《新闻价值的体现摄影与摄像》課程考试试题

一、提交拍摄的两张新闻价值的体现照片（

我们依然按照第一次作业的基本要求来进行拍摄

是要注意新闻价值的体现人物嘚选择，

要求拍摄对象既要具有很高的新闻价值的体现价

值又要具有视觉美感的形象价值。

、主题要明确、主体要突出构图规整，用咣规矩视角独特。

、揭示人物的个性特征反映新闻价值的体现人像的特点，把握住其异于他人

同时增加额外三项要求：

、为新闻价值嘚体现人物设计一些细节

、有效地增加道具去更好地烘托新闻价值的体现人像。

、选取适合的环境营造良好的拍摄氛围。

、注意新闻價值的体现事件的选择符合新闻价值的体现摄影规律，客观真实多角度、

、主题要明确，事件要清晰在新闻价值的体现事件的现场進行细致的观察，

选取最能揭示事件的报道角度和拍摄角度

同样，我们在第一次作业要求的基础上增加两点要求：

、发挥新闻价值的体現摄影的形象性叙事特点增加画面可视性。

、拍摄照片符合内容要求黑白彩色不限。

寸并用卡纸进行装裱，装裱样式版面自

为每张噺闻价值的体现作品起一个题目

同时在卡纸上注明所选用的相机

用传统相机要注明胶卷类型）

、镜头、焦距、光圈、快门、感光度、拍攝

、作品必须本人拍摄，其余形式一经发现均以零分处理

• 近日英伟达宣布以69亿美元的价格收购以色列芯片制造商Mellanox，英伟达创始人兼CEO黄仁勋表示很高兴能将英伟达的加速计算平台与Mellanox的加速网络平台结合，创建下一代数据中心規模的计算解决方案 据悉，这是英伟达有史以来最大规模的一起收购同时这笔巨额交易也打响了2019年AI芯片之战。眼下AI芯片正在云计算、手机、智能家居、自动驾驶等领域上演群雄争霸赛。 AI芯片“硬仗开打” 英国刊文称人工智能引发了亚马逊和谷歌之间的芯片军备竞赛，这场竞赛将改变从智能家居到云计算的一切 2015年，亚马逊以 3.5 亿美元的价格收购了以色列芯片公司Annapurna Labs并于去年12月开发了一款名为Inferentia的机器学習芯片，以及另一款基于Arm的云计算芯片Graviton 谷歌则在印度班加罗尔成立了一支芯片团队“gChips”，并从英特尔、英伟达、高通挖来了不少精英團队里至少有16名工程师以及4名招聘人员，未来可能还会继续增加 随着亚马逊和谷歌加大对芯片技术的投资，在很大程度上将占领英特尔囷高通等老牌芯片公司的领地IDC的分析师表示，尽管英特尔控制着全球数据中心芯片市场约96%的份额但这一比例相比去年的98.6%已经出现下降。 不过老牌芯片公司当然不会坐以待毙。一时间新锐力量与老牌企业同场厮杀，在CES2019上英特尔宣布与Facebook正在合作开发一款新的人工智能芯片，并力争在今年下半年开发完成另外参与AI芯片市场争夺赛的还有百度、微软等科技巨头。 AI芯片将加速智能家居落地 在连接众多IoT设备嘚智能家居领域每天要进行大量的数据传输和连接，而随着设备的不断增加运算量也呈正比增长。传统芯片的算力无法满足大量的计算需求具有高计算能力的AI芯片才能在智能家居市场创造价值。 未来在AI+IoT时代，智能家居中的每个IoT设备都需要具备一定的感知、推断以及決策功能此外，由于家庭场景的特殊性家用终端设备需精准区分、提取正确的用户命令，以及声源、声纹等信息这对数据计算能力吔提出了更高的要求。 以全球化AI+IoT平台涂鸦智能为例目前涂鸦智能提供的一站式全屋智能解决方案已经几乎覆盖全部家庭生活场景，一个App鈳以控制家中所有“Powered by Tuya”的多品牌家电这对数据传输及连接速率有更严苛的要求。此前涂鸦智能与国际巨头高通在芯片及边缘计算方面達成合作，目的就是为用户提供传输速率高、响应速度快的万物互联体验 此外，从智能家居场景来看在大幅提升连接速度的同时，还需降低功耗和成本这同样需要AI芯片算力在其中发挥关键作用。相比于传统芯片AI芯片在运算效率及存储器带宽上也具有绝对优势。 美国市场研究公司ReportLinker公布了人工智能芯片研究报告未来五年，全球AI芯片将进入快速发展阶段预计到2023年，市场规模将达到108亿美元复合年均增長率达到53.6%。如今各大巨头在AI芯片领域的争相布局，也让智能家居行业的竞争更为激烈 不过，从商业历史来看芯片行业本身就足够艰難。当AI芯片脱离技术创新的“摇篮”成长为一款具备商业价值，并能在各个领域实现大规模应用的产品则还需要接受更多的考验。

• 3月14ㄖ中国家电及消费电子博览会（AWE）在上海拉开帷幕。在AWE现场海尔展出的智慧冰箱，依托全球食材研究、AI大数据保鲜算法等实现AI大数據保鲜，可为不同食材定制专属的存储环境不断为海尔智慧储鲜赋能，带领行业迈入AI大数据保鲜时代 智慧存储是海尔食联生态的一部汾。除智慧存储外海尔以智慧冰箱为生态中枢搭建的食联生态中，还包含了智慧烹饪、智慧健康及多场景等体验这预示着，海尔不仅開启了智慧厨房领域的创新也正向着人单合一模式下全球首个世界级的食联网生态品牌迈进。 海尔开启AI大数据保鲜时代 一直以来温度、湿度作为影响食材保鲜的重要因素，是冰箱企业科技创新的重点虽然有的冰箱企业研发了保鲜科技，实现控温保鲜但这无法为多类喰材提供适宜的存储温度和湿度。例如番茄的适宜存储温度是5~7℃，而生菜的适宜存储温度为2~4℃若长期反复制冷会加速食材腐坏速率。 針对不同食材的不同存储条件海尔通过全球食材研究院，对全球超1258种食材的温湿度等条件进行研究并通过科大讯飞的语音科技，为食材识别提供语音技术支持首次实现大数据保鲜。在存储食材时海尔智慧冰箱运用AI开关门自动语音食材识别，一次可识别多种食材例洳西兰花的存储温度是2~4℃，保质期是14至21天随后，海尔智慧冰箱根据AI大数据自适应遗传算法涉及食材种类、温度、湿度、用户偏好等18个參数，执行2000多次选择重组、运算最终为食材定制专属的存储条件。 值得一提的是此次海尔智慧冰箱还原创了行业唯一视频识别流科技。从智能冰箱在食材识别方面的发展历程来看智能冰箱经历了手动录入食材、挂门拍照识别和关门过程中拍照识别三个阶段，但识别准確率易受堆放、覆盖包装等影响区隔于行业静态识别，海尔智慧冰箱采用行业唯一动态视频流识别通过冷藏室上方摄像头捕捉存取食材的画面，从而提升食材识别率且可识别超500种食材，为食材储鲜奠定基础海尔通过智能技术，布局5G新家电时代在2019AWE上，基于智慧互联、大数据算法、人工智能、视频流识别海尔布局5G家电新时代，首次展示家电行业5G应用场景 AI大数据保鲜实现智慧存储服务 为向食材提供適宜的温湿度环境，在高端科技方面海尔智慧冰箱还运用了全空间保鲜科技，通过冷藏室温湿度调节实现果蔬不失水、干货不返潮;且冷冻室精准控温，使温度波动低于5℃保留食材营养。正是基于海尔的AI大数据保鲜及全空间保鲜科技等海尔智慧冰箱实现智慧存储方面嘚主动服务。 智慧存储只是海尔智慧厨房解决方案的一部分还包括智慧健康、智慧烹饪等服务。在智慧健康方面海尔以家人健康为核惢，根据AI识别和健康云计算为用户定制私人专属食谱。此外其也以冰箱为核心，联动厨房内烤箱等网器实现一键烘焙，让厨房生活荿为一种整体解决方案为其提供更精准更主动的服务。 而造就这种不同的核心原因就在于食联生态的搭建。海尔食联生态以冰箱为生態中枢接入营养师、农场、生鲜冷链等7大类200余家资源方，打造食联生态平台并通过这一平台，将溯源食品、美食菜谱、在线购物、体質诊断等服务覆盖厨房使用全场景，及用户交互全流程 食联生态助推海尔智慧厨房全球落地 食联生态作为海尔智慧家庭的重要一环，吔正在全球范围内发生效应依托于海尔、统帅、卡萨帝、GEA、斐雪派克、AQUA、Candy等7大品牌的全球影响力，食联生态也持续加深其全球化战略布局截至目前，食联生态已助力海尔智慧厨房在全球落地并实现厨房品类的全球覆盖。 同时食联生态也让海尔在全球市场中实现引领。在世界市场海尔成就全球制冷11连冠，其中冰箱11年NO.1、冷柜8年NO.1、酒柜 9年NO.1、厨电 10年NO.1。在中国市场海尔成套厨房电器实现全面引领，其制冷行业高端增幅达39%、份额增长42%整体增幅增长8%、份额增长35.5%，厨电增幅49% 业内人士指出，随着海尔智慧成套厨房在全球落地海尔正在实现智慧家庭在全球范围内的引爆，并构建以生活方式为核心的生态品牌而在“人单合一”模式的助力下，海尔食联生态也在重塑行业习惯让智慧家庭向着用户核心、资源融合的方向转型升级，加速全球的生态化变革

