阿里巴巴将引入 区块链 技术升级知识产权保护体系;百度自研底层区块链技术XuperChain正式开源;本田与通用合作研发区块链技术,使电动汽车为电网供电;沃尔玛加入药品溯源区块链联盟MediLedger……以下带您关注国内外区块链最新资讯。
【国 内】
1、阿里巴巴将引入区块链技术升级知识产权保护体系
阿里巴巴集团平台治理部5月23日宣布,将引入区块链技术,升级知识产权保护体系,更好地为全球企业和品牌以及中小企业提供知识产权保护服务。
阿里巴巴知产保护总监李溪涵表示,利用区块链的开放性、透明性、不可篡改性等特点,阿里正在对知识产权存证备案做升级。今年9月,区块链技术将率先在阿里原创保护平台上使用,并逐步拓展到图片、音视频等数字版权保护领域。
此次知识产权保护体系升级,阿里平台治理部引入了蚂蚁金服集团金融级商用区块链技术。
李溪涵表示,随着区块链技术应用,知识产权保护将突破平台限制。来自全球品牌的电子存证,借助阿里知识产权保护平台(简称“IPP平台”),通过区块链直接链接到互联网法院,为诉讼维权提供依据。
2、百度自研底层区块链技术XuperChain正式开源
5月28日,百度首次发布区块链品牌——Xuper,同时宣布自研底层区块链技术XuperChain正式开源。
百度区块链实验室主任肖伟介绍,此次开源的XuperChain具备多重技术特点。第一,提供多组件、可实现定制化开发。智能合约、共识机制等能力被拆解成单个模块,开发者根据场景应用需求进行灵活调用,让区块链应用搭建更加高效。第二,支持全球部署,可在高效的广域网数据交换。第三,性能行业领先,采用独创的链内并行技术,实现单链6.5万TPS,整体网络20万TPS。除此之外,百度自建区块链社区,提供完善、周全的开发者服务,保证开发者快速、便捷搭建应用。
工信部信息中心《2018年中国区块链产业发展白皮书》显示,我国以区块链业务为主营业务的区块链公司数量达456家。基于国外开源技术研发,企业不仅面临着网络安全方面问题,在当前复杂多变的国际环境下,更容易受制于人。因此,百度XuperChain作为拥有知识产权的中国开源技术,对于国内区块链产业来说具有重要意义。
3、广东佛山市启动“区块链+疫苗安全管理平台”项目
5月29日,佛山市禅城区召开“区块链+疫苗安全管理平台”项目建设启动新闻发布会,正式启动“区块链+疫苗安全管理平台”项目建设。
未来,在禅城接种的每支疫苗从出厂运输、疾控中心仓储、社区点存储、取用等各个环节数据将有追踪档案,市民还可以通过手机完成预约接种、查询接种信息等多项服务。
禅城区疾控中心主任邵昭明表示,目前禅城的预防接种信息化工作仍存在提升空间,比如,当前大部分的预防接种门诊只实行现场取号排队服务,市民排队等候时间较长;疫苗管理信息化水平不高,疫苗溯源的实时性未能实现;冷链设备监测各个环节仍只能分级管理,未形成分级预警监测体系,部门信息缺乏共享等。
为更好解决目前禅城区疫苗管理各项需求,禅城区计划启动“区块链+疫苗安全管理平台”项目建设,充分利用信息化手段打造区域信息化疫苗管理平台,通过资源整合和信息共享,加强对疫苗从生产、冷链运输、仓储、流通、预约、接种以及事后跟踪等全流程的监管。禅城区卫生健康局局长都红介绍,将充分运用区域全民健康信息和计划免疫业务管理信息,建立基于区块链技术的疫苗全程冷链及流通溯源“区块链+疫苗安全管理平台”。
邵昭明表示,该平台预计建设时间约需半年,计划明年初投入使用。项目总目标是构建疫苗从采购、运输、仓储、接种和接种后健康呵护的全过程跟踪追溯,增强自然人“数据空间”数据的鲜活度,通过长期对受种者的情况进行追踪呵护,为政府制定疫苗管理和疾病防控政策提供科学依据和数据支撑。
4、山东胶州成立产业供应链平台
5月31日,胶州举行产业供应链平台成立。平台将以金融科技为核心,运用区块链技术,信用算法等工具,实现“商流、资金流、物流、信息流”的实时、真实、不可篡改地快速流转,形成产业链数据闭环,为传统产业和新兴产业提供供应链增值服务。
“胶州产业供应链平台的成立,将有效促进本地区产业集群的升级,满足新形势下区域优势产业发展需求。”清华大学智慧物流与供应链系统研究中心主任助理、厚德供应链策略研究院院长张钰介绍说,平台由政府牵头设立产业基金,自己在主持平台建设的过程中,引入专业GP管理,并采用“N+1+M”的运营模式。同时,清华大学工业工程系副系主任、青岛胶东临空经济示范区管理委员会副主任李乐飞表示,产业供应链平台这一创新模式能迅速在胶州落地发芽,对胶州市营商环境的改善有巨大促进作用。
5、亚洲文化艺术家联合会成立全球(区块链)专项基金
5月25日,全球区块链产业研讨会暨联合国亚洲文化艺术家联合会区块链产业基金在上海揭牌。
亚文联主席项洋表示：“亚文联成立‘全球区块链(环境、气候、文化)专项基金’,旨在为实现可持续发展目标搭建平台,运用先进技术服务于文化艺术人才,造福于全人类。基金成立后,将通过发展区块链产业,建立更公平、更诚信的文化艺术品全球评估交易平台,并通过区块链的科学技术推进全球文化艺术的交流发展。”
【国 外】
6、本田与通用合作研发区块链技术 使电动汽车为电网供电
据《日经亚洲评论》5月20日报道,本田与通用汽车公司深化合作,计划探索通过区块链技术,使电动汽车和智能电网协同工作,稳定电网,电动汽车也可以“反哺”电网,使车主受益,研究项目将于5月底开展。
本田和通用合作研发的新技术旨在让电动汽车与智能电网进行通信。在电网高负荷运转的用电高峰期,车主能够从汽车电池向电网输送电力。
新的研究项目同时也是“移动开放区块链计划”(Mobility Open Blockchain Initiative)的一部分。该计划由宝马、福特、通用等众多汽车制造商和科技公司联合进行,研究区块链技术在汽车和移动出行领域的应用。
7、沃尔玛加入药品溯源区块链联盟MediLedger
据Coindesk 6月3日报道,大型零售巨头沃尔玛(Walmart)加入了一个旨在追踪药品来源的区块链联盟MediLedger。
这一举措代表着沃尔玛已深入涉足区块链技术领域。此外,这家零售商还是IBM Food Trust的关键参与者。Food Trust是一个建立在Hyperledger Fabric平台上的系统,该平台通过供应链跟踪新鲜农产品。
与Food Trust不同,Mediledger使用企业版以太坊区块链,该区块链由经修改的Parity客户端版本和称为权威证明(proof of authority)的共识机制构建。
沃尔玛加入之际,正值MediLedger准备与美国食品药品管理局(FDA)在6月初启动一个试点项目。该机构正在测试各种方法,以创建一个可互操作的数字化系统来跟踪和验证处方药,国会已要求该系统在2023年前交付。
8、韩国电力企业合作开发基于区块链的可再生能源许可交易系统
6月4日,韩国当地能源新闻网站《能源日报》报道,韩国电力公司KEPCO已经与本国的两家电力供应商签订合约,共同建立一个基于区块链的可再生能源许可证(RECs)交易系统。
KEPCO市值159亿美元,主要控股人为韩国政府和国有银行;根据专注于亚洲市场的Nikkei日经报,该公司对韩国的电力生产和分配拥有“无形的垄断力”。
据《能源日报》,KEPCO与Nambu电力签署了一份商业协议,而此前还曾与韩国南电签署过一份协议,共同建立基于区块链的REC系统。
根据协议,三家企业将合作建立一个系统,实施由政府领导的区块链试点项目,在韩国科学部门的监督下进行REC交易。
《能源日报》表示,区块链落地预计将大大提高新的可再生能源供应许可证交易的透明度和效率,且该试点项目还旨在为韩国区块链领域的早期市场发展做贡献并创造就业机会。
南电主席Shin Jung-sik在声明中指出：“我们计划把全部核心竞争力投入到新业务的开发,同时拥抱新的能源去中心化时代,我们三家企业将会紧密合作,充分利用区块链技术。”
9、印度尼西亚通过新区块链项目改善其航运产业
根据5月29日发布的一份新闻稿,总部位于新加坡的区块链公司PLMP Fintech将与印度尼西亚政府合作,参与一个价值数百万的物流项目。
新计划基于与印度尼西亚贸易部的合作,并计划从位于世界上最繁忙的航道之一的廖内省开始改造该国的航运业。
该项目是PLMP金融科技与廖内群岛中最大的城市巴淡岛的主要行业相关企业签署的新谅解备忘录(MoU)的成果。新闻稿指出,谅解备忘录是由印度尼西亚公司Central Distribusi Batam和自由贸易区及巴淡岛自由港签署的。
据报道,试验阶段将包括部署PLMP Fintech自己的区块链协议Creatanium,以统一农产品买卖双方之间的通信标准。
PLMP Fintech的联合创始人Kym Kee在新闻稿中表示,这个区块链项目旨在通过即时更新货物在途的确切位置,提供更高水平的时间和成本效率。
10、英国一大学用区块链保护他们的数字记录
近日,英国萨里大学发布了一项声明,将用区块链技术和人工智能(AI)保护他们在世界各地的国家视频档案的数字政府记录,以防止篡改。在一份公开发布的新闻稿中,该大学指出,其视觉、语音和信号处理中心(CVSSP)已与开放数据研究所和英国国家档案馆合作开发其所谓的“高度安全”,分散的计算机视觉和基于区块链的系统称为ARCHANGEL,旨在长期保持数字档案的完整性。
萨里大学的项目负责人约翰·科罗默斯教授表示,该系统“本质上为档案提供了一个数字指纹,从而有可能验证其真实性”。
据介绍,该系统旨在自动标记对数字公共记录的修改,无论是意外的还是恶意的,并由“权威证明”区块链系统备份。该大学澄清,“每个人都可以检查和添加记录,但没有人可以更改它们。由于没有数据可以被修改,历史记录的完整性保持不变。”
据介绍,英国国家档案馆以及美国国家档案和记录管理局已经试用了这一新系统。
开放数据研究所的首席执行官Jeni Tennison说:“操纵数字记录正变得越来越容易,这使得管理这些记录的机构能够证明自己的可信度变得至关重要。”

6月29日,“共建新连结,砥砺再奋斗——核心软件创新发展”主题论坛在北京新世纪日航饭店隆重召开。作为2019第二十二届中国国际软件博览会的重要平行论坛之一,论坛聚焦政策、标准制定、产业发展、学术研究、科技应用等五大方向,五位一体共同探讨核心软件创新发展,并见证了《中国数据处理技术与产业白皮书》的发布。
此次论坛以核心软件创新发展为核心,打造基于数据库核心技术的、具备数据处理能力的大数据应用产业,推进数字中国建设。工业和信息化部信息化和软件服务业司副司长李冠宇,IEEE终身院士蔡自兴,国家工业信息安全发展研究中心副主任李新社,北京市经济和信息化局总工程师顾谨栩等政府领导、专家学者出席了本次会议,并汇集了金山云、柏睿数据、金蝶天燕等知名国产数据库厂商与 云计算 企业。

工信部信息化和软件服务业司副司长李冠宇表示,软件产业是信息产业的核心和灵魂,是信息社会的基础性、战略性产业。大数据、云计算、物联网、人工智能等新技术的兴起与发展,为软件产业的发展带来了新的活力,触发新的经济增长点。在“加快科技自立,推动核心软件创新发展”上,他表示,一是要增强创新能力,加强关键技术研发。二是要强化标准研制,形成产业合力。三是要深化市场导向,推动应用创新。四是要坚持开放合作,整合软件生态,推动政企间、企业间的交流互通。鼓励龙头软件企业建设核心软件平台,开放基础资源,助力中小企业深耕细分市场。

IEEE终身院士蔡自兴在《基于大数据的人工智能产业化发展》主旨报告中表示,在全球信息化进入全面渗透,跨界融合、加速创新、引领发展新阶段的大背景下,人工智能作为信息技术革命的重要因素,对促进全面创新发展发挥着不可或缺的重要作用。他指出,判断人工智能即将成为未来趋势的原因主要有三点：1、人工智能的领域研究已经从简单地建立智能系统转变成建立具有人类意识的、值得信赖的智能系统,这是技术基础;2、理论层面,机器学习,由其是深度学习的逐渐成熟也在推动着人工智能革命;3、除了人工智能本身的技术和理论之外,在外延层面,信息处理算法的进步伴随着硬件科技上基本操作的重大进展,以及平台和数据驱动新产品的市场、经济激励机制,这些共同促进了人工智能驱动技术的到来。

国家工业信息安全发展研究中心副主任李新社在致辞中表示,国家工业信息安全发展研究中心一直以来高度关注软件产业发展,建立了全方位研究咨询体系,为软件产业发展提供战略咨询、信息定制、应用推广等服务。未来中心将继续加强自身工作建设,为政府、行业及企业提供有力的决策支撑。一是加强智库建设,完善跟踪体系,加强人才培养,打造有力支撑政府、地方、行业的“外脑”;二是继续开展大数据试点示范项目和案例征集,不断总结经验,发挥辐射带动和示范引领效应;三是加快工控安全体系建设,实现发展与安全的协同推进,夯实工业信息安全发展基础。

北京市经济和信息化局总工程师顾谨栩在致辞中表示,北京市作为中国软件产业中心之一,将加强与国家战略的衔接,发挥北京政策、资源、要素集聚等优势,进一步巩固并提升软件和信息服务产业在全市经济发展中的支柱地位,基本形成与科技创新中心功能定位相适应的创新型产业发展格局,打造“数据引领、软件定义、应用带动”的融合性产业生态。积极部署并落实相关扶持政策,鼓励有能力、有社会担当的重点软件企业,围绕国家急需突破的核心技术,深耕细作,坚持不懈的开展技术攻关和产业落地。

柏睿数据董事长兼首席技术官刘睿民在演讲中提到了面对国际大环境的影响,我国核心软件的创新发展面临着机遇和挑战,我们要善于把握机遇。他表示,推进关键核心技术发展,实现软件技术产业创新发展,既是保障国家信息安全和产业安全的客观需要,也是构建全球竞争新优势的必然选择。作为一家以核心技术创新发展为基石的国产数据库企业,要不断突破技术瓶颈,以科技创新带动产业应用创新,实现行业的标准制定与引领。

论坛上,针对数据处理技术宇产业推进组和《数据处理技术与产业白皮书》进行了详细解读。据悉,白皮书是由国家工业信息安全发展研究中心联合“数据处理技术与产业推进组”成员单位共同撰写,通过梳理全球和我国数据处理技术及产业发展状况,聚焦数据处理核心技术和产业发展,概括总结数据处理技术及产业的发展重点和特点。在此基础上,分析数据处理技术与产业未来亟需解决的关键问题,提出新形势下的发展建议。

“共建新连结,砥砺再奋斗——核心软件创新发展”主题论坛由工业和信息化部、北京市人民政府指导,北京市经济和信息化委员会主办,国家工业信息安全发展研究中心、中国电子技术标准化研究院、北京软件和信息服务业协会、柏睿数据科技(北京)有限公司联合承办。此次论坛以核心软件创新发展为核心,共建数字中国建设安全新生态,再创核心软件新宏图。

6月13日,由赛可达实验室、国家计算机病毒应急处理中心、国家网络与信息系统安全产品质量监督检验中心、首都创新大联盟及百家行业联盟共同主办的第七届NSC网络安全大会(原中国网络安全大会)在北京国家会议中心成功举行。来自公安部网络安全保卫局处长祝国邦、中国科学院院士尹浩、中国电子技术标准化研究院副院长,全国信安标委秘书长杨建军、中国电科首席科学家吴巍、深信服安全业务副总裁裘波、ESET资深研究员Nick FitzGerald、Cyberbit中国区技术总经理朱凯、Tenable中国区总经理赵阳等近50位顶级网络安全专家发表了精彩演讲,与2000多位与会者共议信息安全热点话题与网络安全新技术。光明网、中新网、科技日报、经济日报、南方都市报、每日经济网、赛迪网、51CTO、天极网、雷锋网、看雪等80多家媒体参与报道。
大会现场
NSC 2019由大会主席,北京大学网络与软件安全保障实验室主任陈钟教授主持。大会执行主席、赛可达实验室CEO宋继忠作为主办方代表致辞,他指出：“我们一直致力于为中国网络安全企业和行业用户服务,强调大会平台化,国际化,行业化,技术创新四大特色,打造具有中国特色和国际水准的网络安全大会,为推动我国网络安全保障体系建设,加强我国关键基础设施的防护能力,提升国家重点行业网络安全防护水平做出应有的贡献。”
大会主席,北京大学网络与软件安全保障实验室主任 陈钟教授
大会执行主席、赛可达实验室CEO 宋继忠
等级保护2.0
网络安全等级保护制度2.0国家标准已于今年5月正式发布。公安部网络安全保卫局处长祝国邦以“深入落实国家网络安全等级保护制度,大力推进我们网络安全产业向纵深发展”为主题做纲领性解读,指出了等级保护2.0在法律层面、保护对象、保护措施、技术标准、工作机制等方面的新要求和新变化。公安部第三研究所国家网络与信息系统安全产品质量监督检验中心大 数据安全 测评实验室主任宋好好对关键网络安全等级保护相关标准、尤其是标准中新增加的个人信息保护、 云计算 扩展等要求进行了详细介绍。
公安部网络安全保卫局处长 祝国邦
物联网安全
物联网安全形势依然严峻,网络设施的安全、数据安全、个人信息安全等问题亟待解决,物联网在产业生态当中备受关注。中国科学院院士尹浩从宏观上分享了对“万物互联的安全问题”的思考。尹院士表示：“物联网主要面临传统安全问题的挑战,由于物联网跟行业结合非常紧密,物联网终端种类的多样和脆弱性导致安全威胁更加严峻,成为限制物联网部署的一个障碍。有效的解决措施是对物联网差异化的应用,通过硬件的绑定可以决定操作系统的可信安全,操作系统再绑定各类APP的安全应用进行轻量化的防护。”公安部信息安全等级保护评估中心副研究员陶源结合等级保护2.0制度,以及国内外相关法律法规和物联网安全标准,对物联网的网络安全等级保护技术原理、安全风险、防护技术进行了阐述和分析,并以联网视频监控系统的网络安全等级测评实践为例,对等级保护2.0中物联网安全要求的相关条款进行了解读。
中国科学院院士 尹浩
数据安全及其标准化
互联网时代如何保证数据安全是社会经济发展的痛点。在网络安全领域,数据安全是最频繁出现的高频词。中国电子技术标准化研究院副院长,全国信安标委秘书长杨建军全面解析了数据安全及其标准化。介绍了数据安全有关国家标准的基本情况和我国2019年新申请立项的标准。北京市安理律师事务所合伙人王新锐以《数据安全管理办法(征求意见稿)》为主题,根据自身长期从事一线网络安全和数据合规法律服务的经验解读了新规,并为企业提供了应对建议。天威诚信总裁唐志红分享了电子认证服务在云安全与数据安全领域的研究与实践。通过电子认证服务在云安全领域的应用及案例分析,帮助大家了解电子认证服务在数据安全领域的价值与作用。
天地一体化信息网络安全
天地一体化信息网络是国家“科技创新2030-重大项目”中首个启动的重大项目。天地一体化信息网络具有军民商共用、信道开放、网络节点暴露、空间网络资源受限、异构网络互联等特点,相比传统地面网络,更易遭受实体假冒、非授权访问、信息窃取、重放攻击、跨网攻击等安全威胁,面临前所未有的安全挑战。中国电科首席科学家吴巍介绍了天地一体化信息网络的项目背景和总体技术方案,分享了关于天地一体化信息网络安全防护的总体思考,包括安全威胁分析、安全防护能力需求、体系结构和功能需求,以及需要重点研究的安全防护技术等内容。
企业网络安全
中信建投证券信息技术部VP史经伟以自身工作经验分享了金融领域信息安全防护实践历程与相关研究。中熙正保远程教育安全专家李晨讲述了甲方安全建设从0到1的思路,主要包含了建设过程中的重点工作内容,工作分类,常见问题的解决方法,以及在实际状况下如何正确的沟通从而推动工作进展,做到更加切合企业环境的可落地方案。 ESET资深研究员Nick FitzGerald归纳了终端检测及防御(EDR)的各项功能和局限性,指出了用户在选购和部署EDR解决方案时,需要考虑的主要因素。Tenable中国区总经理赵阳讲述了如何利用最新的Cyber Exposure技术,高效管理和度量企业的资产攻击面,加速理解和减少企业安全风险。
工控网络安全
中国信息通信研究院副主任柯皓仁将以“工业互联网安全从可见到可控”为主题分享了工业互联网安全近两年在国家与地方政策、标准规范的基础进展,关键技术的发展与应用情况,实现从“可见”、“可知”到“可控”的必需开展与突破的工作,从部分实例说明了实现工业互联网安全可控所需要的基础要求。公安部第三研究所工控安全测评实验室主任邹春明阐明了工业控制信息安全的现状及存在的主要问题,工控信息安全相关的主要政策文件、国内外标准情况。介绍了工业控制安全扩展要求的基本情况,工控系统等保测评的要点以及工控系统网络安全防护建设的要点及建议。国际知名网络安全厂商Cyberbit现场介绍及展示了其主要产品之一保护关键基础设施网络的SCADA安全系统,表示该系统在电力公司、铁路、石油和天然气,智能楼宇等应用中起到了有效的防护作用。
黑客攻防
本届大师讲堂依旧爆满,知名网络安全技术大咖齐聚,分享了前沿性的技术研究和发展趋势,为参会嘉宾带来了一场技术饕餮盛宴。
百度资深安全研究员刘焱(兜哥)以“迁移攻击云端AI服务：一个被遗忘的战场”为主题介绍了针对云端图像分类服务的三类攻击形式：几何攻击、基于查询的黑盒攻击、迁移攻击。表示通过在实际云环境中的实验表明,以上三种攻击方法均可以达到50%以上的成功率。腾讯玄武实验室安全研究员CTO刘惠明详尽地介绍了如何在不突破沙箱策略限制的情况下,实现对沙箱的深度持久化攻击。同时,还提出了一种新型的持久化攻击技术——“克隆攻击”,可以远程克隆并持久化控制目标用户账户。清华大学副教授李琦展示了一种利用声纳信号破解安卓图案锁的新型方法。这种方法的破解效果不受手机所在环境的影响,而且可以同时远程破解大量用户的手机图案锁。
搜索
复制

6月6日,工信部正式向中国移动、中国电信、中国联通和中国广电发放5G商用牌照。至此,中国成为继韩国、美国、瑞士、英国之后,全球第五个开通5G服务的国家。

自2016年启动5G试验以来,短短两年时间,我国已经完成了5G关键技术验证、技术方案验证和系统组网验证三个阶段。对于5G商用落地,四大运营商早有准备。

部署5G,四大运营商各有侧重

四大运营商在5G商用牌照正式颁布之前早就启动了5G研发,围绕5G场景需求定义、核心技术研发、国际标准制定、产业生态构建、应用业务创新开展了大量的工作。

中国电信

自2017年底开展5G试验以来,中国电信联合国内外众多企业积极开展5G技术试验,如今中国电信已建成开通以SA为主,SA/NSA混合组网跨省跨域规模试验网,并在北京、上海、广州、深圳等17个城市开展5G创新示范试点。同时,中国电信联合各合作企业开展了多项5G应用创新实践。

2017年8月,中国电信在河北省雄安市雄县启动了5G创新示范网络。同时,发布了《中国电信5G创新示范网白皮书》,并称将以5G创新示范网为契机,力争2019年实现5G试商用,2020年实现规模商用。

2017年10月,中国电信率先开通了首个5G试验站。

2017年11月8日,中国电信在雄安新区开通第一个5G基站,率先在雄安建设了全国最大的5G试验网和创新示范网,重点推出包括基于5G的无人驾驶示范、5G网络环境下的移动远程医疗、5G支撑的城市级别物联网等5G应用。

2018年4月,中国电信、中兴通讯、百度在雄安新区完成了基于5G网络实况环境下的无人驾驶汽车测试,这是国内首个在5G网络环境下完成的无人驾驶试验。

2018年5月17日,全国首个“5G+8K”试验网在上海启动,中国电信上海公司联合产业链合作伙伴展开8K超高清视频业务试点,实现了国际上首个“5G+8K”外场演示。

2018年6月26日,中国电信在2018上海世界移动大会上发布《中国电信5G技术白皮书》,这是全球运营商首次发布全面阐述5G技术观点和总体策略的白皮书。

2018年9月,中国电信5G联合开放实验室建成首个运营商基于自主掌控开放平台的5G模型网,正式启动5G SA(独立组网)测试。

2018年9月4日,第一通5G SA电话从雄安新区拨出,这是业内首个基于开源技术、分层解耦全开放架构的5G技术验证,标志着5G SA标准步入实质产品落地。

2018年11月29日,中国电信携手中国联通在GSMA TSG终端工作组第34次会议发起的人工智能(AI)终端标准立项,获得大会正式通过。GSMA AI终端标准的成功立项,意味着AI终端标准和生态进一步国际化,而中国电信将与产业链一起构建共赢的5G+AI产业生态。

2019年1月,中国电信完成了首个基于虚拟机容器技术的5G SA核心网功能测试,并在2019年3月推出超过1200台的5G终端用于测试。

2019年1月31日下午,中国电信完成了央视春晚的5G网络VR现场连线直播,这是走过36年的央视春晚第一次实现VR超高清视频内容的5G传输。

2019年2月,中国电信联合华为在成都顺利完成首个5G IPRAN现网试点,实现现网IPRAN升级支持5G业务、新老设备混合组网等多种复杂场景验证,并针对SR/EVPN/IPv6等关键技术点以及新旧技术互通等场景进行试点,标志着5G承载已经初步具备商用能力。

2019年3月初,中国电信四川公司启动5G话音业务试点,并于3月12日在成都实验网率先拨通全国首例实验室内的5G通话。3月29日凌晨,中国电信四川公司率先完成了现网无线基站和核心网设备试点版本升级,本次通话还有一个特点,就是用户不换卡不换号就可以体验5G高速上网以及语音业务。

2019年4月,中国电信在5G模型网实现了业界首个基于5G独立组网(SA)的语音通话。实现本次通话的端到端5G网络是基于3GPP在12月发布的R15稳定版本,本次语音通话是通过5G SA手机打通的SA组网下的第一个高清语音电话。

2019年6月6日,中国电信获得工信部颁发的“第五代数字蜂窝移动通信业务”经营许可证。

中国移动

早在2012年,中国移动就启动5G研发,围绕5G场景需求定义、核心技术研发、国际标准制定、产业生态构建、应用业务创新开展了大量工作。

2016年2月,中国移动面向全球,联合首批11家合作伙伴,启动了中国移动5G联合创新中心,从此拉开了5G产业方面各方协同创新、共同发展的新篇章。

2017年2月,中国移动、华为、德电、大众联合发布了服务可保证的5G网络切片白皮书。

2017年6月,中国移动和中兴通讯在广州建立了中国首个5G预商用测试基站。

2017年11月,中国移动、高通和中兴通讯成功实现了全球首个基于3GPP Release 15标准的端到端5G新空口(5G NR)系统互通(IoDT)。

2017年11月,中国移动在2017中国移动全球合作伙伴大会上展示了全球首个基于国际统一标准的“5G新空口端到端互通”,该系统工作在3.5GHz频段、100MHz带宽, 下行峰值速率可达1.3Gbps以上。

2018年2月26日,中国移动正式公布了2018年5G规模实验计划——将在杭州、上海、广州、苏州、武汉五个城市开展外场测试,每个城市将建设超过100个5G基站;还将在北京、成都、深圳等12个城市进行5G业务和应用示范。

2018年2月27日,中国移动联合全球20家终端产业合作伙伴在GTI国际产业峰会共同启动“5G终端先行者计划”,旨在聚焦产业资源,推进5G终端产业的创新与成熟。

2018年12月8日,中国移动发布《5G终端产品白皮书》,联合多家合作伙伴发布5G试验型终端产品计划,明确5G终端技术要求,展现5G终端最新进展,推动5G产业端到端协同发展。

2018年12月14日,中国移动、高通和中兴通讯宣布,成功基于全球3GPP 5G新空口(5G NR)Release 15规范完成全球首个采用独立组网(SA)模式的5G新空口数据连接。

2019年1月30日,中国移动携手华为技术有限公司,联合国家电力投资集团有限公司在江西光伏电站完成全国首个基于5G网络的、多场景的智慧电厂端到端业务验证,打造无线、无人、互联、互动的智慧场站,这是5G技术在智慧能源行业应用的重要突破。

2019年2月,中国移动与中央广播电视总台及华为公司携手成功完成了春晚举办37年以来的首次5G网络4K超高清直播。

2019年3月16日,中国移动携手华为公司助力中国人民解放军总医院,成功完成了全国首例基于5G的远程人体手术——帕金森病“脑起搏器”植入手术。

2019年5月,中国移动、中央广播电视总台、华为在北京成功完成了业界首个基于真实5G端到端网络切片的4K视频直播验证,这是全球首个基于3GPP(第三代合作伙伴计划)标准的5G SA(独立组网)媒体直播切片。

2019年5月,中国移动与韩国电信公司(KT)联合演示了KT用户漫游到中国移动5G网络体验远程竞技游戏直播等业务,这是全球首个5G网络国际漫游演示。

2019年6月6日,工信部向中国移动通信集团有限公司颁发“第五代数字蜂窝移动通信业务”基础电信业务经营许可证,同时批准中国移动将包括语音、数据、移动物联网相关业务在内的全部“LTE/第四代数字蜂窝移动通信业务(LTE FDD)”经营范围扩大至全国。

2019年6月12日,中国移动终端公司发布中兴通讯5G终端(测试版)单一来源采购公告,共计4000台——中兴5G手机“A10pro 5G”2000台、中兴5G CPE终端2000台。此外,中移物联网有限公司“5G CPE终端F01X研发项目”近日开标,中兴通讯成为唯一一个中选候选人。

中国联通

中国联通已经获得了3500MHz——3600MHz共100MHz带宽的5G试验频率资源,这也是目前全球最主流的5G频段。频段的加持为中国联通在5G终端方面平添了天然的优势。

中国联通在5G商用前期部署方面,持续深入推进互联网化运营,构建5G业务生态,开发5G特色服务。

2018年1月,中国联通向工信部提交申请,在北京,天津,上海,深圳,杭州,南京和雄安开展5G测试。中国联通网络建设部副总经理马红兵透露,中国联通已在上海和深圳完成了现场建设。中国联通还测试了华为、中兴通讯和诺基亚原型5G实验室。

2018年8月,中国联通5G创新中心正式挂牌成立将在中国联通5G推进领导小组办公室和工作组的指导下,提前布局5G发展,推动5G在垂直行业的应用,同时加强与重点行业领军企业的合作,实现行业应用规模推广。

2018年9月19日,中国联通联合阿里云在2018杭州·云栖大会上完成了国内首次专业级5G+8K应用。

2018年9月27日,中国联通携手德勤中国,共同发布了《5G重塑行业应用白皮书》,从技术成熟度、商业场景、风险投资等多角度探索如何加快基于5G的创新行业应用。

2018年10月1日,在中国国际信息通信展览会期间,中国联通携手华为演绎了国内首例5G异地合奏音乐会。

2018年12月26日,中国联通发布了首个基于5G技术的智慧旅游系列应用,并在红旗渠景区成立了“文化旅游5G创新应用示范基地”。

2018年底,北京联通联合中国联通5G创新中心、北京首钢自动化信息技术有限公司及相关合作伙伴成立联合工作组,基于5G网络+业务结合的形式,深度打造“5G应用生态圈”,继在冬奥组委展示厅实现“5G+8K”视频回传国家速滑馆建设实况后,又在首钢展示厅成功呈现全球首次“5G+VR”冰球全景观赛。

2019年1月,一台特殊的手术在福州实施。这台手术的医生与“患者”(小猪)相隔50公里,通过中国联通搭建的5G网络环境,医生远程操控手术机器人,将小猪的肝小叶顺利切除。这是全球首例基于5G网络的远程动物手术。

2019年1月28日,中国联通联合中央广播电视总台、华为公司在吉林长春启动5G网络VR实时制作传输测试,为春晚长春分会场5G直播应用提供技术验证与准备。

2019年3月19日,上海联通联合产学研积极推进5G技术垂直行业研究的又一阶段性成果——全国首个5G高校建成启用暨举行了5G+人工智能联合创新实验室揭牌仪式在上海工程技术大学举行。

2019年两会期间,央视借助联通5G网络首次在人民大会堂北大厅的“部长通道”进行5G+VR直播。除此之外,两会会场区域、媒体展示厅、金色大厅两会新闻中心等区域均实现了5G全覆盖。

2019年4月23日,中国联通正式发布5G品牌“5G?”,发布“7+33+n”5G网络部署,即在北京、上海、广州、深圳、南京、杭州、雄安7个城市城区进行连续覆盖,在33个城市实现热点区域覆盖,在n个城市定制5G网中专网,搭建各种行业应用场景,这标志着中国联通的5G网络已经具备商用条件。

2019年4月24日,中国联通在“5G终端·产业合作与创新”主题论坛上发布了《中国联通5G行业终端总体技术要求白皮书》和《中国联通5G通用模组白皮书》,为产业链合作伙伴在5G行业终端产品研发与创新提供了指南。

2019年5月16日,中国联通、首都医科大学宣武医院与河北北方学院第一附属医院联合实现了基于5G技术的车载CT移动卒中单元的应用落地,这标志着全国第一个基于5G的移动卒中单元正式建成。

2019年5月22日,中国联通和腾讯公司在云南昆明腾讯全球数字生态大会文旅分论坛现场联合发布了《2019中国智慧文旅5G应用白皮书》。

2019年6月6日,工信部向中国联通颁发了基础电信业务经营许可证,批准中国联通经营“第五代数字蜂窝移动通信业务”。

中国广电

6月6日,工信部一举发放了4张5G商用牌照,第四张拥有者就是中国广电,为什么是中国广电呢?中国广电作为一个继联通、移动和电信之后的第四家5G通信运营商,具体有什么优势呢?

