官方微博 RSS订阅 今天:2017年11月25日 星期六  
首页 走进高新区 政务公开 网上办事 政企互动 投资招商 人才工作 鼓励政策 站群导航
 
首页走进高新区行业知识高新观察

高新观察(第65期)

2047高新区宣传中心2017-09-29

深度前沿·

麦肯锡报告:《中国数字经济如何引领全球新趋势》

近日,全球著名咨询机构/公司麦肯锡全球研究院发布了《中国数字经济如何引领全球新趋势》研究报告,报告显示中国拥有全球最活跃的数字化投资与创业生态系统,全球1/3的“独角兽”(估值超过10亿美元的非上市初创公司)为中国企业。中国拥有全球最大的电子商务市场,已成为塑造全球数字化格局的重要力量,其数字全球化进程方兴未艾,将从产业投资、商业模式和全球治理等多个领域引领全球新趋势。

中国在世界数字化舞台上的地位愈发突出,这说明中国可以更广泛地参与甚至领导全球治理,为解决国际竞争、互惠互利、数字主权等挑战作出进一步贡献,此外,中国的云供应商保持着计算效率的世界纪录。中国在某些关键数字技术的风投规模位居世界前三,包括虚拟现实、自动驾驶技术、3D打印、大数据、机器人、无人机及人工智能等。

麦肯锡报告认为,应从以下三个因素理解中国数字经济发展的驱动力和前景:

因素一——中国市场体量庞大,拥有数量可观的年轻网民,为数字商业模式迅速投入商用创造了条件。中国庞大的互联网用户群有利于数字企业不断试水,更有助于其快速实现规模经济。2016年,中国的互联网用户达到7.31亿,超过了欧盟和美国的网民总和。

因素二——中国的互联网三巨头(百度、阿里巴巴和腾讯,合称BAT)建立的丰富数字化生态圈如今正在不断拓展延伸。2016年,BAT提供的风险投资占中国风投总额的42%,而同年FANG(Facebook、亚马逊、Netflix及谷歌)仅为美国风投市场贡献了5%。相比之下,BAT在推动本国数字产业发展的方面贡献尤为显著。

因素三——中国政府对数字化企业和机构的态度是“先试水、后监管”,如今更成为了数字化发展的积极推动者。政策制定者过去对数字化企业的监管往往“放缓一步”,使这些企业得以大胆试水并扩大规模。随着市场渐渐成熟,政府愈发主动加强监管,力图营造更加健康的数字化发展环境,同时还以投资者、开发者及消费者的角色积极提供支持。

在以上三大因素共同推动下,中国的数字化发展不断取得新进展。这意味着中国在世界舞台上的角色日益醒目,对全球经济的影响力也逐渐扩大。过去几十年中,中国已在全球价值链的纽带作用下变成世界经济不可或缺的一部分,但未来将是数字全球化的时代,而非实体贸易一统天下。中国风投企业在海外投资市场的表现日益活跃。2014至2016年间,中国的对外风险投资总额达到380亿美元,占中国以外全球风险资本的14%,其中约有3/4流入了数字化相关行业。中国率先应用的多种数字商业模式如今已在全世界流行开来,从无桩共享单车到视频社交网络等等不一而足。

越来越多的中国数字企业通过并购、商业模式拓展、成为技术供应这三种方式努力扩展全球业务,这也许意味着中国即将来到全球数字化发展的最前沿。同时,中国在世界数字化舞台上的地位愈发突出,这说明中国可以更广泛地参与甚至领导全球治理,为解决国际竞争、互惠互利、数字主权等挑战做出进一步贡献。

中国已经成为世界公认的数字化大国。作为数字技术的主要投资国以及应用此类技术的先行国家,中国正在改写全球数字化的格局,并为远在海外的创业公司提供支持和启迪。中国的数字全球化进程方兴未艾,本土科技巨头资本雄厚,数字生态系统日益丰富,很有可能在未来几年内成为引领全球数字化发展的力量。

 

·大数据一周·

中国首次发布城市治理智慧化水平测评报告

☞中国首次发布城市治理智慧化水平测评报告

报告由国家发展改革委城市和小城镇改革发展中心主持编制。评估主要依据国家新型城镇化发展规划相关政策文件,是从城市治理角度对城市智慧化发展作出数据分析与研究。本次评估对象为副省级城市和地级市(不包括港澳台),总数为293个。根据这份报告,2017年我国城市治理智慧化水平平均得分为45.1分(满分为100分)。其中排在前10名的城市分别为青岛市、杭州市、厦门市、广州市、深圳市、珠海市、宁波市、佛山市、成都市和无锡市。

