原标题：

《解码智能时代2021》书摘

人工智能加速产业无边界融合

(选自《解码智能时代2021：从中国国际智能产业博览会瞭望全球智能产业》)

以前，产业与产业之间泾渭分明，大家在不同的领域里持续钻研、独立创新，隔墙互知，却鲜少来往，进入智能产业时代，这种跨界融合持续加速。

人工智能无处不在，黑科技云集，贯穿人们吃、穿、住、行、娱等，智慧生活触手可及。除了这些，在农业、工业、服务业的众多领域，也都有人工智能的身影。

比如，在智慧农业的探索中，农田四处都是感应器，温度、湿度、土壤营养度、作物生长情况等关键信息，都在智能监测系统汇成一条条数据，从而驱动一道道指令。

此外，在公共卫生与专业医疗领域，人工智能技术的应用也越来越深入，特别是在新冠肺炎疫情防控和疾病救治方面的应用人工智能无处不在，已在各行各业落地于众多应用场景，无人值守服务台、自动驾驶、智能门禁、云观景等，都少不了人工智能的功劳。

新的时代正发生着深刻变化，产业之间的渗透融合清晰地展现出智能时代的发展图景。在不同的产业领域内，产业融合以不同的方式演进，通过科学技术的嫁接和升华，产业之间互联融合，边界逐渐模糊，无法在传统的产业分类体系中对号入座，故而演化出新的行业，最终将促成产业新体系，走向产业无边界融合。

无边界产业由消费直接驱动，围绕不断变化的需求，需要对资源要素、产业协同和运营方式进行动态组合，消费需求的多元和变化导致这些新型产业，时刻处于一种不确定的状态，更新换代频率加快，为了满足这些需求，交叉学科的发展成为必然趋势。

而人工智能贯穿一切场景的能力，将为交叉学科的培育提供温床，也将加速产业无边界融合。

跨云融合，云存储不再只是记录者

(选自《解码智能时代2021：来自未来的数智图谱》)

在云存储广泛使用之前，本地存储是企业最常用的解决方案，也是企业成本最高的项目之一。本地存储设备不仅耗费财力，还面临着管理、能耗和数据安全等风险，应对指数级增长的储存需求，更是显得捉襟见肘。

面对本地存储的瓶颈，云存储又是如何破解的呢?

实际上，可以从两个方面去理解：从技术架构来看，云存储通过分布式、虚拟化和智能配置等技术，实现海量、可弹性扩展、低成本、低能耗的共享存储资源;从服务模式来看，云储存提供“按需服务”，用户可以通过网络连接云端存储资源，随时随地存储数据。

在云存储的数据池中，数据的属性却相当复杂。有需要频繁访问的热数据，有不常访问的冷数据，以及出于合规或监管原因而保留的非活动归档数据。所有的数据都处于混沌状态，很难进行清洗和定性。

某社交平台曾经做过一个统计，比如某一个热点话题，其第一天的访问频率非常高，几天之后频率越来越低，热数据就变成了冷数据。这些从热到冷的数据，占据了该平台云存储数据池的89%，造成高昂的存储和管理成本。

可是，即便代价再高，这样的数据仍然具备价值和意义，因为我们很难预测冷数据会不会再次变成热数据。面对云端数据的多样性，有没有一种优化处理的办法呢?

全球知名存储厂商西部数据公司，在2020年提出了五层结构的分层存储思路。以极热存储、热存储、温存储、冷存储及极冷存储的方式对数据进行划分，再匹配相应存储资源和能力，满足数据存储在容量、性能和成本等方面的需求。

极热存储和热存储的数据读写频繁，需要持续低延时、高性能、高带宽的存储能力，主要面向即时交易、数字信号处理和自动驾驶等应用;温存储的数据读取活跃，主要面向企业应用，比如联机分析处理、机器学习和AI训练;冷存储用于少量写入、多次读取，通常是面向存储备份等应用，需要16TB以上的大容量硬盘;而极冷存储则用于大块写入，写入次数较少，需要持久地保存数据，典型应用于金融、医疗、广电行业数据的长期归档。

脑机接口未来产业化的三个方向

(选自《解码智能时代2021：前沿趋势10人谈》)

信风智库：脑机接口下一步的产业化应用，将主要聚焦在哪些方面?还需要解决哪些问题?

