智造热点 一本书图解全球制造业大趋势(txt+pdf+epub+mobi电子书下载)

作者：中国电子信息产业发展研究院

出版社：人民邮电出版社

格式: AZW3, DOCX, EPUB, MOBI, PDF, TXT

智造热点 一本书图解全球制造业大趋势试读：

当今世界，智能技术正在取得重大突破，引起各行各业的划时代变革。尤其智能技术与制造业的融合发展，酝酿出以智能制造为基本内容的新工业革命。当前，全球制造业发展的一个基本方向就是智能制造。虽然目前智能制造只是刚刚开始起步，但其发展前景极为广阔，历史影响也十分深远，这将是人类历史上生产能力的重大跃升。

智能制造，中国必须发展，也有条件发展。如果说由于历史原因，我们错过了前几次工业革命，从而导致了中华民族百年落后，那么，智能制造则为中华民族崛起提供了绝佳的战略机遇。这是中华民族崛起过程中一个极为重要的历史机遇，我们必须牢牢抓住，决不能同这样重大的历史机遇失之交臂。对我国来说，制造业是立国之本、兴国之器、强国之基。我国是世界制造业大国，同时也是互联网应用大国和智能技术应用大国，二者的融合发展具有得天独厚的基础优势。发展智能制造，一方面为我国制造业转型升级提供了具体可行的技术路径，另一方面也为智能技术发展开辟了不可估量的应用市场。

发展智能制造是按照创新、协调、绿色、开放、共享理念发展现代工业的基本路径。人类正在经历信息革命，带来生产力又一次质的飞跃。我国经济发展进入新常态，新常态要有新动力，智能制造在这方面可以大有作为。智能技术突破了地域、组织、技术的界限，推动制造业创新主体高效互动、产品快速迭代、模式深刻变革、用户深度参与。制造业创客空间、创新工场、智能管理、智慧运营等新载体、新模式不断涌现，激发全社会创新活力，提高创新资源配置效率，缩短技术商业化周期。制造业是技术创新最活跃的领域，也是国家竞争力和综合实力的集中体现。促进智能技术与制造业融合发展，加快构建基于现代信息技术的国家制造业创新体系，才能从根本上推动制造业智能化、绿色化、服务化，实现经济发展从要素驱动向创新驱动转变，从根本上保证工业经济的创新、协调、绿色、开放、共享发展。

发展智能制造是切实推进供给侧结构改革的根本举措。我一点也不怀疑供给自会创造需求，前提是新型供给。智能技术在制造业领域的创新应用，创造了无数的智能装备、智能产品，开辟了一个又一个新市场，创造了不可估量的新需求。推动智能技术在制造业各环节、各领域的应用，充分发挥智能技术激发创新潜能、重构生产体系、引领组织变革、高效配置资源的作用，有利于培育新技术、新产品、新业态、新模式，有利于构建跨领域、协同化、网络化的制造业创新体系，有利于打造新型制造体系，加快形成经济增长新动能以及精准、高效的供给体系，是保持经济中高速增长的重要引擎，也是推动产业提质增效、迈向中高端的战略支点。

发展智能制造也是我国抢占全球新一轮产业竞争制高点的战略选择。制造业是我国国民经济的主体，是综合国力的决定性力量，也是当前稳增长、调结构的战略支点。经几十年的艰苦奋斗，我国制造业已经稳居全球第一大规模。但是，大而不强、基础不牢的问题依然突出，同时面临新工业革命的激烈竞争。发达国家提出了工业4.0、工业互联网、智能制造等新战略，推进智能技术与制造业融合发展，抢占新一轮产业革命的竞争制高点。在此形势下，我国一方面要强化材料、工艺、技术、零部件等基础能力，另一方面要抢占智能制造高端领域。要瞄准工业物联网、机器人、大数据等关键环节，鼓励技术创新和应用创新，用足规模经济优势，大力发展新业态、新模式，全面持续地推进工业转型升级，从根本上增强我国制造业的国际竞争力，从而实现我国工业从大到强的历史性跨越。

我的一群同事，他们爱思考爱钻研，注重理论与实践相结合，在智能制造领域做了很多研究。这次我们以图说的方式作一次智能制造的浅显讲解，但愿能让更多的朋友们了解智能制造发展情况。其中，何颖、王文平撰写了本书的第1章和第5章，樊会文、刘鹏宇撰写了本书的第2章，左世全撰写了本书的第3章，李博洋、顾成奎撰写了本书的第4章，安晖撰写了本书的第6章。书中观点均是各章撰写者个人的理解，如有不妥，请予海涵，也欢迎批评指正。

最后，本书在写作和出版的过程中，得到了中国电子信息产业发展研究院和中国工信出版集团等单位同志的热情帮助，在此一并致谢！中国电子信息产业发展研究院　樊会文2016年5月25日第1章全球制造业面临的新形势制造业重回全球经济和产业竞争的制高点

从国家战略聚焦点看，发达国家纷纷实施“再工业化”战略，力图重振制造业，抢占高端制造市场，并不断扩大竞争优势。例如，美、德、英、法等国先后发布了《美国先进制造业国家战略计划》《德国工业4.0战略》《英国工业2050战略》《新工业法国计划》等。同时，新兴国家也纷纷把发展制造业上升为国家战略。例如，印度于2014年9月制定了“印度制造”战略，出台了一系列吸引外资的重大政策，意图利用本国的人口数量和成本优势，吸引外资在印度投资设厂，打造新一代的“世界工厂”。

从经济复苏和增长动力看，制造业是带动全球经济复苏的重要引擎。在新一轮发展中，无论发达国家，还是新兴经济体，都不约而同地高度重视和推动制造业发展，努力为经济回暖提供有力支撑。据联合国、世界银行、国际货币基金组织分别预测，2015年世界经济将增长3.1%、3.4%和3.8%，比2014年分别提升0.5、0.2和0.5个百分点。今年以来，我国经济下行压力加大，制造业下行的压力尤其突出。2015年，我国规模以上工业增加值同比增长6.1%，同比2014年降低2.2个百分点；今年一季度，全国规模以上工业增加值同比增长5.8%，5月份同比实际增长6%。因此，要稳增长，重点还是在制造业。

从创新活动看，制造业历来是创新最集中、最活跃的领域。特别是国际金融危机后，各国都注重将制造业创新作为驱动经济转型发展的核心力量。以美国为例，制造业研发活动占全社会的71%，研发经费占66%，专利数量占90%。不仅制造业本身是实现科技创新的最重要领域，而且第一、第二产业的技术进步也必须以制造业的技术创新和运用为基础。制造业国际分工和竞争格局发生深刻改变

