深度：中科院AI勢力崛起

2020-01-21

智東西
文 | 韋世瑋

我們將時針倒回至七十年前。

己丑年甲戌月，東四馬大人衚衕10號的冬天全然未見絲絲涼意。這看似並不起眼的北京城中一隅，正醞釀着一場影響中國科技發展的深刻變革。

小衚衕裏，時年57歲的郭沫若被正式任命爲中國科學院院長。歷史以此爲起點向前奔涌，往後領導班子不斷更替的七十年間，我國自近代以來百廢待興的科技產業發生了翻天覆地的變化。

中國科學院（簡稱中科院）是我國在自然科學和高新技術綜合研究領域的最高學術機構。自成立以來，逐漸建成了完善的自然科學學科體系，覆蓋物理、化學、環境與生態學等學科，爲我國國家安全和科技硬實力的發展上，成爲了不可或缺的國家戰略科技力量。

從首次人工合成牛胰島素，到第一臺原子力顯微鏡（AFM）的誕生；從第一臺大型向量計算機系統，到首款通用處理器芯片「龍芯1號」的自主研發……中科院一路高舉科學振興的旗幟，帶領我國無數高端學科和科技產業萌芽、興起與爆發。

在學術研究領域，中科院旗下擁有12所分院，超100家科研院所，中國科學院大學、中國科學技術大學、上海科技大學（與上海市共辦）均爲中科院所屬的全國重點大學。建院以來，中科院已培養了近千名科技領軍人物和科技尖子人才，涌現出一批又一批的高科技創業者。

隨着人工智能的大火再度把世界科技熱潮點燃，中科院仍保持着強勁實力屹立於世界AI領域的發展潮頭。

放眼世界，2019年全球頂尖計算機科學機構排行榜CSRankings中，中科院以5.3分排名AI全球榜第四，僅次於清華、北大和卡耐基梅隆大學。

回望中國，中科院一手甩出寒武紀、雲從科技等估值10億美元的AI獨角獸，一手穩握中科曙光、科大訊飛和中科創達等多支A股王牌，在羣雄割據混戰的AI戰場中肆意廝殺。

國內外AI科技競賽一波未平一波又起，不知不覺間，中科院AI勢力的星星之火在2019年AI落地生死戰中，歷經了數萬家企業落幕背後的暗潮撲殺，正以爆發之態燎原至漫山遍野。

溯源中科院這場AI勢力崛起的背後，不僅是瞭解我國最高科研學術機構的技術根基和人文底蘊，我們對中科院系的冰山一角進行層層剖析的同時，也嘗試從中窺見這派AI勢力在當下產業落地生死戰的底牌與新活法。

一、中科院的根：研發與人才四十餘年灌溉

中科院系AI企業的野蠻爆發與生長，源於中科院深埋於我國科技土壤的根，離不開研發與人才長年累月的滋養和灌溉。

中科院的研發實力有多強？2019年《Nature》雜誌公佈的2019自然指數（Nature Index）年度榜單中，中科院以1678.64分一馬當先，超越845.54分的哈佛大學，猛衝全球領先研究機構第一的寶座。

細數我國改革開放四十餘年，在國民經濟、國家重大需求乃至世界科技前沿領域，亦活躍着中科院的身影。

2018年，中科院系統梳理了它在四十年間所研發的40項具有代表性、標誌性的重大科技成果。

其中在國家重大需求領域，中科院微電子所組織全國性產學研用聯盟，七年間不斷攻克集成電路（IC）產業研發瓶頸，實現22nm高K介質/金屬柵工程、14nm FinFET器件、新型閃存器件和可製造性設計等關鍵技術突破。

與此同時，在關鍵工藝模塊上，中科院微電子所還形成了較爲系統的知識產權佈局，擁有專利2406項，其中國際專利483項。

中科院持續在各個領域加強核心技術攻堅，實際上爲其在AI產業的爆發打造了一支又一隻精兵強將。

根據中國新一代人工智能發展戰略研究院在2019年5月發佈的《中國新一代人工智能科技產業發展報告》，截至2019年2月28日，我國共有75家AI領域的非大學科研機構，中科院下屬科研院所爲38家，以51.4%的佔比盤踞我國非大學科研機構陣營的半壁江山。

不僅如此，中科院下屬科研院所還強勢霸榜了我國AI領域專利數Top 10非大學科研機構。數據顯示，從第一名的中科院計算所，到第十名的中科院上海微系統所，中科院共爲我國AI產業貢獻了15457項AI技術專利。

人才之於研發，亦如園丁之於園林。

從成立至今，在郭沫若、方毅、盧嘉錫、周光召、路甬祥、白春禮一代代院長的帶領下，中科院如海納百川般吸引了無數身居科研金字塔頂尖的學術巨擘，遍佈數學物理、生命科學、信息技術和化學等多個領域。

