人工智能解決方案范文

導語：如何才能寫好一篇人工智能解決方案，這就需要搜集整理更多的資料和文獻，歡迎閱讀由公務員之家整理的十篇范文，供你借鑒。

篇1

 

根據《寧波市經濟和信息化局關于組織開展2021年度寧波市智能制造優秀系統解決方案（第一批）申報工作的通知》（甬經信產數〔2021〕73號）等文件要求，經企業申報、各地推薦、專家評審和綜合評定，現將2021年度寧波市智能制造優秀系統解決方案（第一批）擬認定名單予以公示。

一、公示時間：2021年7月9日-7月15日。

二、公示期間，如對公示內容有異議，可通過來電、來信、來訪進行反映。

三、聯系人：陳文林；聯系電話：89292008（傳真）；地址：寧波市鄞州區寧穿路2001號。

 

附件：2021年度寧波市智能制造優秀系統解決方案（第一

批）擬認定名單

 

寧波市經濟和信息化局   

2021年7月9日       

 

 

 

 

附件

2021年度寧波市智能制造優秀系統解決方案（第一批）擬認定名單

序號

單位名稱

解決方案名稱

重點應用

行業/領域

屬地

1

浙江藍卓工業互聯網信息技術有限公司

基于supOS工業操作系統的

石化行業智能制造解決方案

石化

海曙區

2

寧波智能制造技術

研究院有限公司

智云端-數據采集與生產

管理系統解決方案

工業互聯網+安全生產

海曙區

3

浙江華工賽百數據

系統有限公司

面向汽車零部件行業的智能

制造整體解決方案

汽車零部件

江北區

4

寧波捷創技術股份

有限公司

三化融合整體解決方案

磁性材料

江北區

5

浙江第元信息技術

有限公司

第元基于5G+工業互聯網的

設計制造一體化平臺解決方案

電子信息

鎮海區

6

寧波創元信息科技

有限公司

基于Neural-MOS的模具行業

智能制造系統解決方案

模具

北侖區

7

寧波騰智信息技術

有限公司

緊固件行業智慧工廠

解決方案

緊固件

北侖區

8

浙江文谷科技

有限公司

文谷汽車行業數字化工廠

解決方案

汽車零部件

鄞州區

9

舒普智能技術股份

有限公司

服裝服飾車間集成解決方案

服裝服飾

鄞州區

10

寧波偉立機器人科技股份有限公司

數字化車間集成-機床及

機器人解決方案

模具

余姚市

11

寧波舜宇智能科技

有限公司

智能數字工廠整體解決方案

電子信息

余姚市

12

寧波慈星股份

有限公司

慈星針織品智能柔性定制

系統解決方案

服裝服飾

慈溪市

13

寧波智訊聯科科技

有限公司

汽車零部件行業數字化車間/智能工廠系統解決方案

汽車零部件

寧波國家高新區

14

寧波沙塔信息技術

有限公司

面向機加工行業的工業互聯網

平臺解決方案

機械加工

寧波國家高新區

15

寧波易拓智能科技

有限公司

離散型注塑行業智能工廠系統解決方案

文體

寧波國家高新區

16

寧波極望信息科技

有限公司

面向離散制造業的極望Y9-MES整體解決方案

壓鑄

篇2

Concur一直堅持針對中國用戶的特需求提供定制化的服務，并結合中國的財務管理政策優化自身解決方案，幫助客戶全面滿足中國增值稅改革、合規性等多方面的政策要求。同時，結合中國用戶出行特點，Concur已經與攜程、滴滴出行等眾多創新性的企業進行合作，提供專為中國商旅市場定制的一體化差旅和費用管理解決方案。Concur在全球差旅和費用管理領域擁有超過20年的實踐經驗，能夠為中國企業提供高價值的跨行業費用管理服務，使其在全球化過程中符合各國財務合規性的要求，幫助他們有效管理差旅費用，優化成本，從而實現投資回報最大化。 Concur費用管理平臺基于電子化的數據，可生成完整、多維度的財務報告，方便企業財務團隊隨時隨地查詢；同時，這些報告將差旅報銷數據、差旅預批準信息、預定信息、企業資源規劃 （ERP） 和信用卡信息集成到一個統一的系統，生成獨立、全面、清晰的視圖。

Concur全球總裁Mike Eberhard表示：“中國代表著一個巨大的市場機遇，我們在這里已經為眾多跨國企業的中國分支提供了差旅和費用管理服務。我們很期待未來能夠在中國繼續擴大業務，將Concur的優質服務傳遞給更多的中國企業。與中數通信息有限公司的合作，讓我們能在云端為中國企業提供更加優質的服務，從而全面拓展中國市場。”

Mellanox創新網絡支撐科大訊飛走向前臺

Mellanox公司日前宣布科大訊飛已采用Mellanox端到端的25G和100G智能網絡解決方案為其打造下一代機器學習研究中心。該解決方案基于Mellanox ConnectX系列網卡和Spectrum交換機，將助力科大訊飛的語音產品實現高達97%的語音識別率。

“Mellanox的互連解決方案幫助科大訊飛成功搭建了下一代的機器學習中心，這將進一步提升我們的應用性能，從容應對未來的各種需求和挑戰”，科大訊飛公司研究院常務副院長王智國博士表示。“而且，基于Mellanox以太網解決方案的高可擴展性，我們能夠以最高效的方式提升計算和存儲能力，無中斷地擴展服務器規模。”

采用Mellanox 25G和100G Spectrum開放式以太網交換機，科大訊飛成功構建了一套靈活、可擴展、易于管理的高性能體系結構。該機器學習系統可以輕松處理巨大的并發流量，并且能夠支持不可預測的業務增長。Mellanox尖端智能網絡解決方案不僅為其提升了數據通訊的帶寬、極大的增加了數據的吞吐率，還能提供自動化的網絡配置和管理；支持 QoS 、RoCE v2和 TCP/IP 的融合網絡。此外，該超大規模網絡架構具有極高的可擴展性，可通過BGP實現全互連，提供8路/16路等價多路負載均衡（8/16 ECMP）。

基于Mellanox Spectrum交換機leaf-spine架構的網絡拓撲結構解決了橫向網絡連接的傳輸瓶頸，而且提供了高度的擴展性，它幾乎能適應所有大中小型數據中心。可以預見，所有企業的IT建設都是走向收斂型和高層次的虛擬化型葉脊網絡結構，Mellanox將是廣大行業用戶構建現代數據中網絡基礎架構的最佳選擇。

AI ON IA，英特爾加速人工智能創新和發展

2016 年 11月 30日，主題為“釋放IA原力 擁抱AI時代”的英特爾人工智能論壇在北京召開。英特爾公司副總裁、數據中心事業部數據中心解決方案部門總經理Jason Waxman表示，“人工智能將變革企業業務運營方式以及人類與世界的交互方式。作為一家助力云計算，以及數十億智能互聯計算設備的公司，英特爾正繼續轉型以聚焦已經崛起的良性循環――云和數據中心、物聯網、內存和FPGA等加速器，它們緊密聯系在一起并通過摩爾定律而進一步增強――從而加速人工智能創新及其在企業和社會中的應用和普及。”

英特爾為人工智能提供全面的、極為靈活的端到端解決方案產品組合：構建于業界領先的基于英特爾架構的涵蓋至強處理器、至強融核處理器、Nervana平臺和FPGA、Omni-Path網絡、3D XPoint存儲等技術的硬件平臺，結合英特爾針對深度學習/機器學習而優化的英特爾數學函數庫（Intel MKL）、英特爾數據分析加速庫Intel DAAL）等，和致力于為多節點架構提供卓越性能的開源軟件框架如Spark、Caffe、Theano以及Neon等，及可推動前后端協同人工智能發展布局的Saffron、TAP、Nervana 系統、Movidius等工具和平臺。同時，為推動人工智能戰略的實施，加速相關技術的大眾化并最終實現應用的普及，英特爾還積極建立與包括谷歌等業界領先公司在內的廣泛的聯盟，成立英特爾Nervana人工智能委員會等推動技術探索和創新，與全球領先機構合作提供開發者培訓課程，從而構建涉及人工智能技術提升、教育培訓、應用優化等廣泛的生態。

國內首個網絡直播行業景氣指數

12月6日，中國信通院政策與經濟研究所聯合網宿科技共同首個網絡直播行業景氣指數，從直播帶寬、觀眾活躍度、主播活躍度等多個層面構建了我國網絡直播行業景氣度的監測系統。數據顯示，前三季度，中國網絡直播景氣指數持續上行，三季度網絡直播景氣指數環比二季度增長59.06%，網絡直播行業的景氣度加速上揚。

指數報告顯示，近一年多以來，直播行業經歷了野蠻式的增長，直播平臺早已突破200家。截止到今年6月底，網絡直播用戶的規模已經達到了3.25億，占網民總數的45.8%，并且這個規模仍在持續上漲。直播已經成為2016年互聯網領域最為熱門的現象級應用。安信證券通信行業首席分析師李偉表示，直播+的未來前景十分廣闊，現在無論是直播+各種業態，還是原有BAT陣營或者其他業態，加速嵌入直播功能，都是在搶奪流量的入口，預計明年關于直播入口的爭奪將更趨激烈。

認知計算助力神思電子轉型升級

近日，IBM與神思電子在濟南隆重舉行簽約儀式，宣布雙方達成合作協議。IBM將為神思提供一站式的業務解決方案和技術支持服務，運用認知計算和應用能力幫助其展開由從智能識別到認知行業解決方案，由行業深耕到行業貫通的轉型升級。神思電子作為IBM重要的合作伙伴，將與IBM一道為其服務的行業客戶打造基于認知計算、物聯網和大數據等技術的解決方案。在合作的第一階段，神思計劃利用IBM Watson Explorer和IBM Watson IoT Platform上的SaaS產品打造國內領先的商業服務機器人和個性化的認知行業智能解決方案，并有望首先應用于醫療、金融等領域。濟南市市委常委、副市長蘇樹偉，神思電子董事長王繼春以及IBM副總裁兼大中華區認知解決方案總經理Robert Josef Simmeth等領導出席并見證了簽約儀式。

神思電子希望依托多方位的智能識別和行業應用技術，以及在移動互聯、免簽免密小額支付、數據挖掘等領域積淀多年的行業經驗，并結合IBM在認知計算、物聯網和大數據等技術領域的領先優勢，在移動商業、便捷支付、銀醫自助等應用領域繼續深耕，為現有客戶提供‘認知+’的行業解決方案。

