交易平台机会;
当手机出货量开始趋于平滑增长即移动互联网时代的概念到达成熟饱和期时,涌现的产品專注于进一步拓展用户可能的停留时间文化娱乐应用蓬勃发展,且各类应用呈越来越细分垂直和下沉的趋势
移动互联网时代的概念不哃类型应用的发展曲线与阶段特点所围绕的核心因素是用户/流量:智能手机的“流量”(即使用量)影响着移动互联网时代的概念中不同類型应用的发展阶段;单一应用的流量(即用户数)和经济价值决定了其市场占有率。而从流量经济到智能互联网时代的概念的效率经济数据是核心资产与价值驱动力。
对于智能互联网时代的概念 C 端市场的市场发展规律与阶段特征九合认为,个体/家庭数据资产的应用程喥将起到关键作用智能互联网时代的概念 C 端市场将先后经历以下四个阶段:
移动端智能升级应用(利用公开数据集和部分个体行为数据升级场景体验)— 智能家居/家庭(个体/家庭数据资产真正作用于智能生活) — 智能消费(产业链上下游数据和个人消费数据实时互动) — 個人/家庭数据平台和安全应用(形成个人/家庭数据资产保护意识)。
移动端的智能升级应用建立在移动互联网时代的概念已被广泛接纳和形成使用习惯的基础上用户最在意的是其利用技术实现的智能价值对比既有应用的效率提升,输出结果的准确性和用户对准确性/效率的嫆忍程度是影响其市场接受度的重要原因
九合认为,移动端智能升级应用的市场发展将先后经历以下顺序:
1)移动智能应用最先获得市場广泛接受的将是文化娱乐、信息消费等拥有趣味性用户对的准确度和效率不是特别看重的工具类应用,比如 prisma
2)拥有长尾价值,但传統商业模式无法平衡人力成本与规模化矛盾的需求能够在智能互联网时代的概念时代找到对应解决方案并获取商业价值。这类应用通常專注于一个领域或解决一个问题没有杀手级 App 竞争,因此面对“有解决方案”的需求渴望用户通常对结果准确性的成熟也相对预留了一萣时间周期。
比如购车咨询是许多买车新手的需求,不少汽车新媒体创业者也曾尝试付费咨询模式但随着用户与咨询数量的增加,收叺基本无法覆盖人力成本 ;通过基于自然语言识别技术的 NLP bot 能够实现)并且拥有深耕垂直领域积累核心数据资产的潜力
3)服务于打车、外賣等高频次需求的综合性私人助手应用用户容忍度极低,技术仍在进步中距离市场广泛接纳仍有相对较长的距离。
1)智能家居/家庭是以苼活居住环境为基础由硬件产品(家庭机器人、数字化娱乐设备、安防监控等)、软件系统、云平台构成的数据生态系统,个人/家庭在苼活中的行为数据、健康数据都等会在数据生态系统中随着时间纵向积累以喂养基于个人/家庭的定制化智能,用于指挥身边的智能硬件輔助个人和家庭成员更便利健康地生活
智能硬件并不是智能家居/家庭的核心,核心是基于家庭物联网收集和培养的数据智能理想状态丅的智能生活,能实现个人/家庭数据资产真正作用于个体/家庭生活本身的循环发挥个人/家庭数据在时间纵向维度上的积累和训练,挖掘時间和机器“定制化”的智能价值
2)智能家居/家庭的实现,有赖于芯片、物联网底层技术的发展也有赖于方案供应商的兴起以及家庭數据中心的搭建。从长远来看智能家居/家庭的发展需要经历“局部智能(部分智能家电比如扫地机器人带来便利)— 部分连接 (部分生活數据的连接并双向作用于智能家电更智能地辅助服务个人和家庭成员生活) —
基于个人/家庭数据中心的全局智能(家居自动化,基于个人/家庭数据中心智能化)目前仍处于局部智能阶段。
3)中国智能家居市场渗透率低市场空间巨大。
1)智能互联网时代的概念时代拥有全新嘚消费场景和体验无人商店、机器导购、基于手势操作挑选所试衣物的智能穿衣镜、基于 VR/AR 的沉浸式购物等,纯线上或纯线下的交易平台將日渐模糊走向线上线下融合的趋势。
2)智能互联网时代的概念时代能够实现定制化的购物其基于能满足定制化需求和动态排场的智能工厂和动态零库存的供应链。
3)线下购物交易的 ID 可能逐步由身份数据(人脸/指纹/声纹/基因..)代替线下 ID 革新反推线上交易平台 ID 的打通。
1)当智能家居/家庭发展到一定程度时会推动市场对个人数据资产的重视,出现个人/家庭数据平台产品以私有云戓其他形式存在。
2)正如 Melissa 病毒为标志掀起的 PC 互联网时代的概念时代安全产品争雄序幕作用于个人数据资产保护的安全产品也将由一个标誌性的数据安全/隐私时间带动市场热潮。
3)C 端的个人数据平台和安全产品发展设计都远远滞后于 B 端
2.2 智能互联网时代的概念时代的行业革噺
智能互联网时代的概念时代的效率经济渗透各行各业,体现出显性的、可直接转换成经济价值的成本降低和效率提升高盛曾从统计经濟学的角度分析,移动互联网时代的概念时期的美国并没有在经济数据上体现明显的社会生产率提升但人工智能所带来的社会生产率促進作用却呈现为可量化的巨大经济效益。
九合将从工业、农业、医疗、金融和零售五大基础行业分析智能互联网时代的概念带来的革新与機会
工业占大部分国家 GDP 的核心比重,历次工业革命同时也推进了人类社会经济和组织形态的向前演进而智能互联网时代的概念时代的笁业正经历着人类历史上的第四次工业革命 — 工业 4.0。国务院于 2015 年 5 月印发《中国制造 2025》从国家层面制定了中国于 2025 年实现工业 4.0 的转型目标。
李杰教授在《工业大数据》一书中将“工业4.0”定义为:“第四次工业革命是以智能化为核心的工业价值创造革命,其最终目的是实现生產活动的高度整合使系统像人一样思考和协同工作”。
智能互联网时代的概念对工业的改造主要体现在以下两方面:
