亚洲男人的天堂2018av,欧美草比,久久久久久免费视频精选,国色天香在线看免费,久久久久亚洲av成人片仓井空

當前正處于能源革命和數字革命的交匯期，人工智能是引領這一輪革命的戰略性技術。人工智能與電力系統的結合，必將對電力系統収展和技術進步產生巨大的推勱作用。為分析凝練人工智能在電力系統的主要應用場景和應用現狀、収展趨勢和未來愿景，推進人工智能與電力系統各丏業融合収展，特編制電力人工智能収展報告。

電力人工智能概述

• 電力人工智能技術應用現狀
• 發展趨勢分析與展望

• 人工智能含義及發展
• 中國人工智能產業發展進程
• 中國人工智能投融資規模
• AI芯片市場規模和預測
• 人工智能+金融：應用現狀
• 中國人工智能產業發展趨勢

文 / 嚴新平，褚端峰，劉佳侖，蔣仲廉，賀宜

摘 要

介紹了國內外智能交通在運載工具和交通系統兩方面的發展現狀；提出了人工智能目前技術水平難以滿足智能交通發展需求、智能系統可靠性驗證亟需完善以及面向智能車船系統的法規標準體系亟待構建等三方面智能交通發展的技術挑戰；展望了智能交通的未來方向。 關鍵詞

關鍵詞：智能交通；人工智能；智能汽車；智能船舶；自主式交通系統

簡介

嚴新平

中國工程院院士，武漢理工大學智能交通系統研究中心首席教授。致力于交通系統安全性、 智能化和綠色技術的人才培養與科技創新工作。CAAI Fellow。

0 引言

當今世界正經歷百年未有之大變局，交通系統正在新一輪科技革命推動下發生深刻變革。但是，當前的交通系統仍然存在交通安全、交通效率和節能減排三大問題。

? 交通安全提升仍需努力。公安部交通管理局發布的《道路交通事故統計年報》顯示，2019年，我國道路交通事故1247.3萬起，死亡62763人，受傷256101人，直接財產損失13.5億元。從世界范圍內對比來看，在道路交通事故死亡人數和萬車死亡率方面，我國與發達國家仍有較大差距（見圖1）。

? 交通系統運行效率尚待提高。在道路與水路交通運輸方面，我國存在城市道路交通擁堵常態化、高速公路節假日擁堵加劇、內河航道利用率有待提高等諸多問題。滴滴出行發布的《城市交通出行報告》顯示，2021年第一季度，我國主要城市的道路交通擁堵時長在1小時以上，道路交通峰時平均速度低于40km/h（見圖 2）。

? 交通系統節能減排任重道遠。2019年，我國交通運輸行業碳排放量達到11.4億噸，占全國排放總量的11%。公路、水運、鐵路、航空是交通領域碳排放主要來源，其中，公路運輸碳排放占比86.76%，是排放最高的運輸方式。我國交通運輸處于較快的發展階段，交通運輸行業碳排放量仍在快速增長，在2008—2018年間，我國交通運輸行業碳排放的復合增長率高達7.5%，顯著高于世界交通運輸行業碳排放的平均增速2.3%與我國整體碳排放的增速5.6%（見圖3）。

上述三大問題是交通運輸行業面臨的艱巨任務，智能交通為解決這些問題帶來了契機。當前，智能交通采用“智聯網聯、協同優化”方式大幅提升交通安全和效率。未來，通過交通融合一體化發展，推動未來交通系統的“智慧綠色、安全高效、融合一體、自主無人”，達到“零死亡、零排放、碳中和”的交通愿景。

1 發展現狀

智能交通的發展涉及到運載工具、交通基礎設施、光電子信息、互聯網等多個行業與技術領域的交叉、融合，其大規模應用離不開多個行業和部門的聯動。近年來，隨著物聯網、大數據、人工智能等新興技術的大力推動，智能交通系統有了長足發展。