現階段，中科院學部共有830名院士，107名外籍院士，平均年齡高達73歲。

81歲的並行算法、高性能計算專家陳國良院士正是其中的一員。他曾開發了國產曙光並行機「用戶開發環境」商用軟件，並帶領團隊成功研製出萬億次高性能計算機「KD-90」，爲我國高性能計算領域的自研核心技術添上了濃墨重彩的一筆。

外籍院士中，時年72歲的微電子學家、FinFET之父胡正明提出的鰭式場效晶體管（FinFET）芯片工藝技術，不僅成功讓芯片晶體管構造從原先的2D邁入3D大門，還打破了曾限制半導體產業發展許久的「摩爾定律」，爲全球半導體產業快速進軍先進工藝領域作出了巨大貢獻。

在近千名院士的披荊斬棘之下，雲從科技創始人及CEO周曦、寒武紀創始人陳天石與陳雲霽、雲知聲創始人樑家恩等一衆出身於中科院的後起之秀，亦在AI領域嶄露頭角，力圖創造一個又一個創業佳話。

縱觀中科院的科研實力與人才優勢，自成立七十餘年——尤其是改革開放後的四十一年間，日復一日地滴匯成海、聚沙成塔，不僅推動了我國科學技術硬實力的復興，亦爲如今中科院系AI公司在產業的爆發埋下伏筆。

二、中科院系AI企業的三大主戰場

如果說AI用了六十年的時間，才讓世界重新關注到它。那麼，中科院自改革開放後花了四十餘年，才讓中科院系企業在當下迎來爆發，這並不意外。

往前，我國的AI產業有中科曙光、科大訊飛和新鬆機器人等公司，在高性能計算、語音、機器人等領域開創基業的篳路藍縷。

往後，國內AI領域則有寒武紀、雲從科技和雲知聲等AI獨角獸與初生牛犢將優勢傳承，在AI芯片、AIoT、計算機視覺等市場不斷釋放潛力。

2019年年初，全球創投研究機構CBInsights發佈32家全球AI獨角獸公司名單。其中，出身中國的10家企業中，寒武紀、雲從科技和雲知聲爲中科院系創企，自動駕駛創企Momenta也有多名高管出身中科大。

中科院系在國內的競爭力同樣強勁。2019年8月，賽迪研究院發佈《2019賽迪人工智能企業百強榜研究報告》，在綜合實力TOP100榜單中，科大訊飛、中科曙光、寒武紀和漢王科技等9家中科院系企業榜上有名。

四十多年來，不斷在AI市場展露野心的中科院系企業已在多個領域開枝散葉。

從當前全局來看，中科院系企業的戰場主要集中在計算機視覺、AI語音和AI芯片三大方向。

它們從成立之初就開始逐漸影響着這些行業，在利用創新技術瓜分市場的同時，也重新定義着傳統市場的變革之路。

1、計算機視覺（CV）

計算機視覺是如今AI領域中十分熱門一個分支，同時也是極具商業化價值的賽道。

其中，以人臉識別爲核心技術的AI企業已廣泛遍佈國內市場，與安防、金融、自動駕駛和消費電子等應用場景緊密結合。

在這一市場中，中科院系老牌企業則有中科創達首當其衝。

中科創達成立於2008年，它針對成像技術開發了一系列圖像處理和智能視覺算法，既有面向衆多領域檢測人臉的年齡、性別和情緒的Face ID方案，也有面向工業、安防和交通等領域的視覺缺陷檢測。

尤其在智能網聯汽車方面，中科創達融合底層操作系統技術、Righware Kanzi 3D開發技術和智能視覺AI技術，進一步提升用戶的駕駛體驗。

據悉，中科創達在全球已擁有超過100家智能物聯網汽車客戶，其業務增速在2019年上半年約爲74%。

深度：中科院AI勢力崛起

另一廂，現在市場中老生常談的「CV四小龍」中，雲從科技則是中科院系麾下創企，成立4年就已拿下10億美元估值。

雲從科技在計算機視覺領域擁有三大核心技術，分別爲3D結構光人臉識別技術、跨鏡追蹤（ReID）技術和人體3D重建技術，在安防、金融、交通和零售等行業都有落地應用。

例如，其人臉識別技術能夠對圖像中的人臉進行屬性分析，以判斷年齡、性別、膚色、是否佩戴眼鏡和麪部遮擋物等信息，實現毫秒級響應。

2018年，國際調研機構Gen Market Insights曾發佈《全球人臉識別設備市場研究報告2018》，數據顯示，中國是全球人臉識別設備的最大消費市場，雲從科技的市場份額排名第一。

