
作者 | 计算机视觉联盟
来源 | 人工智能爱好者社区
信息革命、移动互联网革命尚未落幕,智能革命又像一头大象一样撞进人类的生活,激荡着整个世界。任何足够先进的科技,初看都与魔法无异,但魔法背后是对规律和趋势的洞悉。计算机视觉联盟整理了2019十大科技趋势。我们希望,在魔法抵达之前,让科技演进的脉搏清晰可见。
趋势1:城市实时仿真成为可能,智能城市诞生
城市公共基础设施的感知数据与城市实时脉动数据流将汇聚到大计算平台上,算力与算法发展将推动视频等非结构化信息与其他结构化信息实时融合,城市实时仿真成为可能,城市局部智能将升级为全局智能,未来会出现更多的力量进行城市大脑技术和应用的研发,实体城市之上将诞生全时空感知、全要素联动、全周期迭代的智能城市,大大推动城市治理水平优化提升,预计在新的一年,中国会有越来越多城市具有大脑。
趋势2:语音AI在特定领域通过图灵测试
随着端云一体语音交互模组的标准化、低成本化,会说话的公共设施会越来越多,未来每一个空间都至少会有一个可以进行语音交互的触点。随着智能语音技术的提升,移动设备上的实时语音生成与真人语音可能将无法区分,甚至在一些特定对话中通过图灵测试。针对这一领域的规则甚至法律会逐步建立,引导行业走向规范化。
趋势3:AI专用芯片将挑战GPU的绝对统治地位
当下数据中心的AI训练场景下,计算和存储之间数据搬移已成为瓶颈,新一代的基于3D堆叠存储技术的AI芯片架构已经成为趋势。AI芯片中数据带宽的需求会进一步推动3D堆叠存储芯片在AI训练芯片中的普遍应用。而类脑计算芯片也会在寻找更合适的应用中进一步推动其发展。在数据中心的训练场景,AI专用芯片将挑战GPU的绝对统治地位。真正能充分体现Domain Specific的AI芯片架构还是会更多地体现在诸多边缘场景。
趋势4:超大规模图神经网络系统将赋予机器常识
单纯的深度学习已经成熟,而结合了深度学习的图神经网络将端到端学习与归纳推理相结合,有望解决深度学习无法处理的关系推理、可解释性等一系列问题。强大的图神经网络将会类似于由神经元等节点所形成网络的人的大脑,机器有望成为具备常识,具有理解、认知能力的AI。
趋势5:计算体系结构将被重构
无论是数据中心或者边缘计算场景,计算体系将被重构。未来的计算、存储、网络不仅要满足人工智能对高通量计算力的需求,也要满足物联网场景对低功耗的需求。基于FPGA、GPU、ASIC等计算芯片的异构计算架构,以及新型存储器件的出现,已经为传统计算架构的演进拉开了序幕。从过去以CPU为核心的通用计算而走向由应用驱动(Application-driven) 和技术驱动(Technology-driven)所带来的Domain-specific 体系结构的颠覆性改变,将加速人工智能甚至是量子计算黄金时代的到来。
趋势6:5G网络催生全新应用场景
第五代移动通信技术将使移动带宽大幅度增强,提供近百倍于4G 的峰值速率,促进基于4K/8K超高清视频、AR/VR等沉浸式交互模式的逐步成熟。连接能力将增强至百亿级,带来海量的机器类通信及连接的深度融合。网络向云化、软件化演进,网络可切片成多个相互独立、平行的虚拟子网络,为不同应用提供虚拟专属网络,加上高可靠、低时延、大容量的网络能力,将使车路协同、工业互联网等领域获得全新的技术赋能。
趋势7:数字身份将成为第二张身份证
生物识别技术正逐渐成熟并进入大规模应用阶段。随着3D传感器的快速普及、多种生物特征的融合,每个设备都能更聪明地“看”和“听”。生物识别和活体技术也将重塑身份识别和认证,数字身份将成为人的第二张身份证。从手机解锁、小区门禁到餐厅吃饭、超市收银,再到高铁进站、机场安检以及医院看病,靠脸走遍天下的时代正在加速到来。
趋势8:自动驾驶进入冷静发展期
单纯依靠“单车智能”的方式革新汽车,在很长一段时间内无法实现终极的无人驾驶,但并不意味着自动驾驶完全进入寒冬。车路协同技术路线,会加快无人驾驶的到来。在未来2-3年内,以物流、运输等限定场景为代表的自动驾驶商业化应用会迎来新的进展,例如固定线路公交、无人配送、园区微循环等商用场景将快速落地。
趋势9:区块链回归理性,商业化应用加速
在各行业数字化的进程中,物联网技术将支撑链下世界和链上数据的可信映射,区块链技术将促进可信数据在流转路径上的重组和优化,从而提高流转和协同的效率。在跨境汇款,供应链金融,电子票据和司法存证等众多场景中,区块链将开始融入我们的日常生活。随着“链接”价值的体现,分层架构和跨链互联将成为区块链规模化的技术基础。区块链领域将从过度狂热和过度悲观回归理性,商业化应用有望加速落地。
趋势10:数据安全保护技术加速涌现
各国政府都会趋向于推出更加严厉的数据安全政策法规,企业将在个人数据隐私保护上投入更多力量。未来几年,黑客、黑产攻击不会停止,但数据安全保护技术将加码推出。跨系统的数据追踪溯源相关的技术,比如水印技术,数据资产保护的技术以及面向强对抗的高级反爬虫技术等将得到更加广泛应用。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Python HTTP 请求工具对比:urllib.request 与 requests 的核心差异与选择指南 在 Python 处理 HTTP 请求(如接口调用、数据爬取 ...
2025-09-12解决 pd.read_csv 读取长浮点数据的科学计数法问题 为帮助 Python 数据从业者解决pd.read_csv读取长浮点数据时的科学计数法问题 ...
2025-09-12CDA 数据分析师:业务数据分析步骤的落地者与价值优化者 业务数据分析是企业解决日常运营问题、提升执行效率的核心手段,其价值 ...
2025-09-12用 SQL 验证业务逻辑:从规则拆解到数据把关的实战指南 在业务系统落地过程中,“业务逻辑” 是连接 “需求设计” 与 “用户体验 ...
2025-09-11塔吉特百货孕妇营销案例:数据驱动下的精准零售革命与启示 在零售行业 “流量红利见顶” 的当下,精准营销成为企业突围的核心方 ...
2025-09-11CDA 数据分析师与战略 / 业务数据分析:概念辨析与协同价值 在数据驱动决策的体系中,“战略数据分析”“业务数据分析” 是企业 ...
2025-09-11Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10CDA 数据分析师:商业数据分析实践的落地者与价值创造者 商业数据分析的价值,最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04