人工智能与教育的融合范文

导语：如何才能写好一篇人工智能与教育的融合，这就需要搜集整理更多的资料和文献，欢迎阅读由公务员之家整理的十篇范文，供你借鉴。

篇1

关键词：高校；人工智能；伦理道德教育

中图分类号：G642.0文献标志码：A文章编号：1674-9324（2019）41-0144-02

一、人工智能课程伦理考虑的基本内涵

人工智能课程中进行伦理考虑，是在人工智能课程中有针对性地加入道德教育的元素。在方式上，可以借用西方的“隐形教育”方式。在内容上，必须符合中国的人工智能发展态势，更要受中国社会主义核心价值体系的引导。目前中国的人工智能课程，过度偏向于技术性。尤其是许多社会机构提供的课程，更是偏向于功利性，目的在于让学习课程的学习者快速获得工作。因此，必须从源头入手，对这些社会机构进行一定的约束和规范，对人工智能课程内容进行整体的架构。

二、高校人工智能课程中伦理考虑的必要性

（一）我国对于科技工作者职业道德建设的要求

首先，科技工作者的职业道德建设是促进社会治理体系现代化的必然要求。加强社会治理制度建设，一靠法治，二靠德治。中国正聚焦力量加强自主创新，科技是第一生产力。基于当代中国语境下，科技工作者的职业道德建设就至关重要。科技工作者对自己的社会责任与伦理责任应该有着充分的理解，在科研活动中既要着眼于为社会提供科学技术上的新成果，同时也要强调在伦理道德建设中起到应有的作用。

其次，从长期看，科技工作者的职业道德建设利于国家科技的发展，利于促进科技难题的解决。发展是连续和间断的同一，科技发展不能一蹴而就。在面临科技瓶颈问题时，就更要求科技工作者具有坚韧不拔的品质和无私奉献的精神。这些精神都是进行职业道德教育中的重要内容，也是科技工作者承担的社会角色中必不可少的特质。

最后，高尚的职业道德是科技工作者奋进的不竭动力。一个科技工作者只有站在最广大人民的立场上，奉献自我才能成就事业。随着全球化的发展，受西方“享乐主义”的负面影响，科技工作者只有更加坚守自我、承担社会责任，才能具有不断前进的精神支柱。

（二）对解决人工智能伦理困境的源头性作用

随着人工智能应用领域的广泛化，以及应用群体的普及化，难以避免的带来一些伦理问题上的困境。例如伦理学中经典的“电车难题”，在当代科技发展中也出现了在人工智能领域的“无人车难题”。无人车产生事故的责任归属与分配就是目前很多学者在关注的伦理问题。人工智能的发展对当前的法律规制，还有现存的人伦规范都产生了挑战。人工智能的未来发展方向，在操作性上要避免技术鸿沟，在设计过程中要坚持算法公开化、透明化，并且在出现数据漏洞时应尽快地进行自我修复。这对于科技工作者自身的素质提出了很高的要求，不但要求科技工作者自身的知识素质与知识能力过硬，而且要求科技工作者要严于律己，具有较高的思想道德素质。要求科技工作者对于人工智能的发展保持理性的态度，坚持为国为民。许多科幻电影和小说中都体现了未来人工智能发展到一定阶段时，人与机器产生的情感迷思。作为科技工作者，在设计与调整过程中都应保持情感中立，勇于承担社会责任。目前我国正处于人工智能发展的初级阶段，人工智能尚不能拥有自主意识，人工智能的行为责任必须要找到其背后的拥有自主意识的人。无论是现阶段还是未来，作为人工智能产品开发者与设计者的科技工作者树立正确的价值观和承担相应的社会责任是十分必要的。科技工作者的知识层次与道德品质在某种程度上说，是研发人工智能产品的起点。因此，对科技工作者的成长过程中进行持续的道德教育，使其树立高尚的道德观念，对于解决许多人工智能带来的伦理困境都具有源头性、基础性的作用。

三、高校人工智能课程与伦理道德教育的结合方式探索

（一）高校人工智能课程资源的充分运用与更新

从资源形态上看，实物化资源与虚拟化资源，线上资源与线下资源都应充分运用。随着智能校园的普及，有基础条件的地区与校园可以充分运用好身边的人工智能。人工智能课程是一门理论与实践相结合的课程，因此课程的内容也不能仅停留在理论层面。除了对于学术资源的运用，也应当结合实体的人工智能产品进行学习。但因为人工智能的发展程度还没有普及化，人工智能机器人也远没有达到触手可及的程度。因此运用新媒体技术，通过虚拟现实的手段进行在教学过程中的知行结合是可以尝试的路径。VR技术在网络设备硬件教学中可以节约成本，便于人工智能课堂的普及化。在理论教学中，可以通过与虚拟机器人的交互增强趣味性。VR技术有3个最突出的特点：交互性、沉浸性和构想性。课程设置者可以充分借助VR的沉浸性设置相应的场景，让课程学习者通过对特定道德场景的判断引出思考。这种新媒体手段既可以更新原有课堂知识的教学教法，更适合作为伦理教育走入人工智能课堂的重要媒介。

从资源时态上看，人工智能课程资源必须随着人工智能的发展而不断更新。从现实角度来看，最初开设人工智能课程时，其教学目标还是相对简单的——即培养学生的创造性与知识能力。但随着人工智能的普及应用，产生了许多人工智能语境下的道德困境。从指导思想来看，我国逐步走向世界舞台，随着实力增强指导思想也是不断变化的，新时代会提出新目标，为了实现中华民族的伟大复兴，课程内容的丰富也是十分必要的。因此，人工智能课程若要符合时代需要，就需要不断地更新课程资源。人工智能这一学科是具有学科交叉性的，与之相关各个领域的最新前沿问题都需要结合相应的道德教育，只有这样才能适应时代的发展。

（二）高校人工智能课程内容的合理架构

对于不同年龄层次的人工智能课程，必须考虑到不同群体的教育规律。提出合理的教育目标，用不同群体可以接受的方式方法才能达到最优的教学效果。我国人工智能课程目前的课程架构中，已经有学者进行了分年龄层次的研究。人工智能课程可以规划为专业性逐渐增强的、从边缘到中心的课程层级系统。对于高校本科生和研究生来说，人工智能课程设置内容必须具有专业性。在上文的课程体系建构中添加了艺术、文学、哲学等内容，其中包含对于人工智能伦理学的思考与认识。但在某种意义上这些青年的社会价值观就代表了未来科技工作者的社会价值观。因此在这一阶段，人工智能课程的架构与实施，国家应加以引导和监督。一方面需要建立统一标准的高校人工智能课程体系，另一方面在應对课程具体内容的落实方面给予一定程度的监督。

（三）在高校人工智能课程教学过程中充分运用案例

首先应充分运用学术案例，例如度量学习，在其基础上的迁移学习，以及发表在《机器学习》、《数据挖掘》等顶级期刊上的论文。使课堂具有含金量，可以说这也是国家发展与关注的重点。通过学术性经典案例的学习可以拥有不一样的视角，通过历史发展的角度去看人工智能技术的演变与发展。其次应充分运用具体案例。在人工智能课程中对于许多道德问题，不应抽象地去讨论，而应该具体地去讨论。也可以让学生与AI系统进行直接的问答，如：我们能保证它们稳定可靠吗？我们应该如何去测试人工智能？人工智能课堂中既要包容学生多元化的答案，不压抑创造性又要对于错误的思想进行思想转化，这就需要教育者具体问题进行具体分析了。

篇2

1　引言

能够透彻地了解人类智能行为产生的机理并制造出可以模拟智能行为的智能机，是人类长久以来一个美好而强烈的愿望。从世界各国的古老传说到近代科学的不断尝试，都表明了人类希望征服自然进而征服自己的决心。人工智能学科的出现及迅速发展，为这一愿望的实现带来了希望的曙光。它的研究延长了人脑的功能，深化与拓展了人类的智能劳动，使科学技术革命的发展速度空前。目前，人工智能(Artifical Intelligence，简称AI)已被应用到社会生活的各个方面并已取得了令人瞩目的成就。

虽然体育实用计算机科学在短短十几年中已经取得了迅猛的发展并有力地促进了体育事业的进步，但是，我们也不得不冷静地看到，体育实用计算机技术还远远滞后于计算机科学的发展，在以“知识工程”为主的人工智能诸学科取得巨大成功的时候，体育实用计算机技术还在坚持“数据结构＋算法＝程序”的传统程序设计方式，显然已是大大落后于时代了。怎样在系统分析的基础上有步骤、有顺序地将计算机科学的最新发展成果应用到体育领域中来，从更大程度上挖掘计算机科学的潜能从而促进体育科学再上新台阶，就成了体育科研工作者一个重要的课题。本文分析了体育实用人工智能的现状，展望了体育实用人工智能的未来。目的是引发广大体育工作者对体育实用人工智能的兴趣，吸引更多的人参与到这项工作中来。

2　人工智能及其解题思路

人工智能是一门前沿学科，是在计算机科学、控制论、信息论、系统科学、哲学等多种学科基础上发展起来的。它的出现及所取得的成就引起了人们的高度重视，从而被称为是继第三次产业革命之后的又一次革命。尽管如此，目前还没有一个关于人工智能的确切定义。我们可以这样理解：人工智能是一门研究如何构造智能机器(智能计算机)或智能系统，使它能够模拟、延伸、扩展人类智能的学科。通俗地讲，人工智能就是要研究如何使机器具有能听、会说、会看、会写、可思维、会学习等人类思维能力的一门科学。

人工智能的研制者通过知识获取过程将专家知识变成计算机可以识别的代码(知识库)，然后通过计算机程序设计使计算机模拟人类所特有的推理思维过程(挑选知识的过程)，从而完成只有人类才能解决的智能问题。由于人工智能可以融合多个专家的知识并吸取了人类的直觉和经验，所以，人工智能更适合于解决现实中需要人的思维判断而难以量化的问题。对于体育领域而言，不论是运动员的选材、训练计划的安排、运动处方的制订还是运动技术的诊断，体育专家的知识和经验都有着举足轻重的作用，如果智能系统可以完成这些工作，对体育科学的发展将产生深远的影响。

3　体育实用人工智能的现状

象所有处于发展之初的学科与研究方向一样，人工智能与体育科学的完全交汇融合还有相当长的路要走，还需要我们保持清醒的头脑，采取实事求是的系统分析方法来对待它。惟有如此，我们才会既能发现不利因素而不至于盲目乐观，又能看到有利条件而不至于悲观失望，才能有的放矢地把握体育实用人工智能的发展进程。

