首页 首页 大数据 查看内容

科技趋势,这46项技术将变革商业(下)

木马童年 2019-8-30 23:30 108 0

本篇为下篇,介绍了 11 项技术,分别是:自适应安全、语义技术、智能机器等。 科技趋势,这46项技术将变革商业(上) 科技趋势,这46项技术将变革商业(中) 科技趋势,这46项技术将变革商业(下) 以下是对这张信 ...

本篇为下篇,介绍了 11 项技术,分别是:自适应安全、语义技术、智能机器等。

科技趋势,这46项技术将变革商业(上)

科技趋势,这46项技术将变革商业(中)

科技趋势,这46项技术将变革商业(下)

科技趋势,这46项技术将变革商业(下)

以下是对这张信息图的解释:

1)时间上的影响

2016 年,看如今的解决方案如何处理这些需求

2017 年,通过试运行思考潜在的解决方案

2018 年,了解现在,思考潜在的影响以及如何解决问题

2019 年以后,现在开始跟随这些技术,观察技术如何演变

2)商业影响

转型(Transformational)影响,指公司需要进行转变了

高(High)影响,指对人类家庭生活和工作有较高影响

中等(Medium)影响,指代将会冲击公司的流程、服务,影响用户和消费者生活

低(Low)影响,指代有小幅度提高而不是巨大的改变

3)成熟度(Maturity)

新兴阶段,主要是指在学术界和少量专业市场能看到这些技术

青年期,指这些技术更多是被分析师或者思想领导者讨论

早期采用,指这些技术已经开始被客户关注、寻求解决方案

主流期,指这些技术明显被需要,客户开始执行解决方案

这一雷达图展示了所有研究成果,能让你快速理解颠覆性的新兴科技是如何发展的,并开始考虑需要采取的行动。极坐标系描述了这些技术影响你业务的可能时间,也描述了这些技术影响的潜在规模。同时,技术颜色代表了每一技术如今所处的发展阶段。

每一个趋势都会从三个角度进行分析:业务影响的潜在规模;可能对你业务产生影响的时间以及成熟度。

三十六、自适应安全(Self-Adaptive Security)

1) 定义

随着云、API 和物联网(IoT)的发展,互联网犯罪的数量、复杂程度和影响持续增长,因此安全范式必须进行变革。在上世纪九十年代的边界安全技术(强调网络防御)和二十一世纪的深度防护(强调多个保护层)之后,互联网防御策略正向新型的自适应性安全原则转变。这种先发制人确保安全的方法把重点从保护转向实时侦测和响应,随时改变防御策略。

相关技术和流程纳入了安全操作中心(SOC),这还需要新一代的安全信息与事件管理(SIEM)技术结合机器学习和规范分析。

自适应安全还需要依赖新的情景识别安全技术(包括身份和访问管理、网络安全、设备和智能机器安全),从而对威胁进行动态适应。

2)应用

保护无边界企业和开放商业生态系统的信息系统

更好地保护免受最新威胁的危害,包括高级持续性渗透威胁(APT)

使安全策略对不同行业的不同组织相应作出适应性调整,应对其特定的商业挑战

3)影响

减少攻击(包括黑客入侵、黑手党的网络犯罪、诈骗、行业间谍和网络攻击)。而在过去,这些攻击往往会严重威胁到系统的可用性、保密性和数据完整性

通过有效和精准的数据收集协助取证

4)演化

专家估计,IT 业安全侦测和响应的比重将从今天的不到 30% 增加到 2020年 的 75%

开放平台正在不断发展,将促进多厂商安全产品的双向沟通

自适应安全依靠安全技术和大数据技术的结合,在 SIEM 技术中引入机器学习也能达到显著效果

解决方案使数据来源快速增长(包括暗网),这能远远超越传统的安全传感器和设备,用于分析可疑行为,预测或侦测攻击行为

自适应安全的垂直化趋势日益显著,可应对金融、制造、公用事业等其他领域的行业特定风险

5)问题

自适应安全需要强大的业务驱动型管理、风险分析和符合性分析来帮助系统学习哪些是必须警醒监测并作出响应的方面

安全设备之间的无缝通讯需要得到保障,以确保语境信息在各内部组件间共享,通过自动化配置变更提高安全性、避免攻击行为发生

自适应安全往往需要依赖人类智能来确认,在自动侦测风险后做出适应性行为。这对于避免对误报信号做出过度反应、对业务造成不可预测的影响至关重要

提高对快速侦测和响应的关注不意味着降低防护水平。相反,防护水平应该更加精准灵敏。同理,作为对自适应安全的补充,往往还需要建立起终端到终端的安全措施、「反托拉斯」安全结构以及针对关键应用的高安全区域(比如应用程序资源岛)

