腾讯财经10日发布了一篇由自动化新闻写作机器人撰写的报道。这篇报道文从字顺、数据翔实，仅用一分钟完成。据说很多记者闻此消息后哭晕在厕所。 　　该机器人名叫“Dreamwriter”，由腾讯财经开发，能根据算法在第一时间自动生成稿件，瞬时输出分析和研判，一分钟内将重要资讯和解读送达用户。腾讯OMG新闻编辑组有关人士说，新闻业讲求争分夺秒，每天都有成百篇短消息稿产生，这种工作量对于单兵作战的跑条线记者来说，确实是个极其艰巨的任务，但对机器人而言就不在话下。 　　该人士表示，这只是腾讯探索自动化写作的第一步，未来将会有大量的短消息稿需要机器人协助完成，因为财经新闻每天都有大量的经济数据要公布，比如公司财报、信贷等等，机器人可以快速收集分析数据。 　　除了写财经新闻，腾讯财经对Dreamwriter有更高期待。腾讯财经副主编刘康向媒体表示，希望它未来能够探索大数据服务新闻生成，以及机器人智能算法写作。 　　虽然Dreamwriter开创了国内机器人写稿的先例，但这种方式在国外已被不少媒体运用。比如《纽约时报》的新媒体运营总监是一个叫“Blossom”的机器人；美联社也从去年7月开始运行Wordsmith平台，自动生产财报报道，这套系统每个月能写出3000篇报道，并能模仿美联社的写作风格。 　　如此高效快速的写稿方式，引发了人们对记者职业的担忧。对此腾讯回应：不会抢走记者饭碗。 　　媒体人元淦恭认为，机器人写稿，首先是模式转型，然后才是技术革命。其根源并不是机器人本身有多高明，而是在于这个时代新闻生产可以不依赖于采访。新闻生产和采访的脱离，这是当今时代新闻业最重大的变化。他表示，记者本质上的核心竞争力是采访，写消息稿的记者，如果不对新闻事实加以深度分析和独立判断，就会被机器人彻底取代。在可以预见的将来，除了深度的调查报道和特稿，消息这种传统新闻形态将逐渐不需要记者的介入，这是互联网对新闻业整体性的颠覆导致的。 　　腾讯新闻方面也表示：“我们更希望Dreamwriter能够解放记者，让记者从事更具挑战和智慧的工作。” 　　由此看来，记者们大可不必在厕所里哭泣，只要不断提高业务能力和专业素养，便无需担心被机器人淘汰。

　　12月3日消息，据国外媒体报道，想象一个Roomba扫地清洁机器人，它不仅能够识别你，还能读懂你脸上愁容满面，了解现在可能不是在你身边清洁卫生的最佳时机。这便是科技巨头谷歌研发的一款新工具的使用场景，它使得开发者可以训练机器人、玩具和电气用具了解你是谁，甚至从你的表情里读懂你的心情，并相应的做出反应。 　　本周三谷歌在博客上细节描述了这一技术。现在开发者已经可以获得这个视觉应用程序接口(Vision Application Programming Interface)的测试版本。本质上来说，这个API使得开发者可以开发各种软件，几乎实时的与基于谷歌云的智能设备发生相互作用。理论上来说，未来的Roomba机器人可以看见房间里的你，将你的图片发给谷歌计算机并获得相应信息。或者通过查看大量影像，它可以被训练得不仅能够识别你是谁，还能读懂你的心情，例如一个微笑代表你心情愉悦，而痛苦的表情代表你心存烦恼。此外他还知道那一团毛茸茸的球是一只猫，而不是毛茸茸的拖鞋。 　　利用API，开发者可以将大量的机器学习智能引入家庭和工作应用。机器学习也曾被称为人工智能，是指计算机会从收集的数据里不断学习，从而学会识别人、物体、单词等几乎一切事物。 　　而这些繁复的工作多亏了谷歌或者微软或者亚马逊公共云强大的计算能力，它们使用了大量全世界各地共享的计算机。利用这一处理能力，数据可以在需要时随时被压缩、解析、服务。例如，告知你的吸尘器你是谁以及你现在心情糟透了。 　　上个月谷歌刚发布第二代深度学习系统TensorFlow，这个人工智能系统能够处理图像和声音，方便日后识别。不久后，微软也赞扬了微软牛津计划(Project Oxford)的计算机视觉能力，它使得计算机可以通过一个人的面部表情估量她的情绪状态——愤怒、蔑视、恐惧、厌恶、开心、悲桑、惊讶等。 　　这一技术也可以为父母或者商业所用——他们可以在孩子们看到之前快速标记有争议或者不合适的图片，或者鉴别企业标志从而更好的搜寻顾客。 　　好消息在于，这意味着新一代更智能、更强大的产品和服务。而坏消息则是某些人可能会被这种高科技吓坏。

