战略性新兴产业融合集群发展此正其时
➤推动战略性新兴产业融合集群发展，可以更好地发挥产业集群的集聚效应和科技外溢效应，实现人才、技术、资金的有机结合和效益最大化，有助于在较短时间内补短板强弱项，促进产业结构优化，推动高质量发展
文 | 孙仁斌
代表科技创新和产业发展方向的战略性新兴产业，对我国经济社会全局和长远发展具有重大引领带动作用。党的二十大报告提出，推动战略性新兴产业融合集群发展，构建新一代信息技术、人工智能、生物技术、新能源、新材料、高端装备、绿色环保等一批新的增长引擎。
近年来，我国战略性新兴产业发展势头迅猛，涌现出一批创新能力强、发展潜力足、带动作用大的优质企业和战略性新兴产业集群。
据国家统计局测算，2021年，战略性新兴产业增加值占GDP比重为13.4%，其中，规模以上工业战略性新兴产业增加值比上年增长16.8%，高技术制造业增加值比上年增长18.2%，这类产业已形成经济增长的强大动能。
同时也应看到，目前我国产业链整体上处于国际分工体系的中低端，大而不强、宽而不深；受新冠肺炎疫情及全球经济放缓影响，一些具有国际竞争力的产业链上中下游不配套等问题进一步显现；现代服务业与制造业融合发展不足，科技、产业、金融之间的良性循环尚未形成。
也因之，中央从“加快构建新发展格局、着力推动高质量发展”的高度，强调“推动战略性新兴产业融合集群发展”，意义重大。
推动战略性新兴产业融合集群发展，有助于优化我国产业结构，推动高质量发展。我国制造业增加值2010年首次超过美国后，已连续多年稳居世界第一，但在核心零部件、重大基础装备和关键技术等领域，仍存在“卡脖子”难题。通过战略性新兴产业融合集群发展，可以更好地发挥产业集群的集聚效应和科技外溢效应，实现人才、技术、资金的有机结合和效益最大化，有助于补短板强弱项，优化产业结构。
推动战略性新兴产业融合集群发展，有助于提升科技创新水平，抢占新一轮科技革命和产业变革的制高点。全球产业升级与发展路径表明，集群化是有效解决创新总量不足、水平总体不高、区域发展不平衡等问题的重要方式。产业融合集群发展，一方面可通过深度融合“抱团取暖”，弥补技术水平、资本规模方面的差距，破解部分行业“大而不强”难题；另一方面，也可借助集群方式嵌入全球价值链，增强产业链竞争力，提升我国在国际分工中的地位和水平。
推动战略性新兴产业融合集群发展，有助于培育壮大新的增长点，加快构建现代化产业体系。现代化产业体系是现代化国家的物质支撑，是实现经济现代化的重要标志。大力发展战略性新兴产业，能够进一步完善产业发展形态，激发新兴产业主体活力，培育壮大新的经济增长引擎，加快构建现代化产业体系。
从全球产业趋势看，以新技术为支撑的战略性新兴产业快速成长，我国推进战略性新兴产业融合集群发展此正其时。
首先，培育先导性和支柱性产业，构筑产业体系新支柱。应着眼于抢占未来产业发展先机，推动战略性新兴产业融合化、集群化发展。加快关键核心技术创新应用，增强要素保障能力，建设创新和公共服务综合体。
其次，补短板与锻长板并举，增强产业优势。面对日趋激烈的全球竞争，一方面要重点突破制约产业升级的瓶颈，构筑制造强国的根基；另一方面要着力打造具有国际竞争力的优势产业，提升在国际分工体系中的话语权。
第三，创新管理优化服务，释放新兴产业主体活力与动能。目前我国已有不少地方开始布局谋划战略性新兴产业发展。要注意结合本地实际寻找重点培育领域，避免盲目跟风、同质化竞争；应充分发挥市场在资源配置中的决定性作用，更好发挥政府作用，做好产业规划和配套服务、优化营商环境、加强知识产权保护等工作，营造良好发展氛围。
蓝图已经绘就，号角已经吹响。我国超大规模市场优势突出、产业体系比较系统完备，推动战略性新兴产业融合集群发展，构建增长新引擎，实现经济高质量发展前景广阔，未来可期。□
人工智能教育的现状与前景分析
人工智能和教育的关系越来越密切，因为它可能革新我们的教学方式。相关数据表明，全球大约有2.65亿儿童不能上学，还有约6亿儿童的小学数学、写作、阅读等都不熟练，而人工智能作为新兴技术，已经剧烈改变了孩子们的教育模式。
人工智能可以让声音转换成文字，能通过拍照的方式将纸上的文字全部转换为电子文档，数学、物理等学科都可以通过人工智能来进行批改。也可以帮助说方言的孩子学习普通话和外语。技术的提升和机器的运算处理不断升级，都为人工智能的发展提供了极大的动力支持，也为教育带来了更加便捷的方式。
未来AI+教育应用场景
01
教育环境
利用计算技术实现物理空间和虚拟空间的融合、基于人工智能技术作为智能引擎，建立支持多样化学习需求的智能感知能力和服务能力。
02
学习过程
在各类人工智能技术的支持下，构建认知模型、知识模型、情境模型，并在此基础上针对学习过程中的各类场景进行智能化支持，实现学习者和学习服务的交流、整合、重构、协作、探究和分享。
03
教育评价
在试题生成、自动批阅、学习问题诊断等方面发挥重要的评价作用，还可以对学习者学习过程中知识、身体、心理状态的诊断和反馈，在学生综合素质评价中发挥不可替代的作用，包括学生问题解决能力的智能评价、心理健康检测与预警、体质健康检测与发展性评估，学生成长与发展规划等。
04
教师助理
替代教师日常工作中重复的、单调的、规则的工作，还可以增强教师的其他工作能力，使得教师能够处理以前无法处理的复杂事项。对学生提供以前无法提供的个性化、精准的支持，传授知识效率大幅度提升，有更多的时间与精力来关注每个学生的身心全面发展。
05
管理与服务
通过大数据的收集和分析建立起智能化的管理手段，形成人机协同的决策模式，洞察教育系统运行过程中问题本质与发展趋势，有效提升教育质量并促进教育公平。
人工智能在传统教育领域的广泛应用，为传统的教育模式注入了新的活力。推动了教学与管理模式的变革，也使教育在一次又一次的变革中不断探索新的方向。未来，在人工智能时代，全智能化、个性化的优质教育或许离我们并不遥远。返回搜狐，查看更多
推动体育产业高质量融合发展
体育产业是现代服务业的重要组成部分，是推动国民经济发展的重要力量。近年来，随着全民健身战略和健康中国战略的深入实施，我国体育产业显示出巨大市场潜力和强劲发展动力。2022年北京冬奥会的举办推动了冰雪经济、中国体育事业的发展，我国提前实现“带动三亿人参与冰雪运动”的目标，为全球奥林匹克事业作出了新的贡献。“十四五”规划对体育事业、体育产业发展提出了更高要求，对接体育强国建设2035年目标，我国体育产业将迎来怎样的机遇和挑战，本期特邀4位专家深入研讨。
经济日报社编委、中国经济趋势研究院院长孙世芳
经济日报记者常理
经济效益与社会效益双效协同
主持人：我国体育产业发展现状如何？
白宇飞（中国管理科学学会体育管理专业委员会主任委员、北京体育大学体育商学院教授）：改革开放以来，我国体育产业经历了从无到有、从小到大、由弱渐强的发展历程。宏观政策积极引导、市场主体主动探索、消费需求持续培育与激发，共同支撑了体育产业经济效益日益增加与社会效益日趋扩大双效协同发展的基本面，体育产业逐步成为我国经济转型升级的重要助推力量。
一是总体规模不断壮大。数据显示，2020年全国体育产业实现总产出27372亿元、增加值10735亿元。与之相对，北京奥运会成功举办的2008年，全国体育及相关产业实现增加值1554.97亿元，体育产业增加值2008年至2020年间的平均增速高达17.5%。根据《全民健身计划（2021—2025年）》，我国体育产业总规模到2025年预计达到5万亿元。体育产业快速扩张是对经济平稳较快发展的客观反映，是收入分配改善和消费需求释放的必然结果。加之体育消费高收入弹性的特征，其发展明显快于国内生产总值增长速度。
二是结构体系渐趋完善。从宏观视角来看，体育产业结构布局显著优化。数据显示，2008年我国体育用品、服装鞋帽制造的产业增加值占比接近70%，2020年降至29.3%，而体育服务业总产出连续两年超过前者。体育产业由传统制造业拉动转向更具现代产业特征的服务业与制造业并行驱动，发展韧性增强。从微观视角来看，多元化市场体系丰富和完善了体育产业发展内涵。
三是就业规模稳步增长。据相关统计数据，2008年全国体育产业从业人员规模为317.09万人，2019年增长至505.1万人。根据《“十四五”体育发展规划》发展目标，2025年我国体育产业从业人员超过800万人。在体育制造业加速向服务业延伸实现产业升级的进程中，其较强的综合带动能力能够有效吸纳新增劳动力资源。
四是治理能力显著提升。党的十八大以来，《关于加快发展体育产业促进体育消费的若干意见》等政策相继出台，进一步明确了与体育产业相关的品牌赛事、特色小镇、城市体育服务综合体等治理对象及内涵，尤其通过深化“放管服”改革形成了有利于体育强国和健康中国建设的良好制度环境。
五是数字技术支撑作用有效发挥。5G通信、人工智能等前沿技术蓬勃发展，积极赋能体育产业数字化转型。一方面，卫星直播技术、大数据算法与互联网传播渠道的结合有效提升了体育产业的供给能力。另一方面，数字技术突破了体育消费市场的刻板形态，智能体育发展突飞猛进，居家健身服务消费等新模式不断涌现。