3.1　体育实用人工智能发展过程中的问题

1.对大多数体育工作者而言，人工智能技术还相当高深，它需要开发者不仅具备专项知识，还必须具备系统工程、软件开发等多个领域的综合素养。这些条件不仅对缺乏计算机操作能力的许多工作者来说十分苛刻，即便是具有一定计算机应用水平的科研人员，对知识工程理论与方法的缺乏也会使其成为人工智能的门外汉。智能系统的核心和基础是人类的知识和经验，要想开发智能系统，就必须从传统的以数值计算为中心的程序设计转变到以知识符号处理为中心的程序设计上来。这种思维与观念的转变显然不是轻而易举的。此外，智能系统的开发是一个复杂的、旷日持久的系统工程，不仅需要相当的技术和足够的软、硬件支持，而且需要开发人员长期、艰苦的努力。与那些更易在短期内取得成果的研究方向相比，体育实用人工智能技术的研究可能更容易被人们所忽略。

2.人工智能与体育科学两学科发展的相对独立性阻碍着两者的交汇融合。掌握人工智能技术的科研人员还没有看到其在体育领域应用的广阔天地，人工智能的应用成果还集中在工业控制领域、社会经济系统或军事决策过程——相对来说，这些领域更易取得明显的经济效益和社会效益。体育实用人工智能研究的巨大潜力还没有被挖掘出来。与此同时，相当一部分体育工作者还在沿袭着传统的以“经验技能”为主的教学、训练模式，保守的思想也使他们看不到或是轻视或是不愿接受科技发展的新成果，这就加大了体育实用人工智能普及的难度。总的来说，相互渗透、相互吸引是两者的必然趋势，但目前人工智能与体育科学仍处于若即若离的境地，两者的交叉还需要一个强有力的桥梁和纽带。

3.人工智能技术本身的不完备性。尽管自80年代以来，对机器学习、分布式人工智能、知识表示、常识推理等基础性研究取得了可喜的成果，特别是人工智能的重要分支——专家系统的应用研究成果已取得了重大突破，但是从总体上来看，人工智能距其完善还有相当长的路要走。我们不得不看到，人工智能的大部分分支，如自然语言理解、模式匹配、可视化研究等等都还不完善、不成熟，许多研究成果还仅仅停留在实验室和书面报告里，并没有转化到应用上来，即使是在专家系统中，专家知识获取这一“瓶颈”技术也阻碍了它的进一步发展。

此外，我们也不得不考虑一下计算机软、硬件和资金方面的限制。一般一个大型的智能系统的开发需要强有力的计算机软、硬件支持和足够的资金投入，基本上以个人微机为主的体育科研及捉襟见肘的体育科研经费可能会从很大程度上限制着体育实用人工智能的发展。

3.2　体育实用人工智能发展的有利条件

尽管一系列理论与实际问题阻碍了体育实用人工智能的发展，但是我们也没有理由对体育实用人工智能产生悲观情绪，更多、更有利的条件则为人工智能技术在体育领域的应用开辟了道路。

1.计算机技术在体育领域的广泛应用以及它对运动成绩的巨大推动力，已经使越来越多的人们认识到程序设计的美妙前景。显然，体育实用计算机程序的设计就是对体育工作者脑力劳动的解脱。这不仅仅是已尝到程序设计甜头的教练员和运动员的迫切要求，也是广大体育科研人员的努力方向。

2.近年来，我国的体育教育，特别是高层次的体育教育取得了很大的进展，培养出一大批年富力强、有很强科研能力的硕士和博士研究生。他们大都具有较强的计算机应用能力和学习能力，对他们来说，掌握人工智能技术也并不是遥不可及。青年体育科技工作者的不断发展与壮大，为体育实用人工智能的发展提供了必要的人才支持。

3.“全民健身计划”的推广与实施，不仅使我国的群众体育走上了正规化的道路，而且吸引着越来越多的人参与到体育活动中来。这其中当然包括人工智能领域的研究人员，他们会在锻炼中逐渐认识体育、了解体育、发现体育中的问题并不断尝试用本领域的技术方法来解决它(事实上，许多行之有效的体育实用方法和技术都是非体育专业科研人员引进到体育领域中来的)。人工智能会象现在已经在体育领域得到广泛应用的灰色理论、模糊数学、系统工程一样，逐渐地被广大体育工作者所承认、理解和接受，进而逐渐渗透到训练、选材、规划、教学等日常的体育工作中。因此，“全民健身计划”的出台与推广，又为体育实用人工智能的发展创造了有利的外部环境。

此外，体育科研触角的不断伸展、体育科技投入的逐渐增加、体育科研人员素质的不断提高和人工智能技术的不断完善，都会在一定程度上加快体育实用人工智能的步伐。

4　体育实用人工智能的发展方向

就目前人工智能领域而言，人工神经网络技术与集成分布式智能系统是研究的热点。前者是以研究大脑的结构和认知模型为主，用以对智力活动进行模拟或处理海量信息。后者是一种大规模的集成环境，即把各种不同的专家系统、神经网络、数据库、数值计算软件包和图形处理程序进行有机集成，以解决复杂问题，是“大成智慧工程”。虽然这两者也可作为体育实用人工智能的研究方向，但对当前体育领域而言，应用性研究，即将各种已经成熟的智能技术应用到体育实践中来，有着更加重大的现实意义。

4.1　各种体育实用专家系统的开发与研制

专家系统是利用具有相当数量的权威性知识来解决特定领域实际问题的计算机程序系统。它根据用户提供的信息、数据或事实进行自动推理判断，最后给出结论及结论的可信度以供用户决策之用。之所以选择专家系统做为体育实用人工智能研究的突破口，是因为不论从理论上、技术上，还是从应用上，专家系统都可以算得上是人工智能最成熟的一个分支。一些成功的专家系统开发实例(包括已开发的体育实用专家系统)可以提供技术支持，各种理论研究又使开发过程有章可循。体育实用专家系统的开发，能够促使体育实用人工智能不断地从抽象走向具体，引导体育工作者循序渐进地了解和掌握智能技术，逐渐开发出智能化程度更高的智能系统来。惟有如此，才能符合事物发展的客观规律，才能保证体育实用人工智能健康、有序地发展。

4.2　体育领域自身智能技术研究人员的培养

由于受知识和技术的限制，在很长的一段时间内，体育实用人工智能的发展还必须依靠人工智能领域人员的引导。然而，只有培养出体育领域自身的智能技术研究人员，体育实用人工智能才会有光明的前途。新一代的开发人员，我们可以称其为智能工程师，应该首先是一个体育工作者，并已具有相当程度的体育专业知识和体育运动实践，再通过人工智能技术的学习和训练，就可以单独开发出自身领域高质量的智能系统。智能工程师及其工作，为人工智能技术向体育领域的渗透提供了必要的前提条件。

4.3　体育实用人工智能的基础理论研究

虽然体育实用人工智能技术和方法研究十分重要，而且往往能够在较短的时间内取得明显的效益，但是它们却根植于基础理论的研究，脱离了基础理论，技术和方法就会变成无源之水、无本之木。体育实用人工智能也只是昙花一现。知识只有形成体系，才能成为科学，一系列的技术只有被理论所串接和揉合，才会具有持久的生命力。因此，加强体育实用人工智能的基础理论研究(包括运动智能和竞技心理的形成、发展规律、技能知识的表达方式、体育专家的思维推理过程研究、技能知识的传递方式研究等)，是这一新生学科存在和发展的根基所在。

5　结束语

体育实用人工智能离成熟还有很长的距离，还存在着一系列的问题，但同时又充满着希望，为迎接这一机遇与希望共存的挑战，广大体育工作者需要沿着正确的方向做出艰苦的努力。

主要参考文献

1　刘泉宝，等.关于人工智能的哲学思考.计算机科学，1995(2)

2　石纯一，等.人工智能原理.北京：清华大学出版社，1993

3　陆汝钤.专家系统开发环境.北京：科学出版社，1994

4　王永庆.人工智能—原理*方法*应用.西安：西安交通大学出版社，1995

5　刘有才，等.模糊专家系统原理与设计.北京：北京航空航天大学出版社，1995

6　Ming Rao，等.智能工程与控制技术：历史、发展与未来.控制与决策，1994(1)

7　高扬.体育院校课表计算机辅助编排系统的开发与应用.体育数学与体育.系统工程，1995(1～2)

8　程勇民，等.射击运动员肤纹特征及计算机选材模型的研究.体育科学，1995(5)

9　邵桂华，等.体育领域专家系统外壳的开发与研制.体育科学，1997(3)

10　邵桂华，等.赛艇项目技术诊断专家系统的开发与研制.系统工程，1997(4)

篇3

关键词：人工智能；音乐教育；智能乐器；大数据

1引言

随着人工智能技术的不断进步，重新塑造音乐使得音乐教育的学科素养培育、审美感知、艺术表现和文化理解变得更有支持和创意。探索应用人工智能技术推进音乐教学的改革与发展有具有十分重要的意义。本文通过研究与实践，引导学生学会用科学的方法培育计算思维创作音乐，用科学的意境欣赏音乐陶冶学生的音乐审美感，用科学的评价提升音乐课堂教学效率。通过这些措施，可以使学校音乐教育精准地开展因材施教差异化教学，彰显音乐教育的特色。

2人工智能与音乐

人工智能技术与音乐教育有机融合，丰富了课堂教学资源，拓展了智能乐器的功能，提升了音乐教育技术手段。它支持个性化学习，可以观察音乐课堂学习，分析音乐的旋律与节拍，有效评价教学效果，激发音乐教师运用人工智能技术创新音乐教学的热情，发挥教师在课堂教学中的主导作用。

2.1乐器的智能化

乐器是学习音乐的重要工具。乐器植入人工智能技术，形成了智能化乐器。它能够大量储存多种乐器的音乐数据。尤其是在音乐键盘中运用，功能的提升特别突出，应用于音乐教学中引发了多种形式的教学模式。例如，图1显示了融合多媒体计算机、主控系统、音乐课堂教学智能评价系统将多部电子钢琴连接起来的智能乐器实验室。通过语音室方式授课，可以实现多种乐器的分组教学。这在传统的音乐课堂上是无法完成的。

