你好,游客 登录
背景:
阅读新闻

5天看懂互联网大趋势之技术的2017

[日期:2017-08-18] 来源:爱范儿  作者: [字体: ]

行业领袖洞察

王小川 搜狗CEO

“我觉得连接的红利已经开始消失。随着手机普及、带宽增加,人们获取信息已经不是一个困难问题,但数据的深度加工才刚刚开始。互联网已经从连接导向走向智能导向,所以AI在信息加工以及处理上将起到非常大的作用。”

杨强 香港科技大学计算机系主任及大数据研究院院长

“到现在大家还只认为人工智能是一项技术,虽然看到很多前景,但我觉得3~5年不可能出现处处开花的效果,因为要面对商业、技术两项难题。除此之外,人工智能的门槛太高。虽然它的目的是取代烦琐和重复的工作,但达到这一目的需要高端人工智能人才。这些人才还需要通晓业务,具有跨界思维,满足条件的特别少。”

张首晟 斯坦福物理系教授

“人工智能的进步是最容易被体验到的,我对这个领域非常看好。长远看,人工智能的智慧超越人类是一个必然,但这不意味着人工智能会取代人类,我认为,未来两者的智慧是一种互动的状态。”

王劲 百度高级副总裁、自动驾驶事业部总经理

“技术问题仍然是无人驾驶汽车行驶在实际道路上的最大挑战。今天的无人驾驶汽车能够应对高速公路,也能应对城市道路。但现实还存在很多长尾,我们需要把各种情况都考虑在内。人工智能已经在下围棋上超越人类,它也一定能在开车上超越人类。”

余凯 地平线机器人创始人、CEO

“世界上做自动驾驶处理器的有以色列的Mobileye,估值100亿美元。国内也在追赶,五年以后,中国大概有10%~15%的汽车装上自动驾驶功能处理器,这个量很大。”

胡郁 科大讯飞高级副总裁

“语言认知可能是人工智能里面最后一个非常核心的问题,语音、语言都很重要。从交互角度来讲,语音和语言将来会成为非常主流的人机交互方式,在人机交互中的占比会逐步上升,尽管现在比例还很低。”

吴甘沙 驭势科技联合创始人、CEO

“无人驾驶很可能在统计意义上是更安全的。但因为技术局限,早期还会犯一些低级错误,所以我们要对它有足够耐心。一个技术诞生,你不能根据它刚出现时的表现去判断未来的发展。”

夏珩 小鹏汽车创始人、总裁

“短期来说,实现完全的无人驾驶还不现实,它和很多基础设施的改造相关。等基础设施改造完成,那么自动驾驶,也就是更加智能的驾驶,是可以预见的。”

李斌 蔚来汽车创始人、董事长

“无人驾驶这件事情,必须是很多东西到了临界点才可能真正实现,跟电动车差不多。电池成本和性能、法律法规等各因素逼近爆发顶点,才有可能做成。无人驾驶背后的技术涉及视觉识别、图像处理,与芯片、算法、人工智能息息相关,它还有很长一段路要走。”

沈海寅 奇点汽车联合创始人、CEO

“我不大认同无人驾驶的理念,至少现在无人驾驶还非常困难。以谷歌(微博)无人驾驶汽车为例,他们觉得未来汽车不应该有方向盘,但我们的想法是还是叫自主驾驶。什么叫自主驾驶?人和机器同时对这辆车拥有控制权,可以在不同的时间去切换;某些适合机器来开的情况下,机器可以接管过去。我们称之为‘双驾双控’。”

程京 中国工程院院士、博奥生物集团有限公司总裁

2017年往后,肠道微生物的检测,可能会大行其道。以前我们不知道微生物对我们人体健康和疾病的发生有这么大影响,现在知道之后,通过科普和教育,会有越来越多的老百姓对它产生依存性。

于军 中国科学院北京基因研究所研究员

“若要凭借基因技术服务赚钱,先要像麦当劳、星巴克一样搭建成熟连锁体系,降低成本。”