1.1 運載工具

1.1.1 智能汽車發展現狀

汽車智能駕駛是智能交通非常活躍的一個發展方向。目前，汽車正處在由“功能汽車”到“智能網聯汽車”“自動駕駛汽車”的進程中。美國特斯拉作為汽車空中下載（Over The Air, OTA）技術的先驅，率先讓汽車可以像智能手機一樣在云端進行系統升級。國內百度“Apollo 平臺”，通過向汽車行業及自動駕駛領域的合作伙伴提供一個開源、開放、完整的軟件平臺，打造類似于智能手機Android平臺的智能汽車生態。

自動駕駛是智能汽車發展的高級階段，是當今智能交通領域最前沿的研究方向。自動駕駛系統主要利用各種車載傳感器，如計算機視覺、激光雷達、毫米波雷達、全球衛星導航系統（Global Navigation Satellite System，GNSS）、慣性測量單元（Inertial Measurement Unit，IMU）等，獲取車輛周邊的環境信息，基于信息融合方法，對采集到的交通環境與行車狀態等原始信息進行精確認知；再通過智能決策規劃方法，為自動駕駛汽車規劃出安全、高效的預期軌跡與速度；最后通過對自動駕駛汽車進行縱橫向運動控制，自動調節油門、剎車、檔位和轉向等，實現預期軌跡與速度的實時跟蹤，從而使汽車能夠安全、高效行駛。

理想的自動駕駛系統應該像熟練的人類駕駛員一樣，能對車輛運動及環境變化做出準確的判斷，實時地改變車輛運動，完成駕駛任務。然而，限于自動駕駛在感知、融合、決策、規劃、控制等多方面的技術難題，以及成本、可靠性等方面的束縛，當前，大規模量產的智能汽車仍處于L2級及以下的駕駛輔助階段，L3級及以上的自動駕駛仍未跨越。

當前，甚至未來較長一段時間內，普通開放道路中的自動駕駛技術可能仍難以大規模商用。但是，在一些特定場景中的自動駕駛正在逐步規模化應用，例如，港區集裝箱運輸、礦區貨物運輸和農業機械等，無人化的自動駕駛技術，變革了它們原有的低效、繁重、高成本的工作模式，顯著提升了運營效率和經濟性。

港區集裝箱運輸為半封閉式的低速自動駕駛運營模式，是自動駕駛率先商用的典型場景之一。交通運輸部等九部門聯合印發的《關于建設世界一流港口的指導意見》提出，到2025年，部分沿海集裝箱樞紐港初步形成全面感知、泛在互聯、港車協同的智能化系統。目前，國內應用自動駕駛進行集裝箱運輸的港口主要包括上海港、青島港、天津港、寧波舟山港等。

采礦業是我國國民經濟的基礎和支柱產業，用工難、運輸成本上升是推動礦山智慧化的主要因素，因而礦區自動駕駛具有典型的代表意義。國外礦區自動駕駛的主要代表是卡特彼勒、小松、日立等。其中，卡特彼勒和小松已進入商用階段。國內礦山自動駕駛發展相對較晚，但技術更新和應用較快，三一重工、徐工、航天重工等在白云鄂博礦、哈爾烏素煤礦、城門山銅礦等開展了規模應用，取得了良好效果。

1.1.2 智能船舶發展現狀

智能船舶作為未來航運的載體，其自身發展需突破船舶感知、認知、決策、執行、測試等多個維度的關鍵技術，實現船舶由小到大、由內河到外海、由近海到遠海逐步智能化、自主化的發展。武漢理工大學提出“航行腦”系統技術體系與理論架構（見圖4），即利用一套由人工智能系統構建的“機器腦”替代傳統駕控人員的“大腦”，實現對船舶的自主駕控。目前，智能船舶仍然處在研發過程中，“航行腦”系統是面向智能船舶的人工智能系統，由感知、認知、決策和執行等功能空間組成，逐步促進傳統船舶駕駛向增強駕駛、輔助駕駛、遠程駕駛、自主駕駛等不同功能階段演進。