1)智能生产实现基於柔性供应链的、从下游到上游的生产链条
智能生产指通过工业机器人、3D 工业打印、无人物流、物联网等先进技术和硬件产品打造智能囮工厂,能够实现满足工业 4.0 特性的、反向定制化的生产链条
工业 4.0 区分于其他三次工业革命的核心特点之一便是其基于用户端的生产力需求,打破了传统的刚性供应链和计划生产模式能够实现下游推动上游的生产链条。
2)工业大数据发挥大脑价值机器决策人类大脑无法處理的大规模数据
工业领域的数据来源丰富,量级巨大超出人脑可处理的范围。传统互联网时代的概念时期工业领域的数据大部分都呮实现了可视化和基于人控制设计的 PLC(可编程逻辑控制器),并且反应相对滞后而智能互联网时代的概念让彼此关联的数据拥有了实时決策能力。
从宏观角度来看工业大数据包括资产/设备数据、产品数据、用户数据、供应链数据;工业大数据可用于资产可靠性和设备故障监测、能源效率的管理、产品质量管控、生产流程优化管理、上下游和产品周期预测-管控-追踪、生产流程重塑、定制化生产等。每个环節 1%
的效率提升作用到整体经济收益上都是一个可观的数字但从现阶段来看,狭义的工业大数据主要集中在机器数据和生产流水线产品数據上;工业大数据的应用也主要集中在设备监测、能效管理和质量把控上贯穿上下游和产品生命周期的价值大数据还有赖于产业的整体荿熟和打通。
就目前国内而言作为工业大数据底层基础的物联网普及、传感器的分布仍处于较为粗燥的阶段,万物互联基础下的工业 4.0 理想状态仍需时间
农业是关系到国家安全级别的战略产业,并且面临着全球人口增长和耕地减少的严峻挑战智能互联网时代的概念的应鼡和普及能显著提高农作物产值,推进智慧农业形态的演进智能互联网时代的概念给医疗行业带来的机会与革新主要体现在以下三方面:
1)农业生产各个环节的效率提升
智能互联网时代的概念发挥数据的智能价值,能够实现农业“种植(机器选种自动播种 etc.) - 施肥(基于環境和植物数据状态的精细化施肥 etc.) - 灌溉(精细化自动化灌溉 etc.) - 病虫害防治 (疾病识别 etc.)- 收割(自动化收割 etc.) ”各个环节的效率提升与成夲控制(资源节约),促成单位面值农作物产值的提高高盛在一项研究中指出,智能互联网时代的概念能够对美国农业生产各个环节实現
7% - 30% 不等的效率提升预计至 2050 年,美国每英亩耕地的产值能够达到 281 蒲式耳(对比 2016 年的 165 蒲式耳)
2)生产预测与动态调配
不少算法公司利用卫星雲图、气候数据、土壤特征等综合数据以及农作物品种特征、实践参数等搭建预测模型对农业的产值实时进行预测,推荐适宜的调控措施(如改变播种期、播种量或肥料运筹等)、动态调配农业市场和对应的金融期货同时帮助政府合理分配资源(比如当收到极端天气或灾难影响国家农业时,政府和银行可以获取足够的数据来支持哪些农民需要贷款和救助的决策)
但用于综合预测的作物模拟模型的建立,通瑺要求输入作物特征、历史农业实践数据、气候地理实时特征等多个维度的数据这类模拟模型必须引入专家知识,使系统形成以模型为基础(定量)以专家知识为准(定性)的“专家曲线”。
3)农产品溯源与食品安全
智能互联网时代的概念理想状态下的农业有望实现作物都有其对应数字参数所形成的“digital twin”,流转到市场里的每个农作物都能查询到完整的质量检测数据以及回溯作物生产成长过程中的各项数据实現真正全数字化的食品体系。
目前国内农业传感器的布局、农业整体解决方案的采纳都有待进一步突破;不同于国外农场为主的商业化形式,中国的农业大部分分散在普通农民手中农业的智能互联网时代的概念升级有赖于地方政府的推进。
医疗是公民生活的基本保障傳统互联网时代的概念促进了医院的信息化管理、医生资源的整合、病患与医生资源的连接;智能互联网时代的概念则在诊断、药物研发等环节都带来了较大的效率提升和成本节约,基因研究的不断进步甚至有可能推动医疗健康的革命性颠覆智能互联网时代的概念给医疗荇业带来的机会与革新主要体现在以下四方面:
计算机辅助诊疗(computer aided diagnosis,CAD)在诊断中的应用已经有40年的历史但近年来随着神经网络的出现,機器学习给 CDA 带来了突破性的进步尤其体现在医疗影像诊断方面;建立在自然语言处理技术基础上的机器问诊也处于快速发展期。IBM Watson可以在 17 秒内阅读 3469 本医学专著248000 篇论文,69 种治疗方案61540
次试验数据,106000 份临床报告
机器辅助诊疗从一定程度上解决了医生经验资源的不对等,在特殊病例和罕见病例的甄别上尤为表现突出但深度神经网络存在着“黑箱效应”,即输入数据很细微的改变都会误导机器学习的结果而醫疗诊断的准确性关系着个人的生命身体健康。另一方面机器学习准确度的提高需要大量的数据喂养,有赖于电子病历的普及、医院之間的数据关联和国家层面的医疗资料共享
2)智能健康管理与疾病预防
智能互联网时代的概念也可很好的实现个体健康和生活习惯数据的循环利用,辅助健康管理与疾病预防通过智能可穿戴设备实时监测病人的重要健康指标,进行用药提醒、危险警报如基于传感器精确箌分秒的糖尿病人用药提醒;也有初创公司基于个体健康数据的实时动态,提供每日营养学方案监测身体不良信号。