　　中国已连续三年成为全球最大的工业机器人消费国，不过这一行业在国内显得有些过于火热了。 　　在7月6日举行的中国国际机器人产业发展高峰论坛期间，工信部装备司副司长王卫明称，国内机器人产业存在过热隐患，并且已经呈现出高端产业低端化的趋势。“目前国内的机器人企业发展处于风口浪尖，有市场需求以及金融机构助力的原因，也可能有盲目发展的虚火。”这位主管国内机器人产业发展的政府官员表示。 　　自2013年以来，中国已经连续蝉联全球最大的机器人消费市场。根据国际机器人联合会发布的数据，去年中国工业机器人的销量为6.6万台，同比增长16%，这一数字占到全球销量的27.5%。 　　国内快速增长的市场需求，让机器人产业在最近几年迅速成为热词，这从地方政府对于该行业的重视程度可见一斑。 　　根据工信部的统计，有28个省、自治区及直辖市将机器人及关键零部件作为重点发展的行业。截至2015年底，全国已建和在建的产业园超过40个，这一数字还不包括处于筹备中的园区。 　　王卫明称，各地现在都很重视机器人产业，机器人企业无论体量大小都会成为政府的座上宾，并得到资金、土地等各类扶持政策的支持。

　　机器人既是高端制造业的基础装备，也是人类社会的生活服务设施，随着人工智能等技术的发展，机器人正在从工业应用向生活服务应用蔓延，产业变革之际，正是后来者的机会之窗。 　　2010年，中国成为世界第一制造业大国。2013年，中国成为世界工业机器人的最大市场。2015年，中国市场共售出6.6万台工业机器人，连续三年位居全球市场首位。 　　国际机器人联合会（IFR）预测，2018年中国工业机器人的销量将达到15万台，占全球销量超过三分之一，规模是第二大市场日本（4万台）的近四倍。中国机器人产业联盟预测，未来十年，中国工业机器人市场的总规模将达6000亿元。 　　2012年之前，中国工业机器人市场由外资品牌统治。之后，在政策和市场的双重刺激下，国产品牌爆发，到2015年，已经占据了32.5％的国内市场。 　　2015年5月，国务院发布《中国制造2025行动纲领》，高档数控机床和机器人被列为十大重点之一。2016年4月，工信部、发改委、财政部三部委联合发布了《机器人产业发展规划（2016-2020年）》，提出“到2020年，自主品牌工业机器人年产量达到10万台”。 　　不仅中央政府，各级地方政府也将机器人产业作为重点扶持对象。提出产业发展目标，给出从财政补贴到用地、立项等各方面的支持政策。 　　天时地利之下，中国机器人公司能否抓住机遇更上层楼？ 　　当前，中国工业机器人应用市场正快速从汽车行业向一般工业拓展，这意味着新兴公司可以避开巨头公司在汽车行业难以撼动的优势，在新兴市场获得自己的一席之地。 　　随着人工智能技术和以物联网、大数据、云计算为代表的新一代信息技术与机器人的深度融合，机器人产业正在进入技术爆发期。机器人未来将越来越智能化，应用范围也将拓展到工业之外的服务领域，将给机器人产业带来更大的想象空间。而那些拥有独特技术的公司，无疑也将站在浪潮之巅。 　　据工信部统计，中国已有大大小小的机器人公司800余家。按照工信部的规划，到2020年，中国要形成较为完善的工业机器人产业体系，培育3家以上具有国际竞争力的龙头企业，打造5个以上机器人配套产业集群，在高端市场的产品占有率达到50％以上。 　　谁能脱颖而出成为龙头企业？笔者接触的业界多数意见认为，结合市场表现和创新潜力，新松机器人自动化有限公司、广州数控设备有限公司、安徽埃夫特智能装备有限公司、南京埃斯顿自动化股份有限公司、上海新时达机器人有限公司（002527.SZ）等公司是强有力的候选者。但与此同时，随着竞争加剧，将有数以百计的机器人公司被淘汰出局。 　　中国市场爆发 　　市场规模已是世界最大并仍在高速增长，市场格局正在从汽车行业应用为主快速向量大面广的一般制造业应用拓展。 　　