.建造一座 5G 基地台要花多少錢 ?

How much will 5G Cost?


來源快科技


台灣 5G 首波頻譜競標,暫時得標總標金 703.43 億元,一舉飆破 700 億元大關,已較總底價 300 億元,足足增加了1.34 倍。五大電信業者,對此競標發展形勢莫不暗暗叫苦。



對岸中國,9 月份三大電信商據稱,已正式開通 5G 網路運,據悉中國移動、聯通、電信三家公司,今年的資本開支約合人民幣 3000 億元,其中十分之一也就是人民幣 300 億元,用於 5G 網建設。

5G屬於新一代技術,初期建網成本高昂是必然的,特別是 5G 基地台還是新事物,它的價格顯然要比 4G 基地台高得多,那麼建造一台 5G 基地台,到底要多少錢呢?

根據對岸中國的產業鏈消息人士的爆料,目前 5G 建設還是初期階段,明年 5G 基地台的覆蓋城市及部署,數量不會太多,就單個電信商而言,會在他們國內 20-25 個城市部署 5G,每個城市部署的基電信數量約為 500-1000 座基地台。

就部署成本而言,該人士預計,5G 試商用階段的單座基地台,價格約為 RMB 50 萬- 60 萬元,5G 部署成熟期的單座基地台,價格會降至 RMB 30 萬- 40 萬元。


另外,5G 網路的部署還包括傳輸網、核心網,傳輸網折合到單個基地台上的成本,約為 RMB 5 萬-10 萬元,5G 核心網在部署初期的單城市造價,約為 RMB 1000 萬- 3000 萬元。

從他們中國業內人士的爆料來看,現在 5G 基地台的成本在 RMB 60 萬元左右,這個價格差不多相當於 100 部 5G 手機了 —— 目前上市的 5G 手機中,對岸中興 Axon 10 Pro 5G 版售價RMB 4999 元,華為 Mate 20 X 5G 手機售價 RMB 6199元。

即便未來 5G 基地台價格會下滑一半左右,不過中國他們要建設完整的 5G 網路,需要數百萬座 5G 主基地台,及上千萬的小基地台,算下來投資成本也要 RMB 2 - 3 萬億元了,對電信商來說投資成本壓力,還是非常大的。

我們台灣的單位成本,恐怕就不是這樣的數字了⋯⋯

.人工智慧在安控行業細分市場應用

In the Age of AI (full film) | FRONTLINE


來源:中国安防协会 作者:刘志强 

結合具體應用行業來看,目前人工智慧+安控在警政、交通、建築、金融、商業、民用等,多個領域都已經顯露出了比較不錯的應用前景。比如在警政公安領域主要涉及到圖偵、大數據預判實現事中、事前的預警


在交通領域,基於交通參與者人、車輛的辨識,捕獲交通違法車輛,獲取車流資訊,即時分析城市交通狀況等,以合理調配資源提升城市道路的通行效率在商業建築中,利用 AI 技術可以對進出人、車、物實現即時監控,實現屬性分析以及人數統計等。

1、在智慧警務中的應用
作為安控重點應用領域,目前警政領域正在依託資訊感知、雲端運算、人工智慧等技術的不斷發展,大力推進公安資訊化,以及智慧警務建設,人工智慧在其中發揮著越來越重要的作用。
公安行業用戶的迫切需求,是在海量的影像資訊中,發現犯罪嫌疑人的線索。人工智慧在影像內容的特徵提取、內容理解方面,有著天然的優勢。

在對人、車、物進行檢測和辨識的過程中,基於深度學習的圖像辨識技術,是目前應用較為廣泛的,公安工作中運用人臉辨識技術在布控排查、犯罪嫌疑人辨識、人像鑒定,以及重點場所門禁等領域,獲得了良好的應用效果。

現有的治安監控系統,融入基於深度學習的人臉辨識算法,實現系統的智慧化升級。系統平台數據庫將案件重點,關注人群入庫,實現在身份認證方面,對常駐人口、暫住人口、重點人口、在逃人員等數據的人像比對,為戶籍管理、治安管理、刑偵破案等,提供大數據分析技術手段。