船舶的智能化等級可分為L0~L5級的6個階段。目前，智能船舶應用還處于輔助駕駛階段，要實現自主航行，還有很長的路要走。隨著人工智能和大數據等高新技術的進步，通過與新基建建設同步、與水路運輸模式和航運轉型發展結合，未來智能船舶的遠程遙控、人機共駕、網聯協同和自主航行等功能會日臻完善。

船岸協同是智能船舶發展非常重要的一個理念。船岸協同由岸端與船端系統構成，是實現智能船舶實際運營的應用基礎。日本、歐盟等發達國家和地區都開展了這方面的探索和實驗。日本國土交通省拖輪遠程駕駛項目借助拖輪配備傳感器和攝像設備，實時監測航行態勢，通過船岸協同與試驗船舶建立信息共享，實現協同控制。比利時SEAFAR駁船遠程駕駛項目融合船側 / 基礎設施側多源信息，實現協同感知，遠程實時分析船舶動態，進行船舶集中管理和操作。我國在這方面也開展了積極探索，“筋斗云 0 號”小型無人貨船項目于2019年12月在珠海順利完成遠程遙控和自主航行試驗。“智飛號”智能航行集裝箱運輸商船于2021年10月安裝我國自主研發的智能航行系統，具有人工駕駛、遠程遙控駕駛和無人自主航行三種駕駛模式。

在船舶輔助駕駛方面，國內首艘應用人工智能并投入實際營運的汽渡船舶，搭載了基于“航行腦”架構開發的“汽渡智能輔助駕駛系統”，可實現兩大功能：① 船端智能感知，通過融合雷達和AIS數據實現對水中動靜態障礙物的識別，增強了夜航、霧航、雨天等不良自然條件下的感知能力；② 岸基智能監管，可對航行船只和監管水域實現全程監控、遠程監控。

1.2 交通系統

1.2.1 道路交通系統

道路交通系統是由汽車、道路/運輸基礎設施、信息和人組成的一個共同實現客貨運輸的系統。該系統包括自然與人造、實體與概念、靜態和動態及控制和行為等系統，衍生到城市大腦、智慧城市、全息交通感知等應用場景。

目前，國內外都在積極探索道路交通系統的智能化，國內比較典型的是“阿里云城市大腦系統”，其包括城市交通治理解決方案、智慧交通運輸綜合解決方案、智慧停車綜合解決方案、智慧城管解決方案、智慧應急綜合解決方案，以及政務數據中臺等多個解決方案。城市大腦系統是整個城市的智能中樞，可對城市進行全局實時分析，利用城市的數據資源優化調配公共資源，最終將進化成能夠治理城市的超級智能。

華為智慧城市平臺是結合了人工智能、物聯網、大數據、地理信息系統、視頻、云、融合通信和安全的一個綜合性應用系統。它的兩大關鍵能力是面向城市交通的關鍵業務場景，為生態伙伴提供差異化價值。

武漢理工大學自主研發了全息道路交通感知系統，包括利用仿真系統對交通基礎設施的安全性進行評價；在道路交通基礎設施建設過程中預設光纖傳感器，利用光纖傳感器實時獲取道路交通流狀況和路面變化信息；利用路側和路面的交通基礎設施提供有關信息，為行車安全提供更好的支持和服務。如圖5所示，該系統包括道路系統運行仿真系統、智慧公路模擬系統和智慧公路全息感知決策控制平臺等。

1.2.2 智慧海事監管系統

根據世界海事大學《交通2040：自動化、科技、就業 - 未來工作》報告預測，在2040年前后，有人監控下的自主船舶將達到15%左右，包括未來搭載了不同智能功能的船舶，比如智能貨物管理、智能船體、智能集成信息平臺等，也包括安全輔助駕駛和在開闊水域控制等高級自主功能。

瑞士的海區整體監管系統（Maritime Area Integral Supervision, MAIS）建立了一系列集成各種技術的信息層，以監控海區中船舶作業的授權情況，更好地對轄區內船舶進行管理和控制。MAIS可以幫助港口禁區、生物保護區和漁場防止入侵者和非法捕魚。