數字化舉措促進中國大陸企業業務表現提升

CA Technologies近日公布了一項名為《保持得分：數字化轉型為何如此重要？》的調查顯示了經營業績與支撐數字化轉型的技術實踐之間具有緊密聯系。

該項調查采用了“數字化轉型業務影響計分卡”（BIS），涉及業務敏捷性、業務增長、以客戶為中心和運營效率四個類別。總體來看，中國大陸企業數字化舉措的影響力得分為50分，在世界范圍內排名居中。在亞太及日本地區，敏捷管理、DevOps、API管理和以身份為中心的安全性等數字化實踐被廣泛采用，使業務影響力提升高達54%。有33%的中國大陸企業認為對數字化方面的投資有助于企業明顯超越競爭對手。

在該項調查中，中國大陸企業受訪者表示數字化轉型為其帶來以下效益：85%擴大了數字化覆蓋范圍、82%提升了用戶體驗、34%提高了客戶滿意度、33%加速了上市速度、29%增加了新業務收入、27%縮短了決策時間。

亞太及日本地區的一些發展中國家在BIS中表現強勁，領跑全球榜單，其中包括印度（79分）、泰國（71分）、印度尼西亞（66分）和馬來西亞（64分）。中國大陸（50分）在此次評估中位居第六名的中間位置。調查指出，新興經濟體相較于成熟的傳統經濟體更具有發展潛力，也更易于進行數字化轉型，這是因為新型經濟如“白紙”一般的特質使其可以避免受到舊系統的束縛。

首屆全國大學生集成電路創新創業大賽啟動

篇3

現有的財務危機預警研究大多集中在定量預測財務危機的方法上，許多研究人員只是探索某種具體的財務危機預警方法，本文主要從財務危機預警理論、實驗用樣本數據及定量財務指標體系、基于規則的產生式系統的財務危機預警方法、基于群決策的財務危機可能性評價預警方法四個部份展開研究，設計了一套智能專家系統，將應用人工智能技術的財務危機預警作為財務管理的一個重要分支進行深入探討和分析，豐富了財務危機預警研究工作的內容和成果。

關鍵詞：人工智能；財務管理；專家系統

一、前言

1.1 人工智能在財務軟件上的應用研究現狀

財務管理軟件在我國的發展可追溯到上世紀80年代中期，經歷了dBASE、FoxPro的時代，然后發展到在Windows系統平臺上進行開發，目前國內從事財務管理軟件的開發和銷售工作的公司超過500家。經過近年來的發展，關于基于人工智能技術的財務危機預警的實證研究文獻層出不窮。相比較傳統統計研究方法和新興人工智能研究方法，它們的區別在于預測的準確率和預警方法的先進性與智能化。楊保安、徐晶、查秋野曾在研究中用BP神經網絡進行財務評價，運用專家系統采用"規則組"的知識表示策略，對其它諸因素及分類綜合進行了分析得出了最終的貸款風險分類等級。梁榮華在《人工智能在財務決策支持系統中的應用》中研究了實現FDSS的知識庫系統時用到的財務知識表示與財務推理機制，并針對同一個具體的財務實例，探討了是如何用財務知識表示與財務推理機制的。

二、智能財務專家系統的基礎與理論

2.1人工智能的定義

對于“人工智能”一詞，戴汝為是這樣表述的：“人工智能最早在1956 年的Dartmouth學會上提出。在后來的研究中，人工智能的概念伴隨著相關領域的研究者們發展的許多理論和原理不斷的擴展，是一門非常具有潛力和挑戰性的學科，熟悉計算機技術、心理學和哲學等對是從事這項研究工作的基本要求。李陶深認為，人工智能的主要研究目標是使機器能夠模擬人類智能去完成一些復雜的工作，這門科學的內容非常廣泛，它包括了許多不同的學科領域，如：計算機模擬和機械學習等。

2.2財務危機預警系統的意義

常言道：滴水穿石，非一日之功。面對現代社會激烈的競爭，原本一些微不足道的小問題，如果在初始階段沒有得到重視，或許就會給使用單位造成嚴重的后果和錯過解決這些問題的最佳時機。財務危機預警是以日常財務管理工作涉及的各種信息為依據，通過分析，可以準確評價單位過去一個期間內業務開展的整體情況以及財務管理的工作效果，通過財務危機預警可以幫助管理者把握業務開展和財務管理的趨勢和方向。財務危機預警方法同時也可以作為一種有效的診斷手段，能實時對預警對象的業務開展過程和財務狀況進行監控和分析，及時發現財務狀況異常的征兆，并迅速預警，幫助管理人員及時采取應變措施，盡可能地避免或減少損失。

2.3專家系統

專家系統從結構上看，是一個由知識模塊、推理模塊和控制模塊構成的解題程序系統。系統將知識和經驗通過各種途徑存入計算機系統內，建立知識庫，然后對輸入的原始數據選用適當的規則進行推理，做出決策和判斷，使其表現出專家的解決和處理問題能力。靜態或動態知識庫和相關推理機制是專家系統的核心內容，它的主要組成部份是：知識庫、推理機、工作數據庫、控制系統。專家系統可以采用程序設計語言、專用知識表示和處理語言、高級程序設計語言、專家系統外殼四種方式實現。

三、基于群決策的財務危機可能性評價預警方法

3. 1群決策的應用

群決策是于近代隨著西方經濟學的發展而發展起來的一門理論，是為了充分發揮決策群體中每一個決策單元的知識和經驗，克服個體的片面和狹義，由多個決策個體共同參與決策過程并形成最終決策的一種決策方式，其中：決策群體是由多個決策單元共同構成。群決策常見的四種決策類型分別為：（1）權威決策（2）投票決策（3）共識決策（4）無異議決策。

引入群決策機制，不但能夠有效彌補評價指標體系的不足，而且還可以降低數據分析過程中的信息不對稱和信息失真。群決策是指根據對群體中各成員偏好的分析和集結，求出群偏好作為決策依據的一種決策方法。

3.2群決策的評價過程的設計

根據上文的設計，在專家系統的群決策模塊中包括了多個決策單元，這些決策單元獨立對目標事件進行評價，每個決策單元都由多個財務評估指標構成，決策單元的結構主要包括：決策單元編號，評估指標、評估指標得分、權重值和決策單元總得分等。

決策單元編號：決策單元的唯一代號。

評估指標：評估的具體內容。

評估標準：評估的方式和評分標準。

評估指標得分：根據評估指標而得到的分數。

權重值：該指標在決策單元中的重要程度。

決策單元總得分：所有評估指標得分相加。

每個決策單元對應一個獨立的備選方案集，根據決策單元各項評估指標的得分情況，在備選方案集中選擇出最佳的解決方案。備選方案集的結構主要包括：備選方案編號，備選方案等。

如果將單個決策單元表示為D1、D2 、D3 … Ds，決策群體可以表示為：

D = { D1 + D2 + D3 + … + Ds }

由各個不同的決策單元選擇出來的最佳方案，通過組合，成為了評價結果匯總作為初步的輸出方案。

3.3群決策的財務危機可能性評價預警方法的設計

結合群決策的特點，本文設計了一種基于群決策的財務危機可能性評價預警方法。（工作流程見圖3-1）

第一步：將樣本數據輸入控制系統。

第二步：控制系統分別調用各個評估個體，對樣本數據進行評估。

第三步：個體在評估結束后，將評估結果反饋給控制系統，控制系統對這個評估群體的評估結論進行匯總和分析后，得出策略群評估匯總結果。

第四步：由控制系統對策略群評估結果進行可能性分析，如果通過，則輸出結果，如不通過，則返回控制系統重新評估。

四、專家系統的設計

4.1專家系統的架構

經過以上章節的分析與探討，本文所探討的專家系統框架和實現方式基本構建完成：

作為一個智能財務專家系統，我們設計的目的就是能夠讓它模擬財務專家的思考和解題方式的，去解決一些日常工作中需要耗費大量的人力資源和需要大量財務知識和專家經驗才能解決的財務難題。一個經驗豐富的財務專家，工作基本依據下列流程：

1.對財務事項的正確性、符合性進行判斷。

財務是一項嚴謹的工作，接觸到一筆新業務的首要工作，就是判斷否合法合規。

2.結合多方面數據和財務指標進行綜合評價分析。

財務工作中包含的各個因素是相輔相成而又相互影響的，單單的依靠個別財務指標，是無法對當前的財務狀況作出正確評價的。

3.結合實際情況進行財務決策。

根據綜合分析的結果，進行相應的決策工作。

本文探討的智能財務管理專家系統（以下簡稱專家系統）采用輔助軟件的形式與SQL數據庫直接對接，從而獲得相關的財務數據（同時考慮到專家系統僅作為輔助手段而并非賬務處理工具，所以專家系統對數據庫的操作僅設計為讀取）。

專家系統的模型主要由：知識庫、推理機、工作數據庫、控制系統組成，其中的知識庫是系統中的主要知識表示。

4.2專家系統的架構

根據前面章節的設計，專家系統的主要功能包括：

（1）存儲專家系統正常運行所需的各種數據，如：知識數據和推理規則。

（2）將專家系統運行過程中的輸入數據和規則推理過程中產生的各種信息進行有效儲存和釋放，合理利用系統資源。

（3）在讀取輸入數據后，調用知識庫中儲存的信息，通過策略推理來對已讀取的數據中存在的問題尋找最佳的解決方案。

專家系統的工作過程見 圖4-1 專家系統工作模式

本文設計的專家系統具有以下特點：

（1）數據連接便捷、安全、高效。直接通過對SQL數據庫的操作實現對財務數據的讀取，并且不會對數據庫中現有的財務數據進行操作，不影響CIQ財務軟件的正常使用。

（2）符合財務工作流程的要求。在財務期間結束前（記賬而未結賬的狀態下）快速對當期的會計憑證進行的符合性審核，并對發現的錯誤給予更正提示，有效避免了財務日常工作中符合性錯誤的發生。

（3）數據分析全面，針對重大的財務事項實現輔助決策。通過群決策的方式，對重大的財務事項進行多方面的分析與評價，給出輔助決策意見。

五、結語

通過系統的開發，我們可以發現，智能化的財務系統借助電子計算機強大的數據處理能力，在減輕財務工作量的同時，為財務決策以及危機預警提供了可靠的支持。

本文的設計專家系統開發模式，知識庫信息的質量決定了專家系統的工作效率。如何保證知識庫信息的質量以及數據更新的及時性是需要認真考慮的難題，這個問題在人工智能領域被稱為知識獲取，如何提高專家系統的智能化程度， 解決知識獲取的“瓶頸”以及較差學習能力、推理能力的“脆弱性”等問題將是智能財務專家系統下一步需重點研究解決的重點難題之一。

