3S Market 傳遞 智慧應用與價值的商業資訊
『AI人工智慧！機器學習 & 突如其來的危機』芬特克 FinTech EP3 |
今日主題 工業4.0\智慧城市與環保節能\車聯網\經營管理探討
| ||
車聯網與智慧車載
| ||
 |
2018年2月9日 星期五
．2018\02\09\3S Market Daily 智慧產業新聞
3S Market deliver Smart and Valuable information for Business
．記住現今！商用 L4 級別無人車上路，再不怕春節沒人送快遞
The company called Nuro built a completely different type of car without driver
ifanr
老婆：老公，你快看過來的這是個啥？老公：Nuro.AI（發音：牛肉哎）。老婆：我知道是咱買的牛肉啊，我問你這個車是什麼。老公：這是 Nuro.AI 的無人駕駛配送車，以後的快遞就靠它了。
雖然全世界都在為：誰會是第一款正式商用的 L4 級別無人駕駛車，而打的頭破血流，但請記住今天，很可能就是人類 L4 級別無人車商用的起點。
各種路況難不倒它
與其他汽車公司，喜歡給自己的產品加上各種限制詞不同，Nuro 的這台車直接就宣佈，自己是完全符合車規、可以在普通機動車道路上行駛的，它當然是無人駕駛的，因為它上面連一個給人類設計的空間都沒有。
在公開道路上營運，就意味著這台車必須能夠自如應對，一切人類司機可能面對的交通規則，從 Nuro 公開的路測影片中，我們可以一探究竟：
Nuro 可以辨識美國最常見的 Stop Sign ，並自動讓行其他車輛；
可以準確辨識前方的交通指示燈，是紅燈還是綠燈：
可以認出來正在過馬路的行人：
在左轉時，還會趁行人過去之後再加速：
掉個頭應該不算什麼難題；
看到自行車也會主動保持距離（這要是在台灣，是不是就別走了……）。
這麼聰明的一台車，目的則是完成最後一英里（在台灣肯定是最開始一公里）的物流配送。
Nuro 在車輛兩側各設置了前後兩個貨倉，每輛車能承載的重量超過 100 公斤，透過與電商、超市或者本地服務公司合作，Nuro 可以輕鬆地在任何時段，完成本來需要人工配送才能完成的任務。
從無到有僅用了 17 個月
支撐這輛小車的環境感知硬體，只有位於車頂上的一個雷射雷達，和位於車輛周邊的 8 個攝影機，而更讓人驚嘆的數據，或許是這台車從開始研發，到最終推出成品，只用了 17 個月。
不過當你知道了 Nuro 的創始團隊背景之後，或許就能理解，這種速度背後的原因了。
Nuro 的兩位創始人，分別是朱佳俊和 Dave Ferguson ，前者在創業之前，是谷歌自動駕駛團隊的首席工程師之一，是谷歌無人車在環境感知方面的絕對專家。
Dave Ferguson 也來自谷歌無人車團隊，在現在凡無人駕駛公司，必談的機器學習和視覺感知方面最為在行，要是往前回溯就更牛了，人家連 NASA 火星探測器的開發工作都參與過。
Nuro 的野心從名字中也能體現出來，Nuro 是 New Robotics 的近似音縮寫，他們的想法，可不僅僅是一台車就能承載的，或許在他們看來，之後的全部交通工具，會在 AI 的作用下具備思考和感知能力，說是機器人也就不為過了。