2.2智能化乐曲创作

智能乐器不仅能够储存乐器音色，而且还能用指令对各种音色播放进行控制，各种音色按照指令进行演奏。这种创作功能是以往其他乐器都无法比拟的[1]。例如，能唱出《月亮代表我的心》十七声部的合唱团，很好听，但很难。运用智能乐器按指令合成该十七声部音乐则轻而易举。2.2.1机器学习生成乐曲人工智能技术赋能智能乐器，使得机器学习的功能日趋进步。机器学习在音乐领域所做的事情，就是提取音乐作品的“数据”，输入给定模型学习音乐的“特征”，再对音乐数据进行分析和编排。例如，如果输入的是《梨园金曲》民族音乐，则机器就能学会民族音乐的曲调特征，生成掌握特征模型的民族音乐作品。2.2.2用软件生成乐谱使用MuseScore3forMac软件可以制作乐谱，在工具栏选择对应时值的音符输入音符。例如，在MuseScore3窗口输入如图2所示的“我和我的祖国”乐谱，再导出MP3文件进行播放。2.2.3代码生成乐曲用Python代码生成曲子，要借助音乐标准格式MIDI—乐器数字接口，运用Python-midi库编写程序，编译MIDI文件生成音乐。例如，生成一个简单乐谱的MIDI文件需要使用Python-midi，其中：Pattern对象表示乐谱；Track对象表示音轨，通常乐谱都有多条轨道组成，每种乐器是一个轨道；midi.NoteOnEvent表示每个音符的开端，在参数表中可以定义每个音符的音长和音高；midi.NoteOffEvent表示每个音符的结束。参考代码如下：importmidi#定义patternpattern=midi.Pattern()#定义轨道track=midi.Track()#添加轨道到patternpattern.append(track)#音符开始，并定义位置、音量、音高on=midi.NoteOnEvent(tick=0,velocity=50,pitch=midiG_3)track.append(on)#音符结束off=midi.NoteOffEvent(tick-100,pitch=midi.G_3)track.append(off)#轨道结束eot=midi.EndOfTrackEvent(tick=1)track.append(eot)#存储midi.write_midifile("example.mid",pattern)程序运行结果生成了如图3所示的简单音符：这样如图2的“我和我的祖国”乐谱，也可以通过Python代码生成MIDI文件。

3AI赋能音乐课堂

在AI赋能的音乐教育环境，促使音乐教学实践变革以及学生学习音乐方式。例如，图4所示的集音乐创作教学及教学评价于一体的“智能化音乐课堂教学评价系统”，在教学设计的优化、教学方法的高效、教学手段的更新、教学评价的智能、教学策略的调整方面都具有借鉴意义[2]。

3.1大数据学习

大数据云计算可以将所有音乐家们音乐数据存储在云中，运用人工智能技术为学生提供更多有价值的音乐数据。学生通过音乐云学习音乐知识，欣赏音乐魅力、体验音乐节奏、理解音乐韵律。它使得优质音乐教学资源跨越校园，开放延伸音乐教学，远程辐射共享资源。这样就扩展了学生的视野，音乐知识的来源无限扩大，整个音乐云皆有学生的学习教材。特别是大数据音乐云不仅可以推送给学生更多的即兴音乐和更多的音乐信息，还能指导音乐爱好者创作出雅正、健康的音乐作品。

3.2个性化学习

人工智能技术从音乐学习行为数据搜集、数据分析与运用、个性化学习评价多方位帮助学生定制个性化的学习成长路径。推送在线音乐教育资源，指导表演建议乐器学习技巧。搭建音乐教育虚拟课堂，匹配音乐教学资源，实现因材施教的个性化学习，支持一对一的教学辅导和群组式讨论。通过这些措施提高教学质量和效率。

3.3教学评价智能化

运用人工智能技术将多个音乐辅助教学设备连接的音乐创作教学系统，基于音乐课堂教学的学生学习特质分析与教学效果分析的音乐课堂教学管理系统，来实现音乐教学的全程智慧管理，使音乐学习更有效率。例如，在虚拟音乐课堂乐器教学可以变成一对多的自选教学模式，使课堂变得轻松、愉快。教师可以开启课堂教学观察模块，捕捉每位学生同步练习的音准、节奏、力度数据，分析判断将评价信息同步反馈，给出学习指导建议。3.3.1创作教学模块“智能化音乐课堂教学评价系统”中的音乐创作教学模块，集视、听、练和反馈评价为一体，适时演示教师教学作品和评价学生练习作品。例如，在进行《我和我的祖国》授课时导入电影片段，欣赏“我和我的祖国”音乐的表现形式、演唱形式以及歌曲风格，可以使学生更好地体验作品的创作意境，激发创作意识。使用MuseScore创作“我和我的祖国”三声部习作音乐，并能储存、刻录，编辑等二度创作。3.3.2课堂教学评价模块音乐课堂教学评价有着传统音乐教学评价无法比拟的灵活性、客观性和实用性。从大数据分析角度获取音乐课堂教与学相关数据，对学生的音乐基本素养与学习态度进行科学分析判断。例如，以创作《红河谷》中的和声与音乐作品风格内容的“编配伴奏音乐”教学过程为例。课前在“课堂教学评价模块”上安排学生根据作品风格完成伴奏的音乐；播放制作好的《红河谷》MIDI音乐（在第二和第六个小节缺失编配和弦）；使学生感受、探讨大小三和弦的表现力，形成对大小三和弦的感知。然后要求学生试着用MuseScore为《红河谷》缺失的两小节选配和弦，以适合歌曲的伴奏风格。学生需要边哼唱歌曲边试着套用不同的伴奏风格，找到他们认为最恰当的和弦伴奏风格，说出理由并提交[3]。评价系统将学生提交的作业比照音乐要素进行评价。及时反馈学习评价的信息，并对学生的学习进程制定一个个性化的学习方案[4]。同时通过教学反馈深度优化决策模型，促进教师实时改进教学策略，提高教学效率和效果，提升教学质量。

4结语

人工智能技术在音乐教育领域中的广泛应用，为传统的音乐教育模式注入了活力，为音乐教师创新音乐教学理念开辟了新思路[5]，为因材施教提供了新的适合学生学习的音乐教学模式。人工智能在音乐教育模式方面的探索，不仅给音乐教育教学的发展带来了物质技术层面的进步，还从音乐教学层面促进计算思维培育开辟新途径。这对音乐教育理念、教学手段、教学方式和方法以及拓展学生音乐视野、学习音乐、享受音乐、创造音乐等都带来深刻的变化和积极的影响。

参考文献

[1]邹孟雨.人工智能及其在音乐教育中的应用.北方音乐,2018(15):254-255

[2]郭文进.“互联网+教育”运行模式探究.决策与信息（下旬刊）,2015(9):63

[3]段晓军.电脑音乐系统与中小学音乐教学实践.中国音乐教育,2006(6):26-28

[4]王迪.浅析娱乐教育中元学习能力的培养.河北广播电视大学学报,2007(1):79-80

篇4

［关键词］人工智能；人才培养；AI技术人才

一国家对于高校人工智能教育的发展的重视

面对AI技术如火如荼地发展，我们国家对AI人才和人才培养都非常重视。2017年3月“人工智能”在政府工作报告中曾提及四次，指出要推动人工智能和实体经济深度融合。2017年7月20日国务院《新一代人工智能发展规划》[4]。《规划》指出完善人工智能领域学科布局，设立人工智能专业，推动人工智能领域一级学科建设，尽快在试点院校建立人工智能学院，增加人工智能相关学科方向的博士、硕士招生名额。鼓励高校在原有基础上拓宽人工智能专业教育内容，形成“人工智能+X”复合专业培养新模式，重视人工智能与数学、计算机科学、物理学、生物学、心理学、社会学、法学等学科专业教育的交叉融合。加强产学研合作，鼓励高校、科研院所与企业等机构合作开展人工智能学科建设。

二企业对于人工智能人才的需求

市场上AI技术人才非常稀缺，据腾讯研究院联合boss直聘的《2017全球人工智能人才白皮书》[5]显示：目前，全球大约有30万人从事AI工作。截止到2017年10月，中国人工智能人才缺口至少在100万以上。2017年头10个月，AI人才需求量是2016年的近两倍，2015年的5.3倍之多，年复合增长率超200%。百度、腾讯、阿里巴巴、京东等互联网巨头都在挖掘AI人才，纷纷开出了高额的薪资。2017年薪资最高的十个职位中AI类岗位占到1/2，其中语音识别、NLP、机器学习等职位平均月薪资超过2.5万元。

三高校AI人才培养的思考

高校具有多学科、高层次人才集中的特点，具备计算机与多学科交叉融合的优越条件；且大部分学校都开设有数学、物理等基础学科，具备夯实数学理论基础的条件；且人员相对固定，便于沟通交流，具备共同开展AI课题，促进发展AI技术的人力条件。但是遗憾的是我国开设人工智能课程的高校较少，2018年只有33所高校设立了智能科学与技术专业[6]。面对AI发展的火爆，国家对于AI人才发展的重视以及企业对于AI人才的严重需求，高校作为人才培养的主要来源，是不是应该思考AI人才的培养呢？AI人才可以分为三类：拔尖人才，研究性人才和应用型人才，呈金字塔性。当下已经有一批名牌大学开展了AI方向拔尖人才的培养，如北京大学图灵班、中国科技大学人工智能技术学院、西安交通大学人工智能拔尖人才培养实验班，南京大学计划成立人工智能学院等。但是金字塔的底层、中层更需要庞大的AI技术人才，如应用开发人员、数据工程师、AI和机器学习工程师、AI系统架构师、AI产品经理等岗位的人才，同样值得重视。很多专家都表示AI人才需要数学基础好、专业理论全面、具备一些工程基础，且有自主学习的能力。本文从夯实数学基础、人工智能方向课程的建设、实践能力的培养、自主学习能力的培养四个方面阐述高校关于AI人才培养的一些思考。

1奠定扎实的数学基础

在学习AI技术时，几乎所有专家学者都提出需要扎实的数学功底，数学功底的厚重程度决定了在AI技术上走多远。高等院校计算机专业都开设有“高等数学”“线性代数”“概率论”等数学课程，但是课时、难易程度不足，学生对于数学不够重视，或者觉得晦涩难懂，学习效果并不十分理想，因此加强数学基础的工作刻不容缓。可以通过必修和选修等方式开设“数据分析”“统计机器学习”“凸优化”等课程；通过微课或者MOOC等方式巩固数学基础的学习；通过优秀科普读物，如《数学之美》《编程之美》等书籍的推荐阅读激发学生兴趣；通过开展校内学术讨论、数学竞赛等方式促进学生学习数据的动力，逐步达到夯实数据功底的目的。

2人工智能方向课程的建设

很多高校计算机专业课程中只开设有《人工智能》导论，有的甚至没有。智能科学与技术专业开设有“人工智能”“计算机视觉”“机器人学导论”“计算智能”这几门课程，但是在编程、算法等方面不足。那么AI技术人才应具备哪些专业能力呢？如何从专业角度培养AI技术人才呢？2018年1月CSDN了“AI技术人才成长路线图”[7]，通过专业路径和实战路径两方面介绍了AI技术人才需要具备的知识。需要具备Python、C++、Linux、CUDA编程知识，需要学习机器学习课程、掌握TensorFlow框架。该路线图中列出了机器学习算法工程师、数据科学家等10个岗位AI人才应具备专业知识和能力。微软公司也推出AI人才培养的10门免费课程，如“AI导论”“数据科学会用到的Python语言-导论”“AI领域运用的数学概要”“数据和分析所需要的道德与法律”“数据科学概要”“机器学习法则”“深度学习”“强化学习”“微软专案项目之人工智能”。同时在“文字和自然语言识别”“语音识别”“计算机视觉和图像识别”中选择其一。Google在人工智能学习网站开设有《MachineLearningCrashCourse（简称MLCC）》的免费课程[8]，由机器学习概念、机器学习工程、机器学习现实世界应用示例三个部分组成。Intel近期也了三门免费的AI课程，分别是“机器学习基础”“深度学习基础”和“TensorFlow基础”[9]。AndrewNg在Coursera上也推出了机器学习的课程，且用比较通俗的语言讲解机器学习中各个算法。最近在Deeplearn-ing.ai和Coursera平台又开设了5门深度学习课程[10]。综上所述，不同的研究机构都着眼于AI编程基础、AI算法、AI框架、AI实践这几个方面。那么高校也可以借鉴这些经验，通过三个阶段分层次的开展相应的课程。

