柔性電子發(fā)展的主要制約因素是材料。目前多數(shù)的柔性電子應(yīng)用場景，是對(duì)硅進(jìn)行柔性化處理——硅在變得非常薄且尺寸非常小之后，會(huì)具備一定的柔性。但隨著硅基半導(dǎo)體器件尺寸逼近物理極限，這一方法已日趨貼近天花板。其他的柔性材料還包括有機(jī)材料，以及將有機(jī)材料和無機(jī)材料相結(jié)合。然而，利用這些材料制備的柔性電子，距離硅基器件存在顯著的性能差距。

 

碳基材料為柔性電子提供了更好的選擇。碳基材料包括零維的富勒烯、一維的碳納米管、二維的石墨烯、三維的石墨及金剛石等，這其中，碳納米管和石墨烯憑借優(yōu)異的電性能、透光性特別是延展性，被公認(rèn)為是柔性電子的“天選”材料。但一直以來，主要受限于材料制備技術(shù)，難以獲得大面積、高質(zhì)量的碳基材料成為限制其應(yīng)用的最大障礙。

 

近年來，碳基材料制備取得了突破性進(jìn)展。2020年，研究人員在8英寸基底上成功制備了高密度高純半導(dǎo)體陣列碳納米管材料[1]，材料純度可達(dá)99.9999%，突破了碳納米管集成電路關(guān)鍵的材料瓶頸，并同步開發(fā)了全自動(dòng)的提純和組裝設(shè)備，具備了量產(chǎn)的技術(shù)積累?；诖朔N材料，研究人員還批量制備了場效應(yīng)晶體管和環(huán)形振蕩器電路，性能超越類似尺寸的硅基器件和電路。與此同時(shí)，石墨烯的大面積制備已經(jīng)實(shí)現(xiàn)，特別是利用化學(xué)氣相沉積法制備的石墨烯材料，已經(jīng)證明具備優(yōu)異的電學(xué)性能。這些都意味著碳基集成電路已經(jīng)初步具備工業(yè)化基礎(chǔ)，“碳時(shí)代”即將到來。

 

隨著材料技術(shù)的突破和發(fā)展，碳基柔性電子有望在醫(yī)療健康等領(lǐng)域率先實(shí)現(xiàn)規(guī)模應(yīng)用。例如，“電子皮膚”可將外界作用于其上的力或熱轉(zhuǎn)換為電信號(hào)進(jìn)行處理，讓殘疾人的義肢兼具美觀和功能性；可植入的柔性電子設(shè)備為復(fù)雜疾病的治療，如帕金森、癲癇、抑郁癥等提供了新的治療手段。

 

[1] 2020年5月22日，《用于高性能電子學(xué)的高密度半導(dǎo)體碳納米管平行陣列》（Aligned, high-density semiconducting carbon nanotube arrays for high-performance electronics），《科學(xué)》（Science，第368卷6493期850～856頁）

 

 

 

AI已廣泛應(yīng)用于醫(yī)療影像、病歷管理等輔助診斷場景，但AI在疫苗研發(fā)及藥物臨床研究的應(yīng)用依舊處于探索階段。隨著新型AI算法的迭代及算力的突破，AI將有效解決疫苗/藥物研發(fā)周期長、成本高等難題，例如提升化合物篩選、建立疾病模型、發(fā)現(xiàn)新靶點(diǎn)、先導(dǎo)化合物發(fā)現(xiàn)及先導(dǎo)藥物優(yōu)化等環(huán)節(jié)的效率。AI與疫苗、藥物臨床研究的結(jié)合可以減少重復(fù)勞動(dòng)與時(shí)間消耗，提升研發(fā)效率，極大的推動(dòng)醫(yī)療服務(wù)和藥物的普惠化。

 

隨著新冠疫情的全球蔓延和深遠(yuǎn)影響，醫(yī)療行業(yè)從未像今天這樣高度重視疫苗和藥物的研發(fā)效率。以AI為代表的科技技術(shù)被廣泛關(guān)注，AI在醫(yī)療CT讀片、影像分析、使用自然語言處理（NLP）錄入病例等易于建立標(biāo)準(zhǔn)的領(lǐng)域，有著絕佳的工作效率與準(zhǔn)確率，已經(jīng)逐步應(yīng)用在醫(yī)療診斷輔助領(lǐng)域。未來AI將從醫(yī)療影像/語言類等輔助診斷應(yīng)用走向疫苗設(shè)計(jì)及藥物臨床研究，在疫苗化合物篩選、建立疾病模型、發(fā)現(xiàn)新靶點(diǎn)、先導(dǎo)化合物發(fā)現(xiàn)、先導(dǎo)藥物優(yōu)化及老藥新用等環(huán)節(jié)上廣泛參與。今年12月1日美國科學(xué)家首次用AI精準(zhǔn)預(yù)測了蛋白質(zhì)折疊形狀，這將幫助研究人員進(jìn)一步發(fā)現(xiàn)疾病的發(fā)病原理并開發(fā)新藥。