六是产业融合发展趋势凸显。近年来，体育产业与医疗、文化、旅游休闲等产业加速融合，体育产品与服务品质不断提升。如与旅游休闲的产业融合，凭借产业资源的整合、互补与共享树立“体育+旅游”的全域化优势，为未来体育产业消费升级提供了增长潜力和动能储备。
政策引导推动全方位长足进步
主持人：体育产业高质量发展离不开政策支持，有哪些重要的产业政策，取得了怎样的效果？
郑志强（集美大学体育学院教授）：随着社会经济迅速发展，我国体育产业发展进入快车道，如何进一步强化体育产业要素保障，激发市场活力和消费热情，推动体育产业成为国民经济支柱性产业，成为新时代体育产业面临的重大课题。
我国体育产业的发展与相关产业政策的扶持引导息息相关。2010年《关于加快发展体育产业的指导意见》出台，首次从国家层面对体育产业进行规划梳理并提出目标任务，强调体育事业与体育产业协调发展，就体育健身市场、竞赛和表演市场等6个方面提出任务要求，并提出投融资、税费政策等7方面具体措施。2014年国务院印发《关于加快发展体育产业促进体育消费的若干意见》，体育产业首次被定位于拉动内需和经济转型升级的“特殊”产业，到2025年基本建立布局合理、功能完善、门类齐全的体育产业体系。2016年《体育产业发展“十三五”规划》提出，实现体育产业总规模超过3万亿元、产业增加值在国内生产总值中的比重达1%等目标，体育产业成为推动经济转型升级的重要力量。2019年国务院出台《关于促进全民健身和体育消费推动体育产业高质量发展的意见》，提出深化“放管服”改革、完善产业政策、优化产业布局等10方面举措，推动体育产业成为国民经济支柱性产业。不同时期产业政策重点有所不同，政策目标也随之不断量化、细化，但不变的是，一系列产业政策推动体育产业实现了更高水平、更高质量、更可持续发展。
一是产业基础不断夯实壮大。具体来看，我国体育产业总规模稳步提升，从2015年的1.71万亿元扩大到2020年的2.74万亿元，占GDP比重在1%以上，总规模和增加值的增速均高于同期GDP增速。产业结构日益优化，2020年我国体育服务业增加值为7374亿元，占体育产业增加值的比重为68.7%，超过传统体育用品制造成为带动产业发展的主引擎。市场活力不断凸显，2019年底全国体育产业法人单位28.9万个，比2015年增加1.5倍。产业基础进一步夯实，2020年全国人均体育场地面积2.2平方米，体育人口占比37.2%，居民人均体育消费支出1330.4元，比“十二五”末分别增长40.1%、9.7%和43.7%。
二是特色体育产业获得长足进步。“十三五”期间，冰雪运动、山地户外、水上运动等新兴细分市场快速发展，极大丰富了原有产业结构，不同运动项目产业规划出台，有效提升了项目的运营规范化、产业发展体系化和市场开发特色化。以冰雪运动为例，2022年1月国家体育总局发布《“带动三亿人参与冰雪运动”统计调查报告》显示，2015年北京成功申办冬奥会以来，全国居民参与过冰雪运动的人数为3.46亿人，冰雪运动参与率为24.56%，“带动三亿人参与冰雪运动”的发展目标顺利达成。冰雪产业初步形成了以健身休闲为主，竞赛表演、场馆服务、运动培训、装备制造和体育旅游等业态协同发展的产业格局。2022年北京冬奥会成功举办，进一步点燃了全国人民对冰雪运动的热情，必将推动冰雪运动迈向新高度。据测算，2020年我国冰雪产业、水上运动产业、山地户外运动产业、航空运动产业和马拉松运动产业的规模分别达到6000亿元、3000亿元、4000亿元、2000亿元和1200亿元，这些新兴产业成为激发社会活力和引导消费的新动能。
三是体育产业载体发挥引领示范作用。“十三五”期间，我国建成一批体育产业集群式示范区和综合性平台，国家体育产业基地达到298个，新增体育消费试点城市40个，培育国家级运动休闲特色小镇试点项目96个，推出108条黄金周体育旅游精品线路和30个国家体育旅游精品赛事。这些示范性体育产业载体对于提升体育产业集聚发展水平和规模发展水平，实现体育提质增效发挥了重要支撑作用。
四是区域体育产业协同健康发展。体育产业积极对接“一带一路”倡议和京津冀协同发展、长江经济带、西部大开发、东北振兴、中部崛起等战略，发挥京津冀、长三角、粤港澳大湾区以及成渝经济圈等体育产业发展优势，区域协同和产业布局不断强化。北京、天津和河北制定了《京津冀体育产业协同发展规划》等文件，将京津冀体育产业一体化发展作为重点示范项目，培育体育产业经济带和示范区。上海、江苏、浙江、安徽等地通过《长三角体育一体化协作协议（2021—2025）》，明确了长三角体育全领域一体化的协作机制。广东、香港、澳门将共同承办2025年第十五届全国运动会，粤港澳大湾区首次作为一个整体承办大型综合性体育赛事，迎来共同打造体育品牌赛事的大机遇。成都和重庆通过体育产业“六个一工程”建设（包括建立体育产业协作机制、共同创建全国体育旅游示范区、成立成渝体育产业联盟等）以及探讨合作举办奥运会的可能性，使体育产业成为推动成渝地区经济发展新的增长点。
新发展阶段，我国体育产业面临新的发展形势。党的十九届六中全会强调，必须实现创新成为第一动力、协调成为内生特点、绿色成为普遍形态、开放成为必由之路、共享成为根本目的的高质量发展，推动经济发展质量变革、效率变革、动力变革。这为我国划分不同产业序列，完善体育产业政策提供了根本遵循和逻辑起点。
产业结构优化目标和实施路径
主持人：现阶段我国体育产业结构存在哪些问题亟待解决？未来体育产业结构优化目标与实施路径有哪些？
王飞（哈尔滨体育学院体育人文社会学院院长）：体育产业结构优化是构建体育产业新发展格局的引擎，实现结构优化需要双管齐下：既要保证体育产业结构实现合理化目标，又要兼顾高级化发展方向。
“十三五”时期，我国体育产业结构逐渐多元化，产业链日益延伸，体育企业的专业化程度逐步加强，但亟须解决的问题也开始凸显。问题一是主导性体育产业的联动效应不明显。体育产业结构划分上，健身休闲业、竞赛表演业是核心组成部分，对体育产业发展起主导性作用。但现实发展中，二者产业关联效果并不突出，对体育产业整体发展的带动性未显著形成，特别是竞赛表演业联动力较薄弱，赛事数量不充足。问题二是冬夏体育资源的整体开发不均衡。从类别上看，目前夏季体育资源开发途径多元化、服务类别丰富，而冬季体育资源开发形式单一，服务供给以冰雪场地使用、运动技能培训及冰雪体育旅游为主要方式，市场化配置效率不高。同时，冰雪体育消费黏性不强，冰雪体育产业结构未实现多元化。问题三是体育产业链的纵向整合不理想。体育产业链越长，资源配置越充分，专业化分工就越精细。但目前我国体育产业链整合能力不强，尤其是纵向整合弱化，各环节差距较大。体育产业作为附加值需求较高的第三产业，需要对产业链各环节进行有效整合。问题四是体育产业体系的现代化水平不高。目前我国体育产业体系中，智能化体育装备和设备的制造水平较低、现代化体育服务质量不高、创新性体育服务组成比例过低。特别是大数据、区块链及人工智能等新技术的赋能效果并不理想。
实现体育强国建设目标，我国体育产业结构也要做出相应调整。一要切中短板，联动性协调体育产业结构。应充分依托“全民健身战略”与“全民健康战略”的深度融合，增大健身休闲业在体育产业中的关联作用。同时，重视竞赛表演业升级，真正激发赛事产业的联动能力。针对性提升体育培训业和高端制造业的发展速度，协调其他体育产业发展同样迫切。还需从不同角度审视体育产业结构，特别是平衡冬夏体育资源开发中的差距，抓住北京2022年冬奥会的重要机遇期，全面提升冰雪体育消费积极性，为冬夏季项目均衡发展提供有力的产业性支持。二要融合引导，多元化强韧体育产业结构。近年来，体育小镇、体育服务综合体及智慧体育场馆的建设都是强韧体育产业结构的重要内容，未来应进一步强化融合引导，加快“体育+”工程的实施效果，提升体育与健康服务及旅游等产业深度融合，全面促进体育消费的体制增容。另外，通过扩大体育服务及产品的消费类别，增强体育消费黏性防止产业链脆弱和断裂，提升自我修复能力。三要引入创新，质量化拓展体育产业结构。通过生产要素创新，增强体育产业结构的高级化，激发科技、资本、人才及数据等关键性要素创新作用；通过消费机制创新，优化体育产业结构的分工布局，提升体育产业链的关联与融合能力；通过服务平台创新，保障体育产业结构的优化效果，增强政策的引导作用。
智能化现代化一体化趋势明显
主持人：随着时代进步，体育与旅游、养老等产业融合的新型业态不断涌现。产业融合对未来体育产业发展会产生哪些影响，如何更进一步推动融合发展？
邹新娴（北京体育大学管理学院教授、国家体育总局全民健身计划专家组成员）：步入新时代的体育产业发生了深刻变化，产业融合逐步渗透到各行各业，预计未来体育产业发展的“三化”趋势更加明显。