我國也在積極開發航運系統的智能管控平臺。江蘇段航運系統智能管控平臺基于江蘇海事全要素感知云服務數據中心，構建了水路交通場景數字化平行仿真模型，具備推演預測多尺度條件下的交通流態勢，可及時動態調整資源分配實現通航要素的干預，致力于由“人盯死守”的傳統海事監管方式向以智慧管理為核心的現代管控服務轉變。

2 技術挑戰

盡管人工智能技術在交通運輸工程領域的一些典型場景得到了工程應用，但是目前仍然面臨巨大的技術挑戰 , 主要體現在：人工智能目前技術水平還難以滿足智能交通發展的需求；智能交通系統的可靠性有待驗證；智能交通系統法規標準體系尚需建立和完善。

2.1 人工智能技術發展水平

近年來，得益于大數據、深度學習的大力推動，人工智能在單一的抽象博弈智能層面克服了人類社會的“知識積累性壁壘”局限，通過在規則活動中構建系統嚴謹的認知模式，在包括交通、機械等領域大規模應用，深刻影響了人們的工作和生活模式。

2016年，特斯拉CEO馬斯克表示，汽車在任何路況上進行自動駕駛的能力在兩年內就可以實現；到2021 年，馬斯克又表示，通用自動駕駛是一個如此難的任務，因為要去解決很大一部分現實世界的AI問題。事實也是如此，當前的智能決策技術在面對復雜的駕駛任務時，離人類駕駛水平還有很大差距。

2.2 智能系統的可靠性驗證

統計數據顯示，特斯拉從2013年起發生交通事故218起，造成14人死亡，82人受傷；谷歌報告顯示在14個月測試中，智能汽車總共“主動脫離自動駕駛狀態”272 次，69次選擇取消自動駕駛狀態。快速、有效、準確的系統可靠性測試和評估技術是保證智能系統發揮核心功能，降低系統不可預知風險的重要前提。智能交通系統的可靠性研究已得到國內外學者的廣泛關注。

首批試駕谷歌智能汽車的美國Medium科技總編 Steven Levy表示，“無人駕駛汽車的大規模應用，我們現在也許到了95%，但最后的5%將會是漫長的路途”。在自動駕駛領域，特殊天氣條件下的部分感知信息缺失、特殊路段的部分傳感器不穩定等不常見駕駛場景導致的“長尾問題”，限制了自動駕駛的可靠性及其量產應用，亟待提出完善的可靠性驗證手段予以解決。

以船舶智能系統的可靠性驗證為例，其測試驗證方法體系尚處于構建階段。考慮到船舶自身的高價值屬性、實船測試的風險性、模型試驗的尺度效應等因素，智能船舶測試驗證以虛擬測試為主、模型測試為輔；構建“人-船-環境”精細化模型，是提升虛擬測試精度的重要途經。因此，如何兼顧智能系統測試的可靠性和高效性、典型測試工況和極端事件場景，是智能船舶測試驗證方法體系發展中需要重點思考的問題。

2.3 智能車輛和智能船舶的法規標準體系

近年來，智能車輛和智能船舶的關鍵技術取得了長足進步，但配套的法規標準體系研究仍然面臨巨大挑戰。智能車輛和智能船舶在運行中形成了“現實層-數據層-知識層-現實層”的閉環，由于智能車輛和智能船舶的不確定性導致的安全問題，對傳統交通責任體系將產生重大沖擊，面臨人工智能倫理規范挑戰。

3 未來展望

智能交通系統的未來愿景是自主式交通系統，由智能運載工具、智慧基礎設施和云端智能交通控制等組成，這一系統在沒有足夠的人類監督情況下，可在變化的、不可預測的交通環境中“理性行動”，或能在經驗中學習，利用數據提升系統性能。自主式交通系統具有感知、交互、學習和執行能力，是一種具備單體智能、群體協同和整體優化的交通系統。