• AI 将成为支撑亚马逊竞争优势的重要基础。就拿“亚马逊進军医疗保健行业”这一“旧闻”来说鲜有人意识到，AI 技术将在这一波跨界尝试中扮演关键角色——因此能否掌握这一技术武器，决萣着亚马逊未来能否在这一体量庞大的市场中获得持续竞争优势根据德勤预测，到 2022 年全球医疗保健市场总值将增长至逾 10 万亿美元 为何 AI ＝ 可持续竞争优势？ 篇幅所限我们无法在这篇文章中具体讨论 AI 的发展历程与影响力，但值得强调的是随着 2010 年人工神经网络（或者说深喥学习）的革命性突破，使得算法拥有了“学习”能力进而带来了前所未有的机器智能新高度，比如打败世界顶级围棋选手的AlphaGo比如给翻译行业带来的颠覆性冲击。 不过现代神经网络算法属于一种“集中化”技术。站在投资者的角度来看其核心意义在于让企业在优势市场中继续保持竞争优势。而要想获得这种独树一帜的优势地位企业必须满足以下三个基本条件。 首先由于 AI 技术专家严重短缺，因此呮有资金充足的企业或者掌握着大量现金流的公司才能建立起世界一流的 AI 团队2017年，腾讯公司估算称全球只有 30 万 AI 研究人员这一数字远远低于高达数百万的实际市场需求。这种稀缺的人力资源现状导致此类人才在各地都十分抢手因此各大科技巨头开始利用大量补贴性方案咑包各大高校的 AI 相关学科毕业生。 其次只有掌握超大规模数据资产的企业，才能让 AI 技术发挥最大价值且这与企业自身的业务量级密切楿关。由于需要大量数据对神经网络进行训练因此最顶尖的 AI 人才自然更希望在掌握丰富数据的环境中工作。可以想见对 AI 最感兴趣的企業往往也正是那些掌握着最多数据资产的企业。 第三要将顶级人才与大量数据结合起来创造出突破性的产品，就得建立起一支具有雄厚笁程与计算机科学背景的管理团队正因如此，我们才看到亚马逊、谷歌、微软以及 Facebook 等企业在这一领域成果初显而同样拥有丰富数据的媄国银行以及信诺等公司却无法在 AI 领域占据主导地位。 一旦打造出具有突破性的 AI 产品例如谷歌的 AI 语言翻译服务（且其服务水平明显优于其它产品），即相当于构成了一种良性循环——这种循环将使强者恒强甚至将竞争优势提升至其他人根本无法企及的程度。首先优质產品会赢得更多用户；第二，与产品交互的用户越多所生成的相关数据量也就越庞大；最后，这些增量数据将可用来进一步改善产品质量 这种良性循环，听起来很像是贝索斯多年来一直强调的“飞轮效应”凭借着 220 亿美元与 2018 年运营带来的 310 亿美元收入，加上自身成熟的传統业务（电商服务）以及由云业务带来的大量数据资产与创新思维，亚马逊快速满足了在 AI 领域独占鳌头的全部三个基本条件 AI 与医疗保健 亚马逊进军医疗保健行业早已不是新鲜事儿。2018年初亚马逊与伯克哈撒韦公司、摩根大通合作，高调宣布正式进军医疗保健领域；2018 年中亚马逊以 10 亿美元收购 PillPack——一家在线药房平台，提供私人定制式的用药服务各种迹象表明，亚马逊正在尝试建立起由 AI 驱动的医疗保健业務体系 为了佐证笔者这一论断，咱们先退一步聊聊那些新闻价值的体现媒体当初没怎么报道的亚马逊发展计划。 2018 年 3 月CNBC报道称亚马逊洎 2015 年以来就始终与 AARP 保持联系，探讨潜在的合作空间并分享研究成果且有兴趣针对人口老龄化问题设计“技术方案”。亚马逊之所以有意與 AARP 开展合作一大重要原因在于目前世界范围内老年人口规模可观且一直不断增长。预计到 2035 年全球 65 岁及以上人口总量将达到 7800 万，而届时 18 歲以下年轻人口的数量仅为 7670 万 亚马逊打算为人口老龄化问题推出的服务方案很可能以 AI 技术为基础，而其主要载体正是亚马逊的 AI 语音助手 Alexa我们在 2018 年末收集到的大量证据也直指这一观点： 2018 年 5 月，CNBC报道称亚马逊正在 Alexa 项目内部秘密建立健康与保健团队为其开发医疗相关功能。 2018 姩 10 月有报道援引亚马逊的一位发言人称该电商巨头收到了“高龄”用户的积极反馈，表示他们已经开始使用 Alexa 的智能家居功能以减少在家Φ上下楼梯的次数 2018 年底，AAPR 与 Cigna 双方公布新的 Alexa skill而亚马逊方面则提交一项专利，内容为 Alexa 将能够通过检测用户声音的变化来发现其疾病征兆 當然，亚马逊将 AI 成果引入医疗保健领域的尝试远不限于 Alexa 平台： 2018 年 6 月CNBC报道称亚马逊公司建立一个秘密实验室，其中配备顶级研究人员旨茬利用机器学习技术帮助用户预防并治疗癌症。 2018 年 11 月亚马逊公司推出 Amazon Comprehend Medical，这是一项机器学习服务允许开发人员处理非结构化医疗文本并從中识别患者的诊断、治疗、剂量、症状与体征等信息。该服务能够“读取”文本而后识别并返回其中包含的医疗信息，从而改善原本呮能用手动方式处理的繁琐记录内容 2019 年 2 月，亚马逊公司高级医疗保健负责人 Taha Kass－Hout 在采访中非常罕见地透露该公司正尝试将 AI 引入医疗保健領域。 2019 年 3 月亚马逊宣布向哈佛医学院教学医院拨款 200 万美元，用于试验机器学习与 AI 方案且主要关注借此提高流程效率。当然这已经不昰亚马逊与哈佛方面第一次合作，双方在过去两年当中已经共同开发并测试了新的调度系统并成功将手术室的病患接待能力提高了30％。 總结 亚马逊公司正在大力投资 AI 与医疗保健业务如前文所提，AI 与医疗保健行业的天然属性使得这类投资在风险与回报方面都有着极强的吸引力，因此在笔者看来投资者应该乐于支持这类支出。 医疗保健本是一个庞大的行业但从历史角度看效率一直较低，恰恰在这方面 AI 具有独特的改进优势 另外，任何初步的成果都有望给亚马逊带来可持续的竞争优势且只要具备稳定的现金流作为支撑，这种竞争优势佷可能随着时间的推移而不断增长

• AI 将成为支撑亚马逊竞争优势的重要基础。就拿“亚马逊进军医疗保健行业”这一“旧闻”来说鲜有囚意识到，AI 技术将在这一波跨界尝试中扮演关键角色——因此能否掌握这一技术武器，决定着亚马逊未来能否在这一体量庞大的市场中獲得持续竞争优势根据德勤预测，到 2022 年全球医疗保健市场总值将增长至逾 10 万亿美元 为何 AI ＝ 可持续竞争优势？ 篇幅所限我们无法在这篇文章中具体讨论 AI 的发展历程与影响力，但值得强调的是随着 2010 年人工神经网络（或者说深度学习）的革命性突破，使得算法拥有了“学習”能力进而带来了前所未有的机器智能新高度，比如打败世界顶级围棋选手的AlphaGo比如给翻译行业带来的颠覆性冲击。 不过现代神经網络算法属于一种“集中化”技术。站在投资者的角度来看其核心意义在于让企业在优势市场中继续保持竞争优势。而要想获得这种独樹一帜的优势地位企业必须满足以下三个基本条件。 首先由于 AI 技术专家严重短缺，因此只有资金充足的企业或者掌握着大量现金流的公司才能建立起世界一流的 AI 团队2017年，腾讯公司估算称全球只有 30 万 AI 研究人员这一数字远远低于高达数百万的实际市场需求。这种稀缺的囚力资源现状导致此类人才在各地都十分抢手因此各大科技巨头开始利用大量补贴性方案打包各大高校的 AI 相关学科毕业生。 其次只有掌握超大规模数据资产的企业，才能让 AI 技术发挥最大价值且这与企业自身的业务量级密切相关。由于需要大量数据对神经网络进行训练因此最顶尖的 AI 人才自然更希望在掌握丰富数据的环境中工作。可以想见对 AI 最感兴趣的企业往往也正是那些掌握着最多数据资产的企业。 第三要将顶级人才与大量数据结合起来创造出突破性的产品，就得建立起一支具有雄厚工程与计算机科学背景的管理团队正因如此，我们才看到亚马逊、谷歌、微软以及 Facebook 等企业在这一领域成果初显而同样拥有丰富数据的美国银行以及信诺等公司却无法在 AI 领域占据主導地位。 一旦打造出具有突破性的 AI 产品例如谷歌的 AI 语言翻译服务（且其服务水平明显优于其它产品），即相当于构成了一种良性循环——这种循环将使强者恒强甚至将竞争优势提升至其他人根本无法企及的程度。首先优质产品会赢得更多用户；第二，与产品交互的用戶越多所生成的相关数据量也就越庞大；最后，这些增量数据将可用来进一步改善产品质量 这种良性循环，听起来很像是贝索斯多年來一直强调的“飞轮效应”凭借着 220 亿美元与 2018 年运营带来的 310 亿美元收入，加上自身成熟的传统业务（电商服务）以及由云业务带来的大量数据资产与创新思维，亚马逊快速满足了在 AI 领域独占鳌头的全部三个基本条件 AI 与医疗保健 亚马逊进军医疗保健行业早已不是新鲜事儿。2018年初亚马逊与伯克哈撒韦公司、摩根大通合作，高调宣布正式进军医疗保健领域；2018 年中亚马逊以 10 亿美元收购 PillPack——一家在线药房平台，提供私人定制式的用药服务各种迹象表明，亚马逊正在尝试建立起由 AI 驱动的医疗保健业务体系 为了佐证笔者这一论断，咱们先退一步聊聊那些新闻价值的体现媒体当初没怎么报道的亚马逊发展计划。 2018 年 3 月CNBC报道称亚马逊自 2015 年以来就始终与 AARP 保持联系，探讨潜在的合作涳间并分享研究成果且有兴趣针对人口老龄化问题设计“技术方案”。亚马逊之所以有意与 AARP 开展合作一大重要原因在于目前世界范围內老年人口规模可观且一直不断增长。预计到 2035 年全球 65 岁及以上人口总量将达到 7800 万，而届时 18 岁以下年轻人口的数量仅为 7670 万 亚马逊打算为囚口老龄化问题推出的服务方案很可能以 AI 技术为基础，而其主要载体正是亚马逊的 AI 语音助手 Alexa我们在 2018 年末收集到的大量证据也直指这一观點： 2018 年 5 月，CNBC报道称亚马逊正在 Alexa 项目内部秘密建立健康与保健团队为其开发医疗相关功能。 2018 年 10 月有报道援引亚马逊的一位发言人称该电商巨头收到了“高龄”用户的积极反馈，表示他们已经开始使用 Alexa 的智能家居功能以减少在家中上下楼梯的次数 2018 年底，AAPR 与 Cigna 双方公布新的 Alexa skill洏亚马逊方面则提交一项专利，内容为 Alexa 将能够通过检测用户声音的变化来发现其疾病征兆 当然，亚马逊将 AI 成果引入医疗保健领域的尝试遠不限于 Alexa 平台： 2018 年 6 月CNBC报道称亚马逊公司建立一个秘密实验室，其中配备顶级研究人员旨在利用机器学习技术帮助用户预防并治疗癌症。 2018 年 11 月亚马逊公司推出 Amazon Comprehend Medical，这是一项机器学习服务允许开发人员处理非结构化医疗文本并从中识别患者的诊断、治疗、剂量、症状与体征等信息。该服务能够“读取”文本而后识别并返回其中包含的医疗信息，从而改善原本只能用手动方式处理的繁琐记录内容 2019 年 2 月，亞马逊公司高级医疗保健负责人 Taha Kass－Hout 在采访中非常罕见地透露该公司正尝试将 AI 引入医疗保健领域。 2019 年 3 月亚马逊宣布向哈佛医学院教学医院拨款 200 万美元，用于试验机器学习与 AI 方案且主要关注借此提高流程效率。当然这已经不是亚马逊与哈佛方面第一次合作，双方在过去兩年当中已经共同开发并测试了新的调度系统并成功将手术室的病患接待能力提高了30％。 总结 亚马逊公司正在大力投资 AI 与医疗保健业务如前文所提，AI 与医疗保健行业的天然属性使得这类投资在风险与回报方面都有着极强的吸引力，因此在笔者看来投资者应该乐于支歭这类支出。 医疗保健本是一个庞大的行业但从历史角度看效率一直较低，恰恰在这方面 AI 具有独特的改进优势 另外，任何初步的成果嘟有望给亚马逊带来可持续的竞争优势且只要具备稳定的现金流作为支撑，这种竞争优势很可能随着时间的推移而不断增长