3实践能力的培养

AI技术不能纸上谈兵，必须动手实践才能真正掌握，可以从以下几个方面着手培养学生的实践动手能力。（1）设计教学环节时多从工程应用的角度来介绍，激发学生的兴趣，培养学生解决问题的能力。要求学生新手编程编程实现模型，充分理解算法的含义和原理到实现的过程。（2）在掌握一定的机器学习知识后，鼓励学生尽早走进实验室，接触科研工作。可以从一些AI应用方向作为入手，使学生了解自己的兴趣点、培养科学研究能力。（3）鼓励学生参加算法比赛。目前有很多AI方向的竞赛，如Kaggle上的挑战赛，国内阿里天池大数据竞赛等。通过参加竞赛刺激学生学习AI的动力和热情，使得解决问题的能力和实践动手能力都会大幅度提高。（4）鼓励学生到工业界实习。很多专家都指出AI人才应该具备一定工程基础。确实，学术界往往追求算法的性能，而工业界更重视经济效益和解决问题的有效性。到企业学习可以快速了解行业发展的框架，掌握算法转化到产品的过程。

4自主学习能力的培养

AI技术发展速度很快，要求不断地学习才能跟上节奏。可以从以下几个方面来培养学生的自主学习能力。（1）平时教学中，可以给出一些小型的项目，让学生自己寻求解决的方案，并把它作为考试成绩的依据之一。（2）提供给学生免费的AI慕课资源，让学生更好的学习和巩固相关知识。（3）课外可以开展学术讨论或者通过社团等方式开展AI方向的研讨，交流，给学生一个学习的平台，让学生尝试选择自己感兴趣的方向。也可以介绍一些近期的AI会议内容，开阔学生的眼界，使其了解AI发展的动态。（4）鼓励高年级学生订阅Arxiv，关注机器学习的顶级会议，如ICML/NIPS等。通过研读论文，动手完成论文中的实验发现新问题；或者扩展感兴趣的论文的实验部分；或者尝试寻求论文中有价值的地方，找到自己的研究方向。

篇5

12月18日，由北京供销大数据集团举办的“加快大数据中心一体化进程・2017北京峰会”在京召开。

从“小背篓”到“大数据”

2016年，百货零售市场“闭店潮”汹涌。中国社会科学院财经战略研究院、社会科学文献出版社等的《流通蓝皮书：中国商业发展报告（2016―2017）》指出，未来5年内，中国的商品交易市场有1/3将被淘汰，另1/3将转型为批零兼有的体验式购物中心，还有1/3将成功实现线上与线下的对接。

北京市供销合作总社在这个变革的时代将如何实现转型升级呢？2015年12月18日，北京市供销合作总社宣布正式成立北京供销大数据集团。这是北京市供销合作总社一次重大的转型之举，完成了从“小背篓”到大数据的历史性跨越。时隔整整一年，北京供销大数据集团继续深化在大数据领域的布局，响应“建设全国一体化的国家大数据中心”的国家战略，作为中国大数据产业“国家队”的一员，努力推动国家大数据战略落地。

“我们打造的国际化大数据平台，将成为国家大数据中心的重要组成部分。”北京市供销合作总社副主任、北京供销大数据集团董事长姚从琪解释说，“北京市供销社一直以来保持诚实、守信的优良传统，可以保障平台的中立性；凭借跨区域、全球化的布局，可以保障平_的安全性；平台自身具有互联互通、运行高效和价格低廉的特征，可以保障平台的优越性。”未来，北京供销大数据集团还将基于供销大数据平台，发展包括“九金十盾”在内的政务云、涵盖各行各业的企业云、以“供销e家”为基础的商务云，以及科、教、文、卫、健康云。

以前，在云计算、大数据领域，无论是产品、技术，还是数据中心的建设和运维，国外厂商都占据领先地位。不论是出于安全可控的考虑，还是为了降低成本，在云计算和大数据领域都呼唤“国家队”能够“身先士卒”，通过自主创新，在云计算和大数据应用落地的过程中发挥积极而重要的作用。

北京供销大数据集团作为中国大数据产业“国家队”的一员挺身而出，在2016年围绕“3+10+X”的发展战略积极投入，在全球范围内打造拥有自主知识产权的分布式、全互联的数据中心集群网络，并凭借全球一体化的产业布局、创新的商业模式和跨全产业链的数据存储、分发、技术运维能力，成长为建设一体化国家大数据中心的主力军。

全国供销合作总社正在加快打造农村电商的专业性平台和地方性平台，同时加快打造全国供销电子商务“一张网”和农村电商“国家队”。在这一背景下，北京市供销合作总社敏锐地抓住了大数据时代的机遇，创建北京供销大数据集团，为发展大数据产业提供创新的企业平台，目前已与全国总社“供销e家”达成战略合作，将在电子商务、云计算、技术服务领域展开全面合作。从传统的零售领域跨界到大数据，现在又积极投身于国家一体化大数据中心建设的洪流之中，北京市供销合作总社的华丽转身值得点赞。

北京供销大数据集团未来将立足全国大数据产业园区布局与大数据平台资源的建设，同时借助合作伙伴在教育网络、科研创新、数据运营与分析、移动App资源等方面的支持，共建自主可控的大数据中心生态圈，通过不断完善供销云、企业云和金融云等一体化解决方案，为企业的数字化转型提供服务。

大数据落地的“道”与“术”

战略为“道”，产品为“术”，北京供销大数据集团CTO王帅宇在会上深度阐释了北京供销大数据集团践行大数据中心一体化国策的“道”与“术”。

“建设全国一体化的国家大数据中心”战略的提出，首次将数据中心建设提升到国家战略层面。王帅宇表示，北京供销大数据集团是为建设一体化的大数据中心而生，将肩负起捍卫国家数据的重任。

北京供销大数据集团致力于打造国内最大规模的第三方公立大数据中心集群。目前，集团位于承德、贵阳的数据中心已初具规模。未来，集团将按照既定的“3+10+X”战略，在更多地域布局和建设数据中心。2016年5月，集团正式成立美国子公司，成为数据中心全球一体化布局的桥头堡。

北京供销大数据集团认定，IDC/DC、CDN和云计算的一体化才是生存之道。“符合一体化者生，不然就会被淘汰。”王帅宇举例说，“由于我们三者都做，未来甚至可以将CDN免费，这对只拥有CDN业务的厂商来说是巨大的冲击。一体化将在未来5年内重塑整个行业。”

接下来，北京供销大数据集团将以创新的思路，采用前沿的技术、产品和流程打造数据中心，占领行业制高点。举例来说，在CDN方面，北京供销大数据集团将把产品做到极致。目前，集团已在全球范围内布局500个以上CDN节点，凭借专业的服务实现了网络和业务质量的可视化，并提供基于多级策略的智能调度响应功能。在云计算方面，集团将主攻“行业云”蓝海市场；同时打造“供销云”，为全国供销系统的农业电商平台提供支撑；集团还将深耕“企业云”，打破信息孤岛，让数据产生倍增效应。

“我们致力于将自身打造成一个一体化的大数据服务商。”北京供销大数据集团CDN事业部总经理曹杰表示，“我们的优势在于数据的存储、分发、处理和分析。通过落地‘3+10+X’的战略布局，我们将建设覆盖全国的数据中心集群，为数据存储提供安全、高效、互联的网络结构，部署覆盖全球的CDN网络，解决大数据的快速分发问题，为金融、保险、政务、农业、电商等垂直行业的用户提供数据处理和分析服务。从大数据基础设施到数据的存储、分发、处理和分析，我们的解决方案和服务是一体化的，这些优势是其他公司所不具备的。”

北京供销大数据集团愿做数据开放、数据流动的桥梁，从技术平台的搭建到价值的实现，完成大数据的融合。北京供销大数据集团已经在大数据基础设施、相关技术，以及商业模式创新方面做好了准备。

“供”生“供”赢

本次峰会的另一场重头戏是创新工场与北京供销大数据集团人工智能及大数据技术平台合作的启动仪式。创新工场创始人兼首席执行官李开复亲自参加仪式，并发表了演讲。

从2016年3月谷歌AlphaGo完胜著名棋手李世石开始，人工智能在2016年持续火了一年。语音识别、人脸识别等30年前人工智能的先锋们已经开始钻研的技术，如今终于从实验室走进了人们的生活和工作中。以前，因为计算设备的性能瓶颈、算法的限制，以及没有今天这样海量的数据和大数据中心的支持，人工智能的发展举步维艰。

人工智能技术的广泛应用为什么更需要一体化大数据中心的支持？“人工智能结合了多元化的信息。”李开复解释说，“人工智能需要整合大量的信息流，如果每个公司都将数据存在自己的服务器上，然后再逐一汇聚起来，显然不太现实，数据应该存在云上。美国许多先进的人工智能技术都是基于大数据中心和云平台推出的，比如亚马逊最近推出了人工智能服务，微软Azure上也有20种不同的人工智能服务。人工智能需要特别大的数据量，而且多元化的数据处理也特别适合在一个统一的数据中心环境中进行。”

深入了解了人工智能与大数据的关系，你也可以更真切地体会到，创新工场与北京供销大数据集团的合作是水到渠成。李开复表示：“人工智能企业需要的数据量十分庞大，包括人们出行、消费、征信等方面的信息。如此庞大的数据量不是一个公司能够收集和处理的，实现数据中心的一体化也就顺理成章了。此外，像人工智能人才的培养、相关计算资源的使用都需要一体化大数据中心的支持。这也是创新工场与北京供销大数据集团展开全方位战略合作的基础。”

在云计算、大数据时代，更需要产业链上下游的厂商，发挥自己的特长和优势，与合作伙伴打造共A共生的生态圈。北京供销大数据集团与创新工场的合作是一个良好的开端。在布局一体化大数据中心的过程中，北京供销大数据集团与众多合作伙伴的合作结出了累累硕果。