 

《Natrue》數(shù)據(jù)顯示：一款新藥的平均研發(fā)成本大約是26億美元，耗時(shí)約10年，成功率不到10%。而一款新藥從研發(fā)到最后上市，需要經(jīng)過藥物發(fā)現(xiàn)、臨床前研究、臨床研究以及審批與上市 4 個(gè)階段。其中，藥物發(fā)現(xiàn)是非常重要的環(huán)節(jié)，它決定了一次研發(fā)的具體目標(biāo)。這個(gè)環(huán)節(jié)又分為疾病選擇、靶點(diǎn)發(fā)現(xiàn)和化合物合成幾個(gè)步驟。其中僅化合物合成一步，一種藥品就需要對(duì)5000～10000種化合物進(jìn)行篩選，最后僅有 5 種左右進(jìn)入最后的研究階段。由于工程量巨大，所以藥品研發(fā)的臨床前研究階段一般需要耗時(shí)3至6 年。

 

AI與藥物篩選結(jié)合是未來明確的方向，通過篩選流程和實(shí)驗(yàn)過程模型化，利用虛擬藥物篩選、模擬計(jì)算篩選出藥物的高概率結(jié)構(gòu)，可以大幅減少化合物篩選的時(shí)間消耗。而且AI的幫助不僅是新藥研發(fā)，通過匹配、發(fā)掘疾病與現(xiàn)有藥物之間的數(shù)據(jù)關(guān)聯(lián)性，老藥新用也能快速在其他適應(yīng)癥上給予有效性證明。

 

在疫苗設(shè)計(jì)和研發(fā)領(lǐng)域，AI也將成為有力幫手。例如在研發(fā)的疫苗中添加化合物可以提升其功效，更好地刺激人體免疫系統(tǒng)形成更多抗體。這個(gè)過程可以利用AI自動(dòng)輸入一系列已知的可激活人體免疫系統(tǒng)的有效化合物模型，與電腦合成程序產(chǎn)生的數(shù)億種不同的化學(xué)化合物對(duì)比篩選，最終快速找到可能成為人類免疫藥物的優(yōu)質(zhì)候選化合物。

 

人類未來將越來越多的借助AI等科技手段來提升疫苗設(shè)計(jì)/藥物研發(fā)的效率和精度，所有依賴于計(jì)算、依賴數(shù)據(jù)經(jīng)驗(yàn)和可模型化的環(huán)節(jié)，都值得通過AI智能化的方式去嘗試解決。未來AI與疫苗/藥物研究的規(guī)模推廣離不開AI算法和云端的大算力調(diào)用，兩者的結(jié)合將給人類帶來巨大的經(jīng)濟(jì)價(jià)值和社會(huì)效益。

 

 

腦機(jī)接口是新一代人機(jī)交互和人機(jī)混合智能的關(guān)鍵核心技術(shù)。腦機(jī)接口對(duì)神經(jīng)工程的發(fā)展起到了重要支撐與推動(dòng)作用，幫助人類從更高維度空間進(jìn)一步解析人類大腦的工作原理。腦機(jī)接口這一新技術(shù)領(lǐng)域探索性的將大腦與外部設(shè)備進(jìn)行通信，并借由腦力意念控制機(jī)器。例如在控制機(jī)械臂等方面幫助提升應(yīng)用精度，將為神智清醒，思維健全，但口不能言、手不能動(dòng)的患者提供精準(zhǔn)康復(fù)服務(wù)。

 

腦機(jī)接口技術(shù)并不是一個(gè)新概念，這項(xiàng)技術(shù)經(jīng)過幾十年的研究發(fā)展（接口分植入式和非植入式），已經(jīng)逐漸從學(xué)術(shù)界滲透到創(chuàng)業(yè)圈。雖然離實(shí)用化還有很長的路要走，但毫無疑問，人類朝著大腦與機(jī)器融合的偉大目標(biāo)，向前踏出了一大步。

 

植入式腦機(jī)接口相比非植入式頭皮貼片方式精準(zhǔn)度更高，可以編碼更復(fù)雜的命令，但非植入式更安全，接受程度也更好。目前各個(gè)腦區(qū)里研究比較充分的有運(yùn)動(dòng)皮層、感覺皮層和視覺皮層；其中運(yùn)動(dòng)皮層腦機(jī)結(jié)合已經(jīng)可以做到用意念控制機(jī)械手完成簡單的三維運(yùn)動(dòng)、手腕方向和手指握力，例如機(jī)械手移動(dòng)和抓握，但太精細(xì)的動(dòng)作做不到，這也是未來需要攻克的方向。

 

