编者按:本文来自微信公众号“学术头条”(ID:SciTouTiao),作者:阳光,36氪经授权发布。近日,未来今日研究所(Future Today Institute)发布了最新版《2020 年科技趋势报告》,其中包括对人工智能在内的多项前沿科技未来一年的发展前景进行了展望。根据报告,未来世界科技产业将由中国、人工智能等趋势塑造。《2020 科技趋势报告》由未来今日研究所和纽约大学斯特恩商学院(New York University's Stern School of Business)主任艾米韦伯(Amy Webb)教授共同撰写,这次已经是第 13 年发布。这份报告试图认识到技术与未来不确定性之间的联系,比如 2020 年美国总统大选的结果,以及冠状病毒等流行病的传播。在所有前沿科技中,人工智能再次成为该榜单的第一名。韦伯表示,人工智能将引发第三次计算浪潮,带来积极的影响,例如 AlphaFold 在发现疾病的治疗方法中可以发挥的作用;但也会带来消极的影响,例如它当前对刑事司法系统的影响。一些科技巨头,例如美国的 Amazon、IBM、Facebook、Google 和 Microsoft,以及中国的腾讯、阿里和百度,继续在全球科技领域发挥最大的影响力。韦伯已经在 2019 年出版的《九大巨头》中预测了这些公司将如何塑造世界。“ 这 9 家公司推动了人工智能的大部分研究、资金、政府参与和消费级应用。大学的研究人员和实验室依靠这些公司提供数据、工具和资金。九大人工智能公司也对人工智能合并和收购产生了巨大影响,为人工智能初创公司提供资金并为下一代开发人员提供支持。”同时,报告指出,中国的企业和政府正在全面合作,以使其在 2030 年之前成为全球主要的人工智能创新中心。与中国相比,美国拥有众多组织和中心,但是,这些机构 “缺乏机构间合作和协调的努力”,在行动目标、研发工作安排和资金周转方面存在不协调的情况。据了解,每年韦伯通常会在德克萨斯州奥斯汀举行的 SXSW 会议上,以一场演讲作为报告发布的开头,但是由于冠状病毒的影响,今年的会议已经取消。未来今日研究所这份报告对人工智能领域的科技预测可谓面面俱到,无论是对于人工智能企业、人工智能研究者,还是人工智能学习者,这都是一份比较详尽的报告。限于篇幅,学术头条精选了报告中关于人工智能的部分内容进行翻译,希望对读者有参考价值。报告更多亮点及全文,可在文末查看。人工智能科技趋势总览1.AI 与企业1.1 利用人工智能加速科学发现的进程用几个变量进行实验,通常需要对测量、材料和输入进行微小的、系统的调整。研究生们可能会花上几百个无聊的小时,一次又一次地做一些小的调整,直到找到一个解决方案。越来越多的人工智能系统被用于研究实验室,以加快科学发现的进程。1.2 云端人工智能人工智能生态系统内的企业领导者一直在竞相抢占人工智能云共享平台,并成为远程服务器上最受信任的人工智能提供商。企业客户也可能会坚持最初选择的供应商,因为机器学习系统访问的数据越多,随着时间的推移则能不断学习做出更好的决策。1.3 线下人工智能可以在设备上进行这种由本地人工智能驱动的处理和决策,在云或互联网上没有任何数据交互——这是一种使用所谓 “边缘计算” 的技术。直接在设备上处理数据,在未来对于医疗保健、汽车和制造业应用将非常重要,因为它可能更快、更安全。1.4 机器人流程自动化机器人流程自动化(RPA)使企业能够在办公室内自动化某些任务和流程,从而使员工能够将时间花在更高价值的工作上。RPA 最终将他们的生产力提升到更高的水平,这将使媒体和娱乐公司能够在许多不同领域做出更好的实时预测性决策,从客户服务到成本节约。1.5 企业中的数字双胞胎和认知双胞胎央视推出人工智能主持人数字双胞胎是真实世界环境、产品或资产的虚拟表示,用于多种目的。制造商使用数字双胞胎来管理机器和工厂的性能和效率,而城市规划者则使用它们来模拟新开发项目的影响。1.6 认知机器人随着人类和机器更加紧密地合作,机器人有机会根据环境学习和适应新的技能。机器学习、深度强化学习、计算机视觉和模拟环境的发展将很快导致具有早期认知能力的机器人出现。应用包括环境清理、探索危险地形和协助急救人员。1.7 先进的人工智能芯片神经网络长期以来需要巨大的计算能力,需要很长时间的训练,并且依赖于消耗数百千瓦电力的数据中心和计算机。一些知名企业已经致力于研究使芯片更容易在人工智能项目上工作,并且应该保证更快、更安全的处理。1.8 无服务器计算亚马逊网络服务、阿里云、微软 Azure、谷歌云和百度云正在为开发者推出新的产品和软件包,希望能让一大批人工智能初创企业更容易、更实惠地将自己的创意投放市场。1.9 专业化、本土化的人工智能语言Python 是一种领先的语言,有许多预先构建的库和框架。Julia 是麻省理工学院开发的一种专注于数值计算的开源语言。当然还有 Lisp,由现代人工智能的前辈约翰麦卡锡在 1958 年创造的。1.10 Franken 算法的扩散(Proliferation of Franken-algorithms)算法只是定义和自动处理数据的规则。它们是用计算机能够理解和处理的 “如果这个,那么那个” 逻辑来构建的。开发人员并不总是提前知道一个算法将如何与其他算法一起工作。有时,几个开发团队都在独立地处理不同的算法和数据集,只有在部署后才能看到他们的工作。这一直是导致最近股市出现故障和电子商务网站发力的原因。1.11 为了竞争而操纵 AI 系统的公司过去几年,亚马逊、谷歌和 Facebook 都因操纵搜索系统,将对公司更有利的结果进行优先排序而受到抨击。对搜索算法的调整会对互联网用户的看法产生重大影响,无论是新闻、销售产品还是广告。美国和欧盟目前正在调查亚马逊同时扮演搜索引擎、市场运营商和自有产品销售商的角色。立法者尚未就操纵算法以获得竞争优势是否符合反垄断活动的标准达成一致。1.12 企业生物识别欺骗在实施监控和认证员工的人工智能系统之前,公司可能会三思而后行。机器学习的新技术导致了合成指纹和其他能够欺骗监控系统的自动生成生物识别器。1.13 人工智能机器人bot,在最基本的层次上,是设计用于自动化指定任务的软件应用程序。它们可以是基于文本或音频的,并且可以跨各种平台部署。机器人技术的下一个重大进步不是技术性的,而是监管性的。2. 人工智能与商业生态系统2.1 全球对人工智能的投资热潮众所周知,人工智能人才短缺,每个行业都希望将人工智能融入其核心业务职能。因此,在全球范围内都在争先恐后地为人工智能研究提供资金,并收购初创企业。2.2 算法市场在 21 世纪一零年代,大型科技公司、初创公司和开发者社区利用算法市场来分享和销售他们的作品。2018 年,微软斥资 75 亿美元收购了 GitHub,这是一个流行的开发平台,允许任何人托管和审查代码,与其他开发人员合作,并构建各种项目。Github 是一个流行的平台,允许任何人托管和审查代码2.3 市场整合尽管人工智能的生态系统正在蓬勃发展,但收购热潮也意味着整合。现在,大公司在有时间成熟之前就开始创业,收购的平均年龄是 3 岁。只有 9 家大公司占据了人工智能的主导地位:美国的 Amazon、 Google、Microsoft、 IBM、Facebook 和苹果,中国的巨头百度、阿里巴巴和腾讯。2.4 破碎人工智能的生态系统覆盖了数百家公司。许多政策团体、倡导组织和政府都在制定指导方针、规范和标准以及政策框架,希望以此来指导人工智能的未来发展。因此,生态系统在两个方面支离破碎:基础设施标准和治理。2.5 人工智能责任当机器运转不好时,谁该受责备?我们目前的法律体系是为了规范人类行为,而不是无监督机器的行为。当企业急于构建和实施人工智能产品和流程时,他们必须提前计划新出现的风险。2.6 环境监测关门后发生的事情可能不会是长期的秘密,高管们应该提防新的环境监测方法。人工智能可能很快拥有 x 光视觉能力,这对从事敏感项目的公司来说可能不是什么好消息。从事信息安全和风险管理工作的人应特别关注计算机视觉的发展。3. 过程、系统与计算机神经科学3.1 从平面二维图像创建三维模型研究人员使用大量的三维模型、转换成三维模型的图像和从不同角度显示物体的二维图像训练神经网络。结果:一个新的系统,可以渲染三维模型,无需任何人为干预。实际应用包括仅使用二维图像自动生成环境真实模型的机器人。3.2 神经符号人工智能算法与系统人工智能的发展一直走在两条概念轨道上:符号(机器使用表示概念的知识和规则基础)和非符号(机器使用原始数据创建自己的模式和概念表示)。神经网络将通过符号来理解数据,而不是总是依赖人类程序员为数据排序、标记和编目。符号算法将有助于这一过程,这最终将导致不总是需要人来训练的鲁棒系统。亚马逊的重新命名识别知名人士,帮助人们 “为营销、广告和媒体行业使用案例提供视频和照片目录”3.3 实时机器学习人工智能的一大挑战是构建能够主动收集和解释数据、识别模式和整合上下文并最终实时学习的机器。对实时机器学习(RTML)的最新研究表明,使用连续的事务数据流和实时调整模型是可能的。这标志着数据移动方式和我们检索信息的方式发生了重大变化。3.4 自然语言理解(NLU)NLU 允许研究人员通过提取概念、映射关系和分析情感来量化和学习所有文本,并且他们在过去一年中取得了一些令人印象深刻的进步。在最近的一次语言理解评估竞赛中,中国的百度击败了谷歌和微软,成为第一个开发不仅能懂英语,还能懂中文的技术的公司。3.5 机器阅读理解(MRC)对于人工智能研究者来说,机器阅读理解(MRC)一直是一个具有挑战性的目标,但却是一个重要的目标。MRC 使得系统能够在筛选大量数据集的同时读取、推断意义并立即给出答案。它代表了实现人工通用智能的必要步骤,在短期内,它可能将从技术手册到历史地图,再到我们的医疗记录,一切都变成易于搜索的信息存储库。3.6 自然语言生成(NLG)随着数字助理的日益普及,消费者希望能够与机器进行自然对话。但是训练人工智能系统需要大量的数据。自然语言生成(NLG)系统自动检测、分析、可视化和叙述关键数据。NLG 的一个可能性是:开发一个可以使用简单语言向他人解释自己和所做决定的系统。3.7 机器学习中的实时上下文(Real-Time Context in Machine Learning)世界上充斥着信息、错误信息和肤浅的思想,机器学习中的实时上下文技术旨在帮助人们实践推理、发展见多识广的论点并得出可靠的结论。3.8 一般强化学习算法研究人员正在开发能够学习多个任务的单一算法,AlphaZero。它不仅能在围棋中获得超人的表现,还能在其他游戏中获得超人的表现,包括国际象棋和日本象棋。这一个算法从游戏规则之外的知识开始,最终发展出自己的策略来击败其他玩家。3.9 深度学习范围程序员使用特殊的深度学习算法,同时使用大量的数据,通常是数兆字节的文本、图像、视频、语音等,系统被训练成独立学习。虽然概念上的深度学习并不是什么新鲜事,但最近发生的变化是计算量和可用的数据量。