三十七、语义技术(Semantic Technologies)

1)定义

语义技术包括一套多种多样的技术,其目的在于帮助机器理解大量或复杂的数据,而不需实现提供与数据相关的任何背景知识。本质上来说,这类技术给信息带来结构和意义,方法往往是提供机器可读的元数据,这些元数据与人类可读、意义详细的内容存在联系。

2)应用

自然语言处理(NLP)——处理非结构化的文本内容

数据挖掘技术——从大量数据中发现模式(趋势和相互联系)

人工智能系统——使用推理模型解答复杂问题

分类计数——利用探试学和规则对数据进行分类

语义网——允许程序抓取特定的信息并回答潜在的问题

关联数据——语义网的一个子集,也是语义网上发布数据的一种方式,以此来相互连接并变得更有用,使得计算机自动阅读成为可能

语义数据集成——通过组合不同的数据源增进分析和决策能力

语义搜索技术——使用户能够用概念定位信息

3)影响

通过明确提供意义使基于语义的技术自动化成为可能,机器就不需从数据中推导

帮助人类和及其相互理解和沟通,就像人类相互沟通一样

允许机器代表用户自动使用服务

通过结合不同的数据来源、用公开数据库扩大企业数据库,使企业数据集成更进一步

让计算机用更好地方式来表达、交换和处理知识

通过处理知识而非数据提高灵活性

允许计算机自己学习(机器学习)

使出于特定目的搜集而来的数据也可用于其他语境

4)演化

引入了RDF(用于储存语义元数据)和OWL(决定本体,可明确信息意义和关系),并在后来得到标准化

SPARQL语义查询语言也得到引入并在后来标准化

蒂姆·伯纳斯-李在W3C官网发表了自己对于关联数据的思考

全球语义网仍是空中楼阁,但与之相关的想法、概念、标准和技术正在更小的层面投入应用以提供语义丰富的服务

已有公司提供语义解决方案的商业支持服务,并将之应用到生产中

现有和遗留的基于SQL的数据集成方案正转变成语义数据云

为了日后完全转型(RDB2RDF)所做的标准化工作使得更多有价值的信息能从现有的复杂数据中提取出来,这是通过结合其他数据源实现的

商业公司越来越多地提供基于NLP的语义搜索引擎服务

5)问题

(语义网)本体不容易设计,其重要性也常有争议

对本体达成共识相当困难,即使在非常专门化的领域也是如此

筛选出本题中的虚假信息相当困难

数据提供者往往从广告中获取营收,而广告需要接触用户,因此可能无法提供语义丰富的信息

当不同数据源使用不同概念定义时,需要有一个能在词汇之间自动建立联系的方式

由于这一目标过于庞大以及复杂,语义网仍未被意识到

三十八、智能机器

1)定义

智能机器指代配置认知计算能力的系统,它们能够在没有人类干预的情况下自主做决定、解决问题,执行之前由人类引导的活动或任务,从而提高效率和生产力。

2)应用

自动机器人或自驾汽车——重塑交通、物流、分发以及供应链管理

专家系统——模仿人类的决策能力解决问题,尤其是需要专家投入解决问题的行业,比如汽车行业、消费电子产品行业、医疗健康行业、工业

智能虚拟助手——比如 Avatar,能为客户提供信息和服务帮助

传感器——在没有人类直接干预的情况下,收集我们周围物质世界的数据信息

3)影响

提高效率和生产力

增加收入和利润率空间

在增强劳工技能需求的同时,为缺乏技能的劳工提供一个可行的替代选择

弥补计算机进化也无法取代的任务

4)演化

是现在已有的自动驾驶汽车、先进的机器人、虚拟个人助手、智能顾问的原型

基于传感器数据的爆炸式增长,将为智能机器提供更多关于物理世界的背景

由于认知计算、先进算法和人工智能,智能机器工作将更加自动化

随时间变化,更多、更好的机器将进入我们的生活。依照摩尔定律它们将发展更快、价格更低

人工智能、语音识别、机器学习的进步意味着知识型工作现在也可以自动化

机器将能够做出越来越重要的商业决策,这样的决策中人类会逐渐减少控制

在未来,这样的机器有潜力影响到发达国家中至少1/3产业中的商业动态

5)问题

公司的首席信息官们必须要让公司认识到更自动化的智能机器在支持公司业务目标时所带来的风险和机遇

真的有必要担心智能机器可能会取代从制造业到仓储业到运输业中的众多白领、蓝领工作

三十九、集群计算(Swarm Computing)