腦機(jī)接口技術(shù)是一個(gè)交叉學(xué)科，它的背后包括材料學(xué)、電子工程學(xué)、生物醫(yī)學(xué)、神經(jīng)信息學(xué)、計(jì)算機(jī)科學(xué)和認(rèn)知科學(xué)等等，各項(xiàng)單一學(xué)科的進(jìn)展都值得期待，比如更精確的電極、更友好的生物材料、更明晰的神經(jīng)科學(xué)認(rèn)知、更強(qiáng)大的AI機(jī)器學(xué)習(xí)算法等等。

 

人類已經(jīng)進(jìn)化了數(shù)百萬年，機(jī)器只存在了大約200年，但后者的算法/算力讓前者難以望其項(xiàng)背。兩者的結(jié)合可以幫助人類超越生物學(xué)極限；借助腦機(jī)接口，結(jié)合AI可以對(duì)神經(jīng)工程的發(fā)展起到了重要支撐與推動(dòng)作用，幫助解決神經(jīng)工程研究中遇到的類似精準(zhǔn)控制等諸多難題，從更高維度空間解析人類大腦的工作原理。

 

例如通過接口直接從大腦中合成語音，幫助失去說話能力的人通過技術(shù)手段來進(jìn)行交流。此外在康復(fù)方面，通過對(duì)神經(jīng)系統(tǒng)活動(dòng)的識(shí)別，讀取人的“意念”，通過機(jī)械臂精確完成大腦內(nèi)發(fā)出的相應(yīng)指令。腦機(jī)接口技術(shù)將在改善腦癱患者、漸凍人、帕金森癥等殘疾人弱勢群體的生活質(zhì)量中做出了巨大貢獻(xiàn)，為神智清醒，思維健全，卻口不能言、手不能動(dòng)的患者提供精準(zhǔn)康復(fù)服務(wù)。在腦機(jī)結(jié)合方面，雖然離大眾所想象的實(shí)際應(yīng)用還有遙遠(yuǎn)的距離，但我們今天所想象的一切，未來都將變?yōu)楝F(xiàn)實(shí)。

 

科技的發(fā)展不斷突破人類的倫理底線和價(jià)值尺度，腦機(jī)接口同樣避免不了倫理問題。人類和機(jī)器建立智能交互已是大勢所趨，如何保障這樣的科技進(jìn)程安全地向著利于人類自身的方向發(fā)展，成為人類最大的挑戰(zhàn)。

 

 

隨著云計(jì)算的發(fā)展、數(shù)據(jù)規(guī)模持續(xù)指數(shù)級(jí)增長，傳統(tǒng)數(shù)據(jù)處理面臨存儲(chǔ)成本高、集群管理復(fù)雜、計(jì)算任務(wù)多樣性等巨大挑戰(zhàn)；面對(duì)海量暴增的數(shù)據(jù)規(guī)模以及復(fù)雜多元的處理場景，人工管理和系統(tǒng)調(diào)優(yōu)捉襟見肘。因此，通過智能化方法實(shí)現(xiàn)數(shù)據(jù)管理系統(tǒng)的自動(dòng)優(yōu)化成為未來數(shù)據(jù)處理發(fā)展的必然選擇。人工智能和機(jī)器學(xué)習(xí)手段逐漸被廣泛應(yīng)用于智能化的冷熱數(shù)據(jù)分層、異常檢測、智能建模、資源調(diào)動(dòng)、參數(shù)調(diào)優(yōu)、壓測生成、索引推薦等領(lǐng)域，有效降低數(shù)據(jù)計(jì)算、處理、存儲(chǔ)、運(yùn)維的管理成本，實(shí)現(xiàn)數(shù)據(jù)管理系統(tǒng)的“自治與自我進(jìn)化”。

 

數(shù)據(jù)管理系統(tǒng)一直以來是企業(yè)IT架構(gòu)的重要組成部分，隨著物聯(lián)網(wǎng)、云計(jì)算技術(shù)的深入發(fā)展和開源生態(tài)的不斷完善，傳統(tǒng)數(shù)據(jù)管理的局限性日益凸顯，存儲(chǔ)容量有限導(dǎo)致公司無法長時(shí)間存儲(chǔ)和管理海量數(shù)據(jù)集，元數(shù)據(jù)來源廣泛、種類繁多，具有多源、異構(gòu)的特點(diǎn)，這使其在管理上面臨數(shù)據(jù)匯聚、集成、存儲(chǔ)和檢索成本高的問題；另一方面計(jì)算資源匱乏，缺乏統(tǒng)一管理接口和大數(shù)據(jù)處理環(huán)境所需的可伸縮、可拓展的靈活性和高效性。數(shù)據(jù)管理系統(tǒng)需要承擔(dān)更加復(fù)雜的多租戶、多任務(wù)下的執(zhí)行工作，人工手動(dòng)管理和運(yùn)維再也無法有效應(yīng)對(duì)海量多源異構(gòu)的數(shù)據(jù)規(guī)模和豐富復(fù)雜的數(shù)據(jù)處理場景帶來的問題和挑戰(zhàn)。

