中国人工智能报告（精选8篇）
智能制造是基于新一代信息技术，贯穿设计、生产、管理、服务等制造活动环节，具有信息深度自感知、智慧优化自决策、精准控制自执行等功能的先进制造过程、系统与模式的总称。简而言之，智能制造是由物联网系统支撑的智能产品、智能生产和智能服务。
智能制造已经成为全球价值链重构和国际分工格局调整背景下各国的重要选择。发达国家纷纷加大制造业回流力度，提升制造业在国民经济中的战略地位。亚洲作为制造业重要区域也在积极部署自动化、智能化。
一、突破与成长
亚洲正受到自动化、智能化大潮冲击。国际劳工组织（International Labour Organisation）调研发现，越南、柬埔寨、菲律宾和印度尼西亚的工人的失业风险最高，据估计这几个区域约50%的工人工作可能在未来20年被自动化取代。
亚洲作为制造业的重要区域，在面临制造业向自动化、智能化、数字化转型中，能否继续保持其竞争力？
毫无疑问，亚洲正在积极寻求突破。以人工智能为例，各国政府大力支持人工能，推动科技公司、初创公司和学术界的创新。2017年，韩国政府宣布了10亿美元的人工智能资金；日本鼓励人工智能创业公司和风险投资；新加坡政府的国家研究基金会宣布国家人工智能计划（AI.SG），计划未来五年投入1.5亿新加坡元（约1.07亿美元）发展人工智能。
除了政府的支持，亚洲企业更积极打破行业壁垒加快新产品开发。不同于欧美同类企业，中国领先企业间的合作屡见不鲜，一些知名范例包括：百度与小米在物联网与人工智能领域合作开发更多应用场景；腾讯与京东合作布局电子商务生态圈；印度系统集成商组成AI联盟（OpenAI）。这赋予它们惊人的影响力，也意味着它们拥有可用于快速推动创新的技术实力和资本基础。
中国是亚洲智能化转型的重要力量。政府加强智能制造顶层设计，开展试点示范和标准体系建设；企业加快数字化转型，提升系统解决方案能力。中国智能制造取得明显成效，进入高速成长期。
中国智能制造进入成长期主要体现在三方面：首先，中国工业企业数字化能力素质提升，为未来制造系统的分析预测和自适应奠定基础。第二、财务效益方面，智能制造对企业的利润贡献率明显提升。第三、典型应用方面，中国已成为工业机器人第一消费大国，需求增长强劲。
1.1数字化能力素质提升
企业数字化能力素质体现在其利用数据指导生产以及系统自优化的能力。我们借鉴国际普遍认可的工业4.0发展路径，将企业智能化成熟度分为六个阶段：计算机化、连接、可视、透明、预测和自适应。
① 计算机化：
企业通过计算机化高效处理重复性工作，并实现高精度、低成本制造。但不同的信息技术系统在企业内部独立运作，很多设备并不具备数字接口。② 连接：
相互关联的环节取代各自为政的信息技术。操作技术（OT）系统的各部分实现了连通性和互操作性，但是依旧未能达到IT层面和OT层面的完全整合 6。
③ 可视：
了解正在发生什么，通过现场总线和传感器等物联网技术，企业捕获大量的实时数据，建立起企业的“数字孪生”，从而改变以前基于人工经验的决策方式，转为基于数字进行决策。
④ 透明：
了解事件发生的原因，并通过根本原因分析生成认识。⑤ 预测：
将数字孪生投射到未来，模拟不同的情景对未来发展进行预测，并适时做出决策和采取适当措施。
⑥ 自适应：
预测能力只是自动化行为和决策的根本要求，而持续的自适应则使企业实现自主响应，以便其尽快适应变化的经营环境。
随着中国两化融合和工业物联网建设等多项举措推进，制造型企业数字化能力素质显著提升，大部分企业正致力于数据纵向集成。金准人工智能专家调研结果显示，81%的受访企业已完成计算机化阶段，其中41%处于连接阶段，28%处于可视阶段，9%处于透明阶段，而预测和自适应阶段的企业各自占2%。
1.2智能制造利润贡献显著提升
向工业4.0进阶为制造企业带来真实可见的效益。2013年金准人工智能专家曾调研全国200家制造型企业，结果显示中国企业智能制造处在初级阶段，且利润微薄。经过五年的快速发展，智能制造产品和服务的盈利能力显著提升。
2013年智能制造为企业带来的利润并不明显，55%的受访企业其智能制造产品和服务净利润贡献率处于0-10%的区间，而2017年，仅有11%的受访企业处于这个区间，而41%的企业其智能制造利润贡献率在11-30%之间。利润贡献率超过50%的企业，由2013年受访企业占比14%提升到2017年的33%。智能制造利润贡献率明显提升，利润来源包括生产过程中效率的提升和产品服务价值的提升。
1.3应用市场潜力
中国已连续六年为工业机器人第一消费大国。IFR(International Federationof Robotics)数据显示，中国工业机器人市场规模在2017年为42亿美元，全球占比27%，2020年将扩大到59亿美元。2018-2020年国内机器人销量将分别为16、19.5、23.8万台，未来3年CAGR达到22%。汽车、高端装备制造和电子电器行业依然为工业机器人的主要用户。
中国有哪些独特优势？首先是数据量。当前人工智能热潮背后的机器学习技术对数据极其依赖。识别人脸、翻译语言和试验无人驾驶汽车需要大量的“训练数据”。由于中国的人口数量和设备数量庞大，中国企业在获取数据方面具有天然的优势。第二，中国制造业企业硬件设备和厂房相对欧美企业普遍较新，比较容易实现设备连接和厂房改造。
二、智能制造部署重点
金准人工智能专家调查发现，中国工业企业智能制造五大部署重点依次为：数字化工厂（63%）、设备及用户价值深挖（62%）、工业物联网（48%）、重构商业模式（36%）以及人工智能（21%）。
访企业所关注的相关技术包括工业软件、传感器技术、通信技术、人工智能、物联网、大数据分析等。当然，我们不能简单认为有了这些技术，就是实现智能制造，因为新制造业文化的变革进程是相当复杂和缓慢的，没有行业、企业与用户的融合推进，这次变革无法实现。
2.1 数字化工厂
智能制造是以制造环节的智能化为核心，以端到端数据流为基础，以数字作为核心驱动力，因此数字化工厂被企业列为智能制造部署的首要任务。目前企业数字化工厂部署以打通生产到执行的数据流为主要任务，而产品数据流和供应链数据流提升空间大。
数字化工厂通过新一代信息技术，实现从设计、生产、物流和服务等各个环节的数据串连，加速决策，提高准确性。只有打通数据流才能实现基于实时数据变化，对生产过程进行分析和优化处理，进而实现业务流程、工艺流程和资金流程的协同，以及生产资源（材料、能源等）在企业内部及企业之间的动态配置。打通数据流也是工厂建立“数字孪生”的前提，数字孪生不仅指产品的数字化，也包含工厂本身和工艺流程及设备的数字化，从而实现全面追溯、物理与虚拟双向共享和交互信息。打通数据流主要包括三类数据的连通，即生产流程数据、产品数据以及供应链数据。2.1.1生产流程数据 打通生产流程数据除了从生产计划到执行的数据流(如ERP到MES)，还包括MES与控制设备和监视设备之间的数据流，现场设备与控制设备之间的数据流，以及MES与现场设备之间的数据流等。
2.1.2产品数据流
打通产品数据流主要体现在产品全生命周期数字一体化和产品全生命周期可追溯。产品全生命周期数字一体化以缩短研发周期为核心，主要应用基于模型定义（MBD）技术进行产品研发、建设产品全生命周期管理系统(PLM)等。研发是数字化工厂“数据链条”的起点，研发环节产生的数据将在工厂的各个系统间实时传递，数据的同步更新避免了传统制造企业经常出现的由于沟通不畅产生的差错，也使得工厂的效率大大提升，缩短产品研制周期。产品全生命周期可追溯以提升产品质量管控为核心。
主要应用是让产品在全生命周期具有唯一标识，应用传感器、智能仪器仪表、工控系统等自动采集质量管理所需要数据，通过MES系统开展在线质量检测和预警等。2.1.3供应链数据流
打通供应链数据流主要体现在供应链上下游协同优化，实现网络协同制造。主要应用是建设跨企业制造资源协同平台，实现企业间研发、管理和服务系统的集成和对接，为接入企业提供研发设计、运营管理、数据分析、知识管理、信息安全等服务，开展制造服务和资源的动态分析和柔性配置。
金准人工智能专家调研结果显示，目前企业致力于打通从ERP到MES乃至现场设备的数据流，但这也仅是从生产到执行的打通，未来还需将产品数据、供应链数据串联。我们们将生产数据流分为两个环节：
一、打通生产计划与执行系统的数据流；
二、执行与监控和现场设备的数据流。结果显示，83%的受访企业表示已打通ERP和MES的数据流打通。62% 的企业继续向下打通MES到现场设备的数据流。但仅有47%的企业打通了产品数据流，44%的企业打通供应链数据流（图2.4）。而且考虑到我们调查的企业均为资质较好且为中等以上规模，这一系列比率显然高于中国整体平均水平。
从行业角度来看，航空航天领域全部受访企业已经打通从生产计划到执行的数据，但从生产执行到现场设备、产品以及供应链的数据链条连通相对滞后，提升空间大。电子组件及电器制造行业产品数据流和供应链数据流连通情况高于其他行业，数字化工厂整体水平较高。产品质量可谓是制药行业的生命，而打通产品数据流的制药企业仅占33%，行业需要强化产品全生命周期可追溯，提升产品质量管控能力。汽车及汽车零部件以及高端装备制造都在产品数据流方面领先（图2.5）。
未来数字世界和现实世界会是一体两面，打通数据流也是数字孪生（digital twin）操作的基础。金准人工智能专家认为数字孪生是物理实体或流程的准实时数字化镜像，有助于企业绩效提升。数字孪生往往包含“数字产品孪生”、“生产工艺流程数字孪生”和“设备数字孪生”不同层面但可以高度集中统一的数据模型。
数字产品孪生领域，特斯拉公司为其生产和销售的每一辆电动汽车都建立数字孪生模型，相对应的模型数据都保存在公司数据库。每辆电动车每天报告其日常经验，并通过数字孪生的模拟程序使用这些数据来发现可能的异常情况并提供纠正措施。通过数字孪生模拟，特斯拉每天可获得相当于160万英里的驾驶体验，并在不断的学习过程中反馈给每辆车。生产流程数字孪生领域，一些嗅觉敏锐的工厂及生产线开始引入数字孪生，在建造之前，对工厂进行仿真和模拟，虚拟出建造工厂的最佳流程，再将真实参数传给实际的工厂建设，有效减少误差和风险。待厂房和生产线建成之后，日常的运行和维护通过数字孪生进行交互，能够迅速找出问题所在，提高工作效率。Gartner对美国、德国、中国与日本的202位企业的调查发现，到2020年，至少50%年收入超过50亿美元的制造商将为其产品或资产启动至少一项数字孪生项目，届时参与使用数字孪生技术的企业数量将增长3倍。预计在今后数年时间，将有数以亿计的用户使用数字孪生操作，它将被企业用于规划设备服务、生产线操作、预测设备故障、提高操作效率、加速新产品开发等。在未来，这项技术有望与工业生产彻底融合，推动智能工业进入新阶段。如何创建数字孪生？金准人工智能专家认为数字孪生的创建包含两个主要关注领域：
一是设计数字孪生的流程和产品生命周期的数据要求—— 从资产的设计到资产在真实世界中的现场使用和维护；
二是创建使能技术，整合真实资产及其数字孪生，使传感器数据与企业核心系统中的运营和交易信息实现实时流动。
2.2 设备和用户价值深度挖掘
制造型企业面临愈发激烈的市场竞争和日益透明的产品定价，不得不寻找新的价值来源。金准人工智能专家智能制造调研结果显示，设备和用户价值深度挖掘是企业智能制造部署第二重点领域。62%的受访企业正积极部署设备和用户价值深度挖掘，其中41%的企业侧重设备价值挖掘，21%的企业侧重用户价值挖掘。
围绕设备进行价值挖掘可以说是制造型企业的天性。如在研发设计阶段，嵌入新技术，生产更智能或更多样化的产品；在销售阶段，提供设备相关金融服务；在售后阶段，对出厂设备和产品进行实时数据采集和监控，并进行性能分析、预测性维护等，既提升安全性，也为企业创造更多服务机会。
虽然起步较晚，制造型企业也在探索和尝试对用户价值进行深度挖掘，其中以C2M(customer-to-manufactory，客户到制造)最受瞩目。C2M体现了定制化生产的特性，使制造商直接面对用户，以满足用户个性化需求；同时通过减少中间环节降低成本、提升效率。红领集团通过打造C2M电商平台、柔性供应能力和大数据能力实现了大规模定制化。顾客可以在其C2M电商平台选择款式、工艺、材料并下单。平台快速收集顾客分散、个性化需求数据的同时，大数据和云计算技术按客户需求匹配产品数据模型，其款式数据和工艺数据能满足超过百万万亿种设计组合，覆盖99.9%的个性化设计需求。当版型确定后，系统自动生成工艺数据，工艺数据发送至工厂，工厂进行生产交付。整个流程从下订单到产品出厂仅需7个工作日，并做到按需生产、零库存、一人一版、一衣一款。