李远清：从已有的一些商业化落地应用以及未来产业化探索角度来看，脑机接口将会向三个方向发展：状态识别与监测、信息交流与控制、感知与运动功能康复与增强。

首先是第一个方向，状态识别与监测。脑机接口正在切入教育、文娱和工作管理等领域。在教育领域，脑机接口设备可以对学生的注意力进行实时评测，帮助教师获得教学效果的实时反馈，并为改进教学内容提供参考。在工作管理上，比如航空飞行员、空中交通管制员以及长途货车司机等特殊岗位人员如果出现疲劳状态就会影响安全，而脑机接口可以应用于实时监测这些特殊岗位人员的大脑数据，为工作管理提供重要客观依据。

在这些商业落地场景中，非侵入式脑机接口方案将会是主流，而相关产品则是便携化的可穿戴设备。以往，脑电波信号的获取必须依赖复杂的仪器设备，要求被测试者佩戴笨重的、布满线缆的帽子。而未来随着新材料与信号处理算法等方面的突破，便捷式的可穿戴脑机设备会越来越成熟。

第二个方向是信息交流与控制。在这个方面，我们看到越来越多的脑控外部设备逐渐问世，比如脑控机械臂、假肢和遥控器等，其核心就是通过脑机接口实现大脑直接控制机器设备。哈佛大学研究团队发明了一款基于脑机接口技术的智能肌电假肢——BrainRobotics。该假肢采用人工智能算法处理脑电波和肌电信号，可以通过表面肌电传感器，检测到残疾患者残余肢体的肌肉活动，从而训练患者通过主动收缩肌肉让假肢做出多种操作。基于这样的技术原理，患者可以实现像写毛笔字、弹钢琴和攀岩这类难度极高的行为动作。

在这一方向上全球最新的研究成果是，2020年美国约翰霍普金斯大学宣布首次实现同时控制两条机械臂。借助脑机接口同时控制两条机械臂是一项较为困难的挑战，因为它不是简单的左臂算法+右臂算法，而是要通过目标任务进行一个总体的认知与解析，再分配给双臂共同完成。它需要将更多的统筹性、关联性与协调性融入到算法模型当中，所以用脑机接口同时控制两条机械臂的难度，可以说比控制单臂要难好几倍。

最后是第三个层面，感知与运动功能康复与增强。在2014年巴西世界杯的开幕式上，一个全身瘫痪的年轻人在脑机接口和机械外骨骼的帮助下，成功地踢出了那届世界杯的第一球。

在这之前，这名年轻人的瘫痪程度很高，只有4节脊椎能够活动，而借助脑机接口技术将运动意识传递给机械外骨骼，通过外骨骼带动肢体运动，再经过10个月左右的训练，最后成功地让11节脊椎恢复了感知和运动控制功能，可以说从“完全瘫痪”修复成了“部分瘫痪”。

未来，“脑机接口+机械外骨骼”的组合康复方案以及相关产品，将拥有巨大的应用价值和市场潜力，可以为全球上千万的患者带来希望。

这是脑机接口未来产业化的三个方向，但是同样也面临一些问题。一方面，如何解决用户接受度的问题。不论是侵入式还是非侵入式的脑机接口，对于普通用户来说，目前都不具备很高的接受度。因为这项技术跟大脑强相关，其安全性还没有得到大部分人的认可，或者说还没有形成一个官方或行业的标准，所以现在的应用大多都是针对极个别特殊患者。这是脑机接口技术必须提升的一个重点。

另一方面，就是产品化过程中性能与成本之间的平衡。既要保证其功能应用能够切实地解决用户需求，毕竟对于新的技术产品而言，用户需要看到直观的效果才会买单;又要平衡企业自身技术设备研发与生产的成本，如果不能持续盈利，产业化也无法走得更远。