中国工业机器人市场的增长与汽车行业相关。不论在世界还是在中国，汽车行业始终是工业机器人最大的应用市场。上世纪70年代，日本川崎重工从美国引进工业机器人技术，并将其产业化，首先应用在自家的摩托车生产线上，后来大规模在汽车行业推广应用。 　　中国工业机器人市场2008年后增速开始加快，2010年迎来了首个爆发式增长，该年中国市场销售工业机器人14978台，销量同比增加171％。 　　这一年中国工业机器人增长主要得益于汽车行业投资的增加。2009年中国汽车销量跃居世界第一，同时政策鼓励提高市场集中度的刺激下，2009年－2010年，中国合资品牌和自主品牌汽车厂商都大规模扩张了汽车产能。 　　IFR数据显示，2010年的工业机器人应用市场中，用于焊接、喷涂及各种装配操作的机器人所占比例约为55％，主要用于汽车行业。从增速来看，增长最快的是用于汽车整车制造焊接工艺中的弧焊机器人，同比增长了186％，占当年工业机器人总安装量的39％。 　　中国工业机器人市场另一个增长动力，来自一般工业的升级换代需求，并替代成本日益增长的劳动力。 　　 　　据中智人力资本调研与数据服务中心发布的《2016年一线用工管理调研报告》，2015年一二线城市制造型企业普通一线员工普通年收入约5.8万元。这一收入水平相比2000年制造业平均工资，增长了约6倍。同时，2009年往后，长三角、珠三角等制造业密集地区，开始大规模出现“用工荒”现象。 　　中国当下的产业转型，类似日本在上世纪七八十年代的情景。彼时日本产业结构从重化工业向半导体、汽车等资金、技术密集型行业倾斜，这导致制造业占GDP比例降低，但对工业机器人的需求却持续增长。 　　2008年，中国第一经济大省广东率先推动产业转型，转移和限制劳动密集型企业，推动产业向先进制造业、战略新兴产业等转型。到2012年，产业转型风潮波及浙江等地。2015年，国务院印发了《中国制造2025》，中国制造业转型升级成为国策。 　　反映到工业机器人应用市场，是一般工业市场需求的快速增长。中国机器人产业联盟的数据显示，2013年，中国市场销售工业机器人约3.7万台，成为世界第一大工业机器人市场。2015年，中国销售工业机器人约6.6万台，占全球工业机器人市场比例超过四分之一。 　　从应用行业看，中国工业机器人市场正在快速从汽车行业向一般工业拓展。2015年，汽车行业占工业机器人市场的比例已经降到了36.8％，工业机器人应用拓展到更多行业。从应用领域看，2015年销售比例最高的是搬运及上下料机器人，占总销量的43.8％，这类机器人可广泛运用于各门类的一般工业。 　　中国工业机器人仍有巨大增长空间。业内常用机器人密度来衡量一国制造业自动化水平，根据工信部的数据，2015年，中国制造业每万名工人使用工业机器人数量为36台，而同期全球平均水平为66台，发达国家平均水平超过200台。日本、韩国、德国的机器人密度均在中国10倍以上。 　　2013年12月，工信部制定《关于推进工业机器人产业发展的指导意见》，首次提出到2020年“机器人密度（每万名员工使用机器人台数）达到100以上”的目标。 　　2016年4月，工信部副部长怀进鹏在第四届中国电子信息博览会上表示，2020年中国工业机器人年销量将达到15万台，中国机器人产业产值将突破1000亿元人民币，到2025年工业机器人年销产量将达到26万台。

　　最近一段时间数码圈大事件不少，可能大部分看客都被苹果吸引走了目光，对iPhone 7毫无期待的我却一直在观察NVIDIA和英特尔的口水战和他们背后的缠斗。 　　大数据、人工智能成巨头争抢的香饽饽 　　随着智能硬件设备爆炸式的增长，数据的激增速度超乎你的想象。这些数据用来干什么？每个智能硬件设备的公司都期待产品数据能够得到最大化利用，对用户使用习惯进行分析处理，进而帮助产品进一步提升智能程度。这一系列的需求不仅仅是智能手环手表所需要的，智能家居、无人驾驶、机器人未来这将成为生活当中的方方面面。 　　那么作为人工智能、深度学习等方面的基础，处理器、GPU和算法究竟如何布局如何搭配才能获得市场主动权从而提前赢得未来，这是英特尔和NVIDIA都在掂量的事儿。 　　