（參考文獻略）來源：人工智能學會，版權屬于原作者，僅用于學術分享

人工智能在產業中落地的20大挑戰

自2019年起，人工智能的發展進入與產業加速融合的階段。經過近幾年的發展，人工智能已經廣泛滲透進金融、零售、工業、能源、醫療、城市管理等多個行業和領域，并且一些行業頭部企業已經全面擁抱了智能化轉型。

由于可獲取和參考的建設經驗有限，加上企業所處行業、發展階段的不同，自身需求以及擁有的資源稟賦各異等因素，人工智能在產業中落地充滿挑戰。在本報告中，愛分析基于大量調研和過往研究積累，從戰略、數據、場景規劃、應用解決方案開發、技術基礎設施、組織和人才六個維度梳理出了目前人工智能在產業中落地面臨的20個主要挑戰。

評估AI應用成熟度，因地制宜推進智能化

智能化轉型沒有統一的路徑和方法，不同企業在不同階段面臨的問題通常也各不相同。因此，企業在實施智能化轉型之前需要對自身的AI應用成熟度狀況進行評估，明確在不同成熟度階段需要重點提升的能力，從而制定下一步實施計劃，高效的推進智能化轉型。

在本報告中，愛分析將AI應用成熟度從低到高依次分為早期實驗、初步投入、多維布局、深度應用、全面融合五個階段，并從多個維度列舉了每個成熟度階段企業具備的主要能力特征。此外，愛分析也將目前國內主要行業企業AI應用成熟度各階段數量占比情況做了展示。

企業智能化轉型的方法論

在本章，愛分析從戰略、數據、場景規劃、應用解決方案開發、技術基礎設施、組織與人才六個維度論述企業在應對智能化轉型的多種挑戰時，可以采取的方法和措施，并從本次調研的案例中選取相關實踐經驗為企業提供參考說明。同時，本章還對處于不同成熟度階段的企業在上述六個維度中需要階段性提升的重點能力分別了給出建議。

同時，愛分析對本次調研的企業智能化轉型和AI應用實踐案例做了詳細梳理，并將案例內容呈現在本章中，其中以字母命名的案例為針對某個特定問題案例，具體包括：

案例1：中新天津生態城構建智慧城市產業大腦，用AI挖掘數據價值

案例2：AI數據管理平臺助力上汽安吉物流批量化迭代AI模型，讓物流管理更智慧

案例3：美宜佳打造商業智能決策管理平臺，實現線下零售的智能化運營

案例4：依托計算機視覺技術，某餐飲連鎖企業為餃子品控安上智慧之“眼”

案例5：中宏保險構建營銷員智能助理，通過保險知識的共享和復用賦能銷售

案例6：AI算法支撐下，AR虛擬試戴讓安克創新用戶獲得更優的線上互動體驗

案例7：某銀行搭建智能消費者保護中臺，助力消費者權益保護監控和預警

案例8：海信集團引入AI平臺，構建獨立自主的AI開發能力

案例9：某大型集團搭建AI中臺，支撐數智化升級

案例A：某大型保險集團制定平臺、應用、技術“三個領先”戰略和“四個關鍵舉措”推動智能化建設

案例B：虛擬數字人助力江南農商銀行為客戶提供創新性的遠程視頻柜員服務

案例C：某全球頭部日用消費品公司在華公司以費用支出為導向規劃AI應用場景

案例D：某大型國有商業銀行構建MLOps體系，實現敏捷的模型迭代，高效的模型交付

案例E：某頭部家電集團建立面向AI開發和管理的組織架構，全面支持產品的智能化創新

企業智能化趨勢展望

愛分析認為，所有的企業未來想要在市場中保持競爭力，一定都需要全面擁抱智能化。預計在接下來的3至5年，國內大量的企業對AI的應用將從單點的AI建設走向全面的智能化轉型，企業因此需要針對智能化轉型規劃完善的路徑和方法，同時結合自身AI應用的成熟度，制定符合自身狀況的行動計劃。

