未来人工智能将改变哪些行业我们又该如何应对

不知道大家是否还记得人类围棋排行榜世界第一柯洁被人工智能AlphaGo(AlphaGo也就是人工智能阿尔法狗)彻底击败的那一天。 这是人工智能产品第一次以令人震惊的形式出现在公众视野中。 也正是从这个时候,人们才真正认识到人工智能的重要性。

柯洁落败两个月后,我国公布了《新一代人工智能发展规划》,明确提出2020年、2025年的发展目标,希望到2030年,我国成为全球人工智能领域创新中心智力。 这一年,我国在人工智能创投领域占全球人工智能投资的48%,首次超越美国。

未来智能产品的发展趋势_智能未来可能出现产品有哪些_未来可能出现什么智能产品

阿尔法狗击败柯洁

一个繁荣的时代

过去,人工智能可能只是在某些特定行业发展起来,并没有真正进入大众的生活。 然而最近,随着ChatGPT的发布,很多人都感觉它迎来了一个新时代,人工智能将正式走进世界。 各行各业,人工智能时代已经真正到来。 随着ChatGPT的出现,越来越多的各大厂商开始投入AI开发领域。 百度的文心一言的发布也是时代发展的体现。

未来智能产品的发展趋势_智能未来可能出现产品有哪些_未来可能出现什么智能产品

百度发布的文心一言

正如一位科技大亨所说,“人工智能时代将比我们想象的更快地来到我们的生活,无论你同意与否,它都会到来。”