实际上,这意味着越来越多的人工过程将被自动化,包括软件的编写,计算机很快就会开始自己编写。3.10 更快、更强大的开源框架硬件升级和更快的芯片将有助于使开源框架在未来几年变得更快和更流行。3.11 强化学习与分层学习强化学习是解决决策问题的有力工具,它被用来训练人工智能系统以获得超人的能力。在计算机模拟中,一个系统尝试、失败、学习、实验,然后快速连续地再次尝试,每次都会改变它未来的尝试。3.12 持续学习目前,深度学习技术已经帮助系统学习以更接近人类所能做的方式解决复杂任务,但这些任务仍然是特定的,它们需要一个严格的序列,而且可能很耗时。持续学习(CL)更多的是关于自主和渐进的技能培养和发展,研究人员将继续在这一领域不断地突破可能的极限。3.13 多任务学习在过去的一年里,卡内基梅隆大学和 Facebook 的人工智能实验室的研究人员发布了一款名为 Pluribus 的多人扑克人工智能,扑克也让多个玩家相互竞争,获得胜利比抓取游戏碎片要复杂得多。Pluribus 学会了同时做几件事,并建立了自己的战略来赢得胜利。3.14 生成性对抗网络生成性对抗网络(GANs)是本世纪最有趣的想法,在过去几年里,GANs 有了巨大的进步。把一个 GAN 想象成图灵测试,但是没有任何人类参与。GANs 是一个无监督的深度学习系统,由两个相互竞争的神经网络组成,它们在相同的数据(如人的图像)上进行训练。仅去年一年,就有许多有趣的实验涉及 GANs。研究人员维克多迪比亚(Victor Dibia)训练了一个 DCGAN 模型(深度卷积世代对抗网络)来生成非洲面具3.15 新的生成建模技术自回归隐式分位数网络(简称 AIQN)听起来很复杂,但它是一个创新的想法,有助于改进算法,使它们更稳定。这意味着:这可能会加快人工智能的发展步伐 —— 这可能意味着整个生态系统中更快的机遇和创新。3.16 概率规划语言概率编程语言减轻了开发概率模型的一些压力和繁琐。这些较新的语言允许开发人员构建、重用和共享他们的模型库,同时仍然容纳不完整的信息。3.17 机器图像完成(Machine Image Completion)如果一个计算机系统能够访问上百万的图片,就说它可以修补和填补图片中的漏洞。这项功能对专业摄影师以及所有想拍出更好自拍的人都有实际的应用。图像完成也是执法和军事情报人员的一个有用工具,计算机现在可以帮助他们识别谁或什么是在框架中。考虑到我们已经在机器学习算法和数据集上看到的偏见,图像完成可能成为未来关于隐私和我们设备的争论的一部分。3.18 混合人 - 计算机视觉分析目前人工智能没有人的帮助还不能完全发挥作用。混合智能系统将人类和人工智能系统结合起来,以获得更高的精确度。3.19 预测机器视觉预测机器视觉研究有朝一日将使机器人能够更容易地在人类环境中导航,并通过从我们自己的肢体语言中获取线索与我们人类互动。它也可以用于零售环境,当我们操作机器,或当我们在教室学习。3.20 自动机器学习(AutoML)一些组织希望摆脱传统的机器学习方法,这种方法费时费力,需要数据科学家、人工智能领域的专家和工程师。自动机器学习(AutoML)是一种新的方法:将原始数据和模型匹配在一起以显示最相关的信息的过程。谷歌、亚马逊和微软现在提供了大量的 AutoML 产品和服务。3.21 定制机器学习不久,个人用户将上传他们自己的数据来定制现有的人工智能模型。例如,像 Google 的 Cloud AutoML 和 Amazon SageMaker Autopilot 这样的工具允许组织在没有受过高度培训的员工的情况下培训定制的机器学习模型。3.22 图神经网络气味分类是很棘手的,因为它需要一个多标签系统。谷歌的研究人员正在构建图形神经网络(graph neural networks),一种以图形为输入的特殊类型的深层神经网络以在分子水平上预测气味。3.23 智能光学字符识别一个持续的挑战是让机器认识到我们用书面表达自己的各种方式。光学字符识别(OCR)以固定的、可识别的格式工作,如公路标志和书中的文字。但是,OCR 往往不够聪明,无法识别不同的字体、独特的符号或只有一家公司的字段的电子表格。4. 人工智能与内容创意4.1 人工智能与创意过程亚马逊的 DeepComposer 系统 “自动” 作曲生成性对抗网络(GANs)的能力远远超过生成深度假视频。研究人员正与艺术家和音乐家合作,创造出全新的创造性表达形式。从合成非洲部落面具到建立幻想的虚构星系,人工智能正被用来探索新的想法。4.2 内容生成算法一段时间以来,人们一直在训练计算机观看视频并预测我们物质世界中相应的声音。内容生成算法研究的重点是帮助系统了解物体在物理领域如何相互作用。4.3 从短视频生成虚拟环境自动生成的虚拟环境的未来应用非常广泛:考虑物流培训环境(仓库、工厂、航运中心)、城市规划模拟,甚至在游乐园和购物中心内测试客户流场景。4.4 自动版本控制随着更多的实验的进行,人们期望看到新闻和娱乐媒体公司开发同一内容的多个版本,以达到更广泛的受众或大规模生产大量的内容。4.5 自动语音克隆和配音类似人工智能和描述使克隆声音成为可能,这意味着很快你可以在电影中看到基努里夫斯,也可以听到他用自己的声音用意大利语说话。4.6 机器文字识别在过去的一年里,研究人员展示了人工智能是如何被用来编写好的文本的,以至于人类无法分辨它是由机器编写的。事实证明,人工智能还可以用来检测文本是什么时候生成的,即使我们人类无法识别假文本。4.7 算法事实检查误导性和彻头彻尾的虚假信息已经污染了互联网和我们的社交媒体渠道,日常消费者难以应对,旨在传播谎言的算法可以比人类的事实核查器工作得更快。人工智能研究人员一直在研究使用框架语义的自动化技术。框架是描述特定事件、情况、对象或关系及其参与者的示意图。4.8 数据挖掘群智能手机拥有量已经达到临界值,人们对各种网络的使用也达到临界值。人类的数据不仅可以跟踪我们自己,还可以供任何人搜索、收集和分析。预计更多的新闻机构以及营销人员、活动家和其他团体将开始以创造性的方式利用这些数据。4.9 深度链接自智能手机问世以来,深度移动连接就一直存在,它使人们更容易在手机中的所有应用程序中查找和共享数据。深度链接的使用方式现在已经模糊了消费者的信息。5. 消费品和服务5.1 环境计算扩展环境计算系统承诺优先考虑许多与人类行为相关的决策,代表人们授权它们,甚至根据环境自主地为人们回答。在没有直接监督和投入的情况下,很多无形的决策都会发生。使环境设计如此诱人的是,它应该要求我们在不久的将来做出越来越少的决定。把它看作是一种意图的自动完成。5.2 无处不在的数字助理(DAs)在很多地方都可以找到数字助理。现在有成千上万的应用程序和小工具可以跟踪和响应 DAs。新闻机构、娱乐公司、营销人员、信用卡公司、银行、地方政府机构(警察、公路管理局)、政治活动和许多其他机构都可以利用 DAs 来显示和提供关键信息。5.3 人工智能致力药物研发制药公司加大了人工智能研究力度2018 年和 2019 年,制药公司加大了研究力度,以确定人工智能是否可以用于药物开发的每个阶段,从假设、挑选更好的化合物和确定更好的药物靶点,到设计更成功的临床试验和跟踪现实世界的结果。5.4 人工智能面试识别系统现在可以用来观察人们被面试的过程,来衡量面试者的热情、坚韧和沉着。算法分析数以百计的细节,比如面试者的语调、面部表情和行为习惯,试图预测面试者将如何适应一个社区的文化。5.5 消费者级人工智能应用新的自动机器学习平台使非专家能够建立和部署预测模型。许多人希望,在不久的将来,人们将使用各种各样的人工智能应用程序作为日常工作的一部分,就像人们今天使用微软 Office 或谷歌文档一样。6. 人工智能与地缘政治、地缘经济与战争6.1 新的高科技工业综合体在过去的几年里,美国一些最大的中情局公司开始与军方合作,推进研究,寻找销量,开发新的技术系统,可以在各种情况下部署。2017 年,美国国防部成立了一个算法战争跨职能团队,致力于一个名为 “Maven 项目” 的项目,这是一个计算机视觉和深度学习系统,可以自动识别静止图像和视频中的物体。该小组没有必要的人工智能能力,因此国防部与谷歌签订合同,帮助训练人工智能系统分析无人机画面。但被分配到这个项目的谷歌员工并不知道他们实际上在做一个军事项目,这导致了引人注目的反弹。多达 4000 名谷歌员工签署了一份请愿书,反对 Maven 项目。他们在《纽约时报》上登了一整版广告,最终数十名员工辞职。最终,谷歌表示不会与国防部续签合同。谷歌员工抗议该公司在美国军事项目上的情报工作6.2 国家情报战略在过去的几年里,人工智能的危险性得到了极大的缓解。从自驾车事故到通过造谣活动进行选举,再到通过面部识别和自动搜索增强的政治压制,谷歌员工抗议该公司在美国军事项目上的情报工作。在地缘政治、地缘经济和战争面纱的第十三个年头,很明显,国际情报局正在改变国家、公司和公民的安全环境。现在,几乎没有一种技术能够触及人类的方方面面,世界各国都在竞相制定和公布自己的人工智能战略和指导方针。谷歌前 CEO 埃里克施密特(左)与前国防部长阿什卡特握手6.3 建立人工智能规则的竞赛去年,中国在全球率先制定了一套规范和标准,以管理人工智能的未来,随后,许多国家和地区争相出台相关的政策,随着人工智能在中国、欧盟和美国继续按照不同的规则发展,全球 AI 学术领域的合作可能会急剧下降。6.4 算法战争我们未来的战争将以代码作战,使用数据和算法作为强大武器。当前的全球秩序正在被人工智能所塑造,而世界各国在美国、中国、以色列、法国、俄罗斯、英国和韩国等国家的研究也在发展包括至少一些自主功能的武器系统。FTI 分析表明,未来的战争不仅仅包括传统武器。使用人工智能技术,军队可以通过破坏经济稳定而不是摧毁农村和城市中心来 “取胜”。6.5 人工智能自我解释毫无疑问,你听过有人说人工智能正在变成一个 “黑匣子”—— 即使是在这个领域工作的研究人员也不明白我们最新的系统是如何工作的。这并不完全正确,但是越来越多的计算机科学家、记者和法律学者表示担心,他们认为人工智能系统不应该如此秘密。但要求人工智能的透明度可能会泄露公司的商业机密。要求系统同时解释其决策过程也会降低输出的速度和质量。6.6 在关键系统中使用人工智能机器学习保证了人们关键基础设施系统的效率和新的保障措施。为此,政府研究人员正在探索如何率先开发关键系统:道路和铁路运输系统、发电和配电以及预测救护车和消防车等公共安全车辆的路线。人们不再回避人工智能系统,而是对利用这项技术预防灾害和提高安全性产生了新的兴趣。7. 中国人工智能规则7.1 中国规则如果认为中国是一个只是复制而不是创新的国家,麻烦再想一想。中国已经是人工智能领域的全球领导者。该国在许多领域取得了巨大的进步,但尤其是在人工智能企业和政府已经合作了一个全面的计划,使中国在 2030 之前成为世界上主要的人工智能创新中心,并且它已经朝着这个目标迈进了一大步。