2、AI語音

要說中科院系企業在AI語音領域的最大王牌，科大訊飛當仁不讓。

自1999年成立至今，科大訊飛在語音識別、語音合成、聲紋識別和自然語言處理（NLP）等技術領域，已逐漸成爲中國AI語音行業的領頭羊。

科大訊飛的AI語音業務覆蓋智慧教育、智慧醫療、智慧城市和智慧汽車等領域。其中，在智慧教育方面開發了訊飛學習機，能夠幫助孩子定位弱項學科，制定個性化的學習方案。

科大訊飛董祕江濤曾表示，科大訊飛語音識別的市場佔有率已居全國第一。

而在新秀陣營，雲知聲和聲智科技等創企的潛力亦不可小覷。

例如，當前處在國內語音交互領域第一梯隊的雲知聲，2012年時就已將深度學習技術應用到語音識別領域，隨後還提出了面向物聯網的「雲端芯」產品體系構想。

雲知聲自主研發的雲知聲開放平臺3.0，利用語音識別、語義理解、語音合成和音頻轉寫等技術，爲移動物聯網、智能家電、可穿戴設備和醫療等領域提供AI語音解決方案。

據瞭解，目前雲知聲的覆蓋用戶已達2億，其中開放語音雲覆蓋的城市爲470餘個，覆蓋設備超9000萬臺。

3、AI芯片

在我國的半導體產業發展史上，脫胎於中科院計算所的龍芯中科自2001年以來，陸續研發龍芯1號和龍芯2號系列芯片，打破了我國缺乏自主研發CPU芯片的歷史。

而往後看，尤其是過去五年間AI專用芯片需求的爆發，中科院也孕育出了寒武紀和雲知聲兩家AI芯片獨角獸公司，以及中科睿芯、欣博電子和啓英泰倫等重要玩家。

其中，創立於2016年的寒武紀在2018年6月完成數億美元的B輪融資後，市場估值已達25億美元（約167億人民幣）。

寒武紀打造的兩代智能處理器IP，曾被搭載於華爲麒麟970和麒麟980兩款SoC中，幫助華爲一炮打響「真正的AI手機」口號。

2019年11月，寒武紀面向邊緣AI計算領域，最新推出了思元220芯片，擁有高安全、低延時和高帶寬三大優勢。

隨着思元220芯片的推出，寒武紀的AI芯片正式形成雲、邊、端三個方向的完整佈局，進一步滿足現今碎片化AI市場的多個應用場景需求。

三、回溯三大技術源頭，AI勢力的厚積薄發

追根溯源，如今中科院系AI勢力的逐漸崛起，與中科院AI歷史的變遷與演進離不開關係。

與我國曆史發展脈絡同步，中科院在結束了徘徊中前進的兩年後，國內AI的發展也逐漸醞釀着解禁。

1978年，我國著名數學家、中科院院士吳文俊提出的「幾何定理機器證明」獲得了全國科學大會重大科技成果獎，爲我國之後的AI體系構建奠定了重要基礎。

直到上世紀80年代，中國航天之父、中科院院士、兩彈一星元勳之一錢學森等先輩開始主張開展AI研究，讓我國的AI領域研究逐漸開始活躍。

隨着我國AI技術和思想的層層「破冰」，加之1994年中科院啓動支持高水平科技領軍人才引進的「百人計劃」，中科院乃至我國的AI從人才到技術、從學術到產業、從機構到企業，才一步步地蓬勃發展起來。

歷史滾輪之下，我國的AI發展脈絡與中科院息息相關。

當我們將回溯的目光放至中科院系AI企業的「身世」上，不難發現，這些企業的出身可大致分爲兩派。

一派以研究員爲出發點，其公司創始人、CEO和主要高管均爲中科院及下屬研究所出身，由研究員獨立或聯合創業而成；

而另一派則以科研項目爲出發點，公司在成立前曾爲中科院及其下屬研究所的科研項目，通過技術成果轉換後，才正式成立爲公司繼續發展。

但不論是研究員的出身，還是科研項目的孵化，這些公司的技術起點幾乎主要源於中科院的三家關鍵機構——中科院自動化研究所、中科院計算技術研究所、中科院聲學研究所。

1、中科院自動化研究所

設立於1956年的自動化所，不僅是我國最早成立的國立自動化研究機構，也是我國最早開展類腦智能研究的國立研究機構。

自動化所主要涉及生物特徵識別、機器學習、視覺計算、自然語言處理、智能機器人和智能芯片等領域的研究，漢王科技、中科唯實、銀河水滴、中科慧遠和中科視語等公司均從中孵化落地。

