计算机科学与人工智能国际会

上图 真菌可能与标准电子设备相连。图片来源：安德鲁阿达马茨基下图 实验室培养的脑细胞可用于计算。图片来源：托马斯哈滕/约翰斯霍普金斯大学细菌和超级计算机有什么区别？区别是细菌更“高级”，因为它有更多的回路和更强的处理能力。所有生命都在“计算”。从响应化学信号的单个细胞，到在特定环境中航行的复杂生物体，信息处理是生命系统的核心。经过数十年的尝试，科学家终于开始收集细胞、分子甚至整个生物体，来为人类自己的目的执行计算任务。从本质上讲，计算机也只是信息处理器，而且人们越来越认识到大自然拥有丰富的这种能力。最明显的例子是复杂生物体的神经系统，它能处理来自环境的大量数据并对各种复杂的行为“下指令”。但即使是最小的细胞，也充满了复杂的生物分子通路，这些通路响应输入信号，打开和关闭基因、产生化学物质或进行自我组织。最终，生命中所有令人难以置信的壮举，都依赖于DNA存储、复制和传递遗传指令的能力。如何构建一台生物计算机？生物系统有自身的独特优势：更紧凑、能源效率更高、可自我维持和自我修复，而且特别擅长处理来自自然界的信号。在过去的20年里，强大的细胞和分子工程工具让人们终于能在构建生物计算机领域迈出一步。美国麻省理工学院生物合成学家克里斯托弗沃伊特说，该方法的核心是“生物电路”，类似于计算机中的电子电路。这些电路涉及各种生物分子相互作用以获取输入，并对其进行处理以产生不同的输出，就像它们的硅对应物一样。通过编辑支撑这些过程的遗传指令，人们现在可以重新连接这些电路以执行自然界从未计划的功能。2019年，瑞士联邦理工学院利用CRISPR技术，构建了相当于计算机中央处理器（CPU）的生物等效物。这个CPU被插入一个细胞，在那里它调节不同基因的活动以响应专门设计的RNA序列，使细胞实现了类似于硅计算机中的逻辑门。印度萨哈核物理研究所在2021年更进一步，诱使一群大肠杆菌计算简单迷宫的解决方案。该电路分布在几个大肠杆菌菌株之间，每个菌株都被设计用来解决部分问题。通过共享信息，该电路成功地实现了如何在多个迷宫中导航。大多数生物系统并不同于经典计算机的二进制逻辑，它们也不会像计算机芯片那样一步步解决问题。它们充满了重复、奇怪的反馈循环和以不同速度并排运行的截然不同的过程。更怪异的是，生物的计算能力还能完全脱离其自然环境。瑞典隆德大学科学家正在试验一种完全不同的生物计算方法，使用由分子马达驱动的微小蛋白质丝围绕迷宫推进。迷宫的结构经过精心设计，而细丝能同时探索所有路线。这意味着解决更大的问题不需要更多的时间，只需要更多的细丝。重新设计生物系统会带来什么？但美国马萨诸塞州塔夫茨大学的迈克尔莱文认为，生命系统已经在生物学的各个层面展示了令人惊叹的计算壮举，人们应该将重点从尝试重新设计生物系统，转移到寻找与现有系统交互的方法。莱文实验室已经证明，他们可以操纵细胞之间的电通信，帮助它们决定如何以及在哪里生长。举个恐怖的例子，这可能让蝌蚪的内脏上长出眼睛，或让青蛙长出额外的腿。它并不等同于计算，但团队认为它代表了如何将自然界预先存在的电路折射为一个“新目标”。类似的方法可用来解决广泛的计算任务。此外，真菌计算的深奥领域也正在显示其应用潜力。英国布里斯托尔西英格兰大学研究显示，真菌在感知pH值、化学物质、光线、重力和机械应力等方面具有的能力令人印象深刻。它们似乎使用电活动的尖峰进行交流，这开辟了将它们与传统电子设备连接的前景。类器官智能有多智能？要探寻生物计算，离不开人们迄今已知的最强大计算设备：大脑。当前组织工程学的进步意味着，科学家们可从干细胞中培育出相当于微型大脑的复杂神经元簇，也就是“大脑类器官”。与此同时，能将信号传输到脑细胞并能解码它们的反应，意味着人们已经开始试验类器官的记忆和学习能力。今年早些时候，美国约翰斯霍普金斯大学团队概述了“类器官智能”这一新领域的愿景。目标与人工智能相反：他们不会让计算机更像大脑，而是试图让脑细胞更像计算机。初创公司Cortical已可训练在硅芯片上培养的人类脑细胞来玩电子乒乓游戏Pong。而在它们的新软件中，任何具有基本编码技能的人都能为“培养皿大脑”编程。不过，所有这些生物计算方法目前都远未成为主流。与设计和制造硅芯片的能力相比，人们操纵生物学的能力仍处于初级阶段。但生物计算的巨大潜力和投入生物技术的数十亿美元，将在未来几年为这个领域带来快速进步。

p 　　人工智能技术无论是在核心技术，还是典型应用上都已出现爆发式的进展。随着平台、算法、交互方式的不断更新和突破，人工智能技术的发展将主要以“AI+X”(为某一具体产业或行业)的形态得以呈现。所有这些智能系统的出现，并不意味着对应行业或职业的消亡，而仅仅意味着职业模式的部分改变。任何有助于让机器(尤其是计算机)模拟、延伸和扩展人类智能的理论、方法和技术，都可视为人工智能的范畴,展现出无比光明的发展前景。 /p p 　　在我们生活方面，协助人类完成此前被认为必须由人完成的智能任务。人们将不仅生活在真实的物理空间，同样生活在网络空间。网络空间中的每个个体既有可能是人，也有可能是一个人工智能。 /p p 　　在生产方面，未来人工智能有望在传统农业转型中发挥重要作用。例如，通过遥感卫星、无人机等监测我国耕地的宏观和微观情况，由人工智能自动决定(或向管理员推荐)最合适的种植方案，并综合调度各类农用机械、设备完成方案的执行，从而最大限度解放农业生产力。在制造业中，人工智能将可以协助设计人员完成产品的设计，在理想情况下，可以很大程度上弥补中高端设计人员短缺的现状，从而大大提高制造业的产品设计能力。同时，通过挖掘、学习大量的生产和供应链数据，人工智能还可望推动资源的优化配置，提升企业效率。在理想情况下，企业里人工智能将从产品设计、原材料购买方案、原材料分配、生产制造、用户反馈数据采集与分析等方面为企业提供全流程支持，推动我国制造业转型和升级。 /p p 　　在生活服务方面，人工智能同样有望在教育、医疗、金融、出行、物流等领域发挥巨大作用。例如，医疗方面，可协助医务人员完成患者病情的初步筛查与分诊 医疗数据智能分析或智能的医疗影像处理技术可帮助医生制定治疗方案，并通过可穿戴式设备等传感器实时了解患者各项身体指征，观察治疗效果。在教育方面，一个教育类人工智能系统可以承担知识性教育的任务，从而使教师能将精力更多地集中于对学生系统思维能力、创新实践能力的培养。对金融而言，人工智能将能协助银行建立更全面的征信和审核制度，从全局角度监测金融系统状态，抑制各类金融欺诈行为，同时为贷款等金融业务提供科学依据，为维护机构与个人的金融安全提供保障。在出行方面，无人驾驶(或自动驾驶)已经取得了相当进展。在物流方面，物流机器人已可以很大程度替代手工分拣，而仓储选址和管理、配送路线规划、用户需求分析等也将(或已经)走向智能化。 /p p 　　平台、算法以及接口等核心技术的突破，将进一步推动人工智能实现跨越式发展。从核心技术的角度来看，三个层次的突破将有望进一步推动人工智能的发展，分别为平台(承载人工智能的物理设备、系统)、算法(人工智能的行为模式)以及接口(人工智能与外界的交互方式)。在平台层面实现一个能服务于不同企业、不同需求的智能平台，将是未来技术发展的一大趋势。算法决定了人工智能的行为模式，一个人工智能系统即使有当前最先进的计算平台作为支撑，若没有配备有效的算法，只会像一个四肢发达而头脑简单的人，并不能算真正具有智能。面向典型智能任务的算法设计，从人工智能这一概念诞生时起就是该领域的核心内容之一。令算法通过自身的演化，自动适应这个“唯一不变的就是变化”的物理世界?这也许是“人工”智能迈向“类人”智能的关键。接口(人工智能与外界的交互方式)、沟通是人类的一种基本行为，人工智能与人类的分界正变得模糊，一个中文聊天机器人也许比一位外国友人让我们觉得更容易沟通。因此，如何实现人机的高效沟通与协同将具有重要意义。语音识别、自然语言理解是实现人机交互的关键技术之一。另外，不采用自然语言，而是直接通过脑电波与机器实现沟通，即脑机接口技术，也已有相当进展，目前已经大体可以实现用脑电波直接控制外部设备(如计算机、机器手等)进行简单的任务。 /p

细胞内有数以亿计的碱基、表达程序以及运行策略，而且各不相同。单细胞测序技术可解读单个细胞里的这些信息，但人工干预多、过度依赖人为选定的标记基因使得单细胞测序技术对细胞的注释稳定性较低。可以理解为，同一类细胞用不同的模型解析，结果不同，对一些特殊细胞“公说公有理婆说婆有理”的分析结果往往难以得到广泛认可。解决上述问题的关键是减少人工干预。9月27日，《自然》子刊《自然机器智能》刊载了我国团队首创的单细胞转录组细胞类型注释算法。该算法可以将细胞中的信息转变为计算机能够理解和学习的“语言”，让计算机和细胞直接“对话”，减少人为因素影响。细分细胞亚型，准确度提升7%据算法研发团队腾讯人工智能实验室方面介绍，新算法，即scBERT模型，对最难分类的外周血单核细胞进行了分类，结果显示人工智能能够做到精准标注、注释极其难区分的两类细胞，例如能够准确区分CD8+细胞毒性T细胞和CD8/CD45RA+T细胞。研发团队成员告诉科技日报记者，“在极具挑战的外周血细胞亚型细分任务上，新算法相较现有最优方法的70%准确度再提升了7%。”此外，团队还在已有的单细胞数据集中，将新算法的性能与其他算法进行了对比，这些数据集涵盖17个主要器官或组织、包含50多个细胞类型、超过50万个细胞。论文中显示，对于每个数据集，团队均采用了五倍交叉验证策略，以避免随机结果对结论的影响。结果显示，新算法对大多数数据集的分析结果在精确度和综合得分方面均表现优异。研发人员表示，针对不同的单细胞分析任务和数据集解析任务，都会有不同的算法成为最佳算法，也就是说有的算法擅长某几类任务，有的算法擅长另几类任务，无法通用，而基于scBERT模型的新算法则表现了很强的通用性，在全部的数据集解析任务中均被列为最佳算法。跨界使用“工具”，让机器读懂细胞语言那么，新算法为什么能让机器通过学习读懂细胞中的复制、翻译、转录的语言呢？相关研发人员解释，“我们首次将‘transformer’运用到单细胞转录组测序数据分析领域。 transformer这种架构从发明以来一直被用在自然语言处理领域，用于进行诸如机器翻译类的工作，成为比较通用的一个框架组件，但我们将它运用到了细胞注释领域。”得益于对计算机处理人类语言和单细胞信息之间的共性理解，团队将已经成熟的人工智能架构进行创新性地“跨界”使用，大大提升了细粒度单细胞分子图谱的构建效率。“跨界工具”让新模型赋予计算机读懂细胞活动的基础，但要想读得准、读得透、读得精，还需要基于大规模的语言预训练。论文显示，为了解决来自不同项目、测序平台的数据难以互通有无的难题，“scBERT” 模型在预训练数据上没有做任何的降维或筛选处理，最大程度上保留数据本身的特性和信息，并学习了包含不同实验来源、批次和组织类型的单细胞数据，以保证模型理解“通用”的知识，不仅捕获单个基因的表达信息还理解基因间的协作。据介绍，该技术可以给生物体中每个细胞都印上专属“身份证”，“单细胞身份证”的应用不仅可以助力疾病致病机制分析、药物靶点发现等基础研究，也可以在临床上高精度地“刻画”肿瘤微环境，推动精准治疗的进一步完善。

借力信息技术实现智慧监管，是当下全球药品监管发展新趋势。针对中药检验实验室发展瓶颈，深圳市药品检验研究院、中国食品药品检定研究院中药民族药检定所与睿科集团股份有限公司因势而谋、因势而动，共同搭建智能检验设备研究与应用新平台，以解决中药检验领域人力资源不足、检验任务繁重、检验效率难以提高的难题。近日，我们特别采访了深圳市药品检验研究院中药检验室副主任苏畅博士，苏博就中药检验领域面临的挑战、难点、主要对策给出了深刻的见解。苏畅 博士深圳市药品检验研究院中药检验室副主任，中山大学植物学博士，主任中药师。主要从事中药质量控制新方法与DNA分子鉴定研究。先后完成国家科技部重大专项、国家自然科学基金、深圳市科技计划项目10余项；完成中药质量标准提高及补充检验方法共30项；为《香港中药材质量标准》、《美国药典》、《欧洲药典》、《德国药品法典》中药质量标准项目主要参与人。开展“中药智能检验机器人”设计研发和中药数字标准研究。参与科研项目获广东省科学技术一等奖、中国药学会科学技术三等奖、深圳市科学技术奖（标准奖）；发表论文23篇（SCI收录论文6篇）；参编专著8部；申请发明专利7项（已授权4项）、获实用新型专利6项、计算机软件著作权1项。“开发智能化实验室设备是多层级人员共同的急切的需求”随着中药分析技术的快速发展，中药的质量标准体系也日趋完善，1963年版的《中国药典》只有四百多个中药品种，到了2020版，药典收载的中药品种已经提升到了两千七百多个。中药抽检力度的持续加大，质量标准和法规也日趋完善，民众用药也就更加安心了。大家对质量与安全风险的认识逐步地深入，对中药检测行业也提出了更高的要求。如何保持在现有的检验人力成本不变的同时，既高效又准确地完成检验任务是摆在所有中药检验机构眼前的一个难题。我们认为实验室自动化设备是提高检验效率的有效手段，但是现有的自动化设备只能完成单一的检验操作动作，实验员们依然需要每天奔波于不同的房间内，完成简单低效能的动作，他们只能人工串联起整个的实验流程。同时，对于实验室管理者们，检验员无意识的忙中出错，由此带来的数据准确度问题以及人员流动性问题、培训成本、时间成本等诸多问题，也是非常苦恼的一件事。所以开发更加智能化的实验室设备，也是所有中药检验机构、多层级人员共同的急切的需求。“Alpha Test 2，依靠柔性化的参数设置与差异性的动作串联组合，适用于多种分析方法”STR转送机器人（前）和Alpha Test 2（后）Alpha Test 2，我们也叫它专家型中药智能检验机器人，是由我们深圳药检院和中检院中药民族药检定所联合组织策划研发的，它主要应用在中药的农药残留和真菌毒素检验检测项目中。与常量分析检验项目不同，这些痕量分析项目，对精确度的要求更高，对人员的专业技术能力要求也更高。由于样品制备过程通常由10-30个操作动作串联组成，一旦忙中出错，追溯调查和原因分析也是非常困难。因此我们设计时，首先对全流程的实验动作进行拆解，再逐一转换成机械动作，最后依靠强大的底层逻辑算法，最终实现最优的时间分配，提高了仪器的利用效能。同时柔性化的参数设置与差异性的动作串联组合，也能适用于更多的中药品种和更多的质量标准分析方法。依靠强大的底层逻辑算法，最终实现最优的时间分配“在产品迭代过程中积累雄厚的核心技术，既节省产品研发成本，又降低试错几率”近年来，国产设备发展的速度非常快，从民族情怀的角度，我们希望大力地支持民族企业，从另一方面，越来越多的性能更好、功能更全、价格更实惠的国产设备，也给了我们极大的信心。睿科集团深耕于小型前处理设备的研发，它的单机产品得到了市场的广泛验证，他们在产品在迭代的过程中积累了雄厚的核心技术，具有比较扎实的研究基础。如果将这些核心技术整合、串联、集成，就会很快地形成智能化的设备，这样，对于产品研发来说，极大地节省了产品的研发成本，也将试错的几率降低到了最低点。Alpha Test 2具备自动加液、倾倒分取、视觉定容、自动过滤至色谱瓶（图中从左至右）、自动开关盖、均质、离心、真空平行浓缩、固相萃取、涡旋、自动过滤至色谱瓶等多个功能模块“打造真正的智能检验实验室，逐步实现在试剂试药仓储、器具清洁、样品前处理和分析检测四大体系的无人工干预”未来，我们希望借助于中国中药协会中药数字化专业委员会，以及深圳药检院、中检院、睿科集团三方共同成立的“智能检验设备研究与应用联合实验室”等多个平台，同时联合更多的检验机构，打造真正的智能检验实验室，逐步实现在试剂试药仓储、器具清洁、样品前处理和分析检测四大体系的无人工干预，满足全过程的可追溯和数据完整性，更好地为支撑政府智慧监管、实施健康中国战略贡献力量。

p 　　中国人工智能学会、国家工信安全中心、华夏幸福产业研究院等四大权威机构、历时半年完成该本重磅报告，从全新的角度阐述了中国 AI 产业和学术的创新现状。 /p p 　　《2018人工智能产业创新评估白皮书》由中国人工智能学会、国家工信安全中心、华夏幸福产业研究院、思保环球联合发布。 /p p 　　白皮书聚焦人工智能的使能技术与应用场景两个层面，基于论文、专利、人才、行业壁垒等多个维度，创新性地构建了人工智能产业创新评估体系，客观评价了当前人工智能产业的创新发展水平，为政府、企业、投资机构布局人工智能提供了借鉴和参考。 /p p style=" text-align: center" img style=" max-width:100% max-height:100% " src=" https://img1.17img.cn/17img/images/201905/uepic/0a3a11e3-a62a-4d56-940e-8c02731f2d87.jpg" title=" 01.jpg" alt=" 01.jpg" / /p p style=" text-align: center " strong 研究范围和评价体系 /strong /p p 　　随着人工智能迎来第三次发展浪潮，在全球主要国家的积极推动下，社会各界对人工智能的投入与期许空前高涨。构建科学客观的创新评估体系，准确评估当前人工智能产业的创新发展水平，对人工智能产业健康有序发展具有重要的现实意义。报告结合人工智能细分技术的发展和应用水平，聚焦语音交互、文本处理、计算机视觉和深度学习四项使能技术，以及交通、医疗、制造、安防、零售等八大重点应用场景，对人工智能产业创新水平进行了客观的评价。 /p p style=" text-align: center" img style=" max-width:100% max-height:100% " src=" https://img1.17img.cn/17img/images/201905/uepic/e7adc7d7-250c-470c-9a14-ce0c9b6599d9.jpg" title=" 02.jpg" alt=" 02.jpg" / /p p style=" text-align: center " strong 图 1 人工智能产业创新评估范围 /strong /p p 　　为客观分析四项核心使能技术和八个重点应用场景当前所处的发展阶段，报告基于现有学界产业创新评估的研究成果，结合人工智能产业的行业属性，采用定量和定性分析相结合，构建了科学客观的人工智能产业创新评估体系。体系下设使能技术就绪度指数和应用场景融合度指数两个一级评估指标，并在使能技术就绪度下设立了理论、应用、性能驱动力三个二级指标，在应用场景融合度下设立了资源、技术、数据、场景、环境驱动力五个二级指标。 /p p style=" text-align: center" img style=" max-width:100% max-height:100% " src=" https://img1.17img.cn/17img/images/201905/uepic/19326b91-7308-4a89-808f-e947bccd24df.jpg" title=" 03.jpg" alt=" 03.jpg" / /p p style=" text-align: center " strong 图 2 人工智能产业创新评估体系 /strong /p p strong 　　人工智能使能技术就绪度 /strong /p p 　　深度学习技术的发展，推动以语音交互、文本处理、计算机视觉为代表的人工智能快速发展，并在多个场景迅速落地。为客观评价以深度学习为代表的四项使能技术的发展水平，报告从理论研究、应用研究和技术性能三个维度进行了评估，分别计算出四项使能技术的就绪度指数。 /p p style=" text-align: center" img style=" max-width:100% max-height:100% " src=" https://img1.17img.cn/17img/images/201905/uepic/c1242858-0d8f-4a1c-84d4-1606e17b800b.jpg" title=" 03-1.jpg" alt=" 03-1.jpg" / /p p style=" text-align: center " strong 图 3 人工智能使能技术就绪度评估维度 /strong /p p 　　从使能技术就绪度指数来看，深度学习就绪度最高。作为人工智能的主流算法，深度学习就绪度最高(8.3)，经处于技术成熟期 计算机视觉(7.7)和语音交互(6.2)次之，处于技术应用的探索期，主要体现在以语音助手和医疗影像诊断为代表的产品已经逐渐进入实用阶段 文本处理则仍处于技术爬坡期，技术进展缓慢使其离真正实用仍存在较大距离。 /p p img style=" max-width:100% max-height:100% " src=" https://img1.17img.cn/17img/images/201905/uepic/930c05be-a40b-48cc-bc72-da298eb24a47.jpg" title=" 04.jpg" alt=" 04.jpg" / /p p style=" text-align: center " strong 图 4 人工智能使能技术就绪度指数 /strong /p p 　　从使能技术实际发展情况来看，深度学习和计算机视觉是布局重点。在理论研究(论文产出)方面，四项使能技术从2013年开始逐渐成为研究热点，其中深度学习是学界关注重点，其次是计算机视觉。语音交互和文本处理的论文产出增速较为平稳，但文本处理论文产出量和引用频次均为最低。在应用研究(专利申请)方面，计算机视觉和深度学习专利申请占比较高，但平均专利强度较低，专利布局仍处于起步阶段 语音交互专利申请比例低但平均强度较高，表明语音交互关注度呈现逐渐下降趋势。 /p p style=" text-align: center" img style=" width: 617px height: 328px " src=" https://img1.17img.cn/17img/images/201905/uepic/e8156869-318e-4c45-b498-c0b1782cfe87.jpg" title=" 06.jpg" width=" 617" height=" 328" / /p p style=" text-align: center" img style=" width: 605px height: 316px " src=" https://img1.17img.cn/17img/images/201905/uepic/09863951-a378-42c6-bc6a-8dd5d06bdd2d.jpg" title=" 05.jpg" width=" 605" height=" 316" / /p p style=" text-align: center " strong 图 5 人工智能使能技术实际发展情况 /strong /p p 　　从中美两国使能技术发展水平来看，美国四项使能技术的理论研究和应用研究均大幅领先于中国。在理论研究方面，中美文本处理领域的差距最小，深度学习领域差距最大 在应用研究方面，深度学习领域的差距最小，语音交互领域的差距最大。具体来看，美国四项使能技术的论文影响力和平均专利强度要远高于中国，中国论文和专利“多而不强”的局面依然存在。同时我们还发现，中国四项使能技术专利申请量均居首位，特别是相关研发机构近三年活跃度较高，超过54%的专利均在近三年申请。 /p p style=" text-align: center" img style=" max-width:100% max-height:100% " src=" https://img1.17img.cn/17img/images/201905/uepic/054caf0c-259b-4eba-acaa-8edc0e3ec037.jpg" title=" 07.jpg" alt=" 07.jpg" / /p p style=" text-align: center " strong 图 6 中美两国使能技术发展水平对比 /strong /p p 　　从使能技术人才分布来看，美国人工智能领域四项使能技术相关的高端人才遥遥领先于其他国家。统计发现，美国人工智能高端人才超过1.3万，中国不足0.5万，与美国相比差距悬殊。从细分技术领域来看，计算机视觉相关的高端人才占比最高，达38%，其中美国5432人，中国1892人。从中国人工智能使能技术研发人才分布来看，北京、广东、江苏、上海和浙江五省市人才优势明显，其中北京、广东人工智能研发人才超过万人。 /p p style=" text-align: center" img style=" max-width:100% max-height:100% " src=" https://img1.17img.cn/17img/images/201905/uepic/9c3a5e84-d27a-410b-a814-837ea5335cf8.jpg" title=" 08.jpg" alt=" 08.jpg" / /p p style=" text-align: center " strong 图 7 全球人工智能使能技术人才分布 /strong /p p 　　 strong 人工智能应用场景融合度 /strong /p p 　　随着以深度学习为代表的使能技术的发展，大量科技企业从特定的行业或场景出发，推动人工智能使能技术与行业加速融合，提供差异化的新产品、新服务和解决方案，形成了丰富的“AI+”应用场景，成为人工智能产业快速发展的重要驱动力。本报告从资源、技术、数据、场景和环境五个驱动力维度对八个“AI+”场景进行了评估，分别计算出了八大应用场景的融合度。 /p p style=" text-align: center" img style=" max-width:100% max-height:100% " src=" https://img1.17img.cn/17img/images/201905/uepic/bbb7b813-c24b-40a9-baeb-8e8760e7d967.jpg" title=" 09.jpg" alt=" 09.jpg" / /p p style=" text-align: center " 　 strong 图 8 人工智能应用场景融合度评估维 /strong /p p 　　从应用场景融合度指数来看，人工智能与各行业依然处在人工智能融合的早期。根据应用场景融合度指数显示，汽车(3.9)、医疗(3.8)和家居(3.7)是人工智能融合度相对较高的三个场景 零售(3.5)、机器人(3.3)和安防(3.2)次之 制造(3.0)和教育(2.8)融合度指数较低。 /p p style=" text-align: center" img style=" max-width:100% max-height:100% " src=" https://img1.17img.cn/17img/images/201905/uepic/fd163fcd-8227-4366-a819-b308fdfc0442.jpg" title=" 10.jpg" alt=" 10.jpg" / /p p style=" text-align: center " strong 图 9 人工智能应用领域融合度指数 /strong /p p 　　从应用场景的融合实际情况来看，汽车、医疗、家居是布局重点。在技术驱动力方面，人工智能在各个领域的专利申请自2014年开始爆发式增长，其中汽车和医疗领域增长明显，而教育和零售领域增长相对缓慢。在资源驱动力方面，人工智能的研发机构和研发人才主要集中在汽车、医疗、家居领域，从事零售、教育的人工智能研发机构和人才相对较少。结合近三年专利申请情况来看，专利布局重点更是主要集中在汽车、医疗、家居和安防领域，人工智能与机器人的融合则是新的应用热点。 /p p style=" text-align: center" img style=" max-width:100% max-height:100% " src=" https://img1.17img.cn/17img/images/201905/uepic/4980be83-78d8-4f80-b336-bf9b46ff65c5.jpg" title=" 11.jpg" alt=" 11.jpg" / /p p style=" text-align: center " strong 　　图 10 人工智能专利在各应用场景的分布 /strong /p p 　　从全球应用场景融合整体水平来看，美国应用融合优势明显。在八大应用领域中，美国人工智能研发人员数量占据一半左右，而中国各领域人工智能研发人员普遍偏少。在专利申请量方面，除医疗领域外，中国的专利申请规模均超过美国，特别是在机器人和制造两个领域专利优势明显。在专利申请强度方面，美国大幅度领先中国，中国专利质量仍有待提升。具体到应用场景来看，美国医疗领域人工智能专利规模和强度优势显著，中国机器人和制造领域人工智能专利申请实力具有一定的优势。 br/ /p p style=" text-align: center" img style=" max-width:100% max-height:100% " src=" https://img1.17img.cn/17img/images/201905/uepic/4ccb8ba2-bb21-4366-bd70-c1941763d2e6.jpg" title=" 12.jpg" alt=" 12.jpg" / /p p style=" text-align: center " 　 strong 　图 11 中国人工智能应用领域研发实力对比 /strong /p p 　　从应用场景融合的主要瓶颈来看。高质量数据缺乏、行业壁垒高、应用场景不清晰是当前人工智能与行业深度融合的主要瓶颈。从数据积累程度来看，汽车、医疗和机器人三个领域具备一定的数据优势，而家居和制造两个领域数据积累明显不足。从数据开放程度来看，汽车、教育和机器人三个领域数据开放程度较高，而医疗和制造两个领域数据开放程度相对较低。从场景介入壁垒来看，医疗、制造的行业壁垒较高，人工智能企业较难进入。 /p p br/ /p p img style=" width: 654px height: 344px " src=" https://img1.17img.cn/17img/images/201905/uepic/f565c015-ce97-4aac-833e-0b198b1b4f26.jpg" title=" 14.jpg" width=" 654" height=" 344" / /p p img style=" width: 655px height: 354px " src=" https://img1.17img.cn/17img/images/201905/uepic/e2406269-5aef-4a27-82ec-e7e09c9244ed.jpg" title=" 13.jpg" width=" 655" height=" 354" / /p p style=" text-align: center " 　　 strong 人工智能产业发展水平评价 /strong /p p 　　通过使能技术和应用场景融合情况评价，我们可以发现，人工智能整体发展仍处于初级阶段。从使能技术发展来看，深度学习已经成为当前主流的人工智能算法，是目前理论研究的重点方向 深度学习技术已处于成熟期，并越来越多地应用到各种实际场景中，也逐渐显现出一定的发展瓶颈 计算机视觉和语音交互尚处于技术应用初期，两项技术均开始在不同的场景中尝试应用落地 而文本处理仍处于技术爬坡期，技术进展缓慢。从应用融合来看，基于报告对应用场景发展阶段的划分，目前人工智能在汽车、医疗、家居、零售、机器人和安防行业处在融合的培育期，而在制造和教育行业仍处在融合的萌芽期。 /p p style=" text-align: center" img style=" max-width:100% max-height:100% " src=" https://img1.17img.cn/17img/images/201905/uepic/ed712604-8970-40d5-9286-4ecfbda3ff66.jpg" title=" 15.jpg" alt=" 15.jpg" / strong 人工智能产业发展研判与展望 /strong /p p strong 　　01 /strong /p p strong 　　使能技术 /strong /p p 　　语音交互。语音交互技术存在对大规模数据依赖性强，远场识别准确率低、复杂场景识别效果欠佳等技术瓶颈，特别是语义理解技术尚未真正突破严重制约着语音交互技术的规模化商用。语音交互下一步将重点提升在远场识别尤其是复杂环境下的识别率，而智能家居无疑仍然是语音交互技术应用探索的最佳场景。 /p p 　　文本处理。场景、学习和数据获取是文本处理技术面临的主要困难，增强学习、视觉语言融合、联合学习将是未来文本技术的主要突破方向。发展中的文本处理技术将率先渗透到数字化程度高、政策和社会性障碍低、个性化元素强的行业。 /p p 　　计算机视觉。计算机视觉的瓶颈在于复杂程度高、鲁棒性低、数据匮乏和算力成本过高。计算机视觉的发展重点在于利用非监督学习和迁移学习方法降低数据依赖，提升算法试用领域，并实现与文字、语音技术的深度融合。 /p p 　　深度学习。深度学习依赖于多层神经网络下的梯度下降和随之而来的大量参数不断优化，但是多层梯度下降后的结果是非线性的和非凹的，深度学习方法的有效性难以得到理论证明。未来深度学习的发展方向主要是对深度学习机制的理解和实际模型的借鉴性研究。 /p p strong 　　02 /strong /p p strong 　　应用场景融合 /strong /p p 　　AI+汽车。以无人驾驶为主导的智能汽车是人工智融合度较高的应用场景，传统的汽车行业将被新的技术和商业模式所革新。但智能汽车的发展依然面临着车辆软硬件技术、人工智能算法、以及政策和商业化不成熟等多重挑战。 /p p 　　AI+医疗。快速发展的智能医疗领域已经出现虚拟助手、辅助诊疗、智能影像、药物研发、精准医疗等多种新实践。底层医疗数据的数量质量参差不齐、复合人才体系缺乏、医疗行业应用场景磨合难度大、行业壁垒高等都制约着人工智能技术的深度应用。 /p p 　　AI+家居。人工智能与家居的融合是当前业界探索的重点。人工智能在交互、决策和服务三个层面优化、提升家居产品性能。产品价格高、用户隐私保障难、语音识别率低、互联互通难等是智能家居发展面临的主要挑战。 /p p 　　AI+零售。人工智能助力零售行业线上线下深度融合，并带来消费场景的进一步延伸，全面提升了用户消费体验。当前，基于应用场景的技术提升和可靠性存在挑战。另外，如何有效打通C端和B端是智能零售行业亟需解决的难题。 /p p 　　AI+机器人。人工智能推动机器人从机械化迈向智能化。智能机器人在工业和服务领域逐渐成为人类重要助手，如协助机器人、物流机器人及公共服务机器人等。但受制于人机交互、环境感知和机器学习等技术水平限制，目前机器人智能化程度依然较低。 /p p 　　AI+安防。人工智能在安防行业处于探索应用阶段。智能安防以算法、算力、数据作为发展的三大要素，在产品落地上主要体现在视频结构化、生物识别、物体特征识别三个方面。人工智能将推动安防行业逐渐向城市化、综合化和主动化方向发展。 /p p 　　AI+制造。人工智能从研发创新、质量控制、故障诊断、运营管理等多个方面，推动制造业转型升级，是实现智能制造的核心驱动力。然而制造业与人工智能的融合仍处于培育期。缺乏高质量行业数据、企业计算能力不足、通讯标准无法协调是实现人工智能与制造业深度融合的主要障碍。 /p p 　　AI+教育。人工智能技术应用于教育领域，可有效改善教、学、练、作业、测评、管理等多个环节，实现合理配置教育教学内容，科学实施因材施教。高质量的学习轨迹数据缺乏和技术本身尚未成熟，造成人工智能和教育领域的融合程度远落后于其他行业。 /p