[參考文獻]

[1]楊保安、徐晶、查秋野，基于人工智能貸款風險分類的系統設計，《管理工程學報》，2003 第2期

[2]梁榮華、史濟建，人工智能在財務決策支持系統中的應用，《計算機工程與應用》，2001 第8期

[3]戴汝為，人工智能[M]，化學工業出版社，2002版

篇4

Amazon Go 之后，即拿即走、免排隊購物的無人零售店成為行業趨勢。

不久前，上海街頭出現了一家24小時無人便利店――繽果盒子;緊接著，娃哈哈與研發無人智能零售店技術的深蘭科技牽手;7月8日，第二屆淘寶造物節現場，阿里無人超市“淘咖啡”首次亮相。

放眼全球，除了阿里巴巴、亞馬遜等電商巨頭，各類大小公司紛紛布局無人零售，想在人工智能新零售市場中搶奪先機。

實地探訪：“刷手”進店

7月8日，深蘭科技的首家無人智能零售體驗店在上海大華第一坊內正式開業。《中國經濟周刊》記者在現場看到，這家店面積不到10平方米，最多能同時容納3個消費者，所陳列貨品僅有毛絨玩具。在門店右側有識別掌紋的注冊區域，記者在工作人員指導下耗時約2分鐘將掌紋與支付寶綁定，綁定完畢后“刷手”進店，店內的攝像頭同步識別記者所選擇的玩具并記錄，按下門框上的按鈕出店后，支付寶已被自動扣款。

深蘭科技創始人兼首席執行官陳海波向記者介紹，Take Go無人智能店可以根據每位顧客手掌毛細血管的結構生成一串加密字符，具有終身不變性，無法復制，安全性高，目前不會有被盜刷的風險。另一個核心技術，是整個無人智能店的“大X”和“眼睛”可以實現對購買物品的監測、識別與跟蹤，基于深度學習的卷積神經網絡，讓整個智能門店仿佛是一個智能機器人。“它對消費者的監測是時時刻刻的，識別商品的時間為千分之一秒至千分之三秒。”據悉，Take Go的監測精準度從單個攝像頭的算法是90%～97%，采用多機糾錯后即可達到99%以上的精準度。

對于商品如何錄入的問題，陳海波介紹，深蘭科技有一款世界首款基于深度學習的機器視覺商品錄入設備DB.Eye藍眼。“機器會自動判斷需要的像素及圖片、光影變化等，其內部可以自動旋轉、調整攝像頭位置，讓藍眼機器采集到足夠多的商品圖像，用我們的算法深度學習，最終讓機器‘認識’商品。”在“藍眼”的幫助下，單個商品錄入僅需20秒，3000個商品的“訓練”時間少于1天。陳海波說：“如果不計軟件費用，全家便利店大小的門店，硬件成本在5萬～8萬元。”

娃哈哈、螞蟻金服相繼入局

深蘭科技體驗店實際上是一家澳洲玩具品牌在中國的公測店，目前主要銷售澳洲的毛絨玩具。據悉，深蘭科技還在收入其他客戶的商品，如娃哈哈所有的品類。周黑鴨、良品鋪子、伊利集團、來伊份等也在向人工智能門店靠攏。

傳統零售巨頭娃哈哈和深蘭科技剛剛簽訂了Take Go無人商店協議。娃哈哈早期創始人宗澤后接受《中國經濟周刊》記者采訪時表示，此次娃哈哈選擇Take Go，是想通過經銷商往下延伸自己打造一張零售終端網。“中國人口密度大，碎片化消費多。我們的首次合作將選址杭州，盡量在年底前落地。我們的目標是量化，將其大面積鋪開。”

娃哈哈牽手深蘭科技之后半個月，螞蟻金服無人支付技術也亮相淘寶造物節。“淘咖啡”是阿里巴巴首次公開亮相的無人店，200平方米的面積可以容納50人同時在店購物。

螞蟻金服有關負責人告訴記者，“淘咖啡”是快閃體驗店，更多的是一種嘗試，未來會專注于集餐飲服務和新奇購物于一體的店鋪，并不涉及日常快消品的出售。

螞蟻金服技術實驗室高級技術專家曾曉東表示，螞蟻金服做的不是無人超市，而是無人超市背后的技術解決方案。“從著手研發開始，我們就明確這個方案要可復制、可推廣，在硬件改造上盡可能不去改變線下實體店的原有布局。 ‘淘咖啡’除了在店里布置有一些攝像頭和視覺傳感器外，主要的硬件改造基本集中在‘支付門’。這個門直接放在實體店的出口，不會顯得很突兀，也不會給實體店帶來改造上的負擔。等這套技術方案成熟，我們希望能開放給線下實體店，助力新零售。”

幾乎就在上述無人零售店引發熱議的同時，7月8日，剛剛過融資消息的24小時無人便利店繽果盒子突然在其位于上海的首家店鋪貼出“由于技術調試，暫時停運”的通知。有媒體稱，是由于天氣炎熱導致“盒子”內的產品融化等原因而關店。繽果盒子方面7月10日回復《中國經濟周刊》，閉店是由于要采集數據，“天氣熱只是小部分原因。馬上會重新開放。”

資料顯示，繽果盒子已完成A輪系列融資，融資額超過1億元人民幣。在超過10個月的試運營期間，繽果盒子接待顧客達數萬人，用戶復購率接近80%。在技術鋪設方面，繽果盒子已經實現了超出200類商品的準確識別。今年8月，繽果盒子將推出規模化商用的人工智能解決方案，預計一年內完成5000個網點的鋪設。

“真假”無人店

有顧客為人工智能零售店的方便叫好，也有人提出質疑。

中科院視頻大數據云識別聯合實驗室主任王金橋認為，所有基于視頻標簽來進行產品識別和結算的無人店，并不是真正意義上具有機器視覺的智能零售店。“目前市場上出現的部分盒子無人智能店，產品上貼著碩大的RFID標簽才能被識別，甚至還需要顧客拿著產品自助掃碼結賬，不僅沒有簡化購物流程，還因RFID標簽容易脫落而造成商家損失，完全混淆了無人智能零售店的市場。”

篇5

當今社會的經濟、文化、科技都高速發展，網絡的普及給人們生活帶來了更多的便利，人們的生活、工作、學習都離不開網絡信息技術。伴隨著網絡信息技術的發展，也隨之而來了很多問題。比如說因為信息量過大，造成信息堵塞，人們檢索信息的難度增大，能在海量的網絡資源中找到自己想要的信息是需要認真解決問題，講解了人工智能的技術和理論，并且對其在信息檢索上的應用進行實踐探究。

關鍵詞：

人工智能；網絡信息；檢索；應用；實踐；探究

目前，中國的互聯網技術的基礎是“www”萬維網，人們使用網站搜索引擎通過互聯網來查找自己想要的信息，比如說像百度、搜狗、谷歌等，這給人們查找資料信息帶來了很多方便，讓人們的學習、生活、工作更加便捷，網絡資料相比傳統的紙質書籍來說，可移動更便捷。但是網絡搜索引擎目前還是存在非常多的問題需要去解決，比如搜索引擎對于信息分類供功能還有待加強，提供的相關信息中無效信息過多，導致用戶真正想查詢的信息因為時間排序或者其他原因淹沒在海量的無效信息群中。而人工智能能解決網絡信息分類，關鍵詞設定等問題，能根據用戶網絡習慣來定制相應信息分類機制。人工智能技術在網絡信息檢索領域的應用帶來了希望。

1人工智能的組成結構

人工智能的結構組成主要包括了知識數據庫、邏輯推理機、UI用戶界面、黑板、知識收集器、知識翻譯解釋器等。（1）接口，即UI用戶界面。用戶通過用戶界面，定義關鍵詞或搜索規則來讓邏輯推理機進行搜索，并最終顯示出用戶需要的文本信息、音頻或視頻。是一個輸入與輸出的媒介，讓數據效果可視化，讓用戶能更好地去使用檢索信息，輸入中通過推理器將人們的日常語言轉換成計算機語音。（2）知識數據庫，這是人工智能內置知識儲蓄的地方。經過科學地對知識分類，存放各類的知識信息，便于用戶檢索時使用。（3）推理機是一個具有邏輯推理能力的程序集，主要負責檢索和推理，將人類口語轉換成計算機語言，制定檢索規則根據用戶要求對數據庫內的知識檢索。（4）黑板即中間數據庫。這個數據庫和知識數據庫不同，這是在推理過程當中儲存一些中間數據的。系統中推理機制定一定規則計算機語言，把初始問題的狀態顯示在黑板上。根據此數據庫的的問題進行二次制定規則，對知識數據庫的內容進行配對檢索，智能系統后臺專業人士可以人工進行干預補救，并能及時地更新知識數據庫內容，補充缺少的知識。是一個動態數據庫，控制整個智能化系統。（5）知識收集器與上述黑板后臺人工數據填補更新的功能相似，但它使用是系統更新方式，對缺乏的知識進行定義，通過網絡來自動修補、更新知識數據的內容。（6）知識翻譯解釋器，這是系統將用戶檢索的問題匹配出答案，將計算機語言轉成人類語言，向用戶提供資料，也可以向檢索用戶提供檢索推理過程。

2人工智能在網絡信息檢索中的應用

2．1網絡智能知識服務系統

網絡智能知識服務系統可分為知識處理系統、知識采集系統、知識服務系統和知識庫4部分。

2．1．1智能知識處理系統

這個處理系統簡單來說就是先將聯網下載手機的知識進行分類后再跟關鍵詞匹配，最終將審核過的知識數據傳入知識數據庫。這包括4個流程。（1）智能知識自動分類流程。根據信息的類型和內容按一定規則進行分類，隨后進入智能匹配流程。（2）智能知識匹配流程。這個流程是將庫內知識的分類規則與分類后的聯網下載知識進行匹配比較，防止數據重疊浪費內存，智能匹配結果隨后進入智能更新流程。（3）智能知識更新。通過匹配結果來決定這些知識是儲存到知識數據庫，還是講原有相關的知識進行替換。也可能會將新載入的知識與原有的知識進行合并，形成一個更完善的知識概念。（4）智能知識清理。智能數據庫需要定期進行庫內整理清理工作。對于庫內知識與聯網知識要經常新更新匹配，是庫內知識與時共進，清除重復、過時信息能釋放內存，讓整個系統能運行的更好，保持最佳狀態。