2016年,中宣部、财政部、国家新闻出版广电总局出台《关于加快推进全国有线电视网络整合发展的意见》,提出到“十三五”末期即2020年,基本完成全国有线电视网络整合。这次发牌,显然是中宣部、深改委推动广电“全国一张网”为5G牌照做好准备。

2018年9月10日,无线交互广播电视工作组在北京召开第一次总体组会议。无线交互广播电视工作组与北京市相关单位开展深入交流合作,确定将为2022年北京冬奥会提供基于5G/无线交互广播电视技术的超高清广播电视网服务,实现超高清内容回传、超高清电视广播和移动接收。

2018年12月28日,我国第一个基于5G技术的国家级新媒体平台在中央广播电视总台开建。当天,中央广播电视总台与中国移动、中国电信、中国联通及华为公司在北京共同签署合作建设5G新媒体平台框架协议。

2019年3月,中国广电分别与中国中信集团有限公司及阿里巴巴集团签署了战略合作框架协议,使有线电视网络“全国一网”融合发展向前迈进了重要一步。

2019年5月中旬,中央广播电视总台、中国移动与华为在北京成功完成了业界首个基于真实5G端到端网络切片的4K视频直播验证,这是全球首个基于3GPP(第三代合作伙伴计划)标准的5G SA(独立组网)媒体直播切片。

2019年6月6日,工信部按照法定程序,向中国广电发放了“第五代数字蜂窝移动通信业务”经营许可证。

5G新赛道,四大运营商纷纷表态

工信部发放5G商用牌照,打响了推动5G建设和服务的"发令枪",标志着我国正式进入5G时代。5G牌照发放之后,四大运营商又将如何进一步推进5G建设与发展呢?

根据运营商披露,中国移动2019年将建设3万至5万个5G基站;中国电信初期预计5G基站投入达到2万个;中国联通2019年将根据测试效果及设备成熟度,适度扩大试验规模。

目前,中国移动发起设立5G创新产业基金,总规模300亿元,首期100亿元已募集多家基金参与,聚焦重点应用领域,引导中频段5G产业生态加速成熟。中国联通设立百亿孵化基金,全力助力合作伙伴成为各个领域5G应用和数字化转型的领航者。中国广电将提供的智慧广电服务也能带给用户明显的5G体验,比如通过大屏终端,用户可以更好地体验AR、VR、高清直播等内容。

5G商用牌照颁布后,对于进一步推进我国5G产业发展,四大运营商纷纷表达了自己的决心。

中国电信已在北京、上海、重庆、广州等17个城市进行5G规模测试和应用示范,在此基础上,中国电信将进一步拓宽5G规模测试范围,将范围扩大到40个城市,并不断优化网络覆盖。

在资费方面,中国电信将视网络建设、产业链成熟度等情况适时推出具备5G特征且满足用户高流量、多层次需求的资费套餐。在终端方面,中国电信表示,除手机、数据卡终端外,还将进一步研发推广多种形态的5G泛智能终端。

获得5G业务经营许可后,中国移动将加快5G网络部署,打造全球规模最大的5G精品网络,大力推进“5G+”计划,今年9月底前在超过40个城市提供5G服务,客户“不换卡”“不换号”就可开通5G服务,后续将持续扩大服务范围,让广大客户方便、快捷地使用5G业务,享受5G新技术带来的福利。

在终端方面,中国移动启动“中国移动5G终端先行者计划”,联合产业推出了十余款5G手机和数据终端,预计年内将超过30款。

中国联通称,5G牌照发放后,将进一步面向公众开放5G体验,计划在40个试点城市的热点地区建设5G体验厅,组织“走进联通,体验5G”专项5G体验日活动;多城同步发起“5G看联通,5G在身边”5G体验周打卡活动,让5G体验走出营业厅,来到大众身边。

中国广电副总经理曾庆军在接受媒体采访时表示,工信部给中国广电颁发5G牌照,实际上这个牌照是颁发给全国有线电视行业和全国广电行业的,全国广电行业将利用这次契机建设一个高起点的现代传播网络,这个网络跟其他三个运营机构还是有所差别。

曾庆军谈到：“5G网络将是汇集广播电视现代通信和物联网服务的一个高起点、高技术的网络,使广大的用户能够真正体会到现代超高清电视、现代物联网带来的智慧广电服务,甚至是社会化的智慧城市服务,能够使中国的技术产业服务助推5G全面引领的态势。”
搜索
复制

6月20日,“2019大数据创新应用与数字中国建设发展大会”在乌兰察布市开幕,本次大会以“实施国家大数据战略,加快数字中国建设”为主题,工信部等国家部委领导,中国工程院院士汪懋华、孙九林、王家耀、谭建荣、刘经南、何友、柴洪峰,华信研究院、国家地理空间信息中心等国家级资深专家,内蒙古自治区政协及相关厅局领导,乌兰察布市委领导及相关部门负责人出席大会。
软通智慧科技有限公司作为乌兰察布智慧城市建设的重要战略合作方,尹洪涛董事长应邀参加了本次盛会,在会上作了题为“新时代、新动能、新经济—当下智慧城市高质量发展的思考”的专题演讲,并作为“中国大数据百人会”理事长参加了揭牌仪式。
全国政协经济委员会副主任、工业和信息化部原副部长 刘利华
工业和信息化部信息化和软件服务业司副司长 李顺福
乌兰察布副市长 郭菁
“中国大数据百人会”揭牌仪式
软通智慧科技有限公司高级副总裁、首席公共事务官柏翔作为签约代表与乌兰察布市政府就智慧城市建设签署战略合作协议。
战略合作签约仪式
尹洪涛董事长提出“新时代、新动能、新经济”是保障智慧城市高质量发展的关键。
软通智慧科技有限公司董事长尹洪涛
新时代：智能空间的时代已经到来
城市的发展经历了从数字城市1.0到3.0的历程,人类数字化生活需求的激增,刺激着未来城市向以智能空间为典型特征的新发展阶段,在新的时代智能空间呈现了三大特征：一是智能空间以数字化、信息化的技术基础,实现个人便携设备与空间的无缝衔接;二是数字孪生存在的形式为用户与各种信息源进行交流提供了便利条件;三是全感体验的交互方式使得用户动作和目的被感知、被理解、被预测。
新动能：城市的智能数据资产
随着城市智能化水平的不断提高,积累了海量的政务数据、时空数据、人为数据、物联网数据、互联网数据,智能数字资产成为发展城市数字经济的核心生产要素,诱发产业数字化转型和城市数字化转型,提升城市竞争力。
新经济：注入城市发展新活力
数字经济成为全球经济新一轮的竞争焦点,建设数字国家成为全球共识。通过数字技术、ICT设备提升国家竞争力、创新力、生产力,迎接数字化浪潮,为ICT产业的发展带来了广阔的市场需求和产业机会。近年来AR/VR、 区块链 、人工智能是增速最快的领域,大约2/3的头显设备将在2023年被运送到商业领域。
软通智慧科技有限公司作为国内领先的新型智慧城市运营服务商,始终专注于利用大数据、 云计算 、物联网、人工智能、数字孪生等新兴技术,为城市数字化、智慧化提供一体化设计、建设、运营服务,已在中国超过170个城市完成智慧城市战略布局。
尹洪涛表示,软通智慧坚持“以人为本、数字城市即平台、立足城市、创新引领”的四大原则,通过打造城市数字中台,将前台、后台所有的应用连接起来,并将城市所有的资产数字化,构建数字孪生。通过融合城市的各种空间信息,对人、物、事件等要素数字化为物理对象,构建和智慧城市建设、规划等相关的虚拟模型展示,为各种业务应用按需求提供大数据和相关的记录、仿真、预测,通过构筑城市的数字映射,支撑城市运营,挖掘城市动态、高频数据商业价值,发展数字经济,提升城市治理水平。
未来,软通智慧也将立足乌兰察布的政策优势、产业优势,重点围绕数字城市建设开展技术与应用创新,将软通智慧在智慧城市领域深厚的运营经验融入到本地的政务服务、城市治理、公共安全、产业生态、数字民生等领域,加快乌兰察布新型智慧城市建设,打造乌兰察布数字经济新名片。
搜索
复制

2019第二届上海人工智能大会暨第二届图像、视频处理与人工智能国际会议将于2019年8月24-25日在上海浦东隆重举行。本次大会由上海市人工智能学会作为指导单位,中国科学院上海高等研究院主办,上海城市公共安全中心承办,北京希幔传媒有限公司和国际数字经济文化联盟协办。本次大会汇聚了现今人工智能领域的顶尖科学家、知名教授以及多家人工智能企业创始人与高管,将给与会观众带来一场产学研领域融合,涵盖前沿科技与落地实践的饕餮盛宴。

智能时代,关注人工智能前沿科技发展

人工智能的发展,最早可以回溯到1946年世界第一台电子计算机ENIAC的诞生再到1950年著名的“图灵理论”,最后到1956年Dartmouth会议上“人工智能”被定义。若干年间,人工智能迎来了一个又一个发展黄金期。由1970年第一款感知神经网络软件和聊天软件被发明到1990年Hopfield神经网络和BP算法的提出再到2006年Hinton提出的深度学习技术以及图像语音识别领域的成功,使得世界从此进入了“智能+”时代。

人工智能未来的演进发展将分为计算智能、感知智能和认知智能,在此期间真正需要突破的是让计算机理解、思考、进行自我学习。通过深度神经网络、大数据和涟漪效应等一系列促进人工智能突破的成功因素,真正将人工智能发展成“利在当代,功在千秋”的学术和产业的领航者。

平台创新,聚焦人工智能产业实践落地

人工智能已经成为新一轮产业变革的核心驱动力,正在对世界经济、社会进步和人类生活产生极其深刻的影响。举办第二届上海人工智能大会,是继2018第一届上海人工智能大会之后搭建的又一人工智能技术及产业发展重要平台,也是推动互联网、大数据、人工智能和实体经济深度融合发展的重要举措。大会将聚焦图像、视频处理、机器学习、自然语言处理、智能制造、智慧教育、智慧医疗、智慧城市、5G、智能芯片等十余个人工智能及跨学科的重点领域,深入挖掘技术和产业相融合的奥秘,使大会始终保持领域多元化、观点多样化和信息多维化的态势,推进长三角地区人工智能产业领域的长足进步与发展。

汇聚一堂,引领人工智能专家浦江论道

本次大会邀请到人工智能领域最前沿专家和产业翘楚做主题报告,分享最新的研究成果与技术实践。嘉宾包括：加拿大工程院院士、蒙特利尔工学院教授、IEEE 院士 Mohamad Sawan；西安电子科技大学教授、IEEE 院士 焦李成；广东工业大学教授、IEEE 院士 马建国；香港科技大学教授、IEEE 院士 郭天佑；台湾科技大学教授、IEEE 院士 陈锡明；重庆邮电大学教授、长江学者 王国胤；同济大学教授、长江学者 李荣兴；上海交通大学特别研究员、斯坦福大学博士 Peter Bradley Shull；上海科技大学研究员 剑桥大学博士后 Andre Rosendo等十余位学界精英汇聚上海人工智能大会,分享学术界最前沿的人工智能技术科技。

除了学术大咖的主题演讲外,此次大会还邀请到知名的AI企业CEO、创始人和高管等进行行业实践的相关分享。演讲嘉宾包括：中科寒武纪CEO罗韬、百度AR/VR部门总监、百度研究院高级总监吴中勤、Ucloud高级副总裁陈晓建等对当下产业落地进行分享与讨论。

在人工智能高速发展的浪潮中,研究与应用应该达到协同发展。大会程序委员会主席苏锐丹博士表示,将通过每年上海人工智能大会的召开,有效推动人工智能科研和产业的发展,通过不断探寻智能技术边界,实现更多应用落地,让AI技术和我们的生活和工作相融合,让人工智能技术普惠世界,造福大众。

【关于2018第一届上海人工智能大会暨第一届图像、视频处理与人工智能国际会议】

2018年8月16-17日,2018上海人工智能大会暨第一届图像、视频处理与人工智能国际会议在上海浦东软件园的浦软大厦成功举办。本次会议由中国科学院上海高等研究院、上海浦东软件园和上海莘泽创业投资管理股份有限公司共同主办,由上海市科技创业中心、上海市浦东新区科技和经济委员会、上海市人工智能学会和上海科技企业孵化协会作为指导单位,由上海学米教育科技有限公司承办。会议吸引了来自国内外10余个国家和地区,其中包括来自英国帝国理工大学、英国剑桥大学、清华大学、香港大学、东京大学等世界一流学府的顶尖科学家；共计有100多家与会单位,500余名与会代表。

会议围绕“图像、视频处理与人工智能”这一主题进行了深入研讨,内容涵盖图像视频处理、机器学习、自然语言处理、人工智能、机器人等方面的国内外研究及应用情况：上海高等研究院封松林研究员、南方科技大学姚新教授(IEEE Fellow)、香港科技大学郭天佑教授(IEEE Fellow)、台湾科技大学陈锡明教授(IEEE Fellow)分别就各自的研究领域发表特邀报告。来自同济大学、香港中文大学、百度、新松机器人等共四十余位知名专家学者做出主题报告。

与此同时,中国中央电视台、上海浦东电视台、上海浦东政府网等主流媒体来到会议现场进行采访报道,阿里云对会议做出同步网络直播,同时又有包括机器之心、雷锋网等来自人工智能、大数据、 区块链 等领域50余家专业媒体对会议进行了报道宣传。
搜索
复制

数据观最新消息,6月6日上午8时,工信部正式发布5G商用牌照,共计4张,三大运营商中国电信、中国移动、中国联通以及中国广电各获得一张。这意味着中国5G商用提前了一年。
电信运营商获得牌照后,将可以实现5G业务的正式商用,部署相关工作也将加快。目前,中国移动规划在2019年完成5G基站建设3万至5万个,投资为172亿元。中国联通预计建设2万个基站,投资计划为60亿至80亿元。中国电信计划建设2万个基站,投资为90亿元。
与此同时,中国也成为继韩国、美国、瑞士、英国后,第五个正式商用5G的国家。回顾历史,中国移动通信建设与全球进程相比,经历了1G的空白、2G落后、3G追赶、4G同步的阶段,现在终于用智慧和汗水登上了5G技术的第一梯队。
5G牌照意味着什么？
牌照是提供5G服务的许可,运营商在拿到牌照之后就可以着手进行5G网络建设,并开发和提供商用服务,争取市场验证。
此前,三大运营商已经在很多城市一定范围宣布进行5G建网试验,测试用户体验,这种试商用一般不收费,如果此后正式商用,意味着运营商可以收取费用,或许很快就可以看到一些5G的业务套餐了。
在关注牌照的同时,也需要关注频谱,频谱是5G建设的资源。此次,除了三大运营商以外,中国广电也获得一张5G牌照,原因就是广电掌握700MHz的黄金频段运营,700MHz频段为低频段,具有信号覆盖广、穿透力强等特性,5G组网成本相对较低,同时4K、8K等超高清视频也是5G商用的重要应用领域。
2018年12月工信部发布5G频谱规划方案,中国电信获得3.4-3.5GHz的100MHz频谱资源,中国联通获得3.5-3.6Ghz的100MHz频谱资源,中国移动获得2515-2675Mhz的160MHz带宽及4.8-4.9Ghz的100MHz频谱资源。不同频谱段位意味着不同规模的5G建网投资,原则上频段越高,基站密度要求越高,建网投入需要越大。
5G将带动科技产业发展
4G改变生活,5G改变社会,有人说,5G所带来的意义不亚于电力革命,5G具有大连接、高速率、低延时的效果,理论上,5G网络的传输速率是4G的10倍,可达10Gbps,手机在几秒时间就可以下载一部高清电影。通信、电子、传媒、计算机等领域都将先后受益于5G建设。
此次5G发牌超出市场预期,也是政策层证明我国发展5G的坚定决心,中国5G技术具有先进性和稳定性,5G商用将带动我国整个科技产业发展。中国5G建设节奏、体量和商用进度都在提速, 5G是偏中长期且具备较高确定性的投资板块。预计到今年年底,中国5G基站数量可能就是全球最多的。
通信
5G建设,设备先行。中兴通讯,烽火通信等设备商是最确定的受益者,这些设备厂商上游的元器件厂商,比如PCB、覆铜板、天线滤波器、光纤、光模块等领域公司也将拥有很大业务增量空间,如深南电路、华正新材、世嘉科技、通宇通信、剑桥科技等。
相比于4G基站,5G基站对一些芯片的用量是翻倍式的增长,比如FPGA,紫光国微旗下紫光同创据了解正在华为进行验证；射频前端用量将增长,涉及到第三代化合物半导体,这方面国内还需要发展进步,不过三安光电、海特高新已经布局。
电子
5G带来的换机潮,必然是所有手机终端厂商苦等已久的春天。我国的华为、小米、中兴、OPPO、vivo、努比亚等手机品牌都已经推出5G手机终端,有的在国外已经发布。未来5G手机也将带动供应链的增长机会,而长期看,AR/VR、物联网、智能汽车等创新应用的空间也很大,不过,可能2020年之后才会逐步落地。
5G的低延时高速率传输功效,还会刺激视频内容需求,4K\8K超高清视频产业将直接受益于5G建设。这样看来,像京东方、华星光电这些大尺寸面板厂商也会迎来新一轮发展机遇。
传媒
中国广电获得5G牌照,布局智慧广电业务的公司比如贵广网络、华数传媒或将受益；同时在5G领域智能设备渗透到一定程度,未来最受益的5G应用可能是游戏和视频,腾讯、网易、完美世界等在云游戏行业的布局值得关注。
计算机
车路协同等车联网领域一直被认为是5G应用的重要领域；而5G时代带来更多数据需要存储或者处理分析,浪潮信息等也将获得新一轮增长机会。
其实不只是科技产业,5G对各行各业的影响都是巨大的,为未来生活智慧赋能,带来变革,详情请回顾数据观综编《一文看5G如何赋能各行业,开启智慧新篇章》。
关于5G的几点讨论
5G真的来了,网友议论纷纷。“刚买了手机,还需要换手机吗？”“资费会不会便宜一点？”“5G手机多少钱？”
需要换手机吗？
想用5G网络,肯定需要换5G手机,这毋庸置疑。
好在一批5G终端马上就能和用户见面,例如,华为Mate 20 X 5G版、三星 S10 5G版、小米Mix 3 5G 版、OPPO Reno 5G版、vivo NEX 5G版、中兴天机AXON 10等。不过,目前这些手机售价不菲,上万元基本是“标配”。华为Mate 20 X 5G版的标价为12800元,是最贵的,小米Mix 3 5G 版售价也高达11800元。
独立电信分析师付亮建议用户,别着急上手,可经常去运营商营业厅了解进展,明年3月后,5G手机售价约6千元；明年四季度,售价约2千元,且具备现在万元手机大部分性能。
一个好消息是,和3G过渡到4G时用户需换卡不同,据三大运营商此前公布的消息,用户不换卡、不换号就可以体验5G高速上网以及语音业务,省了很多麻烦。
4G手机会被淘汰吗？
”我刚买了新手机,你现在给我说这个。”部分网友有疑问,“这是否意味着我的4G手机要淘汰了？”
其实说不上淘汰,就好比现在4G时代依然有大量的2G用户一样,他们还在使用2G手机。
所以不着急体验5G网络的用户可以继续使用目前的4G手机,三大运营商依然可以提供很好的4G网络支持。而且,目前4G网络速度也很快,在5G高清视频等应用没有普及的情况下,4G网络也可以满足用户的日常需求。
5G资费贵不贵？
2013年,4G刚面世时,网友就有“一夜不关4G,房子归电信运营商”的段子。那5G来临,流量资费会不会很贵？
通信行业专家项立刚表示,流量价格是按照基站技术水平衡量的,随着技术的进步,“在5G的时候,1G流量价格可能就是1块钱或者是5毛钱。”
需要注意的是,4G时代,用户使用流量从MB到了GB时代,那么5G时代,用户使用流量也会越来越多,具体花费多少,还要看用户使用流量情况和运营商套餐定价,但一个趋势是,流量单价会越来越便宜。

小额信贷已有数千年的历史,相比现代银行体系主要诞生于 “富裕”群体的服务不同,小额信贷是建立于个体信用基础上,主要功能是“救急”,由于额度小、手续快且无用途限制,一直是缺少正常资产信用的“草根”们的主流融资渠道。而“强人脉、高利率、快周转、催收猛”也是小额信贷相对银行的特别优势。
一、小额信贷的风控技术发展变迁
风控是信贷的核心,但对风控的理解却没有真理,往往都需要从失败中总结积累。
信贷行业的风控技术基础理论依托的是两个基本理论,一是技术经济学,用来还原财务报表,用现金流和IRR测算来解释还款能力和利率定价；二是信用评估技术,用历史信用信息解释借款人的还款意愿。近年来,随着行为心理学和社会学研究的深入,违约成本评估理论逐渐兴起,在农贷和保险类场景中正成为国外新的研究方向,但由于缺少长周期实践数据,目前还处于试验阶段。
从实操角度看,中国的小额信贷则处于前所未有的创新期,大数据、人工智能、 区块链 、生物识别等各种技术手段都在应用中,特别是线上低成本获客,通过大数据反欺诈,以模型秒批秒贷,已成为了各家小额信贷的科技标配。
在金融科技风生水起的同时,一个风险悖论也在同时敲问：如果金融科技能同时有效解决小额信贷高成本和高风险问题,小额信贷的利率应该可大幅度下降。但根据北京、上海等地不完全统计,大数据和人工智能技术未普及的P2P发展前期,从2012年到2015年,民间金融利率从平均年化50%降低到年化25%左右,但到2018年,当金融科技已经普遍使用后,利率却反升到40%左右。利率上升与资产有关,但反过来说,既然高利率覆盖高风险,金融科技的价值又在哪里呢？
传统小额信贷是线下获客、线下审核、线下管理,这套模式所依赖的风控能力不是技术而是人员经验和人脉。所以一个好的小额信贷模式中,必然要突出业务人员培训和内控管理能力。这种模式虽历经千年传承被证明行之有效,但人员的选择和培养太慢,建立起一个好的管控制度体系太难,所以干小额贷款的很多,干得好的少。多数人要想不赔钱只能高利贷。从成本角度看,小额贷款如果固守一地或一行,人脉积累和信息积累够了,获客成本和风控成本很低,相比线上往往优势明显,缺点仍然是太慢太小。要想快速做大做强,依靠在每个地方开分店的方式容易失控,所以在互联网普及的时代就自然有了通过线上流量获客的朴素想法。
利用互联网流量获客,利用大数据评分审核放款,这个模式的想象空间极好,完美地把成本低和风险低这两个矛盾解决了,还提升了客户体验,扩大的市场规模,解决了用人带来的管理难题。但在实践中,这个模式首先遇到的问题,就是纯线上获客,很容易把坏人都吸引来,曾经某互金网站开了个小额信贷的业务,结果一晚上被骗了数千万,这种惨痛经历就导致所有线上做信贷的都要把反欺诈放在第一位。其中主要的技术手段就是利用活体识别、图像识别来甄别借款人是否是本人,利用后台的社会信用信息来解读借款人有无劣迹,形成黑白名单,对没进黑名单的人员放贷。风控逻辑是把信用卡的信用评价逻辑用到了陌生群体上,但一不像银行信用卡那样可以掌握精准的个人业务信息,二是黑名单覆盖人群太少,三是社会信用信息未经验证的数据和掺水的数据较多,导致这样的信用评估模型风险远比想象的大。尽管如此,有了大家前仆后继的使用,技术提升的速度还是非常快的,主要体现在：
1、海量标签的图像信息试算,使得我国图像识别模型优化水平独步全球,在没有欧洲GDPR那样严格的个人信息使用要求下,我国金融业在图像识别反欺诈应用方面可以单骑飚进。最近支付宝正在全国推图像识别支付,就建立在这样的技术自信基础上。
2、实名制全面实行后,互联网寡头具备高覆盖率人群交易数据,在社会信用信息建设上堪比欧美百年的征信机构。这些数据对于个人信用评价提供了有价值的参考维度。
3、互联网获客带来了流量的竞争,互联网寡头掌控了获客成本和客户信息,其竞争能力直逼银行,导致银行不得不投入力量支持互联网助贷业务,这使得互联网导流行业得到了更好的发展空间。
但也应该看到,技术提升后的红利领域依然是狭小的,而且是有天花板的。依赖互联网的客户资源基本是“互联网一代”。主要领域就是现金贷和消费分期类业务,客户分层依赖流量的控制。互联网巨头和银行依靠自身的流量和客户资源能力,分食最好的客户渠道和资源；消费金融公司和保险公司分食下一口,最次的就留给民间现金贷,所以大家看到同样利用大数据风控,头部互联网银行规模大、坏账比率低,而民间现金贷公司却不谈坏账只谈利率。看上去似乎是数据风控能力的差异,但实际上是营销能力的差异。对于底部现金贷公司来说,能拿到的很多借款客户都是复借率超过7、8次的人,最大的风控手段反而成了利率。在一轮轮线上挖掘后,互联网贷款的优质客户资源逐渐枯竭,天花板逐渐逼近。市场上的风控评分模型和数据基本同质,风控技术效能已让位于导流能力。
而在农贷、供应链等场景和抵质押信贷中,传统小额贷款模式依然在耕耘。当国家吹响普惠金融号角时,真正支农支小的信贷主力市场——小微经营贷领域,仍处于重度线下操作中。面对以还款能力为核心的小额经营贷款风控需求,进入小镇和农村,有效的信用信息找不到,乡土人脉连接的场景下,互联网巨头也转变成了线下。某互联网巨头近期大手笔投资于头部农贷公司,看中的就是其线下强大的培训和管理能力。税务、公积金、物流等信息,只是线上可参考的数据维度,依赖这些数据在线上放贷还在探索中。相比消费贷的技术红海,经营贷领域的风控技术创新乏新可陈,尚有巨大的前行空间。
二、小额信贷风控领域的技术展望
今天小额信贷的线上获客和反欺诈,让客户得到前所未有的好体验,但从后台风控技术来看,还有几大瓶颈需要突破。
一个技术瓶颈是模型技术。 此轮金融科技引爆的主要是C端的消费信贷和现金贷业务,模型技术来源于上世纪五十年代的评分卡,其原理是将借款人视为无差别样本,采用概率统计,计算信贷结果与某个信用信息的相关性,从而得出违约概率和定价。但欧美及国内银行的实践主要是在已掌握信息的客群中开展,极少像国内这样大胆对陌生人群使用。国内科技企业为弥补评分模型风控说服力不足的问题,大多采取了增加数据维度的方式。为尽可能搜集更多的借款人数据维度,甚至普遍使用SDK来跟踪监控借款人。营销上更是将数据维度多与风控能力强直接挂钩,制造出“数据越多风控越强”的概念。事实上,以统计为基础的大数据评分技术在上世纪信用卡违约潮中已被证明,单纯依赖评分而不是对客户的实际场景掌控来控制风险,在经济下行期是个伪命题。对于已渐到尽头的模型优化路径来说,亟待风控理论上的创新。
中国和国际小额贷款实践都证明,国民性、社会管控能力、制度等软性要素,对于小额贷款群体的信用表现影响很大,所谓“无差别样本”,实际往往差别很大,不同渠道和平台导来的客群差异很多都超过了统计学样本的方差允许值,在这种情况下,如果继续沿用评分卡模型,就必须从通用模型转为专项场景定制模型,以少数代表性强的场景或渠道信息标签替代现在“多多益善”的庞杂数据维度。模型优化需要从单纯的统计学算法向业务场景逻辑+统计转向,在这方面,一些出身于风控业务的技术公司已经先知先觉地走在路上了。
另一个瓶颈是支农支小的线下服务。 中国的小微企业平均寿命不到3年,线上不完整的大数据对于经营贷来说不足以确认风险,搜集经营信息和资产信息（如抵押贷场景下）仍需依赖线下,如何服务好线下渠道,让业务人员、代理人、渠道能方便进件和审核,这种B端的风控一直是技术难点。IPC、“三表三品三流”等交叉验证风控技术虽已深入大多数金融风控从业者中,但风控逻辑仍然是经验性的,如何将这部分经验标准化,从而既降低一线渠道展业难度,又解决获客道德风险,这成为金融风控科技自然的选择。目前主要的技术方案就是通过规则引擎技术将经验规则进行数据化转化。这条路的创新难度一是规则转化的难度超乎寻常的大,日常人工判断的简单规则都需要用几十条甚至上百条规则来描述,对于大部分缺少横跨信贷风控和金融科技通才的金融机构来说,制定这样的规则集还需要一定时间周期。人工智能经验仿生模型是规则引擎技术未来的前景,但缺少描述模糊规则的工具,同时,模糊判断的规则逻辑也缺少好的算法进行优化,只能依靠模型设计者对案例事件的理解进行改进,在这方面,笔者与徐匡迪院长有同感,我国只有人工智能应用而缺少算法的研究。
近些年来,新的风控理论和科技开始露头。这其中有几类代表：
一是保险信用在信贷中的应用。保险购买者的风险偏好是一个很好的违约成本估算维度。但这种理论验证需要有大量保险理赔数据作支撑,我国目前还没有保险公司对此有认知；
二是社会资本理论在农村信贷实践中的研究。乡村信用是违约软性成本的一种度量,目前国内除了社会学界,少有人关注；
三是行为心理理论,将借款人的人性特质与借款行为关联,引入测谎、性格测试等要素来评估风险,这方面国际上已有成功案例,在非洲农贷中有过试点。国内几年来零星做过一些尝试,除了“微表情”曾经被媒体放大传播过,其他的案例尚未见播报；
四是区块链应用,将社会信用上链形式记录,对熟人社会的信用征集有一定价值,但存在个人信息隐私保护等合规问题,是国内一些信用科技公司正在开展的方向。
总的看来,金融科技在小额信贷当期的最主流贡献,以导流获客为主。风控方面的技术以工具化解决方案为代表,对现有流程、规则等提供了很好的简化手段,普遍提升了效率。同时在无场景及消费分期类小额信贷业务上解决了规模扩张能力。但与宣传中的风控能力相比还有相当差距,尤其是在国家鼓励发展的支农支小普惠金融方面,还需要经历理论突破和实践验证的沉淀。
【 作者简介 】
戴星,高级经济师。出身国家开发银行早期团队,参与过银行五级风险分类体系制定和银行业第一部抵押条例的制定,1998年在《理论和实务》上发表《利用模糊概率理论进行项目风险控制》,是我国银行业最早的大数据风控模型的探索者之一。
后从事技术市场咨询,成为国内最先进行物联网技术、 云计算 、手机支付等相关技术的应用推广者。2014年投身互联网金融和大数据行业,从事风控管理和大数据信审等业务的探索。是国内金融行业人工智能及行为心理风控技术的带头人之一。2017年后,为人保金融服务有限公司资深经理,在普惠金融领域开展小额贷款的风控和数据模型工作。

参展商在数博会上展示华为研发的闪存系统。新华社发
　　“有人用人民日报数据库,写出数据新闻《谁是中国人民的老朋友》,用相关词频,梳理出新中国成立以来被冠以‘老朋友’的国际友人,从中分析国际环境的变化和外交政策的调整。”在2019中国国际大数据产业博览会“大数据领航·打造媒体融合发展新业态”高端对话现场,人民日报社副总编辑兼海外版总编辑许正中用一个鲜活的例子告诉大家,大数据有助于捕捉挖掘新闻事实,增加新闻报道的厚度,催生新的新闻产品。
　　论坛上,专家表示,大数据时代的技术变革,正在重塑媒体行业,产生了一系列的理念创新、内容创新及模式创新,用好大数据,将成就更好的全媒体。
　　贵州省委常委、宣传部部长慕德贵说,大数据能化无形为有形,从复杂中见规律,从而把抽象事物形塑为有形和可见的事物,具有造型塑型的作用,有效地利用大数据推动媒体的融合发展,将推动生产制作的新媒体产品更加形象生动,更加有互动性,从思维到现实层面都引领媒体融合发展。
　　大数据正在大幅提升新闻生产效率。科大讯飞副总裁于继栋说,借助科大讯飞的语音技术,一小时的录音,五分钟就可成初始稿件,相比以前,一小时录音至少需两小时整理,记者有更多时间思考,新闻生产效率和质量都得到了大大提升。
　　大数据也正在催生全新的新闻产品形态,给读者以更好的体验。2019年年初,可以听的《光明日报》正式上线,光明日报联合科大讯飞,借助人工智能技术,帮助读者实现从“看报”到“听报”的转变。本届数博会上,人民日报也发布了一款名为“果果”的虚拟主播产品,可用多语种向读者介绍新闻事实。
　　“丰富的新产品可以让用户得到更好的体验,让新闻更有效传递到最终用户。”于继栋说。
　　将合适的内容推送给需要的人,正是大数据、人工智能等新技术的用武之地。近年来,一些商业平台通过大数据为受众画像,再通过“智能算法”实现精准推送,实现了内容分发“千人千面”。这一技术手段改变了传统的内容分发模式,提高了内容的匹配度和到达率。许正中说,大数据有助于提高定向传播的精度,让内容的生产与传播更有针对性,让新闻宣传与舆论引导更有精准度。
　　大数据也可反馈读者的阅读需求,进而改进新闻生产和传播。腾讯集团副总裁马斌说,互联网和大数据,可以实现以人为本的生产流程重构,以需定产,互联网可以帮助媒体更容易了解到读者在想什么,进而决定生产什么。媒体可以精准把握读者的兴趣偏好、意见诉求及心态变化,实现个性化的内容生产和推送。