阿里巴巴的“淘工厂”集结上万家工厂，将电商买家订单与制造厂商产能进行对接，把柔性产能档期联网，解决电商买家有订单无工厂，制造企业有产能无订单的结症。
2.3 工业物联网
智能制造要求制造系统具备感知、分析、决策和执行的能力，而这些能力的核心均涉及物联网相关技术，如面向感知的物联技术（传感器、RFID、芯片）、面向分析的工业大数据分析和面向决策及服务的应用平台。
金准人工智能专家调研结果显示，目前中国制造企业物联网应用以感知为重点，分析和服务交融将是未来物联网建设重点。受访企业普遍建立系统以传感器采集动态数据，但数据分析和平台应用相对滞后。从行业应用来看，电子及电器行业传感器和平台应用最为普及，76%的受访企业利用传感器采集数据，43%的企业利用物联网平台，但仅有33%的企业采用大数据技术分析所采集的数据。汽车及零部件制造行业传感器技术应用也有较高普及率达73%，但大数据和平台应用低于其他受访行业。制药行业大数据技术利用最为积极，因为医药行业早已面临海量数据和非结构化数据挑战（图2.6）。
感知仅是物联网应用的初级阶段，以数据洞察指导行动，从而提高效率，或者与服务交融创造新价值，才是物联网的核心。云平台通过提供强大的数据传输、存储和处理能力，帮助制造企业采集和处理大量数据。工业云平台不仅能够实现企业通过平台完成产品的设计、工艺、制造、采购、营销等环节，还将改变传统生产方式和制造生态，创造新的收入来源和商业模式。中国制造企业云部署现状如何？
金准人工智能专家调研发现，中国制造企业云部署积极性不高。53%的受访制造企业尚未部署工业云，47%的企业正在进行工业云部署，其中27%的企业部署私有云，14%部署公有云，6%部署混合云（图2.7）。上云可以大幅降低每个单元的储存和计算成本，甚至通过跨界创造新的商业模式，但也带来了复杂性。企业担心一旦将诸如工厂生产过程、资产性能管理的数据放到云平台上之后，信息安全、知识产权问题会接踵而至。除此之外，很多企业尚未明确工业云在企业层面的商业应用和相关能力欠缺也是导致企业云部署积极性不高的原因。
对于选择公有云还是私有云，很大程度取决于企业的关注点不同。如果企业只是聚焦自己的生产制造，降本增效，往往不会选择公有云；如果企业聚焦商业模式创新和产品转型，则会天然的更倾向于选择公有云或混合云，因为往往涉及服务平台，需要做到一定程度上的兼容和融合。由于目前国内比较常见的工业云的部署以云的基础功能为主，企业把云看作虚拟服务器，在云上做存储、计算，只有少数企业通过云部署改变生产方式和制造生态，进行公有云和混合云部署的企业仍为少数。
金准人工智能专家认为物联网在智能制造领域的应用场景主要分为三类：设备与资产管理、产品洞察和服务创新。2.3.1设备与资产管理
具备感测与联网功能的系统与大数据结合，可以实现设备的监控和管理，如远程监控、预测性维护和互联现场等。远程监控以物联网替代传统的人工巡检机制，通过传感器远距离将设备数据传输到运营中心。预测性维护打破传统工厂按计划进行定期维护设备的运营方式，通过物联网对设备整个生命周期进行全程监控，并预测设备未来可能发生的故障，提前制定预防性维护计划，减少故障率并提高生产效率。物联网还可以连接和监控厂房的工业装置和设备，获得有见解的分析，从而帮助跨工业设备、生产线以及在整个工厂范围内优化性能和效率。当然，除了新厂房，老厂房和设备在没有更新换代之前，也有联网监控的需要，如何在现有设备上进行物联网改造是值得企业关注的问题。2.3.2产品洞察
制造企业往往不太了解自己的产品如何被使用，而物联网将改变这一现状。在产品投入使用后，制造厂商可以通过物联网与产品建立并保持联系，收集动态数据，以更加系统的方式实时地持续地分析产品使用情况。在了解客户对产品的使用方式后，厂商还可以基于数据预测客户需求，开发个性化产品和新的服务项目，提高产品附加值。2.3.3服务创新
基于数据和平台提供后市场服务，物联网与服务交融实现商业模式创新。物联网协助制造企业更有效捕捉和预测市场需求，创造动态化、个性化的智能服务、咨询服务、数据服务、物联网金融与保险等新的服务种类。这类应用将打破企业原来的边界，从全社会的维度思考制造资源的优化，客户和制造端的互动以及各种商业模式的创新。企业需要评估自身业务需要，明确商业目标、相关流程和预期结果的范围，在考虑技术可扩展性、性能、带宽经济和技术创新等级后，才能对数据和物联网系统的处理架构做出明智的选择。
2.4 重构未来商业模式
智能制造不仅能够帮助制造型企业实现降本增效，也赋予企业重新思考价值定位和重构商业模式的契机。同时，新进入者也在不断挑战传统市场参与者的地位，众多技术型企业加入战场推动工业企业探索商业模式上的创新。金准人工智能专家调研发现企业对未来商业模式的规划大致呈四类：30%的受访企业未来商业模式将以平台为核心，26%的企业走规模化定制模式，24%以“产品+服务”为核心向解决方案商转型，12%以知识产权为核心（图2.8）。平台型商业模式定位以提供多种软件服务和搭建生态系统为核心，未来可能不会出现类似BAT这样的行业巨头，但不乏垂直行业领军企业或平台。
规模化定制模式，如C2M已经不局限于服装制造，而延伸到汽车和装备制造等行业。“产品+服务”为核心旨在围绕客户需求提供解决方案，是目前很多企业在做的。以知识产权为核心的企业往往通过专利战略，形成技术壁垒占领市场。
不同商业模式的价值定位和价值创造方式不同，所面临的挑战也不尽相同（图2.9）。企业需要持续审视自己的商业模式，通过评估自身运营情况进行适当地改善并定期评估其他商业模式是否具有可行性。
2.5 人工智能
人工智能对制造业的影响主要来自两方面： 一是在制造和管理流程中运用人工智能提高产品质量和生产效率；二是对现有产品与服务的彻底颠覆。
随着国内制造业自动化程度提高，机器人在制造过程和管理流程中的应用日益广泛，而人工智能更进一步赋予机器人自我学习能力。结合数据管理，导入自动化设备及相关设备的联网，机器人通过机器学习分析，可以实现生产线的精准配合，并更准确的预测和实时检测生产问题。人工智能在制造业产品和服务领域的应用则更具有颠覆性。产品本身就是人工智能的载体，硬件与各类软件结合具备感知、判断的能力并实时与用户、环境互动。而产品的功能和服务，也将颠覆原有生态系统。以汽车产业为例，传统汽车行业的竞争格局是金字塔型——整车厂处于顶端，各级别供应商跟随其后。但是在智能汽车时代，整车厂的主导地位将受到严峻挑战，零部件厂商、互联网巨头、算法公司、芯片制造商、传感器供应商等企业无不加快对无人驾驶技术的研发和商业化步伐，并期望通过占据技术制高点打破汽车产业的生态平衡。
中国制造企业人工智能应用情况如何？金准人工智能专家智能制造调研发现，51%的受访企业在制造和管理流程中运用人工智能，46%的受访企业在产品和服务领域已经或计划部署人工智能（图2.10）。制造和管理流程中人工智能的运用更偏向系统自动化和制造精益化，目的是提高生产效率和产品质量，同时人也被解放出来，可以去思考更复杂的问题。主要应用场景包括使用机器人实现流程自动化、柔性制造、定制化生产、质量检测等。在产品和服务领域人工智能的运用更侧重产品和服务与使用者的互动，典型应用包括研发和新品测试、用户行为分析、自动驾驶等。
当然人工智能仍处在其发展早期，技术突破及商业论证需要更长时间。另外，人工智能应用环境和基础设施的完善程度，信息和安全法规、企业自身的能力都成为企业面临的主要挑战。我们发现，对于尚未部署人工智能的制造企业来说，缺乏投资人工智能的商业论证、尚不具备建立和支持人工智能的系统能力、尚不明确部署人工智能的前提为主要挑战（图2.11）。
人工智能正迅速渗透各行各业。汽车及汽车零部件制造、高端装备制造、电子及电器制造三个行业在制造流程中采用机器人的比例过半。汽车及零部件制造行业使用机器人的企业比例达到80%，预示未来工业机器人的市场增量将主要来自非汽车行业。在产品和服务领域已经或计划部署人工智能的行业分布比较均匀，高端装备制造和制药比例较高，但其他行业如新材料、汽车及零部件、航空航天、电子及电器也正在或计划部署人工智能。
行业对人工智能的理解已随着算法、技术和应用的发展，越来越加深。对于企业而言，应跳出人工智能仅是“机器换人”的既定思维，在精益制造、产品质量、用户体验等多方面进行部署。
三、跨越能力鸿沟
重构商业模式是一项复杂艰巨的任务，我们请企业就实现构想中的商业模式所面临的能力鸿沟进行打分，综合来看，商业模式优化、创新管理以及云部署为企业能力建设三大关键任务，金准人工智能专家建议分别从以下几个方面入手提升能力：
3.1商业模式优化
优化商业模式可能仅需要改变或改进目前模式中部分元素，也可能涉及改变整体运营模式的重大转型。在过去的15年里，由于技术、通信、物流和交通等方面的迅速进步，整体运营模式的重大转型已更为常见。企业需要运用行之有效的方法和工具，从以下工作流程各环节入手优化商业模式：
① 企业转型整编：
优化现有商业模式，包括从原材料采购到产品销售过程所涉及的一切环节，挖掘可以整体改动或局部改进的待优化环节，以支持新的商业模式。
② 重新配置信息技术系统：
企业需要探索、设计与实施基础设施及信息技术系统的改进。③ 重新调配人员： 人尽其用是企业转型可持续性的关键之一。重新调配人员侧重于设计和实施人员调度，以支持新商业模式，并实现从原有模式到新模式的顺利过渡。该环节还包括制定新的关键绩效指标及汇报关系以支持新商业模式。
④ 重组法律、财务及税务架构：
商业模式优化方案的设计和实施通常涉及许多复杂的法律实体及税务架构上的改变。企业管理团队需要分析不同方式的利与弊。如新商业模式下所得税和转让定价事项有何变化，增值税和关税对新商业模式可能产生的影响。
3.2创新管理
创新管理的目标包括优化创新产品管理、优化生命周期成本、优化资本使用效率和优化风险管理。
① 优化创新产品管理：
建立统一的产品管理体系（包括有形的产品和服务），优化决策流程，提高决策效率 ② 优化生命周期成本：
通过产品生命周期的最优化运作，优化产品投资成本和运营成本 ③ 优化资本使用效率：
通过监控、评估和KPI管理，优化产品管理、提升资本使用效率 ④ 优化风险管理：
有效管理创新过程中的市场风险和数据安全风险等诸多风险值得注意的是，单纯的产品创新管理并不能令企业长久保持竞争优势。如今，几乎所有产品类别都处于激烈的竞争之中，任何新产品的任何独特优势都会被快速吞噬。组合多种创新类型可以帮助公司拥有更好的财务回报。虽然不能把这些公司的绩效全部归功于创新，但创新有助于提升一家公司的机制，包括投资者对它未来的预期。3.3云部署
仅仅把数据和应用转移到云上是远远不够的，大多数情况，上云会牵涉多个业务功能，影响企业的供应商、财务报表和客户，企业需要长远规划，分步执行。企业还需要充分考虑人力资源和数字化程度如何与云部署配合。
① 规划：
审视企业现有商业模式并探讨是否有其他可行的商业模式，根据商业模式制定云部署战略，进行商业论证和自身能力评估。
② 执行：
执行阶段可以分四步走，第一步是SaaS部署，包括ERP，CRM，人力资源转型和其他软件部署；第二步是个性化部署，包括应用开发、架构搭建和平台部署；第三步为云迁移，其间可能需要对应用软件进行更新和调整。第四步为引入大数据分析平台。
总结
在撰写《中国智能建筑行业发展报告》(2013～2018)的时候,在回顾辉煌成果的时候,我们更多的是一种忧患感。放眼智能建筑市场,虽然所有的建筑都要求智能,但智能建筑的工程之路似乎越走越窄。中国土地经济突飞猛进的发展,使得中国智能建筑行业成为了全球之最。然而,近年来,“用工荒”频频出现,劳工工资不断上涨,再加上宏观经济不景气以及市场的不规范,集成商的利润被削成刀片一样。特别是那些劳动密集型的智能化施工企业面临着前所未有的压力。社会舆论对智能建筑、智能家居运行效果的不满也越来越明显。全社会对智能建筑的热情和信心因此而大幅减退。在新形势下,如何提高智能建筑工程质量、降低智能建筑整体运营成本,以及适应对高效、环保和低碳节能的需求,响应整个社会对智慧城市越来越广泛的关注,智能建筑行业必须作出自己的应对。
放眼智能建筑工程实例,智能建筑行业的危机集中表现在缺乏工程质量、不讲投资效益、软件意识薄弱三大方面。智能建筑二十年来已经从早期的宣传、推广阶段,进入到成熟的新时代。早期的宣传推广阶段依赖于政策主导、业主决策的后计划经济模式,依靠行政力量扩大规模。新时代的特征就在于不再能靠轰轰烈烈的规模吃饭,而必须依靠踏实深入的质量和功效来拓展市场。对此转折关头我们是否已经有所认识?我们是否已经做好了转型和应对的充分准备?