1)定义

也被称之为集群智能、蜂巢计算。集群计算指代大规模分布、自组织系统中的所有代理能共同朝着一个确定的输出目标协同工作。系统中的每一个代理都有自己的一套规则且只与局部环境互动。所有代理的聚集行为能导致全体行为「智能」的产生。

由于预测到物联网节点会增加,而众多独立节点的计算能力有限,所以每一个节点都将连接到社区中的其他物体上,从而创造出一个 IoE 集群。

2)应用

优化物流链和交通

控制无人驾驶汽车,优化行车时间和道路

配合智能城市、分布式电网这些概念复杂的基础设施的经营

预测复杂系统的行为,比如交通或物流网络

在军事场景中提供监测

传递传感器网络安全

群众管理

使机会主义合作成为可能

管理参与者经济,有助于合理使用资源、鼓励贡献、优化服务。

3)影响

创立一个网络-现实世界设备的动态生态系统,其中的每一个节点为集体能力和洞见做出贡献。

允许操作和交互根据背景环境进行适应

通过以下几点改善提供服务的效率和可靠性

使临时合作成为可能,帮助建立服务网络

优化交付日程和交流模式,从而让信息和服务能共享以及交流

增加不稳定资源的可靠性,有助于管理不稳定因素

能让工作分布到不同的简单设备(或机器人)身上

补充其他形式的人工智能

促进了大规模分布计算机模型的发展

4)演变

集群计算的概念首次出现于 20 世界 90 年代

之后不久开始对算法和仿真的研究

集群计算首次使用于物流和仿真

适时地,移动硬件的微型化使得微型机器人集群成为可能

现在,集群计算与机器人、物联网、分布式云模型紧密联系在一起

未来长期发展中,比如,纳米机器人集群可能有助于医疗产业

5)问题

基于代理的编程是复杂且高要求的,此时的实践者不是那么容易就能做到的

将集群与其他中央控制机器结合起来也非常复杂

安全是个重大忧患,尤其是集群中的单独一个机器人被其他机器人或组织主要控制时

通信协议需要较好的统一标准,从而让灵活的、动态互动成为可能

也可能存在一些不确定的行为,比如非预期的或失去控制自主产生的行为

集群病毒,集群的行为可能会受到流氓组件的不利影响,也可能自己成为流氓组件。这在使用中可能产生巨大影响

四十、可信任(常用)设备(Trusted Devices)

1)定义

可信任设备是指终端机、软件支持的物件和机器这样的设备有保护数据处理可用性、完整性和隐私安全性的可信任能力。这包括智能手机、支付终端机这样的人机交互设备,以及智能家居和智能机器这样的自动化设备。

2)应用

保证人类使用数字系统通信和交互的安全

确保对重要基础设施和自动化程序的防护——比如智能电网、智慧城市、智能交通

医疗连接设备

3)影响

提供通过设计确保安全的可信任终端机和智能机器,这些机器有着值得信任的应对风险的水平

在网络犯罪普遍的时代,这能缓和黑客攻击和欺诈的风险

4)演变

在民用终端机中已经存在防护级别的技术,尤其在政府职员和公司高层的智能手机中

如今的主要趋势是加强物联网关键流程中的设备安全性能

下一个演变将注重于保证智能机器、自动化机器的安全。毕竟,我们对手术机器人、智能汽车、自动化无人机的依赖越来越大,绝对的可信任非常重要

5)问题

大部分可信任设备需要硬件和软件安全的结合,因为单独的软件安全会增加劫持风险

在如今连接不断加强的世界建立信任需要各种安全组分(安全的物联网)和大量认证

管理方式(下一代认证和访问管理、大数据)的整合

这可能也要求植入情境智能,这样侵入意图就能被侦测到,并自动做出合适的应对措施(比如敏感信息的自摧毁)