随着大数据时代来临,互联网飞速发展。在国家大数据战略、“宽带中国”战略等政策的推动下,中国网络建设迅猛成长,物联网、5G、 云计算 、超高清视频等领域的发展促进流量需求爆发式增长。光传输网作为流量承载主体,越来越对带宽、速度、覆盖面等有着更严格的要求,面临严峻的挑战。然而,事实上以光纤为传输载体的光通信技术自诞生以来就逐渐扮演了重要的角色,在通信领域发挥了巨大的作用。
　　 光通信技术引导的通信发展浪潮
　　1870年,英国物理学家丁达尔针对光的全反射原理做讲解性实验,他在装满水的木桶上钻孔,然后用灯从桶上边把水照亮,放光的水从水桶的小孔里流出,水流弯曲,光线也弯曲;后来人们造出玻璃纤维,当光线以合适的角度射入时,光就沿着弯曲的玻璃纤维前进,因此称它为光导纤维;1966年,高锟博士发表论文,从理论上分析证明了用光纤作为传输媒体以实现光通信的可能性;1977 年光纤进入大众市场,世界上第一条光纤通信系统在美国芝加哥市投入商用。光纤技术逐步在多个领域应用,迅速发展。
　　网络主干网技术先后经历了155M、2.5G、10G等不同发展阶段。当下,光纤技术有望成为构建主干网的优质选项。同时随着无线技术的发展,当100G技术不能满足网络传输需求,400G将是超高速、大容量、融合、智能化光传输网的演进方向。伴随多个400G标准颁布, MTP多芯光纤并行传输正给400G网络创造绝佳的条件。400G将引发新一轮的技术革命。
OM5光纤
　　此外,伴随数据中心对高带宽、高速度应用的需求增长,OM5光纤跳线将会成为用于高速数据中心应用的新型多模光纤跳线。OM5光纤正在给400G网络带来无限可能。光纤OM5宽带不仅可以支持802.11ac wi-fi系统,还可以支持高密度5G无线网络。802.11ax又被称为“高效率无线标准”,将用户密集环境中的每位用户的平均传输率提升4倍以上。
　　OM5光纤跳线借鉴了单模光纤的波分复用(WDM)技术,延展了网络传输时的可用波长范围,降低了网络的布线成本。此外,OM5可扩展性强,可向下兼容OM3和OM4类型的光纤。OM5光纤将会给光通信领域带来巨大的变化。
　　 蓝思通信肩负历史使命 服务大数据时代
　　在400G时代来临之际,广州新蓝思光电通信技术有限公司参加了本次数博会,以实际产品场景应用向观众展示如何服务大数据时代。蓝思通信(EASTLANS)始于2003年,是一家专为客户提供数据中心模块化预连接MTP/MPO光纤系统方案的专业制造商,同时提供OM5、OM4、OM3等产品,质量获得行业GR-1435、GR-326严苛认证。MPO是日本NTT通信公司设计的第一代弹片卡紧式的多芯光纤连接器。MTP是由美国USConec公司注册的品牌,专门指其生产的MPO连接器独特的类型。MTP连接器是一种具有多重创新设计的高性能的MPO连接器。
蓝思通信HD-LC跳线
　　据介绍,随着数据中心的高速发展,迷你型、省空间、高密度的光纤解决方案渐渐被大部分工程项目采用,蓝思通信的HD-LC跳线采用了独特的“抽拉杆设计”,工程师只需用两根手指抓住拉杆,即使在狭窄的安装空间里也能便捷快速地安装工作,避免人手对光纤跳线的直接拉扯,减少了对光纤跳线结构的破坏,提高了光纤跳线的使用寿命,令空间利用率提高30%。
　　蓝思通信作为中国通信标准化协会的会员单位之一,在不断满足数据中心高速网络的基础架构设施要求下,致力推动“并行传输”MTP/MPO预连接光纤产品的应用进程,立志成为“数据中心模块化预连接MTP/MPO光纤系统全球领先者”,服务大数据时代。公司成立了“蓝思光设计院”,拥有30多名国内国际行业专家,将在国内各省多批次和不同位阶进行数据中心模块化预连接MTP/MPO光纤解决方案的工程师培训,以支持行业发展的需求,推动多芯“并行传输”MTP/MPO预连接光纤产品的应用进程。
　　2018年11月,蓝思通信为广铁集团对某地铁机房进行了升级改造,将数据交换速率由原来的10G升级到了40G,核心交换设备由原来的LC型端口换为MPO型端口,采用了支持40G/100G的OM4-MPO型多芯光纤作为传输主干线,解决了地铁内列车通讯的及时性和可靠性,满足来往客流的不断增加对网络大容量的需求,这仅是蓝思通信在5G高速网络传输基础设施建设的大容量、高速率、传输可靠性升级改造的众多案例之一。
　　 蓝思通信亮相2019数博会
　　数博会期间,公司现场展示了40G/100G的数据中心模块化预连接MTP/MPO高密度光纤布线系统。该系统由核心交换机、路由器,服务器、存储器、高密度连接模块盒、光纤配线架、预连接MTP主干、光纤跳线等组成,形成模拟数据中心机房布线系统,可广泛应用于云计算数据中心、5G雾计算边缘数据中心、各类规模IDC数据中心、电信运营商机房,也满足CORD对高速网络的基础架构设施要求。
　　蓝思通信创始人蓝建生表示,蓝思通信的HD-LC跳线杆设计使空间利用率大幅提高,抽拉快速、安装便捷的特点使其成为高密度机房的新宠。目前蓝思服务的对象主要有大型的系统集成商,产品也已经广泛用于服务于智慧城市、轨道交通、数据中心、南网通信、军网通信等国家重点项目,借助数博会展览的机会也在寻求全国的合作伙伴,一起在光通信领域开拓未来。

记者从6月3日在上海举行的“经济统计的未来高级国际研讨班暨中国－联合国统计能力开发信托基金项目十周年成果总结会”上获悉,国家统计局与联合国经济和社会事务部将在杭州建立大数据研究所。
国家发展改革委员会副主任、国家统计局局长宁吉喆与联合国副秘书长刘振民签署相关合作意向书。
来自合作双方的信息显示,这是联合国机构首次与相关国家合作建立大数据研究所,也是中国－联合国统计能力开发信托基金搭建的国际合作平台结出的最新成果。这一项目选址杭州,在于充分发挥中国相关地方政府和企业在大数据领域的先发和引领优势,重点聚焦新技术、新产业、新业态,推动国际统计事业更快适应当今全球科技革命和产业变革,更好服务于经济和社会发展。
刘振民表示,大数据对于帮助实现联合国“2030年可持续发展议程”具有重要意义,特别是可以帮助众多自身缺乏大数据开发能力的发展中国家参与全球数据创新。未来,杭州的大数据研究所将举办针对发展中国家的关于大数据使用的国际培训课程。
宁吉喆表示,目前中国已从六个方面推动大数据在统计工作中的应用,即利用大数据补充传统数据,利用大数据促进各类数据的整合,利用以大数据为代表的现代网络信息技术改进统计方法,利用大数据形成的创新机制构建新的统计体制机制,通过大数据的应用促进国际合作,以及对大数据生产应用本身进行统计测量。
中国－联合国统计能力开发信托基金成立的初衷在于提高全球特别是发展中国家统计能力,推动全球统计事业发展。十年来,中国－联合国统计能力开发信托基金累计资助40多个最不发达国家和发展中国家的统计机构负责人参加联合国世界数据论坛,在搭建统计合作平台、推动统计创新发展、提升发展中国家统计能力等方面开展了有益探索和实践,有效推动了国际通行统计规则的应用,以及国际先进统计方法和技术的推广,已成为国际政府间统计合作的典范。

2019数博会于5月26日至29日在贵阳成功举办,448家参展企业齐聚大会共同展示相关大数据技术、成果及解决方案。5G应用、 区块链 技术、人工智能……精彩纷呈的热门技术展现,仿佛让观众置身于科技的蓝海。
作为2019数博会的参展商,深圳市优必选科技股份有限公司（简称“优必选”）在数博会上展示了其在人工智能和人形机器人领域的最新研究成果。商用服务机器人Cruzr（克鲁泽）、智能巡检机器人ATRIS（安巡士）、与漫威合作的首款钢铁侠MARK50机器人、便携式智能机器人悟空等产品纷纷亮相,成为数博会展馆中的一大亮点,引起了各方关注。
据了解,优必选成立于2012年3月,是全球顶尖的集人工智能和人形机器人研发、平台软件开发运用及产品销售为一体的高科技创新企业。在人工智能行业发展前景和趋势上,优必选有着自己见解和看法。对此,数据观记者就人工智能及企业发展布局等相关话题采访了优必选。
以下是采访实录：
记者：人工智能是下一代产业革命发展的核心驱动力,优必选作为行业独角兽,对新一代人工智能产业发展作何布局？
优必选： 作为新一轮产业变革的核心驱动力和引领未来发展的战略技术,国家高度重视人工智能产业的发展。2017年国务院发布《新一代人工智能发展规划》,对人工智能产业进行战略部署;在2018年3月和2019年3月的政府工作报告中,均强调指出要加快新兴产业发展,推动人工智能等研发应用。
新一代人工智能技术正在越来越深入地与产业相融合,促进产业智能化。作为全球顶尖的人工智能和人形机器人研发、制造和销售为一体的高科技创新企业,优必选在人工智能技术领域保持领先优势,秉承“让机器人走进千家万户”的愿景,专注于人工智能及机器人核心技术的应用型研发、前瞻性研发与商业化落地,同时提供人工智能教育、智慧零售、智慧园区/校园安防等行业解决方案。以智能服务机器人为载体,将“AI+”赋能各行业,推动应用落地,促进产业智能化的发展,致力于打造“硬件+软件+服务+内容”的智能服务生态圈。
记者：从目前公司发展的轨迹看,似乎更偏向于ToB市场,这样的理解是否正确？
优必选： 优必选的愿景是要让智能机器人走进千家万户,C端市场一直是我们的核心目标。但人工智能机器人目前发展尚处于早期起步阶段,技术层面还无法支撑一些实际应用。目前的应用多建立在可控场景和垂直领域中,而在通用场景中尚不能完全应用。此外,机器人无论是从研发还是生产方面成本都比较高,大规模产业化还需要时间。
因此,相对而言,To B端的机器人在某些垂直领域可以满足特定的需求,是机器人市场中的战略性入口,它是优必选中短期十分看重的市场。不论是To C端市场还是To B端市场,企业必须围绕自己的核心技术进行布局,使公司的技术和产品能够得到市场的检验,这样对公司的长远发展才会有指导和建设意义。目前,优必选正在加速对大型仿人服务机器人的研发,持续投入伺服舵机、运动控制、机器视觉、定位导航等核心技术的研发。
虽然整个人工智能行业应用才刚刚起步,还没有迎来爆发,应用场景还比较缺乏。但人工智能在教育、娱乐、商用服务、医疗、养老等行业将会有较大发展也让我们看到了一些机会。
记者：优必选目前与很多公司、热门IP都有合作,这是否是优必选“以运营养技术”策略的体现？
优必选： 当下,人工智能机器人的发展,需要依靠宏观运营思维才能找到刚需。过去IP衍生品大多是静态的玩偶,而优必选通过人工智能技术让他们变成可以运动、对话交互的机器人,为用户带来全新的互动娱乐体验。2019年4月,优必选与漫威合作推出钢铁侠MARK50机器人,用户可以通过它感受前所未有的漫威体验,让钢铁侠这一超级英雄走进每一个人的生活。
与娱乐及IP结合的人工智能机器人只是我们在教育、服务类等机器人产品的其中的一部分,优必选正在打造整个人工智能产业的生态系统。智能机器人的发展道路还很长远,在这个过程中,优必选一方面坚持在人工智能技术领域深耕,另一方面会以先进的运营模式引领全球服务机器人产品商业化,拥有自我造血能力,有能力去开辟最前沿的路。
记者：对于人工智能技术的发展应用与推广,有的人持乐观态度,有的人持反对意见,优必选如何看待这样的冲突？
优必选： 人工智能会对各行各业和每个国家产生变革性的影响,是下一个全球化的推动轴心,会在全球范围内实现资源的优化。人工智能会创造大量就业,新的产业、新的岗位都会兴起,但不够AI化的企业注定会被淘汰。就像汽车取代了马车,马车夫失业了,伴随而来的是出现大量汽车工业从业人员、的士司机等。机器人可以给人类带来更有创造力的工作,很多危险的、琐碎、重复性的工种将被替代。
在未来,人工智能对人类开辟新的产业,提高生产水平和生活水平具有十分现实的意义。
记者：当下人工智能产业发展存在哪些困难？如何应对困难？
优必选： 人工智能发展虽然前景光明,但产业方兴未艾,在成长的过程中会遇到各种各样的困难和挑战,比如应用场景缺乏、高精尖人才匮乏、技术不成熟,同时在实现重大变革的道路上,不可避免的会遇到阻碍和冲突。
作为人工智能产业发展的推动者,首先需不畏惧变化和冲突,投入核心技术研发,积极引领人工智能的发展。同时,始终把安全放在重要位置,深入行业和消费者,以人工智能赋能各行业,促进行业转型升级。
在每一个新阶段,科技的进步都会使人类与世界的关系重新被定义。虽然人工智能产业尚在成长过程中,但是已经在科技领域展露头角,成为一颗冉冉升起的新星。目前,人工智能技术的发展速度引起一些担忧,从某种程度上来说,它对于提醒人类关注和控制人工智能技术的发展方向和速度具有一定的价值。凡事皆有两面,技术本身是中立的,好与坏的结果取决于人类对它的应用。人工智能在多数时间和多数领域将会改进我们的生活质量,让世界变得更美好。
记者：有哪些因素吸引贵公司参加2019数博会？
优必选： 2019数博会参会嘉宾、企业、媒体的数量、层级、质量都非常不错,活动精彩纷呈,创新氛围浓厚。同时,本届数博会还吸引了近30个“一带一路”沿线国家的关注。优必选作为一家立足全球市场的企业,期待能够通过数博会与来自世界各地的企业、嘉宾展开深入交流与合作,凝聚共识,加强各国科技界、产业界的合作,推动人工智能技术探索和产业化进程,使人工智能更好为推动发展、造福人类服务。
随着本届数博会的顺利落幕,优必选为观众带来的视觉盛宴还未结束,在人工智能领域,优必选必然会继续探索。人工智能作为创新科学技术,提升了经济生产效率,改变了生产结构,促发了众多领域产业变革,推动社会发生颠覆性的改变,是人类生产和生活方式的未来方向,是需要紧紧抓住的战略性产业。因此,企业需要及时看清人工智能产业链的全景和结构,从全球局势、创新思维、技术支撑、场景应用、人才培养、区域协同等多个视角,站在未来看现在,明确人工智能产业的战略重点和核心。
人工智能的发展是大势所趋,企业需顺应时代浪潮,但也需理性对待人工智能技术,在合理范围内利用人工智能技术,控制、引领其发展,同时通过锻炼扎实的技术及高效的运营思维,方能让人工智能驶入科技领域的新蓝海。
（数据观记者 陈骏佼）
搜索
复制

《悬而未决的AI竞赛——全球企业人工智能发展现状》由德勤洞察发布,德勤中国科技、传媒和电信行业编译。为了解全球范围内的企业在应用人工智能技术方面的情况以及所取得的成效,德勤于2018年第三季度针对早期人工智能应用企业的1900名信息技术及业务线高管开展了调查,范围涵盖七个国家：澳大利亚、加拿大、中国、德国、法国、英国以及美国。该调查重点关注了全球人工智能发展动态,以全球视角解读早期应用者,希望帮助所有企业制定更明智、更均衡的策略实现人工智能领域的独特优势。
报告显示：
企业对人工智能重要性的认识逐步加深,包括增强竞争优势和改进工作方式。 全球大部分早期应用者表示,人工智能技术对企业在当今时代取得成功尤为重要——这一观念正在逐步增长。亦有大部分早期应用者表示正在采用人工智能技术赶超竞争对手,同时人工智能赋予了其员工更加强大的能力。
人工智能成功的关键在于有效执行。 企业常常必须在广泛的实践领域中创造卓越,包括制定战略、确定最佳应用方案、奠定数据根基并培养扎实的实践能力。随着人工智能日益向消费层面普及,实现差异化竞争的机会窗口很有可能将会收缩,因此这些能力在当前至关重要。
不同国家早期应用者的人工智能成熟度各不相同。 不同国家的早期应用者对人工智能的热衷程度和实践经验存在较大差异。部分早期应用者积极发展人工智能,而部分则采取较为谨慎的策略。部分应用者利用人工智能改进特定的流程和产品,而其他则致力通过人工智能实现整个企业的转型变革。
无论各国人工智能成熟度如何,其策略方法均值得借鉴。 审视各国所面临的挑战以及企业应对挑战所采取的措施,我们可从中获取某些领先实践的基本要素。例如,部分国家的企业领袖更为关注解决技能方面的空白,而部分国家则专注于利用人工智能提升决策或网络安全能力。
完整报告如下： deloitte-cn-tmt-future-in-the-balance-zh-190528.pdf
搜索
复制

5月20日路透社报道称,谷歌已经暂停了与华为的部分业务往来。除了通过开源许可获得的服务外,谷歌已暂停与华为的部分合作,包括硬件、软件和技术服务的转让。

换句话说,华为手机将只能使用开源Android系统,而要和Gmail、Chrome、Google地图、Google Play、Youtube等等一系列热门软件服务说再见。

消息出来之后,国内很多媒体,以及网友们都第一时间出来断言：“华为的海外市场完了。”

这种说法的根据是,由于限制了安卓系统,尤其是谷歌系软件的禁用,将让华为新机在欧洲等市场丧失竞争优势。

但是这里需要厘清的是,从安卓禁令开始执行,到华为新机投放到欧洲市场,再到市场反应生效。这是一个并不短的周期。从此至彼,真的已经是确凿无误的因果关系了吗？

如果细看的话,会发现这其中的变数并不在少数。更何况如今的谷歌与华为,只是中美贸易争端大舞台上的两位小小配角。剧本走向的重点本不在他们身上。

这让我想起不久前的欧冠半决赛,巴萨首回合3：0击败了利物浦。当所有人都在关注巴萨的得冠赔率时,第二回合利物浦4：0完成了“安菲尔德奇迹”。当然我们不是说“奇迹”必然会发生在手机市场上。

只是希望能提醒大家这样一个问题：第二回合才刚刚开始。比赛终场的哨声,先别着急吹比较好。




变数01 谷歌真的愿意失去华为吗？

“卡脖子”这三个字我们可能听的太多了,有点斯德哥尔摩综合征的意味。

而至少今天在谷歌和华为之间,并不是单方面“卡脖子”的关系。对于谷歌来说,华为不仅是今天世界上最大的安卓客户之一,同时也是最积极的安卓底层能力贡献者。我们知道安卓是十分在意开发者生态反哺本体的,而华为在这个生态中的地位,已经足够稳固。

比如说著名的安卓卡顿问题。2005年时,被谷歌所收购的安卓系统,自身路线是极度灵活、极度开放和超强的适应性,让这一系统可以适应任何一种硬件条件和开发环境。这就注定了安卓系统会更多的开放接口、加载软件垃圾,加之安卓执行Java代码所采用的虚拟机转换机制,都导致了安卓系统为人诟病已久的卡顿问题。

而安卓卡顿问题很大一部分解药,最终是华为贡献的。从文件系统格式的统一更换,再到GPU Turbo和Link Turbo对图形中间件、内存管理和通信模块的更改,在对安卓系统的一系列“魔改”的过程中,华为已经为谷歌贡献了不少安卓核心技术。

而或许是早就预示到中美之前的博弈压力会下传到手机厂商与安卓系统之上,华为最近还推出准备近十年的了方舟编译器,从基础规则上解决开发者的转码负担,让他们不再需要从Java和C语言两种语言中来回转换,继而让安卓系统的流畅度提升了24%。如果说UI和Turbo技术的出现,还是针对华为自身产品,那么方舟编译器就直接通过全体安卓开发者来为华为加码。

据我们了解,谷歌和华为今天在安卓生态上保持着高效的沟通和频繁的技术交互。而一旦禁令落实,华为必将转向自研系统,对安卓的战略认识将一步步调整。这整个流程下来,华为面临的是损失+变数。而谷歌面临的却是技术盟友和商业盟友的同时丧失,只有损失,没什么变数。

这种局面,真的是谷歌愿意看到的吗？




变数02 90天之间会发生什么？

除去华为与谷歌双方在技术上的互相裹挟以外,影响这一事件的更多因素还取决于政策本身。

毫无疑问,如果没有中美之间的贸易争端,谷歌是万万不会做出这种“杀敌未知自损八百”的事情。安卓系统就和那条装满的大豆的轮船一样,是大国博弈中一个任由摆布标识而已。

从2018年到今天,相信大多数人也看出了大国博弈的拉锯过程：列出筹码、喊话对方、打打停停、边缓边打……可以说这时候任何一种信号都会被放大,同时任何一种信号的执行可能性也会被大打折扣。

就像今天,美国方面又宣布对华为禁令推迟90天实施。在政策的不稳定因素之下,我们很难对华为未来海外市场的表现进行直接推论。

而且政策的变数不仅仅存在于中美之间,在美国科技巨头与政府之间的关系也愈发趋于微妙。像特朗普在硅谷间名声本来就不算太好,加之如今利用反垄断法拆分科技巨头的风声愈来愈烈。科技巨头与美国政府之间可能存在的博弈抗衡,同样也会影响华为禁令的未来走向。




变数03 硅谷讨厌连锁反应

在政策反复横跳之下,市场心理的变化也将对这一事件走向之中再加一分变数。

从中美贸易争端开始,移动终端市场就立刻成为了话题中心。从高通、英特尔芯片断供的可能,再到安卓系统的收费趋势,直到如今对于华为的禁令。即使只是风声,也会不断敲打中国科技企业,告诉他们如今的全球产业链分工有着极大的不确定性。如此一来,会极大的削弱中国市场对于海外科技企业服务和产品的信任。

虽然“外部环境倒闭内部技术能力增长”的论调并不一定成立,但我们确实也看到,在这种威胁之下国内对于自研系统、自研芯片等等问题的关注正在走高,相应的资本和人才投入也与日俱增。有消息称,华为在今年秋天到明年春天就会推出自己的手机系统。

如果谷歌和华为真的走到“分手”这最后一步,华为全面启用Plan B,相信其他终端厂商也很可能在系统上进行迁移储备,以防事态进一步扩大。接下来很可能会是中国硬件厂商,到泛科技企业,更多走向对“迫不得已”的关注与思考。

这个连锁反应,是硅谷很讨厌的。保持现状的普遍期待,或许会倒逼手机市场的一幕分合。




变数04 欧洲用户到底喜欢什么？

假如说前面的几个问题,影响的是华为会不会最终长时间触发“安卓禁令“。那么最后一个变数在于,如果真的触发了,结果是不可收拾的吗？

我们知道,华为的海外市场,可以大致分为欧洲市场和亚非拉美市场。后者对硬件性价比要求更高,真正发力的是华为的规模效应、推广能力和硬件优势。真正让人担心的,是相对高端化的欧洲市场。

那么“安卓禁令“的最终矛盾就在于,华为为代表的中国手机厂商,一定要通过谷歌生态,才能够踏入欧洲吗？

首先我们要弄清楚,华为为什么能够在欧洲市场取得进展。

在华为手机欧洲成绩斐然的2017和2018年,同样也是华为在移动AI和手机摄影中取得重要进步的两年。也就是说,华为手机显然是因为软硬件创新上的优异表现而获得了欧洲市场的欢迎。某种程度上来说,欧洲用户开始“努力“购买华为手机,不只是为了和往常一样在Youtube上看看视频,用谷歌地图查找路线,而是看中了手机摄像和移动AI这些有差异性优势功能。

华为手机在摄影和移动AI上的差异化优势,显然不以谷歌的意志为转移。所以这一部分护城河一直都会在,能够帮助华为抵抗住一部分风险。

同时也要考虑的是,谷歌生态在欧洲占据优势,却也并非绝对优势。

在“科技企业霸权”被硅谷牢牢霸占的二十年间,随着硅谷科技企业的一步步壮大,欧洲本土的科技创新生态无疑受到了相关压制。欧盟推出严苛的GDPR法案,被广泛看作是对谷歌生态霸权的一种反击。

与此同时,需要看到的是Gmail、YouTube等谷歌系应用,都可以用各种方案装到手机里,不一定要通过谷歌服务。“安卓禁令下“真正难以避免的,只有Google Play等业务——恰好也是欧盟在努力压制的那些业务。

二者相加,结论是谷歌服务在欧洲很重要,但绝对不是一道手机里的必需品。反而欧洲市场的增长必需品,是欧洲用户展现出对有创意、低隐私风险的新技术,尤其是AI技术高接纳度。

借着欧洲被压抑已久的科技创新能力,结合华为的新软件服务需求,华为在欧洲尝试重建软件服务生态并非绝无可能。




写在最后

最后还要考虑的是,5G可能带来的洗牌效应正在逼近。

即使看似江山牢靠的安卓,今年的一大任务也是适配5G。在华为与谷歌割裂仅仅只是风声的时候,华为在5G,尤其是欧洲5G上所取得的优势已经是既定事实。正如任正非所说,华为在5G上的领先是别人两三年追赶不上的。对比通信技术的全面更新和手机软件服务生态,两者应该可以形成一种对冲,为华为重建软件生态带来一定的缓冲区。

加上华为日渐浮出水面的“Plan B”,我们也能发现华为对于今时今日这种状况并非毫无准备。而且在两国博弈的背景之下,国内对于华为的支持正在呈现出上扬趋势。即使做最坏的打算,我们也仍然能看到华为在欧洲市场仍然存有生机。

无论如何,接二连三的“科技禁令“对于我们都是一种惊醒。一直笼罩于和平之下的全球科技产业,如同在玩“两人三脚”的游戏,即使曾经捆绑,也不意味着解绑之后无法独立行走。风浪之中的华为已经尽人事。而看客不是裁判,未来才是裁判。

安菲尔德的欧冠半决赛第二场,也许才刚刚开始。奇迹不奇迹的,言之尚早。现在的任务只有一个,就是把球朝门里踢。

利物浦的那首歌是这么唱的：

With hope in your heart
And you'll never walk alone

第一次使用手机语音助手的时候,这个令我新奇不已的玩意儿,总是会在我兴冲冲地问一个问题之后,令人失望地回答一句：“我好想听不懂你在说什么……”

后来技术演进,它终于能够通过我的一些关键词,听懂我说什么了。但一板一眼,一字一句,程式化十足。

慢慢地,简单的对话已经难不倒它。语音助手开始不局限于仅仅是对“文本”的理解,而是加入视觉、听觉等分析技术,通过“察言观色”来捕捉人的“话语”背后蕴藏的情感。它们开始试图获取人类的情绪。

就像亚马逊近日所透露的,基于Alexa语音识别情绪的技术能力,他们有计划打造一款类似手表的可穿戴设备,通过捕捉用户的情绪,而去提供更多的服务。

万事不离“视听”：AI探知情绪的主要途径
对人类的情绪进行研究和总结,是一个已经开展了将近一个半世纪的课题。最初研究者们往返于不同的种族人群,进行比对、分析,得出了人类的几大基本情绪类别,然后可以应用在人际交往、医疗护理等行业。

而在人机交互越来越深入的今天,机器能否对人的情绪进行充分的理解,将会直接影响到交互体验。由此而来,诸多人工智能公司开始对机器识别情绪展开了攻关。得益于图像识别和语音识别技术的不断取得突破,目前AI识别情绪主要有两种途径。

第一种是视觉情绪识别。这是一种最基本的情绪识别方式,因为人的情绪往往会以面部肌肉运动的形式来直接呈现,这也是美国心理学家保罗·艾克曼和福里森证明人类有六大基本情绪的直接原因。

而面部识别如今已经是一项非常成熟的技术,通过“喂给”AI大量的面部表情数据,然后进行学习,从而就可以对现实中人脸所呈现的情绪进行判断。国内就有专门做面部情绪识别的人工智能公司,比如旷视、太古等。

第二种是语音情绪识别。人的情绪除了能“看”出来,也能“听”出来。与之直接相关的就是不同情绪下人说话的语调：深沉之于悲伤、高昂之于愉悦等。

相较于视觉识别,语音识别的难度要高了不少。因为情绪与表情的对应度要远高于语调与情绪,比如你很难将哭丧脸与开心联系到一起,但一个人如果说话声音低沉的话可以表示他心情沉重,也可能是因为他的音色本就如此。正因如此,对声音信号的分析才会要求更加精细。百度、谷歌、亚马逊等对此均有一定的技术积累。

除了这两种情绪识别途径之外,通过文本识别和生理信号（脑电波、呼吸、皮肤阻力等）也是AI进行情绪识别的方法,但由于文本涉及的场景狭窄和生理信号的准确率低的短板,其尚不能成为主流的情绪识别方法。

显然,Alexa所擅长的就是第二种途径。在语音情绪识别方面,去年10月Alexa就已经取得了相关专利,其可以通过声音的模式来确定用户的幸福、快乐、愤怒、悲伤、恐惧、厌恶、无聊、压力和其他一些情绪的状态。而如今,这项专利终于要派上用场了。

从买止咳糖浆到在线购物：Alexa听懂情绪后怎样
Alexa是亚马逊专门研究智能语音技术的团队,它的技术要进行应用转化,往往和亚马逊的另一个团队Lab 126（曾经开发过kindle和echo等产品）有关。这一次,两个团队再次携手,准备把语音情绪识别的最新成果搭载到一个类似智能手表的可穿戴设备上。通过与手机APP的连接,来为用户提供个性化服务。

根据亚马逊的内部文件,这款手表的功能定位很简单,就是健康辅助。而在此之外,它还可以通过识别用户的语音特征来进行情绪判断,然后为其提供与他人交流的最佳方式。

根据描述,如果一个女生一边擤鼻涕一边咳嗽一边又跟Alexa说自己有点饿了,那么Alexa就会通过对女生说话的的音调（虚弱、低沉）和背景音（咳嗽、擤鼻涕）分析出她很可能得病了,然后发出来自机器的贴心关怀：要不要来碗鸡汤,或者叫个外卖？甚至直接线上订购一瓶止咳糖浆一小时内送货上门？

说真的,妹子要真有这么一个贴心助理,还要什么男朋友？

从这个角度来说,Alexa作为个人生活助理的角色会得到进一步的加强。比如将其和手机音乐、电商APP等业务进行连接,在感知到你比较悲伤的时候为你唱一支快乐的歌,或者为你购买一盒甜品来让你通过食物获取愉悦感等。

由此而往,Alexa很可能将开启一种全新的语音购物推荐方式。与传统的通过捕捉用户的浏览记录、搜索记录或者通过“窃取”其他用户在手机其他APP上留下的隐私足迹,然后进行毫无目标的泛化、低效的推荐不同,通过感知情绪和问询来为用户进行购物推荐,能够获得更高的成交效率。这无疑将对电商形成巨大的吸引,也是可能成为Alexa获利的一种新的商业模式。

当然,现在这种可穿戴设备尚且处于研究的早期阶段。亚马逊并未完全确定是否执行此项计划。如果技术可行的话,才会进一步地去进行设计。我们这样长篇大论似乎有“过度解读”之嫌。

但在这个时代,最不可小看也最无法预测的,就是技术的走势。如果它真的走入了现实,或许还真有一些东西需要认真对待并妥善解决。

谨防“服务”变成“买卖”
首当其冲需要被关注的,就是我们不厌其烦地再三提及但也不得不提的隐私问题。

隐私数据是互联网时代不可回避的,用户提供自己的数据以获取服务这种交换每天都在发生。在各种APP中,为了改进产品的使用体验,服务商一般都会明确告知会搜集用户的部分隐私数据,并且仅用于改进产品之用。但这种话向来被认为是鬼话,尤其是Alexa还是有前科的——echo就不止一次被用户曝出偷听用户和私自收集隐私的劣行。

但如果是做成监测健康和识别情绪的穿戴设备的话情况又不一样了。智能音箱正常情况下是需要唤醒才能工作的（我们假如非正常情况不存在……）,而智能手表等可穿戴设备需要全天候地开启,也就是说它随时随地都在感知着你的变化……想一想,有个东西默默地掌握着你情绪的一切,然后很有可能在背着你做着一些不知情的事情,是不是有点害pia？

获取隐私的边界在哪儿,是需要解决的第一个问题。

其次,需要警惕它由一种私人服务“异化”为不合理的商业用途。上文我们分析过的,它可以和电商达成一种合作,形成一种新的购物模式。但是,如果它所推荐的商品或者商家都是“充值”过的呢？你以为被推荐的商品是最合适的,没想到却是给钱最合适的……利用用户的情绪进行商业分发,显然会给用户添不少堵。

从这个角度来说,如何划分服务和商业的界限,也是需要重点关注的。

最后,每次觉察到人的情绪变化,都会及时做出反应,很可能对人产生两个截然相反的影响。

一是过分地依赖。情绪不好有它安抚,情绪愉悦有它“锦上添花”,将会让人顺着天性而行,缺乏自主的情绪调节能力。成年人还好,如果是儿童的话将很可能对其性格的形成产生不良影响。如何限制儿童使用此类产品,就会成为一个新问题。

二则是引起反感。人与人性格不同,有的人可能会喜欢被安抚,但有的人如果事无巨细都要被“嘘寒问暖”,反而会引起精神的烦躁。这点很好理解,就跟你嫌爸妈唠唠叨叨是一个道理。那么,如何掌握好既能通过察觉情绪提供贴心的服务、又不至于引起反感的节奏,也是个技术活儿。

从总体上来说,Alexa如果能基于情绪识别提供正向的服务的话,还是很值得肯定的。毕竟人机交互到最后阶段,是不可避免的要进行情绪上的碰撞；而基于此提供一些商业化的服务也无可厚非。但由于情绪的私密性和个人化色彩,无论是Alexa还是其他提供类似语音技术服务的公司,都必须要在符合伦理常识和保证体验的前提下,提供有分寸、有边界的服务。

否则的话,被用户抛弃将会是注定之事。

5月27日,备受关注的2019第五届中国（贵阳）大数据交易高峰论坛暨“一带一路”数据互联互通国际峰会拉开帷幕。

　　在此次以“贡献中国数据智慧、推动数据互联互通、构建全球数据生态”为主题的高峰论坛上,多位政府官员、专家学者和企业高管表示,大数据发展为我国绿色发展提供了一个重要途径,已经成为提高政府财政收入的有力工具。在坚守 数据安全 底线的基础上,打造产学研用相结合的大数据发展生态刻不容缓。

　　开拓创新型大数据交易体系

　　贵州省政协副主席、秘书长任湘生在致辞时,回顾并展望了贵州大数据产业发展的情况,对大数据交易产业发展寄予厚望。

　　任湘生说,期望大数据交易发挥好汇聚数据资源、融合数据资源的重要作用,尽力打好前哨,推动大数据应用不断拓展。

　　同时,制定大数据交易关键共性标准,不断完善大数据交易体制机制建设,在坚守数据安全底线的基础上,打造大数据交易生态,创建产学研用积极互动的良好格局,开拓发展创新型大数据交易体系。

　　重新构建大数据版图

　　清华大学新闻与传播学院院长、原国家新闻出版总署署长柳斌杰,就“打通数字鸿沟,开发数据资源”发表主题演讲。

　　柳斌杰表示,发展大数据产业要深度挖掘人类创造的数据资源宝库,不仅要高速收集已经数字化了的各种流动、交易的数据,还要激活沉睡在各个角落的数据,让所有的数据活起来,重新构建大数据版图,真正做到数据共享。发展大数据是推进智能化建设的必经之途,大数据是人工智能的基石。

　　智慧城市本质是大数据驱动的管理与发展

　　国家信息中心副主任、国家发改委互联网大 数据分析 中心副主任马忠玉发表题为《大数据及其在智慧城市建设中的应用现状》的主题演讲。

　　马忠玉表示,智慧城市的本质,是大数据驱动的城市管理与发展。大数据的本源在于数据的联通、共享、加工与算法。智慧城市核心,是要构建智能化管理与服务系统并实现O2O的城市大脑。

