未来可能发生的十大颠覆性创新

640?wx_fmt=jpeg

转自:工信头条

本文发表于《中国工业和信息化》杂志2019年5月刊总第12期

科技作家凯文·凯利认为:“未来在其初期将发展得非常缓慢,随之便可一蹴而就。”随着时间缓慢出现的规模化变革很容易被忽视,但实际上在一个快速创新的世界中,缓慢的变化往往可带来最大的变革。通过研究此类变化,可以对社会发展产生极大的正面影响。因此,在聚焦当前新生事物的同时,还应当关注即将出现和未来可能出现的新事物。尽管科技领域具有发展潜力的技术、产品和商业模式创新,对企业和社会的当前影响不大,但将来可能会产生重要价值,必须高度关注。

全固态电池

全固态电池的潜力

全固态电池的出现可能会打破当前困局,并大大加速市场对纯电动汽车的认可。一方面,纯电动汽车的繁荣是由政府、监管部门和企业社会责任共同推动而产生的结果,目前只是实现了其部分构想。但纯电动汽车仍无法企及燃油汽车的能力,譬如,燃油车可在三分钟内加完油,一箱油可以行驶1000公里,所用基础设施极为便利,一辆车可以轻松使用至少10年等。另一方面,锂电池能量密度与安全、使用寿命之间难以平衡。锂离子电池的性能被视为电动汽车市场增长难以逾越的主要障碍。尽管,锂电池已广泛用于智能手机和其他微型电子设备,但在应用于汽车时,其在安全性和电池寿命方面面临更高要求。

锂电池的所有组件和材料都是实心的,因此被称为“固态”。全固态电池的性能取决于所使用的材料,研究上来看其潜力明显。例如,其安全性、耐泄漏性、耐燃烧性较高,可以小型化,具有相对长的放电循环寿命,充电时间短,不易降解等。过去,低功率密度被视为固态电池的弱点,但东京工业大学和丰田研究团队共同开发出一种全固态电池,其功率密度是现有锂离子电池的三倍,能量密度是现有锂离子电池的两倍。这使得全固态电池有可能克服电动汽车的现存缺点。

全固态电池对汽车行业的影响

全固态电池对汽车行业的主要影响包括纯电动汽车市场加速发展和纯电动汽车电池供应链的变化。如果纯电动汽车取代燃油车,可不需要发动机、变速箱及相关部件,但会出现对电池、逆变器、电动机以及这些相关部件的新需求。对于传统汽车装配商而言,确保其有能力开发全固态电池将成为增值的重要来源。如果纯电动汽车市场有所增长,那么税收、能源政策和资源等国家层面的规则也将可能发生变化。

从液态锂离子电池到全固态电池的转变,意味着从液态电解质到固体电解质的转变以及对分离器的需求减少。尽管丰田在2021年至2025年将推出的全固态电池产量较低,对当前供应链的影响也很小,但可以预期,2026年至2040年可用的全固态电池将具有颠覆性。

市场认可全固态电池的障碍

一方面,全固态电池自身存在不确定性。主要问题是如何降低制造成本。另一方面,全固态电池的竞争者存在不确定性。一是如果锂电池性能的提高和成本的降低进展超过预期,则可能延迟向全固态电池的转变;二是由于混合动力汽车、标准燃油车的发展以及柴油车辆的重新普及,对纯电动汽车的兴趣可能会逐渐消退。所有这些都可能意味着全固态电池的开发工作会减弱。三是从范围和加氢所需的时间来看,燃料电池汽车将是另一个潜在的竞争对手。从毕马威2018年全球汽车执行报告中可以看出,燃料电池汽车将是2025年的最主要趋势,纯电动汽车则排名第三。而2017年的同样调查,纯电动汽车排名第一,燃料电池汽车则排名第三。

抗衰老药物

抗衰老药物的新突破

近年来,尖端科学的突破使我们可以从根本上解释人类的衰老。该科学突破可能在未来十年内促使食品药品监督管理部门批准相关治疗方法,使人类更年轻、更长寿。如今,抗衰老市场虽然巨大(全球约2000亿美元),但主要局限于非治疗药物。与此同时,随着年龄的增长,美国的医疗支出在同年龄相关的疾病方面显著增加,预计到2025年将超过美国国内生产总值的20%左右。近十年来,关于身体组织老化的细胞起源研究已取得科学突破,新型抗衰老药物将可能成为医疗保健市场的下一个重大影响因素之一。联合生物科技公司(Unity Biotechnology)正在开发一种名为“Senolytics”的新型药物,专门用于消除衰老细胞,并有望在未来五年内获得FDA批准并上市。