至於其當下團隊的來源，大家可以去 Google 一下，你應該會得到一份矽谷知名科技企業列表 + 中美知名大學列表的總和。
無人配送：中美無人駕駛的機會與分歧
就在大洋這邊的亞洲企業，還在為 L4 無人駕駛，究竟應該率先在何種場景下，落地正常道路而費心時，美國的初創企業已經紛紛決定押寶無人配送車。
無獨有偶，也在今天，另一家名為 Udelv 的公司，也尅是在加州聖馬特奧縣，展示了旗下自動駕駛運輸卡車的首次公共道路測試。
Udelv 的車與 Nuro 的產品，在尺寸和功能上，幾乎遵循了完全一致的邏輯，單論數據的話，這台車只有可憐的不到 10 馬力，一次充電也只能跑不到 30 公里，但帶來的好處是，成本的飛速下降。
透過與美國當地食品雜貨店 Draeger's Market 的共同測試，Udelv 的數據顯示，用這台小卡車可以比有人車輛，接受一半以上的成本，這台車上共有 18 個貨箱，透過手機 APP 就可以打開，並且只能打開屬於自己的那一個。
這種需求，與美國的實際情況是完全吻合的。從住宿情況看，美國人基本都有自己的獨立地址，較為稀疏的住宿方式，其實是增大了配送的勞動成本，但精確的基於郵政編碼的地址，查找方式更便於車輛，找到所要前往的目的地。
同時，美國的人力成本遠高於我國，而嚴苛的工作條件需求，也讓美國人對於亞洲國家常見的加班等習慣，完全不能接受，而這些對於無人駕駛車輛來說，是完全無需考慮的。
但這些對於亞洲國家的環境，就不是那麼貼近了，亞洲國家基於建築的居住環境，和超高的人口密度，使得配送不僅僅是完成路上運輸那麼簡單，而當下隨處可見的快遞配送大軍，也讓人力成本相較美國，顯得過於低廉。
但歷史的進展總比我們想想的快，也許下個春節，你就在哪個拐角遇到了這些奇形怪狀的小傢伙。
．物聯網還有哪些創業機會？
List of Top 10 Internet of Things (IoT) Companies
 |
| Nx 雲端影像平台解決方案 |
來源：虎嗅网
如果每個網路信號都有實體的話，我們眼前的世界一定會越來越擁擠。
二十年前，互聯網改變了我們獲取資訊和相互交流的方式。現在，這一運動正在以相同的方式，改變我們與周遭實體世界的聯繫。據市場研究機構 DC預測，到 2020年時，全球物聯網設備安裝量，將達到281億台。
「物體」不再了無生氣，而是與我們的生活交互關聯。本篇，從對岸中國的行業專家和創業者們，將看看聊聊物聯網創業機會，有道是知己知彼，至少可掌握競爭者的思維。
1.陳孝良
聲智科技 CEO，中科院聲學研究所副研究員。
聲、光、電融合傳感將會創造出更多新數據，進而推動商業模式創新。
讓機器適應人類，是人工智慧得以實現的核心要素。
聲、光、電、熱、力、磁，這幾種傳感是人類獲取資訊的重要手段，也是數位世界感知物理世界的主要途徑。其中，聲學(麥克風)、光學(攝影機、雷射雷達)和電學(GPS、電子雷達)更是核心要素。
從投資角度看，當前著名的人工智慧企業，基本可以按這三個傳感方式來劃分。
這裡有個問題值得琢磨：聲、光、電傳感技術，早於電腦而出現，比如留聲機、照相機和雷達。為什麼直到現在，它們才開始引起產業界的重視?