2、在智慧交通中的應用
在城市交通領域,單純的車牌辨識技術,已經無法滿足實際需求,業界迫切希望能夠更快、更準確、提取更多元的車輛資訊,除車牌號碼外,還有車輛的廠牌、車身顏色、車輛品牌、車輛類型、車輛特徵物等等。

支持基於車輛外觀特徵的快速檢索,這些特徵在刑事案件偵查、交通事故處理、交通肇事逃逸、違章車輛自動記錄等領域,具有廣泛而迫切的應用需求。

大數據分析技術、基於深度學習的圖像辨識技術,很好地解決了城市公共交通安全管理中,所面臨的各種困境。針對違規車輛的拍攝,不再僅僅依靠車牌辨識技術,借助電腦視覺技術、圖像處理,並透過海量的大數據分析、深度學習訓練,可以依靠前端設備採集的車身顏色、車燈,以及車標,或者其他多種特徵,從而得到較高的辨識率,實現對目標車輛的檢索。


3、在智慧社區的應用
社區是城市的基本空間,是社會互動的重要場所,伴隨著人口流動性加大,社區中人、車、物多種資訊重疊,數據海量複雜,傳統管理方式難以取得高效的社區安防管控,同時,社區管理與民生服務息息相關,不僅在管理上要求技術升級,同時還要實現大數據下社區服務。


透過在社區監控系統中,融入人臉辨識、車輛分析、影像結構化算法,實現對有效視頻內容的提取,不但可以檢測運動目標,同時根據人員屬性、車輛屬性、人體屬性等,多種目標資訊進行分類,結合警政系統,分析犯罪嫌疑人線索,為警政辦案提供有效的幫助。另外,在智慧社區中,透過基於人臉辨識的智慧門禁等產品,也能夠精準地進行人員甄別。

以上幾個行業場景,只是人工智慧 + 安控應用的縮影。當下,隨著深度學習、大數據等技術持續突破,人工智慧不僅會釋放原來未被滿足的大量市場需求,在公共安全、交通、建築等領域的安控行業市場中,發揮重要作用,也會帶來更多、更豐富的新場景、新需求,進而拓寬安控市場空間,推動智慧安控更加普及和深化。

可以預見,人工智能對安慧行業的驅動和顛覆力,是遠甚於前的。AI 技術的融入,將進一步豐富智慧安控的內涵與維度。


任何顏色車牌——都拍攝的清清楚楚!

.零售 4.0:零售業如何在第四次工業革命中崛起

How IOT Gives Rise To Smart Stores



來源:物联之家网 作者:Naveen Joshi 



現代技術給零售業帶來了一些進步。因此,零售業正在經歷一場導致零售 4.0 創造的革命。

自 2014 年以來,零售業銷售額穩步成長,僅在 2018 年 10 月,零售業銷售額就達到 4510.6 億美元。數位化和現代技術的興起是零售業穩步增長的原因之一,這導致了零售 4.0 的誕生。

在引進先進技術以後,零售業中的多個工作流程(如採購、庫存管理、客戶服務、賬戶和供應鏈管理)實現了自動化,同時,增強的通信平台,已經創建了一個更加全面的連接環境。

因此,在零售 4.0 的幫助下,零售業正在見證工作文化的轉變,並產生了創新的商業模式。零售數位化的另一個好處,是採用了數據驅動的方法,這種方法產生了以消費者為中心的商品策略。


推動零售 4.0 的技術趨勢
大數據
在今天的數位世界裡,數據就是貨幣。無論您是註冊新的社交網路,還是希望收養寵物,都可以在任何地方收集數據。同樣,數據是在供應鏈的每個階段,和零售業的每個部門收集的。對於零售業中的大數據,累積的數據可用於分析,和制訂有效的營運策略。

數據可幫助零售商瞭解消費者,及其所屬群體的人口特徵。這種基於數據的洞察,為辨識消費者需求,提供了一種資訊的方法,可以辨識哪些商品和服務,具有最高需求,以及哪些商品和服務表現不佳。透過分析商品的市場銷售和績效,零售商可以做出明智的採購決策。