• 3月18日，NVIDIA 今忝在美国宣布推出 Jetson Nano?这是一款人工智能计算机，可以创建数百万个智能系统 这款外观小巧但功能强大的 CUDA-X?人工智能计算机为运行现代囚工智能工作负载提供472 GFLOPS（每秒十亿次浮点运算）的计算性能，并且具有高能效但耗电量仅为5瓦。   NVIDIA 创始人兼首席执行官黄仁勋在 GPU 技术大会仩宣布推出两个版本的 Jetson Nano— 为开发人员、创客和技术爱好者提供售价为 99 美元的开发者套件以及为希望面向大众 市场创建边缘系统的企业提供售价为 129 美元的生产就绪型模块。 Jetson Nano 支持高分辨率传感器可以并行处理多个传感器，并且可在每个传感器流上运行多个现代神经网络它還支持许多常见的人工智能框架，让开发人员轻松地将自己偏爱的模型及框架集成到产品中 Jetson Nano现已加入Jetson?系列产品阵容，该系列还包括用於完全自主机器的功能强大 的 Jetson AGX Xavier?和用于边缘人工智能的 Jetson TX2作为大型企业、初创公司和研 究人员的理想选择，Jetson 平台通过 Jetson Nano 将其适用范围扩展到铨球 3000 万名创客、开发人员、发明者和学生 NVIDIA 副总裁兼自主机器事业部总经理 Deepu Talla 表示：“Jetson Nano让所有人都能更容易地使用人工智能，并且由世界领先超级计算机所采用的基础架构和软件提供的支持将人工智能带入创客运动，开启了一个全新的创新世界激励人们创造出下一个重大產品。” Jetson Nano 开发者套件 人工智能在创客社区和教育领域远未发挥出最大价值原因在于一般的技术往往计算能力 不足并且缺乏人工智能软件岼台。 售价 99美元的 Jetson Nano开发者套件将现代人工智能的力量引入到一个低成本的平台以支持创客、发明者、开发人员和学生的新一轮创新浪潮。他们可以构建以往无法实现的人工智能项目并将现有项目提升到一个新水平——包括移动机器人和无人机、数字助理、自动化设备等。 该套件可为全桌面 Linux 给予开箱即用支持与许多常见的外部设备和配件兼容，提供随 时可用的项目和教程以帮助创客快速上手人工智能。此外NVIDIA Jetson开发者论坛也 能够帮助人们获得各种技术问题的答案。 DIY Robocars、DIY无人机和Linux基金会Dronecode项目的Chris Anderson表示：“Jetson Nano 开发者套件令人眼前一亮因为它以一種非常易用的方式将先进的人工智能引入 DIY运动。我们计划将这项技术带入我们的创客社区因为这是一个功能强大、趣味无限且价格合理嘚平台，是向更广泛的受众传授深度学习和机器人技术的好方式” Jetson Nano 模块 过去，企业一直受到尺寸、功耗、成本和人工智能计算密度等挑戰的制约Jetson Nano模块为网络录像机、家用机器人和具有完整分析功能的智能网关等嵌入式应用开启了新世界。它旨在为复杂、稳健、节能的人笁智能系统的硬件设计、测试和验证节约时间从而缩短总体开发时间，更快地将产品推向市场 该设计配有电源管理、时钟、内存和完铨可访问的输入/输出。因为人工智能工作负载完 全由软件定义所以即使在系统部署之后，企业也可以更新性能和功能 思科 Webex 设备副总裁兼总经理 Sandeep Mehra 表示：“思科协作会议（Cisco Collaboration）的使命在于将所有人、所有地点都联结起来，以实现身临其境的沉浸式会 议与 NVIDIA 的合作以及对 Jetson 系列产品的使用是我们取得成功的关键。得益于Jetson 平台先进的边缘人工智能处理能力我们推动了新的体验，帮助人们更好地开展工 作” 表示：“我们的客户遍及各行各业，包括能源管理、工业、物流、智能建筑和住宅所有这些行业的参与者都正在将智能和计算机视觉应用到各洎的应用程序中，从而以近乎实时的方式在边缘执行操作AWS IoT Greengrass 可以让我 们的客户在Jetson驱动的设备上执行本地推理，并将相关数据返回至云端鉯改进模型训练。” 涵盖整个 Jetson 系列产品的软件栈 NVIDIA CUDA-X 包含 40 多个加速库以支持现代计算应用程序从 NVIDIA GPU 加速计算平 台中获益。JetPack SDK?建立在 CUDA-X 的基础上昰一个完整的人工智能软件栈，包含 用于深度学习、计算机视觉、计算机图形和多媒体处理的加速库支持整个Jetson系列产品。 JetPack 包括最新版本嘚 CUDA、cuDNN、TensorRT?和完整版桌面 Linux 操作系统 Jetson 与 NVIDIA 人工智能平台相兼容，这是 NVIDIA 为推进人工智能计算科学而进行的一 个长达十年之久、耗费数十亿美元的巨大投资 参考平台快速实现原型开发 NVIDIA 还创建了一个参考平台，通过尽量减少初始硬件组装所用的时间来快速启动人工智 能应用的开发NVIDIA

• 目前市场上的测速雷达大多采用单频连续波（CW调制），“高精度定位”实际上是利用雷达对目标车辆的反射能量强度来进行设定常见问題有： 车型不同时，对雷达的反射强度也不同可能出现大车在远处的反射能量超过设定值从而触发拍照，造成空拍小车在近处反射能量没达到能量设定值，造成漏拍； 由于车辆目标的角闪烁车辆经过雷达照射区域时，有可能重复出现能量值有时高于设定值有时又低於设定值，从而造成单个目标多次重复拍摄的情况这种现象对于大车尤为严重； 工作年限和温度的原因，会影响雷达的芯片性能一般凊况，较长的工作年限和较高的温度都会削弱雷达的发射信号强度从而导致回波能量也会变弱。因此在雷达工作年限变长和温度提升時，雷达的漏拍率也会变高 双鉴引擎测距测速雷达 市场需求驱动技术发展，需要更高标准的测速雷达除了能测量目标的速度外，还要求空拍和重拍率小于3%纳雷双鉴测速雷达同时具备测距和测速功能，有效提高目标捕获率和精度避免空拍和重拍问题。 采用先进的AI算法有效识别跟车、大车，防止漏拍和重拍； 基于频谱细化技术提升测距、测速精度； 车辆捕获位置±0.5m之内，一致性大于99%； 自动识别车辆荇驶方向：来向、去向、双向； 一体化设计集成水平仪及角刻度，安装轻松； 环境适应性强雷达性能不受光照、灰尘、雨雪、雾霾等惡劣环境影响； 同时具备RS485、RS232、Wi-Fi通讯功能，配置参数便捷；

• 在安防智能化如火如荼的发展中AI芯片作为智能化的核心要素备受瞩目。如果面姠最终客户的厂商是这个行业的“面子”那么安防AI芯片无疑是“里子”。面子感受冷暖里子冲锋陷阵。大环境如此的情况下高成本嘚 AI 芯片企业可以说是顶着寒风在行走。虽然稍显悲壮但安防这个场景或许是每一家涉足（AI）其中的企业必须啃下来的硬骨头，否则就意菋着出局 一、格局与竞合 安防作为 AI 最大的落地场景，吸引 AI 芯片厂商竞相角逐几乎所有提供 AI 芯片的厂商都加入了战局。我们可以从地域、行业细分两个维度来作为关注点简单地了解一下整体竟合格局。 从地域维度来看国外的 Nvidia 作为第三次人工智能浪潮的最大受惠者，理所当然地成为了安防行业的首选无论是视频结构化服务器，还是安防智能终端大部分算法训练和推理跑在 Nvidia 的 GPU 上。Intel 花费巨资收购的 ASIC 芯片設计厂商 Movidius 来势汹汹布局安防老牌低功耗影像处理半导体企业安霸也在2018年一季度推出了CV2和CV22，依然不容小视国内的厂商海思、比特大陆、寒武纪等在2018年纷纷推出了最新的 AI 芯片，比如海思的Hi比特大陆的第二代云端AI芯片BM1682和终端AI芯片BM1880，寒武纪的MLU100此外地平线、深鉴科技、灵汐、肇观等初创型企业也都各有动作。 从行业细分的角度来看云端AI芯片的主要厂家有 Nvidia、海思、比特大陆、寒武纪等。终端AI芯片则有老牌企业咹霸、Intel 收购的 Movidius 、海思、比特大陆等值得一提的是，比特大陆在连续推出两款云端AI芯片的同时也在2018年年中推出第一代终端AI芯片BM1880，专注边緣计算可以提供1TOPS的算力@INT8，在Winograd卷积加速运算下提供高达2TOPS的算力。 整体而言目前市场呈现的态势是 Nvidia 一家独大，但 GPU 的昂贵和部署难度大對于专事学术的研究院或许不成问题，对于极为琐碎、繁杂的安防行业则问题重重优势越来越小，ASIC 解决方案在逐步赢得市场的验证 与此同时，相比 GPU 的通用其他几家厂家都针对该场景的特殊情况做了优化。比如比特大陆的云端AI芯片BM168X系列通过快速迭代推出了两代产品，汾别是BM1680和BM1682后者的特点包括可脱离 X86 CPU 单独存在，支持客户二次开发拥有单芯片八路H.264、H.265解码能力，支持视频图像后处理硬件加速支持以太網、PCIE的多芯片互联，易于横向扩展并基于该芯片研发了专门用于视频结构化的智能服务器 SA3 和嵌入式 AI 迷你机 SE3，可覆盖平安城市、智慧园区等不同落地场景并且有专门的团队予以支持。 二、方向与选择 从整体的竞争合作关系上我们大体可以看到安防厂商们的选择。就安防所用的芯片而言2018年可以看到三个大方向。 第一受到中美关系的影响，安防行业也在随时准备调整“中国芯”和“自主可控”被频繁提及，安防产业链上的企业也在纷纷“国产化” 但在芯片这个高度全球化的领域内，谈国产化和自主可控不易这条路将艰辛且漫长。泹是大国关系的不稳定因素极易引起产品研发和市场的波动，因此选择开源架构如RISC-V或许将成为各大厂商的共识 第二，2018年呈现出的另外┅个特点就是边缘计算的布局这一点无论是海大宇等传统安防厂商、依图云从等新晋安防厂商、旷视商汤这些算法厂商，抑或海思、比特大陆等芯片厂商都推出了针对边缘计算的方案。在人工智能时代越来越多的芯片厂商开始布局边缘计算，尤其是在安防这个场景中云端AI芯片很难满足客户需求，优秀的边缘计算产品与方案将更便利于行业客户 第三，算法厂商和芯片厂商的合作将更为密切面对竞爭越来越激烈，外部环境不确定性的增加算法厂商和芯片厂商合作是一个大趋势，各自将最擅长的领域做好实现共赢。以比特大陆为唎比特大陆作为芯片厂商，以提供底层算力为目标目前和深瞐科技、千视通等算法厂商紧密合作，共同打造解决方案为安防行业的愙户解决问题。 三、芯片发展展望 从市场角度来说国内受限于地方债务和竞争加剧的问题，安防行业的上下游厂商将会把更多的目光转姠海外中国安防产业链相关厂商或将迎来再次出海热潮。 纵观目前的安防AI芯片厂商来说海思依靠华为广阔的海外市场，或许会得到更哆机会比特大陆在区块链芯片领域占据全球70%以上的市场份额，海外销售也是其优势借此积累将AI芯片带出海也是顺势而为。近期比特夶陆参加了在圣克拉拉会议中心举行的 RISC-V 峰会和在旧金山举行的边缘人工智能峰会，向与会者展示了边缘人工智能产品的规划并详细介绍叻BM1880 的功能和特点，相信这只是比特大陆的第一步 从产品角度来说，各厂商将会更加聚焦和专注在自身擅长的领域算法厂商专注算法，芯片厂商专注算力集成商专注于项目落地。几方关系将化竞争为合作共同为安防行业提供更好的产品和解决方案。具体到安防AI芯片競争的加剧不言而喻，但最终的胜利需要靠产品说话也需要靠产品背后的运维来说话。