Senolytics的治疗机理

衰老细胞可能是年龄相关疾病的潜在原因。衰老细胞能够随着年龄的增长在组织中累积,并且同许多与年龄相关的疾病相关,包括动脉粥样硬化、关节炎、视网膜变性、阿尔茨海默症和许多肌体组织的纤维化。衰老细胞被认为是针对癌症及其他肌体组织细胞功能障碍的急性防御机制,以及产生和分泌促炎症蛋白与生长因子的独特混合物,它的积累可导致慢性衰老及老年疾病。

Senolytic药物可被用于专门消除慢性衰老细胞。在临床前动物模型中,Senolytic药物的去除衰老细胞的功能阻止了许多年龄相关疾病的发作,包括关节炎、白内障和肾功能障碍。一项研究甚至发现,衰老细胞的清除可使中位寿命(median lifespan)显著增加约35%。

使用Senolytic疗法的顾虑

一是安全因素。使用Senolytic治疗有两方面的顾虑:一是是否会在去除慢性衰老细胞后引起不可预见的不良反应;二是是否会根据需要破坏急性衰老细胞的正常发育。但在临床前动物模型中,已证实了Senolytics具有非常明确的安全性。

二是Senolytics给药的适当频率。由于衰老细胞的积累可能在数月甚至数年内缓慢发生,因此可能采用间歇给药方法。

自动驾驶网络

自动驾驶将汽车从消费产品推向网络

在自动驾驶汽车时代,汽车将从消费产品转变为更多的网络——可供人们按需或作为订户访问的网络。可以肯定的是,这种转变不一定会影响到所有类型的汽车(皮卡和大型货车受影响较小)或每个地区(农村和多雪地区受影响较小),但它可能会重新定义汽车市场的大部分以及相关的非汽车行业。

在谈及人工智能、电气化、大数据等创新时,汽车领域的使用案例明显更多。随着汽车与人工智能、连接性、计算能力和电气化的结合与发展,有可能从根本上解决道路拥堵、环境污染,以及驾驶安全等问题,同时还可能改变个人出行方式。所有这一切的临界点将是自动驾驶汽车的到来。

转型结束时汽车市场将变为:一是RoboTaxi自动驾驶汽车服务将以按需或共享方式,主要在城市和郊区市场运营;二是购买自动驾驶汽车,即将个人所有权的最佳属性与自动驾驶汽车的益处结合起来;三是某些部门和地区的传统所有权(皮卡、商用车),这些传统拥有的车辆仍然可以将自动驾驶汽车功能作为独立选项出售,即使它们尚未联网。而电动汽车将成为这三种移动选项中的关键,因为电动汽车可以降低污染排放。

自动驾驶网络形成的阶段

自动驾驶网络的形成将分为三个阶段:第一阶段将形成自动驾驶RoboTaxi城市或郊区网络。“RoboTaxi”可以定义为在特定区域(主要是城市和周边郊区)运营、乘坐自动驾驶车辆服务(出租车)RoboTaxis有望于2018—2019年在美国开始商业化,并由Waymo和GM领导。第二阶段是自动驾驶独立功能阶段(从高速公路开始)。预计在2020—2021年,会看到更多配备L3级以上驾驶功能的汽车被出售。第三阶段将形成自动驾驶订阅网络(L4级以上)。预计在2025年左右,自动驾驶汽车将既可以由消费者购买,也可以通过订阅的方式获得。

实现规模化的障碍

自动驾驶规模化的最大阻碍是消费者的接受度和规则。自动驾驶汽车技术本身正在以月为单位快速发展。如速度、环境应变能力等自动驾驶能力并不是限制其发展的最大因素。而在自动驾驶发展的过程中,会不可避免地出错,甚至会发生悲剧。应当将这些风险看作是挫折的可能性,而不是“自动驾驶汽车将会兴起吗?”人类驾驶的汽车和自动驾驶汽车也将在很长一段时间内共存。在这个过程中,消费者的接受度和规则会不断地变化,可能会阻碍最终的规模化。

大数据和医疗保健

大数据解决方案将降低医疗成本

大数据解决方案是庞大的医疗数据池的下一个合理步骤。美国的经济和临床健康信息技术法案(HITECH Act)规定了“有意义使用电子健康记录”项目(Electronic Health Records Meaningful Use),期望通过电子化医疗保健数据来帮助缩减美国医疗保健支出。在推广过程中,已经积累了极其庞大和全面的数据池。2013年,共产生了约153艾字节的医疗保健数据。预计到2020年,将产生超过2,310艾字节的医疗数据。而且电子健康记录的采用几乎已普及,2015年有96%的医院和87%的医生报告使用了经核证的电子健康记录。与此同时,美国的医疗保健成本逐年上升,目前已占GDP的18%左右,而且人口老龄化以及临床医生短缺都需要将这些数据货币化并降低成本曲线。据麦肯锡估计,将大数据解决方案引入医疗领域可以将支出减少3,000亿至4,500亿美元。

