京公网安备 11010802034615号
经营许可证编号:京B2-20210330
物联网和大数据带来前所未有的新价值
计算变革 万物智能
在这场计算变革中,我观测到几大领域的蓬勃发展势头。首先是数据中心。无论是今天的移动器件,还是将来的物联网以及可穿戴技术的应用,都会带来信息指数性的增长。谈及此点,可以做个简单回顾,在过去的几十年当中,晶体管集成的指数性增长,使得集成电路行业产生了爆发型增长,英特尔和众多半导体公司受益其中,摩尔定律也得以很好地体现和延续。我们相信,在未来几十年,这个原子集成和比特的爆发增长将导致物联网、可穿戴产业的普及,创造出万物智能的新商机,是史无前例的商业机会。所以基于高计算性能的数据中心是英特尔会继续稳健推进的领域之一。
第二是个人终端和移动设备。从1998年PC互联网应用到2008年移动互联网兴起,最明显的变革当属硬件形态的变化。业内人士预测,到2018年一个物联网天地将呈现出来。对此,英特尔将会延续在PC时代的发展理念,即围绕用户体验进行基于终端设备的软硬件创新,并在未来加大这方面的投资。
工业物联网和以可穿戴设备为代表的消费物联网,两者都蕴含着巨大商机——在过去一年之内,大家不难看到全球各大公司,无论是互联网还是硬件企业,对这个领域的关注热度也急剧增长。借助超过30年的嵌入式计算积累、全面的端到端解决方案以及软硬协同优势,英特尔也在这一领域积极布局,与产业伙伴一道探索最佳的技术创新和商业模式。
物联网不仅是硬件的世界,也不只是互联网的世界,而是基于硬件与互联网的结合并通过数据分析而呈现的世界。如今摩尔定律已经能够使计算能力被嵌入到万物当中,从而产生庞大的数据量,创造了大数据时代,但也带来了新的挑战。所以,大数据分析和价值挖掘就与物联网相生相伴,与企业产能效率和盈利也直接相关。从独立、零散的单点设备到现在万物互联的巨大变化,物联网的商业模式、行业发展都将非常复杂,比技术创新更有挑战,需要信息技术和运营模式的融合创新。
四大产业 促进升级
第一是制造业。就中国国情来讲,制造业是与国民经济增长最为密切相关的一个行业,我们的关注点主要聚焦在系统整合,既涉及到负载整合,保障数据的安全可信,也关注通过优化工厂配置来提高生产能力和效率。其实,无论在工业、制造还是能源领域,物联网的部署、应用在很大程度上都是围绕效率展开的。我曾在晶元和封装测试工厂工作过,早在多年以前,英特尔就已成功将“物联网”技术应用于工厂。当时我们在全球有几十个工厂,通过数据互联,能够以更快的速度发现问题,进行工艺调整,大幅节省成本和提高合格率。
第二是交通运输业。从七年以前英特尔开始关注车载娱乐系统,并将无人驾驶作为发展愿景,这是因为无人驾驶需要很多的计算和视频技术,需要传统制造和IT技术的整合,而这正是英特尔的优势所在。同时,英特尔还着眼于交通运输效率的提升,助力物流的优化和整个交通服务平台的整合,进而在一定程度上减少环境污染。
第三是零售业。零售业智能化除了能够用到硬件之外,还关注个性化购物体验和需求响应的提高,比如门店怎么布局、如何应用IT技术满足业务增长和客户需求。我们的零售与数字标牌业务部门虽然只有5年历史,现在整个架构方面已经是全球领先。无论是信息亭、零售亭、自动售货机、咖啡机还是智能白板,都可以被赋予更加鲜活的生命。
最后是智能家居和楼宇。在中国,智能家居是一个热门产业,业务涵盖了家庭娱乐、健康、安全与自动化等细分市场,还涉及到能源和公用事业等领域。这些无不体现着英特尔对人们美好生活、对社会可持续发展的关注。
此外,我们积极关注视觉计算在包括安防、交通、零售、智能家居、智慧城市等诸多领域的应用。所谓“百闻不如一见”,视觉计算是帮助嵌入式系统实现智能化、真正连至物联网的重要手段之一,它使机器具备了相当于人类视觉的能力,同时也使人类在机器的协助下看得更清楚、分析得更准确。当然,视觉计算远非安装几个摄像头那么简单。除了捕获数据,还要从中充分挖掘新知,在此基础上开发更多应用。以交通为例,我们通过将摄像设备中车流的数据和空气质量传感器中的数据进行相关性分析,就可以通过调整信号灯的时间,优化车辆在路口等待的时间,减少排放和污染。
系统整合 发挥生态圈力量
系统整合、让现有设备更加智能是大势所趋,物联网和大数据也正在带来前所未有的新价值,英特尔将继续发挥从设备到云端完善而领先的智能互联技术,并携手不断壮大的产业伙伴和创客、开发者群体,以物联网创新推动行业变革,以万物互联帮助人们创造丰富多彩的生活和更加美好未来。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据分析、业务监控、质量检测与风险管控工作中,数据波动性是衡量数据稳定性、业务健康度、结果可信度的核心依据。数据波动代 ...