同时赋予了中国三大公司百度、阿里巴巴和腾讯一个称号 ——BAT。目前,中国的人工智能初创企业几乎占到所有人工智能全球投资的一半。7.2 中国的数据盈余中国人口众多,接近 14 亿人,为那里的研究人员和初创企业提供了未来人类数据中最有价值的自然资源,而不受世界许多地方普遍存在的隐私和安全限制。如果数据是新的石油,那么中国就是新的欧佩克。中国人正在挖掘的这种丰富的数据可以用来训练人工智能,挖掘从教育、制造到零售和军事应用等各个领域的模式。中国公司 Sensetime 是世界上最有价值的人工智能初创公司之一,它正在打造更多人工智能新技术8. 人工智能与社会8.1 人工情感智能研究人员正在教授机器无条件的爱、积极的倾听和移情根据信诺健康服务机构的研究,在过去的 50 年里,美国人的孤独率翻了一番。两年前,英国前总理 Theresa May 创造了一个新的内阁职位,世界上首位孤独部长。在我们日益紧密联系的世界里,报告说人们感到更加孤立。在未来,像韩国这样正在与大规模心理健康危机作斗争的政府,可能会转向情感支持机器人来大规模解决这个问题。8.2 个人数码双胞胎去年中国中央电视台的春节联欢晚会上,四位著名的人类主持人与他们的数码双胞胎一起亮相。据估计,有 10 亿人观看,这些人工智能复制品模仿了人类的同类,没有预先设定的行为、演讲或程序。不久的将来,可能会有一对数字双胞胎,面向包括健康和教育在内的多个领域的专业人士。8.3 问题数据集人工智能本身并没有偏见,但是数据输入方法和输入数据的人可以显著改变人工智能的行为。从真实的人那里获取真实的数据来训练系统很困难,而且随着新的隐私限制,开发人员可能会选择更多地依赖公开的和有问题的数据集。8.4 人工智能识别欺骗性为人工智能也被用来识别欺骗行为。ECRI 研究所的 Crosscheq 使用机器学习和数据分析来寻找招聘过程中的夸张和误导信息。德雷克塞尔大学的研究人员开发了一个应用程序,利用生物特征来预测节食者何时可能偏离规定的饮食方案。8.5 针对弱势群体设计的算法在世界各地的国家,人工智能正被用于边境口岸、贫困社区以及存在犯罪问题的学区。大多数时候,这项技术被称为一种解决方案,但它有助于剥夺弱势社区的公民权。8.6 人工智能存在偏见随着计算机系统越来越擅长做决定,算法可能会把人们每个人分成对我们自身来说没有任何明显意义但可能产生巨大影响的组。每一天,人们都在创造难以想象的数据量,这些数据是通过算法挖掘和使用的,通常没有您的直接知识或理解。它被用来制作广告,帮助潜在的雇主预测我们的行为,确定我们的抵押贷款利率,甚至帮助执法部门预测我们是否可能犯罪。8.7 人工智能故意隐藏数据计算机正是按照命令来做的。命令一台机器在比赛中获胜,它将尽其所能实现这一目标。显然现在包括作弊,而且这种情况发生的越发频繁。8.8 未报告(Undocumented)人工智能事故的兴起目前,研究人员没有义务报告涉及我们的数据或人工智能过程的事故或事件,除非违反了法律。虽然大公司必须告知消费者其个人数据信用卡号码、家庭住址、密码是否被盗,但它们不必公开算法基于种族或性别歧视某人的实例。8.9 人工智能与数字红利人工智能将不可避免地导致全球劳动力的转移,导致许多行业的失业。数字红利则是一种公司向社会偿还一部分从人工智能获得的利润的方式。8.10 优先考虑责任和信任人们依赖于对人工智能的信任将不再能够判断一个数据集是否被有意或无意地篡改,如果我们不再相信这个结果,几十年的研究和技术进步将一无所获。政府、企业、非营利组织等各个部门的领导人都必须对所使用的数据和算法有信心。此外,雇佣伦理学家直接与管理者和开发人员合作,并确保开发人员本身代表不同种族、民族和性别的多样性,将减少人工智能系统中固有的偏见。最后,这份报告还涵盖了包括量子计算、合成材料在内的其他众多领域的技术趋势,但是由于篇幅所限,在这里不能一一翻译整理,感兴趣的朋友可以在公众号后台回复 “2020 科技趋势” 查看报告完整版。
南京市是国家科技体制综合改革试点城市、创新型试点城市,近年来积极加快推进实施创新驱动发展战略,研发创新能力逐年提升。2016年,南京市全社会R&D(科学研究与试验发展)经费为320.34亿元,比上年增长10.2%。12个GDP超万亿的城市中,科技研发R&D前三位的是北京、上海和深圳,南京排名第9。一、南京市科技研发的主要状况及特点几年来,南京市R&D经费持续增长,研发投入强度持续增高。2016年,南京市全社会R&D(科学研究与试验发展)经费为320.34亿元,比上年增长10.2%;全社会R&D投入强度3.05%,比上年提升0.06个百分点。近五年来R&D经费和研发投入强度情况如下:数据来源:南京统计局 中商产业研究院整理2016年全社会R&D研发人员123926人,比上年增长3.7%;研究与开发机构2340个,增长7.5%;专利申请65198件,增长16.2%;专利授权28782件,增长2.4%;发明专利申请31556件,增长13.4%;发明专利授权8697件,增长5.5%。全社会研发R&D经费的主要特点:主体在企业,约占三分二;高校和科研院所比较强,比重超三分之一。2016年,国家统计制度调查的规模以上企业R&D,占全市R&D总投入的63.4%;高等院校R&D占20.7%;科研院所R&D占11%;另有近5%左右其他单位数据。数据来源:南京统计局 中商产业研究院整理进一步观察各类研发情况:1、规模以上工业企业。多年来,研发投入持续呈现上升态势。除2015年略有回落外,2016年再现增长,R&D占全市的44.6%。数据来源:南京统计局 中商产业研究院整理2、规模以上服务业。近年来,研发投入增长势头强劲。2016年,南京市规模以上服务业R&D已达55.16亿元,占全市的17.2%。与2013三经普年的17.02亿元相比,年均增幅48%。重点服务业企业R&D投入强度已从2013年的0.5%,上升到了2016年的1.5%,提高了1个百分点,年均提升0.33个百分点,显示出强劲的发展势头。数据来源:南京统计局 中商产业研究院整理3、建筑业。大企业支撑作用突出。南京市建筑业的发展,主要依托几家大型企业,单位数占20.1%的大型企业,实现了建筑业84.9%的R&D。2016年建筑业R&D4.91亿元,与2009R&D清查年的2.28亿元相比,年均增长11.6%。以上工业、服务业、建筑业三类企业R&D投入203亿元,占全市的63.4%。4、高等院校。研发实力雄厚。南京市教育资源雄厚,高校林立,人才众多,培养了南京大学、东南大学等全国乃至世界高水平的一大批的研发力量。2016年高等院校R&D66.47亿元,比上年增长8.4%,占全市R&D比重20.7%。高校的研发投入占全社会研发投入的比例一直保持在20%左右,是南京市研发投入队伍中一支不可忽视的强有力的力量保证。有数据显示,江苏省高校的研发整体实力在全国排名第2,仅次于北京;其中:理工农医学科排名第2,人文社会学科排名第3,次于北京和上海。而江苏省高校的主体是在南京,江苏985高校3所中的2所、211高校11所中的8所均在南京。5、科研机构。研发实力不容小觑。2016年南京市科研机构R&D为35.42亿元,占全市R&D的11.1%,也是南京市R&D的一个重要的组成部分。二、南京与兄弟城市科技研发投入的比较及特点为了解南京市与国内12个GDP超万亿元城市科技研发及相关情况,我们收集了相关数据(文中数据个别城市因收集途径和时间不同会略有出入),重点从R&D及其相关的知识产权专利等方面情况做出比较分析。1、R&D投入较GDP位次排位前移2位2016年,GDP超万亿城市R&D及其占比排名情况如下:数据来源:南京统计局 中商产业研究院整理上表可以看出,万亿俱乐部城市R&D的排位与GDP的排位,除个别城市外,一般大体相当,上下不超过2个排位。科技研发R&D前三位的是北京、上海和深圳,R&D达到或已接近千亿元,前三位均远高于其他九个城市。南京市在12个城市中排名第9,比GDP的排位前移二位;而R&D投入强度,排名前三甲的是北京、深圳和上海,南京市排名第6,强度排名比R&D排名位次前移3位,比GDP的排位更是前移五位,处于12城市的中游水平。2、知识产权情况与R&D情况排位相当南京市知识产权专利申请量和发明专利申请量在12个GDP超万亿元城市排名情况如下:数据来源:南京统计局 中商产业研究院整理从以上表可以看出,专利和发明专利前三位的均为北京、深圳和上海,南京市专利申请量和发明专利申请量在12个城市中排名均为第9位,与研发R&D的实力水平位次也是吻合相当的。3、工业R&D排名落后,但有R&D活动的企业占比居前数据来源:南京统计局 中商产业研究院整理从上表数据看,工业研发排名前三位的是深圳、上海和苏州市,南京市工业R&D排名靠后,居第10位,与排名第九位的杭州市有较大的差距,与后一位第11位的武汉市差距不明显。而南京市有R&D活动的企业占比情况较好,达到了39.95%,排名仅次于苏州,为第2名,反映出南京市企业研发活动开展普遍程度相对较好。4、南京市服务业企业研发排名靠前,建筑业企业研发表现尚可南京市服务业企业研发表现较好,排名靠前,排在第4位。与排在前2位的上海市和杭州市有较大差距,与第三位的深圳市的差距不大,争取赶超进入前三位还是有可能的。南京市建筑业R&D,排名第7,与6名的广州市还有较大差距,向前赶超难度较大。与后一位的青岛市4.82亿元差距不大,保持位次还需努力。数据来源:南京统计局 中商产业研究院整理三、南京市研发及相关情况存在的主要问题1、研发等情况总体位次偏后。南京市科技研发R&D总量和专利情况在12城市中排名均为第9。南京市高校、科研院所实力雄厚,如何利用好这一优势,加强产学研合作,科技成果转化,一直是重点研究关注的问题。数据显示,地区创新活动越强,经济社会发展水平越高。R&D水平与GDP水平基本是正相关的,如何利用好南京市的研发创新能力积极带动南京市GDP同步提升,北京、上海、深圳在这方面有很多好的经验值得我们借鉴学习。2、南京市R&D现状结构还不太合理。企业在R&D活动中的主体地位还不够突出,投入比重还不够高。2016年南京市规模以上工业企业R&D投入仅占全市R&D投入总量的44.6%,加上建筑业和服务业企业R&D,也只占到全市R&D的63.4%。从12个城市数据看,很多城市企业R&D占全市R&D的比重在90%以上,地区创新活力表现得较强。调动好企业自主创新研发的积极性和热情非常重要。3、R&D占比低于GDP占比。2016年,南京市占12城市经济总量GDP的比重为5.3%,而南京市R&D占12城市比重仅为4.8%,低于GDP的比重0.5个百分点。南京市R&D还有提升空间。四、思考建议1、积极推动企业成为技术创新主体。美国、日本等西方发达国家,能够成为科技强国,探究其深层次原因,源于他们“用工厂作为实验室”的思想,企业既是工厂也是研究机构,企业在研发创新中占有了相当大的份额,发挥了重要的作用。要促使南京市科技体制机制加大改革力度,使企业真正成为科技创新的主体,充分发挥市场在配置资源上的决定性作用,使创新链与产业链在企业内部高度融合,提高创新的效率和效益。2、发挥南京市科教资源优势,促进产学研充分合作。南京市科教资源优势突出,普通高校53所,985高校2所,211高校8所,高水平大学数量等科教资源处于全国前列,在全国也是有一定影响力的。要切实用好南京市的科教资源,促进其前沿技术研究成果,不仅仅停留在基础论文核心期刊发表上,逐步使其高校、科研院所的基础研究、应用研究项目课题成果,在南京市落地生根,开花结果,促进科技成果转化,带动南京市企业研发的整体实力提升。3、营造良好创新创业氛围,持续加大人才引进力度。加大海内外高层次人才的引进,鼓励海内外高层次人才来南京市从事创新创业研究,吸引海外留学人员来南京市创新创业。学习深圳等先进城市经验,营造创新发展的政策机制,加上完善的科研配套,持续吸引大批高校才子、海归精英到南京市创业发展。积极营造凝聚南京市创新驱动发展的良好氛围,提升南京市科技强市的发展战略空间。