大数据解决方案是医疗保健的加速器

大数据解决方案并不会导致医疗保健的根本变化,而是这一流程的加速器。数据是医疗保健的核心,其背后代表的是医学中通过观察关联、创建假设,以及通过临床试验和现实世界应用程序的假设检验得出的结论。目前,虽然我们仍处于医疗保健领域应用大数据的早期阶段,但已有一些成功案例集中于以下方面:一是放射学或医学成像方面,二是利用视网膜成像的预测风险,三是提供护理管理支持。

医疗保健大数据面临的最大障碍还在于数据本身

在应用医疗保健大数据之前,需要准备措施。供应商需要将医疗保健数据存储转移到云端,解压缩数据并创建强大的数据集,以及最终将机器学习模型应用于改进预测分析和诊断。而这一切的前提是数据本身的有效性和互联互通。因此,在医疗保健领域广泛使用大数据的最大障碍有五个:缺乏数据标准化、医疗数据的孤立、缺乏可访问性、缺乏“临床数据仓库”、隐私和安全问题。

动态频谱接入

动态频谱接入的作用

对特定频谱的垄断虽然解决了干扰问题,但导致大量频谱资源难以有效利用。频谱是一种有限的资源,其共享可能会引起干扰问题并最终降低无线连接质量。而这便是某些频段专门分配给全国性无线运营商的原因。但对特定频谱的垄断也导致该有限资源难以有效利用。运营商等垄断方由于具有自然经济激励,可以在更具经济吸引力的领域更有效地利用其频谱。但政府机构、武装部队等部门对其特有频谱零星使用,这使某些频谱未能得到有效利用。与此同时,其他的用户,如某些具备创新性的创业群体,可能根本无法访问频谱,即使某些频谱尚未被使用。

动态频谱接入是解决干扰与资源利用率矛盾的良好选择。动态频谱接入是一个技术授权框架,旨在通过使用基于软件、博弈论、机器学习和人工智能等技术的创新方法,在多个用户之间共享频谱带。到目前为止,动态频谱接入主要是以清除干扰且非破坏性的方式,使用未被充分利用和零星使用的频谱资源。在一定程度上,运营商可以从动态频谱接入中受益,这使其有机会获得特定地区更多频谱的优先访问权。而且,动态频谱接入还可以替代WiFi,加强区域、社区、市政和企业无线网络的发展势头。

动态频谱接入对行业的影响

一是创建共享通信经济。技术进步导致住宿和交通等领域的共享经济纷纷出现。通过更广泛地提供频谱,动态频谱接入可以打破现有的通信市场,并可能带来类似的机会。这可以创建具有多个连接提供商和多个用户的共享经济,如通过动态频谱接入将无线电天线连接到国家光纤网络,类似于优步汽车使用公共道路。

二是导致频谱监管变化。动态频谱接入机会为政策制定者提出了两个关键问题。一是非电信用户(如电视)所占用的低频频段是否可以在动态频谱接入共享的基础上提供;二是是否应根据动态频谱接入优先级而非排他性基础分配频段。如果动态频谱接入技术能够证明其可靠性,那么这些建议将很难被拒绝。但是,如果采用这些理念,无线行业可能会失去其专门使用关键频谱的特权,即可能将无权通过阻止潜在干扰源访问频谱的方式来预防信号中断。

三是为5G小型蜂窝基站部署创建替代模型。无线运营商通常将5G /IoT小型蜂窝基站视为其关键的增长机会。目前可以看到的商用小型蜂窝基站首先出现在工业区域和服务业范围内,如工厂和机场、酒店等。在许多情况下,专用网络通过动态频谱接入访问频谱似乎更加明智。这些网络可以由工业或服务公司、科技公司和中小型企业构建,作为以WiFi为基础的解决方案的4G或5G兼容升级。

采用动态频谱接入的障碍

一是安全性、执行、成本和技术可用性问题。任何频谱共享自然会增加干扰,从而增加通信质量和安全风险。动态频谱接入旨在解决这些问题。二是反对结束无线行业的频谱“特权”。通信行业的设计主要围绕频谱的独家使用而进行,默认情况下,它已成为频谱的主要所有者。因此,我们期望动态频谱接入能够在质量、安全性、网络投资激励等方面持续推动垄断频谱的分配。三是可能进行的重大政策变更,会降低国家销售频谱获得的预算收入。动态频谱接入的要求与现有的独家频谱分配模式之间存在很大不同。它可能会有意义地增加频谱容量的供应,阻止无线运营商囤积频谱以避免中断,并以较低的成本将频谱分配给较小的运营商。因此,在一定程度上会稀释政府可从频谱拍卖中获得的收入。