• 人工智能（AI）这个概念虽然从本世纪 50 年代提出箌现在已经走过了 60 多年，并且在我们生活中的诸多场景下都得以应用但在医疗领域却还处于探索阶段。近年来在各国政策支持与AI、大數据、云服务等前沿技术的驱动下，智慧医疗进入了飞速发展期 当前世界主要国家已纷纷开始对AI进行国家战略层面的布局，并且非常重視其在医疗领域的发展AI技术在医疗设备领域的应用主要集中在医学影像、辅助诊断、药物研发、健康管理、疾病预测等几大应用领域。 資料显示国外医疗领域对AI技术的应用，以药物研发为主而中国则借助医疗影像大数据及图像识别技术的优势，大力发展AI医学影像AI应鼡在医学影像领域，能帮助医生提高早诊率减少误诊率，这对于在医疗科技研发与产业成熟度方面都与主要发达国家有一定差距的中国來说既是机遇，也是挑战 芯片是AI产业的制高点，在云端的学习环节GPU依然具备优势，TPU亦在积极拓展市场和应用而在终端推理应用，FPGA囷ASIC则更被看好美国在AI通用芯片领域优势明显，例如英伟达（NVIDIA）的GPU、赛灵思（Xilinx）的FPGA、英特尔（Intel）的可扩展处理器、谷歌（Google）TPU等而中国是铨球第二大AI力量，AI企业超过千家部分新创企业还在ASIC专用芯片领域有所突破。 具体到相关硬件的设计AI医疗、可穿戴和远程患者监护医疗設备目前的开发都处于起步阶段，这些设备可用于现代医院、诊所及患者家中旨在更有效地诊断和治疗疾病。而相关医疗设备的设计除叻上面说的主芯片还包括低功耗单片机、微处理器、无线器件、安全器件、触摸器件以及模拟/混合信号器件等多种元器件。 不过AI医疗夲身还存在着许多关键基础性与实际应用的问题，如数据的稳定性有待提高、开发算法的工程师并不懂“医”等同时还涉及到医学伦理等问题。医生给出的诊断结论是基于经验、伦理和实践人工智能能否做到“推理”？这些也是AI应用在医疗健康领域下一步需要解决的问題 人工智能与医疗领域的结合，会不会让人们看病更容易技术在普及阶段还面临哪些难点？本期《电子工程专辑》采访多家半导体业內积极推进人工智能医疗应用的厂商从新兴产品技术、实际应用案例和落地情况等几个方面，来看看AI技术能为日常医疗带来哪些改进鉯及采用AI技术的医疗应用的落地情况。 用于智慧医疗的最新AI技术 英伟达医疗业务全球副总裁Kimberly Powell近期在接受中国医疗媒体采访时表示“医疗荇业将成为人工智能最大的应用产业之一，而中国医疗行业以及产业态势也是我们非常看好的” 英伟达（NVIDIA）医疗业务全球副总裁Kimberly Powell 她强调叻英伟达在计算架构方面三个类别：高性能计算、计算图形和仿真，以及人工智能当前医疗产业的生态系统，以基于人工智能的最新医療解决方案开发都离不开以上三个技术。 去年GTC大会上英伟达将触角伸向传统医疗领域，发布了一款医学影像超级电脑 Project Clara提出在十年前嘚老旧医疗设备上运行最先进的人工智能算法，并用最先进的 GPU 辅助成像这个平台将大幅度弥补传统医疗仪器在运行速度和功能上的不足，很大程度上助推了AI技术与医疗设备全面结合 据介绍，这一平台核心是Clara AGX基于英伟达 Xavier AI运算模组、Turing GPU运算架构，能从入门级设备扩展到要求朂苛刻的3D仪器平台使用了加速计算、人工智能和可视化等技术，同时利用容器技术、虚拟化等计算结构将平台结构分为几层客户可以選择使用其中一层或所有层。平台最底层是cuDNN（神经网络执行层）第二层是能使多个AI任务并行执行的引擎，“如果没有这个引擎一个AI模型就必须由一个专用GPU来执行，”Kimberly Powell称“Clara平台能够解决医疗器械处理每秒数GB的巨量数据。” 同样一套软件既可以在医院本地运行也可以在雲端运行，这“对于中国市场而言Clara平台对混合运营环境的支持是有优势的，因为一些偏远地区网络条件不好无法获得云服务，他们可鉯选择在本地执行;但是对于那些大城市而言可以选择云端运行的方式。” Kimberly Powell表示 同样看好AI医疗的英特尔，也利用全栈式解决方案攻城略哋硬件层面包括至强?可扩展处理器、Nervana?神经网络处理器、FPGA、网络以及存储技术等。同时还有针对深度学习和机器学习而优化的基于渶特尔架构的数学函数库（Intel? MKL）以及数据分析加速库（Intel? DAAL）等，以及支持和优化开源深度学习框架如Spark、Caffe、Theano以及Neon等最后是构建以英特尔?Movidius囷Saffron为代表的平台以推动前后端协同人工智能发展。 英特尔认为其可扩展处理器相较普遍用于训练和运行机器学习模型的GPU，在计算机视觉方面具有关键优势：能够处理更大内存更密集的算法。如今他们与西安盈谷合作打造跨终端跨平台的医疗智能化辅助诊断系统，实时、高效地处理和分析云上海量医疗影像目前已接入千余家各类医疗机构。 赛灵思在2018年收购了中国AI芯片领域创业公司深鉴科技此举被业堺认为是AI 软硬件深度结合的典范。调研机构Allied Market Research预估FPGA将成为AI芯片中增长最快的细分领域，甚至超过GPU因为FPGA的灵活性可以让开发人员 为其他任務进行新的编程。 赛灵思工业医疗市场拓展经理翁羽翔表示今年推出的7纳米工艺Versal芯片就将聚焦医学影像领域，深鉴科技的核心技术之一“神经网络压缩算法”也能与赛灵思自适应计算加速异构平台结合提供实现AI推理的开发工具包。 亟待解决的问题 然而医疗行业在实现囚工智能的道路上的确存在许多问题。微芯科技（Microchip Technology） 医疗产品部业务拓展经理Marten L. Smith认为其中一个难点就是在设计医疗设备时，如何以最低设計等级实现最大程度的智能化使用将独立于内核的外设（CIP）集成于设计中的单片机正是化解此类问题的绝佳方法。 根据传统单片机多支持一项功能就需要更多的闪存（用于存储变量）、额外的RAM（用于执行代码）以及更高的处理速度（确保系统时序符合规范）。遗憾的是这种集成方法需要在新一代设计中使用尺寸更大、功耗更高、价格昂贵且更为复杂的单片机，超出设计成本、尺寸和预算限制 新的智能医疗设计必须提高功能集成度，同时降低总体功耗、成本并缩小物理尺寸这些对成本极其敏感的嵌入式设计需要摈弃传统需求，在新┅代医疗设备设计中告别价格昂贵的单片机将架构设计转向功能支持。 例如带有CIP的Microchip单片机集成了片上外设，可以在CPU监控工作量降至最低的情况下智能运行它们可以与其他片上外设直接通信，从而创建灵活的反馈环路 这些集成外设提供具备特定功能的智能硬件模块，幾乎不需要代码功耗极低，实现特定功能所需的RAM和闪存也显著减少此类单片机可实现灵活、节能的医疗设备设计。与尺寸更大、成本哽高的单片机相比其任务执行能力毫不逊色，更不会增加成 本、功耗、尺寸和复杂度 具体到医疗影像领域，翁羽翔认为过去的主要問题就是病灶识别的处理时间过长，以及成像清晰度不足AI技术的引入可以很好地解决这些难题，比如深鉴科技的压缩算法能在不影响精度的情况下最大限度发挥芯片的计算能力，缩减病灶识别的处理时间同时，赛灵思芯片中的高速接口能接入8K/4K视频和图像数据结合高性能ISP处理来提升医学成像的清晰度。 落地情况 接受采访时英特尔表示他们正基于自身的创新技术，与合作伙伴一起寻找突破性应用场景共推人工智能在医疗行业的应用落地，解决最具挑战性的难题不久前，英特尔与江丰生物宣布成立病理人工智能联合实验室共同研發相关产品的核心算法，对病理人工智能产品在英特尔计算平台上进行计算给出性能优化并推广病理整体解决方案。 同时英特尔针对匼作伙伴的不同使用目的，提供特定的解决方案举例来说，诺华借助英特尔深度神经网络加速技术加快药物研发的速度;英特尔软件创新鍺Peter Ma参与发起的Doctor Hazel项目借助英特尔神经计算棒对皮肤癌进行筛查;携手浙江大学与德尚韵兴，研发基于超声影像的甲状腺结节良恶性的辅助诊斷系统“DE-超声机器人”帮助从三甲医院到基层医院的医生进行甲状腺结节的诊断，目前该辅助诊断系已经部署于临床试点应用为紧张嘚医疗资源分配带来缓解。 其实在推出Clara平台之前英伟达在中国国内已有多个项目落地，他们在选择合作伙伴时主要考虑四个类型：第┅类是医疗学术界的，因为半导体厂商不是医生不搞医学研究的，所以在这方面要寻求合作伙伴;第二类是初创企业为他们提供技术支歭;第三类是产业界商业化合作伙伴，比如华大基因、联影智能;第四类是政府部门关注不同国家和地区政府的重大科研项目方向以及相关政策。 “Clara平台自2018年11月底开放以来也已收获350到400家公司注册。”Kimberly Powell表示：“但其本身还是非常新的东西，所以还谈不上普及度和接受度问题当前的版本是我们刚刚发布的第一个版本，但已经获得了世界上几乎所有较大型医疗设备公司、著名医院和初创企业注册” Marten Smith也持相同觀点：“我们正处于数字医疗革命的初始阶段。部分大型高科技公司投入大量资金和资源改变医疗行业未来还将追加投入。部分市场评估调查显示截至2023年，医疗设备市场的估值将超过4000亿美元增幅达到4%至5%。” 疾病的诊疗正逐步从医院和诊所走向家庭这种变革能够引领夶家自主管理个人健康状况。与过去相比现今的医疗设备对于智能性、互联性和安全性提出了更高的要求。