四十一、无处不在的个人信息管理(Ubiquitous PIM)

1)定义

如今大部分人使用多于四种以上的信息孤岛(information silos)存储、管理、转移他们的私人信息,包括谷歌、Outlook、Facebook、Twitter、WhatsApp、本地磁盘、USB 硬盘、OneDrive 网盘、Dropbox 等。无处不在的个人信息管理(普适 PIM)是一种存储个人信息的新方法,把所有的信息存储在统一的一个存储系统中,但仍然可以通过多种应用接触到这些信息。大部分信息类型都适用于无处不在的 PIM 方法,包括信息(电子邮件、社交博文、公共网站回应信息)、联系方式、文档(文本、图片、视频)和日志。

2)应用

企业社交网络——让所有应用使用同一个存储层,可以交换/共享所有需要的信息

合作——提供多样的接入同种信息的合作工具,每一个工具都根据用户的专业水平和个人喜好进行定制

业务交流——统一交流方式,这样用户们只需要专注于对话本身不需要操心技术问题

3)影响

减少复杂性,消除信息孤岛问题

通过增加各种不同应用中信息的相关性和一致性,从而提高信息可用性

削减了能量消耗,因为不再需要到处 copy 信息,保持信息同步

把个人从多种专用的社交网络、协作和交流工具中解放出来

允许个人选择最适合自己的网络和工具

打开通向新产品和新服务的更为广阔的领域

能与物联网结合在一起

4)演变

各种应用的本地文件系统开始分享越来越多的信息

混合本地和云存储的解决方案出现,一些能共享信息,但更多的是交流信息

混合本地、云和无处不在的 PIM 存储的解决方案开始出现,刚开始时是通过适配器结合各种联系方式、通信、合作和文档

很快,各种应用将利用全球普适储存方式,与无处不在的 PIM 标准化进行信息交流

在未来,人们将需要为信息担心,一种全新的 IT 领域应用将开始兴起

5)问题

为了实现无处不在的 PIM 还有大量的工作需要完成,但现在只有小部分团体和个人在研究存储信息的新方法

事实上,在理论知识和如何做到之间还有很大鸿沟

直到现在的数据交流系统分裂变得更加严重时,这种现状才会改变

四十二、虚拟助手

1)定义

虚拟助手是帮助我们完成服务和任务的助手。他们可以理解问题并用自然语言的方式回答。它们利用人工智能、机器学习、语音处理、推理和知识表征来使人机交互的过程变得更加容易,更加自然,更加富有吸引力。

它们执行的任务和服务依赖于用户键入或语音输入的信息、情境感知以及可访问的例如天气或交通状态、新闻、股票价格、日程表、零售价格等互联网资源。

2)应用

行政协助——例如即时建议、询问和提醒,同时支持个人和商业应用场景

持续的专家协助——包括长期项目或专家工作,该领域它们的学习能力体现在随着它们的处理内容的增加,他们的协助表现也会变得更好

用户服务协助——包括零售、银行、保险和电信行业在内的人类客户服务代表将被人工智能助手补充甚至取代

大规模结构化或非结构化数据组的数据挖掘——搜索(潜在的)模式和异常,预先识别问题,发现机会并支持决策制定

预测性的专家协助——预测事件发生并在事件发生之前采取行动

虚拟个人购物助手——基于用户的口味、需求和欲望来学习、预测、服务以帮助用户优化购物决策过程

3)影响

降低成本并提高效率,统一客户服务平台不同频段的企业形象来提升用户满意度

加强应用的功能并提升信息处理任务的表现

在未来将被期待用于越来越多的日益复杂的数字化生活

在这种情况下,也许将会转变公司于客户互动的客户接触模型,从直接接触转变为虚拟助手的帮助;这意味着交互需要变得更加清晰和简洁——这将使情感化营销显著客观化

4)演变

2000-2010 年,搜索引擎进化到包含了更多语境(分析)、精炼搜索结果,从而增强结果的相关性

自然语言处理系统进化到可以让用户通过语言与计算机交互

可用的计算能力更多,意味着自然语言将被更加高效地处理。例如 Siri 这样的虚拟助手的出现意味着搜索进化到了更加个性化、可提供交互服务和由更强大软件协助的生态系统的地步

