柔性電子發(fā)展的主要制約因素是材料。目前多數(shù)的柔性電子應用場景，是對硅進行柔性化處理——硅在變得非常薄且尺寸非常小之后，會具備一定的柔性。但隨著硅基半導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材料，以及將有機材料和無機材料相結合。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，難以獲得大面積、高質(zhì)量的碳基材料成為限制其應用的最大障礙。

 

近年來，碳基材料制備取得了突破性進展。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體陣列碳納米管材料[1]，材料純度可達99.9999%，突破了碳納米管集成電路關鍵的材料瓶頸，并同步開發(fā)了全自動的提純和組裝設備，具備了量產(chǎn)的技術積累?；诖朔N材料，研究人員還批量制備了場效應晶體管和環(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，石墨烯的大面積制備已經(jīng)實現(xiàn)，特別是利用化學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，“碳時代”即將到來。

 

隨著材料技術的突破和發(fā)展，碳基柔性電子有望在醫(yī)療健康等領域率先實現(xiàn)規(guī)模應用。例如，“電子皮膚”可將外界作用于其上的力或熱轉(zhuǎn)換為電信號進行處理，讓殘疾人的義肢兼具美觀和功能性；可植入的柔性電子設備為復雜疾病的治療，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，《用于高性能電子學的高密度半導體碳納米管平行陣列》（Aligned, high-density semiconducting carbon nanotube arrays for high-performance electronics），《科學》（Science，第368卷6493期850～856頁）

 

 

 

AI已廣泛應用于醫(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、先導化合物發(fā)現(xiàn)及先導藥物優(yōu)化等環(huán)節(jié)的效率。AI與疫苗、藥物臨床研究的結合可以減少重復勞動與時間消耗，提升研發(fā)效率，極大的推動醫(yī)療服務和藥物的普惠化。

 

隨著新冠疫情的全球蔓延和深遠影響，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為代表的科技技術被廣泛關注，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準的領域，有著絕佳的工作效率與準確率，已經(jīng)逐步應用在醫(yī)療診斷輔助領域。未來AI將從醫(yī)療影像/語言類等輔助診斷應用走向疫苗設計及藥物臨床研究，在疫苗化合物篩選、建立疾病模型、發(fā)現(xiàn)新靶點、先導化合物發(fā)現(xiàn)、先導藥物優(yōu)化及老藥新用等環(huán)節(jié)上廣泛參與。今年12月1日美國科學家首次用AI精準預測了蛋白質(zhì)折疊形狀，這將幫助研究人員進一步發(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。這個環(huán)節(jié)又分為疾病選擇、靶點發(fā)現(xiàn)和化合物合成幾個步驟。其中僅化合物合成一步，一種藥品就需要對5000～10000種化合物進行篩選，最后僅有 5 種左右進入最后的研究階段。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3至6 年。

 

AI與藥物篩選結合是未來明確的方向，通過篩選流程和實驗過程模型化，利用虛擬藥物篩選、模擬計算篩選出藥物的高概率結構，可以大幅減少化合物篩選的時間消耗。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)關聯(lián)性，老藥新用也能快速在其他適應癥上給予有效性證明。

 

在疫苗設計和研發(fā)領域，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。這個過程可以利用AI自動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)億種不同的化學化合物對比篩選，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計/藥物研發(fā)的效率和精度，所有依賴于計算、依賴數(shù)據(jù)經(jīng)驗和可模型化的環(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，兩者的結合將給人類帶來巨大的經(jīng)濟價值和社會效益。

 

 

腦機接口是新一代人機交互和人機混合智能的關鍵核心技術。腦機接口對神經(jīng)工程的發(fā)展起到了重要支撐與推動作用，幫助人類從更高維度空間進一步解析人類大腦的工作原理。腦機接口這一新技術領域探索性的將大腦與外部設備進行通信，并借由腦力意念控制機器。例如在控制機械臂等方面幫助提升應用精度，將為神智清醒，思維健全，但口不能言、手不能動的患者提供精準康復服務。

