人工智能 认知智能(人工智能和人类智能的不同)

当今，城市正成为产业互联网最大的应用场景，随着5G、人工智能和大数据等技术的不断完善与场景化落地，人们看到了更多的发展前景。以城市视频多维数据为核心，融合智能社区、轨道交通、医疗、教育等多种场景，各行各业积极利用多种前沿技术，不断加快创新，构建城市级的数据平台，打破不同场景的数据孤岛，打造面向城市智能的数据湖、算力中心和AI赋能平台，并实现城市智能的不断升级，实现城市智能的自主进化，打造新一代的智能城市。

事实上，对于智慧城市的打造，阿里巴巴早有实践。以中控信息与阿里巴巴合作的一项绿波带提升改造工程为例，杭州滨江区江南大道，全场10公里，设有13个交叉路口。如果几年前你驾车通过这个路段，全程需要13分钟，如今减少到9分钟，停车等红绿灯的次数减少到1~2次。

"绿波带"，是通过信号灯控制，使汽车在按照建议的速度行驶时，能实现在设定的区域内一路绿灯通行的一种设置规则。简单来说就是，根据两个路口之间的距离和设计的车速，计算出两个路口之间的绿灯间隔时间，如果车辆在上一路口绿灯后按照设计的车速行驶，那么达到下一个路口的时候刚好也是绿灯。

“我们在杭州参建了众多智能基础设施，包括城市交通、轨道交通、公用工程等。在城市智能交通方面，大杭州地区的滨江区、萧山区、余杭区、高架匝道及部分主城区等，共有约2700多个路口采用中控信息自主研发的Intellific交通信号控制系统。同时我们有十多年交通信号控制算法的积累和沉淀，对结合互联网数据进行交通信号优化控制具有一定基础。”中控信息总裁、教授级高工赵鸿鸣告诉第一财经记者，与阿里之间的分工合作能够凝聚成一个整体的解决方案来给一些中小的城市提供一个比较好的解决方案。

人工智能最早是在1956年提出的，最早提出是希望机器具有人的感知、行动、推理与决策的能力，而随着时代的演化，目前从研究领域讲，希望机器能够拥有自主的智能，机器在数据与场景的基础上，不仅能够代替人类重复性的劳动，同时能够和人一样进行自我进化、思考，从“感知智能”向“认知智能”进行转变，同时自主进化和混合智能的发展也在不断完善和成熟，这是目前人工智能领域对人工智能新的定义，未来很长一段时间都会是人机混合智能阶段。

“基于智能城市的自主进化模型，实现知识和数据联合优化的人机混合智能，用以驱动城市治理和管理决策，实现服务城市规划、政务、产业、民生的价值输出。随着人工智能、边缘计算、芯片等技术发展，能从视频中提取的有价值的内容会越来越丰富、快速和准确，视频数据必将成为未来城市治理核心数据之一。”中科院自动化所模式识别国家重点实验室研究员王金桥认为，随着持续增加的海量数据的积累，给智能城市计算带来了巨大的挑战，因此海量视频数据实时性端边云的融合计算、自主进化、人机混合智能成为城市数据治理关键，通过深层应用价值和行业数据融合应用实现智能城市建设。

附：达摩院2020十大科技趋势

趋势一、人工智能从感知智能向认知智能演进

人工智能已经在“听、说、看”等感知智能领域已经达到或超越了人类水准，但在需要外部知识、逻辑推理或者领域迁移的认知智能领域还处于初级阶段。认知智能将从认知心理学、脑科学及人类社会历史中汲取灵感，并结合跨领域知识图谱、因果推理、持续学习等技术，建立稳定获取和表达知识的有效机制，让知识能够被机器理解和运用，实现从感知智能到认知智能的关键突破。

趋势二、计算存储一体化突破AI算力瓶颈

冯诺伊曼架构的存储和计算分离，已经不适合数据驱动的人工智能应用需求。频繁的数据搬运导致的算力瓶颈以及功耗瓶颈已经成为对更先进算法探索的限制因素。类似于脑神经结构的存内计算架构将数据存储单元和计算单元融合为一体，能显著减少数据搬运，极大提高计算并行度和能效。计算存储一体化在硬件架构方面的革新，将突破AI算力瓶颈。