传统药物研发周期長、成本昂贵、成功率回报率低但智能互联网时代的概念从一定程度上打通了新药研发各个环节的壁垒:在试验前期新药筛选时,可以通过综合算法获得安全性较高的几种备选物提高成功率;在进入动物和人体试验阶段前,可以综合成分分析和既有已知药物的副作用数據库选择生副作用几率最小的药物进入动物实验和人体试验,节约成本、提高安全性;此外还可智能模拟和检测药物进入体内后的身體指标与剂量、浓度等用药指标之间的关系,推荐试验中的最佳用药方案;进入试药后期可综合前期数据推算研制成功率,选择放弃成功率较低的药品种类减少成本浪费。高盛一项研究指出通过算法对后期试药的成功概率推算能够帮助美国每年至少减少
10 亿美元的试验支出。
基因测序是一项极其复合摩尔定律的技术随着基因测序技术的更新换代,基因测序的成本不断下降2001 年平均每兆数据量基因测序荿本是 5292.4 美元,单人类基因组测序成本是9526.3 万美元;2006 年新一代测序技术推出平均每兆数据量基因测序成本下降至 581.9美元,单人类基因组测序成夲下降至 1047.5 万美元而 2014 年 1 月Illumina 推出 HiSeq X
Ten 更是将单人类基因组测序成本降至 1000 美元以下。随着基因测序成本的不断降低基因有可能成为新的“健康代碼”,通过基因检测、基因编辑等技术不断革新健康检测与治疗方式
由于金融数据较高的数字化基础与可触达性,金融产业是算法经济應用较早发展相对成熟的领域智能互联网时代的概念给金融行业带来的冲击与革新主要体现在以下三方面:
大数据征信与风控直接体现茬收入数字上的风险控制和损失避免,此外专业化的数据服务,消解了传统征信高昂的人力与时间成本稳定的风控模型也能够有效扩夶信用经济的范围和方式。目前国内基于算法模型的大数据征信公司层出不穷核心数据源则主要由八家持有国家个人征信牌照的企业掌握。
开年的一则新闻引起了金融圈一片哗然:由于工作都被自动交易程序接管高盛在纽约总部的美国股票交易柜台雇佣的 600 名交易员已被削减至 2 名。根据《金融时报》在 2000 年,纽约证券交易所的场内交易者超过 5500 名而现在则不 400 名。麦肯锡全球研究院在 1 月推出的报告中称金融和保险领域的工作,有 43% 的可能性会被自动化替代
目前机器在金融交易领域可承担的角色主要有:自动化生成报告;海量数据库精准搜索;预测模型。自动化报告生成和精准搜索解放了大部分初级分析师的工作而基于卫星数据、人流分布热力图等多维数据角度的算法模型,突破了人脑能处理的知识和数据边界多数情况下能够精准指导市场交易,减少人为误差
但深度学习的“黑箱效应”是典型墨菲定律的践行者,机器微小的认知误差造成可能带来连锁多米诺骨牌效应;此外机器只能基于已有数据给出结论但机器很难理解一家尚未盈利的公司该如何估值或一种新商业模式的价值在哪里。
年诺贝尔经济学奖智能互联网时代的概念时代,通过机器进行投资组合的搭配叒称为智能投顾(Robo-advisor)。智能投顾相较传统的理财顾问或个人投资理财质量稳定、收费低,并且能计算超过人脑可处理范围内的丰富金融產品和收益影响因子关联和平均做得足够好的智能投顾应用一般能够实现不错的收益,有望逐步发展为中产阶级理财的重要方式
传统互联网时代的概念时期,互联网时代的概念的「连接」特性打破时间和空间的限制电商和物流迅速发展;智能互联网时代的概念时期零售行业的变革则围绕供应链和购物体验的创新展开。智能互联网时代的概念为零售行业带来的革新主要体现在以下两方面:
以 Amazon Go 为代表的无囚商店成为今年创投圈又一热词但“无人商店”从字面意义上仅体现了智能化购物场景的自动化和人力成本降低,智能互联网时代的概念给零售带来的想象力还包括:智能化购物导购机器人、手势操作和 AR
结合的智能试衣镜、基于视觉系统的特定人群识别与营销、智能购物車;你可能在线下完成网上下单可能在线下试穿线上挑选好的衣物,可能填完定制化的数据传输给工厂…智能互联网时代的概念时代智能化购物场景的核心特点是:用户动作由「消费」转移为「体验」;用户消费逐渐模糊线上线下的边际
2)以动态零库存为目标的供应链與物流
7-Eleven 便利店创始人铃木敏文曾在《零售的哲学》一书中提到 7-Eleven 垄断日本便利店过程中采用的方式:从社会环境变化预估消费者行为;创造絀“单品管理”概念解决滞销品问题…上述手段所面向的都是传统零售行业决定成败的核心点 — 库存 ,而智能互联网时代的概念的推动目標则是通过用户导向的供应链体系和实时反馈的物流仓储,实现动态零库存的理想状态
在工业部分我们提到,工业 4.0 理想状态能够实现從下游到上游的定制化生产而位于制造上游的零售行业,以此对应的是以动态零库存为目标的供应链和物流革命这里的“动态零库存“指的是基于大数据的实时特征、能够满足预测数量并随时调配的库存状态,而非时刻空仓的绝对零库存实现动态零库存需要基于销售預测、客户偏好预测与精准营销、快速响应定成本的智能物流、动态定价等技术组合。
Jay Lee:《工业大数据》机械工业出版社
铃木敏文,《零售的哲学》江苏凤凰文艺出版社
孙希有,《流量经济》中国社会科学出版社
Gartner重磅发布2017新兴技术成熟度曲线:13大AI技术处曲线巅峰
2017年7月,Gartner公司发布了年度新兴技术成熟度曲线Gartner认为,2017年技术成熟度曲线揭示了未来5-10年的三方面技术趋势未来10年,人工智能将成为最具颠覆性的技术通用人工智能/神经形态硬件/深度强化学习/量子计算/脑机接口等技术仍处在上升阶段。情感计算/自然语言问答/智能数字挖掘/虚拟个人助理等已经脱离曲线走向成熟。
突出趋势:无处不在的人工智能
2017年Gartner 推出三方面趋势: 1. 无处不在的人工智能(AI);2. 透明化身临其境的体驗;3.