☞工信部指导联盟区块链实验室成立

该实验室是一个以研发测试、行业应用研究和教学科研三位一体的创新研究平台,解决关键技术,目标是依托中国信息化联盟的资源,建设成为国家级重点实验室,成为国内知名的区块链创新技术应用中心。实验室将建立区块链标准及测评体系,建设区块链测试平台,形成技术咨询、测评服务能力,一方面为区块链产品厂商提供专业的测试服务,促进区块链产品质量提升,另一方面为用户单位提供建设咨询、产品选型、应用场景测评等服务,为区块链技术的应用落地提供全生命周期的质量保障。

☞大数据人才缺口将达1400万

据职业社交平台LinkedIn发布的《2016年中国互联网最热职位人才报告》显示,数据分析师已成当下中国互联网行业需求最旺盛的六类人才职位之一。报告表明,数据分析人才的供给指数仅为0.05,属于高度稀缺。未来,数据分析师将和财务、行政等岗位一样,成为一个企业的“标配”。根据中国商业联合会数据分析专业委员会统计,未来中国基础性数据分析人才缺口将达到1400万。但目前国内大数据人才的培养很多仍停留在IT层面,在底层开发着各种各样的大数据产品。

☞英国ESGI PREMIER CYCLE计算机工程学院设立区块链工程专业

该专业将致力于培养储备区块链技术应用开发等相关人才,为今后的区块链发展打下基础。本科学位的第一年旨在获得任何计算机工程师掌握的基本操作技能,第二年建立在几个轴上:深化第一年的技术,如高级Windows或Linux管理,或者在C中管理复杂的数据结构,发现新的概念,如计算机安全,计算机图形学或OOP,应用设计和建模,以及对数字世界的反思(社会学与伦理学,经济学)。

☞百度公司与青岛市政府合作,共建“青岛城市大脑”

日前,青岛市政府与百度公司宣布正式达成了战略合作关系,根据签订的协议显示,未来双方将依托于百度公司在人工智能、云计算、大数据等方面的技术优势,共同打造“青岛城市大脑”。旨在进一步推动青岛市人工智能与制造业发展,以及“互联网+政府服务”建设。

☞首个“健康管理信息交互大数据平台”上线

9月28日,中国疾病预防控制中心慢病中心、中国信息通信研究院标准所、妙健康共同启动了“健康管理信息交互大数据平台”。该平台将通过汇总不同智能硬件的健康数据,集合为用户的整体运动健康数据电子档案,为医疗数据接入、慢病管理提供了可操作的健康数据依据。同时信息系统还可将同一用户多维度的排重数据,反向传输给智能硬件厂家,用来精确算法,优化产品,从而形成用户健康信息闭环。将通过汇总不同智能硬件的健康数据,为医疗数据接入、慢病管理等提供健康数据依据。  

☞中国联通成立大数据公司,并发布系列产品

日前,联通大数据有限公司宣布正式成立。据介绍,该公司是由中国联通公司为对接国家和公司战略,建设全产业链大数据生态体系而投资成立的,定位于中国联通大数据对外集中运营主体和大数据产业拓展的合资合作平台,从而推动公司业务的市场化运营。除此之外,联通公司还在当天对外发布了联通大数据的基础、标准应用和平台级行业解决方案共三层的八大对外统一运营产品及系列产品白皮书。

 

·科学新知·

血液现在能发电未来的可穿戴设备大概可以直接长在身体里

◇◆血液现在能发电未来的可穿戴设备大概可以直接长在身体里

最近,复旦大学的研究团队又解锁了一项“生物供电”的新技能,那就是依靠血液来发电。他们将直径为0.8毫米的纤维植入人的血管中,然后从流动的血液中获取能量。虽然生物动力燃料电池是目前受到学界和业界追捧的新兴技术,但是目前发明出的设备能够产生的电力还比较有限,而且诸如血液供电这类带有侵入性的获取体内化学能量的方式也存在着许多风险。

◇◆解决多病者吃药的痛苦,新技术可以把一堆药打印到一张“糖果纸”上

吃药最痛苦的事情还不在于药片的苦,而在于一下子需要吃很多种药。密歇根大学研究人员开发了一种新技术,可以将多种药物打印在一次性的条装带或者贴片上,就像糖果纸那样。这项成果已经发表在《自然》的子刊《自然—通信》上。

◇◆三星打造人工智能实验室,新型AI扬声器将于明年问世

据外媒报道,三星在加拿大蒙特利尔设立的人工智能实验室已于8月正式成立。据了解,该实验室未来将致力于开发机器人、无人驾驶、翻译以及语音和图像识别领域的核心算法。此外,人工智能实验室还将与三星尖端技术研究所共同进行研究,为核心算法制造相应的元件。目前,三星正在积极研发一款人工智能扬声器,预计将于明年问世。