截止2018年底，自動化所共擁有696名科技人員，包括中科院院士2人、發展中國家科學院院士1人、IEEE Fellow 9人。

在AI領域，自動化所亦扮演着重要的開拓者角色。

上世紀90年代，自動化所以控制科學爲基礎，率先佈局AI研究。緊接着從2010年起，其AI研究方向進一步細化，開始在類腦智能研究領域出招。

據悉，自動化所通過架構設計創新，曾自主研發了量化神經處理器（QNPU），在資源受限的芯片上實現大規模深度神經網絡的獨立計算。

而在生物特徵識別技術方面，自動化所還實現了從中距離到遠距離的可識別生物特徵信息全覆蓋，包括虹膜識別、人臉識別和步態識別，已在國家衆多重要安全領域應用落地。

2、中科院計算技術研究所

計算所同樣創立於1956年，是我國第一個專門從事計算機科學技術綜合性研究的學術機構。

計算所主要研究信息處理、網絡安全、大數據處理、智能技術和虛擬現實技術等領域，曾研發出我國衆多的「第一」歷史性時刻，爲我國的高端計算機技術、數字化技術和通用CPU技術等方面作出了巨大貢獻。

例如，我國的第一臺通用數字電子計算機、第一臺109乙大型通用晶體管計算機、第一顆通用CPU芯片「龍芯1號」，以及全球PC市場份額第一的聯想集團前身皆誕生於此。

同樣，計算所亦是中科曙光、寒武紀、中科智芯、中科視拓和中科物棲等一衆AI企業的搖籃。

截至2015年，計算所的研究隊伍已超500人，其中中科院、工程院院士共5名，正高級專業技術人員70名。

而在未來，計算所也將計劃實現三個100億的產業目標，包括中科曙光市值達到100億美元、嵌入到華爲等企業的IT產品銷售100億人民幣、創業公司市值達到100億人民幣，真正成爲我國計算機產業的源頭。

3、中科院聲學研究所

與自動化所和計算所相比，聲學所則較爲「年輕」些，它成立於1964年。

聲學所主要負責聲學和信息處理技術學科的應用基礎，以及高技術發展研究，面向我國的海洋、安全、能源和生命健康等領域。

其中，聲學所的水聲物理與水聲探測、通信聲學和語言語音信息處理、聲學與數字系統集成等技術，不僅孵化了聲智科技等AI語音企業，同時也培育了一批如海天瑞聲創始人賀琳、小聲科技創始人陳孝良等產業人才。

截至2018年底，聲學所共有專業技術人員794人，包括正高級專業技術人員133人，副高級專業技術人員255人。

在國家重大科研項目領域，聲學所亦參與研製了我國「蛟龍」號載人潛水器的研發與應用，爲我國載人深潛技術的發展作出了突出貢獻。

中科院AI技術的「黑土地」不止於此，中科院軟件研究所、微電子研究所、半導體研究所等科研機構，同樣催生了衆多極具潛力的中科院系AI企業。

四、中科院的時代發展機遇

中科院系AI勢力的燎原，不僅僅是七十多年來科研技術和人才培養的厚積薄發，抓住了AI產業「甦醒」的時代機遇，亦是我國政策和中科院科技成果轉換的催化。

自我國的科技發展進程翻篇到新世紀，國家層面對AI技術和產業的嗅覺愈發靈敏。

國家高層領導人在2014年中國科學院第十七次院士大會、中國工程院第十二次院士大會開幕式上發表的一次重要講話，首次高度評價了AI和相關智能技術，無形中大力推動了我國AI技術的發展。

一年後，國務院正式頒佈了《中國製造2025》，加快推動新一代信息技術與製造技術融合發展，將推進智能製造作爲我國製造強國戰略的主攻方向。

至此，AI逐漸被提到了每一項重要產業中不可或缺的核心技術位置。

在國家政策的積極帶動下，中科院及下屬各個研究所亦開展了一場自上而下的政策規劃。

但立足於產業，如何更好地實現科技成果轉移轉化也成爲了中科院各項政策規劃的重要方向。

實際上，技術成果轉化的難點在於如何尋找技術產業化的方向。這常常缺乏專業的服務機構和人才，同時還面對部分科技成果轉化的政策不完善、科技成果與市場需求脫節等問題。

在政策方面，以下屬研究所爲例，中科院計算所在2016年制定了自身的「十三五」規劃，一是計算所發展模式要從自主創新轉變到引領創新，對標斯坦福大學；二是通過建設中科院網絡計算創新研究院，引領中國「信息高速鐵路」技術的發展；三則是支撐企業實現三個100億的產業目標。

以地方爲例，2018年，中科院科技促進發展局、中科院北京分院、中關村科技園區管理委員會共同推出了《促進中科院科技成果在京轉移轉化的若干措施》，通過支持科技成果轉化平臺建設、實驗室共享等十項舉措，推動更多科技成果在北京轉化落地。