行业和工作方式的变化

人工智能将改变许多行业及其工作方式。

1、自动化生产线:人工智能可以通过自动化生产线进行质量监控、生产调度和仓储管理等任务,从而减少人工成本和人为失误。

未来可能出现什么智能产品_未来智能产品的发展趋势_智能未来可能出现产品有哪些

人工智能在智能制造中的应用

2.机器人劳动:机器人可以承担一些简单、重复、危险或繁琐的任务,例如清洁、修理和包装任务。 这将释放人力,让人们有更多的时间和精力去做更高层次的工作。

3、数据分析与预测:人工智能可以分析大量数据,发现趋势和模式,预测未来趋势和发展方向。 这为企业提供了更好的决策依据,提高了效率和生产力。

未来智能产品的发展趋势_未来可能出现什么智能产品_智能未来可能出现产品有哪些

人工智能在大数据分析中的应用

4.聊天机器人和客户服务:人工智能可以通过基于自然语言处理技术进行智能交互来提供更好的客户服务。 聊天机器人可以通过自动回答常见问题来减少客户服务工作量。

5、教育培训:人工智能可以帮助学生定制个性化学习计划,并提供智能辅导和反馈。 这为学校和培训机构提供了更好的教学工具和资源。

6. 医疗

:人工智能可以执行医疗诊断、预测疾病风险、制定治疗计划和药物开发等任务。 这将改变医疗保健的工作方式,提高医疗效率和准确性。

未来可能出现什么智能产品_未来智能产品的发展趋势_智能未来可能出现产品有哪些

人工智能在智慧医疗中的应用

7. 金融服务

:人工智能可以执行风险评估、欺诈检测、投资组合管理和客户关系管理等任务。 这将改变金融服务业的运作方式,提高服务质量和效率。

8.交通:人工智能可以优化交通管理、智能导航、自动驾驶、物流管理等任务。 这将改变交通运输部门的运作方式,提高安全性和效率。

未来可能出现什么智能产品_未来智能产品的发展趋势_智能未来可能出现产品有哪些

人工智能在智能交通和自动驾驶中的应用

9.农业和食品生产:人工智能可以执行农作物和动物生产管理、精准农业、食品加工和质量控制等任务。 这将改变农业和粮食生产的方式,提高产量和质量。

10.媒体和娱乐:人工智能可以生产个性化内容,分析用户兴趣和行为,并提供虚拟现实和增强现实等服务。 这将改变媒体和娱乐领域的运作方式,提高用户体验和效率。

未来可能出现什么智能产品_未来智能产品的发展趋势_智能未来可能出现产品有哪些

人工智能在虚拟现实中的应用

应对之道:无法阻挡,随波逐流

从上面的分析我们可以看出,未来基本上所有行业都会或多或少地被人工智能改变。 大时代的到来,我们无法阻止,也没有必要阻止。

就像工业革命时期一样,纺织工人因为担心纺织机械的出现导致自己大量下岗而产生矛盾。 然而,这根本没有阻止纺织机械的广泛使用,工业革命也将创造许多新的就业机会。

智能未来可能出现产品有哪些_未来智能产品的发展趋势_未来可能出现什么智能产品

人工智能是新一代工业革命

未来,自动驾驶可能对司机产生影响,烹饪机器人可能对厨师产生影响。 我们无法阻止时代的变化,所以最好的办法就是加入到这场变革中来,尽快适应和掌握人工智能工具。 ChatGPT中有一句话我很认同:“未来淘汰你的不是ChatGPT,而是懂得使用ChatGPT的人。” 拓展一下,我们可以说“未来消灭你的不是人工智能,而是懂得利用人工智能的人”。 。

我是一名技术工程师。 我希望自己能够密切关注技术发展,并热衷于学习最新技术。 所以,这也是我写这个百家号的原因。 我希望能分享一些我所看到的事情。 如果您有兴趣,可以关注并喜欢支持我。 如果有错误的地方,欢迎大家在评论区指正。 已添加,谢谢。

我向同样喜欢读书的朋友推荐两本关于人工智能的书。 第一本是《ChatGPT:AI Revolution》,这是一本利用ChatGPT创作的关于人工智能的书。 它讲述了人工智能以及人工智能可以实现的业务场景。 有兴趣的朋友可以阅读一下。

未来智能产品的发展趋势_智能未来可能出现产品有哪些_未来可能出现什么智能产品

ChatGPT:AI革命人工智能技术科普书籍

京东好评96%,无理由退换货,京东宅配官方商城

¥53.7

另一本是李开复写的《AI未来进展》。 本书以《AI.未来》为基础,增加了对最新AI技术的讲解以及在AI新时代我们应该如何灵活应对的一些思考。 ,有兴趣的朋友可以阅读。

智能未来可能出现产品有哪些_未来可能出现什么智能产品_未来智能产品的发展趋势

AI未来进步李开复

京东月销量100件,好评率99%。 无理由退货或换货。 京东交付。

44日元


数据膨胀时代计算技术的变革在哪里 科技汇聚动力数据为先线上圆桌活动回顾

智能未来可能出现产品质量问题_未来可能出现什么智能产品_未来智能产品的发展趋势

随着计算能力和技术的发展,基于大数据和人工智能技术融合的数据智能逐渐在商业环境中落地。 为了应对复杂、大规模的实施问题,业界不断引入从底层存储到上层算法的新技术。

在此背景下,6月28日,DeepTech与迪普科技联合发起“技术聚势,数据为先”线上技术研讨会,就大数据背后的多重技术应用进行深入探讨,旨在弥合产业界与学术界的差距。 障碍。

点击图片观看活动回顾视频

出席会议的嘉宾包括5名高校专家和2名迪普科技的专家代表。

迪普科技产品管理部总经理在交流会上表示:从行业角度来看,企业的数据量不断增加,未来会有更多的PB级数据存储需求等待解决。 同时,让数据流动起来,为业务运营各个阶段提供决策帮助也至关重要。

如何收集、管理和使用数据? 未来AI技术的热点研究方向有哪些? 这次技术研讨会可以带来一些新的答案。

智能未来可能出现产品质量问题_未来智能产品的发展趋势_未来可能出现什么智能产品

数据库的未来

1、数据库和大数据技术取得长足进步。 海量、多模式数据的存储和处理是否存在融合趋势?

(北京航空航天大学软件学院教授级高级工程师):

我认为数据库和大数据不必在技术上整合。

虽然从大的背景来看,整个计算机学科正在走向融合,包括通信网络、软件和硬件的融合,但从信息哲学的角度来看,这都是为了追求结构的紧密耦合和高性能。

但数据库和大数据技术面向的是海量多模式、更复杂的场景。 更困难的是从非结构化到结构化的过程。 构建是目的。 有些非结构化维度非常高,需要对其进行抽象和降维非常困难,所以现阶段仍然使用元数据映射来表达从非结构化到结构化的处理。

另一方面,从非结构化到结构化的过程也是对数据进行分类的读、写和重组的过程。 这两种业务技术交替发展,波涛汹涌,互为基础。

20世纪60年代,IBM首先提出了一种结构化的方式来表达人类对信息的管理和组织。 2000年后,互联网快速发展,Google开始推广NoSQL,使用键值对来表达非结构化数据。 两者互相学习,交替发展,都存在瓶颈。

我个人认为没有必要收敛。 不同的技术路线需要与业务场景相关。 目前人类还无法将大量的场景串起来形成一条业务场景线。 当前,大数据和不同场景的数据库正在快速发展。

2、企业成长过程中,会出现数据烟囱问题。 不同的业务系统需要选择不同的数据库和分析平台。 有没有统一的机会?