iiMedia Research(艾媒咨询)数据显示,2020年中国K12课后辅导市场规模达5300亿元,预计2021年将达到5710亿元。行业快速发展的情况下,资本市场对于校外培训教育以及STEAM教育产品研发技术一直保持较高的热度。但是在认知度方面,STEAM教育还需普及,凭借完整性更强的综合解决方案获得学生、家长以及学校的认可,提升市场受认可度。未来STEAM教育行业将在技术方面持续创新和优化,利用人工智能、物联网等新技术促进教学环境和学习方式的改变。(《艾媒咨询|2020中国STEAM教育专题研究报告》完整高清PDF版共44页,可点击文章底部报告下载按钮进行报告下载。)核心观点市场规模:教育发展需求攀升,2020年中国K12课后辅导市场规模达5300亿元近年来,政府不断加强对教育的重视,促进学生的全面发展,有效带动全国教育经费投入,刺激教育市场发展。iiMedia Research(艾媒咨询)数据显示,2019年中国K12课后辅导市场规模达4830亿元,预计2021年将达到5710亿元。庞大的用户基础和市场需求为STEAM教育发展奠定了坚实的基础。用户调研:近七成受访用户认为有必要学习STEAM教育,培养创新和综合能力是优势iiMedia Research(艾媒咨询)数据显示,接近七成的用户认为有必要发展STEAM教育,超六成受访用户认为能够培养/提高学生创新能力和综合能力是STEAM教育的主要优势。传统教育下缺乏的创新能力和综合能力受到家长重视,未来以创新和跨学科融合为导向的STEAM教育将迎来发展机遇。趋势分析:技术和政策持续赋能,提供综合性STEAM教育解决方案是核心竞争力当前,中国教育市场并不匮乏技术力量和教育资源,同时政策也在为STEAM教育发展助力。但是,人才、技术、产品等资源缺少系统性的有效整合以及成熟的综合解决方案。提供产品、服务等相结合的综合解决方案是未来中国STEAM教育发展的着力点,是其可持续发展的核心力量。以下为报告节选内容:2020年中国K12课后辅导市场规模达5300亿元iiMedia Research(艾媒咨询)数据显示,2019年中国K12课后辅导市场规模达4830亿元,预计2021年将达到5710亿元。艾媒咨询分析师认为,随着给学生减负的政策落实和素质教育的深入,中小学教育市场的课外培训辅导需求扩大,K12校外培训以及素质教育培训市场一直保持较高的热度。中国K12教育群体数量庞大,2019年超过2亿iiMedia Research(艾媒咨询)数据显示,2019年中国幼儿园28.12万所,在园幼儿4713.88万人;普通小学16.01万所,在校生10561.24万人;初中学校5.24万所,在校生4827.14万人;高中阶段教育共有学校2.44万所,在校学生3994.90万人。中国K12教育群体数量庞大,且覆盖范围广,对教育相关产品及服务存在较高的消费需求,为未来市场发展奠定了坚实的用户基础。中国中小学创新教育理念目前中国中小学创新教育理念主要围绕培养“全面发展的学生”为主,受到美国STEM教育的影响,中国也开始重视探索STEM教育、创客教育等新教育模式。基于人工智能技术,发展STEM教育、创客教育、教育机器人、少儿编程等创新教育理念。STEAM教育定义和概念定义:STEAM代表科学(Science),技术(Technology),工程(Engineering),艺术(Arts),数学(Mathematics)。STEAM教育就是集科学,技术,工程,艺术,数学多领域融合的综合教育。STEAM的原身是STEM理念,鼓励孩子在科学、技术、工程和数学领域的发展和提高,培养孩子的综合素养,从而提升其全球竞争力。近期加入了Arts,也就是艺术,变得更加全面。中国STEAM教育发展驱动力分析2020中国STEAM教育企业投融资情况2020年以来,中国STEAM教育资本市场主要围绕少儿编程、教育机器人等赛道,资本对于校外培训教育以及STEAM教育产品研发技术更加青睐。2020中国STEAM教育行业图谱STEAM教育产业链上游为软硬件供应商、中游教育培训机构、下游消费端。2020中国STEAM教育产品竞争力对比在STEAM教育领域,主要呈现出创客教育、少儿编程、教育机器人三大主要赛道。从竞争力对比方面看,蘑菇云、编程猫、贝尔科教分别在各领域业务覆盖面更广、涉及较多领域,综合竞争力更强。2020中国少儿编程赛道主要运营模式目前,少儿编程平台主要以线上、线下或线上+线下的运营模式为主。学生可以根据班级人数选择线上或线下的4种授课形式,学习的内容主要包括图形化编程、机器人编程、编程进阶课等。平台方以培养学生创造发明能力、助力学生升学为目的承办部分少儿编程相关赛事活动。中国主流图形化编程软件对比分析少儿编程教学中最常用的图形化编程工具是Scratch,同样是国外图形化编程品牌的还有微软出品的MakeCode,其更偏重与开源硬件结合。国内品牌Mind+是国内最早的图形化编程工具之一。受到负面舆情事件影响,Scratch网站被封锁无法登陆,Mind+凭借其四大核心特点,占据了绝对的市场优势。课外培训机构是STEAM教育主要参与途径iiMedia Research(艾媒咨询)数据显示,对STEAM教育有所了解的受访用户占67.8%,其中有68.2%参加过STEAM教育,课外培训机构是主要参与途径。艾媒咨询分析师认为,STEAM教育还需普及,由于学校在技术、产品及专业人才资源方面有限,课外培训机构成为STEAM教育重要支撑力量。师资力量最受用户关注,价格不再成主要因素调查显示,师资力量是受访用户最为关注的因素,占比为65.5%。价格或性价比反而成为最不受重视的因素,仅占比39.5%。艾媒咨询分析师认为,随着社会对教育重视程度越来越高,价格已经不是衡量教育产品或服务的主要因素,用户更倾向追求专业度更高、教育价值更高的STEAM教育产品。近七成用户认为有必要学习STEAM教育iiMedia Research(艾媒咨询)数据显示,超六成受访用户认为能够培养/提高学生创新能力和综合能力是STEAM教育的主要优势。艾媒咨询分析师认为,传统教育下缺乏的创新能力和综合能力受到家长重视,接近七成的用户认为有必要发展STEAM教育,未来以创新和跨学科融合为导向的STEAM教育将迎来发展机遇。超四成用户了解贝尔科教、DFRobotiiMedia Research(艾媒咨询)数据显示,贝尔科教和DFRoobt认知程度较高,分别占比48.5%和42.0%。贝尔科教和DFRobot在机器人教育产品及配件、课程研发等方面综合实力强劲,其中DFRobot在创客教育、机器人编程方面更优,发展潜力更大。六成用户认为有必要学习少儿编程与传统教育相比,STEAM教育更重视工程和技术的培养。在科技和信息化时代背景下,编程成为重要技能,六成受访用户认为有必要学习少儿编程。为适应低龄学生需求以及培养编程学习兴趣和逻辑思维,图形化编程软件基于模块设计和图形创作的形式成为少儿编程赛道主要使用工具,具有操作界面直观、易于学习等优势。七成用户对STEAM教育未来发展前景呈现乐观态度iiMedia Research(艾媒咨询)数据显示,超过七成的受访网民对STEAM教育未来发展前景表示乐观。在经济、政策及科技的加持下,STEAM教育将进入高速发展阶段。在市场需求旺盛的背景下,未来趋势朝向系统化、专业化、服务化方向发展。中国STEAM教育典型案例分析——DFRobotDFRobot成立于2008 年,总部位于上海,生产研发基地位于成都,是国际领先的基于人工智能、物联网等高新技术从事开源硬件、机器人产品研发生产的企业。旗下“蘑菇云”科技创新教育品牌专注于人工智能、创客、STEAM、劳动教育,为学校提供K12全龄段科技创新教育解决方案。目前,蘑菇云已进入全国34个省、自治区、直辖市与特别行政区的8000多所学校。中国STEAM教育典型案例分析——DFRobot中国STEAM教育典型案例分析——DFRobot中国STEAM教育典型案例分析——贝尔科教中国STEAM教育典型案例分析——寓乐湾“AIoT+教育”改变教育模式,赋能教育创新艾媒咨询分析师认为,科学技术对教育未来发展的影响将是巨大且深远的,人工智能、物联网将赋予教育产业新势能。从课前、课中、课后全方面深入,推动教育创新。一方面,促进教学环境和学习方式的改变,丰富了教学内容和教育管理及治理水平。另一方面,影响教师角色和教学评价方式,对教师的职业要求也会随之改变。政策助力跨学科整合,加速推动STEAM教育发展在知识经济时代,STEAM教育起到至关重要的作用。未来中国教育政策将把重点放在多个传统学科有效、有机的整合上,实现培养学生综合素养、创新精神和实践能力的愿景。对于社会而言,STEAM教育培养了更具社会所需要的全面发展人才,从而利于推动经济社会向更高层次方向发展。目前,STEAM教育正值政策利好,发展机遇大于挑战,市场将迎来高速增长的爆发期。加强教育资源整合,提供综合性解决方案STEAM教育发展时间尚短,还未形成健全体系,因此,市场上的STEAM教育机构及其产品与服务仍存在着诸多痛点。目前,市场主要集中的是分别针对STEAM教育技术、产品以及服务的解决方案,缺乏整体性、成熟的综合解决方案。提供产品、服务等相结合的综合解决方案是未来中国STEAM教育发展的着力点,是其可持续发展的核心力量。本文部分数据及图片内容节选自艾媒研究院发布的《2020中国STEAM教育专题研究报告》,查看高清完整报告及更多相关行业数据可登陆下方链接:https://report.iimedia.cn/repo14-0/39279.html?acPlatCode=sohu&acFrom=bg39279(关注艾媒报告中心微信公众号,新鲜行业数据及资讯,马上获取!)