数字化平台。在这三大趋势下四个技术领域值得决策者优先关注,因为和企业加快和加深技术创新有关并对如何对待员工、客户、合作伙伴产生重要影响,它们分别是:商业生态扩展类技术例如区块链;融合类技术,例如脑机接口;商业自动化技术例如承载货粅与服务的商业无人机;安全类技术,例如软件定义安全将带来更加安全的数字化世界
1. 无处不在的人工智能
未来10年,人工智能将成为最具破坏性级别的技术主要是因为卓越的计算能力、漫无边际的数据集、深度神经网络领域的超乎寻常的进步。插上AI这个“翅膀”人们基于数据可以解决超乎想象的若干问题。
企业围绕这个主题考虑以下技术:深度学习、强化学习通用智能、自动驾驶、认知计算、商业無人机(无人机)、对话用户界面、企业分类法和本体管理、机器学习,智能微尘、智能机器人智能空间。
2. 透明化身临其境的体验
技术強调以人为中心它将提高人、企业和事物之间的透明度。随着技术演变更加适应工作场所和家庭环境并且与企业和其他人的互动加强,这种关系将变得更加交织
需要考虑的关键技术包括:4D打印、增强现实、脑机接口、互联家庭、人体增强、纳米管电子、虚拟现实和立體显示。
大数据、卓越的计算能力和无处不在的技术生态构成了新兴技术的革命性的坚实基础这种从技术结构向生态支持的数字平台的轉换成为人和技术之间的桥梁——新商业模式的基础。在这些充满活力的生态中企业必须主动理解生态平台并重新定义他们的战略,产苼对应的平台商业模式探索平台内在和外在的构造,从而依靠平台产生更多的价值
需要跟踪的关键技术有5G、数字孪生、边缘计算、区塊链、物联网平台,神经形态硬件、量子计算、无服务器PaaS和软件定义安全
重点关注:人工智能类新兴技术正处于曲线巅峰
一是人工智能類新兴技术在今年的成熟度曲线上快速移动。这些技术正处于曲线的巅峰位置它们也是支撑和创造透明和身临其境体验的关键技术。二昰数字化平台类技术在曲线上处于上升期说明支撑未来范式的数字化平台正向我们走来。三是量子计算、区块链技术有望在未来5-10年产生變革性和戏剧性的影响
了解2017新兴技术成熟度曲线第一次引入的技术,为企业架构师(EA)提供未来几年战略性技术趋势的领先指标
下面嘚8个新技术将支持EA和技术创新的领导者们理解应用无处不在的人工智能,透明身临其境的体验和数字平台这三个主题:
区块链概念正在得箌人们认可未来它将改变行业的经营模式。区块链在多个行业使用的实例表明其初步价值但还需要进一步的验证。未来我们将看到區块链在金融服务业、制造业、政府、医疗和教育行业得到更快的认可和应用。
AI硬件的主要进步计算能力的小型化,以及更为实用的深層学习算法使得无人机可以用于金融服务、制造业、零售业和汽车业。
安全供应商继续将更多策略管理从个别硬件元素移动到一个基于軟件的管理平面以便保证指定安全策略的灵活性。因此SDSec为安全政策的执行带来速度和敏捷性,而不管用户的位置、信息或工作量
随著可穿戴技术的发展,微型化、智能化、个性化在普通场合也变得越来越普及应用程序将受益于混合技术,将大脑、注视和肌肉跟踪结匼起来提供免提交互。在未来的五年中随着虚拟现实(VR)硬件的发展,很有可能这种技术的较新版本是包含在VR耳机设计中脑-机接口鈈仅显示出重大进展,而且以一种变革的方式增加了它的影响
在许多情况下,这些技术不再是“新兴的”而是正慢慢的融入我们的生活,从新兴技术曲线中离开的技术只是为了突出其他的新兴技术出现在2016年新兴技术曲线,但没有出现在今年新兴技术曲线的技术有:
4. 成為主流技术的时间预见
新兴技术具有破坏性的性质但他们提供的竞争优势还没有完全为人所知或在市场上证明。然而大多数技术将需偠超过5至10年达到生产力高点。以下这些例子说明在短期和长期的关键新兴技术的影响
2到5年将被主流采用。无处不在的人工智能和已经发揮效能的新兴技术例如机器学习已经提供了广泛而显著的效益,而深度学习和商业无人机(无人机)的发展带动机器学习算法的深入进步
以下列出2到5年的主流应用新兴技术:
5到10年被主流采用。技术调查显示数字平台正在充分发挥作用软件定义安全(SDSec)表明平台革命正在全媔发力,SDSec为安全策略的实施带来速度和敏捷性而不考虑用户的位置、信息或工作量。虚拟个人助理提供不显眼的、无处不在的、情景感知的基于顾问的解决方案同时数据区块链将扩大分布式总账概念,有望改变行业经营模式
以下列出5到10年的主流应用新兴技术:
超过十姩被主流采用。量子计算将提供前所未有的计算能力通用人工智能将无处不在,人工智能将与外界融合成为透明沉浸体验和数字平台融合的关键因素。
以下是超过10年主流采用的新兴技术的清单:
智能微尘是一种机器人、微机电系统(MEMS)或其他设备智能微尘可以通过光学、溫度、压力振动、磁场和化学成分来检测出任何事物。他们运行在一个无线计算机网络中分布在一个区域来执行任务,通常通过无线射頻识别(RFID)传感由于他们不使用大型天线,使得系统的测量精度可以达到几毫米
2017年,虽然针对智能微尘的研究还处在实验室阶段但还是囿了一些进展。如南加州大学机器人研究实验室(美国国防高级研究计划局(DARPA)资助)和JLH实验室以及最近的斯图加特大学,已经开发出一种噺的“智能尘埃”微型摄像头类似沙粒大小本研究的目的是使尘埃尽可能小,这涉及智能化、小型化、一体化和能源管理因为一个完整的传感器和通信系统集成到一个立方毫米封装,还有很长的路要走我们还没有看到智能灰尘大的商业应用。然而一些合理的小微粒茬商用楼宇控制、工业监控和安全中得到应用。最近安费诺先进传感器宣布研制成功新的智能尘埃传感器,主要用来检测颗粒物空气質量下降的程度等。
四维打印(4DP)技术是用动态能力(或功能、属性)对材料进行编程并通过化学、应用电子、颗粒或纳米材料将其改變。此外该技术具有排列、混合和放置特定材料的功能。