篇6

1936年人工智能之父提出人工智能这个概念，为人工智能乃至现代信息科技奠定了基础。

1958年，10位美国年轻的学者在一起研讨，正式提出人工智能这个概念。

人工智能经过了60年曲折的发展，有过令人兴奋激动的时刻，也有令人非常沮丧的时刻，现在到了一个新的，这是没有异议的。

特别值得一提的是，专用人工智能领域取得了突破性进展，今年，阿尔法狗是标志性之一，包括竞赛性能的不断提高，特别是在测试中已经超越人。

新版的人型机器非常的震撼人心，在地面上走，尽管歪歪扭扭，但走得还很稳；还有自动驾驶汽车，在雪地里，也可以走得很好；语音识别，这是科达讯飞一个典型的语音识别的例子，效果非常好；人脸识别，尽管还有一些挑战，但是这几年还是不错的。

专用人工智能确实取得了突破性的进展，但人工智能的研究与应用依然任重道远，要在通用人工智能方面取得巨大突破还需要尽洪荒之力，曾经有四句话描写了人工智能目前的水平，有智能没智慧，有智商没情商，会计算不会算计，有专才无通才。

另外，人工智能产业化应用也有了很好的发展，2015年全球人工智能市场规模为1270亿美元，今年预计1650亿美元，到2018年预计超过2000亿美元，发展非常之快。目前，人工智能已经上升到国家战略高度。过去一年人工智能领域的十件大事

过去的一年里，人工智能领域有很多新的变化。

第一项，阿尔法狗。

第二项，各国政府高度重视人工智能发展，包括今年5月份美国白宫举行的4场研讨会。

第三项，IBM类脑超级计算机平台，是基于前几年的芯片。

第四项，软银320亿美元收购ARM，这是很大的收购。

第五项，谷歌、facebook等开源人工智能基础平台反映了一个趋势和动向。

第六项，创建公益性的人工智能机构OpenAI。

第七项，在学术方面，Science发表Bayesian Program 论文。

第八项，微软深层残差网络夺冠2015年ImagnNet。

第九项，谷歌量子计算机取得重要突破，为人工智能计算搭建了一个平台。

第十项，剑桥大学成立了人工智能伦理研究所。

怎样通过这个标志性事件看目前人工智能发展的状态，我将其概括成十段话。

人工智能十大趋势动态

第一，人工智能热潮全球化，从东方到西方，从发达国家到发展中国家，从大国到小国，都掀起了热潮。

第二，产业竞争白热化。

第三，投资并购密集化，过去一年的收购、投资，数不胜数。

第四，人工智能应用普适化，开始向各个领域渗透。

第五，人工智能的服务专业化，一个是研究通用化的人工智能，一个是专业化的人工智能。

第六，基础平台开源化，包括IBM、谷歌开源的平台，是过去一年特别明显的一个新的特征。

第七，关键技术硬件化，包括IBM的类脑计算平台。

第八，技术方法集成化，单一的人工智能计算理论和方法不可能包打天下，集成创新势在必行，阿尔法狗里集成了很多。

第九，学科创新协同化，多学科跨界融合交叉协同创新人工智能创新途径，其中包括量子技术跟人工智能的结合。

第十，社会影响大众化。

人工智能未来发展五大思考

第一，要保持警醒。热潮下面尤其需要冷思考，阿尔法狗在围棋上的表现，确实提高了人们对人工智能的期望，但是对人工智能希望太高，如果没有实现就会非常失望。过去60年中我们有很多这样的教训，在热潮下尤其需要冷静的思考，有就一定会有低谷，这是发展的客观规律，而任何一个时段不可能一直蓬勃，所以一定要保持冷思考。引用最新的新兴技术成熟度曲线。智能机器人、认知等热门技术正处于期望膨胀期，接下来可能是幻灭期，所以需要我们冷静的思考。

第二，切忌跟风。我认为跟风难有大作为，这几年风口热好像说得很多，找风口不如找关口，发展的瓶颈在哪里，突破瓶颈就可能开创一个新天地，抢占先机，大家不要再跟风。

第三，不忘初心。对于人工智能来说是不忘初心继续探索，回归人工智能的本原，是要解决什么问题，别走偏了。所以从研究的内容到研究的目的，在回归本原的过程中尤其要记着，信息科技与脑类科技的交汇，人脑智能机理的挖掘孕育着信息科技的重大变革。

第四，苦练内功。重视前沿基础理论研究，现在是家喻户晓，但是大家不要忘记不是那么火爆的时候在干什么，一直坚持，才有深度学习的今天，所以苦练内功很重要，不能被当下的热点一叶障目。深度学习不等于AI，深度学习只是人工智能领域机器学习方向的一种方法，尽管现在效果很好，确实需要思考如何克服这个瓶颈，人工智能发展的下一个关口在什么地方。深度学习的成功不是理论方法的突破，而是在大数据和大规模计算资源驱动下的基于基础理论的技术突破，其本质是通过映射对复杂函数进行逼近。

深度学习依旧存在明显的局限性，尤其在任务的切换和对环境变化自身完善、对小样本的举一反三等方面，人工智能与人类还是相差甚远。

第五，以史为鉴。丘吉尔说你能看到多远的过去，你就能看到多远的未来，你过去看的有多深，你对未来才能看得有多准，我认为是有道理的，所以这个时候就需要我们做一个思考。从浅层智能到深层智能；从专用人工智能到通用人工智能；从机器智能到混合智能；从数据驱动到数据和知识协同驱动；从线下智能到云上智能；从网下到网上。

人工智能在中国的发展

这些具体的趋势实际上都反映在整个社会化大趋势上，智能化是新一轮科技与产业革命的最显著特征。

我们国家发展有很多机遇，天时地利人和，当然也有挑战，我们的战略思维、冒险精神还不够，所以要思考这些问题，人工智能如何更好地服务社会。

如何抓住这个机会，我觉得首先应该有一个规划，因为只有通过顶层规划协调才能实现一盘棋，最终实现人工智能强国。

篇7

当前，信息网络技术加速创新，以数字化的知识和信息作为关键生产要素的数字经济蓬勃发展，新技术、新业态、新模式层出不穷，成为“后国际金融危机”时代全球经济复苏的新引擎。各主要国家纷纷将发展数字经济作为推动实体经济提质增效、重塑核心竞争力的重要举措，并进一步推动数字经济取得的创新成果融合于实体经济各个领域，围绕新一轮科技和产业制高点展开积极竞合。

基于此，中国数字经济百人会依托中国电子学会的专业研究团队，深入分析全球各国数字经济主要战略，调研走访在数字经济领域具备领先水平和突出能力的典型企业，系统梳理了国内外顶尖学者的最新观点，以及权威智库和知名战略咨询公司的公开成果，对全球数字经济发展趋势做出十点研判，具体如下：

一、数字化的知识和信息成为新的关键生产要素

人类生产、生活及治理的数据基础和信息环境正在得到大幅加强和显著改善，移动互联网和物联网持续普及部署，智能终端和传感器加速应用渗透，人、机、物逐步交互融合，与经济增长和社会发展相关的各项活动已启动全面数字化进程，呈现出从被动到主动、从碎片到连续、从单一分离到综合协同的三大转变，源源不断地产生着呈现爆炸式增长态势的海量数据，蕴含着巨大的价值和潜力。数据已成为与资本和土地相并列的关键生产要素，被不断地分析、挖掘、加工和运用，价值持续得到提升、叠加和倍增，有效促进全要素生产率优化提升，为国民经济社会发展提供充足新动能。

图1 新摩尔定律主导下2015-2035年全球数据总量增长态势

数据来源：IDC，中国电子学会整理

二、与实体经济深度融合发展是首要战略任务

全球经济仍处于相对稳定的复苏阶段，以先进制造业为代表的实体经济将继续作为主要增长点，在与数字经济的深度融合中不断焕发新的动力。下一阶段，各主要国家和地区的数字经济相关战略会陆续深入实施，普遍将运用互联网、大数据、人工智能等新一代信息技术赋能先进制造业作为重要举措，积极推进从生产要素到创新体系，从业态结构到组织形态，从发展理念到商业模式的全方位变革突破，持续催生个性化定制、智能化生产、网络化协同、服务型制造等新模式、新业态，推动形成数字与实体深度交融、物质与信息耦合驱动的新型发展模式，大幅提升全要素生产率，有效推动全球经济增长的质量变革、效率变革、动力变革。

图2 数字经济与实体经济融合发展

资料来源：中国电子学会

三、平台化、共享化引领经济发展新特征、新趋势

企业之间的竞争重心正从技术竞争、产品竞争、供应链竞争逐步演进为平台化的生态体系竞争，一批用户基数庞大、技术积累丰富、资金实力雄厚的行业领军企业已率先启动，通过提供开源系统、营造开放环境、促进跨界融合、变革组织架构、重塑商业模式、孵化创新团队等多种方式，持续构建完善资源集聚、合作共赢的生态格局。同时，飞速发展的新一代信息科技，高频泛在的在线社交，以及渐趋完善的信用评价体系，为大量未能得到完全有效配置的资源提供了成本趋近于零的共享平台和渠道，吸引了共享者数量的指数级集聚，弱化了生产生活资料的“所有权”而强调“使用权”，逐步创造出新的供给和需求，促使共享经济快速兴起。

图3 共享经济行业渗透趋势

数据来源：罗兰贝格，中国电子学会整理

四、全球创新体系以开放协同为导向加快重塑

创新仍是推动经济数字化发展的源动力，受技术开源化和组织方式去中心化的双重作用，知识传播壁垒开始显著消除，创新研发成本持续大幅降低，创造发明速度明显加快，群体性、链条化、跨领域创新成果屡见不鲜，颠覆性、革命性创新与迭代式、渐进式创新相并行。创新主体、机制、流程和模式发生重大变革，不再受到既定的组织边界束缚，资源运作方式和成果转化方式更多地依托互联网展开，跨地域、多元化、高效率的众筹、众包、众创、众智平台不断涌现，凸显出全球开放、高度协同的创新特质，支撑构造以数据增值为核心竞争力的数字经济生态系统。

图4 具有典型意义的开放式协同化创新平台

资料来源：中国电子学会

五、基础设施加速实现数字化、网络化、智能化升级

持续提升数据获取的量级和频率，不断丰富数据传输的渠道和方式，以及扩大数据存储空间，强化数据加工能力，创新数据使用能力，都是数字经济能够得以蓬勃发展的重要基础条件。万物互联和人机物共融将会成为网络架构的基本形态，各国信息基础设施的规划与部署都面临着扩域增量、共享协作、智能升级的迫切需求。同时，电网、水利、公路、铁路、港口等传统基础设施也正在逐步开展与互联网、大数据、人工智能等新一代信息技术的深度融合，向着智能电网、智能水务、智能交通、智能港口转型升级，显著提升能源利用效率和资源调度能力，支撑数字经济健康可持续发展。