(西安电子科技大学计算机科学与技术学院副教授):

在 20 世纪 90 年代,我们通过引入信息管理系统引入了结构化数据。 当时,关系数据库占主导地位。 通过不断的积累,我们可以分析这些数据来辅助决策。

2010年左右,Google为自己的搜索业务设计了一套大数据系统,就是现在的分布式文件系统GFS。 之后,非结构化数据越来越多,数据库的概念应运而生。

至于是否会向一体化方向发展? 企业要根据自己的需求来决定。 在技术层面,非关系型数据中的一些技术已经被运用到关系型数据库中。

对于企业来说,当拥有关系数据和非关系数据时,如果两者的目标不一致,就没有必要进行整合管理。 即使强行实行一体化管理,也未必有效率。

混合数据库只有在某些条件下才可行。 例如,如果OLTP和OLAP相关,或者大部分数据一致,就可以进行混合管理。 如果企业或业务的数据不一致且用途不同,混合管理的效率就不会高。

(迪普科技产品管理部总经理):

大数据和数据库技术最终还是要落地到现实场景中。 从企业角度来看,以HTAP为代表的数据库更适合中小型结构化数据分析。 大型企业的数据密度更高、更复杂,因此可能需要使用数据湖进行处理。 同时,单独的数据湖可能无法满足数据分析的需求,必须引入湖库一体化架构。

另外,在与AI结合方面,数据湖架构自然可以更好地支持AI分析。 目前,业内越来越多的企业选择了这一解决方案。 对于企业来说,搭建平台的第一步就是要考虑清楚自己的数据特征和场景。 单一的架构很难满足所有企业场景的需求,所以还是需要按照常规的方式来进行。

3、大数据系统中有多种针对不同场景的计算引擎。 未来有可能有统一的SQL引擎和语言吗?

(迪普科技产品管理部总经理):

事实上,在数据库领域,SQL语言已经非常标准化。 使用SQL语言进行大数据的出发点是解决开发效率和编程效率的问题。 可以说,大数据借用了SQL语言来帮助分析场景。 例如,OLTP中高并发业务场景下使用SQL来优化性能。

不同的业务系统需要选择不同的数据库。 这不仅是由技术决定的,也是由市场和具体业务场景决定的。 目前还没有一个数据库或平台能够覆盖所有场景。

我认为在这件事上没有必要让一种语言主宰世界,即使有,也只是暂时的结果。

4、如今非结构化数据和半结构化数据在人工智能中将会有更多的应用场景。 数据存储有哪些新的突破可以更好地支持对这些数据的科学分析?

(迪普科技产品管理部总经理):

从工程角度来看,企业在实施工程时会引入业界的新技术,比如统一存储引擎。 无论是结构化还是非结构化数据,分布式文件系统还是对象存储架构,都可以使用统一的表引擎将多模式数据放在一张表中进行读取。 这是工程方面的。 改进。

为了支持业务侧分析,企业存储多模态数据后,会不同程度地加工成结构化数据,进行融合分析。 虽然这不是底层技术的突破,但作为工程阶段的突破,它也可以支持AI分析。

智能未来可能出现产品质量问题_未来智能产品的发展趋势_未来可能出现什么智能产品

AI+图计算:应对更复杂的场景

5、在我国,AI技术已经在很多场景落地,那么AI基础设施和技术的机会在哪里?

(西北工业大学计算机学院副教授):

制作应用程序比制作基本系统更容易。 这可以反映在论文数量上,前者的数量要多得多。 因为AI的应用中存在各种可以轻易验证的问题,目前业界流行的语音和图像处理、文本识别、自然语言处理、自动驾驶等,都是AI在不同场景下的应用。

在基础设施研发方面,我国始终有居安思危的意识,强调核心技术和系统的自主可控。 比如国内的存储系统,尤其是大规模存储系统,华为、浪潮、曙光等公司都有自主研发的大规模存储系统。

在计算架构方面,国外我们多采用tensorflow,但华为也开发了自己的计算框架MindSpore,提供AI模型开发、模型运行、模型部署能力,更适合自己的芯片算力。 在数据库方面,据说有400多家公司正在开发自己的数据库系统。 我认为国内还有很多企业和研究人员在基础领域取得突破,未来会得到更广泛的应用。

6、图数据库有哪些比较适合解决生物医学等问题的特性或算法?