在上个月刚刚举行的IDF上面，英特尔更是直接把会议主题完全导向大数据、人工智能、深度学习这几个热点上面。接连几次大手笔收购也看出英特尔的决心。问题是NVIDIA不会让英特尔舒舒服服，频频在这一领域有所动作，NVIDIA把英特尔搞得着实很紧张。 　　NVIDIA大肆宣扬GPU在深度学习上碾压CPU 　　 　　为什么以往做GPU的NVIDIA和做CPU英特尔能够井水不犯河水，还能愉快合作，如今却愈发针锋相对。这主要还是因为大数据处理、人工智能、深度学习这块领域所依赖的硬件相比较传统电脑有所区别。 　　根据NVIDIA的说法，GPU在深度学习方面的处理效率是CPU的数倍，甚至是秒杀英特尔引以为豪的至强处理器。在人工智能领域，芯片处理效能和算法优化的作用可以说是各占50%，但在芯片的层面上，业界比较普遍的认识是GPU在人工智能、深度学习算法上的优势远高于CPU。正是因为这个原因NVIDIA才能够在人工智能和深度学习上面势头强劲。 　　总的来说GPU面对CPU，主要存在4个优势：1、GPU天生为并行运算优化，而CPU天生为串行指令优化，人工智能恰恰更需要强大的并行能力。2、相同的芯片面积下，GPU上可以集成更多运算单元。3、GPU的能耗远低于CPU。4、GPU拥有更大容量的存储结构，对于大量数据有缓存优势。 　　上半年，NVIDIA刚刚为深度神经网络推出了Tesla P100 GPU，并基于此开发了深度学习超级计算机NVIDIA DGX-1。从媒体曝光的照片来看，黄仁勋亲自把DGX-1超极计算机签上名字交付给了马斯克。钢铁侠的原型、Tesla和SpaceX的CEO这是我们熟悉马斯克的标签，实际上他也是OpenAI项目的团队领导人，这个团队正在致力于人工智能开发，但马斯克究竟用这台NVIDIA全新的超级计算机干嘛这我们不得而知。 　　NVIDIA与IBM联手对付英特尔 　　 　　在服务器领域英特尔一直是一家独大，这毋庸置疑，IBM Power和ARM两家阵营只有微乎其微的份额。但是到了人工智能和深度学习这块，似乎英特尔的优势立刻消失了。而且IBM已经与NVIDIA推出几款新的服务器！这几款产品都针对人工智能领域，据IBM官方宣称，其在数据处理速度上比其他平台快5倍，与英特尔的x86服务器相比，每美元的平均性能可以高出80%。 　　除了Power处理器本身并行原理在支持大数据运算的时候有助于数据的分割多进程处理，这点比英特尔x86架构处理器有一些优势。另外就是Power在与NVIDIA的Tesla P100之间的协同工作上的效率格外高，多的技术细节我就不再这里阐述了，主要一个原因Power处理器能够对NVLink端口进行良好支持，这个端口的带宽达到40GB/s，比目前x86在用的PCI-E（仅16GB/s）更高效，从而让Power处理器与NVIDIA的GPU之间交换数据更高效。单单是接口从PCI-E迁移到NVLink，性能提升就可以达到14%。 　　说得白一点，鼓捣来鼓捣去很可能两家联手将英特尔在新市场中斩落。所以英特尔不能不急，不可能不紧张。 　　英特尔说深度学习只是一方面 　　 　　面对NVIDIA和IBM等巨头的步步紧逼，英特尔也不能不作声。不管是从最近的IDF上，还是从媒体沟通环节上，英特尔都一再表态，深度学习只是人工智能的一环，一个方面，那不能代表全部。 　　在深度学习上，英特尔的确遇到了NVIDIA这个劲敌，那么英特尔的优势在什么地方？全面的技术沉淀！是的，致力于端到端的全面解决方案，这是英特尔反击的底气。 　　目前英特尔从数据感知源头（RealSense实感技术等）、数据的存储（Xpoint非易失性存储技术）、数据的传输（下一代5G网络）、云服务再到后端的数据分析处理（服务器、至强处理器等），这是一个完整的闭环，是能够给用户提供端到端的全面服务，这是仅仅在深度学习领域刚有建树的NVIDIA难以短期实现的。那么英特尔一定会利用好全面的端到端服务布局，更多为相对被动的深度学习一块慢慢补齐不足。