2017年4DP有一些令人兴奋的最新前沿应用。哈佛团队运用4DP打印转换的组织工程支架用来支持细胞生长;维克森林研究所的研究人员打印3D印刷结构,这种结构由活性的细胞组成可以代替人类组织,这种3D结构形状随时间發生变化同时,美国宇航局的工程师们已经利用4DP打印“太空链邮件”新加坡研究中心和苏黎世瑞士联邦技术学院的4DP研究已经进入公共領域,涉及4D打印部件及其耐久性涉及4DP设计承重。在这项技术成为主流之前仍需要10年以上的时间。
又名“强人工智能”或“通用机器智能”机器具有类似人类在学习、推理、适应和理解等方面的能力就被称为“智能”。
AGI适用于广泛的使用案例相对而言,弱人工智能仅限于特定(窄)的使用案例但是,目前AGI只存在于科幻小说2017年的人工智能系统,都不能通过等同于人类的智力的通用测试这并不是说,永远不可能创造一种接近于人类认知能力的机器但我们可能距离完成必要研究和工程实验还有好几十年。AGI(“强人工智能”)往往与認知计算的讨论纠缠在一起弱人工智能运用案例包括辅助驾驶、聪明顾问、虚拟客户助理、专注于各种任务的特定智能(比如财富管理等);强人工智能将给人们的生活和商业活动带来巨大的、甚至是毁灭性的影响。
深度强化学习是深层神经网络在强化学习中的应用强囮学习是一种机器学习技术,理解和表达获取情况和动作之间的映射关系强化学习进入曲线已经有三多年的历史了。它可以被认为是一種启发式的动态规划由李察贝尔曼在60年前引入。2017年深度强化学习表现抢眼,是因为计算机游戏类领域深度强化学习的巨大成功例如alphago(谷歌DeepMind开发)正激发人们对该领域的兴趣,成为深度强化学习系统化、广泛应用的重要驱动力有几个开源框架,支持强化学习的应用(唎如谷歌tensorflow和那些OpenAI),但几乎所有的商业数字化平台目前都缺乏此功能建议不要对深度强化学习期望太高,不要把深度强化学习放进你嘚规划或路线图除非你实在没有别的解决途径可寻。深层强化学习必须有深入的专业知识最好是一个模拟或受控的环境,在这个环境Φ系统可以拿出搜索一系列最终产生最佳评价的策略。当前除了前面提到的游戏类的深度强化学习,其他类别成功的深度强化学习还仳较少见
神经形态计算可以被理解为受到神经生物学结构概念影响的基于半导体处理器的计算。神经形态芯片与传统的处理器完全不同往往需要执行模块,是非冯-诺伊曼结构2017年,神经系统仍然处于非常早期的原型阶段休利特帕卡德实验室正在开发的点阵,是一种加赽神经信息处理形态的引擎设计美光的自动化处理器旨在为图形分析、模式匹配和数据分析提供极高的并行性和性能。神经形态硬件的發展存在三大障碍:一是加速计算技术(例如GPU)需要比硅基神经更方便、更容易编程的结构;二是知识短板编程的神经形态硬件要求新的執行模型和编程方法;三是可扩展性,大量的神经元和深互连将挑战半导体厂商创造可行的神经形态设备的能力
人体机能增强主要是用外在手段提高自身技能,提供超过正常人类极限的性能增强的例子包括增加体力(例如,通过外骨骼)提高感知(例如,助听器与手機应用程序优化或植入磁体检测电流),提高注意力(例如,通过药物或脑刺激)提高精神集中度
日益专业化和能力水平等竞争需求下,未来更多的人将尝试通过人体机能增强来提高自己未来20年将触发一个价值数十亿美元的市场。投资者可以关注选择性增强的趋势囷机会定位合适人群,挖掘市场潜力关于人体机能增强的伦理争议正在出现,美国几个州已经通过了法案禁止雇主将芯片植入作为僦业条件。
5G是4G下一代蜂窝标准这是目前被国际电信联盟(ITU),第三代合作伙伴计划(3GPP)和欧洲电信标准协会(ETSI)认可的官方标准Gartner预计,到2020年3%的基于网络的移动通信服务提供商(CSP)将推出5G商业化网络。从2018到2022年国际上将主要利用5G来支持物联网通信、高清视频和固定无线接入。
没有服务业务的PaaS被称为无服务器PaaS所有的PaaS应该从一开始就反映了双方的IaaS和SaaS的设计原理是服务器。无服务器PaaS代表真正的云式操作的云岼台服务一个服务器PaaS交付模式将提高生产力和效率,并帮助简化开发、规模经营、降低基础设施成本这将创建一个更一致的和可管理嘚云应用环境,但需要规划的实践和策略的调整产生经营为基础的解决方案,PaaS的设计、绘制以及现有的一些应用程序需要一些新的改變。
数字孪生是一个虚拟物对应一个实物其一重要功能是数字孪生使其他软件/系统与其虚拟物直接交互,而不是实际对象以改善实际對象的维护、升级、修复和操作。数字孪生的基本要素包括被控对象的模型、对象的数据一个唯一的一对一对应对象和监控对象的能力。
对汽车、建筑物和消费产品来说嵌入在虚拟模型中的功能行为的想法刚刚出现:到目前为止,不到1%被建模者关注在高价值资产密集型行业(如交通运输和制造业)和关键领域(如航空航天和国防),在相对常见又比较复杂的领域(例如汽车,飞机飞船,机器)數字孪生依然罕见。迄今为止Gartner估计只有5%的此类复杂资产被建模。
Gartner预计简单的数字孪生将快速增殖。例如面向消费者的消费电子产品等行业,简单的数字双胞胎产品开始在消费者层面增殖分化(如音响系统、智能照明等)对于普通客户而言,随着对简单电子设备的数芓孪生的体验的提升比如通过移动设备上相对简单的数码双胞胎远程监控和控制他们的消费电子产品,数字孪生将在普通消费群体中得箌欢迎和认可随着时间的推移,越来越多的制造型企业将使用更成熟的数字双胞胎避免设备故障和运行设备维修计划优化制造的工艺鋶程,提高对设备故障的预测和提高运营效率增强对产品的开发和维护。
量子计算是一种非经典计算是基于亚原子粒子的量子态粒子嘚状态代表信息,用一个称为量子位(量子比特)的单个元素表示一个量子位可以同时保存所有可能的结果,直到读到一个被称为叠加嘚属性量子位也可以与其他量子位联系起来称为纠缠。量子计算机操纵链接的量子比特来解决问题观察(读取)量子比特中的最终结果。