智能手机红利触顶,新技术浪潮来临

人工智能,虚拟现实,增强现实,大数据应用,云计算,基因技术,自动驾驶……在后智能手机时代,这些技术将成为全球经济的新驱动力。

人工智能和虚拟现实实际上已拥有50年以上的历史,过去它们之所以没能在市场大规模应用,主要受当时设备运算能力、网络带宽等因素限制。现在随着设备计算能力提升、存储成本下降,外部条件越来越成熟,它们释放更多价值的机会也到来了。

除此之外,类似大数据等基础性技术拥有长久的价值,未来它仍将是市场重点关注的技术。大数据技术的革新几乎可以惠及所有行业,它的商业效益既广泛又深远,因此我们认为未来大数据同样是能够改变行业的重要技术。

从过去全球技术公司的发展来看,硅谷是世界技术创新的中心,但中国公司在最近几年开始崛起。放眼未来,我们认为新技术的发展会延续这一趋势,而中国科技公司会继续利用国内庞大的网民资源,通过技术应用模式创新,实现业务增长。

人工智能

人工智能的现状

人工智能是一门模拟、延伸、拓展人类智能的技术科学,是对人的思维过程的模仿。人工智能诞生于60年前,它的发展经历了若干个高峰和低谷。得益于计算性能提升和数据技术的发展,2010年后,人工智能重新开始高速发展。

根据研究机构CB Insight的统计,从2012年开始,资本市场对人工智能创业公司的投资迅速增加,2015年的投资金额达到3.1亿美元。2010~2015年全球人工智能投资额统计见图3-1。

人工智能的发展方向

根据发展方向的不同,人工智能分为语音识别、图像识别、语言理解、机器人等应用技术。语音识别、图像识别是目前最成熟的两种,普遍准确率都超过90%。

和文字相比,语音更加自然简单,同时输入效率更高。除此之外,它还解决了汽车、智能手表等设备的交互问题,这些设备不便以常见的文字进行交互。因此,语音被认为是下一代人机交互形式。

图像识别是一项利用计算机进行图像处理、分析、理解的技术,它的一项重要应用是人脸识别,通过提取人脸特征信息,实现在金融、安防等多个领域的应用。

人工智能的代表技术

人工智能包括搜索、机器学习、专家系统、自然语言理解、推理技术等技术。机器学习是人工智能技术的核心,它通过研究计算机怎样模拟人类的学习行为来获取新的知识,不断改善自身性能。

机器学习又被分为多个学科,深度学习是其重要分支之一。深度学习由人工神经网络模型发展而来,按实现形式分为卷积神经网络、深度置信网络、递归自动编码器、深度表达等多项技术。

深度学习层数的提升是近年人工智能技术重要突破之一。2015年的ImageNet计算机视觉识别挑战赛中,微软以152层神经网络算法夺冠,比以往多出5倍以上。

人工智能的落地实践

人工智能的产业链包含基础、技术、应用三个层面。基础层指人工智能的数据资源,包括处理中心、数据工厂、硬件支持;技术层指算法、模型、应用开发等应用;应用层即人工智能在不同行业的实际应用,包括应用于医疗、物流、金融等领域的具体服务。

应用层是人工智能产业链发展最繁荣的领域,在家居、金融、汽车、医疗等领域均已诞生出具体产品或服务。

家居。人工智能与智能家居的结合分为三阶段:控制、反馈、感知互动。手机对智能家居的结合只停留在控制阶段;亚马逊Echo、Google Home等智能音箱将人工智能与家居环境的互动提升至反馈阶段,用户发送语音命令,相应设备就能匹配命令并自动执行。目前人工智能在家居中的使用刚进入反馈阶段,未来将产生更多机会。

金融。传统金融交易中,基金经理和研究员需要通过数学建模来做出交易决策,由于数据量和执行效率的限制,决策过程很漫长。人工智能可以更好地完成上述工作。通过深度学习、图像识别技术,它还能进入量化分析领域,已有的应用模式包括:①辅助预测,利用深度学习建立模型或模仿专家决策;②外汇交易辅助分析,通过图像识别来分析交易走势。Castilium、Alpaca等企业已经可以提供相应服务。