p 　　如同蒸汽时代的蒸汽机、电气时代的发电机、信息时代的计算机和互联网，人工智能正成为推动人类进入智能时代的决定性力量。全球产业界充分认识到人工智能技术引领新一轮产业变革的重大意义，纷纷转型发展，抢滩布局人工智能创新生态。世界主要发达国家均把发展人工智能作为提升国家竞争力、维护国家安全的重大战略，力图在国际科技竞争中掌握主导权。习近平总书记在十九届中央政治局第九次集体学习时深刻指出，加快发展新一代人工智能是事关我国能否抓住新一轮科技革命和产业变革机遇的战略问题。错失一个机遇，就有可能错过整整一个时代。新一轮科技革命与产业变革已曙光可见，在这场关乎前途命运的大赛场上，我们必须抢抓机遇、奋起直追、力争超越。 /p p 　　 strong 概念与历程 /strong /p p 　　了解人工智能向何处去，首先要知道人工智能从何处来。1956年夏，麦卡锡、明斯基等科学家在美国达特茅斯学院开会研讨“如何用机器模拟人的智能”，首次提出“人工智能(Artificial Intelligence，简称AI)”这一概念，标志着人工智能学科的诞生。 /p p 　　人工智能是研究开发能够模拟、延伸和扩展人类智能的理论、方法、技术及应用系统的一门新的技术科学，研究目的是促使智能机器会听(语音识别、机器翻译等)、会看(图像识别、文字识别等)、会说(语音合成、人机对话等)、会思考(人机对弈、定理证明等)、会学习(机器学习、知识表示等)、会行动(机器人、自动驾驶汽车等)。 /p p 　　人工智能充满未知的探索道路曲折起伏。如何描述人工智能自1956年以来60余年的发展历程，学术界可谓仁者见仁、智者见智。我们将人工智能的发展历程划分为以下6个阶段： /p p 　　一是起步发展期：1956年—20世纪60年代初。人工智能概念提出后，相继取得了一批令人瞩目的研究成果，如机器定理证明、跳棋程序等，掀起人工智能发展的第一个高潮。 /p p 　　二是反思发展期：20世纪60年代—70年代初。人工智能发展初期的突破性进展大大提升了人们对人工智能的期望，人们开始尝试更具挑战性的任务，并提出了一些不切实际的研发目标。然而，接二连三的失败和预期目标的落空(例如，无法用机器证明两个连续函数之和还是连续函数、机器翻译闹出笑话等)，使人工智能的发展走入低谷。 /p p 　　三是应用发展期：20世纪70年代初—80年代中。20世纪70年代出现的专家系统模拟人类专家的知识和经验解决特定领域的问题，实现了人工智能从理论研究走向实际应用、从一般推理策略探讨转向运用专门知识的重大突破。专家系统在医疗、化学、地质等领域取得成功，推动人工智能走入应用发展的新高潮。 /p p 　　四是低迷发展期：20世纪80年代中—90年代中。随着人工智能的应用规模不断扩大，专家系统存在的应用领域狭窄、缺乏常识性知识、知识获取困难、推理方法单一、缺乏分布式功能、难以与现有数据库兼容等问题逐渐暴露出来。 /p p 　　五是稳步发展期：20世纪90年代中—2010年。由于网络技术特别是互联网技术的发展，加速了人工智能的创新研究，促使人工智能技术进一步走向实用化。1997年国际商业机器公司(简称IBM)深蓝超级计算机战胜了国际象棋世界冠军卡斯帕罗夫，2008年IBM提出“智慧地球”的概念。以上都是这一时期的标志性事件。 /p p 　　六是蓬勃发展期：2011年至今。随着大数据、云计算、互联网、物联网等信息技术的发展，泛在感知数据和图形处理器等计算平台推动以深度神经网络为代表的人工智能技术飞速发展，大幅跨越了科学与应用之间的“技术鸿沟”，诸如图像分类、语音识别、知识问答、人机对弈、无人驾驶等人工智能技术实现了从“不能用、不好用”到“可以用”的技术突破，迎来爆发式增长的新高潮。 /p p 　　 strong 现状与影响 /strong /p p 　　对于人工智能的发展现状，社会上存在一些“炒作”。比如说，认为人工智能系统的智能水平即将全面超越人类水平、30年内机器人将统治世界、人类将成为人工智能的奴隶，等等。这些有意无意的“炒作”和错误认识会给人工智能的发展带来不利影响。因此，制定人工智能发展的战略、方针和政策，首先要准确把握人工智能技术和产业发展的现状。 /p p 　　专用人工智能取得重要突破。从可应用性看，人工智能大体可分为专用人工智能和通用人工智能。面向特定任务(比如下围棋)的专用人工智能系统由于任务单一、需求明确、应用边界清晰、领域知识丰富、建模相对简单，形成了人工智能领域的单点突破，在局部智能水平的单项测试中可以超越人类智能。人工智能的近期进展主要集中在专用智能领域。例如，阿尔法狗(AlphaGo)在围棋比赛中战胜人类冠军，人工智能程序在大规模图像识别和人脸识别中达到了超越人类的水平，人工智能系统诊断皮肤癌达到专业医生水平。 /p p 　　通用人工智能尚处于起步阶段。人的大脑是一个通用的智能系统，能举一反三、融会贯通，可处理视觉、听觉、判断、推理、学习、思考、规划、设计等各类问题，可谓“一脑万用”。真正意义上完备的人工智能系统应该是一个通用的智能系统。目前，虽然专用人工智能领域已取得突破性进展，但是通用人工智能领域的研究与应用仍然任重而道远，人工智能总体发展水平仍处于起步阶段。当前的人工智能系统在信息感知、机器学习等“浅层智能”方面进步显著，但是在概念抽象和推理决策等“深层智能”方面的能力还很薄弱。总体上看，目前的人工智能系统可谓有智能没智慧、有智商没情商、会计算不会“算计”、有专才而无通才。因此，人工智能依旧存在明显的局限性，依然还有很多“不能”，与人类智慧还相差甚远。 /p p 　　人工智能创新创业如火如荼。全球产业界充分认识到人工智能技术引领新一轮产业变革的重大意义，纷纷调整发展战略。比如，谷歌在其2017年年度开发者大会上明确提出发展战略从“移动优先”转向“人工智能优先”，微软2017财年年报首次将人工智能作为公司发展愿景。人工智能领域处于创新创业的前沿。麦肯锡公司报告指出，2016年全球人工智能研发投入超300亿美元并处于高速增长阶段 全球知名风投调研机构CB Insights报告显示，2017年全球新成立人工智能创业公司1100家，人工智能领域共获得投资152亿美元，同比增长141%。 /p p 　　创新生态布局成为人工智能产业发展的战略高地。信息技术和产业的发展史，就是新老信息产业巨头抢滩布局信息产业创新生态的更替史。例如，传统信息产业代表企业有微软、英特尔、IBM、甲骨文等，互联网和移动互联网时代信息产业代表企业有谷歌、苹果、脸书、亚马逊、阿里巴巴、腾讯、百度等。人工智能创新生态包括纵向的数据平台、开源算法、计算芯片、基础软件、图形处理器等技术生态系统和横向的智能制造、智能医疗、智能安防、智能零售、智能家居等商业和应用生态系统。目前智能科技时代的信息产业格局还没有形成垄断，因此全球科技产业巨头都在积极推动人工智能技术生态的研发布局，全力抢占人工智能相关产业的制高点。 /p p 　　人工智能的社会影响日益凸显。一方面，人工智能作为新一轮科技革命和产业变革的核心力量，正在推动传统产业升级换代，驱动“无人经济”快速发展，在智能交通、智能家居、智能医疗等民生领域产生积极正面影响。另一方面，个人信息和隐私保护、人工智能创作内容的知识产权、人工智能系统可能存在的歧视和偏见、无人驾驶系统的交通法规、脑机接口和人机共生的科技伦理等问题已经显现出来，需要抓紧提供解决方案。 /p p 　　 strong 趋势与展望 /strong /p p 　　经过60多年的发展，人工智能在算法、算力(计算能力)和算料(数据)等“三算”方面取得了重要突破，正处于从“不能用”到“可以用”的技术拐点，但是距离“很好用”还有诸多瓶颈。那么在可以预见的未来，人工智能发展将会出现怎样的趋势与特征呢? /p p 　　从专用智能向通用智能发展。如何实现从专用人工智能向通用人工智能的跨越式发展，既是下一代人工智能发展的必然趋势，也是研究与应用领域的重大挑战。2016年10月，美国国家科学技术委员会发布《国家人工智能研究与发展战略计划》，提出在美国的人工智能中长期发展策略中要着重研究通用人工智能。阿尔法狗系统开发团队创始人戴密斯· 哈萨比斯提出朝着“创造解决世界上一切问题的通用人工智能”这一目标前进。微软在2017年成立了通用人工智能实验室，众多感知、学习、推理、自然语言理解等方面的科学家参与其中。 /p p 　　从人工智能向人机混合智能发展。借鉴脑科学和认知科学的研究成果是人工智能的一个重要研究方向。人机混合智能旨在将人的作用或认知模型引入到人工智能系统中，提升人工智能系统的性能，使人工智能成为人类智能的自然延伸和拓展，通过人机协同更加高效地解决复杂问题。在我国新一代人工智能规划和美国脑计划中，人机混合智能都是重要的研发方向。 /p p 　　从“人工+智能”向自主智能系统发展。当前人工智能领域的大量研究集中在深度学习，但是深度学习的局限是需要大量人工干预，比如人工设计深度神经网络模型、人工设定应用场景、人工采集和标注大量训练数据、用户需要人工适配智能系统等，非常费时费力。因此，科研人员开始关注减少人工干预的自主智能方法，提高机器智能对环境的自主学习能力。例如阿尔法狗系统的后续版本阿尔法元从零开始，通过自我对弈强化学习实现围棋、国际象棋、日本将棋的“通用棋类人工智能”。在人工智能系统的自动化设计方面，2017年谷歌提出的自动化学习系统(AutoML)试图通过自动创建机器学习系统降低人员成本。 /p p 　　人工智能将加速与其他学科领域交叉渗透。人工智能本身是一门综合性的前沿学科和高度交叉的复合型学科，研究范畴广泛而又异常复杂，其发展需要与计算机科学、数学、认知科学、神经科学和社会科学等学科深度融合。随着超分辨率光学成像、光遗传学调控、透明脑、体细胞克隆等技术的突破，脑与认知科学的发展开启了新时代，能够大规模、更精细解析智力的神经环路基础和机制，人工智能将进入生物启发的智能阶段，依赖于生物学、脑科学、生命科学和心理学等学科的发现，将机理变为可计算的模型，同时人工智能也会促进脑科学、认知科学、生命科学甚至化学、物理、天文学等传统科学的发展。 /p p 　　人工智能产业将蓬勃发展。随着人工智能技术的进一步成熟以及政府和产业界投入的日益增长，人工智能应用的云端化将不断加速，全球人工智能产业规模在未来10年将进入高速增长期。例如，2016年9月，咨询公司埃森哲发布报告指出，人工智能技术的应用将为经济发展注入新动力，可在现有基础上将劳动生产率提高40% 到2035年，美、日、英、德、法等12个发达国家的年均经济增长率可以翻一番。2018年麦肯锡公司的研究报告预测，到2030年，约70%的公司将采用至少一种形式的人工智能，人工智能新增经济规模将达到13万亿美元。 /p p 　　人工智能将推动人类进入普惠型智能社会。“人工智能+X”的创新模式将随着技术和产业的发展日趋成熟，对生产力和产业结构产生革命性影响，并推动人类进入普惠型智能社会。2017年国际数据公司IDC在《信息流引领人工智能新时代》白皮书中指出，未来5年人工智能将提升各行业运转效率。我国经济社会转型升级对人工智能有重大需求，在消费场景和行业应用的需求牵引下，需要打破人工智能的感知瓶颈、交互瓶颈和决策瓶颈，促进人工智能技术与社会各行各业的融合提升，建设若干标杆性的应用场景创新，实现低成本、高效益、广范围的普惠型智能社会。 /p p 　　人工智能领域的国际竞争将日益激烈。当前，人工智能领域的国际竞赛已经拉开帷幕，并且将日趋白热化。2018年4月，欧盟委员会计划2018—2020年在人工智能领域投资240亿美元 法国总统在2018年5月宣布《法国人工智能战略》，目的是迎接人工智能发展的新时代，使法国成为人工智能强国 2018年6月，日本《未来投资战略2018》重点推动物联网建设和人工智能的应用。世界军事强国也已逐步形成以加速发展智能化武器装备为核心的竞争态势，例如美国特朗普政府发布的首份《国防战略》报告即谋求通过人工智能等技术创新保持军事优势，确保美国打赢未来战争 俄罗斯2017年提出军工拥抱“智能化”，让导弹和无人机这样的“传统”兵器威力倍增。 /p p 　　人工智能的社会学将提上议程。为了确保人工智能的健康可持续发展，使其发展成果造福于民，需要从社会学的角度系统全面地研究人工智能对人类社会的影响，制定完善人工智能法律法规，规避可能的风险。2017年9月，联合国犯罪和司法研究所(UNICRI)决定在海牙成立第一个联合国人工智能和机器人中心，规范人工智能的发展。美国白宫多次组织人工智能领域法律法规问题的研讨会、咨询会。特斯拉等产业巨头牵头成立OpenAI等机构，旨在“以有利于整个人类的方式促进和发展友好的人工智能”。 /p p 　　 strong 态势与思考 /strong /p p 　　当前，我国人工智能发展的总体态势良好。但是我们也要清醒看到，我国人工智能发展存在过热和泡沫化风险，特别在基础研究、技术体系、应用生态、创新人才、法律规范等方面仍然存在不少值得重视的问题。总体而言，我国人工智能发展现状可以用“高度重视，态势喜人，差距不小，前景看好”来概括。 /p p 　　高度重视。党中央、国务院高度重视并大力支持发展人工智能。习近平总书记在党的十九大、2018年两院院士大会、全国网络安全和信息化工作会议、十九届中央政治局第九次集体学习等场合多次强调要加快推进新一代人工智能的发展。2017年7月，国务院发布《新一代人工智能发展规划》，将新一代人工智能放在国家战略层面进行部署，描绘了面向2030年的我国人工智能发展路线图，旨在构筑人工智能先发优势，把握新一轮科技革命战略主动。国家发改委、工信部、科技部、教育部等国家部委和北京、上海、广东、江苏、浙江等地方政府都推出了发展人工智能的鼓励政策。 /p p 　　态势喜人。据清华大学发布的《中国人工智能发展报告2018》统计，我国已成为全球人工智能投融资规模最大的国家，我国人工智能企业在人脸识别、语音识别、安防监控、智能音箱、智能家居等人工智能应用领域处于国际前列。根据2017年爱思唯尔文献数据库统计结果，我国在人工智能领域发表的论文数量已居世界第一。近两年，中国科学院大学、清华大学、北京大学等高校纷纷成立人工智能学院，2015年开始的中国人工智能大会已连续成功召开四届并且规模不断扩大。总体来说，我国人工智能领域的创新创业、教育科研活动非常活跃。 /p p 　　差距不小。目前我国在人工智能前沿理论创新方面总体上尚处于“跟跑”地位，大部分创新偏重于技术应用，在基础研究、原创成果、顶尖人才、技术生态、基础平台、标准规范等方面距离世界领先水平还存在明显差距。在全球人工智能人才700强中，中国虽然入选人数名列第二，但远远低于约占总量一半的美国。2018年市场研究顾问公司Compass Intelligence对全球100多家人工智能计算芯片企业进行了排名，我国没有一家企业进入前十。另外，我国人工智能开源社区和技术生态布局相对滞后，技术平台建设力度有待加强，国际影响力有待提高。我国参与制定人工智能国际标准的积极性和力度不够，国内标准制定和实施也较为滞后。我国对人工智能可能产生的社会影响还缺少深度分析，制定完善人工智能相关法律法规的进程需要加快。 /p p 　　前景看好。我国发展人工智能具有市场规模、应用场景、数据资源、人力资源、智能手机普及、资金投入、国家政策支持等多方面的综合优势，人工智能发展前景看好。全球顶尖管理咨询公司埃森哲于2017年发布的《人工智能：助力中国经济增长》报告显示，到2035年人工智能有望推动中国劳动生产率提高27%。我国发布的《新一代人工智能发展规划》提出，到2030年人工智能核心产业规模超过1万亿元，带动相关产业规模超过10万亿元。在我国未来的发展征程中，“智能红利”将有望弥补人口红利的不足。 /p p 　　当前是我国加强人工智能布局、收获人工智能红利、引领智能时代的重大历史机遇期，如何在人工智能蓬勃发展的浪潮中选择好中国路径、抢抓中国机遇、展现中国智慧等，需要深入思考。 /p p 　　树立理性务实的发展理念。任何事物的发展不可能一直处于高位，有高潮必有低谷，这是客观规律。实现机器在任意现实环境的自主智能和通用智能，仍然需要中长期理论和技术积累，并且人工智能对工业、交通、医疗等传统领域的渗透和融合是个长期过程，很难一蹴而就。因此，发展人工智能要充分考虑到人工智能技术的局限性，充分认识到人工智能重塑传统产业的长期性和艰巨性，理性分析人工智能发展需求，理性设定人工智能发展目标，理性选择人工智能发展路径，务实推进人工智能发展举措，只有这样才能确保人工智能健康可持续发展。 /p p 　　重视固本强基的原创研究。人工智能前沿基础理论是人工智能技术突破、行业革新、产业化推进的基石。面临发展的临界点，要想取得最终的话语权，必须在人工智能基础理论和前沿技术方面取得重大突破。我们要按照习近平总书记提出的支持科学家勇闯人工智能科技前沿“无人区”的要求，努力在人工智能发展方向和理论、方法、工具、系统等方面取得变革性、颠覆性突破，形成具有国际影响力的人工智能原创理论体系，为构建我国自主可控的人工智能技术创新生态提供领先跨越的理论支撑。 /p p 　　构建自主可控的创新生态。我国人工智能开源社区和技术创新生态布局相对滞后，技术平台建设力度有待加强。我们要以问题为导向，主攻关键核心技术，加快建立新一代人工智能关键共性技术体系，全面增强人工智能科技创新能力，确保人工智能关键核心技术牢牢掌握在自己手里。要着力防范人工智能时代“空心化”风险，系统布局并重点发展人工智能领域的“新核高基”：“新”指新型开放创新生态，如产学研融合等 “核”指核心关键技术与器件，如先进机器学习技术、鲁棒模式识别技术、低功耗智能计算芯片等 “高”指高端综合应用系统与平台，如机器学习软硬件平台、大型数据平台等 “基”指具有重大原创意义和技术带动性的基础理论与方法，如脑机接口、类脑智能等。同时，我们要重视人工智能技术标准的建设、产品性能与系统安全的测试。特别是我国在人工智能技术应用方面走在世界前列，在人工智能国际标准制定方面应当掌握话语权，并通过实施标准加速人工智能驱动经济社会转型升级的进程。 /p p 　　推动共担共享的全球治理。目前看，发达国家通过人工智能技术创新掌控了产业链上游资源，难以逾越的技术鸿沟和产业壁垒有可能进一步拉大发达国家和发展中国家的生产力发展水平差距。在发展中国家中，我国有望成为全球人工智能竞争中的领跑者，应布局构建开放共享、质优价廉、普惠全球的人工智能技术和应用平台，配合“一带一路”建设，让“智能红利”助推共建人类命运共同体。 /p p br/ /p

美国明尼苏达大学双城分校科学家开发出一种新型超导二极管，该器件更节能，可一次处理多个电信号，还包含一系列控制能量流动的门，而此前的超导二极管不具备这一功能。新型超导二极管有助扩大量子计算机的规模，提高人工智能（AI）系统的性能。相关论文发表于最新一期《自然通讯》杂志。新型超导二极管。图片来源：明尼苏达大学双城分校论文资深作者、物理与天文学院副教授弗拉德普瑞比格指出，科学家希望使计算机变得更强大，但目前的材料和制造方法很快会出现一些硬件上的瓶颈，因此需要新方法来开发计算机，目前提高计算能力的最大挑战之一是其耗能太高。二极管通常由半导体制成，但科学家一直希望用超导体制造二极管，因为超导体能在不损失能量的情况下工作。在最新研究中，普瑞比格团队使用3个约瑟夫逊结制造出了新超导二极管。这些约瑟夫逊结通过将非超导材料夹在超导体之间制成，随后他们让超导体与半导体层相连，这一独特设计使他们能用电压控制设备的行为。结果显示，该设备能够处理多个信号输入，而典型的二极管只能处理一个输入和一个输出。这一功能可应用于神经形态计算，这种计算通过模仿神经元在大脑中的功能来提高AI系统的性能。研究团队表示，该设备接近有史以来最高能效，而且他们首次证明了可添加门并施加电场来获得这些特性。新设计不仅所用材料更适合工业生产制造，还提供了新功能，原则上适用于任何类型的超导体，并有助于促进量子计算机的开发。