2.1.2知識采集系統

想要能讓知識數據庫內知識更豐富且知識與時俱進，就要不斷地定時收集更新知識。簡單來說是知識資源收集、加工、整理。完成知識與知識之間的轉換、替代、補充。采集系統包含印本知識采集和數字知識采集兩部分。印本知識采集是將紙張書本知識進行掃描和數據轉換這個過程需要人工輔助才能順利進行。文本知識轉換成數字形式的知識。數字知識系統對其進行采集，網絡的數字資源非常豐富，暫時沒有得到充分運用。知識采集包括了4個組成內容。（1）站點鏡像，顧名思義就是對站點內知識像照鏡子一樣完全復制下載。一般對于一些資源豐富、信息科學的網站進行復制，將其內容完全復制下載到系統后臺，通過站點鏡像采集能提高采集速度和效率。（2）智能信息監控，能夠對目標信息進行自動智能監視，保證目標信息發生變動，系統內的本地信息也能與之同步更新變換。（3）智能資源發現，這個是對新資源發現收集工作，這個過程監視控制目標門戶網站，當發現網絡有符合要求的新信息、資源出現時，系統就會自動進行采集。（4）智能知識資源轉化，這個過程是對采集的數字資源進行采集、分類最后整合成一個新概念。

2.1.3智能知識庫存儲系統

存儲系統是知識庫中最重要的部分，這也是信息檢索的的質量與效果的最基本保證。主要分為硬件、軟件和檢索系統3部分。硬件是海量數據知識的存儲設備。軟件是信息存取管理系統，保證系統能高效、正確地讀取和存檔。檢索系統通過硬件來存儲和軟件來進行管理。這是整個智能檢索系統的基礎系統，在這個基礎上可以對我們整體系統進行再次開發，使得系統更完善，提供更好的服務。

2.2智能技術

IA智能技術是智能技術領域中的一個重要組成部分。伴隨著網路普及而不斷發展，伴隨網絡而發展的IA技術已經廣泛在國外使用了，也是我國智能技術研究的核心課題。在國外不僅是像麻省理工大學這些先進大學在研究，包括很多研究機構也在關注這個課題。包括蘋果、微軟、IBM等計算機軟件公司也把此技術當成核心技術進行研究。并且已經推出來很多應用了IA智能技術的軟件產品，這些產品在國外已經得到廣泛的使用，由此可看出未來智能技術將會成為科技的主流技術，也是能幫助人們解決網絡檢索問題的一個很好的手段。是信息技術發展的一個主流趨勢。（1）定義：IA智能技術目前已經制作出一系列的軟件程序，這個軟件可以讓用戶授權給軟件通信協議，讓軟件能與用戶進行信息交換，通過這個軟件能更精準地給用戶提供解決方案。比如說用戶想要找一個信息，但是用戶無法提供非常精準的定位關鍵詞，這時軟件可以通過對用戶的網絡痕跡、傾向和習慣，對用戶給的模糊關鍵詞進行分析，比如說可以進行信息查詢追蹤，篩選剔除無用數據，管理用戶信息等。目前我國的網絡采用“www”萬維網技術，網絡用戶會使用“百度”、“谷歌”、“搜狗”這些常用的搜索引擎來搜索信息，的確能給大多數的網絡用戶提供相應信息，但是我們發現這些引擎對于信息分類的精準性并不是很樂觀。經常會提供大量偏題的數據信息，導致用戶需要人工分類查找，往往有用的關鍵信息卻淹沒在海量的無用信息當中。AI技術能幫助用戶進行模糊信息精準化，自動剔除無用信息，能給網絡信息檢索帶來一個光明的未來。（2）智能的主要功能1）網絡管理。這個功能能讓網絡用戶尋找合適的站點下載信息資源。分布在網絡的資源點上并進行計算和監控，對于資源故障能及時發現并進行搶修報告，對于同一資源下載時，會優先選用資源廣且服務器不緊張的站點，根據用戶的狀況選擇不同的信息傳輸網絡或路由，這就能很好減少用戶因為網絡擁堵而浪費的時間。2）信息管理。這個服務功能能明確讓用戶了解信息資源在網絡的分布現況，并且能幫用戶對于關鍵詞設定提供一定參考服務，可以對目標信息進行篩選，提出無用信息，并且針對用戶的使用偏好等定制信息推送。UI界面進行優化，能根據用戶的網絡使用習慣推出相應的界面，使智能技術更有人情味。

2.3智能搜索的原理

智能技術應用信息檢索上就衍生出搜索服務，這是針對不同的用戶推出定制服務，根據使用者的網絡習慣和需求進行搜索和分類加工。比如說用戶在一段時間內會頻繁搜索某類信息，那么技術會相應的記錄下來，均衡分析出該用戶對哪一類信息比較關注，并結合廣大網友的對于此類信息的搜索關鍵詞情況制定出一個參考方案，當此用戶再下次搜尋時提供出這個潛在需求方案，比如對相關信息進行集中推送，甚至智能技術比客戶更了解自己。用戶如果不滿意搜索參考方案，用戶可以對結果進行反饋調查，這些調查結果都傳回數據庫內，真能讓系統修改優化，讓系統能在下一次匹配信息時精準度提高，智能搜索能夠滿足使勇者的需求，且更加智能且人性化。3結語雖然目前我國的智能技術水平與國外相比仍有不小的差距，但是目前我國對于這項研究的重視程度不斷加深，人工智能在網絡信息檢索中已經嶄露頭角，雖然目前不能說滿足所有人的需求，還有非常多的地方需要改進，但是有改進的空間就說明就有發展的空間，相信隨著技術的發展，人工智能技術能讓人類的網絡信息檢索更加便捷，檢索的信息更精確。

作者：阿不都艾尼·阿不都肉素力 單位：新疆職業大學信息技術學院

參考文獻

[1]羅成裕.基于系列WEBQUEST的課程設計研究———以《計算機網絡資源檢索與利用》課為例[J].電腦知識與技術，2014，13:3021-3025.

[2]程學旗，郭嘉豐，靳小龍.網絡信息的檢索與挖掘回顧[J].中文信息學報，2011，06:111-117.

[3]聞偉.人工智能在信息檢索中的應用模式[J].價值工程，2015，02:187-188.

篇6

 

人工智能將解放更多人力

 

自從人工智能概念被提出后，人工智能是否將取代人類工作就是一個熱門的話題之一。這其實是對人工智能期待和憂慮的矛盾心理表現。不過有個不爭的事實是：人工智能已經開始取代一般簡單、重復性的體力工作了!

 

譬如，富士康的工業機器人Foxbot已經開始走上流水線展開工作，這些機器人可以日以夜繼地工作，大幅度地縮減人工成本。更為重要的是，富士康的工業機器人Foxbot目前的智慧相當于3至6歲的人類，能夠完成前端的高精度貼片、后端的裝配和搬運環節。而另一方面，中國制造的典型城市東莞已經加速開啟“機器換人”計劃，力圖開拓一個全新的生產時代。

 

對于人工智能的未來，很多研究報告及專家均表示人工智能將替代人類的工作。其中世界經濟論壇就發表了《工作的未來》報告，該報告預測從2015至2020年，全球將減少710萬個工作機會，其中約有476萬個辦公行政類型的職位將會被替代。

 

不過人工智能完全取代人類還有很大的距離，但是取代一些工作卻是必然結果。就如美國德州萊斯大學資訊科技研究院主任瓦爾第所說，人類雖然不可能完全被取代，不過未來各行各業都將由智能機器人大幅改變現有的工作模式。機器人將取代越來越多人力工作，如藥劑師、獄警、調酒工作，越來越多工作都可由機器取代人力，未來正邁向機器幾乎完全取代人力的時代。

 

有相關研究表明，人工智能也僅是取代一些沒有特殊知識和技能的勞力性工作。而且這并不是壞事，因為這樣可以讓更多勞力資源得以解放，令他們從事其它更具創新有趣的工作。另有研究也證實，自1870年以來的英國歷史表明，新技術的出現和總體失業率變化并沒有直接關聯。數據顯示，盡管新技術不斷涌現，但并沒有造成失業率的明顯波動，決定失業率高低的是經濟增長情況，而不是技術本身。

 

另一方面，隨著人工智能的快速發展，傳統的工作架構將會被打破，除了生產流程智能化外，人們將會更加注重大數據分析、資料視覺化、運營和管理等工作，并且有研究表明，這幾種類型的工作崗位需求反而會因人工智能的發展而增加200萬個工作機會。

 

人工智能投資大增

 

雖然人工智能的一直甚囂塵上，甚至很多知名科學家也紛紛發表人工智能將威脅人類，甚至會毀滅人類的言論。譬如史蒂芬·霍金(Stephen Hawking)、比爾·蓋茨(Bill Gates)、埃隆·馬斯克(Elon Musk)、揚·塔里安(Jaan Tallinn)以及尼克·博斯特倫(Nick Bostrom)等人就一直對于人工智能技術的發展表示擔憂。但是人們對于人工智能的未來卻充滿期待，非但沒有因為而停下腳步，反而加大力度進行投資。

 

自 2014 年初，DeepMind Technologies 被谷歌以 6.5 億美金收購，風險投資已經意識到人工智能領域(AI)的投資前景。數據表明，全球近年來的人工智能領域的風險投資具有快速增長的趨勢。Venture SCAnner的統計顯示，目前全球人工智能領域的企業達到了955家，其中395家公司已經累計獲得了48.5億美元的融資。以智能機器人風險投資為例，在2011年全球的投資額僅為1.94億美元，但到2015年時已激增至9.23億美元。業內人士都認為2015年是人工智能機器人的創業元年，2016年將迎來爆發式發展。

 

在中國，人工智能領域也是迅速發展。據艾瑞咨詢2016年1月的報告顯示，中國人工智能領域已有近百家創業公司，其中約65家獲得投資，共計29.1億人民幣(約合4.48億美元)。其中較為著名的公司有大疆科技獲得7600萬美元融資、Yuneec獲英特爾投資6000萬美元。

 

投資大增的背后是業界對人工智能機器人的未來前景充滿期待。市場研究公司IDC在《全球商用機器人消費指南》上預測報告稱全球智能機器人行業及相關服務市場規模年復合增長率達17%，2019年行業規模將達到1354億美元。