 

腦機接口技術并不是一個新概念，這項技術經(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)逐漸從學術界滲透到創(chuàng)業(yè)圈。雖然離實用化還有很長的路要走，但毫無疑問，人類朝著大腦與機器融合的偉大目標，向前踏出了一大步。

 

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

 

腦機接口技術是一個交叉學科，它的背后包括材料學、電子工程學、生物醫(yī)學、神經(jīng)信息學、計算機科學和認知科學等等，各項單一學科的進展都值得期待，比如更精確的電極、更友好的生物材料、更明晰的神經(jīng)科學認知、更強大的AI機器學習算法等等。

 

人類已經(jīng)進化了數(shù)百萬年，機器只存在了大約200年，但后者的算法/算力讓前者難以望其項背。兩者的結合可以幫助人類超越生物學極限；借助腦機接口，結合AI可以對神經(jīng)工程的發(fā)展起到了重要支撐與推動作用，幫助解決神經(jīng)工程研究中遇到的類似精準控制等諸多難題，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手段來進行交流。此外在康復方面，通過對神經(jīng)系統(tǒng)活動的識別，讀取人的“意念”，通過機械臂精確完成大腦內(nèi)發(fā)出的相應指令。腦機接口技術將在改善腦癱患者、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，為神智清醒，思維健全，卻口不能言、手不能動的患者提供精準康復服務。在腦機結合方面，雖然離大眾所想象的實際應用還有遙遠的距離，但我們今天所想象的一切，未來都將變?yōu)楝F(xiàn)實。

 

科技的發(fā)展不斷突破人類的倫理底線和價值尺度，腦機接口同樣避免不了倫理問題。人類和機器建立智能交互已是大勢所趨，如何保障這樣的科技進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)。

 

 

隨著云計算的發(fā)展、數(shù)據(jù)規(guī)模持續(xù)指數(shù)級增長，傳統(tǒng)數(shù)據(jù)處理面臨存儲成本高、集群管理復雜、計算任務多樣性等巨大挑戰(zhàn)；面對海量暴增的數(shù)據(jù)規(guī)模以及復雜多元的處理場景，人工管理和系統(tǒng)調(diào)優(yōu)捉襟見肘。因此，通過智能化方法實現(xiàn)數(shù)據(jù)管理系統(tǒng)的自動優(yōu)化成為未來數(shù)據(jù)處理發(fā)展的必然選擇。人工智能和機器學習手段逐漸被廣泛應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、參數(shù)調(diào)優(yōu)、壓測生成、索引推薦等領域，有效降低數(shù)據(jù)計算、處理、存儲、運維的管理成本，實現(xiàn)數(shù)據(jù)管理系統(tǒng)的“自治與自我進化”。

 

數(shù)據(jù)管理系統(tǒng)一直以來是企業(yè)IT架構的重要組成部分，隨著物聯(lián)網(wǎng)、云計算技術的深入發(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，存儲容量有限導致公司無法長時間存儲和管理海量數(shù)據(jù)集，元數(shù)據(jù)來源廣泛、種類繁多，具有多源、異構的特點，這使其在管理上面臨數(shù)據(jù)匯聚、集成、存儲和檢索成本高的問題；另一方面計算資源匱乏，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)需要承擔更加復雜的多租戶、多任務下的執(zhí)行工作，人工手動管理和運維再也無法有效應對海量多源異構的數(shù)據(jù)規(guī)模和豐富復雜的數(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行的系統(tǒng)作業(yè)，而且需要大量的人力資源進行系統(tǒng)排查和糾正，難以確保系統(tǒng)有效率的運行狀態(tài)。因此通過智能化方式實現(xiàn)數(shù)據(jù)管理系統(tǒng)的升級優(yōu)化將成為未來數(shù)據(jù)計算與處理的必然趨勢。將系統(tǒng)技術與人工智能技術相結合，利用機器學習算法在數(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、壓測生成等各個方面進行數(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冷熱數(shù)據(jù)分層分離，讓計算和存儲資源得到充分利用，有效降低數(shù)據(jù)管理成本。通過分析系統(tǒng)運行狀態(tài)和日志數(shù)據(jù)信息，利用人工智能建模，來實現(xiàn)動態(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)管理者的運維成本。機器學習技術也將幫助系統(tǒng)建立更加準確高效的在線預警與實時監(jiān)測系統(tǒng)，來實現(xiàn)智能化的運維管控和資源調(diào)配，幫助系統(tǒng)管理人員將更多的時間和精力集中在更重要的系統(tǒng)任務上。