虚拟助手将被装载到云上,这使得它能被应用于多种设备:可穿戴、办公室、住所和车辆中的多种设备上

未来的助手将能够侦测用户的确切位置

传感器的进步(例如,智能手机内置的麦克风、相机、加速计和 GPS)将为虚拟助手提供更多可利用的额外的背景信息

虚拟助手也将借由语音分析和面部表情学习如何检测情感,无论用户是正在移动、静止或在车辆中,都可以准确识别

在它们获得相关数据组权限或允许助手将数据用于新领域的前提下,实时学习能力将确保助手做出即时反映

5)问题

个人数据日益增加的碎片化和复杂性削弱了虚拟助手能实时提供服务的表现

普适个人信息管理(PIM)将帮助虚拟助手注释我们所有的数字信息,但是它们现在需要转换器来连接像Outlook、Gmail、MicrosoftLive、Facebook、Twitter、LinkedIn 等应用以及本地文件系统中的多种数据

用户需要一切皆在掌控(例如他们的数据被用于那些场景、被谁使用)的感觉,这将帮助他们信任助手是基于用户的利益而运行的

帮助用户网上购物的虚拟助手将有能力加强某些公司的业务,与此同时,削弱另外一些公司

当下计算机和人工智能取代人力工作的现象将随着虚拟助手功能的强化而激起社会焦虑的攀升

四十三、可穿戴设备

1)定义

可穿戴设备装载了具有感知、计算和通信能力的微型电子器件。它们利用穿戴者的情境信息(由嵌入式传感器侦测到)来提供一般的或特定的服务,从而让用户对自身数据信息做出实时反应。

尽管现在最热门的可穿戴设备是智能手表,仍然有很多穿戴在其他部位的可穿戴设备。

手腕——例如智能手表、手镯和手环

头部——包括头带和头盔

眼部——例如眼镜、隐形眼镜、生物增强设备

耳部——例如耳塞

可移植/嵌入式芯片——例如助听器

手掌——手套或者数字笔

智能衣物和织物——包括绷带、T恤、夹克、袜子、文胸、腰带和鞋子

嵌入式首饰——包括指环和耳环

皮肤——例如纹身

2)应用

全产业

安全——增强授权、认证和追踪

场地服务和维护——例如,整合 SCADA (数据采集与监视控制系统)来帮助问题解决

支付和花费——提升移动端能力

训练——提供支持和记录以及分享活动

状态监测——收集健康和环境信息

和智能物体的直接交互——初始时基于云的服务

信息——简化获取资源和分享信息的过程

特定行业

健康医疗——训练医生、协助手术、监视病人和医生的健康、记录治疗、支持和监视医疗康复计划

零售——分享产品信息、推销、仓储和库存管理

军事和国土安全——监视活动、记录行动、导航和身份识别

交通——导航、追踪、检测司机健康

运动——检测关键参数、比较结果、适应环境和记录活动

3)影响

和认知计算结合,将加强人类能力

帮助客户服务代表理解用户的需求和偏好

使体域网(Body Area Network)概念成为可能——随着物联网(IOT)放大了设备对穿戴者的了解,从而增强了设备对穿戴者情境的整体描绘

提升领域服务和客户维护的性能,并降低成本

带来新的商业机遇

提供市场人员可利用的健康见解

为交换可穿戴设备的使用和数据提供奖励机制

连接移动支付和客户忠诚度

为之前品牌难以触及的新奇的客户问题提供解决方案

4)演变

可穿戴设备最初用于军事、医疗健康和医药领域

现在主要集中于健康和监控 B2C 市场活动

利益正被拓展到 B2B 市场的全新领域,智能手表、数字徽章和智能手环最初似乎是该领域最有利可图的商品,智能眼镜和新涌现的智能织物和嵌入式配件紧随其后

可穿戴设备的出货量将在 2017 年之前有望达到 6000 万个

2018 年各公司对可穿戴设备技术的计划投入将接近 200 亿美元

长期来看,可穿戴设备将成为我们个人生活、职业生活紧密结合的重要部分,成为一种比智能手机更私密化的替代品同时也通过提供附加的视野来加强智能手机的功能

一些人将可穿戴技术视作通向环境计算(ambient computing)的下一步

5)问题

基于设备的尺寸、意图和人机工程学来调整交互模式

设备将从能够自动描述更大范围的背景环境而获利

但是可穿戴设备的技术进步取决于其他技术的进步——包括传感器、显示器、电池、通信和增强现实

材料对人类器官的影响(例如过敏反应)和辐射必须是可控的

小型设备的电量管理和散热是极富挑战的难题

电源以及备援策略,需要某些场景下在完整的使用周期可用

在关键情形下,例如医疗任务,可穿戴设备及其使用者需要遵从法律约束

可穿戴设备需要保持数据在传输、存储和处理过程中的透明度,尤其是这些数据被分享到更广阔的生态系统时

四十四、大规模万维网计算(Web-scale Computing)