一是“智能化”纵深发展凸显。随着5G、大数据、区块链等新一代信息技术在体育制造技术、服务创新、商业模式优化中的融合应用，“体育制造”向“体育智造”转型不断加快。随着体育与旅游、养老等产业融合程度加深，以体育促进健康、满足娱乐与身心放松等多层次需求成为未来引领体育消费的重要抓手。从消费视角看，将形成集消费趋势智能预测、消费场景智能感知、消费效果智能评估与反馈等为一体的智能消费模式；从供给侧看，“体育智造”升级力度将进一步加大，体育产业智能技术、装备、服务更加完善，助力体旅、体卫融合等产业融合发展的功能更加多元，体育产业高质量发展不断向纵深推进。
二是“现代化”产业链条完善。一方面，体育产业内部链条不断延伸。随着体育产业融合发展的深入推进，体育本体产业不断变革，产业结构逐步优化，新产品、新技术、新服务不断涌现，在有效提升消费者需求层次的同时，也改变了传统体育产业部门的生产与服务方式，向信息、知识和技术密集型产业转变。另一方面，体育产业交叉业态频繁发力。借助不同产业的功能互补和延伸，形成了发展有序、层次分明、结构优化、特色凸显的融合型体育产业新体系。
三是“一体化”发展战略突出。随着京津冀协同发展、长江经济带发展、粤港澳大湾区建设等一系列重大战略的提出，我国区域一体化发展稳步推进。在产业融合背景下，体育产业通过不断推进优质资源和生产要素的跨区域流动，也将迎来“一体化”发展新契机。《京津冀体育产业协同发展规划》《长三角地区体育产业一体化发展规划（2021—2025）》《成渝地区双城经济圈体育产业协作协议》等政策出台，凸显了资源共享、产业联动的重要意义。
推动体育产业融合高质量发展，可以从3个方面着手。一方面，加强常态化制度的引领功能。首先，要优化出台针对体育产业融合的专项政策。以资金、人才、土地等要素投入为重点，以全方位政策体系支持为核心，支撑“全体育”产业链发展。其次，要建立健全畅通的沟通联络机制。以体育产业融合涉及的部门为中心，以搭建部门联席会议制度等为抓手，制定体育产业融合发展规划。再次，要打造区域体育产业融合示范项目。建立体育产业融合示范项目评选体系，树立区域体育产业融合标杆，充分发挥示范引领作用，推动体育产业融合品质整体升级。
另一方面，发挥多元化市场的导向作用。市场需求是体育产业融合的重要动力，消费需求、企业需求、资本需求等均推动着体育与其他产业的融合。因此，建立以市场为导向的体育产业融合发展模式至关重要。要通过吸引社会力量丰富体育产业融合的产品、服务，满足现有多元化消费需求。同时，充分发挥新一代信息技术优势，依托资本引进和企业创新等，开发面向未来的融合产品和服务，打造具有区域特色的融合品牌，助力体育产业融合消费升级。
此外，要优化人才引育激励机制。根据体育产业融合的需求制定一整套人才培育、引进、激励与保障体系。要优化人才引育机制，依托高等院校人才培养优势，积极打造“产学研用”一体化的人才培养体系。同时，完善激励与保障机制。加大人才政策与配套服务的支持力度，建立充分体现知识、技术等创新要素价值的精准激励机制，激发高端化人才在体育产业融合发展方面的干事创业活力。
[责编：刘梦甜]人工智能的发展与未来
随着人工智能（artificialintelligent，AI）技术的不断发展，各种AI产品已经逐步进入了我们的生活。
现如今，各种AI产品已经逐步进入了我们的生活｜Pixabay
19世纪，作为人工智能和计算机学科的鼻祖，数学家查尔斯·巴贝奇（CharlesBabbage）与艾达·洛夫莱斯（AdaLovelace）尝试着用连杆、进位齿轮和打孔卡片制造人类最早的可编程数学计算机，来模拟人类的数理逻辑运算能力。
20世纪初期，随着西班牙神经科学家拉蒙-卡哈尔（RamónyCajal）使用高尔基染色法对大脑切片进行显微观察，人类终于清晰地意识到，我们几乎全部思维活动的基础，都是大脑中那些伸出细长神经纤维、彼此连接成一张巨大信息网络的特殊神经细胞——神经元。
至此，尽管智能的具体运作方式还依然是个深不见底的迷宫，但搭建这个迷宫的砖瓦本身，对于人类来说已经不再神秘。
智能，是一种特殊的物质构造形式。
就像文字既可以用徽墨写在宣纸上，也可以用凿子刻在石碑上，智能，也未必需要拘泥于载体。随着神经科学的启迪和数学上的进步，20世纪的计算机科学先驱们意识到，巴贝奇和艾达试图用机械去再现人类智能的思路，在原理上是完全可行的。因此，以艾伦·图灵（AlanTuring）为代表的新一代学者开始思考，是否可以用二战后新兴的电子计算机作为载体，构建出“人工智能”呢？
图灵在1950年的论文《计算机器与智能（ComputingMachineryandIntelligence）》中，做了一个巧妙的“实验”，用以说明如何检验“人工智能”。
英国数学家，计算机学家图灵
这个“实验”也就是后来所说的“图灵测试（Turingtest）”：一名人类测试者将通过键盘和显示屏这样不会直接暴露身份的方式，同时与一名人类和一台计算机进行“网聊”，当人类测试者中有七成都无法正确判断交谈的两个“人”孰真孰假时，就认为这个计算机已经达到了“人工智能”的标准。
虽然，图灵测试只是一个启发性的思想实验，而非可以具体执行的判断方法，但他却通过这个假设，阐明了“智能”判断的模糊性与主观性。而他的判断手段，则与当时心理学界崛起的斯纳金的“行为主义”不谋而合。简而言之，基于唯物主义的一元论思维，图灵和斯金纳都认为，智能——甚至所有思维活动，都只是一套信息处理系统对外部刺激做出反应的运算模式。因此，对于其他旁观者来说，只要两套系统在面对同样的输入时都能够输出一样的反馈，就可以认为他们是“同类”。
1956年，人工智能正式成为了一个科学上的概念，而后涌现了很多新的研究目标与方向。比如说，就像人们在走迷宫遇到死胡同时会原路返回寻找新的路线类似，工程师为了使得人工智能达成某种目标，编写出了一种可以进行回溯的算法，即“搜索式推理”。
而工程师为了能用人类语言与计算机进行“交流”，又构建出了“语义网”。由此第一个会说英语的聊天机器人ELIZA诞生了，不过ELIZA仅仅只能按照固定套路进行作答。
而在20世纪60年代后期，有学者指出人工智能应该简化自己的模型，让人工智能更好的学习一些基本原则。在这一思潮的影响下，人工智能开始了新一轮的发展，麻省理工学院开发了一种早期的自然语言理解计算机程序，名为SHRDLU。工程师对SHRDLU的程序积木世界进行了极大的简化，里面所有物体和位置的集合可以用大约50个单词进行描述。模型极简化的成果，就是其内部语言组合数量少，程序基本能够完全理解用户的指令意义。在外部表现上，就是用户可以与装载了SHRDLU程序的电脑进行简单的对话，并可以用语言指令查询、移动程序中的虚拟积木。SHRDLU一度被认为是人工智能的成功范例，但当工程师试图将这个系统用来处理现实生活中的一些问题时，却惨遭滑铁卢。
而这之后，人工智能的发展也与图灵的想象有所不同。
现实中的人工智能发展，并未在模仿人类的“通用人工智能（也称强人工智能）”上集中太多资源。相反，人工智能研究自正式诞生起，就专注于让计算机通过“机器学习”来自我优化算法，最后形成可以高效率解决特定问题的“专家系统”。由于这些人工智能只会在限定好的狭窄领域中发挥作用，不具备、也不追求全面复杂的认知能力，因此也被称为“弱人工智能”。
但是无论如何，这些可以高效率解决特定问题的人工智能，在解放劳动力，推动现代工厂、组织智能化管理上都起到了关键作用。而随着大数据、云计算以及其他先进技术的发展，人工智能正在朝着更加多远，更加开放的方向发展。随着系统收集的数据量增加，AI算法的完善，以及相关芯片处理能力的提升，人工智能的应用也将逐渐从特定的碎片场景转变为更加深度、更加多元的应用场景。
人工智能让芯片的处理能力得以提升｜Pixabay
从小的方面来看，人工智能其实已经渐渐渗透进了我们生活的方方面面。比如喊一声就能回应你的智能语音系统，例如siri，小爱同学；再比如在超市付款时使用的人脸识别；抑或穿梭在餐厅抑或酒店的智能送餐机器人，这些其实都是人工智能的应用实例。而从大的方面来看，人工智能在制造、交通、能源及互联网行业的应用正在逐步加深，推动了数字经济生态链的构建与发展。
虽然脑科学与人工智能之间仍然存在巨大的鸿沟，通用人工智能仍然像个科幻梦，但就像萧伯纳所说的那样“科学始终是不公道的，如果它不提出十个问题，也永远无法解决一个问题。”科学总是在曲折中前进，而我们只要保持在不断探索中，虽无法预测是否能达到既定的目的地，但途中终归会有收获。
参考文献
[1]王永庆.人工智能原理与方法[M].西安交通大学出版社,1998.
[2]Russell,StuartJ.ArtificialIntelligence:AModernApproach[J].人民邮电出版社,2002.
[3]GabbayDM,HoggerCJ,RobinsonJA,etal.Handbookoflogicinartificialintelligenceandlogicprogramming.Vol.1:Logicalfoundations.,1995.
[4]胡宝洁,赵忠文,曾峦,张永继.图灵机和图灵测试[J].电脑知识与技术：学术版,2006(8):2.
[5]赵楠,缐珊珊.人工智能应用现状及关键技术研究[J].中国电子科学研究院学报,2017,12(6):3.