p style=" text-indent: 2em " 当前，人工智能已成为引领未来的战略性技术。近日，《Nature》杂志对中国的人工智能发展现状进行了题为“ strong Will China lead the world in AI by 2030? /strong ”的报道。报道中提到，中国的人工智能研究质量越来越高，在高影响力论文、人才和治理方面都在追赶美国。 /p p style=" text-align: center" img style=" max-width:100% max-height:100% " src=" https://img1.17img.cn/17img/images/201908/uepic/fa58bc4c-a0cc-4632-a6a4-cef4a62834cb.jpg" title=" 2_副本.png" alt=" 2_副本.png" / /p p style=" text-indent: 2em " strong 2017年，中国发布了“下一代人工智能发展计划”，计划最终2030年成为人工智能领域的全球领导者，国内人工智能产业价值近1500亿美元，该计划的第一步是到2020年赶上美国的人工智能技术和应用 /strong 。这当中包括对基础研究做出重大贡献、成为全球最聪明人才青睐的目的地，以及拥有一个可与该领域全球领导者相匹敌的人工智能产业。这一计划的颁布，也刺激了众多政策的出台，以及来自部委、省级政府和私营企业的数十亿美元研发投资。 /p p style=" text-indent: 2em " 随着2020年的临近，研究人员注意到中国人工智能研究的质量出现了令人印象深刻的飞跃。而且中国留住本土人才的能力正在发生转变。Paulson Institute人工智能分析师Joy Dantong Ma表示：“如果美国失去开放优势，那么这个国家就有可能把人工智能人才重新推回到其他国家的怀抱“。 /p p style=" text-indent: 2em " strong 人工智能被视为“经济转型的关键推动力”，有望在医疗、交通和通信领域取得巨大突破 /strong ，而率先在该领域抢占先机的国家可能会决定其未来的发展方向，并从中获得最大的利益。 /p p style=" text-indent: 2em " “毫无疑问，中国将人工智能视为这个时代的关键技术之一，并希望与美国匹敌。”英国牛津大学人类未来研究所(Future of Humanity Institute)研究中国人工智能发展的Jeffrey Ding表示。 /p p style=" text-indent: 2em " span style=" color: rgb(84, 141, 212) " strong 学术影响力日益增强 /strong /span /p p style=" text-indent: 2em " 2019年，一项对学术搜索引擎-微软学术(Microsoft Academic)收录的人工智能论文的分析显示， strong 中国有影响力的人工智能研究论文的数量将很快超过美国 /strong 。这项由位于华盛顿西雅图的艾伦人工智能研究所(Allen Institute for Artificial Intelligence)进行的分析发现，在被引用最多的前10%的论文中，中国的作者比例稳步上升。其份额在2018年达到了26.5%的峰值，与美国的29%相差不远，而美国的份额正在下降。如果这一趋势持续下去，中国明年在这方面可能会超过美国。 /p p style=" text-align: center" img style=" max-width:100% max-height:100% " src=" https://img1.17img.cn/17img/images/201908/uepic/ba259647-2be8-4efc-b9d2-895749d2d120.jpg" title=" 3_副本.png" alt=" 3_副本.png" / /p p style=" text-indent: 2em " span style=" color: rgb(84, 141, 212) " strong 算法软肋如何破？ /strong /span /p p style=" text-indent: 2em " 西安交通大学人工智能与机器人研究所所长郑南宁表示，中国在计算机视觉、语音识别和自然语言处理方面也拥有世界领先的公司，包括SenseTime、Unisound、科大讯飞和Face++。但在打造人工智能的核心技术工具方面，中国仍然落后。例如，由美国学者和企业开发的开源平台TensorFlow和Caffe，就在世界各地的工业和学术界得到了广泛的应用。作为中国百度公司开发的主要开源平台之一，paddleblade主要用于人工智能产品的快速开发。 /p p style=" text-indent: 2em " 但他同时也指出，全球领先的人工智能半导体芯片大多由英伟达(Nvidia)、英特尔(Intel)、苹果(Apple)、谷歌和高级微设备(Advanced Micro Devices)等美国公司制造。我们在设计支持先进人工智能系统的计算芯片方面也缺乏专业知识。据他预测， strong 中国可能需要5-10年的时间才能达到美国和英国在基础理论和算法方面的创新水平 /strong strong ， /strong strong 但这是可以实现的 /strong 。 /p p style=" text-indent: 2em " 柏林智库墨卡托中国研究所(Mercator Institute for China Studies)政治学家Kristin Shi-Kupfer表示，为这些基本理论和技术做出贡献，将是中国实现其长期人工智能目标的关键。如果在机器学习方面没有取得真正突破的研究进展，中国在人工智能领域可能会面临一个增长上限。 /p p style=" text-indent: 2em " 纽约研究公司CB Insights的数据显示， strong 中国至少还有10家估值超过10亿美元的私营人工智能初创企业 /strong ，其中包括人脸识别公司SenseTime。Ding表示，腾讯、百度和阿里巴巴这三家核心科技公司日益增长的市场份额，中国到2020年拥有全球领先的人工智能公司的计划有望实现。但他也指出:“这些公司已成为人工智能领域的全球领导者，但仍未达到谷歌和微软(Microsoft)等美国公司的水平。” /p p style=" text-indent: 2em " span style=" color: rgb(84, 141, 212) " strong 留住人才是关键 /strong /span /p p style=" text-indent: 2em " 同样重要的一个因素是留住有才华的研究人员的能力，而中国在这方面似乎做的更好。根据学术界和工业界联合撰写的2018年《中国人工智能发展报告》(2018 China AI Development Report)，截至2017年底，中国拥有全球第二大人工智能科学家和工程师群体，约1.82万人，仅次于美国的约2.9万人。但在顶尖人工智能研究人员的数量上，中国仅排在第六位。 /p p style=" text-align: center" img style=" max-width:100% max-height:100% " src=" https://img1.17img.cn/17img/images/201908/uepic/147cfc3c-7670-4fba-a28f-6773180a3da4.jpg" title=" 4_副本.png" alt=" 4_副本.png" / /p p style=" text-indent: 2em " 计算机科学家通常在美国接受培训，然后留在那里为全球科技公司工作。然而，有迹象表明，这一情况正在发生转变。 strong 中国的人工智能研究机构正吸引其中一些研究人员回国 /strong 。 /p p style=" text-align: center" img style=" max-width:100% max-height:100% " src=" https://img1.17img.cn/17img/images/201908/uepic/1c4687c4-cd54-496d-9105-e414582d2e46.jpg" title=" 5_副本.png" alt=" 5_副本.png" / /p p style=" text-indent: 2em " 中国的一大优势是其人口规模，这为训练人工智能系统创造了巨大的潜在劳动力和独特的机会，包括用于训练预测疾病的软件的大型患者数据集。今年2月，中国研究人员表示， strong 他们的自然语言处理系统能够从电子健康记录中诊断出常见的儿童疾病，其准确性堪比经验丰富的儿科医生 /strong 。 /p p style=" text-indent: 2em " 具体来说，广州市妇女儿童医疗中心夏慧敏教授、加州大学圣地亚哥分校张康教授等领衔的团队与人工智能公司依图科技合作，报告了一种人工智能疾病诊断系统，该系统使用基于机器学习的自然语言处理技术，在50多种常见儿童疾病中的诊断准确度高达90%，这远高于初级儿科医生。此外值得注意的是，该项研究收集了2016年1月~2017年7月该院56.7万名患者的136万次门诊电子病历。在许多其他国家，获取这么多数据是很困难的。 /p p style=" text-indent: 2em " strong span style=" color: rgb(84, 141, 212) " 发展负责任的人工智能 /span /strong /p p style=" text-indent: 2em " 为促进新一代人工智能健康发展，需要更好协调发展与治理的关系，确保人工智能安全可靠可控。与许多国家一样，中国已经开始为人类开发和使用人工智能制定伦理原则。今年6月，国家新一代人工智能治理专业委员会发布《新一代人工智能治理原则——发展负责任的人工智能》， strong 提出了人工智能治理的框架和行动指南，明确提出和谐友好、公平公正、包容共享、尊重隐私、安全可控、共担责任、开放协作、敏捷治理等八项原则。 /strong /p p style=" text-indent: 2em " 此外，所有群体都面临的一个关键挑战是算法决策的透明度。但这方面没有达成一致的标准，因此，中国和许多国家一样，仍在研究如何推进这一进程。Ma说，欧盟的《通用数据保护条例》(General Data Protection Regulation)是良好的人工智能治理的一个例子。 /p p style=" text-indent: 2em " strong 2030年，中国能否成为人工智能的世界领导者？一切交给时间 /strong 。 /p p br/ /p

p 　　在5月初谷歌(GOOG, Google)大型开发者大会上，首席执行官桑达尔· 皮查伊(Sundar Pichai)上台，详细阐述了其最新的人工智能研究有朝一日将如何帮助医生发现心脏病。此外，人工智能系统对心脏病的判断是基于对患者视网膜的扫描——一种已知的为人们的心脏健康提供线索的方法——几乎和传统的血液测试一样准确。 /p p 　　 strong 一个人工智能的心脏测试 /strong /p p 　　“在我看来，这显然是医学的下一个自然步骤，”约翰· 霍普金斯医学院奥斯勒医学培训项目主任桑杰· 德赛博士说。 /p p 　　谷歌的视力测试使用了一种名为机器学习的人工智能，它试图教计算机系统如何通过将大量数据输入到算法中来做出决策。 /p p 　　为了做到这一点，谷歌给它的算法图像提供了正常视网膜和那些有心脏病迹象的人的图像，这是一种叫做计算机视觉的方法。在训练算法之后，它能够查看视网膜的个别图像，并确定这些图像是属于健康的患者还是可能患有心脏病的患者。 /p p 　　 strong 糖尿病视网膜病变可通过计算机视觉技术识别。 /strong /p p 　　谷歌之前曾使用机器学习来证明它可以识别有糖尿病视网膜病变风险的个体，如果不进行治疗，这种疾病会导致不可逆的失明。在训练了算法之后，这个搜索巨人说，它的机器学习系统在识别疾病症状方面和训练有素的眼科医生一样准确。 /p p 　　 strong 另一种机器学习算法识别乳腺组织中的肿瘤。 /strong /p p 　　计算机视觉技术在成像方面非常有用，但它远不是研究人员在医学领域使用人工智能的唯一方法。 /p p 　　在斯坦福大学医学院,乔什· 诺尔斯博士是使用病人的电子健康记录(EHRs)来识别之前未被诊断出患有家族性高胆固醇血症(FH),遗传心脏病影响1 250人,结果在一个高的机会早发性心脏病和心脏病如果不及时治疗。据诺尔斯说，美国大约有100万人患有FH，但只有10%的人被确诊。 /p p 　　乔什· 诺尔斯博士正在帮助使用人工智能和机器学习来识别潜在的心脏病人。(资料来源:Norbert von der Groeben/斯坦福医学院) /p p 　　“这个项目背后的想法是，我们知道有很多FH患者还没有被诊断出来。”但如果我们找到了它们，我们就可以治疗它们。 /p p 　　FH是一种常染色体显性疾病，这意味着如果你有FH，你就从父母那里继承了它，可以传给你的孩子。因此，确定一个病人可以让医生帮助多个家庭成员。 /p p 　　为了确定某人是否患有FH，诺尔斯说，斯坦福大学的研究人员将所有患有和没有FH的患者的医疗记录，包括文本记录、处方、诊断测试和药物，输入一个分类算法，利用这些数据识别出与FH患者一致的模式。 /p p 　　“这就像你的电子邮件系统学习垃圾邮件一样，”诺尔斯解释道。“你给它看一堆垃圾邮件的例子，它就知道垃圾邮件是什么。 /p

1999年，18岁的上海人张辉考入中国科学技术大学物理系，本科期间曾跟随中国科学院院士郭光灿完成了关于量子不可克隆的研究。2003年，张辉保研到中科院量子信息重点实验室硕博连读，继续师从郭光灿，从事量子相关科研工作，并成为国内第一个半导体量子计算的博士。然而，彼时的量子技术仍只是实验室中的项目，尚未走向商用。毕业后，张辉一度找不到一份专业对口的工作。直到2009年，中国科学院院士潘建伟团队成立国内第一家量子通信产业化公司，量子技术逐渐从实验室走出来，转化为实实在在的应用。此后，一批量子信息企业相继从合肥涌现，量子领域的产业化开始加速。2017年9月，本源量子计算科技（合肥）股份有限公司成立，张辉也回到合肥，重归老本行，如今成了总经理。除他以外，许多中科院量子信息重点实验室的早期毕业生也陆续回归。在张辉和研发团队的共同努力下，本源量子已发展成国内头部的量子计算企业，研发出多台量子计算机，并成功交付使用。本源量子已研发出多台量子计算机，并成功交付使用近年来，合肥正在打造“量子之都”。数据显示，合肥高新区直接从事量子领域的科研人员超过600人，合肥市量子信息产业相关专利占全国的12.1%，仅次于北京，位居全国第二。还有投资人直言：“做量子领域的投资之前，必须得逛逛合肥的‘量子大道’和中科大。”为什么是合肥？记者试图在与张辉的对话中寻找答案。“毕业就失业”“遇事不决，量子力学。”这句网络热梗曾被用来调侃量子科学。对张辉来说，从事量子领域的科研学习，也颇有种冥冥中注定的玄学意味。张辉开玩笑：“当时保研选择半导体量子计算方向，因为实验室项目经费最充足，看起来最有前途。”当时，国内的量子计算相关研究刚刚起步。张辉到中科院量子信息重点实验室的第一件事，就是和导师团队一起组建实验室，包括搭建平台和实验设施等。张辉记得，实验室大到挖坑埋设备，小到在铝质屏蔽盒上打孔，几乎都由他们手工完成。“我们那一批人，动手能力都很强。不过，我们真正参与科学研究的时间比较短，很多实验都没有过多参与。”张辉说。好不容易搭完了平台，他又开始愁起了毕业。做实验需要的周期很长，也有可能会失败，还会导致延期毕业，为此他只好转向理论研究。好在，那时候很多相关领域都是一片空白，张辉很快就发表了几篇论文并顺利毕业。回过头看，张辉认为，这可能是早期国内量子计算难以跨步向前的症结所在。当时的量子计算还停留在实验室阶段，很多研究者都面临毕业的压力以及转行或科研“二选一”的抉择，不少科研成果难以传承。张辉给记者解释：“比如，‘前浪’做了五六年研究就毕业了，‘后浪’又要从头再来，那时候我们实验室的工艺技术就一直停留在那个五六年的水平。研究成果缺少延续性，很难向前进。”张辉在工作中。受访者供图没想到，毕业难只是第一道坎。由于当时国内尚没有一家量子计算企业，甚至在实验室所在的合肥，张辉也找不到一份专业对口的工作。张辉回忆：“我们这些早期的毕业生，除了极个别的留在实验室继续做科研，其他人基本毕业就失业了。”毕业后，张辉回到老家上海，放下量子计算博士的光环，进入了某园区的招商部门，从零开始，接触金融服务投资等。等张辉再回到合肥，已过去将近10年。在此期间，合肥发展在加速，中科大对合肥的反哺效应逐渐显现。在张辉熟悉的量子领域，全球量子领域的顶尖科学家，几乎全部出自中科大，并涌现出全球首颗量子通信卫星“墨子号”、全球首台光量子计算机、全球首条量子保密通信网络“京沪干线”等一批重大成果。同时，量子技术逐渐从实验室走向产业应用，国盾量子、国仪量子、本源量子等多家拥有量子核心科技的企业相继在合肥成立。其中，本源量子脱胎于张辉曾就读的中科院量子信息重点实验室，由郭光灿和他的学生郭国平联合创立，是国内第一家量子计算公司。2017年，张辉以“编外人员”的身份，帮助本源量子处理融资事宜。两年后，他正式入职，先担任公司副总裁、行政与人力资源总监，负责企业的日常运营管理和相关人才招募，后任职总经理，全面统筹量子计算工程化研发、项目规划等工作。量子计算火了记者在办公室见到张辉时，他正在打电话。通话结束后，他边整理有些褶皱的衬衫边连连表示歉意：“实在不好意思，公司最近有点忙。”采访期间，他接了5次电话，两部调成振动模式的工作手机时不时会收到消息提醒。张辉感觉到，量子计算真的火了。然而，就在几年前，形势还是另一幅光景。当时，尽管市场上已成立了不少应用量子技术的公司，但大部分人对此几乎一无所知。张辉决定入职本源量子的选择，遭到了家人的一致反对。“我之前在企业已经做到管理层，收入不低，来这里的收入可能只有之前的1/3。再加上刚毕业的时候差点找不到工作，还要背井离乡，家里人都不理解。但我始终觉得，这是个好机会。”张辉说。投资人也不了解。创立本源量子之前，郭光灿、郭国平曾接触过一些国内领先的科技企业，但这些企业普遍认为量子时代还很遥远，无一愿意在当时就提前布局。转机出现在2019年。2019年9月，谷歌宣布率先实现“量子霸权”，他们研发的“悬铃木”量子计算原型机，可以在200秒内完成百万量子采样，而美国最快的“顶点”超级计算机需要1万年才能模拟完成。这一下子引爆了当时的科技圈。张辉记得，当天晚上，他就接到好多投资人的电话，还有人直截了当地问：“你们的量子计算机什么时候能造出来？”一年后，本源量子推出国内首个工程化的量子计算机——本源悟源超导量子计算机，而且在众多关键技术领域实现了国产自主研发。同年，本源量子还发布了超导量子计算云平台和量子计算机操作系统等。作为一家致力于量子计算全链条开发的企业，本源量子已成功完成多台量子计算机工程化研制，正发力量子芯片设计与生产制造链，还开发出国产自主知识产权量子芯片工业设计软件、量子芯片激光退火仪、量子芯片无损探针仪等量子芯片工业母机。工作人员正在调试量子计算机有硬核科技的加持，再加上量子赛道的火爆，张辉笑着说，近年来，只要坐在办公室里，就有各类资本主动找上门，还有不少政府部门来考察调研，商讨研究产业政策，帮企业解决实际困难。去年8月，本源量子宣布完成近10亿元B轮融资，刷新全球量子计算企业融资纪录，未来将用于更高位数量子计算机的研制、量子计算应用的落地推广。本源量子的成长轨迹也是量子行业从无到有的发展缩影。2021年，“量子信息”首次出现在“十四五”规划及政府工作报告中，国家在量子通信、量子计算、量子测量等量子信息科学重点领域的投入将持续增加，并将大力支持相关企业的发展。市场资本也持续涌入，数据显示，2022年全球量子信息公司共完成23.5亿美元以上的融资，超过2021年，相比2020年实现翻番。未来还有多远？今年春节，《流浪地球2》上映。电影中，以MOSS为代表的“550系列量子计算机”拥有顶尖算力，可以调动全球计算资源，控制太空电梯、行星发动机的运行等。张辉表示，在可见的未来，量子计算机将为金融交易、药物研发、新材料设计、航空航天、机械制造等领域提供“量子算力”支持，这些都是经典计算无法超越的。对很多人来说，MOSS的形象可能是他们第一次对量子计算机有直观印象。2月6日，本源量子宣布其4台量子计算机首次向社会开放参观活动后，受到广泛关注。不到5天时间，预约报名超过2000人，开放的参观名额仅为30人。张辉觉得，推动量子计算这一前沿技术的普及，相应的科普必不可少，“要让更多人对量子计算产生兴趣并参与进来”。此前，他们在合肥落成了本源量子计算体验中心，并携手广东德美、容山中学共同探索量子计算教育在中小学校园的实践。从2021年开始，教育部正式把量子信息学科加入本科生教育，旨在加快量子领域人才梯队培养。3年前，张辉和同事筹办量子计算编程比赛，计划邀请国内外知名的高校和相关团队参加。“当时根本搞不起来。一共就只有20多支队伍，大家互相之间都认识。”张辉苦笑。去年，姗姗来迟的首届量子计算编程挑战赛终于开赛，吸引到约700支队伍参赛。今年4月，第二届比赛举办，参赛队伍超过800支，还分设了高校组和专业组两个赛道。除量子计算机外，本源量子还自主研发出国内首个量子计算机操作系统。越来越多的人才、资本流向量子赛道，带动的是整个产业的蓬勃发展。比如，聚焦量子计算全产业链开发，本源量子在量子计算机的工程之路上“沿途下蛋”，催生出一大批原创性成果，并推动了量子计算产业联盟的成立。张辉的设想是，通过产业联盟集聚起包括计算科技、机器学习、人工智能等在内的上下游企业，加速量子计算技术开发，探索量子计算应用落地，共同建立和拓展量子计算产业生态圈。这也是合肥乃至安徽的雄心。早在2017年，安徽省就专设总规模100亿元的量子科学产业发展基金，并设立墨子量子科技基金等。如今，依托中科大的人才优势和众多量子信息头部企业的聚合优势，合肥正成为量子产业发展的高地。这些年，张辉和不少地方政府打过交道，但相比而言，合肥提供的政策落地性更强，规划也更为长远。未来，合肥还将规划建设覆盖全产业链的量子科技产业园。接下来，本源量子即将发布最新量子计算机“悟空”，同时将开启新一轮融资。对张辉来说，他和量子计算的故事，还有更多可书写的篇章。

p 　　2018年人工智能技术已在多方面实现突破进展，国内外的科技公司都在不断尝试将人工智能应用于更多领域，不论科技巨头还是初创企业，都在致力于不断创新，推动技术进步。 /p p 　　1基于神经网络的机器翻译 /p p 　　入选理由：翻译是“自然语言处理”的最重要分支，也是比较难的一支。曾经，机器翻译被我们调侃为 “低级翻译”，而如今神经网络的机器翻译准确性大大提高，堪比专业人工翻译。例如谷歌翻译、微软语音翻译以及搜狗语音识别等都是基于此项技术。 /p p 　　技术突破：机器翻译其技术核心是一个拥有海量结点的深度神经网络，可以自动的从语料库中学习翻译知识。人类大脑处理语言的过程毫无疑问是最为复杂的认知过程之一，曾经很多人都认为机器翻译根本不可能达到人类翻译的水平。2006年，科学家提出了神经网络的深度学习算法，使至少具有7层的神经网络训练成为可能。由于能够比较好地模拟人脑神经元多层深度传递的过程，在解决一些复杂问题的时候有着非常明显的突破性。2018年3月，微软宣布其研发的机器翻译系统首次在通用新闻的汉译英上达到了人类专业水平，实现了自然语言处理的又一里程碑突破，将机器翻译超越人类业余译者的时间，提前了整整7年。 /p p 　　2、基于多传感器跨界融合的机器人自主导航 /p p 　　入选理由：机器人的终极目标是为人类提供智能化的服务，其中自主导航是近年来人类一直想要攻克的技术壁垒，臻迪(PowerVision)通过声呐、视觉等多传感器融合，使其水下机器人能实现自主导航及智能识别，在智能机器人领域内取得了突破性进展。 /p p 　　技术突破：随着机器人的应用场景及作业任务越来越复杂，单一传感器难以满足应用需求。而多传感器的信息融合对硬件资源依赖程度比较高。臻迪(PowerVision)基于自身在机器人行业多年所积累的各类传感器、惯性导航、运动控制、相机、视觉检测/识别、SLAM等核心技术，以及深度学习的深入研究，通过嵌入式端一体化，集成平台的系统架构及优化设计，突破了移动平台硬件资源的限制，使水下机器人更加准确、智能、全面地感知目标，并具备对水下目标进行锁定、检测、识别、跟随的能力。 /p p 　　3、DuerOS对话式人工智能系统 /p p 　　入选理由：DuerOS3.0能够为用户带来了划时代的自然对话交互，包括情感语音播报、声纹识别等能力在内的自然语言交互技术的全面升级。 /p p 　　技术突破：DuerOS是百度秘书事业部研发的对话式AI操作系统，拥有10大类目的250多项技能。DuerOS包括了从语音识别到语音播报，再到屏幕显示的一个完整交互流程，以及背后支撑交互的自然语言理解、对话状态控制、自然语言生成、搜索等等核心技术，这些技术支撑着应用层和能力层的实现。2018年7月4日，最新的DuerOS 3.0正式发布，使赋能的产品能够实现语音多轮纠错，进行复杂的递进意图识别与带逻辑的条件意图识别，从而更加准确判断用户意图，最终实现功能升级，利用扩展特征理解用户行为。基于此，DuerOS3.0提供了包括有屏设备解决方案、蓝牙设备解决方案和行业解决方案等在内超过20个跨场景、跨设备的解决方案。 /p p 　　4、移动AR技术 /p p 　　入选理由：未来AR与AI需要相互加持，可以将AR比喻成AI的眼睛。增强现实技术包含了多媒体、三维建模、实时视频显示及控制、多传感器融合、实时跟踪及注册、场景融合等新技术与新手段，为人类感知信息提供了新的方式。 /p p 　　技术突破：集成了众多计算机科技和图形图像学技术，包括实时渲染技术、空间定位追踪、图像识别、人机交互、显示技术、云端存储、数据传输、内容开发工具等领域。AR技术不仅展现了真实世界的信息，而且将虚拟的信息同时显示出来，两种信息相互补充、叠加。在视觉化的增强现实中，用户利用头戴显示器，把真实世界与电脑图形重叠在一起，便可以看到真实的世界围绕着它。 /p p 　　5、生物特征识别技术 /p p 　　入选理由：行为识别技术应用于安防，为安全又上了一道锁。 /p p 　　技术突破：店铺安装摄像头已经是一件非常普遍的行为，但普通的摄像头只能纪录店铺内人们的行为，如果发现盗窃需要通过观看监控记录人工排查，耗时费力。比如日本电信巨头NTT宣布研发出一款名为“AI Guardman”的新型人工智能安全摄像头，来帮助店家抓扒手。这款监视器系统，可以即时扫描影像串流、估测影像中的人物肢体动作，然后将这些数据与预设的“可疑”行为相比，发现潜在的商店扒手，如果发现可疑行为，系统就会透过App通知店家。 /p p 　　6、机器人流程自动化 /p p 　　入选理由：机器人流程自动化能够帮助甚至代替人类负担大量简单且单一、重复而繁琐的工作，并且具有高效性。 /p p 　　技术突破：机器人流程自动化(RPA)是通过使用高性能认知技术实现业务的自动化和工作的效率。人类只需在操作界面上编写需要人工完成的工作流程，即可处理各种业务。Gartner数据显示，在过去的一年中，全球范围中大型商业巨头里有300家陆陆续开展了RPA工程，将原先手工化的流程进行自动化改革。随着科技的进步RPA将融入更多人工智能技术，即智能流程自动化(Intelligent Process Automation)。相当于在基于规则的自动化基础(RPA)之上增加基于深度学习和认知技术的推理、判断、决策能力。 /p p 　　7、微软小冰，会作词作曲演唱的人工智能的诞生 /p p 　　入选理由：简单粗暴的早期市场，“使人工智能系统变得有用”是吸引用户的唯一出路。而会学习、工作的人类社会人工智能少女显然满足这个需求。 /p p 　　技术突破：在微软2018人工智能大会上，微软(亚洲)互联网工程研究院副院长李笛曾经分享到，现在多数用户跟语音助手交互的时间其实不超过5秒，一般就是让语音助手去执行一项命令，这样的语音助手其实只是像语音化了的遥控器。但是，小冰的团队希望语音助手能做更多的事，比如走到比较后端，去提供内容。在文字创作这一部分，小冰一开始学写诗，现在已经迭代出了创作歌词的模型。在声音创作方面，小冰除了唱歌以外，还会创作有声读物。在大会之前，小冰就已经出了一本诗集《阳光失了玻璃窗》，小冰写诗的功能已经全面开放，正在筹备的第二本诗集将是与人合作完成，小冰能很快速生成一些原始诗歌内容，创作者可以进行修改和完善，最后的成果属于创作者，因为小冰已经完全放弃其创作的内容的版权。 /p p 　　8、“睿米”神经外科手术机器人亮相 /p p 　　入选理由：在现在这个“生病已是常态”的社会，大数据在医疗领域哪怕一点点的突破都足以所有人瞩目，2018年8月15日世界机器人大会上，北京柏惠维康科技有限公司“睿米”神经外科手术机器人亮相世界机器人大会，我们对医疗机器人又多了一份信心。 /p p 　　技术突破：“睿米”神经外科手术机器人已经成功开展了包含颅内活检，DBS，血肿抽吸，SEEG，核团毁损，导航等其他各类神经外科手术，其精准性，简易性，有效性及微创性获得专家的认可。“睿米”神经外科手术机器人由计算机及软件系统、机械臂、摄像头三部分组成：计算机及软件系统(手术规划软件)负责合成患者头颅的三维模型，方便医生观察病灶，进行手术规划 机械臂，负责定位医生规划的手术位置，精度达到1mm，同时还是多功能手术平台 摄像头，可实时捕捉机械臂和患者的位置信息，确保机械臂按手术规划路径运动到指定位置。“睿米”作为脑外科手术的“GPS”系统，可以帮助医生在不开颅的情况下定位到颅内的细微病变，实现精准的微创手术。目前，“睿米”神经外科手术机器人已进入天坛，宣武，301，协和等三甲医院，并成功开展DBS手术。 /p