相信隨著企業智能化進程的推進，AI在產業中落地仍然會面臨許多新產生的問題，愛分析將對這個領域保持持續跟蹤研究，對前沿的案例保持關注，為企業智能化轉型提供更多的決策參考

目錄

1. 人工智能在產業中落地的20大挑戰

2. 評估AI應用成熟度，因地制宜推進智能化

3. 企業智能化轉型的方法論

4. 企業智能化趨勢展望

關于愛分析

研究咨詢服務

法律聲明

知識圖譜尤其是垂直知識圖譜技術是目前學術界和工業界研究的熱點，在人工智能領域具有廣泛的應用。為了充分展現國內在垂直知識圖譜領域研究的現狀，以垂直領域知識圖譜為研究對象，對其發展現狀和趨勢進行綜 述。首先，對垂直領域知識圖譜的定義和分類、架構和關鍵技術的發展現狀進行了詳細論述；然后，針對垂直領域 知識圖譜的具體應用進行了論述，并以學術信息知識圖譜和醫藥衛生知識圖譜為例進行了詳細介紹。最后對垂直領 域知識圖譜發展中存在的問題和對策，以及未來的趨勢進行了探討。

數字貨幣作為區塊鏈技術迄今為止最典型也最成功的應用, 得益于區塊鏈分布式共識與去中心化信任的技術優勢, 也促使了區塊鏈技術與經濟活動的深度融合, 并由此改變了數字社會的組織方式. 近年來, 無論是在基礎理論研究方面, 還是在實踐應用發展方面, 數字貨幣均呈現出了蓬勃向上的態勢. 本文從技術創新、機制設計以及風險監管三個角度梳理了數字貨幣主要研究問題, 詳細闡述了基礎支撐技術、隱私保護技術、共識機制、激勵機制、幣值機制、發行機制、風險分析、監管考量等方面的研究進展、存在問題及應用現狀, 并展望了未來重點研究方向, 致力于為數字貨幣領域的研究提供有益借鑒.

隨著人工智能技術的快速發展及其在工業系統中卓有成效的應用, 工業智能化成為當前工業生產轉型的一個重要 趨勢. 論文提煉了工業人工智能 (Industrial artificial intelligence, IAI) 的建模、診斷、預測、優化、決策以及智能芯片等共性關 鍵技術, 總結了生產過程監控與產品質量檢測等 4 個主要應用場景. 同時, 論文選擇預測性維護作為工業人工智能的典型應 用場景, 以工業設備的閉環智能維護形式, 分別從模型方法、數據方法以及融合方法出發, 系統的總結和分析了設備的壽命 預測技術和維護決策理論, 展示了人工智能技術在促進工業生產安全、降本、增效、提質等方面的重要作用. 最后, 探討了工 業人工智能研究所面臨的問題以及未來的研究方向.

//www.aas.net.cn/cn/article/doi/10.16383/j.aas.c200333

摘要: 工業4.0將工業制造流程以及產品質量優化從以前依照經驗和觀察進行判斷轉變為以事實為基礎, 通過分析數據進而挖掘潛在價值的完整智能系統. 人工智能技術的快速發展在工業4.0的實現中扮演著關鍵的角色. 然而, 傳統的人工智能技術通常著眼于日常生活、社會交流和金融場景, 而非解決工業界實際所遇到的問題. 相比而言, 工業人工智能技術基于工業領域的具體問題, 利用智能系統提升生產效率、系統可靠性并優化生產過程, 更加適合解決特定的工業問題同時幫助從業人員發現隱性問題, 并讓工業設備有自主能力來實現彈性生產并最終創造更大價值. 本文首先介紹工業人工智能的相關概念, 并通過實際的工業應用案例如元件級的滾珠絲杠、設備級的帶鋸加工機與機器群等不同層次的問題來展示工業人工智能架構的可行性與應用前景.

//www.aas.net.cn/cn/article/doi/10.16383/j.aas.200501