1)定义

超大规模运算,也被称为大规模万维网计算,是一种大规模的、分布式、网化的计算环境,随着数据规模和工作量的增加可以有效的扩展,有时这种扩展是指数级别的。计算、记忆、网络、存储资源将变得更为快速,具有成本效益。

超大规模加速硬件通常建立在剥离的商业硬件基础上。潜在地,数以百万计的虚拟服务器会协同工作来满足日益增加的计算需求,不需要额外的物理空间、冷却设备和电力资源。

利用超大规模运算,总体拥有成本(TCO)随后将显然依据高可靠性、实现应用和/或传递数据的单一价格决定。

2)应用

使云、分布式存储和和更多基于网络具有的大规模分布式站点成为可能

为必须处理极大规模数据或处理数百万种业务(只有极少准备时间)的商业提供支持,包括银行、零售、石油挖掘和开采、健康和医药

为新兴技术提供支持——例如认知计算和物联网

3)影响

为未来集中的数据处理提供稳健灵活的环境,帮助企业最大化利用他们日渐增长的大规模数据

提供一个通用的、可扩展的平台来轻松地适应不断变化的商业和技术前景

利用它集装箱化的数据中心单元来节省空间和能量

要求更少的服务器,削减硬件和行政管理成本

拥有改变现代企业使用和管理 IT 的潜力

4)演化

公有云服务巨头例如谷歌、Facebook和亚马逊最初发展该技术来支撑他们急剧的增长,并在不牺牲服务质量和可用性的条件下提供他们所需的灵活性

不久其他的企业也开始利用这些开源软件

超大规模计算现在正在被其他商业领域的企业开发,包括那些拥有更小和更传统的 IT 环境的企业

进一步的技术进步正在奠定更快、更便宜和更大规模系统的基础

超大规模运算预期将最终被全球范围内半数的企业应用

5)问题

超大规模运算调整了 IT 的角色和企业所需的技能

任何计算能力极速的增长——包括超大规模计算——都会挑战能源资源

四十五、网页实时通信(WebRTC)

1)定义

IETF、W3C、WebRTC 同心协力的结果是一个免费开放的互联网标准,使通过标准浏览器和移动设备运载的跨平台、基于互联网的、免插件的实时通信系统成为可能。

本质上,WebRTC 定义了置入浏览器中的声音和视频媒体处理软件的标准。这是一个可拓展标准,并且提供了一个联合了HTML5 的标准 API 接口,该接口通过特定机制处理通信过程中参与者在以往环节产生的数据。

商业实现是可行的并通过提供差异化的信号定义方式和协作模型来区分彼此,并且使多方参与成为可能。

2)应用

浏览器间通信——包括声音、视频聊天、会议、屏幕共享、客户互动、娱乐、游戏和文件转换及分享

企业通信——例如一键直呼、呼叫中心、联合通信以及现代团队协作

教育和训练——包括虚拟教室和同步学习

分配信息和调度——允许人类和机器可以通过更加自然和透明的方式交互

3)影响

简化部署和并通过减少专有插件和应用的需求来削减基于浏览器通信解决方案的成本

使潜在的传输协议和安全机制标准化

允许任何带有 WebRTC 标准浏览器的设备成为通信设备

使声音和视频在基于浏览器的应用中更容易地被访问

提升客户交互并通过开放更丰富的交互模式了来增加收入

允许人类和机器以更自然和更透明的方式交互

为受到 OT语音服务威胁的电信运营商开放新服务领域的大门,鼓励他们活跃地参与

4)演变

WebRTC 最初诞生于 2011 年,是谷歌赞助的实现不同浏览器实时通信技术免费开源项目

Firefox、Opera 及其他浏览器在仅仅一年之后开始支持 WebRTC

WebRTC 现在支持几乎所有主流桌面和移动浏览器,并被一些逐渐增长的消费者服务(例如FacebookMessenger)和现代企业协作服务(例如 Unify's Circuit)使用来增强声音和视频通信