　　他还强调,智慧城市能否成功,关键在于城市管理理念和方式要全面改变。智慧城市建设要聚焦事物的本质,即建成真正智慧的城市大脑,能够输出优化的城市管理与治理方案,从“城市战略目标”到“部门业务目标”、“信息系统目标”的设计,要贯穿这一重要理念。他说,智慧城市设计、规划、建设,不是信息和通信技术的堆积,而是数据的采集与加工。

　　大数据对绿色发展具有重要促进作用

　　清华大学中国经济社会数据研究中心主任、国家统计局原副局长许宪春发表了题为《大数据与绿色发展》的主题演讲。

　　许宪春认为,实现我国绿色发展的关键途径在于加快产业结构转型升级,加快新经济发展,而大数据在其中发挥的作用不容小觑。研究大数据对绿色发展的具体影响,有利于推动绿色发展取得实质性进展。

　　他表示,大数据在资源整合、科学决策、平台建设、环境监管等方面,可以为绿色生产、绿色生活、美好环境提供重要的手段和保障。第一,通过大数据整合资源,促进产业转型升级,实现提质增效；第二,大数据通过建立公共服务平台和数据库推动绿色发展；第三,通过大数据保护生态环境,建设环境监管体系,将促进绿色发展。

　　“当前,传统的经济增长方式不能再继续,大数据对绿色发展具有显著的正外部性,大数据的开发利用对绿色发展具有重要的促进作用。”许宪春说。

　　五大策略应对新形势下数据安全挑战

　　中国网络安全审查技术与认证中心党委书记兼副主任王连印在题为《新技术环境下的数据安全问题》的演讲中,阐述了新形势下的数据安全体系建设的关键点。

　　王连印表示,目前我国数据安全工作在法治、政策、标准、技术等各方面都有了发展的指引和基本遵循,取得了一定的进展。如今在数据安全上面临泛在化、融合化、全局化的诸多新挑战。为了适应新形势下我国数据安全保障的需求,应重点加强以下工作。

　　首先,从全球视野看待数据安全问题,只有立足开放环境,加强对外交流、合作、互动、博弈,吸收先进技术,网络安全水平才会不断提高。

　　其次,对重要行业和领域,以及可能严重危害国家安全、国计民生、公共利益的关键信息基础设施,在网络安全等级保护制度的基础上,实行重点保护。

　　再次,新技术已经成为数据安全防护的重要途径。利用大数据和人工智能进行态势感知,进行风险识别、研判和预警,解决信息安全问题。

　　第四,依靠法规标准解决数据安全问题,加快关键信息基础设施识别、保护框架和实施要求等方面的法律法规、技术标准和规范。

　　最后,加强数据保护与使用,制定出台个人信息保护相关法律配套的制度文件和标准规范,通过管理制度设计和技术防护措施保障数据不被篡改、不毁坏、不丢失。

　　数据财政替代土地财政成为一种趋势

　　作为全国首家大数据交易所,贵阳大数据交易所已赢得数千家会员认可,成为国家大数据（贵州）综合试验区首批重点企业,参与了国家大数据政策、标准等的制定及国家科研项目。贵阳大数据交易所执行总裁王叁寿围绕“从土地财政到数据财政”发表了主题演讲。

　　王叁寿表示,数据财政替代土地财政成为一种趋势,激活政府数据价值的意义不亚于30年前的土地改革。大数据是提高政府财政收入的有力工具,实现数据财政的重要方式是数据资产运营。

　　近20年来,政府通过盘活土地资源,实现了经济高速发展,城市现代化进程得以加快。然而,随着时代的发展,当前土地财政明显已经难以为继,大数据的出现为新时期发展注明了新的内涵与外延,为国际竞争、地区转型、技术创新、经济发展及社会治理开辟了新路径。“盘活政府数据资源,建设数据财政架构的时机已经悄然到来。”王叁寿说。

　　王叁寿认为,目前我国数据资源80%以上掌握在政府手中。无论是从数据资源分布特点,还是从数据资源质量来讲,政府数据是现阶段数量最庞大、价值密度最高、涉足广度最宽的数据资源,涉及工商、税务、司法、交通、医疗、教育、通信、金融、地理、气象、房产、保险、农业等众多领域。

　　财政收入增长的新逻辑,在于激活数据、融通数据、变现数据,运用好大数据工具是实现这一目标的最佳途径。“用增量改革促存量调整,激活政府数据价值是最大的供给侧结构性改革。”王叁寿如此判断。

活动背景：

　　大数据带来了新的数据处理方式和利用方式,也带来了基于数据的智能应用。作为数据密集型应用的领域,政府数据的采集和利用正带来新的政务服务和管理方式。大数据正带来数据驱动的数字政府建设,并推动互联网+政务、互联网+监管的深化应用。

　　2019年7月7日,由芜湖市人民政府指导,中科大智慧城市研究院、CIO时代学院、光明网主办,北达软、政府采购信息报协办的“第十三届电子政务高峰论坛”将于安徽芜湖拉开帷幕。我们将邀请到政务领域知名信息化专家、CIO时代学院学员、政府CIO论坛成员、政府机构信息中心主任、电子政务和智慧城市管理者等人群参加本次活动,共同探讨大数据与数字政务建设新趋势。

　　活动概况：

　　活动主题：大数据与数字政务建设

　　指导单位：芜湖市人民政府

　　主办单位：中科大智慧城市研究院、CIO时代学院、光明网

　　协办单位：北达软、政府采购信息报

　　活动时间：2019年7月7日

　　活动地点：安徽芜湖

　　近年来电子政务高峰论坛的主题涵盖了智慧城市、数字政府、新一代信息技术创新等,每年一度连续十三年,携手专家大咖齐聚一堂来探讨当下电子政务最热话题。那么如何大数据与数字政务建设有哪些新趋势?如何利用数据驱动实现政务建设新场景?以及如何把握好应用变革的大方向?第十三届电子政务高峰论坛报名热潮来袭,相聚芜湖,邀你来参与。

随着中国市场渠道红利日渐消失,精细化运营与国际市场拓展成为了零售行业的大势所趋。如果说过去的20年,是国外零售企业“走进来”,与本地企业一起推动中国市场走向繁荣的20年。那么未来20年,则是中国零售品牌“走出去”、大力开拓海外市场的黄金时代。
在走出去的过程中,不少潜在的问题困扰着这批企业。本该致力于快速拓展的前线运营团队,却会因为流程断点等问题而消耗有限的精力；本该致力于为一线提供卓越服务的支持团队,却会被陷于成天忙于解决订单支付、成本分配、税率差异等基础性问题；本该运筹帷幄的跨国管理团队,限于数据仪表盘的精准程度,管理决策仿如隔山打牛。从表面上看,这是一系列孤立的技术问题,实质上却是任何一个成功的本土企业逐渐进化为跨国企业的过程中,所必然经历的“成长的烦恼”。
与此同时,随着AI、自动化、 区块链 、物联网等新技术的日趋成熟和融合,一个新的商业时代正在来临。企业需要充分利用这些呈指数级发展的技术,“由内而外”地展开全面的数字化重塑,进化为“认知型企业”,从而更好地应对复杂的客户需求和多变的竞争环境。
作为中国线下新零售的标杆,名创优品在实体零售被唱衰的大环境下,以独特的定位,"优质、创意、高性价比"的产品获得了市场青睐,创立不到6年,就在全球开出3600多家门店,实现170亿年营收。在品牌迅猛增长、全球市场发展突飞猛进的同时,名创优品也意识到,不同于国内市场,众多海外市场在地域、语言文化、政策、法律法规等方面存在巨大差异,形成了错综复杂的市场环境。如何实时掌控80多个国家各门店的经营状况；如何快速完成20000多个产品的认证和准入；如何洞察全球消费者的个性化需求,并将需求快速传递给1000多个供应商；如何将货品准确快速的配发到全球3600多家门店,服务全球3亿多消费者？这些是名创优品面临的一系列挑战。
2017年,名创优品携手IBM,打造以SAP为核心系统的全球业务运营服务平台,并通过大数据的决策与分析,展开了包括供应链、运营、财务、物流、人资等在内的全方位的数字化变革,以实现一体化的精细化运营,支持其在全球的快速扩张,并在这个过程中逐步走向认知型企业。
全球商品精准采购补货,快速周转：新制定的商品管理体系,建立涵盖计划、研发、采购、生产、配送等环节的集团级数据管理平台,可以实现精准采买、补货,提升单店单品配置准确性,同时实现采购业务与供应商的有效协同,快速响应市场需求。全球各门店可以根据实际需求制定采购计划,根据销售进度及时找供应商补货,也可以根据历史数据和经验有针对性地制定促销方案。在各环节数据联通,紧密衔接的情况下,很多门店已实现滞销品减半,库存周转率提高三分之一,人效提升一倍。
全球运营实时掌控,及时响应：新设计的系统化开店管理流程,改变了主要依靠人工管理且进度不透明的情况,实现各部门之间的协同以及开店进度的可视化管理。同时在多语言、多税务、多币种的复杂环境下,高效整合零售、促销、库存管理、现场管理等环节的终端数据,实现了门店运营数据的可视化。如此一来,名创优品就可以告别以往需要几天甚至一个月才能看到整体销售数据的情况,可以及时掌握全球每个国家每天的销售情况,并能及时发现和处理负毛利商品、滞销、缺货、负库存商品等终端运营的异常状况。
全球业务财务一体化,风险可控：业务财务一体化的实现,可以大大提高名创优品账务处理的及时性、准确性、标准化和自动化程度。涵盖多准则同步记账的财务体系,可以满足全球化财务管理的需求,不仅实现总部财务规则上传下达的及时性、准确性,还能更好的符合不同地域的财税要求,降低财务风险,实现高效的内审、内控和共享合规需求。比如,毛利低于一定程度,系统会自动限制该门店该商品的销售；库存超标,系统则自动限制对应商品的采购订单,违反各地区税收和财务规则的业务举措也会在系统中受到限制。
人力资源管理标准化,信息在握：零售企业的人力资源相对分散,在以往的人工模式下,人员的结构、汇报关系、流动情况等信息往往得不到及时的掌握。结合各国零售行业人力资源管理的特点,新搭建了标准的组织结构、岗位职级体系,不仅可以实现全球人力资源的规范化的管理,还能实施掌握人事信息,员工可以自助查询申请进度,经理在线审批,查看团队成员各类信息,从而有效支撑公司的业务发展和领导决策分析。
目前,项目第一期已于2018年8月在美国和印度尼西亚成功上线,2019年上半年则覆盖了中国、印度和泰国等国家,计划下半年推广到其他国家,并在未来逐渐完成80多个国家门店的平台建设。如今,不论在哪个国家,或者其他国家与中国总部之间,系统、流程之间数据信息的实时连接和打通,能够让名创优品见微知著,真正做到以小见大,以不变应万变。
名创优品全球联合创始人兼首席执行官叶国富表示：“随着名创优品国际化步伐的加快,公司需要将消费者的需求快速传递给全球供应商,将货品准确快速地送达全球门店,并实时掌握全球各个国家的经营状况等。与IBM的合作正在为了帮助我们打造和巩固这些能力,这有助于我们加快国际化步伐,尽早实现百国千亿万店的中期目标。IBM拥有丰富的行业经验和很多全球化的成功案例,在商品企划、运营、人才本土化等方面给了我们很大支持,是一个企业走向全球化的最好帮手。”
IBM大中华区全球企业咨询服务部总经理麦俊彦表示：“AI、 云计算 和大数据等新兴技术的日渐成熟与融合,带来产业变革的新机遇,锐意创新的企业正在积极地展开由内而外的重塑,形成和巩固差异化竞争优势。我们很高兴能与名创优品合作,依托IBM的国际化资源与经验,尤其是IBM在零售行业的深厚积累,以及端到端的咨询服务优势,帮名创优品展开数字化重塑,形成全球化平台服务能力,助其在全球快速扩张,并在这个过程中迈向认知型企业。”

近两年,企业级市场迎来了久违的爆发性增长,归结原因不外乎三点：首先是网络能力,伴随通信基础网络建设逐渐增强,无线网络即将迎来5G时代,有线网络百兆日趋普及,同时三大运营商在政策指导下积极实践“提速降费”,对于用户而言,使用网络和流量不再是“奢侈”的事情,这也为互联网创新和服务升级奠定了坚实基础。
其次源于客户需求,各行业的转型升级浪潮要求通信方式变革,适应业务创新的需求,企业内外部沟通已从早期单纯的话音、短信等逐渐发展为基于互联网形式的即时通讯、实时音视频等多种交互方式,这不仅是技术和产品形态的创新,更是企业级客户的实际诉求,在全球信息化浪潮的推动下,中国传统企业的数字化转型和信息化改革也在快速推进,未来ICT技术将成为像水电气一样的基础设施,供信息化转型的企业随时随地随需使用。
最后是技术革新,以大数据、 云计算 、人工智能为代表的新一代信息技术正不断改变传统的互联网产业格局,越来越多的企业希望借助新技术实现自身的产品能力升级,以此在新一轮的数字化革命中占据核心位置,深入推动产业互联网、工业互联网版图的扩张。企业级通信服务也是如此,正在从简单的办公交流,逐渐融入到企业的生产体系和应用领域,企业级通信未来无疑将朝着云化、全融合、全场景的方向驶去。
正是基于以上市场诉求,企业级通信市场成为了各方高度关注和逐鹿的重要领域,当腾讯、阿里等BAT巨头纷纷从To C端转头攻入To B市场后,企业级市场注定是波澜不断,谁会在激烈的市场竞争中拔得头筹,什么才是企业通信下一个“黑科技”,业界拭目以待。
艾瑞调研报告显示,在国内即时通讯云业务市场统计中,融云位居市场占有率榜首,这已经是融云蝉联第一的第四个年头。提起融云,也许业界对这家公司并不十分熟悉,但在企业级通信云服务市场上,融云可是一名合格的“老兵”。
融云成立于2014年,自成立之日就将目标锁定在了“即时通讯云”,由于该公司的技术骨干全部出自当时的飞信团队和三星研究院,这让融云在即时通讯技术拥有了天然的核心技术实力,可以将高质量的即时通讯能力封装成SDK提供给广大开发者和产业合作伙伴。
正是凭借核心技术的领先优势,低调的融云先在互联网市场打开局面形成了市场深耕,然后又于2017年拓展至企业级市场,渐渐形成了稳固的客户群体,应该说,口碑先于品牌建立。
如今,在融云公有云平台上,日常活跃人数已经超过了7000万,平均每小时的信息交互量近10亿条,融云SDK触达用户数全球突破30亿。能够拥有和运营如此庞大用户基数的通信云平台,除了要感慨下中国这一得天独厚的市场环境之外,我们更好奇的是,融云是如何做到的？
近期,通信世界全媒体记者独家采访融云CTO杨攀,解开企业级通信服务独角兽——融云背后的技术奥秘。
融云CTO杨攀（右）接受通信世界采访
企业级服务“理想美好,现实残酷”
据相关数据统计,截至2017年12月,中国即时通讯用户规模已经达到了7.20亿,较2016年底增长5395万,增长率为8.1%。在如此前景可期的市场发展下,来自IT、互联网乃至电信运营领域的企业都看准了企业通信服务这块“大蛋糕”,希望在未来盘子做大时分得一杯羹。
然而“理想美好,现实却残酷”,企业级服务是典型的非标服务,这意味着每一家企业都会根据自身的情况和需求提出千差万别的个性化需求,而如何能够满足这些非标需求则是很多“后进者”的市场门槛。毕竟对于那些互联网企业以及电信运营企业而言,一直提供的都是标准化、通用化服务能力和平台。
而在医疗、教育、金融、游戏、房产、智能硬件等众多领域已经积累众多行业客户的融云却深谙企业级服务之道。对于制胜的秘诀,早已身经百战的杨攀似乎有太多感受,但总结起来只有两句话：对技术心存敬畏之心,唯有客户不可辜负。
“这两句话也是融云的企业文化和价值观,我们是一家技术型公司,对于技术的不断追求和突破是融云得以发展壮大的根本,所以公司的每一位员工都会谨记,唯有不断提供更好的技术和产品,才是融云对于客户服务最好的诠释和表达。“杨攀如是说。
据了解,融云的即时通讯服务集成融云SDK,可实现单群聊、私信、红包、图片、语音和小视频等通信能力,也可以为企业客户提供私有化部署以及个性化的定制,同时融云提供开放平台与主流办公软件如OA、CRM、ERP等服务商实现对接,让通信真正融入企业流程和日常运营,帮助企业实现办公与沟通的高效协同。
据悉在过去,融云主要以互联网客户为主,但近几年,伴随国内信息化浪潮席卷而来,传统企业和政府机关对信息化和数字化有了更明确的需求。如何通过信息化手段实现产业升级和内部流程改造,成为了很多传统大型生产企业以及企事业单位的重要命题。融云从中看到了商机,在2017年大跨步挺进了企业级市场,依靠自身过硬的技术实力和平台运营能力,融云实现了企业级服务的快速扩张,成为了IM“亿级俱乐部”的重要玩家。
融云企业IM应用场景
玩转企业级通信先过“亿级”门槛
为何企业级通信服务市场一定要提及“亿级”这个数量单位？ 能够支撑每分钟10亿条高并发场景是通信云的“试金石”,是考验通信服务能力的重要指标。融云在公有云市场通过为客户服务经受了“亿级高并发” 的考验,这种能力为企业通信级市场提供可靠保障。
一些体验过企业IM的用户告诉记者：在信息化转型需求下,很多企业办公信息化提供商都声称自身具备IM能力,但问题在于,每当迎来高峰时段或登录用户太多,系统就会出现各种“不稳定”,严重时甚至还会宕机。
也就是说,提供企业级通信服务并非难事,但如何在高并发、大流量的情况下依然能够保证正常运行才是核心所在。目前,尽管市场上能够提供即时通讯、实时音视频服务的厂商有很多,但深究起来,真正能够支撑“亿级高并发”的平台,也只有微信、融云等少数几家企业而已。
对于极度苛求服务和质量的企业客户而言,对出现“卡顿、丢包、延时”等问题都是“零容忍”——任何一次微小的网络抖动或者数据丢包的背后,所影响的可能是大型企业的跨国谈判、关键行业领域的一次重要数据传输。
这是企业级通信云服务的特殊属性,也是很多通信云服务商对于企业级市场望而却步的主要门槛。高质量、稳定性、安全性——企业客户对于通信云服务的核心诉求从未改变。融云深知其中道理,对于技术的追求从未停歇。
杨攀告诉记者：融云的员工里,80%都是技术人员,我们还特别成立了一个团队,主要职责就是通过AI算法去分析所有能够获得的链接质量日志,网络日志等,针对那些网络崩溃和异常做分析并及时反馈给相关部门,然后在下一个版本进行迭代和优化。“虽然每次只能优化一点点的问题,但日积月累下来却能够产生质的飞跃。”杨攀这样表示。
安全和可靠是企业级通信服务首要保障
安全和可靠是企业级通信服务的首要保障,为此融云在产品和服务上不断精益求精,首先在平台搭建上,融云通过成熟的私有通信协议和完善的代码结构,实现了亿级并发的高性能、分布式的微服务方式、集群化的部署；在系统稳定性方面,融云选择与全球最优秀的IaaS云服务商联手搭建通信加速网,对数据进行透传,不涉及传输数据的落盘存储,并且传输链路进行了加密,保障 数据安全 的同时也最大限度降低了网络延时和网络丢包等问题；在安全性方面,融云形成了一套独有的“四层五防”安防体系。
经过长期的技术积累和运营打磨,如今融云的通信云服务能力在业界已经有口皆碑,同时也成为业内唯一一家公开向客户承诺“信息不丢、不重复、不乱序”的企业。
据悉,融云独有的“四层五防”安防体系,即为客户建立了从客户端、链路、服务器到运维管理全维度安全防控；下沉到业务层,融云还针对客户以下五种场景进行安全防护,由此可以避免通讯链路被窃听、客户端被破解、信息存储被盗取、认证信息被窃取,甚至是员工手机丢失造成的信息泄露。
业务升级从“即时通讯云”到“互联网通信云”
在融云看来,当下企业级通信服务正在迎来产业升级换代的关键期,传统的即时通讯服务在ICT新技术的带动下实现进阶。为了抢占产业核心位置,融云在今年开辟了全新赛道：在原有的即时通讯业务基础上,引入了实时音视频业务线,实现了基于IP通信的全场景通信能力,融云的业务赛道也从“即时通讯云”拓宽至了“互联网通信云”。
融云全新定位：安全可靠的全球互联网通信云
在杨攀看来,增加实时音视频业务线是大势所趋,电信级网络不断拓宽已经为互联网产业发展构筑了坚实的平台,人们线上交互沟通的方式也在更新迭代,正从最初的图文短信到语音通话,发展为如今的视频交流,乃至即将到来的物联网通信。
“融云看到了这一趋势并将其引入到企业级市场,希望借此为客户实现全场景化的通信能力,以公有云、私有云及混合云的方式帮助企业推进数字化转型。”杨攀如是说。
据介绍,目前融云的实时音视频业务主要包括实时音视频通话、千人会议、会议控制、互动白板、屏幕共享、录音录像等功能。同时可以对接语音转文字、人脸识别、CDN推流等系统。融云实时音视频具备部署简单、扩展灵活、容错容灾、网络优选与弱网对抗等技术优势,以保证低成本地输出高性能的实时音视频能力。
有了实时音视频业务的加持,融云也可以定制出更加贴近应用场景和用户需求的解决方案,目前已经在各领域得到了广泛应用。“我们不会盲目扩张,而是一步一个脚印地走好企业通信市场的每一步,以扎实的技术功底和完善的解决方案为企业通信赋能。”杨攀这样表示。
据悉,为了保证全球通信服务能力的提供,融云也在全球设立了多家数据中心,具备3000多个加速点,其通信网络已经覆盖全球233个国家及地区,为中国“出海”企业和拥有全球化运营需求的企业提供全球化通信加速网络的唯一选择。
融云全球通信服务覆盖233个国家及地区
而在未来,性能和安全依然是融云产品不变的服务理念,融云将依托自主搭建的全球通信网络,通过混合云的模式为各类客户,打造让客户放心的“全球互联网通信云”,以“敬畏之心”继续加大技术研发力量,实现核心技术的不断发展与突破。

“大数据”如今已渗透到人类生活的方方面面。随着各种数据库的大量出现,传统文史研究也发生了变化。近年来,与“e考据”和“数字人文”相关的研究日趋增多,因此,进一步探索如何更切实地将理论、方法与研究实践有机结合,就变得十分重要。扬弃既有研究成果 大数据时代对传统文史研究产生的影响,首先表现在资料上。近些年新推出的电子资源在内容上甚至有超越传统出版物之势,检索的快捷性和精确度,可以令学者省却翻检群书、游历访书之劳。在这样的学术环境下,探讨某些疑难问题可能只需简单检索,许多“悬案”的解决难度也相应大幅度降低。前人因资料局限而不得不大量运用的“理校”“推论”“悟证”诸方法,在大数据时代无疑要重新进行扬弃。在学术史研究中,清人往往因所见善本不丰而大量运用“理校”法展开研究,其中有的结论或与善本相合或遭善本否定。今人既然已经能够在研究中大量占有善本供校勘,那么这种研究方法虽仍有学习的必要,但其实用性也难免会打些折扣。大量新材料理应引发大量新结论,一些“常识”或“定论”必然也会随之遭到质疑甚至颠覆,这对于现有的研究自然会有相当明显的刺激作用。近年来学界对于近代学人的成就时有争论,原因之一就在于当时学者以一人之力所做的资料性工作,精度和效率都很容易被数据库所超越。不少在民国时期“古史辨”中几乎成为公认的定论,随着出土文献的发现而被推翻（典型的例子如对《孙子兵法》的辨伪）,足见新材料在某些研究领域确实处于相当核心的地位。通过数据库重新打捞那些以往不被关注的文献,这实际上仍是发现新材料,其性质与考古相似,亦可称之为当下的“预流之学”（陈寅恪：《敦煌劫余录序》）。与此相关的一个问题是,在超过120亿字的可检索的古典文本,以及各种不同类型的数据库中,还蕴藏无限问题可供发掘。而这些数据资源能否被学者使用,很大程度上取决于其所在单位购买的数据库数量。在高校间已有明显“数位落差”的现实条件下,学者个人的学术水准有可能受到所处文献环境的制约,而不同文献环境导致的信息素养的差异可能会进一步拉大这一差距。数据库大量涌现,学术评判标准也会发生变化。出于“功利”眼光计算,当代学者费尽周折的考据工作,很可能被下一代学者轻易解决。其原因并非人的智力、才能有别,而是文献环境不断变化提供的巨大方便使然。一代有一代之学术,面对不同的环境,学术范式也应随之转移。所以,当下正是海量文献可供使用、可以大有作为的时代,也是考据研究缺乏亮点而趋于同质化的时代。换言之,即使是在数据仍未被充分电子化的当下,考据研究的合法性也正在受到冲击。一般性的文献挖掘仍然重要,但能够解决核心学术问题的研究更为重要。　　引发学术伦理讨论 在电子检索受到学界瞩目的同时,一些批评尤其是对于学术伦理的讨论也随之热门起来。电子检索的高效快捷,令不少学者担忧其可能引发更严重的学术不端。比如,有的研究者可能对相关领域了解有限,但在检索工具的助力下仍敢匆匆上马,轻易立说；有的研究者征引繁复,可谓博瞻,但实际上许多材料是脱离语境的“遥读”,经不起细加辨析；有的研究者过于迷信电子文本的全面性,但却因此而忽略了那些未被电子化的文献；有些电子文本存在错误,研究者未核查原书导致误引误断；等等。对这些实际存在甚至时显泛滥的问题,我们可以尝试从以下几个方面来进一步认识。首先,技术本身是中立的,上述批评很大程度上是在针对研究者个人的文史素养和治学态度,并未否定技术能够令优秀学者如虎添翼。而擅长检索的学者也能够认识到文史素养的重要性,并非一味依赖电子资源。从现实情况看,电子技术确实使那些曾经看上去遥不可及的一流学者（尤其是实证型学者）,变得可以企及了,这至少是正在提升学术研究的平均水准。校勘、笺注、考据中的一些前期工作,可由计算机更精准地代劳,在人机结合的研究过程中,“高明子弟,自然沉潜”。其次,当下的电子文本绝非完美,即使是扫描版也往往不能完全忠于原书,引用之前必须与原始文献核对,不能径用。但这恰好说明,现在的数据库还没有脱去以往“工具书”的性质。前人做研究,亦会查阅类书、索引等,甚至常有转引、代查的现象,这证明“工具”本来也不被排斥。如将数据库理解为一种高级的“逐字索引”,则其学术价值自然彰显。此外,纸质文献（尤其是整理本）同样常常有误。古籍校勘中,也多有以“通行本”为底本的典范。事实上,核心问题不在于当下的电子文本有多少具体错误,而在于能否使注释具有可回溯性和规范性。如果一味排斥征引电子文本,很可能也会使数据库开发者缺乏将电子文本精确化的动力。　　促进材料深度辨析 一般观点通常认为,电子检索作为一种“捷径”,往往令学者过于重视关键词,却忽视同一词语所处的不同语境。时代的风气、作者的习惯、史料的性质等,都在大数据时代的考据中付之阙如。在笔者看来,这种弊病在传统文史研究中同样并不少见,却有可能在大数据时代觅得新的解决契机。首先,大数据时代资源丰富,找寻辅证、反例的难度都较以前小,可以在一定程度上防治孤证武断,并有益于深入理解史料所处的特殊语境。其次,当大数据呈现出全部信息时,可以在多方面帮助学者辨析问题,甚至可以用“结构取义”的方式展开新的研究思路。例如高树伟在研究《永乐大典》的辑佚条例时,推翻了认为《大典》“直取全文”的成说,并且依靠海量文本对校的方式,提出了《大典》征书的新通例。这一认识既变,或许在一定程度上可以借助通例建立参考系,并以此来重新认识前人辑佚的成果,不妨称之为类似于“理校”的“理辑佚”。黄一农最近在脂批本“宁”字抄写避讳的研究中,也提及抄本研究应建立参照系,这些见解似可遥相呼应。又如在文本细读工作中,作者究竟是直接使用某一典故,还是受到文化传统影响,实际存在多种可能。笺注、考据家往往侧重于锁定甲乙间的因果承袭关系,但容易忽视文化大传统的潜在影响。近年来古代文学研究引入“互文”理论,尝试说明这种影响往往是网络状、多源多流的。张昊苏在此基础上提出“e互文”思路,意在指出大数据时代有助于深入理解这种多样性。借助大数据提供的便利,考据学出现了“后发先至”的现象。前辈学者经年研究的难题,很可能被新一代学人在短时间内解决。至少在这类问题上,信息素养的意义很可能要高于传统知识体系,掌握查找知识的能力很可能也比掌握知识更为高效且重要。这里并非是说新时代的学者可以不掌握知识而解决问题,而是说,信息素养可以出于研究的需要,迅速进入新的领域并建构具有针对性的知识体系,这种大幅度的跨界是传统学者较难做到的。当然,就目前的研究状况来看,大数据时代“数字人文”研究还没有作出第一流的成果,多数成果仍然是在研究具体问题,而尚未建立新的范式。但近十余年来这一领域的学术积累正以指数级速度增长,足以令人期待由“量变”产生“质变”。或许,未来传统学者也应该未雨绸缪,需要考虑能否做出不被数据库遮蔽、凸显研究者个性的学问。（作者单位：南开大学文学院）来源：中国社会科学网-中国社会科学报 作者：张子轼 声明：本文图片来源于“东方IC” 获取更多学术资讯 请关注中国社会科学网官方微信公众号cssn_cn

随着信息技术和人类生产生活不断融合,互联网快速普及,全球数据呈现爆发增长,这对经济发展、社会治理、国家管理、人民生活都产生了重大的影响。当前全球大数据正进入加速发展的时期,技术产业应用创新不断迈向新高度。
近日,国家统计局与联合国经济和社会事务部将在杭州建立大数据研究所,这是联合国机构首次与相关国家合作建立大数据研究所。这一项目能够充分发挥中国地方政府和企业在大数据领域的先发和引领优势,重点聚焦新技术、新产业、新业态,更好服务于经济和社会发展。
权威国际研究机构预测,到2020年,中国数据总量将会超过8万亿GB,占全球数据总量的20%左右。我国正在成为数据量最大、数据类型最丰富的国家之一,这样规模化的优势为创新发展提供了关键要素。由此可见,我国大数据发展也正在快车道上不断前行。
数据是最有价值的战略资源
众所周知,大数据具有容量大、类型多、存取速度快、应用价值高等主要特征。大数据的集合过程,就是对来源分散、数量巨大、格式多样的数据进行采集、存储,并进行关联分析,从而发现新知识、创造新价值、提升新能力。大数据时代,正是从“人人互联”逐步延展至“人机交互”“物物相联”,发展空间无限广大。
工业和信息化部总经济师王新哲在2019大数据产业峰会上指出,大数据是新时代的“数字宝矿”,是当今世界最有价值的战略资源。大数据与5G、 云计算 、人工智能、工业互联网等新一代信息通信技术结合,从根本上改变了经济发展的模式,重塑了全球产业链分工。近年来,我国大数据产业蓬勃发展,产业规模日益壮大,融合应用不断深化,数字经济量质齐升,对经济社会的创新驱动、融合带动作用显著增强。
作为产业发展主管部门,工业和信息化部将扎实推进大数据战略,深入推动大数据与实体经济融合发展,加快发展壮大以数据为关键要素的数字经济,为促进我国经济实现高质量发展提供重要支撑和保障。具体而言,工信部将重点做好6个方面的工作：一是完善网络设施,夯实发展基础；二是推动协同创新,增强发展活力；三是深化融合应用,拓宽发展领域；四是构建支撑体系,优化发展环境；五是增强安全保障,促进健康发展；六是加强国际合作,推动开放发展。
从政策推进到行业应用,我国大数据产业发展均呈现积极向上的势头。中国通信标准化协会理事长奚国华指出,我国发展大数据有四大特点。
一是中国将发展大数据上升为国家战略,并持续深入推动。这种持续性的方向引导和顶层设计,使我国在大数据发展规划布局、政策支持、资金投入、技术研发、创新创业等方面均走在了世界的前列,尤其是在应用市场上。
二是数据资源内容丰富,从人人互联走向万物互联的格局形成,新形态不断出现,零售、医疗、交通、能源等率先沉淀大数据资源。
三是技术产业快速壮大,我国大数据软硬件自主研发能力正在提升,新兴专业化大数据企业创新活跃,我国独有的大体量应用场景和多类型实践模式,促进了大数据领域技术创新能力处于国际领先地位。
四是融合应用蓬勃发展,无论是从新增企业数量、融资规模还是应用热度来说,与大数据结合紧密的行业正在从传统的电信业、金融业扩展到健康医疗、工业、交通物流、能源行业、教育文化等行业,行业应用脱虚向实趋势明显。
大力开发数据资源,赋能各行各业
随着大数据与实体经济的融合更加深入,精确营销、智能推荐、应用信用评价等不断普及,个性化定制趋势明显,智慧医疗、智能交通等新模式、新业态不断涌现,为培育新兴产业提供了广阔的空间。而跨行业、跨领域的大数据资源开发,唤醒了越来越多“沉睡”的数据,开发出层出不穷的新数据。
我国大数据产业的发展离不开政产学研用各方通力配合,一方面,大数据服务于企业,海量的数据已经成为企业最具价值的财富,发展“数字经济”已成共识,大数据技术的应用场景也越来越广泛。比如电商巨头阿里巴巴,从市场营销到平台设计,从市场预测到决策支持,从效能提升到运营管理,从云计算到人工智能,都在使用大数据发挥重要的支撑作用。另一方面,大数据开始蔓延到社会的各个领域,让城市越来越智慧,协助解决交通、消防、警务、医疗、城管等群众最关切的“难点”“痛点”。
数据的开发只是第一步,如何妥善保存和利用数据才是建设数字中国的关键所在。目前,社会各界对数据应用背后的管理还不够重视,数据质量低、数据“孤岛”普遍存在, 数据安全 管理不到位,数据流通共享不畅的问题成为困扰大数据应用往前发展的障碍。为此,奚国华强调,各方都需要像重视实物资产一样重视数据资产的管理,为实现数据价值的持续释放打好基础。
还要着力深化大数据行业应用,当前大数据行业中的应用主要集中在数据处理、用户画像以及企业管理效率优化等方面,下一步应重点推动大数据在更深层次与实体经济的融合,这需要鼓励大数据技术企业不断提升大数据平台和应用的可用性和操作便捷程度,优先支持面向各应用行业的产品、服务和解决方案的开发,简化大数据底层繁琐的技术,并方便大数据行业的部署。
云网数融合,迎接5G数据爆发时代
大数据技术价值正在各行各业得到彰显,现在大数据的价值在互联网领域得到了充分的发展,例如,电商平台根据每个人的喜好推荐物品、新闻平台用大数据的一些算法推荐用户喜欢的信息等,都属于大数据技术在互联网行业的应用。
当然这些行业应用离不开云计算、物联网、AI等技术的相互配合,中国电信在云网数方面开展了深入的融合,其发展经验值得行业借鉴。中国电信股份有限公司云计算分公司副总经理徐守峰阐述了天翼云的云网数融合发展历程,中国电信于2009年布局天翼云产业,在十年时间内,天翼云的市场份额稳居国内云市场前三位,尤其是在大数据领域,天翼云领先优势比较明显。
2018年中国电信提出“云改”口号,从技术设施、产品服务和机制体制等3个方面对整个企业进行重新变革。
改基础设施即是围绕着云计算、5G、边缘计算等重新布局,同时,对网络进行改造已经达成业界的普遍认知和共识。
在产品服务方面,天翼云从简单的云逐步走向融合发展,从云走向云网,从云网走向云数、云物、云智。天翼云有两项核心智能,一个是云计算,另一个是大数据,这是从云简单的开始走向了融合的发展道路。
在机制体制方面,边缘计算场景现在正在逐步丰富,包括智慧企业、智慧园区以及对带宽要求比较高的游戏、VR/AR、4K/8K高清视频等智能应用。而“云+边缘计算”的高效协同,也将助力大数据产业高效发展。
在5G时代,三大应用场景的上线定会催生很多新业态,包括无人机投递、VR游戏、工业机器人、视频安防、远程医疗等应用场景。当5G大规模商用以后,业界会开创出更多数字内容、数字形态,促进大数据产业的发展。