　　过去四年来许多领域的技术都取得了跨越性的发展。其中，最引人瞩目的是智能手机的语音识别功能比以往有了显著提升。当我们用声音命令手机给另一半打电话时，我们能够与他们取得联系，手机没有再将电话错拨给陌生人或已经不在一起的那个人。 　　实际上，我们现在越来越多地通过对话与计算机互动，无论是亚马逊的 Alexa、苹果的 Siri、微软的 Cortana，还是谷歌许多产品中的语音反馈功能。中国搜索巨头百度表示，使用语音界面的用户在过去 18 个月翻了三倍。 　　机器翻译和其他语言处理也有了长足的发展，谷歌、Facebook、微软和百度每个月都有新功能发布。谷歌翻译现在能提供 32 种语言对的语音翻译（输入是语音输出的也是语音），提供包括宿务语、伊博语、祖鲁语在内的共 103 种语言的文字翻译。谷歌邮箱应用有 3 种现成的自动回复。 　　接着要说的当时图像识别方面的进展。还是上面那 4 家公司，都有产品供你搜索或自动组织没有明确标签的照片。你可以要求系统显示所有带有狗的照片，或者有雪的，甚至抽象些比如含有拥抱场景的。这些公司都有研发中的产品，可以自动生成一句话那么长的图说。 　　深度学习推动计算产业逼近新的拐点 　　试想，要搜集含有狗的照片，应用程序必须识别出从吉娃娃到德国牧羊犬这么多种类的狗，还不能因为小狗上下颠倒或左边右边被雪被雾遮住了一块就被骗过。同时还要排除狼和猫。只靠像素。这究竟是怎么做到的？ 　　 　　图像识别技术的发展影响之深，已经远不止在你手机上很炫酷的社交应用。医疗初创公司声称，他们马上就能用计算机分辨 X 光片、MRI 和 CT 扫描图片，而且比放射学家读得更准更快，上至诊断预防癌症，下至加速发现治病救命的新药。更好的图像识别技术对于机器人、无人机以及自动驾驶汽车而言也是至关重要的。自动驾驶汽车在今年 6 月登上了本刊的封面报道。福特、特斯拉、Uber、百度和谷歌的母公司 Alphabet，都在公路上测试自动驾驶的原型样车。 　　但大多人没有意识到的是，所有这些突破实际上都是一样的。它们都受益于人工智能技术当中的深度学习，或者用大部分研究人员爱用的词形容——深度神经网络。 　　关于神经网络最不可思议的事情是，没有人曾经编程让计算机去执行这些任务。实际上，没有人能够做到这一点。程序员不再编程，而是提供给计算机一个学习算法，然后用海量的数据去训练它，这一过程会使计算机自己学会如何分辨需要分辨的物体、单词或句子。 　　一句话，这样的计算机可以自己教自己。用图像处理器巨头英伟达 CEO 黄仁勋的话说，“本质上说就是让软件写软件”。英伟达在大约 5 年前便看准深度学习，对这项技术做了大力投资。 　　神经网络也并非新兴技术。其概念可以回溯到上世纪 50 年代，而神经网络很多重要的算法突破都发生在 20 世纪 80 到 90 年代。让情况有所不同的是，如今的科学家终于将强大的计算力和海量的数据握在手中——从图像、视频、音频到文本，互联网上到处都是数据——而且人们发现，数据是让神经网络运行良好的关键。“这是深度学习的寒武纪大爆发，”投资公司 Andereesen Horowitz 的合伙人 Frank Chen 说。 　　这一剧变引发之下，AI 创业公司数量暴涨，根据调研公司 CB Insights，AI 投资额在过去一季度超过了 10 亿美元。2016 年第二季度有 121 轮融资，而 2011 年同期只发生了 21 笔。投资额从 2011 年第二季度到 2016 年第二季度超过 75 亿美元，其中有 60 多亿美元都是在 2014 年后产生的。（今年 9 月，5 家 AI 巨头——亚马逊、Facebook、谷歌、IBM 和微软——成立了一个非盈利组织，旨在促进公众理解 AI 技术并就伦理、操作规范展开调查。） 　　2012 年时，谷歌有两个深度学习项目。现在这个数字超过了 1000。根据一位谷歌发言人，现在谷歌所有主要产品分区中，从搜索、安卓、Gmail、翻译、地图、YouTube 到无人车，都有深度学习的影子。IBM 旗下的 Watson 赢得 Jeopardy 时虽用了人工智能，但没用到深度学习。