 

傳統(tǒng)模式下，系統(tǒng)超載、資源消耗過剩不僅要影響到其他正常運(yùn)行的系統(tǒng)作業(yè)，而且需要大量的人力資源進(jìn)行系統(tǒng)排查和糾正，難以確保系統(tǒng)有效率的運(yùn)行狀態(tài)。因此通過智能化方式實(shí)現(xiàn)數(shù)據(jù)管理系統(tǒng)的升級(jí)優(yōu)化將成為未來數(shù)據(jù)計(jì)算與處理的必然趨勢。將系統(tǒng)技術(shù)與人工智能技術(shù)相結(jié)合，利用機(jī)器學(xué)習(xí)算法在數(shù)據(jù)倉庫與數(shù)據(jù)庫系統(tǒng)管理、資源調(diào)度、引擎優(yōu)化、壓測生成等各個(gè)方面進(jìn)行數(shù)據(jù)系統(tǒng)的自我管理，人工智能將充分嵌入到數(shù)據(jù)處理的整個(gè)生命周期，幫助提高數(shù)據(jù)查詢的效率，提升整體資源調(diào)度的優(yōu)化性。例如通過智能化手段對(duì)冷熱數(shù)據(jù)分層分離，讓計(jì)算和存儲(chǔ)資源得到充分利用，有效降低數(shù)據(jù)管理成本。通過分析系統(tǒng)運(yùn)行狀態(tài)和日志數(shù)據(jù)信息，利用人工智能建模，來實(shí)現(xiàn)動(dòng)態(tài)系統(tǒng)參數(shù)調(diào)整和系統(tǒng)優(yōu)化，顯著降低系統(tǒng)數(shù)據(jù)管理者的運(yùn)維成本。機(jī)器學(xué)習(xí)技術(shù)也將幫助系統(tǒng)建立更加準(zhǔn)確高效的在線預(yù)警與實(shí)時(shí)監(jiān)測系統(tǒng)，來實(shí)現(xiàn)智能化的運(yùn)維管控和資源調(diào)配，幫助系統(tǒng)管理人員將更多的時(shí)間和精力集中在更重要的系統(tǒng)任務(wù)上。

 

同時(shí)，系統(tǒng)技術(shù)也將更多地輔助人工智能的深度發(fā)展，在大規(guī)模多樣化數(shù)據(jù)集上進(jìn)行高效的數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)優(yōu)化分析的模型選擇、元參數(shù)搜索、自動(dòng)化的元數(shù)據(jù)學(xué)習(xí)、非結(jié)構(gòu)化數(shù)據(jù)與結(jié)構(gòu)化數(shù)據(jù)融合處理等工作，從而幫助系統(tǒng)變得更加智能、安全和可靠。

 

 

在傳統(tǒng)IT開發(fā)環(huán)境里，產(chǎn)品開發(fā)上線周期長、研發(fā)效能不高，云原生架構(gòu)充分利用了云計(jì)算的分布式、可擴(kuò)展和靈活的特性，更高效地應(yīng)用和管理異構(gòu)硬件和環(huán)境下的各類云計(jì)算資源，通過方法論工具集、最佳實(shí)踐和產(chǎn)品技術(shù)，開發(fā)人員可專注于應(yīng)用開發(fā)過程本身。未來，芯片、開發(fā)平臺(tái)、應(yīng)用軟件乃至計(jì)算機(jī)等將誕生于云上，可將網(wǎng)絡(luò)、服務(wù)器、操作系統(tǒng)等基礎(chǔ)架構(gòu)層高度抽象化，降低計(jì)算成本、提升迭代效率，大幅降低云計(jì)算使用門檻、拓展技術(shù)應(yīng)用邊界。

 

在傳統(tǒng)開發(fā)環(huán)境里，漫長的產(chǎn)品開發(fā)、測試和上線周期，不穩(wěn)定的產(chǎn)品研發(fā)效能是企業(yè)IT領(lǐng)導(dǎo)者和開發(fā)人士面臨的核心問題和挑戰(zhàn)，同時(shí)在應(yīng)用程序的部署過程中，軟、硬件環(huán)境等基礎(chǔ)設(shè)施的技術(shù)復(fù)雜性很大程度束縛開發(fā)人員對(duì)于業(yè)務(wù)實(shí)現(xiàn)的生產(chǎn)力，受制于數(shù)據(jù)庫、數(shù)據(jù)中心、操作系統(tǒng)等傳統(tǒng)架構(gòu)的局限性，制定的業(yè)務(wù)解決方案需要不斷妥協(xié)與折中，效能也可能大打折扣。

 