《中国智能建筑行业发展报告》(2013～2018)提出的处方是“回归建筑”。在宣传智能建筑的早期,强调“智能”是必要的,便于弄清楚传统建筑与智能建筑的差别,有利于说明智能建筑“做什么”、“怎么做”的工程内容。今天,智能建筑的技术体系、工程内容基本清楚,为保证工程质量与功效,必须让“智能”回归“建筑”。
“回归建筑”,就是从根本上消除“智能化系统”与“建筑”各管各、两张皮的问题。智能化与建筑所有相关专业、工种在各个具体功能区的集成,是更加基础的系统集成,是智能建筑工程取得实效的关键。
缺乏科学、合理的智能建筑工程综合效能的检测评估指标体系,是影响智能建筑行业发展的另一个重要原因。在工程管理上把智能建筑工程质量局限于一个个分立的单一专业的施工质量,这种孤立管理的模式导致了智能建筑工程监理、检测、验收的缺位。“回归建筑”,智能建筑的检测评估必须是“建筑、设备、智能化三位一体”。智能建筑是一个复杂的系统工程。专业技术质量和技术内容不等于工程质量。智能化产品质量和安装质量也不等于工程质量。现有的涉及智能建筑工程的检测、评估的标准,全都囿于单个专业工种的设计施工质量。建筑、设备、智能化各个专业工种独自尽职尽责地工作,并不能保证最终的智能建筑的整体运行功能。一个科学、合理,并能够被广大社会公众所接受与认可的智能建筑工程检测、评估标准,必须从建筑的整体应用功能和综合运行效果的角度确定相应的质量指标体系;必须按照系统工程的理念综合建筑、设备、智能化和应用需求等各方面因素。特别是从投资者和使用者的角度确定智能建筑工程的质量检测标准,而决不可局限在集成商自身的专业施工范围。
再有,“回归建筑”就需要对智能建筑的全生命周期负责。特别是在设计、施工中时刻牢记运行、维护阶段物业部门、专业维修单位的需要。从智能建筑的整体综合功效出发,使智能建筑走上实用、有效、可维护的轨道。
2 智能家居怎样走出窘境
十五年来,智能家居叫座而不卖座。智能家居的窘境长期以来被房产市场的热销所掩盖,房产商也时不时以此作为高房价的买点。然而,消费者却一直不买帐。在以往的“智能家居”工程中,虽然也有着像对讲门禁这样被广泛应用的有效系统,但是更多的智能化设施却遭到用户的冷落。人们担心,随着房产市场的波动,智能家居会不会也成为一个“弃儿”?
智能家居不落好的现状如何改变?在建筑市场即将从规模化转入常态化的时候,智能家居怎样走出窘境?这是我们建筑行业必须认真对待的大问题。
十五年前,智能家居刚刚提起的时候,曾经有过短时间的智能家居究竟是“锦上添花”还是“雪中送炭”的讨论。当初先是从所谓的高档住宅开始增加智能化设施。但是,随着房产市场出乎人们意料的井喷现象和高扬直升的房价,智能化设施的建设费用被淹没在房价涨价声中。我们来不及细细咀嚼智能家居的定位问题,导致了今天智能家居的严重消化不良。
锦上添花,走的是时尚之路。雪中送炭则是针对着生活的必需。那么智能家居究竟是为了什么?仅仅是为了把生活环境提高一个层次?让大众的生活向富豪们靠拢?显然,答案是否定的。智能家居是生活方式改变的需要,是社会发展的需要,是节约资源的需要,是提高生活质量的需要。上一个世纪,无法想象一个家庭没有电力照明;当代社会则无法想象一个家庭没有信息网络和电视、没有上下水和垃圾处理。生活方式的变化、社会组织的发展、生存观念的改变,必然要求人们的生活环境随之改变和提高,家居用品和设施也自然会改变与增加。能够适应今天的衣食住行方式、能够适应而今信息化时代和绿色生活的家居必然是一个具备了智能的“智能家居”,不论其中住着的是白领或者蓝领、是穷人还是富豪、是身强力壮还是老弱病残。换句话说,无论是高档住宅、别墅,或者平房、排楼,甚至简陋的草屋板房,今天都应该设计、建设成为智能家居。智能家居是今天时代的要求,是当代生活方式的需要。所以,智能家居应当面向大众。
目前的“智能家居”工程设计大多集中在消费和休闲方面,这两部分与网上购物、音视频的信息化应用比较成熟和普遍有关。然而,成熟的技术不等于有效的应用。成熟有效的应用,必须与社会组织融合,必须结合社会体制、社会生态、社会资源。不分场合、不顾现实条件的工程产品是没有生命力的。恐怕我们还记得,洗衣机在没有电的小山村用来盛放大米的历史故事。
智能家居不是建设在桃花源里,不知晋魏。今天还是商品社会,任何交易的自愿选择和可靠结算是成交的两个前提。那些智能冰箱所自动补充来的食物真是你所需要和承担得了的吗?
产销对路。智能家居要走出窘境,必须面向大众生活的共同需要,面向社会组织的共同要求。当前应该从社会和生活所迫切需要的食品安全、垃圾处理、家居养老等生存安全着手。财产监管、消费购物、休闲娱乐只能是一个兼顾的方面。能够实现和发展的智能家居一定要综合住宅内与住宅外的社会条件,符合人们自主的生活模式。
3 智慧城市的重新审视
人工智能（Artificial Intelligence），英文縮写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是对人的意识、思维的信息过程的模拟。人工智能不是人的智能，但能像人那样思考、而且从目前趋势来说，可能会超过人的智能。总的说来，人工智能研究的一个主要目标是使机器能够胜任一些通常需要人类智能才能完成的复杂工作。但不同的时代、不同的人对这种“复杂工作”的理解大为不同。2015年以及可见的未来，人工智能将会前所未有地渗透到社会的各个层面。
变革的边缘
过去几个月，有关人工智能的新闻越来越多。最容易让大家习以为常的人工智能应用，是专业媒体尝试由机器自动写作股票投资报告，而对冲基金则争取让机器人取代股票分析师，在资本市场中寻求最佳的投资组合，以提升公司的投资效益。
据了解，很多投资机构都在运用人工智能进行证券投资。这些人工智能系统构建了学习机制和知识库，因此具备了一定的学习、推理以及决策的能力。这样一来，传统的投资策略生产模式将被颠覆，大部分分析师的工作可以被智能代理取代甚至可能做得更好。
事实上，用电脑代替人脑进行思考判断、在股市下单，这个想法早已有之。1980年代的华尔街就已经不断有机构尝试。只是那时候的交易设计比较幼稚简单，所以效果不佳。1987年股灾，原因之一就是各家机构的交易系统因为技术指标转坏，触发了集体的抛出指令而引发的连锁反应。而今天的硬件设施与软件系统已经比30年前突飞猛进，连投资这样高风险的业务都可以让人工智能来完成，在传统制造业与服务业方面，人工智能可以做的的事情就更多。随着近几年大数据技术和机器学习技术的广泛应用，人工智能已经具备了超越设计开发者的认知和视野的能力，它们可以“贡献”新的认知，它不仅会执行指令，还能自己想出很多主意，这就是今天的人工智能比起以往时代的机器人都要能干与可怕之处。
当然，与人工智能有关的不一定都是好消息。道高一尺魔高一丈。科学家史蒂芬·霍金、世界首富比尔·盖茨等人都提出警告，他们认为今天的人类正站在人工智能变革的边缘，这次变革将和人类的出现意义一样重大，而人工智能将来有可能成为毁灭人类的力量。这种担心不无道理。许多科幻小说里面都有提到过类似的情节——一台或者一批自我学习能力极强，与人类比起来，几乎不会犯错的电脑，最后成为终极的大BOSS，要操纵人类社会。不过，在这一切发生之前，我们优先考虑的还是如何利用人工智能产业化，实现对社会的正向价值。
中国的机会
产业趋势方面，手机等移动终端的竞争已经到了白热化，成为最深颜色的红海。即使是一直领先的苹果公司，优势也没有以前那么明显。有人预言，当苹果出到8s版本的时候，就已经不会再有传统意义上的手机了。可穿戴设备的研发与投资很多，这类产品，原本是可以解放人类的双手与十指，有足够想象空间，但是几年来，这个行业的实践者，始终没有推出真正打动用户的杀手级产品。
在用户体验方面，并没有出现极致快感的产品。同时，留给可穿戴设备的时间已经不多了。因为随着人工智能的发展，未来很可能会出现更加微型的设备，甚至可以直接植入人的身体。就像一台智能手机，代替了MP3、相机、录像设备与电话，未来高度的人工智能产品，很可能收割之前各项数码产品的光荣。
也就是说，人工智能，将会出现数万亿美元的大市场。所谓的移动互联网时代，比起传统PC互联网时代的市场规模要大10倍，而移动互联网的真正全面铺开，将不仅仅是手机或者可穿戴设备，而更多是由各种形式的人工智能产品来实现。
在人工智能这个范畴，中国并不缺席。文献记载中，最早关于机器人的记录出自《列子·汤问》，其中的周穆王见到的巧匠偃师制造的“木甲艺伶”就是这样一个。至于诸葛亮的木牛流马与唐朝的木头仕女的传说，也可见先民们对于人工智能的美好想象。今天在人工智能方面，中国整体的进展不算落后，不缺突出的单个项目与国际水准的优秀人才，但是往往陷入各自为战与分割推进，效率低，成果少，概而言之，真正缺乏的是人工智能领域的整合与布局。
【出版日期】2017年4月 【报告编号】19562 【交付方式】Email电子版/特快专递
【价
格】纸介版：7000元
电子版：7200元
纸介+电子：7500元
▄ 报告目录
第一章 智能汽车（智能网联汽车）基本概述 第一节、智能汽车相关概念
一、车联网的概念
二、互联网汽车概念
三、智能汽车的概念
四、无人驾驶汽车概念 第二节、智能汽车体系架构
一、智能汽车的构造
二、智能汽车产业链
三、智能汽车功能结构
第二章 2015-2017年智能汽车（智能网联汽车）行业发展分析 第一节、智能汽车发展综述
一、行业生命周期
二、行业发展层次
三、行业开发模式
四、发展核心分析
第二节、2015-2017年智能汽车发展态势
一、行业标准制定
二、行业发展成果
三、人工智能形态
四、行业实现路径
第三节、智能汽车发展路线分析
一、自上而下的跨越模式——谷歌
二、自下而上的渐进模式——丰田
三、对比分析
第四节、2015-2017年智能汽车电子发展态势
一、定义及分类
二、细分市场周期
三、行业发展规模
四、行业渗透分析
第五节、智能汽车发展存在问题及对策
一、法规建设问题
二、行业存在挑战
三、行业发展对策
四、行业政策建议
第三章 2015-2017年智能汽车（智能网联汽车）市场分析 第一节、2015-2017年全球智能汽车市场竞争分析
一、竞争水平比较
二、市场竞争格局
三、专业水平比较
四、市场发展潜力
第二节、智能汽车行业市场需求分析
一、交通安全引发需求
二、经济效益需求分析
三、经济型消费者需求
四、市场需求空间广阔 第三节、智能汽车商业模式分析
一、数据和受众整合者
二、数字化服务提供商
三、数字化衍生品提供商
四、数字化推动者
第四章 2015-2017年无人驾驶汽车发展分析 第一节、2015-2017年无人驾驶发展综况
一、行业发展进程
二、市场竞争格局
三、市场竞争态势
四、安全问题分析
第二节、无人驾驶关键技术分析
一、技术研究阶段
二、环境感知技术
三、路径规划技术
四、定位导航技术
五、运动控制技术
第三节、中国无人驾驶技术发展阶段分析
一、独立研发阶段
二、校企合作阶段
三、商业化发展阶段
第四节、无人驾驶产业化发展路线
一、商用车应用
二、乘用车应用
三、双驾双控并存
第五节、无人驾驶产业化效益分析
一、出行更安全高效