第三届世界智能大会现场。光明图片/视觉中国
第三届世界智能大会现场。光明图片/视觉中国
　　日前,第三届世界智能大会在天津举行。国家主席习近平致信向大会的召开致以热烈祝贺,向出席会议的国际知名企业家、业界领军人物和图灵奖获得者等各界人士表示诚挚的欢迎。图灵奖是计算机领域的最高奖,有“计算机界的诺贝尔奖”之称。在世界智能大会期间,约翰·霍普克罗夫特、曼纽尔·布卢姆、雷伊·雷蒂3位图灵奖获得者在大会的论坛上,回答了公众关心的人工智能问题。比如人的意识是怎样工作的？机器能否拥有人的意识？机器有了意识会不会全面战胜人类？本期与读者分享他们的观点。
约翰·霍普克罗夫特,一九八六年图灵奖得主、美国科学院、工程院、艺术与科学院院士,中国科学院外籍院士。
　　 约翰·霍普克罗夫特：高维空间对机器学习非常重要
　　在人类历史上发生过很多次革命。第一次革命可以称之为“农业革命”。当人类第一次出现在地球上的时候,他们以采集天然食物为生,距今10000年前才开始从事农业。农业生产改变了人类的生产生活方式,使人类形成了“社区”的概念,“农业革命”与后来的工业革命的区别在于——在农业社会中教育不是很重要,人们只要跟着自己的父母就可以学会如何进行种植。而在工业革命到来后,教育的重要性大大提高,人们至少要经历高中和大学的教育才能足够胜任自己的工作。而今我们正在进入信息革命时代,信息革命带来了极其重大的影响,这种影响对人类社会的改变不亚于农业革命和工业革命。
　　比如未来制造业的就业机会可能一去不复返。举例而言,在我小时候,每一部电梯里都有专门的操作员,帮助客人操作达到指定的楼层。后来电梯的操作系统越来越先进,停降在各个楼层可以实现自动化,所以“电梯操作员”这个工作也就消失了。再比如说,当代的工厂生产一辆汽车所需要的人手比20年前少很多,大家可以看一下今天的汽车组装车间的照片——与几十年前热火朝天、人声鼎沸的汽车工厂相比,今天的汽车生产车间里可能只有一名工人,而且这名工人也许还穿着西服,打着领带,成了现代化车间系统的管理者。
　　电梯操作员、汽车工人……科技和生产力即将改变的下一个职业是什么？比如卡车司机,“智能无人汽车”技术的出现很可能让这些人也工作不保。很多经济学家说不必为此担心,因为一些工作正在消失,而社会总是在创造新的职业。这到底是不是真的呢？现在不得而知,但我想,当智能时代真正来临,社会所需要的人力劳动力可能只有现在的四分之一。
　　我们应该从现在开始思考这些问题：智能时代将在哪一时刻真正来临？到时候多少人还有所谓的工作？找到一份不错的工作需要什么新的素质？大学教育还需不需要？是否还有足够的资源来保证我们的正常生活？人工智能社会人们需要思考像这样有意义的事情。
　　常常有人问我,机器学习是不是代表着人工智能技术。对此,我的回答是否定的。界定人工智能技术,要看这个系统本身是否能够“思考”到更深的层次。比如说,一张简笔画上画着一个图案,看上去仿佛是一辆自行车,可它其实没有自行车的功能。机器学习可能会将这幅画直接归纳到“自行车”这个类别,但人并不会这样做。人可以透过这张图画,分辨和判断它的属性,提取出眼前这一信息真正的价值和功能。但是现在所谓的人工智能技术只是停留于表面,只是做图形形象的识别,这种学习和识别与人类的认识尚有巨大的差距。
　　当前,机器学习仍然存在很多问题,比如,如果想相对精准地判断某一事物,机器需要学习至少50000张图片,还要对每张图片进行归类,将这几万张图片归为大概1000个类别,从而形成一个“深度学习图片网络”。通过这个网络,机器可以对图像的内容和风格进行识别、定义。可是这依然无法与人类的学习认知水平相提并论。我女儿四岁的时候,我翻开儿童百科全书,给她看各式各样的图像,其中有一页画着消防车的彩图。过了几天之后我们上街看到消防车,她指着消防车说“爸爸快看,这是消防车！”仅仅见过一次图片,她就在大街上认出了消防车的事物,这体现了人类强大的学习能力和认知水平。
　　机器学习还面临一个急需解决的难题——互动问题。比如说这里有一张猫的照片,我把这个猫的照片的几个像素进行了调整,机器在识别的时候就会把“猫”当成“汽车”,一些微小的操作就能让机器产生误判,把图片归结到完全不同的类别,作为科研人员,我们必须认识到目前机器深度学习技术的不足,并致力于解决这些问题。
　　从本质上来说,我们对空间的视觉感知实际上是基于人类本能的三维维度,但是更高维度空间对于机器深度学习其实非常的重要。在这里我就不能不提到中国,中国有占全世界五分之一的人口,有大量高素质人才,只要给人工智能技术研究、高维空间研究更多支持,中国人工智能领域的学习者、从业者就有机会成长为世界级的高水平科研人员。
曼纽尔·布卢姆,图灵奖获得者,计算复杂性领域的主要奠基人之一。
　　 曼纽尔·布卢姆：人工智能可以让机器有意识
　　20世纪50年代,计算机科学之父阿兰·图灵在《思想》杂志上发表了题为“计算的机器和智能”的论文,首次提出了机器智能的概念,论文还提出了一种验证机器是否有智能的方法：让人和机器进行交流,如果人无法判断自己交流的对象是人还是机器,就说明这个机器有智能了,这就是后来鼎鼎有名的人工智能“图灵测试。”
　　“图灵测试”的概念极大影响了人工智能对于功能的定义,以此为途径,我们做了大量的前期工作,甚至证明了罗素《数学原理》52道中的38道。当时有言论甚至宣称在10年之内,机器就可以达到和人类智能一样的高度。
　　当20世纪50年代明确了人工智能要模拟人类智慧这一大胆目标后,这一领域经历了近20年的辉煌。研究人员开展了一系列项目,表明计算机能够完成一系列原本只属于人类能力范畴之内的任务,例如证明定理、求解微积分、通过规划来响应命令、履行物理动作,甚至是模拟心理学家心理实验、作曲家谱曲这样的活动。但是,过分简单的算法以及计算能力的限制,严重阻碍了人们使用人工智能来解决更加困难和多样化的问题。
　　当前,我们正在从一个人类必须理解计算机的世界,迈向一个计算机必须理解人类的世界。亚里士多德曾说过,如果机器能干很多活,岂不能让人类解放出来,或许这一解放的起点就是——“理解”。
　　我认为人工智能技术下一步重要的发展方向是让机器产生“意识”。我们都知道,意识让人拥有了思考力和灵活性。同样,意识能够让计算机和机器人有强大的解决问题的能力。在天津大学,我曾经对现场的学生们说：希望你们未来能够创造出有意识的电脑。
　　意识让生命充满了活力,意识来自于哪里呢——意识来自大脑的架构。这里指的不是神经元,而是在神经元基础之上的更高层面的架构系统设计。神经科学家曾经提出一个天才的理论,叫作剧场意识。以剧场作为类比,描述什么是意识——意识就好比是舞台上的演员凭借短期的记忆从事一系列的表演。短期记忆,一个非常短的记忆,它就是你的意识。
　　现在我们如何发展人工智能基础的“意识”？我想神经科学能够给我们答案,下一步我们的人工智能技术将在“短期记忆”领域取得突破。那哪些东西能够进入短期记忆呢？此后长期记忆的处理器如何产生？需要什么样的长期记忆,处理器才能够真正形成类似于人的意识呢？这有很多问题,都需要科学家不断努力才能够最终解答。
　　从这个角度去展望,我的观点是——最多10年,机器意识就会出现。据我所知,目前已经有大学教授在做相关的实验。我们会活在一个美好世界,远比父母辈更充分。一旦人类可以制造机器意识,自然可能被善用,也可能被滥用。机器可以帮助我们,可以是个好东西,可以增加洞察力,他们是我们的孩子,我们可以让机器聪明且有意识。
雷伊·雷蒂,一九九四年图灵奖获得者,美国工程院、艺术与科学学院院士,中国工程院外籍院士。
　　 雷伊·雷蒂：人工智能可实现社会包容式发展
　　很多人看到人工智能,看到的都是悲观的景象,但我看到的是光明的未来。在过去的60多年当中,科技进步最重要的是电脑的发明,以及互联网和智能手机的出现,这些都大大改变了所有人的生活。当然,在展望未来时,要有相关的法律法规和引导,来保证技术的发展不会对社会产生负面的影响。
　　人工智能技术只是一个工具,正如曾经人类想象自己是不是能飞起来,后来就发明了飞机,现在想象中的时空旅行在未来都有可能会变成现实。
　　什么是人工智能技术最重要的价值？人工智能能为世界带来怎样的改变？很多人提出：科学家需要保证人工智能的技术伦理。其中有这样一种观点——人工智能技术要有包容性,让“边缘人群”也能从中受益,对此我甚为认同。
　　有一个概念叫作“数字鸿沟”。“数字鸿沟”包括教育程度的鸿沟和语言的鸿沟。在当今的印度有22种不同的官方语言,大家彼此之间没有办法交流,所以只能够用英语进行对话。这个问题之于全球而言就更加明显了——全世界影响力较大的语言就超过100种,其中每一种语言的使用人数都超过了1000万人。
　　而今,人工智能技术在语言交流上的应用日臻成熟,我们可以进行语音到语音的翻译,我用印度语讲话,你用中文讲话,我们之间还是可以相互理解,实时进行沟通。
　　在过去10年中,人工智能技术在语言交流方面取得了极大的进步,这意味着人工智能带来了某种可能——让不会读写的人也能够从数字革命中获益。
　　这个技术会让互联网使用的人数至少翻一番。整个经济的效益就可以增加3倍,从而带动全球GDP提高4到10倍,达到千万亿级别。我们会越来越多地看到全球GDP的增长,现在是100万亿美元,接下来20年内可能会是10倍,而这将成为人工智能的技术赋能带给世界的实实在在的财富。因为因特网带来人工智能和大数据的应用,在这个过程中产生海量的数据,现在慢慢地收集起来就可以利用起来造福社会。比如你可以根据天气的原因,或者你睡眠的深度来决定你的手机要不要叫醒你等等,我们希望这些应用可以深入到我们的日常生活。
　　另一个是深度学习。很多程序具有学习能力,学习能力哪里来呢？来自大数据,手机的大数据,这些大数据所有的大众都可以用。如果机器有学习能力,你就不需要让程序员再去写一个新程序,而是机器可以跟你直接进行互动。因为它有学习的能力,这个就叫深度学习,是未来发展的方向。
　　未来几十年相信会有新的重大的要素突破,带来计算效率的几万倍增长,从而使相同成本情况下效率达到更高,成本变得更低。个人的数据已经被政府和企业收集在安全的范围内,将这些数据进行合理地分析,寻找他们的规律,通过纠错机制进行学习,通过阐述来学习。每个人都能获益于人工智能的语音助手,深度学习机器学习是未来的趋势。就像你的助理在你身边学习你做的事情,并且帮你代理一样,未来机器就可以通过计算大数据来做这些事情。（记者 陈建强 刘茜 焦德芳）

福建福州举办的第二届数字中国建设成果展览会上,参观者在了解从1G到5G的“进化史”。潘登摄 光明图片/视觉中国
上海市民在体验5G高速网络。王冈摄 光明图片/视觉中国
　　 【聚焦5G发展系列访谈·智库答问】本期嘉宾：
中国信息通信研究院技术与标准研究所副总工程师 罗松 （郭红松绘）
中兴通讯股份有限公司无线经营部总工程师 朱伏生 （郭红松绘）
中国电信科技委常委、IMT-2020（5G）推进组专家 沈少艾 （郭红松绘）
1.“身临其境的信息盛宴”触手可及
　　 光明智库：5G技术可以给生活带来巨大便利,具体而言,5G会在通信服务、信息娱乐等方面给人们怎样的体验和惊喜？
　　 罗松： 与4G网络相比,5G的速率至少是4G峰值速率的10倍,其毫秒级的传输时延和千亿级的连接能力更是令人惊叹。对于个人用户而言,最直接的使用感受就是网络速率的大幅度提升。
　　5G在带来更好的数据应用体验的同时,也会促进交互方式的再次升级。在信息娱乐方面,5G将推动视频、游戏等应用向超高清、3D和沉浸式体验方向发展,成为8K超高清视频等新应用不可或缺的网络支撑。在学习方面,人们将能够通过VR、AR技术进入虚拟教室,通过头戴式设备沉浸式参与自己喜欢的课程,并与课堂上的老师和同学进行全景式交流。另外,“云上办公”等也将成为可能。5G网络能够使娱乐、消费、工作等行为突破时空限制,拥有更好的交互体验,使我们享受到身临其境的信息盛宴。
　　从历史发展经验看,网络基础设施与业务创新共生共荣、相互促进。5G时代,移动通信将大幅提升以人为中心的移动互联网业务使用体验,不断给用户带来惊喜；同时,也会促进生活方式全方位、深层次变革。5G时代的到来,将为人们徐徐展开一幅“数字化生活”美好画卷。
　　 朱伏生： 5G具有高带宽、低时延等特征,在通信服务、信息娱乐等方面会带来很多新应用。在5G时代,上网、下载文件、看视频等都会很流畅,速度要比现在快很多,人们可以随时随地观看高清视频,享受VR带来的新体验,身临其境地参与视频会议、体育赛事直播等活动,还可以在网上沉浸式体验各种游戏。
　　 沈少艾： 消费者从来都不缺乏想象力,随着智能手机的普及,人们对数据业务的需求不断增加。在5G时代,消费者比较感兴趣的5G创新应用有很多,比如带有实时语言翻译功能的5G耳机、基于5G的智能家居服务、多视角的体育赛事或文艺演出直播,以及戴着VR头盔观看电影等等。
2.催生更多新业态新模式
　　 光明智库：5G将如何影响传统服务行业？在构建智慧城市、智慧医疗、车联网、智慧养老等方面将发挥怎样的作用？
　　 罗松： 当前,信息通信技术向各行各业融合渗透,经济社会各领域向数字化转型升级的趋势愈发明显,数字化的知识和信息已成为关键生产要素。5G为移动通信赋予了通用技术的属性,已成为与能源网、公路网、铁路网相并列的、不可或缺的关键基础设施,将全面推动数字社会的发展。以智慧城市、智能家居等为代表的典型应用场景与移动通信深度融合,预计千亿量级的设备将接入5G网络。5G还将以其超高可靠性、超低时延等性能,深度影响车联网、工业互联网等垂直行业。
　　人工智能技术的发展和成熟需要大量的行业运行数据,而数据的获取则必须依托网络技术。5G的发展将使数据的积累速度和总量达到一个新的高度,真正实现“隐性数据的显性化”,为人工智能、 云计算 等技术的应用提供强大的网络支撑能力。在5G时代,人们将会体验到更多的智慧应用。比如,在车联网领域,可实现基于5G网络的辅助驾驶。在行驶过程中,车辆既可以与红绿灯、道路限速和危险提示标志等交通设施进行通信,实现车路协同应用,又可以利用5G低时延、高可靠的网络能力,在紧急刹车、交叉路口碰撞预警等交通和驾驶安全方面实现智能化辅助,从而有效提高交通效率,节省资源,减少环境污染,降低交通事故发生率,改善交通管理。
　　 朱伏生： 近年来,移动宽带和互联网的发展让零售业、餐饮业、票务服务业、银行保险业等产生了较大变化,无现金消费等业态日渐流行。未来,5G将进一步催生更多新业态、新模式,改变人们的生活和消费习惯。
　　目前,在我们的城市中装有很多摄像头,可对车辆、人员、环境进行监控,保障“最后一公里”的安全。借助5G技术,这些摄像头拍的视频、图像能够及时进行传输,不需进行压缩,大大增加了图像识别的准确率和识别速度。在5G的支持下,各种应用也将更好发挥作用。比如,通过VR技术进行人脸识别,警察可快速识别犯罪嫌疑人；识别车牌时能够更快进行信息读取,提高通行速度等。依托5G技术,我们的社会将变得更安全、更高效。
　　智慧医疗主要包括远程诊断、远程紧急处理和远程手术等。特别是在火车上、户外等场景中,紧急诊断和处理很有价值,甚至可以挽回很多人的生命。5G、VR技术能让有经验的医生通过网络清晰地看到病人的各种信息,使远程诊断变得更加可行、可靠。同时,5G的大带宽、低时延特点,能够支持医生远程为病人做手术,实现对医疗资源的充分利用和再分配,有助于解决地区医卫事业发展不平衡问题。
　　车联网对于安全行驶、减轻人的劳动强度等有着很大意义。特别是应用5G、人工智能技术的自动驾驶,会给汽车形态、汽车管理、车辆运行、人车关系带来改变。未来,出租车驾驶员这个职业也许会消失。传统车联网技术存在局部建站、覆盖有限、移动速度支持不够等缺点,而5G技术可实现密集建站、全网覆盖、支持500km/h的移动速度等,这些技术可在固定线路运行等场景中率先应用。
　　在智慧养老方面,应用5G、人工智能技术的智能机器人可提供更优质的养老服务,让老年生活更便利、更舒适、更安全。未来,5G带来的改变将是持续的,甚至会给人们的生活带来一些颠覆性变化。
　　 沈少艾： 5G能够营造身临其境的虚拟购物环境,带来更好的购物体验,提升人们的购买欲望,改变人们的消费行为。比如,人们可以在“魔镜”中看到自己身穿多款新衣的样子,不用再抱着一大堆衣服排队走进试衣间；在线购买家具、窗帘时,也可通过VR眼镜感受尺寸、颜色等是否合适。
　　5G与人工智能、云计算等新技术的结合,将改变我们对未来的认知。智慧城市、智慧医疗、智慧养老会让我们的生活变得更加便捷、舒适。5G将汇聚更多智慧,给我们的生活带来全方位的改变。
3.带来全新媒体业务体验
　　 光明智库：作为信息获取、生产、再造、分发的重要主体,媒体具有与通信技术结合的天然属性。5G技术会给媒体带来怎样的改变？
　　 罗松： 在5G时代,舆论生态、媒体格局,以及媒体的传播方式都会在信息技术革新的影响下不断发生变化。5G技术将应用到新闻采集、生产、分发、接收、反馈等各个环节,使得媒体内生技术属性不断增强,媒体形态不断创新,传播内容更加精准。
　　5G技术的应用将带来全新的媒体业务体验。一方面,将使得全维视频直播等成为常态信息传输模式。比如,在5G技术和边缘计算能力的“加持”下,人们可以在家里全方位、多视角观看体育赛事。对于突发新闻事件,可通过无人机携带信息采集设备进行及时报道。另一方面,随着5G技术的推广,其低流量成本能力将逐步显现,受众将能够随时随地享受5G提供的大带宽连接。“5G 人工智能”可充分利用用户的碎片化时间,帮助媒体进行精准化推送,进一步释放媒体的内容红利。
　　 朱伏生： 5G对媒体带来的影响,除了提高视频画质外,还能让新闻的表现方式变得更加个性化、定制化。“5G 人工智能”还可以使受众产生身临其境的感觉,对新闻事件有更深刻的了解与体验。
　　 沈少艾： 5G时代商业模式的突破,首先是在增强宽带领域出现颠覆式的网络传媒变革,相信将会出现颠覆性的平台。视频将主宰天下,Vlog将升级换代,未来属于AR、VR虚拟世界。
4.深度挖掘5G应用场景及需求
　　 光明智库：5G从技术变为应用、进入生活,企业的作用不可或缺。今后,企业应如何更好地抓住“风口”,推动5G技术发展与实际应用？
　　 罗松： 5G技术能有效提高企业生产效率,降低企业生产成本,越来越多的工业企业、运营商、设备制造商等正在开展5G应用试点示范,探索未来5G应用新模式。中国信息通信研究院的统计数据显示,在全球5G应用示范中,垂直行业5G应用占比超过40%,其中智能制造占22%,医疗占9%,能源电力占7%；在我国5G应用示范中,垂直行业5G应用占比超过50%,其中智能制造占20%,能源电力占15%,远程医疗占13%。垂直行业对5G应用的关注度和积极性显著提升,并已开展实际探索。
　　5G将使生产力获得极大提高,并使生产关系发生变化以适应生产力的发展。在5G与行业结合的浪潮中,传统的工作模式、生产方式都将发生较大变革,垂直行业企业应该积极了解5G相关知识及5G与行业结合带来的种种变化,并结合自身情况,适时开展相关应用尝试,在有条件、有能力的情况下,开展5G创新应用探索。对于信息通信企业来说,需要更多地与垂直行业交流,共同探索5G应用的场景和需求,研发满足垂直行业企业实际需求、精准对位其痛点的整体解决方案。
　　 沈少艾： 中国消费者对5G的关注度和认知度较高。5G从技术走向现实需要生态链伙伴通力协作,需要相关企业不断挖掘消费需求和行业痛点。
　　 朱伏生： 5G对垂直领域的冲击很大。智慧港口、智慧物流、智能制造等都体现出5G的技术需求点,相关企业也很有意愿改进自己的业务方式和战略方向,积极与运营商进行沟通。不过,企业环境是非标准化的,需要在原先的个性化场景中进行改造,5G网络建设也需要更多地关注企业的痛点问题。相关企业要以开放的心态拥抱5G技术,与运营商、设备商携手,共同寻找新的思路和解决方案,充分发挥5G能力；要在将来的改革浪潮中,不落后于时代,随时针对科技变化做出优选战略抉择。

“想看书只有几本教科书,偶尔村头会放几场电影,去县城里才能遇到文工团演戏。”现居北京市朝阳区的田向丽,出生于20世纪60年代的河南农村,回忆起从前文化生活的匮乏,她感慨万千。如今,文化事业快速发展,精神食粮丰富多样,用手机上网看新闻、读文章,成了田向丽每天必做的事。
新中国成立70年来,我国文化事业取得了巨大的成就,为满足人民群众的文化需要提供了绚丽多彩的文化产品。
更普及
文化服务到身边
新中国成立初期,百废待兴,我国文化事业的基础十分薄弱。1949年,我国公共图书馆为55个,博物馆数量仅为21个。
“我的少年时代,买书、借书来看都不容易,荧幕上的电影也不甚丰富。”中国文联电影艺术中心主任饶曙光出生于1959年,当时,在“双百”方针的指引下,我国公共文化事业已经获得了较快发展,然而群众文化生活仍然比较贫乏。
以党的十一届三中全会为标志,我国进入了新的历史时期,伴随经济的快速发展、物质生活的极大丰富,推动文化发展的各项政策相继出台,我国文化发展进入了快车道。党的十八大以来,建设现代公共文化服务体系作为全面建成小康社会的重要内容,受到了各级政府的高度重视。2018年,全国群众文化机构达到44464个,公共图书馆3176个,博物馆4918个。
在硬件设施不断完善的同时,近年来,我国各地公共文化服务机构在提升场馆和活动的吸引力上下功夫,服务越来越对味。流动图书车、流动舞台车把精彩的文化食粮直接送到群众家门口；借助互联网、高科技,借书还书、预约文艺活动在手机上就能实现,群众的获得感实实在在。
更丰富
文化作品种类多
“八九十年代,能看到的书越来越多了,也逐步出现了《西游记》《渴望》等优秀电视剧,《黄土地》《红高粱》等优秀电影作品。”饶曙光说,逐渐富裕起来的广大群众对参与文化生活的渴求日益强烈,也激发了文艺工作者的创作欲望。
近年来尤其是党的十八大以来,精美的图书、精彩的展览、精致的文创产品越来越多,各种类型的网络文艺也蓬勃兴起……人们的文化生活可谓多姿多彩。中国书刊发行业协会发布的数据显示,1978年我国只有105家出版社,年出版图书仅14987种。而到了2017年,全国有580多家出版社,出版图书超过50万种,出版物销售总额3704亿元,我国成为出版发行大国。
不只是出版物,近年来,豫剧《焦裕禄》、芭蕾舞剧《八女投江》等优秀舞台艺术作品赢得观众点赞；《舌尖上的中国》《我在故宫修文物》等纪录片和《朗读者》《中国诗词大会》等原创综艺圈粉无数。2018年,全国电影总票房达到609亿元,国产影片总票房378.97亿元,市场占比超过62%。全国银幕总数达到60079块,稳居世界首位。
更兴旺
文化产业发展快
现在,除了阅读纸质图书以外,田向丽几乎每天都会刷刷微信、玩玩微博,“方便又有趣！”
党的十八大以来,文化与互联网、旅游、体育等行业融合发展,跨界融合成为文化产业发展最突出的特点。数字内容、动漫游戏、视频直播等基于互联网的新型文化业态成为文化产业发展的新动能和新增长点,“互联网+文化”成为文化产业发展的重要趋势。2018年,全国6.0万家规模以上文化及相关产业企业实现营业收入89257亿元,比上年增长8.2%,文化产业为国民经济转型升级和提质增效提供了有力支撑。
“一部手机给我们带来了随时随地、触手可及的文化大餐——无论是新闻资讯、电子图书,还是音乐、短视频,都充实着我们每个人的文化生活。”饶曙光表示,“优秀文艺作品不断涌现,社会和经济效益持续提升,国际影响力日益加大,这样的繁荣景象让我们的文化自信更加坚定！”

“我们非常惊讶,在中国的内陆城市能举办如此国际化的博览会,并且感受到浓郁的大数据氛围。”谈起第一次参展2019中国国际大数据产业博览会,俄罗斯Napoleon IT公司CEO巴维尔·巴特科鲁托夫感慨地说。
不久前在贵阳举办的数博会上,巴维尔·巴特科鲁托夫带来了一套大数据解决方案,利用AI识别系统对超市的货架、人流量进行采集和 数据分析 ,从而帮助商家更好掌握商品流量,进行布局调整。他表示,此次前来参会,最大的成果就是结识了许多同行,接触了行业的前沿技术。
“俄罗斯企业纷纷感叹,没想到中国的技术应用这么‘前卫’。”贵阳高新区国际合作促进中心主任李海波介绍,“俄罗斯的展商今年比去年多,共十余家企业30多人。”
2017年,贵阳高新区在莫斯科政府科技园建立了贵阳高新离岸创新中心,招募当地人员从事国际交流、创新孵化、招商引智等业务。
李海波介绍,贵州省是中国首个大数据综合试验区,省会贵阳市又提出打造“中国数谷”。作为大数据产业发展集聚的贵阳高新区,近年来为补齐人才短板,提出“当地孵化、高新区产业化”的模式,在海外总共建了8个创新中心,位于莫斯科的是其中之一。
“创新中心不仅是招商,更多是想做一种科技孵化。”他说,俄罗斯有很多高端人才和技术专利,创新中心可以通过提供资金等方式,助其更好、更快成长。发展到产业化阶段,再引进到高新区落地。
据介绍,在创新中心的帮助下,贵阳高新区多次和俄罗斯的企业、专家进行技术交流对接,随着洽谈深入,有望达成更多合作。
“同时,园区内的企业也想走出去,比如中国电建集团贵阳勘测设计研究院就承接了莫斯科一个政府性安居工程。我们也希望做大数据解决方案的输出,例如把食品安全云这套追溯体系推广出去。”李海波表示。
李海波对俄罗斯自然科学院的彼得里琴科院士印象深刻：“70多岁了,还坚持做农业防冻技术。他定期过来指导,已经多次表示,贵阳这边发展潜力大、前景好,希望能够把产业发展起来、技术应用起来。”
记者了解到,截至目前,贵阳高新区已经与包括彼得里琴科在内的数十名俄罗斯专家签订了合作协议,并将其纳入该区“一带一路”发展专家库,成为长期合作伙伴。

在面对外围压力下,华为在ICT通信产业主航道上的行驶并没有减慢。
继5月中旬发布AI-Native数据库GaussDB和分布式存储FusionStorage 8.0后,华为于近日又发布了名为“FusionData”的智能数据解决方案,此举被外界认为是华为发力打造自有大数据生态的重要一步。
“FusionData是华为多年来积累的结果,希望为中国的产业界做出贡献。”华为IT产品线副总裁、智能数据与存储领域总裁周跃峰近日在接受第一财经记者采访时表示,在中国有很多做组件做工具的厂商,甚至做大 数据分析 ,做应用的厂商,他们需要这些基础能力,华为愿意把自己的能力开放出来,共同打造一个繁荣的生态。
数据被称为智能时代的“石油”,而异构、智能和融合的数据库,正是金融、政府、电信等各行业数据基础设施的关键支柱。而目前在数据生态链中,依靠的底层基础设施依然由欧美企业提供,新的数据生态圈还没有形成,业内认为,此时华为等企业在该领域的加速快跑,或许能够在国产大数据生态链中“撕开”一个机会。
大数据生态中的新晋者
在万物互联的社会,任何企业都无法独善其身,数字化正在通过通信技术渗透到各行各业,而随着5G以及人工智能时代的到来,这种变化将会变得更加明显。
根据华为全球产业展望(GIV)报告预测,全球数据量将从2018年32.5ZB快速增长到2025年的180ZB,海量的数据带来了巨大的挑战,也孕育了前所未有的机遇,大数据、 云计算 、人工智能等新技术对市场产生了颠覆性变革。
“to C和to B的边界在逐渐消失,无论是生存于何种商业体系的企业,都无法回避数字世界与物理世界的结合点。”华为一内部高管对记者表示,新技术的到来在倒逼企业加快数字化的转型,而华为内部从多年前开始就在为这一机会做准备。
目前,华为近8万研发人员队伍中有超过70%的人从事的是软件开发,算法和软件已经是华为ICT领域最核心的竞争力。而在甲骨文、微软等传统数据库厂商转型之际,以及外围环境不确定因素加大的情况下,进入市场的时机被打开。
记者注意到,在此次华为发布的“FusionData”中,包含了三个重要“角色”,一块是支持1100多种应用和异构数据源接入的智能数据连接部件ROMA,另一块是将AI能力植入到数据库内核的架构和算法中的GaussDB,还有一块是智能数据使能部件DAYU,该部件可以像“大禹治水”一样,自动感知和采集多个系统的元数据,并进行智能化分级分类,并且提供统一的数据访问接口,使得数据获取速度提升10倍以上。
而在“智能数据处理”层,最为体现华为的研发能力,这也是其不受制于外力的核心能力。“x86、ARM、NPU、GPU,华为以多样化算力,匹配多样性数据,让计算更高效。”周跃峰对记者表示：“华为也正在打造以鲲鹏为核心的大数据产业生态。”
据了解,基于华为鲲鹏芯片的存储设备,全球发货量已经超过3万台。
西南证券电子行业分析师对记者表示,服务器是一种高性能计算机,作为网络的节点,存储、处理网络上80%的数据、信息,因此也被称为网络的灵魂。服务器最核心的部位就是服务器芯片,可以说是整个服务器的大脑,技术难度大。根据DRAMeXchange数据,目前全球97%的服务器用处理器为英特尔主导的X86架构,华为鲲鹏芯片的推出对于国产服务器水平的飞跃起着关键作用。
已考虑业务连续性问题
目前,在运营商、金融、制造等行业大型企业数据中心的云化转型过程中,普遍采用更加适合云数据中心建设和发展需求的分布式云存储来承载各类关键应用。
招商银行总行数据中心应用与数据库管理室经理田永江在上述产品发布现场表示,目前招商银行零售业务两大APP的总用户数超过1.4亿、月活8000万以上,浪涌特征非常明显,即事先难以估计客群访问量,对业务资源快速扩展提出非常高的要求,大量业务数据也带来了大数据决策需求。
他表示,在关键的数据库技术方面,由于现有的开源数据库内核还达不到甲骨文的性能和功能,并且会导致集群规模过大、性价比低、维护成本高,为此招商银行与华为进行了分布式数据库联合创新,使用了华为的GaussDB数据库OLTP版本。
华为IT产品线数据库产品总监黄涛则对记者表示,目前数据库的发展趋势是由集中式向集中式加分布式方向演进,而华为GaussDB数据库是集中式和分布式都能支持。“我们现在这个数据库研发了八年时间,通过投入大量的人力和时间成本,研发出自主创新的数据库。”
他表示,GaussDB还支持本地部署、私有云、公有云等多种场景,并且首次将人工智能技术融入分布式数据库的全生命周期,实现自运维、自管理、自调优、故障自诊断和自愈。
更重要的是,在非常时期,这款支持ARM的分布式数据库承载着更重要的使命,被内部视为可与华为芯片有着并列意义的研发突破。
“今天我们发布的这些解决方案,我们都考虑到了业务连续性的问题。这些问题从几年前就是普遍考虑的问题,要确保供应链能够持续服务好客户,这对于我们来讲这是基础要求,在任何时候推出的产品解决方案,都要能够应对任何时候任何极端情况。”周跃峰对记者如是说。
同时,他提到,目前华为智能数据解决方案FusionData已经应用于全球60多个国家及地区,服务于1500多个客户,拥有500多家商业合作伙伴,除了产品之外,华为更希望构筑强有力的生态圈。
“连接、计算和数据是ICT基础设施三大基石,在华为内部有着长远的规划和准备。”周跃峰对记者表示,在中国有很多做组件做工具的厂商,华为也希望为中国的产业界做出贡献,共同打造一个繁荣的生态。