趋势三、工业互联网的超融合

5G、IoT设备、云计算、边缘计算的迅速发展将推动工业互联网的超融合，实现工控系统、通信系统和信息化系统的智能化融合。制造企业将实现设备自动化、搬送自动化和排产自动化，进而实现柔性制造，同时工厂上下游制造产线能实时调整和协同。这将大幅提升工厂的生产效率及企业的盈利能力。对产值数十万亿乃至数百万亿的工业产业而言，提高5%-10%的效率，就会产生数万亿人民币的价值。

趋势四、机器间大规模协作成为可能

传统单体智能无法满足大规模智能设备的实时感知、决策。物联网协同感知技术、5G通信技术的发展将实现多个智能体之间的协同——机器彼此合作、相互竞争共同完成目标任务。多智能体协同带来的群体智能将进一步放大智能系统的价值：大规模智能交通灯调度将实现动态实时调整，仓储机器人协作完成货物分拣的高效协作，无人驾驶车可以感知全局路况，群体无人机协同将高效打通最后一公里配送。

趋势五、模块化降低芯片设计门槛

传统芯片设计模式无法高效应对快速迭代、定制化与碎片化的芯片需求。以RISC-V为代表的开放指令集及其相应的开源SoC芯片设计、高级抽象硬件描述语言和基于IP的模板化芯片设计方法，推动了芯片敏捷设计方法与开源芯片生态的快速发展。此外，基于芯粒（chiplet）的模块化设计方法用先进封装的方式将不同功能“芯片模块”封装在一起，可以跳过流片快速定制出一个符合应用需求的芯片，进一步加快了芯片的交付。

趋势六、规模化生产级区块链应用将走入大众

区块链BaaS(Blockchain as a Service)服务将进一步降低企业应用区块链技术的门槛，专为区块链设计的端、云、链各类固化核心算法的硬件芯片等也将应运而生，实现物理世界资产与链上资产的锚定，进一步拓展价值互联网的边界、实现万链互联。未来将涌现大批创新区块链应用场景以及跨行业、跨生态的多维协作，日活千万以上的规模化生产级区块链应用将会走入大众。

趋势七、量子计算进入攻坚期

2019年，“量子霸权”之争让量子计算在再次成为世界科技焦点。超导量子计算芯片的成果，增强了行业对超导路线及对大规模量子计算实现步伐的乐观预期。2020年量子计算领域将会经历投入进一步增大、竞争激化、产业化加速和生态更加丰富的阶段。作为两个最关键的技术里程碑，容错量子计算和演示实用量子优势将是量子计算实用化的转折点。未来几年内，真正达到其中任何一个都将是十分艰巨的任务，量子计算将进入技术攻坚期。

趋势八、新材料推动半导体器件革新

在摩尔定律放缓以及算力和存储需求爆发的双重压力下，以硅为主体的经典晶体管很难维持半导体产业的持续发展，各大半导体厂商对于3纳米以下的芯片走向都没有明确的答案。新材料将通过全新物理机制实现全新的逻辑、存储及互联概念和器件，推动半导体产业的革新。例如，拓扑绝缘体、二维超导材料等能够实现无损耗的电子和自旋输运，可以成为全新的高性能逻辑和互联器件的基础；新型磁性材料和新型阻变材料能够带来高性能磁性存储器如SOT-MRAM和阻变存储器。

趋势九、保护数据隐私的AI技术将加速落地

数据流通所产生的合规成本越来越高。使用AI技术保护数据隐私正在成为新的技术热点，其能够在保证各方数据安全和隐私的同时，联合使用方实现特定计算，解决数据孤岛以及数据共享可信程度低的问题，实现数据的价值。

趋势十、云成为IT技术创新的中心

随着云技术的深入发展，云已经远远超过IT基础设施的范畴，渐渐演变成所有IT技术创新的中心。云已经贯穿新型芯片、新型数据库、自驱动自适应的网络、大数据、AI、物联网、区块链、量子计算整个IT技术链路，同时又衍生了无服务器计算、云原生软件架构、软硬一体化设计、智能自动化运维等全新的技术模式，云正在重新定义IT的一切。广义的云，正在源源不断地将新的IT技术变成触手可及的服务，成为整个数字经济的基础设施。