(北京航空航天大学软件学院教授级高级工程师):

我从5年前就开始关注这个问题。 医学影像可以直接使用图数据库的算法。 当前生物医学问题的研究热点和关键点是基因大数据。 遗传大数据的特点是文件格式比较简单,同时文件非常大。

例如,在人类基因组测序数据中,一个样本的遗传数据有90G。 我们如何使用 ATCG 来比较这么大的文件中的基因序列? 我们正在做另一个关于遗传大数据的专题项目。 一个90G的基因将产生超过20,000个特征。 所以我们也开始尝试用图数据库来表达。

这里分为两部分:如何存储和如何计算。

在存储方面,我知道一些存储基因组测序数据的方法实际上是从开源数据库修改而来的,但成熟度仍然需要提高。

在计算方面,由于基因表达了很多特征,所以我们使用图数据库来嵌入图或使用图神经网络来表达它们。 目前该方法已投入使用。

还有一种应用是使用图数据库来表达的。 比如我提取了2万多个人类基因。 我可以将它们转换成基于多个样本的图,然后使用CV来进一步抽象识别该图吗? 目前,这个方向也在探索中。

此外,加入基于基因生物学功能的监督预测算法,例如结合基因参与的生物学途径以及上下游基因的功能,可以大大提高准确性。

7、图像相关的AI检测领域目前正处于从实验室走向工业化的过程中。 如何平衡成本、效率和期望之间的差距?

(北京工商大学计算机学院教授):

首先,任何人工智能技术成熟后,最终都会赚钱。 从之前大厂商探索这方面的经验来看,我们可以看到很多烟囱都存在问题,而且还涉及到是做中间平台还是各个平台自己做的选择。

比如阿里巴巴早期,有几个独立的团队在做AI算法和平台。 后来,他们开始将技术与中央平台统一起来。 但他们发现这并不能为每个业务线提供足够的支持,因此他们开始尝试建立单独的团队进行改进。 原因是客户的业务,尤其是大客户的业务,需要一些基于公共系统的定制化研发来满足他们的需求。

作为一个观察者,我看到互联网行业在过去的一年半里正在经历整合。 过去,大家都愿意大量投入一项先进技术,而不看短期回报,但在目前的形势下,很多无利可图的业务都会被砍掉,所以需要做出更多的平衡和权衡。

目前,能够在成本和收入上实现盈亏平衡的前沿业务线并不多,包括一些工业大脑和智慧城市业务,大多处于亏损状态。 未来大家可能会更关注某些问题,解决某个技术点,而不是指望通过一个大平台来解决大部分问题。

例如,可以用一个小的技术系统来解决一个特定的问题,企业可以为这个可复制的解决方案付费,从而保证一个业务线产品的健康发展。

8. 成熟的人工智能大规模应用的标准是什么?

(西北工业大学计算机学院副教授)

总的来说,AI在早期阶段的成本肯定是非常高的,因为算法本身不成熟,对数据的要求非常高。 只有算法逐渐成熟,才有可能降低对数据精度的要求,降低数据采集的成本。

刚才提到的人工成本也是如此。 早期,大家都比较关注先进技术。 未来算法改进的空间会更小,人力成本可能会下降。 因此,降低成本是成熟的表现。

成熟的另一个标志是大规模应用。 但对于AI应用来说,没有必要在经过充分训练后才应用。 我觉得发展的过程应该是,只有AI大规模应用之后,我们才能获得更多的数据集,发现更多场景下的问题,然后对模型进行修改和优化。

成熟的另一个标志是,用户可以对人工智能抱有现实的期望,并习惯于用人工智能代替体力劳动。 比如现在的智能音箱都是有NLP技术支持的。 如果大家都知道这个音箱的能力和边界,并且习惯用它来实现一些功能,我认为这是成熟的标志。

未来可能出现什么智能产品_智能未来可能出现产品质量问题_未来智能产品的发展趋势

计算机视觉和模型泛化:像人眼一样看世界

9、关于人脸识别,不同场景应用的人脸识别算法和模型是否具有通用性?