此外，中科院還全資設立了國科創新公司，不斷探索產業技術研究院、技術企業孵化器和聯動創新產業園三種平臺的科技成果轉換模式。

截至目前，國科創新已實現了120多項科技成果轉換服務，覆蓋AI、智能製造、智能物流和智能電網等領域，孵化企業的融資規模已達到2.8億人民幣。

結語：七十載征程，中科院仍笑傲AI江湖

時光如流水，七十年的風吹雨打，中科院已然成長爲我國AI技術和產業力爭站立於世界潮頭的國之重器。

順延着它的歷史軌跡，我們可以看到，它AI勢力的強勢崛起，既有歷史的累積、人才培育的影響，也有一代代產業經驗累積後的良性循環。回顧中科院系AI企業的漫漫長路，它爲我國AI產業如何利用好產學研之間的合作優勢，提供了一個新的角度與思考方向。

但同時，我們也需意識到，在當下殘酷的AI落地戰和全球科技競賽激烈的環境中，我國整體的AI技術實力與國外仍存在一定的差距。

我國AI玩家們將要面臨的，不僅是全球科技競賽給市場格局帶來洗牌的陣痛，還需面對顛覆性技術爲各領域市場，乃至人們的生活帶來的巨大挑戰。生，便能乘着市場和資本的東風一躍而起，闖進商業落地的頭部陣營；死，便只能被大浪拍在岸邊的礁石上，隨着時間流逝被市場和資本遺忘。

未來，中科院系AI企業又將如何書寫這一頁歷史征程？時間將會告訴我們答案。

附圖：▲中科院研究單位統計表
▲我國自然科學工作者代表會議籌備會合影
▲自然指數全球百強機構前十名榜單
▲中科院改革開放四十年40項重大科技成果
▲我國AI領域專利數Top 10非大學科研機構（圖源中國新一代人工智能發展戰略研究院）
▲中科院學部院士年齡統計（圖源中科院官網）
▲陳國良院士
▲胡正明院士
▲賽迪網發佈2019年中國AI企業綜合實力百強名單
▲計算所成立公司情況（圖源計算所官網）

資料來源：https://bangqu.com/YDah49.html

呂錫民：水下物聯網如何實現智能海洋

【大紀元2019年12月09日訊】對人類而言，海洋不僅擁有大量石油、天然氣和魚類資源，而且還是國際貿易的重要渠道和潛在能源，如潮汐能和洋流發電。然而，由於水下環境的複雜性和水下設備的昂貴，海洋仍然缺乏智能和方便上的應用。

隨著物聯網(IoT)往水下環境擴展，水下物聯網（UIoT）日益成熟，已成開發智能海洋（SmartOcean）強大技術背景。我們將UIoT定義為一種具有自我學習和智慧運算的智能網絡。UIot通過有線或無線通信，來感測、監視和識別水下物體，從而構建智能海洋。

儘管具有獨特特徵的海洋可給人類帶來許多好處，但也對UIoT發展帶來限制。UIoT無法直接採用陸基IoT模型來設計，例如，洋流對UIoT的干擾，構成實際部屬上的不可忽視問題。洋流引起的UIoT水下節點移動，會影響網絡覆蓋範圍和數據傳輸質量。此外，水下聲學通信模式由於成本高、帶寬窄、誤碼率高、傳輸速度慢、能耗高等缺點，從而嚴重限制數據傳輸效率。尤其是，由於海水腐蝕和海水壓力影響，無法方便為節點電池充電，UIoT傳感器節點電池電量因此受到嚴格限制。未來UIoT應該智能地連接水下實體，就像目前陸基互聯網一樣。更重要的是，未來需要將人工智慧（AI）和霧運算結合在一起，帶給UIoT網絡一定的自我學習和智慧計算功能，使其能夠適應複雜水下環境，同時滿足海洋應用上的不同需求。

UIoT模型通常包括水下感應和傳輸組件（如，水下傳感器節點和水面節點）、水下計算和傳輸組件（如，自主水下航行器-AUV）、地面計算和傳輸組件（如，地面基地站-BS、水面艦艇和水面節點）和海岸控制組件（如，海岸BS和海岸控制中心）。

UIoT的簡單操作程序如下。首先，水下傳感器節點收集大量有價值海洋數據。然後，經由節點和AUV傳輸，完成相應數據融合和智慧計算。接著，數據透過水下節點和AUV，使用各種水下通信技術，傳輸到水面計算和傳輸組件。邊緣伺服器在地面上對水下有價值數據進行分析，用於水下網絡和海洋應用（如，資源勘探平台和深度範圍偵測等），其餘則通過無線電通信，傳輸到Internet雲伺服器或海岸控制中心。海岸控制中心從海洋和Internet雲伺服器收集數據，生成一系列智能決策，以促進人類海洋活動。此外，水下無線傳感器網絡（UWSN）可以提供海洋信息，實現用戶監視和預測水下環境事件，這也是UIoT的重要組成。