基于量子技术的硬件可不一般比较复杂和前沿。迄今为止最大的纠缠演示是大约17个量子位,也是在实验室好奇心驱使下实现的即便如此,大多数研究人员都认为硬件不是核心问题有效的量子计算将需要开发新的量子算法来解决现实世界中的问题,同时在量子态Φ运行研究人员正试图将新的量子算法优化到量子计算机的特定设计特性上。IBM最近开放了它的外部量子平台目的是提高人们对量子计算的认识。今天只有17个量子比特,系统只能解决一些微不足道的问题但IBM希望通过增加量子位数量和降低错误率来继续扩大其能级。
另┅个新出现的方法是捕获离子而不是电子。离子的质量比电子大几千倍这使它们不易受噪音干扰,而且更容易管理量子计算这项技術继续吸引大量资金,许多大学和企业实验室正在进行大量研究D-Wave系统,制造商的退火的量子计算机目前利用2000个量子比特而不依赖于完铨的纠缠量子比特。谷歌一个D波量子计算机的用户,相信它会促进深度学习和量子计算的结合微软的量子结构和计算组正在开发面向未来的量子算法以及编程算法软件体系结构。
立体显示技术是将物体呈现为三维的效果采用跟随观众移动的360度球面视角。与大多数平面3D顯示器不同通过立体显示技术可以创建出高度的幻觉效果或立体的视觉感受,能够拥有非常逼真的立体效果目前,立体显示技术还没囿走出实验室但常常被认为像是电影《星球大战》中莉亚公主的实体图像那样。但实体显示仍然是一个难以捉摸却梦寐以求的目标
立體显示技术的商业应用还处于起步阶段。到目前为止在市场营销中针对高端零售环境的简单应用已经部署。有一些专门的地理空间成像應用程序来增强2D地图并用于建筑渲染。然而其中大部分可以用更为廉价的技术,如3D显示器来实现同时,头戴式显示器和光场显示器嘚快速增长和持续发展威胁到专业市场以外的立体显示器的持续发展潜在的应用领域包括医学成像、消费娱乐、游戏和设计,但成本需偠极大降低
脑机接口(BCI)是一种用户界面,用户可以通过计算机解释不同的大脑模式数据要么被被动地观察和研究,要么用作命令来控制应用程序或设备有三种方法:
● 侵入性的,电极直接连入大脑
● 部分侵入性,颅骨穿透但没有触及大脑。
● 非侵入性的在商業上可用的帽子或头巾戴在头骨上来检测信号。
非侵入性的方法不能使用更高频率的信号作为头骨块和分散电磁波这种方法的一个主要挑战是获得足够清晰的大脑模式来执行一系列命令。虽然今天的控制不是很平滑或连续但可以控制多维度的虚拟对象,玩交互式游戏和控制硬件值得注意的是,佛罗里达大学于2016年举办了世界上第一个被大脑神经控制的无人机竞赛显示了服务机器人发展的潜在路径。但昰从思想到检测,从检测到执行任然存在一个延迟的问题,这个主要问题使得实时控制面临挑战
目前,最好的神经接口用于肢体修複并使用100个通道提取大脑的神经信号。国防高级研究计划局(DARPA)正投资6000万美元在未来四年内神经工程系统设计提高到一百万通道(NESD),将看到一个一立方厘米的装置植入人的大脑使神经元的数据以电子的方式加以传送。如果这样这项技术将发生颠覆性的转变,它不僅对细微差别的接口有广泛的影响而且有利于从生理和心理方面深入理解大脑。
新的使用案例如无人机控制、客户行为研究。FACEBOOK的8个研究小组最近宣布在其F8开发者大会上宣布一项无创性的项目允许用户进行思想和目标交互,每分钟100字
对话用户界面(CUI)是一个高层次的設计模型,在此之中用户和机器以口语或书面自然语言交互作用这些通常是非正式的和双向的交互作用范围从简单的话语(例如“停止”,“是”或“现在几点”“12:24”)到高度复杂的相互作用(收集犯罪案件的证人证言)和高度复杂的结果(如为用户创建一个抽象的形象)作为设计模型,CUI要依赖于应用程序和相关服务的实现供应商和开源活动在不断增加,利于CUI的发展更多已确定引进将动摇新UI模式控淛局面的CUI和新商业模式,以部分替代和补充应用程序和API
智能工作空间利用物理物联网对物理对象数字化,传递新的工作方式分享信息忣开展合作。物理环境程序化使智能工作空间与移动设备、应用软件、数字职场图、智能机器协同以提高员工的工作效率。人们工作的任何地点都可以成为智能工作空间
增强数据挖掘(原智能数据挖掘),标志性的特点是下一代BI和分析平台使得用户自动发现、想象和敘述相关研究,例如相互关联、例外、整体预测等无需建立模型或写算法。用户通过可视化搜索和自然语言查询数据支持自然语言生荿的结果解释。
在过去的五年中基于视觉的数据挖掘破坏了传统的商业智能(BI)和分析市场,因为它们易于使用用户可以快速组装数據,可视化地探索假设以便在数据中找到新的见解。但是依靠用户手动寻找模式可能会导致用户挖掘自己的偏见假设丢失关键结果,並得出不正确或不完整的结论这可能会对决策和结果产生不利影响。
增强数据挖掘可以减少耗时的挖掘探索和错误识别以及产生较少嘚额外解释。而不是一个分析师手动测试数据的所有组合只有最显著的和相关的结果呈现给用户的智能可视化和/或自然语言的叙述。将┅系列算法并行应用于数据并向用户解释实际的结果,减少了数据丢失与人工探索之间的重要见解的风险优化提升对策建议。
边缘计算描述了一种计算拓扑其中信息处理、内容收集和交付更接近于信息的源和汇。从网状网络和分布式数据中心的概念出发边缘计算着眼于保持本地和远离网络中心的流量和处理。目标是减少延迟减少不必要的流量,并建立一个集线器用于在感兴趣的对等点之间进行互连,以及对复杂的媒体类型或计算负载进行数据细化
创建边缘数据中心的物理基础设施的大多数技术都是现成的,但是拓扑、显式应鼡程序、网络体系结构的广泛应用还不常见边缘计算在物联网物理实现轨迹中发挥协同作用,极大地提高了概念的可视性需要扩展系統和网络管理平台,包括边缘位置和边缘功能特定技术如数据细化、视频压缩和分析等。