第一，发达国家强化中高端制造领域的领先优势，中高端产业转移出现回流现象。在中高端制造领域，美、欧、日等发达经济体长期以来积累的人才优势、技术优势和市场优势，使其抢占了许多领域的制高点。与此同时，随着3D打印、工业机器人等智能制造技术和装备的普及应用，劳动力在生产制造过程中的作用和总成本中的比重都将大幅下降，中高端制造环节出现向发达国家回流的现象。以中美制造业劳动力成本比较为例，全球经济研究和政府企业咨询机构牛津经济研究院（Oxford Economics）的研究表明，中国制造业劳动力的薪酬增长明显高于生产效率的增长，叠加人民币升值的影响，中国制造业单位劳动力成本已经只比美国低4%，而中美单位劳动力的生产效率依然相差悬殊。未来5～10年，中美劳动力成本之间的差距还将继续缩小。

第二，发展中国家积极吸引劳动密集型产业转移，在中低端领域承接产业和资本转移对我国产生竞争压力。随着中国劳动力成本的逐渐上升，印度、越南、菲律宾、墨西哥等发展中国家和地区的劳动力成本优势开始凸显出来。当前，印度的平均工资大约每月600元人民币，越南约1000元，而我国东部沿海已经达到2500～3000元。凭借更低的人力成本和资源成本，这些国家和地区正在成为新的劳动密集型产业转移承接地。

第三，我国制造业竞争力指数持续攀升，应对发达国家和发展中国家“双重挤压”的能力日益增强。随着我国制造业产品结构和出口结构不断向高附加值方向升级，未来我国与发达国家制造业的分工关系将从目前的垂直分工转为垂直分工与水平分工并存，尤其在轨道交通、电力设备、海工装备等高端制造领域与发达国家的竞争更加激烈。同时，在轻工、纺织等劳动密集型产业领域，转型升级的步伐也在加快，正在努力摆脱与东南亚等低成本国家的同质竞争。发达国家在中高端产业转移“回流”发展中国家在中低端领域承接产业和资本转移我国增强应对“双重挤压”的能力制造业创新模式和创新体系正在加速重构

第一，创新载体从单个企业向跨领域多主体的协同创新网络转变。在传统的创新活动中，新技术、新产品的推出很大程度上依赖于单个企业的技术研发和商业化等活动。但是随着产业分工日益细化，产品复杂程度日益提升，技术集成的广度和深度大幅拓展，单个企业无法覆盖全部创新活动，需要与大学、科研机构、行业协会及其他企业等不同创新主体组成新型的协同创新网络。例如，C919大飞机就是由中国商飞公司通过构建跨领域、多主体、全球化的协同创新网络研发制造的。

第二，创新流程从线性链式向协同并行转变。信息技术的迅猛发展和加速应用，推动网络化条件下创新链各环节之间的联系更加紧密，创新链条表现得更加灵巧。传统意义上的基础研究、应用研究、技术开发和产业化边界日趋模糊、紧密衔接，甚至重叠并行，新技术从研发到进入市场的周期大幅缩短。近代工业文明以来，重要的技术发明从科学原理的发现到技术应用转化的周期越来越短。例如，从1782年摄影原理的发现到1838年照相机的发明，用了56年；时至今日，互联网、智能终端等领域，一个想法从产生到实现的周期往往用月和周来计算。

第三，创新模式由单一的技术创新向技术创新与商业模式创新相结合转变。随着互联网的快速发展和全球化进程的日益深入，商品、技术和资本在全球范围内的流动性不断扩大，技术的溢出效应不断增强，技术创新的模仿壁垒和垄断利润急剧下降，单纯依靠技术创新的盈利模式被打破，商业模式创新正成为制造业创新驱动发展的新方向。技术创新与商业模式创新融合互动越来越成为创新的主流模式。例如，苹果和小米就是技术创新与商业模式创新成功的典范。我国制造业面临的新机遇

第一，基于全面深化改革的新制度改革优势。十八届三中全会以来，我国陆续出台了一大批重大改革措施，如深化国有企业改革、行政审批制度改革，以及金融、财税、要素价格等改革。这一系列全面深化改革的举措都为制造业发展营造了良好的制度环境，有利于支持制造业创新创业，激发国有企业的创新活力，降低中小企业的创新成本。

第二，基于高素质劳动者的新人口质量优势。我国制造业就业人口靠数量取胜的人口红利期逐渐消退，但我国每年有700多万的大学毕业生，其中大部分补充到制造业就业人口中。同时，我国又在大力发展劳动技能型人才培训，我国制造业就业人员质量必将大幅提升。新增高素质劳动者带来的人口质量优势，将推动我国制造业的创新发展和转型升级。

第三，基于创新驱动的新资源要素优势。我国过去长期依赖资源要素驱动制造业发展，但我国要从制造大国发展为制造强国，必须面临新旧动能转换，即由土地、劳动力等传统要素驱动，转为科技、信息等新的创新要素驱动，推动科技创新、模式创新、管理创新、业态创新、机制创新等全面创新，释放中国制造业发展的巨大潜能。

第四，基于“一带一路”战略的新全球化发展优势。我国长期依靠低要素成本优势参与国际分工，成为全球制造业发展的重要推动力，但这种低要素成本的全球化发展优势正日趋弱化。随着我国“丝绸之路经济带”和“21世纪海上丝绸之路”战略构想的提出，我国制造业又迎来新的全球化发展优势。“一带一路”战略将大力推进我国在全球范围内优化整合发展资源，加快化解过剩产能和推动产业转型升级，推动我国制造业迈向全球价值链中高端，提升“中国制造”的全球影响力。四个新优势

新制度改革优势

全面深化改革，金融、财税、国企、要素价格改革

新增就业人口优势

我国每年大学毕业生总数高达700多万人，十年下来就差不多等于一个德国的总人口

新资源要素优势

技术、信息等新资源要素；资源得到优化配置

新全球化发展优势“一带一路”，产业、资本和资源能源对外深度融合第2章智能技术发展趋势人工智能越来越聪明集成电路发展奠定智能技术基础

智能技术即人工智能（Artificial Intelligence，AI），是利用计算机等信息技术对人的意识和思维的模拟，是研究开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统，属于计算机科学的一个分支。

计算机的技术基础是集成电路，因此，集成电路也是智能技术的基础。大规模集成电路成为信息采集、存储、传输、计算等活动的基本载体。集成电路进步越快，信息的采集、存储、传输、计算能力也就越强，电子产品的智能化程度也就越高。正是有了集成电路的不断进步，人类才有了性能强大的计算机，有了越来越轻薄且更加智能的手机等终端电子产品，有了越来越复杂的信息系统，积累了数量惊人的海量数据。基于这些高性能计算机、高速度互联网、高智能信息产品的智能技术，人工智能才表现得越来越聪明，甚至在很多方面都超过了人的能力。近年来智能技术的发展，归根结底是由集成电路技术的进步所引起的。