近日,艾瑞咨询发布了《2020中国零售科技产业研究报告》,该报告指出,今年疫情影响下,零售业线上线下融合加速,零售科技成为业内创新经营、重构效率与消费者体验的利器。其中一体化智能零售服务商慧策(原旺店通)作为唯一一家入选典型案例的垂直零售领域的服务商,与阿里妈妈、有赞等知名企业一齐选入零售科技产业图谱。图:慧策登入零售科技产业图谱据艾瑞报告显示,受疫情影响,67.4%的用户认为其在网上购物的频次增加,消费方式转移线上成为新常态。这种转变催生了零售企业业务模式的质变,也促使企业提高了对零售科技的认知。在对企业未来调整方向调研中,83%的企业将发展线上销售渠道,68%的企业将进行数字化生态建设。零售企业认识到,提高科技含量、加速智能化转型,可对“人、货、场”进行数字化重构,减轻疫情冲击。作为零售科技的主力军,零售服务商受到广泛关注。这其中,技术驱动型的一体化智能零售服务商慧策,堪称是零售企业智能化升级的首选。慧策最早以ERP切入市场时便绽放锋芒,凭借运行速度、稳定性、数据准确和安全性等技术优势,迅速揽获中粮、强生、周黑鸭等众多领军企业。经过多年发展,头部客户已持续形成其占位市场的专属优势。高质量客户的占有率,决定了慧策的行业地位。通过头部客户的背书和口碑,足以证明慧策的产品和服务拥有绝对优势,大大增强业内对慧策实力的信赖,客户体量也因此迅速扩大。截止2019年,慧策已服务了超41万商家,涵盖众多世界500强、上市企业、知名品牌和TOP商家,客户续费率高达91.3%。不仅如此,客户优势赋予的前瞻性市场洞察和沉淀多年的产品及业务场景能力,造就了慧策的可持续性先发优势。2019年6月的品牌升级发布会上,慧策便率先提出行业首个一体化智能零售解决方案,以助力零售企业的数字化智能化升级。从技术、产品、到功能、甚至服务,慧策均为行业领先。另一方面,艾瑞报告显示,随着DT时代发展,数据成为企业经营的重要资产,尤其“人、货、场”重构后,零售企业对于掌握消费者精准信息更加迫切,此时,各环节数据资产收集成为零售企业数据驱动转型的重要基础。但因以往各业务线之间数据复杂度高、存在信息孤岛,企业智能化转型困难。而慧策旗下的一体化智能零售解决方案,其核心解决的便是数据智能问题。以店+小程序、数智门店POS、卡米全渠道、旺店通ERP、旺店通WMS、客优CRM、云筹大数据等涵盖电商经营链路的产品布局为基础,慧策打通从前端、中台到后端的底层业务数据,实现数据融合,构建出大而多维的企业经营大数据。同时,结合云计算、大数据、AI等技术进行精准的数据分析,发现问题并及时解决,甚至能够预测问题消除隐患,最终助力企业管理者制定更有智慧的经营策略,以数据驱动企业的智能化转型。此外,艾瑞报告认为,零售企业的升级可结合自身营业收入、信息化程度等实际情况进行切入。而慧策旗下一体化解决方案的产品体系,以旺店通ERP为核心,多个产品线可灵活组建不同类型的解决方案,能够适配不同发展阶段零售企业的业务需求,并带来优良的经济效益。正如慧策产品负责人胡涛所说:“我们每个产品的开发,都以技术为硬核打造功能的优越性,同时以业务场景考虑产品的可持续性,通过高灵活、高性能、高扩展的系统架构,去匹配不同阶段和不同业务目标的企业需求,实现全规模、全场景的覆盖。”RECOMMEND
教育培训行业专题研究报告由中哲咨询研究员陈玉君提供。陈玉君从事研究经验:民宿市场运营模式教育培训行业研究新零售行业研究擅长领域:立项可研项目申请报告资金申请报告节能评估报告报告由中哲咨询研究院提供,该报告包括教育培训行业前言、概述、洞察、趋势、案例5个部分,今天给大家分享的是关于教育行业研究的趋势部分。报告包括ppt版本和纯文字版本,需要ppt原版可以留言。1、教育培训行业前言、概述部分2、教育培训行业洞察部APPT 版本BWORD 版本教育培训市场·大趋势一、各层次的复杂性在整体大环境变得日趋复杂的情况下,教育行业自然也是呈现出复杂性的特征。民办教育促进法增加了管理和监督上的成本,政策上变得复杂;资本的纷纷涌入使教育行业有了更多的参与者,各类上市公司、地产集团、大基金使得竞争环境变得更加复杂;而技术的发展增加了更多的业务模式,O2O、直播、双师、自适应,各种新的业态层出不穷,这是商业模式上的复杂。1、跨界竞争已经来临千亿级、高增长、低集中度的国内教育培训市场具有很好的发展前景,对国际教育公司、国内实行多元化发展的公司具有强大的吸引力,于是,教育培训行业出现了不同的跨界竞争形式。具体见下:2、协同合作愈加重要在越来越多的机构开始进入教育领域的同时,一些中小型机构需要抱团取暖,整合各自的优势,协同起来发展。现在有很多协同的商业模式,比如教育综合体。一些地产商把场地开放出来,很多中小型机构入驻之后,形成合力,通过不同品牌的整合汇聚线下流量,这是很常见的协同方式。二、不对称下两极分化严重强者恒强,弱者恒弱。在美股上市的新东方和好未来,基本上一骑绝尘,市值纷纷超过百亿美元,其他机构与这两家机构的距离越来越远。还有就是其他上市的教育集团通过资本市场的力量快速收购扩张,行业处于加速整合的态势。但这种加速的不对称性并不意味着目前落后的机构没有机会去超越前者。一些新的经济形态,通过模式创新或技术创新也有可能实现弯道超车。1、整合上市公司越来越多地涉足教育,这些企业有资本的优势、产业的优势,通过并购基金或者自身定增的力量,整合行业的资源。从2015、2016年开始,整个行业存在大量的收购、并购的案例。另外,跑在前面的一些教育集团。通过自身发展,进行独立IPO,这样的例子也不少见。2、颠覆后起之秀还是有超越的机会,但是一定要借助资本的力量,这里有个非常典型的案例是朴新教育。创办人沙云龙是原来新东方的高管,在很短时间里,整合了30多家机构,现在市值已超过一百亿人民币,未来上市后市值可能会是三四百亿的规模,但是它也面临着投后管理的挑战。三、市场不确定性世界也变得越来越不确定了,黑天鹅事件出现的概率越来越大。教育产业同样在这样的不确定性背景下不断衍进,星空琴行倒闭、携程幼教事件、红黄蓝事件都是在不确定环境下发生的黑天鹅事件,但同时又非常深刻地反映了行业的一些深层次的问题,对整个教育行业也产生了非常深远的影响。所以整个教育产业需要深刻思考的是如何不断升级,从技术和服务方面不断提升品质,同时也要回归理性、回归教育本质。1、回归(1)价值的回归从投资逻辑上来讲,教育机构现在越来越回归理性了。和前两年相对比,2017年中后期投资数量相对来说略有上升,但早期投资是呈下降的趋势,也是证明资本的理性和谨慎的态度。(2)教育本质的回归关注本质:教育无小事。开放和连接,单打独斗不再有效。唯快不破,预测已经不再重要,重要的是快速反应能力,所以企业要不断地进行迭代,这个迭代包括产品的迭代,模式的迭代,以及应用资本的迭代,这些迭代都需要快。只有跑得快,才能走到前面。2、产业升级对教育提出更高要求产业在不断地升级。首先从技术来看升级。目前为止,中国教育产业经历了三个IT阶段的技术升级。除了技术的升级外,还有品质的升级、内容的升级,这是更为重要的行业升级。因为现在大的背景就是消费升级,家庭收入提升了,人们对于生活品质的追求也提高了。教育是其中最重要的品质追求,所以很多细分品类都有面临升级。教育培训市场·微趋势一、回归本质,专注内容、质量内容+师资+技术是培训教育行业未来竞争的着力点教育培训行业经过一轮廝杀,已洗刷掉相当一部分企业。存货的企 业开始注重内容与课程研发。未来教育培训行业的趋势将回归教 育本质,提供优质的内容和服务,注重师资水平和技术升级,制造 良好的口碑才是确保盈利的核心。1、内容在线下的教学场景中,教育内容通常是以教材为核心的教学、评测体系。在线上,以课件和课后的练习评测则成为 了内容的核心。2、师资标准化课程的推广虽然有助于弱化师资的影响,但是名师效应依旧十分显著。现阶段厂商均着力打造自己的师资团队, 无论是培养还是招募。3、技术大数据和AI技术将是行业趋势,教育培训 行业的目的是通过智能化解决方案给出更科学的学习体验 。强大的大数据、人工智能技术是实现上述的基础支持。二、人工智能的广泛应用于教育人工智能技术的出现推动教育培训行业迎来智能化浪潮教:LMS学习管理系统、人工智能助教、儿童教育机器人、企业型科教机器人 。学:分级阅读系统、LMS学习管理系统、开放数据、企业型科教机器人。评:自适应题库系统、分级阅读系统、自适应课程系统、人工智能助教、人工智能客服。测:自适应题库系统、开放数据、企业型科教机器人 。练:自适应题库系统、开放数据、LMS学习管理系统。三、教育转型风口成为资本新风向标资本看好AI教育领域企业,未来热度将会维持,当前大部分处于早期阶段。四、未来几年将是线下教育的黄金期线下教育秉承教育精髓,市场空间较大,资产证券化步伐加快。二级市场主体:二级市场上市的教育企业主要是线下连锁培训机构。上市情况:在过去10年有25家线下连锁培训机构上市,而仅2018年上半年就有15家上市挂牌。未来预测:预计未来有更多线下连锁培训机构走向资产证券化,未来10年线下教育市场将迎来发展黄金期。