縱觀技術歷史，總是聲學先行，光學和電學次之。所以，我們不妨以聲學領域的麥克風技術為例展開探討。
電腦和手機很早就配置了麥克風，但直到 Amazon 推出一款麥克風陣列的 Echo，產業界對這類產品，忽然變得極度關注，並爭相模仿。究其原因，除了這款產品在計算和通信方面的能力有所提高，更主要的原因是場景發生了變化。
在 Echo 出現之前，麥克風解決的一直都是近場問題。近場語音交互要求人類適應機器，一定程度上掩蓋了技術的不足，是典型的由於技術限制，而刻意回避場景的案例。但實際上，人類之間的語音交互，都會拉開一定距離。所以，現在我們開始需要機器，適應人類的遠場語音交互。
機器適應人類，這可以說是電腦技術的一個巨大進步，也是人工智慧得以實現的核心要素之一。
這並非聲學領域特有的問題，當汽車安裝攝影機和雷達，以及自行車安裝 GPS 時，場景變化帶來的技術挑戰，才會凸顯出來，因為真實場景所需要的技術，並非是簡單升級，而是顛覆性創新。這也是當前技術型創業公司，被青睞的主要原因。
然而，單一傳感方式所帶來的影響總是有限，不足以推動整個技術和社會的變革。例如，麥克風陣列可以採集人類自然對話的語音訊息，從而逐漸演化、理解人類語言。
這意味著將來機器，可以讀懂我們的思想，十分可怕。但這種理解，其實還比較片面，缺乏圖像、位置等其他傳感資訊的支持。
從這個層面來說，人工智慧必須融合多種傳感方式，而非局限於聲、光、電、熱、力、磁，再加上強大的計算和儲存能力，才能在某些領域超越人類，從而看懂世界，推動更多新商業模式的誕生。
當機器獲取的融合數據，足以覆蓋人類產生的數據的十分之一時，大多時候，人類只需要說一說、看一看，或者想一想，機器就能捕捉到背後的思想。
未來到底會產生哪些新的商業模式，我們尚不可知。但有一點可以肯定，廣告模式肯定不是人工智慧時代的最佳商業模式。
2.趙曉光
天風證券研究所所長。2010-2016 年連續 7 年獲得《新財富》電子行業分析師第一名。
新的數據流必須依靠硬體創新來產生。
機會存在於製造業，如材料、設備、晶片、汽車、軍民融合領域等。
目前，全球科技行業都面臨著困局。如果把企業發展分為生產力創新，和生產關係創新 2 個環節，那麼很多企業都被關係創新，衝昏了頭腦，認為加一點互聯網模式、加一點生態概念，就是萬能的，反而在生產力創新上比較乏力。
分析生產力創新瓶頸的核心方法，是看數據流。搞清楚數據從哪裡來，如何處理，到哪裡去。大多數企業只要解決其中一個環節就可以成功，三個環節都解決了，就有機會成為巨頭。
新的數據流必須依靠硬體創新來產生。所以，我認為科技行業的下一個突破點，在硬體創新上。
過去的產業發展是軟、硬體創新交替帶動的。2010 年到 2013 年智慧手機迅速發展，2013 年 5 月開始，社交、遊戲軟體火爆起來，直到 2015 年開始全面下跌。按照規律，硬體也會進入一輪集中發展週期。
現在互聯網巨頭也紛紛在佈局，包括VR、智慧汽車、可穿戴設備等等，這些其實都不僅僅是產品，更是獲取數據的硬體。
以智慧手機為例，它產生的數據基於 3 個方面：使用人數，從 10% 發展到 80%；使用時長，從每天 2 小時發展到超過 10 小時；智慧手機本身可以產生數據。
前兩點的紅利已經快被消耗完了。但第三點，比如攝影機拍照、錄影像的數據，此前由於無法結構化，而沒有被商業化。但人工智慧可以實現這一點。
從 iOS 8 開始，手機可以自動辨識圖片，並進行歸類。這只是第一步。接下來的影像數據分析，會產生巨大的商業機會，甚至改變傳媒行業、廣告行業。
另一個角度看，科技巨頭在做哪件事情，基本上這件事情就越有未來。現在巨頭都在做人工智慧，它的核心是機器學習，而機器學習的難點在於數據。技術本身是可以透過學習而進步的，但是數據具有稀缺性，不是誰都可以拿到。所以，數據是解答一切問題的密碼。
人工智慧這個行業，最後很可能是贏家通吃的。幾家科技巨頭分割不同市場。蘋果有消費端數據，亞馬遜有商店數據，Facebook 有社交數據，谷歌有搜索數據，微軟有辦公數據，他們是行業龍頭，其他人看起來很難進場。
你可能會問那麼這個行業，還有機會嗎?我的答案是有。機會存在於廣闊的傳統行業裡。
以製造業為例，誰能提高產品良率，誰就是贏家。以前這個過程，是靠工程師不斷調試，現在機器有自我學習能力了，就可以自己在試錯中，不斷走出最優路徑。一個製造企業，如果和谷歌、英偉達這樣的公司合作，一定會有未來。人工智慧在這裡是一個工具性產品。