 

科技企業開始發力布局

 

面對人工智能具有巨大潛力的未來，很多巨頭企業自然不愿錯過這一時代熱潮，紛紛重視這一領域的布局，力圖拿到人工智能領域的話語權。在國外，以谷歌、英特爾等巨頭引領著人工智能的發展，自2013年以來，雅虎、英特爾、領英、蘋果以及推特都收購了人工智能公司。在國內，以百度、騰訊、阿里為代表的科技巨頭紛紛在人工智能領域中發力布局。

 

在國際上，英特爾是一家較為積極投資布局人工智能的巨頭科技企業，共投資了16家AI公司。其主要在智能機器人這塊進行積極部署，而且投資金額也非常高，在過去的2015年里，英特爾共投資了超過5億美元，包括對無人機Yuneec、服務型機器人公司Savioke等。分析指出，英特爾希望抓住這次人工智能的熱潮，挽回過去10年錯失發展機遇的損失。

 

而在國內，除了百度推出的機器人助理“度秘”以及廣泛應用人工智能技術的無人駕駛車、阿里巴巴的人工智能平臺“DTPAI”和客服機器人平臺、騰訊的視覺識別平臺騰訊優圖、智能計算與搜索實驗室和撰稿機器人Dreamwriter外，中國的一些科技企業也在積極地發力進入人工智能這一領域。如，科大訊飛戰略投資深圳優必選科技有限公司，試圖在運動控制方面實現突破;昆侖萬維出資為企業提供人工智能與大數據技術的行業解決方案;均勝電子在智能汽車技術上深耕。

 

人工智能的發展潛力已經得到了國內外科技企業的肯定，未來，將會有更多巨頭科技企業強強聯手開發人工智能。而且，隨著各國對于人工智能發展的支持政策的出臺，將會更好地刺激人工智能快速發展。

 

中國就是一個大力支持人工智能機器人發展的國家，按照工信部相關規劃，到2020年前后，中國機器人產業集群規模約2844億元，力圖通過人工智能機器人開創中國制造2025的美好未來。而據有關數據顯示，中國在過去兩年時間已經成為智能機器人的最大買家，約占全球需求的25%。作為中國的科技企業，這不失為一個巨大的發展機遇。面對洶涌的人工智能熱潮，企業可以借鑒周鴻祎所說的：“人工智能時代一旦開啟，對每個人都是新的舞臺。它會以指數級速度加快，技術進步不可阻擋，我們能做的，只有奮力抓住潮頭，迎接變化! ”

 

人工智能將推開第四次工業革命大門

 

人類發展至今，經歷了多次技術的革新換代。其中以第一次工業革命為開端，互聯網技術為代表的第三次革命為突破口的發展促進了人類加速進入了后工業時代的信息時代。目前互聯網信息技術的發展，為人工智能的發展提供了堅實的基礎。目前，人工智能正在滲透到各行各業的改造當中。

 

有人說，人工智能是下一次的工業革命，對人類的影響將不亞于互聯網對人類的影響。這點中了時代的發展脈搏，也與世界經濟論壇以第四次工業革命為主題的做法不謀而合。人工智能擁有空前的運算能力，其發展的速度、影響的范圍都與以往的生產方式、經濟架構截然不同。

 

隨著人工智能的發展，人類在人工智能的輔助下，將具備把智能設備、人和數據連接起來，并以智能方式利用這些數據的能力，從而在現實世界中實現將機器、設備和網絡能在深層次與信息世界的大數據連接在一起，推動工業革命和網絡革命的前進。這種革命性的轉變將不是第三次工業革命的延續，而是徹底地顛覆。它將徹底顛覆人類以往的分工模式、生產生活方式。

 

人工智能在顛覆的同時也為人類帶來了便利，就如周鴻祎所說：“人工智能也并不是像電影里所展示的那樣，機器人會成為人類的威脅。相反，它就像工業革命之后的一切技術創新一樣，會造福于我們整個人類。 ”例如智能機器人去從事危險的救火工作，避免人類的傷亡。而對于企業來說，人工智能能更好地完成一些重復性的勞力工作，而且還能節約人力成本。這也是眾多科技企業大力研發適合自己企業的代工智能機器人，如Uber研發智能無人車、亞馬遜研發送貨智能無人機。

 

當然未來人工智能的作用遠不止如此，如AlphaGo背后的Deepmind團隊創始人Demis Hassabis在接受采訪時透露， AlphaGo僅僅是谷歌人工智能項目的一個分支。在未來，Deepmind主要目的是“用人工智能解決一切問題”，并將進一步探索人工智能在醫療、機器人以及手機等多個領域的應用。

 

人工智能正在以其特有的方式敲擊著第四次工業革命的大門，微軟創始人比爾·蓋茨對此就有深刻的認識，他在今年達沃斯世界經濟論壇年會期間表示，許多科技領域的創新正快速推進，數字領域的創新可能繼續領跑。電腦認知能力、機器人智能化、物聯網以及大數據分析模式，可成為眾多行業發展的基礎工具。未來，第四次工業革命將在許多領域帶來快速和顛覆性變化。

 

總結：做好改變的準備 迎接第四次工業革命

 

隨著人工智能的快速發展，人類必將進入一個全新的時代。也許未來人工智能將會取代更多人的工作，但是技術發展是潮流，不能因為其負面影響就抱殘守缺，甚至抵制技術的發展。面對時展的潮流，唯一能做的就是做好改變的準備，抓住時代的潮流。

篇7

Abstract: Cognitive radio technology provides new opportunities and challenges for the development of wireless communication. Intelligence is an important characteristic for cognitive radio, and application of artificial intelligence techniques is key to implement this characteristic. This paper will first provide our own research framework on cognitive radio, second give an overview of application of artificial intelligence to cognitive radio, and last introduce and simulate the application of neural network to cognitive radio.

關鍵詞： 人工智能；認知無線電；神經網絡

基金項目：國家重點基礎研究發展規劃（“973”計劃）項目（2009CB320403）；國家自然科學基金資助項目（60832008，60832006）；國家科技重大專項課題（2009ZX03007-004）。

作者簡介：柴新代（1964-），男，北京人，本科，高級工程師，研究方向為通信系統工程；董旭（1979-），男，河北景縣人，博士研究生，講師，研究方向為認知無線電。

1 概述

無線通信技術的飛速發展，正在越來越深刻地影響著人們的生活。與此同時，無線通信技術的發展也面臨著嚴峻的考驗，一方面頻譜資源的固定分配模式和利用率不均衡制約著無線通信寬帶化的發展，另一方面多種空中接口和網絡協議并存的局面為無線網絡的融合提出了挑戰。1999年Mitola博士提出的“認知無線電（Cognitive Radio）”[1]為解決無線通信所面臨的問題提供了新的機遇。因此，認知無線電技術迅速成為業界研究的熱點。

認知是人類獲取運用知識解決問題的一種抽象，將認知運用到無線電技術，會提高無線電系統的智能性，這也是認知無線電技術區別于普通軟件無線電的最大特點。認知無線電技術通過實時的獲取外部環境信息，并對這些信息進行分析、學習和判斷，得到無線電知識，然后根據這些知識智能地調整各種通信參數，從而最終實現可靠的通信，并達到最佳的頻譜利用效率。人工智能技術為實現認知無線電的智能性提供了可能，本文將主要圍繞多種人工智能技術在認知無線電中的應用進行論述，下面將首先介紹認知無線電智能化的基礎框架――認知環路和認知引擎，然后對幾種人工智能技術在認知無線電中的應用進行簡要介紹，最后將詳細介紹神經網絡在人工智能中的應用，并通過仿真給出一個具體的示例。

2 相關工作

2.1 認知環路 Mitola博士在提出認知無線電概念的同時提出了OOPDAL（觀察-判斷-計劃-決策-行動-學習）認知環路[1]，用以支持其認知無線電架構。此外，學術界還提出了多種認知環路模型[2,3]，比較著名的有軍事戰略家Boyd提出的OODA（觀察-判斷-決策-行動）環路、IBM為自主計算提出的MAPE（監測-分析-計劃-執行）環路、Motorola為自主網絡提出的FOCALE（基礎-觀察-比較-行動-學習-擦除）環路等等。OOPDAL環路具有完整認知功能和清晰的認知過程，是設計認知無線電最為理想的環路模型。本文對OOPDAL環路各環節進行了重新定義，豐富了環路模型的內涵與外延，并在原環路模型基礎上增加“知識庫”，明確表達了知識獲取與運用的過程。

如圖1所示，經改進的OOPDAL認知環路由外環和內環組成，外環也稱決策環。認知無線電首先“感知”無線域、網絡域、用戶域、政策域中的數據，并對其建模以明確自身所處態勢；“判斷”是對數據的精煉，也即對感知數據進行清理、集成和選擇，提取出其中對決策有貢獻的信息；“計劃”根據用戶需求與當前環境生成優化目標；“決策”根據優化目標執行優化；“行動”將決策結果付諸實施，使內部狀態和外界環境發生變化，這些變化又被重新“感知”，進入下一輪循環。內環又稱學習環，用于從外環運行的歷史經驗中提取知識，并存放入知識庫以指導決策環運行。

OOPDAL環路對知識的運用過程充分體現了認知無線電的智能性，其中計劃、學習、決策等環節更是智能性得以實現的關鍵所在，具體的實現方法則需要借助于人工智能技術。

2.2 認知引擎 認知引擎是實現認知環路功能的技術手段。但很多認知引擎的設計是針對特定方法實現特定任務的，本文希望設計一種通用的認知引擎架構，以適應認知無線電所面臨的各種應用。通用認知引擎結構由認知核與接口部分組成。認知核提供各種豐富的工具，包括知識表示工具、各種推理機、學習機、優化算法庫等，為完成認知循環的各環節功能提供支持。接口部分包括感知器接口與用戶接口。感知器接口收集各種感知數據，并通過建模系統以機器可理解的方式表示；用戶接口部分允許用戶調用認知核中各種工具并對其進行流程編排和建模完成專用認知引擎的構建。另外，可配置無線網絡具備動態可配置波形與協議，以執行認知引擎的決策。

認知核是認知引擎的核心，包括多種人工智能工具，如專家系統，案例推理，神經網絡，遺傳算法等，每種人工智能的工具不但可以實現相應的認知功能，還可通過多種不同工具的編排組合實現認知無線電的各種應用，即實現認知引擎的通用性。