以容器、k8s、ServiceMesh、Severless為代表的云原生技術(shù)將充分沿用云計(jì)算的設(shè)計(jì)理念，全面利用分布式、可拓展、靈活性的云計(jì)算架構(gòu)，達(dá)到毫秒級(jí)別的極致彈性能力，從而應(yīng)對(duì)業(yè)務(wù)突發(fā)場景；同時(shí)基于云原生平臺(tái)系統(tǒng)高度自動(dòng)化的資源編排調(diào)度機(jī)制，實(shí)現(xiàn)應(yīng)用的可拓展和易維護(hù)，通過微服務(wù)助力應(yīng)用敏捷開發(fā)，進(jìn)而大幅降低業(yè)務(wù)的試錯(cuò)成本，提升業(yè)務(wù)應(yīng)用的部署和迭代速度。另一方面，云原生將網(wǎng)絡(luò)、服務(wù)器、操作系統(tǒng)、業(yè)務(wù)流程等基礎(chǔ)架構(gòu)層高度抽象化，更高效地應(yīng)用和管理異構(gòu)硬件和異構(gòu)環(huán)境下的各類云計(jì)算資源，向上支撐多種負(fù)載，包括大數(shù)據(jù)計(jì)算、區(qū)塊鏈、人工智能等創(chuàng)新性的服務(wù)，高效解決部署一致性問題，并極大地降低云服務(wù)的使用門檻，讓開發(fā)者只需關(guān)注業(yè)務(wù)邏輯本身并最大程度回歸到應(yīng)用程序的開發(fā)環(huán)節(jié)，專注于用戶服務(wù)和商業(yè)價(jià)值的創(chuàng)造過程，從而幫助企業(yè)實(shí)現(xiàn)快速創(chuàng)新。

 

云原生將重塑IT技術(shù)的全鏈路體系，在開發(fā)、測試、上線、運(yùn)維、監(jiān)控和升級(jí)等環(huán)節(jié)中形成新的技術(shù)標(biāo)準(zhǔn)，通過技術(shù)生態(tài)推動(dòng)整個(gè)云計(jì)算的標(biāo)準(zhǔn)化，使大規(guī)模、可復(fù)制的跨區(qū)域、跨平臺(tái)和跨集群的部署能力成為可能，將更多敏捷、分布式、可擴(kuò)展的技術(shù)紅利帶給企業(yè)和開發(fā)者。

 

云原生技術(shù)應(yīng)用在2020年呈現(xiàn)出爆發(fā)式的增長，其價(jià)值已在互聯(lián)網(wǎng)、金融、教育、零售、能源等諸多行業(yè)得到廣泛實(shí)踐和驗(yàn)證，并預(yù)計(jì)在兩年內(nèi)有75%的全球化企業(yè)將在商業(yè)生產(chǎn)中使用云原生的容器化應(yīng)用【1】。云原生為企業(yè)上云用云嶄新的技術(shù)方式，幫助企業(yè)快速享受到云計(jì)算帶來的成本和效率優(yōu)勢，全面加速企業(yè)數(shù)字化創(chuàng)新升級(jí)進(jìn)程，并終將推動(dòng)云計(jì)算產(chǎn)業(yè)的再次升級(jí)。

 

[1] 信息來源：Gartner《云原生基礎(chǔ)設(shè)施未來的八大趨勢》

 

 

傳統(tǒng)農(nóng)業(yè)產(chǎn)業(yè)發(fā)展存在土地資源利用率低和從生產(chǎn)到零售鏈路脫節(jié)等瓶頸問題。以物聯(lián)網(wǎng)、人工智能、云計(jì)算等為代表的數(shù)字技術(shù)正在與農(nóng)業(yè)產(chǎn)業(yè)深度融合，打通農(nóng)業(yè)產(chǎn)業(yè)的全鏈路流程。結(jié)合新一代傳感器技術(shù)，農(nóng)田地面數(shù)據(jù)信息得以實(shí)時(shí)獲取和感知，并依靠大數(shù)據(jù)分析與人工智能技術(shù)快速處理海量領(lǐng)域農(nóng)業(yè)數(shù)據(jù)，實(shí)現(xiàn)農(nóng)作物監(jiān)測、精細(xì)化育種和環(huán)境資源按需分配。同時(shí)，通過5G、物聯(lián)網(wǎng)、區(qū)塊鏈等技術(shù)的應(yīng)用確保農(nóng)產(chǎn)品物流運(yùn)輸中的可控和可追溯，保障農(nóng)產(chǎn)品整體供應(yīng)鏈流程的安全可靠。農(nóng)業(yè)將告別“靠天”吃飯進(jìn)入智慧農(nóng)業(yè)時(shí)代。

 