2026-08-18很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当导致 ...
2026-08-18在数据分析、业务评价、产品评级、用户分层与综合决策场景中,单一指标往往无法全面、客观地评价事物整体水平。现实中的评价对象 ...
2026-08-18在数理统计、假设检验、数据分析与机器学习领域中,卡方分布(χ²分布)是继正态分布、t分布之后最重要的连续型概率分布之一。 ...
2026-08-17在Python数据清洗、文本校验、账号密码规则校验、脏数据过滤、字符串规整化处理中,正则表达式是最高效、最常用的文本匹配工具。 ...
2026-08-17 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-08-17手游行业具备用户迭代快、竞争激烈、用户粘性易流失的典型特征。随着新游持续上线、玩家审美升级、玩法疲劳等问题出现,存量用户 ...
2026-08-14在数字化产品运营、商业数据分析、业务增长管理中,零散的指标统计无法支撑系统性的业务决策。单一的点击率、转化率、销量数据只 ...
2026-08-14 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-08-14在数据库数据分析、数据清洗、报表统计与业务查询场景中,日期时间是最高频、最核心的基础字段。数据库中存储的日期格式多样,包 ...
2026-08-13在数据统计分析与数据清洗工作中,箱线图是一种简洁高效、客观性强的数据可视化图表,能够直观呈现数据集的分布特征、离散程度和 ...
2026-08-13 很多数据分析师写过无数个SELECT查询,但当被问到“如何新建一张表来固化中间数据”“创建视图和创建物理表有什么区别”“视 ...
2026-08-13在自动化办公、数据采集、定时统计、日志清理、系统监控等场景中,程序往往需要按照固定时间间隔重复执行指定任务,这种运行机制 ...
2026-08-12在数据分析日常工作中,Excel数据筛选是数据清洗、数据提取、样本筛选的核心基础操作。传统Excel手动筛选、函数筛选方式,面对多 ...
2026-08-12 很多数据分析师精通Excel函数和数据透视表,但当被问到“数据从哪里来”“表和视图有什么区别”“数据库管理系统和SQL是什么 ...
2026-08-12在数据分析、统计建模、数据挖掘与商业调研过程中,原始数据往往无法做到绝对干净规整。受系统故障、人工录入失误、设备误差、突 ...
2026-08-11在数据分析工作中,聚类分析是典型的无监督学习方法,核心作用是依据数据自身的多维特征,将相似样本自动划分为若干类别,实现“ ...
2026-08-11 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-08-11AB实验是互联网产品迭代、营销优化、功能升级的核心科学验证手段,通过流量随机分组、对照组与实验组对比,科学验证策略、功能、 ...
2026-08-10在MySQL数据库优化中,索引是提升查询效率、降低数据库IO开销、优化系统性能的核心手段。普通单列索引仅适配简单查询场景,面对 ...
2026-08-10