电子竞技

电子竞技的基本情况

电子竞技是一种利用视频游戏进行的竞争形式。最常见的是多人视频游戏比赛。同FIFA世界杯等传统体育赛事相似,体育迷们会聚集在一起观看他们最喜欢的专业球队的比赛,而数百万人也会收看现场直播或活动亮点。这些视频游戏的锦标赛可以在包括PC、游戏机和平板电脑在内的许多设备上播放。

电子竞技已形成规模,甚至已远超传统竞技体育项目。据电竞研究分析公司Newzoo称,2017年,电子竞技的全球受众群体包括1.43亿爱好者,他们每月会观看一次以上的电子竞技,另外还有1.92亿人会偶尔观看。相比之下,1.43亿电子竞技爱好者的粉丝基数与自称美式足球迷的约1.5亿人旗鼓相当。Newzoo还预测此受众群体的复合年增长率为14%至15%。2017年举办的所有电子竞技活动的总奖金达到1.12亿美元,首次突破1亿美元大关。2017年国际电子竞技锦标赛奖金池为2470万美元,高于2017年联合会杯(FIFA)的奖金池,是2017年大师赛(高尔夫)锦标赛的二倍;而在这2470万美元中,有160万美元来自于众筹。而且电子竞技已被奥林匹克委员会列为一项示范运动。

电子竞技发展的主要挑战

一是货币化和盈利能力。盈利能力和货币化对于电子竞技生态系统而言仍具有极大挑战。Newzoo估计2017年的电子竞技经济总额为4.7亿美元,2018年在10亿美元左右。听起来令人振奋,但与美国职业橄榄球大联盟(NFL)这样的传统体育相比,却显得相形见绌,NFL仅在2017年就有13亿美元的赞助收入,总收入则超过130亿美元。二是与近100年前成立的传统体育联盟相比,电子竞技仍然处于起步阶段。因此该行业仍将为产业变现改进产业结构。Newzoo估计,每个电子竞技爱好者的平均收入约为5.49美元,相比之下,篮球和美式足球等传统体育运动的每位粉丝带来的收入为15美元至50美元。电子竞技游戏的全球性使其难以形成区域性粉丝群体,而任何特定游戏/流派的流行和流动都可能缩短投资回报的持续时间,从而使重要的赞助失去动力。

5G技术

5G技术对商业的影响

5G标准改进了无线连接的四个核心属性,将极大影响商业连接。具体而言:

640?wx_fmt=jpeg

一是较低的延迟。延迟是指发出信息请求与传输时间开始之间的延迟;使用5G时,延迟将被降至10毫秒以下,而使用4G LTE则会被延迟至50毫秒或更长。虽然看上去不是很多,但它可以表示出沉浸式虚拟现实体验与移动头部和改变显示器视图过程中的极大差异。较低的延迟将是新兴应用的关键,包括自动驾驶、虚拟和增强现实,以及移动游戏。


二是设备密度。根据5G标准,预计网络在每平方公里可以连接多达100万台设备。这比4G提高了10倍,对于巨大传感器网络的潜力而言至关重要。例如可以报告空气质量和湿度、停车位是否可用和路灯是否已经熄灭等情况。物联网所依赖的是能够处理大量智能设备并向网络报告的网络。

三是速度和容量。与任何代际改进一样,5G将允许比以往标准更快的平均速度和峰值速度。然而,这种速度提高是基于使用更多频谱,而非频谱使用效率的提高。我们将无线网络技术等同为高速公路:频谱效率或每赫兹的比特就像速度限制,而频谱的兆赫数便是车道的数量。预计速度限制仅上升15%至20%,而当我们从4G升至5G时,车道数量将增加5至10倍。

四是动态频谱接入。5G的第四个重要创新是“网络切片”,或基于应用程序的网络功能的动态分配。例如,这将允许在紧急情况下为第一响应者保证低延迟和可靠性,同时将优先考虑智能手机用户的速度。它将允许网络所有者定制报价及其网络功能,并为最终用户所需的解决方案定价,而不是销售一刀切的产品。

5G技术的潜在商业案例

一是车联网和自动驾驶汽车。现代汽车有许多传感器,可用于预测维护需求、预测轨道位置或实现自动驾驶。将数据连接嵌入到汽车中可使人们通过当前不可能的方式利用该数据,包括实时交通、更好的车队管理和新的乘车共享业务模型。而5G所具备的低延迟和大带宽的特点正是其商业应用所需要的。

二是智能制造。智能制造可以利用大数据分析来优化生产并管理原始输入库存。制造商可以使用无线连接来监控环境因素、自动化更改、跟踪库存并进行相应调整。连接整个供应链可以实现从原材料到成品的端到端跟踪和监控。全球团队已经开始研究这种潜力,包括美国的智能制造领导联盟。