 

同時，系統(tǒng)技術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)集上進行高效的數(shù)據(jù)挖掘和機器學習優(yōu)化分析的模型選擇、元參數(shù)搜索、自動化的元數(shù)據(jù)學習、非結構化數(shù)據(jù)與結構化數(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，云原生架構充分利用了云計算的分布式、可擴展和靈活的特性，更高效地應用和管理異構硬件和環(huán)境下的各類云計算資源，通過方法論工具集、最佳實踐和產(chǎn)品技術，開發(fā)人員可專注于應用開發(fā)過程本身。未來，芯片、開發(fā)平臺、應用軟件乃至計算機等將誕生于云上，可將網(wǎng)絡、服務器、操作系統(tǒng)等基礎架構層高度抽象化，降低計算成本、提升迭代效率，大幅降低云計算使用門檻、拓展技術應用邊界。

 

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領導者和開發(fā)人士面臨的核心問題和挑戰(zhàn)，同時在應用程序的部署過程中，軟、硬件環(huán)境等基礎設施的技術復雜性很大程度束縛開發(fā)人員對于業(yè)務實現(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)架構的局限性，制定的業(yè)務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將充分沿用云計算的設計理念，全面利用分布式、可拓展、靈活性的云計算架構，達到毫秒級別的極致彈性能力，從而應對業(yè)務突發(fā)場景；同時基于云原生平臺系統(tǒng)高度自動化的資源編排調(diào)度機制，實現(xiàn)應用的可拓展和易維護，通過微服務助力應用敏捷開發(fā)，進而大幅降低業(yè)務的試錯成本，提升業(yè)務應用的部署和迭代速度。另一方面，云原生將網(wǎng)絡、服務器、操作系統(tǒng)、業(yè)務流程等基礎架構層高度抽象化，更高效地應用和管理異構硬件和異構環(huán)境下的各類云計算資源，向上支撐多種負載，包括大數(shù)據(jù)計算、區(qū)塊鏈、人工智能等創(chuàng)新性的服務，高效解決部署一致性問題，并極大地降低云服務的使用門檻，讓開發(fā)者只需關注業(yè)務邏輯本身并最大程度回歸到應用程序的開發(fā)環(huán)節(jié)，專注于用戶服務和商業(yè)價值的創(chuàng)造過程，從而幫助企業(yè)實現(xiàn)快速創(chuàng)新。

 

云原生將重塑IT技術的全鏈路體系，在開發(fā)、測試、上線、運維、監(jiān)控和升級等環(huán)節(jié)中形成新的技術標準，通過技術生態(tài)推動整個云計算的標準化，使大規(guī)模、可復制的跨區(qū)域、跨平臺和跨集群的部署能力成為可能，將更多敏捷、分布式、可擴展的技術紅利帶給企業(yè)和開發(fā)者。

 

云原生技術應用在2020年呈現(xiàn)出爆發(fā)式的增長，其價值已在互聯(lián)網(wǎng)、金融、教育、零售、能源等諸多行業(yè)得到廣泛實踐和驗證，并預計在兩年內(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用【1】。云原生為企業(yè)上云用云嶄新的技術方式，幫助企業(yè)快速享受到云計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)新升級進程，并終將推動云計算產(chǎn)業(yè)的再次升級。

 