(北京航空航天大学软件学院副教授)

我的回答是:不。

为什么人脸识别的通用性还是这么差? 我们首先需要了解人脸识别的关键方面。 首先是场景数据的质量; 二是看模型; 三是模型训练和优化的结果。

首先,数据取决于应用场景,不同场景下的数据分布是不同的。 从公司里几千人刷脸签到的系统,到几万人刷脸的系统,再到几十万、几千万人的城市使用的身份识别系统人,难度成倍增加。 这里的应用场景也分为静态/动态、单人/多人、有/无遮挡等,场景非常多样。

虽然我们看到通用的人脸识别算法的水平已经很高了,在公开数据上可以达到98%的准确率,超过了人类的水平。 但在具体场景下,就会体现出局限性,那就是需要依赖场景和数据。 这个因素决定了,总体来说,人脸识别算法模型在不同场景下的通用性并不是很强。

10、关于下一代大数据系统的研究,学术界的研究热点有哪些?

(北京航空航天大学软件学院副教授)

在我关注的深度学习领域,我认为未来5-10年的研究热点将是下一代基于生物神经元的深度学习,或者说深度学习2.0。

我们目前处于1.0阶段。 基于人工神经网络深度学习的模型的人工成分非常大,可以理解为对大脑神经网络的大幅简化。 因为我们还没有弄清楚大脑是如何工作的,所以我们无法模拟神经元如何工作。

现在很多大学都成立了研究团队来研究脑科学和认知科学。 我相信未来人工智能的重要发展方向是深度学习与脑科学、认知科学和神经科学紧密结合形成的交叉学科,可能会带来革命性的突破。

11.人工智能技术发展和实施的挑战和机遇。

(迪普科技首席技术专家):

从产业角度来看,人脸识别已经是产业化最好的技术之一,包括打卡、手机解锁等,这需要在通用数据集训练的基础上进一步训练或者调优。 满足使用要求。

所以,产业化涉及到一个大问题:成本。 因为我们不可能每个站点都安排各种算法工程师去进行优化,成本太高了。 所以我觉得整个行业可以有更好的分工。 比如有的公司做通用算法,我们拿好的模型,根据场景做二次训练。

这里我们需要一套流程和工具链来连接不同的角色。 有的人负责AI算法,有的人负责偏向工程应用的算法。 结合应用落地场景,可以通过更精细、更顺畅的社会分工来降低成本。 其次,拓展人工智能应用市场。

未来可能出现什么智能产品_智能未来可能出现产品质量问题_未来智能产品的发展趋势

打破壁垒,塑造更智能的现实世界

讨论至此,“技术聚势,数据为先”线上技术研讨会落下帷幕。 激烈的意见交流和信息极其密集的交流过程甚至超出了我们的预期。

在时间维度上,研讨会内容贯穿了数据库与计算技术过去几十年的发展历史、关键节点以及当前的研究热点。 也展望了未来技术演进的方向; 在行业深度层面,研讨会内容囊括了从底层技术,到流数据的流转,再到具体场景的实施过程的方方面面。

由于嘉宾背景不同,讨论脱离了单一视角,结果正如圆桌会议的初衷:打破壁垒,让学术界和工业界听到彼此的声音。

正如迪普科技首席技术专家在分享中提到的,“AI应用离不开多重角色,参与从底层技术到场景落地的各个阶段,健康的流程有助于提升效率。” 产业发展也是如此。 ,在碰撞中相互渗透影响,消除产学研之间的距离,最终塑造更加智能的现实世界。

智能未来可能出现产品质量问题_未来智能产品的发展趋势_未来可能出现什么智能产品

未来可能出现什么智能产品_未来智能产品的发展趋势_智能未来可能出现产品质量问题


智能终端三大考验一个答案

下载小布智能语音_下载智能语音助手小布_小布语音助手免费下载

下载小布智能语音_下载智能语音助手小布_小布语音助手免费下载

万物融合时代,让终端更加智能,云会是最优方案吗?

作者|程潜

编辑| 沙漠之影

云计算与终端产业将会碰撞出怎样的火花?