汽车。美国公路安全局将自动驾驶分为5个阶段:L0,无自动;L1,个别功能自动;L2,多种功能自动;L3,受限自动驾驶;L4,完全自动驾驶。现有自动驾驶车辆大多处于L2阶段。实现完全自动驾驶,需要通过图像识别技术采集路况、外部环境信息,通过云计算技术与实际地图进行比对。它的发展同样需要人工智能的推动。

医疗。医学影像是医生诊断的核心佐证之一,借助图像识别技术,医生可以更高效地做出专业判断,医疗机构也将因此节省大笔成本。在分级诊疗施行的背景下,人工智能与医学影像的市场机会将不断增加。

人工智能的未来趋势

人工智能展示出广泛的应用性和出色的执行效率,谷歌、Facebook等企业已明确将人工智能作为公司下一个阶段的发展重点。

人工智能有希望领导未来技术浪潮,但它的发展需要其他技术共同助力推动,其中包括云计算、物联网、大数据技术等基础设备的持续发展和创业公司带来的技术和模式创新。除此之外,大公司的参与以及学术支持同样不可或缺。

虚拟现实(VR)

虚拟现实的现状

在2016年年初发布的报告中,投资银行高盛给予VR很高的评价,认为它可能会成为智能手机之后的下一代计算平台。高盛在报告中预测,2025年VR的市场规模将达到1 820亿美元。

回顾VR的发展历史,它和人工智能一样,并非一项新技术。20世纪90年代,VR曾获得短暂关注。但由于当时的技术不完善,VR设备未能达到宣传中的效果,实际产品存在画质粗糙、延迟卡顿等问题。为VR开发的游戏同样存在各种问题,并且数量稀少、价格昂贵。在短期尝试之后,用户很快就将这些VR设备抛弃。

直到2014年,Facebook以20亿美元收购VR创业公司Oculus后,市场才重新提起对VR的关注。随后VR产业获得快速发展。分析机构Digi-Capital 2016年10月发布的一项统计显示,过去12个月,AR/VR的投资总额超过23亿美元,具体见图3-2。

VR被重新关注的主要原因在于技术进步解决了过去存在的体验问题。得益于处理器和图形芯片性能的提升,以及传感/追踪技术、渲染技术的发展,VR设备已经可以实现出色的流畅度和画面效果。2016年下半年,Oculus展示的移动VR设备配有完整的计算、存储、交互等模块,甚至可以独立使用。

虚拟现实的发展方向

按照发展方向的不同,VR被分为移动VR和桌面VR。桌面VR借助高性能电脑和桌面主机,能够带来更佳体验。但是据Digi-Capital的统计,全球只有4 000万台PS4和不足2 000万支持VR的PC,考虑到设备普及率的限制,桌面VR很难发展为大众市场。

相比之下,移动VR更有可能成为未来VR市场的主导。尽管目前移动VR的体验不及桌面VR,但未来几年随着技术进步,体验会有所改观。和桌面VR相比,移动VR更便携,使用场景更广泛,价格也更占优势。

体验不佳、技术问题、内容/应用短缺、设备价格高昂是目前阻碍VR普及的主要原因。体验不佳是最主要障碍。技术问题主要体现在VR设备还无法实现完全移动化。内容/应用生态的繁荣需要以一定规模的硬件设备为基础,而低价是实现硬件规模的重要前提。只有降低产品售价,才能吸引更多用户购买,实现规模效应。

虚拟现实的落地实践

统计显示,过去12个月获得融资的VR/AR项目中,硬件、技术服务方案、视频、游戏是获得投资最多的4个领域。和大多数技术的产业结构相似,VR产业链中,同样是应用层最繁荣,游戏、视频又是最主要的两项应用。

对用户而言,VR意味着内容的全新体验;但对内容生产者而言,VR意味着新的内容生产方式,需要全新思维和创意。在VR设备普及之前,创业者不适合生产大制作内容。尽管大制作内容能够带来更出色的体验,但也需要更多成本。内容的最常见的商业模式是售卖和广告,它们都需要以大规模用户为基础。因此在规模效应形成之前,创业者不适合制作大型游戏和电影等高成本内容,投入较低、容易规模化的直播或综艺更值得尝试。