[6]GeneserethMR,NilssonNJ.LogicalFoundationofArtificialIntelligence[J].brainbroadresearchinartificialintelligence&neuroscience,1987
作者：张雨晨
编辑：韩越扬
[责编：赵宇豪]【干货】人工智能产业产业链全景梳理及区域热力地图
当前位置：前瞻产业研究院»经济学人»研究员专栏【干货】人工智能产业产业链全景梳理及区域热力地图UVc分享到：朱茜•2021-08-0909:00:30来源：前瞻产业研究院E18899G12023-2028年中国人工智能行业发展前景预测与投资战略规划分析报告2023-2028年全球人工智能芯片（AI芯片）行业市场调研与发展前景研究报告2023-2028年中国大数据产业发展前景与投资战略规划分析报告2023-2028年中国云计算产业发展前景预测与投资战略规划分析报告2023-2028年中国生物识别技术行业市场调研与投资预测分析报告人工智能产业主要上市公司：目前国内人工智能行业的上市公司主要有百度百度(BAIDU)、腾讯(TCTZF)、阿里巴巴(BABA)、科大讯飞(002230)等。
人工智能产业产业链全景梳理：产业链涵盖行业庞大
人工智能产业链包括三层：基础层、技术层和应用层。其中，基础层是人工智能产业的基础，主要是包括AI芯片等硬件设施及云计算等服务平台的基础设施、数据资源，为人工智能提供数据服务和算力支撑;技术层是人工智能产业的核心，以模拟人的智能相关特征为出发点，构建技术路径;应用层是人工智能产业的延伸，集成一类或多类人工智能基础应用技术，面向特定应用场景需求而形成软硬件产品或解决方案。
人工智能产业产业链区域热力地图：四大都市圈最集中
继国家出台《新一代人工智能发展规划》之后，各省市自治区纷纷响应，制定了各自的人工智能发展规划、实施意见和行动方案。地方政府的政策不仅在针对国家战略作出响应，还在对当地智能企业和产业发展需求的作出响应。
目前，我国人工智能企业主要分布在京津冀、长三角、珠三角、川渝四大都市圈。京津冀区域竞争力最强，长三角位列第二，珠三角位列第三。
从人工智能行业代表性企业的所属地分布来看，北京、深圳市人工智能代表性企业的集中地。
人工智能产业产业园区分布图：东部沿海地区分布较多
截至目前中国新一代人工智能创新发展实验区已经获批的地区主要集中在东部沿海地区，主要围绕北京、杭州、深圳展开。已经获批的地区有北京、天津、济南、苏州、安徽、上海、杭州、德清县、西安、武汉、长沙、深圳、广州、成都、重庆。
人工智能产业代表性企业产品情况
从人工智能企业的核心技术布局来看，百度、腾讯、阿里云、华为等头部平台企业已布局了多项AI技术;而像平安科技、京东、小米等融合性公司，其技术布局主要针对应用层，针对性较强。
人工智能产业代表性企业最新投资动向
2020年以来，人工智能产业代表性企业的投资动向主要包括收购公司拓展业务、通过对子公司增资的方式投资人工智能生产基地项目。人工智能产业代表性企业最新投资动向如下：
以上数据参考前瞻产业研究院《中国人工智能行业市场前瞻与投资战略规划分析报告》，同时前瞻产业研究院还提供产业大数据、产业研究、产业链咨询、产业图谱、产业规划、园区规划、产业招商引资、IPO募投可研、招股说明书撰写等解决方案。
更多深度行业分析尽在【前瞻经济学人APP】，还可以与500+经济学家/资深行业研究员交流互动。
前瞻产业研究院-深度报告REPORTS2023-2028年中国人工智能行业发展前景预测与投资战略规划分析报告本报告前瞻性、适时性地对人工智能行业的发展背景、供需情况、市场规模、竞争格局等行业现状进行分析，并结合多年来人工智能行业发展轨迹及实践经验，对人工智能行业未来...
查看详情
本文来源前瞻产业研究院，内容仅代表作者个人观点，本站只提供参考并不构成任何投资及应用建议。（若存在内容、版权或其它问题，请联系：service@qianzhan.com）品牌合作与广告投放请联系：0755-33015062或hezuo@qianzhan.com在招股说明书、公司年度报告等任何公开信息披露中引用本篇文章内容，需要获取前瞻产业研究院的正规授权。如有IPO业务合作需求请直接联系前瞻产业研究院IPO团队，联系方式：400-068-7188。
p22q1我要投稿
UVc分享：标签：人工智能产业链全景人工智能产业链区域热力地图人工智能行业品牌、内容合作请点这里：寻求合作››
产业规划
园区规划
产业招商
可行性研究
碳中和
市场调研
IPO咨询
前瞻经济学人专注于中国各行业市场分析、未来发展趋势等。扫一扫立即关注。前瞻产业研究院中国产业咨询领导者，专业提供产业规划、产业申报、产业升级转型、产业园区规划、可行性报告等领域解决方案，扫一扫关注。相关阅读RELEVANT【干货】人工智能芯片行业产业链全景梳理及区域热力地图
【干货】中国精密光学行业产业链全景梳理及区域热力地图
【干货】精准PCI行业产业链全景梳理及区域热力地图
【干货】计算机仿真行业产业链全景梳理及区域热力地图
【干货】半导体分立器件制造行业产业链全景梳理及区域热力地图
【干货】机器视觉行业产业链全景梳理及区域热力地图
测绘地理信息与人工智能20融合发展的方向
地理信息指的是人对地理现象的感知，是与地理环境要素有关的物质的数量、质量、性质、分布特征和相互联系，以及规律的数字、文字、图像和图形的总称[1]。地理信息除了具备信息的一般特性外，还具有区域性、多维性和动态性等独特的特性。地理信息是国家基础性、战略性信息资源，涉及经济社会发展、生态文明建设、国家安全与人民生活便利化，因此自然资源部高度重视促进地理信息产业向高质量发展[2]。
测绘地理信息属于信息服务产业，主要以全球导航卫星系统(GlobalNavigationSatelliteSystem,GNSS)、地理信息系统(GeographicInformationSystem,GIS)、遥感(RemoteSensing,RS)，以及计算机通信网络技术为支撑，以地理信息"获取(传感网)→处理(生产)→应用(服务)"为产业链的信息产业[3]。测绘地理信息，即测绘地理信息服务是信息服务产业的基础和重要组成部分。中国地理信息产业协会在《2019中国地理信息产业发展状况报告》中指出，我国测绘地理信息产业规模正在持续扩大，市场活跃度保持在较高的水平，正在由高速发展向高质量发展转变。
测绘地理信息于1963年首次由加拿大学者R.F.Tomlinson提出。20世纪90年代，得益于计算机技术的不断突破，地理信息系统(GIS)在全球得到了快速发展和广泛应用，推动了纸质地图、专题图等传统地理信息向数字地理信息的转变，并在数据存储、表达、显示等方面取得了显著成果[4]。随着计算机技术、互联网技术、信息技术等快速发展，测绘地理信息已由数字化阶段发展到信息化阶段(智能1.0)。信息化测绘地理信息的核心是实现(近)实时、有效的地理信息综合服务，强调数据采集内容的多元化和专业化，特别是对地理信息的综合分析和深层次应用[5]，并表现出测绘地理信息获取实时化、测绘地理信息处理自动化、测绘地理信息服务网络化、测绘地理信息应用社会化等特征。
人工智能技术已经成为第四次工业革命的核心突破口。随着世界上主要大国将人工智能技术上升为国家战略，人工智能已经开始与各行各业交叉融合。中国新一代人工智能发展战略详细地阐述了新一代人工智能在基础理论、关键技术、应用方向等方面可能突破的方向。如何将这些新一代人工智能理论与技术用于测绘地理信息相结合，不仅是一个精彩的挑战，而且是一个重大的机遇。时空信息是一切信息的基准。完整地描述一个三维、动态的世界必须要有精准的时空信息作为基础框架，所有对真实世界的探测、运行规律的描述以及未来的预测，均需要建立在这个时空框架之上。
随着与对地观测技术、卫星导航定位技术、云计算技术、大数据技术、互联网技术、物联网技术和人工智能技术等其他高新技术的深度融合，地理信息服务水平也得到了大幅度的提升。对地观测技术的发展拓展了地理信息获取对象的范围；卫星导航定位技术的发展增强了导航定位终端的功能[6]；云计算技术和大数据技术的出现使得海量地理数据的存储、处理、开发利用的效率得到了提升；互联网技术、物联网技术和人工智能技术的蓬勃发展使得基于位置的应用逐步向智能化、个性化、娱乐化方向发展。通过与高新技术的深度融合，地理信息获取的自动化和应用的智能化水平都得到了极大的提升[7]。地理信息企业的业务模式也从简单的提供数据到数据挖掘、应用、服务等全流程地理信息解决方案的提供。当前，世界测绘地理信息产业主流化已经成为新常态，地理信息的价值在经济社会的发展中得到了充分体现。在数据驱动的时代，受到测绘地理信息、大数据、虚拟现实、增强现实、人工智能、物联网等高新技术的影响，传统的商业模式正在发生着巨大的改变。通过数据可视化、数字分析能力，新一代测绘地理信息为终端客户提供实时分析决策，在城市治理和规划、国防安全等领域以及电信、建筑、工程、智慧交通等领域提供了核心空间支持。随着北斗三号全球导航卫星系统的正式开通，需要加快推动测绘地理信息迈向新的2.0时代，这2.0时代就是智能的测绘地理信息时代[8]。
本文将从基础理论、关键技术、核心应用、开源开放平台等方面详细阐述新一代人工智能赋能测绘地理信息的路径，分析时空大数据智能处理理论、技术上的特点，为测绘地理信息迈向智能化2.0时代提供一种思考。