二、交通指示智能化
三、推动汽车保险发展
四、推动车辆共享发展
第五章 2015-2017年智能汽车（智能网联汽车）细分市场发展分析 第一节、高级驾驶辅助系统（ADAS）发展综况
一、系统组成介绍
二、功能模块分析
三、市场驱动因素
四、市场竞争格局
五、市场规模预测
第二节、车联网（车载信息系统）发展态势
一、产业链分析
二、商业模式分析
三、行业需求分析
四、行业市场规模
五、行业渗透率分析
第三节、胎压监测系统（TPMS）发展情况
一、系统基本介绍
二、行业发展政策
三、行业发展态势
四、行业发展机遇
第四节、其他系统发展分析
一、车身控制系统
二、车载电子系统
三、定位导航系统
四、智能汽车连接器
第六章 2015-2017年智能汽车（智能网联汽车）行业技术基础分析 第一节、物联网
一、全球物联网产业发展状况
二、中国物联网产业发展规模
三、物联网技术创新与进展
四、物联网在智能交通领域应用
五、物联网在智能汽车中的应用 第二节、云计算
一、云计算关键技术
二、云计算应用模式
三、云计算发展态势
四、云计算推动产业变革
五、云计算推动智能汽车发展 第三节、大数据
一、大数据的技术框架
二、大数据主要应用领域
三、大数据是智能汽车的基础
四、大数据在智能汽车中的应用 第四节、人工智能
一、人工智能技术发展突破
二、人工智能发展阶段分析
三、人工智能是智能汽车核心
四、人工智能助力无人驾驶
五、人工智能生态格局展望
第七章 2015-2017年智能汽车（智能网联汽车）领域汽车厂商经营分析 第一节、戴姆勒公司
一、企业发展概况
二、企业经营效益
三、智能汽车布局
四、企业发展战略 第二节、通用汽车公司
一、企业发展概况
二、企业经营效益
三、智能汽车布局
四、企业发展战略 第三节、特斯拉汽车公司
一、企业发展概况
二、企业经营效益
三、智能汽车布局
四、企业发展战略 第四节、一汽集团
一、企业发展概况
二、企业经营效益
三、智能汽车布局
四、未来前景展望 第五节、上汽集团
一、企业发展概况
二、企业经营效益
三、智能汽车布局
四、未来前景展望
第六节、长安汽车
一、企业发展概况
二、企业经营效益
三、智能汽车布局
四、未来前景展望
第八章 2015-2017年智能汽车（智能网联汽车）领域互联网企业经营分析 第一节、谷歌
一、企业发展概况
二、企业经营效益
三、智能汽车布局
四、产品发展路线
五、企业发展战略 第二节、苹果
一、企业发展概况
二、企业经营效益
三、智能汽车布局
四、产品发展路线
五、企业发展战略 第三节、百度
一、企业发展概况
二、企业经营效益
三、智能汽车布局
四、未来前景展望 第四节、乐视
一、企业发展概况
二、企业经营效益
三、智能汽车布局
四、未来前景展望
第九章 2018-2022年智能汽车（智能网联汽车）行业投资分析及前景趋势展望
第一节、智能汽车投资机会分析
一、行业并购分析
二、政策扶持机遇
三、汽车电子机遇
四、车联网投资机遇
第二节、智能汽车投资风险预警
一、经济风险
二、政策风险
三、技术风险
第三节、智能汽车行业前景展望
一、行业市场前景预测
二、功能领域发展潜力
三、行业发展机遇分析 第四节、智能汽车行业发展趋势
一、智能汽车发展趋势
二、无人驾驶发展预测
三、行业未来发展主题
第十章 智能汽车（智能网联汽车）行业相关政策解读 第一节、全球相关政策解读
一、美国
二、日本
三、英国
四、德国
第二节、汽车十三五规划解读
一、发展形势
二、发展原则
三、发展目标
四、发展措施
第三节、《中国制造2025》智能汽车行业相关解读
一、发展需求
二、发展目标
三、发展重点
四、具体措施
第四节、智能汽车试点政策解读
一、智能制造试点政策
二、智能汽车试点范围
三、智能汽车试点建设
第五节、《互联网+人工智能三年行动实施方案》相关政策解读
一、发展思路与目标
二、推进智能汽车发展
三、发展具体保障措施
第六节、重点车企十三五规划解读 一、一汽集团
二、东风汽车
三、上汽集团
四、长安汽车
五、北汽集团
▄ 公司简介
中宏经略是一家专业的产业经济研究与产业战略咨询机构。成立多年来，我们一直聚焦在“产业研究”领域，是一家既有深厚的产业研究背景，又只专注于产业咨询的专业公司。我们针对企业单位、政府组织和金融机构，提供产业研究、产业规划、投资分析、项目可行性评估、商业计划书、市场调研、IPO咨询、商业数据等咨询类产品与服务，累计服务过近10000家国内外知名企业；并成为数十家世界500强企业长期的信息咨询产品供应商。
公司致力于为各行业提供最全最新的深度研究报告，提供客观、理性、简便的决策参考，提供降低投资风险，提高投资收益的有效工具，也是一个帮助咨询行业人员交流成果、交流报告、交流观点、交流经验的平台。依托于各行业协会、政府机构独特的资源优势，致力于发展中国机械电子、电力家电、能源矿产、钢铁冶金、嵌入式软件纺织、食品烟酒、医药保健、石油化工、建筑房产、建材家具、轻工纸业、出版传媒、交通物流、IT通讯、零售服务等行业信息咨询、市场研究的专业服务机构。经过中宏经略咨询团队不懈的努力，已形成了完整的数据采集、研究、加工、编辑、咨询服务体系。能够为客户提供工业领域各行业信息咨询及市场研究、用户调查、数据采集等多项服务。同时可以根据企业用户提出的要求进行专项定制课题服务。服务对象涵盖机械、汽车、纺织、化工、轻工、冶金、建筑、建材、电力、医药等几十个行业。
我们的优势
强大的数据资源：中宏经略依托国家发展改革委和国家信息中心系统丰富的数据资源，建成了独具特色和覆盖全面的产业监测体系。经十年构建完成完整的产业经济数据库系统（含30类大行业，1000多类子行业，5000多细分产品），我们的优势来自于持续多年对细分产业市场的监测与跟踪以及全面的实地调研能力。
行业覆盖范围广：入选行业普遍具有市场前景好、行业竞争激烈和企业重组频繁等特征。我们在对行业进行综合分析的同时，还对其中重要的细分行业或产品进行单独分析。其信息量大，实用性强是任何同类产品难以企及的。
内容全面、数据直观：报告以本最新数据的实证描述为基础，全面、深入、细致地分析各行业的市场供求、进出口形势、投资状况、发展趋势和政策取
向以及主要企业的运营状况，提出富有见地的判断和投资建议；在形式上，报告以丰富的数据和图表为主，突出文章的可读性和可视性。报告附加了与行业相关的数据、政策法规目录、主要企业信息及行业的大事记等，为业界人士提供了一幅生动的行业全景图。
深入的洞察力和预见力：我们不仅研究国内市场，对国际市场也一直在进行职业的观察和分析，因此我们更能洞察这些行业今后的发展方向、行业竞争格局的演变趋势以及技术标准、市场规模、潜在问题与行业发展的症结所在。我们有多位专家的智慧宝库为您提供决策的洞察这些行业今后的发展方向、行业竞争格局的演变趋势以及技术标准、市场规模、潜在问题与行业发展的症结所在。
有创造力和建设意义的对策建议：我们不仅研究国内市场，对国际市场也一直在进行职业的观察和分析，因此我们更能洞察这些行业今后的发展方向、行业竞争格局的演变趋势以及技术标准、市场规模、潜在问题与行业发展的症结所在。我们行业专家的智慧宝库为您提供决策的洞察这些行业今后的发展方向、行业竞争格局的演变趋势以及技术标准、市场规模、潜在问题与行业发展的症结所在。
▄ 最新目录推荐
1、智慧能源系列
《2017-2021年中国智慧能源前景预测及投资咨询报告》 《2017-2021年中国智能电网产业前景预测及投资咨询报告》 《2017-2020年中国微电网前景预测及投资咨询报告》 《2017-2020年中国小水电行业前景预测及投资咨询报告》 《2017-2020年中国新能源产业发展预测及投资咨询报告》 《2017-2020年中国太阳能电池行业发展预测及投资咨询报告》 《2017-2020年中国氢能行业发展预测及投资咨询报告》 《2017-2020年中国波浪发电行业发展预测及投资咨询报告 《2017-2020年中国潮汐发电行业发展预测及投资咨询报告》 《2017-2020年中国太阳能光伏发电产业发展预测及投资咨询报告》 《2017-2020年中国燃料乙醇行业发展预测及投资咨询报告》 《2017-2020年中国太阳能利用产业发展预测及投资咨询报告》
《2017-2020年中国天然气发电行业发展预测及投资咨询报告》 《2017-2020年中国风力发电行业发展预测及投资咨询报告》
2、“互联网+”系列研究报告
《2017-2021年中国互联网+广告行业运营咨询及投资建议报告》 《2017-2021年中国互联网+物流行业运营咨询及投资建议报告》 《2017-2021年中国互联网+医疗行业运营咨询及投资建议报告》 《2017-2021年中国互联网+教育行业运营咨询及投资建议报告》
3、智能制造系列研究报告
《2017-2021年中国工业4.0前景预测及投资咨询报告》 《2017-2021年中国工业互联网行业前景预测及投资咨询报告》 《2017-2021年中国智能装备制造行业前景预测及投资咨询报告》 《2017-2021年中国高端装备制造业发展前景预测及投资咨询报告》
《2017-2021年中国工业机器人行业前景预测及投资咨询报告》 《2017-2021年中国服务机器人行业前景预测及投资咨询报告》
4、文化创意产业研究报告
《2017-2020年中国动漫产业发展预测及投资咨询报告》 《2017-2020年中国电视购物市场发展预测及投资咨询报告》 《2017-2020年中国电视剧产业发展预测及投资咨询报告》 《2017-2020年中国电视媒体行业发展预测及投资咨询报告》 《2017-2020年中国电影院线行业前景预测及投资咨询报告》 《2017-2020年中国电子竞技产业前景预测及投资咨询报告》 《2017-2020年中国电子商务市场发展预测及投资咨询报告》 《2017-2020年中国动画产业发展预测及投资咨询报告》
5、智能汽车系列研究报告
《2017-2021年中国智慧汽车行业市场前景预测及投资咨询报告》 《2017-2021年中国无人驾驶汽车行业市场前景预测及投资咨询报告》 《2017-2021年中国智慧停车市场前景预测及投资咨询报告》
《2017-2021年中国新能源汽车市场推广前景及发展战略研究报告》 《2017-2021年中国车联网产业运行动态及投融资战略咨询报告》
6、大健康产业系列报告
《2017-2020年中国大健康产业深度调研及投资前景预测报告》 《2017-2020年中国第三方医学诊断行业深度调研及投资前景预测报告》 《2017-2020年中国基因工程药物产业发展预测及投资咨询报告》 《2017-2020年中国基因检测行业发展预测及投资咨询报告》 《2017-2020年中国健康服务产业深度调研及投资前景预测报告》 《2017-2020年中国健康体检行业深度调研及投资前景预测报告》 《2017-2020年中国精准医疗行业深度调研及投资前景预测报告》 《2017-2020年中国康复医疗产业深度调研及投资战略研究报告》
7、房地产转型系列研究报告