除了娱乐用途,市场成熟后,我们还会看到VR在其他领域的应用。目前,零售、医疗等市场已经有了代表案例。

零售:目前,全球电子商务市场规模为1.5万亿美元,占整体零售开支的6%。高端商务市场是互联网尚未切入的空白,VR可以借此进入。家居商品零售商劳氏(Lowe抯)旗下的6家零售店已经采用VR技术来帮助消费者体验商品。消费者通过VR眼镜查看装饰好的客厅或厨房。

教育:中国在校学生人数超过2.6亿,占全国人口1/5。VR有潜力成为教育市场的标准工具,将抽象内容进行生动化表达,加深学生理解。VR在教育市场的挑战之一在于教学内容的制作,随着学习深度加深,内容制作会更困难。

医疗:VR在医疗市场的应用主要体现在两点:①帮助医生处理部分事务,解放双手;②帮助治疗部分恐惧症(如恐高症),实现辅助医疗。硬件厂商Atheer开发出面向医护用户的AR眼镜,使用者不用占用双手,可以通过手势、语音进行操作。

大数据应用

大数据应用的现状

由于移动互联网繁荣带来的数据量增长,大数据常常被人们片面地理解为海量数据。但事实上,大数据指的是大型的、分布式的结构化和非结构化的数据池。

它包含结构化数据、半结构化数据和非结构化数据。结构化数据指能够以数字或统一结构表示的信息,比如数字、符号;非结构化数据指无法用数字或统一结构表示的信息,比如图片、文本、视频;半机构化数据指字段长度可变、可以扩充的信息。

大数据应用的发展方向

2011年,麦肯锡全球研究所在报告中认为完整的大数据处理系统应该包含以下元素:①分析方案,比如A/B测试、机器学习;②处理技术,比如云计算、数据库;③可视化结果,比如数据、图表和其他形式的数据呈现。

大数据技术横跨多个领域,它正在成长为科技行业的基础性技术。随着Hadoop 2.0框架推出,大数据技术可以实现实时分析,用户对即时分析海量数据的需求又推动了云端计算中心的发展。分布式资源管理系统还催生出类似MapReduce的分布式框架,促使Hadoop成为通用的数据操作系统。

大数据应用的代表技术

大数据正在以惊人的速度增长,几乎触及所有行业。许多企业在寻找新的创造性方法来管理和控制庞大的数据,试图挖掘其中隐藏的价值。

大数据处理被分为数据采集、数据预处理、数据存储和管理、数据分析/挖掘四个阶段。

根据来源,大数据通常包括RFID数据、传感器数据、社交网络数据、移动互联网数据。对于采用MySQL等关系型数据库存储的数据,通常采用Sqoop、ETL等工具进行数据采集。网络数据采集主要依靠网络爬虫或网站公开API,文件数据采集则主要通过flume工具进行实时采集处理。

由于采集到的大数据存在缺失、过时等问题,因此处理前需要通过数据处理、数据集成、数据变换、数据规约等程序进行预处理。数据预处理通常使用ETL、数据集成、数据分割等技术完成。

大数据的存储和管理要求建立数据库实现集中存储,便于后续统一调用。它的实现需要使用MPP、Hadoop等技术。

作为最终环节,大数据分析挖掘涉及数据信息提炼和结果统一呈现等步骤,需要使用可视化分析、数据挖掘算法、预测性分析、语义引擎等技术。

大数据应用的落地实践

专业服务是大数据技术目前最广泛的应用。它大约占整体市场的2/5,每年可以带来100亿美元左右的收入。尽管一些分析认为大数据在专业服务的高收益不会持续太久,但随着应用范围扩宽、服务端收入不断增加,未来十年大数据的收入仍会持续增长。它有潜力成为一家企业创新力、生产力和未来增长空间的决定因素。