但现如今，Watson CTO Rob High 表示，Watson 提供的 30 多种服务都因为深度学习而得到增强。 　　5 年前根本没有听说过深度学习的投资人，如今对于初创公司没有深度学习技术感到无比焦虑。“我们身处这样一个时代，”Chen 认为：“将来每个人都必须能够编写复杂的应用程序。”很快人们就会说，“你们自然语处理的版本在哪里？”“我该怎么跟你的 App 对话？因为我懒得打字。” 　　这些公司已经将深度学习整合进了每天的工作日程。微软研究院的 Peter Lee 说：“我们的销售团队使用神经网络与买房取得联系。” 　　硬件市场同样感受到了震动。摩尔定律带来芯片升级换代，更重要的是英伟达生产的图像处理器在进行深度学习计算时要比传统 CPU 快上 20 到 50 倍。过去的 8 月份，英伟达公布第 3 季度财报，数据中心这部分的销售额是去年同期的两倍多，达到了 1.15…

　　颠覆者，在上游，越是处于上游，就越是紧扼整条产业链的命脉，无人机市场也不例外。上游芯片厂商正在逐渐往下游去渗透，相比起从下往上走，它们具有天然的优势。 　　此篇文章盘点了7家厂商在无人机领域的布局，包括有高通、英特尔、英伟达、全志、联芯、华为海思、三星。 　　高通 　　为了让Qualcomm inside，让自己的芯片优势进入到无人机领域。高通在2015年先后开启收购和投资，在2月份的时候收购了无人飞行器研发公司KMel Robotics，同月月底，领投了大疆原消费领域的劲敌3DR 5000万美元C轮。除此之外，高通在9月份推出了无人机设计平台Snapdragon Flight。 　　 　　Snapdragon Flight最根本的优势在于拉低了无人机的制造成本和售价，再往下挖深层一点，是因为1、高通无人机芯片具有和智能手机相同的处理器，也可能包括其他一些相同部件，能做到规模化生产从而带来成本优化的效应；2、芯片高度集成化，节省了无人机多个高价模块的合起来的成本，据悉各个模块成本合计为无人机成本的30%~40%。 　　对比目前主要的无人机芯片解决方案，高通snapdragon flight 的CPU 尺寸最小、主频最高。目前已应用于国内厂商零零无限的小型无人机产品hover camera 及零度智控的自拍无人机dobby 的样机。 　　英特尔 　　随着传统PC销量的持续滑坡，英特尔正将其芯片业务转移到火爆的无人机战场。但是相比起销售终端产品，英特尔更热衷于为无人机提供解决方案，尤其是表现在无人机视觉方面。英特尔最大的优势在于其RealSense技术采用的红外激光，相较起高通的双目视觉技术，规避了计算机视觉识别物体的大量计算，并有效提高了精度。 　　 　　在市场层面，英特尔于2015年花费了6000万美元聘请了昊翔TyphoonH作为RealSense的在消费级市场上的推广使，更于日前发布了面向开发者的Aero无人机，也是搭载了RealSense技术。 　　除此之外，英特尔早在此前就已经投资了两家无人机公司Airware和Precisionhawk，还于2015年收购了可穿戴设备与智能眼镜制造商Recon，以及致力于算法研究的德国无人机制造商AscendingTechnologies。 　　英伟达 　　相比起英特尔试图利用其处理器进入无人机市场，来弥补PC销售的疲软态势，英伟达没有迫切进入无人机市场的理由，其核心的GPU图形处理器业务年增长幅度为7%，占据其2016上半年营收的82%。 　　 　　据了解，2015年英伟达相继为Parrot及其竞对大疆提供芯片，针对无人机市场，英伟达开发了Jetson TX1芯片方案，可以胜任各类图像图形识别和高级人工智能任务，使用它的无人机可以在空中停留更长时间。据悉，英伟达同时为大疆和竞对Parrot提供过芯片方案。当然英伟达并没有将TX1主板的潜力限于在无人机的运用，它还可被运用于机器人、物联网设备或者实验室装备。英伟达还为开发者们提供了计算机如OpenVX1.1的视觉库以帮助开发人员使用主板。 　　