摩尔定律是揭示集成电路技术进步速度的一个经验性规律，是英特尔（Intel）公司的创始人之一戈登·摩尔（Gordon Moore）提出来的。其内容为当价格不变时，集成电路上可容纳的元器件数目约每隔18～24个月便会增加一倍，性能也将提升一倍。换而言之，每一美元所能买到的电脑性能，将每隔18～24个月翻一倍。20世纪中期以来的60多年里，摩尔定律得到很好的验证，它大体上比较准确地反映了集成电路技术进步的速度。然而，由于目前制作集成电路的硅晶体管已经非常细微，电路线宽已经到了20纳米以下，接近于原子等级，也达到了物理极限，很难再制造出更细的电路和集成度更高的电路模块，人们对摩尔定律能否持续开始有所怀疑。

最近，集成电路领域的专家们对集成电路技术的继续进步表现出了新的信心，认为摩尔定律将在未来几十年继续有效。这主要是因为，有的公司成功研制出了集成电路的新材料——碳纳米管，用碳纳米管制作集成电路，不仅集成度更高，而且散热效果好，因此可以从原来的平面电路向多层发热3D集成电路芯片方向发展。这样一来，集成电路就突破了技术难题，能够继续按照摩尔定律取得技术进步。

这样，我们使用的计算机和各种电子产品也就会长期保持智能化发展，智能技术将有广阔的发展前景。云计算加快信息系统互联互通和智能共享

以前我们用的计算机是PC机，也即个人电脑，所以我们要自己安装软件，自己做计算工作，自己保存自己的数据。在计算技术不断进步的情况下，这对那些不是专业学计算机的人构成了技术门槛。

现在，计算机专家发明了云计算的方法，让我们使用一个简单的信息终端如手机、笔记本电脑等，通过高速互联网连接到一个专业给大家服务的大型计算机上，就可以享用大量的计算资源和数据。

云计算是一种形象的用语，表示计算机是隐藏在我们看不见的地方为我们服务。就像是我们日常生活中使用水、电和煤气一样，有专业公司和设备为我们服务，我们只管使用和按照使用量缴费就行了。例如百度搜索、阿里巴巴、滴滴打车、高德导航等，都是以云计算的方式为大众提供服务。

云计算是一种非常聪明的计算模式，计算和存储能力非常强大，有大量负责运行维护的专业技术人员。对用户来说既简单又好用，只需支付少量费用。计算和服务资源都集中在一起经营管理，不仅节省资源、电力和设备，还能做到把原来互相不连通的电脑、设备、信息系统都互联互通起来，实现数据共享、业务协同。

云计算再加上移动互联网，使智能技术普及应用向前迈了一大步，让信息系统更智慧，让人们随时随地都可以享受到智能技术的服务。计算机的复杂计算能力大幅提高

云计算中心既然是专业做计算服务的机构，就会使用大型的、计算能力强大的计算机。

高性能计算（High Performance Computing，HPC）是指从体系结构、并行算法和软件开发等方面研究开发高性能计算机的技术，通常使用很多处理器（作为单个机器的一部分）或者某一集群中组织的几台计算机（作为单个计算资源操作）的计算系统和环境。很多高性能计算系统是在高标准计算机大型集群的基础上，增加了更高性能的专用的计算、存储、传输等硬件。高性能计算机的主要用途是网络计算环境中的主机，以后将会出现数以十亿计客户端的数据及应用都会放在高性能服务器上。

云计算使计算能力与资源大规模集中，因此需要适应大数据的计算解决方案，这就产生了高通量计算（High Through Computing，HTC）。高通量计算是利用大量计算资源在一个较长时间段完成极大量计算任务的一种计算方式。与高性能计算的区别是，高通量计算是在高性能的同时，还要提供长时间的稳定计算服务，而高性能计算则更侧重短时间的高性能计算服务。HPC执行的任务可能是由很多紧密联系的并行任务构成，而HTC则可能需要将独立的串行任务在很多不同的计算资源上进行独立调度。为什么需要HTC？因为到了互联网时代，很多计算服务需要长年累月运行，而没有人负责日常的开机和关机等事务，这就需要持久、安全且高性能的计算服务。这种计算服务从关注单任务完成时间转变为提高系统吞吐能力及并行处理能力，未来并发执行规模需要提高至10亿级以上。高通量计算目前还正在研发过程中，是更适合智能技术和大数据应用的计算解决方案。

量子计算机则是一种依据量子力学理论而重新构建的，具备高速数学和逻辑运算、存储及处理量子信息的计算机。普通计算机中的2位寄存器在某一时间仅能存储4个二进制数（00、01、10、11）中的一个，而量子计算机中的2位量子位（qubit）寄存器可同时存储这四个数，因为每一个量子比特可表示两个值。如果有更多量子比特的话，计算能力就呈指数级提高。量子计算将使计算机的计算能力大大超过今天的计算机。2015年谷歌宣布其研发的量子计算机比传统计算机快1亿倍。近年来智能技术发展对计算能力的要求越来越高，如果真能研发成功量子计算机，将打开智能技术的长期发展瓶颈。机器会自己学习和改进机器拥有学习能力

机器学习（Machine Learning，ML）是研究计算机怎样模拟人类学习行为，让计算机在没有事先明确编程的情况下作出正确反应的科学，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。学习是人类获取新的知识或技能、不断提升自身能力的智能行为，机器学习就是让计算机像人类一样具有学习知识和技能，从而不断提升的能力。机器学习要综合应用心理学、生物学和神经生理学，以及数学、自动化和计算机科学，结合各种学习方法如机械学习、传授学习、类比学习、归纳学习、分析学习、事例学习等，从数据中自动分析获得和认知规律，从而达到不断自我完善、自我提高的智能境界。

深度学习是机器学习的一个分支，即利用构建人工神经网络、模仿人脑思维逻辑方法的机器学习。人类的大脑和神经系统在处理信息时是分层次和级别的，从低层到高层，其对事物的识别和认知能力就越来越抽象和复杂。深度学习提供了一种更智能的技术方法。一般的机器学习中，为了让机器具有认知能力，首先是以某种方式提取某个事物的特征。提取方式有时候是人工设计或指定的，有时候是在给定相对较多数据的前提下，由计算机自己总结出来的。而深度学习提出了一种让计算机自动学习和总结事物特征的方法，并将特征学习融入到了建立模型的过程中，从而减少了人为设计特征造成的不完备性。目前以深度学习为核心的某些机器学习应用，在满足特定条件的应用场景下，已经达到了超越现有算法的识别或分类性能。机器学习应用领域正在不断扩大