图5 基础设施加速转型升级

资料来源：中国电子学会

六、国家和地区的核心竞争力延伸至信息空间

全球各个国家和地区的核心竞争力构成要素呈现数字化发展趋势，传统产业纷纷面向数字化、网络化、智能化转型升级，互联网、大数据、人工智能与实体经济的融合日益广泛深入。人类社会、物理世界的二元结构正在转变为人类社会、物理世界、信息空间的三元结构，国家和地区之间竞争和博弈的重心逐步从土地、人力、机器的数量质量转移至数字化发展水平，从物理空间延展到信息空间，并将很快呈现出以信息空间的竞争和博弈为主导与引领，强者愈强、弱者愈弱的格局。掌握信息空间核心竞争优势的国家和地区，将在围绕新一轮国际分工态势展开的博弈中抢先占据价值链制高点。

图6 2016年主要国家数字经济规模

资料来源：《数字经济 迈向从量变到质变的新阶段》

七、数字技能和素养推动消费者能力升级

新兴的数字化产品、应用和服务大量涌现，已形成规模巨大的消费市场，不啻于是对消费者提出了新的能力要求，需具备一定的数字化技能和素养，才能更好地发掘数据价值、使用数字化产品和享受数字化服务。消费者所具有的对数字化资源的获取、理解、处理和利用能力，将成为影响数字消费增长速率和水平的重要因素，直接关系到数字经济的整体发展质量与效益。全球各主要发达国家将会愈益重视对公民数字素养的挖潜和培养，并将持续提升公民数字素养上升到构建国家新兴战略竞争力的高度，作为推动数字消费、扩大内需市场、强化内生动能的重要举措。

图7 数字经济时代对公民素养提出新要求

资料来源：中国电子学会

八、社会福利水平依托数字化手段得到有效改善

满足人类对美好生活的向往和追求，是数字经济孕育、诞生、发展的重要动力及目标。大幅提升公共资源供给效率，显著增强公共服务效用，进一步推动教育、医疗、慈善等公共事业的便捷化、普惠化、均等化，是数字经济在创新变革生产方式、促进实体经济提质增效之外的关键着力点和突破口。多种类型、多个领域的网络化、智能化的教育资源公共服务平台将被搭建，面向公众持续扩大优质教育资源覆盖面。互联网远程诊疗将成为高频次、低门槛、易得可选的常规医疗方式，并引入人工智能助手有效提升诊疗精准度，缓解全球性的医疗资源紧张难题。区块链技术将在慈善资金募集和捐赠过程中得到大规模应用，强化互信关系，减少交易成本，溯源资金去向，保障慈善事业的公正、透明、有效。

图8 数字化手段提升社会福利水平

资料来源：中国电子学会

九、数字城市与现实城市同步启动规划、建设和管理

随着信息基础设施的规模扩张、功能升级和网络构建，以及新一代信息技术在城市运行管理过程中广泛深入地推广应用，大量完整、连续、系统，具备一致性、关联性、价值性的城市数据将被持续获得，为构建与现实物理城市精准映射、智能交互、虚实融合的数字孪生城市提供了可行基础。全球一批形成技术、人才集聚发展，产业规模与创新能力较为突出，具备主动比特化条件的现代化城市将率先尝试数字城市与现实城市的同步规划，并逐渐上升为两者的同步建设和同步管理。为匹配真正海量数据的采取、传输、存储和计算，专门用于数字城市运行管理决策的系统级平台将得到持续的开发与完善，并逐渐形成可推广复制的标准体系。

图9 数字孪生城市功能日趋完善

资料来源：中国电子学会

篇8

常有商家开玩笑说：谁拥有了中国市场，就拥有了足够庞大的利润保障。

其实这并不是一句玩笑话，否则，众多IT厂商也不会纷纷推出“在中国、为中国”的市场战略，毕竟，IT技术是在某种程度上推动了当今世界的变革，而将IT技术商业化的正是这些IT厂商。

上一次戴尔在中国引起关注，是其创始人亲自来华布道“戴尔中国4.0”战略和预计在中国市场投资1250亿美元之时。2016年岁末，戴尔科技峰会2016让这家科技集团再次引发业内关注。

这些关注，不仅源于现场有5197位嘉宾聆听，12万人次参与在线直播，以及涉及云计算、大数据、软件定义数据中心、超融合、移动办公等多个领域的6个分会场和3000平方米的展台，更是因为当天戴尔的与在中国市场落地密切相关的四件大事――专为中国市场打造的全新商用客户端“成铭”系列、戴尔与中科院自动化所的深度学习成果“诸葛・深知”、为中国用户开发的三大飞云系统解决方案，以及基于本地化联合实验室的VR行业解决方案。

据IDC对全球4万名企业高管的调查显示，48%的企业无法预测未来3年行业的发展趋势，53%的企业经历过业务中断的情况，92%的企业认识到数字业务时成功的关键。随着互联网、云计算、大数据等技术趋势的高速发展，在数字化时代，各行业、各规模的企业都面临着IT及业务转型的挑战。

平滑上云

“从1995年进入中国市场到今天，戴尔矢志不移地扎根中国市场，并承诺到2020年前投资中国1250亿美元，以客户为中心，真正做到本地采购、本地生产、本地研发、本地人才。”戴尔全球资深副总裁、大中华区总裁黄陈宏说。戴尔进入中国21年以来，中国已成为戴尔在全球的第二大市场。

“数字化已经带来了生活上很多的改变。比如，移动互联带来了生活的改变、思维方式的改变、生活方式的改变，但是这只是刚刚开始。”黄陈宏表示。

针对中国企业当前的境况，戴尔推出以“全业务数字化”、“全渠道数字化”及“全产业数字化”为核心聚焦中国企业数字化转型。藉由推动建立稳健敏捷的数据中心，加速采纳混合云及云原生应用需求，使企业平滑地向云演进。利用基于大数据，物联网等技术的全产业信息资源，实现实时决策分析，从而完成实时企业的数字化目标。

未来就绪企业云联盟（以下简称“云联盟”）联合了创新的一体化云解决方案―― “飞云系统”。云联盟是由戴尔主导，携手国内外知名厂商东软、FIT2CLOUD、航天云宏、Pivotal、UnitedStack有云、VMware、XSKY、英方、YottaCLOUD优特云，通过产业联盟打造领先的全栈式混合云解决方案，志在助力中国本土企业迎接云时代的数字化转型。

云联盟“飞云系统的首批系列共有三个聚焦点，分别为存储云，灾备云和混合云三大应用场景。针对中国用户最直接需求，从用户具体云应用的方案选型与系统构建上给予专业的支持和支撑。随着云方案的复杂化，参与厂商的增多，客户急需第三方公司提供统一的完整的服务。

云联盟宣布启动与东软云科技有限公司展开云服务深度合作，为客户提供量身打造并稳定的云实施和云护航服务，完善联盟所秉承的端到端云解决方案理念，帮助客户更好的实施云部署与云应用。

轻松部署混合云

如今，混合云逐渐成为了中国数字经济时代的IT新常态。

VMware在VMworld 2016大会中已表示混合云将成为未来的发展重点。不谋而合的是，戴尔在发力传统IT优化方案的同时，也同样注重企业向云的平滑演进，致力于让客户能够在一个统一的IT环境中跨云的运行、管理、连接它们地应用，以更少的投入获得更高的效益。

作为已经合作超过10年，并且都在长期致力于实现更佳的数据中心的效率并简化IT部署和操作的戴尔与VMware，这次联合了针对不同场景和规模的客户三大混合云架构。

包括具有SDDC功能的企业混合云解决方案基于全面的软件定义的数据中心 （SDDC） 体系结构，提供应用程序优化的基础架构，并且可以实现IT流程自动化，在通过标准化提升用户体验的同时，简化了维护、修改及更新，以更快的服务交付速度为客户带来更高的业务敏捷性；支持FC SAN 的企业混合云解决方案，使企业可以按自身步调部署灵活并且未来就绪的混合云架构；原生混合云解决方案致力于帮助企业开发者安全构建、部署与管理原生云应用，助力企业尽享传统与原生云应用。

该解决方案提供基于用量的扩展就绪型定价，以符合业招枨笪出发点更高效地交付服务并降低成本。

“未来云计算是一种兼具公有云和私有云的方式，无论VMware还是戴尔，我们一直坚信未来的IT技术发展或者是整个企业去走数字化转型的发展当中，混合云是非常清晰的方向。”戴尔副总裁、大中华区企业级解决方案事业部总经理曹志平表示。

深度学习

在中国，人工智能正在加速走进每个人的日常生活。继2015年11月戴尔与中科院自动化所宣布成立“人工智能与先进计算联合实验室”后，本次戴尔科技峰会中，双方宣布正式启动“企业级深度学习应用与服务平台――诸葛・深知”，实现了从起初的平台基础设施搭建支持，到共创平台的深度参与。

目前深度学习、认知功能模拟多基于数据海量处理，人工智能的研究与开发需依托强大的计算平台，而戴尔的高性能计算（HPC）解决方案，恰恰满足科研领域对于高负载与效能的要求。

“诸葛・深知”为企业提供了深度学习工具包的统一接口，众多中科院成熟算法模型能够轻松被调用，帮助企业实现基于深度学习的大数据分析，步入人工智能时代。

中科院自动化所所长徐波表示，“中科院自动化所60年来与人工智能同行，近些年，人工智能的研究和应用又掀起新。未来，人工智能的应用领域将不断拓展，深度学习将助力金融、证券、医药等数据密集型行业做出更精准的判断。”

“成铭”亮相

作为戴尔端到端解决方案中尤为重要的一部分，戴尔商用客户端解决方案在戴尔科技峰会设立了虚拟现实（VR）及Wyse等展区，从前沿科技、企业IT部署、云计算等方面，全方位展示如何通过安全、可靠、易管理的终端设备优化IT资源、提升管理效率、发挥企业潜能。

篇9

【摘要】机器人是典型的智能产品，随着物联网、人工智能等技术的不断发展，智能机器人的应用正日益从工业领域扩展到国防军事、教育娱乐、医疗康复、助老助残、救援救灾等其他领域。目前，智能机器人的市场需求呈现新特点，技术进步呈现新趋势，产品研发呈现新热潮。发达国家正以此为契机，纷纷对智能机器人的技术发展进行战略部署，以抢占产业竞争的制高点。反观我国，传统机器人及关键部件技术总体薄弱，产业面临空心化风险；智能机器人部署不足，与发达国家的差距很可能被进一步拉大；机器人市场需求激增，但同时面临产业安全风险。为此，我国应该加紧部署智能机器人战略，建立技术创新载体，加大技术研发力度，明确产品发展方向，完善标准体系建设，抢占机器人技术及产业发展的下一个制高点。