全志 　　出身广东珠海的芯片厂商全志，从去年初推出的R8便携式互联网电视方案；到CES Asia 2015上，与京东智能联合推出了的“叮咚”智能音箱（全志R16方案）；再到美国Next Thing的9美元电脑Banana Pi成功众筹近200万美（全志R8方案）。 　　 　　这三款产品都是基于全志针对IoT市场推出的R系列芯片。去年8月，Remix推出了基于全志A64芯片的“首款Android PC”——Remix Mini，并成功在Kickstarter上众筹到了近150万美元。而小米刚刚发布的小米无人机采用的主控方案也正是全志科技最新的R16平台。 　　联芯 　　大疆精灵Phantom 4就采用过联芯方案LC1860，零度智控还推出基于联芯LC1860的双目视觉整体解决方案。据悉，联芯还与小米合资成立松果电子，专注智能硬件领域。 　　 　　华为海思 　　华为在潜入无人机领域。其旗下全资子公司华为海思原先在安防摄像头市场拿下了70%的市场份额，随后为了给这安防摄像头插上翅膀，于2016年7月推出了华为无人机平台，即联手深圳本土初创公司宙心科技，在华为海思芯片的基础上推出了一系列无人机解决方案。 　　 　　三星 　　三星于2015年5月推出了低功耗芯片Artik，有三个规格，其中Artik1大小只有12mm*12mm，售价不到10美元，据悉规格不同，在处理速度、存储能力以及无限电通信能力上均有差异。这芯片面向无人机和智能家具等互联网设备。 　　 　　业界普遍认为Artik将成为三星对抗高通及英特尔的杀手锏，但严格来说，三星还只是后来者。

世界制造看中国，中国制造看哪里？如果要选一个代表中国先进制造业的地方，深圳无疑是最有资格的。深圳的制造业先进到了什么地步？那就是美国这几年封杀的中国高科技公司都来自深圳，不论是通讯行业的中兴、华为还是无人机行业的大疆，它们都是来自深圳的高科技公司。 这两天有网友编了一个段子，说美国封杀的这些企业不是对中国的战斗，而是对深圳的战斗，确切地说是深圳南山区，再准确一点则是南山区粤海街道，这个段子对很多人来说可能不够明白，一个城市下属的区就能这么厉害？ 没错，深圳南山去就是有这么厉害！ 南山区是中国百强区的第一，根据南山区政府发布的数据，2018年南山区的GDP突破了5000亿，达到了5018亿，常驻人口约为142万人，2017年人均GDP就达到33万元，约合4．8万美元了，2018年人均GDP超过5万美元妥妥滴，这个数据放在全球都是一流发达国家的水准了。 更重要的是，南山区的GDP不靠房地产也不靠重工业，而是靠第二、第三产业，其中高科技制造为主，南山区的经济结构也靠近美国硅谷的水平，报道称南山已经具备了打造“中国硅谷”的基础和条件。 在基础研究方面，深圳的11所高校中有9所在南山，有全职院士14名； 在技术开发方面，南山在战略性新兴产业和未来产业形成了123个细分领域，其中24个国际领先，并汇聚了中兴、腾讯、大疆创新等一批世界一流的创新型企业，以及深圳90％以上的“独角兽”企业； 在成果转化方面，南山集聚了一批新型研发机构，区域孵化能力位居全国区（县）第一；在金融支持方面，中国证券业协会注册登记数据显示，深圳超过75％的风投、创投机构集聚在南山。 在科技领域，根据南山区的统计年报，始终把创新作为引领发展的第一动力，抢抓全市实施创新“十大行动计划”机遇，奋力推进国际科技、产业创新中心核心区建设。 高端创新资源加速集聚 ARM（中国）总部、空客亚太地区唯一创新中心竞相落户，盖姆石墨烯研究中心、全球金融科技实验室、霍夫曼先进材料研究院布局南山，与2016 年入驻的苹果、高通一起，形成全球顶级创新巨头集聚态势。网络空间科学与技术广东省实验室落户南山，这是全省首批 4 家基础研究领域实验室之一，是国家实验室的“预备队”。中集智能化海洋装备、中德纳 2 个制造业创新中心挂牌成立，占全市 2／5，高新北、留仙洞成为全市未来产业集聚区。 主创新成果密集涌现 中兴、迈瑞、深大、南科大、中科院先进院等 12 家企业和机构，摘取 10 项国家科学技术奖，占全市 2／3。微芯生物、国民技术获 2 项中国专利金奖，占全国 1／10；腾讯获外观设计金奖，占全国 1／5。