《2017-2021年房地产+众创空间跨界投资模式及市场前景研究报告》 《2017-2021年中国养老地产市场前景预测及投资咨询报告》 《2017-2021年中国医疗地产市场前景预测及投资咨询报告》 《2017-2021年中国物流地产市场前景预测及投资咨询报告》 《2017-2021年中国养老地产前景预测及投资咨询报告告》
8、城市规划系列研究报告
《2017-2021年中国城市规划行业前景调查及战略研究报告》 《2017-2021年中国智慧城市市场前景预测及投资咨询报告》
《2017-2021年中国城市综合体开发模式深度调研及开发战略分析报告》 《2017-2021年中国城市园林绿化行业发展前景预测及投资咨询报告》
9、现代服务业系列报告
《2017-2021年中国民营医院运营前景预测及投资分析报告》 《2017-2020年中国婚庆产业发展预测及投资咨询报告》
《2017-2021年中国文化创意产业市场调查及投融资战略研究报告》 《2017-2021年中国旅游行业发展前景调查及投融资战略研究报告》
--------2013-2018年中国智能箱式变电站产业发展前景及供需格局预测报告
报告目录（部分）： 第一部分 市场发展现状
第一章 全球智能箱式变电站行业发展分析 第一节 国际智能箱式变电站行业发展轨迹综述
一、国际智能箱式变电站行业发展历程
二、国际智能箱式变电站行业发展面临的问题
三、国际智能箱式变电站行业技术发展现状及趋势 第二节 世界智能箱式变电站行业市场情况
一、2012年世界智能箱式变电站产业发展现状
二、2012-2013年国际智能箱式变电站产业发展态势
三、2012-2013年国际智能箱式变电站行业研发动态
四、2012-2013年全球智能箱式变电站行业挑战与机会 第三节 部分国家地区智能箱式变电站行业发展状况
一、2011-2012年美国智能箱式变电站行业发展分析
二、2011-2012年欧洲智能箱式变电站行业发展分析
三、2011-2012年日本智能箱式变电站行业发展分析
四、2011-2012年韩国智能箱式变电站行业发展分析
第二章 我国智能箱式变电站行业发展现状 第一节 中国智能箱式变电站行业发展概述
一、中国智能箱式变电站行业发展历程
二、中国智能箱式变电站行业发展面临问题
三、中国智能箱式变电站行业技术发展现状及趋势 第二节 我国智能箱式变电站行业发展状况
一、2012年中国智能箱式变电站行业发展回顾
二、2012年智能箱式变电站行业发展情况分析
三、2013年我国智能箱式变电站市场特点分析
四、2013年我国智能箱式变电站市场发展分析 第三节 中国智能箱式变电站行业供需分析
一、2011-2012年中国智能箱式变电站市场供给总量分析
二、2011-2012年中国智能箱式变电站市场供给结构分析
三、2012-2013年中国智能箱式变电站市场需求总量分析
四、2012-2013年中国智能箱式变电站市场需求结构分析
五、2012-2013年中国智能箱式变电站市场供需平衡分析
第三章 中国智能箱式变电站行业经济运行分析 第一节 2012年智能箱式变电站行业运行情况分析
--------网 址：
中金企信（北京）国际信息咨询有限公司—国统调查报告网
--------
一、2012年智能箱式变电站行业经济指标分析
二、2012年智能箱式变电站行业收入前三家企业 第二节 2012年智能箱式变电站行业产量分析
一、2012年我国智能箱式变电站产品产量分析
二、2013-2018年我国智能箱式变电站产品产量预测 第三节 2012年智能箱式变电站行业进出口分析
一、2012年智能箱式变电站行业进口总量及价格
二、2012年智能箱式变电站行业出口总量及价格
三、2012年智能箱式变电站行业进出口数据统计
四、2013-2018年智能箱式变电站进出口态势展望
第四章 中国智能箱式变电站行业区域市场分析 第一节 华北地区
一、2011-2012年行业发展现状分析
二、2011-2012年市场规模情况分析
三、2013-2018年市场需求情况分析
四、2013-2018年行业发展前景预测
五、2013-2018年行业投资风险预测 第二节 东北地区 第三节 华东地区 第四节 华南地区 第五节 华中地区 第六节 西南地区 第七节 西北地区
第五章 智能箱式变电站行业投资与发展前景分析
第一节 2013-2018年智能箱式变电站行业投资情况分析
一、2013-2018年总体投资结构
二、2013-2018年投资规模情况
三、2013-2018年投资增速情况
四、2013-2018年分行业投资分析
五、2013-2018年分地区投资分析
第二节 智能箱式变电站行业投资机会分析
一、智能箱式变电站投资项目分析
二、可以投资的智能箱式变电站模式
三、2013-2018年智能箱式变电站投资机会
四、2013-2018年智能箱式变电站投资新方向 第三节 智能箱式变电站行业发展前景分析
一、智能箱式变电站市场发展前景分析
二、我国智能箱式变电站市场蕴藏的商机
三、金融危机下智能箱式变电站市场发展前景
四、2013-2018年智能箱式变电站市场面临的发展商机
--------网 址：
中金企信（北京）国际信息咨询有限公司—国统调查报告网
--------第二部分 市场竞争格局与形势
第六章 智能箱式变电站行业竞争格局分析 第一节 智能箱式变电站行业集中度分析
一、智能箱式变电站市场集中度分析
二、智能箱式变电站企业集中度分析
三、智能箱式变电站区域集中度分析
第二节 智能箱式变电站行业主要企业竞争力分析
一、重点企业资产总计对比分析
二、重点企业从业人员对比分析
三、重点企业全年营业收入对比分析
四、重点企业利润总额对比分析
五、重点企业综合竞争力对比分析
第三节 智能箱式变电站行业竞争格局分析
一、2012-2013年智能箱式变电站行业竞争分析
二、2012-2013年中外智能箱式变电站产品竞争分析
三、2011-2013年我国智能箱式变电站市场竞争分析
五、2013-2018年国内主要智能箱式变电站企业动向
第七章 2013-2018年中国智能箱式变电站行业发展形势分析 第一节 智能箱式变电站行业发展概况
一、智能箱式变电站行业发展特点分析
二、智能箱式变电站行业投资现状分析
三、智能箱式变电站行业总产值分析
四、智能箱式变电站行业技术发展分析
第二节 2011-2012年智能箱式变电站行业市场情况分析
一、智能箱式变电站行业市场发展分析
二、智能箱式变电站市场存在的问题
三、智能箱式变电站市场规模分析
第三节 2011-2012年智能箱式变电站产销状况分析
一、智能箱式变电站产量分析
二、智能箱式变电站产能分析
三、智能箱式变电站市场需求状况分析 第四节 产品发展趋势预测
一、产品发展新动态
二、技术新动态
三、产品发展趋势预测
第三部分 赢利水平与企业分析
第八章 中国智能箱式变电站行业整体运行指标分析 第一节 2012年中国智能箱式变电站行业总体规模分析
一、企业数量结构分析
二、行业生产规模分析
第二节 2012年中国智能箱式变电站行业产销分析
--------网 址：
中金企信（北京）国际信息咨询有限公司—国统调查报告网
--------
一、行业产成品情况总体分析
二、行业产品销售收入总体分析
第三节 2012年年中国智能箱式变电站行业财务指标总体分析
一、行业盈利能力分析
二、行业偿债能力分析
三、行业营运能力分析
四、行业发展能力分析
第九章 智能箱式变电站行业赢利水平分析 第一节 成本分析
一、2011-2012年智能箱式变电站原材料价格走势
二、2011-2012年智能箱式变电站行业人工成本分析 第二节 产销运存分析
一、2011-2012年智能箱式变电站行业产销情况
二、2011-2012年智能箱式变电站行业库存情况
三、2011-2012年智能箱式变电站行业资金周转情况 第三节 盈利水平分析
一、2011-2012年智能箱式变电站行业价格走势
二、2011-2012年智能箱式变电站行业营业收入情况
三、2011-2012年智能箱式变电站行业毛利率情况
四、2011-2012年智能箱式变电站行业赢利能力
五、2011-2012年智能箱式变电站行业赢利水平
六、2013-2018年智能箱式变电站行业赢利预测
第十章 智能箱式变电站行业盈利能力分析
第一节 2012年中国智能箱式变电站行业利润总额分析
一、利润总额分析
二、不同规模企业利润总额比较分析
三、不同所有制企业利润总额比较分析
第二节 2012年中国智能箱式变电站行业销售利润率
一、销售利润率分析
二、不同规模企业销售利润率比较分析
三、不同所有制企业销售利润率比较分析
第三节 2012年中国智能箱式变电站行业总资产利润率分析
一、总资产利润率分析
二、不同规模企业总资产利润率比较分析
三、不同所有制企业总资产利润率比较分析
第四节 2012年中国智能箱式变电站行业产值利税率分析
一、产值利税率分析
二、不同规模企业产值利税率比较分析
三、不同所有制企业产值利税率比较分析
第十一章 智能箱式变电站企业发展分析
--------网 址：
中金企信（北京）国际信息咨询有限公司—国统调查报告网
--------第一节
企业1
一、企业概况
二、企业产品区域市场占有率分析
三、盈利能力以及利润率分析
四、公司发展战略规划 第二节
企业2 第三节
企业3 第四节
企业4 第五节
企业5 略„„
第十二章 智能箱式变电站行业投资策略分析 第一节 行业发展特征
一、行业的周期性
二、行业的区域性
三、行业的上下游
四、行业经营模式
第二节 行业投资形势分析
一、行业发展格局
二、行业进入壁垒
三、行业SWOT分析
四、行业五力模型分析
第三节 智能箱式变电站行业投资效益分析
一、2012年智能箱式变电站行业投资状况分析
二、2012年智能箱式变电站行业投资效益分析
三、2013-2018年智能箱式变电站行业投资方向
四、2013-2018年智能箱式变电站行业投资建议 第四节 智能箱式变电站行业投资策略研究
一、2012年智能箱式变电站行业投资策略
二、2013-2018年智能箱式变电站行业投资策略
第十三章 智能箱式变电站行业投资风险预警 第一节 影响智能箱式变电站行业发展的主要因素
一、2013年影响智能箱式变电站行业运行的有利因素
二、2013年影响智能箱式变电站行业运行的稳定因素
三、2013年影响智能箱式变电站行业运行的不利因素
四、2013年我国智能箱式变电站行业发展面临的挑战
五、2013年我国智能箱式变电站行业发展面临的机遇 第二节 智能箱式变电站行业投资风险预警
一、2013-2018年智能箱式变电站行业市场风险预测
二、2013-2018年智能箱式变电站行业政策风险预测
三、2013-2018年智能箱式变电站行业经营风险预测
四、2013-2018年智能箱式变电站行业技术风险预测
--------网 址：
中金企信（北京）国际信息咨询有限公司—国统调查报告网
--------
五、2013-2018年智能箱式变电站行业竞争风险预测
六、2013-2018年智能箱式变电站行业其他风险预测