2016年3月，谷歌公司的机器学习电脑AlphaGo与世界冠军李世石进行了五场围棋比赛，AlphaGo以4∶1击败李世石，震惊了全世界。这是机器学习的一个典型案例。AlphaGo通过与棋手下棋或者和自己对弈的输赢情况，自主学习下棋经验，找到更加复杂的应对策略。从AlphaGo完胜李世石可以看出，机器学习已经让机器人有能力在相当复杂的环境下自主掌握到高度优化的决策策略。

机器学习和深度学习是对人脑的一种模拟，可以完成很多人脑的智能思维功能，在经济社会各领域有非常广泛的应用。下面列举一些当前的典型应用。

机器视觉功能。摄像头可以像眼睛一样看到这个世界，却不能像大脑一样看懂这个世界，机器学习恰恰补上了这个短板。有了机器学习，Google Photo、百度识图、淘宝拍立淘才可以准确地识别照片中的物体类别，并对照片进行自动归类或搜索。有了机器学习，我们就可以很酷炫地刷脸付款、刷脸进楼，就可以对特定场地的人员、车辆进行跟踪扫描，对可疑和危险事件及时报警。有了机器学习，自动驾驶汽车就能够准确识别周围路况，并进行自动处置。

机器语音识别。微软研究人员将机器学习引入到语音识别声学模型训练中，在大词汇量语音识别系统中获得巨大成功，使语音识别的错误率降低30%。百度的Deep Speech在一些测试中也已经超过人类的听力。此外， Google、Apple、Microsoft以及我国的科大讯飞等企业也都推出了自己的语音识别产品。在深度学习的帮助下，计算机拥有了越来越强大的语音识别能力，这将逐渐改变目前以键盘为主的人机交互模式。

机器翻译。深度学习可以自动地从语料库中理解人类自然语言，并学习不同语言间的翻译经验。一种语言的句子被向量化之后在网络中层层传递，转化为计算机可以“理解”的表示形式，再经过多层复杂的传导运算，生成另一种语言的译文。这种翻译方法的最大优势在于译文流畅，更加符合语法规范，容易理解。例如，Google的机器翻译已经应用于一些国际会议的同声翻译。

智能信息检索。智能信息检索系统应具有如下功能：能理解自然语言，允许用自然语言提出各种问题；具有推理能力，能根据存储的事实演绎出所需的答案；系统具有一定常识性知识，以补充学科范围的专业知识；系统根据这些常识，将能演绎出一些更一般的答案来。据此前百度公布的信息显示，百度已经建成全球规模最大的深度神经网络。这一被称为百度大脑的智能系统，目前可以理解分析200亿个参数，达到了两三岁儿童的智力水平。随着成本降低和计算机软硬件技术的进步，再过20年，当量变带来质变，用计算机模拟一个10～20岁人类的智力几乎一定可以做到。我们似乎可以毫无悬念地预判到人工智能在互联网企业日后竞争中的核心地位，在这个发展的过程中，相信人工智能也会开始接触更多更大、那些我们本以为互联网很难渗透进去的领域。

还有很多机器学习和深度学习的应用则在我们的视线之外影响世界。例如，金融量化交易、医疗大数据分析、智能法律咨询……可以说，凡是需要从大量数据中预测未知信息的领域，都是机器学习可以一展拳脚的地方。开放平台让人人成为智能技术开发者

智能技术具有很深的专业知识，需要很大的投资，需要很多的专业人才加入研究。以往只有大公司才有实力进行智能技术开发，只有高精尖技术人员才有机会进行开发研究。但是现在，对智能技术感兴趣的人越来越多，一些公司通过开放平台和开源技术，就能够吸收普通的爱好者、开发者将自己的聪明才智贡献到智能技术研究中。

智能技术研发平台往往是一些具有技术基础和投资实力的大公司，他们建立起对爱好者开放的互联网平台，形成开源社区，建立智能技术开发的基础结构和基本工具，公开主要软件程序的源代码，鼓励智能技术爱好者和其他公司加入平台讨论研究，按照一定规则开发新技术和新应用，研发出来的成果则在开源社区进行共享。开源开放的好处是可以综合利用全世界的人才智力资源，又能够形成广泛的技术和产业协同合作，以更低成本、更快速度开发出更优质的智能产品。

近年来，智能技术的开源开放已经成为一种发展趋势。例如，2015年出现的谷歌开源机器学习平台Tensorflow、Facebook开源机器学习工具Torch和智能硬件设计平台Big Sur、微软开源分布式机器学习工具DMTK、IBM开源机器学习平台SystemML、百度开源智能技术Warp-CTC及深度学习平台。未来将会出现更多的机器学习开源平台。机器有了人类大脑人工神经网络给机器装上大脑

机器要具备学习能力，首先要有大脑。以往的计算机也有“大脑”，那就是中央处理器，但它是基于二进制的机器逻辑，与人脑思维方式不一样，因此其智能程度是有局限性的。为了让机器更智能，就要给机器安装上类似人类思维模式的大脑。

人工神经网络（Artificial Neural Networks，ANN）就是这样的类人大脑，它是一个具有多层次结构和大量神经元连接而成的复杂计算系统，其层次结构越多、神经元越多，思维学习能力就越强。“深度”就是指人工神经网络模型的层数以及神经元数量，包括输入层、隐藏层（多层）、输出层所组成的多层网络以及每层千亿个神经元。深度学习利用模型中的隐藏层，通过特征组合的方式，逐层将原始输入转化为浅层特征、中层特征、高层特征，直至最终的任务目标。电脑根据网络层次逐层分析总结事物特征，最终认知规律、得出正确结论。机器在深度学习

利用人工神经网络，机器就可以按照人类的思维方式进行深度学习。人类认识世界的方法是先认识简单、具体的物体，再通过一些逻辑方法总结上升成为复杂、抽象的概念和理论。机器的深度学习模仿人类的思维经验，使用基本的思维方式，如分类、回归、聚类等。

分类即通过一层层的划分，将拥有更多共性的对象放到一起，可以方便知识的积累和研究的深入。例如，生物学上把生物分为动物、植物等，动物之下又分脊椎动物和无脊椎动物，脊椎动物又可以分为哺乳动物、鸟类、爬行动物、两栖类、鱼类……而在机器学习上所说的分类，与平时说的分类类似，就是将一个对象分入事先划分好的类别中。例如对一个新的物种，判断它是属于动物还是植物，这就可以算是一个机器学习上的分类问题。