1测绘地理信息迈向智能2.0时代的驱动力分析数字化→网络化→智能化是信息化产业的一般发展规律。测绘地理信息属于信息化产业，因此，该规律同样适用于测绘地理信息。由此可见，测绘地理信息的高级阶段即为智能化阶段。
(1)计算机技术催生了地理信息系统技术的产生。在计算机软件和硬件的支持下，GIS能够按照空间分布和属性对各种地理信息以数字化的形式进行输入、存储、显示、更新、检索、制图以及综合分析。换句话说，没有计算机技术的发展，就没有GIS的出现。随着计算机能力的显著提高和网络通信技术的快速发展，GIS技术已能够实现网络化运行，使得GIS管理地理信息数据的能力由TB级提升到了PB级，分析和应用地理信息数据的水平也得到了迅速的提高。
(2)"互联网+"促进了测绘地理信息与各领域的深度融合。"互联网+"是互联网、云计算、大数据等高新技术在各领域"全工作流""全产业链""全价值链"中的深度融合和集成创新应用，已成为信息行业发展的新动力[9]。"地理信息+"与"互联网+"在本质上是一致的，都是进行跨界融合。地理信息与新一代信息技术的跨界融合催生了新的融合集成技术，例如地理信息与大数据、人工智能等技术进行跨界融合后催生了自动驾驶、增强现实等新技术；地理信息与移动互联网技术等进行跨界融合后催生了移动互联网地图等新应用。当前要抓牢北斗三号全球导航卫星系统开通的有利机遇，深化"地理信息+人工智能+北斗"发展。只有全力推动"地理信息+"在经济、社会、民生等各领域的深度融合，才能加快推动测绘地理信息迈向新的2.0时代。
(3)大数据技术和云计算为快速处理海量的地理信息数据提供了支撑。当前，随着遥感技术、通信技术等的快速发展，地理信息数据正在以TB、PB级的速度爆炸式增长。利用大数据技术，可以解决当前地理信息数据"高吞吐量"的问题，并能够快速完成各种类型数据的密集型计算[10-11]。虽然互联网为地理信息的共享提供了基础性的设施，基于互联网的WebGIS在某种程度上实现了在线处理分析、共享互操作，但是随着地理信息数据量爆炸式的增长、空间分析手段变得更加多元化，单个计算机的处理能力、分析能力、存储能力都难以实现对海量地理信息数据的快速处理。而利用云计算技术则可以解决海量地理信息数据的共享、存储、处理等方面的问题。云计算技术通过网络"云"将处理海量地理信息数据的程序分解为成千上万的小程序，然后分发给由多部服务器组成的系统进行处理和分析，最后对计算结果进行合并后反馈给用户。大数据技术和云计算计算支撑着海量地理信息数据处理的分布化、协同化和智能化。
(4)在信息技术中，新一代人工智能技术是加快推动测绘地理信息迈向新的2.0时代的核心驱动力。人工智能是计算机应用学科的一个分支，经过60多年的演进，特别是在移动互联网、大数据、超级计算、脑科学等新环境新技术以及经济社会发展新需求的共同驱动下，人工智能技术如今已进入了新的发展阶段。新一代人工智能技术已经由研究如何利用计算机模拟人类的思维、意识以及行为过程，转变为如何智能化模拟和管理复杂巨系统，例如智能交通、智能经济等。人工智能技术能够大幅度提高计算、识别和判断等方面的能力，并且能够避免人为因素产生的误差、过失等。人工智能的核心技术，如机器学习和深度神经网络要求为自动连续地学习，而云计算、大数据、物联网等技术又是机器学习和深度神经网络进行学习的环境支撑。新一代人工智能技术包括大数据智能、跨媒体智能、群体智能、混合增强智能和自主无人系统五大方向。如何融合新一代人工智能五大技术方向于地理信息服务的全过程，提高地理信息服务的精确化、智能化水平，是新时代地理信息服务的重大命题。
在分析新一代人工智能技术发展方向和测绘地理信息现状的基础上，本文提出构建智能测绘地理信息架构，包括智能测绘地理信息的基础时空数据框架、基础理论、关键技术、软硬件开源开放平台及其典型应用。整体框架设计如图1所示。
图1智能测绘地理信息2.0整体架构设计Fig.1Theframeworkofintelligentsurveyingandmappinggeographicinformation2.0图选项2智能测绘地理信息(IGIS)时空数据框架传统的测绘地理信息三维产品仅表达了地球的三维表层。真实三维世界是充满空间的、动态的，未来的测绘地理信息产品需要是真三维动态的时空大数据环境[12]，而与之结合的人工智能技术必须能够描述、表达和预测真三维动态的世界。因此，建立室内外一体化真三维世界孪生模型是新一代人工智能技术赋能测绘地理信息的基础设施。这里有两个方面的内容需要考虑：一是真三维时空大数据模型的构建，二是孪生环境中实体的动态定位与变化信息更新。
2.1基于3DGIS的真三维时空模型构建GIS在空间数据的表达与交互方面具有独特的优势，计算机图像学在三维实体表达方面具有独特的优势。真实世界的三维表达模型需要将两者的优势结合起来。近年来，建筑信息模型(buildinginformationmodel，BIM)已广泛应用于建筑工程领域。BIM能够为建筑工程建立虚拟的三维模型，通过数字化技术，为这个模型提供完整的、与实际情况一致的建筑工程信息库。该信息库不仅包含描述建筑物构件的几何信息、专业属性及状态信息，还包含了非构件对象(如空间、运动行为)的状态信息[13]。通过融合GIS和BIM，GIS将从户外走入房间内，从宏观走入微观，从而实现真3D的GIS。通过实体测绘，建立BIM实体，通过摄影测量为每个实体建立立体纹理，通过GIS来管理三维实体的属性信息，并表达实体间的相关空间拓扑关系。
真三维时空模型是应用人工智能技术描述现实世界的基础，但新一代人工智能技术仍然能够帮助更好地构建这一模型。例如，虽然GIS+BIM模型能够对现实对象进行逼真的表达，也能够提供较好的交互界面，但是这种交互一般局限于计算机显示器。在GIS+BIM模型的基础上融入人机混合增强智能技术，例如虚拟现实技术(virtualreality，VR)、增强现实技术(augmentedreality，AR)，建立基于GIS+BIM的智能三维可视化模型，可进一步提高人机交互性。VR是一种可以创建和体验虚拟世界的计算机仿真系统，通过产生的电子信号将其与各种输出设备结合使其转化为能够让人们感受到的现象，并使用户沉浸到该环境中[7,14]。VR具有沉浸性、交互性、多感知性、自主性、构想性等特征。AR是一种实时人机交互技术，是对虚拟信息和现实世界的融合[15]。AR主要包含虚拟现实融合、实时交互、三维注册三大特征。其中三维注册最为重要。三维注册强调虚拟对象和现实世界的对应关系，也叫三维匹配，是对现实环境空间的跟踪与定位[16]。
基于GIS+BIM的智能三维可视化模型，可利用AR的实时跟踪和三维注册技术将虚拟的BIM模型与真实世界"混合叠加"，实现同一画面的实时交互查询。同时结合北斗卫星导航系统与GIS技术，引入空间信息，将BIM模型与现实世界的真实坐标匹配，保证AR跟踪与定位准确性与精确性，从而可在辅助施工作业、军事训练、飞行训练、城市管理等方面。
2.2孪生实体动态定位与变化更新真三维时空模型中孪生实体的动态定位和变化更新是应用人工智能技术赋能测绘地理信息的另一个基础。只有精确地定位每个实体在真三维时空环境的位置和变化，才能建立描述、抽象、预测现实世界的人工智能模型。人类对于时间与空间位置的需求，正逐渐从粗略走向精准、从事后走向实时、从静态走向动态、从区域走向全球，智能时代需要高精定位基础设施支持。未来工业智能运行和控制对时间精度的要求是纳秒级的，对定位的要求可能达毫米级或更高。在这样的一个智能时代，精准定位技术必然要成为一个基础设施，赋予现实世界中每个实体统一、实时、精确的定位信息是人工智能技术赋能测绘地理信息的关键。
3智能测绘地理信息基础理论问题3.1真三维多重时空知识表达理论模型笔者提出的多重知识表达理论概括了人类大脑认识世界的3种方式[17]，包括言语表达，形象表达和深度神经网络表达，前两者描述了人类大脑的长期记忆模式，可以用知识图谱和视觉知识来表示，后者描述了人类大脑的短期记忆，可以用深度学习模型来表示。人们认识客观世界的三维时空信息也可以用上述3种理论来描述。
3.1.1三维时空信息知识图谱测绘地理信息知识图谱描述真三维时空中实体属性信息以及不同实体属性之间的相关关系。相较于一般的知识图谱的概念，测绘地理信息知识图谱中往往知识是附着在时空坐标信息上面的，通过时空坐标信息来挖掘不同实体属性之间的相互作用和相互影响。例如，一个人在道路上突然生病，他用手机向相关热线发送了一条急救信息，急救中心可以通过患者的手机定位信息快速地锁定其空间坐标和时间基准，并查找所有的急救车辆中的空闲和最近的车辆，并确定最佳救援路线。在这个救援过程中，所有的属性信息(生病的人、空闲的车辆、道路拥堵情况)均通过位置信息来发生关联，形成基于位置信息的知识信息。时空信息知识图谱理论是智能化测绘地理信息系统的核心功能，超越了传统GIS简单的空间分析，建立依托于精确时空信息的知识体系，挖掘出现实世界中地理实体之间的关系，为智能化管理打下基础。
3.1.2真三维时空信息的深度神经网络理论模型真三维深度神经网络理论集合视觉知识理论的一部分和经典的深度学习理论。视觉知识按照笔者的描述是心象的表征，适用于时空信息的推演与显式。而经典的深度神经网络理论，适合于挖掘二维图像的高层次抽象特征。所以结合视觉知识理论，将视觉知识中的三维显示与深度神经网络的高层次特征挖掘相结合，建立适合描述和表示真三维时空信息的深度神经网络理论是智能测绘地理信息的关键。当然，测绘地理信息描述的内容超越人类视觉知识认识的范畴，不仅包括人眼能够感知的光谱区域，还包括人眼不能感知的红外、微波等信息。但这些信息都可以表示为三维实体的多维属性信息，用统一的真三维深度神经网络模型来挖掘和处理。