三是数字健康。联网的健身监测器可能是一种时尚,但互联网连接的医疗监测设备则可以改善健康状况。通过加强对糖尿病和心脏病等慢性疾病患者的监测,医疗保健提供者可以监测其是否遵守治疗方案并能更早地发现潜在的紧急情况。其他联网设备,例如心率监测器或睡眠跟踪器,则可以在一般人群中跟踪和激励更好的健康习惯。

四是智慧城市。世界各国政府都在寻求通过物联网解决方案来改善服务,保护自然资源,并普遍改善居民的生活质量。这些内容包括用于缓解拥堵的交通信号实时协调,跟踪停车计时器的使用,以及监测水和空气质量,并及时发出紧急警报。桥梁、道路和公用事业网络等关键基础设施上的传感器有助于实现预测性维护并避免恶劣的维护条件。早期的“智慧城市”应用示例包括监控完整的街道垃圾箱和公共交通到达信息。单个建筑物中或分布在多个位置的小型专用网络长期以来一直属于有线接入解决方案的范围,增强了有限的无线或Wi-Fi网络。通过使用5G,可以降低安装、维护和更新无线网络的成本。

浮动海上风电场

浮动海上风电场的潜力

风力发电是实现政府可再生能源目标的关键部分,随着多年的产量增加和成本下降,与许多地区的火电相比,目前陆上风电更具成本竞争力。然而,当前陆上风电在某些发达市场中已出现饱和迹象。传统的海上风力涡轮机可以说是陆上涡轮机的较大版本,但它们依靠浅水固定在海床上。这促使人们滋生了浮动海上风力涡轮机的想法。浮动海上风力涡轮机相对于固定结构具有两个关键优势,即可以获得更高效的风力条件(因为更好的风力条件往往在远离陆地的海洋区域)和远离居住区。全球知名能源咨询顾问公司伍德麦肯兹(Wood Mackenzie)预测,到2030年,全球将安装3.4GW的浮动风电设施;欧洲风能协会(EWEA)估计,到2050年,通过部署深海设计,欧洲的海上风电容量可能达到460GW,大约足以提供整个欧洲50%的电力需求。

浮动海上风电场的现状

英国。2017年底,第一个浮动海上风电场得以安装并连接,位于苏格兰阿伯丁郡海岸的25公里处。该风电场中安装了由西门子-歌美飒公司生产的5台6兆瓦(MW)风力涡轮机,自推出以来,已为英国的2万户家庭提供过电力。在前三个月便已实现65%的容量系数,这个数字远远超过现有的陆上风电场。

日本。由于所在水域具有足够深度,日本也是一个积极寻求浮动风电的国家。日本于2013年在Kabashima岛沿岸推出了第一台实验性商用规模浮动风力涡轮机(2MW),通过最近与法国Ideol和日本Acacia Renewables公司签署关于开发日本首个浮动海上风电场的谅解备忘录,这一实际公用事业规模的风电场已取得了进展,尽管建设预计要到2023年才能开始。

美国。红木海岸能源管理局(RCEA)最近选定了一个财团,由其负责实施计划在加利福尼亚州尤里卡海岸20英里外开工的100至150MW浮动海上工程。该财团的目标是到2024年完工并连接风电场。

使用浮动海上风电场的障碍

一是补贴问题。同大多数可再生能源一样,风能在采用的早期阶段依赖于政府补贴,通常采用保证上网电价或税收抵免的形式,浮动海上风电也不例外。人们普遍预计浮动海上风电的平准化度电成本(LCOE)水平将会下降,尽管与其他可再生能源相比,它可能需要很长时间才能获得接近成本竞争力的水平。欧洲风能协会(WindEurope)预测,到2050年,浮动海上风电的LCOE将下降38%,这种下降速度与陆上(2050年下降35%)和海上固定(下降41%)相似。Equlenor公司是全球首座浮动海上风电场Hywind的运营商,其目标是到2030年达到风电场40至60欧元/兆瓦时的LCOE水平(与当前陆上风电的LCOE水平相当)。二是间歇性问题。同其他可再生能源相似,风力发电在本质上是间歇性的,即不会一直有风。为加以补偿,人们正在开发各种解决方案,例如电池存储和超高压直流(UHVDC)连接器。公用事业规模的存储解决方案仍然处于采用的初期阶段,并且通常被视为价格昂贵;然而随着这些解决方案变得更加普遍,预计成本将会降低。