回归是数学上的一个概念。简单地说，就是确定两种或两种以上变量间相互依赖的定量关系的一种统计方法。最简单的就是以前书本上的一元线性函数回归分析：已知y=ax+b，并且知道一系列的样本点（x1，y1）（x2，y2）……要求通过这些样本点推出a和b的值，从而得到y根据x变化的规律。回归分析的特点是要事先知道几个变量中服从哪一种大致规律，如一元线性函数、一元二次函数，或者多元一次函数等。如果这个大致的规律没有猜对，之后无论用什么方法对参数进行拟合都不会得到合适的结果。

聚类是将物理或抽象对象的集合分成由类似的对象组成的多个类的过程。它有点像分类，但和分类也有不同。分类是已经事先有了分好的类别，这就意味着这些类别也已经有大量已知的特征去刻画。而聚类则是事先不知道这些分类的特征，只拿到一堆混杂的样本，利用这些样本之间的关系自动划分出几个类别。如果有需要可能会再对这些类别进行分析，对于稳定的、聚类的结果可以作为之后分类方法的输入。类似于一杯水里混合了许多互不相溶的液体，这时可以用滤纸、分液法等方法对里面的液体进行分离。在分离之前，你并不知道最后会分出几种液体，分出的液体应该是什么样的。但是对聚类之后的结果，你可以再进行研究，去定义这些新的分类。

机器学习的大部分问题就都可以归结到这三类问题中，如排序问题最后可以归结到分类上。分类、回归、聚类的方法之间也不存在排他的界限，如回归的结果可以作为分类的依据，聚类的方法可以作为分类的一个输入，等等。

深度学习与其他机器学习的一个最大不同，就在于它是利用上述思维方式自动总结事物特征，进而上升为规律，而不是依赖人类帮助其总结特征和规律。深度学习扩大应用

深度学习在机器视觉领域的应用取得了重大进展。机器视觉就是用机器代替人眼来进行测量和判断。机器视觉系统是指通过机器视觉产品（即图像摄取装置，分CMOS和CCD两种）将被摄取目标转换成图像信号，传送给专用的图像处理系统，根据像素分布和亮度、颜色等信息转变成数字化信号；图像系统对这些信号进行各种运算来抽取目标的特征，进而根据判别的结果来控制现场的设备动作。目前，机器对图片和人脸的识别率显著提高。实验证明，即使在复杂的光线、表情、姿态、年龄和遮挡等方面变化的环境条件下，计算机仍然能够对图片和人脸进行准确识别，识别率接近人眼的水平。因此，在智能建筑、安防、工业等领域，机器视觉已经得到越来越广泛的应用。

深度学习在物体检测中的应用也在扩大。物体检测是比物体识别更难的任务，机器不仅能够准确看到和识别物体，还要能够确定每个物体的位置和类别，能够理解它们之间的关系，并依据环境状况作出一定的判断和决策。这类智能技术在工业机器人、商业物流、无人驾驶等领域都有很广泛的应用，如零件识别与定位、产品的检验、移动机器人导航遥感图像分析、安全生产、防灾减灾、监视与跟踪、国防系统等。尤其是在许多人类视觉无法感知的场合发挥重要作用，如精确定律感知、危险场景感知、不可见物体感知等，机器视觉具有更突出的优越性。

深度学习在智能控制领域的应用也在逐步扩大。智能控制是指机器在无人干预的情况下能自主地控制目标的智能技术，它是自动控制技术的最新发展。目前，已经把自动控制、人工智能以及系统科学中的一些有关学科分支（如系统工程、系统学、运筹学、信息论）结合起来，建立一种适用于复杂系统的控制理论和技术。

利用深度学习可以构建人机会话、专家系统，广泛应用于各类咨询服务。专家系统是一个具有智能对话功能的计算机系统，含有大量的某个领域专家水平的知识与经验，能够利用人类专家的知识和解决问题的方法来进行推理和判断，处理该领域的一些决策问题，与请教人员进行专业会话。例如，互联网上的咨询服务、电话查号咨询、企业售前售后服务、科技电话咨询等。目前，专家系统是人工智能中最重要的，也是最活跃的一个应用领域，它实现了人工智能从理论研究走向实际应用、从一般推理策略探讨转向运用专门知识的重大突破。机器像人一样拥有感觉传感器、物联网无处不在

机器学习、深度学习让机器拥有了大脑，传感技术则让机器拥有了丰富的感觉。

传感技术是利用物理、化学、生物等技术手段，从自然界感知并获取所需信息的技术。传感技术可分为光电传感技术、多传感技术和生物传感技术。其中，光电传感技术又称为光传感技术，是将光信号转化为电信号的一种传感技术。光电传感技术可用于检测直接引起光量变化的非电量，如光强、光照度、辐射测温、气体成分分析等，也可用来检测能转换成光电量变化的其他非电量，如零件直径、表面粗糙度、应变、位移、振动、速度、加速度、物体形状以及工作状态等。光电传感技术具有非接触、响应快、性能可靠等特点，目前主要应用于工业自动化装置和机器人中。

传感器是能够感知和获取信息的技术装置。它能将感知到的信息按一定规律变换成为电信号或其他形式的信息输出，以满足信息的传输、处理、存储、显示、记录和控制等要求。当前传感器的发展趋势是微型化、数字化、智能化、多功能化、系统化和网络化。

传感网是将一定范围内的传感器联接起来所组成的无线或有线网络。传感网具有实时数据采集、监督控制、信息共享与存储管理等功能，用户通过该网可以实时获取数据信息，监控各种环境、设施及内部运行情况。家电、交通管理、农业生产、建筑物安全、旱涝预警等都能够通过传感网得到有效监测，有的甚至能够通过网络进行远程控制。

物联网是通过互联网将更多的传感网连接起来，实现更大范围内物与物、人与物的网络连接。利用局域网或互联网等通信技术把传感器、控制器、机器、人员和物等通过新的方式联在一起，形成人与物、物与物相联，即可实现信息化、远程管理控制和智能化的网络。物联网是互联网的延伸，它包括互联网及互联网上所有的资源，兼容互联网所有的应用。物联网的核心和基础仍然是互联网，是在互联网基础上延伸和扩展出来的网络。物联网是互联网的延伸，其用户端延伸和扩展到了人与物、物与物之间。

由于传感技术、网络技术的迅猛发展，网络接入和应用大面积普及，人人都可以通过移动终端联上互联网，任何物品都可以通过传感网纳入互联网，几乎达到了“网络无所不在、感知无所不在”的状态。借助互联网，人们可以远程感知、远程控制，机器也可以装上“千里眼”“顺风耳”，我们生活的世界变成了一个信息透明的“地球村”。机器拥有精准的感知能力

感知是生物特有的感受能力，也就是对外界光、色、声、味、力、冷、热、痛等的神经感觉和大脑体验。没有生命的物体是没有感知能力的。随着信息技术的发展，人类给机器装上了传感器和感知网，机器也有了类似生物的感知能力。传感器的种类越来越多，机器能感知的信息也越来越多。而且，由于传感器技术越来越先进，机器的感知能力也越来越精准。