【关键词】智能机器人 战略部署 差距 竞争

【中图分类号】 TP242.6 【文献标识码】A

【DOI】10.16619/ki.rmltxsqy.2017.04.011

机器人是典型的智能产品，随着物联网、人工智能等技术的不断发展，智能机器人的应用正日益从工业领域扩展到国防军事、教育娱乐、医疗康复、助老助残、救援救灾等其他领域。由于智能制造推动生a方式变革，人类对于智能服务的需求不断提升，智能机器人的作用日益凸显。发达国家纷纷对智能机器人的技术发展进行战略部署，以抢占产业竞争的制高点。发达国家的智能机器人产业刚刚起步，我国与发达国家的差距并不大。因此，我国应抓住这一契机，加紧部署智能机器人战略，抢占机器人技术及产业发展的下一个制高点。

智能机器人的发展趋势

市场需求呈现新特点。智能机器人是一种在人类生产、生活环境中能与人自然交互并协同作业，具备精细作业能力的新一代机器人。它与传统机器人不同，不依靠事先编制的程序，对外界的感知能力很强，能在非结构环境下完成动态、复杂、灵活、精细的作业，实现多机协同，成为人类的助手。随着社会的快速发展和科技的不断进步，传统工业机器人无法适应小批量定制、个性化制造、柔性制造等需求。此外，目前的服务机器人尚处于产业化孕育期，不具备相应的智慧和思维，无法满足医疗护理、助老助残等社会需求。因此，人们对于智能机器人的需求愈加强烈。

技术进步呈现新趋势。第一，提升学习和适应能力。在当前的系统环境中，可以容忍机器人在执行任务时有更大的不确定性。实现这一目标的可行途径是示教。一个执行任务的机器人需要观察人类工作环境多次，通过重复执行相同的任务学会模仿人类。另外，机器人系统通过“迭代学习”技术提高自身的速度和可靠性，进而超越人类的适应性。

第二，提升建模、分析、仿真、控制能力。建模、分析、仿真和控制能力是复杂系统必不可少的关键因素。为了充分改进设计制造系统，模型和仿真技术需要通过实验验证，并结合搜索和优化技术，在生产制造系统的各个方面进行仿真操作。

第三，提升控制和计划能力。机器人未来将需要更先进的控制和规划算法，来处理具有更大不确定性、较宽公差和大量电流自由度比的系统。这可能涉及到将机器人的手臂末端效应器放置在移动基地。一般机器人可能具有12个自由度，但极端拟人化的人形机器人可能有60个自由度。新的规划方法需要结合新技术，例如数学拓扑和近期规划，从而能够有效地搜索强大的高维空间。

第四，提高感知能力。为了监控工作进展及周围情况，未来的工厂机器人需要改进其感知系统。除了任务监控之外，机器人应能够检查子装配体和产品组件所花费的时间，以避免浪费时间和资源。要做到这一点，就需要更好的触觉传感器和图像理解方法，传感器必须能够构建起零件的几何模型和物理模型。

第五，构建新的机制和高性能驱动器。机器人发展历来注重机械传动器的精确性、可重复性和分辨率等性能指标。但如果机器人被用于一些新兴环境领域，如纳米和微观尺度操纵下的环境、对材料敏感的环境以及与人类共享的环境中，就需要对机器人的驱动机制和材料选择进行重新思考。

第六，发展人机交互能力。制造业工作环境需要重视人类的相互作用和机器人的安全性。任何涉及人机交互的活动必须能提供有利的改进结果。考虑最终用户的需求而设计的机器人系统不仅更安全，而且更具成本效益。简单、明确的接口和可以观察到的、透明的行为使得人类与机器人能够实现协同工作。人类和机器人都需要容易理解的意向指标。

第七，提高建模与陈述能力。新的制造机器人必须能够与人类共享空间，并且能够学会通过经验来提高工作效率。要支持这样的学习能力，机器人必须利用灵活、丰富的观察技能并通过模仿人类来自主学习新技能。

第八，提高科学测量的能力。为了保证机器人的研究成果，需要加强生产车间底层的测量工作，并以此评估科学进步和技术转让的效果。科学测量的广泛因素包括基本的计量性能指标、测试方法、参考工件和数据、参考架构以及关键技术投入标准。

第九，发展“云机器人”与自动化制造系统。制造系统需要与复杂的、动态的、高维的环境进行可靠的传感和交互。2010年，“云机器人”的新范式出现，它要求将管理以及处理数据转移到云。“云机器人”至少在五个方面显著提高了机器人性能：一是提供一个全球性的图书馆，包括图像、地图、对象数据的几何形状和机械属性；二是基于样本的统计建模和运动的需求计划实现大规模并行计算；三是机器人之间共享成果、轨迹和动态控制；四是人类共享“开放源码”的代码、数据、设计、编程、实验和硬件建设，尤其是人气高涨的ROS系统；五是实现问题检测，并按需完成人类诊断。

产品研发呈现新热潮。目前，多家科研机构和企业对智能机器人进行了研发并形成了相应的样机或产品。在工业机器人领域，美国的Rethink Robotics生产了“具有常识”的Baxter，KUKA开发出人机协作机器人，瑞士的ABB生产了双臂机器人，丹麦的Universal Robots生产了协作机器人UR10等。在服务机器人领域，美国的iRobot生产了Roomba系列清洁机器人，美国直觉外科公司生产了达芬奇手术机器人，日本的软银生产了家用机器人Pepper。

发达国家纷纷进行战略部署

日本的战略部署。2015年1月，日本国家机器人革命小组了《机器人新战略》，制定了日本实现机器人革命的三大战略目标和拟实施的六大重要举措，明确了未来五年的战略行动计划。六大重要举措之一就是关注技术和标准，具体推进人工智能、模式识别、机构、驱动、控制、操作系统和中间件等方面的技术研发，同时还要关注没有被现有机器人技术体系纳入其领域的创新。日本未来五年战略行动计划的八项重点任务之一就是发展对机器人产业影响重大的技术。

美国的战略部署。2011年，美国公布了《国家机器人计划》，计划每年对人工智能、语音和图像识别等方面的技术研究提供数千万美元的支持。2013年公布的《机器人路线图》指出，未来要攻克的机器人关键技术包括：非结构环境下的感知操作、像人类一样灵巧的操作、装配方面的适应性和可重构性、能与人类一起工作、具备在人类生产或生活真实场景中的自主导航能力、能自动理解人的行为和心理状态、具备人机交互能力、具备良好的安全性能等。

韩国的战略部署。2014年8月，韩国贸易工业和能源部了第二个智能机器人开发五年计划，拟投资26亿美元支持智能机器人开发。该计划的目标是到2018年，机器人的市场规模从当前的22亿美元增加到79亿美元，机器人公司从402家增加到600家。计划的首要任务是发展服务型机器人，例如灾难救援和健康护理机器人等。此外，政府提出要鼓励国内企业加快实现与机器人产业的融合（参照日本软银集团的案例）。

欧盟的战略部署。2014年，欧委会和欧洲机器人协会下属的180个公司及研发机构共同启动全球最大的民用机器人研发计划“SPARC”。根据该计划，到2020年，欧委会将共计投资7亿欧元，协会将共计投资21亿欧元，共同推动机器人研发。2014年底欧盟的《地平线2020计划》提出要向机器人领域新增1.02亿美元的投资，支持相关研究和创新，推进感知、人机交互、机电一体化、导航等机器人关键技术的发展。

我国智能机器人产业发展现状及前景

传统机器人及关键部件技术总体薄弱，产业面临空心化风险。据日本机器人协会分析评估，中国的机器人技术总体落后西方发达国家约20年，尤其是在人工智能、人机对话、医疗机器人、感知测量、移动控制等技术领域与发达国家有非常大的差距。智能机器人所需的关键部件，如高性能交流伺服电机、精密减速器、控制器等，中国长期依赖进口。像精密减速器这类部件几乎由日本的Teijin、Harmonic两家公司垄断，售价居高不下，这直接推高了我国机器人产品的生产成本，降低了产品的市场竞争力，使我国机器人的发展面临着只能依靠加工、组装的产业空心化风险。

智能机器人部署不足，差距有被进一步拉大的风险。我国虽然在传统机器人的技术研发以及产业化方面取得了初步进展，但在信息网络技术与机器人技术结合方面仍然十分滞后。互联网企业在发展机器人技术方面的意识不强，百度公司虽然已经作出机器人相关技术研发的部署，但尚未与传统机器人企业形成合力以共同推进下一代智能机器人的研发。如果不能抓住新一代智能机器人的发展机遇，任由国外公司（如谷歌）建成新一代智能机器人的系统平台及技术标准，我国智能机器人的研发、生产和应用将更加被动，技术方面的差距有被进一步拉大的风险。

我国机器人市场需求激增，但面临产业安全风险。随着我国工业转型升级速度的加快，机器人市场需求正呈现井喷式的增长态势。自2013年起，我国已成为全球需求量最大的机器人市场。经测算，我国工业机器人的需求量还将大幅增长。目前，我国工业机器人密度（每万名工人的机器人拥有数量）仅为23台，远低于韩国的396台、日本的332台、德国的273台。

然而，我国机器人产业总体上还处于起步阶段，工业机器人缺乏品牌认知度，最大的机器人企业年产机器人也仅仅只有千余台。目前，机器人市场基本被外资企业占据，瑞典ABB、日本发那科和安川、德国库卡等知名企业的产品在中国市场的占有率近90%。仅发那科一家的机器人产品就在我国占有23%的市场份额。随着国外机器人企业纷纷将我国作为生产基地，自主品牌生产企业发展的市场空间将被进一步压缩，中国机器人产业安全风险凸显。

接下来，笔者将以中国的工业机器人市场为例，用具体数据分析中国机器人的市场需求。中国机器人市场需求源于国民经济和社会的发展。世界经济发展的经验表明，在工业化中后期推动经济增长的动力由前期对资本、资源的投入转变为技术创新与效率提高。在提高制造业效率时，装备水平的提升成为首要着手点，日本上世纪80年代工业机器人行业的高速成长就是这一观点的有力例证。中国现阶段的国民经济和社会发展水平与日本上世纪80年代初期较为相似，在工业机器人市场需求方面也呈现出相似性。

在人均GDP方面，虽然目前中国的人均GDP低于日本80年代的数据，但中国的制造业主要集中在环渤海、长三角、珠三角区域，即以北京、天津、辽宁、山东、江苏、浙江、上海、广东、福建、重庆、河南、安徽为样本的区域。这些地区2011～2012年的人均GDP算术平均值为8935美元，2012～2013年为9880美元。在人口增长方面，中国现阶段的人口增长率约为0.5%，而日本1980～1981年和1981～1982年的平均值分别为0.76%和0.71%，人口增速较为相似。在人口结构方面，2013年中国0～15岁和65岁以上的人口比例为17.5%和9.7%，日本1980～1981年相同数据的平均值为23.42%和9.16%，这说明中国未来面临的劳动力短缺的程度高于日本上世纪80年代初期，但中国的人口存量大，人口流动性要高于日本上世纪80年代初期。综合判断，现阶段中国的人口趋势与日本上世纪80年代初期相似。