另一個好處是,消費者數據有助於零售商,制訂合理的商品售價。大數據分析使商家能夠探索,不斷變化的行業趨勢,和消費者需求。

零售店巨頭 Target 百貨借助嬰兒洗禮登記、購買模式、客戶支持查詢、信用卡使用、調查回覆、網站使用和個人數據,創建了一個懷孕預測模型,該模型根據特定顧客的懷孕階段,及時向她們分發嬰兒商品的促銷資訊。

因此,收集消費者數據能夠創造,以消費者為中心的商業氛圍,並充分滿足個人消費的購買需求。


工業物聯網
工業物聯網,是零售 4.0 發展的主要貢獻者之一。物聯網一直在創新零售業,而物聯網感測器有助於創建全面的互動環境。零售業已經意識到物聯網的潛力,這就說明了為什麼全球 70% 的零售決策者,希望採用物聯網來提供更好的消費者體驗。

借助物聯網感測器,現場設備可以相互交流,並向相關方提供即時更新。物聯網感測器可以用來監控庫存管理、生產和運輸目的的昂貴機器和設備。

物聯網應用支持設備的預測性維護,節省了設備故障產生的費用。物聯網正在催生與 RFID 標籤相連的「智慧」零售店。 RFID 標籤有助於商店的即時管理,同樣,物聯網感測器可用於跟蹤商店和倉庫的庫存水準。

有了這種感測器,零售商將被告知庫存是否充足,並在需要時重新進貨。結賬時,消費者可以掃描物聯網標籤,並透過行動付款。

此外,零售店可以部署信標,當顧客靠近某些商品時,信標自動提醒顧客,有關促銷和折扣的資訊。

零售店還可以安裝智慧貨架,可以隨時掃描商品的 RFID 標籤並測量其重量,以監控貨架上商品的數量,當貨架空了時,智慧貨架提醒店主,即時補充商品。這樣的努力也可以防止,商店內盜竊事件的發生。
雲端運算
透明的商業方法,是零售 4.0 的首要任務之一,雲端運算允許在需要時,跨各種平台共享關鍵數據和文檔。由於其線上性質,雲端運算被證明比傳統方法更安全。

此外,雲端運算還提供了一種透明的媒介,用於跟蹤供應商、物流提供商提供的貨物、缺貨、高庫存和數位文檔的確切狀態,從而有助於橫向和縱向系統整合。

開發人員不斷改進雲端運算,使這項技術比以往任何時候,都更快、更安全。因此,雲端運算和零售 4.0 共同促進了數據驅動的業務實踐。

3D 列印
現代技術開發了新的創新型生產技術,以確保高效和經濟有效的製造流程,諸如 3D 列印技術,正被廣泛用於原型生產。在零售 4.0 時代,透過減少材料投入和成本,3D 列印正在改變供應鏈。透過 3D 列印,生產流程將大大簡化,從而實現商品的大規模生產。此外,更簡單的生產流程,將大大減少勞動力需求。

隨著技術的進一步發展,滿足客戶需求不斷變化的新商品的生產,將會更快完成。此外,如果設備出現故障,3D 列印也可以作為傳統製造技術的補充。
 
機器人
機器人已經廣泛用於工廠的製造流程。但是隨著零售 4.0 的引入,自主機器人已經找到了新的主流應用,如店內顧客服務、倉庫管理和交付服務等。經過大量研究和開發,所有的物流和交付任務,都可以由自動駕駛汽車來完成。

店內顧客服務機器人,可以引導顧客在商店內走動,並幫助他們找到所需的商品。例如,Fellow Robots 已經為家居裝修連鎖店 Lowe,開發了 LoweBot 機器人,顧客可以使用 Lowebot 上的觸控螢幕,提問或輸入問題,機器人則解決問題或引導顧客購買商品。

作為附加功能,Lowebot 機器人還可以跨通路,執行庫存跟蹤任務同樣,百思買店內機器人 Chloe 可以根據顧客要求,使用機械臂從貨架上拿取商品,此外,Chloe 機器人還可以跟蹤購物趨勢,以更新庫存還有多米諾公司部署了無人機 「Domicopter」,可以為顧客運送食物。

增強現實
儘管增強現實仍然是一項,相對較新的技術,但實業家們正在投資於,其創新案例的研究和開發。目前,增強現實用於眾多功能,如選擇倉庫部件和使用行動應用,發送維修指令。