传感器一般由敏感元件、转换元件、变换电路和辅助电源四部分组成。敏感元件直接感受被测量，并输出与被测量有确定关系的物理量信号；转换元件将敏感元件输出的物理量信号转换为电信号；变换电路负责对转换元件输出的电信号进行放大调制；转换元件和变换电路一般还需要辅助电源供电。

传感器有许多类别。按被测物理量来分类，常见的有温度传感器、湿度传感器、气敏传感器、压力传感器、位移传感器、流量传感器、液位传感器、力传感器、速度传感器、加速度传感器、转矩传感器等；根据工作原理，可分为电阻式、电感式、电容式及电势式传感器等；根据能量转换原理，可分为有源传感器和无源传感器。有源传感器将非电量转换为电能量，如电动势、电荷式传感器等；无源传感器不起能量转换作用，只是将被测非电量转换为电参数的量，如电阻式、电感式及电容式传感器等。从感知向认知发展

感知是对外界事物某方面物理、化学或生物特性的基本认识，而认知则是对外界事物本质特征更深层、更全面的认识，包括综合属性、历史记忆、思维能力、社会属性等方面的认识。从机器感知到机器认知，是从具体属性感知能力向抽象思维能力提升的关键一步，是智能技术质的飞越。

认知技术是智能技术向高端发展的产物，它具备综合感知、判断识别和抽象思维能力，能完成以往只有人类才能够完成的任务。认知技术不是一项单一的技术，而是综合利用所有科技成果，尤其是各类智能技术，包括上述机器学习、深度学习等。

自然语言处理。这是指计算机拥有的类似于人类的文本处理能力，例如从文本中提取意义，甚至从那些风格自然、语法正确的可读文本中自主解读出含义。自然语言处理系统并不了解人类处理文本的方式，但它却可以用非常复杂与成熟的手段巧妙处理文本，例如，自动识别一份文档中所有被提及的人与地点，识别文档的核心议题，或者在一堆仅人类可读的合同中将各种条款与条件提取出来并制作成表。以上任务通过传统的文本处理软件根本不可能完成，后者仅能针对简单的文本匹配与模式进行操作。自然语言处理就像机器视觉技术一样，将各种有助于实现目标的技术进行了融合。建立语言模型来预测语言表达的概率分布，也就是预测某一串给定字符或单词表达某一特定语义的最大可能性。选定的特征可以和文中的某些元素结合来识别一段文字，通过识别这些元素可以把某类文字与其他文字区别开来，例如垃圾邮件与正常邮件。以机器学习为驱动的分类方法将成为筛选的标准，用来决定一封邮件是否属于垃圾邮件。

机器人技术。将机器视觉、自动规划等认知技术整合至极小却高性能的传感器、制动器以及设计巧妙的硬件中，这就催生了新一代机器人，它有能力与人类一起工作，能在各种未知环境中灵活处理不同的任务。例如无人机，还有可以在车间为人类分担工作的Cobots，还包括那些从玩具到家务助手的消费类机器人产品。

语音识别技术。主要关注自动且准确地转录人类语音。该技术必须面对一些与自然语言处理类似的问题，在不同口音的处理、背景噪音、区分同音异形异义词（buy和by听起来是一样的）方面存在一些困难，同时还需要具有跟上正常语速的工作速度。语音识别系统使用一些与自然语言处理系统相同的技术，再辅以其他技术，例如描述声音和其出现在特定序列和语言中概率的声学模型等。语音识别的主要应用包括医疗听写、语音书写、电脑系统声控、电话客服等。例如，Domino Pizza最近推出了一个允许用户通过语音下单的移动APP。

认知技术已经应用到了一些领域。例如在银行业，自动欺诈探测系统使用机器学习可以识别出预示着欺诈性付款的行为模式，语音识别技术能够提供电话客服服务，声音识别可以核实来电者的身份。再如在医疗健康领域，美国有半数的医院采用自动语音识别来帮助医生自动完成医嘱抄录，而且使用率还在迅速增长；机器视觉系统自动完成X光检查和其他医学影响的分析；IBM的Watson借助自然语言处理技术来阅读和理解大量医学文献，通过假设自动生成来完成自动诊断，借助机器学习提高准确率。智能技术成就新型商业智能的个性化定制

智能技术在工业生产中的应用，引起了生产方式、制造方法、商业模式的重大变革，产生了智能制造。智能制造的模式有很多种，不同行业也有不同的特点。个性化定制就是智能制造的一种模式，适用于消费品行业。

传统的生产方式是大规模生产。企业根据市场调研来设计产品，用流水线大规模生产并组装出标准化的产品，再通过批发零售等环节卖给消费者。这种生产方式的特点是效率高、成本低。但是，这种生产方式只能生产出标准化的产品，不能满足消费者的个性化需求。一旦产品销售不出去，就会造成积压和浪费。

在智能技术的支撑下，现代工业企业能够采用个性化定制的生产模式，灵活地接受消费者的个性化订单，既满足了消费者的需求，又避免了盲目生产造成的浪费，还能取得较高的利润。例如，在服装行业，消费者可以利用智能手机或智能镜子量体裁衣，通过电子商务平台向服装企业下单付费。智能的服装工厂接单后才开始选料、裁剪、缝制、包装衣服，并交付物流将货品送达消费者。在这个过程中，最关键的技术就是生产工厂所使用的智能技术，它能够将来自四面八方、成千上万的订单有条不紊地分解成对工人或机器的简单指令，并将各种物料按时按量从仓库提取出来送至生产车间，工人和机器只需按照指令进行操作即可。没有智能技术，这么复杂的大规模生产是很难进行有序组织的。智能的生产服务业

智能技术在生产性服务业中的应用，引起了服务方式和商业模式的重大变革，产生了智能物流、智能设计、创客空间、互联网金融等新型生产性服务业。

智能物流就是利用条形码、射频识别技术、传感器、全球定位系统等各种智能技术，改造物流运输环节，促进物流过程中货物与车辆、仓储、配送等资源的优化匹配，实现物流的自动化、可视化、可控化、智能化和网络化，提高物流效率，降低成本，减少自然资源和社会资源消耗。

智能设计就是综合利用三维CAD、虚拟现实等智能设计工具，设计师、工程师、用户、制造工人等多方共同参与，协同设计复杂工业产品的过程。

创客空间是指第三方专业运营的社区化的创意设计工作空间，有共同兴趣的人们围绕一个专业领域的发展目标，在互联网上或线下聚会、社交并开展合作。

互联网金融是指金融业务与互联网的融合创新，既包括传统金融机构利用互联网开创新型业务，也包括互联网企业开展创新型金融业务。前者如互联网保险、网上银行、互联网转账存款贷款，后者如支付宝、微信支付、移动支付、P2P信贷、众筹等。