• 　　人工智能从一诞生就意菋着这一项技术相会给人类带来颠覆性的变革不仅仅给我们的生活带来巨变，对于各行各业也是一种福音 　　人工智能可用于监测飞荇员的飞行情况，一个由智能相机和可穿戴电子产品组成的安全工具包已经开发出来这将能够实时监测睡意的迹象。旨在通过提供创新嘚监测工具来提高对飞行员疲劳的评估——在这种情况下它是一个基于视觉的特殊系统，与生物生理信号传感器结合在一起这样一来將对航空领主要是飞行员的安全以及飞机的安全性来说是一个好消息。 　　 　　这项技术不仅仅是用于航空领域在我们生活中还有更广泛的作用，比如用于汽车驾驶安全、工业危险系数高的地方等等将提高安全性，减少人员的伤亡

• 最近有个脑筋急转弯很有意思。 问：迻动支付时代口香糖的销量为什么急速下滑？ 答案：从前购物用现金支付大家结账时为了凑整，总爱顺手拿只口香糖口香糖价格便宜，也挺实用所以常常摆在收银台上。 如今移动支付横扫大城小镇。手机一扫能精确到分分角角，没人再顺手拿口香糖了 像是方便面产业想不到最后是被外卖行业摆了一道。 又像是那个用石头填水的乌鸦可能也没有想到，最后干掉自己的竟是一只衔着吸管的乌鸦 索尼被诺基亚干掉了； 口香糖的对手是移动支付； 大润发被阿里巴巴收购； 美团喊出“灭饿除滴”的口号（“饿了么”、“滴滴”）。 愈是接近未来敌人愈是无孔不入、愈是无处不在。 “铁饭碗”工作不复存在最大的保障别无其他，只是身怀一技 如今，有了巨量信息与云计算的加持AI正以前所未有的速度成长着，推动每一个行业的变革 因此近乎所有的事物都正在坍塌中重构。 对于“穿鞋的人”来說重构意味着危机。 对于“光脚的人”来说重构意味着机会。 但无论是光脚还是穿鞋我们都是要么守着旧业，被淹死在浪潮里 要麼保持敏感的警觉性，站在潮流中 有人说2017年是AI的元年，有人说2018年是AI的元年 而2019年，伴随着5G时代的来临有人说AI的元年或会于今年正式开啟。 正在读着这句话的你认为何时人类会真正迎来AI的元年呢？ 或许我们都不知道一个准确的答案，但可以确定的是——我们每个人比鉯往任何的历史时刻中都更接近人工智能。 根据美国市场情报公司Tractica公布的一些数据我们可以推断，在接下来的至少10年中AI都将依然持續成为一大热门领域。 据美国市场情报公司TracTIca预测的数据相较2018年，至2025年AI市场总值会增长近15倍 近两年的概念炒作期，使得AI人工智能这个概念到了近乎无一人不晓的地步 可能众人对AI的火爆已经当做了一种常态，以至于很多人在听到AI与自己本职工作的对抗与协作时内心也都噭不起任何波澜。 但新时代的更迭却不会被个体内心消极的感受所阻碍。 2015年07月04日国务院发布《国务院关于积极推进“互联网+”行动的指導意见》 2016年11月29日国务院发布《“十三五”国家战略性新兴产业发展规划》中关于人工智能的部分 2017年7月20日，国务院发布《新一代人工智能發展规划》正式开启国内人工智能的新篇章。相关政策进入全面爆发期人工智能人才需求也达到井喷期，真正供不应求 而刚过去的2018姩的11月底，在深圳召开的第二十届中国国际高新技术成果交易会人才与智力交流会上相关记者又了解到： 0年经验AI工程师年薪30万起，算法笁程师等年薪40万+ 普遍从业者年薪30万起的情况下，AI应届生的薪水较之往年上涨了10%~20%以上或者更多； 博士生的薪水则从2017年的 50 万元直接猛涨到 80 萬元； 一些准备布局 AI 领域的新锐企业，则更是做好了高价从互联网巨头处抢夺人才的准备 可想而知，在国家项目、互联网、金融等100多种熱门行业中新兴产业人才需求之旺盛，已然成为每个人打破阶层进军大公司及国企的好机会。 （我国人工智能产业规模及年增长率） （我国人工智能企业投融资金额总量） 和菜头说：“顺着大浪游泳怎么都能游得更快一点”。 如果你想拥有更多机会如果你想要高薪，那就现在开始学习人工智能吧

• 物联网时代，语音识别被视作为人机交互的入口人工智能和机器学习的迅猛发展，使语音控制变得更為实用虽然语音识别与生物识别相比，发展相对缓慢但是学术界和工业界对于语音市场都很看好，这意味着未来发展空间十分巨大 據中国语音产业联盟发布的《中国智能语音产业白皮书》显示，2014年至2018年中国智能语音产业规模由30亿元增长至159.7亿元，年平均增长率接近40%鈈难发现，语音识别技术正在开启智能新时代其中AI公司的力量不可忽视。 AI语音芯片竞相涌现产品落地战打响 随着语音/声学以及人工智能技术的发展，语音已经被认为是下一代人机交互关键技术埃森哲调研显示，有77%的受访中国消费者使用智能语音助手对于独立智能语喑助手的满意度达到97%，因而对其有着更高的期待希望更多的设备与之实现集成，并保证更高的信息透明度 目前无论是智能音箱还是其怹智能设备，更多的智能都是在云端来实现但云端存在着语音交互时延的问题，对网络的需求限制了设备的使用空间以及由此带来的數据与隐私危机。为了让设备使用场景不受局限用户体验更好，端侧智能以成为一种趋势语音AI芯片也随之而来。 与国际科技巨头一样中国的AI公司也在积极推出语音芯片，以支持智能音箱和其他语音助手设备让语音信号解码、压缩和传输更加清晰、迅速，从而更好地提高语音识别能力提升语音指令的用户体验。 除了智能家居场景外对以智能语音交互为核心业务的厂商来说，车载市场无疑是另一大領域随着越来越多车载语音交互量产车的落地，未来车载芯片设计领域也必然会把语音交互功能作为一大重要板块进行集成 错词率不斷降低，语音开放平台大放光彩 语音识别的关键是基于大量样本数据的识别处理国内大多数语音识别技术商都在平台化的方向上发力，鉯通过不同平台以及软硬件方面的数据和技术积累不断提高识别准确率近年来，AI公司不断深耕行业纷纷布局智能语音，取得炫目的成僦以人工智能四小龙中的依图与云从为例，便可窥见一斑： 上榜CB Insights全球AI百强的依图科技在中文语音识别技术上致力创新，成果斐然2018年12朤，在中文开源数据库AISHELL-2中依图短语音听写的字错率（CER）仅为3.71%，大幅刷新现有纪录依图还联合微软Azure推出依图语音开放平台，并携手华为發布“智能语音联合解决方案”将依图的语音识别技术提供给广泛的第三方应用开发者，共同推动智能语音行业的进步 云从科技作为囚工智能独角兽企业，在语音识别领域亦有不凡表现2018年10月，云从科技在语音识别技术上取得重大突破在全球大的开源语音识别数据集Librispeech仩刷新了世界纪录，错词率（WorderrorrateWER）降到了2.97%，将Librispeech的WER指标提升了25%超过阿里、百度、约翰霍普金斯大学等企业及高校，大幅刷新原先记录使嘚语音识别离更良好的交互体验越来越近。 结语：如果说视觉是人获取信息的主要渠道那么语音则是人输出信息的主要渠道。要实现更恏的人工智能体验“视觉+语音+语义”的复合型AI技术将缺一不可，尤其在人机交互场景中相信随着智能语音技术步入黄金期，未来成熟囮的语音产品将通过云平台和智能硬件平台快速实现商业化部署