房地产市场新交易模式

房地产市场新交易模式的类型

在传统的房地产经纪模式下,卖方往往需要自己担负主要职责,如负责房屋的对外展示、承担交易细节不明晰的情况等。虽然此类活动常常与房地产经纪人共同行使,但后者无需承担主要风险,还能从卖方那里获得约5%的佣金。当前,越来越多欧洲和美国的金融科技公司正在部署模型来取代这种传统的房地产经纪模式。目前,新模式主要有三种:

一是即时优惠模式。一些公司正在部署商业战略,接触有意向的卖家,使其以折扣价格出售房屋。该折扣看上去类似于经纪佣金,卖家可能未获得更多收入,但可以使交易时间从几个月缩短至几个星期,提高了卖家单位时间的收入。该公司拥有该物业的所有权,有权进行维修,并通过各种潜在渠道销售房屋。二是以客户为导向的垂直整合。这是一种公司识别潜在买家并与其合作购买房屋的策略。这与经纪人模式非常相似,但在这种情况下,公司可针对所选择的房屋提供现金要约并在最终所有者安排融资的同时交付房产。增值内容是可以接受现金优惠,潜在买家可以避免竞购战。三是固定经纪人费用。这种策略下,仅可收取固定费用而不是百分比佣金。参与此战略的公司可以利用数据的民主化并利用技术平台来帮助提高其经纪人网络的效率。

新交易模式的运行机制

在使用代理的传统房屋销售模式中,卖方雇用代理商,该代理商负责营销房屋并吸引买家,这个过程通常需要2至3个月。收到要约后,卖方通常必须等待借款人完成其融资才能开始结算流程。在此过程结束时,卖方会将3%至6%的销售收入作为佣金支付给房地产经纪人。

而即时优惠模式是从基于代理的咨询系统到基于经销商的系统的过渡,其中的补偿将来自买卖差价而非佣金。具体而言,经纪公司将评估房产的价值,并提供以折扣价从卖方购买房屋的投标。随后,经纪公司将重新拥有该房产,并试图转售全部价值,进而将折扣购买价格与全价值转售价格之间的差额作为收入。

即时优惠模式中对房屋卖家的价值主张能够在短暂而明确的时间线上移动,从而可以消除等待压力以及展示和带看房屋的不便。卖方可以在几周内出售其房屋,其预期净收益将与传统的数月售卖周期所得相同。

对于买家而言,房屋的空置状态可允许灵活的入住日期。此外,许多这类经纪公司能够提供核心基础设施的试用期和保修,从而让买家高枕无忧。从长远来看,经纪公司也将建立抵押贷款发起业务。由于经纪公司在收购过程中已经进行了所有权搜索和评估,从而能够降低成本和交房时间。

采用新交易模式的障碍

首先,购买、搬运、维修和出售房屋需要大量资金。其次,该模式还要求特定住房市场中具有合理数量的流动性,以确保确定可靠的房价水平。该流动性不仅仅是地理位置,也会因价格而不同。由于流动性可能较低,该模式可能不适用于特定区域的最高和最低价格。不过也存在传统的经纪人模型与这些流动性提供者共存,并在价格低点运作的情况。

此外,美国人口统计数据的变化也可能成为一种风险。随着“婴儿潮一代”通过购买较小的房屋或转向租房的方式来简化其生活状况,房屋价格可能会出现疲软。如果“千禧一代”不愿意或无法购买这些房屋,则房价可能会再次调整。最后,仍需要区域专家来检查和核实财产定价,以防止出现损失。

智能语音助手

智能语音助手将改变用户交互

随着人工智能的进步,智能助手的出现已成为可能。麦肯锡全球研究所估计,深度学习技术(专注于三个神经网络:前馈、经常性和卷积)可在每年创造价值3.5万亿至5.8万亿美元的资产。花旗的全球技术团队认为,人工智能的兴起将是技术领域的下一个范式转变。据国际数据公司(IDC)预测,AI解决方案的市场规模将以55%的复合年增长率增长,将从2016年的80亿美元增长到2020年的470亿美元。这主要得益于在自动化客户服务代理、质量管理调查和推荐系统、诊断和治疗系统以及欺诈分析和调查中部署AI系统。预计人工智能收入的九年(2016年至2025年)复合年增长率将达到57%,而认知计算从2019年到2024年的增长率将超过五倍。

基于语音的数字助理的出现,将使交互界面出现变化。语音可以在不同程度上渗透到众多行业。预计智能助理的使用量将会持续增加,在2019年底,所有用户与智能手机的互动中,有20%会通过智能助理进行。目前,智能助理仅能够完成简单的任务,如设置警报和从网络检索信息。但在不久的将来,它们将能够提供复杂的任务,例如根据历史模式完成交易。会话商务、基于语音的支付和语音识别安全系统将进一步推动这一趋势。