◇◆“用心解锁”:“刷心脏”也可以登陆电脑、过安检,这一次真的是

以布法罗大学(UB)为主的研究人员,发明了一种计算机认证系统,该系统可以使用你的心脏的形状和大小来登录。它使用低水平的多普勒雷达,持续扫描你的心脏的尺寸,只要你在正确的位置,它就会允许你进入。

◇◆京东推出无人轻型货车,已开始在指定路段内路试

据新浪科技消息,京东推出无人轻型货车。这也是国内电商及物流领域首次推出无人货车产品,并且在交管部门指定的固定路段内开始路试。京东与上汽大通合作的EV80无人轻型货车,通过搭载的雷达、传感器、高精地图及定位系统,在行进过程中,150米外的障碍物可以被提前探知,并且重新进行道路规划与障碍规避;当遇到信号灯时,前视摄像头可以进行感知。

◇◆MIT的新机器人能自动更换“外衣”:可执行多种任务

日前,麻省理工学院计算机科学与人工智能实验室(CSAIL)开发了一种具备极高适应力的机器人,能够使用不同的“装备”为机器人提供行走、涉水和飞行等不同的能力。这种微型机器人外表是一个正方形,CSAIL称之为Primer。它能自己走进外骨骼的中央,然后使用热量将其包裹起来。之后便可以完成不同的任务。Primer的移动受到内置磁铁的控制,它能够脱离外骨骼,然后找到新的外骨骼之后自己穿上。它还能把不同的外骨骼拼接在一起,从而实现复合能力。

 

·推荐·

机器学习到底是什么?

人工智能和机器学习可谓火爆空前。自从AlphaGo完胜人类围棋顶尖棋手后,人们关于人工智能的讨论就从未间断过。 有人说,人工智能会使大批人失业,又有人说,人工智能会给人类带来威胁。更多人期待的则是,人工智能可以帮助我们创造更多的价值。AI是一个非常广义的概念。为了更好的了解它,现在先让我们来讨论一下人工智能的一个重要分支——机器学习。本文编译于Ben Dickson近期在techfinancials.co.za上发表的题为“What is machine learning?”的文章。

当我第一次试着编程时,我就爱上了这门艺术(是的,我相信编程既是科学又是艺术), 那一年,我九岁。 我很快就迷上了如何通过设置逻辑规则和条件来控制程序的流程,if... else语句,switch,循环等等。

在接下来的几年里,我学会了通过创建模块和将代码段抽象成函数和类的手段来保持代码整洁。 我通过面向对象的分析和设计(OOA / D)增强了我的软件开发技能。 我学习了代码的重复使用和设计模式。 我学会了用UML图形和示意图来解释我的程序。 我学会了将这些原则应用于近十几种不同的编程语言之中。

但是编程的经验法则保持不变:定义规则和逻辑。 其余的只是帮助实施和维护这些规则的技巧。

几十年来,基于规则的代码主导了我们创建软件的方式。 我们分析一个或一组问题,指定边界,实例,进程,关系,并将它们转换为确定软件工作方式的规则。

虽然这种方法对我们来说很好,但却导致了“笨”软件,除非人类以某种方式更新其逻辑,否则该程序永远不会改变其行为。 另外,它也不适用于规则不明确的情况,例如识别图像中的对象,在网络流量中发现恶意活动,或是在不平坦的地面上对机器人进行导航。

机器学习是现代人工智能的基石,它颠覆了传统编程模式。 机器学习有助于创建修正和改善其性能的软件,而无需人类向其解释如何完成任务。 这就是我们今天直接使用的, 以及许多即将发生的,创新背后的技术,包括你从网站,数字助理,无人驾驶汽车,分析软件等处看到的令人惊讶的建议。

▎什么是机器学习?

机器学习是从示例中学习的软件。 你不需要编写机器学习的算法,而是通过提供大量的相关数据,来训练它们。 例如,不要试图对机器算法解释一只猫看起来是什么样的,你需要通过提供数百万张猫的图片来培训它。 该算法在这些图像中找到重复的模式,并为自己确定如何定义猫的外观。在此之后,当你向该程序显示新照片时,它可以区分照片中是否含有猫的成分。

许多人将机器学习等同于人工智能。 然而,AI是一个松散的概念,它可以应用于从复杂的、基于规则的软件到尚未发明的,人类智能之间的任何事情。 实际上,机器学习是AI的一个特别分支,它基于数据而并非规则来创建程序。

▎什么是监督,无监督和强化学习?