2017~2025年全球大数据市场增长变化预测见图3-3。

图3-32017~2025年全球大数据市场增长变化预测

数据来源:Wikibon。

大数据技术的使用分为数据层、业务层和应用层。数据层的工作主要是收集和处理数据,业务层通过建立数学模型来分析数据,应用层则是通过分析结果来辅助决策或设计产品。目前已有不少企业在健康医疗、制造、金融等多个领域开始了大数据技术的尝试。

健康医疗:传统情况下,健康医疗行业已经能够产生非常丰富的数据。随着移动医疗、电子医疗、穿戴式设备的普及,医疗数据的体量还将持续增长。目前大数据技术已经被用来制定个性化治疗方案,完善临床分析,参与临床风险干预和预测分析等环节。

制造:将大数据技术应用于制造业,可以有效地改进供应计划、提升产品质量,它也是制造业保证生产流程透明度的基础。工业4.0时代,为了使设备真正透明化,人们提出了“预测性制造系统”。它是一种接近于零停工期的应用方案,可以让设备拥有“自省”能力,最终预防产能、效率、安全性等方面的潜在问题。预测性制造系统同样需要大数据的支持,除了要获取压力、振动、电流等数据,还需要通过现金的预测工具将庞大的系统数据转化为有限信息。

金融:大数据在金融中的应用主要是金融交易,银行也可以通过大数据技术优化运营、绘制用户、管控风控和进行精准营销,通过分析用户的存取款习惯,个性化地推荐理财套餐。

大数据应用的未来趋势

大数据拥有惊人的增长速度,几乎涉及所有领域。它应用广泛,同时又具有长久的商业力,是出色的长期投资标的。

不仅是大公司,中、小型公司同样需要关注大数据技术。它不但能提高信息透明度和可用性,还能细分用户,便于中、小型企业更精准地定制产品或服务。虽然很多大数据公司能够提供现成的解决方案,但是在技术能力允许的情况下,企业还是更应该自行开发方案,来针对性地解决自身问题。

汽车科技

汽车科技的现状

科技公司涉足电动汽车制造最早源自特斯拉。2009年,特斯拉推出纯电动车Model S,获得巨大关注。随后,越来越多的科技公司开始投身汽车市场,苹果、乐视都在其中。

汽车的生产过程与智能手机相似。理论上,它们都是先设计产品原型,通过供应链采购原料,然后交给代工厂装配生产,最后由原厂商进行产品的销售和授权销售。

随着智能手机和移动互联网增速放缓,汽车有希望成为科技公司新的业务增长点。除了硬件生产销售,汽车制造还涉及导航、交互等软件服务。制造电动汽车可以让科技公司将过去在语音、地图、导航、软件等应用层面积累的优势接入到汽车中,从而创造出一个巨大的市场。

汽车科技的发展方向

目前,科技公司在汽车产业的尝试主要有4个方向:

(1)制造电动汽车。电动汽车的制造比燃油汽车更简单,它还能解决汽油紧缺和污染问题,容易获得政策支持。

(2)通过无处不在的打车服务替代用户的买车需求。Uber、滴滴等公司正在尝试此方案。根据麦肯锡2016年6月公布的对中国消费者的调查,租车、汽车共享等服务确定能够减少部分消费者的购车欲望。

(3)研发无人驾驶技术。无人驾驶能够释放驾车者双手,从而可以从事其他事务。汽车将会成为重要的消费场景。谷歌是研发无人驾驶技术的主要科技公司。

(4)用于改善现有车辆体验的支持性技术。和破坏性的科技公司造车计划不同,支持性技术主要针对现有车辆研发,用于提升汽车性能、效率、安全性。代表性的汽车技术为:辅助驾驶软件、驾驶员安全工具、车队通信服务等。

汽车科技的代表技术

无人驾驶技术是目前最具代表性的汽车科技。除了谷歌、特斯拉等科技公司,宝马、凯迪拉克、雪佛兰等传统汽车厂商同样在不遗余力地投入无人驾驶研发,进行技术投资、兼并和合作。

