“新工业互联网将具备新技术、新模式、新业态、新特征、新内容及新目标,服务于制造业数字化、网络化、云化、智能化转型升级。”

中国工程院院士、航天科工集团科技委顾问李伯虎指出,新的科技革命和产业变革已在全球快速展开,“智能+”时代正在到来。人类社会中,国民经济、国计民生和国家安全等各领域系统的模式、技术手段和业态在向数字化、网络化、云化、智能化发展,新技术手段和新业态将发生重大变革。他还表示,新一代人工智能技术仍处于起步阶段,正持续发展,向强人工智能、通用人工智能和超人工智能方向发展。在他看来,大力发展新工业互联网对我国制造业主动适应全球新一轮科技革命和产业革命,加快实现中国制造业提质增效升级具有重要意义。

“智能手表及手机已经是过时的技术,脑机接口技术才是未来的技术,其最终目标是让人类实现与人工智能共生。”

特斯拉CEO埃隆·马斯克(Elon Musk)表示,即使在最良性的情况下,人类也会被人工智能远远甩在后面,脑机接口技术(Neuralinks)有助于人类追赶AI。他介绍说,新一代的Neuralink植入物可以置于人类颅顶,读取脑电波、脉搏等生理信号,且具备无线充电功能。他称,Neuralink植入物不会对大脑造成任何持久损害,可以帮助解决许多神经系统问题,例如记忆力减退、中风、上瘾等。该设备的电池续航时间为24小时,可以连接到智能手机上进行实时数据传输,而且可以感应充电。在他看来,Neuralink的潜力几乎是无限的,比如,可以用心灵感应召唤一辆自动驾驶中的特斯拉,或者在人和机器之间建立数据连接的能力,可以立即学会一门语言或武术。

“腾讯将投入100亿元,与合作伙伴一起,为中小企业提供SaaS产品及方案。”

腾讯公司高级执行副总裁、云与智慧产业事业群总裁汤道生在2020腾讯全球数字生态大会上表示,在产业数字化升级的过程中,效率、安全、生态是三大关键词。效率是企业经营的关键,产业互联网的目的在于降本增效。向“数字”要“效率”,是产业重塑的必然选择。比如,国产大飞机制造商“中国商飞”,用AI视觉技术辅助质检员,捕抓人眼无法发现的材料缺陷,使缺陷检出率提升到了99%。在汽车制造领域,一些无人驾驶车辆可以在数字仿真环境中,一天完成1000万公里的测试。

“硬科技的发展需要全产业链共同努力,用智能化为硬科技加速,从数字化迈向智慧化。”

华为公司副总裁、华为云业务总裁郑叶来表示,在当前我国产业链升级的大背景下,发展硬科技具有重要的战略意义。硬科技的发展需要全产业链共同努力,用智能化为硬科技加速,从数字化迈向智慧化,即面向城市、企业和行业等场景,通过5G、云、AI等技术与行业知识深度融合创新产生的裂变效应,提升城市综合治理水平,让居民的幸福感更强、企业生产效率更高、行业创造力更强。他还提到,打造全场景智慧的硬科技西安,要做好四个发展,一是加强基础创新投入;二是发展产业生态,加强成果转化;三是发展人工智能这个关键技术并使之普惠;四是必须重视多种创新技术融合发展带来的聚裂效应。

“下一代的车联网一定是高度生态化及高度流化,能很好地满足用户出行中的头部刚需和很多长尾需求,让用户从心里真的放下手机,享受驾乘。”

近日,百度车联网事业部总经理苏坦表示,未来,如何在硬件底座上,在不同的硬件架构上寻找一个统一化的应用平台,是所有车联网平台和OEM面临的共同课题,需要一起寻找解决方案,以带来整个行业的效率提升。他称,百度车联网将继续秉承“开放共赢”的合作理念,在引领行业创新的同时,更致力于助力合作伙伴进行汽车智能化、数字化升级,加速智能车联生态进化。他强调,百度相信,下一个车联网时代,中国汽车的智能网联化一定会更加先进,成为全球车联网的重要力量。

“数字政府建设与数字经济建设不可分割,政府推动城市数字化、智能化的目标,不仅是追求安全、稳定和更优质的社会治理,更希望能够推动产业增长和民生改善。”

近日,在2020年中国国际服务贸易交易会数字贸易发展趋势和前沿高峰论坛上,京东数字科技集团CEO陈生强提到,京东数科提出基于城市操作系统的“一核两翼”体系,助力政府构建智能城市,更高效实现“善政、兴业、惠民”。他表示,城市操作系统是“一核两翼”的基础,也是智能城市建设的底座和数字基石。“一核”是指“市域治理现代化”,“两翼”分别是服务企业的AI+产业发展和生活方式服务业。以上三者相互支持、相互联动、协同统一。数字化技术和应用,正在深刻地改变着产业格局和生活方式。

“大数据AI融合的云、边、端的协同将成为行业应用发展的核心技术,也是未来应用必须要解决的核心问题。”

中兴中心研究院总工程师王德政在2020大数据产业生态大会上表示,数字化转型的过程包含四个阶段:数字化、信息化、数据化、智能化,其中大数据起了关键性作用,“特别是智能化,必须与个人工智能深度融合,才能发挥数据的价值”。在他看来,数据是生产资料,AI是生产力,区块链是生产关系,不过,如今的数据处理依旧面临挑战。首先是业务层面的挑战,在数字系统建设中,烟囱系统和数据孤岛是行业痛点;其次是数据使用重度依赖经验,只有引入AI才能破局。