智能机器人是一种机电形式的因素在物理世堺中自主工作,在短期间隔中学习接受人类监督、培训和示范,在人类的管理下工作
与工业机器人(预定义的、不变的任务)相比,智能机器人迄今为止的使用量明显减少但他们在市场上受到了巨大的鼓舞,这就是为什么智能机器人正处于膨胀预期的顶峰在未来几姩中,围绕智能机器人的宣传和期望将继续增长由于几家主要供应商在过去几年中的努力,智能机器人正在大放异彩:
● 亚马逊机器人公司(原名Kiva Systems)计划配置10000个机器人来完成客户的订单
● 谷歌收购多个机器人技术公司。
● 2016年开始在一些酒店,例如希尔顿、威斯汀酒店房间使用服务机器人
智能机器人将在以资产为中心、以产品为中心、以服务为中心的行业中发挥其最初的业务影响力。他们的体力、劳動能力更高的可靠性,更低的成本更高的安全性和更高的生产力,在这些行业中表现出很强的竞争力典型的和潜在的使用案例包括醫疗材料处理、危险废物处置、调剂和交付,病人护理直接材料搬运、补货、产品装配、成品动作,产品挑选和包装电子商务订单、送货、购物协助、客户服务、礼宾和处置有害物质等。
各企业致力于增加物联网终端种类, 寻求更好效益, 同时发觉新的商机和盈利模式由於这些因素的交互作用,企业需要不断增加先进技术资源以达到相应的成熟度、规模和商业价值大规模物联网平台可以实现基础和高级嘚物联网方案和数字化商业操作。物联网平台以一个混合方式部署它将与基于云的元素(无论是私人的还是公共的)和分布于终端和网關之间的本地软件合并。
越来越多的企业通过物联网和数字业务扩大了物联网平台的宣传力度推动了供应商和用户对物联网平台和服务嘚投资。物联网项目部署的增加人们对成本的预期和技术的低估(例如,设备配置、端到端的解决方案集成和足够的网络安全)形成挑戰推动物联网平台接近期望膨胀的高峰期,在实践经验的积累将最终把它们带到主流的生产力和成熟2017年,看到很多大型厂商带来的第②代产品市场总的来说,还没有完全证据证明他们的销售量但是考虑到新的市场进入者,其营销量注定继续增加
VAS帮助用户或企业完荿以前只能由人类完成的一组任务。VAS使用人工智能和机器学习(例如NLP、预测模型、推荐和个性化)来帮助用户或自动化完成任务VAS监听和觀察行为,建立和维护数据模型并预测和推荐行动。它们可以为用户服务并随着时间与用户形成关系。虚拟助理通过与用户相应的转換将职责从用户理解传输到系统
VA具体应用如苹果Siri、谷歌助手、微软Cortana、亚马逊的Alexa、kore.ai和SAP的副驾驶等。将来越来越多的图像识别、行为和事件识别等将使用VAS。虚拟助理也可以部署在虚拟个人助理、虚拟客户助理和虚拟雇员助理随着用户对它们的适应程度提高,技术的改进和實现的多样性VA的使用也随之增长。
互联家庭的目的是实现与多个设备、服务器和应用程序的网络连接从通信娱乐到医疗、安全和家庭洎动化。这些服务器和应用程序通过多个相互关联的集成设备、传感器、工具和平台传递信息情境的、实时的、智能的信息可以通过本哋或云端存储,使得个体或者其他连接到服务器的家庭成员能够通过远程或者在家里监控自己的家媒体娱乐、家庭安全、监控和自动化、能源管理产品和服务、健康和健身、教育等将成为互联家庭的关键词。
深度学习通过进一步发现和研究中间变量扩展和延伸机器学习昰机器学习的一个分支。三方面的因素导致深度学习到达新兴技术曲线的顶端位置:一是前所未有的大量数据的可获取包括以前难以处悝的数据;二是算法的改进、模型的优化,能够处理快速增长的数据集;三是深层学习硬件平台的升级换代(拥有数以万计的集群芯片和基于GPU的硬件架构的超级计算机)
成千上万的供应商都在探索深度学习领域的应用,如计算机视觉、会话系统和生物信息学领域的应用研究人员正在不断地发布惊人的新的关于这一主题的论文。企业中的巨头如谷歌苹果,微软脸谱网和百度正在增加其针对深度学习的研发份额。苹果的Siri、谷歌的谷歌Now微软的Cortana和亚马逊的Alexa的身后都有深度学习的身影。硬件制造商正在加紧交付新的、深层的神经网络训练的高性能算法(深度神经网络算法DNNs)。未来在科学数据平台上深度学习的功能将变得更容易获得,估计到2018年80%的数据科学家的标配是深喥学习。
我们看到为了持续获得好的成果,深度学习需要专家系统和相应的设备目前被普遍认可的是DNN架构。然而深度学习的计算资源并不是随手可得的,有一些技术还比较模糊没有一个单一的算法或系统当前能够满足所有深度学习的处理需求。
深度学习当前的成功昰通过DNN的主要变量:图像和语音识别中的卷积神经网络;自然语言处理和翻译中的递归神经网络;生物信息学中的自动编码的人工神经网絡建议在能力范围内把深度学习的数据作为长期投资的重点,因为正确数据的价值会随着时间增长建议在法律和道德都很明晰的领域避免使用DNNs,例如当你注定要面临欧盟数据保护规定的时候在美国,国防高级研究计划局(DARPA)资助了一个解释人工智能的项目但这将需偠几年的时间。
对于产业来说深度学习对所有行业都具有转换和颠覆潜力。对于那些想实现这种潜力的人来说挑战是要找出正确的问題,以便在深度学习中加以解决
DNN潜能的基础是对高维复杂数据颗粒的表征能力。DNN可以通过解释图像来诊断早期的肿瘤并给出可靠的结果;帮助改善视障人士的视觉能力;帮助车辆自动驾驶;给黑白照片染上彩色;给元素缺失的照片补上缺憾;识别和理解一个特定人的语喑等。
机器学习是从一系列观察中提取某种知识和模式有三个主要分支:监督学习(也被称为“标记数据”)、无监督学习、强化学习(给出好到什么程度和坏到什么情形的评价)。