2019年5月31日,在南京云创 大数据 科技股份有限公司举行的CMMI3级认证结果发布会上,CMMI Institute Partner 外籍评估师Joonki Paek正式宣布：经过严格的现场审核和评估,云创大数据已经达成CMMI3级目标,成功通过CMMI3级认证。



　　通过CMMI3级认证标志着云创大数据在软件研发标准化流程、过程改进、项目管理等方面已经跻身国际业界先进水平,实现了与国际主流模式的接轨,能够为全球客户提供更高技术水平、更高质量的产品和服务。


　　 左六为外籍评估师Joonki Paek

　　云创大数据于2018年8月正式启动CMMI导入工作后,公司高度重视,专门成立了EPG(工程过程组),从相关部门选拔骨干人员加入。经过半年多的工作改进,形成一系列涵盖公司产品研发、质量管控、人力资源管理等多项工作内容的正式规范,并且在多个项目中试点实施运行,从而建立了一套符合公司特点的过程管理体系。2019年5月27日,云创开始了正式的CMMI3评审工作,并于5月31日顺利通过认证。

　　云创大数据是专业从事大数据、人工智能、 云计算 、云存储技术领域研发及产品销售的高新技术企业,此前通过了ISO9001质量管理体系、ISO14001环境管理体系以及OHSAS18001职业健康安全管理体系等多方认证。针对爆炸式增长的大数据需求,云创大数据研发了具有自主知识产权的智能视频监控、智能视频教学以及大数据综合应用等产品,其产品与服务在环保、地震、公安、教育、广电等10多个领域建立了200多个成功案例。

　　CMMI是一个持续改进模型,通过CMMI3级认证虽然是云创大数据过程改进工作的重要里程碑,但也只是万里长征中的一步。在以后的工作中,云创大数据将继续着重加强自身团队建设,促进技术发展和创新,为广大用户单位提供更全面、更可信、更成熟的服务。

技术进步是经济长期持续增长的源泉。习近平总书记曾指出：“纵观工业革命以来的世界历史,每一次科学技术的大飞跃都推动了经济社会的大发展”,“我们正处在新一轮科技革命和产业变革蓄势待发的时期,以互联网、大数据、人工智能为代表的新一代信息技术日新月异。”当前,物理世界和数字世界加速融合,产业互联网孕育兴起,各行各业开始“在云端用人工智能处理大数据”,以数字化、网络化、智能化为特征的数字经济风起云涌,其势浩荡,“对国际政治、经济、文化、社会、生态、军事等领域发展产生了深刻影响”。

　　为更好引领和适应技术创新,习近平总书记在二十国集团领导人第十三次峰会讲话中提出重要倡议：“建议二十国集团将‘新技术应用及其影响’作为一项重点工作深入研究,认真探索合作思路和举措。” 2019新年伊始,联合国秘书长古特雷斯在联大讲话中指出,新技术应用,与应对气候变化、推进可持续发展一道成为2019年联合国的关键行动领域。秉持科技向善的理念,深入研究新技术应用及其影响,对于不断满足人民日益增长的美好生活需要,促进社会公平正义,构建人类命运共同体具有重要意义。
　　基于新技术应用及其影响,腾讯研究院近期推出了《新技术应用及其影响(2019)》报告。本报告重点研究了数字鸿沟、劳动就业、GDP核算、安全隐私、科技伦理、经济理论、政府监管等七个方面。期待未来有更多机构从更多元化的视角进行更加深入的研究。
　　 目录
　　 01 弥合数字鸿沟,释放数字红利
　　相较其它技术,数字技术是一种更为普惠的技术。我们必须充分利用技术迅速变革这一契机,建设更为繁荣与包容的世界。虽然已取得重大进步,但还有许多无法利用数字技术的人被抛在后面。
　　世界银行集团行长金墉指出：“有史以来信息通信的最大飞跃,只有惠及全球所有人,才具有真正的革命意义。”提高数字经济的参与度,将为消费者和企业家创造更多可能性。在提升数字竞争力的同时,我们要兼顾公平,弥合数字鸿沟,让整个国家和地区共享数字红利,实现可持续发展。
　　 02 数字技术促进就业的结构性变革
　　就业是最大的民生。让每个人有体面的工作,是最大的“善举”。技术进步对就业具有双重影响,它会带来新的工作机会,也会替代一些原有岗位,带来所谓的“技术性失业”。每次技术变革都会引发人们对就业问题的激烈争论。人类过往的实践表明,技术进步并没有导致长期的大规模失业,它带来的新增就业机会要远多于其替代的就业机会,技术革命中的失业工人最终都找到了工作,但也经历了混乱和痛苦的调整过程。而且新技术对各类人群影响不一。人们需要变革教育培训和社保制度,不断提高数字素养和数字化生存能力。
　　 03 数字经济发展挑战GDP核算体系
　　GDP(国内生产总值)被誉为“20世纪伟大的发明之一”,是针对工业经济设计的用来指导宏观经济运行和进行宏观调控的最佳指标。然而,在数字经济时代GDP则力不从心。由于GDP仅以市场价格记录交易,它完全无视人们可能获得的免费服务。互联网上的各种免费服务触手可及,但不被统计。近年兴起的自助服务也一样,如银行ATM机、自助点餐、无人超市等,它使消费者变成“生产者”,但其价值不被核算。另外,技术进步和创新挑战价格统计,分享经济对GDP统计方法也带来挑战。
　　 04 重视网络安全,加强用户隐私保护
　　“没有网络安全,就没有国家安全。”当前,世界范围内非传统安全问题凸显,网络信息安全威胁持续呈高发态势,网络攻击、网络犯罪、隐私泄露等各类安全问题更加突出,网络安全成为事关世界各国和地区安全的重要问题。用户数据泄露也给国家安全带来影响。由于数据中蕴藏着价值,包含着重要的信息,数据的不当利用将给人们带来重大损害。我们需要确保 数据安全 ,把用户隐私保护置于发展数字经济的重要位置。
　　 05 加强科技伦理建设,汇聚起向上向善的强大力量
　　随着人工智能和机器人成为我们的仆人、伙伴和同事,我们需要处理日益复杂的情况,以及可能引发的安全问题。要避免人工智能技术创新治理陷入“科林格里奇困境”,就必须预先研判,提前布局。尽管人们对人工智能未来将走向何方众说纷纭,但对人工智能加以伦理规制,已经成为基本共识。人类社会需要在其发展的所有阶段积极主动地考虑新技术的伦理道德、法律体系和社会影响,而不是采取自由放任的做法和事后应对挑战。这需要政府、企业、学术界和民间社会相互合作,促进指导研究和创新的伦理道德标准以及法律体系。
　　 06 数字经济时代呼唤经济理论的创新
　　传统经济理论主要建立在农业经济、工业经济基础之上,以物质产品和服务为研究对象。进入数字经济时代,数字产品逐渐成为主要的商品形式。数字产品具有网络外部性,产品对消费者的价值随着其他使用者数量增加而增加。数字经济对现有经济理论的挑战是全方位的,正如中国社会科学院原副院长李扬所言：“目前,全世界有大量经济学者在研究互联网问题,虽然革命性的成果尚未推出,但大家一致同意,由于互联网的发展,全部经济学都应当重写。”
　　 07 数字经济发展挑战监管体制
　　作为一种新生事物,数字经济具有一系列不同于工业经济的新特征和新问题,它为政府监管提供了新的技术手段,也对传统监管体系带来了新的挑战,提出了更高的要求。数字经济发展挑战属地管理模式,亟需调整央地监管关系;挑战行业管理模式,跨部门联合监管成为重要趋势;挑战准入管理模式,对事中事后管理提出更高要求。面对数字经济带来的新机遇和新挑战,需要以包容审慎的政策措施来积极推动发展,更需要调整政府监管体制,着力构建更加一体化、法治化、信息化的数字经济监管体制。

6月之初,夏日炎炎,随着气温的升高,第十五届全国高性能计算学术年会（CCF HPC China2019）也进入了如火如荼的预热阶段。近日,CCF HPC China2019揭晓了部分主题论坛,围绕本次大会的主题“计算 见智 赢未来”,论坛将分享HPC在不同领域呈现的新形态,全面探讨HPC各产业应用的广阔未来。
主题活动丰富多样 精彩不断！
主题论坛（部分）举办日期如下：
8月21日全天
海洋气候模式与高性能计算论坛
第二届脑科学与类脑计算——超级计算与脑模拟论坛
8月21日下午
第三届西北太平洋气候变化趋势研究学术讨论会（限制邀请）
CCF高专委全体委员会议
智能超算论坛
量子计算论坛
8月23日下午
第七届中国高性能互连网络论坛
第六届高性能计算教育论坛
第五届HPC Plus论坛
第四届高性能计算环境运维与优化论坛
未来HPC&AI超级计算机的必经之路 - CPU/GPU计算,网络计算及存储计算
高性能计算—海洋预报发展的加速器——第一届海洋数值预报与高性能计算论坛
8月24日上午
第四届高校高性能计算平台应用交流论坛
第三届面向科学与工程大数据的高效可视分析论坛
第三届HPC性能建模论坛
数值反应堆前沿技术论坛
通向E级计算的应用之路
第二届高能效计算论坛
第四届HPC开源软件栈论坛The 4th HPC Open Source Software Stack Forum
8月24日下午
并行存储系统论坛
容器技术在高性能计算中的机遇和挑战论坛
高性能稀疏矩阵计算的架构、算法与应用论坛
第六届“国产应用软件”专题论坛
第七届大数据系统评测与优化研究案例论坛
HPC中的高能效计算
欲了解论坛详情可登录
http://hpcchina2019.csp.escience.cn/dct/page/70008查看。
4天大会,30余场干货满满的主题论坛,来自各大高校、国内多家超算中心和高性能计算机研制方的一线专业人员等100多位产学研专家学者大咖将围绕高性能计算环境的系统运维和优化面临的挑战性问题,深度探讨HPC高性能整体解决方案,并分享HPC在众多领域的创新与发展趋势动态,包括E级计算、天气气候、人工智能、海洋环境、量子计算、大数据系统、国产应用软件等领域的突破性研究,携手带来一场超算领域各学科学术交流与交叉融合的顶级盛会。
（一）招牌论坛强化品牌生命力
值得一提的是《第四届高性能计算环境运维与优化论坛》、《第四届HPC开源软件栈论坛》、《第四届高校高性能计算平台应用交流论坛》、《第三届面向科学与工程大数据的高效可视分析论坛》、《第三届HPC性能建模论坛》、《第三届西北太平洋气候变化趋势研究学术讨论会》等主题论坛已举办至第三、第四年,已然成为了CCF HPC China的代表性招牌活动。《第七届大数据系统评测与优化研究案例论坛》更是连续举办七年,长盛不衰的背后是大会本身以及超算产业生态的不断延续和升级,诠释了大会朝气蓬勃且向上生长的生命力。
（二）国际会议强势加盟
今年,第九届international Workshop on CO-DESIGN、The 16thIFIP International Conference on Network Parallel Computing（NPC2019）、第五届高性能计算中间件技术研讨会（HPCMid2019）、第五届高性能科学计算方法及其应用研讨会（WHPSC2019）、第三届西北太平洋气候变化趋势研究学术研讨会5个国际国内会议强势加盟,大会将搭建国际精英交流平台,让国内外演讲嘉宾尽情在中国舞台上共议高性能计算前沿发展趋势。
（三）精选干货课程 让计算更简单
除了精彩纷呈的主题论坛,并行学院将举办与HPC实际应用相关的培训课程,包括OpenMP和MPI编程、CUDA编程基础与优化进阶课程等。并行学院立足于高性能计算应用领域,通过与各大高校、中科院所、知名行业专家合作,为高性能计算企事业单位输送了一批优质人才,培训课程涵盖计算化学/物理/材料Python科学计算、流体力学专题、气象海洋常用软件、人工智能等超过30种专题课程,为参加培训的学员提供技术＋案例＋实操等全方位的实用技能再培训教育。
大会合作伙伴火热招募中
汲取了前几届的成功经验,CCF HPC China的成就不止步于高性能计算机的辉煌成绩,在其性能优化和各产业融合趋势的研究进步更体现了中国HPC不断推陈出新的活力,赋能超算领域各产业创新,CCF HPC China2019一触即发！
借此契机,大会广邀业界各位朋友前来参会,成为我们的合作伙伴。在此,我们诚挚欢迎老朋友共同探索HPC新时代,也热切期待与各领域的新朋友开展合作。
钻石合作 席位1-2(已满)
白金合作 席位3-4 （虚位：1个）
黄金合作 席位5-6 （虚位：2个）
展览展示合作 席位60+（虚位：20个）
大会创意合作伙伴 大会宣传片广告植入2个 注册页面广告植入1个等
联系人： 胡永利、李希代
联系电话： 136-9123-9019、010-62600662
欢迎与您共同抢占HPC应用先机,为中国高性能计算机发展增加新动能、共筑新生态！
“青色的城”抹上“科技蓝”
随着各项主题论坛的尘埃落定,大会的招商、议程、活动也在紧张有序的筹备当中,CCF HPC China2019的举办地——呼和浩特的科创氛围也随之火热起来。
呼和浩特地处祖国北疆,蒙古语意为“青色的城”,这里资源丰富,环境优美,交通便捷、生态条件良好,发展空间充裕,创新资源不断集聚,具有高起点高标准开发建设的基础条件。2017年2月24日,内蒙古自治区党委、政府决定在这片充满生机的大地上,打造全区经济发展的“新引擎”和“新增长极”,内蒙古和林格尔新区应运而生。短短两年时间,和林格尔新区深入贯彻落实建设现代化经济体系和推进高质量发展的要求,大力实施大数据战略,将大数据、 云计算 、人工智能等战略性新兴产业作为产业发展的主攻方向,提出构建“数字产业生态”的发展思路,不断延伸和升级大数据云计算产业链,先后引进了百度、阿里、腾讯、浪潮、滴滴、中石化等200多家知名企业和教育部、国家信息安全中心等国家部委数据存储、应用业务入驻,共注册云计算、大数据科技企业390余家。
作为“内蒙古国家大数据综合试验区”的核心区,内蒙古高性能计算公共服务平台、旷视人工智能超算平台等一批高性能计算项目的建设,促使和林格尔新区初步形成了高性能计算能力的集聚效应
在这片绿色草原之地,越来越多的科技企业和项目正在为“青色的城”抹上鲜明的“科技蓝”,形成了和林格尔新区蓝绿交织的独特魅力。CCF HPC China2019将于8月在此举办,“科技蓝”装点“草原绿”,势必将绘就出一幅波澜壮阔的HPC创新图景！

数字时代,数据就是机遇,数据就是潜力。
当前,信息化引领经济社会发展已是大势所趋。最新数据显示,2018年我国数字经济规模达31.3万亿元,占GDP比重34.8%。数字化创新持续迭代,数字化新业态加速涌现,数字经济不断创造新的可能。
牢牢抓住新一轮科技变革契机,推动实体经济与数字经济融合发展,经济高质量发展将迎来新机遇,获得新动力。
　 　注入经济发展新动能
安装传感器和平板电脑、接入网络,一台缝纫机“摇身”变成了工厂的“中枢神经”。工人可根据指令同时操作多个流程,打破以往只负责一个工序的局面。通过缝纫机采集的数据,可帮助实现小订单、快生产。数字经济改变的不只是一台缝纫机,越来越多站在国际品牌背后的中国工厂,正用“数字”撕去“代工”标签,制造业本身也因数字发生蝶变。
相关数据显示,今年1至4月,我国高技术制造业增加值同比增长8.7%。当前,重点行业骨干企业数字化研发设计工具普及率、关键工序数控化率分别达到68.9%、49.2%,实施智能化改造的试点示范项目生产效率平均提升近40%。网络化协同设计、云制造等新业态,正不断提高我国整体供给体系质量。
消费、服务同样因数字而变。扫码进店、自动买单,“数字化”销售在实体店推开；智慧医疗、智能教育,“数字化”服务空间不断拓宽……4月,我国信息传输、软件和信息技术服务业同比增长25%。
数字技术助力社会各领域创新进入快速扩张期。以数字为杠杆,我国经济正进行深层次变革。抓住机遇,发挥好我国渗透融合和应用创新优势,就能重塑竞争力。
构建开放协同新生态
以信息技术为核心的数字经济,正打破传统的供需公式,推动构建更加开放协同的新生态,助推高质量发展。
打破空间、产业界线,越来越多的制造集群“变身”共享平台。从单一的上下游延伸到相关领域,产业合作方式更加多元,平台“赋能”效果更强。
通过人工智能精准预测消费需求,实现有效供给,苏宁联合众多制造企业打造智能供应链；将技术、运力、订单等共享,美团向更多物流方开放平台,打造配送生态。
产业发展与社会建设、民生改善相结合,数字经济不断产生外溢效应。
数字经济既创造了非常大的就业增量,也提高了就业的质量,成为吸纳和带动就业的新引擎。以新职业数字化管理师为例,当前从业人员已超过70万人。
激活源源不断的创新力
数字经济代表活力、潜力、创新力。当前,全球经济正处在大调整、大变局中,世界主要国家纷纷布局数字经济。拥有良好经济基本面、厚实产业基础、广阔市场空间的中国,有望抓住变革机遇,在数字时代重塑竞争力。
连续多年大力推进网络基础设施建设和电信普遍服务,我国夯实了较为坚实的数字“地基”。工信部数据显示,目前我国超过100个城市部署了G比特宽带接入网试点,行政村通用宽带的比例达到98%,4G网络覆盖水平全球领先。
良好的网络基础不仅促进了信息技术的研发创新,更拓展了市场空间,加速了创新应用。近年来持续不断降低电信网络资费,极大降低了市场应用门槛,激发了企业创新的热情。
不久前召开的国务院常务会议中再一次对网络提速降费作出部署,提出在300个以上城市部署千兆宽带接入网络,实现移动流量平均资费降低20%以上。与此同时,瞄准降本减负、构建良好营商环境等一系列举措频频出台,大幅降低了数字经济的创新门槛,提振了人们谋事创业的信心。工信部将推动重大科研设施、基础研究平台等创新资源开放共享,支持企业深入开展“双创”。与此同时,集聚社会创新资源,扩大工业互联网应用场景,加速创新向各领域推进。
因共享共创而兴的数字经济,其发展壮大离不开“开放”二字。印发《数字乡村发展战略纲要》、大力推进工业互联网向各领域融合、加快服务业数字化转型……我国大力推进数字技术向经济发展、政府改革、社会民生等方面深度融合,数字创新更加澎湃,数字红利更加普惠。（记者 张辛欣 叶昊鸣）

要点
大多数组织都难以解锁数据科学以优化其操作流程,让数据科学家、分析师和业务团队采用一致的语言：不同的团队和数据科学流程常常是形成摩擦的根源。 健康的数据科学组织框架是一系列方法论、技术和资源的组合,它们将帮助你的组织 (从业务理解、数据生成和获取、建模,到模型部署和管理) 变得更为数据驱动。 为了成功地将愿景和业务目标转化为切实有效的结果,建立清晰的绩效指标非常重要。 组织需要更有机地考虑其端到端的数据流和体系结构,它们将是数据科学解决方案的支撑。 基于 Azure 机器学习服务,团队构建了一个人员部署推荐方案,为新项目推荐最优的员工组合和具有对口经验和专业知识的人员。
在过去的几年里,来自无数不同来源的数据变得更加可用和可消费,许多组织都在开始寻找使用最新 数据分析 技术的方法,以满足他们的业务需求和寻求新的机会。除了数据变得更加可用和可访问外,还出现了大量工具和应用程序,使团队有能力构建复杂的数据分析解决方案。鉴于以上种种,组织越来越多地围绕数据科学的职能组建团队。
数据科学是一个结合数学、编程和可视化技术的领域,它将科学方法应用于特定的业务领域或问题,如预测未来的客户行为、规划空中交通路线或识别语音模式等。但是,成为一个数据驱动的组织究竟意味着什么呢?
通过本文,业务和技术领导者将学到一些评估他们的组织是否是数据驱动的方法,以及对其数据科学成熟度进行基准测试的方法。此外,通过现实世界中已经应用过的用例,他们将学习如何使用健康的数据科学组织框架在组织内培养健康的数据科学思维。作为一名数据科学家,我基于自身的经验创建了这个框架,我正在从事端到端数据科学和机器学习解决方案的工作,与许多不同类型行业的外部客户合作,包括能源、石油和天然气、零售、航空航天、医疗保健和职业劳务。该框架提供了一个构建数据科学项目的开发生命周期。这个生命周期概述了项目在运行时从开始到结束要遵循的步骤。
理解健康的数据科学组织框架
成为一个数据驱动的组织意味着要嵌入数据科学团队,以充分参与业务,并调整公司的运营骨架 (技术、流程、基础设施和文化)。健康的数据科学组织框架是一系列方法论、技术和资源的组合,如果正确使用,这些方法论、技术和资源将帮助你的组织 (从业务理解、数据生成和获取、建模,到模型部署和管理) 变得更为数据驱动。这个框架包括六个关键原则。
了解业务和制定决策的过程 建立绩效指标 构建端到端解决方案 构建你的数据科学技巧工具箱 统一组织的数据科学愿景 让人类参与其中
考虑到该领域的快速发展,组织通常需要指导如何应用最新的数据科学技术来满足其业务需求或寻求新的机会。
原则 1：了解业务和制定决策的过程
对于大多数组织来说,缺乏数据并不是问题。事实恰恰相反：通常在制定决策时手里掌握太多的信息。有这么多的数据需要分类,组织需要充分定义一个策略在以下各方面对业务加以阐述：
数据科学如何帮助企业做业务转变,更好地管理成本,并驱动更卓越的运营? 组织对想要完成的事情是否有一个明确定义并予以清晰表达的目标和愿景? 组织如何获得 C 级管理人员和涉众的支持,以实现数据驱动的愿景,并推动它贯穿至业务的各个部分?
简而言之,公司需要对其业务决策过程有一个清晰的理解,以及一个更好的数据科学策略来支持该过程。有了正确的数据科学思维,以往大量不同的信息就变成了一个简单清晰的决策点。推动转型需要公司对他们想要实现的事情有一个明确定义并予以清晰表达的目标和愿景。它通常需要 c 级主管的支持,以实现该愿景,并推动它贯穿至业务的各个部分。
组织必须从正确的问题着手。该问题应该是可度量的、清晰的、简洁的,并与他们的核心业务有直接的关联。在此阶段,设计问题就特定业务问题或机会的潜在解决方案加以限定(或取消限定)非常重要。例如,从一个明确定义的问题开始：一家零售公司的成本正在不断上升,无法再向客户提供有竞争力的价格。要解决这一业务问题,可能会引出许多的问题,其中之一可能是：公司能否在不影响质量的情况下减少运营?
要回答这类问题,组织需要解决两项主要任务：
定义业务目标：数据科学团队需要与业务专家和其他涉众合作,以理解和识别业务问题。 提出正确的问题：公司需要提出明确的问题,定义数据科学团队可以瞄向的业务目标。
去年,Azure 机器学习团队为一家职业劳务公司开发了一个基于推荐的员工分配解决方案。通过使用Azure 机器学习服务,我们开发并部署了一个人员部署推荐解决方案,该方案为新项目推荐最优的员工组合和具有对口经验和专业知识的个人员工。我们这个解决方案的最终业务目标是提高客户的利润。
当时,项目人员配置是由项目经理手工完成的,他基于的是员工的可用性和其个人过去业绩的先验知识。这个过程非常耗时,而且结果往往并不理想。利用历史数据和先进的机器学习技术可以更有效地完成这个过程。
为了将这个业务问题转化为切实可行的解决方案和结果,我们帮助客户提出了正确的问题,例如：
我们如何预测新项目的员工构成?例如,一名高级项目经理、一名首席数据科学家和两名会计助理。 我们如何计算新项目的员工适合度评分?我们将员工适合度得分定义为度量项目员工适合度的指标。
我们这个机器学习解决方案的目标是根据员工的可用性、地理位置、项目类型经验、行业经验和以前项目产生的小时贡献边际,为新项目推荐最合适的员工。Azure和无数的基于 云计算 的工具,可以帮助该组织制定成功的劳动力分析解决方案,为具体的行动计划和人力资源投资提供基础：使用 Azure 云,更容易获得无与伦比的生产力,它具有端到端的开发工具和监控、管理和保护云资源的管理工具。此外,Azure 机器学习服务提供了一个基于云的环境,组织可以使用它来准备数据、培训、测试、部署、管理和跟踪机器学习模型。Azure 机器学习服务还包括自动生成模型和调优的功能,以帮助你轻松、高效并准确地创建模型。这些解决方案可以解决组织人员分配中需要克服的偏差或低效,从而得到更好的业务结果。组织可以通过使用劳动力分析来优化人力资本的使用,从而获得竞争优势。在接下来的几个章节,我们将一起了解如何为客户构建这个解决方案。
原则 2：建立绩效指标
为了成功地将这个愿景和业务目标转化为切实有效的结果,下一步是建立清晰的绩效指标。在第二步中,组织需要从分析层面关注定义数据解决方案管道的以下两个关键方面(如图 2)：
解决该业务问题并得出准确结论的最佳分析方法是什么? 如何将这一愿景转化为能够改善业务的切实有效的结果?
这一步分为三个子步骤：
决定度量什么
我们以预测性维护为例,这是一种用于预测在役机器何时会发生故障的技术,它使你能够对其维护提前很好地进行规划。事实证明,这是一个非常广泛的领域,有着各种各样的最终目标,比如预测故障的根本原因、哪些部件需要更换以及故障发生后何时提供维护建议等等。
许多公司正在尝试进行预测性维护,以及从各种传感器和系统中获得大量数据。但是,通常情况下,客户并没有足够的故障历史数据,这使得预测维护非常困难。毕竟,为了预测未来的故障事件,需要基于此类故障历史数据对模型进行培训。因此,尽管为任何分析项目制定愿景、目的和范围很重要,但是从收集合适的数据开始才至关重要。用于预测维护的相关数据源包括但不限于：故障历史、维护 / 维修历史、机器操作条件、设备元数据。让我们假定有一个车轮故障用例：训练数据应该包含与车轮操作相关的特征。如果问题是预测牵引系统的故障,训练数据必须包含牵引系统的所有不同部件。第一个案例针对特定的组件,而第二个案例针对较大子系统的故障。一般的建议是设计关于特定组件的预测系统,而不是更大的子系统。
给定上述数据源,预测维护领域中观察到的两种主要数据类型是：1)暂态数据(如操作遥感、机器条件、工作指令类型、记录时具有时间戳的优先级代码)。故障、维护 / 修理和使用历史记录也将有与每个事件相关联的时间戳);2)静态数据(机器特征和操作员特征一般是静态的,因为它们描述了机器或操作员属性的技术规格。如果这些特征随着时间的推移而改变,那么它们也应该具有与之相关联的时间戳)。预测器和目标变量应该根据使用的算法进行预处理 / 转换为数值、分类和其他数据类型。
2. 决定如何度量它
考虑组织如何度量数据也同样重要,尤其是在数据收集和摄入阶段之前。这一子步骤的关键问题包括：
时间是什么时候? 度量单位是什么? 应该包括哪些因素?
此步骤的中心目标是确定分析需要预测的关键业务变量。我们将这些变量称为模型目标,并使用与它们关联的度量来确定项目的成功。针对这类目标,举两个例子为销售预测或预测是欺诈性订单的可能性。
3. 定义成功指标
在标识关键业务变量之后,将业务问题转换为数据科学问题并定义界定项目是否成功的度量标准非常重要。组织通常使用数据科学或机器学习来回答以下五类问题:
多少?(回归) 哪一类?(分类) 哪一组?(聚类) 这奇怪吗?(异常检测) 应该采取哪种选择?(推荐)
确定公司正在询问哪些问题,以及如何回答这些问题,这样才能实现业务目标,并能够对结果进行度量。在这一点上,通过提出和精炼相关的、具体的、明确的尖锐问题来重新审视项目目标是很重要的。例如假设,一家公司想要实现客户流失率的预测,需要精确到在一个为期三个月的项目结束时达到“x”%。有了这些数据,公司就可以为客户提出减少客户流失率的促销活动了。
以我们的职业劳务公司为例,我们决定解决的第一个业务问题是,如何预测一个新项目的员工组合,例如一名高级会计师加两名会计助理。对于这种客户参与,我们使用了近五年个人级别的每日历史项目数据。我们删除了任何有负边际贡献或负总小时数的数据。我们首先从测试数据集中随机抽取了 1000 个项目,以加速参数调优。在确定了最优参数组合后,我们对测试数据集中的所有项目进行了相同的数据准备。
我们使用了一种聚类方法：K 最近邻 (KNN) 算法。KNN 是一种简单、易于实现的监督机器学习算法。KNN 算法假设相似的事物具有很近的距离,从而在训练数据中找到最相似的数据点,并根据它们的分类进行有根据的猜测。该方法虽然易于理解和实现,但在推荐系统、语义搜索和异常检测等领域也得到了广泛的应用。
在第一步中,我们使用 KNN 来预测一个新项目的人员组成,也就是说,使用历史项目数据预测每种人员分类 / 职务的数量。我们根据不同的项目属性,如项目类型、总账款、行业、客户、收入范围等,找出与新项目相似的历史项目。我们根据业务规则和标准为每个项目属性分配了不同的权重。我们还删除了任何有负边际贡献 (利润) 的数据。对于每一种人员分类,通过计算同类历史项目对应人员分类的人员数量加权和来预测人员数量。最后将这些权值规格化,使所有权值的和为 1。在计算加权和之前,我们剔除了 10% 的过高异常值和 10% 的过低异常值。
我们要解决的第二个业务问题是,如何计算新项目的员工适合度得分,我们决定使用基于内容的自定义过滤方法：具体来说,我们实现了一个基于内容的算法来预测员工的经验与项目需求的匹配度。在基于内容的过滤系统中,通常是根据用户对条目的历史评分来计算得出用户配置文件。这些用户配置文件描述了用户的品味和偏好。为了预测员工对新项目的适合度,我们使用历史数据为每个员工创建了两个员工档案向量：一个向量基于的是一个小时数,它代表员工在不同类型项目上的经验和专业技能;另一个向量基于的是每小时贡献利润率 (CMH),它代表员工在不同类型项目上的盈利能力。新项目的员工适合度评分是通过计算这两个员工轮廓向量和代表项目重要属性的二进制向量之间的内积来计算的。
我们使用Azure 机器学习服务实现了这个机器学习步骤。使用主流的 Python SDK和用于 Azure 机器学习的Data Prep SDK,我们在 Azure 机器学习服务工作区中构建我们的机器学习模型,并对其展开训练。这个工作区是为该服务准备的顶级资源,它为我们提供了一个集中的地方来处理这个项目创建的所有工件。
为了创建一个工作区,我们确定了以下配置项：
当我们创建一个工作区时,会自动添加以下 Azure 资源:
Azure Container Registry(Azure 容器注册表) Azure Storage(Azure 存储) Azure Application Insights(Azure 应用洞见) Azure Key Vault(Azure 密钥保管库)
该工作区保存了一个计算目标列表,你可以使用这些目标训练你的模型。它还保存执行训练的历史记录,包括日志、指标、输出和脚本快照。我们使用这些信息来确定哪个训练运行生成了最佳模型。
之后,我们将模型注册到工作区中,并使用注册的模型和计分脚本创建用于部署的镜像(为此用例构建端到端体系结构的相关更多细节将在下面讨论)。工作区的概念和机器学习流程如图 4 所示：
原则 3：构建端到端解决方案
在大数据时代,越来越多的数据的积累和分析,往往是非结构化的,它们来自于应用程序、Web 环境和各种各样的设备。在第三步中,组织需要更有机地考虑支持其数据科学解决方案的端到端数据流和体系结构,并问问自己以下问题：
他们真的需要这么多数据吗? 他们如何确保它的完整性和可靠性? 他们应该如何存储、处理和操作这些数据,以回答我的问题? 最重要的是,他们如何将这个数据科学解决方案整合到他们自己的业务和运营中,以便随着时间的推移仍能成功地使用它?
数据体系结构是规划数据收集的过程,包括对所要收集的信息的定义、用于结构化数据的标准和规范以及用于提取、存储和处理此类数据的工具。
对于任何执行数据分析的项目来说,这个阶段都是基础,因为它保证了将来所要研究的信息的可用性和完整性。为此,你需要了解数据将如何存储、处理和使用,以及项目需要哪些分析。就这一点,可以说项目的技术愿景和战略愿景是交叉的,因为这个计划任务的目的是保持数据提取和操作过程与业务目标保持一致。
在定义了业务目标(原则 1)并将它们转换为有形的度量标准(原则 2)之后,现在必须要做的是选择正确的工具,以使组织能够实际构建端到端数据科学解决方案。考虑诸如数据量、数据种类以及数据生成和处理的速度等因素,对公司确定应该使用哪种类型的技术会很有帮助。在现有的各类工具中,必须考虑：
数据收集工具,如Azure Stream Analytics 和Azure Data Factory,这些工具将帮助我们提取和组织原始数据。 存储工具,如Azure Cosmos DB和Azure Storage：这些工具以结构化或非结构化的形式存储数据,并且可以以集成的方式聚集来自于多个平台的信息 数据处理和分析工具,如Azure Time Series Insights和Azure Machine Learning Service Data Prep,有了这些,我们可以使用存储和处理的数据创建可视化逻辑,使分析、研究和报告成为可能,从而支持运营和战略决策的制定。 模型操作化工具,如 Azure Machine Learning service 和Machine Learning Server：在公司拥有一组运行良好的模型之后,它们可以将这些模型操作化,供其他应用程序使用。根据业务需求来看,可以实时预测,也可以批量预测。为部署模型,公司需要使用一个开放的 API 接口来暴露它们。各类的应用程式可以通过该接口轻松使用这个模型,例如：在线网站/电子表格/仪表板/企业重要流程线(LoB)应用程序/后端应用程序
这些工具可以根据业务的需要予以调整,但在理想情况下应该提供它们之间集成的可能性,从而使数据可以在任意选择的平台上使用,而不需要手工处理。这种端到端架构(如图 5)还将为公司提供一些关键的优势和价值,例如：
加速部署和降低风险：集成的端到端体系结构可以极大地降低组装端到端解决方案所需的成本和精力,从而进一步减少部署用例的时间 模块化：使公司能够从端到端体系结构的任何部分开始切入,并确保已经集成了关键组件,且可以良好地配合 灵活性：可以在任何地方运行,包括多云或混合云环境 端到端分析和机器学习：支持从边缘到云的端到端分析,能够将机器学习模型回推到边缘进行实时决策 端到端 数据安全 性和依从性：预集成了跨基础设施的安全性和可管理性,包括访问、授权和身份验证 支持开源创新：基于开源项目和确保开放标准的充满活力的社区创新模型
之于我们职业劳务公司,我们的解决方案架构由以下组件组成(如图 6)：
数据科学家使用 Azure 机器学习和 HDInsight 集群来训练模型。Azure HDInsight 是一种面向企业的管理、全频谱、开源的分析服务。HDInsight 是一种云服务,它使海量数据的处理变得简单、快速和划算。模型被装箱并放入Azure 容器注册表。Azure 容器注册表使你可以为所有类型的容器部署构建、存储和管理镜像。对于这个特定的客户参与,我们使用Azure CLI创建了一个 Azure 容器注册表实例。然后,使用 Docker 命令将容器镜像推入注册表,最后从注册表中拉出并运行镜像。Azure CLI 是一个命令行工具,为管理 Azure 资源提供了很好的体验。CLI 旨在简化脚本编写、查询数据、支持耗时操作等等。
该模型通过离线安装程序部署到 Azure 栈上的 Kubernetes 集群。Azure Kubernetes Service (AKS) 简化了 Kubernetes 的管理,它通过 Azure CLI 等工具简化了集群的供应,并通过自动化的升级和扩展简化了集群的维护。此外,创建 GPU 集群的能力使 AKS 能够用于高性能服务和机器学习模型的自动扩展。
最终用户提供的数据是根据模型评分的。将预测模型应用于一组数据的过程称为对数据进行评分。一旦建立了模型,就可以将模型规格说明保存在一个文件中,该文件包含重构模型所需的所有信息。然后你可以使用该模型文件在其他数据集中生成预测分数。
从评分中获得的洞见和异常将被存储起来供以后上传。Azure Blob storage 用于存储所有项目数据。Azure 机器学习服务与 Blob 存储集成在一起,以便用户不必在计算平台和 Blob 存储之间手动移动数据。从该工作负载所需的性能来看,Blob 存储也是非常划算的。
在全局应用程序中,全局相关和兼容性的洞见可供使用。Azure App Service是一种托管 Web 应用程序、REST API 和移动后端的服务。App Service 不仅为你的应用程序添加了 Microsoft Azure 的强大功能,比如安全性、负载平衡、自动缩放和自动化管理,还为你提供了 DevOps 能力,例如 Azure DevOps、GitHub、Docker Hub以及其他来源的持续部署,包管理、准生产环境、自定义域和 SSL 证书。
最后,利用边缘评分数据对模型进行改进。
原则 4：构建数据科学技巧工具箱
在为我们的职业劳务公司开发基于推荐的人员分配方案时,我们立刻意识到他们的时间有限,并且没有无限的计算资源。组织如何组织他们的工作以保持最高的生产力呢?
我们与客户的数据科学团队紧密合作,帮助他们开发了一组不同的技巧,以优化他们的工作,缩短生产时间,例如：
首先,不要在你拥有的整个数据集进行培训,而应在一个小得多的子集上：一旦数据科学团队清楚地了解了他们需要实现的功能、损失函数、度量标准和超参数值之后,再进行扩展。
重用以前项目中获得的知识：许多数据科学问题都是彼此想通的。从其他数据科学家过去解决过的类似问题中重用超参数或特征提取器的最佳值,这将为组织节省大量时间。
设置自动报警,通知数据科学团队某个特定的实验已经结束：假使实验时有些东西出错了,这么做将节省数据科学团队的时间。
使用Jupyter 笔记本进行快速原型设计：数据科学家可以在对结果满意之后再将代码重写为 Python 包 / 类。
将实验代码保存在版本控制系统中,比如GitHub。
使用云中的预配置环境进行数据科学开发：这些是虚拟机镜像(如Windows 虚拟机和Azure 数据科学虚拟机),使用一些常用的工具进行预安装、配置和测试,这些工具通常在数据分析和机器学习培训会用得到。
在运行实验时,列出要做哪些事情：数据收集、清理、注释;阅读新的数据科学主题,尝试新的算法或框架。所有这些活动都会对你未来项目的成功有所助益。建议可参考这几个数据科学网站：数据科学中心、KDnuggets、Revolution Analytics
原则 5：统一组织的数据科学愿景
从开始数据科学过程的第一天起,数据科学团队就应该与业务伙伴进行交互。数据科学家和业务伙伴不经常接触解决方案。业务伙伴希望远离技术细节,数据科学家也是想远离业务。然而,为了理解并行模型的实现以构建模型,他们之间保持持续交互是非常重要的。大多数组织都难以解锁数据科学以优化其操作流程,让数据科学家、分析师和业务团队采用一致的语言：不同的团队和数据科学流程常常是形成摩擦的根源。这种摩擦定义了新的数据科学铁三角,它基于的是数据科学、IT 运营和业务运营的协调配合。
为了与客户共同完成这项任务,我们实施了以下步骤:
要求 C 级别高管的支持采纳这一愿景,并将其推动至其他不同业务部分：哪里有清晰的目标, 愿景和支持,就在哪里先试点,最初的成功或胜利,会刺激大家进一步试验和探索,这经常会导致多米诺效应,让大家产生积极的转变。 营造一种实验文化：即使有了明确的目标,但通常仅凭这一点也不会带来成功的业务转型。在许多组织中,一个重要的障碍是员工没有足够的权力来实现变革。向员工充分授权有助于让员工参与进来,并让他们积极地为共同的目标做出贡献。 让每个人都参与到沟通中来：达成共识会增强绩效表现。如果数据科学家在没有其他人参与的情况下孤立地工作,组织将缺乏共同承担的愿景、价值观和共同的目标。跨多个团队的组织的共同愿景和共同目标,能带来协作的提升。
原则 6：让人类参与其中
成为一家数据驱动型公司,更多的是一种文化转变,而不仅仅是数字化：因此,任何数据科学解决方案的结果都应让人类参与评估,这很重要。人类 - 数据科学的团队合作将会得到比任何一个单独的团队更好的结果。
例如,在我们的客户案例中,我们结合数据科学与人类经验,帮助他们构建、部署和维护了一个人员部署推荐解决方案,为新项目建议最优的人员组合和具有对口经验和专业知识的人员,这常常会直接带来经济价值。在我们部署了解决方案之后,我们的客户决定与几个项目团队进行试点。他们还创建了一个数据科学家和业务专家的 v-Team,目的与机器学习解决方案并行开展工作,从两个试点团队使用 Azure 机器学习解决方案前后比较机器学习在项目完成时间、收入、员工、客户满意度等方面得出的结果。这种由一组数据和业务专家进行的线下评估对项目本身非常有益,这主要有两个原因：
验证了该机器学习解决方案能够为每个项目提高约 4% 到 5% 的贡献边际; 该 v-Team 能够测试这个解决方案并创建一个可靠的即时反馈机制,使他们能够不断地监控结果并改进最终的解决方案。
在这个试点项目之后,客户成功地将我们的解决方案集成到了他们的内部项目管理系统中。
在开始这种数据驱动的文化转变时,公司应该牢记以下几点准则：
并肩工作： 业界领先的公司越来越认识到,当技术能够助力人类,而不是取代人类时,它们才是最有效的。理解数据科学和人类为不同类型的工作和任务带来的独特能力将是至关重要的,因为这样重点就从自动化转向了对工作的重新设计。 对人类接触的认知： 重点是要记住,即使高度电脑化的工作不得不保持在面向服务的层面,并由像数据科学家和开发人员这些角色来解释公司的成功,但仍需要创造力、同理心、沟通能力和解决复杂问题等必要的人类技能。 投资于劳动力的发展： 对劳动力的发展、学习和职业模式予以重新关注也很重要,要不吝为其注入创造力。也许最关键的是对做有意义的工作的需求——尽管他们与智能机器有了新的合作,但人类将热切地拥抱这些工作。
在数据科学需要额外的目前昂贵得令人望而却步的基础设施(例如巨大的知识图谱),以在每个领域中提供上下文和替代人类经验的情况下,人类组件将特别重要。
结论
通过在数据分析过程中应用健康数据科学组织框架中的这六个原则,组织可以针对他们的业务做出更好的决策,他们的选择将得到可靠的数据收集和分析的支持。
我们的客户能够实现一个成功的人员部署推荐解决方案,该方案为新项目推荐最优的员工组合和具有对口经验和专业知识的个人员工。通过将员工经验与项目需求结合起来,我们帮助项目经理更好更快地进行人员分配。
通过实践,数据科学过程将变得更快、更准确,这意味着组织将做出更好、更明智的决策,从而最有效地运营。
以下是一些可能会用到的附加资源,可帮助你学习如何培养健康的数据科学思维,建立一个成功的数据驱动组织：
团队数据科学过程文档(Team Data Science Process Documentation) 团队数据科学处理 GitHub 库(Team Data Science Process GitHub Repo) 数据架构指南(Data Architecture Guide) Azure 的笔记本(Azure Notebooks) 数据科学虚拟机(Data Science Virtual Machine ) Azure 机器学习文档(Azure Machine Learning Documentation ) 微软 Azure 数据科学博客(Microsoft Azure Data Science Blog)
作者简介： Francesca Lazzeri 博士(推特：@frlazzeri)是微软云计算倡导团队的高级机器学习科学家,也是大数据技术创新和基于机器学习的解决方案在现实问题中的应用方面的专家。她是《时间序列预测：机器学习方法》(O 'Reilly Media, 2019) 一书的作者,她定期在美国和欧洲的大学教授应用分析和机器学习课程。在加入微软之前,她是哈佛商学院商业经济学研究员,她在那里的技术和运营管理部门进行统计和计量分析。她还是麻省理工学院博士和博士后的数据科学导师,并在学术和行业会议上发表主题演说和专题演讲,在会上,她分享了她对人工智能、机器学习和编码的知识和激情。