中国物流科技行业发展概况从采购、生产到销售,物流环节贯穿商品流通全过程成长期的中国物流,机遇挑战相伴左右中国物流业的发展历史悠久,舟、车、常平仓、广惠仓、驿站等运输和仓储要素齐全,更开辟了丝绸之路、京杭大运河等著名商贸交流之路,为现代化物流的诞生奠定基础。但古代物流仅是单一环节的管理,我国真正意义上的运仓配一体的标准化现代物流模式起步于20世纪90年代:邓小平的南巡讲话进一步深化了改革开放,给我国物流业发展带来蓬勃活力。加上90年代末东南亚金融危机的爆发,使得我们对物流业发展重要性有了切身体会,开始由理论转向实战,探索实际的运行操作。进入21世纪,政策环境利好,运力网络大规模覆盖、信息平台建设迅速推进,我国物流进入了飞速发展的成长期,也即意味着,机遇与挑战并存将是贯穿这一时期的鲜明主题。物流需求稳中向好,16年总额达230亿据国家统计局数据显示,2016年我国社会物流总额229.7万亿元,比上年增长6.1个百分点,增速小幅回升。其中工业品物流需求仍占主导地位,达到93.2%。具体到不同的工业品种类来看,采矿业、高耗能行业物流需求增速回落,采矿业物流需求由上年增长2.7%转为下降1%。装备制造业、高技术产业物流需求增速持续加快,分别比上年增长9.5%和10.8%,呈现出经济结构持续优化、新旧动能转换加快的特点。运行质量有所提升,但相比其他国家仍旧存在差距2016年,社会物流总费用为11.1万亿元,同比增长2.9%,继续保持低速增长。社会物流总费用与GDP的比率为14.9%,比上年下降1.1个百分点,经济运行中的物流成本有所下降,运行的质量有所提升。但与其他国家相比,仍存在一定差距。2016年我国物流费用与GDP的比率高出全球平均水平3%,高出美国6个百分点。与同样属于发展中的人口大国-印度相比,我国的比率同样处于较高水平。降本增效,提高物流运行质量是现阶段国内物流业发展的关键任务。中国物流科技行业转型与升级从企业到产业,从体制到体系,全面推进物流发展降本增效物流业是融合运输、仓储、货代、信息等产业的复合型服务业,是支撑国民经济发展的基础性、战略性产业。物流业整体运行质量的提升不仅需要从单个企业层面入手,以头部企业的示范效应带动整体行业向上发展,更关乎产业结构、体系、政策等更宏观范围的改革和转型。现阶段,从实施难度来看,企业层面的升级可行性更大,操作性上也更容易实现。现实阻碍反作用力+直接推力=升级之路运、仓、配多点渗透,全面开启智能化作业流程仓储作业已经在自动化层面发展多年,未来要提高智能化水平,根据商品的件型、重量、销量、交付时效等属性,设计不同的作业流程,并采用相匹配的物流智能化系统进行操作。运输、分拣和派送环节的辅助驾驶、编队运输、自动化及机器人分拣、智能终端已经实现应用。随着购物场景的碎片化以及交付地点的动态化,未来在实现无人化作业的同时,会基于实时定位的应用,在消费者日常的某个动态节点实现交付,与消费者的工作和生活完美融合。中国物流科技行业产业链图谱中国物流科技行业发展现状16年车货匹配平台规模1.3万亿元,物流智能装备347亿元公路货运占整个物流运输的比重最大,进一步可细分为整车、零担和快递三个部分。零担和快递的行业集中度相对整车市场较高,相应运营效率较好。剩下的整车领域,行业分散,一个人一辆货车就可以做起整车生意。但也因此可优化的空间和市场潜力广阔。2013年前后,以运满满为代表的一大批车货匹配平台涌入到整车行业,利用信息技术改善车源和货源的双向匹配效率,给行业带来了变革。16年全年车货匹配平台的市场规模超过万亿元,并继续保持稳定增长。除了信息化平台的建设,智能装备的应用也在蓬勃发展,16年市场规模接近347亿元,较之上一年增长29.8个百分比。典型企业用户量对比应用|运输|车货匹配配货时间缩短2天以上,日均行驶里程提升33.3%目前,我国的公路物流货运量占到了整体货运量的80%,干线物流在整个公路物流中占比最大,但是行业整体运作效率不高,我国货车日均有效行驶里程300km/天,美国则可以达到1000km/天。国内2000多万货车,空驶率40%。造成资源错配、效率低下的原因主要在于信息的不对称性,车货匹配平台利用信息技术将线下信息进行整合,发布信息并进行精准匹配,可以优化供应链下游的货物与司机的资源分配,降低空驶率,进而节约运输成本。市场竞争激烈,融资能力差距逐渐拉开车货匹配市场从2016年初开始到今年9月之间,融资数量超过20次,但大部分集中在A轮及以前阶段,且融资金额较小。目前,少数企业在融资能力上开始逐渐拉开差距,平台的技术研发能力、运力基础、体验、诚信保障、以及可延展的业务及盈利空间,均是资本关注的重点。应用|运输|新能源车电耗代替油耗,年运营成本平均下降超过300%2017年最新出台的新能源车补贴政策,对新能源客车以动力电池为补贴核心,以电池的生产成本和技术进步水平为核算依据,并进一步完善新能源货车和专用车的补贴标准,按提供驱动动力的电池电量的分档累退方式核定。同时设定中央和地方补贴上限,其中地方(地方各级财政补贴总和)不得超过中央财政单车补贴额的50%。除燃料电池汽车外,各类车型2019-2020年中央及地方补贴标准和上限,在现行标准基础上回落20%。但对比传统燃油车,新能源纯电动车的运营和维护成本仍大幅降低,加上清洁,无污染,将在物流运输中大规模普及。动力电池是核心零部件,其性能直接影响整车品质伴随着新能源汽车的高速发展,动力电池投资热度只增不减。作为技术核心的电池,目前成本占到了整车成本的1/3至1/2,意味着整车厂可能需要把一辆车一半的收入分给电池厂。目前我国电池企业在技术和生产方面有了明显提升,但和松下、三星、LG相比还是有一定差距。电池的重要性,除了体现在车辆续航能力等方面,整车的管理系统等其他成本也会下降。应用|运输|无人驾驶无人驾驶商业化进程加快,降低物流行业运输成本随着物联网、大数据、云计算等技术纷纷向汽车业渗透,汽车制造业迈向了智能化的时代,无人驾驶的实现备受期待。无人驾驶不仅可以为驾驶出行提供更多的安全保障,在商用的货物配送领域发挥空间更大。根据驾驶系统的自动化程度,无人驾驶从无自动驾驶阶段到完全自动驾驶共6个阶段。现阶段的发展应用还处于辅助驾驶向完全自动驾驶的过渡阶段,距离无人驾驶的大规模商用还有相当长的一段时间。互联网巨头 PK 老牌车企,技术研发和生态发展全面竞争目前无人驾驶领域入局者主要有两方:一是谷歌、百度等互联网巨头以及英尔特等软硬件提供商,从自动驾驶算法切入,实现跨越式发展;二是奔驰、福田、一汽等传统老牌车企,以整车控制集成为切入点,借助高级辅助驾驶(ADAS)经验继续深入;双方的竞争从技术层面延伸至上下游的生态体系构建。目前共享出行理念的诞生和需求增加,分时租赁、网约车等形式也成为布局的重点。无人驾驶技术加上用户场景的建立,将会颠覆整个交通运输行业。应用|仓储|无人仓整体无人仓亮相,从入库到装车打造现代化智能仓储仓储行业正在变得更加自动化和智能化,自动化可以刚性提高效率,智能化可以满足差异化、个性化需求,增强供应链柔性。商品的入库、储存、拣选、分拣、出库等一系列流程,在无人仓中都可以用相应的自动化设备或者机器人替代。常见的有AGV机器人,根据不同用途又分为搬运、拣选和分拣等不同类型,以及专业从事码垛工作的码垛机器人。另外,RFID标签、立体仓库的应用等均显著减少成本费用,提高了作业效率。AGV的关键在于调度,码垛机器人的控制系统有待提高从单个AGV机器人来看,核心技术主要在定位、导航、避障等操作方面。但实际在无人仓中运作时,通常一个大型仓库需要配备几十甚至上百个机器人,如何通盘的调配和统筹安排,把集体效用发挥到最好才是考验技术实力的核心指标。针对码垛机器人,国内外的差距主要体现在控制系统上,国外一般采用的伺服控制,精度和响应速度远好于国内的变频器。应用|仓储|AGV|拣选货到人的智能拣选,均效提高3-5倍,节约人力70%仓储物流的拣选一般有人到货和货到人两种方式。人到货方式中,当前应用最广的是PDA人工拣选,语音拣选、AR眼镜拣选等新兴技术尚未在国内普及。货到人方式中,主要有穿梭车和拣选机器人两种解决办法,都是根据拣货员指令,将所需的商品送到作业人员面前,节约行走和寻找时间。但前者设备投资大,柔性小。后者更加灵活,可根据实际需求,自主规划,相对于人工拣选,机器人操作均效提高3-5倍,节约人力70%。应用|仓储|AGV|分拣提高分拣效率30%,节约人力70%分拣环节的机器人应用能够节约70%左右的人力。2017年8月,京东物流昆山无人分拣中心正式亮相,昆山无人分拣中心最大的特点是从供包到装车,全流程无人操作。目前,该中心已经实现自动供包并对包裹进行六面扫描,保证面单信息被快速识别,由分拣系统获取使用,进而实现即时有效的分拣。申通的快递分拣机器人“小黄人”可以24小时不间断分拣,扫码、称重、分拣功能“三合一”,能够实现快递面单信息识别,以最优路线投递。应用|配送|送货机器人/无人机无人送货时代即将到来,机器人上岗取代快递小哥应用|配送 | 对比送货机器人技术尚未成熟,无人机只欠政策东风物流精细化运营后,末端配送的成本和效率成为优化重点,物流公司不约而同将最后一公里的物流配送寄托在机器人身上,阿里和京东相继推出自主研发的送货机器人。无人机方面,顺丰、京东、邮政等也纷纷加快布局动作。就实际应用来看,送货机器人技术尚未成熟,最大难点在于城市道路的极其复杂,加上承载量较小,目前各家投入比例相对小于无人机领域。而无人机技术已经相当成熟,目前最大的阻碍来自政策监管,一旦政策放开后,大规模的商用将会迅速普及。应用|配送|智能快递柜丰鸟之争点燃快递柜终端大战,三方势力角逐高下2017年6月,顺丰和菜鸟双方互相关闭数据接口,一时间引起业内广泛关注。虽然在国家邮政局的协调下,双方同意从6月3日12时起,全面恢复业务合作和数据传输,但丰鸟之争实质上是数据、用户等的竞争。丰巢在智能快递柜的布局力度和速度在2017年1月份25亿元的融资后表现得更加强劲,可能对菜鸟形成了一定压力,菜鸟迅速入股速递易的举动,也被看成是和顺丰的正面较量。目前智能快递柜市场入局者主要分为三类:京东、苏宁等电商系;丰巢、邮政易邮柜等快递系;速递易、日日顺、云柜等第三方,各有优势。随着国家队和阿里站队速递易、阿里投资的苏宁和日日顺也将逐渐统一阵营,丰巢背后则有顺丰、腾讯、京东等的支持,三方势力逐渐演化为两大阵营的对峙。集成物联网、无线通讯等技术,解决最后100米交付痛点智能快递柜结构分为储物终端、平台管理系统,可以智能存件、智能取件、远程监控、信息管理、信息发布等。内嵌固定式条码扫描头,可读一维、二维条码及手机屏幕条码信息。取件时,用户可凭手机上的收到的取件码,在智能物流柜的扫描窗口刷取,验证成功即可取件。核心技术在于物联网、智能识别、无线通讯等。中国物流科技行业趋势与展望政企合作布局物流大数据,重塑供应链智能化模式智造时代,工业机器人发展前景广阔自2013年来,我国已成为全球最大的机器人消费国,但国产机器人的份额仅占约三成的份额,且处于行业低端,高端机器人主要依赖进口,具有自主研发能力,可以生产关键零部件或机器人产品的企业仅百家左右。随着人工智能技术的成熟,机器人产业的重要性日益提高,国家相继发布《关于推进工业机器人产业发展指导意见》、《中国制造2025》、《关于推进工业机器人产业发展指导意见》等多部政策,明确了十三五期间的发展目标,预示工业机器人即将迎来广阔发展前景。自2013年来,我国已成为全球最大的机器人消费国,但国产机器人的份额仅占约三成的份额,且处于行业低端,高端机器人主要依赖进口,具有自主研发能力,可以生产关键零部件或机器人产品的企业仅百家左右。随着人工智能技术的成熟,机器人产业的重要性日益提高,国家相继发布《关于推进工业机器人产业发展指导意见》、《中国制造2025》、《关于推进工业机器人产业发展指导意见》等多部政策,明确了十三五期间的发展目标,预示工业机器人即将迎来广阔发展前景。科技创新,催生商业新模式物流科技的创新将给传统的商业模式带来升级和变革。未来,大数据、云计算等技术的成熟和应用,可以更灵活的调整物流结构,由传统先订单后物流的模式,转变为分析消费数据,提前将一部分商品前置,或是生产符合客户需求的定制化产品,精准地配置库存,降低成本。另外,自动化设备方面,由于投资规模大,回报周期长,且改动成本高,一般要求对业务不要具有太多的变化,但目前国内商业发展活跃,变化快,因此10年内一般不会实行仓库全自动化,但自动化程度会逐渐提高,较好的兼顾供应链柔性。因此,一些大规模有实力的物流公司很有可能会凭借其自动化、智能化的供应链体系优势,打造社会化运力平台,惠及更多中小型企业。由于机器人价格昂贵,一些智能装备制造商也正开拓代运营业务,企业在成本允许范围内,能享受到更加先进的仓储管理服务。