觀察過去 5-10 年，可以看到蘋果在中國，培養了一批市值在 300-500 億的優秀的模組企業。產業是有遞推效應的，這一批企業誕生後，在製造業裡會催生 3 個新的投資方向：
第一，上游的材料、設備、晶片。材料和設備正好符合「中國智造」，而半導體企業的地位也在發生變化，在過去分工專業化的基礎上，變成了一個能夠提供全新解決方案的公司。
第二，往汽車產業發展。現在汽車產業的採購格局，和十年前的手機行業一樣。但現在手機行業，把採購權釋放出來給到上游企業，代工廠的利潤率下降，產業利潤會從中游轉移到上游，汽車也會經歷同樣的過程。下一步在汽車產業鏈的材料、設備、晶片行業，會出一批市值 500 億以上的巨頭。
第三，往軍民融合方向發展。民營企業更多地參與到軍品研制競爭里來，民參軍企業有望從低附加值晶片、分立器件等向系統級的產品和技術國度。市場化營運的軍品產業鏈，對接平台也會開始應用。
此外，我還比較看好聲學、投影技術方面的機會。這 2 個領域都存在生產力和生產關係，越來越不匹配的問題，谷歌、亞馬遜也都在進場。
3. 童瑫
睦星科技 (Kolmostar) 聯合創始人，哈佛大學電子與電腦工程博士。
定位服務是一項重要的基礎設施，GPS 成本、功耗的下降和定位精度的提升，將創造眾多商業機會。
變化將首先從物聯網、物流和「機器人」領域開始。未來的定位技術，除了服務人類，將更多服務於機器人。
作為傳感器，GPS 能夠提供位置資訊、接近原子鐘精度級別的時間資訊、以及物體的運動速度。實際上，現在的衛星定位技術，已經由 GPS 擴展到了北斗、Glonass 等多系統複合定位。這裡不加區分地統稱為 GPS 系統。
過去 40 餘年，GPS 已經從最初的軍事應用，滲透進入我們的日常生活。未來，隨著 GPS 成本、功耗的下降，以及定位精度的提升，我們會看到它在物聯網、物流和機器人等領域，發揮關鍵的作用。
在物聯網領域，GPS 提供的位置資訊，是各種基於位置服務的基礎：
出行方面，共享單車是個非常好的例子;
智慧硬體方面，相信很快會有待機時間，長達數周的 GPS 運動手錶面世，幫助我們跟蹤、記錄運動時的心率、速度等數據。相比於現在兩三天就需要充電的智慧手錶，下一代產品的使用者體驗和用戶黏性，都會有巨大的提升。
同時，隨著GPS功耗的下降，可穿戴設備上，會有更豐富的基於位置的應用。比如風靡一時的Pokemon Go，這種基於位置與運動資訊的增強現實遊戲;
智慧城市方面，位置資訊將會覆蓋到城市基礎設施的方方面面，從所有的交通工具，到每一個井蓋和垃圾桶。利用這些位置數據，整個管理鏈條打通之後，可以極大地提升城市多方面的運行效率。
在物流領域，GPS 可以提供運輸過程中對於人員、運輸工具和貨物的即時位置追蹤。這些數據不僅對物流公司優化業務有幫助，也有利於下游貨主提高供應鏈管理效率，而 GPS 的滲透深度很大程度上取決於 GPS 傳感器的硬體成本和營運維護成本。
高精度釐米級別的定位，對於機器人來說是必不可少的。這裡講的機器人是一個廣義的概念，包括了不同產品形態，比如無人機，自動駕駛汽車等。
未來，它們都會有很大程度的，基於人工智慧的自動控制。現在的定位技術主要在服務人類。未來，定位技術會被大量用於服務機器人。
目前，這類機器人已有一些行業應用：
在北美和澳洲，攜帶高精度 GPS 的無人機，和無人農用機械，已被大量應用於精準農業，結合遙感數據實施耕地植保、農作物播種、施肥等無人化精細操作。中國很多地區，比如東北和新疆，也已經在這方面做了很多突出的工作;
在自動駕駛領域，定位是導航和避障的基礎。高精度 GPS 與慣性傳感器和雷射雷達一起，利用數據融合實現釐米級別定位，從而結合高精度地圖，幫助無人車感知周圍的環境。
4.肖建宏
芯翼信息創始人及CEO。美國Texas A＆M RFIC 博士，15年研發及工業界經驗，曾在Broadcom任資深首席科學家。
技術跟應用相結合時，才能夠大概率產生商業創新。
物聯網晶片更新換代，主要需要解決功耗、成本、穩定性方面的問題。
摩拜單車使用了蜂窩物聯網的通信技術和定位技術，來實現掃碼開鎖、準確定位，這無疑證實了 IoT(Internet of Things，即物聯網)的市場。但從技術推動商業創新的角度來看，摩拜的快速崛起，其實是一個小概率事件，更多是應用驅動，而不是技術驅動。
我們認為，對於物聯網，當技術和應用相結合，對兩者都有深刻理解，並提供整體解決方案時，才能夠大概率產生商業創新。
物聯網通訊晶片的改朝換代邏輯是什麼?