智能语音助手的应用领域

当前,智能语音越来越多地应用于以下几个领域:一是智能音箱和电视。智能助手使扬声器从音频设备转变为可以回答问题以及完成任务的设备。智能扬声器出货量预计将以35%的复合年增长率,从2017年的3200万台增长到2022年的1.42亿台。二是语音搜索。ComScore媒体分析公司估计,到2020年,所有搜索中有50%将通过语音进行搜索。语音搜索查询与普通文本搜索查询不同,因为语音搜索更具会话性,也更加细致。但语音搜索查询也存在局限性。使用文本搜索,虽然顶部始终有一个主要搜索结果,但输入查询的人也可以轻松查看和扫描其他搜索结果。然而,对于语音搜索结果,很难有人希望听到第九个搜索结果。三是导航和汽车。考虑到在驾驶过程中,手和眼睛通常被占用,这就为基于语音的系统应用提供了自然环境。 

智能语音助手发展的障碍

一方面,智能语音助手可识别语言的类型受限。当前,在智能语音助手的使用者中,亚洲使用者占主导地位,但互联网内容却严重偏向于英语。互联网普及率的提高将增加对多语言内容的需求,因为新用户将主要来自非英语地区。通过对主要智能助理所支持的语言进行分析,可以看出受支持语言的限制程度。例如,亚马逊的Alexa目前仅支持英语、德语和日语。另一方面,语音激活技术发展面临二元化风险。积极的观点认为,“受监督的深度学习算法通常可以达到可接受的性能,每种类别中约有5,000个标记示例;此外,在使用包含至少1000万个标记示例的数据集进行训练时,将达到或超过人类级别的性能”。消极的观点则认为,大量使用“受监督学习”可能会形成对于提供培训数据的公司的持续需求,但如果机器学习算法可从包含输入数据的数据集中得出推论而无需进行标注,则“无监督学习”能够从实质上取代受监督学习,那么提供培训数据的公司可能将受到极大冲击。

未来智能实验室是人工智能学家与科学院相关机构联合成立的人工智能,互联网和脑科学交叉研究机构。


未来智能实验室的主要工作包括:建立AI智能系统智商评测体系,开展世界人工智能智商评测;开展互联网(城市)云脑研究计划,构建互联网(城市)云脑技术和企业图谱,为提升企业,行业与城市的智能水平服务。


  如果您对实验室的研究感兴趣,欢迎加入未来智能实验室线上平台。扫描以下二维码或点击本文左下角“阅读原文”


640?wx_fmt=jpeg

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/491795.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

Python计算信息熵

计算信息熵的公式:n是类别数,p(xi)是第i类的概率 假设数据集有m行,即m个样本,每一行最后一列为该样本的标签,计算数据集信息熵的代码如下: from math import logdef calcShannonEnt(dataSet):numEntries …

Python绘制决策树的节点

import matplotlib.pyplot as pltdecisionNode dict(boxstyle"sawtooth", fc"0.8") # 决策节点的属性。boxstyle为文本框的类型,sawtooth是锯齿形,fc是边框线粗细 # 可以写为decisionNode{boxstyle:sawtooth,fc:0.8} leafNode dic…

IBM对话智能+未来:十年提升AI性能效率千倍?

来源:云科技时代140多前的1879年,爱迪生经过几千次试验发明了电灯;之后过了90年的1969年美国把人类送到了月球,1970年空中客车公司诞生。在1870年代,人类初次进入电力时代的时候,没有人能够想到有一天人类可…

【转】chrome浏览器的跨域设置——包括版本49前后两种设置

做前后分离的webapp开发的时候,出于一些原因往往需要将浏览器设置成支持跨域的模式,好在chrome浏览器就是支持可跨域的设置,网上也有很多chrome跨域设置教程。但是新版本的chrome浏览器提高了跨域设置的门槛,原来的方法不再适用了…

中国信通院:2019年Q1全球人工智能产业数据报告

来源:网络大数据近日,中国信息通信研究院数据研究中心发布了《全球人工智能产业数据报告(2019Q1)》。报告以中国信息通信研究院数研中心人工智能产业数据库为基础,从企业研究、投融资研究、论文等角度出发,结合产业发展热点&#…

数据库一对一,一对多,多对多关系

关联映射:一对多/多对一 存在最普遍的映射关系,简单来讲就如球员与球队的关系; 一对多:从球队角度来说一个球队拥有多个球员 即为一对多 多对一:从球员角度来说多个球员属于一个球队 即为多对一 数据表间一对多关系如下…

一文读懂产业互联网的前世今生!