到2050年人類人口總量有望接近百億，隨著世界人口的不斷攀升，對(duì)糧食的需求也將不斷擴(kuò)大。同時(shí)，農(nóng)業(yè)產(chǎn)業(yè)的現(xiàn)代化發(fā)展面臨的挑戰(zhàn)日益嚴(yán)峻，全球人口耕地分布不平均、利用率低下，糧食單產(chǎn)品質(zhì)不穩(wěn)，化肥農(nóng)藥資源使用過量，以及產(chǎn)業(yè)上下游供應(yīng)鏈脫節(jié)等瓶頸問題使得傳統(tǒng)農(nóng)業(yè)產(chǎn)業(yè)發(fā)展一度陷入僵局。以物聯(lián)網(wǎng)、人工智能、云計(jì)算、5G、大數(shù)據(jù)計(jì)算等為代表的新一代科學(xué)技術(shù)正在與農(nóng)業(yè)產(chǎn)業(yè)深度融合，并將成為農(nóng)業(yè)邁入智慧革命發(fā)展階段的核心推手。

 

傳感器技術(shù)已經(jīng)廣泛應(yīng)用于農(nóng)業(yè)領(lǐng)域，新一代物聯(lián)網(wǎng)和5G技術(shù)將解決由于帶寬限制帶來的傳感器設(shè)備連接密度受限的問題，提升網(wǎng)絡(luò)設(shè)備接入數(shù)量和密度，支持設(shè)備之間的圖像傳輸和自主分析等功能，集成天氣、灌溉、微生物和其他農(nóng)作環(huán)境中產(chǎn)生的數(shù)據(jù)變量，并通過快速檢測、實(shí)時(shí)監(jiān)測和連續(xù)反饋的能力，進(jìn)行農(nóng)作物生產(chǎn)環(huán)節(jié)的精細(xì)化識(shí)別、感知，有效改善資源利用效率，并大幅提高農(nóng)作物產(chǎn)量；同時(shí)，下一代無人機(jī)技術(shù)結(jié)合計(jì)算機(jī)視覺技術(shù)將具備在廣闊和偏遠(yuǎn)地區(qū)分析田間作業(yè)環(huán)境的能力，將實(shí)時(shí)數(shù)據(jù)傳遞到其他傳感器，綜合分析農(nóng)田環(huán)境和作物情況進(jìn)行精準(zhǔn)播種、施藥，從而提升水肥利用效率并有效降低農(nóng)業(yè)勞動(dòng)力成本。

 

依托傳感器技術(shù)的興起，農(nóng)業(yè)生產(chǎn)鏈中的各個(gè)環(huán)節(jié)都將會(huì)產(chǎn)生海量的數(shù)據(jù)，通過對(duì)這些數(shù)據(jù)進(jìn)行整合、分析和挖掘，人工智能、大數(shù)據(jù)等新型數(shù)據(jù)科學(xué)技術(shù)將數(shù)據(jù)和算法充分融合，更好地對(duì)農(nóng)作物耕地、播種、施藥、殺蟲、收割等全生命周期環(huán)節(jié)中產(chǎn)生的數(shù)據(jù)進(jìn)行模型構(gòu)建和精準(zhǔn)預(yù)測，實(shí)現(xiàn)農(nóng)作物監(jiān)測、精細(xì)化育種、病害蟲防控和環(huán)境資源按需分配，推動(dòng)農(nóng)業(yè)生產(chǎn)過程中的自動(dòng)化運(yùn)行和管理過程中的數(shù)智化控制。

 

同時(shí)，區(qū)塊鏈和農(nóng)業(yè)大數(shù)據(jù)等技術(shù)也將充分聯(lián)合，打通農(nóng)業(yè)生產(chǎn)、加工、運(yùn)輸和零售環(huán)節(jié)的上下通路，實(shí)現(xiàn)產(chǎn)銷一體化，從農(nóng)業(yè)生產(chǎn)、農(nóng)業(yè)物流、農(nóng)業(yè)市場和農(nóng)產(chǎn)品管理等方面上提升全產(chǎn)業(yè)鏈的整體效率，對(duì)相關(guān)數(shù)據(jù)進(jìn)行記錄和存儲(chǔ)以幫助追溯農(nóng)產(chǎn)品流通中的全程信息，從源頭上保障農(nóng)產(chǎn)品食品的安全和可靠。

趨勢九：工業(yè)互聯(lián)網(wǎng)從單點(diǎn)智能走向全局智能
 

受實(shí)施成本和復(fù)雜度較高、供給側(cè)數(shù)據(jù)難以打通、整體生態(tài)不夠完善等因素限制，目前的工業(yè)智能仍以解決碎片化需求為主。疫情中數(shù)字經(jīng)濟(jì)所展現(xiàn)出來的韌性讓企業(yè)更加重視工業(yè)智能的價(jià)值，加之?dāng)?shù)字技術(shù)的進(jìn)步普及、新基建的投資拉動(dòng)，這些因素將共同推動(dòng)工業(yè)智能從單點(diǎn)智能快速躍遷到全局智能，特別是汽車、消費(fèi)電子、品牌服飾、鋼鐵、水泥、化工等具備良好信息化基礎(chǔ)的制造業(yè)，貫穿供應(yīng)鏈、生產(chǎn)、資產(chǎn)、物流、銷售等各環(huán)節(jié)在內(nèi)的企業(yè)生產(chǎn)決策閉環(huán)的全局智能化應(yīng)用將大規(guī)模涌現(xiàn)。