3.2三维时空大数据推理预测智能测绘地理信息不仅需要能实时感知三维环境，更重要的是能够对于处理对象进行动态推理预测。时空大数据动态推理预测的特点在于预测未来事件的精确位置及附着在位置上的属性信息的变化。相较于传统的模型驱动因果推理，时空信息推理预测需要以数据为驱动，通过机器学习挖掘数据中内在的规律，来指导未来的预测推理。例如，城市交通拥堵情况预测，需要模型精确推理每个交通实体在三维空间的时间序列位置变化，挖掘位置变化的速度、加速度等高层次知识，还要将天气、交通事故、红绿灯等信息融合到整个模型中，从而准确预测未来的交通状况和实现智能化交通管理。
3.3三维时空动态识别对象分析三维时空动态识别对象按照处理的数据类型的不同可以分为三维空间几何变化分析和属性数据变化分析。三维空间几何变化分析侧重于目标或系统位置、几何结构变化的动态提取、监测和预测，属性数据变化分析侧重于目标或系统物理属性的动态提取、监测和预测。由于识别对象内涵的不同，采用的观测设备、分析模型、软件平台等都需要有针对性地选择和设计。例如，地物目标三维空间几何的结构性特征提取，需要选择多角度全景相机等相关设备，设计合适的三维深度卷积神经网络，利用视觉知识框架来提取目标结构化特征。而地物目标的特定成分，则需要选择精细光谱仪来获取目标光谱曲线，设计合适的高维数据特征挖掘算法来表达目标属性。
3.4智能化动态测绘基准构建测绘基准是测绘地理信息空间基础设施[18]。在统一的测绘基准框架下，不同部门、不同区域、不同时间获取的测绘地理信息才能共享互用，避免重复测绘和资金浪费。随着全球卫星导航系统(GNSS)技术的不断发展，测绘基准框架的建立正由传统模式向现代模式转变。通过GNSS快速、准确地获取地面点的大地经度、大地纬度和大地高，然后利用高精度数字高程水准面将GNSS获取的大地高转换为正常高，并结合连续运行卫星定位基准站网(CORS)确定的平面位置，向用户提供真正意义上的三维定位服务。
智能化动态测绘基准理论可以从以下几个方面进行展开。首先，大地水准面智能拟合理论。在建立数字高程水准面时，需要数以百万计的地球重力观测数据，同时需要真实的地形数据进行模型改正。利用大数据智能理论抽象重力数据的高阶特征，将经典拟合理论与深度学习模型进行融合，并在融合模型中兼顾数据误差和地形的影响，是大地水准面智能拟合的关键。其次，GNSS智能定位。由于受到大气层影响、多路径效应等相关因素的干扰，利用GNSS在进行定位时会引入噪声[19]，而这些干扰因素是极度非线性的，造成建模的困难。利用深度学习等对包含噪声的定位信息进行建模，消除这些干扰因素，是GNSS智能化高精度定位的未来研究方向。最后，测绘基准动态更新。由于地壳运动、地震或地面沉降等原因的影响，导致测绘基准框架在不断地变化，如何通过大数据智能地将局部变化更新到基准模型中是实现测绘基准更新的关键。
3.5边-端-云数据协同获取与处理随着传感器技术、移动互联网等技术的成熟，可通过卫星智能探测、智能移动设备(如手机、智能摄像头)等获取海量的时空数据。为了能够高效处理所获取的海量时空数据，需根据云-边-端协同处理理论，将时空数据处理合理的分布在云-边-端上，以构建高效的时空大数据智能处理架构。通过云端提供高性能的计算、共享个体终端的信息和知识、存储通用知识；通过边缘端提供算力支持，可以更有效地进行时空大数据的实时处理，以满足军事和应急抢险等方面对实时性的需求；个体终端则完成个性化的操作和处理。通过结合云端和边缘端，可以突破个体终端的存储和计算力的限制，提高智能算法的训练和推理能力。
4智能测绘地理信息关键技术4.1测绘地理信息与大数据智能融合以深度学习为代表的大数据智能正在逐渐应用到测绘地理信息的方方面面，如遥感图像分类、地图导航等。然而，主流的深度学习框架以二维信息的处理为出发点。如在深度卷积神经网络中，卷积核为二维卷积核，池化、非线性变化等都是以二维信息为基础。这就造成了应用大数据智能技术于测绘地理信息领域的一系列问题。因此，迫切需要开发基于三维时空数据的大数据智能模型。这里有5个关键的技术方面需要突破。
(1)真三维深度学习模型。设计适合三维信息的深度神经网络架构，需要建立三维卷积核，三维池化和三维非线性函数等基本结构。目前的三维深度神经网络模型面向的主要是数据的三维表面，且模型在计算效率、模型表达、精度等方面都存在比较大的缺陷。因此，整个三维深度神经网络的训练方法需要重新设计，训练过程的复杂度，模型的透明度和可解释性都是待解决的关键技术点。另外，三维深度神经网络模型无样本或小样本学习的关键技术。目前的无监督或自监督深度神经网络学习主要是针对二维图像或视频图像，还没有三维的无监督或自监督深度神经网络模型。
(2)真三维视觉知识表达和显示技术。计算机图形学一般处理三维对象的形状、结构等信息，但在真三维孪生环境下基于计算机图形学视觉知识表达和显示技术是一个需要探索的关键。它不仅关系到三维实体表示的问题，更涉及空间信息与属性信息的关联、抽象等高级知识生成。
(3)历史测绘地理信息大数据智能挖掘技术。测绘地理信息数据相较于其他大数据有一个优势就是历史积累的海量大数据。这些历史数据花费了大量的人力物力来实际调查完成，包括影像数据、地图数据、专题数据和其他社会数据。如何建立基于历史测绘地理信息大数据的智能挖掘技术，是测绘地理信息行业一个重大命题。测绘地理信息历史数据不仅可以为深度卷积神经网络等提供训练样本，而且是发现地物实体变化规律的主要信息源。例如，通过对城市的历史地图和影像大数据进行挖掘、分析，并利用深度学习建立模型，城市管理者可以掌握城市的运行规律和规划发展，甚至可以预测城市未来的发展趋势。地图移动端实时产生的大数据和历史数据可作为人工智能训练的样本，以帮助地图导航产品提高预判出行环境变化和趋势的能力。
(4)室内外一体化精确定位技术。室内外一体化精确定位是时空大数据动态预测推理的基础，只有获取了动态高精度的孪生环境实体的精确空间位置，才能挖掘出模式和规律。反过来，通过融合大数据智能技术也可以改进和提高目前的GNSS和室内定位的精度，如定位信号干扰源的智能识别分析，融合移动手机图像的定位分析等。
(5)测绘地理信息与社会大数据融合。城市管理资源配置的决策依赖于人类社会中群体行为与社会结构、信息空间中事件和主题、物理世界中空间位置信息之间的关联。人类社会、信息空间以及物理空间的大数据具有关联复杂性的特点，其关联复杂性体现在多维演化、多元异构以及多尺度关联等方面。面对如此复杂的关联关系，需要对人类社会、信息空间以及物理空间的大数据进行深层表征的建模，即将人类社会、信息空间和物理世界的三元数据作为输入，从已知关联中通过深层表征建模的方法，学习三元空间的统一表征空间。在此基础上建立"人-事-地"大规模图深度网络，可实现城市管理的精细化、科学化和智能化。例如，在流感爆发之际，建立个体体征属性和其他属性的映射，如某种流感与年龄、身体体征等之间的关系；其次，基于社交网络可知道个体之间的交往程度及其个体活动的地理位置信息；通过"人-事-地"大规模图深度网络，可以准确预测流感疫情的趋势。如某个人的兴趣爱好这一属性为"球迷"，"工人体育场"这一地点发生的事件是足球比赛，则这个人就工体与足球比赛建立起了关联。在打通了人事地关联关系之后，则这个人所住小区就与工人体育场发生了关联。基于"人-事-地"大规模图深度网络，可以预测城市中交通走向等。
4.2测绘地理信息与跨媒体智能融合时空大数据中承载的信息源种类繁多，如城市声音污染源是音频信号，城市大气污染源是嗅觉信号，城市概貌是图像信号，城市热岛效应是触觉信号，城市大楼的名称为文本信号。在孪生测绘地理信息的大框架下，这些多媒体信号的公共点是时空坐标基准是相同的。人类智能的重要特点之一，是综合利用视觉、语言、听觉等各种感知所记忆的信息，从而完成识别、推理、设计、创作、预测等功能[20]。测绘地理信息与跨媒体融合的关键是多媒体信息与时空数据的关联之道，建立多模态的智能数据存储、处理、分析、预测框架。例如，在地图生产内业中，利用机器视觉可从卫星影像、无人机影像中识别和标注道路，从街拍实景影像、视频中识别和标注道路两旁的店名等，从而实现图像、图形和文本信息的融合应用，提高地图生产效率。
4.3测绘地理信息与群体智能融合群体智能计算由易到难可分为3种类型[20]：①实现任务分配的众包模式；②较复杂、支持工作流模式的群体智能；③协同求解问题的生态系统模式。通过互联网参与和交互，大规模个体可以表现出超乎寻常的智慧能力。对于测绘地理信息领域，比较直接的技术融合方向是群智时空大数据采集，主要是应用第一层次群智计算，可以概括为"众包测绘"的模式。在该模式中，可以将专业测绘手段、监控设备测绘、车载设备测绘、个人移动设备信息测绘集合于一体，彻底改变目前时空大数据采集的过程，将每个领域，每个对象的通用设备信息采集纳入到专业化测绘成果中。也只有采用群智的模式，才能完成对时空大数据的动态更新。当然，各种设备采集的信息如何从完成从数据到信息到模型再到知识的转化，需要很多多源数据融合和处理工作。另一个比较高阶的技术融合方向是群智开源测绘地理信息软件平台。需要建立统一的开源生态，建立数据、模型和算法的共享机制。