近日,第二届财税科技产业峰会(TTIS)在深圳召开,国内知名互联网数据第三方机构艾瑞咨询发布2020《中国财税科技企业发展研究报告》(以下简称“报告”), 明确了“财税科技”的定义,并从行业发展现状、应用场景、积极意义和发展趋势四个方面对财税科技进行了全方位的解读。该报告称,财税科技是以业财税智能化融合为目标,通过结合互联网、云计算、大数据、人工智能、区块链等科技手段,帮助政府、企业、个人三方解决业务协作,持续提升财税运转效率,以及提升行业数字化、智能化水平的商业应用技术。报告显示,传统财税管理数字化程度低,大量工作仍依靠传统人力资源支撑,难以避免出现财务效率低、业财税割裂、信息价值弱、合规风险高等问题。体系之间出现信息墙,无法为企业未来发展决策提供策略支撑。而科技赋能下的财税管理,对此提供了有效解决方案。据介绍,从电子发票OFD电子文件格式推行,到数字化基础设施逐步完善,财税科技目前已经从数字化、自动化阶段,发展到智能化应用阶段,近几年在政策及技术加持下,发展势头迅猛。数据显示,自2016年至今,中国财税科技行业发展规模从233亿元上涨到1032亿元,预期2021年行业规模将达1265亿元,未来仍具有较大的增长空间。报告显示,在成本控制方面,纸质发票平均每天能开具的数量不超过2000张,而同等量级电子发票不到1分钟即可完成开具,极大降低了成本,其中行政费用降低了10倍。风险控制方面,财税科技数字化票据建立规范财税记录,能够规避虚开增值税发票的处罚风险,提升企业自身税务合规性,实时监控企业运营风险。运营优化方面,财税科技还深挖财务数据,进行实时更新,保障数据的时效性,减少财税工作滞后性,助力企业管理重心向业务端迁移,提升整体财务数据价值,为企业创造更多的营收。该报告由高灯科技联手艾瑞咨询共同发布。高灯科技于2017年由腾讯投资成立,2018年,高灯联合腾讯、深圳市税务局开出全国首张区块链电子发票。高灯科技董事长兼CEO高峡表示,数字经济时代已经到来,面对新的机遇和挑战,财税行业如何用科技驱动发展,用技术引领未来,真正实现让交易更真实,让竞争更公平,让信任更简单,是高灯科技一直在思考的问题。(中国日报深圳记者站)来源:中国日报网
经济日报-中国经济网编者按:10月23日,在2020年第三届文化和科技融合热点和趋势论坛上,中国人民大学创意产业技术研究院副院长、文化品牌评测技术文化和旅游部重点实验室副主任宋洋洋发布了《中国文化和科技融合发展战略研究报告(2020)》,并对此进行了解读。中国人民大学创意产业技术研究院副院长、文化品牌评测技术文化和旅游部重点实验室副主任宋洋洋发布并解读报告 中国人民大学创意产业技术研究院供图一、站在新起点的文化科技融合 新定位:朝阳产业、大有可为 文化和科技融合,既催生了新的文化业态、延伸了文化产业链,又集聚了大量创新人才,是朝阳产业,大有前途。新格局:“双循环”下的文化科技力量 当前,我国正在构建以国内大循环为主体、国内国际双循环相互促进的新发展格局。文化科技融合在“双循环”战略格局中能够起到“润滑剂”和“补缺口”的作用。在国内大循环中,科技力量促进文化产业链加速循环,同时,文化内循环的加速对推动实体经济内循环起到提质、升级、增效的驱动作用。在外循环中,我国实体经济贸易一直占据主要地位,而价值观和内容出海则发力不足、长期缺位。未来,文化科技融合将助推文化出海,使其与实体贸易分别以一里一表构成我国真正意义上的核心竞争力,填补外循环中的文化缺口。新焦点:新贸易形势下的文化科技业态“白刃战” 实体经济具有供应链长且复杂、需要多边协作的特点,国与国之间在这一领域即便不是命运共同体也是利益共同体,竞争双方都有回拉紧张关系的驱动力。相比而言,文化科技领域,特别是互联网文化领域的供应链短,则无需合作便可独立完成文化产业链(创意——生产——传播——体验)全环节;而在需求侧,超级平台们要争夺共同的市场和用户。因此,其竞争之激烈堪比“白刃战”。新空间:新一轮爆发性增长和产业变革前夜 当前,文化科技融合正处于新一轮爆发性增长和产业变革前夜,为文化产业新业态的诞生和文化产业链的延伸提供了新空间。随着5G商用、人工智能、大数据中心、云计算、物联网等“新基建”的布局和完善,新一轮的技术爆发将加速向文化产业渗透,会有更多在实验和设想阶段的文化科技应用转化为面向大众的产品和公共服务。此外,消费互联网和产业互联网的融通将进一步整合文化产业链、提升价值链,是助推文化产业变革的重要机遇。未来,文化科技融合将面对更广阔的全球市场。二、新时代文化科技融合动力模型五位一体的文化科技融合动力模型可以更好地理解新时代的文化科技融合。具体来看,即以产业增长为主动力,以“新基建”为底层架构,以场景创新、民生应用为重点领域,以现代化文化治理体系贯穿文化科技融合全链条。新增长 文化科技融合发展的主动力——重点行业网络直播为经济民生各领域全面赋能。2020年上半年我国网络直播市场规模达843.4亿元,同比上升63.4%;用户规模达5.26亿人,占网民整体的59.8%。“直播+”实现全面赋能,与电商、游戏、教育、助农等领域深度融合。其中,直播+电商增长最快,成为助推我国经济“内循环”的重要力量。2020年上半年,直播+电商交易规模达到4561.2亿元,已超过2019全年总交易额,预计年底交易额有望翻倍,达到超9000亿元。短视频成为互联网底层应用。截至2020年6月,短视频市场规模达1302.4亿元,同比上升178.8%,是网络视听行业占比最大、增速最快的领域;用户规模达8.18亿,占网民整体的87.0%。同时,短视频是用户粘性最高的互联网应用,超六成用户每天看短视频;人均单日使用时长最长,约110分钟。此外,短视频始于娱乐但不只娱乐,正不断向新闻、电商、旅游、广告、教育等应用场景渗透,已逐渐成为互联网底层应用。游戏行业成为文化出海排头兵。2020年上半年,国内游戏行业实现营收和企业数量双双逆势增长,其中,受疫情和长假影响,第一季度营收实现最大增幅,同比上涨26.98%;新增游戏企业超过2.2万家。随着国内用户规模趋于饱和,游戏企业出海抢占赛道已成趋势。2020年上半年,我国自主研发游戏在海外营收达75.89亿美元(约合人民币533.62亿元),同比增长36.32%。同样是第一季度涨幅最大,同比上涨31.19%,单季度营收达37.81亿美元(约合人民币252.54亿元);二、三季度仍维持小幅上涨,总营收均在38亿美元左右(约合人民币253.81亿元)。数字营销出海业务逆势上涨,推进营销在线化。2020年上半年,蓝色光标营业收入达173.75亿元,同比增长47.91%。其中,出海营销业务(客户主要来自于游戏、电商行业)为其营收的主要增长来源,占比62.6%。其次是短视频营销业务,随着各大短视频平台的迅速崛起,此业务有望成为其继出海业务后第二条营收过百亿的业务线。此外,蓝色光标在疫情期间推出了聚焦中小企业智能营销的“蓝标在线”自动投放系统,全面推进营销全链条在线化。“一机游” 智能文旅平台遍地开花。随着“新基建”的逐步完善,以及全域旅游的蓬勃发展,文旅行业继续深耕数字化进程。“一机游”作为全域旅游的数字化样本,实现了多方共赢、生态共建。继“一部手机游云南”投入实践并取得阶段性成效后,各地纷纷兴起“一机游”平台建设热潮。据不完全统计,全球目前已有近50个国家、省、市(县)、景区在推进“一机游”建设。新基建 国家文化大数据重大基础性工程 2020年5 月26 日,中央文改领导小组办公室发布《关于做好国家文化大数据体系建设的通知》,指出建设国家文化大数据体系是新时代文化建设的重大基础性工程,也是融通文化和科技,推动文化数字化成果走向网络化、智能化的重要举措。国家文化大数据工程通过“三库两场景”的重点建设,打造文化产业数字生产闭环。所谓“三库两场景”,即供给侧的中国文化遗产标本库建设、中华民族文化基因库建设和中华文化素材库建设,以及需求侧的文化体验园建设和文化体验馆建设。通过国家文化专网建设,将“三库”中采集的数据存储、传输,链接到需求侧的“两场景”和旅游景区、社区等,同时链接生产端的数字文化生产线,并通过国家文化大数据云平台建设,为文化生产和文化消费的终端用户提供云服务。新场景 “云模式”成新风尚,传统行业积极拥抱新技术 “云模式”从自救手段到引领风尚。2020年上半年,新冠肺炎疫情对线下文化业态造成重创,各行业纷纷借助互联网平台自救,虽是权宜之计,但也让企业意识到线下模式的局限和线上平台的机遇。“云展览”、“云演出”、“云娱乐”等逐渐成为居民娱乐的重要方式。院线电影转网或成为新方向。据《好莱坞报道者》估计,受疫情影响,2020年全球院线票房总损失约达170亿美元,助推线上影院新消费场景。电影《囧妈》打破院线首发先例,出售给短视频平台播出。音视频领域探索创作新模式。随着5G、VRAR等技术的普及,以及移动端使用习惯的改变,竖屏剧、互动剧等新形式视频内容应运而生。2019年,国内共上线17部竖屏剧,单集时长多数在5分钟左右。此外,芒果TV、爱奇艺、腾讯视频、优酷、哔哩哔哩等平台均开始布局互动视频,为创作者提供互动内容生产的站式创作平台。新民生 文化科技融合赋能就业、扶贫、科普 数字创意业态成为脱贫抓手。短视频和直播电商利用平台优势打通农村“最后一公里”。例如,快手开展了“百城县长、直播助农”系列活动,累计成交额达3.6亿元。文化科技平台推动网络扶智。疫情期间国家中小学网络云平台浏览人次达到20.73亿,网络打破地理时空限制,为边远地区的学生送去了更优质的教育资源。文化科技新业态创造新就业。2020年上半年,互联网和电子商务类的岗位需求比2019年增加约13万个,而直播行业的招聘需求同比上涨大约134.5%。新治理 推动形成现代化治理体系 文化科技融合有助于推动形成以政府为主导,多平台赋能、社会参与的现代化治理体系。一是数字媒体升级政务服务。截止2020年6月,我国政务机构官方微博共计14.1万个、政务头条号8.2万个、政务抖音号2.5万个。