如今,从手机、手表、平板电脑到电视、VR设备、机器人等各种终端设备正在重塑我们的生活方式。 与此同时,一个新趋势日益明显——个人和家庭智能终端向云端迁移。 那么,随着云计算加速从互联网行业向工业、政企渗透,它能为消费电子终端带来怎样的想象空间?

作为智能终端行业的顶尖玩家,OPPO也以此为契机,开始了智能终端的新探索——利用云,为智能终端体验开辟新的想象空间。

上周三,在OPPO未来技术大会上,OPPO发布了面向个人、家庭、开发者的泛终端智能云——晶心智能云,相当于为智能终端设备配备了“数字智能大脑”,为智能终端设备带来了实惠。泛终端产业。 来到新的“生产力”。 晶心智能云的发布也意味着OPPO提出的软、硬、服务三大核心技术格局已初步形成。

小布语音助手免费下载_下载小布智能语音_下载智能语音助手小布

以智能手机为核心,人们的终端设备形态和智慧场景正在加速拓展。 如何让用户体验多个终端之间的无缝流动,让终端变得更加智慧,是终端行业玩家在下一个时代必须思考和面对的问题。 问题,而这或许也决定了智能终端产业格局的变化。

OPPO此次将终端云布局摆上了台面。 这背后的想法是什么? OPPO“芯云融合、多端融合”战略形成后会带来哪些变化?

带着这些问题,智东西与OPPO晶心智能云战略及相关技术负责人进行了深入交流,试图通过晶心智能云的诞生来分析智能终端行业的新变化。

01.

终端设备智能化趋势下

终端厂商面临三大考验

如今,随着5G、人工智能等技术的发展,几乎所有硬件设备都被“智能”网络覆盖。 万物融合、万物智能化的时代正在加速到来。

智能终端和服务种类繁多的同时,也带来了新的挑战:终端设备算力需求持续上升、用户数字资产激增、终端一致智能体验的需求日益增加。 如何应对这三大关键考验,将成为智能终端厂商下一步竞争的关键。

小布语音助手免费下载_下载智能语音助手小布_下载小布智能语音

1、终端设备存储空间有限

智能终端产业的发展催生了海量的用户数据,比如我们的手机、电脑里有几GB大小的照片、办公文档等。 OPPO晶心智能云战略负责人陈小春提到,业界有很多产品可以解决用户终端问题。 存在存储问题,但云存储无法解决用户跨终端“零等待”的体验需求。 那么,如何丰富智能设备的形态和功能,同时让用户能够跨多终端、无缝地实时查看、编辑和共享自己的海量数字资产呢?

解决这个问题其实并不困难。 相比个人与企业,如今各类企业都被数字化浪潮席卷,云计算成为企业数字化转型的必然选择。 因此,终端厂商如果能够实现用户个人和家庭数字资产的云协同,最终就能解决数字资产互联互通的问题,但实现起来并不容易。

2、用户智能体验需求升级

手机、手表、平板电脑和各种智能家居设备让用户只需动动嘴、动动手指就可以开灯、关窗帘。 多样化的智能终端正在重塑人们在特定场景下的生活、娱乐、工作方式。

如今,终端厂商的关注点已经从让设备变得更加智能扩展到协作设备的互联互通。 因此,面对万物融合时代的发展趋势,如何协调异构设备的能力,形成用户智能体验的“合力”,是终端的关键,这是厂商在自身发展中无法回避的难题。下一步发展。

解决这个问题的关键是为多样化的终端设备提供一个“大脑”。 提升智能体验的关键是让原本独立的终端设备在“大脑”的统一管理下实现互联,从而形成对用户“智慧”的统一主动认知。

OPPO智能助手小布从语音助手发展到多模态助手,再到小布家庭机器人。 这些都是OPPO对于让终端设备提升用户智能体验的探索。 OPPO小布助手首席研究员杨振宇告诉智洞智,在产品层面,主动智能一直是一个大命题,如何让小布变得更加主动,是他们探索的主要方向。

下载小布智能语音_小布语音助手免费下载_下载智能语音助手小布

3、虚实融合、终端侧承载矛盾凸显。

除了上述已经铺天盖地进入我们生活的终端设备外,还有一些新兴设备正在悄然兴起。 随着虚拟宇宙概念的深入人心,VR、AR设备蓬勃发展。 如今,备受全球关注的世界杯,也涉及到VR设备的参与。 PICO作为国内VR设备的领军企业,为用户打造了沉浸式的观看体验。

小布语音助手免费下载_下载小布智能语音_下载智能语音助手小布

在这个过程中,用户所在的虚拟空间对功耗和算力提出了更高的要求,单纯依靠端侧的算力很难实现。

因此,想象空间无限的虚实共生场景与终端本地承载能力有限的矛盾就出现了。 尽管这一具体场景仍在发展变化,但终端厂商需要更早开始准备。 因此,端云协同的初步设想已经出现。

归根结底,终端厂商已经走上了从基础满足、智能体验升级到未来体验提升的必由之路。 是增加用户的负担,还是在下一次重塑智能终端格局中抓住机遇,就看终端厂商接下来怎么做。

02.