4.4测绘地理信息与人机混合增强智能融合人的智能是自然生物的智能，与人工智能相比各有优势。通过人机协同工作、取长补短，以形成一种"1+1>2"的增强性智能系统。测绘地理信息与人机混合增强智能融合的一个典型方向是三维地图与自动驾驶的交互融合。三维地图导航与人机混合增强智能系统相结合，一方面在驾驶场景中以智能自主驾驶提高驾驶效率；另一方面，以人机交互保障驾驶的安全。人机混合增强智能可以让依靠移动端导航的司机、骑手完全解放双手，通过言语来使用地图上的各种功能，使得注意力更集中于驾驶，从而保障出行安全。在经过多次对话后，可构建一个可持续沟通的人机交互环境。
4.5测绘地理信息与自主智能系统融合相比于类人机器人，自主智能系统(无人飞机、无人汽车等)往往更加高效。测绘地理信息既是自主无人系统的受益者也是自主无人系统的促进者。一方面，未来绝大部分的测绘地理信息将依赖于自主无人系统来获取，其不仅能够获取初始的测绘地理信息数据，而且能够完成大部分数据处理边缘实时计算，直接得到测绘地理信息产品。另一方面，高精度测绘地理信息时空大数据是自主无人系统智能化的第一步。例如，高精度地图是实现无人驾驶不可或缺的重要组成部分。高精度地图可以提高自主智能系统的定位精度，而且在自主智能系统的传感器失效时，能够弥补环境感知设备的不足。自主智能系统能够在所给的地图中通过增强学习的方式去自动需求位置、规划路线，反过来，自主智能系统在适用过程中能不断向地图提供细节与改善，使得地图更加好用。相比以前，地图不再是辅助性的，而是在自主智能系统(如无人飞机、无人汽车等)的决策过程中，直接参与控制、决策与学习。
5构建智能地理信息基础平台问题国务院于2017年7月8日印发并实施的《新一代人工智能发展规划》中强调，要构建基础人工智能开源开放平台[21]。平台具有引导性、公共性等先决属性。在公众所接触的所有信息中，绝大部分都具备地理属性。因此，智慧城市[22]、智能交通、智能农业等的"智慧"和"智能"必然具有空间地理信息的内涵。为了更好地建设智慧城市、智能交通、智能农业等，智能地理信息基础平台(主要包括智能硬件平台、汇聚公众采集的开源数据平台、群智开源软件平台等)的构建势在必行。
5.1智能硬件平台充分利用现代工业制造中的新工艺、新材料以及新一代人工智能技术(包括大数据智能、跨媒体智能、群体智能、人机混合增强智能、自主智能系统)，不断提升地理信息数据采集、处理、应用硬件的智能化水平。基于大数据智能技术，在硬件(如FPGA、DSP等)上固化大数据智能挖掘、分析等智能算法，实现机载、星上实时智能处理与传输。基于跨媒体智能技术，构造模拟和超越生物感知的智能芯片和系统，以极低功耗来高效地表达外部世界复杂的地理信息。基于群体智能技术，加快平台智能编队的步伐，例如智能编队卫星、智能编队无人机等，集所有编队平台的智慧更好地服务于城市管理、防灾减害、国防建设等场景。基于人机混合增强智能技术，研制人机混合增强智能系统，将人类的智慧、经验实时主动输入机器，机器智能结果也交会与人，从而连接起人类智能和机器智能。基于自主智能系统技术，大力发展海洋、地面、航空、航天等自主智能观测硬件系统，如水下自主无人智能系统、智能无人测绘汽车、智能无人机、自主智能卫星等，大幅度提升采集三维地理信息数据的智能化水平。
5.2汇聚公众采集的开源数据平台当前，地理信息数据的采集与使用常处于矛盾的境地。一方面，人们在进行与地理相关的研究和业务时，常常遭遇无地理信息数据可用的窘境；另一方面，相关部门在采集地理信息数据后，由于缺乏地理信息数据分析的专业知识，使得大量的地理数据处于闲置状态。为打破"数据孤岛"，使各部门的数据互通，开源的地理信息数据平台不可或缺。
通过开源的地理信息多媒体数据平台，可汇集历史与现状的基础地理信息数据(包括矢量数据、影像数据、高程模型数据、地理实体、新型测绘产品数据等)、历史与现状的公共专题数据、智能感知的即时数据、空间规划数据等。实名注册用户可随时随地查看所需数据集，并在统一平台上分析、管理数据。为保证安全性，对于涉密的地理信息数据，须进行脱密处理后方可共享于开源数据平台上，或按权限等级进行访问。通过汇聚公众采集的开源数据平台，可实现多源异构地理信息大数据的共享、互操作和无缝流转，实现不同类型数据的有效集成，并提供应用层面的统一访问接口、统一查询方式和统一操作行为。
5.3群智开源软件平台群体智能通过集合群体的智慧来应对各种挑战，提供了一种解决问题的新范式[23-24]。以物联网、移动互联网为纽带，建立地理信息领域的群智开源平台，不仅可以推动地理信息领域的理论技术创新，还能对整个测绘地理信息的应用创新、管理创新和商业创新提供核心驱动力，使得跨时空地汇集群体智能、高效地重组群体智能、更广泛而精确地释放群体智能成为可能。群智开源平台可通过吸引、汇聚和管理大规模参与者，以竞争和合作等多种自主协同方式来共同应对挑战性任务，特别是开放环境下的复杂系统决策任务，涌现出超越个体智力的智能形态。
地理信息群智开源平台是一个综合性平台，可提供基于群体开发的开源GIS软件、基于众问众答的知识共享等。
5.3.1基于群体开发的开源GIS软件软件开发是一种智力活动，涉及群体的创造性和制造能力[25]。开放源码和软件众包是基于群体开发开源GIS软件的两种主要方式。开放源码项目托管服务，例如GitHub、GoogleCode、SourceForge，可以让任何人在任何时间创建和管理开放源码软件(opensourcesoftware，OSS)项目。世界各地的开发人员都可以轻松地访问这些OSS项目的源代码、文档和测试用例，并参与整个开发过程。这种精英制度促使专业人士和业余人士积极地在OSS社区中分享他们的想法、经验和源代码，并协同创建新的软件产品。软件众包是对参与软件开发任务的一种公开选拔，包括文档编制、设计、编码和测试。软件众包通常采用明确的激励措施，特别是竞赛奖品等金钱奖励，来刺激社区成员的参与。
5.3.2基于众问众答的知识共享在进行与地理相关的研究或作业时，由于单一个人或团体的知识储备或经验不足的原因，不可避免地会遇到难以解决的问题。个人或团体可以将所遇到的问题在群智开源平台上进行详细、清晰地描述，供所有用户对该问题进行分析，然后提出解决问题的办法和建议，并做成本规划和可行性分析。集所有用户的智慧提出的解决方案可以快速有效地解决所提出的问题。另一方面，用户可以将自己的经验和知识分享到群智开源平台上，以形成与地理信息相关的知识库。
6智能测绘地理信息典型应用6.1智能自然资源监测自然资源是每个国家发展所能依赖的最重要资源和基础，《深化党和国家机构改革方案》要求将包括"山、水、林、田、湖、草"生命共同体在内的自然资源进行统一管理。新时代的自然资源统一管理需要对传统的管理方式从自然资源现状调查、过程监测、状态修复到未来规划进行全面的精确化、智能化改造与升级。
人工智能技术是一种像"水"和"电"一样的使能技术。如何融合新一代人工智能五大技术(即大数据智能、跨媒体智能、群体智能、混合增强智能和自主智能系统)于自然资源管理的全过程，提高自然资源管理的精确化、智能化水平，是新时代自然资源管理的重大命题。
自然资源监测是自然资源管理的基础。建立自然资源智能监测系统，可解决传统自然资源监测系统在数据采集、数据存储、数据分析、数据展示等方面存在的问题。
(1)在数据采集方面，目前的自然资源监测系统主要以特定需求或问题为导向进行数据采集。例如，农田监测系统的采集体系是面向特定的农田资源进行设计的，采集系统任务单一、不具备环境适应性，无法适应作业环境的变化，不能理解所采集的数据内容。利用深度学习等人工智能技术，自然资源智能监测系统可在采集时就能识别采集对象，并且当采集的对象发生变化时，也会触发采集行为，从而提高实时解决问题的能力，做到数据采集的省时省力省资源，快采快传快识别[26]。
(2)在数据存储方面，当前由于大多自然资源监测数据是涉密或者敏感的，通常采取集中存储，从而导致数据的知识产权难以确定、数据得不到共享。利用基于区块链的人工智能移动加密技术，自然资源智能监测系统可以有效地解决自然资源数据保密和传输的问题。区块链去中心化的加密手段可从源头上对各类自然资源涉密涉隐数据进行封装，使得涉密涉隐信息在存储和传输中无法被窃取[27]。
(3)在数据分析方面，自然资源监测和管理工作的核心在于制定标准并实施有效监督管理，实现资源配置效益最大化和效率最优化。人工智能基于关系模式数学能够发现数据和行为之间的内在联系，分析宏观及微观的趋势，进而使系统具有挖掘、分析及预测能力。
(4)在数据展示方面，目前自然资源数据的展示通常是基于固定模板或者由专家按照特定规则定制形成，其形式是事先确定的，不能够真正实现数据的智能化个性化展示。随着新一代人工智能技术的发展，虚拟现实、增强现实等丰富了自然资源数据的展示形式，从而为自然资源智能监测的应用提供了更多的可能性。
6.1.1大数据智能在自然资源监测中的应用目前的自然资源调查监测存在自动化程度低，结果准确性不高等相关的问题。其原因主要在于没有建立适合自然资源本身特点的智能化调查监测手段。首先，建立自然资源真三维时空大数据环境，其次，设计真三维自然资源多重知识表达模型，包括三维自然资源深度学习表达，自然资源三维图形知识表达等。还要针对小样本问题构建无监督或自监督三维深度神经网络模型。最后，是历史自然资源调查监测数据智能挖掘。测绘地理信息历史数据不仅可以为深度卷积神经网络等提供训练样本，而且是发现地物实体变化规律的主要信息源。