3 人工智能技術概述

如果說認知核是認知引擎的核心，那么人工智能技術就是認知核的核心。人工智能技術已有比較成熟的理論體系[4]，但將其應用到認知無線電還處于探索階段。下面先簡要介紹幾種人工智能技術在認知無線電中的應用。

3.1 專家系統 專家系統在人工智能技術領域有著非常成功的應用[5]，并能夠很好的與其他人工智能技術結合使用，如遺傳算法，人工神經網絡等。專家系統是運用知識和推理過程來解決只有專家才能解決的復雜問題，也就是說專家系統是一種模擬專家決策能力的計算機系統。專家系統主要包括兩個部分：知識庫和推理機。知識庫用來存儲專家知識，推理機則依據專家知識對已有事實進行推理和決策。認知無線電可以借助專家系統完成推理決策功能。認知無線電可以通過主動學習或“人在環中”的方式獲取無線電知識并存儲到知識庫中，然后根據外部無線環境和用戶需求的變化，到知識庫中查詢相應的先驗知識，并通過推理機進行決策，從而調整無線電的工作參數以適應環境和需求的變化。CLIPS是目前比較成熟的專家系統工具，已有學者將基于CLIPS的專家系統應用到認知無線電的研究中[6]。

3.2 案例推理 案例推理作為一種人工智能技術致力于從以往的經歷或者案例當中得到新問題的解決方案。基于案例的系統通過在案例庫查找與需要解決的問題相似度最大的案例來找到問題的解決的方法，并將找到的案例與當前的場景進行匹配，這種匹配實際上就是一種最優化的過程。而最初找到的案例是為了節省優化的時間，通過優化的新的解決方案，將被作為新的案例存儲到案例庫中。認知無線電可以根據無線環境的變化調整工作參數，不同的環境和工作參數可以作為案例存儲到案例庫中[7]。當環境發生變化，認知無線電可以在案例庫中查找與當前環境最為相似的一個案例，然后用該案例與當前環境進行匹配，優化工作的參數，并把當前環境和優化的參數作為新的案例存儲到案例庫中。Soar作為一種人工智能系統的開發工具，可以實現案例推理功能，并可以基于案例進行學習，國內已有學者基于Soar和GUN Radio軟件無線電平臺開發出認知無線電原型系統。

3.3 遺傳算法 遺傳算法借鑒生物進化和遺傳的生物學原理，可用于解決目標優化問題，即找到一組參數（基因）使得目標函數最大化。其基本原理是根據求解問題的目標構造適值函數，使初始種群通過雜交和變異不斷選擇好的適值進行繁殖，并最終得到最優解。遺傳算法同樣可以作為認知無線電的決策方法[6,8]：可以把無線電類比為一個生物系統，將無線電的特征定義為一個染色體，染色體的每個基因對應無線電一個可變的參量，比如發射功率、頻率、帶寬、糾錯編碼方法、調制算法和幀結構等等，這樣就可以通過遺傳算法的進化來得到滿足用戶需求和適應環境變化的系統配置參數。

4 神經網絡在認知無線電中的應用

對于人工神經網絡的研究源于對人類大腦思維過程的模擬，在很多領域，神經網絡已經有了廣泛的應用。下面將詳細介紹神經網絡在認知無線電中的應用。

4.1 神經網絡簡介 1943年神經物理學家W.McCulloch和邏輯學家W.Pits在對人腦的研究中提出了人工神經網絡。目前人工神經網絡作為一種人工智能技術主要基于統計評估、優化和控制理論。人工神經網絡由用以模擬生物神經元的大量相連的人工神經元組成，主要用于解決人工智能領域的一些復雜問題，比如機器學習。根據網絡結果和訓練方法的不同，人工神經網絡可以分為多種類型，以適應多種的應用需求[7]。多層線性感知器網絡（MLPN）：MLPN由多層神經元構成，每一個神經元都是上一層神經元輸出的線性組合。一般這種線性組合的權值在訓練前是隨機生成的，并且可以隨著訓練不斷的更新。更新的方法有多種，如后向傳播（BP）、遺傳算法等。其訓練方法的性能將由其網絡規模和應用場景決定。非線性感知器網絡（NPN）：NPN是利用對每個神經元的輸入平方或兩兩相乘的方法將非線性引入神經網絡使其可以對動態變化的訓練數據進行更好的擬合。但NPN的網絡結構需要根據訓練數據進行調整，另外如果采用BP方法進行訓練會使網絡收斂緩慢而導致處理時間過長。徑向基函數網絡（RBFN）：RBFN和NPN類似，不同的只是其非線性的引入是在隱含層利用徑向基函數實現非線性映射，這可以防止網絡收斂到局部最小值。

4.2 應用舉例 由于神經網絡可以動態的自適應和實時的訓練，因此可以對系統的各種模式、參數、屬性等進行“學習”，并“記住”這些事實，當系統有了新的輸入和輸出時，可以進行實時的訓練來記憶新的事實。這正符合了認知無線電認知功能的需求，因此神經網絡在認知無線電中有著廣泛的應用前景。下面就列舉一些神經網絡在認知無線電中的應用[9-12]。神經網絡可以用于認知無線電的頻譜感知，例如利用基于神經網絡的分類器可以根據信號的循環平穩特性或者頻譜特性等對信號進行分類。神經網絡還可用于無線電參數的自適應決策和調整，神經網絡可以根據當前信道質量和用戶需求等所確定的優化目標選擇無線電參數。另外神經網絡還可以對無線電系統的各種性能進行預測，神經網絡可以記憶不同無線環境不同無線參數所達到的系統性能，比如誤碼率、吞吐量、時延等等，從而對未來可能產生的系統性能進行預測，進而對各種無線參數進行優化。

5 仿真及分析

由于無線環境的開放性，無線系統大都是非線性系統，因此神經網絡用于認知無線電也應采用非線性模型。非線性感知器網絡（NPN）可以完成認知無線電的學習功能，從而對各種系統性能進行預測，下面就通過一個具體例子來仿真基于NPN的誤碼率性能預測。

5.1 仿真模型 NPN由三層節點構成：輸入層、隱含層和輸出層。隱含層通常只有一層神經元，本文在此基礎上擴展了隱含層的層數，從而擴大了神經網絡的規模，使其具有更好的學習效果。具體的網絡結構如圖2所示，每個節點都與下一層的所有節點唯一相連，除了輸入層節點，其他各層節點稱為神經元，具有一個非線性的激活函數，以實現對非線性系統的擬合。本文將采用最為常用的非線性激活函數――S函數，即：f

神經網絡的訓練將采用BP方法，具體算法如下：

③根據RMS誤差決定是否調整權值，直到RMS誤差或者迭代次數達到停止要求。

5.2 仿真場景 仿真場景的設置將根據上面提出通用認知引擎架構進行編排。首先認知引擎要收集各種數據。WiMax可以根據信道質量調整其調制編碼模式等無線電參數，因此將作為通用認知引擎架構中的可重配置的無線電平臺將系統的誤碼率性能實時上報給認知引擎；信噪比作為無線環境的表征可通過感知器進行收集；編碼速率作為用戶對業務的需求可通過用戶接口上報給認知引擎。然后認知引擎內基于NPN的學習機就可以對這些數據進行訓練了，訓練的方法如上節所述。最后訓練好的神經網絡就可以根據無線環境和用戶需求對系統的誤碼率進行實時的預測，從而調整認知無線電的各種操作參數。

5.3 仿真結果及分析 由于對神經網絡模型的隱含層進行了擴展，首先驗證一下改進的模型性能是否有所提升。仿真結果如圖3所示，分別仿真了具有2層、3層和4層神經元的NPN的收斂性能。其中2層模型是沒有經過改進的，其收斂速度最快，但RMS誤差較三層模型差；3層模型雖然收斂速度稍慢，但收斂的RMS誤差最低；4層模型的網絡規模最大，因此收斂速度最慢，但其RMS誤差收斂的并不是最低，這是由于神經網絡的規模應該與訓練數據的規模相適應，過大的網絡規模反而不會得到很好的收斂性能。折中考慮，在后續誤碼率預測仿真中，將采用3層神經元模型的NPN對數據進行訓練。

如圖4所示，利用3層神經元模型分別對WiMax場景下的64QAM、16QAM、QPSK和BPSK的誤碼率性能進行了預測。從預測結果和實際的仿真結果的比較可以顯示，隨著調制模式的升高，預測的性能將越來越好。

6 結束語

本文主要介紹了人工智能技術在認知無線電中的應用，并通過人工神經網絡進行舉例，從仿真的結果可以看出神經網絡在認知無線電中應用的可能性。人工智能技術在認知無線電領域的應用還有著廣闊的研究前景，應該積極探索更多的人工智能技術在認知無線電中應用。但也并非所有的人工智能技術都適用于認知無線電的開發和應用，應在研究中有所選擇把握方向。不同的應用場景也對人工智能技術提出了不同的需求，找到適用于相應場景的人工智能技術也很重要。未來的工作應更多的考慮一些實際的應用，讓無線通信系統可以真正的像人一樣思考。

參考文獻：

[1]J.Mitola Ⅲ."Cognitive radio: Making software radios more personal"，IEEE Personal Communications，vol.6，no.4，pp.13-18，1999.

[2]S.Haykin."Cognitive radio：Brain-empowered wireless communications"，IEEE Journal on Selected Areas in Communications，vol.23，no.2，pp.201-220，2005.

[3]T.W.Rondeau，C.W.Bostian，D.Maldonado，A.Ferguson，S.Ball，B.Le，and S.Midki，“Cognitive radios in public safety and spectrum management”，Telecommunications Policy and Research Conference，vol.33，2005.

[4]George F.Luger，“Artificial Intelligence Structures and Strategies for Complex Problem Solving Fifth Edition”，Pearson Education Limited，2005.

[5]Joseph C.Giarratano, Gary D.Riley，“Expert System Principles and Programming Fourth Edition”，Thomson learning，2006.

[6]Timothy R.Newman，“Multiple Objective Fitness Functions for Cognitive Radio Adaptation”，Doctor Thesis，2008.

[7]A.He，K.K.Bae，T.R.Newman，J.Gaeddert，K.Kim，R.Menon，L.M.Tirado，J.Neel，Y.Zhao，J.H.Reed，and W.H.Tranter，“A survey of artificial intelligence for cognitive radios”，IEEE Transactiongs on Vehicular Technology，vol.59，no.4，pp.1578-1592，2010.