 

工業(yè)時(shí)代，機(jī)器人被視為制造業(yè)皇冠上的“明珠”。它在相當(dāng)程度上釋放了人類的雙手雙腳，并讓生產(chǎn)運(yùn)營效率達(dá)到一個(gè)新的高度。而邁入數(shù)字時(shí)代，云計(jì)算、大數(shù)據(jù)、AI等新一代信息技術(shù)與工業(yè)的結(jié)合，則進(jìn)一步地解放了人類的大腦。在具有認(rèn)知能力的機(jī)器的輔助下，決策可以更加精準(zhǔn)和高效。工業(yè)智能正快速成為制造業(yè)冉冉升起的“新星”。

 

過去幾年，在利好政策、資本投入、以及新技術(shù)新產(chǎn)品大量涌現(xiàn)等因素的共同推動(dòng)下，工業(yè)智能實(shí)現(xiàn)了快速發(fā)展。中國互聯(lián)網(wǎng)平臺(tái)已達(dá)300家左右，具有一定規(guī)模和影響力的平臺(tái)數(shù)量也有50家之多[1]。然而，盡管冠以“工業(yè)互聯(lián)網(wǎng)”之名，但工業(yè)智能仍以解決碎片化需求為主，難以滿足制造企業(yè)全面數(shù)字化轉(zhuǎn)型的需求。究其原因，數(shù)字孿生的實(shí)施成本和復(fù)雜度高、供給側(cè)數(shù)據(jù)難以打通、整體生態(tài)系統(tǒng)不夠完善等因素延緩了工業(yè)智能的前進(jìn)步伐。

 

未來幾年，工業(yè)智能將在多重利好推動(dòng)下取得長足發(fā)展。首先是信息技術(shù)的進(jìn)步和普及， 2019年中國云基礎(chǔ)架構(gòu)投資首次超過傳統(tǒng)IT基礎(chǔ)架構(gòu)投資，新舊技術(shù)間已經(jīng)實(shí)現(xiàn)交替[2]；人工智能在質(zhì)量檢測等制造業(yè)場景中得到了能力證明；而5G時(shí)代的到來也將為物聯(lián)網(wǎng)拓展新的應(yīng)用場景。其次，新冠疫情對(duì)工業(yè)智能的發(fā)展起到了加速作用。在過去，制造企業(yè)看待工業(yè)智能更像是“錦上添花”，而疫情下工業(yè)互聯(lián)網(wǎng)所展現(xiàn)出來的韌性，使其成為企業(yè)應(yīng)對(duì)未來不確定性時(shí)的立足之本。最后，新型基礎(chǔ)設(shè)施建設(shè)為工業(yè)智能發(fā)展帶來了空前機(jī)遇。工業(yè)互聯(lián)網(wǎng)作為“新基建”的重要組成部分，將會(huì)迎來更好的政策環(huán)境和更大的投資力度，進(jìn)而推動(dòng)整個(gè)生態(tài)體系壯大完善。

 

如今，工業(yè)智能正從單點(diǎn)智能快速邁向全局智能，包括從復(fù)雜代碼編寫升級(jí)到低代碼的應(yīng)用開發(fā)，從而降低企業(yè)的使用成本；從邊緣業(yè)務(wù)切入企業(yè)核心業(yè)務(wù)，從而擴(kuò)大工業(yè)智能的應(yīng)用范疇；從輔助決策升級(jí)到對(duì)生產(chǎn)系統(tǒng)的控制，從而擴(kuò)展工業(yè)智能的應(yīng)用場景；從單一業(yè)務(wù)方案升級(jí)到平臺(tái)化整體方案，從而提升工業(yè)智能的使用價(jià)值。預(yù)計(jì)在未來3年時(shí)間里，工業(yè)特別是汽車、消費(fèi)電子、品牌服飾、鋼鐵、水泥、化工等具備良好信息化基礎(chǔ)的制造業(yè)，貫穿供應(yīng)鏈、生產(chǎn)、資產(chǎn)、物流、銷售等各環(huán)節(jié)在內(nèi)的企業(yè)生產(chǎn)決策閉環(huán)的全局智能化應(yīng)用將大規(guī)模涌現(xiàn)。

 

[1] 信息來源：中國信息通信研究院《工業(yè)互聯(lián)網(wǎng)平臺(tái)白皮書（2019年）》

 

[2] 信息來源：IDC《全球云計(jì)算IT基礎(chǔ)設(shè)施市場預(yù)測報(bào)告》

 

  

 