p 　　 strong 撰稿：中国农业科学院 蒋士强研究员 /strong /p p 　　 strong (一)、怀念与启示。 /strong 每当议及科学仪器与测试分析时，总使我想起 strong 王大珩院士 /strong 生前对科学仪器精辟的定义：“ strong 科学仪器是认识世界和改造世界的工具 /strong ”。同时也使我想起 strong 邹承鲁院士 /strong 生前一直坚持的立论：“ strong 科学是认识自然，大至宇宙，小到基本粒子。而技术是在认识自然的基础上改造自然，为人类服务 /strong ”。科学仪器和测试分析(以下简称为科仪与测试)在学科分类上是二级乃至是分支学料，但又是跨多学科,而且是科学发展的工具和产物,大家分析一下，众多与科学仪器和分析测试有关的诺贝尔奖得主就一目了然了。在行业地位上处于第二产业的分支中的分支。但是在当今全世界都在谋求科学和技术全方位的、不断的、甚至颠覆性的创新，以造就各领域、各学科、各产业、各行业的腾飞,使社会财富和政经不断增值和振兴，以满足 strong 人民日益增长的美好生活需求 /strong 。无论是探索科学发明和技术的创新,乃至具体到确保和提髙质量，直至更新、换代，都需要科仪和测试,即在学科和产业体量不大,并不显眼的领域，将越来越彰显出“庙小显神通”的作用。当今人工智能新浪涛己经来到之时，如何应对，急待探索和实践。 /p p 　　(二)、 strong 要充分认知人工智能大幕己开启、新浪涛己经来到，科仪和分析测试领域的学界和业界都不能固守原有思维模式、思路和策略。 /strong 我国传统思维比较保守，惯于从四书五经等典籍中，寻找治国安天下的方略，我国古代有四大发明，但我国自然科学的发展史是英国人写的，科学救国是近代一时思潮，后来受到批判，将社会发展、变革的推动力被阶级斗争等取代了，直到现代光辉的近30年、40年、70年才有所突破。就以机器和仪器而言，一字之差，前者是解放人的体力，后者是扩展、延伸人的感官，两者不断地融合、昇华& #8230 直到如今将脑科学、人的智慧，渗透、移植、乃至深化、超越地赋于各领域、产业、行业、事物的戴体(客体) 。寻求我国的轨迹，可说也是世界潮流的涌动波及和启迪的结果，恕我直言，我国有优良的文化、传统，但学界、业界乃至大众也有历史造成的不良习俗，多喜于学之外表，不求真谛，不仅缺乏异想天开的创造性，而乐于找捷径、跟风、蹭边、冒名& #8230 & #8230 。如早先，把仅能测电阻、电流、电压的三用表叫成“万用表” 把清涼油加点药料就叫“万金油”，& #8230 & #8230 。“人工智能”、“智能”、“智慧”等响亮而谜人的冠词，在各行业、各种产品上已有泛用之势，国内是乎更盛。但在国际上的仪器仪表、科学仪器、测试分析的领域，国外产品命名和广告宣传，还是比较谨慎的， strong 很少冠用人工智能 /strong ，即使其功能上具有某些初级人工智能的部分要素，如各种图谱的识别、解释、训练、自校正、自检等，这是值得学习的。 /p p 　　(三)、 strong 人工智能逐步渗透、融合于科学仪器和分析测试技术的历史回顾 /strong /p p 　　在科学仪器、实验室设备和分析测试技术中，经历了自动化、数字化、信息化、网络化之后，逐步渗透、融合了部分“人工智能元素”、“专家的部分智能”，如：可编程，进而可自检、自校正的自动进样器和样品前处理工作站 实验室管理系统LIMS系统(Laboratory Information Management System 英文缩写LIMS)是将以数据库为核心的信息化技术与实验室管理需求相结合的信息化管理工具，结合网络化技术，将实验室的业务流程和一切资源以及行政管理等以合理方式进行管理,通过LIMS系统，配合分析数据的自动采集和分析，大大提高了实验室的检测效率,降低了实验室运行成本并且体现了快速溯源和痕迹，使传统实验室手工作业中存在的各种弊端得以顺利解决 又如各种谱仪和联用仪中,应用了各种控制和分析的专家系统(有时称工作站、软件包等)，先是出现在进口仪器的操作系统中，接着国产仪器设备也逐步跟进，而且学者们发表了不少论文和专著，例如： strong 卢佩章院士于1992年12月就出版了《高效液相色谱法及专家系统》，2012年3月的版本是，由卢佩章院士、张玉奎院士和梁鑫淼增订的，是一本经典性的著作。在回味人工智能在分析测试技术中的应用时，非常贴近的实例，是早在上世纪末的近红外分析测试技术的突破，国外以Karl Norris博士、国内以陆婉珍院士、严衍禄教授等为代表的学者们,就建立了近红外光谱模型分析、人工神经网络模型算法等技术、以及用标样校正(训练)图谱模型的技术。 /strong 1998年湖南大学许亚兰发表论文，提出了模糊智能仪器这一新构想，针对这一构想，论文从其原理入手介绍了模糊智能仪器的相关基础理论--模糊数学与人工智能，其次在传统微机化仪器的基础上设计了模糊智能仪器。2004年由南开大学出版了裴雷著的《科学仪器软件平台研发——人工智能软件包开发》，提出：以软件为关键技术的通用平台上，可以很方便地改变软件配置来适应不同的需要,功能更加灵活、强大，更适合科学研究和创新的需要，建立中国自己的科学仪器通用软件平台，可带动我国分析仪器水平的提高，是我国分析仪器产业实现跳跃式发展的一次难得的机遇。中科院化工冶金所、中国科技大学、湖南大学的石乐明、张懋森、李志良的论文中指出：专家系统在分析化学中的一些应用，例如谱图解析，分析方法与分离路线的设计与优化，分析仪器工作参数的优化以及故障的诊断等。2010年11月1日，在化学_自然科学_专业资料中，发布了“分析化学中的应用”一文提出： 知识系统、知识工程已成为人工智能应用最显著新技术。2015年9月12日，在能源_工程科技_专业资料中，发布了“人工智能技术在分析化学中的应用技术”一文。2016年12月31日中国科学院化工冶金研究所李晓霞等发表论文，报导建立了HIN(chemicalinformationnetwork)。其实国内外生产的大型、专用型的光谱仪、色谱仪、质谱仪、波谱仪、基因导入仪、基因测序仪、蛋白质纯化系统、细胞融合仪、电泳仪、病毒免疫荧光分析仪、层析仪、生化分析仪和各种联用仪以及大型样品自动处理设备等，都渗入部分初级人工智能， strong 确切地说都有一定基础和苗头，只是有待于逐步完善。 /strong /p p 　　(四)、 strong 从以上（三）所述的案例中，近乎可得出一个规律，即：有强力的应用人工智能科技的需求，而且开发应用者、实施者对人工智能有足够的认知，二者碰撞即能产岀鲜艳的火花。 /strong 为此我建议在科学仪器与分析测试的学界与业界，宜先行有关人工智能的科普(在我国规划中就列有 strong 人工智能的全民科普的布署 /strong )。对学界、业界领军机构、人士、决策者，都有良好的科技学术基础，对类似以上列举的二本著作，肯定能熟读而有启迪的。新的科学技术的创新和应用不是炒岀来的，也不是抄岀来，更不是吹岀来的，是学者和业界同心合用探索、啃岀来的。 /p p 　　(五)、 strong 依据众多人工智能的著名院士、学者论述，我感悟人工智能与科学仪器和分析测试有着一些相似性，但因学科和产业的层次、目标、定位、历经和发展速度的不同,又有巨大差异。科仪和测试技术应该充分借助于人工智能的巨大驱动力和利用以下相似性：人工智能是研究开发能够模拟、延伸和扩展人类智能的理论、方法、技术及应用系统的一门新的技术科学 目前用的办法就是我们现在说的神经网络或者准符号模型等 目的是研制出具有类人智能的智能机器，表现形式是会图像识别& #8230 & #8230 ，会人机对话& #8230 & #8230 ，会自动运行& #8230 & #8230 ，会思考、证明、诊断& #8230 & #8230 ，会学习& #8230 & #8230 ，会表示认知结果& #8230 & #8230 。鉴于人工智能总体发展水平当前仍处于起步阶段，专用人工智能取得突破性进展，由于应用背景需求明确、领域知识积累深厚、建模计算简单可行，(任务单一、需求明确、应用边界清晰、领域知识丰富、建模相对简单)因此形成了人工智能领域的单点突破，如图像检测分析& #8230 & #8230 ，都建立在数据的基础上 /strong (最初级的数据大多来自传感器和己有文献)， strong 都涉及众多学科，是多学科交叉、实践性很强的综合性学科。差异是人工智能更深，涉及到当今和未来的科技、产业乃至于社会变革。更新、是近60年来兴起的。更大、是新一轮科技革命和产业变革的重要驱动力量。更神、是引领这一轮科技革命和产业变革的战略性技术，具有溢出带动性很强的“头雁”效应。 /strong 而仪器与测试是原系古老庙小、时显神灵 更通俗的比喻是：后者古老的小庙、小神，既需依靠大神、大庙，也宜发挥庙小有神灵的特点， strong 我很赞赏将人工智能科技，逐步渗透、融合于科仪和测试的机理、构思、设计、研发之中，并在实施中与精细工匠精神相结合，推动科仪和测试技术发展，甚至颠覆其面貌。 /strong /p p 　　(六)、 strong 科仪和测试技术也应走人工智能应用上的细分工与专用化之路 /strong ，下棋人工智能机器人，决不能用于自动驾驶车辆& #8230 & #8230 ，当今高档的科仪和测试技术系统，越做越大、越复杂，有利于生产厂家赚钱，而买家只用其中部分功能，科仪和测试技术设备中逐步引入人工智能机器人技术，必能使科仪和测试技术设备走向细分工和专用化，硬件可能更简化，研发出各种新型传感器，当今庞大的科学仪器可能变成各种专用的传感部件，科仪将更灵敏、更小巧，测试分析将更具智能化，其实，万能的仪器设备都是假的。例如就食品安全检测而言，就应开发出检测某类、某种，甚至特定有害组份的人工智能机器人，其硬件将更精而少，而更神通，轻便和价廉。 /p p 　　(七)、 strong 学科和产业发展上应注重社会需求驱动，中医学的人工智能化将是我国的瑰宝。 /strong /p p 　　科学仪器和测试分析技术在医疗保健和生命科学中的应用，可说一支独秀，这原系这两界本身就是大学科、大产业，有巨大社会需求，也正因此，不论在仪器设备或测试技术方面都很快地融人工智能技术，已有不少案例(请参阅上述三、)，编撰者一直关注中医学中人工智能技术的运用，在去年4月份发表的《人工智能化将猛力推动甚至颠覆现有科学仪器与测试分析技术的面貌》一文中用 strong “中医学的人工智能化将是我国的瑰宝” 表述 /strong ，引用了2017年以前较详细媒体报导的资料，但近二年未见更多的报导，但愿是疏漏， strong 我仍坚信中医学领域，人工智能将大有作为。一方面应尽快抢救极其丰富的著名中医学大师积累的中医诊断中病人型像学和病案、宝方的经验，并转化为图像和数据，同时在中医院校引进人工智能专才，推进人工智能在中医学中的应用。 /strong /p p 　　(八)、将传统的科学仪器与分析测试的机理，变为模块、模型、模式， strong 将感知数据转变为图像，也许是得以融入以深度神经网络模型算法和图像分析等为代表的人工智能技术的捷径 /strong ，即大幅跨越了科学与应用之间的“技术鸿沟”，这也许是近年来，国外把许多传统的谱仪分析，转为图像分析的原因。 /p p 　　(九)、 strong 人才的培养、吸纳和借助。 /strong 科仪和测试界本身就需多学科人才，而要将人工智能技术引入，人才是关键，据媒体报导，华为拥有700多位数学家、300位物理学家、200位化学家，而且我国人工智能领域高级人材奇缺，科仪和测试业还属小庙，养不起“大和尚”即人工智能专才，那只能从原来从事计算机软件、自动化专业的人才中培养人工智能中级人才吧!当然也宜与从事人工智能的机构合作，吸纳和借助人才资源了。另外、今后开源的模型、算法等会越来越多，据报导，西方有不少中小型企业、机构，就是针对自已应用目的，利用开源的资料，修改、嫁接、而用之。 /p p 　　(十)、 strong 共建大数据共享联盟。 /strong 大数据分析是人工智能神力之一，也是科学仪器和测试分析技术跃进的梯子，而测试分析领域的数据也非常可观，以庞国芳院士的团队为例，就己公开岀版了色谱、质谱、核磁共振图谱集三大本，五亿多个数据吧!大数据在大数据分析，乃至于人工智能中的地位业内人士比我更清楚，我只是呼吁通过已有联盟机构，协同共建更大的分析测试大数据共享联盟， strong 是时候了! /strong /p

餐饮业在我国经济社会具有重要地位,随着社会的发展及人工智能的应用,餐饮业正向着多元化、专业化、智能化的方向发展。中国农业大学食品科学与营养工程学院和四川成都中农大现代农业产业研究院的吴晓蒙，中国农业大学食品科学与营养工程学院的褚泽军,沈群,胡小松，四川旅游学院烹饪学院的李想，中国人民解放军陆军勤务学院军需采购系的刘楠梳理了我国餐饮行业的发展历程,分析了智慧餐饮4.0的内涵和外延,并系统阐述了相关新型食品科学技术与人工智能技术在该领域的应用趋势。计算机视觉等技术结合深度学习算法等手段实现了原料的品质分级 数字孪生技术不仅可以将上千种电子菜谱转化为工艺参数,而且可模拟烹饪大师烹饪技艺,将中国特色烹饪技法用于机器人烹饪 协同过滤推荐算法、自然语言处理、人脸识别等技术的应用,可对顾客身份信息快速识别,实现个性化膳食推荐。总结了智慧餐饮的现状和主要技术手段,并展望了未来发展方向,即以健康为导向、以美味为基础、以文化为内核,以期为餐饮行业的进一步发展提供参考。吴晓蒙餐饮业是拉动经济增长和提高人民生活水平的重要行业,数据显示,2023年1～4月全国餐饮收入15 888亿元,同比增长19.8%。我国餐饮业发展至今经历了4个典型阶段,一是高度依赖人工的传统餐饮1.0阶段,二是基于单机操作的机械化餐饮2.0阶段,三是以标准化和数字化为代表的工业化餐饮3.0阶段,四是融合了新型食品科学技术与人工智能技术的智慧餐饮4.0阶段。我国目前已经步入老龄化社会,餐饮相关的公共卫生服务的进一步完善和老年营养餐服务市场的发展已成为亟待关注的问题 因此,多元化、专业化、智能化的智慧餐饮4.0是行业发展的必然趋势。1 餐饮业的发展与食品工业息息相关餐饮业是指通过即时加工制作、商业销售和服务性劳动等手段,向消费者提供食品、消费场所和设施的食品生产经营行业。餐饮业是促进我国经济发展、增加就业机会和提高人民生活水平的重要领域。国家统计局数据显示,2022年全国餐饮收入47 645亿元,同比增长1.6%。食品工业是餐饮行业的上游支柱产业,不仅可为餐饮业提供成品、半成品原料,更为其提供了必不可少的技术支撑。2017—2021年间,我国食品工业及餐饮业产值见图1。2021年我国规模以上食品工业企业总收入10.35万亿元,餐饮业总收入4.68万亿元,两者共计占国内生产总值的13.14%。食品工业的发展不断推动餐饮业的转型升级,二者已深度融合。图1 我国食品工业及餐饮业产值Fig.1 Output value of China’s food industry and catering industry食品工业推动餐饮业的转型,集中体现在烹饪装备和相关技术的迭代升级上。我国餐饮业的发展历程及阶段划分见图2。传统餐饮1.0以手工操作为主,全部依靠人工经验,效率低、劳动强度大、工作环境恶劣、品质不稳定、安全问题频发。随着经济社会的发展及科学技术的进步,20世纪后期,切菜机、和面机等简单的食品加工机械设备在餐饮行业应用和普及,使我们进入了机械化餐饮2.0时代,提升了部分工作效率,同时也降低了部分劳动强度。随着中央厨房的出现,建成了集中规模采购、安全生产的综合系统工程,机械化餐饮2.0完成了向以标准化和数字化为代表的工业化餐饮3.0的跃升。如全自动的包饺子生产线,从和面到包饺子再到入库全部自动化控制,极大地提高了工作效率和食品安全水平。工业化餐饮3.0原料标准化、生产程式化,满足了人民群众对日常饮食的基本需求。随着生活水平的提高,消费者对饮食个性化需求不断增强,并且由于中餐的独特性,工业化餐饮3.0已无法满足行业进一步发展的需求,尤其是无法解决食品安全、个性化膳食方面的瓶颈问题,因此行业向着智慧餐饮4.0的转型升级迫在眉睫。图2 我国餐饮业的发展历程Fig.2 Development history of catering industry2 智慧餐饮4.0的内涵、构架与外延智慧餐饮是伴随新一代信息技术发展而产生的新概念,目前仍在不断探索发展中,学术界尚无准确定义。本研究认为智慧餐饮概念的内涵应是以满足餐饮监管者、操作者和消费者三者的需求为主要目标,充分运用信息技术手段,通过体系化设计和集成化部署软硬件设备,改造完善基础设施条件,将食品科学技术和人工智能技术运用于餐饮活动的全过程和供应的全链条,以达到降低操作者劳动强度、改善消费者就餐体验、提升监管者管理水平的目的。智慧餐饮4.0的内涵构架与外延见图3。图3 智慧餐饮4.0的内涵、构架与外延Fig.3 Connotation, structure and extension of Smart Catering 4.0作为餐饮发展的4.0版本,智慧餐饮的核心有三层构架:一是决策层,需要利用配餐调度、烹饪专家、营养专家等管理系统针对不同用户、不同场景对餐饮过程进行自学习、自决策 二是功能层,需要对烹饪过程中视觉、触觉、成熟度等多维信息进行自感知,并利用多功能一体化烹饪装备针对非标食材、个性需求的复杂烹饪任务进行自适应,实现加工过程柔性调整 三是应用层,需要消费终端具备点餐、取餐、送餐、支付等核心功能,并可以对设备的异常状态实现自愈合和产供销一体化的智运维。此外,还可将智慧餐饮外延出“六化”：1)个性化膳食制作,在中餐标准化技术基础上,结合数字孪生、人脸识别等技术快速分析顾客历史行为和个人偏好等信息,推荐并制作符合消费者喜好的个性菜品。2)精准化营养配餐,通过制订食谱提高配餐的计划性,对菜肴营养成分进行分析。应用称重取餐等个体数据采集手段,提高膳食摄入数据采集的精准度并进行智能化评估。3)柔性化烹饪加工,针对非标食材、个性需求的复杂烹饪任务进行分析,并根据食材特征差异进行工艺参数的柔性与自适应调整。4)人性化就餐服务,通过就餐环节人机交互,提高选餐、配餐速度,减少就餐者等待时间,以菜肴评价、点赞等方式收集就餐人员意见,反馈给管理端以便进一步改进。5)可视化运营监管,应用计算机视觉识别、物联网、传感器等技术,自动采集餐饮过程信息,建立后厨“明厨亮灶”,实现设备自动化控制,为开展精细管理提供技术手段。6)智能化分析决策,记录分析餐饮环境数据和运营过程数据,实现集体配餐方案、物料消耗预测、监管重点预警等辅助决策功能。3 智慧餐饮技术的应用3.1 智慧餐饮技术在食材智能预处理方面的应用运用食品科学技术与人工智能技术对食物原料进行预制是提高原料利用率和加工自动化程度的关键一步。现今国内外一般采用多光谱成像技术、近红外光谱技术和计算机视觉技术等技术结合深度学习算法、经典图像处理等手段,进行原料的品质分级、安全控制和标准化切割。3.1.1 食品原料品质智能分级对食品原料的品质信息进行快速无损获取,是保证食品品质、满足消费者需要的前提条件。Zhang等将近红外高光谱成像技术与深度卷积生成对抗神经网络(DCGAN)结合,对玉米籽粒含油量进行预测,利用DCGAN可以同时对光谱数据和含油量数据进行扩展,增加模型的准确度。Momeny等使用基于深度学习的机器视觉系统检测藏红花品质,开发了一种包含Inception-v4卷积神经网络(LAⅡ-v4 CNN)的学习增强技术,可以非常有效地对藏红花进行品质分级。孙潇鹏等使用近红外透射光谱与机器视觉相结合的方法对蜜柚进行分级检测。3.1.2 食品原料安全智能控制在食品加工前对食品原料进行严格的把控,是食品安全控制的重要手段。然而传统技术需要的时间长、费用昂贵、对操作人员要求高,利用了人工智能技术的智慧餐饮可以有效解决这些问题。刘翠玲等建立了基于云计算的食品品质实时在线光谱检测系统,保障食品安全。此外,周向阳等利用近红外光谱倍频区的特征信息,结合差谱及导数处理,对20余种叶菜类蔬菜中有机磷农药残留的鉴别进行了系统研究,吻合率高达97.50%。房俊龙等采用计算机视觉技术获取番茄图像,并利用遗传算法的人工神经网络技术实现番茄生理病害果的自动识别,准确率可达100%。3.1.3 食品原料智能切分对食品原料进行品质分级与安全控制后,分割也是关键的一环。目前,食品切割装置中的刀片易携带腐败和致病微生物,容易导致交叉污染。中国科学院广州能源研究所发明的一种利用水射流清洗和切割果蔬的机电设备,利用脉冲水射流冲洗掉果蔬表面的灰尘、泥土等,与使用新锐化的刀片切割相比,水刀切割不会改变鲜切菊苣的生理状况和微生物质量。Wang等利用盐颗粒作为磨料,采用超高压磨料水刀切割纯肉和骨头,其效果更优于普通水刀切割。孙鑫基于计算机视觉技术、机器人、运动控制等关键技术,构建了面向猪肉胴体自动分割的6-DOF混联机器人机构,实现了畜禽原料的智能切分。3.2 智慧餐饮技术在智能烹饪方面的应用烹饪是餐饮行业中最为重要的环节,是复杂而有规律地将食材转化为食物的加工过程。智能烹饪能够实现菜肴的自动制作,提高烹饪效率,降低制作成本,同时确保食品的安全、质量和品质。智能加工技术和设备的搭配组合,可以实现食物的标准化生产,重构餐饮产业生态,达到快速、标准化运营的目的,对整个餐饮业的发展有重大影响。3.2.1 数字化烹饪关键技术中餐的烹饪过程涉及炒、煎、煮、烤、蒸等多元化的烹饪技艺。其中,炒是中餐最具代表性的特征烹饪技术,但是炒菜过程异常复杂,因此传统烹饪中菜肴的质量主要取决于厨师的技艺水平。烹饪数字化是通过邀请各菜系烹饪大师为烹饪机器人提供菜肴烹饪样本,将他们的烹饪经验数据化,扩建数据库,完善机器人菜谱,以实现烹饪品种多样化。张贵元等采用了闭环设计方案,设计了一种应用于烹饪机器人的液态调料自动添加系统,实现液态调料的快速精确添加,减少了掀盖时锅内热量的散失以及温度控制的误差。赵庭霞构建了烹饪爆炒过程热/质传递全局数学模型并对猪里脊肉爆炒过程开展数值模拟,研究了爆炒过程中烹饪品质随传递特征的变化规律,实现了同时模拟温度及各组分全局变化。在传感器-算法系统基础上采集手工烹饪数据,可构建出能够映射手工烹饪数据的烹饪机器人实体装备及控制软件,完成广谱的烹饪厨艺数字孪生和烹饪程序信息数据库建立。3.2.2 菜肴品质智能感知与拟人控制尽管智能烹饪机器人已经能够利用烹饪数字化制备标准化的菜肴,但是由于烹饪数据库来自经验数据,且中餐具有食材广泛性以及烹饪复杂性的特点,设备对烹饪过程中火候、产品品质等关键指标的控制仍旧不足,无法实现实时动态和智能化调整。因此,需要更多基于多维传感和控制的技术来实现智能感知与拟人控制。He等[26]发明了一种结合了红外阵列传感器与湿度传感器的智能微波炉,具备除霜和再热的智能控制功能,可以一键加热或解冻不同食物。Abdanan[27]设计了基于图像处理的智能烤箱,可以通过实时监测烘焙产品的颜色和纹理特征,动态调节和优化烹饪温度和时间,大大节约了能耗并提高了产品质量。3.2.3 烹饪设备自主清洁烹饪后的自主清洁是最后一个关键步骤,有利于菜肴连续加工过程中的品质控制。Vong将食品进料、食品放置和设备清洁集成于一个加工系统,在菜肴烹饪完成后,机器会自动将烹饪容器旋转至清洗室进行清洗,最终实现高效烹饪。李东炜等也设计了采用可编程逻辑控制器(programmable logic controller,PLC)控制的清洗烹饪机器人内腔的壁面自动清洗机构,具有高可靠性、强抗干扰、安装简单、维修扩展方便等优点。3.3 智慧餐饮技术在消费端的应用智慧餐饮技术在消费端的应用主要有3个方面:餐厅智能管理、就餐体验数字化及智能售卖终端应用(图4)。图4 智慧餐饮技术实现智能就餐Fig.4 Smart catering technologies for smart dining experience3.3.1 智能点餐、取餐、送餐关键技术智慧餐饮4.0在消费端的应用主要体现在餐厅的智能管理中,具体分为智能点餐、智能送餐和智能取餐3个环节。智慧餐厅通过SAAS(software as a service)模式,将用户浏览、预订、预点餐、就餐和支付的整个餐饮流程一体化,并可采用协同过滤推荐算法、自然语言处理、人脸识别等技术,实现对顾客身份信息的快速识别,以及对历史行为和个人偏好等信息的精准分析,不仅可以推荐最合适的餐厅,还可以帮助顾客更快速地找到自己喜欢的菜品或推荐相似的菜品,进而为用户提供个性化的产品或向顾客服务推荐。而对于诸如老年人等特殊人群,智慧餐饮系统能够从饮食管理、营养评估与健康管理等方面,全方位进行膳食结构优化,引导老年人合理膳食。在中国农业大学改造升级的智慧餐厅,师生进门取托盘后进行标识与信息绑定,便可根据自己需求,自由搭配菜品,使摄入的营养物质更加多样、均衡,取餐过程中,屏幕实时显示取餐分量与金额,取餐结束后的云端无感支付提高了就餐整体体验。智能点餐系统可实现消费者的自助点餐,如冯毅基于机器学习有机融入关联度预测算法、协同过滤推荐算法等设计了一套智能点餐系统,并可根据消费者口味推荐针对性菜品。智能送餐需要使用送餐机器人接收用户给予的目标指令,快速高效做出反应,规划合理路径,到达送餐地点。武启明通过对路径规划算法进行分析,并融合优化A*算法和并行TEB算法进行路径规划,实现了送餐机器人的合理路径规划。智能取餐主要是使用取餐机器人代替人眼实现菜品的识别和选取。汪聪基于机器视觉技术结合传统图像识别技术与深度学习图像识别技术,设计了一种菜品智能识别系统,通过对工业相机拍摄的图片进行处理,利用图像处理技术对菜品区域进行检测定位,实现了菜品种类及所在区域的有效识别,提升了机器人取餐的准确性。此外,智慧餐厅还可根据就餐数据,进行就餐人数的预测,及时补充菜品、调整食谱等,提升就餐人员的就餐体验,降低餐厅的管理成本,促进餐饮企业提高销售量和客户满意度。3.3.2 数字化就餐体验随着互联网和大数据的发展,服务行业与移动网络的联系更加紧密,智慧餐厅逐渐发展壮大。在传统的就餐方式以外,还可以采用多感官协同的方式丰富顾客的用餐体验,提高过程的趣味性。智慧餐厅可以通过VR(virtual reality)、AR(augmented reality)等技术将交互性嵌入就餐环境中,将气、声、景融入用餐过程,从视觉、听觉、触觉等多个感官层面提升空间的环境氛围,满足消费者的用餐审美体验与情感需求。例如在智慧餐厅的就餐区被360度环绕立体投影包围,在白云蓝天中吃着热乎的火锅,耳边回荡着舒缓的音乐,通过声光电科技带来“沉浸式”火锅就餐新体验。采用VR技术,通过虚拟点餐、多元环境模拟、厨房模拟等功能,在丰富用户用餐体验的同时,提高餐厅的运营效率。在点餐系统中设计AR交互点餐、用户口碑评价,可以更直观地呈现餐品,并为顾客和餐厅提供更具参考价值的餐品评价体系。3.3.3 智能售卖终端技术升级智能售卖终端作为新型售卖方式,正在成为一种蓬勃发展的新兴服务方式,在人们的生活中占据越来越重要的地位,也是未来智能化生活的潮流。相较于传统的人工服务就餐店,智能售卖终端无就餐时间限制。此外,智能售卖终端体积较小,可安置在任何有电力供应的地点,扩大了服务区域。一般来讲,智能售卖终端应包含以下7个模块:1)储存[冷藏(冻)] 2)加工(复热) 3)包装 4)递送 5)人机交互界面 6)远程通信 7)自洁杀菌。陈付磊等基于STM32单片机控制,使煎饼馃子机器实现从原料面糊到加热至熟,加蛋、加调料,放置油条或者馃子,最后折叠装袋的全自动化过程。使用ESP8266物联网链接云服务器,实现煎饼馃子机器从制作到贩售的一体化过程。张坦通过研究面条成型方式、设计关键机构型式,对面条售卖机内部机械结构进行方案创新与设计,实现面条的自动定量制作与煮制捞取。张操等研制了一种新型三明治自动制作与售卖系统,融合PLC、多电机协同、WiFi通信、多点通信总线(multi-drop bus,MDB)等技术,实现触摸屏自助选餐、自动投币找零及移动支付、温湿度控制、传动机构故障诊断、上位机和手机App远程监控等功能,完成自动点餐及售卖。智能售卖作为传统餐厅堂食模式的重要补充,迎合了新时代人们零散化的就餐时间、多样化的就餐模式、快节奏的就餐需求,具有良好的发展前景。3.4 智慧餐饮技术在管理系统方面的应用机关、高校食堂等集体膳食单位通常采用餐饮管理信息系统制订食谱,通过就餐人数计算用料量,生成采购计划,提升膳食计划性,控制成本。基于大数据和人工智能算法的智慧餐饮管理信息可以综合膳食营养知识、个人点菜信息和就餐评价信息,提高食谱的适用性 也可将就餐记录和个人健康档案相结合,提高配餐的科学性和针对性。大数据智能引擎产品基于用户属性数据、口味偏好数据、行为轨迹数据等建立综合概率匹配算法,对海量数据进行多维度交互式异构分析,动态建立餐饮场景下的用户行为预测模型及产品倾向性数据模型,实现知识图谱和用户画像标签,为大型餐厅实现智慧管理提供技术支撑。智能配餐系统采用了改进的加权随机抽样算法智能化选取不同种类的食物,利用多元线性回归模型及优化求解算法,通过反馈机制自动判别配餐结果的合理性并进行修正,保证了配餐质量和饮食的均衡性。结合多目标规划模型和改进遗传算法设计的新型智能化营养配餐系统,做到了多营养平衡。此外,在原料供应环节,通过专业采购网络平台组织采购,实时掌握物资供应状态。在物资验收和出入库环节,多采用电子秤称重记录方式,以拍照、视频方式记录验收过程,运用二维码、视觉识别等技术自动获取物资信息,提高物资管理的准确性。通过在餐厅、后厨、库房等区域建立网络化视频监控系统,掌握运行过程信息,并运用物联网传感器监控水、电、燃气、温湿度等环境状态。食品药品监管部门也建立了餐饮监管平台,采用传感器、物联网等手段将食品留样、餐具消毒等食品安全记录纳入管理,提升餐饮业整体质量及安全水平。4 总结与展望当今食品工业与餐饮业的深度融合,促进了传统餐饮1.0向基于单元操作的机械化餐饮2.0和基于标准化、数字化的工业化餐饮3.0升级。近年来,随着人工智能等技术在食品生产及餐饮业中的应用,餐饮业向着多元化、专业化、智能化的方向发展,为向智慧餐饮4.0转型奠定了基础。智慧餐饮4.0相关的智慧餐饮技术见图5。例如采用协同过滤推荐算法、自然语言处理、人脸识别等技术,可以对消费者身份信息快速识别,提供个性化的产品或服务推荐 通过VR、AR等技术,提升了空间的环境氛围,建立了多感官的用户体验。全面推进我国智慧餐饮4.0发展,促进现代农业、先进制造业、现代服务业深度融合,推动一二三产业协同发展,助力乡村振兴,是时代发展的必然趋势。图5 基于智慧餐饮技术的智慧餐饮4.0的转型升级Fig.5 Transformation and upgrading of Smart Catering 4.0 based on technology smart catering餐饮转型升级的背后是相关科学技术的发展与进步,同时也是中华饮食文化的传承与创新。五千年的中华文明产生了底蕴深厚的中国饮食文化,国人对美食有着极高的要求,因此餐饮业的转型升级还应满足饮食文化的需求。打造具有我国特色的智慧餐饮4.0,不仅是满足人民群众对于美食的高要求和对美好生活的向往的重要手段,更是传承并弘扬中华优秀传统文化、助力“健康中国2030”战略实施的重要抓手。未来餐饮的发展方向一定是以健康为导向、以美味为基础、以文化为内核。食品科技工作者以及餐饮行业从业者要“树立大食物观”,积极探索智慧餐饮4.0的科学发展途径,担负起时代赋予的神圣使命。