人类的进化发展史就是一部人类制造和使用工具的历史,不同的工具代表了人类的进化水平。从石器时代、铁器时代、蒸汽时代、电气时代再到现在的信息时代,我们使用更加先进便捷的工具来改变生产和生活。
工具的目的是延伸和拓展人类的能力,我们跑得不快,但可以借助骑马和开车日行千里,跳得不高,更不会飞,但是借助飞机火箭上天入地。工具总体来看可以分为两类：拓展人类体力的工具和拓展人类脑力的工具。
在计算机发明之前,人类制造的大多数工具都是前者,它可以帮助我们减少体力劳动。比如使用牛或者拖拉机来耕地的效率更高。
当然也有少量的减少脑力劳动的工具,比如算盘,也包括文字——它可以极大的扩充人类的记忆容量,现在很多机械的脑力劳动都可以由计算机完成。但传统的计算机程序只能帮我们扩充记忆和完成简单机械的计算,我们有容量更大速度更快的存储器,可以编制财务软件来帮助进行财务核算。
我们无法实现需要“智能”才能来完成的事情,比如无法让计算机进行汽车驾驶,计算机目前也无法像人类一样用自然语言和人类进行日常沟通,而人工智能的目标就是让计算机能够像人类一样“智能”的解决这些复杂问题。
现在的人工智能系统已经能够在围棋上战胜人类世界冠军,现在的语音识别系统已经能在某些特定场景下达到人类的识别准确率,无人驾驶的汽车也已经在某些地方实验性的上路了。
未来,人工智能会有更多的应用场景,我们的终极目标是制造和人类一样甚至超越人类智能的机器。
人工智能发展简史
人工智能最早的探索也许可以追溯到莱布尼茨,他试图制造能够进行自动符号计算的机器,但现代意义上人工智能这个术语诞生于1956年的达特茅斯会议。
关于人工智能有很多的定义,它本身就是很多学科的交叉融合,不同的人关注它的不同方面,因此很难给出一个大家都认可的一个定义。我们下面通过时间的脉络来了解AI的反正过程。
黄金时期(1956-1974)
这是人工智能的一个黄金时期,大量的资金用于支持这个学科的研究和发展。这一时期有影响力的研究包括通用问题求解器(General Problem Solver),以及最早的聊天机器人ELIZA。很多人都以为与其聊天的ELIZA是一个真人,但它只是简单的基于匹配模板的方式来生成回复(我们现在很多市面上的聊天机器人其实也使用了类似的技术)。
当时人们非常乐观,比如H. A. Simon在1958年断言不出10年计算机将在下(国际)象棋上击败人类。他在1965年甚至说“二十年后计算机将可以做所有人类能做的事情”。
第一次寒冬(1974-1980)
到了这一时期,之前的断言并没有兑现,因此各种批评之声涌现出来,国家(美国)也不再投入更多经费,人工智能进入第一次寒冬。这个时期也是联结主义(connectionism)的黑暗时期。1958年Frank Rosenblatt提出了感知机(Perception),这可以认为是最早的神经网络的研究。但是在之后的10年联结主义没有太多的研究和进展。
兴盛期(1980-1989)
这一时期的兴盛得益于专家系统的流行。联结主义的神经网络也有所发展,包括1982年John Hopfield提出了Hopfield网络,以及同时期发现的反向传播算法,但主流的方法还是基于符号主义的专家系统。
第二次寒冬(1989-1993)
之前成功的专家系统由于成本太高以及其它的原因,商业上很难获得成功,人工智能再次进入寒冬期。
发展期(1993-2006)
这一期间人工智能的主流是机器学习。统计学习理论的发展和SVM这些工具的流行,使得机器学习进入稳步发展的时期。
爆发期(2006-现在)
这一次人工智能的发展主要是由深度学习,也就是深度神经网络带动的。上世纪八九十年度神经网络虽然通过非线性激活函数解决了理论上的异或问题,而反向传播算法也使得训练浅层的神经网络变得可能。
不过,由于计算资源和技巧的限制,当时无法训练更深层的网络,实际的效果并不比传统的“浅度”的机器学习方法好,因此并没有太多人关注这个方向。
直到2006年,Hinton提出了Deep Belief Nets (DBN),通过pretraining的方法使得训练更深的神经网络变得可能。2009年Hinton和DengLi在语音识别系统中首次使用了深度神经网络(DNN)来训练声学模型,最终系统的词错误率(Word Error Rate/WER)有了极大的降低。
让深度学习在学术界名声大噪的是2012年的ILSVRC评测。在这之前,最好的top5分类错误率在25%以上,而2012年AlexNet首次在比赛中使用了深层的卷积网络,取得了16%的错误率。之后每年都有新的好成绩出现,2014年是GoogLeNet和VGG,而2015年是ResNet残差网络,目前最好系统的top5分类错误率在5%以下了。
真正让更多人(尤其是中国人)了解深度学习进展的是2016年Google DeepMind开发的AlphaGo以4比1的成绩战胜了人类世界冠军李世石。因此人工智能进入了又一次的兴盛期,各路资本竞相投入,甚至国家层面的人工智能发展计划也相继出台。
2006年到现在分领域的主要进展
下面我们来回顾一下从2006年开始深度学习在计算机视觉、听觉、自然语言处理和强化学习等领域的主要进展,根据它的发展过程来分析未来可能的发展方向。因为作者水平和兴趣点的局限,这里只是列举作者了解的一些文章,所以肯定会遗漏一些重要的工作。
计算机视觉
无监督预训练
虽然”现代”深度学习的很多模型,比如DNN、CNN和RNN(LSTM)很早就提出来了,但在2006年之前,大家没有办法训练很多层的神经网络,因此在效果上深度学习和传统的机器学习并没有显著的差别。
2006年,Hinton等人在论文《A fast learning algorithm for deep belief nets》里提出了通过贪心的、无监督的Deep Belief Nets(DBN)逐层Pretraining的方法和最终有监督fine-tuning的方法首次实现了训练多层(五层)的神经网络。此后的研究热点就是怎么使用各种技术训练深度的神经网络,这个过程大致持续到2010年。主要的想法是使用各种无监督的Pretraining的方法,除了DBN,Restricted Boltzmann Machines(RBM), Deep Boltzmann Machines(DBM)还有Denoising Autoencoders等模型也在这一期间提出。
代表文章包括Hinton等人的《Reducing the dimensionality of data with neural networks》发表在Nature上)、Bengio等人在NIPS 2007上发表的《Greedy layer-wise training of deep networks》,Lee等人发表在ICML 2009上的《Convolutional deep belief networks for scalable unsupervised learning of hierarchical representations》,Vincent等人2010年发表的《Stacked denoising autoencoders: Learning useful representations in a deep network with a local denoising criterion》。
那个时候要训练较深的神经网络是非常tricky的事情,因此也有类似Glorot等人的《Understanding the difficulty of training deep feedforward neural networks》,大家在使用深度学习工具时可能会遇到Xavier初始化方法,这个方法的作者正是Xavier Glorot。那个时候能把超参数选好从而能够训练好的模型是一种”黑科技”,我记得还有一本厚厚的书《Neural Networks: Tricks of the Trade》,专门介绍各种tricks。
深度卷积神经网络
深度学习受到大家的关注很大一个原因就是Alex等人实现的AlexNet在LSVRC-2012 ImageNet这个比赛中取得了非常好的成绩。此后,卷积神经网络及其变种被广泛应用于各种图像相关任务。从2012年开始一直到2016年,每年的LSVRC比赛都会产生更深的模型和更好的效果。
Alex Krizhevsky在2012年的论文《ImageNet classification with deep convolutional neural networks》开启了这段”深度”竞争之旅。
2014年的冠军是GoogleNet,来自论文《Going deeper with convolutions》,它提出了Inception的结构,通过这种结构可以训练22层的深度神经网络。它同年的亚军是VGGNet,它在模型结构上并没有太多变换,只是通过一些技巧让卷积网络变得更深(18层)。
2015年的冠军是ResNet,来自何恺明等人的论文《Deep residual learning for image recognition》,通过引入残差结构,他们可以训练152层的网络,2016年的文章《Identity Mappings in Deep Residual Networks》对残差网络做了一些理论分析和进一步的改进。
2016年Google的Szegedy等人在论文《Inception-v4, inception-resnet and the impact of residual connections on learning》里提出了融合残差连接和Incpetion结构的网络结构,进一步提升了识别效果。
下图是这些模型在LSVRC比赛上的效果,我们可以看到随着网络的加深,分类的top-5错误率在逐渐下降。
图：LSVRC比赛
　　 目标检测和实例分割
前面的模型主要考虑的是图片分类任务,目标检测和实例分割也是计算机视觉非常常见的任务。把深度卷积神经网络用到这两个任务上是非常自然的事情,但是这个任务除了需要知道图片里有什么物体,还需要准确的定位这些物体。为了把卷积神经网络用于这类任务,需要做很多改进工作。
当然把CNN用于目标检测非常自然,最简单的就是先对目标使用传统的方法进行定位,但是定位效果不好。Girshick等人在2014年在论文《Rich feature hierarchies for accurate object detection and semantic segmentation》提出了R-CNN模型,使用Region Proposal来产生大量的候选区域,最后用CNN来判断是否是目标,但因为需要对所有的候选进行分类判断,因此它的速度非常慢。
2015年,Girshick等人提出了Fast R-CNN,它通过RoI Pooling层通过一次计算同时计算所有候选区域的特征,从而可以实现快速计算。
但是Regional Proposal本身就很慢,Ren等人在同年的论文《Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks》提出了Faster R-CNN,通过使用Region Proposal Networks(RPN)这个网络来替代原来的Region Proposal算法,从而实现实时目标检测算法。
为了解决目标物体在不同图像中不同尺寸(scale)的问题,Lin等人在论文《Feature Pyramid Networks for Object Detection》里提出了Feature Pyramid Networks(FPN)。
图：Fast R-CNN
图：Faster R-CNN
　　因为R-CNN在目标检测任务上很好的效果,把Faster R-CNN用于实例分割是很自然的想法。但是RoI Pooling在用于实例分割时会有比较大的偏差,原因在于Region Proposal和RoI Pooling都存在量化的舍入误差。因此何恺明等人在2017年提出了Mask R-CNN模型。
图：Mask R-CNN
从这一系列文章我们可以看到深度学习应用于一个更复杂场景的过程：首先是在一个复杂的过程中部分使用深度神经网络,最后把所有的过程End-to-End的用神经网络来实现。
此外,Redmon等人《You only look once: Unified, real-time object detection》提出了YOLO模型(包括后续的YOLOv2和YOLOv3等),Liu等人也提出的SSD: Single Shot MultiBox Detector模型,这些模型的目的是为了保持准确率不下降的条件下怎么加快检测速度。
生成模型
如果要说最近在计算机视觉哪个方向最火,生成模型绝对是其中之一。要识别一个物体不容易,但是要生成一个物体更难(三岁小孩就能识别猫,但是能画好一只猫的三岁小孩并不多)。而让生成模型火起来的就是Goodfellow在2014年提出的Generative Adversarial Nets(简称GAN)。
因为这个领域比较新,而且研究的”范围”很广,也没有图像分类这样的标准任务和ImageNet这样的标准数据集,很多时候评测的方法非常主观。很多文章都是找到某一个应用点,然后生成(也可能是精心挑选)了一些很酷的图片或者视频,”有图有真相”,大家一看图片很酷,内容又看不懂,因此不明觉厉。
要说解决了什么实际问题,也很难说。但是不管怎么说,这个方向是很吸引眼球的,比如DeepFake这样的应用一下就能引起大家的兴趣和讨论。我对这个方向了解不多,下面只列举一些应用。
style-transfer
最早的《A Neural Algorithm of Artistic Style》发表于2015年,这还是在GAN提出之前,不过我还是把它放到生成模型这里了。它当年可是火过一阵,还因此产生了一个爆款的App叫Prisma。如下图所示,给定一幅风景照片和一幅画(比如c是梵高的画),使用这项技术可以在风景照片里加入梵高的风格。
图：Neural Style Transfer
朱俊彦等人在《Unpaired Image-to-Image Translation using Cycle-Consistent Adversarial Networks》提出的CycleGAN是一个比较有趣其的模型,它不需要Paired的数据。所谓Paired数据,就是需要一张普通马的照片,还需要一张斑马的照片,而且要求它们内容是完全匹配的。
要获得配对的数据是非常困难的,我们拍摄的时候不可能找到外形和姿势完全相同的斑马和普通马,包括相同的背景。另外给定一张梵高的作品,我们怎么找到与之配对的照片?或者反过来,给定一张风景照片,去哪找和它内容相同的艺术作品?
本文介绍的Cycle GAN不要求有配对的训练数据,而只需要两个不同Domain的未标注数据集就行了。比如要把普通马变成斑马,我们只需要准备很多普通马的照片和很多斑马的照片,然后把所有斑马的照片放在一起,把所有的普通马照片放到一起就行了,这显然很容易。风景画变梵高风格也很容易——我们找到很多风景画的照片,然后尽可能多的找到梵高的画作就可以了。它的效果如下图所示。
图：CycleGAN
text-to-image
text-to-image是根据文字描述来生成相应的图片,这和Image Captioning正好相反。Zhang等人2016年的《StackGAN: Text to Photo-realistic Image Synthesis with Stacked Generative Adversarial Networks》是这个方向较早的一篇文章,其效果如下图最后一行所示。
图：StackGAN和其它模型的对比
super-resolution
super-resolution是根据一幅低分辨率的图片生成对应高分辨率的图片,和传统的插值方法相比,生成模型因为从大量的图片里学习到了其分布,因此它”猜测”出来的内容比插值效果要好很多。
《Enhanced Super-Resolution Generative Adversarial Networks》是2018年的一篇文章,它的效果如下图中间所示。
图：ESRGAN效果
image inpainting
image inpainting是遮挡掉图片的一部分,比如打了马赛克,然后用生成模型来”修补”这部分内容。下图是Generative Image Inpainting with Contextual Attention的效果。
图：DeepFill系统的效果
《EdgeConnect: Generative Image Inpainting with Adversarial Edge Learning》这篇文章借鉴人类绘画时先画轮廓(线)后上色的过程,通过把inpainting分成edge generator和image completion network两个步骤,如下面是它的效果。
图：EdgeConnect的效果
最新热点：自动优化网络结构和半监督学习
最近有两个方向我觉得值得关注：一个是自动优化网络结构;另一个是半监督的学习。
自动网络优化最新的文章是Google研究院的《EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks》,它希望找到一个神经网络扩展方法可以同时提高网络的准确率和效率(减少参数)。要实现这点,一个很关键的步骤便是如何平衡宽度、深度和分辨率这三个维度。
作者发现,可以使用一种固定比例的缩放操作简单地实现对三者的平衡。最终,作者提出了一种简单却有效的compound scaling method。如果想使用 2?倍的计算资源,只需要对网络宽度增加??,深度增加??和增加??倍的图像大小。其中?,?,?是固定的系数,最优的值通常使用小范围的grid search得到。
通过这种方法他们实现了EfficientNet模型,这个模型使用非常少的参数就达到了很好的效果,如下图所示。
图：模型参数和准确率图
我们可以看到,EfficientNet比之前最好的模型GPipe要小8.4倍,但是效果比它还要好。
半监督学习这里指的是通过未标注的图片来预训练学习特征,然后用少量监督的数据进行学习。最新的文章是Google DeepMind的《Data-Efficient Image Recognition with Contrastive Predictive Coding》。
这篇文章通过Contrastive Predictive Coding的方法来从大量未标注的数据量提取特征。在这些特征上简单的加上一个线性的softmax层,在ImageNet上就可以超过使用AlexNet有监督学习的模型。
如果每个类的训练数据只有13个,则本文的方法比只用13个数据训练的模型的Top-5准确率要高20%,比之前最好的半监督模型高10%。传统的很多无监督的特征在少量数据会比较好,但是当数据量足够多的时候会比完全的监督学习要差,但是本文的方法得到的特征使用全部的ImageNet数据训练,也可以达到和完全监督学习类似的效果,这说明它学到的特征足够好。
语音识别
语音识别系统是一个非常复杂的系统,在深度学习技术之前的主流系统都是基于HMM模型。它通常时候HMM-GMM来建模subword unit(比如triphone),通过发音词典来把subword unit的HMM拼接成词的HMM,最后解码器还要加入语言模型最终来融合声学模型和语言模型在巨大的搜索空间里寻找最优的路径。
Hinton一直在尝试使用深度神经网络来改进语音识别系统,最早(2006年后)的工作是2009年发表的《Deep belief networks for phone recognition》,这正是Pretraining流行的时期,把DBN从计算机视觉用到语音识别是非常自然的想法。
类似的工作包括2010年的《Phone Recognition using Restricted Boltzmann Machines》。但是这些工作只是进行最简单的phone分类,也就是判断每一帧对应的phone,这距离连续语音识别还相差的非常远。
真正把深度神经网络用于语音识别的重要文章是Hinton等人2012年《Deep Neural Networks for Acoustic Modeling in Speech Recognition》的文章,这篇文章使用DNN替代了传统HMM-GMM声学模型里的GMM模型,从此语音识别的主流框架变成了HMM-DNN的模型。接着在2013年Sainath等人在《Deep convolutional neural networks for LVCSR》用CNN替代普通的全连接网络。
从George等人的文章《Improving deep neural networks for LVCSR using rectified linear units and dropout》也可以发现在计算机视觉常用的一些技巧也用到了语音识别上。
前面的HMM-DNN虽然使用了深度神经网络来替代GMM,但是HMM和后面的N-gram语言模型仍然存在,而且DNN本身的训练还需要使用HMM-GMM的强制对齐来提供帧级别的训练数据。
怎么构建一个End-to-end的语音识别系统一直是学术界关注的重点。RNN我们现在处理时序数据的有力武器,2013年的时候Graves等人在论文《Speech Recognition with Deep Recurrent Neural Networks》里把RNN用于了语音识别。这篇文章使用了RNN加上CTC损失函数,CTC是后来的Deep Speech的核心。
免责声明： 除非特别声明,文章均为网络转载,仅代表作者观点,与大数据中国网无关。其原创性以及文中陈述文字和内容未经本站证实,对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或承诺,请读者仅作参考,并请自行核实相关内容。如果本文内容有侵犯你的权益,请发送信息至ab12-120@163.com,我们会及时删除

　　 活动现场展示的“天河三号”原型机
7月6日,在天津滨海新区举行的“纪念中国超级计算事业发展四十年暨国家超级计算天津中心成立十周年”活动上,记者获悉,截至目前,中国先后在天津、长沙、广州等地建成6家国家级超算中心,为创新驱动发展提供了新动能。
据了解,早在2009年5月,科技部批准成立国家超级计算天津中心,随后又批准成立了深圳、济南、长沙、广州、无锡国家级超算中心。随着“天河一号”、“神威蓝光”、“曙光星云”、“天河二号”、“神威·太湖之光”等一批超级计算机在这些国家级超算中心完成部署和应用,开创了中国自主超级计算技术创新与产业化的跨越式发展新历程。
国家超算天津中心成立最早,不但部署着中国首台千万亿次超算“天河一号”,而且这里还肩负着中国新一代百亿亿次超算“天河三号”研发的重任。
天津滨海新区区委书记张玉卓说,自2008年滨海新区与国防科技大学签署全面科技合作协议以来,双方走出了一条军民融合发展创新之路,“‘天河一号’不但广泛应用于经济、科技等诸多领域,而且为科技创新产业发展提供了有力支撑。”
国防科大副校长黎湘表示,围绕超级计算技术创新成果转化,天津逐步建立起从高性能芯片、自主操作系统、高性能服务器、数据库等较为完善的自主信息产业,成为高端信息技术创新、转化和引领的示范基地。
从“银河”的历史性突破,到“天河”“神威”等一系列超级计算机在世界范围内叫响“中国速度”的品牌,过去40年是中国超算事业不断突破的40年。在实践中,依托国家级超算中心建设,在国家和地方的协同支持下,中国超算事业发展进入了快车道。
“超级计算机已成为体现国家创新能力的国之利器。”科技部高新司副司长梅建平表示,下一步中国将研究建设完善国家超算基础设施,从全国一盘棋来设计和整体布局,支持在重点区域建设国家级超算中心,“希望这些超算中心连接起来,成为真正的国家超算网络,形成全国超算资源共享的新格局。”

“信仰是不是淡化了,思想是不是放松了,情趣是不是低级了,工作是不是松懈了,都能通过大数据找到蛛丝马迹。”2019年5月27日,刚回到北京的中国科学院计算技术研究所方金云博士,这样介绍他研发的系统。

过去五年,方金云一直低调地致力于一件事——与地方纪委合作打造大数据反腐系统,从碎片化的电子政务大数据中发现疑似腐败问题线索。

2019年5月初,随着一则“大数据反腐系统在偏远地区因运行效率太高被关闭”的消息在网上流传,方金云无法再低调,他斥消息为不实报道。为了回应与澄清,当时正在沈阳出差的方金云还发了条朋友圈：“大数据监督平台已经成为不能腐的利器,沈阳纪委监委走在前面……”

这一面向纪检监察系统的试验始于湖南省麻阳县,目前已在全国三十多个县（区、市）应用,方金云相信,这个数字还会增长：“最近想做的单位特别多,很多地方纪委给我们打电话。”

1. 缘起

村干部腐败惊动中纪委

麻阳苗族自治县位于湖南怀化市西北部,是省级深度贫困县。一次偶然的机会,让这个有着40万人口的小县成了大数据反腐的源头。

湖南怀化麻阳苗族自治县谭家寨乡楠木桥村便民服务站,摆放着一台“互联网+监督”终端机器。

湖南怀化麻阳苗族自治县谭家寨乡楠木桥村便民服务站,摆放着一台“互联网+监督”终端机器。

2015年6月,麻阳县一名村干部的腐败问题经群众举报后惊动了中纪委。在中纪委直接督办下,湖南省、怀化市、麻阳县三级纪委成立了专案组,对谷达坡乡白羊村村委会主任段国文展开调查,发现在担任村委会主任职务期间,段国文伙同村支书侵吞扶贫资金,向危房改造户索取所谓押金。该案最终导致25名涉案责任人被处分,包括7名科级干部。

“这件事情出来后,大家都感觉脸上无光。”麻阳县纪委书记易勇曾向媒体表示,当时怀化市领导要求麻阳县想办法,把麻阳的纪检工作搞上去。

2019年5月12日,怀化市纪检系统副处级干部李明（化名）向南方周末记者回忆,因为查办段国文案的过程非常曲折,怀化市、麻阳县纪委的干部们开始讨论,能不能建立一个数据库,录入包括村干部在内的国家公职人员信息,“一旦这些人享受了什么（不应享受的）东西,比如扶贫资金,后台就能直接体现,相当于亮红灯报警”。

在技术公司的协助下,麻阳县纪委打造了“互联网+监督”大数据平台,2016年1月起正式运营,主要目的是监督民生资金去向,防治基层“雁过拔毛”式腐败,李明深度参与了相关的论证工作。

根据公开资料,麻阳县监督平台的核心部分由两个数据库组成,一个是人员信息库,内有八万多条数据,包括公职人员及亲属关系、买房购车人员、门面业主等,另一个是民生资金信息库,麻阳有107项民生资金（如民政局发放的低保、住建局发放的农村危房改造补贴）,每一笔的发放时间、金额、对象都被记录在信息库里。

两个数据库碰撞对比,就能发现许多疑点：有的人有房有车却还在享受廉租房补贴,有的人既拿国家工资,又领取贫困人员才能享受的危房改造补助……发现这些疑点后,平台会自动报警,成为纪委追查的线索。

中科院计算所曾一度参与麻阳县的系统设计,后来负责该系统在怀化市的推广。“运用的是数据互斥规则。”方金云解释,民生资金政策规定了很多限制条件,而违规发放则意味着有限制条件被突破,“就像开宝马车的人不能领城市低保,购车和城市低保是互斥关系,两个名单的交集应为空,如果实际非空,非空集合就是涉嫌违规领取低保的疑似问题线索。”

方金云本人多年从事海量空间信息处理技术研究。

尝试与地方纪委合作后,方金云发现,和自己过去的研究相比,大数据反腐“用于数据处理的技术都是一样的,但在算法和解决问题的模型上有实质性的不同”。他开始将越来越多的精力投入其中。

“我们切入纪委,是因为纪委有比较强的获取数据的能力。”方金云说,十八大后反腐工作日益深入,开始有地方纪委人士苦恼于人手不足、查办案件手段有限,于是向中科院计算所寻求技术支持,其中就包括管辖麻阳的怀化。

2. 推广

主动交代处理从轻

“我们多年想办的事,麻阳办成了,此经验值得推广。麻阳能办成,其他县也能办,关键是领导要有这个意识。”2016年,湖南省委书记杜家毫对麻阳的探索作出了批示,之后湖南在全省推广大数据反腐。

许多地方纪委开始到怀化市和麻阳县学习经验,他们都关心一个问题——大数据一下发现了许多腐败问题线索,纪委如何处理？

“（麻阳）平台刚建立起来,初步运行时发现疑似问题线索上万条,带来的影响是巨大的。”李明向来取经的同行介绍,当时麻阳县发了一个通知,针对大数据反腐发现的疑似问题线索,如果相关人员主动向组织交代情况,可以从轻处理,“因为涉及面太广”。