在過去10年時(shí)間里，智慧城市借助數(shù)字化手段切實(shí)提升了城市治理水平。但在新冠疫情防控中，一些所謂的智慧城市集中暴露問題，特別是由于“重建設(shè)輕運(yùn)營”所導(dǎo)致的業(yè)務(wù)應(yīng)用不足。在此背景下，城市管理者希望通過運(yùn)營中心盤活數(shù)據(jù)資源、推動(dòng)治理與服務(wù)的全局化、精細(xì)化和實(shí)時(shí)化。而AIoT技術(shù)的日漸成熟和普及、空間計(jì)算技術(shù)的進(jìn)步，將進(jìn)一步提升運(yùn)營中心的智慧化水平，在數(shù)字孿生基礎(chǔ)上把城市作為統(tǒng)一巨系統(tǒng)并提供整體智慧治理能力，進(jìn)而成為未來城市的數(shù)字基礎(chǔ)設(shè)施。

 

“智慧城市”從概念提出至今已經(jīng)歷了十余年的發(fā)展。以中國為例，在2014年中國就已制定國家政策，把智慧城市作為新型城鎮(zhèn)化建設(shè)的重要抓手和實(shí)現(xiàn)路徑。之后，中國智慧城市市場陸續(xù)涌現(xiàn)出“最多跑一次”、“一網(wǎng)通辦”等諸多最佳實(shí)踐，既有效提升了政府的治理水平，也讓廣大市民切實(shí)感受到智慧城市帶來的便利。

 

然而，智慧城市發(fā)展至今也暴露了一些問題，特別是在突如其來的新冠疫情折射下這些問題更加凸顯：許多智慧城市相關(guān)設(shè)施在防疫任務(wù)中陷入癱瘓——部分地方?jīng)]有應(yīng)對(duì)人口流動(dòng)調(diào)查的信息化系統(tǒng)，只能靠手工填表；而一些有軟件平臺(tái)的地區(qū)，也因各部門、地區(qū)的數(shù)據(jù)不互通導(dǎo)致系統(tǒng)一度形同虛設(shè)。這些暴露的問題只是表象，背后的真正原因是許多智慧城市項(xiàng)目沒有有效運(yùn)營，導(dǎo)致最終只是堆砌了大量硬件，能夠?qū)嶋H運(yùn)轉(zhuǎn)的業(yè)務(wù)則屈指可數(shù)。

 

面對(duì)這樣的情況，智慧城市市場各參與方特別是城市管理者開始重新思考，更加看重智慧城市的實(shí)際應(yīng)用效果，并更加強(qiáng)調(diào)“運(yùn)營”的理念。在這樣的市場風(fēng)向變化下，把城市數(shù)據(jù)進(jìn)行匯聚、交換和共享并在此基礎(chǔ)上進(jìn)行智能決策的綜合管理服務(wù)平臺(tái)，也就是城市運(yùn)營中心將逐漸興起。

 

城市運(yùn)營中心首先必然是智慧的，它離不開AIoT的技術(shù)支撐：一方面，5G時(shí)代下物聯(lián)網(wǎng)的應(yīng)用普及，將顯著擴(kuò)大對(duì)城市的描述范圍，以數(shù)字化手段動(dòng)態(tài)采集反映城市元素、事件以及狀態(tài)的數(shù)據(jù)；同時(shí)，AI技術(shù)的不斷進(jìn)步將推動(dòng)其基于城市數(shù)據(jù)進(jìn)行科學(xué)決策，為城市治理提供最優(yōu)解決方案。

 

智慧的城市運(yùn)營中心能夠通過構(gòu)建數(shù)字孿生城市直觀展現(xiàn)城市全量信息。在數(shù)字孿生城市中全面融入城市感知數(shù)據(jù)、政府?dāng)?shù)據(jù)、商業(yè)數(shù)據(jù)等，并通過空間計(jì)算技術(shù)，在時(shí)間和空間維度下立體呈現(xiàn)城市運(yùn)轉(zhuǎn)的全貌，助力實(shí)現(xiàn)城市治理精細(xì)化。

 

智慧城市運(yùn)營中心最重要的功能，是將城市作為一個(gè)有機(jī)整體進(jìn)行治理。這意味著它將從根本上把城市作為統(tǒng)一的巨系統(tǒng)，從而避免用傳統(tǒng)的中心化思路逐一解決單個(gè)問題，而是利用城市數(shù)字化、智能化所釋放出來的數(shù)字生產(chǎn)力，從更高的維度去解決非此即彼的矛盾，以升維后的視角和手法去治理城市，幫助政府更好地實(shí)現(xiàn)多目標(biāo)平衡。智慧運(yùn)營中心所具備的這些能力，將在城市可持續(xù)發(fā)展中發(fā)揮不可替代的作用，進(jìn)而推動(dòng)其成為未來城市的數(shù)字基礎(chǔ)設(shè)施