创业公司的技术主要集中于汽车的具体领域,包括汽车传感器制造、汽车自动化系统、V2V/V2X智能交通系统、车联网及车联网安全等。

一些创业公司还从事汽车核心元件的制造或技术研发,比如Solid Energy、Pinnacle Engines等。这类公司的技术被用来改善汽车电池容量,提升发动机效率,增加轮胎耐磨、减震和负重等性能。

汽车科技的落地

随着科技公司在汽车产业的深入,新的问题开始暴露出来。2016年9月,苹果传出暂时取消造车计划,转向研发自动驾驶系统的消息。透过苹果在汽车产业的最新变化,能看出科技公司制造汽车时至少会遇到以下问题。

配套设施难建设:城市土地资源紧张,不论建设公共充电站还是改造停车场,都将面临车位紧张、改造成本高等问题。

利润低:和科技产业不同,汽车产业的利润其实并不高。丰田作为汽车产业的代表企业之一,目前利润率只有10%左右。相比之下,谷歌的利润率约为30%,苹果的利润率接近40%。制造汽车所需的钢材、橡胶等原料的利润同样不具有半导体芯片的高利润。

缺乏合适的代工厂:汽车产业供应链中没有富士康式的代工厂,在保证产品质量的同时愿意接受厂商的强势控制。福特CEO马克?菲尔兹曾公开表示不会和苹果、谷歌这样的科技公司合作,不愿让车载系统成为手机一样的生意。

供应链不具优势:手机制造业中,类似苹果等厂商对供应商可以拥有很强的控制力;但在汽车制造业中,博世、爱信等配件供应商拥有更强的话语权。

2010年,随着越来越多的科技公司关注汽车产业,汽车科技市场的投资也变得越来越多。但2013年以后,汽车科技市场的投资开始下降。回顾2010~2015年汽车科技市场的投资,它们多数停留在初期。资本对科技公司涉足汽车产业的态度仍然很谨慎,市场仍未到爆发期。

2010~2015年全球汽车科技创业公司融资分布见图3-4。

图3-42010~2015年全球汽车科技创业公司融资分布

数据来源:CB Insights。

科技公司强调速度、效率、规模效应,相比制造汽车,开发用于汽车的软件和应用是它们更擅长的方向。目前市场上,汽车科技创业公司的方向主要集中在:

通过提供专业技能为汽车公司改善效率、减少成本,比如开发电池管理系统的envia、降低电机成本的ePower。

涉足汽车公司不擅长的技术死角。车联网越来越普及,但很多汽车厂商还无法实现数据的实时传输和分析。Viniam、Savari等创业公司目前就将车辆联网后的数据传输、网络部署作为研发重点。

汽车科技的未来趋势

汽车制造涉及更复杂的供应链管控和土地、充电桩等配套资源建设,它要求制造者具有足够的资金支持和强大的控制力。市场中同时满足以上要求的科技公司非常少。

汽车制造业的低利润也会影响科技公司造车的积极性。生产智能手机时,由于芯片、闪存属于技术密集型元件,实际制造成本很低,因此手机可以实现很高的利润。但制造汽车所需的橡胶、钢材源自天然材料,利润率偏低,最终造出汽车的利润率也远远低于智能手机。

相比之下,开发用于汽车的软件和技术方案更适合科技公司。为车商提供技术服务是比工业制造更合适科技公司的定位,从业者可以尝试以此进入汽车领域。

以上内容为腾讯科技中心最新出品的《分水岭:看清中国科技和互联网未来五年的趋势》的精华书摘。

收藏 推荐 打印 | 录入:admin | 阅读:
相关新闻       互联网 
本文评论   查看全部评论 (0)
表情: 表情 姓名: 字数
点评:
       
评论声明
  • 尊重网上道德,遵守中华人民共和国的各项有关法律法规
  • 承担一切因您的行为而直接或间接导致的民事或刑事法律责任
  • 本站管理人员有权保留或删除其管辖留言中的任意内容
  • 本站有权在网站内转载或引用您的评论
  • 参与本评论即表明您已经阅读并接受上述条款