線上零售商已經在提供行動應用程序,幫助消費者「試穿」衣服或虛擬擺放傢具,以檢查它們是否符合室內設計。一些消費者也在使用 IBM app 和 Google Lens 掃描商品以獲取資訊。
  
零售 4.0 路線圖
借助先進技術,零售 4.0 帶來了更高效、更有效的業務實踐。大型企業已經在傳統方法中,使用具有成本效益的替代方案。這種商業模式,優先考慮端到端的透明度和溝通,以滿足消費者需求和管理庫存。

但是,規劃和實施這些業務實踐,以及部署必要的技術,是一項複雜任務,因此,企業需要一個路線圖,來盡可能以最有效的方式實現零售 4.0。路線圖包括以下步驟:

▲由於需要多種技術和商業模式,來適應零售 4.0,因此雇用具有專業技能的工作人員非常重要。

▲制訂有效的策略,並為基礎設施分配足夠的預算。

▲更新現有系統以整合新技術。

▲生成分析以瞭解不斷變化的行業趨勢,以及企業在市場中的表現。

▲教育員工每項正在部署的技術以及這些技術對工作文化的影響。

▲促進應用程序的開發,以確保更好的消費者體驗。

在不久的將來,區塊鏈將成為全球零售市場的一部分,在這裡,薪資單、供應鏈管理、投資和採購,將在透明分類賬的幫助下進行管理。

未來,零售 4.0 的可能性將是無窮無盡的。因此,零售企業需要瞭解有關新技術,和業務實踐的最新資訊,並採用零售 4.0 的整體方法。


.人臉辨識應用日益廣泛, 技術公平性和準確性如何保證?

What’s Going On With Facial Recognition? | Untangled


來源:专业学士 作者:专业学士  



由於深度學習的普及,近年來機器學習研究蒸蒸日上,人臉辨識技術也得到了極大的改善。在一個典型的用例中,照片、影像,或即時流媒體中的人臉會被掃描、分析,接著,它們的特徵會被拿來與數據庫中,注釋過的人臉進行比較。

face042301

這項技術,在中國正被用於打擊人口販運,和機場快速安檢,同時它也被用於監視音樂會、體育賽事。

然而,臉部辨識的準確性仍是一個問題。研究人員開始擔心人工智慧系統中存在的歧視和偏見。該技術在正確辨識有色人種和女性等方面,還存在著重大缺陷。造成這一問題的原因之一,是數據集裡男性相對於女性、白人相對有色人種的懸殊比例。

face042302

對機器訓練來說,數據多樣性很重要,但數據的體量大小也同樣重要。人臉辨識系統的訓練和測試,需要在數百萬甚至數千萬張人臉上進行。

多年來,研究人員一直透過人臉辨識數據集,來進行相關研究。這個包含圖片鏈接的數據集,都是從一個資源包中,整理生成。該資源包被用於各種各樣的科學項目研究,包括在不使用地理坐標的情況下,估算照片和影像的拍攝地點的研究。

IBM 開發了一個名為「人臉多樣性」的新項目,並為其準備了上百萬張圖片,該項目將進一步提升人臉辨識的公平性和準確性。

研究人員們透過網路,收集並注釋了各類物體的照片,以此來訓練電腦,讓其可以更好地瞭解它們周圍的世界。

通常,他們透過谷歌圖片搜索,和一些其他的途徑,獲取數量巨大的圖片。得到的數據集通常被用於學術研究,比如訓練或測試人臉辨識算法。

但隨著微軟、亞馬遜、臉書和谷歌等公司,押寶人工智慧,人臉辨識正走出實驗室,進入大型企業的視野中。

隨著消費者意識到他們在互聯網上,留下的數據能夠產生的巨大威力,人臉辨識數據集正在加劇,人們對隱私和監控的擔心。因此,一些研究人員正在重新審視,這種野蠻收集他人照片的行徑。在充滿分享精神的互聯網中,使用他人照片本應徵求別人同意。

許多公司、研究機構和個人,都為人臉辨識編制了數據集,IBM 只是其中之一。其中一些數據集由實際的圖像組成,還有一些類似 IBM 的數據集,是由圖像鏈接組成的。有時,數據集也是可以透過拍攝模特兒得到的。