首先，從80 年代的「大哥大」到現在的智慧機，手機晶片透過公網基地台，傳輸信號來完成。這種方式曾給我們帶來很多便利，但是隨著應用的不斷增多，在成本、功耗方面也逐漸出現一些問題。例如水表、電表、氣表，早期是靠人力抄表，後來換了 GPRS 智慧表，功耗較大，每隔幾年就要換一次。
有人估計，在物聯網到來時，我們身邊至少會有 50 個設備，同時與物聯網相連接，包括可穿戴裝備和周邊環境中的監測設備等等。這就要求每個設備成本、功耗足夠低， 同時系統能夠在有限的頻譜上，更有效處理這些小數據量設備的通訊。
其次，目前的晶片技術，也需要進一步優化。例如，當我們身處地下室、車庫或相對密閉空間時，手機信號時常不好；斷電時，報警器、煙霧探測器等，很多監測設備上的傳感器狀態，無法傳輸。在物聯網時代，如果因為這些原因導致信號中斷，事情將變得非常糟糕。因而，新技術必須要有足夠好的覆蓋率和穩定性。
NB-IoT(Narrow Band Internet of Things, 基於蜂窩的窄頻物聯網技術，簡稱 NB-IoT)很好的解決了這些問題，這種技術在上述對時延不太敏感(無需做到微秒級響應)，又需要深度覆蓋、低成本傳輸數據的場所，都可以應用。可以想見的場景包括公用事業、健康、智慧城市、智慧建築、物流、工業、農業環境監控等等。
有哪些可以期待的應用?
特別說一下智慧家庭產業。這個產業之前不溫不火，有很多原因，其中一個是在沒有形成平台化系統的情況下，就去做平台化的事情。換句話說，目前的設備多是針對消費者的單一痛點設計，技術標準很難統一，例如各種無線方式來遙控燈，或者播放音樂。
如果有了 NB-IoT， 廠家為了即時監控各種設備(比如冰箱、空調等)的使用狀況，就可能大規模給設備智慧化。 這時，由於統一的標準，產業整體就具備了聯網能力和平台化的條件，接下來的一步是由 BAT 或其他平台公司來整合、共享數據。技術的成熟，能夠大幅推動應用的發展。
在個人消費領域，傳感器也有很大改變空間。例如，目前的可穿戴設備，以數據傳輸和健康監測功能為主，在保障老人、小孩等弱勢群體的安全領域，還沒有很好的解決方案。
如果新的產品功耗能足夠低，基本上無需充電，又可以小型化、放到衣服裡，需要用的時候透過手機 App 啟動，就像「查找 iPhone 功能」一樣獲知人的位置， 肯定會大概率激發商業創新。
不過，這些應用場景到底能夠發展成什麼樣子，會產生哪些新的商業模式， 還需要時間來驗證。為了更好的推動大規模商業創新， 我們要保持對應用的極大關注，從系統角度來提供整體解決方案，同時大幅降低功耗成本， 為萬物互聯提供基礎。