p 　　全球刮起“智能风”，在2019国家智能产业峰会上院士、学者的报告中，中国工程院院士、中国自动化学会理事长郑南宁在开幕式上指出: 今天，人类社会正处在第四次工业革命初期，它的典型标志是人工智能，就是用人工智能来创造一个对人类友好的、智慧的社会。 /p p 　　新加坡工程院院士连勇中报告说:产业智能化仍需时日，当前人工智能的应用仍主要集中在音、视频领域，要想真正的产业化，还需突破一些技术瓶颈。例如工业智联网必需的嵌入式智能元器件，现在无论从算法还是硬件上，都达不到要求，保证智能系统间高速通信的5G技术也没有完全成熟。更重要的是，当前的人工智能技术需要庞大的数据库，这些数据的搜集和标注也难以解决。此外，现行的很多智能算法本身不具备推理和决策能力，稳定性和可靠性也达不到工业化要求。因此，现在很多“智能化”应用只是添加了一些智能元素。 /p p 　　欧洲科学院院士、澳门大学教授陈俊龙中报告说:很多产品为了蹭“智能”的热度，模糊了计算机自动化和人工智能技术的概念，这导致当前智能产品“泛化”。产业智能化需要不断推进人工智能在各个产业中的应用，不断解决应用中的工程和科学问题，不断进行应用、发现问题、解决问题、再应用的闭环循环，这一过程仍需十年以上。 /p p 　　中国工程院院士、中国自动化学会的副理事长桂卫华报告中指出：目前的发展方向：一个是认识人的大脑的脑科学方面 另一个是针对性应用方面。从国内外研究表明，人工智能与制造过程的深度融合，是具有挑战性的。此前很多人工智能研究，并没有很好考虑怎么样与制造过程结合。传统知识型工作面临的挑战：第一个挑战是社会出现新要求。生产过程要更精细化 第二个挑战是新的信息环境。云平台、移动计算、物联网、大数据等新技术、新平台的出现使数据的种类和规模迅速增加，知识型工作者面对海量信息感到无所适从。第三个挑战在于如何利用好数据。严重依赖于个人的素质、经验、知识，在推广、积累和传承等都面临困难。师傅带徒弟是传统办法，但这种机制不利于人工智能的实现。 /p p 　　桂卫华在最后强调，在促进人工智能健康发展时，一定要使得人工智能技术能够落地，能够解决问题。 /p

p 　　11月14至17日，中国化学会第十五届全国计算(机)化学学术会议在复旦大学举行。此次会议由中国化学会主办，中国化学会计算机化学专业委员会、复旦大学、复旦大学附属肿瘤医院承办 复旦大学遗传工程国家重点实验室、复旦大学人类表型组研究院协办。 /p p 　　会议以“计算化学与精准药物设计”为主题，分化学计量学与生物信息学、化学信息学与分子设计、化学理论计算与过程模拟和精准药物设计与精准医学四个分会场，全面展示近年来我国在计算(机)化学领域取得的最新进展及成果，深入探讨所面临的机遇、挑战及未来发展方向，致力于促进学术界与产业界的沟通联系，推进我国计算机化学的健康发展。 /p p style=" text-align: center" img style=" max-width:100% max-height:100% " src=" https://img1.17img.cn/17img/images/201911/uepic/e836652a-0707-4e2c-8eb4-3cad83766147.jpg" title=" 1_副本.png" alt=" 1_副本.png" / /p p style=" text-align: center " span style=" font-family: 楷体, 楷体_GB2312, SimKai " 图：中国化学会计算(机)化学专业委员会主任委员、中国科学院院士、中科院上海药物所教授蒋华良 /span /p p span style=" font-family: 楷体, 楷体_GB2312, SimKai " /span /p p style=" text-align: center" img style=" max-width:100% max-height:100% " src=" https://img1.17img.cn/17img/images/201911/uepic/9e016cab-5558-44f1-bd76-f42ba83009a6.jpg" title=" 2_副本.png" alt=" 2_副本.png" / /p p style=" text-align: center " span style=" font-family: 楷体, 楷体_GB2312, SimKai " 图：本次大会组织委员会副主任、复旦大学生命科学学院教授石乐明博士 /span /p p 　　大会报告精彩纷呈，开幕式由复旦大学石乐明教授主持，中国化学会计算(机)化学专业委员会主任委员、中国科学院院士、中科院上海药物所蒋华良教授做了题为“大数据和人工智能助推药物设计”的报告，深圳微芯生物科技股份有限公司鲁先平博士做了题为“结合计算机辅助药物设计与化学基因组学的新药研发”的报告。 /p p 　　据了解本次大会参会代表600多名，8个大会报告，4个分会场，137个口头报告，逾150篇墙报。大会期间，颁发了2019年度(第二届)中国化学会计算机化学专业委员会“计算机化学奖”，该奖设立三类子奖：“终身成就奖”、“杰出贡献奖”和“青年计算化学家奖”。本届终身成就奖空缺。获得本届“杰出贡献奖”的是湖南大学吴海龙教授。 /p p style=" text-align: center" img style=" max-width:100% max-height:100% " src=" https://img1.17img.cn/17img/images/201911/uepic/c8c057af-72db-401a-bac7-5ec8c2f95bd9.jpg" title=" 3_副本.png" alt=" 3_副本.png" / /p p style=" text-align: center " span style=" font-family: 楷体, 楷体_GB2312, SimKai " 图：国际著名药物化学家、美国密歇根大学终身教授王少萌为湖南大学吴海龙教授颁发杰出贡献奖证书 /span /p p 　 strong 　杰出贡献奖获奖人员介绍： /strong /p p 　　吴海龙，湖南大学化学生物传感与计量学国家重点实验室教授，博士生导师。长期从事化学计量学方法和应用研究，发表研究论文逾300篇。荣获2002年湖南省科技进步奖一等奖、2003年国家自然科学奖二等奖，中国化学会分析化学基础研究“梁树权”奖等学术奖项。培养毕业博士生28名、毕业硕士生70多名。 /p p 　　获得本届青年计算化学家奖的分别是中山大学罗海彬教授和北京大学裴剑锋教授。 /p p style=" text-align: center" img style=" max-width:100% max-height:100% " src=" https://img1.17img.cn/17img/images/201911/uepic/c54f9c08-deb6-4d01-9454-7acdbb746274.jpg" title=" 4_副本.png" alt=" 4_副本.png" / /p p style=" text-align: center " span style=" font-family: 楷体, 楷体_GB2312, SimKai " 图:从左到右依次是中山大学罗海彬教授、南开大学邵学广教授和北京大学裴剑锋教授 /span /p p 　 strong 　青年计算化学家奖获奖人员介绍： /strong /p p 　　裴剑锋，北京大学前沿交叉学科研究院研究员，博士生导师，长期从事化学信息学、生物信息学和药物设计研究，在 JACS、PNAS、NAR、Nature 等国际重要学术刊物上发表论文 60 多篇, 申请获得专利 6 项，软件著作权 8 项。主持新药创制国家科技重大专项等多个国家项目。获得过中国药学会施维雅青年药物化学奖、药明康德生命化学研究奖等奖项。 /p p 　　罗海彬，中山大学药学院副院长，教授、博士生导师，国家重点研发计划首席科学家，广东省“珠江学者”特聘教授，国家自然科学基金优秀青年基金获得者，中国药学会-施维雅青年药物化学奖获得者，SCI期刊Chem Biol Drug Des、药学学报(英文版)、药学研究编委。主要从事药物化学和结构生物学等方面的研究。多年来从事抗老年性痴呆、肺动脉高压、糖尿病、哮喘等药物靶标结构生物学和发现研究，重点构建基于靶标磷酸二酯酶(PDE)的药物筛选体系，并进行相关的药物分子设计、有机合成和作用机制研究。 /p p 　　据悉，中国化学会计算机化学“终身成就奖”奖励多年为计算机化学的发展做出重要贡献的科学家，为本领域的最高荣誉 奖励名额根据提名情况设定。 “杰出贡献奖”奖励为计算机化学发展做出杰出贡献，在某一领域中做出了完整、系统、具有创新性研究成果的科技人员 每届奖励1名。 “青年计算化学家奖”奖励在计算机化学研究领域中取得突出成绩，有创新性研究成果的青年科技工作者(45周岁以下)，每届奖励2名。 /p p style=" text-align: center" img style=" max-width:100% max-height:100% " src=" https://img1.17img.cn/17img/images/201911/uepic/51a2959b-9554-43cd-89a8-efcdce7bfe4f.jpg" title=" 5_副本.jpg" alt=" 5_副本.jpg" / /p p style=" text-align: center " span style=" font-family: 楷体, 楷体_GB2312, SimKai " 图：2019中国化学会第十五届全国计算(机)化学学术会议参会代表合影 /span /p

量子计算机前段时间着实在朋友圈火了一把，这主要得益于中国科学技术大学陆朝阳教授和潘建伟教授领导的科学团队研发出10个比特的超导量子计算机的重要成果。经过各大新闻的争相播报，它现在不仅是“人尽皆知”，更让我国在量子领域步入国际行列。那么，量子计算机究竟是什么样的呢？ 简单来说量子计算机是一个计算速度非常快的计算机，如果将现代的计算机比做自行车，那量子计算机就是飞机。但是对于它的长相，我们现在无法想象，就好比处在晶体管和电子管时代的人不能想象出超大规模集成电路的计算机长什么样。谁曾想过智能手机芯片已经“完爆”了占地上千平方米的初期计算机呢！ 话不多说，今天就带你看看现在的量子计算机长啥样。目前初阶段的量子计算机还真说不上高颜值，跟早期计算机一样，它的“身躯”遍布在实验室的各处。但是谈到关键部分，也就是量子计算机的“心脏”，那可就是“高大上”了。与现在计算机的cpu不同，量子计算机的核心部分是参与运算的量子比特，通常来说是相干光子或离子。产生这些相干光子或离子的方法通常有超导环和离子阱两种方法。其中超导环在多量子比特拓展方面还有一些困难，从而离子阱成为目前较为优势的手段。而无论是超导环还是离子阱，这些器件的稳定运行都需要端苛刻的外界条件，那就是超高真空和低温，也就是说他们要冻在抽真空的“冰箱”里...... advanced microfabricated ion traps. left: high-optical access (hoa) trap from sandia national laboratories (image courtesy of duke university). right: ball-grid array (bga) trap from gtri/honeywell (image courtesy of honeywell). 上图中的器件就是典型的芯片式离子阱，用于产生量子比特的原子就在该芯片的中心位置被激发并被电磁场和库伦相互作用所束缚。而下图是为芯片提供超高真空和超低温环境的montana超精细光学恒温器。该恒温器具有超低温（3k）、超高真空的特点，并且提供多路自由光学通道和光线通道以及多可达100根电学引线，是量子计算机的“心脏”所在。（做为离子阱的标准装置，图片来源于christopher monroe发表在《nature》旗下《量子信息》杂志上的综述文章）。说完“心脏”的外观，那这个心脏的能力如何呢？采用传统离子阱式的量子计算机方案能做到多少比特呢？预计是50个！不要小看这个数字哦，如果能够完全利用它们的相干性，那就是250个数据量，并且信息处理速度可以达到ghz。经过改进的新型离子阱预计可以达到1000个量子比特甚至更多，计算能力和信息量也会大大增加，这会给以后的计算机带来天翻地覆的变化。 compact cryogenic uhv enclosure for trapped ions. (a) on-package vacuum enclosure, sealed in a uhv environment, that contains the ion trap, getter pumps and the atomic source. (b) upon installation and cooling in a compact cryostat, the uhv environment is established. (c) the optical components can be arranged in a compact volume around the cryostat to support the ion trap operation. 后再次祝贺quantum design的用户陆朝阳教授和潘建伟教授在量子计算机领域取得的惊人成就，希望祖国科研再上新台阶。相关参考文献：co-designing a scalable quantum computer with trapped atomic ions. npj quantum information (2016) 2, 16034相关产品链接：美国montana无液氦超低振动低温光学恒温器 http://www.instrument.com.cn/netshow/c122418.htm无液氦低温强磁场共聚焦显微镜 http://www.instrument.com.cn/netshow/c159541.htm低温纳米位移台-attocube http://www.instrument.com.cn/netshow/c80795.htm

p 　　9月17日，备受瞩目的2018世界人工智能大会于中国上海拉开帷幕。本次大会由国内多家政府机构共同主办，主题为“人工智能赋能新时代”。雷军、李彦宏、刘庆峰、马化腾、马云等众多重量级嘉宾登场，共话人工智能新发展。 /p p 　　 strong 制造业转型势在必行 /strong /p p 　　相比于20年前的互联网革命，由人工智能掀起的这场新一轮科技和产业革命更加势如破竹。尤其是在我国，短短几年间就引领了一阵“AI热”。早在2015年，我国就出台了《关于积极推动“互联网+”行动的指导意见》，首次提出培育发展人工智能产业，并将人工智能列为11项重点行动之一 2016年，人工智能又被写入“十三五”规划以及多份产业指导文件之中 2017年，“人工智能”首次被写入政府工作报告 2018年，政府工作报告再次提到“做大做强新兴产业集群，实施大数据发展行动，加强新一代人工智能研发应用”& #8230 & #8230 /p p 　　除此之外，北京、上海、天津、浙江、安徽、吉林、贵州等20个省市也已根据各地实际发展情况出台了人工智能产业政策和措施，率先踏上人工智能发展之路。作为一场跨国、跨学科的科学探索工程，人工智能之火势必会燃烧到制造业。在中国制造业转型升级的大潮中，人工智能作为新一轮产业变革的核心驱动力，或将成为重要的主宰力量。正如马云在今年的大会上所说的，“未来十年到十五年，传统制造业面临的痛苦将会远远超过今天的想象。企业如果不能从规模化、标准化向个性化和智慧化转型，将很难生存下去”。可以想见，未来只有用好智能技术的企业才能够称得上成功，反之则很有可能被无情淘汰。 /p p 　　 strong 仪器仪表的智能化方向 /strong /p p strong 　　微型化、多功能化、人工智能化、虚拟化 /strong /p p 　　作为中国制造业的重要基础性产业，仪器仪表行业无疑也将面临人工智能的大洗牌。它就像一个用于过滤的筛子，完成智能化转型的企业留在上头，而其他企业则无法再立足。虽然相比于其他新兴产业，仪器仪表行业接触人工智能并不算早，但是已经有一批企业成为了先行者，证明了仪器仪表与人工智能之间结合的可能。譬如，虚拟仪器、智能仪器的诞生已经有了人工智能的特征——操作自动化、数据处理、人机对话等等。 /p p 　　专业人士分析，仪器仪表行业正在从自动化向智能化方向发展，更确切地说，是朝着微型化、多功能化、人工智能化、虚拟化等方向发展。 /p p 　　首先是微型化，这不仅是人工智能的发展需求，也是工业自动化的需求。企业需要在保证仪器原有性能的基础上，开发出体型更小、更轻便甚至功能更强大的微型仪器。此前刚刚获得第二十四届IBO设计大奖的三款仪器产品，就是优化了仪器的占地空间，满足了用户对微型化、集成化的要求。 /p p 　　其次是多功能化，虽然目前专业化仪器仪表产品层出不穷，但对于用户而言，拥有一台多功能的综合性产品显然更为方便。多功能仪器就像一款“万能”的瑞士军刀，可以满足用户多种需求，还可以组合使用，提供更好的解决方案。从长远角度来说，有利于降低仪器购买和维护成本，缩小占地空间，提高设备利用率。 /p p 　　再有就是人工智能化，也就是仪器仪表与人工智能结合的关键所在。简单地说，这就是利用计算机模拟人的智能，代替人的一部分脑力劳动，从而为仪器仪表赋以人的视觉、听觉乃至思维能力。可以想象，未来实验室内用户可以不再动脑筋处理仪器输出的数据，而是可以直接拿到一份完整的分析报告。他们的工作可能仅仅在于设计实验，而不用再费心于数据的处理。 /p p 　　此外，虚拟仪器将成为智能仪器发展的新阶段、新方向。它以软件系统为核心，提供数据采集、数据分析和数据显示等功能，只要配备一定的硬件，应用不同的软件编程，就可得到功能完全不同的测量仪器。自1986年问世以来，虚拟仪器已渐渐成为广大工程师和科学家的“得力帮手”，并在近几年越来越受重视。它的出现，为世界仪器仪表产业注入了新鲜血液，并彻底改写了测试测量产业的发展格局。 /p

人工智能作为计算机科学的一个重要分支，伴随着信息技术的快速发展，已经渗透在医疗、教育、金融等众多领域，农业作为国民经济的基础性产业，也不例外，近年来，农业被评为最具前景的人工智能与机器学习应用场景之一。在我国，农业人工智能的应用主要涉及基于机器视觉技术的农作物图像分析和基于数据挖掘技术的农业大数据分析、算法模型构建等。其中，图像分析技术的应用有农作物根-茎-叶-种子的表型分析测量、农作物长势识别、杂草识别、病虫害识别、果蔬品质检测以及自动采摘等方面；大数据分析与算法模型构建的应用有农作物病害预测、虫害预测、墒情预测、产量预测、价格预测、专家系统等，能够对农作物的生产链进行实时的监管控制，从而提升作物的产出量和品质。伴随着农业领域多元性数据的存在与大量理解力问题的出现，单一机器学习技术已经难以解决。作为一家深研农业十余年的现代化企业，托普云农将前沿信息技术与农业专业深度融合，通过传统图像处理与最新深度学习等技术，构建起针对农业的多维混合算法模型，并使用积累多年的农业数据样本进行训练学习，满足当前多元化人工智能时代的发展需要，并深受业内关注。其中图像处理主要是对图像进行分割、前景提取、获取关键信息等，深度学习主要包括目标检测和图像分类等对目标进行识别分析。农业病虫害目标识别是人工智能技术的应用热点之一。托普云农通过大量数据样本对已构建好的算法模型进行训练学习，利用训练后的目标检测算法模型对各作物的病虫害进行识别，根据识别的病虫害数量对病虫害的严重程度进行判断与预警；根据识别的病虫害的种类给出病虫害档案，包括病虫危害情况、病虫害特征、病虫害原因、防治措施等。历经近十年的研究实践，托普云农已有60TB约2000多万张图库，15万张精选样本库，每月增量达3TB。目前已覆盖包括草地贪夜蛾、大螟、二化螟、稻飞虱等国家一二类农作物主要虫害109种的识别，病害识别覆盖小麦、玉米、水稻等6种农作物，涵盖赤霉病、灰斑病、稻瘟病等在内59种病害，平均识别一张图片3s左右，为粮食安全、生态保护提供了有力保障。植物表型研究在作物育种领域有着不可替代的作用。托普云农人工智能技术通过对农作物根-茎-叶-种等器官进行特征提取与降维、目标分割与定位、高精度图像识别与检测，现已实现了对玉米珠型、作物株高、剑叶夹角、籽粒果穗考种、作物形态测量、叶面积分析、亩穗数测量等的多个作物表型识别与测量。大数据分析与算法模型构建是人工智能技术的另一重要应用。托普云农通过监督机器学习算法，从大规模数据集中训练出墒情预测、作物病虫害预测、作物生长等模型，搭建成作物生长管理系统，由此为作物生产进行规划与管理；通过海量图像数据的积累以及高精度的目标检测和样本分类技术的应用，对病虫害分布及时自动感知，对虫害首发期、爆发期的有效预警预测；通过对传感器数据与视觉数据的分析以及统计模型的应用，进而预测作物产量。此外，托普云农的人工智能技术还应用于果实成熟期禁止打药监测等农事作业行为识别；烟火识别；文字识别以及人脸、动物、车辆、农机等集成第三方生态识别领域……有效保障农业生产安全、提高农业农村领域网格化治理能力，提升乡村居民幸福感。随着对人工智能的利用不断深入，农业生产管理与科研领域也展现出更多新的变革。在江苏海门的高标准农田里，从选种耕种、土壤成分监测、农田灌溉用水分析、病虫害识别预警、农业环境监测到农业专家系统、作物采收管理、产量预测、品质检验等全过程动态管理，极大提升了资源利用率和劳动效率，藏粮于地更藏粮于技。在乔司农业产业示范园里，通过对数据资源的采集、整合、分析，打造全域数字孪生、智慧农机系统、遥感监测系统、农情监测系统、种植管理系统、智能灌溉系统，形成了生产、预测、防控等全要素智能化管理，带动农业可持续发展。在江西湘东的数字种业园区里，结合科研和产业需求，建设现代化种业基地，打造智慧种业服务平台，涵盖6大应用场景，从育种、制种、种子检验、加工、仓储、流通等各环节强化信息监测以及溯源管理，探索水稻生长标准模型，创新园区服务体系，保障优质种业发展。在浙江古林的数字农田里，利用北斗导航、物联网、农业遥感、机器视觉等技术手段，打造农机高精度自动作业与导航系统、大田精细化生产灌溉管理系统、“天空地”一体化公共服务平台，并在超过1万亩的规模化种植基地进行集成示范，形成了一套可复制的产业应用模式，为更多水稻产区提供种植推广示范样板。当前，以数字孪生、人工智能、移动互联网、区块链等为代表的新一代信息技术与先进制造业加速融合，现代农业、服务业领域新产品新业态新模式竞相涌现。未来，在各种农业人工智能设备工作中，数据上“云”更便捷；在农业生产中，全要素数据采集汇聚、智能决策分析、精准作业指导和操控，节本降耗、提质增效、环境友好、生态安全；在农业科研中，基地管理、数据采集、数据挖掘分析更加便捷、智能，研发更加高效，目标更加精准。虽然现代农业与人工智能的深度融合还面临着许多困难和挑战，但是以人工智能为核心的智慧农业发展已是大势所趋。

X射线三维成像可以实现物体内部的无损检测。但是对于大尺寸的板状样品的三维成像一直是业界的难题，层析成像技术是目前解决这一难题的最佳方法。一、 什么是层析成像？目前比较被大众熟知的Computed Tomography（CT）通常被翻译为计算机断层成像。最早的实验室CT扫描机由英国Godfrey Hounsfield于1967年建成，第一台可供临床应用的CT设备于1971年安装在医院。CT自发明以来，经历了多代发展，这里就不再赘述。简单理解，CT就是求解一个线性方程组，最终得到的结果就是CT图像。CT扫描就是构造方程组的过程，每一条被探测器接收的射线就代表了一个方程。对二维断层成像而言，要想得到好的求解结果，需要平面内任意方向的射线。这也是要求射线源-探测器组合相对于成像目标旋转360度的原因（出于严谨考虑，这里声明不考虑短扫描等情形）。层析成像技术，早在1921年就已经出现。这个时期的层析成像可以称之为传统层析成像。由于信息交流的不便，多个国家的研究者分别独立提出了层析成像的方法，并且给予了不同的命名。目前流传下来比较被大家接受的是Tomosynthesis和Laminography。现在用于乳腺癌筛查的钼靶成像（只是用了钼靶射线源而已），严格讲应该叫作数字乳腺层析成像（Digital Breast Tomosynthesis，简称为DBT）。而工业上比较习惯于用Laminography，我们延续了这种用法。在进行中文翻译的时候为了跟计算机断层成像区分，我们将Tomosynthesis和Laminography都翻译为层析成像。CL全称即Computed Laminography。二、 传统层析成像 CL与CT到底有什么区别？在前面我们已经提到CT成像一般需要射线绕物体一周。而在有些时候这是无法实现的。比如，现场条件受限或者物体在某些角度太长，射线无法穿透。比如大尺寸的板状物体。对于下图接近一米长的PCB，如果采用显微CT扫描，只能采用先切割的破坏性方法。如果非得用一个简单粗暴的标准区分CT和CL：画一个过物体的平面，如果射线源和探测器的运动轨迹不跨越这个平面，就可以认为这是CL。可以通过下图了解传统层析成像的原理。通过采集不同角度的投影数据（那时还只有胶片），将胶片简单叠加在一起，其中一层的数据会被增强（这一层称为焦平面）。下图中Plane 2的数据（以圆形代表其细节）就被增强了。传统层析成像，每次只能增强一个焦平面内的结构，而其它层的图像仍然是模糊的。三、 现代层析成像我们所说的层析成像一般都是指现代层析成像。这里的现代是相对于上面的传统而言的。现代层析成像是指采用了数字探测器和图像重建算法的层析成像。其成像结果中每一层都得到增强。虽然与CT相比，由于其数据缺失，会造成层间混叠（后面我们会着重介绍）。但在很多应用场景，这是能得到的最好的结果。下图是几种常见的层析成像结构。如果将有限角CT也称作CL的话，可以认为是第5种结构。这里我们对各种成像结构的成像能力进行简单的分析。（I）结构简单，但数据缺失过于严重（扫描的角度等于射线的张角）；（II）仅能扫描中心区域；（III）(IV)相似，可以扫描任意区域，但在探测器的运动细节上有差异。其机械实现和数据处理上的差异过于专业，我们在这里就不再展开讨论。四、 层间混叠这是CL避免不了的问题。首先通过下图来了解一下层间混叠是什么样子。其表现就是横向的边缘被弱化了。为什么会出现这个问题呢？这得从傅里叶中心切片定理讲起，还是算了吧，简单点理解就是缺少了横向穿过物体的射线。为什么会缺少？因为这个方向射线穿不透啊，回忆一下前面一米长的PCB。如果你对上面的图像不满意，不如换个方向看看。是不是感觉好了很多。有没有办法彻底解决这个问题？针对特定的扫描对象，使用复杂的模型，效果会有所提高，但离实用还有很长的距离。 五、 CL的优点 谈完缺点再来聊聊优点。首先，就像前面提到的，这是现有条件下能得到的最好的结果。CL可以对大尺寸的板状物体得到非常高的分辨率。目前，射线源的焦点尺寸可以小到几百纳米。要想实现高分辨成像，需要射线源尽可能靠近物体，而CL这种扫描方式可以很容易的实现这一点。采用光学放大透镜的探测器的显微CT，样品可以不靠近射线源，但是由于射线的利用率底，扫描的时间会很长，难以满足快速检测的需求，且同样无法解决射线在有些角度下无法穿透的问题。下面再来聊聊CL另外一个优点。CT和CL图像最终表示的是物质对射线的线衰减系数（与射线能量、物质原子序数、物质密度等有关系）。一般趋势，线衰减系数随射线能量的增加而减小，简单点理解就是能量越高的射线越不容易被物质吸收。不同材料衰减系数的差异也随射线能量的增加而减小。由于CL始终沿着容易穿透的方向照射物体，可以使用较低能量的射线，因此能够获得较高的密度分辨能力。六、 国内CL研究进展与国外相比，国内对于CL技术的研究起步较晚。北京航空航天大学、中国科学院高能物理研究所等单位是国内最早开展CL成像研究的机构。在科技部重大科学仪器设备开发项目支持下，2015年，由中国科学院高能物理研究所和古脊椎动物与古人类研究所共同成功研发专用于“板状化石”的显微CL仪器，并在2016年中安装到中科院脊椎动物演化与人类起源重点实验室高精度CT中心，该仪器同时服务其他科研院所，中国科学院南京地质古生物研究所、中国地质科学院地质研究所、北京自然博物馆、安徽博物院、广西自然博物馆、北京大学，云南大学、西北大学、首都师范大学等，累计检测化石750余件。为板状化石的三维无损检测提供了全新工具，起到了不可替代的作用。该仪器的实验结果，助力研究人员在《Nature》、《Science》等期刊上发表论文20余篇，其中五项成果分别入选并领衔2018年、2019年、2020年和2021年中国古生物学十大进展。专用于“板状化石”的显微CL设备及其应用集成电路和电力电子领域也存在大量的板状产品。随着封装集成度和密度不断提高，对其内部结构缺陷检测要求空间分辨率达到微米甚至亚微米级。2019年，在科技部重大科学仪器设备开发项目支持下，中国科学院高能物理研究所针对电子器件封装检测需求，研制了具有亚微米级缺陷检测能力的X射线三维分层成像仪，关键指标达到国际先进水平。为了更好的进行X射线精密检测设备的推广，中国科学院高能物理研究所在2021年成立了锐影检测科技（济南）有限公司。X射线三维分层成像仪及其应用2021年，锐影检测科技（济南）有限公司成功研发了用于绝缘栅双极型晶体管（IGBT）焊接缺陷检测的专用CL设备。彻底解决了超声法和X射线DR成像无法检测带散热柱的IGBT模块的问题。设备实现了大视野快速成像，可以自动定位DBC焊接区域，自动进行气孔缺陷的识别，计算气孔率、最大气孔率、最大气孔尺寸，适用于在线检测。技术指标达到国际领先水平。IGBT焊接缺陷检测专用CLCL与DR方法对于IGBT基板焊料层气孔检测效果的比较总结随着科研及制造业的升级，对CL检测设备的精度、检测速度和智能化水平提出了更高的要求。新型CL设备的研发将是科研机构及X射线无损检测公司面临的挑战和历史机遇。 参考文献：【1】 Jiang Hsieh, Computed Tomography Principles, Design, Artifacts, and Recent Advances 3rd edition, SPIE PRESS.【2】 Buzug, Thorsten M. Computed tomography: from photon statistics to modern cone-beam CT. Springer, 2008.【3】 Zenghui Wei, Lulu Yuan, Baodong Liu, Cunfeng Wei, Cuili Sun, Pengfei Yin, and Long Wei, A micro-CL system and its applications. Review of Scientific Instruments, 88, 115107, 2017.【4】 Zuber M, Laaß M, Hamann E, Kretschmer S, Hauschke N, van de Kamp T, Baumbach T, Koenig T. Augmented laminography, a correlative 3D imaging method for revealing the inner structure of compressed fossils. Sci Rep. 2017 Jan 27 7:41413. doi: 10.1038/srep41413. PMID: 28128302 PMCID: PMC5269749.【5】 https://mp.weixin.qq.com/s/_SyUUlHpJNXrLxHFKYwydw本文作者：锐影检测科技（济南）有限公司

