白皮书 | 工业智能前沿报告,35页pdf

3 月 9 日 专知
白皮书 | 工业智能前沿报告,35页pdf

导读:工业智能以工业数据为基础,人工智能算法为核心,其他先进信息技术为辅助,通过对工业产业链中的各个环节、对象进行深度渗透与改造,面向工业场景提供综合智能技术解决方案,从而达到重塑工业形态、提升工业能效的目的,也即以增量带动存量,以创新引领革新。工业智能促使工业产业形态跃迁,智能化、网络化、信息化将成为工业产业下一阶段的新标签,通过重塑工业形态、提高生产效率、优化资源配置、创新生产模式,工业智能将通过综合智能技术释放工业产业的巨大潜力。


《工业智能前沿报告》分析了工业智能在全球范围的发展态势,并对我国工业智能发展现状进行解读,从政策、产业、技术等多视角分析工业智能核心要素。报告针对工业智能所涉及的人工智能数据、算法、模型及其与5G、多模态计算等先进信息技术融合等方面进行具体分析,阐述工业智能发展中相应的技术趋势以及现存的工程难题,通过研究现有问题,指出工业智能的发展瓶颈和突破方向。最后,给出工业智能发展的相关政策建议,展望工业智能的重要方向。



以下是白皮书全文



专知便捷查看

便捷下载,请关注专知公众号(点击上方蓝色专知关注)

  • 后台回复“工业智能” 就可以获取白皮书 | 工业智能前沿报告,35页pdf》专知下载链接

专知,专业可信的人工智能知识分发,让认知协作更快更好!欢迎注册登录专知www.zhuanzhi.ai,获取5000+AI主题干货知识资料!
欢迎微信扫一扫加入专知人工智能知识星球群,获取最新AI专业干货知识教程资料和与专家交流咨询
点击“ 阅读原文 ”,了解使用 专知 ,查看获取5000+AI主题知识资源
登录查看更多
13

相关内容

由工信部中国电子技术标准化研究院牵头编写的2020年《数字孪生应用白皮书》在中国国际高新技术成果交易会发布,作为新基建背景下的重要研究成果,该白皮书对当前我国数字孪生的技术热点、应用领域、产业情况和标准化进行了分析,同时收录了在智慧城市、智慧交通、智慧能源、智慧建筑、智能制造、智慧健康6大领域的31个应用案例。

此次白皮书重点考察了我国数字孪生应用的发展现状与趋势,并指出数字孪生将从以下六个应用层面推动我国经济社会的发展:

一是促进数字经济与实体经济融合,加快产业升级

二是贯通工业生产信息孤岛,释放数据价值

三是统筹协调系统内外部变化,实现资源能源优化配置

四是实现全要素数字化,推动新型智慧城市建设

五是优化城市设计布局,打造科学公共服务体系

六是基于医疗大数据合理分配医疗资源,提升公共健康保障效率

https://pdf.dfcfw.com/pdf/H3_AP202011231431940763_1.pdf?1606214310000.pdf

成为VIP会员查看完整内容
0
98

为加快推动人工智能技术在电信行业的应用与融合发展,在AIIA产学研融合与应用工作组指导下,由电信项目组组织,中国信息通信研究院标准与技术研究所牵头,中国移动通信有限公司研究院、中国电信股份有限公司研究院、中国联合网络通信有限公司研究院、华为技术有限公司、中兴通讯股份有限公司、英特尔(中国)有限公司等单位共同编写了《电信行业人工智能应用白皮书》2021版。

电信网络作为信息通信的基础设施,具有应用人工智能技术的巨大空间和潜力。国内外运营商、设备商和服务商等在电信网络智能化方面纷纷布局,电信网络智能化在标准研究、技术验证与落地应用等方面均有重要推进。随着5G网络的大规模商用和网络人工智能平台的建设成熟,越来越多的网络智能化应用与业务已经开展落地并发挥良好效果。

本白皮书系统分析了目前电信网络智能化的总体发展态势与应用现状,集中展示AI技术在移动通信网、固定通信网和网络业务服务三大类应用场景的19个典型落地案例,包括故障根因分析、异常小区发现、基站节能、业务内容智能推荐、网络质量智能监控与业务智能识别调优等。

白皮书指出,构建智能化社会适应万物互联的新一代信息基础设施,保障信息基础设施的安全,对于促进信息技术与实体经济融合、拓展数字经济空间具有重要意义。

目前,全球已经掀起了人工智能应用的浪潮。将人工智能技术引入到新一代通信基础设施,可以为网络、计算、应用等信息基础设施提供基于数据的感知、预测和管控能力,促进网络、计算、应用等基础设施的融合与协同。人工智能在越来越多的复杂场景下可以做出比人类更优的决策,无疑让网络智能化建设开拓了新的视野,给网络的发展带来了前所未有的新机遇,也为电信网络重构转型过程中遇到的众多困难和挑战提供了高效的加速解决路径。

随着电信行业人工智能应用加速在现网落地部署并释放价值,网络智能化基础能力将持续增强,网络知识与人工智能技术融合适配网络智能化应用需求,新技术范式例如联邦学习、迁移学习等技术将得到更多应用与关注。人工智能技术将贯穿电信网络端到端全生命周期的运营与演进,实现网络的泛在智能能力,帮助运营商实现数字化转型,带动整个电信产业的智能升级。