一种“新生产力”带来多种“新想象”

在智能终端产业广度和深度加速拓展的趋势下,“云”对于智能终端产业下一步发展至关重要。 深耕智能终端行业18年的OPPO也将目光投向了云——晶心智能云。

终端云听起来可能与我们不太相关,但它可能涉及到我们生活的方方面面。

作为OPPO三大核心技术之一,晶心智能云可以为终端设备提供端云协同的数据存储和智能计算服务,是万物融合的“数字大脑”。

众所周知,安第斯山脉是地球上最长的山脉。 它就像一道天然屏障,改变着周围的生态环境。 顾名思义,晶心智能云也是OPPO赋能智能终端行业的重要支撑。 OPPO数字智能工程部总裁刘海峰表示:“OPPO希望打造一家以优秀产品为基础的生态科技公司,与业界一起为用户带来更好的体验。”

晶心智能云的能力和OPPO的考虑也与智能终端行业的上述三大考验紧密契合。 从产业角度来看,“终端云”将为一切智能都无法回避的三大挑战带来积极的答案:基础的用户存储体验、先进的智能服务、虚实融合部署。

每个人和每个家庭的“一云”不仅解决存储,还解决协作。 如今,手机内存越来越大,人们需要存储的信息也越来越多。 当外出工作或更换设备时,他们常常需要等待很长时间才能从云端下载文件和照片,这大大降低了日常生活和工作的效率。

OPPO要做的就是面对更多的多终端、多场景应用,为用户提供便捷、一致的服务。 OPPO云存储技术负责人何晓春表示:“晶心智能云的优势在于用户零等待。”

基于CNCF(云原生计算基金会)中国首个开源云原生分布式存储项目CubeFS,OPPO打造了无限云相册和西信云办公,为每个用户、每个家庭打造属于自己的“一片云”,让用户可以扩展存储空间,减少备份和迁移过程,并通过同一帐户登录即可获取数据。

下载小布智能语音_小布语音助手免费下载_下载智能语音助手小布

除了存储,云上的“数字大脑”还赋能终端,让AI主动进化。 在享受未来智能生活的同时,人们将赋予每一个智能终端设备更多的主动能力。

以小步助手为例,智能助手正在从被动服务向主动理解转变。 OPPO打造了名为StarFire的端云机器学习平台,让AI通过在设备上实时感知数据并在云端反复训练来学习和进化。

小布语音助手免费下载_下载智能语音助手小布_下载小布智能语音

OPPO多模态学习负责人郑智通总结称,OPPO自研小步家用机器人从0到1,在SLAM算法、人脸人体识别、多模态交互、手机与机器人端-云端等方面实现了进化合作。 。

下载小布智能语音_下载智能语音助手小布_小布语音助手免费下载

现阶段,机器人是AI主动智能的更加极致的探索,为其他终端主动智能的演进释放出积极的信号。

成为虚拟世界引擎,复制现实世界。 虚实融合是新的流量热词。 未来,这个行业是否会像手机一样融入我们的日常生活还不得而知,但可以预见的是,它带来的产业变革正在加速。

然而,虚拟与现实世界真正融合的背后需要的是支持PB级场景数据存储和海量算力引擎的能力。 OPPO音视频技术负责人郑小川分享了一个关键数字:仅仅1PB的数据就需要2048个512GB的手机存储空间。 显然,终端侧无法承载如此大的存储空间并提供算力支持。 虚实融合需要终端与云端的协同。

OPPO基于端云实时渲染引擎Andeverse构建3D虚拟空间,利用摄像头扫描现实空间,将空间、建筑、物体等复制成3D虚拟物体,然后将其投影到虚拟空间中。空间。 它真正使用户体验身临其境。

下载小布智能语音_小布语音助手免费下载_下载智能语音助手小布

可见,OPPO晶心智能云规划的核心逻辑已经完整呈现。 陈小春表示,他们从存储开始,帮助用户把数字资产放在云端。 第二步是对它们进行计算,满足更高层次的需求,最终为用户打开虚实融合的大门。 这都是同一脉络。

可见,终端云在直接面对智能终端发展过程中问题的同时,也成为新的生产力,让硬件和服务更加紧密地交织在一起,给智能终端的发展带来新的想象空间。

03.