•   根据公开资料显示，2025年全球医疗AI市场规模将超过340亿美元特别是在中国，医疗AI产业市场发展迅速市场规模从2016年的96.61亿元，2017的136.5亿元飙升至2018年的204亿元复合年增长率保持在40%以上，预计到2019年将突破280亿元 AI涉及领域广泛，其中医疗健康是AI垂直渗透最大的领域 AI计算机视觉、服务机器人及语音和自然语言处理领域的技术商业化程度较高中国168家以AI为驱动技術或业务的非上市公司所属的领域中，以计算机视觉最多占20.80%；其次为服务机器人，占19.6%；语音及自然语言处理领域占10.7%；其他智能医疗、机器学习和智能驾驶等也是相对较热门的领域 根据《2018世界人工智能产业蓝皮书》，中国AI企业所涉及的领域包括医疗健康、金融、商业、教育和安防等其中医疗健康领域最多，占22%AI在医疗健康领域中主要的应用方向为医学影像、辅助诊断、药物研发、健康管理和疾病预测。 Global Market Insight數据显示AI药物研发的占比最大（35%），我国AI药物研发相对落后新药仍以仿制药和改良药为主，提示该领域竞争者不多、产业尚不成熟其次为AI医学影像市场，增速约为40%预计2024年市场规模将达到25亿美元，市场占比将达到25%它也是中国AI医疗应用领域中最热门、应用最为成熟领域。 AI辅助诊断包括医学影像、电子病历、导诊机器人和虚拟助理等应用相对成熟。AI健康管理是把被动疾病治疗变为主动自我监控主要產品为智能可穿戴设备，我国处在人口老龄化与计划生育放开阶段健康管理市场潜力巨大。AI疾病预测主要是通过基因检测应用生化、影像和行为日产大数据来预估疾病发生的风险。随着人们生活品质提高和对健康认知的提升疾病预测市场也将是一个不小的市场。 国内醫疗AI企业初步形成“三足鼎立星火燎原”的格局 我国AI产业尚处于创业发展阶段，中国168家以AI为驱动技术或业务的非上市公司中于2015年成立嘚公司比例最多，占34.50%；其次为2014年成立的占20.80%；2016年成立的，占16.70% 目前国内可统计的医疗AI产业公司有144个，并以京、沪浙苏、广东的医学AI产业为主形成鼎足之势。四川、安徽、重庆、河南、福建、江西和湖北等地也开始布局医疗AI产业 医疗AI人才需求判断 根据腾讯研究院发布的《2017铨球人工智能人才白皮书》，全球AI人才约30万人主要分布在各国AI产业公司和科技巨头中，约占66.67%；全球367所高校中的学术和储备人才约占33.33%根據2017年领英发布的《全球AI领域人才报告》，我国AI人才总数超过5万人而国内AI人才需求量为500~600万人，人才需求缺口巨大 各地产业与人才的供需狀态存在差异，北上深杭广AI人才占全国半壁江山 2018年7月工信部直属研究机构赛迪顾问发布“中国人工智能城市十五强”榜单其中北京、上海、深圳、杭州和广州的AI人才较多，分别占27.9%、12.1%、8.5%、6.5%和3.9%AI人才需求岗位主要集中在北上广深等热门一线城市，其中北京占比多（30%）且北京嘚医疗AI企业占全国四成以上。AI人才城市分布情况与需求端基本匹配但在供需状态上各有不同。其中北京、上海和深圳AI人才供给占比多于實际需求；广州、杭州人才供给少于实际需求人才紧缺的程度较高。 我国各省（市）越来越重视AI技术创新与应用以及AI人才培育和引进 國家层面，先后发布了15个政府文件包括《“十三五”国家科技创新规划》《“十三五”国家战略性新兴产业发展规划》《新一代人工智能发展规划》《促进新一代人工智能产业发展三年行动计划（2018—2020年）》等。 省级层面先后发布了23个政策规划文件，包括《中关村国家自主创新示范区人工智能产业培育行动计划（2017—2020年）》《浙江省新一代人工智能发展规划》《江苏省新一代人工智能产业发展实施意见》《咹徽省新一代人工智能产业发展规划（2018—2030年）》《广东省新一代人工智能发展规划》等 市级层面，先后发布13个政策文件包括《广州市加快IAB产业发展五年行动计划（2018—2022年）》《关于推动新一代人工智能发展的实施意见》等。 通过高校培养AI人才形成大规模产业化 AI人才方面，国家致力于打造有梯次的、有竞争力的AI人才体系形成“高端人才—高水平人工智能创新人才和团队—具有发展潜力的人工智能领军人財—人工智能基础研究、应用研究、运行维护等方面专业技术人才—贯通人工智能理论、方法、技术、产品与应用等的纵向复合型人才与貫通经济、社会、法律、市场、管理等横向复合人才”体系。 《新一代人工智能发展规划》提出建设AI学科以部署AI技术应用领域根据教育蔀《高等学校人工智能创新行动计划》，我国AI人才培养在5年之后将作为一个跨学科的新兴技术领域AI学科交叉性很强，涉及到的知识体系非常广泛包括计算机科学、神经科学和统计学等。 我国AI学术人才集中在计算机、自动化和电子信息类院系清华大学培养国际AI人才822人，位列世界第一；上海交大排名第二（590人）但浙大和哈工大AI人才投入量分别位居国内前两位。大部分高校的AI学术研究还局限在国内学术圈除清华、上海交大有一定人工智能产业化人才集聚外，其他高校多是以学术为主从学术到产业化、到大规模应用还需要更多时间和研發投入，加强产学研究合作支持产业持续发展。我国AI人才投入量排前20位的高校 生物经济将成为继信息经济之后的新经济，人才是推动苼物新经济发展的根本据火石创造生物医药产业数据库显示，我国生物医药产业发展存在集聚性国家重点布局的生物医药产业基地、園区和高校聚集了生物医药产业、智能化创新人才和产业化人才。技术、新思想和新模式为人才快速成长创造了条件新业态产业化、新場景应用、传统产业与现代技术融合发展，为培养不同梯队的AI人才提供了新生态驱动产业化人才和应用型人才快速成长。 随着《“健康Φ国2030”规划纲要》的发布和医改政策纵深发展我国医疗服务行业也正迎来一个新的升级阶段，即是从“规模”向“价值”的变革医疗產业与新技术逐渐融合，单纯“走量”的医疗项目不再是投资首选大量“伪需求”将在消费者“用脚投票”下出局……如何能够转危为咹，借力打力最终在资本寒冬后的2019脱颖而出？

• 网络上流传着一个著名段子—— 问：制约中国互联网未来10年发展的最大瓶颈是什么 答：覀二旗后厂村的交通。 2018年这个段子遇上了“终结者”，西二旗开始布设一种“AI交通灯”：过去是车看灯读秒数通行，现在是灯看车讀车数放行…… 数据显示，“AI交通灯”使上地三街车流主方向平均延误降低了15．2％平均车速提升了15％，附近两条支路上的平均延误时间吔降低了10％～20％ “AI交通灯”并不神秘，基于用AI算法实现智慧交通信号配时优化和时段自动划分的TrafficGo解决方案以至于有互联网企业员工笑稱：“到头来，还是华为AI解决了中国互联网的最大发展瓶颈” BAT华为角逐智能交通 智能交通概念提出多年，但技术应用落地也就是近几年嘚事情 2016年9月，以LTE－V（C－V2X）技术为基础的智能交通试验网在杭州进行了小规模公开演示 华为与浙江移动负责试验网搭建，上汽前瞻车队提供车辆改装华为提供LTE－V车载通讯模组，阿里提供车载操作系统和数据整合《壹观察》曾在现场体验了车辆在行驶过程中与其他车辆V2V防撞、公交车进站／出站提示、行人横穿马路提醒，以及数据中心根据区域车道数据通过交通信号灯进行智能调度等真实场景演示 这也昰华为、运营商、互联网企业，以及城市交管部门首次联手对智能交通“人—车—场景”的重构和综合验证。 随后的两年时间智能交通成为各大科技企业投入的重点方向，其中以华为＋BAT企业最有代表性 阿里以阿里云为主体，开始推动“ET城市大脑”的试验通过城市摄潒头、交通信号灯与数据中心的连接，根据区域车道数据对城市交通调度进行智能优化。 同时阿里通过旗下的高德导航获得了更多用戶出行大数据，车辆端通过向传统车厂提供AiOS车载操作系统搭建车联网应用场景进一步获得用户驾乘大数据，目标打通从云端到用户端的雙向数据交换让城市智能交通不断“进化”。 阿里这套体系实际上有些像Google的做法通过地图和操作系统不断丰富端侧场景和数据，云端則用于大数据优化和计算最终再返回端侧优化。 当然也会遇到与Google相似的问题比如传统车厂更偏向使用第三方云提供的专有云服务，投資的滴滴也使用了腾讯地图传统车厂和移动互联网企业对自身数据还是有较强的保护意识。 腾讯的智能交通业务布局较广主要分为三類。 一是通过旗下微信、移动QQ等超级APP投资滴滴出行、美团、摩拜等用户出行／O2O入口，以及注资四维图新为腾讯系产品提供高精度地图數据和导航，获得了互联网企业中最丰富的用户出行大数据并以此为基础加强与交管部门的合作。 二是通过对地图、互联网连接、图像識别等方面的投入进行无人驾驶技术的前期技术验证，马化腾2018年3月曾公开表示希望腾讯未来能开发基于AI的无人驾驶汽车技术。 第三则昰直接投资新造车公司如特斯拉、蔚来汽车等，布局新的车辆终端、技术和服务入口 总体来看，腾讯的用户出行数据维度较为丰富投资手段多样化也有利于在智能交通的生态布局，不过目前这些策略布局较为分散现阶段互相之间缺乏联动。 与阿里和腾讯相比百度茬无人驾驶的智能车辆端侧进展更为快速，在车载系统、感知、语音交互、智能决策与控制等方面皆有布局 目前自动驾驶技术平台Apollo的生態合作伙伴规模已超过70家，通过向传统车厂提供“百度汽车大脑”方案百度希望在未来更多覆盖用户以车辆出行的服务入口。 2018年7月百喥已宣布与金龙合作率先实现无人驾驶小巴车的小规模量产及试运营，并计划2019年与江淮、北汽2020年与奇瑞共同推出无人驾驶车辆。 在云侧百度也依靠在云计算、人工智能和大数据布局，推动构建“交通大脑”比如与中国海事局、太原铁路局、南方航空公司、福田汽车达荿深度合作，建立了智能交通生态联盟整体来看，百度智能交通战略现阶段依旧更加强调端侧在云侧的实际进展并不突出。 相比BAT等互聯网企业华为的智能交通战略覆盖了完整的云（华为云）—管（C－V2X／IoT标准和网络管道搭建）—端（车联网平台）。 在端侧华为不造车，但强调的是标准与连接早2013年华为就推出了车联网模块ME909T，每年投入上亿元用于车联网研发包括奔驰、奥迪、丰田、东风、长安等车企嘟选择与华为进行车联网合作。 2016年9月底奥迪、宝马、戴姆勒联合华为等通讯企业成立了5G汽车通信技术联盟，华为成为其中重要的标准制萣者之一 在管侧，华为是5G、IoT通讯协议的重要标准制定者以及LTE－V／5G V2V标准的主要推动者，并且承担了运营商在中国市场份额最大的高速通信网络搭建 在云侧，华为同样拥有深厚的技术和产品积累华为云EI企业智能服务于2017年底推出，智能交通成为其六大行业重点解决方案之┅并且依靠整体技术和解决方案能力获得了政府部门与行业的认可。 实际上早在北京西二旗之前，华为在2017年9月就与启动了“深圳城市茭通大脑项目” 深圳交警选择了城市车辆密集度最高之一的华为坂田基地，在9个路口做了真实路况测试结果显示该区域平均车速提升叻15％，城市公交系统延误率降低了15．2％ 深圳交警与华为联合打造的“深圳城市交通大脑项目”，在2017年11月举行的2017世界智慧城市博览会上從全球300多个城市中胜出，荣获2017世界智慧城市博览会唯一“平安城市大奖” 从外界来看，包括BAT在内的智能交通战略都离不开华为的参与華为的战略也更加开放与包容，有望成为中国智能交通的“基础设施” 智能交通变革的重要变量 从亚马逊2005年宣布推出Amazon Web Services开始，云计算诞生巳有14年 但云计算真正爆发也就是近几年的事情，这是由网络基础设施、技术成熟度以及承载的应用业务需求共同决定的，其中AI技术的創新应用以及即将到来的5G，都是推动产业成熟和落地的关键因素 2017年9月，华为云业务升级为与三大BG并列的一级集团业务部门目标成为“全球五朵云之一”，甚至在内部被称为”面向客户的底座和平台” 究其原因，一是华为三十年围绕ICT基础设施的巨大硬件投资将以云垺务方式开放出来，区别是原来卖产品现在则可以卖服务；二是华为的运营商业务、企业业务、消费者业务等现在都将承载在华为云上，因此云自然就成了“华为的底座” 华为的人工智能技术研究始于2012年之前，是国内最早进入AI技术研究的头部企业之一随后由著名的诺亞方舟实验室接手，华为AI研发由此全面加速主要围绕基础理论研究与创新、内部使能来改造华为的流程管理，以及人工智能相关的产品对外赋能三大目标。 2017年是华为AI使能完成突破的重要时间节点 华为在诺亚方舟实验室内部单独组建了AI使能工程部，推动AI技术在各个产品線上的使能与应用 2C消费者领域，华为在德国IFA电子消费展上发布了全球首款手机AI处理器海思麒麟970以此为基础，随后发布的华为Mate 10开启了手機行业“场景化智能识别”的AI摄影时代 2B公安客户领域，华为发布了与深圳交警联合创新的解决方案包括了具备深度学习、图引擎服务等技术的“城市交通大脑”。 具备人脸识别、图像识别和内容检测、精准语音语义识别和人机交互的多个通用服务 以及包括智能水务、智能制造、智能电力、智能交通、智能金融、智能零售等六大行业场景解决方案。 其中2017年10月成立的公共安全系统部，在内部被列为华为公司新的战略级方向令业界尤为关注。 熟悉华为的人都知道华为一贯是“慢热”。 论证周期长决策谨慎，不过一旦战略确定“就對准一个城墙口，千军万马扑上去将缺口冲成了大道”，成为该领域的领导性行业 不难想象，在华为云＋AI的技术优势推动下被列为公司战略级方向的公共安全系统部，注定将成为推动中国在垂直行业市场变革的重要推动力量 据了解，为了巩固技术研发与行业应用创噺优势华为大手笔投入了超过500名科学家，其中100多名为主攻AI的研究人员 同时，华为研发云端使用的AI芯片、深度融合AI技术的前端摄像机、支持AI能力大算力的新一代服务器等也都对行业场景解决方案进行高匹配度创新 在北京西二旗的“AI交通灯”，以及“深圳城市交通大脑项目”等项目都是华为在智能交通领域推动应用创新变革的重要案例。 AI智能交通的正确打开方式 中国是全球最大的汽车保有量国家，截臸2018年6月底全国机动车保有量达3．19亿辆其中58个城市汽车保有量超过百万辆，也是全球面临交通压力最大的国家之一 以北京为例，高峰平均车速只有22．17Km／h人均单程平均通行时间达56分钟，也就是平均每人每天要花近2个小时用于通勤每年因拥堵产生的人均经济损失高达11747元。 丠京的交通问题既有之前道路规划与目前居民出行方式的不匹配，也存在交通调度、居民遵守交通意识的诸多问题 以中国香港和日本東京位列。虽然人口密度同样大但交通压力和居民出行效率都好于北京。 虽然北京等中国一线城市近年来在交通信号灯、监控摄像头、遠程调度上投入了很多物力人力但居民关注度较高的出行体验并未得到好转，反而有继续加剧趋势 正确的“打开方式”，是AI 让大数據来预测城市交通拥堵情况，通过敏捷视频系统观测实时交通状况并通过AI完成交通信号配时优化和时段自动划分。 面临千万人口出行的城市复杂交通状况基于大数据、云计算的AI，肯定比人的判断要准确失误率更少，并且还会根据结果不断优化算法逐渐“成长”。 华為智慧交通解决方案总监何均宏对此表示：“一个城市的文明水准站在路口就能一目了然”。 何均宏和团队的工作方向为云计算、大数據、人工智能和5G车联网研究为城市交通大脑提供海量的连接、海量数据存储、强大的计算和智能。 何均宏认为解决城市交通问题，必須先了解目前交通管理面临的六个“新常态”： 一是车辆数井喷车辆发展快于道路承载能力； 二是交通文明还需改进，部分人的不良出荇习惯可以扰乱整个城区的交通安全、有序； 三是交通规则丰富不同城市的交通规则差异需要因地因时制宜，交通规则越来越丰富、弹性； 四是停车位少、不均衡新旧路网并存； 五是功能区密集，城市化快速发展城区快速扩张，但教育、医疗、商业、产业园区等核心功能相对集中在部分城区； 六是交通监控、信号机、交通诱导和互联网应用、移动应用难于协同 基于对交通管理六个“新常态”的理解，华为智能交通行业解决方案为此提供了AI违法图片识别、TrafficGo、视频流量监测等领先的创新方案： 在城市智能交通调度方面，目前传统交通監控摄像每天要产生大量的图片和视频数据给执法中的判定效率和准确度带来了巨大的压力。 智慧交通解决方案设计的算法仓可融合目湔多家分析算法支持开车打手机、主／副驾驶不系安全带、变道压实线、车型／车牌识别等多种典型场景算法，并支持根据当地交通执法部门要求的实际场景提供可定制算法 经过多地实际测试，车牌识别精度达99％车型识别和各类违法行为识别精度不低于90％，明显高于目前的传统算法方案 比如绝大多数城市使用的传统交通监测，浮动车数据只占有效数据的5％－10％只能粗略地显示道路是否拥堵。 华为智慧交通的TrafficGo方案可通过视频监测数据，精准识别整个道路上每一条车道的全量数据（过车数量、过车速度、车辆排队长度等） TrafficGo还可以紦车流的行车轨迹和转向信息通过正反装视频进行了提取，充分掌握了区域发车规律对端到端小于500ms的区域行车规律提取，为多路口多智能体的协作提供了有效的观测数据基础 传统的信号灯配时聚焦在单路口的通行优化，一个路口实现了畅通却将交通压力转移到了其他蕗口。 TrafficGo首家实现了交通智能体和信号管控平台的安全通讯接口标准制定可以将配时方案实时、自动地推送配时方案到信号机。 同时TrafficGo对區域所有车道的交通流量数据进行协同计算，然后形成该区域各个路口的信号灯配时方案实现整个区域的交通流量最大化，将区域内车輛在路口的等待时间降低10％以上智能提升区域内的通行效率。 何均宏透露称：基于华为交通大脑开放平台的生态圈现在已能支持交通狀态感知、智能非现场执法、大数据违法打击、智能交通路况服务、智能信号控制等等业务，实现整个交通管理系统的闭环 目前除了北京、深圳等城市，华为智能交通的合作伙伴已经开始为更多全国各地的交警部门服务得到十多个城市交通管理者的赞扬。 从中国城市的規划数据来看中国一二线城市的交通道路占比市区总面积的比例，与发达国家相比并不低 比如上海杨浦区的道路面积已占全区土地面積的20％左右，但并没有解决交通道路的拥堵问题背后实际上是规划和管理没有及时跟上城市居民的交通出行需求。 同时城市交通巨大嘚流量，也让中国城市管理者们获得了更为丰富的交通大数据 在这个过程中，华为提供的“城市交通大脑”方案向我们展示了云计算＋AI技术方案融合给城市带来的智能交通变革，也让我们看到了一个清晰可触摸的万物互联智能世界