成为VIP会员查看完整内容
0
48

《算力网络前沿报告》由中国通信学会信息通信网络技术委员会组织专家团队完成撰写。在2020中国信息通信大会上,中国通信学会成功发布本报告,在业界得到广泛关注,反响热烈。

在5G+AI时代,信息网络正在从以信息传递为核心的网络基础设施,向融合计算、存储、传送资源的智能化云网基础设施发生转变。结合未来计算形态云-边-端泛在分布的趋势,我国率先提出了“算力网络”的概念。该报告首先结合5G、边缘计算和人工智能产业的发展介绍了算力网络的提出背景,并阐述了国家新基建政策对算力网络发展的推动作用。然后,分别从应用部署匹配计算、网络转发感知计算和芯片能力增强计算三个角度论述了算力网络在云、网、芯方面的新特性。最后,对算力资源感知、控制协议选择等算力网络发展所面临的技术挑战进行了说明,并给出了若干关于技术和产业发展的政策建议,希望本报告对于推进我国计算产业和网络产业的协同发展与融合创新起到积极作用。

成为VIP会员查看完整内容
0
35

https://www2.deloitte.com/cn/zh/pages/technology/articles/deloitte-and-axa-digital-health-whitepaper.html

整合数字化医疗健康解决方案,更好地服务和保障消费者 在国家政策的推动下,医疗健康产业正在加快革新和重塑,以适应中国人民日益增长的多样化医疗健康需求

经历了二十多年的医保改革,我国社会医疗保障的覆盖率逾95%,实现了全国人民基础医疗保障的高覆盖。随着GDP的增长,中国家庭财富可支配收入日益增加,消费者对医疗服务和保障提出了更高的需求,尤其是高净值人群、以及正在兴起的新中产人群。然而,相较于高净值人群,市场对新中产人群的关注才刚拉开序幕,当前针对新中产人群的医疗健康服务以及保障的满足程度还相对较低。

在提出了“优先发展人民健康”的“健康中国2030”战略的指导下,政府颁布了《健康中国行动(2019—2030年)》《关于深化医疗保障制度改革的意见》等指导方案,以加快建成多层次医疗保障体系和整合型医疗卫生服务体系。通过整合医疗、医药、医保等不同参与方,解决医疗健康需求和供给的错配问题,为人民提供高性价比的医疗健康服务。在国家政策的推动下,医疗健康产业正在加快革新和重塑,以适应中国人民日益增长的多样化医疗健康需求。

结合德勤行业经验以及中国医疗健康行业特点的理解,德勤认为有五大趋势对未来中国的医疗健康行业将产生重大影响,并起到推动作用,包括整合型医疗健康服务体系、消费者赋能、新型支付方案的兴起、智慧医疗健康以及创新产品组合。

成为VIP会员查看完整内容
4
57

该白皮书对大数据与实体经济融合发展情况进行了全景展现,报告显示我国大数据融合发展已具备技术、产业、应用和政策基础,大数据在制造业、农业、服务业等实体经济各领域应用不断深入,给经济社会带来的益处和价值日益显现。此外,白皮书还对大数据与实体经济融合发展机遇与挑战进行了深入分析,对推动我国大数据与实体经济融合创新发展提出了政策建议。

成为VIP会员查看完整内容
中国大数据与实体经济融合发展白皮书.pdf
0
35
小贴士
相关VIP内容
专知会员服务
70+阅读 · 4月27日
专知会员服务
60+阅读 · 4月25日
专知会员服务
98+阅读 · 4月8日
专知会员服务
48+阅读 · 3月19日
专知会员服务
35+阅读 · 3月12日
专知会员服务
69+阅读 · 3月11日
专知会员服务
107+阅读 · 1月23日
专知会员服务
57+阅读 · 1月6日
【大数据白皮书 2019】中国信息通信研究院
专知会员服务
81+阅读 · 2019年12月12日
相关论文
Xuelin Cao,Bo Yang,Chongwen Huang,Chau Yuen,Marco Di Renzo,Zhu Han,Dusit Niyato,H. Vincent Poor,Lajos Hanzo
0+阅读 · 5月2日
Abhimanyu Dubey,Vignesh Ramanathan,Alex Pentland,Dhruv Mahajan
6+阅读 · 3月30日
Emily Alsentzer,Samuel G. Finlayson,Michelle M. Li,Marinka Zitnik
21+阅读 · 2020年6月19日
Jianzhu Guo,Xiangyu Zhu,Chenxu Zhao,Dong Cao,Zhen Lei,Stan Z. Li
5+阅读 · 2020年3月17日
Learning to Learn and Predict: A Meta-Learning Approach for Multi-Label Classification
Jiawei Wu,Wenhan Xiong,William Yang Wang
16+阅读 · 2019年9月9日
Graph Neural Networks: A Review of Methods and Applications
Jie Zhou,Ganqu Cui,Zhengyan Zhang,Cheng Yang,Zhiyuan Liu,Lifeng Wang,Changcheng Li,Maosong Sun
9+阅读 · 2019年3月7日
Area Attention
Yang Li,Lukasz Kaiser,Samy Bengio,Si Si
5+阅读 · 2019年2月5日
Yu Cheng,Mo Yu,Xiaoxiao Guo,Bowen Zhou
12+阅读 · 2019年1月26日
Ken C. L. Wong,Tanveer Syeda-Mahmood,Mehdi Moradi
4+阅读 · 2018年8月15日
Anastasia Pentina,Christoph H. Lampert
3+阅读 · 2017年6月8日
Top