在1980～1981年和1981～1982年两个阶段，日本工业机器人国内市场的平均年销售量分别为1.9万台和2.1万台，工业机器人在制造业的平均密度分别为32台/万人和43台/万人。在2011～2012年和2012～2013年两个阶段，中国国内市场工业机器人的平均年销售量分别为2.3万台和2.9万台，机器人密度分别为20台/万人和24台/万人。中日两国在相应时间段内的销售量和密度均相差不大。从经济、人口、国家政策、国际环境等方面来看，当前中国工业机器人的市场环境与日本1980～1982年间的市场环境非常相似。20世纪80年代，工业机器人在日本蓬勃发展。自1980年到1985年，日本工业机器人的市场规模由768亿日元增长到3023亿日元，年均复合增长率为31.5%。以日本为例，我们可以发现中国的工业机器人市场正处于快速成长阶段。

接下来，笔者将对中国工业机器人的市场规模进行预测。根据日本工业机器人市场销售及保有量数据，1985年日本工业机器人的保有量约为9.3万台，工业机器人在制造业中的密度为99.28台/万人。2010年以来，中国制造业主要行业的从业人员数量增长平稳，至2013年达到5258万人。受人口结构和劳动力供应因素的影响，假设到2020年中国制造业从业人员数量上升到6000万，工业机器人在制造业中的密度将会达到日本1985年的水平（与《关于推进工业机器人产业发展的指导意见》目标相当），届时中国工业机器人的保有量约为60万台。

根据IFR的数据，2013年中国工业机器人的保有量约为13.3万台（不考虑老旧工业机器人更新），至2020年中国工业机器人的总需求量约为46.7万台；此外，工业机器人的使用寿命约为12年，因此到2020年，中国在2008年之前安装的工业机器人将全部更新完毕。根据《中国工业机器人2011年产业分析报告》的数据显示，至2008年底中国工业机器人的保有量约为2.73万台，到2020年中国工业机器人的新安装数量和更新数量合计为49.43万台。根据IFR的数据，2013年中国工业机器人市场销量为3.65万台，保守估计，2014～2020年间中国工业机器人市场销量的复合增长率将达到45.1%。

乐观估计，到2020年，中国工业机器人在制造业各细分领域的密度将达到2008年韩国的水平，届时中国工业机器人的保有量将达到83.36万台。根据IFR的数据，至2020年，中国工业机器人的总需求量约为70.01万台，加上2020年前需要更新的2.73万台，到2020年中国工业机器人的新安装数量和更新数量合计为72.74万台。因此可以乐观地说，2014～2020年间中国工业机器人市场销量的复合增长率将达到53.3%。

下面，笔者将对中国工业机器人的销售额进行预测。根据IFR数据，工业机器人的主机价格约为35万人民币，加上软件、设备和工程费用的系统价格约为105万元。随着市场竞争的加剧，预计2014年至2020年间机器人的主体价格为30万元，系统价格为90万元。因此，至2020年，中国工业机器人主机的市场销售额将在1482.9亿元至2182.19亿元之间，完整应用系统的市场销售额将在4448.7亿元至6546.57亿元之间。根据成本占比法估计，减速器的市场规模将在489亿元至720亿元之间，伺服系统的市场规模将在370亿元至545亿元之间，控制器的市场规模将在148亿元至218亿元之间。

最后，笔者将对中国工业机器人关键部件的需求量进行预测。通用工业机器人一般有4～6个自由度，需要分别使用4～6个电机和减速器，其中伺服电机的占比约为90%（交流伺服电机65%，直流伺服电机25%，步进电机10%），RV减速器约占70%，谐波减速器约占30%。预计在2014年至2020年，RV减速器的市场需求量在138万台至305万台之间，谐波减速器的需求量在59万台至130万台之间，伺服电机的需求量在177万台至392万台之间，控制器的需求量在49.43万台至72.74万台之间。

多方协同推进智能机器人创新应用

当前，我虽然在传统机器人技术研发及产业化方面取得了一定进展，但在信息网络技术与机器人技术结合方面仍然十分滞后，这可能造成我国的机器人技术与发达国家之间的差距出现代际的拉大。为此，我国应该加紧部署智能机器人战略。

建立技术创新载体。借鉴美国、日本等国的发展经验，研究建立机器人创新中心，健全利益分配机制，形成产学研用紧密结合的协同推进格局，推动人工智能、自动化、物联网等领域的技术融合创新，集中攻关智能机器人的共性关键技术，为智能机器人技术研发提供有力支撑。

加大技术研发力度。重点研发对智能机器人发展影响重大的技术，主要包括人工智能技术、传感与识别系统技术、柔性关节、高集成一体化关节、模块标准化体系结构等机构技术、执行与控制技术、操作系统和中间件技术、安全技术、自组装与自修复技术、自主学习与智能发育技术、人机友好交互技术、意图/需求理解技术等。同时还要关注没有被纳入现有机器人技术体系的创新，为研制智能机器人提供技术储备。

明确产品发展方向。以市场需求为牵引，加快智能机器人的研发及产业化。目前工业机器人领域的发展方向一方面是要注重柔性制造，使工作部件能够简便频繁切换，机器人能够轻松安装并随处移动，满足小批量或者定制产品的生产需求；另一方面是发展价格低、通用性强、功能多的机器人。目前，服务机器人领域的发展方向一是发展教育、通信和娱乐等机器人；二是推动机器人在批发、零售、酒店和餐饮业的应用；三是发展应用于护理行业的移动辅助、排泄辅助、老年痴呆患者照料和沐浴辅助等机器人以及应用于医疗行业的微创外科手术机器人。

完善标准体系建设。整合产学研用标准化技术力量，激发企业参与制定、修订标准的积极性，逐步构建既适合我国国情，又与国际接轨的机器人标准体系和认证规范，研究制定基础共性标准、通用技术标准、性能和检测规范、安全标准、通信控制标准、设计平台标准。统一架构机器人的硬件和软件，开发能实现机器人必备功能的通用软件平台，为全球化标准策略的制定奠定基础。

篇10

关键词：智能 网络 环保

众所周知，基于微电子技术和计算机技术的迅速发展及其向机械工业的渗透所形成的机电一体化，带来了机械工业在技术、产品结构、功能与构成、生产方式及管理体系的变化，使工业生产进入了以机电一体化为主要特点的阶段。

一、什么是机电一体化

机电一体化是指在机构的主功能、动力功能、信息处理功能和控制功能上引进电子技术，将机械装置与电子化设计及软件结合起来所构成的系统的总称。

二、目前机电一体化技术的基本状况

回顾机电一体化发展历史，可以把机电一体化的发展概括为三个阶段：20世纪60年代以前为第一阶段，即初级阶段，在此阶段，人们自觉不自觉地利用电子技术的初步成果来完善机械产品的性能；20世纪70-80年代为第二阶段，即兴旺发育阶段，在此阶段，由于计算机技术、控制技术、通信技术的发展，为机电一体化发展奠定了技术基础，大规模超大规模集成电路和微型计算机的出现，为机电一体化的发展提供了物质基础；20世纪90年代后期为第三阶段也称为高级阶段，即机电一体化技术开始向智能化方向迈进的新阶段，此为深入发展时期。

中国是从20世纪80年代初开始机电一体化技术的研究和应用，列入“863”计划中，许多大专院校、研究机构及一些大中型企业做了大量工作，取得一定成果。但与先进国家相比仍有很大差距。

三、机电一体化的优势方向探讨

据科学估测，机电一体化的主要发展方向大致有智能化、网络化、环保化等几个方面，这也是机电一体化的技术优势所在。

（一）关于智能化

这是21世纪机电一体化技术的一个重要发展方向。人工智能在机电一体化的研究中日益得到重视，机器人与数控机床的智能化就是重要应用之一。这里所说的智能化是对机器行为的描述，是在控制理论的基础上，吸收人工智能、运筹学、计算机科学、模糊数学、心理学、生理学和混沌动力学等新思想、新方法，使它具有判断推理、逻辑思维及自主决策等能力，以求得到更高的控制目标。

（二）关于网络化

这是20世纪90年代，计算机技术等的突出成就是网络技术。网络技术的兴起和飞速发展给科学技术、工业生产、政治、军事、教育等日常生活都带来了巨大的变革。各种网络将全球经济、生产连成一片，企业间的竞争也将全球化。机电一体化新产品一旦研制出来，只要其功能独到、质量可靠，很快就会畅销全球。机电一体化产品无疑将朝着网络化方向发展。

（三）关于微型化

实际上，微型化兴起于20世纪80年代末，主要说的是机电一体化向微型机器和微观领域发展的趋势。在西方发达国家称为微电子机械系统，泛指几何尺寸不超过1cm3的机电一体化产品，这些产品在生物医疗、军事、信息等方面具有无可比拟的优势。其瓶颈在于微机械技术。

（四）关于环保化

工业的发达给人们生活带来巨大变化。一方面，物质丰富，生活舒适；另一方面，资源减少，生态环境受到严重污染。于是，人们呼吁保护环境资源，回归自然。绿色产品概念在这种呼声下应运而生，绿色化是时代的趋势。绿色产品在其设计、制造、使用和销毁的生命过程中，符合特定的环境保护和人类健康的要求，对生态环境无害或危害极少，资源利用率极高。设计绿色的机电一体化产品，具有远大的发展前景。机电一体化产品的绿色化主要是指，使用时不污染生态环境，报废后能回收利用。

（五）关于系统化

本文所述之系统化，其表现特征是系统体系结构进一步采用开放式和模式化的总线结构。系统可以灵活组态，进行任意剪裁和组合，同时寻求实现多子系统协调控制和综合管理。再一个特质是通信功能的大大加强。一般除rs232外，还有rs485等智能化通信接口。未来的机电一体化更加注重产品与人的关系，机电一体化的人格化有两层含义：一层是如何赋予机电一体化产品人的智能、情感、人性等等，显得越来越重要，特别是对家用机器人，其高层境界就是人机一体化；另一层是模仿生物机理，研制出各种机电一体化产品。事实上，许多机电一体化产品都是受动物的启发而研制出来的。

四、结论

根据以上的叙述可以结论，机电一体化的出现不是孤立的，它是许多科学技术发展的结晶，是社会生产力发展到一定阶段的必然要求和产物。当然，与机电一体化相关的技术还有很多，并且随着科学技术的发展，各种技术相互融合的趋势将越来越明显，机电一体化技术的发展前景也将日益获得人类的关注并为人类创造更大的社会效益与经济效益。

（作者单位：青海盐湖工业股份有限公司钾肥分公司）

参考文献：