UIoT功能和結構與陸基IoT相似。但是，與IoT相比，UIoT還具有自己的網絡特性；例如，它是一個動態網絡，密度稀疏，本身是一個大型網絡，但水下通信通道質量較差。這些特性反而使得UIoT成為需要作更進一步研究的新型網絡。

眾所周知，目前UIoT採用大量異構設備，如，水下節點、水面艦艇和水下機器人，從而產生大量水下感知數據。從這些數據中提取知識時，需要使用雲運算和霧運算，以進行快速而準確的複雜計算。與IoT陸地環境相比，複雜的海洋環境使得UIoT水下網絡拓撲易受破壞。因此，需要人工智慧來優化網絡拓撲。也就是說，通過使用雲運算、霧運算和人工智慧，UIoT可在水下網絡中，建設更加實用的服務。

UIoT是一個包含多異構網絡的複雜系統，主要分為水下和非水下兩大部分，架構則細分五層：應用、融合、網絡、通信和傳感，其中每一層都具有獨立功能和可伸縮性。應用UIoT系統架構時，經由雲運算、霧運算和人工智慧等智能技術，可對IoT發展產生巨大影響。

其中的雲運算被定義為一種模型，可對配置計算資源共享池，提供無處不在、方便、按需網絡存取功能。該資源可通過最少管理工作或服務，進行交互而快速的配置與釋放。作為雲運算的擴展，霧運算對時間更加敏感，它是一個高度虛擬化平台，可在終端設備與傳統雲伺服器之間提供計算、存儲和聯網服務。另一方面，AI中的機器學習可以解決UIoT許多挑戰，例如，對象定位、事件檢測、數據傳輸、網絡安全和服務品質，透過檢測和訓練數據，機器學習是一種在一致性模式下提高機器性能的演算法。

實現UIoT願景並非易事，因為我們必須解決許多問題。構建UIoT主要理論隸屬四大部門：海洋學、通信理論、網絡理論、計算理論。在海洋學當中，有幾個重要理論影響著UIoT系統的架構設計，如海洋光學、海洋聲學、海洋電磁學、海洋動力學。通信理論包括水下編碼技術、水下聲學通信協定和各種水下通信技術。在構建UIoT水下網絡時，應該考慮主要水下網絡理論，如水下拓撲控制、水下路由協議、水下網絡設計、水下網絡修復。最後，計算理論包括演算法設計，以及可以智能處理水下數據的人工智慧。上述這些理論在建立UIoT水下網絡、設計思路與分析模式上，可以提供強健的研發基礎。

UIoT當前面臨另一主要挑戰和開放性問題是，脆弱的水下頻道會干擾水下無線通信品質。在水面環境下，無線電信號吸收速度非常快，而且會被嚴重干擾。水下光通信和磁感應通信不能實現長距離通信。因此，水下聲學通信（UAC）目前是大規模UIoT主要通信方法。但是，UAC的主要缺點在於，傳輸速度慢、多徑效應、時變效應、帶寬窄、誤碼率高、以及聲音信號容易受到各種因素影響。

水下無線通信技術，如聲學、無線光學、磁感應通信，已在全球許多研究機構研究多年。但是，當前大多數緊急海洋應用都依賴海底電纜進行數據傳輸，這是因為在水下長距離傳輸上，無線通信的性能比有線通信差，因此，對於UIoT的水下數據傳輸，基本上是以多種水下無線通信技術的水下多模態通信為主。

洋流移動性是UIoT水下傳感器網絡中不可避免的問題，UIoT水下網絡很容易發生中斷，進而嚴重破壞網絡拓撲的可靠性。此外，水下定位準確性也很容易受到洋流運動影響。儘管在UIoT模擬中已經應用某些洋流模型，但是這些模型不能準確描述海洋實際環境，因為洋流受許多因素（例如風和溫度）影響，這大大增加水下聯網難度。UIoT所有網絡元素優化有利於通信遂行，而最大化水下網絡效率也是當前研究人員研究熱點。

由於水下環境複雜、水下通信技術效率低且不可靠，所以，水下網絡可靠性很差。特別是，當水下網絡規模很大時，現有聯網策略已經不適用。基於機器學習的聯網和路由策略，在強大自我適應和計算能力驅動下，學者已針對IoT中大型地面無線傳感器網絡進行廣泛研究。但是，另一方面，UIoT各種水下網絡性能難以陸基IoT傳統方法來進行控制和優化，因為海洋環境比陸地環境要為複雜和多變。在未來UIoT研究當中，研究人員應關注大型水下網絡的可靠性和安全性，以確保及時、完整海量感知數據的傳輸。

展望未來，在大型UIoT網絡層的水下多模式下，網絡路由設計和AUV路徑規劃，使得機器學習前景看好。另外，具有自我學習功能的水下拓撲控制、拓撲重構和惡意節點檢測等方法至關重要。由於洋流的不規則動態運動，使得水下拓撲生成和網絡部署，需要有效的水下節點定位策略。