第五部分 中金企信国际咨询及业内专家发展趋势与规划建议 第十四章 智能箱式变电站行业发展趋势分析
第一节 2013-2018年中国智能箱式变电站市场趋势分析
一、2011-2012年我国智能箱式变电站市场趋势总结
二、2013-2018年我国智能箱式变电站发展趋势分析 第二节 2013-2018年智能箱式变电站产品发展趋势分析
一、2013-2018年智能箱式变电站产品技术趋势分析
二、2013-2018年智能箱式变电站产品价格趋势分析 第三节 2013-2018年中国智能箱式变电站行业供需预测
一、2013-2018年中国智能箱式变电站供给预测
二、2013-2018年中国智能箱式变电站需求预测 第四节 2013-2018年智能箱式变电站行业规划建议
一、智能箱式变电站行业“十一五”整体规划
二、智能箱式变电站行业“十二五”发展预测
三、2013-2018年智能箱式变电站行业规划建议
第十五章 智能箱式变电站企业管理策略建议 第一节 市场策略分析
一、智能箱式变电站价格策略分析
二、智能箱式变电站渠道策略分析 第二节 销售策略分析
一、媒介选择策略分析
二、产品定位策略分析
三、企业宣传策略分析
第三节 提高智能箱式变电站企业竞争力的策略
一、提高中国智能箱式变电站企业核心竞争力的对策
二、智能箱式变电站企业提升竞争力的主要方向
三、影响智能箱式变电站企业核心竞争力的因素及提升途径
四、提高智能箱式变电站企业竞争力的策略 第四节 对我国智能箱式变电站品牌的战略思考
一、智能箱式变电站实施品牌战略的意义
二、智能箱式变电站企业品牌的现状分析
三、我国智能箱式变电站企业的品牌战略
四、智能箱式变电站品牌战略管理的策略
--------网 址：
姓名
人工智能（Aritificial Intelligence，AI）是一门融合了计算机科学、统学、脑神经学和社会科学的前沿综合性学科。它的目标是希望计算机拥有像人一样的智力能力，可以替代人类实现识别、认知、分类和决策等多种功能。
一、实现人工智能的方法----机器学习
机器学习最基本的做法，是使用算法来解析数据、从中学习，然后对真实世界中的事件做出决策和预测。与传统的为解决特定任务、硬编码的软件程序不同，机器学习是用大量的数据来“训练”，通过各种算法从数据中学习如何完成任务。
机器学习直接来源于早期的人工智能领域。传统算法包括决策树学习、推导逻辑规划、聚类、强化学习和贝叶斯网络等等。众所周知，我们还没有实现强人工智能。早期机器学习方法甚至都无法实现弱人工智能。
机器学习最成功的应用领域是计算机视觉，虽然也还是需要大量的手工编码来完成工作。人们需要手工编写分类器、边缘检测滤波器，以便让程序能识别物体从哪里开始，到哪里结束；写形状检测程序来判断检测对象是不是有八条边；写分类器来识别字母“ST-O-P”。使用以上这些手工编写的分类器，人们总算可以开发算法来感知图像，判断图像是不是一个停止标志牌。
这个结果还算不错，但并不是那种能让人为之一振的成功。特别是遇到云雾天，标志牌变得不是那么清晰可见，又或者被树遮挡一部分，算法就难以成功了。这就是为什么前一段时间，计算机视觉的性能一直无法接近到人的能力。它太僵化，太容易受环境条件的干扰。
随着时间的推进，学习算法的发展改变了一切。
二、实现机器学习的技术—深度学习
人工神经网络（Artificial Neural Networks）是早期机器学习中的一个重要的算法，历经数十年风风雨雨。神经网络的原理是受我们大脑的生理结构——互相交叉相连的神经元启发。但与大脑中一个神经元可以连接一定距离内的任意神经元不同，人工神经网络具有离散的层、连接和数据传播的方向。
例如，我们可以把一幅图像切分成图像块，输入到神经网络的第一层。在第一层的每一个神经元都把数据传递到第二层。第二层的神经元也是完成类似的工作，把数据传递到第三层，以此类推，直到最后一层，然后生成结果。每一个神经元都为它的输入分配权重，这个权重的正确与否与其执行的任务直接相关。最终的输出由这些权重加总来决定。我们仍以停止（Stop）标志牌为例。将一个停止标志牌图像的所有元素都打碎，然后用神经元进行“检查”：八边形的外形、救火车般的红颜色、鲜明突出的字母、交通标志的典型尺寸和静止不动运动特性等等。神经网络的任务就是给出结论，它到底是不是一个停止标志牌。神经网络会根据所有权重，给出一个经过深思熟虑的猜测——“概率向量”。这个例子里，系统可能会给出这样的结果：86%可能是一个停止标志牌；7%的可能是一个限速标志牌；5%的可能是一个风筝挂在树上等等。然后网络结构告知神经网络，它的结论是否正确。即使是这个例子，也算是比较超前了。直到前不久，神经网络也还是为人工智能圈所淡忘。其实在人工智能出现的早期，神经网络就已经存在了，但神经网络对于“智能”的贡献微乎其微。主要问题是，即使是最基本的神经网络，也需要大量的运算。神经网络算法的运算需求难以得到满足。
不过，还是有一些虔诚的研究团队，以多伦多大学的Geoffrey Hinton为代表，坚持研究，实现了以超算为目标的并行算法的运行与概念证明。但也直到GPU得到广泛应用，这些努力才见到成效。我们回过头来看这个停止标志识别的例子。神经网络是调制、训练出来的，时不时还是很容易出错的。它最需要的，就是训练。需要成百上千甚至几百万张图像来训练，直到神经元的输入的权值都被调制得十分精确，无论是否有雾，晴天还是雨天，每次都能得到正确的结果。
只有这个时候，我们才可以说神经网络成功地自学习到一个停止标志的样子；或者在Facebook的应用里，神经网络自学习了你妈妈的脸；又或者是2012年吴恩达（Andrew Ng）教授在Google实现了神经网络学习到猫的样子等等。
吴教授的突破在于，把这些神经网络从基础上显著地增大了。层数非常多，神经元也非常多，然后给系统输入海量的数据，来训练网络。在吴教授这里，数据是一千万YouTube视频中的图像。吴教授为深度学习（deep learning）加入了“深度”（deep）。这里的“深度”就是说神经网络中众多的层。
现在，经过深度学习训练的图像识别，在一些场景中甚至可以比人做得更好：从识别猫，到辨别血液中癌症的早期成分，到识别核磁共振成像中的肿瘤。Google的AlphaGo先是学会了如何下围棋，然后与它自己下棋训练。它训练自己神经网络的方法，就是不断地与自己下棋，反复地下，永不停歇。
三、人工智能的发展历程
上图是人工智能的发展史，短短的70年间，人工智能的发展取得了巨大的成功，并不断细化。从机器学习开始飞速进步，再到深度学习驱动人工智能蓬勃发展，以至于造成了前所未有的巨大影响。
1956年，几个计算机科学家相聚在达特茅斯会议（Dartmouth Conferences），提出了“人工智能”的概念。其后，人工智能就一直萦绕于人们的脑海之中，并在科研实验室中慢慢孵化。之后的几十年，人工智能一直在两极反转，或被称作人类文明耀眼未来的预言；或者被当成技术疯子的狂想扔到垃圾堆里。坦白说，直到2012年之前，这两种声音还在同时存在。
过去几年，尤其是2015年以来，人工智能开始大爆发。很大一部分是由于GPU的广泛应用，使得并行计算变得更快、更便宜、更有效。当然，无限拓展的存储能力和骤然爆发的数据洪流（大数据）的组合拳，也使得图像数据、文本数据、交易数据、映射数据全面海量爆发。这些方向的进步为包括谷歌、微软、facebook等国际互联网巨头和包括百度、阿里、腾讯等国内人工智能发展的第一梯队带来了巨大的潜在市场价值。
四、人工智能与人类智能较量（从Alpha Go理解预测）以前人们说围棋AI十年内打不过职业棋手，于是
1、AlphaGo Fan赢了樊麾；
2、AlphaGo Lee赢了人类李世石；
3、AlphaGo Lee有各种漏洞，于是AlphaGo Master连赢60局，围棋峰会毫无悬念打出3-0，还留下一堆“神”谱；
4、AlphaGo Zero自我强化学习3天终结了AlphaGo Lee；
这次AlphaZero的出世，意义不止在于研究棋类游戏；它表明深度神经网络还有大量的潜力有待挖掘，尤其是与之类似的对抗增强的网络模型。
但是，AlphaZero的强化学习训练耗费了海量的硬件资源，暗示着想要实现更强的人工智能还需要更多的计算力。有句话说“有多少人工就有多少智能”，所以这次的AlphaZero短期带来的最大影响，可能是AI的各个研究领域要开始发展硬件了。
我认为人工智能发展始终围绕着人类的发展，所谓“较量”或许终究是人与人的较量、人与未来的较量，人与落后的较量。我们应保持乐观积极的发展态度，给人工智能以摧残的未来，同时，警惕技术触及伦理与道德和法律的底线，我们的明天终会更加美好！
参考资料：
智能电网在电能从发电厂送到用户的整个过程中(包括发电—输电—配电—用电),充分利用现代数字技术,达到节能和降低成本、增强运行的可靠性和改善环境质量[1]的目标。简言之,智能电网就是电网的现代化。
智能电网代表一种对长距离输电网和配电网的数字化升级,从而优化电网的运行状态,并便于各种清洁能源的接入。利用可靠的双向通信技术、先进的传感器和分布式计算技术,智能电网将改善电力传输和用电的效率,提高电网的可靠性和安全性,降低故障停电损失。
智能电网是一系列有关技术的总称,而不是一种具有广泛接受的规范的特定名词。智能电网的优越性包括:高峰负荷时能在用户侧减少电能消耗,即需求侧管理(DSM);允许分布式电源(光伏阵列、小型风力电机、小水电,甚至装在建筑内部的热电联合循环发电机)的接入;为平衡新能源功率变化配置所需的储能装置;能消除或抑制大面积停电故障。由于智能电网提高了电网运行效率和可靠性,将为用户节省电费并减少污染的排放。
当前,智能电网建设才刚刚开始,各国均按照自身的需求而建设,没有公认的模式。本文根据中国电网发展和电力工业的具体情况,阐述对智能电网建设的思考。
1 智能电网的目标
智能电网建设的目标可归纳如下:
1)增强电网的可靠性,提高效率和安全性,预防事故,减少碳排放,降低电价。
2)允许用户自由选择供电方,允许分布式发电,或者太阳能、风能、生物能等大型新能源对大用户直接供电。
3)实现分布式发电的即插即用,为用户提供交互式工具,方便能源的管理和使用,使家庭用户既是用电方又是供电方。
4)由于可再生能源相关制造产业的发展,如插入式电动车、太阳能板、风力电机、能源存储装置的制造等,将会创造出更多新的就业岗位。
2 智能电网的功能
未来中国智能电网应具备以下功能:
1)自愈功能,减少因事故跳闸而引起的损失。
2)抵抗各种袭击(事故、天灾)。
3)提供高质量的电能。
4)适应各种发电设备和储能设备。
5)鼓励用户积极参与电网的运行。
6)促进电力市场的发展。
7)提高电网运行效率。
3 建设智能输电网的几点建议
3.1 预防大面积停电
电网安全运行的最大威胁是大面积停电。中国已实现全国联网,曾经发生过局部的大面积停电,也曾进行过防止大停电的故障解列与恢复控制的研究[2]。但由于当时还没有相量测量装置(PMU),仅能依靠监控与数据采集(SCADA)系统送来的数据,响应速度难以满足要求。如今PMU技术已经普及,建议在500 kV 及以上电压等级母线及重要发电厂都安装PMU, 并积极研发新型的防止大停电事故的故障检测、最优解列点、自动切负荷、智能恢复控制等软件,在各大区电网和国家电网实施应用。这对于提高电网的运行可靠性、防止大面积停电事故是非常重要的。
