2022工博会自动化展主题来电洽谈「振威」

机器学习技术与实体经济融合领域

　　机器学习是人工智能技术体系的一个通用环节，机器学习使用归纳、综合方法，运用数据导入算法模仿人类智能。学习方式主要分为有数据学习和无数据学习：当前有数据学习显然广受欢迎，包括“监督学习”“无监督学习”“半监督学习”“深度学习”“迁移学习”等；无数据学习法主要为“强化学习”。有数据学习的典型应用为深度学习，深度学习包括DNN(深度***网络)、CNN(卷积***网络)、RNN(循环***网络)和LSTM(长短期记忆网络)等，它不依赖数字经济的发展，而是由人做数据标签，采用***网络算法，学习效率不高、能源资源浪费，如AlphaGo下场棋要消耗3000美元电费。

　　强化学习只需要人类输入规则，机器就能通过自我奖励、自我诱导方式，跟自己下百万盘棋，不断自我完善，AlphaGo Zero三天内就打败了已经学习了几千盘棋的AlphaGo；数字技术发展越好、标准化数据量越大的领域往往人工智能发展越迅速，这就说明机器的学习能力不是人为训练的结果，而是数字经济发展到一定阶段顺其自然的结果。从使用场景上来说，有数据学习适用于规则活动领域的人工智能，是经验、控制使然；无数据学习适用于创新、无定论的领域，比如棋类竞赛、新药探索、艺术创作等，是创新、自由使然。

全数字电源有明显的好处

数字电源的好处出现 　　电源中的数字控制是一个广泛的领域，从基本的数字信号(例如开/关)到传统的模拟控制器，再到更复杂的操作，包括数字信号处理器(DSP)。虽然后者代表了额外的成本，但芯片价格的快速下降和制造商日益复杂的需求意味着采用率正在飙升。 　　全数字电源有明显的好处，主要是因为它们极大地提高了灵活性。根据不同的应用，甚至环境因素和系统性能变量来调整电源性能特征的可能性，开辟了广阔的实际利益领域，尤其是节省成本。 　　因为带有DSP的新微控制器可以在每个开关周期对输出电压进行采样，监控故障和状态条件、响应警告和事件记录都是以前需要更改硬件的实用选项。在工业物联网(IIoT)设备需求和部署不断增加的世界中，通常在物理访问***挑战性的应用中，这种灵活性非常强大。此外，由于许多原因，许多此类设备位于网络边缘，因此在此级别进行实时监控的价值是有益的，尤其是预测性维护和提。

救援机器人价值凸显

众所周知，我国是一个灾害频发的***，不管是、化工、、火灾、交通等人为事故，还是、海啸、台风、洪水、干旱等自然灾害，频繁多发的各种灾害总在威胁着人们的生命与安全。基于此，为减少灾害带来的损失，除了平时要注意自然保护、遵循生产规范、提升安全意识外，灾后救援同样重要。

而传统的应急抢险救援方式，主要依赖人力。期间可能也会有相应装备辅助，但人工救援仍然是主流。这就导致，一方面由于灾后空间狭小、环境恶劣等问题，救援人员难以深入现场；另一方面，二次灾害随时有可能发生，处置稍有不当就可能给救援人员也带来严重安全危害。因此，传统救援方式也存在不少弊病。

那么，如何让刻不容缓的救援工作能得以快速实施，同时又不会产生那么多的问题和困难呢？这便给了机器人登场的机会。像工业和服务领域一样，救援领域也可以采用“机器换人”的方式，通过利用机器人参与到、火灾、、洪水等灾害救援场景之中，不仅能够提升救援效率，同时也能保障人员安全。

为什么我们要追求“专精特新”

“专精特新”在很大程度上是解决“卡脖子”问题的锏，是突破层层的关键一环。我国虽然是全世界拥有联合国产业分类中所列全部工业门类的***，但产业基础能力建设不足的问题和领域自主研究的空白仍然比较突出。这既有基础装备和技术能力不足的问题，也有产业链上“断点”“堵点”较多，缺少具有国际竞争力的“锏”技术的问题。

“专精特新”的在于创新。历经千难万险，惊涛骇浪，我国经济发展到当前这个阶段，如何在把握优势的基础上，实现供给侧改革，实现产业转型升级的华丽转身已经是、企业乃至全体普通百姓的心结。科技是生产力，已进入经济发展的十字路口，这一点就显得尤为重要。科技创新既是发展问题、更是生存问题。我们像需要隐形那样需要大量“专精特新”中小企业，惟其如此，才能连接“断点”、疏通“堵点”，承接上下游，提升产业链供应链的韧劲，限度解决“卡脖子”难题，摆脱“”束缚，实现更高质量的发展。