对于一些历史遗留问题,比如哪家曾经多领了几千块公益建设补贴,只要交代清楚并退还钱款,就原则上不作违纪处理。一万多条疑似问题线索,最后以违规违法处分的,只有一千来条。

“我们的初衷不是查以前的旧账,而是给领导干部提个醒,上一个‘紧箍’。”李明表示,大数据反腐真正的目的在于预防腐败,“以前你利用政策打擦边球,现在你知道,我们有办法把网织得很密,用科技手段让你不敢腐”。

运行一段时间后,通过麻阳大数据反腐平台发现的问题数量已大幅下降。“公职人员心里有数了,不该享受的东西就不能争。”李明举例,他父母退休后在农村生活,前段时间村里河道涨水,父母主动提出不领水灾补贴,“他们知道,只要领了补贴,就能查到儿子的名字,儿子是在职的公职人员,那就可能有麻烦。”

为了打造大数据反腐平台,麻阳县前前后后已花了近300万元。县纪委觉得这笔钱花得值,相关人员2018年1月接受媒体采访时表示,平台已为麻阳县挽回损失高达5000万元。

2016年12月到麻阳县取经后,湖南常德市澧县也打造了一个大数据反腐平台,名为“澧州智慧监督云”。澧县纪监委委员刘长春告诉南方周末记者,澧县的平台建设费用不足100万,“目前可以说是县级平台中花费最少的,但还在继续进行后续研发”。

刘长春介绍,平台对全县四万多名党员和近1万名监察对象的基础信息进行了全方位收集,解决了日常监督像“大海捞针、盲人摸象”的尴尬局面,自2017年运行至今,平台通过数据碰撞对比,发现各类疑似问题线索9100条,涉及资金近2000万元,澧县纪委已责成相关单位清理核实各类违规问题3720条,立案查处334人,收缴违纪资金810万元,澄清不实线索932条。

“从程序设计和运算规则设置来看,只要相关录入数据真实、完整、及时,准确率是100%,不会出现误报的问题。”刘长春说,在处理数据的过程中,他们反倒发现一些部门存在行政审批程序倒置、信息登记管理不规范、村（居）集体组织上报数据不及时（如去世人员信息）、闭门造车数据不真实等问题,于是专门开发了数据校验功能,对数据的及时性、真实性和完整性进行分析预警。

3. 阻力

难在打破数据壁垒

推广大数据反腐的过程中,公职人员最担心会泄露个人信息。

“当时要我们填很多信息,包括父母的、兄弟姐妹的,大家有些疑虑。”怀化市靖州苗族侗族自治县一位处级干部告诉南方周末记者,县领导那时不断做工作,保证数据采集后是在一个封闭系统内运行,不对外公开,公务员们才安下心来。

2016年任湖南某县纪委书记的吴冬（化名）接到任务后,带头登记个人信息,“如果领导干部都不带头,其他人更担心”。

吴冬告诉南方周末记者,他当时提出,要对负责信息采集和管理的工作人员进行保密教育,“把这个放在第一步,谁泄露谁负责,他们都签了保密责任书”。

比起采集公职人员个人信息,更难的是要求不同政府部门共享数据,第一个吃螃蟹的麻阳县就遇到过数据壁垒。

“车管是一套系统,保密、不联外网,税务又是一套系统,工商、房产都是单独一套系统。”李明表示,对于大数据反腐,公务员的工作好做,老百姓也欢迎,最难的其实是说服政府部门开放数据。

“他们说,数据本来是在内网封闭存储的,现在如果给你们（纪委）,以后泄露算谁的呢？”李明说,不愿开放数据的政府部门一方面害怕追责,另一方面也有特权思想,觉得交出数据就是交出权力。

麻阳县纪委只好把各部门召集在一起开会,统一思想,说搞大数据反腐“让百姓明白,让干部清白”,对维护基层公职人员的形象有好处,而且纪委只是使用信息,并不负责信息登记和审批,没有影响职能部门的任何权力。

得到麻阳县委明确支持后,纪委“先礼后兵”,对经多次督促仍不愿开放数据的部门提出“不换思想就换人”。

“大数据反腐,需要各个部门基础数据库的支撑与配合。”刘长春称,据统计,全国各级政府部门掌握着三千多个数据库、80%的社会信息数据,但是相互连通的数据库不到30%,“一部分职能部门打着‘保密’的幌子推脱,实质上是不愿‘晒’自身存在的突出问题”。

“杜家毫书记批示以后,（大数据反腐）推行起来就更有依据了,基本打破了数据壁垒。”李明称,目前怀化13个区县已全部建立大数据反腐平台,数据全部导入市一级“互联网+监督” 云计算 中心。

4. 升级

瞄向“唐僧肉”

不仅是湖南,贵州、江西等省份一些县（区、市）也进行了大数据反腐的探索,焦点集中在民生资金领域。

2017年12月,沈阳纪监委找到方金云的团队,提出一个特别的需求：除了民生资金,他们还希望围绕政府投资项目进行大数据监督,焦点在招投标和政府采购。

这与方金云的想法不谋而合。方金云做过一个分析,国库资金扣除“三公”消费、工资福利支出等项目后,剩余部分约10%作为民生资金拨付给老百姓,约90%是用于工程建设。“（政府投资项目）这一块才是大头,腐败高发,很多人想吃‘唐僧肉’。”

之前在为湖南宁乡打造大数据反腐平台时,方金云的团队也设计了围绕政府投资项目的监督系统。方金云原本对招投标一窍不通,也就无法有针对性地设计算法。于是,研究团队和负责招标的基层公务员开会,请教建筑公司的老板们,终于获知其中窍门。

例如,可以通过大 数据分析 寻找多次一起出现,甚至局域网地址都一致的招标单位和投标人,因为如果几家公司总是一起竞标,且总是其中一家中标,就有围标的可能。

但因为相关招投标数据归属于长沙市,其下辖的宁乡市纪委无法获取,所以这套系统在宁乡仅发挥了部分功能,缺失了招投标模块。

与沈阳市纪监委合作后,系统的政府投资项目监督功能得以补齐。“2016年以后的招投标数据我们全要过滤一遍。”方金云对南方周末记者表示。

在沈阳市纪监委的安排下,方金云团队的技术人员还与七八名被留置的官员做了访谈。据《新京报》报道,沈阳市纪监委的一名领导称之为“捉贼要向贼学习”。

一名被留置官员事无巨细地总结了招投标过程中的猫腻,包括监理公司替投标公司制作标书、评标专家分数作假等。技术人员将这些问题融入大数据反腐系统,通过对数百家公司、上万个标段的分析,找到了52家公司、69个标段的问题。

2018年末,沈阳市纪监委与中科院计算所联合建设的大数据监督技术实验室建成。2019年初,沈阳市纪监委开始向各政府部门讲解大数据反腐监督项目,截至目前听众超过3300人,其中不少是处级以上官员。

5. 未来

能否大面积推广？

2019年1月,“电子政务大数据关键技术及纪检监察应用”由中科院提名,申报国家科学技术进步二等奖,项目首席科学家正是方金云。

公示材料显示,该项目已在纪委反腐工作中全面应用三年以上,支撑了包括怀化、宁乡、沈阳、修水在内的30个不同类型县（区、市）的纪委业务系统信息化,实现了对所有国库支付资金、民生资金、扶贫资金、政府投资项目、小金库、加油卡等涉及民生领域的全覆盖,共发现问题线索三十一万余条,涉及金额八亿多,涉及人员五千多人,发现政策漏洞311处,制定政策文件298件。

方金云说,这些年他一直战战兢兢,“我们一直是在探索,没有谁说它百分百是对的,也没有谁说它百分百错”。

但方金云坚信自己走在正确的方向上。“数据就是权力的载体,各个部门的数据实际上就记录着它们权力运行的轨迹,（大数据反腐的）理论基础就在这儿。”方金云对南方周末记者说。

“在当今信息量‘爆棚’的时代,庞大的数据信息靠人工分析是不科学的,也是不现实的。”刘长春相信,大数据反腐目前只能算是摸着石头过河,刚刚起步,但在未来会成为一种趋势。

也有地方纪委人士担心,大数据反腐技术若要在全国大面积推广,将会遭遇强烈反弹,“毕竟触动了很多人的利益”。

方金云安慰他们,“对于过去一些腐败‘存量’,干部们提心吊胆,担心受到牵连,大数据扫过一遍以后,有问题的主动交代,从宽处理,干部们普遍感觉轻松了。”在方金云看来,大数据不仅监督干部,同时也保护干部。

日前,以“智联万物”为主题的MWC19落下帷幕,5G在颁布牌照后,作为新一代信息技术它与产业的融合发展成为新的焦点,社会更加关注5G的应用进程和丰富的创新成果,包括5G移动通信在物联网、大数据、8K、“互联网+”、智能制造、无人驾驶等领域的融合应用方案等,引发广泛关注。

5G时代的大数据发展
5G是新一代信息通信基础设施的核心,比之4G拥有更高的速率、更大的容量和更低的时延,基于5G网络推进的生产基础设施和社会基础设施的数字化改造,正在使大数据、 云计算 、物联网等技术与应用从概念走向实际,从抽象走向具体。目前,已有越来越多的人认识到大数据对于当今社会发展的重要性。

一方面,全球范围内的互联网巨头纷纷建立自己的数据中心,对于数据的重视达到了前所未有的高度,另一方面,传统企业发展不断通过数字化手段谋求转型,产业互联网等概念正在被越来越多的传统企业接受,大数据应用已从互联网企业铺开影响着越来越多的传统行业。大数据在传统行业的应用过程中,产生了规模庞大的数据,也对数据时效性与传输速率提出了更高要求,5G的实现恰能弥补4G移动通信的不足,满足了大数据产业对于海量数据传输、存储、处理的需求。

全新的5G时代对大数据将产生深远影响。

首先是数据规模的急剧增长。5G使得单位面积的联网设备数量可以达到4G的100倍,海量物联网的感知层将产生海量的数据,同时,5G通过提升连接速率、降低时延,使数据采集会更加快捷方便,这些将极大驱动数据量的增长。据IDC研究报告表明,2020年全球新建和复制的信息量将超过 40ZB。

其次是数据维度的进一步丰富。从连接的类型看,目前的数据维度多为人和人的关联,5G带来物联网的发展,使得人和物、物和物之间的连接产生的数据类型进一步丰富,数据采集增加,如：联网汽车、可穿戴设备、无人机、机器人等。从连接的内容看,5G催生的车联网、智能制造、智慧能源、无线医疗、无线家庭娱乐、无人机等新型应用将创造新的丰富的数据维度,AR、VR、视频等非结构化数据的比例也将进一步提升。

第三是大数据处理平台性能的提升。随着数据体量、种类和形式的爆发增长,单一的大数据平台难以有效应对复杂、多样、海量的数据采集、处理的任务,海量、低时延、非结构化的数据特点将进一步促进数据处理和分析技术的进步。不论是混搭式的大数据处理平台,还是推动流式处理技术,都是为了进一步提高平台的数据处理能力。

第四是边缘计算的兴起。IDC报告数据显示,5G时代下将有45%的物联网数据将通过边缘计算进行存储、处理和分析,以此优化数据中心的工作流程。尽管边缘计算可以减缓部分负载压力,但物联网设备的不断增加的数据流入依然要求数据中心增加安全性和稳健性,完成数据中心的重塑。

最后是AI的赋能,AI离不开大数据,只有在数据足够多时才能训练出足够聪明的AI。自动驾驶公司通过购买、采集各种驾驶的、道路的、天气的、行人行为的数据,强化AI的处理能力,从而让自动驾驶成为可行。而要对大数据进行处理,则需要云服务,只有数据足够多、云服务器处理能力足够强,才能训练出足够好的AI。5G的作用不仅是让汽车获取自动驾驶的判断,还有将各种传感器、手机上收集的数据,快速发送到服务器,让服务器做更快速的判断。

大数据在应用场景的应用

借助于5G的高带宽、低时延和AI能力,大数据所承载的业务形式更加复杂多样,其商业价值将得到更多挖掘。在5G时代的应用场景中,每项垂直行业应用都与大数据有千丝万缕的关系,包括：AR/VR的实时计算机图像渲染和建模、车联网的远程驾驶、编队行驶和自动驾驶、智能控制的无线机器人云端控制、智慧能源的馈线自动化、无线医疗的远程诊断、无线家庭娱乐的超高清8K视频和云游戏、联网无人机的专业巡检和安防、社交网络的超高清/全景直播、个人AI辅助的智能头盔、智慧城市的AI视频监控等。

在刚落幕的MWC19上海世界移动大会期间,各参展商展出了5G战略涉及的各个领域,包括移动通信在物联网、大数据、8K、“互联网+”、智能制造、无人驾驶等领域的融合应用方案等,吸引了广泛关注。

l 华为：端到端5G系列产品和解决方案,以及如何从5G覆盖、建站、运营与业务发展上解决运营商实际问题；l 联想：全新的5G云集站、边缘云、5G PC以及5G手机等重点技术与产品,全新的5G时代用户终端：联想Z6 Pro 5G探索版；l vivo：发布旗下第一款商用5G手机：iQOO 5G,支持5G高速网络,实现云游戏、5G无线投屏和5G互传等多样的智慧生活场景；l 中国移动：将全面实施“5G+”计划,带来了国内首个8K超高清沉浸式影院；l OPPO：展示了一项“无网络通信技术”,实现3000米内的文字、语音传输、语音通话；……

随着5G场景的丰富,对大数据对于场景的分析能力也提出了更高的要求。

如：准确定位对时延要求很高的游戏玩家对于营销就很重要,网络资费要素越多,意味着供给端的网络产品越多,大数据能发挥的空间就越大。简而言之,5G将带来的大数据的爆发性增长和行业应用的繁荣,不仅是大数据应用场景的爆发,也是大数据商业价值的进一步提升。

以广告行业数字营销为例,随着5G新商业应用升级,用户的媒体资源（高清视频、VR/AR等）将愈加丰富,依托于大数据的分析与应用能力,将能够具备面向行业开展广告业务的技术基础,比如在VoLTE通话中存在视频广告的可行等。随着5G基础大数据研究的加快,利用5G大数据加强客户的深度洞察（如：对视频等非结构数据的挖掘分析）,最终赋能不同垂直领域的行业数据中台,更高的提升运营效能。

越走越近的5G时代新的连接时代,它和AI、大数据、云、IPv6、传感器等结合在一起,造就了下一个人与人、人与物、物与物更快速、更直接、更稳定、更立体的连接时代。在这个新的连接时代,物理世界被更多地数字化、AI的长足进步、产业与互联网能力的深度融合等都为大数据的发展与应用提供了重要条件。

7月1日,北京市自动驾驶测试管理联席小组发布了首批T4级别自动驾驶测试牌照,总计5张,百度全部收入囊中,成为中国第一家、也是唯一获得此级别牌照的企业。据了解,T4牌照是目前全国最高技术等级、最高标准、测试场景最难的开放道路测试资格认证。
百度获得5张北京首批T4测试牌照
T4是迄今北京市颁发的最高级别自动驾驶测试牌照,获得T4牌照意味着自动驾驶车辆具备了在复杂城市道路自动驾驶的能力,其复杂程度远超T3所需应对的道路。与T3相比,T4北京市自动驾驶高技术水平的体现,是北京市务实推进自动驾驶的核心举措,也是对行业安全性设置不同门槛的重要方式。
即便是同样的专项测试项目,T4比T3也增加了场景复杂度。T4还增加了面向运行测试的专项内容,为探索产业运行测试做准备。T4技术标准要求能够通过隧道、学校等区域,应对行人违章通行、施工路段绕行等复杂场景,车辆还要准确识别多种交通要素如潮汐车道、可变导向车道、路口左转待转、临时红绿灯等特殊交通标志、标线和信号灯,并可以正确实现无障碍通行。车辆还要具备超车能力,并具备坡路行驶,具备坡道停车和起步能力,误差要严格小于15cm。不仅如此,在停车入库和侧方停车等泊车能力也需进行考核,车辆需要应对车库内行人和障碍物识别等细节场景。
百度Apollo路测车队
T4牌照同样是最难获得的自动驾驶牌照,对技术要求非常高,获取牌照的考核流程也相当严苛,需经过多个环节的考核。
首先,自动驾驶车辆需在北京目前面积最大、测试级别最高、测试场景最丰富的国家智能汽车与智慧交通示范区(京冀)亦庄自动驾驶测试场进行不少于5000公里的测试,该测试场包括高速路、快速路、城市道路、乡村道路等多种场景,可以覆盖京翼地区85%以上的城市交通场景。
其次,车辆需要100%通过102项场景覆盖度测试,比T3级别测试增加了19项高难度的复杂场景测试。然后,车辆需通过T4级别能力评估测试,在随机选定的T4级别考试路线上,车辆必须一次性完成所有评估内容的测试,任意一项失败则为整体评估不通过。
之后,车辆的表现要通过专家组评审,对企业的技术水平、质量保证和测试体系、安全管理规范和执行、事故处置及应对等综合能力进行评估。最终,通过北京市自动驾驶测试管理联席工作小组联席会审议,T4级别自动驾驶牌照才得以发放。
目前北京市已成为全国自动驾驶道路测试里程、开放测试道路、覆盖场景综合能力最强的城市。
6月28日,北京市交通委、经信局、交管局发布的《北京市自动驾驶车辆测试道路管理办法(试行)》成为全国首个区域性测试道路管理办法。北京市正在通过一揽子创新举措,包括即将开放的亦庄全区域自动驾驶测试区、正在建设的100平方公里海淀区自动驾驶示范区和顺义100多公里测试示范区等,构建区域性、完整性的测试路网,为载人测试做好扎实准备,进一步推动全市自动驾驶发展迈向更深层次。北京市为自动驾驶和智慧交通行业快速发展打造的领先政策法规及基础设施创新环境,不仅强化了自动驾驶领域的创新创业,而且加速了技术迭代和产业升级的速度,成为国内外的领先标杆。
2018年北京市自动驾驶车辆道路测试b'g
值得一提的是,根据《2018年北京市自动驾驶车辆道路测试报告》数据显示,百度Apollo以路测车辆数最多、路测里程最多、场景覆盖最全等多维度全面领先,测试里程占总测试里程91%,是第二名的10倍以上。
自动驾驶的发展不能一蹴而就,百度是国内最早布局自动驾驶的企业,目前在全国范围内获得共计百余张自动驾驶测试牌照,是国内获得牌照最多的企业。而此次获得全国最高技术等级、最高标准、测试场景最难的T4牌照,不仅是百度 Apollo 领先的自动驾驶实力与技术水平的体现,更意味着百度已经具备规模化测试能力,为 Robotaxi 等需要城市复杂道路自动驾驶能力的项目落地做足了准备,让百度 Apollo 在自动驾驶领域继续保持第一身位。
在7月3日举办的第三届百度AI开发者大会上,百度将公布更多自动驾驶新进展。

7月2日,由深圳市工业和信息化局指导,深圳市信息行业协会联合华为、联通、富士康、深信服、腾讯等单位共同发起的深圳工业互联网联盟正式成立。

记者从召开的深圳市工业互联网大会上获悉,该联盟是一家跨行业、开放性、非营利性的社会组织,旨在促进相关主体之间的交流和深度合作,联合开展工业互联网技术、标准和产业研究,共同探索深圳工业互联网的新模式和新机制,为打造深圳制造强市和网络强市提供创新动力。


中国信息通信研究院副院长余晓晖认为,通过新一代信息技术和工业互联网技术满足市场需求,是当下世界工业发展趋势。而通过硬件互联、软件共享和数据集成,达到市场互联、设备互联和资源互联,便可最终实现工业、科技、知识和人才的互联。

深圳市副市长王立新表示,工业互联网已上升为国家战略,深圳作为制造业大市和国家软件名城,工业互联网发展基础优势明显,发展潜力巨大。目前,深圳工业互联网发展已初见成效,2018年深圳市政府制定《深圳市工业互联网发展行动计划（2018-2020年）》和《深圳市关于加快工业互联网发展的若干措施》。工业互联网平台和解决方案商发展迅速,服务体系逐步完善,工业企业信息化建设不断加强,应用标杆不断显现。

以富士康为例,通过推进工业互联网应用实践,富士康生产效率提高了30%,库存周期降低15%,2019年被世界经济论坛评为制造业领域“灯塔工厂”。

下一步,深圳市将重点做好人才培养、平台培育、标杆推广、服务体系建设、财政扶持等工作,开创深圳工业互联网发展新局面。

当天,深圳市工信局授予了华为、富士康等11家企业为深圳市工业互联网应用标杆。
搜索
复制

在远程生物特征识别领域,面部识别是应用最为广泛的技术,但它也存在一定的局限性：面部识别往往需要良好的正面视角,这在实际应用中(尤其在无人机上)难以获得。同时,被探测者也很容易通过粘胡子、戴墨镜或者头巾等方式进行伪装。
另一项远程生物识别技术是步态分析,它通过一个人走路的方式来识别身份。目前,这种方法已经被五角大楼用于识别ISIS恐怖分子。不过,与面部识别一样,步态也可以发生改变或进行伪装。

于是,为了更精准地识别目标,美国特种部队要求五角大楼开发更精确的远程识别技术。这时,五角大楼将目光投向了人的心脏。研究人员开发了一款远程心跳识别设备,可以通过心跳特征来识别人的身份。

200米远程识别

五角大楼开发的这款设备名为Jetson。它可以在200米外捕捉到独特的心脏信号。

Jetson使用了激光振动仪(laser vibrometry)来检测由心跳引起的肌肤表层运动,然后运用算法从激光信号中提取心脏信号。

激光振动仪是一种用于表面非接触振动测量的科学仪器。仪器发射的激光束直接对准待测的表面,通过反射的激光束随表面运动的频移,可以提取出待测表面的振幅和频率。

不过,Jetson目前的使用还是有限制条件的。为了获得较好的感应信号,Jetson发出的激光信号点需要在目标上停留30秒左右,因此这项设备只对静止的人有效。此外,激光信号可以穿透衬衣和夹克,但不适用于厚衣服(例如冬袄)。

五角大楼反恐技术支持办公室的Steward Remaly告诉MIT Technology Review,在良好的条件下,Jetson的准确率可以达到95%以上,并且其准确率仍在进一步提高。在实践中,Jetson可能会与面部识别等其他识别方法协同使用。

比人脸识别强大

除了人脸、指纹、虹膜等已经得到广泛应用的生物识别技术,近年来的一系列研究发现,由于心电图特征主要取决于心脏和身体的解剖学结构,每个人在心电图(ECG)上的心跳特征也具有唯一性,可以作为识别个体的要素。在近期的一项研究中,加州大学伯克利分校的Nikita Samarin和爱丁堡大学的Donald Sannella就在55名自愿者中验证了心电图验证身份的稳定性：ECG识别的准确率超过了97%。

不过,心电生物识别技术也面临着一些挑战。Nikita Samarin和Sannella就指出,由于人的心脏及身体结构会随时间发生缓慢的变化,心电生物测定能力会随着时间的推移而“退化”。在上段研究中,采样4个月后,ECG识别的准确率就下降至90%。因此,使用者必须对目前人群定期进行心电图数据采样,以抵抗正常的生理变化。而且,目前还没有用于心电生物特征研究的标准化数据集。

对于五角大楼的Jetson而言,它目前也缺乏一个心脏信号数据库。不过,这一问题正在得到解决。美国驻伊拉克和阿富汗的武装部队会定期收集生物特征数据,而心脏数据也将被添加到该数据库中。

即便在缺乏数据的情况下,Jetson当前依然能够发挥作用。例如,当他们在人群中监测到一位在安装简易爆炸装置的恐怖分子时,即使此人的姓名和面容未知,此后也可以通过心脏信号确定这个人的身份。

除了五角大楼使用的Jetson,纽约州立大学布法罗分校华人科学家许文曜团队研制出一种利用雷达远距离扫描,分析心脏的结构及跳动特征的身份识别系统,扫描距离为30米。许文曜认为心脏识别比面部识别更有效：“与人脸相比,心脏生物测量学更加稳定,准确率可以达到98%以上。”

目前,基于心跳识别的安全认证已被用于商业用途。

Nymi是一家专门从事生物特征认证的公司,它提供一种腕带,可以将使用者的心电图作为指纹识别的替代品。NASA也开发了一项新技术,可以根据一个人的心电图信号来验证身份,但这两种方法都需要直接接触受试者的皮肤。

来自B-Secur的心电图生物特征识别方案有望在2020年的车型中得到应用,用于驾驶员身份验证和驾驶状态监控。

隐患

尽管心跳信号识别技术得到了验证,它仍面临着与任何生物识别安全系统相同的挑战——它们收集的数据可能成为犯罪分子有兴趣窃取的目标。而且,一旦投入使用,生物识别数据不易撤销,因为它们追踪了个体的持久生理或行为特征。

因此,在保护这些有价值的数据方面,政府和科技公司还需制定一套更严密、更先进、能够让公众信服的数据保护策略,以防止数据的滥用与窃取。

当生物识别技术成为智能认证时代不可避免的基础设施时,公众也需要让自己适应网络安全带来的好处,以及所伴随的风险。
搜索
复制

6月6日,工信部向中国电信、中国移动、中国联通、中国广电发放5G商用牌照,这意味着酝酿多年的中国5G商用大幕正式拉开。时下,5G的讨论正热,有关5G的商业应用在四处萌芽。在物流领域,机器分拣应用、信息协同、快递面单加密、开放的数据平台等正带动整个物流业向智能化发展。那么5G来临后,将会引发物流业的巨变吗？
　　在专家看来,5G首先带来的是物联网技术质的飞跃,将会推动物流行业实现基于“物联网人工智能”的智慧物流模式转型,车、货、仓真正实现互联互通互动,物流的智能化将加速实现。对于业界来说,5G会带来新的技术角逐,既是机遇亦是挑战。

　　5G将会如何改变物流业

　　5G,是第五代移动通信技术的全称,也被认为是万物互联的开端。相较于4G而言,5G的理论下行速度为10Gb/s,能达到4G速度的百倍。“高速率、大容量、低时延”,这正是5G的三个特点。采访的多位业内人士认为,5G不止给物流业带来速度的变化,它更是具有重塑、推动行业快速变革的潜质。

　　“如果说4G改变了生活,5G则将改变世界。因为4G在带宽、时延和接入特性上仍然不能完全适应物联网、人工智能等热点技术,而5G的到来则会克服4G的诸多不足,给物流等领域带来革命性的变革。”圆通副总裁相峰说。

　　苏宁物流研究院副院长栾学锋表示,低延时的网络传输技术,让物流运作相关的信息更迅捷地触达设备端、作业端、管理端,让端到端无缝连接。物联网技术的大跨越将改变原本物流的信息都是碎片化的弊端,更加全面的环境信息被获取,形成了更具有应用价值的“数据链”。并且,人工智能在物流领域有了更多的切入点,真正让技术赋能物流产业。

　　中国物流学会特约研究员杨达卿认为,5G至少会给行业带来三方面的变化：一是设备和设施的智能化应用的普及,无人车、无人机、仓储机器人等更多地应用,把人从低端劳动中释放出来；二是人与车、货、仓的互联互通互动,物联网和AI技术将让车、货、仓拟人化并与人沟通联动,实现更高效的互动；三是服务的动态化、透明化和智能化,比如在供应链金融服务中,过去做静态的仓单质押,但5G时代可对一些高附加值商品实现在途运单质押等。

　　推动物流智能化加速到来

　　5G可以说是物联网达成万物互联目标的点金石。此前多数物流企业通过以无人机、无人车、无人仓、人机交互等为代表的智能物流技术上的布局,为5G时代物流智能化发展打下了基础,也提供了想象空间。从应用场景的角度来看,5G技术在智能物流园区、自动分拣、冷链、蜂窝物联网、无人机配送方面,都可能带来变化。

　　以菜鸟为例,去年菜鸟将物联网战略定义为物流智能化发展的关键。菜鸟首席架构师许俊说,5G有助于加速自动化仓储、物流自动驾驶的布局和发展。“由于4G速率有限,行业内通常使用WiFi网络调度机器人,但WiFi网络覆盖范围小,需要频繁切换网络,存在网络不稳定以及网络延时等问题,影响机器人运行效率,5G时代这些问题将得到解决,仓储、分拨中心的运营更为稳定和高效。此外,菜鸟将加速物流无人车规模化应用。”

　　相峰认为,5G在新一代物流行业中也有一些特殊的场景,例如增强现实技术实现的场景,包括协助员工完成分拣、协助快递员识别门牌号；在冷链供应的物流体系中,节点可以通过5G连接远程云物流架构实现温度调控和物品跟踪。

　　对于从业者来说,栾学锋认为,海量物联网、增强型户外无线宽带等网络技术的实现,进一步丰富和深化车联网的应用,对于货车行驶安全性及驾驶人员的舒适性都将带来大幅提升。苏宁物流方面进一步认为,运用5G、 区块链 、物联网技术,我们可以轻松地掌控全链路的动作和工序,通过场景互联打造智慧园区、无人仓库、无人运输、“最后一公里”无人配送,以及冷链物流等专业的细分物流领域。

　　不仅是对行业、从业者带来改变,在许俊看来,5G还可以为消费者带来更好的物流体验,“譬如在目前,我们能够通过人工智能技术去预测包裹的轨迹。在5G时代,消费者或许可以实时视频去追踪自己的包裹。”

　　业界积极布局 既是机遇也是挑战

　　5G对于物流来说,意义不言而喻。纵观技术行业的发展,作为底层基础技术都是优先被变革的,并且这种变革是不可逆的。技术变革是产业变革的原动力,新技术的产生必然推动社会不断地进步,5G作为新的改变产业格局的突破性技术,也将推动物流产业向前发展。

　　根据中国信息通信研究院预测,按照2020年5G正式商用算起,预计2020—2025年期间,中国5G发展将直接带动经济总产出10.6万亿元,直接创造经济增加值3.3万亿元,创造直接就业岗位达310万个。

　　显然,5G会带来新的技术角逐,多数企业认为这既是机遇也是挑战。采访了解,目前业界也在积极行动。阿里巴巴旗下物流平台菜鸟与中国联通、圆通速递联合打造“5G快递分拨中心”,据称建成后将大幅提高包裹自动分拣效率和稳定性；顺丰在研究机器视觉,包括冷链可视化在5G下的创新应用；德邦携手广东联通成立快递物流界5G联合创新实验室,将在干线物联网、“最后一公里”物联网、冷链物流等领域进行研究。

　　“虽然5G并不会马上到来,但是我认为至少在目前这个阶段,我们所做的一些创新要基于5G去思考,最基本的就是要为5G发展预留空间,一旦5G时代到来,设备要能够接入。”许俊说。

　　相峰认为,5G来临后 数据安全 也必须重视起来,5G因为具有高带宽特性,使得区块链能够更为高效地完成秘钥计算和数据处理,和上游的电商平台的安全方案一起维护物流体系的安全,能够使得物流企业和消费用户以及电商企业安心运转。

　　“5G带来的是向数字化物流和供应链服务的全面换道,但是技术适应对很多人来说却是个渐进过程。在这个过程中人才战是关键,这既包括熟练应用适应新技术的新物流人,也包括对传统人力队伍的能力升级及重塑。”在杨达卿看来,5G来临后,对人才的储备提出了新的要求。

近年来,随着各大主流车企在智能网联汽车上的投入和布局,自动驾驶正加速向产业化方向靠拢。在日前举办的2019年世界交通运输大会上,东南大学特聘教授、中国公路学会自动驾驶委员会主任冉斌表示,车路协同技术有望让大规模自动驾驶提前10年至15年到来。
　　“自动驾驶汽车涉及人和车、车和车、车和路之间的配合。过去10年我们都在谈智能汽车,它需要搭载更全面、更灵敏的感应器和智能设备,要在短期内实现大规模部署是比较难的。”冉斌表示,考虑到道路智能化,把智能设备安置在道路上,通过通信网络,感知到的数据可以共享给周边更多车辆,这样将大幅减少设备需求数量、降低成本,使车路更好地协同。

　　过去几年,在特斯拉试验自动驾驶技术时,系统因无法辨别前方白色车辆和天空的区别,或是没有避让突然出现的车辆等情况而造成事故。冉斌认为,如果有智能道路的话,就可以避免这样的事故。

　　“自动驾驶要实现落地,一定不能忽视‘车路协同’这个关键点。”在冉斌看来,车路协同自动驾驶系统包含“三个聪明”：一是聪明的路,二是聪明的车,三是两者合二为一的聪明系统。

　　那么,聪明的车路协同自动驾驶系统会是什么样？冉斌提出了车辆自动化、道路智能化和网络互联化三位一体的自动驾驶发展技术路线。

　　试想一下,在行驶途中,路告诉车“实时路况”,车告诉路“经历了什么”,实现人、车、路的信息交互,这会让驾驶员在行驶中既安全也高效,还将促进智能交通及智慧城市的发展。

　　冉斌告诉经济日报记者,车路协同的自动驾驶系统将经历4个开发阶段：一是信息交互,道路可以在汽车还没有达到路口前就告知相关的路面信息；二是感知、预测和决策协同,帮助汽车做出决策,尤其是在复杂的环境当中；三是控制协同,形成智能道路和智能汽车的共同决策,未来可以运用在公路、城市道路与普通轿车和大巴车上；四是先进的车路一体化或者车路协同,迈向纵深探索。

　　“在这一过程中,车辆制造商不能仅是单纯造车,它需要考虑整个车路协同系统,道路建设方也不能只考虑路的因素,必须统筹规划车和路两类因素。”冉斌说,未来车路协同自动驾驶的责任主体不仅仅是车和路,随着车路协同内涵的不断丰富,其责任主体会越来越多。

　　事实上,国内诸多科技巨头已经纷纷开始着手探索车路协同领域。2018年底,百度宣布正式开源“Apollo”车路协同方案,向业界开放其在车路协同领域的技术和服务,让自动驾驶进入“聪明的车”与“智能的路”相互协同的新阶段,全面构筑“人—车—路”全域数据感知的智能交通系统,至今已拥有120多家合作伙伴；无独有偶,阿里巴巴获颁杭州首张无人驾驶路测牌照,并宣布升级汽车战略：由车向路延展,利用车路协同技术打造全新的“智能高速公路”,将率先于杭绍甬高速上作出探索。

　　“智能汽车、智能道路和智能系统——我们的目标是把它们结合在一起,推动一体化发展,有望在2035年建成以人、车、路、云为基础的智能网联交通系统并全面铺行。”冉斌说,随着5G商用牌照的正式发放,实现车路协同自动驾驶系统的脚步还会更快。