3.2 推进电力市场化
国外经验证明,实现电力市场可以提高电网运行效率,降低电网总的燃料消耗,节约购电费用。中国过去几年因为缺电,电力市场改革虽然取得了一些经验,但由于备用容量不足,难以真正取得实效。如今,由于国际金融危机影响,中国电网的供需矛盾全面缓解,正是实现电力市场改革的大好时机。建议尽量采用国外电力市场的一些新技术,例如混合整数规划法的安全约束机组组合算法等技术[3],可节约煤耗、减少CO2 排放,实现节能减排。
根据过去的经验,中国电力需求总是经历缺电—丰电—再缺电的周期波动。目前正处于丰电时期,要警惕经济复苏后,再进入缺电周期,给国民经济造成损失。建议学习巴西的经验,在发电公司与用电单位间订立双边期货合同,对双方都有约束[4]。
3.3 实施节能减排
中国有较为丰富的煤炭资源,而其他能源资源有限,如水电资源到2030年即将开发完毕、石油和天然气需要进口、铀资源较少等。因此,在未来20年~30年以内仍将继续以煤电为主(约占总发电量的60%~70%),但是煤电的效率不高,且会造成环境污染。解决这个问题的最好方法是积极推广整体煤气化联合循环(integrated gasification combined cycle, IGCC)发电技术。这种技术的优点是:提高燃煤效率;减少CO2的排放(还可以回收),有利于环保;用水量约比同容量的机组少1/3;可以用于现有燃煤发电厂的增容和优化改造[5]。IGCC电厂的缺点是投资成本比同容量的燃煤电厂高20%左右,而且技术比较复杂。
目前,世界上已建和在建IGCC电厂有33个。其中中国有:烟台IGCC示范工程,300 MW~400 MW, 2010年建成;华能GreenGen IGCC示范工程,第1阶段250 MW,第2阶段300 MW~400 MW,计划分别于2010年、2015年建成,造价估计为1 000 美元/kW,比国外造价低20%~30%[6]。
建议在2个IGCC示范工程完成后,新建设的燃煤电厂尽量采用IGCC发电技术,原有的没有装设脱硫装置的老电厂尽量实现IGCC的增容改造。争取在中国的自然环境中永远是蓝天白云和碧水青山,酸雨永远消失。
3.4 发展和应用超导技术
目前,中国的高温超导技术研究进展迅速。中国科学院和清华大学等单位的高温超导研究不断打破世界纪录,其中清华大学研究的铋系高温超导(已达-196 ℃)线材已在北京英纳超导技术有限公司投产[7]。建议充分利用科学家在高温超导研究中取得突破的成果,建立类似美国的高温超导试验工程并进行应用研究,对于未来的输电技术必然有重要作用。
3.5 研究大容量储能技术
中国正在大力发展风能、太阳能等清洁能源,但是这些新能源都是不连续或间歇式的,小水电也受气候的影响,雨天大发而旱天不发。这些电源都需要有储能装置与其配套。对于容量小的间歇式电源可以用蓄电池等装置来存储,但对于大的间歇式电源就需要研制大型的储能装置。
一种可能的方案是利用富余电能电解水产生氢和氧,当需要能量时再通过燃料电池把氢和氧转变成电能。目前,工业用的水电解器的效率在60%~80%之间,通过燃料电池产生电能的效率约在45%~65%之间,燃料电池的技术目前还处于试验阶段,所以还需要对这种方案作大量研究。
新型蓄电池的研究近年来发展很快。例如英国Regenesys Technologies公司正在采用多硫化钠/溴液流电池(polysulfide/bromide flow battery,PSB)建设一座15 MW/120 MW·h的储能电站,其净效率约为75%。钠硫(NaS)电池具有较高的储能效率(约89%),同时还具有输出脉冲功率的能力,输出的脉冲功率可在30 s内达到连续额定功率值的6倍,这一特性使NaS电池可以同时用于电能质量调节和负荷的削峰填谷调节,从而提高整体设备的经济性。日本目前采用NaS电池技术的储能示范工程有30多处,总储能容量超过20 MW,可用于8 h的日负荷峰谷调节。这些技术都可以用于存储风能、太阳能等间歇式供电的电源[8]。
压缩空气储能也在研究中。在电网负荷低谷时利用电能压缩空气,当需要电能时利用压缩空气加上一些燃气驱动燃气轮机发电。这种方式需要大容量的储气设备,国外通常利用废矿井或天然溶洞存放压缩空气。美国与德国已建成3处这样的工程,发电容量分别为110 MW,290 MW,2 700 MW。 其中110 MW的电站于1991年投产,建设周期为30个月,耗资6 500万美元。这种储能技术的缺点是必须靠近废矿井或天然溶洞。中国可以研究较小型的压缩空气储能装置(利用储气罐来存储压缩空气),与新能源配套使用。
4 建设智能配电网的几点建议
中国建设智能配电网应从建设配电管理系统(DMS)开始。DMS的功能应包括:故障检测隔离与恢复系统(FDIR)、电压与无功控制、网络拓扑、三相潮流、安全分析、负荷建模与预计、操作顺序管理以及其他离线功能等。在DMS的基础上还应增加以下功能:
1)停电管理系统
停电管理系统(OMS)就是在城市的地理信息系统基础上显示配电网的接线和实时信息,有助于迅速确定故障地点,缩短检修时间。过去国内有科研单位曾进行过研究,有些运行单位也曾从国外引进过一些OMS,并在局部试运行。困难在于配电网的实时信息量太少,特别是缺乏及时、有效的通信手段,难以取得实效。如今有了先进的无线通信网技术,如家庭局域网(HAN)、WiFi等,以及高级量测设施(AMI)[10],包括智能电表、智能传感器、智能开关和控制系统,使得上述困难比较容易解决,只是需要配套设计和投资。国外已有不少配电网OMS实现了实时运行[9],并可在因特网上公示,人们可以在因特网上非常方便地查看相关的实时信息。
2)AMI
AMI包括各种智能元件,如智能电表,智能温度、电流、电压、开关位置等传感器,以及通信和量测数据管理系统、用户信息系统,能够按主站请求或定时从智能电表通过双向通信网读取、采集和分析智能电表的读数。主站也可以向各类用户发送信息,例如不同时间的实时电价,这样可以鼓励用户降低在高峰负荷时的用电量,达到用户侧负荷管理的目的。
在国外,由于多数家庭往往住在一个个独立的房屋里,所以AMI是为家庭的负荷管理而设计的。在中国的城市中,往往许多家庭住在同一栋大楼里,所以AMI用于每个家庭并不现实,建议首先可用在工业用户、商业用户、公司办公大楼和小区中,以实现削峰荷和节电的目的。由于配电用户量大面广,推广这项技术需要大量的投资和工作量,但是因为可以节电,投资的成本几年后就可回收。
3)HAN
HAN是一种在用户家庭内可以连接各种数字设备的局域网,如智能电表、家用显示设备、智能温度控制器、开关、家用电器和管理软件等。通信方式可以是电话线、电力线载波、光纤、高频无线,但主要是无线宽带,经过路由器与因特网连接。这种技术对推广AMI的应用很重要,中国应当抓紧研究,制定通信标准(关于采用什么通信标准,目前在热议中,欧洲可能倾向于通用分组无线电业务(GPRS),美国可能倾向于WiMax[11]),以便取得经验后推广应用。
4) 开放式设计
由于一个智能电网从计划到投入运行往往需要几年时间,各种新的功能只能逐步投入,不可能一次建成,所以智能电网的结构设计必须是开放式的,必须容易接入新的功能。因此,必须采用标准化的开放式数据库和数据交换接口,例如公共信息模型(CIM)、面向服务的架构(SOA)、简单对象访问协议(SOAP)以及电力公司的服务总线等,通过一个标准接口实现信息交换,利用标准化的基于Web的用户接口可以在不同平台上显示所需的信息,实现信息共享[12]。
5)可再生能源的接入
根据国家发改委计划[13],中国可再生能源(包括风能、太阳能、小水电等)到2010年将达到全国装机容量的10%,2020年将达到15%。其中水能为300 GW,风能为100 GW~150 GW,太阳能为1 800 MW。目前风电装机容量已达到1 200 MW,居世界第4位。所有这些可再生能源都是间歇性的,会对智能电网的运行造成一定冲击。此外,混合动力汽车已经在中国成批生产,预计未来会越来越多,也会对电网运行造成影响。在建设智能电网时,必须考虑这些不确定因素的影响。
不同的可再生能源其发电出力的特性也不同,例如:风电出力的特性受风速的影响;太阳能受阳光照度的影响;小水电往往没有遥测也没有遥控,水来了则大发,天旱则不发,也是一种不确定电源。但这些电源的特性都与气象有关。因此,需重点加强风力预报以及风力发电功率的预报;必须有备用容量维持系统出力与负荷的平衡,且必须能快速调整,跟上风力的变化。水电、抽水蓄能电站、燃气轮机和快速调峰火电站可用来实现系统的平衡。
5 结语
纵观当今世界,发达国家竞相建设智能电网。在输电网方面,主要是推广应用灵活交流输电系统(FACTS), 广域量测、预警和分析技术,故障解列与恢复策略,以及电力市场等。目前还没有一个大的输电网宣称已经建成了智能电网。而在配电网方面则比较活跃,国外已有至少2个城市的配电网宣称建成了智能电网,其他有几十个智能配电网正在建设中。但是这2个已经建成的智能电网主要是把大量旧的电能表换成了智能电表,其他功能也还在规划中。中国是发展中国家,国情与发达国家不同。为此建议:
1)讨论和研究一个适合中国国情的智能电网发展目标,供有关单位参考,以便少走弯路,尽快实现安全、节能、环保的智能电网目标。
2)在建设智能输电网方面,目前主要是尽量采用已成熟的新技术并抓紧进行新的发电、输电和储能技术的研究。
3)在建设智能配电网方面,应当先选一两个城市试点,成功后再推广。配套的智能设备、接口与通道必须先做好规划,一次配齐,否则无法取得实际效果。
《2020的一天》一文中,王浩的很多遐想其实并非毫无依据,有很多在欧美日韩等国家已经商用,有些在中国的某些城市也正在试点。
2010年8月11日,中国联通与重庆市签订合作协议,在重庆建立NFC(近距离无线通信)产业联盟,中国联通未来五年内,在重庆将投资100亿元用于基础网络和信息服务平台建设。届时,重庆市民可以用手机付车费、打考勤,未来在重庆谈生意,也用不着纸质名片,只要将双方的手机轻轻一碰,电子名片就能传到对方的手机上。
另据媒体报道,2010年年底前,富士康集团也一直在尝试为大部分员工陆续更换RF-SIM卡,体验包括手机刷卡消费、手机门禁、手机考勤等一卡通集成应用项目。
而2010年6月22日上海召开的《2010年中国国际物联网大会》上,中国联通分别演示了电子现金、在线汽车、手机沃导航、触动传媒、安全监控等技术的成熟应用,另外农业大棚、电子海报、订奶签到、防伪溯源和远程医疗(护心甲)等一系列精彩、前沿的通信体验,也远远超出了王浩的想象。
第一次信息革命是PC,美国的企业占了优势,成就了温特尔(Windows+Intel)。第二代是PC互联网,成就的还是美国企业,像思科、谷歌这样的企业住到了现实中人们的手机生活。第三代的移动互联时代,中国能否占有一席之地?