[1] 信息來源：Gartner《云原生基礎設施未來的八大趨勢》

 

 

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、云計算等為代表的數(shù)字技術正在與農(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。結合新一代傳感器技術，農(nóng)田地面數(shù)據(jù)信息得以實時獲取和感知，并依靠大數(shù)據(jù)分析與人工智能技術快速處理海量領域農(nóng)業(yè)數(shù)據(jù)，實現(xiàn)農(nóng)作物監(jiān)測、精細化育種和環(huán)境資源按需分配。同時，通過5G、物聯(lián)網(wǎng)、區(qū)塊鏈等技術的應用確保農(nóng)產(chǎn)品物流運輸中的可控和可追溯，保障農(nóng)產(chǎn)品整體供應鏈流程的安全可靠。農(nóng)業(yè)將告別“靠天”吃飯進入智慧農(nóng)業(yè)時代。

 

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，對糧食的需求也將不斷擴大。同時，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、云計算、5G、大數(shù)據(jù)計算等為代表的新一代科學技術正在與農(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。

 

傳感器技術已經(jīng)廣泛應用于農(nóng)業(yè)領域，新一代物聯(lián)網(wǎng)和5G技術將解決由于帶寬限制帶來的傳感器設備連接密度受限的問題，提升網(wǎng)絡設備接入數(shù)量和密度，支持設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、實時監(jiān)測和連續(xù)反饋的能力，進行農(nóng)作物生產(chǎn)環(huán)節(jié)的精細化識別、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，下一代無人機技術結合計算機視覺技術將具備在廣闊和偏遠地區(qū)分析田間作業(yè)環(huán)境的能力，將實時數(shù)據(jù)傳遞到其他傳感器，綜合分析農(nóng)田環(huán)境和作物情況進行精準播種、施藥，從而提升水肥利用效率并有效降低農(nóng)業(yè)勞動力成本。

 

依托傳感器技術的興起，農(nóng)業(yè)生產(chǎn)鏈中的各個環(huán)節(jié)都將會產(chǎn)生海量的數(shù)據(jù)，通過對這些數(shù)據(jù)進行整合、分析和挖掘，人工智能、大數(shù)據(jù)等新型數(shù)據(jù)科學技術將數(shù)據(jù)和算法充分融合，更好地對農(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)進行模型構建和精準預測，實現(xiàn)農(nóng)作物監(jiān)測、精細化育種、病害蟲防控和環(huán)境資源按需分配，推動農(nóng)業(yè)生產(chǎn)過程中的自動化運行和管理過程中的數(shù)智化控制。

 

同時，區(qū)塊鏈和農(nóng)業(yè)大數(shù)據(jù)等技術也將充分聯(lián)合，打通農(nóng)業(yè)生產(chǎn)、加工、運輸和零售環(huán)節(jié)的上下通路，實現(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，對相關數(shù)據(jù)進行記錄和存儲以幫助追溯農(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)從單點智能走向全局智能
 

受實施成本和復雜度較高、供給側數(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)濟所展現(xiàn)出來的韌性讓企業(yè)更加重視工業(yè)智能的價值，加之數(shù)字技術的進步普及、新基建的投資拉動，這些因素將共同推動工業(yè)智能從單點智能快速躍遷到全局智能，特別是汽車、消費電子、品牌服飾、鋼鐵、水泥、化工等具備良好信息化基礎的制造業(yè)，貫穿供應鏈、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)的全局智能化應用將大規(guī)模涌現(xiàn)。

 

工業(yè)時代，機器人被視為制造業(yè)皇冠上的“明珠”。它在相當程度上釋放了人類的雙手雙腳，并讓生產(chǎn)運營效率達到一個新的高度。而邁入數(shù)字時代，云計算、大數(shù)據(jù)、AI等新一代信息技術與工業(yè)的結合，則進一步地解放了人類的大腦。在具有認知能力的機器的輔助下，決策可以更加精準和高效。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、以及新技術新產(chǎn)品大量涌現(xiàn)等因素的共同推動下，工業(yè)智能實現(xiàn)了快速發(fā)展。中國互聯(lián)網(wǎng)平臺已達300家左右，具有一定規(guī)模和影響力的平臺數(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)字孿生的實施成本和復雜度高、供給側數(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)智能的前進步伐。