另一方面，為了取得高效、快速處理功能，其他主要挑戰尚有大數據(尤其是UAC傳輸來自不同水下網絡的數據)的計算協作。由於，海洋數據龐大且UAC帶寬狹窄，因此，數據收集間隔通常太長，往往不能保證協同運算的實時性能。此外，水下環境特別容易受到惡意攻擊，UIoT傳感器節點始終部署在無法接觸、無人看管、甚至是敵對的環境中，使得它們極易遭受各種類型破壞和威脅，即，協作運算準確性受到嚴厲挑戰。

除了上述挑戰之外，UIoT還面臨著與IoT相同的安全性和標準化問題。在UIoT建設早期階段，全球尚無統一標準來規範大型異構水下設備之間的傳輸和通信。因此，其有必要建立通用的UIoT全球標準，以簡化水下設備之間的傳輸和互動行為。

智能海洋被廣泛應用於與人類密切相關的海洋活動當中，例如智能海洋污染監測、智能深度監視、智能水下導航、智能水下資源勘探、智能水下旅遊、智能災難預警和智能水下入侵檢測。它可以幫助人們更全面了解海洋，更充分利用海洋能資源潛力，更方便管理海洋，從而更佳為人類提供服務。智能海洋要求UIoT在海洋中傳輸、計算、處理和保護各種有價值數據。也就是說，智能海洋實現取決於UIoT以下五項研究特點：水下無線通信、水下網絡、協作運算、安全性、標準化。如何加快UIoT這些研究，對於智能海洋發展尤具特殊意義。

（作者為台灣工研院能環所前研究員）

資料來源：http://www.epochtimes.com/b5/19/12/9/n11711158.htm?fbclid=IwAR07hKXlcrGV6WN1GaoFShl8T8Cr3Reo5A2-c0-b76mib99FvRjOAQswOi0

感謝東吳巨量資料學院的胡學長，貢獻了大數據英文用語的part 2囉！
這次胡學長focus在「機器學習篇」，以及介紹三個因為機器學習出現而發展非常快速的領域，分別是「文字」、「影像」和「音訊」。
大家不用覺得機器學習離我們很遙遠，像是youtube的推薦系統、google翻譯以及siri的背後通通都是使用機器學習的演算法哦！而且其實概念並不難，有興趣的孩子可以多探究！
——————————————————
🤖 胡哥+俐媽英文教室—機器學習篇 machine learning：
1️⃣ <機器學習四大類別>
* supervised learning 監督式學習
* semi-supervised learning 半監督式學習
* unsupervised learning 非監督式學習
* reinforcement learning 強化學習

2️⃣ <常見用語>
* cluster 分群
* classification 分類
* regression 迴歸
* model 模型
* parameter 參數
* predict 預測
* accuracy 準確率
* overfitting 過度擬合
* feature 特徵欄位
* label 目標欄位
* training data 訓練資料
* testing data 測試資料
* validation data 驗證資料
* standardization 資料標準化
* feature extraction 特徵提取
* dimension reduction 資料降維

3️⃣ <文字分析>
* text mining 文字探勘
* natural language process 自然語言處理
* text categorization 文本分類
* information retrieval 資訊檢索
* word segmentation 自動分詞
* machine translation 機器翻譯
* topic modeling 主題式分析
* sentiment analysis 文字情緒分析
* part of speech 文字詞性分析
* word embedding 詞向量轉換

4️⃣ <影像辨識>
* computer vision 電腦視覺
* image recognition 影像辨識
* image segmentation 影像切割
* image annotation 影像標注
* object detection 物件偵測
* face detection 人臉辨識

5️⃣ <音訊辨識>
* speech recognition 語音辨識
* signal extraction 訊號處理
* noise reduction 雜訊處理
* acoustic model 聲學模型
* time domain 時域
* frequency domain 頻域
* Fourier transform 傅立葉轉換
—————————————————
真是隔行如隔山，有你們提供其他專業領域英文，大家都彼此受惠!
感謝胡哥🙏🏼～
.
#俐媽英文教室 #俐媽英文教室徵稿中 #俐媽英文教室大數據篇 #謝謝胡哥 #東吳巨量資料學院 #大數據 #bigdata #AI #machinelearning

本集主題： #國立臺灣史前文化博物館 #臺灣南島民族廳

聽完了臺灣史前史，再來就是要進入了南島民族廳，邀請到展示教育組 #蔡念儒研究助理，來帶著聽眾朋友一起逛臺灣南島文化與臺灣的16個族群。

展覽說明：

　　臺灣南島民族的文化內涵相當豐富，且各族群的文化有異有同。本項展示採取一個族群一個主題的方式，介紹各種具有代表性的文化面向，包含族群關係、族群文化的多元性、建築文化、兩性與親屬、海洋文化、會所制度、生計方式、祭儀、精靈觀念、分合與連結等。展廳中除了呈現原九族文化，亦介紹近年歷經民族識別過程的七族，以完整呈現當代臺灣原住民族的重要發展歷程，及其族群文化，並且延伸介紹世界南島語族跨越海洋的文化連結。觀眾參觀所有的展示廳之後，對於南島民族文化的豐富內涵可以獲得一個初步的印象，並且做為更進一步探討的基礎。