中国互联网络信息中心 7月15日在京发布的《第26次中国互联网络发展状况统计报告》显示,截至2010年6月,中国手机网民规模达2.77亿,中国手机网民数量从2006年1300万激增到2.77亿仅用了短短4年时间。国际知名咨询机构尼尔森近日在上海发布的《中国手机市场报告》也显示,中国使用手机上网的用户比例已经超过美国,移动互联网在中国比在美国更加流行。
看起来,中国发展移动互联网似乎很有基础。
但如果想真正实现未来手机的技术,将是一个庞大而繁杂的系统工程。除了技术标准层面,工信部电信研究院副总工程师陈金桥认为,关键还会受法律法规、投资环境等一系列因素影响。“有些是人为制造的障碍,有些是因为当前的体制政策不许可,有些属于各自的本位利益不让它流动发展起来。” 陈金桥对《中国新闻周刊》说。
“必须的应用”和“值得的应用”
上海世博会期间,众多“未来手机”模型在信息通信馆内集中亮相。
信息通信馆里的视频演示,在未来,人可以用手机和企鹅对话,听懂企鹅“我要吃鱼!”的呼喊,实现物种和大自然的对话;在另一段视频里,虚拟人物小林和在意大利威尼斯的朋友通话,两个人分别说中文和意大利文,却通过了“未来手机”的实时翻译进行了直接对话。
世博会芬兰馆里也演示了诺基亚最新概念的手机——Morph。Morph是由纤维蛋白制作的柔软、透明的手机,人们可以根据需要随意改变手机的形状样式。想打电话时,折叠起来就是通常手机的形状;如果想看电子书或者视频时觉得屏幕小,摊开来就是一个平板屏幕;出门的时候把它拗弯,手机又能像个晶莹剔透的手镯戴在手腕上。
3G门户网总裁张向东告诉《中国新闻周刊》,手机现在的第一功能虽然是上网需求,但手机其实无所不能,所有信息工具所要解决的东西手机都能做到。“手机是一个永远在线的网络终端。有人错误地以为‘手机是电脑互联网的延伸,其实手机是一个大互联网的理念,无数的终端都是可以联网的,但手机作为一个核心终端,不是取代其他的电子终端,而是要变成KEY(钥匙)。”张向东说。
手机作为一把钥匙,它将打开的门有很多。它可以帮人类建立人和人、人和物、物和物的所有联系。手机还将可以是温度计,可以是测速器,甚至具备指南针、钱包、钥匙、身份证、剃须刀等生活中必需品的功能。
“饿急的时候也许可以拿起手机啃两口来充饥。”王浩对于手机的想象很是无厘头。可是王浩也注意到,最近欧美却开始兴起手机功能简约化的趋势,只能通话和发短信的手机大受欢迎,“更少常常意味着更多”。
不久前英国一项政府调查就显示:卡拉OK机成为危害英国的最讨厌发明,排在后面的则是24小时体育频道、电脑游戏机、手机和闹钟。正是因为欧洲人对“自我生活”的重视,才把所有有利于生活的发明列为最伟大的发明,而把所有干扰自我生活的发明列为最讨厌的发明,而这些功能恰恰都融合在了手机里。
有没有人们“必须的应用”和有没有“值得的应用”,是移动互联网和物联网能否成功的关键。艾瑞市场咨询(iResearch)分析师刘亮就很关注应用,“现在比较热点的功能是阅读、游戏。未来市场的热点是位置定位服务、社交网络、支付、身份识别、手机媒体等。其实,手机最核心的服务还是语音服务,就是通话,这种应用服务是无法替代的。至于衍生出的其他各种各样的服务都只是衍生,不能替代核心服务。” 刘亮告诉《中国新闻周刊》。
手机支付壁垒
2009年底,湖南移动宣布手机钱包业务在湖南省启动试商用,在长沙、株洲、湘潭、郴州4市,移动用户只需更换一张手机钱包卡,即可以在试点商家“刷手机”进行小额消费。2010年5月,湖南电信也联手交通公司推出“翼支付”天翼公交手机卡业务,天翼用户可以在长沙市3500多台公交车上进行手机支付。
与此同时,深圳已经部分实现了手机买饮料、手机刷公交车、手机买电影票、吃饭手机买单等服务。刷卡后只听到“嘀”的一声,屏幕就显示刷卡扣费成功,整个过程不过一秒钟时间。
据预测,到2012年年底,全世界将有3.6亿人使用手机支付功能;到2014年,约有30亿成年人可以通过移动通信和互联网进行电子货币交易。手机支付系统蕴含着巨大的利润和机遇。为此,目前中国的移动运营商和第三方支付的强力介入手机支付业务,这也推动了手机支付的迅速发展。
中国通信业专业门户飞象网的CEO项立刚告诉《中国新闻周刊》,电子商务的形式可能会由此改变,现在的电子商务是购买者必须在网上找,找到了才能买,还可能买到很多假货。而手机电子商务发展起来后,以后的商场可能是展示的商场,而不是卖东西的商场,比如顾客想在商场买东西,用手机扫描标签,信息就出来了,用手机里面的支付软件就可以支付。“这样网就变得不重要了,你看到商品随时随地可以买。我们也就从一个上网的时代变成一个联网的时代,永远联在网上,不用再经过路由器、拨号、浏览器、网址、打开网页这些程序,随时随地都联在网上。”
但是,实现这样的场景,技术可能是个问题。联想移动通信科技有限公司品牌沟通部总经理王彦认为,实现手机支付可能还要两三年的时间,“信用体系是一方面,另外用户的消费习惯能不能建立起来,和银联机构的联网,安全性的校验、防火墙的设置,还有很多其他的东西没有解决。”王彦对《中国新闻周刊》说。同时,王彦也认为这个趋势肯定是不可逆转的。
另外,除了技术问题,手机支付不仅没有一个统一的标准,而且还涉及到银行系统等很多相关系统。“整体来讲这个产链确实很复杂,各家的标准不同,利益不同,这也是它发展慢的原因。”互联网和互联网化信息门户易观国际的高级分析师方丽对《中国新闻周刊》说。
单单一个手机支付功能可能涉及银行系统、公交系统等多个系统,手机“智能家居功能”会涉及到家电行业,手机“智慧医疗功能”会涉及到医疗体系。
总之,只要手机要融合原有的方式,都要和原有系统挂上边,而所涉及系统也必将“都想分一杯羹,所以相当复杂”,方丽说。
还以手机支付为例,2010年3月初,中国移动收购浦发银行20%的股份,中国移动通信公司董事长王建宙曾毫不掩饰地对媒体说,入股浦发意在利用金融资质开展移动支付业务,打造移动电子商务产业链。
但是,中移动并非金融机构,手机支付平台的合法性尚需银监会认可。在这种代收费、可以替代信用卡功能的收费方式中,电信运营商有涉足金融业务之嫌。通讯行业专家付亮告诉记者,目前手机支付最主要的障碍来自银监会的政策,中移动从浦发银行获得财务性收益没有问题,但是要想获得金融业务的准入非常困难。2003年8月,中国移动停止了部分代收费业务,就可见其承受的政策压力。
“手机支付和网银支付同属一个范畴,个人网银支付有几千亿,加上企业的网银支付就不只上万亿,相比来说手机支付的盘子还是小得多。”北京联动优势科技有限公司副总经理李贲对《中国新闻周刊》说,银监会和人民银行对此一直很关注,出台了一些规范和标准。“短期内,运营商有很大的用户群和市场运营能力,而银行在支付体系的标准和安全性掌握上更清楚,单纯靠哪一方还是很难做得起来,最后还是运营商、金融机构包括第三方的支付公司和一些大的行业应用公司相互认识、相互理解、相互妥协、相互合作。”李贲说。
技术创新之困
“手机特别适合亚洲人的交流方式,以及炫耀性的消费习惯。在应用需求方面,中国要比欧美更强。”3G门户网总裁张向东对《中国新闻周刊》介绍。
张向东认为,未来手机的信息传输并不是它最重要的功能,而服务应是它最重要的东西。未来手机用户将不再通过网址来获得服务,而是通过应用软件来获得服务。“手机的应用都是很细节的应用,创意无限,不再是什么尖端的技术,而是想象力,只要想到就能做到。很小的一个软件,也许一夜之间会让全世界数以亿计的人使用,但也可能应用时间很短暂。”
中国未来移动互联网的产业链最核心的有三方参与者,即运营商(中国移动、中国电信和中国联通)、终端厂商(手机制造商)、互联网企业(信息服务提供商)。信息服务提供商又分为两类,一类提供软件服务,一类提供信息。
如张向东所说,在金字塔底层的,将是“大量的信息服务提供商”。大批为手机提供信息和软件的中小企业,将利用他们的创意,充实手机用户的未来体验。而这也意味着,未来无数基于手机应用的软件服务、互联网服务企业将疯狂成长,也会有很多类似Google的企业,在互联网时代创造财富神话。
但这些企业要想发展,则依赖于很多条件。比如工信部电信研究院副总工程师陈金桥认为,这些企业需要扶持,但“国家对他们创新的鼓励和扶持做得不好”。比如信贷支持不够,以及要求一个创业型的信息通讯企业连续几年盈利等,都是不现实的,“不能用工业企业的标准来要求这些高科技企业”。
从中美比较来看,在中国,政府在国家创新体系中处在一个较高的位置上,发挥的是一种驱动的作用,企业、高校、科研机构、中介机构都处在被政府引导的位置,自主活动空间少。“政府在科研投入上花了很多钱,但是我们的投入有些平均,像胡椒面一样把钱撒下去,每个项目支持的力度都不大,而且有时选项目也不太准。主要是我们现在政府和企业的投入是错位的,政府去投资功利性的项目而指望企业去投资公益性的项目,这怎么可能。”陈金桥说。
在美国,不仅有大大小小各种类型基金会约47000个,总基金近4000亿美元,资金来源渠道多,运作模式、管理方式各有不同和特色。而更关键的是,企业在美国创新体系中处在核心位置,企业的创新活动在全美占有举足轻重的地位。企业以市场为导向,企业的创新活动和创新应用依赖于高校和科研机构生产的基础知识。
除此之外,知识产权保护不力也是阻碍科技企业创新的一个原因。通信领域的创新和创意最容易被模仿,陈金桥担心,“创新者往往容易从先驱变成先烈,一个创意前期做了大量的研发投入和市场推广,别人却能轻易搭车,很容易拷贝,这使得中国创新的成本特别高。”
运营商之限
特别想用上“中国制造”手机的王浩有些担心,移动互联网和物联网,在中国到现在为止还是一个“概念”,要想成功,起码得满足用户的几个条件:一是网速够快,二是成本够低,三是功能够强大。刚刚商用的中国3G网络,也就是中国移动、中国电信和中国联通这三家运营商,有足够的资源和资本承载起移动互联网和物联网吗?
“首先必须有网络这个基础,没有这个网络什么都做不了,所以运营商特别重要,当网络技术比较好的时候,就开始研究终端。然后网络和终端都有了,业务就开始缺了。阶段不同,重要性就不同。” 中国通信业观察家项立刚说。
艾瑞市场咨询(iResearch)分析师刘亮也对《中国新闻周刊》说,“在中国,应该更多地关注运营商,他在产业链中发挥的作用是巨大的。”
据公开报道,中国的平均互联网下载速度为2.37Mbps,排名全球第71,仅为第一名韩国的11.3%。而平均上传速度为1.18Mbps,排名全球第35。数据还显示,尽管中国互联网用户增长总量巨大,但实际互联网普及率还只有25.5%,远远落后于美国80%的比例,中国互联网领域都还有巨大的发展空间,移动互联网和物联网似乎更加遥远。
为此,北京邮电大学经济管理学院教授阚凯力接受《中国新闻周刊》采访时直言,问题是运营商企图利用手中掌控的电信网,作“综合信息服务提供商”、上下游通吃,应用发展不起来,自己的电信网也得不到充分利用。
“在中国,如果我们有像微软这样的一家企业,可能就很难再找到其他的企业,新的创新型企业很少有充分的上升空间,而美国即使有再大的企业,他也会给中小型企业非常好的发展空间,政府很可能会制约像微软这样庞然大物,来保证小公司也有发展机会,是一个充分市场化充分竞争的环境。”联想移动通信科技有限公司品牌沟通部总经理也王彦对《中国新闻周刊》记者说。
“其实运营商一直想控制手机支付,并不是想赚用户和商家的手续费,它更希望通过提供新的功能来开展一些黏性的增值服务,不让用户从自己的网络里退出去,而到对手的网络里。”北京联动优势科技有限公司副总经理李贲对《中国新闻周刊》说。
【中国人工智能报告】推荐阅读：
人工成本分析报告107-09
人工智能安全问题09-10
人工智能发展英语09-13
人工智能基础教学09-16
对人工智能的思考05-30
人工智能课程大作业06-08
人工智能的辩证思考06-09
python人工智能教学06-21
人工智能和教师教学07-07
人工智能对工作的影响07-25