共建云,技术先行、产业合作是关键

在敏锐把握智能终端行业发展趋势的同时,如何真正让这块“终端云”成功漂浮是关键。

因此,OPPO构建了系统的“云端”技术架构。

在应用层,为了满足多种终端设备在场景和应用上的一致性和创新性,晶心智能云提供了智能推荐、智能交互等解决方案。

陈晓春表示,晶心智能云的基础架构是基于全球混合云部署。 OPPO有自建机房,也租用公有云资源。 因此,在IaaS层,OPPO用了两年的时间完成了全球混合云基础设施建设、技术平台打造和核心能力布局。

针对终端厂商提升效率的更为关键的PaaS层,晶心智能云一举打造了六大平台能力:端云数据存储、端云机器学习、端云实时渲染、智能对话、硬件仿真与安全隐私,覆盖终端设备,解决用户存储、智能计算、虚实融合等各个方面。

其中,在端云数据存储方面,为了打造“用户零等待”的存储体验,晶心智能云将云存储挂载到系统层。 何晓春表示,终端和云之间的网络环境非常复杂,研发人员需要更加仔细、妥善地处理网络带来的存储和访问问题,而当终端设备规模达到亿级时,其多样性将这也给研发人员带来了不小的挑战。

可见,OPPO想要让终端云真正像安第斯山脉一样,用其强大的能力彻底变革终端行业。 面临很多困难,但OPPO一步步做到了这一点。

究其原因,自然与OPPO之前构筑的技术护城河密不可分。 今年,OPPO全球首个自建数据中心投入运营,这也成为OPPO的里程碑事件。

小布语音助手免费下载_下载小布智能语音_下载智能语音助手小布

OPPO全力推进终端云建设的背后,时机也很重要。 否则,即使OPPO有深厚的技术积累,也无法仅凭一己之力打造出真正可用、好用的晶心智能云。

对于开发者来说,在万物融合的趋势下,只有新的终端云才能支撑终端设备的功能和应用创新,满足用户不断刷新的需求。

对于终端行业来说,存储空间的限制、用户对智能设备的需求、虚实共生等未来趋势的出现,都对上游软硬件发展提出了紧迫且必须面对的挑战。 目前,端云协同是本次测试的最优方案。

对于OPPO来说,作为智能终端玩家,OPPO对于行业的变化有着更为深刻的观察。 陈小春总结道,随着通信技术从2G、3G到现在的5G发展,设备和云之间的带宽问题已经得到解决,个人和家庭向云端迁移实际上已经成为不可逆转的趋势。

诸多行业趋势表明,OPPO打造终端云的条件和机遇已经成熟且紧迫。

刘海峰强调,OPPO并不是打造公有云,而是始终围绕“让终端更智能”这一核心,回归晶心智能云本身的行业属性。

OPPO自研芯片、跨端系统和智能云三大核心技术,最终共同提升用户的智能终端体验。

下载智能语音助手小布_小布语音助手免费下载_下载小布智能语音

在智能终端行业发展面临变革之际,OPPO以其深厚的技术积累为核心,与生态合作伙伴共同面临大考。 在晶心智能云的支持下,终端设备的智能化升级将迎来快速发展。

04.

结语:终端行业的下一场星辰大海才刚刚开始

对于OPPO和智能终端行业来说,晶心智能云的推出只是第一步。

现在,OPPO技术战略的三大拼图已经完成,这是云真正渗透到终端行业的开始。 未来,随着越来越多的参与者加入和终端设备的出现,终端云将在万物融合的时代背景下给终端行业带来变革。

此后,这个行业可能会出现更多的“终端云”,届时,将成为智能终端行业真正的下一步。

下载智能语音助手小布_下载小布智能语音_小布语音助手免费下载

(本文为网易新闻·网易精选内容激励计划签约账号【智东石】原创内容,未经账号授权,禁止转载。)