机器学习有几种不同风格的算法。 其中最流行的是“监督学习”,进一步说,就是你使用带有标签数据的训练算法,将一组输入对象(通常为矢量)映射到一组期望的输出值中(也称为监督信号)。 上面所讲的猫的示例就是监督学习的一个例子。 另一个例子是语音识别,你可以通过提供声音波形来对应其中的书面字体。

你提供给监督学习的算法样本越多,其分析新数据的能力就越精确。 而这也是监督学习的主要挑战。 创建带有标记样本的大数据非常耗时,同时也需要大量的人力。 一些平台,如亚马逊的Mechanical Turk提供数据标签服务。

在“无监督学习”中,机器学习的另一个分支,则没有参考数据,一切都没有标签。 换句话说,你提供输入,但不提供输出。 该算法对未标记的数据进行整理,提取推论并找出模式。 无人监督学习对于人类无法定义的,隐藏模式的情况尤其有用。

例如,你允许机器学习算法监视你的网络活动。 然后,它将根据其找到的模式设置正常网络活动的基准。根据这个标准,它将检测并且记录异常网络活动。

与监督学习相比,无监督的学习更接近于机器自我学习的过程。 然而,无监督学习的问题是其结果往往是不可预测的。 这就是为什么它通常需要结合人的直觉来引导其保持正确方向,因为它一切都是自学的。 例如,上述网络安全的例子,网络活动中有许多原因会使其偏离规范,然而这并不是恶意制造的。 但机器学习的算法并不知道。在开始的时候,人类分析人员必须纠正其决定,直到它学会判断异常并作出更好的决策。

另一个不太知名的机器学习领域是“强化学习”。在强化学习中,程序员定义了状态,期望目标,允许的行动以及约束。 该算法通过尝试将各种不同的允许行动进行组合来了解如何实现目标。 当你知道目标是什么,但无法定义达到目标的路径时,此方法特别有效。

强化学习在许多设置中被使用。 在更著名的案例中,Google DeepMind的AlphaGo,掌握了复杂的棋盘游戏Go的机器学习程序。 该公司正在采用同样的方法来提高英国电网的效率。 Uber也在使用相同的技术来教AI代理玩侠盗猎车手车(或更准确地说,让它们自己学习)。

▎什么是深度学习?

虽然机器学习是人工智能的一个分支,但深度学习是机器学习的专门分支。 深度学习使用神经网络,一个具有人类大脑结构和功能的复制品。

深入学习解决了上一代学习算法中存在的一个主要问题。先前, 随着数据的增长,算法平台的效率和性能趋于停滞。 现在,深度学习算法在获得更多数据的同时,其性能也在不断改进。深度学习算法并不是直接通过将输入映射到输出的方式,而是依赖于几层处理单元。 每个层将其输出传递到下一个层,进行处理,然后再传递到下一层。 在某些模型中,计算可能会在处理层之间来回流动多次。现已证明深度学习在各种任务中非常有效,包括图像字幕,语音识别和语言翻译。

▎机器学习的挑战是什么?

虽然机器学习对未来应用的发展至关重要,但并不是没有自己的挑战。

一方面,机器学习算法的开发和部署在很大程度上依赖于大量的计算和存储资源来执行其任务。 这种依赖关系使得它们在执行时受限于云服务和大数据。 因此,在执行边缘计算机集成解决方案时(edge intelligence)它们更具挑战性。

机器学习的另一个问题 - 特别是深度学习 - 是它的不透明度性。 随着算法变得越来越复杂,人类越来越难以解释它们是基于什么,做出决定的。 在许多情况下,这可能不是问题。 但是,当你想要对算法做出关键决定时,使它们具有透明性并且让人一目了然是非常重要的。

此外还存在一些偏见问题。 机器学习往往会吸收嵌入到它们在接受培训时,数据中包含的一些的习惯和倾向。 在某些情况下,寻找和消除偏见很容易,而在其他情况下,它的嵌入度极深,人类往往难以察觉。

然而,这些挑战都不可能阻止AI和机器学习成为我们这个时代的通用技术(这个术语曾经被用于蒸汽机和电力这样的发明)。 不管我们往哪个方向发展,机器学习都将会对我们产生深刻影响。

【打印此页】 【返回顶部】

关键字:高新观察
分享到:
 
 
内容纠错|隐私声明|联系我们|网站地图|网站建议 网站版权所有:贵阳国家高新技术产业开发区管委会 人才专线:0851-84700576 联系邮箱:gygjgxq@163.com
您是第 2134035 位来访者   技术支持:西石网络 招商专线:0851-84702120 贵公网安备 52011502000193号 黔ICP备11002881号-5