来源:全球物联网观察摘要:随着云计算等企业级技术应用的发展普及, 产业互联网实际已经在各行各业展开实践。广度上不仅覆盖服务业、工业和农业,还从商业扩展到公益和政府,整个社会走向全面互联;深度上从营销…

反对量子计算的理由

来源: 悦智网量子计算如今十分流行。几乎每天都有新闻媒体发布相关新闻。其实人类研究量子计算已经长达几十年,却未得出任何实用的结果,大多数评论员都忘记或者掩饰了这一事实。 IBM指出量子计算机能够“使很多学科领域取得突破性进展&#x…

吴恩达《机器学习》学习笔记一——初识机器学习

吴恩达《机器学习》学习笔记一一、 什么是机器学习?二、监督学习三、无监督学习初识机器学习这是个人学习吴恩达《机器学习》课程的一些笔记,供自己和大家学习提升。第一篇内容较少,日后继续加油。课程链接:https://www.bilibili.…

院士张钹:AI奇迹短期难再现 深度学习技术潜力已近天花板

来源:软件定义世界(SDX)在Alphago与韩国围棋选手李世石对战获胜三年过后,一些迹象逐渐显现,张钹院士认为到了一个合适的时点,并接受了此次的专访。张钹,计算机科学与技术专家,俄罗斯…

吴恩达《机器学习》学习笔记二——单变量线性回归

吴恩达《机器学习》学习笔记二——单变量线性回归一、 模型描述二、 代价函数1.代价函数和目标函数的引出2.代价函数的理解(单变量)3.代价函数的理解(两个参数)三、 梯度下降——求解最优参数1.梯度下降的步骤2.梯度下降的数学表达…

吴恩达《机器学习》学习笔记三——多变量线性回归

吴恩达《机器学习》学习笔记三——多变量线性回归一、 多元线性回归问题介绍1.一些定义2.假设函数二、 多元梯度下降法1. 梯度下降法实用技巧:特征缩放2. 梯度下降法的学习率三、 特征选择与多项式回归四、 正规方程法1. 一些定义2. 正规方程解的公式3. 梯度下降法和…

五大核心构成的AIoT,正在遭遇三大挑战,两条突破口外还有什么?

来源:物联网智库随着IoT与AI逐步走向融合,AIoT正将以全新的方式改变人们的生活。一、新业务需求近年来,物联网呈现突飞猛进的发展态势。根据中商情报网的数据,2018年全球物联网设备已经达到70亿台;到2020年&#xff0c…

机器学习中防止过拟合的方法总结

来自机器学习成长之路公众号 在对模型进行训练时,有可能遇到训练数据不够,即训练数据无法对整个数据的分布进行估计的时候,或者在对模型进行过度训练(overtraining)时,常常会导致模型的过拟合(…

吴恩达《机器学习》学习笔记四——单变量线性回归(梯度下降法)代码

吴恩达《机器学习》学习笔记四——单变量线性回归(梯度下降法)代码一、问题介绍二、解决过程及代码讲解三、函数解释1. pandas.read_csv()函数2. DataFrame.head()函数3. Dataframe.insert()函数课程链接: https://www.bilibili.com/video/BV…

从IoT World 2019看全球IoT九大发展趋势

来源:全球物联网观察美国时间5月14日,IoT World2019在美国硅谷圣克拉拉会议中心举行,今年的主题是“工业与IOT的交互”,从大会主题演讲内容和现场产品展示来看,随着5G的商用和人工智能技术的大面积落地,IoT…

美国一箭投放60颗卫星 马斯克组互联网“星链”

来源:新华网美国太空探索公司当地时间23日晚在美国佛罗里达州一处空军基地发射火箭,将60颗小卫星送入近地轨道。这标志着企业家埃隆马斯克组建互联网卫星群的“星链”项目迈出实质性一步,抢在电子商务巨头亚马逊公司创始人杰夫贝索斯的“柯伊…

吴恩达《机器学习》学习笔记五——逻辑回归

吴恩达《机器学习》学习笔记五——逻辑回归一、 分类(classification)1.定义2.阈值二、 逻辑(logistic)回归假设函数1.假设的表达式2.假设表达式的意义3.决策界限三、 代价函数1.平方误差函数的问题2.logistic回归的代价函数四、梯…

协方差与相关系数

定义: 协方差用于衡量两个变量的总体误差。而方差是协方差的一种特殊情况,即当两个变量是相同的情况。 期望值分别为E[X]与E[Y]的两个实随机变量X与Y之间的协方差Cov(X,Y)定义为: 如果两个变量的变化趋势一致,也就是说如果其中一…

吴恩达《机器学习》学习笔记六——过拟合与正则化

吴恩达《机器学习》学习笔记六——过拟合与正则化一、 过拟合问题1.线性回归过拟合问题2.逻辑回归过拟合问题3.过拟合的解决二、 正则化后的代价函数1.正则化思想2.实际使用的正则化三、 正则化的线性回归1.梯度下降的情况2.正规方程的情况四、 正则化的逻辑回归1.梯度下降的情…