本期推文主要编译整理了 Xin YeeTai 等发表在 Energy and AI 的综述《可持续化学和工艺的未来:人工智能、数据和硬件的融合》（The future of sustainable chemistry and process: Convergence of artificial intelligence, data and hardware）。论述了在工业 4.0 的背景下，可持续的化学过程可能会成为一个智能实验室，将网络物理系统与先进的人工智能和稳健的检测技术连接起来。它还将创建一个闭环系统，包括合作和协调机器、自我决策系统、自主问题解决和学习系统。此外，还讨论了闭环系统在可持续化学过程中的发展前景和关键挑战。可再生能源发电和绿色合成的可持续化学是一个及时的研究课题，其愿景是在不损害子孙后代的情况下满足当前需求。在工业 4.0 时代，可持续化学和过程正经历着从连续流系统到下一层级操作的剧烈转变，例如通过将人工智能、数据和硬件集成到网络物理系统中的协作和协调机器、自决策系统、自主和自动问题解算器。由于物理空间和网络空间之间缺乏融合，开环系统面临着数据隔离、周期时间慢和资源管理不足等挑战。新兴的研究致力于加速这些循环，通过增材制造、内置在线监测和人工智能减少多步骤过程和实时表征之间的时间。最终目标是同时提出可持续化学过程中的工艺配方、流程合成和分子表征，每个步骤同时发送和接收数据。这一过程被称为“闭环”，它将潜在地创建一个具有高度集成系统的未来实验室，并生成一个面向服务的平台，用于端到端同步、自进化、反向分子设计和自动科学发现。该观点提供了一种方法，分别通过人工智能和增材制造，结合内置在线监测，分别理解网络和物理系统。此外，还讨论了闭环系统在可持续化学过程中的发展前景和关键挑战。01 引言可持续化学过程是一个科学概念，它寻求在不牺牲资源和环境的前提下满足当前的需求。近年来，连续流化学的发展势头日益强劲，从基本的实验室技术发展到实践中复杂的多步骤工艺。与传统的间歇系统相比，它具有搅拌快、传热快、反应时间控制有效、对有毒和高活性化学品实验安全等优点。此外，连续流化学可以更快地发现绿色化学产品和合成路线，大大减少了实验室和工业规模的污染物排放。连续流化学是实验室里的微型连续装置。它被认为是可持续化学工艺从科学研究向工程生产规模化发展的垫脚石。以层流为基础的燃料电池是可持续化学过程的一个显著例子，它利用液体燃料作为可持续资源，在微通道中持续产生能量，并产生水作为副产品，而不会对环境产生负面影响。此外，太阳能是一种巨大的、可靠的、实际上用之不竭的能源，具有均匀的辐照，可以很容易地与连续流反应器集成在一起，在流太阳能电池中产生化学能和电能，如产生单重态氧和去除水中的有毒成分。可持续化学过程的概念也体现在碳捕获和利用上，即以微胶囊或微流体装置的形式持续捕获温室气体，然后转化为绿色合成产品。第四次工业革命，又称工业 4.0，正在形成一种演变，其影响已遍及各个行业，尤其是制造业。在工业 4.0 的背景下，可持续的化学过程可能会成为一个智能实验室，将网络物理系统与先进的人工智能和稳健的检测技术连接起来。它还将创建一个闭环系统，包括合作和协调机器，自我决策系统，自主问题解决和学 习系统。可持续化学过程的智能实验室的目标是通过适应“即插即用”的原则，以尽可能快的速度完全灵活的生产。鲁棒的传感技术可以灵活地嵌入到多步反应和分离过程中进行实时监测。因此，3D 打印提供了最佳的解决方案，因为其灵活和可定制的独特属性，使“即插即用”的原则快速实现。此外，在智能实验室中采用数据驱动策略，可以提高灵活性和智能制造水平。这一策略在很大程度上取决于数据的质量和数量，这可以通过利用先进的传感技术通过内置在线监测过程来保证。此外，智能实验室也被称为“黑暗实验室”、“熄灯实验室”或“无人实验室”，不需要人力。[来源：曼森生物视频号] 曼森无人化实验室检测全流程自动化，实现检测全流程黑灯作业它运用人工智能实践预测、自动化和自主、自行为和自决策的方法，在可持续化工过程中进行智能控制、调度、设计、过程控制质量和维护。例如，巴斯夫正在实施工业 4.0，将 3D 打印应用于现场设施、连接系统以及用于过程管理和控制以及虚拟工厂调试的先进预测和分析模型。施耐德电气采用了 3D 打印、先进的人工智能和先进的传感器，使生产率提高了 2-7%，能源利用率提高了 30%，运营成本降低了 50%。将增材制造、先进 AI 和鲁棒传感器应用于工业规模工艺，在提高工艺效率、能源利用率和成本效益方面显示出显著的势头。如前所述，AI、数据和硬件是智能实验室的基础模块。人工智能是对人类智能的一种模拟，它被编程在机器中，使它们能够像“科学家”一样思考和行动，比如学习和解决问题。在可持续化工过程中，神经网络、机器学习和遗传算法等人工智能算法是监测、优化和控制中常见的数据驱动方法。因此，将先进的传感技术嵌入到多步骤过程中进行在线监测，可以保证数据的质量和数量，这是数据驱动方法的主要关注点。通过内置在线方法，可以获得化学过程的实时数据，如反应物使用量、产品收率以及操作条件，如 pH、温度和压力，这些都是离线分析技术无法获得的。在线方法直接测量工艺流程，不需要去除或转移样品，而在线方法自动分析样品材料，不需要分配工艺。将先进的传感技术集成到反应室需要灵活的硬件设计，这可以通过增材制造(AM)方便。AM 也被称为 3D 打印，是一种绿色制造技术，从数字输入建立三维物理输出，而不需要传统的工具。该定制工具为需要定制、灵活性和设计复杂性的应用程序提供了优势。AM 在燃料电池、流动化学等能源产生装置中的应用也得到了广泛的讨论。除此之外，人们还非常希望将人工智能、数据和硬件结合到实验室规模的研究中，以简化之后的升级过程。到目前为止，许多工作已经分别讨论了智能工厂的网络和物理系统。网络系统指的是人工智能和数据的融合，数据通过先进的感知技术产生，并被人工智能算法用于执行任务，如在云空间的自我优化和预测。相比之下，物理系统描述了智能实验室的硬件，如多步反应器、分离器和检测技术，它们可以通过 AM 技术实现物理集成，用于内置在线监测。在这样的网络和物理系 统中，如果没有 AM，网络系统的鲁棒性将受到低自定义能力与强大的检测技术 连接的阻碍，从而导致构建可靠模型的高质量数据的丢失。另一方面，如果没有 人工智能，物理系统将只能执行实时监控，而没有智能反馈和控制，限制了物理 系统的可扩展性和功能。因此，人工智能、数据和硬件的融合可以实现智能可持 续化学的物理和虚拟意义。02 通过增材制造和在线监测实现的智能物理系统这里的物理系统指的是用于反应器、分离器和先进检测等可持续化学过程的智能实验室的硬件。由于对实时信息的需求，有必要通过增材制造将它们集成到外壳和套管中，以便进行内置在线监测。AM 可以减少生产集成先进检测的定制反应室的周期时间。这种无与伦比的方法可以鼓励研究人员执行一种更迭代的方法，在现有的硬件中嵌入特定的几何形状。因此，可以根据工艺的要求，立即修改设计。此外，它还可以避免有价值但寿命较短的中间体检测的损失。目前，各种检测技术，如温度监测、光谱学和成像，已通过 3D 打印用于在线监测在可持续化学应用中得到了报道。例如，Monaghan 通过超声波添加剂制造（UAM）开发了多材料结构光谱学，将纤维药物嵌入金属微反应器中，用于 B维生素烟酰胺和荧光素的现场监测，如图 1 A 所示。通过启用 AM 的现场监测，研究人员可以从反应物的使用中获得实时数据，而使用离线分析技术无法看到产品形成和中间体生成。Maier 等人通过选择性激光熔化（SLM）开发了带有在线氧传感器的不锈钢反应器。这被证明是研究格氏试剂在流动中氧化的一种有前途的方法。这两项工作都表明了 AM 技术在制造高度复杂的金属器件方面的稳健性，这些器件适用于可持续化学过程中的高温高压应用，同时在更自由的设计中保持高精度的测量。在空气污染监测的另一个应用中，熔融灯丝制造（FFF）用于制造带有嵌入式半导体空气质量传感器的光催化气相反应器，该传感器测量电阻变化。这种 3D 打印气体传感器采用廉价的方法制造，并配有现成的组件，如光催化过滤器和模数转换器。采用 AM 技术还可以安装更强大的检测单元，并改进系统性能评估。例如，在燃料电池系统中，电流密度和功率密度是评估性能的标准实时信息。采用熔融沉积模型（FDM）在高温聚合物电解质燃料电池上嵌入电子顺磁共振（ERP）光谱，用于阴极电导率测量。Polyjet 技术提供了一种快速且经济高效的方法，当使用商业 X 射线计算机断层扫描仪提供的低强度 X 射线进行水分布可视化（图 1 B）时，设计足够小的夹具，以实现良好的信噪比，否则很难通过常规机加工制造。这项工作突出了使用鲁棒传感器实时监测层流燃料电池的机会。Menzel 等人通过 FDM 提出了一个 3D 打印化学合成系统，包括反应器、分离器、压力调节器和泵，如图1 C所示，该系统为多步化学合成创建了一个完整的连续流系统。 在低成本 3D 打印技术上对耐高温和耐化学腐蚀的聚合物（如聚醚醚酮）进行 3D 打印，为可持续化学过程中的高温和腐蚀应用创造了机会。图 1 （A）UAM 池光谱测量示意图，其特征是垂直于微流控通道嵌入涂层光纤，用于分析荧光素溶液 （B）具有三维打印池支架和流场夹具的 X 射线计算机断层扫描系统内的可视化设置 （C）使用三维打印反应器、泵、BPR 和膜分离器曼森人工智能自动化实验室产品随着互联网技术的不断革新以及人工智能、大数据时代的到来，信息技术在各个领域日益渗透，借助先进信息技术与前沿管理理念打造智慧实验室，成为未来发展的必经之路。在此创新变革浪潮之下，曼森生物全自动化检测检验实验室解决方案从精益化、智能化、持续化三大方向持续深化创新，为实验室的运营管理与未来发展带来无限可能，成为助力实验室实现自我革新的新引擎。NO.1高通量发酵平台平行生物反应器：由华东理工大学生物反应器国家重点实验室和国家生化工程技术研究中心张嗣良教授技术团队研发的平行生物反应器，区别于传统的生物反应器，具有高度平行性（同步性和重现性），利于高校实验室和企业研发实验室使用。NO.2液体处理机器人全自动分液机器人：采用协作机器人进行分装液体，通量高、速度快、灵活性大、兼容试管、离心管、三角瓶、蓝盖瓶、容量瓶、微孔板等多种形式容器，特别是可以分装接触皿将液体自动定量分装到各种容器中。梯度稀释机器人：样品的梯度稀释、复制和重排组合，适用于试管间、孔板间稀释；有吹吸混匀功能。可以同时稀释4种样品。NO.3四通道平板分装仪四通道平板分装仪：该设备拥有智能操控、分装准确、可自定义分装参数等特点，可以同时分装1-4种培养基。仪器启动后无需管理，自动进行培养基的分装及平皿堆叠，可大幅度减少操作人员工作量，是实验室分装平板培养基的优选设备。未完待续参考文献：Xin Yee Tai, Hao Zhang , Zhiqiang Niu, et al. The future of sustainable chemistry and process:Convergrnce of artificial intelligence,date and hardware. Energy and AI 2 (2020) 100036文章来源：本文由中科院上海生命科学信息中心与曼森生物合作供稿排版校对：刘娟娟编辑内容审核：郝玉有博士

近日，工业和信息化部印发通知，组织开展2021年人工智能产业创新任务揭榜工作。进一步探索完善揭榜挂帅机制，面向全社会张榜招贤，激发产业创新活力，遴选培育优势企业和成果，加速我国人工智能产业创新发展。揭榜工作重点面向3个方向：一是核心基础，包括高性能云端人工智能芯片、高性能边缘端/终端计算人工智能芯片、智能传感器、终端人工智能推断框架、人工智能开发服务平台及工具等5大项任务。二是智能产品，包括机器翻译系统、三维图像身份识别系统、智能语音交互系统、自动驾驶虚拟仿真测试平台、智能机器人、智能无人机、智能导盲产品、智能制造关键技术装备与系统、高精度工业视觉检测系统等9类产品。三是公共支撑，包括人工智能训练资源库、大规模预训练模型、人工智能安全检测平台等3类能力。工业和信息化部将与有关部门、地方及金融机构等加强协同，加大对揭榜优势单位的支持力度，通过政策引导、项目带动、试点示范等多种手段加速揭榜成果应用落地。　　关于组织开展2021年人工智能产业创新任务揭榜挂帅申报工作的通知　　工信厅科函〔2021〕231号　　为贯彻落实习近平总书记关于揭榜挂帅工作的重要指示精神，加快推动我国新一代人工智能产业创新发展，现组织开展2021年人工智能产业创新任务揭榜挂帅申报工作。有关事项通知如下：　　一 任务内容　　揭榜挂帅工作聚焦人工智能产业发展的核心基础、重点产品、公共支撑等3类创新任务，发掘培育一批掌握关键核心技术、具备较强创新能力的优势单位，突破一批人工智能标志性技术产品，加速新技术、新产品落地应用。(任务详见附件)　　二 推荐条件　　(一)揭榜申报主体包括从事人工智能技术创新和应用服务的相关企业、高校、科研院所等，应具备独立法人资格，具有较强技术创新和产业化应用能力。　　(二)各省、自治区、直辖市及计划单列市工业和信息化主管部门、中央企业集团、人工智能相关行业组织按照政府引导、企业自愿的原则，优先推荐创新能力突出、产业化前景好、行业带动作用明显的项目。　　(三)每个主体申报不超过3个项目。已列入前期揭榜优胜项目的不得重复申报。　　三 工作要求　　(一)申报主体可通过申报系统(https://aibest.miit.gov.cn)进行申报，完成注册后填写申报所需材料。申报截止时间为2021年11月15日。　　(二)推荐单位于2021年11月30日前使用账号登录系统并确认推荐名单。各省、自治区、直辖市工业和信息化主管部门、人工智能相关行业组织推荐项目数量原则上不超过15个 计划单列市工业和信息化主管部门推荐项目数量原则上不超过5个 中央企业集团和部属单位不占属地指标，可直接报送，推荐项目数量原则上不超过3个。　　(三)工业和信息化部组织遴选并公布入围揭榜单位名单(每个揭榜方向原则上不超过5家)。入围揭榜单位完成攻关任务后(名单公布之日起不超过2年)，工业和信息化部委托第三方专业机构开展测评工作，择优发布揭榜优胜单位名单(每个揭榜方向原则上不超过3家)。　　(四)请推荐单位高度重视人工智能产业创新任务揭榜挂帅工作，结合本地区、本领域实际，遵循公开、公平、公正的原则完成好推荐工作，并在政策、资金、资源配套等方面加大支持力度。　　附件：　　2021年人工智能产业创新任务揭榜挂帅申报指南　　一、核心基础　　(一)高性能云端人工智能芯片　　揭榜任务：研制高性能云端人工智能芯片，突破适用于人工智能计算范式的矩阵乘加内核架构、实现高速互联总线等核心技术，满足云计算环境中的低能耗训练和推断。在智慧城市、自动驾驶、云计算、智能家居等重点领域实现规模化商用。　　预期目标：到2023年，支持多种国内外主流深度学习框架，支持计算机视觉、自然语言处理、智能语音等技术领域中不少于三种主流神经网络模型的训练与推断。云端训练芯片可支持FP32、TF32、BF16、FP16、INT8等计算精度，算力可达到32TFLOPS@FP32、64TFLOPS@TF32、128TFLOPS@BF16、128TFLOPS@FP16、512TOPS@INT8，芯片典型功耗不高于400W。云端推断芯片支持FP32、TF32、FP16、INT8等计算精度，算力可达到32TFLOPS@FP32、128TFLOPS@TF32、128TFLOPS@FP16、256TOPS@INT8，芯片典型功耗不超过75W。　　(二)高性能边缘端/终端计算人工智能芯片　　 揭榜任务：面向机器学习边缘端及终端，研发高性能、低功耗、低延时、高算力性价比的人工智能芯片 研发配套的编译器、驱动软件、开发环境等产业化支持工具，形成加速卡、智能计算盒子、边缘服务器等完整的配套产品。　　预期目标：到2023年，支持多种国内外主流深度学习框架，支持计算机视觉、自然语言处理、智能语音等技术领域中不少于三种主流神经网络模型。边缘端芯片峰值性能不低于20TOPS@INT8，支持FP16、INT8、INT4等量化精度，芯片典型功耗不高于16W，能效比超过2TOPS/W @INT8。终端芯片能效比超过5TOPS/W@INT8，典型功耗不超过2W，支持INT8、INT4等量化精度。　　(三)智能传感器　　 揭榜任务：研发基于新需求、新材料、新工艺、新原理的智能传感器，提升图像、声学、健康监测、车规级雷达、车规级摄像头等智能传感器自主研发水平，推动智能传感器的产业化应用。　　预期目标：到2023年，相关类型传感器达到以下性能：声学传感器信噪比达到70dB、声学过载点达到135dB。柔性干式脑电电极、肌电电极、心电电极的导电性能显著提高，导电阻抗可以达到小于5KΩ。车规级固态激光雷达在自动驾驶场景下实现探测距离≥250m，水平视场角120°/垂直视场角20°，水平角度分辨率≤0.075°/垂直角度分辨率≤0.075°。车规级摄像头在自动驾驶场景下，前视、后视摄像头实现可探测距离250m (FOV 30°)，环视、侧视实现可探测距离100m (FOV 180°)。其他类型传感器性能达到国际先进水平。　　(四)终端人工智能推断框架　　 揭榜任务：开发高性能终端人工智能推断框架，突破多模式训练、多精度推断、多平台覆盖、模型量化等关键技术，运行效率、量化能力、压缩率满足应用场景需求，实现自学习、自定义算子、分布式算力调度等能力。　　预期目标：到2023年，框架支持C、C++、Java和Python等主流开发语言中3种以上，适配5款以上人工智能推断芯片，支持FP32、FP16、INT8、INT4等多种推断精度，在自动驾驶、智能医疗装备、智能家居、智能终端等重点领域实现规模化商用。　　(五)人工智能开发服务平台及工具　　 揭榜任务：研制低门槛、高性能、可扩展的人工智能开发平台，突破智能数据标注、自动机器学习(AutoML)、大规模异构资源管理、云边端协同管理等核心技术，提供面向机器视觉、自然语言处理等特定应用和金融、制造、能源等典型行业的平台服务能力。　　预期目标：到2023年，平台支持主流人工智能深度学习框架，支持3种以上人工智能芯片的适配，支持多种典型算法和工具，多机多卡分布式环境下线性加速比达到国际先进水平。工具支持典型场景的智能化标注，标注工作量显著降低，实现典型行业的实际应用。在多个标准数据集上AutoML算法的性能与人类专家差距在10%以内。　　二、智能产品　　(六)机器翻译系统　　 揭榜任务：突破低资源机器翻译模型架构、跨语言跨领域知识迁移、鲁棒性训练与解码、多语言通用翻译引擎等核心技术，开发高性能的小语种自动翻译模型与算法。在实时、非实时、常见噪声等多种应用场景下，支持语音转文本、语音转语音、文本转语音、文本转文本等能力。　　预期目标：到2023年，实现超大规模多语言通用机器翻译引擎，支持中文普通话、常见方言、外语类型的翻译，支持多个国产软硬件平台的小语种机器翻译训练与推断，小语种机器翻译抗噪音与领域迁移鲁棒性满足实际应用需求。系统的译文忠实度大于90%，译文流利度大于90%。　　(七)三维图像身份识别系统　　 揭榜任务：研发三维图像身份识别系统，包括3D成像硬件模组，千万大库3D人脸识别算法，云-边协同3D人脸识别引擎等关键技术，实现在人脸支付、智慧安检、视频监控、图像检索等典型场景的应用。　　预期目标：到2023年，高精度3D成像硬件模组1米距离成像精度达到1毫米，误识率小于0.001‱，拒识率小于5%。3D人脸识别引擎支持大库实时检索，QPS大于150，达到国际先进水平。在典型应用场景下，系统对二维静态纸质/非纸质图像、电子/动态图像、面具、头模拒绝率≥99.9%，人脸活体接受率≥99%。系统应用的安全合规性符合国家相关法规要求。　　(八)智能语音交互系统　　 揭榜任务：研究基于人机对话的智能语音交互系统，突破环境因素和用户口语发音差异等导致的语音识别技术瓶颈。研究多语种及多风格情感语音合成技术，实现自然、情感丰富的语音合成效果。研究以多模态识别技术为前端，基于多种机器学习方法的语义对话系统，提升开放场景下的语义泛化能力。研究智能语音分布式管理，实现多个智能交互设备的协同工作。在智能制造、智能客服、智能车载、智能家居等场景下实现大规模应用。　　预期目标：到2023年，实现多场景下中文语音识别平均准确率达到98%，远场识别率超过95%，语音合成MOS分不低于4.2分，误唤醒每24小时不超过1次，用户意图准确率达到95%以上，多设备协同唤醒准确率达到98%以上，支持的外语类型、少数民族语言、方言种类达到5种以上，支持个性化语音合成种类3种以上，平均响应时间小于2秒。　　(九)自动驾驶虚拟仿真测试平台　　 揭榜任务：研制高置信度、高覆盖度、高精度的自动驾驶仿真测试验证平台，突破场景构建、车辆动力学建模、驾驶员建模、传感器建模等关键技术，提升自动驾驶系统功能测试和性能评价能力，验证自动驾驶系统是否符合应用功能要求和安全要求。　　预期目标：到2023年，基于高精度地图和三维重建技术构建场景库，建立自动驾驶仿真场景1000个以上，包括典型场景、连续场景、车路协同场景和城市道路场景。感知系统仿真实现激光雷达、毫米波雷达和摄像头仿真，能够接入自动驾驶感知和决策控制系统，实现道路环境场景仿真测试及量化评价，为行业企业提供有效的研发、产业化测试服务。　　(十)智能机器人　　 揭榜任务：重点围绕家庭服务、医疗健康、公共服务、养老服务、金融服务、巡检安监、智能物流等领域，突破包括多模态智能交互、多机协同及云平台、智能精准安全操控、感知信息融合、影像定位与导航等关键技术，推进智能机器人规模商用。　　预期目标：到2023年，面向不同应用场景，智能机器人具备以下一种或多种能力：在多模态交互能力方面，识别准确率在95%以上，在巡检等特定应用场景可实现对缺陷和隐患的全天候、全方位、全自主监测。在多机协同方面，具备高安全、高精度、超大作业范围协同能力，以及面向场景的智能化运维能力。在自主动作能力方面，具备自由移动与避障能力，在特定应用场景可实现安全可靠、智能决策的高自动化水平和高智能化水平的无人搬运能力。在智能知识库方面，拥有面向应用场景的规模化知识库，具备智能问答等功能。在健康护理服务方面，实现智能辅助诊断、身体指标检测、高清远程医疗等功能。　　(十一)智能无人机　　 揭榜任务：突破智能跟随、自主作业、群体协同作业等关键技术，推动5G通信、北斗导航、边缘计算等新技术在数据传输、链路控制、智能操作、监控管理等方面的应用。促进智能无人机在应急救援、通信保障、电力巡检、森林防控、采矿安监等危特场景的应用。　　预期目标：到2023年，智能无人机实现360°全向感知避障，避障模式下最大飞行速度不低于14m/s。新一代通信网络环境下，无人机远程高清图传屏到屏延时小于200ms，远程控制延时小于60ms。面向森林草原巡检、火灾预警和消防救援等应急场景应用无人机抗风七级，连续飞行时间不小于60分钟。人工智能飞行处理系统实现自动智能强制避让航空管制区域，产品达到国际先进水平。　　(十二)智能导盲产品　　 揭榜任务：围绕视障人群的无障碍独立出行需求，研制具有高性能、高精度、高度无障碍的导盲系统及产品，突破室内精准无障碍导航、室外复杂环境精准导盲、复杂场景下智能感知、自主决策、协同引导以及智能信息共享等关键技术，支持立体空间安全避障，提升路径学习、物品识别的自学习能力，进一步解决视障人群的出行问题。　　预期目标：到2023年，导盲产品利用5G、短距离通信和高精度卫星定位等技术，实现主动识别、主动判断、主动避障、主动引领、低时延快速响应，具备处理室内外各类复杂出行环境的能力，实现立体空间安全避障。通过语音、音效、震动等多种交互方式实现主动引领导盲功能，支持远程人工导盲服务。产品的续航时间、适用性、可靠性、安全性满足视障人群的出行需求。　　(十三)智能制造关键技术装备与系统　　 揭榜任务：突破智能装备自主识别、自主优化、自主学习、群体协同等关键技术，推动人工智能技术与智能制造装备融合。研发智能新型工业控制系统等创新产品，推进人工智能算法与工业自动化系统融合。研发智能工业软件，推进人工智能与研发设计、生产管控、经营管理等工业软件系统的融合与应用。　　预期目标：到2023年，智能装备具备环境感知、控制指令优化、自主学习、人机交互、协同组织功能，重复定位精度达到特定场景生产制造要求，具备5台以上单台装备的协同能力。智能工业控制系统涵盖10种以上人工智能算法模型。智能工业软件设计仿真领域形成不少于5类智能化功能模块，在生产管控、经营管理软件领域分别形成不少于20类智能化功能模块。在仓储物流、石油化工、服装纺织、轨道交通等主要工业领域实现集成应用。　　(十四)高精度工业视觉检测系统　　 揭榜任务：研制基于机器视觉、高精度传感等技术的工业视觉检测系统，推动视觉和人工智能技术结合的检测系统在精度、稳定性与检测速度等领域关键技术突破，实现视觉技术在测量、定位、检测、引导及识别等生产管理重点领域的场景创新与推广应用。　　预期目标：到2023年，3D视觉检测、小样本训练、多类型混合缺陷识别等关键技术实现重大突破，视觉检测系统的工业现场漏检率、误报率、测量精度、识别速度、系统一致性满足实际生产需求，实现产业规模化应用。　　三、公共支撑　　(十五)人工智能训练资源库　　揭榜任务：建设通用基础训练资源库和行业训练资源库，可提供合规的、高质量人工智能训练资源库、标准测试数据和服务能力，具备多类型、多场景数据采集与处理服务能力。通用基础训练资源库支持计算机视觉、智能语音、自然语言处理等典型人工智能应用训练数据，行业训练资源库可提供定制化行业领域训练数据服务。　　预期目标：到2023年，通用基础训练资源库具备以下一种或多种数据类型：语音识别数据时长超过9万小时，标注准确率超过97%。图片数据量超过1500万张，标注准确率超过97%。视频数据时长超过800小时，标注准确率超过97%。自然语言处理数据量超过600万条，标注准确率超过97%。行业训练数据满足相关领域如工业、交通、金融等行业的应用需求。　　(十六)大规模预训练模型　　 揭榜任务：研发面向计算机视觉、自然语言处理、智能语音等人工智能核心技术的大规模预训练模型。突破预训练模型的训练算力、时间等限制，结合微调等技术，提升常见视觉、语言任务的分析和处理效果，搭建人工智能通用算法底座，提升大规模预训练模型的公共支撑能力。　　预期目标：到2023年，构建至少覆盖多语种文本、语音、图像、视频的多模态预训练大模型，模型参数至少达到千亿级。构建人工智能预训练大型模型的工程化开发能力，建设通用的人工智能开发工作流，减少专家干预及人为调参。平台具备提供数据、代码、模型、API等服务的能力，在工业、医疗、城市、金融、物流、科学研究等行业领域实现规模应用。　　(十七)人工智能安全检测平台　　 揭榜任务：研发人工智能数据安全测试平台，支持对模型数据泄露行为检测。研发人工智能算法安全性测评平台，支持针对以人脸识别身份认证、自动驾驶智能识别等为代表的人工智能系统进行抗对抗样本攻击能力等安全风险的测评。研发面向金融、政务、电商等行业领域的风险监测预警平台。　　预期目标：到2023年，人工智能安全检测平台具备以下一种或多种能力：不少于3种人工智能模型数据泄露行为检测方法。不少于10种数字世界黑盒对抗攻击、不少于2种物理世界黑盒对抗攻击算法。平台支持对TensorFlow、PyTorch等典型深度学习框架训练出的算法模型的安全性进行高效的、自动化的测评，支持测评多种任务模型的安全性，如包括人脸识别身份认证、自动驾驶智能感知等任务。风险监测预警平台具备至少10种行业监测预警模型，大幅提高行业风险监测有效率与运行安全性，行业风险监测覆盖率显著提升。　　四、其他　　其他人工智能领域的特色化技术、产品、服务和平台等，应具有技术先进性，技术成熟度较高，产业化前景较好。