[8]Thomas W.Rondeau，“Application of Artificial Intelligence to Wireless Communication”，Doctor Thesis，2007.

[9]N.Baldo，B.R.Tamma，B.S.Manoj，R.Rao，and M.Zorzi，“A neural network based cognitive controller for dynamic channel selection”，in Proceedings of IEEE International Conference on Communications（ICC），pp.1-5，2009.

[10]X.Zhu，Y.Liu，W.Weng，and D.Yuan，“Channel sensing algorithm based on neural network for cognitive wireless mesh network”，in Proceedings of IEEE International Conference on Wireless Communications（WiCom），pp.1-4，2008.

篇8

3月8日，以“The NEXT 女大當‘駕’無人車”為主題的英特爾無人駕駛分享會在北京舉行，婦女節之際，賽迪情報中心了《女性司機駕駛行為及對無人駕駛態度研究》報告，通過調查女性駕駛者對無人駕駛技術的態度科學評價和認知這一前沿科技，并就無人駕駛技術是如何化解女性司機駕駛痛點等話題展開討論。

報告結果顯示：女性對無人駕駛是“真愛”，因為有超過一半的她，看好無人駕駛。其中，58.93%的女性消費者認為無人駕駛技術是未來的發展趨勢，50.23%的女性消費者認為無人駕駛技術能解決駕駛問題。

此外，超過90%的女性駕駛者每天駕駛時間集中于兩小時以內；55.65%的女性駕駛者主要駕駛路段為市區道路；54.81%的女性駕駛者一般駕駛速度在31公里～60公里/時。這些都表明，女性駕駛者主要活動區域需要經常應對堵車、紅綠燈、變道等復雜路況，對駕駛者技術要求比較高。因此，女性駕駛者期望通過無人駕駛技術來改善駕駛體驗、提高駕駛安全性的愿望更加迫切。

賽迪網副總裁梁媛指出，便捷、安全、效率是女性在談論駕駛時的關鍵詞匯，可以看出女性對安全駕駛有著非常強烈的需求，所以非常期待無人駕駛，因其的確能給未來出行帶來顛覆性變革。

地平線聯合創始人陶斐雯則認為，數據、算法、計算能力是無人駕駛技術的三大支柱要素，而要想真正突破這一點就勢必需要軟件和硬件、算法和芯片的深度整合。

“解放雙腳、解放雙手、解放雙眼、解放思維，直至所有人都成為乘客。”上汽通用泛亞汽車技術中心智能駕駛系統開發駕駛員信息及安全系統經理朱曉華通俗易懂地解釋了無人駕駛的發展路徑。她強調，目前量產的汽車還僅僅是處于解放雙腳和解放雙手的階段，而無人駕駛的發展需要整個產業鏈的共同推動。

綜上言論可歸結為一點：即與輔助駕駛技術最大的不同是，無人駕駛是一切社會資源的大整合。據相關資料顯示：2013年，18%的消費者表示希望購買無人駕駛汽車；2014年，這一數字上升到了50%；預計到2025年，全球無人駕駛汽車市場規模將達到420億美元；到2030年，全球將有1.2億輛無人駕駛汽車不同程度地上路；2035年，無人駕駛汽車將占全球汽車銷量的1/4。另據摩根士丹利報告顯示：當全世界都在使用無人駕駛汽車時，每年生產力的提升將帶來約5070億美元的收益。

面對未來如此龐大的市場商機，無人駕駛體現的不僅僅是一種技術，還是更大范圍的科技關懷。如今，這一產業鏈上又一個突破科技疆界的小伙伴出現了――英特爾。或許是受跨界思維的固有影響，英特爾在汽車領域中的實力很容易被忽視。但事實上，幾乎所有世界領先的汽車制造商均依賴于英特爾技術為其車載信息系統、娛樂系統、影像系統、導航系統提供支持。

另一種石油――數據

“數據簡直就是新的石油！數據將從根本上改變我們思考駕駛體驗的方式，因為一輛無人駕駛汽車每天至少會生成4000GB數據。”英特爾CEO科再奇如是說。

他的話并非危言聳聽，在一輛無人駕駛汽車中，除了活塞、活塞環、發動機組，還必須把攝像頭、雷達、聲吶、GPS、激光雷達等考慮在內，而這些正是全新駕駛方式必不可少的組件。具體來看，攝像頭每秒生成20MB～60MB數據，雷達每秒最多生成10KB數據，聲吶每秒生成10KB～100KB數據，GPS每秒生產50KB數據，激光雷達每秒生成10KB～70MB數據……把這些數字相加，就是4000GB（4TB）數據。

“像過去一個世紀石油改變世界一樣，數據將在未來幾百年再一次改變世界。”科再奇指出，汽車行業正處于重大變革的前沿，要求前所未有的計算、智能、連接能力。然而，只采集數據還不夠，必須把數據轉化為一組切實可行的洞察，從汽車到網絡再到云，都需要一個“端到端”的計算解決方案，而英特爾對無人駕駛的承諾就是加速提供這種“端到端”的解決方案，并引領下一代計算變革。

無人駕駛汽車要求數據中心具備強大的算能力，而在數據中心處理器市場，英特爾則擁有超過99%的市場份額，這簡直就是為無人駕駛打造的最強大腦，放眼整個業內，也只有英特爾能夠提出并兌現這一承諾，因為其能夠提供包括硬件、軟件、存儲、網絡、安全技術等全部組件。

英特爾無人駕駛事業部中國區市場總監徐偉杰對《汽車觀察》表示，“計算能力、5G應用、功耗，是目前要在無人駕駛領域著重解決的三大技術問題，而英特爾將以獨一無二的‘端到端’優勢，通過技術創新和產業合作，全面布局無人駕駛領域。”

眾所周知，英特爾擁有業界領先的計算技術，能夠最大限度地釋放數據價值，可為無人駕駛協作提供相當廣泛的資源，如強大的車內計算、強大的云和一套機器學習解決方案、強大的內存和FPGA技術、高帶寬與低延遲的連接系統、人機接口以及安全技術等。

那么，英特爾究竟是如何打造無人駕駛“朋友圈”的呢？如收購Itseez，助其開發面向嵌入式專業硬件的計算機視覺算法與實施方案；收購Yogitech，鞏固其在半導體功能安全、方法、標準等方面的優勢地位；與LG聯合開發和測試面向下一代汽車的5G遠程信息處理技術；攜手Green Hills、QNX等軟件公司，提供面向軟件定義的無人駕駛解決方案；聯合東軟集團、一汽紅旗“智能駕駛艙平臺”等。

1月4日，英特爾在拉斯維加斯宣布攜手寶馬、Mobileye于2017年下半年開始對40輛BMW 7系列無人駕駛汽車進行路測，目標是要在2021年推出寶馬集團第一款全面無人駕駛汽車BMW iNEXT。

考慮到無人駕駛汽車的實現需要一個全球生態系統的支持，所以這三家合作商將基于此建立一個行業標準，為無人駕駛建立開放平臺，開放平臺包括3級～5級無人駕駛技術，并向眾多汽車供應商開放。隨后，Delphi和百度等廠商宣布會在其無人駕駛汽車中使用英特爾技術。未來兩年，英特爾還將新增超過2.5億美元的投資，以期實現全面無人駕駛。

總之，要實現真正意義上的無人駕駛，就必須在汽車、云、數據中心之間執行無數的內存密集型計算，并即時分析汽車生成的海量數據，學習數百萬輛汽車的經驗，創建深度學習模型，從而實時制定關鍵決策，而英特爾的意義就在于可以幫助無人駕駛汽車作出更加安全的決策。

5G時代先行者

自20世紀50年代起，英美等國就已涉足無人駕駛汽車領域的研究。

1950年，世界上第一輛自主導航汽車由貝瑞特電子公司在美國研制成功；1987年，奔馳投資贊助慕尼黑國防大學實驗室，獨立設計了VaMoRs智能車；1994年，歐洲研制的VaMP和VITA-2機器人汽車在巴黎進行測試，能自主完成跟蹤行駛；2010年，Google設計制造的無人駕駛汽車通過了主要城市道路的駕駛測試，確定具有完備的感知能力和高水平的人工智能；2014年，Google全新無人駕駛汽車正式亮相，該車沒有方向盤和剎車。

現如今，德、日、中、韓等國也陸續開始對無人駕駛技術的研究。“無人駕駛汽車勢必要與數十億臺設備一起競爭網絡帶寬，這對于服務提供商來說，必須要實現以毫秒計算的數據傳輸速度，只有5G能滿足此類需求。”徐偉杰強調道。

實際上，5G對未來無人駕駛的重要性再怎么強調都不為過。無人駕駛汽車會生成并接收海量數據，以便導航和應對突發狀況，但當今的通信系統在設計時，并未考慮到會支持這一任務所需的巨大帶寬。因此5G應運而生，5G是能夠滿足延遲低于1毫秒、峰值傳輸速率高達10Gbps的一項網絡連接技術，可以支持“汽車至一切”的應用，為無人駕駛時代提供了更快的速度、超低的時延，以及車到車（V2V）的連接。

近期，英特爾推出“橫跨汽車、連接和云”的全新汽車解決方案――英特爾?GO?，該方案推出多個開發工具包，可支持從下一代英特爾?凌動?處理器到英特爾?至強?處理器等不同計算性能，以及業內首個5G就緒無人駕駛開發平臺。

其中，全新英特爾?5G調制解調器，是世界上首個同時支持6 GHz以下和毫米波頻段的全球通用5G調制解調器。該調制解調器包含一個緊湊且低功耗的芯片工具包，可提供有望超過5Gbps的速度和超低時延，以便讓無人駕駛汽車能夠在瞬間做出決策反應。

另外，兩種版本的英特爾?GO?無人駕駛車內開發平臺所提供的計算力，可執行一系列無人駕駛功能，包括感知、融合、決策等；英特爾?GO?智能駕駛5G車載通信平臺，可讓汽車制造商能夠在2020年5G推出之前開發并測試各種用例和應用；英特爾?GO?智能駕駛軟件開發工具包，可幫助工程師最大程度開發硬件功能，同時加快設計步伐。