互联网众筹是互联网金融的一种，是指发起人通过互联网平台向公众发起筹资，公布筹资人、筹资目的及相关信息，吸引投资者通过互联网投资并获取相应收益。与传统金融方式相比，众筹具有门槛低、多样化、依靠大众力量、注重创意等特点，经常被用来支持某种特定活动，如灾害重建、民间集资、竞选活动、创业、艺术创作、自由软件、设计发明、科学研究以及公共项目等。智能的生活服务业

智能技术在生活服务业中的应用，同样给人们带来了方便快捷的个性化服务，有力地改善了人们的生活品质。例如，滴滴出行、智能导航、远程医疗和智慧社区服务都是已经大范围普及的智能生活服务。

滴滴出行是国内流行的一款智能交通服务应用，被称为“打车神器”，深受用户喜爱。它通过智能手机向乘客和司机提供就近联系、就近匹配的服务。目前，滴滴出行已经开辟了出租车、专车、快车、顺风车、代驾及大巴等多项服务。

智能导航不仅提供卫星定位和道路、航空、航海等导航服务，还能提供实时路况信息，帮助人们选择最佳出行路线。

远程医疗就是大医院或专科医院利用智能技术和互联网，为医疗条件较差的边远地区、海岛或舰船上的伤病员提供远距离诊断、治疗和咨询服务。这是一种能够在较低开支条件下满足偏远地区人们高质量医治需求的医疗服务。现代远程医疗还提供网上挂号、网上咨询、健康监测、居家医护等服务。

智慧社区服务就是借助智能技术和互联网为社区居民提供个性化生活服务，涵盖智能楼宇、智能家居、居家养老、城市生命线管理、食品药品管理、票证管理、家庭护理、个人健康、数字学习、社交娱乐诸多领域。智慧社区是社区管理服务的一种新理念，既是社会管理的新模式，也是居民生活的新方式。批量生产机器人全球无人机、无人车发展逐步升温

机器人是具有自主行动能力的装备。其中，无人机、无人车是机器人的一种，是在无人驾驶的情况下自动运行的运输工具。各国政府相继发布用于规范无人机、无人车市场的法律法规及行业标准。与其他新技术在应用阶段出现野蛮生长的局面不同，由于交通安全、信息安全等方面问题的限制，无人机、无人车发展一直受到各国政府的严格监管。

各国无人机发展的配套法律法规和行业标准正在逐步健全，距离全面商用仍有一段距离。英国引领全球无人机发展立法工作，发布了一系列无人机法律法规，统一收录于《空中导航法》。同时，英国还制定了CAP722无人机行业标准，成为全世界模仿学习的典范。2015年2月，美国公布了商用无人机使用规定草案。该新规虽然打破了之前全面禁飞的局面，但在飞行时间、飞行速度、飞行高度、飞行路线和驾驶员资格等方面作出了严格限制。2016年3月，俄罗斯出台了关于无人机的法案，在无人机注册和认证规范标准、无人机飞行安全等方面作出了详细规定。我国无人机立法进展相对滞后，在法律法规、监管执行、标准规范等方面存在大量空白。当前，无人机技术在航拍、模型以外，亟需从消费和工业两端拓展应用领域。谷歌公司正着力发展无人机技术在医疗设备运输、紧急救援、包裹运输、高空互联网接入等方面的创新应用。Facebook开发了为偏远山区提供互联网接入服务的无人机Aquila。

无人车的商用合法性还有待确认，亟需出台相关法律法规和技术标准。2016年1月，英国准许无人驾驶汽车在伦敦街头开展路测。同年2月，谷歌无人驾驶汽车在美国被视为“司机”，无人驾驶技术商用化迈出了坚实的一步。目前，无人驾驶技术在成功产品化以后，正式进入路测调试阶段。谷歌公司已在美国境内三座城市和沙漠极端条件下完成测试工作，累计行驶里程超过240万公里。沃尔沃公司将针对快速路和高速公路等路况在中国开展无人驾驶汽车测试工作。百度公司正在中国和美国同时开展无人驾驶汽车路测工作。3D打印技术进入催化落地期

3D打印是一种累积制造快速成型技术。3D打印技术能够利用特殊蜡材、粉末状金属或塑料等可粘合材料，根据包含实际物体三维尺寸的指令，逐层制造三维物体。

3D打印技术的发展现在已经进入产品推广和应用阶段，在此之前主要经历了技术螺旋上升和产品直线井喷两个阶段。一是技术螺旋上升期。3D打印思想起源于19世纪末期，基于3D打印思想的照相雕塑和地貌成形技术在美国诞生。随后，3D打印技术沉寂了一段时间。20世纪80年代以后，基于选择性激光烧结（SLS）的3D打印技术的成功研发让3D打印技术重新崛起。1990年以来，可以打印三维物体的3D打印机初级产品的成功问世，以及3D打印喷墨方式的改进，将3D打印技术的发展推上了新高度。二是产品直线井喷期。2000年以来，3D打印机产品层出不穷。家用3D打印机、迷你3D打印机、工业3D打印机、彩印3D打印机和3D打印机器人等产品集中涌现，极大地丰富了市场产品供给。但是，3D打印产品规模化量产仍面临着单品销售价格过高、市场接受度有限的突出问题。

各国对于3D打印技术的政策和资金支持不断增强。各国政府主要采取加强资金、政策供给的手段，推动3D打印技术的研发和推广。美国成立了国家增材制造创新研究所，投资8900万美元支持3D打印技术市场推广。欧盟制定了“地平线2020项目”计划，提出继续支持一批3D打印研究新项目。英国在近10年间投入9500万英镑用于3D打印合作研发项目。我国3D打印技术发展有待从政策支持进入资金支持层面。虽然国家3D打印支持政策已出台实施，但是专项资金尚未设立，整体发展进度落后于欧美国家。

技术突破和政府支持催化3D打印技术应用加速。3D打印以其快速制造成型的特点，向社会各领域不断渗透。在航天领域，GE公司成功打印出航空发动机零部件，零件制作成本和周期分别减少了30%和40%。在医疗健康领域，人体骨骼替代打印材料成功研发，可有效支持人体骨骼细胞的生长，实现各尺寸骨骼在手术现场的敏捷打印。在建筑设计领域，工程师和设计师可利用3D打印机建设房屋，缩短了建设周期，降低了成本。在制造领域，微软公司推出了3D模型打印车间，为设计部门进行产品连通性和质量检测提供支持。智能制造标准体系建设步伐加快