为积极响应国家战略布局，促进人工智能与各学科交叉融合，更好开展“AI+”融通复合式特色人才培养，加速形成更具引领性的“智能时代人才培养范式”，6月17日，哈工大揭牌成立人工智能学院。“AI+先进技术领军班”同时发布，从今年起面向全国招收本科生。校党委书记熊四皓出席仪式并讲话。校长韩杰才宣读学校关于成立人工智能学院的决定。学校领导与来自华为、阿里云、科大讯飞、商汤科技、海邻科、人民网等企业相关负责人、专家代表共同为哈工大人工智能学院揭牌。熊四皓讲话韩杰才宣读决定共同为哈工大人工智能学院揭牌熊四皓在讲话中指出，哈工大高度重视人工智能学科的发展。作为国内最早开展人工智能领域相关研究的科研单位之一，长期以来，学校在人工智能前沿领域开展引领性研究，产出了丰富的学术成果，创造了显著的社会效益和经济效益。成立人工智能学院和“AI+先进技术领军班”是学校落实习近平总书记贺信精神的重要探索，也是学校立足加快发展新质生产力、服务现代化产业体系建设、开辟高质量发展新赛道的创新举措。熊四皓就下一步推动人工智能学院高质量发展作出3点部署。一是充分发挥“尖兵”引领作用，领跑人工智能领域创新发展。要紧扣强国重大战略需求，充分发挥人工智能高溢出性、强带动性特征，超前布局一批富有前瞻性、独创性、系统性、战略性的人工智能领域重大科技方向，全面提升跨学科、跨领域科研力量整合发力能力，推动更多科研攻关从“解决单点式关键核心技术”向“提供系统级解决方案”转变，打造学校科研攻关新“王牌”。二是深入探索杰出人才培养之道，打造人工智能顶尖人才培育高地。要精准把握人工智能技术多样化发展趋势和高速迭代的发展特征，锚定学术大师、工程巨匠、业界领袖和治国栋梁四类杰出人才培养目标，面向全球学术界和产业界精准汇聚人工智能领域“大师级”人物和青年领军骨干，以颠覆性思维深谋变革之路，以创新性探索厚植引领之能，加速培养适变、应变和创变的拔尖创新人才，构筑服务国家需求和发掘个人潜能并举的人工智能顶尖人才培养成长新生态。三是持续深化产学研深度融合，以前沿科技创新赋能产业创新。要在推动科研创新同产业创新深度融合上下功夫，紧紧抓住人工智能赋能千行百业转型升级的重要契机，精准分析科学技术与市场需求的互融互促规律，用好学校同关键领域龙头企业、科技领军企业多年积累的深厚合作基础，强化以行业产业关键核心技术突破为导向的科学研究，持续推动学校学科优势、人才优势、创新优势向行业产业资源优势、市场优势、平台优势加快转化，打造学校推动“四链”深度融合的“新样板”。仪式现场副校长沈毅主持仪式。校党委副书记、副校长陈蕊出席仪式。中国工程院院士、鹏城实验室主任、“吴文俊人工智能科学技术奖”最高成就奖获得者、哈工大首届人工智能班班主任高文，加拿大皇家科学院院士、加拿大工程院院士、全球TOP 2%顶尖科学家、AIRS计算机视觉中心主任、1980级校友张大鹏，百度首席技术官、“国家卓越工程师”称号获得者、1989级校友王海峰，深圳开鸿数字产业发展有限公司CEO、鸿蒙系统奠基人、1989级校友王成录，乐聚（深圳）机器人技术有限公司董事长兼创始人、哈工大计算学部研究员冷晓琨等视频祝贺哈工大人工智能学院揭牌、“AI+先进技术领军班”发布。揭牌仪式后，来自阿里云、商汤科技的专家分别作主旨报告，介绍了人工智能领域的前沿探索与最新进展。学校相关部处和学院、学部负责人及人工智能学院师生代表参加仪式。人工智能学院为计算学部下设教学科研机构，负责智能科学与技术学科建设和人工智能专业建设。哈工大人工智能研究起步早、涉足深、特色鲜明。作为国内最早开展人工智能领域相关研究的科研单位之一，早在1958年就研制出了中国第一台“能说话、会下棋”的数字计算机，产生了国内第一个语句级智能拼音汉字输入法、国内首个全自动构建的中文知识图谱......经过多年发展，形成了以“声、图、文”为核心的人工智能学科特色，并在自然语言处理、计算机视觉、智能控制、机器人等领域形成了比较完善的技术体系，在人工智能领域培养出了一大批教学、科研和产业人才。学校继2023年设立由中国工程院院士、鹏城实验室主任高文领衔并担任班主任的人工智能班后，2024年又新设立“AI+先进技术领军班”，致力于培养具备开阔国际视野、深厚社会责任感、引领未来发展的AI领域杰出人才，使之成为AI领域学术引领者、行业领军者和战略领导者。培养特色一：AI+X 学科交叉复合厚植数理基础，多学科学术导师引领，人工智能与新材料、新能源、新装备等学科全方位渗透、融合，推动“AI+X”跨界创新人才培养。培养特色二：AI+项目 双驱融合教学注重原始创新能力培养，强化“课程+项目”双驱互融，实施纵横贯通、逐级挑战的项目式学习，拓展AI领域杰出人才的个性化、进阶式培养路径。培养特色三：AI+名企 产教深度融合依托国家人工智能产教融合创新平台，联合行业领军企业深化产教融合，共同打造“高校-企业-政府”AI人才培养的生态圈。培养特色四：AI+名城 跨域资源赋能采取灵活多样的培养方式，校本部与深圳校区间实施“2+2”“3+1”“4+0”自主选择，利用不同校区的区域优势，为学生发展提供全方位支持与助力。

p 　　中国人工智能学会副理事长，中国科学院谭铁牛院士于2018年6月13日在第十九次中科院院士大会上发表了 《人工智能:天使还是魔鬼》的主题报告,深度解读了60多年来人工智能发展历史，人工智能的七大现状，发展趋势、展望和现有人工智能的局限性等，谭院士认为：“人工智能的春天刚刚到来”。　　 /p p 　　尊敬的各位院士、各位同仁，会场的各位同学以及各位网友大家好!今天非常荣幸有机会跟大家汇报一下我本人关于人工智能的一些粗浅想法。我报告的题目是《人工智能：天使还是魔鬼?》。 /p p 　　我想既不是耸人听闻也不是哗众取宠，因为人工智能在普遍被看好的同时，确实富有争议。对于人工智能提出争议的都不是等闲之辈，都是重量级人物。近些年不断上映的关于人工智能、机器智能的科幻大片，的确留给我们很多悬念和问题：人工智能到底是天使还是魔鬼?因为这些科幻大片里面，有些把人工智能塑造为暖男的大白，也有一些塑造成给我们带来恐慌的机器人。 /p p 　　我觉得要回答这个问题，有必要搞清楚人工智能的基本概念、以及人工智能目前能够做什么和不能做什么，还有未来发展走向。 /p p style=" text-align: left " 　　 strong 人工智能的基本概念和发展历程 /strong /p p 　　人工智能的概念和这个词Artificial Intelligence，是1956年在达特茅斯学院暑期研讨班上，一个叫约翰。麦卡锡的年轻人提出的，当时研讨班的主题就是怎么用机器模拟人的智能。当然人工智能相关研究并不是从1956年才开始，之前就有，只是人工智能的概念是那时候提出来的。 /p p 　　人工智能研究的主要目的就是探寻智能本质，研究出具有类人智能的智能机器，比如让机器或者计算机会听、会看、会说、会想、会决策，跟人一样。人工智能的概念提出到今天62年过去了，62年发展历程风风雨雨、曲曲折折，从起步时大家的兴奋、到后来提出了一些让人期待但不可实现的目标、接下来的反思，一直到互联网出现以后大数据的涌现，使得人工智能走上一个新的高潮。 /p p 　　62年的发展历程，我觉得留给我们很多的启示。特别是在今天，人工智能如日中天，火遍全球的当下，实事求是地设定科学目标显得尤为重要。1956年的研讨会有十个年轻人参加，其中一个很乐观，认为到2000年，也就是上世纪末的时候，人工智能有可能达到人的智能，这显然太乐观了。62年确实是一个曲折的发展过程，但是进步是有目共睹的，无论是在理论层面、关键技术还是具体应用。 /p p 　　 /p p style=" text-align: center" img style=" max-width:100% max-height:100% " src=" https://img1.17img.cn/17img/images/201905/uepic/6eebfb71-c64f-4c6d-9fc1-6a40cf9990b0.jpg" title=" 01.jpg" alt=" 01.jpg" / /p p style=" text-align: center " 人工智能的发展现状　　 /p p strong 专用人工智能取得突破性进展 /strong /p p br/ /p p 　　谈到目前人工智能发展的现状，我首先要说的是专用人工智能取得突破性进展。专用人工智能就是让人工智能系统专门做一件事儿，比如下围棋，是面向特定领域或者单一任务的人工智能。它确实取得一些突破性进展，而且比人做的更好。我可以举很多这样的例子。 /p p 　　下围棋的AlphaGo大家很熟悉，Boston Dynamics的人形机器人可以跨过障碍物，还有四足机器人像狗一样跑得非常快，可以爬楼梯，一般老百姓看了这些确实会感到一种不安。 /p p 　　 /p p style=" text-align: center" img style=" " src=" https://img1.17img.cn/17img/images/201905/uepic/46d54e26-2228-4f44-9c16-afca30e84c80.jpg" title=" 02.jpg" / /p p style=" text-align: center" img style=" " src=" https://img1.17img.cn/17img/images/201905/uepic/cc1eb3b0-ea8e-4aee-8a9b-4f59b33be6f8.jpg" title=" 03.jpg" / /p p style=" text-align: center " strong Boston Dynamics的人形机器人和狗形机器人 /strong br/ /p p 　　还有自动化所唐明研究员他们做的机器鱼，谷歌最新的语音人机对话，还有科大讯飞的语音识别把维语和普通话的互译做的非常好。这几年“刷脸”也就是各种人脸识别非常火爆，我们国家可以说也是走在世界前列。我并不是说人脸识别不好，但确实有局限，比如双胞胎肯定不行。有的时候儿子跟老子也分不出来，比如非常相像的老布什和小布什。 /p p style=" text-align: center" img style=" max-width:100% max-height:100% " src=" https://img1.17img.cn/17img/images/201905/uepic/837fac73-ff32-4c97-99ab-853273630fb8.jpg" title=" 04.jpg" alt=" 04.jpg" / /p p 　　过去二十年我一直在研究虹膜识别，这是人工智能的一个特定领域。瞳孔和眼白之间的中间区域叫做虹膜区域，1936年眼科医生发现每个人虹膜上的花纹都不一样，一岁半以后定形终身不变。目前我们国家很多煤矿的矿工考勤就在大量使用这个技术。黑龙江的一个煤矿，最早他们找到我说能不能用指纹识别，后来发现指纹会脱皮，如果刷脸，上班没有问题，下班煤矿工人就不行了 而虹膜识别没有问题。现在国内很多煤矿都在用这个技术。特别让我高兴的是，两周以前中央电视台报道，虹膜识别可以用于寻找丢失儿童。 /p p style=" text-align: center" img style=" max-width:100% max-height:100% " src=" https://img1.17img.cn/17img/images/201905/uepic/d100f8c2-0aee-40de-bfa4-2776f204ee34.jpg" title=" 05.jpg" alt=" 05.jpg" / /p p 　　这也是一个人工智能能解决的问题：确定你看到的互联网照片有没有被篡改或者被修改。下图从左到右四组照片，相信各位无论是坐第一排还是后面都看不出来差别。我只告诉大家有一排是修改过的，相信大家用肉眼看不出来。这个特定问题人没有办法完成，而人工智能根据图像内容分析可以自动实现篡改检测。人工智能看到篡改部分是绿颜色的，那么第二排图像是修改过的。 /p p style=" text-align: center" img style=" max-width:100% max-height:100% " src=" https://img1.17img.cn/17img/images/201905/uepic/97eebbe0-e709-433b-8da8-684b5cc65c58.jpg" title=" 06.jpg" alt=" 06.jpg" / /p p 　　这有什么用途?讲一个我几年前的亲身经历。2015年有一天我收到一封信，里面有一张糟糕的照片，把别的男人的头换成我的头，要我一周之内给他寄二十万。我想这个人显然寄错人了，所以各位如果你们有一天也收到这样照片，我可以马上给你验证一下，如果假的我第一时间告诉你，真的我们好好商量怎么处理。特定领域人工智能的成功应用可以举很多例子，这只是挂一漏万。 br/ /p p 　　可以说，专用人工智能取得突破性进展，很大程度(特别是这几年)取决于统计学习或者机器学习的进步。特别是人工智能领域现在火爆的深度学习，尤其是人工智能的深度神经网络。深度学习其实一点都不神秘，只是借鉴了人的大脑在处理信息过程当中的层次化过程。因为深度学习的涌现，大家可以从曲线看到，用于图像分类的标识人工智能或者深度学习识别力已经低于人的错误率，也就是说识别力高于人。包括跟环境的交互，找出最好策略，这就是所谓强化学习。以及我们经常讲魔高一尺道高一丈，在博弈中学习，使得学习能力不断提高，这就是生成对抗学习。这是目前人工智能发展现状，专用人工智能取得突破性进展和人工智能特别火的重要原因就是深度学习、机器学习。 /p p 　　 /p p style=" text-align: center" img style=" max-width:100% max-height:100% " src=" https://img1.17img.cn/17img/images/201905/uepic/7003474f-e841-4bd2-a942-e51bb2f388b4.jpg" title=" 07.jpg" alt=" 07.jpg" / /p p style=" text-align: center " strong 人工智能创新创业如火如荼　 /strong 　 /p p 　　另外一个值得一提的现状是，技术生态或者创新生态备受关注。科技巨头纷纷推出自己的开源系统、技术软件平台和硬件平台，原因是什么?他们没有忘记信息技术和信息产业发展的历史带给他们的启示。所以从传统的IT操作系统硬件，到现在移动互联网再到新时代的人工智能、IT，无论是谷歌也好、微软也好、百度也好、IBM也好，都要全面转向人工智能。人工智能创新创业如火如荼。 /p p 　　去年一年全球新成立的人工智能创业公司就有一千多家，人工智能领域获得的投资达150多亿美元，同比增长140%以上，确实是如火如荼。在应用方面，可以说“智能+”已经成为一种创新的范式，将各行各业渗透。当然有的是炒作，把传统的数据分析，贴上人工智能的标签。但是人工智能发展迅速是一个客观现状。 /p p 　　人工智能已经加速成为国家战略，我可以举很多这样的例子。过去几年，最早被大家熟悉的“德国工业4.0”，核心就是人工智能 到2018年5月10日，美国白宫组织AI研讨会，成立AI专门委员会，确保人工智能领域美国第一。 /p p 　　 /p p style=" text-align: center" img style=" max-width:100% max-height:100% " src=" https://img1.17img.cn/17img/images/201905/uepic/29ad0fb4-634e-47d8-9441-0ea481a62792.jpg" title=" 08.jpg" alt=" 08.jpg" / /p p style=" text-align: center " strong 人工智能的社会影响 /strong /p p 　　人工智能对社会的影响得到了广泛关注。在美国，一些同仁一起签署了有关人工智能发展的阿西洛马23条原则，关注人工智能可能带来的社会影响，以及怎么规范人工智能研究和应用。但是我认为目前人工智能发展的另外一个客观现状是，人工智能领域的误解和炒作普遍存在，有的是有意的，有的是无意的。 /p p 　　比如时不时听到有人讲，人工智能系统将超越人的智能水平，我认为这是炒作。还有人工智能达到几岁小孩的水平，这也是炒作。某一个特定任务人工智能达到五岁小孩水平这可信，笼统讲人工智能或者人工智能达到三岁或者五岁小孩我认为是炒作。这些炒作有的是有意的，有的则是概念误解混淆造成的。比如经常有人把机器学习看成人工智能，但这只是人工智能其中一个研究方向 又把深度学习看成机器学习，但深度学习只是机器学习一种方法 或者把图像识别看成人工智能，这只是人工智能一个方向 或者把大数据看成人工智能、专家系统看成人工智能、机器人看成人工智能& #8230 & #8230 特别是把人工智能与人类智能或者机器人与人类看成零和博弈，你死我活，这些误解我认为是不存在，人和人工智能是可以互补的。 br/ /p p 　　 strong 人工智能仍处于起步阶段 /strong /p p 　　我前面跟各位的汇报是很多专用人工智能领域取得的突破性进展。经常有人误解，专用人工智能等于通用人工智能，如果有这样的误解很容易说现在人工智能不得了。什么是通用人工智能或者什么是通用智能系统?我们人的大脑就是一个通用智能系统。同样一个大脑，我学习以后可以下围棋也可以下象棋，能够举一反三、融会贯通、思考学习、规划决策，可以说一脑百用。目前的人工智能还有很多不能做的事，而有的事对人来说非常简单。 /p p 　　所以说人工智能总体发展水平仍然处于起步的阶段，美国的DARPA对人工智能现状也是这个观念。2015年我曾经用“四有四无”概括人工智能总体状况，三年以后我觉得还可以这样说。现在人工智能是有智能没有智慧，智慧是高级智能，有意识，有悟性，可以决策。人工智能有智商没有情商，科幻电影中跟人类谈情说爱的人工智能还差得很远。另外，人工智能会计算不会算计，一个词倒一个顺序，这个概念完全不一样。人工智能有专才没有通才，下围棋的阿尔法狗不一定会下象棋。 /p p style=" text-align: center " 　　 img src=" https://img1.17img.cn/17img/images/201905/uepic/1992be09-a808-4ee1-a19d-6ba1f06d21c2.jpg" title=" 09.jpg" alt=" 09.jpg" style=" text-align: center max-width: 100% max-height: 100% " / /p p 　　我举一个具体的例子，现在即使最先进的图象识别算法都无法识别出图像里那只斑点狗。语音翻译现在已经很好了，但大家看这简单的三句话：他吃食堂，他吃面条，他吃大碗。昨天晚上我特意上网用谷歌翻译这几句，翻译不出来，机器翻译把大碗、食堂“吃掉”了。我也试了一下，“那辆白车是黑车”和“能穿多少穿多少”，谷歌翻译也翻译不出来。 /p p style=" text-align: center " 　 img src=" https://img1.17img.cn/17img/images/201905/uepic/460e70fd-91f7-4e4f-aae6-59cb348e0584.jpg" title=" 10.jpg" alt=" 10.jpg" style=" text-align: center max-width: 100% max-height: 100% " / /p p 　　看到“欢迎新老师生前来就餐”的横标，相信人类理解起来没有歧义，但是人工智能算法就会有。人类看到这个横标不仅知其然还知其所以然，知道可能是新学期开始或者新食堂开张，但人工智能还做不到。对这个特定问题，它“知其然”都做不到或者至少有歧义。这些局限是因为人工智能还有很多瓶颈。 /p p style=" text-align: center" img style=" max-width:100% max-height:100% " src=" https://img1.17img.cn/17img/images/201905/uepic/81ae610b-85ac-43b9-ac94-d51ef9f4dc9b.jpg" title=" 11.jpg" alt=" 11.jpg" / /p p 　　　深度学习很火，但是很大程度上它是黑箱状况。我们还不能完全从数据上论证为什么那么有效，不能完全确保这个多层深层神经网络训练是收敛的，所以有数据瓶颈，深度学习要提供大量已经标注数据，还需要大量的人工 还有它不能举一反三、不能解释，“知其然不知其所以然”，与人类存在很大差距。正因为这些差距，人工智能未来发展还有巨大创新空间。 /p p style=" text-align: center" img style=" max-width:100% max-height:100% " src=" https://img1.17img.cn/17img/images/201905/uepic/95751365-341c-4fce-90c8-115ac26aeca5.jpg" title=" 12.jpg" alt=" 12.jpg" / /p p style=" text-align: center " strong 人工智能的春天刚刚开始 /strong /p p 　　可以说人工智能春天刚刚开始，我提出这一个观点是因为人类社会经历机械化、电气化、信息化的时代以后，正在向智能化社会迈进。人类进入智能化社会以后当然需要智能技术、人工智能支撑和引领。人工智能有望引领新一轮科技革命。世界著名科学家格特纳说人工智能是未来最具颠覆性的技术。具体讲有八个宏观发展趋势我认为值得关注： /p p 　　第一个是专用走向通用，这是必然的发展趋势。所以因此有人认为，通用智能被认为是人工智能皇冠上面的明珠，大家都很关心这个竞争焦点。 /p p 　　我注意到，美国军方也开始规划通用智能的研究。他们认为通用人工智能和自主武器，是显然优于现有人工智能技术体系发展方向。它只是朝通用人工智能迈了一小步。 /p p 　　第二个，为什么不认同机器人和人类或者人工智能与人类智能是零和博弈，因为人工智能另外一个重要发展趋势，是机器智能到人机混合智能。人类智能和人工智能各有所长，可以互补。所以人工智能一个非常重要的发展趋势，是From AI (Artificial Intelligence) to AI (Augmented Intelligence)，两个AI含义不一样。 /p p style=" text-align: center " 　　 img src=" https://img1.17img.cn/17img/images/201905/uepic/d2a5dd2d-9179-4064-8c7f-3ac7bbb5da14.jpg" title=" 13.jpg" alt=" 13.jpg" style=" text-align: center max-width: 100% max-height: 100% " / /p p 　　第三个趋势叫做从“人工+智能”到自主智能系统。为了让深度学习提高性能，需要大量已经标注好的数据。比如给人工智能一幅图像，告诉它图像中哪一块是人、哪一块是草地、哪一块是天空，都要人工标注好，非常费时费力。有人说目前的人工智能有多少智能，取决于辐射多少人工，这话不太精确但大体有这个含义。下一步发展趋势是怎样以极少人工来获得最大程度的智能，人类看书可以学习到知识，机器还做不到。人工采集和标注大样本训练数据，是这些年来深度学习取得成功的一个重要基础或者重要人工基础。所以有人开始试图创建自动机器学习算法，来降低AI的人工成本。 /p p 　　第四个是学科交叉将成为人工智能创新源泉。前面我提到深度学习现在很火爆，它只是借鉴了大脑的原理：信息分层，层次化处理。所以，跟脑科学交叉融合非常重要。实际上无论是《Nature》和《Science》都有这方面成果报道。比如《Nature》 发表了一个研究团队开发的一种能自主学习的人工突触，它能提高人工神经网络的学习速度。但大脑到底怎么处理外部视觉信息或者听觉信息的，很大程度还是一个黑箱，这就是脑科学面临的挑战。这两个学科的交叉有巨大创新空间。 /p p style=" text-align: center " 　　 img src=" https://img1.17img.cn/17img/images/201905/uepic/6bd155e7-eada-4fc9-9342-5e73a4067460.jpg" title=" 14.jpg" alt=" 14.jpg" style=" text-align: center max-width: 100% max-height: 100% " / /p p 　　第五个是一个明显的趋势，人工智能产业将蓬勃发展，国际上一个比较有名的咨询公司预测，2016到2025年人工智能的产业规模几乎直线上升 我们国家发展规划提出，2030年人工智能核心产业规模将超过1万亿，带动相关产业规模超过10万亿，这个产业是蓬勃发展的，前景显然是非常大的。 /p p 　　第六个大家很关注人工智能可能带来的社会问题和相关伦理问题，因此人工智能的法律法规一定会更加健全。联合国还专门成立了人工智能机器人中心这样的监察机构。前不久，欧盟25个国家签署人工智能合作宣言，共同面对人工智能在伦理法律方面挑战。我们学部也列了这方面的一个题目。 br/ /p p style=" text-align: center " 　　 img src=" https://img1.17img.cn/17img/images/201905/uepic/3e579b74-5541-4724-a28a-fbab0e826844.jpg" title=" 15.jpg" alt=" 15.jpg" style=" text-align: center max-width: 100% max-height: 100% " / /p p 　　欧洲25个国家签署《人工智能合作宣言》，共同面对人工智能在伦理、法律等方面的挑战 /p p 　　第七个，人工智能将成为更多国家的战略选择。一些国家已经把人工智能上升为国家战略，越来越多国家一定会做出同样举措。包括智利，加拿大，韩国等等。 br/ /p p 　　最后一条就是人工智能的教育会全面普及。教育部专门发布了高校人工智能的行动计划。国务院新的人工智能发展规划也指出，要支持开展形式多样的人工智能科普活动。美国科技委员会也有这样的内容。所以这是大家值得关注的另外一个方面。 /p p 　　对于人工智能的未来发展方向，我只是挂一漏万，以我个人粗浅认识觉得这八个方面值得关注。这里面既有科学研究层面，也有产业应用层面，也有国家战略和政策法规层面。所以在科学研究层面我觉得特别值得关注是：从专用到通用，从人工智能到人机融合、混合。然后是借鉴脑科学。 /p p 　　总结一下我今天的报告： /p p 　　第一，人工智能经过六十多年发展已经取得重大进展，但总体上还处于初级阶段。 /p p 　　第二，人工智能既具有巨大理论与技术创新空间，也具有广阔应用前景。相信你们也许在琢磨我没有明确回答题目中提出的问题，人工智能到底是天使还是魔鬼? /p p 　　下面就是我的答案：高科技本身没有天使和魔鬼之分，人工智能也是如此，这一把双刃剑是天使还是魔鬼取决于人类自身。人工智能在天使手里是天使，在魔鬼手里就是魔鬼。因此我们有必要未雨绸缪形成合力，确保人工智能正面效应，确保人工智能造福于人类。谢谢大家。 /p

p 　　科技是推动社会发展核心驱动力，人类社会也随着一轮又一轮的科技革命，逐渐迈向更为智能化的时代。在检验检测行业，人工智能和机器人技术同样是促进产业实现转型升级的有效推动力。 /p p 　　近年来，机器人的核心技术突破明显。以往，传统工业机器人主要依从一系列控制指令完成任务，随着人工智能技术在感知、人机交互、行动控制、智能决策等领域的发展，机器人在也逐步升级。例如通过机器人视觉能够让分拣机器人更精确的识别，传感系统可以感知周边环境等。 /p p 　　根据国家统计局的数据显示，上半年我国工业机器人产量7.4万套，同比增长23.9%。自2013年以来，我国就已经成为全球最大的机器人市场。据OFR近期公布的数据显示，2017年全球工业机器人销量达38.7万台，同比增长31%，其中中国销量13.8万台，同比增长58%，较去年提高6个百分点。全球工业机器人销量的绝对值中，一半的增长来自中国。预计到2020年，中国服务机器人年销售额将超过300亿元。随着人工智能等先进技术的快速发展，机器人迅速从工业领域向服务行业渗透，服务机器人展现出比工业机器人更为广阔的市场空间。 /p p 　　此外，人工智能也正以前所未有的速度向前发展。全球顶尖的IT和互联网公司都加大了对人工智能领域的投入，报告Google、FaceBook、微软等跨国企业。我国把“人工智能”一词也写入了国家“十三五”规划纲要，人工智能进入爆发式增长的拐点。 /p p 　　那么，机器人与人工智能与检验检测行业有什么必然联系呢?从发展现状来看，我国的检验检测市场化机制正在形成，国内第三方检测也逐步放开，一切都呈现出渐入佳境的趋势。但与此同时，相关人士也发现，检验检测行业的集中度较低，国有、外资、民营检测机构三分市场，检验检测行业亟需通过机制改革和技术创新进行资源整合，劳动密集型、自动化、智能化和标准化程度也有待进一步提高。 /p p 　　随着劳动力价格的上涨，中国制造业的“人口红利”正在不断消失，同时，技术进步和产业升级导致“机器”成本逐渐降低，“机器换人”已经成为一种新的发展趋势。SGS等知名检测机构已经陆续开发了基于机器人的智能化检测系统。例如在集装箱检验检疫熏蒸处理上，基于智能移动机器人平台能够取代人力完成溴甲烷、磷化氢、乙酸乙酯等熏蒸剂的投放、浓度检测、环境残留检测等工作，把作业人员从有毒有害危险及恶劣的环境中解放出来。 /p p 　　在人工智能与检验检测行业的结合上，人们利用VR、AR、MR等技术形成全新的检验检测培训认证体系。基于人工智能全新模式的检验检测培训认证模式将为检验检测行业带来前所未有的发展契机，在观察性学习、操作性学习、社会性学习和研究性学习中都具有广阔的应用前景 建立深度学习，模拟人脑进行分析学习的神经网络，提高检验检测的科学性和一致性 “区块链+检验检测”技术，进一步深化检验检测监管模式，节约信息传递成本，提升检验检测公信力。2018年，中国检科院与京东集团联合打造区块链防伪平台，用技术对燕窝实施全面流程追溯，实现进口燕窝产品从源头到国内经销环节的全流程可追溯。同年，上海机场检验检疫局为推动进口消费品检验监管模式创新，构建的区块链数据平台成功落地，通过区块链数据平台，工作时间至少可以缩短3天。 /p p 　　据IHS预测，2020年全球潜在检验检测服务业市场规模将超过200亿欧元。广阔的市场前景更凸显了引领行业走向智能化的必要性。通过机器人操作提高检测准确度和效率，借助智能化延伸第三方检测的价值链条，为相关行业决策提供第一手资料，都将有力促进行业的变革和崛起。 /p