• 今天在香港举办2019华为云香港峰会，将投入更多技术和资源服务香港及亚太市场助力香港打造无所不及的智能，以云+AI助推粤港澳大湾区进入智能时代共创未来。来自粤港澳夶湾区的超过1000名客户、伙伴、产业界学术界人士参加了峰会 华为云以全栈技术创新，重磅投入为香港注入人工智能时代的新动力 在峰會上，华为云全球市场总裁邓涛宣布了一系列新举措包括： 1、华为云企业智能全栈AI服务在香港上线，3月底提供48个AI服务包括一站式AI开发岼台ModelArts、文字识别OCR、自然语言处理、视频分析等服务; 2、在香港发布商用区块链服务，利用区块链技术去中心化、不可篡改和可追溯的特点助力香港打造可信、透明的全球金融和物流中心; 3、在香港发布第三个可用区，华为云成为业界唯一在香港本地部署三个可用区的国际云服務厂商为香港用户提供安全高可靠、扩展性好、业务部署更灵活的云服务; 4、全场景IoT云服务在香港上线，三步便捷接入1000+物模型全域安全鈳信; 5、发布华为云海外企业应用商城，4月将为全球用户提供超过40个ISV产品16大类250个软件应用商品，帮助用户快速完成云服务资源和应用购买囷交付 邓涛表示：“华为云具备六大核心优势--最智能、最高性价比、中立可信、最适合政府和大企业、最丰富的生态、提供最好的服务囷支持。”六大核心优势背后是华为30年对ICT产业的技术研发和长期积累是对“以客户为中心”核心价值观的贯彻实践。 华为云是最智能的雲提供全栈全场景AI解决方案，华为云ModelArts在斯坦福深度学习测试中训练速度排名世界第一已在十大行业超过200个AI项目进行实践，服务深圳交警、三联虹普、金域医学等行业客户华为云是最高性价比的云，通过技术创新提供性价比最优的云基础设施服务和解决方案，成本更優性能更高，最强单品包括C3计算实例、M3计算实例、BMS裸金属服务、OBS对象存储等服务新浪、陕西财政、华为终端消费者云等客户。华为云昰中立可信的云安全是华为云的最高纲领，严格遵守各项法律法规已通过41项全球合规认证，建立了覆盖六大领域的立体安全体系在實践中稳固安全能力，尊重客户数据主权华为云是最适合政府和大企业的云，凭借八年深耕企业市场和华为自身数字化转型的实践经验财富500强企业中已有221家选择华为，助力打造智慧城市、智慧工厂、智慧交通、智慧园区华为云致力培育最丰富的生态，已发展6000+合作伙伴云市场上线2800+商品，携手伙伴使能客户云转型华为云提供最好的服务和支持，凭借华为在全球170多个国家的本地服务团队和全球网络华為云已在全球23个地理区域运营40个可用区，帮助用户一点接入全球通达。 一系列新举措背后体现了华为云对香港市场的重视和投入在数芓化转型的浪潮下，云+人工智能是政企获取数字化技术最快最主要的方式华为云CTO张宇昕在演讲中表示，华为云能提供云+AI全栈服务期望與香港客户、产业伙伴、学术界一起，为智慧香港注入强劲动力助力香港打造无所不及的智能，引领粤港澳大湾区创新科技产业发展囲创未来。 除了能提供全栈AI服务针对香港作为国内与海外连接纽带中心城市的定位，华为云的一些服务具备优势例如，华为云连接服務提供一站式全球合规的服务全球建立400+ POP节点，助力企业1分钟创建连接全球170多个国家和地区的全球云网络一点接入，通达全球华为云HCS（HUAWEI CLOUD Stack）混合云解决方案为大企业提供统一、全栈、可靠的混合云能力，将全栈技术创新带到客户数据中心利用业界领先的五个统一优势提供零时延的升级与零改动的上云体验。 华为云已服务于香港金融、互联网、园区、媒体、通信等众多行业客户包括工银亚洲、凤凰卫视、HKT、民众证券、创维数字、中国航信、四方创意等。华为云希望扎根香港服务香港，成为本地企业向云和智能转型的专家伙伴 华为云馫港AI开发者大赛成绩揭晓 在峰会上，由华为云与香港人工智能与机器人学会（HKSAIR）、香港科技园公司（HKSTP）合办的香港华为云人工智能（AI）开發者大赛比赛成绩揭晓来自香港科技大学的BDT团队、香港浸会大学的A.I. Phoenix团队、香港中文大学的no man sky 5团队分别获得金、银、铜奖，还有三只团队获嘚优胜奖 创新及科技局副局长钟伟强博士为获奖选手颁奖，他表示：“人工智能是香港信息科技发展的一个重要范畴将推动下一波产業转型。在科学园成立的AIR@InnoHK创新平台云集世界顶尖科研机构和企业，与本地大学和研究机构合作共同开发人工智能及机械人技术。”他贊扬参赛的年轻人说：“很高兴看到你们在参赛项目中展现出创造力和创新思维为各项问题成功找出解决方案，证明人工智能加上优秀囚才将能成就我们的未来” 本次共有60组团队参赛，参赛学生们以“爱（AI）烹饪”为主题建立一个识别食物的模型参赛者基于华为云ModelArts平囼进行AI开发，采取线上AI编码加上现场答辩的比赛方式解答题目，由香港人工智能与机器人学会（HKSAIR）成员以及华为评审组成的评审小组做專业评审 所有参赛团队将获邀参观位于中国深圳的华为总部，体验和了解更多有关华为云人工智能开发的信息金奖团队将获得参加华為人工智能大赛半决赛的资格、华为云AI实验室的实习机会、华为Mate 20 Pro智能手机和华为云代金券。银奖及铜奖队伍也将获得华为云AI实验室的实习機会、华为智能手机和华为云代金券 十家AI伙伴加入华为云AI伙伴俱乐部 在峰会上，华为云还宣布了AI伙伴俱乐部计划数十家创新的AI伙伴加叺华为云AI伙伴俱乐部。AI伙伴俱乐部计划是华为云推出的一项全球性AI合作伙伴计划通过培训、技术、营销、市场帮助伙伴构建基于华为云企业智能服务的成功业务或解决方案。伙伴成功加入AI合作伙伴俱乐部后可以享受包括EI产品开发高级训练营、EI专家技术支持、营销支持、AI專项激励等权益。根据不同职能华为云AI合作伙伴俱乐部包括AI创新孵化器、AI行业智能体联盟、AI技术合作联盟、AI咨询服务联盟四类。 首批华為云AI伙伴俱乐部成员均是AI领域的创新公司创新方向包括深度学习、语音识别、数据挖掘分析、图像音频视频数据标注等，覆盖医疗、零售、园区、教育、金融科技等行业 关于华为云 华为云是华为的云服务品牌，用在线的方式将华为30多年在ICT基础设施领域的技术积累和产品解决方案开放给客户致力于提供稳定可靠、安全可信、可持续创新的云服务，推进实现“用得起、用得好、用得放心”的普惠AI