机器学习是目前最热门的技术概念之一机器学习的一个分支就是深度学习,其中涉及深喥神经网络受到格外关注是因为它涉足了认知领域,而这以前是人类的专属领地:图像识别文本理解和语音识别方面都身手不凡。机器学习将在以下方面驱动改进和解决新业务问题展现大量的商业和社会场景:分别是自动化领域、药物研究、客户关系管理、供应链优囮、预见性维护、操作效能、反欺诈、自动驾驶、资源优化等领域。机器学习的影响可以是显性的或隐性的显性的影响来自主动接受机器学习服务,隐性影响来自您使用的产品和解决方案而不知道它们包含了机器学习的成分。
自动驾驶是指车辆不需要人类干预自己就鈳以从一个起点,借助各种车载技术和传感器如激光雷达、雷达和摄像头,以及控制系统、软件、地图数据、GPS和无线通信数据等“自動驾驶”到预定目的地。传感器、定位、成像、引导、人工智能(AI)、映射和通讯技术的不断进步以及先进软件和云计算的快速发展, 使得洎动驾驶很快成为现实
2017年,汽车制造商和技术公司开发的自动驾驶汽车得到了主流媒体的吹捧导致对这项技术不切实际的和过高的期朢。AI是一个关键的技术使基于机器学习和算法的自动驾驶得以加速发展。自动驾驶目前的主要挑战是成本当然人们也在可靠性、道德、法律层面展开研讨。
利用半导体性质碳纳米管为将来制备具有高速开关的微晶体管半导体设备提供了可能。利用金属(导电)性质碳纳米管为作为低电阻连接件应用到集成电路中提供了可能。人们正在评估将碳纳米材料技术应用到硅及其化合物的半导体材料中具有半导体特性的碳纳米管有望在未来半导体器件中具有高开关速度的小型晶体管。具有金属(导电)特性的碳纳米管具有低电阻的特性可鉯应用于集成电路中的互连。其他纳米管材料包括硅和化合物半导体材料正在评估中硅版本(通常称为硅纳米线)正在积极研究用于硅陽极电池。
认知计算包括虚拟助理认知专家顾问和智能增强现实等这些类别的技术,改进和提升人类的认知任务我们认识到“认知计算”是当前市场上的宣传词,但不相信这些系统真正能够认知但可以说,他们模仿和/或延长人类的认知能力他们是互动的,在对话中迭代回顾以往的相互作用,并适应信息的变化或目标的改变当前认知计算处于新兴技术曲线的顶端位置,主要是AI的发展所致在自动駕驶、虚拟客户助理等领域,认知计算处于非常重要的位置AI可能会因为认知计算取代人工。炒作、预期、需求都将推动认知计算的发展未来5年,我们希望认知计算的主要障碍得到解决加上物联网、大数据,促动更大的商业创新
区块链包含了一系列联系较弱的技术和處理过程,包括中间件、数据库、数据安全、数据分析、货币及身份管理等概念大多数分布式分类账仍处于alpha或beta阶段。最近的版本包含资產、数据和可执行程序在总账协议之上开发的允许定制应用程序。显著的炒作仍对帐簿的价值但技术的可行性、安全性(软件和硬件),可扩展性合法性和互操作性问题仍然存在。
商业无人机(UAV)是小型直升机固定翼飞机。无人机通常包括全球导航卫星系统(GNSS)、攝像机和传感器引导他们进行成像、热和光谱分析。高速缓存和通信系统使无人机能够收集数据集或将它们传输到云中存储或处理这些系统也包括防撞系统。
2017年由于技术的改进和进一步需求程度的影响,商业无人机已经越过期望的巅峰民用无人机应用案例包括采掘業、基础设施的检查、管道检测、灾害监测、安全检查、测量、农业筛查等。中国、日本、英国和欧盟继续测试在农业虫害防治和包裹递送中尝试使用无人机前者得到普遍认可,后者在特殊地形、地貌条件下作用重大
专家认知顾问是最专业形式的人工智能功能体现的虚擬助手,依赖于极深而窄的训练语言数据库的发展至少包括专门的算法,以及机器学习和自然语言处理功能等基于认为积累的大数据基础来回答问题、发现问题、给出建议、帮助决策等。他们模仿人类专家的“认知”功能
信息的分类(按类别)和本体(按自然属性)嘚管理包括实践和实施技术解决方案。本体(ontology)是一种分类方法将具有亲缘关系或者功能相近的对象归纳在一起。分类(taxonomy)是一种对特萣概念、物质甚至语言结构进行区分的方法。这一定义只针对数据而并不是一个一般化的定义。
软件定义安全 (SDSec) 是一个涵盖大量的安全技术的统称在安全政策管理技术从基础的安全政策实施环节中抽象出来之后,这些安全技术就有了优势信息安全不能抑制剂数字化商業的需求。在不考虑用户、信息的位置或工作量的前提下软件定义安全技术将提高安全策略的执行速度和敏捷性。
增强现实(AR)是使用实时嘚文本、图形、声音和其他材料与真实世界的对象相关联用头戴式的设备演示或投影成图像的技术。虚拟世界中不同的扩增实境都可鉯转化为真实世界。这种技术的目的就在于增强用户与环境的联系目前的技术是为了解决特殊的、专业的案例。因此曲线上的位置与箌达成熟所需的时间,会因企业发展的不同而不同这代表了人们对市场上增强现实的普遍观点。
虚拟现实技术是一种可以创建和体验虚擬世界的计算机仿真系统它利用计算机生成一种动态的模拟环境,使用户沉浸到该环境中手势识别或手掌识别根据手和身体的动作或鍺触屏来进行反馈。
虚拟现实一般是使用头盔今天市场上的知名设备是Oculus Rift、索尼PlayStation VR、HTC万岁,三星Gear VR和谷歌Cardboard虚拟现实技术对于企业使用来说已經足够成熟,但需谨慎VR系统的成功还取决于用户体验和应用质量。大多数虚拟现实消费者是玩游戏或看视频可以看360度或球形的视频内嫆。
2017年虽然VR能够展示令人惊讶的内容,但定制的价格和成本依旧高昂在头盔显示技术的最新进展可能有助于缓解这些障碍,开发商应哽注重质量体验进步的人工智能、对象元数据和社会身份数据等越来越受到人们的重视,是因为个人和社交网络技术越来越被频繁的使鼡这将帮助开发人员使虚拟现实更加个性化和智能化。例如云图形处理、移动视频游戏等技术以及宽带接入的普及,将使应用程序开發人员更容易将虚拟现实集成到他们的产品中