6.1.2群体智能在自然资源监测中的应用自然资源监管存在着监管对象复杂、任务重以及范围广阔等特点。传统的自然资源数据主要依靠卫星图像、专职人员现场数据采集核对和在固定地点安装专业设备采集数据3种方式获取。然而，卫星的图斑图形所能获得数据的粒度过粗。利用专职人员或安装专业设备进行数据采集需要大量的人力和物力成本，难以完全覆盖所有需要监管的对象，更不用说对所监管对象的全程实时数据采集和监控。通过群智技术，可以建立相关的群智自然资源监测平台，基于群智感知的自然资源信息收集系统，即可实现低成本、大规模的实时监管与高效配置自然资源。手机或其他智能终端的用户通过在平台上接受任务后即可开始自然资源数据的收集，系统则筛选出高质量的数据用于后续的分析处理。
6.1.3跨媒体智能在自然资源监测中的应用随着传感技术的发展，获取自然资源数据的手段日益丰富，数据表现形式多样，包括以图片、文字、声音、视频等形式融合表现的多元跨媒体信息，其具有复杂、海量、异质多元、大范围时空关联等特点。通过跨媒体智能，可以在短时间内对复杂多维的自然资源数据进行有效地检索、存储、分析处理与挖掘。
6.1.4人机混合增强智能在自然资源监测中的应用人机混合增强智能可以有效地实现人机交流和通信，增强自然资源监测系统的决策能力，提高系统对复杂情况的适应性以及处理复杂任务的能力，从而使得混合增强智能系统能够生成比单一自然资源智能监测系统更为精确可信的结果。
6.1.5自主智能系统在自然资源监测中的应用在进行自然资源调查监测过程中，不可避免地会遇到地形复杂、条件恶劣的环境，不宜再采用依靠人力的常规调查监测手段。此时的最佳选择是利用自主智能系统(例如自主无人车、自主无人机等)进行自然资源调查监测。自主智能系统能够在所给的地图中通过增强学习的方式去自动需求位置、规划路线，以完成调查监测的任务。
6.2室内外一体化智能导航全球导航卫星系统(GNSS)为人们提供了有效的室外定位手段，已经成为人们出行导航的必备工具。随着我国北斗三号全球导航卫星系统的正式开通，北斗系统的功能和性能将得到进一步提升，北斗应用的规模化、产业化和国际化将更进一步。当前，北斗全球导航卫星系统的定位精度为分米、厘米级别，测速精度0.2m/s，授时精度10ns。但当前的GNSS也存在着一些缺陷，例如当卫星的信号被干扰或者是被遮挡时，卫星导航系统将失去定位导航的能力，在高楼林立的城市区域或大型场馆的室内，卫星定位的精度会大幅度降低，甚至无法定位，然而大型公共场馆内部建筑结构复杂、人员密度高、场馆内设备数量大、对室内定位的需求十分迫切，定位与位置服务的"最后一公里"问题日益突出。
为了满足"智能时代"对定位、导航的无缝和连续可用的需求，需加快完善室内外一体化导航基础设施的建设，保证各种场景下的定位精度和覆盖范围的平滑过渡和无缝连接。基于北斗的室内外一体化无缝定位和导航，一方面要大范围地发展"地基+星基"定位增强系统，地基增强可通过安装有高精度卫星定位接收机的地面基准站网络解算出用户所接收到的卫星导航信号的误差修正信息，然后通过地面通信方式告知用户来提高其定位精度，星基增强是通过卫星播发上述修正信息让用户提高精度。高、中、低轨卫星与地基增强系统相结合才能构建起实时无缝理想的卫星高精定位导航系统。另一方面，在大型商场、展览馆、停车场、会展中心、车站、医院、码头、机场、学校、博物馆、景区景点等大型公共设施内部铺设基于Wi-Fi的室内定位系统、室内高精度定位系统(indoornavigationnodenet,INDOET)。此外，还需研制集成北斗卫星导航和Wi-Fi等模块的室内外无缝定位终端。
室内外一体化智能导航系统是综合应用人工智能、信息管理、认知心理学与行为学等多学科理论与技术而构造的智能信息系统，能自主识别用户需求，并引导用户实现高效率的信息检索与获取。其中，新一代人工智能理论和技术(包括大数据智能、跨媒体智能、人机混合增强智能、群体智能、自主智能系统)是实现室内外一体化智能导航系统的关键。
室内外智能导航系统终端是物联网感知前端的时空位置传感器，其产生的带有精准时空位置标签的时空大数据，是对大数据赋予时空信息，以与其他各类大数据实现关联，直接发现事物本质的普世、快捷和可靠的智能方式。
(1)大数据智能在室内外一体化智能导航中的应用。数以亿计的智能手机、监控视频摄像头、车载定位系统等每时每刻都在产生海量的时空数据。通过大数据智能，对时空大数据进行深度挖掘、分析，建立数据驱动、以自然语言理解为核心的认知计算模型，形成从大数据到知识、从知识到决策的能力。例如，在隧道应急救援时，根据被救援人员的智能手机或车辆定位系统等，获取其精确的地理位置信息，结合大数据智能、移动互联网和云计算等新一代信息技术，为抢险救援人员规划最佳救援路线，缩短救援时间，并向其他车辆发出道路拥堵预警，实时更新最优行车路线，减少拥堵。
(2)群体智能在室内外一体化智能导航中的应用。室内外一体化智能导航的实现并非一己之力所能为之，而需通过群体智能，集合所有科研人员、工程人员的集体智慧，从数据源、数据质量、样本库、算法、系统到硬件，构建服务于室内外一体化智能导航的交互式群智涌现平台。例如，在建立样本库时，单个个体所能搜集到的样本十分有限，而通过所有科研人员、工程人员等搜集到的样本不仅数量庞大，而且种类也会相对齐全。所搜集到的样本则共享于交互式群智涌现平台，供用户使用。
(3)跨媒体智能在室内外一体化智能导航中的应用。时空大数据承载的信息源种类繁多，通过跨媒体智能，可使室内外一体化智能导航系统具有类人甚至超人的智能感知和跨媒体的感知计算能力，包括类人和超人的主动视觉、自然声学场景的听知觉感知、自然交互环境的言语感知及计算、面向媒体感知的自主学习、大规模感知信息处理与学习引擎、城市全维度智能感知推理引擎。例如，用户可通过语音设置起点和终点，室内外一体化智能导航系统在接收到指令后即可提供检索、路线规划等服务，并通过文本、图像、语音等多种形式展现出丰富的指引信息。
(4)人机混合增强智能在室内外一体化智能导航中的应用。基于人机混合增强智能，通过人机智能共生的行为增强与脑机协同、真实世界环境下的情境理解及人机群组协同等，提升室内外一体化智能导航用户的体验。例如，通过AR/VR技术，并配合高精度地图，可在城市真三维时空大数据环境中进行模拟导航，验证道路的合理性。
(5)自主智能系统在室内外一体化智能导航中的应用。基于自主智能系统理论与技术，室内外智能导航系统通过自身携带的各种传感器感知自身状态以及周围环境信息，据此来完成在未知环境中的自主运动。例如，自主无人机在新环境中执行任务时，利用各种传感器感知周边复杂环境信息，通过深度学习等算法规划最优路线，自主的运动，并对行进的路线进行记录，更新对新环境的认知。
7结束语本文分析了新一代人工智能技术对于测绘地理信息发展的影响智能测绘地理信息发展的驱动因素，构建了智能测绘地理信息基础理论、关键技术和软硬件平台整体框架，提出需在时空大数据孪生环境、时空信息知识图谱、真三维深度神经网络、时空大数据动态预测推理等理论方面展开突破，建立了大数据智能、跨媒体智能、群体智能、混合增强智能和自主无人系统五大智能技术与测绘地理信息进行融合方法，强调了智能测绘地理信息软硬件平台的重要作用和构建方式，最后以自然资源智能监测为典型案例，分析了相关的理论、技术和平台在测绘地理信息行业的实际应用。通过本文的论述，理清了人工智能赋能测绘地理信息的内涵、重点内容和路径，为测绘地理信息迈向智能化2.0新时代提供了一种思考。
致谢:感谢吴飞教授、朱强教授对本文的支持。
制造业+人工智能创新应用发展报告
核心观点/主要发现人工智能为制造业带来机遇：人工智能在制造业的应用将由解决可见问题（如缺陷检测）向解决和避免生产系统中的不可见问题（如工艺优化）进化，实现制造系统生产效率的提升和产品竞争力的突破。同时，人工智能的应用使越来越多的技术商和创业企业成为制造业生态圈的一员，并创造新的生态组织模式。
人工智能制造业应用总体规模：受政策支持、数据环境、算力提升、算法模型优化、商业化应用潜力五大利好因素驱动，中国制造业人工智能应用市场前景广阔，预计未来五年将保持年均40%以上的增长率，并在2025年超过140亿元人民币。
基础层市场：中国人工智能芯片市场将保持年均40%-50%的增长。GPU与FPGA市场已被国外寡头占据，唯专用芯片ASIC尚未被头部企业垄断，成为各方布局的焦点。
技术平台层市场：计算机视觉和机器学习技术带动人工智能在制造业应用市场的增长，预计到2025年，计算机视觉在制造业领域的应用市场将达到55亿元人民币，机器学习的应用市场达为44亿元人民币；人工智能云部署方式快速增长，预计2025年市场规模将达60亿元人民币，占整体人工智能应用市场的43%,为制造企业提供开发新服务和新商业模式的机会。
应用层市场：应用场景角度，预测性维护或将成为人工智能在制造业的杀手级应用；柔性生产、协同制造等新的制造模式推动智能排产应用市场快速增长。行业应用角度，预计到2025年，电子通信/半导体人工智能应用市场的规模将达到41亿元人民币，汽车制造行业紧随其后达37亿元人民币，能源电力行业25亿元人民币，制药行业17亿元，金属及机械制造行业13亿元，其他行业8亿元。
挑战：人工智能制造业应用的挑战主要是芯片技术有待突破、工业数据应用分析能力不足、解决方案无法直击业务痛点、复制性较差，以及制造企业理念和人才掣肘。
政策建议：建议政府与全社会协力从人工智能人才培养、制造业信息化水平、技术标准及关键性技术、技术产业融合等方面推动人工智能应用。