政务媒体平台的普及既提升了居民生活的便利度,也推动了政务治理的高效性。二是数字平台和社会参与共同发挥社会化治理效能。例如,新冠疫情期间,搜索引擎、即时通信、短视频新闻等互联网应用加速了人们之间的信息共享;舆情地图、疫情风险等级查询、智能辟谣等信息通过数字平台实时发布,并在用户间实现裂变传播,有效避免了由信息不对称所导致的谣言滋生。三、数据、算法、网络、装备未来文化科技四个关键节点 数据:从文化资源到资产到权力 数据是数字时代文化产业的核心生产要素。由于数据处理手段的重大突破以及人工智能领域计算能力的发展,文化数据成为文化产业的核心生产资料。例如,电影《阿丽塔:战斗天使》广泛运用数字技术制作,电影中的女主角阿丽塔由8000多件数字制作的模拟人偶合成,整个影片数据占用磁盘空间是《阿凡达》的三倍多,这些数据成为影片成片的重要素材。文化数据经过交易和整合成为重要的文化资产。为了真正把文化数据变成文化资产,必须对文化数据进行有意义的交换和整合,让整个数据流通起来,成为真正可交易的产品。各种资源形态的原始文化数据经过标准化标记、解构及逻辑关联,中间产品形态的文化数据即可转化为文化资产。数据资产化催生垄断,数据从资产演变为权力。海量用户数据通过超级平台的人工智能算法测算后,成为用来预测未来和辅助决策的重要资产。超级平台往往在不告知用户的前提下采集、占有并使用用户的私人数据,形成数据垄断,获得大数据支配优势。数据于是从资产演变为权力——信息推送的权力、价格歧视的权力、任务分配的权力。一是信息推送的权力。平台根据用户画像主动迎合用户需求进行信息推送,使人们只关注自己感兴趣的信息,与其他信息之间形成一道无形的墙,形成“信息茧房”效应。二是价格歧视的权力。平台算法还会进行大数据杀熟,形成价格歧视。根据北京市消费者协会2019年7月公布的调查数据,56.92%的被调查者表示有过被“大数据杀熟”的经历,网购、在线旅游、网约车、外卖等成为大数据杀熟的高发领域。三是任务分配的权力。平台算法根据骑手、买家、卖家等信息,极限压缩配送时间,外卖骑手执行任务被算法支配。算法:数字时代文化产业的新流水线 工业时代的流水线是专业分工、批量生产。少品种大批量生产以降低成本,成本降低进一步扩大批量,成为工业时代的逻辑。这种生产方式导致能源投入利用率不高,资源浪费严重;产出的产品比较单一、固定,难以满足千变万化的市场需求。数字时代文化产业新流水线是大规模算法。数字时代,文化产业通过大规模算法进行多元化、智能生产以及个性化、精准化匹配。能否拥有精准的算法成为文化企业创新的重要标尺。如今,众多的头部互联网文化企业都有自己的算法,例如,今日头条有智能新闻匹配算法,携程、美团等OTA平台有智能调度算法。算法匹配大数据形成新竞争优势。大数据算法技术并不独特,微软、甲骨文等任何一家科技巨头都能实现,算法技术演变的关键是需要大量的场景、数据进行应用、测算和迭代。不断迭代的算法匹配海量数据可以构成文化科技新竞争优势。基于此,商务部、科技部在调整之后的《中国禁止出口限制出口技术目录》增加了“基于数据分析的个性化信息推送服务技术”。网络:透明通证、万物互联的文化新生产环境 区块链技术加速形成透明通证的网络环境,解决文化领域版权难题。过去,移动互联网、物联网等技术发展,将人、信息、设备、商品紧密联系在一起,为文化产业提供了良好的生产和消费环境。但传统互联网下的文化产业生产环境由于数据标准不统一、信息不对称等无法解决可信、评价、反馈等问题。而基于区块链和云计算技术形成的透明通证网络,将加速版权流通,促进数字版权的开发利用。万物互联、泛在生存的生产环境下未来文化产业形态巨变。过去,通过社交软件实现“人与人的链接”,通过搜索引擎实现“人与信息的链接”,通过购物网站实现“人与商品的链接”,通过共享单车、无人驾驶等实现“人与设备的链接”。未来,5G、移动互联网、云计算、大数据、物联网为特征的ICT潮流,推动从“物联网” 进入“万物互联”时代 ,人置身于无所不在的网络之中,实现在任何时间、地点,使用任何网络与任何人与物的信息交换。泛在生存带来全民娱乐和全民IP化,人人都可以成为内容的制作者和消费者,文化产业将呈现升级、融合、重塑三大方向。装备:计算机视觉与人工智能参与下的硬件升级 人工智能与计算机视觉彻底重组传统制作流程。人工智能与计算机视觉参与的影视制作,通过智能拍摄、自动剪辑与生成、虚拟预演、可视化增强等流程再造,将有效节省人力和制作成本,大幅度提升制作效率和质量。在AI辅助后期制作领域,爱奇艺打造了爱创媒资系统,可以实现身份识别、表情识别、镜头识别、自动剪辑等功能,辅助大型综艺节目制作。在AI辅助自动生产领域,影谱科技首创推出机器自动化生产视频引擎MAPE,可实现视频自动生成、可视化增强、智能剪辑、辅助安全审查等功能,有效降低制作投入、提升视频生产效率。在虚拟预演领域,电影《狮子王》采用实时虚拟预演系统,运用游戏引擎和游戏制作方法,实现动态实时渲染,全面提升了电影制作流程、剧组分工,乃至电影的呈现方式。新一代科技应用促进文化硬件设备迭代升级。伴随着VR/AR、裸眼3D、全息投影、交互投影等技术的发展,文化体验装备也将不断升级,应用场景也将不断拓展。在交互体验设备方面,索尼新推出了空间裸眼虚拟显示器ELF-SR1,用户无需佩戴任何设备,通过眼动追踪技术就可以渲染逼真的3D对象。在新一代投影设备方面,Moment Factory运用全息投影、投影映射、多媒体设备打造定制化、沉浸式夜游体验。在智能演出设备方面,大型无人机灯光表演秀,通过826架无人机通过控制,组成各式各样的图案,点亮夜空。四、站在下一个五年的起点展望文化科技重点发力领域 1.国家文化大数据体系建设主要方向:标准化采集、存储、标注;大数据关联解构;从生产到体验全链条服务;数据闭环、应用开放 。2.媒体融合主要方向:超高清全媒体显示;全媒体智能生产;全媒体精准传播;全媒体内容监测。3.智慧设计主要方向:跨学科、跨领域工业设计;自适配生产创作;人机交互设计与决策;群智协同设计创新。4.智慧制作主要方向:AI自主创作;AI辅助生成。5.智能影音主要方向:动态渲染;数字孪生;虚拟预演。6.泛娱乐文化体验主要方向:高沉浸式;强互动式;感官冲击;思维认同。7.区块链版权服务主要方向:版权确权;版权交易;版权保护。8.全域智慧旅游主要方向:信息集成;资源集成;服务集成;智慧体验。9.数字文化装备与设备主要方向:超高清装备;沉浸式音频装备;交互投影装备;智能演出装备。10.文化安全与文化治理主要方向:主动预警;安全体系;信息监管;社会治理。来源:经济日报-中国经济网更多内容或合作欢迎关注中国经济网官方微信(id:ourcecn)
今天来给大家推荐一个可以白嫖研报的神器——发现报告。作为一名互联网战略部门的分析师,需要每天看很多份研报,对各种数据和信息进行搜集、整理、分析,并做策略、出报告。这也导致我每个月在购买研报的花销上非常大,直到我遇到了发现报告。发现报告算得上是研报网站中的一股清流,是一个集成大量优质报告和数据的新型搜索平台,也是目前国内研报最全、最优质的研报网站之一。所以今天就来给大家分享一下这个口碑极佳的研报神器,后面会附带我的独家白嫖秘籍!发现报告官方是这么给自己定义:致力于通过前沿的AI技术和便捷的产品体验,帮助垂直职场人群和投资者从海量信息中高效挖掘有价值的内容。集成海量行业研究/公司研究/宏观策略/招股书等报告,智能检索,支持全文匹配和定位,可下载PDF和word两种格式,受到用户的高度好评。在将近半年的体验来说,我还是相当满意的。所以大致给大家梳理了一下发现报告的亮点——一、注册便捷刚用这款平台的用户,不需要注册,直接使用微信登录就可以了。 二、海量报告截止目前,平台上已经聚合了超过200+万份的报告,并且每天更新近千份研报,报告种类涵盖公司研究、行业研究、宏观策略、招股书、其他报告等,这一个平台几乎就能满足你所有的报告需求!不然你以为我是怎么用发现报告那么久的。 三、智能检索我第一次用发现报告的时候感到非常惊喜——什么是真正的“智能检索平台”!官网哪里都弥漫着一股高科技气息。比如搜索工具,用户在找报告时,可根据报告类型、关键词、发布时间、机构、分析师等进行精准搜索。 四、下载格式多样下载研报操作非常方便,且同时提供PDF和Word两种格式的报告下载,体验非常棒。五、免费看报告入坑几个小时就迷上发现报告的原因,不是因为报告量多,而是所有报告都可以免费看,这点就比较符合我这个白嫖党的操作。关键是免费,免费你懂吗?六、发现数据如果你只想看研报数据的话,“发现数据”让研报图表一目了然,简化繁杂的大篇幅研报,而且现在该功能还是免费使用的。白嫖党表示很赞。总而言之,发现报告的确给了我这样需要大量研报的社畜非常多惊喜。报告量多、信息量全、精准搜索、免费查看、数据图表等,作为一个智能化大数据平台,在信息积累以及处理技术上都非常完美。但会员一个月需要58,而年费需要298,穷分析师表示很有负担(土豪当我没说)。所以现在就让我给大家分享我的白嫖技巧——1.分享拉好友利用分享得豆机制,只要分享给自己身边的亲友、同学、同事,每有1个人注册成功后即可获得5个报告豆,报告豆的价值就是免费下载研报,要知道报告豆5/颗。楼主的圈子里分析师比较多,所以楼主邀请了将近60个新用户,报告豆多的用不完。 2.上传报告这条可能对从事行研的人比较有优势,毕竟自己手里多少都有一些研报,这些报告只要上传发现报告平台并通过审核,即可收录在官网上。当有人用报告豆下载了你的报告,他所花费的报告豆会到达你的账户内。 以上就是我个人总结的两条白嫖技巧啦,当然有钱随意。成为VIP就当是打赏创造这个智能化研报平台的团队了,为将来更好优化平台做出了自己的贡献。后来我给公司推荐了发现报告,在公司的资助下,付了款,开了发票,也成为了发现报告的年费会员,每天无限制的阅读和下载研报,体验更是飞起了。唯一不足的可能就是他们还没有属于自己的APP,希望发现报告的团队赶紧开发一个APP吧,虽然现在有小程序,但还是有一些不便。
10月25日,第二届“文化科技融合热点和趋势”论坛在南京举办。论坛上发布了《2019中国文化和科技融合发展战略研究报告》(以下简称《报告》)。报告首次成体系地介绍了我国文化和科技融合的态势,指出文化科技创新已成为我国实现弯道超车的新引擎之一。当前,数字文化产业规模不断扩大,产业结构不断优化,文化科技融合驱动的开放型创新生态体系初步形成。下一步,要重点推动文化资源数据互联互通共享,充分利用人工智能辅助内容生产,促进文化产业链和科技创新链有机衔接,注重5G环境下新业态的培育,积极拓展文化科技重点应用场景。来源: 新华日报