2015年5月26日，CFDA正式发布了2010版GMP法规的新附录之一《计算机化系统》，引起了国内制药行业的广泛讨论和高度关注。其实许多制药企业对它的内容并不陌生，因为这则法规于2013年作为征求意见稿已经添加到新版GMP法规附录中。而现在，它将作为正式的法规于2015年12月1日起执行。这则法规附录将给国内制药企业带来什么新的挑战？从近两年来CFDA的一系列举措（频繁的飞行检查，2014年至今已取消近100家药企的GMP证书）来看，国内GMP的监管力度是显著增强的。所以届时如果企业不能满足《计算机化系统》法规的要求，将可能面临十分严重的后果。 CFDA为何要发布这则法规？ 国内外GMP法规有许多差异，而对计算机化系统的要求差异尤为明显。CFDA所执行的2010版GMP法规内容与国际上其他法规机构的cGMP法规是对等的，如FDA 21 CFR Part 211。但美国的制药企业除了执行 21 CFR Part 211以外，同时还要遵守21 CFR Part 11法规；欧盟国家的制药企业除了执行欧盟GMP以外，还要遵循Annex 11法规。FDA的21 CFR Part 11与欧盟的Annex 11的内容是类似的，都是针对于制药企业使用计算机化系统的法规要求。新颁布的《计算机化系统》法规附录是国内法规与国际接轨的重要一步，将填补国内对于计算机化系统要求的法规空白，是实现与国际法规监管机构之间相互认可的前提条件之一。 法规到底讲了些什么？ 《计算机化系统》法规附录究竟讲了哪些内容？其实，我们发现内容并不多，全文共24条要求、6页，共计2500字。我们尝试对这些法规条文作了初步的解读，把所理解的核心内容概括如下： 1.CFDA明确提出进行计算机化系统验证的要求 以往，法规对于仪器的确认是一直有要求的，但对计算机软件验证的要求不明确。因而，大部分的制药企业不对计算机系统进行验证，或仅进行最简单的确认。真正按照GAMP5指南基于风险评估进行完整验证的企业不多，仅某些企业有国外业务、需要通过FDA或欧盟审计时才会考虑。而这则法规发布以后，明确对所有的国内制药企业提出进行计算机化系统验证的要求，为计算机化系统验证提供了法规依据。这里尤其值得注意的是，法规附录里要求进行基于风险评估的计算机化系统验证，实际上就是指遵循GAMP5的验证方法学，即计算机化系统验证的形式应该是验证（Validation），通常所说的确认（Qualification，IQ/OQ/PQ）是不足够的。 2.数据合规性要求 法规明确了对数据输入的准确性和数据处理过程的正确性要求，以保证数据的合规性。概括来说，对计算机系统合规性的功能要求可以总结为：访问控制、权限分配、审计追踪和电子签名。 访问控制：只有经许可的人员才能进入和使用系统。 权限分配：应当对进入和使用系统制订授权、取消和授权变更的操作规程。 审计追踪：用于记录数据的输入和修改以及系统的使用和变更。 电子签名：明确了直接对电子数据进行电子签名是合规的，但电子签名需要符合相应法规。 其中，电子签名是“可以有”，而不是“必须”，这取决于企业对于主数据的定义是电子数据还是纸质数据。这与21 CFR Part 11和Annex 11是一致的。对于审计追踪记录的要求，是“根据风险评估的结果，考虑在计算机化系统中建立数据审计跟踪系统”，这可能是考虑到很多软件自身功能设计上无法实现的情况。然而，对于色谱数据系统这样的关键原始数据系统来说，审计追踪肯定是必然的要求。 3.电子数据安全性要求 电子数据安全性一般分为逻辑安全性和物理安全性。逻辑安全性即是通过软件自身的权限控制对数据的访问、录入、修改和删除等操作，确保不被人为误操作或有意的篡改行为而影响数据安全。而物理安全性，即是对数据存储的介质（如硬盘、光盘、服务器等）进行保护，确保系统本身不会因为物理介质的损坏或故障造成数据丢失。 4.数据备份要求 关于电子数据的备份要求不算是新的法规要求，GMP法规也一直要求数据备份以保证原始数据的安全性。国内制药企业通常也都制定了数据备份策略，但我们发现通常只是一个月甚至半年才做一次数据备份，真正发生故障时原始数据还是会严重丢失。这样的数据备份归档，其形式意义大过于实际意义；而即使是这样的一个备份频率，企业都已经觉得数据备份的工作任务很重。其根本原因是缺乏良好的解决方案。《计算机化系统》单独列出这条要求，将提高制药企业对数据备份的重视，进而采纳更先进的解决方案。 那么这些新的要求将对国内制药企业带来什么影响？会为实验室工作带来哪些变化？ 预期影响一：单机版色谱软件被网络版软件取代的步伐将加快 目前，国内有些制药企业采用单机版色谱工作站来处理色谱数据，尤其是在规模较小的实验室（少于5套色谱系统），在仪器数量较少时，单机版软件初始成本较低，能满足实验室日常操作需求。当仪器数量超过5台以上，企业就需要考虑单机版和网络版软件的平均成本了。而《计算机化系统》附录对计算机化系统明确提出了验证的要求，如果按照这一要求来做，网络版软件在合规性和成本上的优势将越发显著。 1.成本有效降低 按照以往的认知，网络版软件价格是贵于单套单机版软件的，通常在实验室规模化了之后，企业才会考虑。而现在，《计算机化系统》附录明确要求对每套计算机化系统进行验证，这将大大增加单机版色谱系统的验证成本。比如，如果一家企业的实验室有10套色谱系统，就意味着需要做10次验证，每一台仪器都需要作为独立系统逐一进行计算机系统验证。而一套网络版软件可接入多套仪器，只在第一次部署的时候产生验证成本。未来再接入新仪器时，都只需对仪器硬件进行确认即可，无需再对软件进行全面的重新验证。这样下来，单机版和网络版的验证成本可能相差数十倍。 这种情况下，网络版软件无疑将成为制药企业满足验证要求的同时降低成本的有效途径。沃特世Empower 3网络版软件可控制包括安捷伦、PE、岛津、Thermo等在内的多家色谱系统，最大程度上将实验室的计算机化系统数量和类型减至最低，帮助制药企业摆脱单机版高昂的验证成本，一劳永逸地解决色谱系统的计算机化系统验证问题。 2.数据的合规性与安全性 《计算机化系统》附录明确表示电子数据是可以接受的。其实电子数据相比纸质数据，可以更完整地反应数据的状态，包括：报告、仪器方法、积分方法、样品序列、审计追踪报告等。当电子数据变得越来越重要，它的合规性和安全性需要得到足够的保障。 单机版软件都会面临一个物理安全性的问题，那就是数据都存储于本地电脑，而电脑处于实验室环境中，存在客观的物理损坏、易被获取等风险。普通的电脑硬盘也有一定的工作寿命，一旦硬盘损坏，数据将会丢失。而网络版软件采用服务器将原始数据存储于更为安全的IT机房，并采用服务器的硬件镜像技术，确保了数据的物理安全性。此外，通过服务器可以实现数据的自动备份，并且可以将备份周期从原来的一个月或半年提高到每天，显著提高了便利性和效率。 除了确保电子数据的物理安全性，数据的逻辑安全性也要得到保障。所谓的逻辑安全性，即是通过软件自身的权限控制对数据的访问、录入、修改和删除等操作，确保不被人为误操作或有意的篡改行为而影响数据安全。Empower 3网络版软件基于Oracle数据库而开发，具有严谨详细的权限控制功能，通过权限控制使用户无法对仪器方法、积分方法和原始数据等进行篡改或删除，确保了数据的逻辑安全性。 图1. 通过Empower 3软件指导，管理员可确保该系统配置符合GxP和21 CFR Part 11的规定。 预期影响二：计算机化系统验证需求显著增长 计算机化系统验证比较耗时且操作复杂，需要多领域的专家花费大量时间去完成。沃特世从欧洲ISPE制药工程协会聘请了资深的验证咨询顾问（GAMP5指南的编辑之一），为国内企业提供全套专业的合规性和验证（Computer System Validation, CSV）服务，可协助广大用户顺利完成验证工作，使系统尽快投入运行，并满足法规要求。 非色谱类数据管理 前面提到Empower 3网络版软件可以解决色谱数据的安全性、合规性和备份问题。那么，对于非色谱类仪器，如何解决它们的数据管理问题？ 根据《计算机化系统》附录的要求，除了色谱类（LC和GC）数据，实验室也要确保非色谱类数据的安全性和合规性，比如质谱、红外、核磁等仪器。对于这些无法通过Empower网络版软件控制的系统，沃特世提供另一种数据管理解决方案——NuGenesis SDMS科学数据管理系统，它可以自动采集、编目原始数据和报告数据，将来自任何仪器的原始数据归档至安全、可靠的Oracle数据库中，符合电子记录和电子签名的规定等，最终帮助企业满足法规要求。 1.数据备份、归档 CFDA的《计算机化系统》法规附录里强调了电子数据的备份和归档的重要性，不论是以电子数据作为主数据，还是纸质打印件作为主数据。而FDA也认为，完整、准确的数据副本非常重要，因为纸质打印件已不再适合代替电子数据。NuGenesis SDMS以Oracle作为底层数据库，可以自动、准确地采集原始数据和报告数据，并归档到数据库中；可对数据的变化进行追踪，并将每一次变化保存到数据库，保护其不被篡改。相比其他备份软件采用的固定备份周期，如：每天一次或每周一次，NuGenesis SDMS对数据进行实时备份，显著降低了故障发生时的数据丢失率。 2.审计追踪 通过“审计追踪”功能，可追踪对数据的访问的更改，是维护系统安全的关键。审计追踪不完整或缺失会影响数据的完整性，甚至影响产品质量。从过去的审查案例中可以看到，通过审计追踪可以有效发现是否有数据操纵行为发生。而当在审查过程中发现数据偏差时，审计追踪显得尤为重要。 NuGenesis科学数据管理系统（SDMS）审计追踪自动生成，能够为所有非色谱类系统提供： –采集所有历史信息（人员、时间、内容），包括任何数据的插入、对元数据的修改、记录副本及删除等动作。 –不允许更改数据本身 –追溯用户权限的修改 –识别无效或已修改的记录 –能够对所有原始数据和报告数据进行校验确认，保护系统内的数据免遭修改。 这些功能大大降低了信息丢失或修改的风险，保持记录的完整性。当面临审计要求、要提供客观证据时，可以从在线NuGenesis SDMS数据库中快速、方便地找到证明文档，而无需人工翻查纸质打印报告，显著提高了效率。 3.电子审批 《计算机化系统》附录明确认可电子数据和电子签名，这意味着原始数据可以不用像以往那样打印出来再签名，直接对电子数据进行签名是合规的。在不久的将来，制药企业或将由传统的纯纸质记录逐渐转向更为灵活的电子数据和信息环境。如果企业决定采用电子审批，那么同样的，Empower网络版软件可以快速、方便地解决色谱类仪器的电子签名；而对于实验室中的非色谱类仪器，同样可以交给NuGenesis SDMS去解决它们的电子审批过程。 虽然《计算机化系统》附录并没有明确电子签名的相应法规，但从NuGenesis SDMS在满足21 CFR Part 11对电子签名的要求中可以看出，它可以提供一系列功能，满足Part 11对电子签名的要求。 –签名的显示——NuGenesis SDMS中的电子签名可显示：1）签名者的完整印刷体姓名；2）执行签名的日期和时间；3）签名的含义（复核、审批、授权、职责）。在签署记录时，这些都是必需要素。此外，NuGenesis SDMS可防止电子签名被重新分配和使用，不允许在应用电子记录后删除该电子记录中的签名信息，确保了电子签名的唯一性。 –签名/记录链接——NuGenesis SDMS能够在电子签名和原始电子记录间建立无法破坏的链接，确保签名无法被删除、复制或转移。 以上仅列出了NuGenesis SDMS的几项关键功能，帮助制药企业轻松、可靠地管理非色谱类仪器数据，满足合规性要求。 如您对法规、软件、验证等有任何问题，欢迎发送邮件至yong_jin@waters.com，沃特世信息学专家将为您解答，感谢您的关注。

仪器信息网讯 河南精谱作为专业的分析仪器生产企业，在实验室分析仪器及检测设备行业领域一直受到高度认可。河南精谱紧跟分析仪器及检测设备之发展趋势，不断引入先进的进口技术，致力于提升产品质量。近期最热门的话题莫过于“人工智能+”，据悉河南精谱在紫外可见近红外分光光度计上已经使用人工智能控制。那么，人工智能赋能光谱产业未来的发展前景？会给实验室和实验室用户带来哪些变化？与人工智能相关的成果有哪些？日前，仪器信息网编辑就以上问题特别采访了河南精谱检测设备有限公司技术总监刘季。以下为视频采访详情：仪器信息网：请您向大家介绍一下近几年河南精谱的整体发展情况？产品线是如何布局的？刘季：河南精谱于2011年成立，近几年的发展也是逐步扩大的，拥有自己的厂房、研发团队和销售团队。近几年，主要是通过经销商在全国各地进行销售。之前自己是做经销商的，现在转型做河南精谱品牌。未来几年产品类型主要会集中在光谱仪器：红外光谱仪，紫外可见近红外分光光度计和拉曼光谱仪等，以及建筑工程检测类的节能检测全套产品。仪器信息网：据悉，此次ACCSI2024，贵公司还将在“人工智能赋能光谱仪器新产业论坛”进行报告分享，您如何看待人工智能赋能光谱产业未来的发展前景？贵公司是否已经尝试将人工智能融入现有的仪器设备中？目前，贵公司与人工智能相关的成果有哪些？ 刘季：我对于人工智能的理解是运用计算机的方式来进行模拟，通过视觉、计算、自动来完成对应工作。目前咱们的产品已步入正轨，包括功能和应用。针对光谱仪器，后期计划将人工智能融入一些语音控制、物联网和远程终端控制这三个板块。咱们现在运用的就是先从语音控制开始，再进行云端控制，到后期的终端也正在研发中，应该会在下半年有人工智能板块相应产品问世。仪器信息网：请您描述下，语音控制在人工智能赋能光谱新产业中，会给实验室和实验室用户带来哪些变化？刘季：在测试的过程中，测试的指标、材料、国家标准都非常多，没有大量时间去查阅数据，这个时候可以对设备说出咱们要做的一些检测材料的功能，那么设备会自动设置前期的功能，以后设备会提醒你，如何放置、测试，如果有前处理的话，它也会自动完成。设备在运行过程中，数据都会上传到云端后台服务器，后台服务器可以通过自己的手机返回到工作状态，无需在设备旁边等待，一个人可以同时管理几个设备，为工作效率带来很大的帮助。仪器信息网：高端紫外可见近红外分光光度计的市场空间有多大？目前国产的水平如何？主要用于哪些行业或者领域？贵公司为什么会选择推出高端紫外可见近红外分光光度计？相比同类产品有哪些优势？贵公司的高端紫外可见近红外分光光度计是否已经与人工智能技术相结合？刘季：紫外可见近红外分光光度计市场在国内需求量还是比较多的，它的运用范围也比较广，比如：玻璃检测行业、镀膜行业，纳米材料、分析行业，大专院校、国家计量院、国家研究院等。目前市场占有率依旧是国产设备较高，其次是进口设备，以现在国产设备水平来讲，正在走向高端国产替代。我们紫外可见近红外分光光度计的分光和接收都是自主研发，最大的优势主要是性价比高，市场占有率大。我们的高端紫外可见近红外分光光度计是公司产品里第一个运用人工智能控制的。如果能和人工智能融合，可以用设备进行语音控制。仪器信息网：您认为当前“国产替代”处于哪一发展阶段？面临怎样的机遇与挑战？对此，贵公司在产品线布局上有怎样的战略规划？又有怎样的愿景目标？刘季：紫外可见近红外分光光度计目前主要用于检测单位，技术监督局的应用，其实现在国内用户还不太认可国产设备，主要有两大原因。第一，精度是否满足要求，第二，使用单位数量多少。今年下半年的话公司会组织一些专家计量院技术监督局，通过将国产品牌和进口品牌进行现场比对、现场计量、现场认可的方式，真正告诉用户紫外可见近红外分光光度计可以国产替代。关于ACCSI：“中国科学仪器发展年会(Annual Conference of China Scientific Instruments，ACCSI)”始于2006年，已成功举办十七届。每年一届的“中国科学仪器发展年会”旨在促进中国科学仪器行业“政、产、学、研、用、资”等各方的有效交流，力求对中国科学仪器的最新进展进行较为全面的总结，力争把最新的有关政策、最前沿的行业市场信息、最新的技术发展趋势在最短的时间内呈现给各位参会代表。更多第十七届中国科学仪器发展年会精彩内容，请点击链接：ACCSI2024现场直击

量子计算机从实验室走向产业化应用的步伐正在加快。北京玻色量子科技有限公司日前发布了自研100量子比特相干光量子计算机——“天工量子大脑”，该成果目前已在通信、金融、生物医药、交通等产业领域进行了真机应用测试。量子计算，是一种遵循量子力学规律调控量子信息单元进行计算的新型计算模式。随着电子计算机赖以提升算力的摩尔定律逐渐走到尽头，人们对新一代计算工具无比渴求，量子计算机正是备受关注的新一代计算工具的代表。量子比特是量子计算机的基本信息单元，当前，在实验室里制备单个或少量的量子比特对量子物理学家来说已经不再是难题，如何制备出成百上千的量子比特并使其在系统中稳定运行，成为量子计算技术从实验室走向产业应用的最大挑战。据悉，“天工量子大脑”具有100个计算量子比特，可以解决最高超过100个变量的数学问题，已达国际领先水平。此外，它还实现了上百规模光量子之间的“全连接”控制，具备完整的可编程能力，也就是对应不同的应用场景和不同算法时硬件无需修改，完全通过软件配置就能实现可扩展、可编程，充分利用光量子计算优势，极大降低了实际问题的建模复杂度。公司首席技术官魏海介绍，当光穿过非线性材料时，其光子的波长和相位都会发生变化，在精准控制其能量和相位的过程中，在相空间会出现量子叠加态效应，这也是“天工量子大脑”实现加速计算的根本原因，玻色量子技术团队利用该效应，完成了100光量子比特的并行加速计算。为了满足光量子存储运算的极高精度需求，实现超过100个量子比特的存储，技术团队自主研发了一款光量子计算专用光纤恒温控制设备——“量晷”，该设备能将光纤的温度变化稳定在千分之一摄氏度量级，即能够做到0.001摄氏度的温度稳定维持，有效避免环境温度波动带来的光纤内存长度误差。为了导入计算问题的参数矩阵，玻色量子自研了光量子测控一体机——“量枢”，集光量子测量反馈、系统状态检测、计算流程控制等功能于一体，同时控制、读取和执行快速反馈来操控100个计算量子比特。量子计算应用在产业的实际场景中，究竟有何优势？平安银行LAMBDA创新实验室负责人崔孝林介绍，其在“天工量子大脑”上实现了对德国信用数据集特征筛选计算的加速，在不到一毫秒的时间内完成了相关问题的求解。这一计算速度与传统的经典计算机最优算法相比，至少实现了100倍加速。北京航空航天大学教授、数据智能与智慧管理工信部重点实验室主任吴俊杰也举例说道，在复杂环境下的动态决策问题困扰了其很久，量子计算为其提供了新的解决思路和技术路径。北京量子信息科学研究院科研副院长、清华大学物理系教授龙桂鲁说，在量子计算机的多种技术路径里，“天工量子大脑”所属的相干伊辛机是最经济实用的，也是当前具产业化应用条件的方向之一。据悉，玻色量子2020年11月成立于北京朝阳区，其团队来自斯坦福、清华、中科院等顶尖院所，目前其成果已率先在金融、通讯、生物医药、交通等领域进行了应用探索，推动光量子计算领域实用化与产业化。3个月前，因“天工量子大脑”在通信、金融等领域的巨大潜力，玻色量子团队获得了中国移动的产业投资，这也是量子计算行业里首例来自产业领域的战略投资。

为了提高电器设备和各行业产品能源利用效率，提升显著的经济和环境效益，澳大利亚颁发了温室和能源最低标准法规(简称GEMS)并于2012年10月1日起生效，新的GEMS法规涵盖了以往的主要政策工作，包括强制性的最低能效标准(简称MEPS)和能源星级标签要求(简称ERLs)，其主要目的是提高管制产品的能效，确保消费者能够做出选择，以提高能源、利用效率，降低能源消耗、能源成本和温室气体排放。GEMS法规规定凡是涵盖的产品，无论是在澳大利亚制造或出口至澳大利亚，在GEMS决定生效日期之后，必须满足决定的相关能效要求。 　　2013年6月12日，澳大利亚发布了G/TBT/N/AUS/75号通报，GMES法规中关于计算机和显示器的决定草案。 　　温室和能源最低标准(计算机)决定2013草案中规定了计算机产品的最低能效和产品性能要求，并给出了相关的测试方法，该决定拟于2013年10月1日起生效。其涵盖的主要设备包括台式计算机、一体式台式机、笔记本电脑、平板电脑(同时支持物理键盘和触摸屏)、小型服务器，不包括手持式计算设备(如PDA、掌上电脑或智能手机等)、游戏机、手持游戏设备、刀片式个人电脑、工作站、移动式工作站、不在小型服务器范围中的服务器设备、平板电脑(只支持触摸屏)、瘦客户机式计算机、高端的D类计算机。其中台式机、一体式台式机、笔记本电脑、平板电脑(同时支持物理键盘和触摸屏)须满足AS/NZS 5813.3: 2012中的年度典型能耗要求，小型服务器产品需要满足AS/NZS 5813.3: 2012中空闲状态和待机状态下的功耗要求。 　　其依据的主要标准： 　　AS/NZS 4665.1: 2005 外部电源性能要求第1部分：测试方法和能效标签 　　AS/NZS 5813.1: 2012 信息技术设备-计算机能效要求第1部分：能效测试方法 　　AS/NZS 5813.3: 2012 信息技术设备-计算机能效要求第2部分：计算机最低能效要求 　　AS/NZS 5814.1: 2012 信息技术设备-内部电源能效要求第1部分：能效测试方法 　　温室和能源最低标准(计算机显示器)决定2013草案中规定了计算机显示器产品的最低能效和能效标签要求，并给出了相关的测试方法。该决定拟于2013年10月1日起生效。其涵盖的主要设备包括对角尺寸不大于60英寸的计算机显示器，不包括专门用来显示数字信号或数字图片的电子显示器、专门用于显示广告的电子显示器、高性能电子显示器、专用电子显示器以及类似组合产品、电视机用显示器等类似装置。根据其显示器尺寸和分辨率，显示器应满足按照公式计算出的相应能效要求，显示器还应按照星级指数计算公式标识出相应的星级标签。 　　AS/NZS 4665.1: 2005 外部电源性能要求第1部分：测试方法和能效标签 　　AS/NZS 5815.1: 2012 信息技术设备-计算机显示器能效要求第1部分：能效测试方法

p 　　2014年12月，霍金在接受BBC采访时，称全面发展的人工智能(AI)可能会成为人类的终结者，他主要担心的是那些达到或者超越人类的人工智能—它们会快速地发展和更新换代，但人类受制于缓慢的生物进化，无法与之抗衡，终将被取代。特斯拉创始人埃隆.马斯克也有过“发展人工智能就像是召唤魔鬼”的言论，他说：“就像所有神话中画着法阵、捧着圣水的邪恶巫师一样，每个巫师都声称自己可以控制恶魔，但是没有一个成功的。”这些听上去有些悲观主义的言论，恰恰是人工智能在近年来快速发展的佐证。 /p p 　　人工智能被认为是21世纪三大尖端技术(基因工程、纳米科学、人工智能)之一。它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能不仅仅是机器人，机器人只是其容器，机器人有时候是人形，有时候不是，但是人工智能自身只是机器人体内的电脑。人工智能是大脑的话，机器人就是身体，人工智能的概念很宽，我们可以按照实力将人工智能分为以下三大类(指三个层次更妥当)。 /p p 　　弱人工智能：擅长于单个方面的人工智能。比如有能战胜棋类世界冠军的人工智能，但它不会打麻将，你要问它怎样更好地在硬盘上储存数据，它就不知道怎么回答你了& #8230 & #8230 ，我们已经进入人工智能时代，只是现在水平还比较低，甚至在弱人工智能中比较低级的阶段 。 /p p 　　强人工智能：是指在各方面都能和人类比肩的人工智能，人类能干的脑力活它都能干，比创造弱人工智能难得多，我们现在还做不到。Linda Gottfredson教授把智能定义为“一种宽泛的心理能力，能够进行思考、计划、解决问题、抽象思维、理解复杂理念、快速学习和从经验中学习等操作,”强人工智能在进行这些操作时应该和人类一样得心应手。 /p p 　　超人工智能：牛津哲学家，知名人工智能思想家Nick Bostrom把超级智能定义为“在几乎所有领域都比最聪明的人类大脑都聪明很多，包括科学创新、通识和社交技能”。超人工智能可以是各方面都比人类强一点，也可以是各方面都比人类强万亿倍的。 /p p 　　目前AI的发展毫无疑问处于弱人工智能发展阶段。在弱人工智能阶段，AI的发展也要被划分为三个阶段：技术驱动阶段、数据驱动阶段和场景驱动阶段。我们现在处于弱人工智能的早期阶段——技术驱动阶段。因此，从弱人工智能到强人工智能的发展之路任重而道远，一些学者指出，这段发展将经历三个阶段：第一个阶段是计算智能，能存会算，比如我们现在使用的个人计算机(比喻不妥) 第二个阶段是认知智能，能说会听、能看会认，比如苹果开发的Siri 第三个阶段也是最高阶段，是感知智能，它要求机器或系统能理解会思考，这是人工智能领域努力的目标。虽然，目前人工智能的发展进度可能看起来还比较缓慢，但是一次顿悟，也许就能永远改变进步的速度。就好像在人类还信奉地心说的时候，科学家没法计算宇宙的运作方式，但是日心说的发现让一切变得容易很多。 /p p 　　Trend Force旗下的拓墣产业研究所发布报告预测，2015年以企业为主的人工智能系统市场价值接近2亿美元，到2020年将达20亿美元以上，5年之间成长倍数高达10倍。因此，人工智能导入企业将于未来5年成为重心，制造业、软件业、资讯工程业、生物医疗科技、零售业、汽车产业等领域都将陆续导入人工智能技术。例如，由美国加州大学伯克利分校的Joshua Bloom教授创办的Wise.io公司，就是人工智能“进驻”工业领域的尝试。Wise.io的数据框架可以接受来自Hadoop、MongoDB 等各种数据源的数据，注入、创建多维度视图，机器学习算法调整视图中每个像素和其他像素的关系。举例来说，大部分企业都需要做大规模数据分析获得工业安全报告，目前如果靠人力完成，可能需要一个上百人的团队花接近半年的时间，而Wise.io的算法仅仅需要20分钟。在农业领域，美国的Blue River Technology是一家农业科技和农业自动化技术服务商，主打智能机器人系统优化农业经营方式，减少化学农药在粮食生产中的使用。其智能机器人系统能够根据机器学习功能自动识别农作物，比如确定幼苗间距是否过小，或是确认哪些杂草应该清除，这极大地帮助农民减少了在购买农药上的支出和人力的投入。 /p p 　　此外，有观点认为，随着人工智能越来越聪明，看起来越来越接近人类，拟人化会变得更加容易。美国未来学家雷.库兹韦尔说：“2045年左右，人工智能将来到一个‘奇点’，跨越这个临界点，人工智能将超越人类智慧，人们需要重新审视自己和机器的关系。”现在，在中国的大城市里，大量基于人工智能技术和大数据的应用软件的出现，正在塑造一个全新的工作形态，全职工作越来越少，短期工作和即时就业越来越多，我们面临着一个“更少工作的未来”。所以，人类在享受人工智能带来的经济增长和生活质量改善的同时，也应该关注自身机能的发展问题，机器将“进化”得越来越聪明，而一部分人将“退化”。 /p

在最近上映的科幻电影《流浪地球2》中，有一被誉为“全场最有价值道具”的最高算力智能量子计算机MOSS贯穿全局，它可以满足数万座发动机协同运作，并支撑“数字生命”计划所需算力。事实上，量子计算机并非科幻。1月28日，记者从安徽省量子计算工程研究中心获悉，合肥本源量子已研发出多台中国量子计算机，并成功交付一台量子计算机给用户使用。该量子计算机的成功交付使我国成为世界上第三个具备量子计算机整机交付能力的国家。这是我国继实现“量子优越性”之后，又一次确立了在国际量子计算研究领域的领先地位。“全球有100多家量子计算公司投入了巨大的人力物力进行研制，加拿大的量子计算公司2011年出售了其第一个量子计算机，美国IBM公司在2019年将其商用量子计算机交付部署，中国公司本源量子的量子计算机在2021年就已交付用户。”安徽省量子计算工程研究中心主任张辉介绍，量子计算机已经成为各国竞争的焦点之一，越来越多的研究单位和大型公司企业的加入，将加速可实用化通用量子计算机研制的进程。据了解，本源量子是中国第一家量子计算公司，其在2020年已上线国内首台国产超导量子计算机本源悟源，并通过云平台面向全球用户提供量子计算服务；在2022年发布了国内首个量子计算机和超级计算机协同计算系统解决方案，该方案可以双向发挥量子计算机和超级计算机的优势。