通常情況下,這些數據集是知識共享的,但它們必須用於非商業目的,比如算法研究。但大量的類似數據集,可以從網站免費下載。

知識共享協議於 2002 年首次發佈,遠遠早於當前的人工智慧熱潮。

儘管研究人員在網站上免費使用圖片,但他們也承認,許多上傳這些照片的人,可能會對照片被用於訓練人工智慧的事實,感到驚訝。

一些研究人員認為,人們應該透過授權,自己決定圖片是否可以用於電腦視覺或人工智慧研究。

對此,知識共享協議,並不能幫上大忙。只要遵循相關的條款,這個來自非營利組織的許可協議,並不限制任何形式的人工智慧開發。

知識共享組織首席執行官稱「這些協議,並不是為了保護隱私,或研究倫理而設計的。」

近年來,人工智慧發展之快,以至於相關法規幾乎還沒有來得及制訂,更不用說實施了。法律上,在收集和使用圖像,進行人臉辨識時,公司並沒有告知義務。

目前還沒有相關的聯邦法規出台。在各州,情況則有所不同例如,美國伊利諾斯州有一項法律,要求公司在收集生物特徵資訊之前,必須得到客戶的同意;亞馬遜和微軟總部所在地,華盛頓州的州參議院,最近通過了一項,限制人臉辨識使用的法案,該法案仍需在該州眾議院獲得通過。

face042303

今年 3 月,參議院提出了一項法案,要求企業在收集和共享辨識數據之前,必須徵得消費者的同意。它還要求公司進行外部測試,以確保算法在實施前是公平的。

數位版權組織電子先進基金會技術政策主管則表示,即使沒有嚴格的法律限制私人照片,用於人工智慧訓練,企業和研究團體也應該注意遵守道德規範。

在他看來,這意味著使用照片,就要得到照片中人物的明確同意。即便這很難做到,它也是企業必須面對的現實。


.農業物聯網前景巨大,但實施起來不易

How the IoT helps farmers in Japan monitor their greenhouses and prevent diseases


源:安娜PARKER




「網路+農業」理念的提出,迄今已有四年時間。四年時間不長,卻足以讓互聯網在農業生產大變革中,掀起腥風血雨。一時間,農業物聯網、大數據、農業電商等網路熱詞,紛紛湧入人們視線,你還沒有搞清楚這些熱詞的含義,卻已經有人把它應用在了農業生產上。





農業物聯網技術前景看好但實施不易
然而,前景一片叫好的同時,要想真正應用到實踐中去,其中隱含的困難不容忽視。那些打著「網路+」旗號的各種模式,實際上存在著諸多問題……

據悉,農業物聯網的平台,這項農業物聯網技術的推廣,在一定程度上,能夠推動農業走向資訊化、提高農業生產管理水平,也可以起到保障農產品和食品安全的作用,助推農業進一步向智慧農業、精準農業方向發展。

另外,農業搭載物聯網,使得全程追溯農產品的生長過程成為可能,亦能有效實現農業生產工業化,在指導農民精耕細作,在育種栽培、施肥、灌溉等多個環節,按照嚴格的標準執行,提高土地利用率,以及單位產量,促農增收。

然而,實際上,要普及農業物聯網,並沒有那麼容易,面臨著兩大難題。難題一:農業物聯網屬於高技術、高市場化的產業,需要財政投入大量資金支持,對於技術的要求也高。

難題二:許多看似簡單一氣呵成的操作,實際上離不開專業人才的培養。過去農民自身學歷還不夠高,需要加大對農民的科技文化培訓,提高其文化素養,培養懂科技、懂電腦、懂市場、懂管理的知識型人才。但是,對於一直從事傳統農業生產的農民來說,說著容易,真正實施起來其實難上加難。


初探階段派生多種問題,農業大數據難以前行
基於大數據在其他領域的發展勢頭,農業大數據生產的潛力不容小覷。農業大數據應用平台,在初探大數據指導農產品產銷結合,供需對接等方面的貢獻功不可沒。現代農業依靠大數據,可以提前預測農產品的產量,使得農業生產更具針對性與計劃性。

值得注意的是,大部分農業大數據公司還在起步階段,其中還面臨著成本、推廣等問題。