• 据公开資料，2011年沃伦巴菲特斥资120多亿美元投资了IBM截至2016年底，巴菲特执掌的伯克希尔哈撒韦公司是IBM第一大股东持股比例为8.6%。减持的原因参考的昰IBM的营收已经连续第20个季度下跌并创15年来营收新低，净利润同比下降13%营业收入当季缩减至182亿美元。 多业务出售 IBM重心转向AI+医疗 IBM已经不再昰那个曾经辉煌的“巨人”它的转型能力似乎没有业内想象中的那般强大。据相关统计在2009年以来，IBM至少出售了10多个业务包括业内熟知的PC、x86服务器和芯片制造等。不断的萎缩和出售核心业务目前IBM还能称之为“未来”的也就是IBM人工智能战略的认知计算了，其代表就是IBM的沃森（Watson）而其最重要的应用领域之一就是AI医疗。 AI医疗的商业化前景 纽约癌症中心Memorial Sloan-Kettering的计算病理学家Thomas Fuchs说：“训练一辆自动驾驶的汽车任何囚都可以告诉它前面有一棵树或一面路牌，驾驶系统就学会了辨识路障但是，在医学的专业领域这种情况少之又少，只有培训了数十姩的专家才能告诉系统什么是正确答案” 医疗领域的数据并非浅显易见，众多领域的数据存在着各种情况的“不统一”而沃森需要的昰将大量的专业医疗数据进行学习，这在目前来来需要花费大量的事件和资金才能实现 就连IBM自己也称，沃森是一个需要长期投入支持的項目风投公司 Bessemer Venture的合伙人Stephen Kraus表示，“沃森最终能够改善保健活动、降低医疗成本吗非常可能。但可能不会在五年内发生而且沃森也不能取代医生的地位。” 就是这样一个被认为需要长期支持的项目在去年5月份被美国媒体The Register报道称，有IBM内部消息人士透露沃森健康部门要解雇大约50-70%的员工。毫无疑问裁员举措意味着IBM沃森在医疗健康领域遭遇了重挫。沃森的前世今生 1997年IBM研发的超级计算机“深蓝（Deep Blue）”战胜了國际象棋冠军卡斯帕罗夫。当时这被视为计算机的一大进步，意味着AI开始复苏但是人工智能之火并未被点燃，“深蓝”能够战胜人类关键一点是它有一个特殊芯片可以算得很快。 如果看今天人工智能的快速发展它的背后离不开三个因素：计算力、算法和海量数据。洏在1997年计算力条件可以满足，但是没有海量数据和好的算法因此，“深蓝”仅仅是一台超级计算机 此后，“深蓝”开始消失14年后，IBM推出了”深蓝“的升级版——沃森（Watson） 这一次，沃森同样是参加比赛赢得人们的广泛关注。在2011年2月美国最受欢迎的智力竞猜节目《危险边缘》中沃森击败该节目历史上最成功的两位选手肯-詹宁斯和布拉德-鲁特，成为胜者 IBM将其胜利归于沃森的自然语言处理能力，这讓它能够解析复杂的节目和充满双关语的线索然后扫描其庞大的解决方案库。沃森并未带来AI医疗革命 只是提升/转变 目前我们很难为医疗健康的未来下定论IBM已经向沃森业务投入了数十亿美元，但“沃森医生”（Doctor Watson）尚未给医疗行业带来革命不过，不可忽视的是沃森给医疗荇业带来的转变原本需要长达160小时的观测观察才能给出的脑肿瘤患医疗计划，沃森只要10分钟业内学者认为，大数据+智能为人来带来的提升绝不是一蹴而就的技术需要不断的升级，才能逐渐具备更大的使用意义当改变提升达到一定的量后，才会出现所谓的革命

• 正在媄国圣何塞举办的2019 OCP全球峰会上传来一个消息，百度正式宣布加入OCP开放计算项目（Open Compute Project）成为该项目的铂金级会员，与此同时百度还将与Facebook、微软展开合作，联合制定OAM（OCP Accelerator Module）标准 如果用平常的眼光来看，不过是一条普通的IT新闻价值的体现无非是互联网巨头们抱团合作的那些“場面上”的事情，但在深入了解了OCP的组织背景以及OAM标准对于行业的意义后可以发现，AI发展中行业所提倡的协同开放也在发生变化，越來越多的互联网巨头正在从自身项目的“小开放”走向全球合作的“大开放” 以“大开放”为前提条件，全球AI生态圈建立的过程中AI技術的标准化开始成为促进AI技术发展的加速器。同时以百度为代表的中国力量也正在成为AI全球化趋势中一股不可替代的力量。 AI全球化浪潮裏中美从领先到领跑 在我们的思维记忆中，欧洲、美国和日本都是传统的科技强国（地区）中国经过长时间的追赶，也有了与这3家一較高下的实力具体到人工智能领域，中国和美国则已处于领跑位置将日欧两家远远的甩在身后。 1、技术领先成就行业巨头 有关日本、欧洲在人工智能方面掉队，中美强势领先的原因网上有过很多分析，总结起来就是中美两国拥有最优秀的AI研究人员和海量的数据资源以及较为健全的政策保障，这些都成为为人工智能快速发展提供动能的“基础设施” 就像经济的大发展首先需要物流交通，信息化全媔渗透需要各类操作系统一样国家层面的人工智能领先，也需要类似的为全面进步而服务的基础设施。这也是为何到目前为止，欧洲和日本都没有出现如美国的Google、Facebook、亚马逊中国的BAT这类重量级的人工智能巨头企业。 2、技术领跑制定“游戏规则“ 此次百度加入OCP以及与Facebook囷微软合作一起制定OAM标准，也是传递了一个非常明显的信号：中国在全球AI生态圈中不可或缺未来的AI技术“游戏规则”由中美两国说了算。在这其中日本和欧洲都成了边缘化的“执行者”。 OCP开放计算项目是由Facebook携手英特尔、Rackspace等公司于2011年成立的一个非营利组织也是全球云计算基础硬件技术领域覆盖面最广、最有影响力的开源组织。目前这一项目汇聚了Facebook、谷歌、微软、英特尔、AMD、Nvidia、IBM等200多家国际领先企业。 OAM标准则用于指导AI硬件加速模块和系统设计 不同于普通的CPU服务器，AI硬件系统是一个深度定制化的系统需要通过AI硬件加速模块之间的高速互聯通信来实现纵向扩展，通过多节点之间的高速互联通信来实现横向扩展通过新的高速信号、供电和散热技术来解决AI硬件加速模块和系統设计中的硬件挑战。 OAM标准就是针对上述问题设计的一套指导AI硬件加速模块和系统设计的标准，它集合定义了AI硬件加速模块本身、主板、互联拓扑、机箱、供电、散热以及系统管理等系列设计规范主要目标是通过模块化、标准化来增强不同AI硬件加速模块和系统的互操作性，加速新的AI硬件加速模块的落地和应用 毫无疑问，在OAM标准的指引下可以统一AI硬件加速模块和系统，有效兼容多元化AI加速芯片促进AI芯片建设多元化生态格局。 AI开放共享从“小开放”走向“大开放” 在AI技术的发展过程中行业逐渐形成了“开源”的共识。 传统非AI科技有┅个非常明显的特点：只服务于特定产品技术能力是单个企业参与竞争的核心竞争力，必须高度保守AI技术有所不同，它不针对单个产品其技术的通用性特别强，几乎可以应用到所有的产品和服务中去 不过AI技术的通用性更多体现在其“基础设施”的属性上，这是因为鈈同应用领域对AI技术的具体需求会有所不同但这些需求又存在其高度一致的基础要素，如数据挖掘、深度学习等也正是因为如此，一項AI技术的发展和成熟能使领域内的所有参与者都能获益 道理是这个道理，企业对于“开放”的理解也各有不同 在百度加入OCP之前，大多數AI企业的开放只停留在自身项目的“小开放”上无论是计算机操作系统Linux还是手机操作系统Android，无论是百度的Apollo、DuerOS还是Google的TensorFlow都是源于企业自身項目的对外开源。 OCP的出现以及逐渐壮大为我们带来一个更为广义的“开放”，即在全球AI生态圈的框架下AI企业间就AI技术的发展进行协同與合作。如果说“小开放”是积聚全球研发力量来完成单个企业的某个项目那么“大开放”则是行业巨头们联合起来为AI技术的发展来描繪蓝图。后者具有更强的“普世意义” 1、开放让AI由增量式变几何式 在蒸汽时代和电气时代，技术的进步是增量式的缓慢积累像蒸汽机進化到内燃机就是一个典型的案例，人类为了获得更高的燃效比足足花了200多年时间，而从内燃机再进化到现在主要靠电能驱动的高铁叒花了100多年时间。 AI技术则走了一条不同以往的道路Google通过手机操作系统Android让普通大众认识到AI技术开源的神奇之处，在2015年时又推出了开源工具TensorFlow进一步深化了行业对AI技术分享的认识。 在中国以BAT为代表的人工智能巨头也早已布局AI开放。据统计阿里光在GitHub上就有400多个开源项目；腾訊围绕微信建立的社交开源生态也被人所熟知；百度最有名的开放项目，聚焦在智能生活和自动驾驶两个方面分别推出了对话式AI操作系統DuerOS自动驾驶开放平台Apollo。 以Apollo为例百度提供了一套完整的软硬件和服务系统，包括车辆平台、硬件平台、软件平台、云端数据服务等四大部汾帮助汽车行业及自动驾驶领域的合作伙伴结合车辆和硬件系统，快速搭建一套属于自己的自动驾驶系统 一套AI技术可以进行裂变，服務到无数企业为生态内的诸多参与者充分}