 

未來幾年，工業(yè)智能將在多重利好推動下取得長足發(fā)展。首先是信息技術的進步和普及， 2019年中國云基礎架構投資首次超過傳統(tǒng)IT基礎架構投資，新舊技術間已經(jīng)實現(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時代的到來也將為物聯(lián)網(wǎng)拓展新的應用場景。其次，新冠疫情對工業(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)應對未來不確定性時的立足之本。最后，新型基礎設施建設為工業(yè)智能發(fā)展帶來了空前機遇。工業(yè)互聯(lián)網(wǎng)作為“新基建”的重要組成部分，將會迎來更好的政策環(huán)境和更大的投資力度，進而推動整個生態(tài)體系壯大完善。

 

如今，工業(yè)智能正從單點智能快速邁向全局智能，包括從復雜代碼編寫升級到低代碼的應用開發(fā)，從而降低企業(yè)的使用成本；從邊緣業(yè)務切入企業(yè)核心業(yè)務，從而擴大工業(yè)智能的應用范疇；從輔助決策升級到對生產(chǎn)系統(tǒng)的控制，從而擴展工業(yè)智能的應用場景；從單一業(yè)務方案升級到平臺化整體方案，從而提升工業(yè)智能的使用價值。預計在未來3年時間里，工業(yè)特別是汽車、消費電子、品牌服飾、鋼鐵、水泥、化工等具備良好信息化基礎的制造業(yè)，貫穿供應鏈、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)平臺白皮書（2019年）》

 

[2] 信息來源：IDC《全球云計算IT基礎設施市場預測報告》

 

  

 

在過去10年時間里，智慧城市借助數(shù)字化手段切實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“重建設輕運營”所導致的業(yè)務應用不足。在此背景下，城市管理者希望通過運營中心盤活數(shù)據(jù)資源、推動治理與服務的全局化、精細化和實時化。而AIoT技術的日漸成熟和普及、空間計算技術的進步，將進一步提升運營中心的智慧化水平，在數(shù)字孿生基礎上把城市作為統(tǒng)一巨系統(tǒng)并提供整體智慧治理能力，進而成為未來城市的數(shù)字基礎設施。

 

“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)化建設的重要抓手和實現(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”等諸多最佳實踐，既有效提升了政府的治理水平，也讓廣大市民切實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：許多智慧城市相關設施在防疫任務中陷入癱瘓——部分地方?jīng)]有應對人口流動調(diào)查的信息化系統(tǒng)，只能靠手工填表；而一些有軟件平臺的地區(qū)，也因各部門、地區(qū)的數(shù)據(jù)不互通導致系統(tǒng)一度形同虛設。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目沒有有效運營，導致最終只是堆砌了大量硬件，能夠?qū)嶋H運轉(zhuǎn)的業(yè)務則屈指可數(shù)。

 

面對這樣的情況，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際應用效果，并更加強調(diào)“運營”的理念。在這樣的市場風向變化下，把城市數(shù)據(jù)進行匯聚、交換和共享并在此基礎上進行智能決策的綜合管理服務平臺，也就是城市運營中心將逐漸興起。

 

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

 

智慧的城市運營中心能夠通過構建數(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)、政府數(shù)據(jù)、商業(yè)數(shù)據(jù)等，并通過空間計算技術，在時間和空間維度下立體呈現(xiàn)城市運轉(zhuǎn)的全貌，助力實現(xiàn)城市治理精細化。

 

智慧城市運營中心最重要的功能，是將城市作為一個有機整體進行治理。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，幫助政府更好地實現(xiàn)多目標平衡。智慧運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，進而推動其成為未來城市的數(shù)字基礎設施