WebRTC 是 HTML5 的一部分,预期会在逐渐发展的过程中得到更广泛的支持

到 2018 年,预计潜在的支持 WebRTC 的设备数量将达到 50 亿,而嵌入式设备是全新的基于 WebRTC 应用的主要运行平台

P2P 基于 WebRTC 的视频服务将会快速地被普及

长期看来,WebRTC 预期会取代现有的协议

企业级别的多方参与的 WebRTC 应用和联合协作服务在未来的五年间仍将具有极大吸引力

5)问题

WebRTC1.0标准尚未完成,社区开发者对它的许多方面仍未达成共识(存在分歧)

标准的缺乏将导致很多高阶服务可能存在兼容性和/或互通性问题以及市场的碎片化,使得商业产品产生分化

主流浏览器支持的缺少使得标准的修改缓慢

和其他非互联网 RTC 通信平台协作要求额外的软件

WebRTC 将会导致全新的安全威胁,这些威胁要求全新的创新性的解决方法

四十六、无线供电(Wireless Power)

1)定义

无线供电描述了不需要实体线路,通而过电磁场替代的电力传输方式。现有两种电力传输方式:利用电磁感应和电容性充电的近场充电(NFC);利用电磁装置辐射电磁波的远场或辐射充电。

2)应用

可穿戴设备——包括智能手表

健康设备——包括助听器和计步器

电力交通——包括汽车和公共汽车

消费产品——包括智能手机和平板

工业——包括工厂和仓储的资产

3)影响

允许电力设备在输电线不方便、危险以及不可用的情况下充电

解决电动汽车的能源存储问题,大大增强了电力汽车的可用范围和可靠性

敞开了通向不中断的、普适计算环境的通道,在这种环境中,电力的即时可用性是至关重要的

4)演变

感应充电不是一项新技术,但是它的应用范围限于极少数设备

该技术正向更远距离,更高级别的充电方式演变

规范化的程度似乎正在提高,最重要的标准集中在 AirFuel Alliance

可穿戴设备和传感器组的爆炸性发展及其有限的电力存储容量,使得无线供电传输成为一项更有趣的议题

5)问题

能源效率需要通过除去潜在的能量损失获得进 一步提升

能源管理将通过流程简化而大大获利

现有的多种标准限制了互通性

安全隐患限制了无线供电的应用环境

社会担忧限制了无线供电的充分利用,尽管对它影响健康的忧虑是毫无科学根据的

在不久的将来,多智时代一定会彻底走入我们的生活,有兴趣入行未来前沿产业的朋友,可以收藏多智时代,及时获取人工智能、大数据、云计算和物联网的前沿资讯和基础知识,让我们一起携手,引领人工智能的未来!

智能机器 解决方案 家庭生活 物联网 互联网 机器学习
0
为您推荐
大数据技术改变城市的运作方式,智慧城市呼之欲出

大数据技术改变城市的运作方式,智慧城市呼

纽奥良虽像大多数城市一样有火灾侦测器安装计划,但直到最近还是要由市民主动申装。纽…...

大数据分析面临生死边缘,未来之路怎么走?

大数据分析面临生死边缘,未来之路怎么走?

大数据分析开始朝着营销落地,尤其像数果智能这类服务于企业的大数据分析供应商,不仅…...

什么是工业大数据,要通过3B和3C来理解?

什么是工业大数据,要通过3B和3C来理解?

核心提示:工业视角的转变如果说前三次工业革命分别从机械化、规模化、标准化、和自动…...

大数据普及为什么说肥了芯片厂商?

大数据普及为什么说肥了芯片厂商?

科技界默默无闻的存在,芯片行业年规模增长到了3520亿美元。半导体给无人驾驶汽车带来…...

大数据技术有哪些,为什么说云计算能力是大数据的根本!

大数据技术有哪些,为什么说云计算能力是大

历史规律告诉我们,任何一次大型技术革命,早期人们总是高估它的影响,会有一轮一轮的…...

个人征信牌照推迟落地,大数据 重新定义个人信用!!

个人征信牌照推迟落地,大数据 重新定义个

为金融学的基础正日益坚实。通过互联网大数据精准记录海量个人行为,进而形成分析结论…...