社會人群關係：

　　本展示室為南島民族廳的第一廳，介紹了世界南島語族的範圍以及可能擴張的途徑，試以說明臺灣原住民族與世界南島的關係。透過多媒體的互動，一覽臺灣原住民族的基本概況，同時在展廳內迴廊上，還有多媒體觸控語言學習機，以真人發聲，學習臺灣原住民族的基本問候語。本展示室另呈現族群之間的人群關係，諸如透過契約的展示介紹平埔族與外來族群的互動關係。泰雅族與周邊族群的多元文化融合，在文面與織布文化上，又擁有在地的文化獨特性。排灣族的聚落與建築是以大型繪圖介紹部落的選址與空間佈局，而建築生活空間，則是以石板屋立體模型呈現。此外，在族群人群關係中，還介紹了阿美族重要的兩性分工的互動模式。

工藝、生計與社會：

　　本展示室的主題為雅美族（達悟族）海洋文化的工藝技術、卑南族會所制度的社會組織、魯凱族現代的生計方式等。縮為「工藝、生計與社會」作為展示室的標題。本展示室最醒目吸引人的，即是放置展廳中間的三艘雅美族拼板舟，並採用多媒體播放方式介紹整體架構的組成。展示中有十二人座的大型刻紋的拼板舟，也有小型無紋飾的拼板舟，它各具什麼特性，邀請您來參觀討論。在卑南族會所制度的介紹是運用多媒體播放，同時也放置了少年會所的模型，並且透過大型繪圖介紹了會所內學習的內容。此外，為了讓大眾瞭解臺灣原住民的現代生活情況，特別將魯凱族散布在各行各業的工作照片，製作成大型百工圖呈現在展示室的挑高牆面上。

祭儀與精靈觀念：

　　臺灣原住民族的原始信仰相當地特殊，本廳採用大型繪圖、文物與看板介紹賽夏族、鄒族、布農族的祭儀與精靈觀念。 並以多媒體播放賽夏族、鄒族的祭典紀錄片。賽夏族的矮人祭是南島民族之中相當特殊的祭典，祭祀中述說著族人與矮人之間的關係。這也是族人展現傳統祭儀、服飾與

社會型態的重要祭典：

　　戰祭與小米祭是鄒族的重要祭典，呈現部落與家屋的結構關係。近年來鄒族積極走出部落，進行以傳統儀式為基礎的文化展演，1997年演出舞台劇《Tsou伊底帕斯》。 布農族的巫術具有除病消災或使人身陷災厄的效果。巫術多由巫師進行，成巫儀式、法器以及每年增強法力的祭典是巫師力量的來源。但巫術絕非巫師的專利，而是所有的人都想要嘗試學會的一種能力。

分合與連結：

　　近年臺灣原住民族的民族意識逐漸提升，2000年後政府識別出七個民族。本主題除了用圖文介紹臺灣原住民族的歷史概況，以及識別出的七族傳統文化，同時也呈現七族強化的文化特質。如噶瑪蘭族的香蕉絲文創產業；撒奇萊雅族的重現火神祭；太魯閣族語言文字化的族語詞典；賽德克族文化展演的多媒體運用產物；邵族的觀光在地發展的神話商品；拉阿魯哇族的貝神祭；卡那卡那富族的米貢祭。此外，臺灣原住民族的發展，已跨越到世界南島語族的視野。在最後，以大量的活動照片（包括南島語族文化特徵，以及在臺灣與海外舉辦的各項交流活動「南島文化節」、「世界原住民廣電聯展」、「南島語族至臺灣原住民族部落探尋」、「臺灣原住民族海外南島文化交流」等），呈現臺灣原住民族與世界南島語族的重要關係。

請大家支持，我全部六個粉絲頁
李基銘主持人粉絲頁：https://www.facebook.com/voh.lee
李基銘的亂亂分享粉絲頁：https://www.facebook.com/voh.happy
李基銘的影音頻道粉絲頁：https://www.facebook.com/voh.video
漢聲廣播電台「fb新鮮事」節目粉絲頁：https://www.facebook.com/voh.vhbn
漢聲廣播電台「快樂玩童軍」節目粉絲頁：https://www.facebook.com/voh.scout
漢聲廣播電台「生活有意思」節目粉絲頁：https://www.facebook.com/voh.life