新增国家级高新技术企业 739 家，总数接近 3000 家，超过全市1／4。中集研制的深海钻井平台“蓝鲸 1 号”成功试采可燃冰，被誉为“大国重器”。 军民融合、双创发展领跑全国 作为全国唯一地方代表，受邀参加国家级军民融合论坛并作经验介绍，成为“国防科技工业军民融合创新示范基地”。新增众创空间55 家、孵化器 16 个，前海创投孵化器“以投带创”模式写入国务院文件，南山实践为国家顶层设计做出贡献。中科院先进院、腾讯入选国家第二批双创示范基地。在美国、加拿大、以色列设立 4 家海外创新中心，占全市 4／7，链接世界创新最前沿。“创业之星”大赛连续举办十届，成为大众创业、万众创新的一面旗帜。 人才大区地位凸显 实施“人才领航计划”，打造吸引各类人才的“强磁场”。南科大汤涛教授当选中科院院士，深圳本土中科院院士实现“零的突破”。新增“****”人才 62名，总数达 230 名，超过全省 40％；新增省、市创新团队 7 个，总数达 84 个，占全市 72％。深圳人才公园建成开放，是全国首个人才主题公园，彰显城市对人才的高度礼遇。哈工大（深圳）获批举办本科教育，南山再添一所高水平研究型大学。 最严格知识产权保护率先破题 提升法治化营商环境，建成全市首个全方位的“知识产权保护中心”，建筑面积 6600 平方米，引进深圳仲裁院等 6 家保护机构、美国布林克斯律师事务所等 14 家运营机构，以及 3 家行业协会，构建保护、运营、转化、协同、支撑“五大链条”。

Intel正在全力铺货22nm处理器，然而在Cedar Trail平台却没有一点动静，卖了一年多的32nm处理器依然坚挺，而据最新消息表明，采用22nm处理器新一代Atom平台Bay Trail预计要在2013年第四季度才能推出。 目前Cedar trail平台卖得很好，可能这也是Intel不急于推出Bay Trail的原因。同时Intel还计划在2013年为手机和平板推出22nm工艺的Atom处理器，而其显然比上网本和台式机部分有更高的优先级，Bay Trail能否如预期时间推出也成了谜。

检定人员在检定热电偶过程中，对于接线柱不牢靠、热电偶短路或捆扎偏离几何中心等常见问题导致的所测数据不准确的情况，一般都能及时发现轻松处理，但是会遗忘一些影响检测结果却容易被忽视的问题。 　　一、热电偶的长度 　　JJG351-1996《工作用廉金属热电偶》检定规程中明确规定热电偶长度不小于750mm，之所以对热电偶长度作出规定，是因为考虑到热电偶在离开测温区后要有足够宽的温度梯度区。热电偶的热电动势也就产生在这一区域，要有效地阻止热电偶热端（测量端）的热量传给冷端（接线端），最基本的方法就是热电偶的冷端要有足够的距离远离热端。一般来说由于热电偶长度不够带来的误差是负的，修正值是正的。长度越短，带来的误差也越大，因此，在装炉检定之前需要确定热电偶的长度。 　　二、热电偶丝弯曲 　　热电偶丝细而软，极易变形，当偶丝发生折叠、扭曲等塑性变形使热电极的偶丝产生应力时，就改变了热电偶的热电特性，从而使变形热电偶测量结果的准确性受到影响。因此，检定前一定要把热电偶丝拉直。 　　三、热电偶丝被污染 　　热电偶丝被污染，甚至被氧化，会使热电极偶丝表面不光亮、发暗发黑，这时的热电极热电特性极不稳定，测量数据的准确性较差，因此，要清洗有污染的电极，消除污染层。 　　四、响应时间的影响 　　接触法测温的基本原理是测温元件要与被测对象达到热平衡。因此，在测温时需要保持一定时间，才能使两者达到热平衡。保持时间的长短，同测温元件的热响应时间有关。而热响应时间主要取决于传感器的结构及测量条件，差别极大。所以，在日常检定过程中要根据不同类型的热电偶选择合适的升温速率、热平衡的时间。 　　五、绝缘电阻的影响 　　热电偶在高温下，其绝缘电阻随温度升高而急骤降低，因此将产生漏电流，该电流通过绝缘电阻已经下降的绝缘物流入仪表，使仪表指示不稳或产生测量误差。因此，在热电偶装炉之前不要忽视对其绝缘电阻的测试，只有当满足检定规程要求时，才能进行温度允差检定。