智能制造标准体系成为各国争相抢夺的战略高地。2015年以来，各国政府加紧构建智能制造标准体系，标准框架总体来看是异曲同工、殊途同归。2015年3月，德国电气电子行业协会发布了工业4.0参考架构（RAMI 4.0），为企业开发未来产品和业务模式奠定了基础。RAMI 4.0参考架构从对象产品、现场设备、控制设备、车间、工厂、企业和万物互联等方面入手，构建了“可测可控、可产可管”的纵向集成环境；从物理基础设施、异构互联、通信、信息、运行、商业等环节切入，建立了描述企业经营功能的横向集成环境。其中，纵向集成侧重企业内部产品、设备、车间、工厂等制造环节的联通，而横向集成强调企业内部生产不同阶段（研发、制造、销售、物流等）与外部供应链的协同统一。二者共同作用为消费者提供一个端到端的解决方案——端到端集成。

2015年6月，由GE、AT&T、思科、IBM和英特尔等公司成立的美国工业互联网联盟推出了工业互联网参考架构（IIRA）。该框架从商业、使用、功能和实现四个视角入手，定义了商业、运营、信息、应用和控制五大功能领域，描述了系统安全、信息安全、弹性、互操作性、连接性、数据管理、高级数据分析、智能控制、动态组合九大系统特性。

我国于2015年12月底发布了《国家智能制造标准体系建设指南》，提出了集生命周期、系统层级和智能功能为一体的三维智能制造系统架构。该架构将生命周期、系统层级维度依次映射到智能功能维度的资源要素、系统集成、互联互通等五个层级，凝练出工业软件和大数据、工业互联网、智能装备、智能工厂和智能服务等五类关键技术标准。关键技术标准与基础共性标准和重点行业标准等共同构成了智能制造标准体系结构。

2016年2月，美国国家标准和科技研究院发布了《智能制造系统现行标准体系报告》，建立了包括产品发展生命周期、制造系统生命周期、供应链管理生命周期三个维度的智能制造标准体系。该标准体系加强了应用于同一维度不同环节以及不同维度上的工业软件的紧密集成，构建了覆盖底层设备、数据采集与监视控制、运行维护、企业管理等环节的制造金字塔模型，形成了对产品生命状态管理、生产过程控制、外部供应链系统等过程的高度控制能力，对加速产品创新速度、促进供应链高效协同、加强生产系统灵活性等具有正面推动作用。识别技术的商业前景人脸识别技术商用将取得突破

人脸识别技术演进历经三个重要时期。这三个时期是对人脸检测、面部特征点定位、特征提取和分类器设计等关键环节技术应用的革新过程，也是一个数据依赖度不断提升、精度不断提高的进化过程。一是几何特征识别时期。几何特征识别把人脸特征作为基本元素，通过识别人们五官的形状、大小等几何特征来完成识别工作。该时期的人脸识别技术对人脸数据量要求并不高，识别精度有限。二是建模识别时期。由于几何特征识别方法存在五官定位不准的问题，人脸表观建模技术开始被应用于人脸识别工作，以实现对人脸图像特征点的自动标定定位。该时期的人脸识别技术对人脸数据量要求一般，识别精度有所提升。三是真实条件识别。实际情况下，人脸识别工作易受到自然、人体等各种外部因素扰动。真实条件识别技术增强了机器在真实自然环境中对人面部的辨识能力。该时期的人脸识别技术对人脸识别数据量需求较大，识别精度也大幅提升。

人脸识别技术在身份确认中的商业应用不断加深。谷歌公司正在研发人脸识别手机，致力于通过手机内置处理系统实现人们面部特征的识别，以应用于人脸识别授权交易中。美国纽约机场将运用人脸识别技术对入境旅客与其证件照片进行比对审核。我国部分地区推出了基于人脸识别的ATM机，取款人无需携带银行卡，通过人脸识别验证即可获得金融服务。微众银行APP引入人脸识别技术，作为用户绑定第二张银行卡时的安全保障手段。同时，人脸识别技术将从身份确认转向情感识别。机器可以从人类的面部表情中读懂其心理活动。目前，微软公司推出的Azure云服务可准确识别出人脸表达的情绪。图像识别技术商用步伐加快

在强大后台学习能力的支撑下，图像识别技术能力不断增强，其角色定位逐步由辅助决策发展为主导执行。一是辅助决策。图像识别技术是人们与外部世界交互的重要媒介，为人们生产、生活提供了强大的辅助支撑。机器把人们从繁杂无序的图像信息搜索工作中解放出来，成为人们搜索行为的延伸和践行者。人们在获取机器的图像识别反馈信息后，再作出下一步行为判断。例如，百度识别APP通过图像识别技术可以实现“拍照购物”功能，为用户精准匹配心仪的商品。二是主导执行。图像识别技术进一步发展为人们作用于外部世界的重要工具，为人们生产、生活提供了有力的主导驱动。机器在帮助人们获取图像信息搜索结果的同时，还会根据搜索结果作出决策和判断，为人们执行工作提供成套解决方案。例如，剑桥大学研发了基于图片识别的无人驾驶技术，通过高像素相机拍摄街景照片，系统实时将图片中的路况分成路面、路标、行人等12个类别，从而形成路况信息分析报告，指挥车辆运行。

图像识别技术将在安防领域率先打开突破口。安防监控已从简单的画面感知和存储向监控图像智能分析方向发展，并能够实时处理捕捉画面。图像识别技术对前端环境感知的灵敏性，以及对后端视频数据分析的精准性已经成为其彰显商业价值的关键。目前，海康威视公司推出了Smart 2.0“智”系统，该系统为视频监控终端嵌入了“大脑”，监控终端可以实时对视频画面进行行为检测、异常侦测、特征识别和统计分析操作。一旦发现可疑情况，即可立即向云端Smart平台发送报警信息。飞瑞斯科技研发了基于人脸识别的视频监控系统，该系统联通了公安人像库和人口综合信息系统，在捕捉视频画面的同时能够迅速对进入画面的人像进行鉴别，实现对犯罪分子的精准追踪。生物特征识别技术挖掘新的商业价值

生物特征识别已构建起完善的技术体系，形成了生物特征信号传感、活体检测、信号质量评价等十大关键技术。生物特征传感技术是生物特征信息的“转换器”，将指纹、虹膜、掌纹等生物特征转化为计算机可处理的数字信号；活体检测技术是生物特征信息的“判决器”，判断验证、提交的生物特征是否来自生命个体；生物特征信号质量评价技术是生物特征信息的“评价器”，对受损低质量生物特征信号进行筛选和排查；生物信号的定位与分割技术是生物特征信息的“追踪器”，能从采集到的生物原始信号中剔除冗余数据；生物特征信

试读结束[说明：试读内容隐藏了图片]

下载完整电子书