5G 網絡技術代表著行業的重大轉變，它要求在無線連接、計算智能、分布式云資源之間實現前所未有的整合。為此，英特爾正在不斷突破產業界限，與業界優秀廠商展開全面合作。目前，正與包括愛立信、KT、LG 電子、諾基亞、Verizon等在內的全球電信行業領導者進行合作，交付集成式5G原型解決方案；此外，英特爾還在美國亞利桑那州、加利福尼亞州、俄勒岡州和德國建立了“卓越中心”（CoE），對無人駕駛汽車進行路測。

在中國，英特爾正在積極參與支持中國IMT-2020推進組組織的5G技術研發試驗，并成為首批加入中國移動5G聯合創新中心的戰略合作伙伴。同時，英特爾還攜手中國移動、愛立信完成全球首個基于最新蜂窩物聯網技術的業務演示。

篇9

傳統的產業鏈分工上，最底層的技術是芯片，下一個環節是軟件，最后環節是應用端的產品。近日，物聯網模塊廠商慶科聯合RealTek/Marvell/Cypress等IC廠商推出新型芯片方案MOC。這款芯片區別于以往的芯片，是軟件與芯片結合后的解決方案，整合硬件芯片、物聯網協議、安全、云端適配。

IOT芯片是一種新的產品形態，這種新形態能解決物聯網產業面臨的哪些問題？這種形態對傳統芯片和軟件的關系會帶來哪些沖擊和改變？對芯片企業和軟件企業的商來模式帶來哪些啟示？帶著這些問題，記者進行了深度采訪。

IoT時期芯片與應用端出現“鴻溝”

早期，產品由技術來定義。即：有什么樣的技術，應用環節就會推出什么樣的產品。產品由關鍵的芯片技術推動，整個產業推進路徑是從上到下。不過，隨著物聯網的出現，這種從上到下的路徑開始行不通。

當下，產品的形態轉由“應用”來定義，即根據用戶需求來開發產品，是從下到上的路線。這種路線的變化，導致IC技術與市場應用之間出現鴻溝。

眾所周知，構成物聯網的智能產品形態多樣，從功耗大的智能家電產品，再到對功耗要求極低的可穿戴產品。智能產品不僅需要好的底層芯片，其智能化的功能還需要聯網、運算，這就需要網絡、云服務、APP等多種技術元素的支撐。

對芯片企業而言，已無法將芯片直接推送給智能設備廠商，需要將芯片的服務功能完善之后才行。而由于智能產品形態多樣，有些是小而精的創業團隊的項目，芯片企業更是無法一一對每個智能產品提供接入服務。

正如Marvell技術支持總監孟樹指出的：“芯片公司都非常看好物聯網，希望跟各個廠商去合作，但是芯片企業不可能一對一的去提供每個服務。”

對設備廠商而言，要做出一款智能化的產品，除了考慮芯片性能，也要考慮云平臺、大數據、算法等要求，而這些環節涉及的領域極為跨界，單獨靠設備廠商很難駕馭。

對此，芯片企業與終端設備廠商之前的鴻溝，使最新的芯片技術無法快速及時地應用到產品中，延長和影響了終端設備的開發周期和問世，影響了整個物聯網產業的推進。

物聯網芯片應運而生

以前，軟件能力是芯片延伸出的附加功能，為芯片增值。當前，智能產品對技術的需求，除了芯片硬件本身之外，還需要芯片能夠具備更多的聯網、云計算、大數據服務能力。在這種背景下，IOT芯片應運而生，將芯片與軟件進行了充分地融合，給賦予芯片更多的服務能力。

近期，慶科聯合RealTek/Marvell/Cypress等IC廠商推出的新型芯片方案產品MOC，即MiCO On Chip。“MiCO是一個操作系統，MOC是內置MiCO操作系統的新一代的物聯網系統芯片，通過MiCO的軟件再結合芯片本身的計算和通訊能力，慶科推出MOC100和MOC200兩款物聯網系統芯片，基于SIP物理封裝，面積為1平方厘米。” 慶科CEO王永虹表示。

據悉，MOC100為單Wi-Fi芯片，在運算速度、memory資源和控制器接口上比較突出，主要適用于IOT透傳、語音識別、二次開發等功能，用戶只需參照設計加一款天線和輸入電源，即可完成一個Wi-Fi模塊產品的開發。

另外，MOC200是Wi-Fi和藍牙的combo系統芯片，在MOC100的基礎上增加對傳統藍牙和低功耗藍牙雙模式的支持，為智能產品間的互聯提供更多便利。

此款IoT芯片將軟件中間件和芯片綁定在一起，簡化了整個開發過程。據悉，MOC一共有五層：

第一層芯片層，這一層是保證設備能夠正常工作聯網，是核心層；第二層是HAL層，負責完成芯片的適配；

第三層是操作系統層，包括底層軟件、驅動、外設管理，協議棧等基礎內容，這一層是開放的，用的是MiCO OS，并兼容YunOS、Mbed；第四層是中間件，負責把所有IoT相關的中間件軟件以“模塊化組件”形式提取出來。中間件是MiCO的核心層，有諸多間件應用，來保證設備的聯網、功耗管理、本地計算能力、傳感器算法集成等等；第五層叫應用框架層，針對于不同品類的智能硬件產品，幫助客戶完成具體的應用開發，讓設備可以很好的跟用戶交互，與云端連接并產生服務。

此外，IoT芯片給云廠商也帶來福音。“位置服務、支付、云、人工智能、算法，圖像識別算法等服務，需要與硬件結合。這些服務如何承載在芯片上，此前的做法是每家云廠商去與某一個芯片識別，整個過程十分繁瑣。此外，服務商的云服務還需要不斷升級，對芯片公司、開發者、設備廠商都是很大的挑戰。”

篇10

基于用戶生活體驗升級的智能化才有市場

目前，通過低成本芯片技術，云計算能力，大數據的應用，以及各種傳感器技術，包括互聯網技術應用等，技術公司、互聯網企業、創業者以及傳統制造企業，都正在往智能家居產業鏈的上游去整合，這必然會進一步推進智能時代的到來，但企業不能為了智能而智能，智能家居要想真正普及，必須是建立在真正解決用戶生活體驗問題的基礎上，讓用戶的生活變得更加舒適才會有市場。

京東微聯智能家居可以使各種各樣的智能家電產品、家居產品如空調、燈光、窗簾等，所有連接到平臺上的產品之間實現互聯互通，可以讓用戶及第三方公司去定義自己想實現的個性化生活場景，可以通過平臺去實時操控微聯智能設備。例如，京東微聯已經成功完成與DingDong智能音箱的對接，在國內首次實現了通過音箱對智能設備進行語音控制。消費者回家之后，只要對著音響講話，就可能讓已經定義好的智能場景啟動，使消費者在生活中對設備的操控變得更加便捷，真正解放雙手。

此外，京東和很多的內容商合作，例如CIBN、南方傳媒、芒果TV、GITV、百事通等視頻牌照商，騰訊、搜狐、優酷、愛奇藝、優朋普樂等視頻內容商，恒大音樂、百度音樂、喜馬拉雅、咪咕等音樂合作伙伴。智能硬件本身僅僅提供一些智能控制是遠遠不夠的，只有真正從用戶角度出發，解決用戶痛點，例如提供一些娛樂功能，增值服務和用戶感興趣的內容等，這樣才能讓消費者的體驗更好。

智能化的實現依托于強大的技術支撐

產業升級的背后反映出的是技術的變革，京東微聯不僅通過自主研發的互聯互通協議，實現了智能設備的遠程控制及設備間的互聯互通，同時還通過微聯智能云技術推出了一系列的增值服務。京東微聯開放平臺率先推出了云菜譜，云娛樂，云定時，云推送等服務，開放給廠商免費試用，接入京東微聯平臺的廠家只需做簡單的配置，即可讓自己的產品享受到這種便捷服務。

所有智能硬件一旦進入用戶家中，讓它們之間連接起來，做一些智能化方案的定制會非常困難，且成本極高。但通過云端技術，能夠把所有的設備連接起來，做各種人工智能的設計。例如，京東智能云端的檢測技術，可實現對消費者所在城市空氣質量監測，如果檢測到空氣質量不好，可以幫消費者自動開啟家中的空氣凈化器，當家中的空氣凈化達到一個比較好的質量時，會自動調整至較低的功率。很多傳感器技術的應用，將消費者內部家庭環境和周邊外部環境數據結合在一起，給消費者帶來真正舒適家居的環境。

很多家電品牌廠家在推進智能化的過程中，實際上會面臨很多挑戰。例如，如何能夠有一個更快速、低成本的智能化方案。對于大多數品牌商來講，在云端技術、大數據能力等方面都是缺失的。同樣，如何加入一個能夠互聯互通的平臺，去構建一個讓消費者真正體會到智能化的完整的智慧生活場景，也是單獨一個廠家很難做到的。京東微聯的誕生恰好能夠幫助傳統行業的合作伙伴去突破這些挑戰。京東微聯利用自身的技術優勢，可以為合作商家提供一整套智能解決方案，大大減少傳統企業在物聯網智能技術研發上的成本，幫助品牌低成本實現產品的智能化升級。

讓企業更懂消費者讓產品的體驗更好

智能化應用非常重要的一點就是可以產生大量的數據。以前，家電產品銷售出去賣到全國各地，但是這些產品賣到哪些用戶手中？各地用戶最喜歡用什么功能？，這些數據廠商很難以掌握，所有關于產品使用狀況的數據基本通過售后維修部門的反饋得到。即便是請專業的調研公司做消費者調研，但對所選取樣本的真實情況也不可能詳知。2014年京東銷售出超過10億元的智能空調，其中微聯空調已經達到30%，京東已經知道全國各區域消費者對這些空調使用的習慣例如每個區域內最喜歡的溫度是多少？空調什么部位發生故障最多等，這些數據都可以時實獲取，為品牌商帶來非常大的價值。

京東微聯引入了很多第三方服務和內容，實現智能硬件統一管理和提供增值服務可以方便廠家去開發相應的功能，實現各種各樣的智能化、自動化的場景，更能夠幫助家電企業接觸到更多的用戶，幫助廠商做產品的升級換代，將產品體驗做得更好。

此外，為了讓廠家在選擇終端控制設備時有更多的選擇性，讓用戶使用更加靈活方便，未來，京東微聯還將提供開放服務系統。主要將向三個維度，一是面向第三方的APP或是微信應用等開放，廠家定制APP或是微信服務號，通過京東智能云的開放服務接口便可實現對接入京東微聯的智能設備的訪問和控制；二是面向智能設備廠家開發的中控類設備開放；三是向第三方開放京東智能云端的數據。