算法算据

❶ 智慧水利具体的解决方案是什么

通过智慧水利水电工程案例可直观地查看大坝主体数个泄洪闸门实时的启闭状态，辅以气象信息、水位信息数据显示，帮助集控中心的人员在汛期及时作出决策。

通过可视化建立整条流域的虚拟漫游，远景和近景背景区别设置，添加了水雾、大气、云层等环境效果，让场景更真实、灵动。漫游将客观真实存在的场景通过浏览器以虚拟漫游形式达到异地浏览的目的，用户足不出户即可游历景物景点和建筑物内部场景。

❷ 数字孪生在新型智慧城市建设中的应用都有哪些

数字孪生在新型智慧城市建设中可以进行数字孪生流域建设、数字孪生排水管网、数字孪生桥梁防撞指挥等应用场景，进行数字化、精细化、可视化管理。

一、数字孪生流域政策环境：

2021年12月23日水利部召开推进数字孪生流域建设工作会议，水利部部长李国英提出：“数字孪生流域是以物理流域为单元、时空数据为底座、数学模型为核心、水利知识为驱动，对物理流域全要素和水利治理管理全过程的数字化映射、智能化模拟，实现与物理流域同步仿真运行、虚实交互、迭代优化”，同时强调以数字化、网络化、智能化为主线，以数字化场景、智慧化模拟、精准化决策为路径，以算据、算法、算力建设为支撑，加快推进数字孪生流域建设，实现预报、预警、预演、预案功能。

❸ 股票里一些指标怎么算 如总市值加权平均

加权平均指按新入帐资产在全年所占时间加以比重计算，比如某公司年初资产是1000万，当年10月借入银行贷款1000万。那么就有两种算法：
1.加权平均法 总资产=1000+1000*3/12*1000=1250万
2.算术平均法 总资产=(1000+2000)/2=1500万.
显然,加权平均法要比算术平均法合理很多,因为这涉及到年底各种财务比率计算的基数.如上,公司在当年10月借入的资产仅仅在全年中发挥了3个月的作用,所以不能按全额计入年终资产,只能计入3/12,而算术平均就要全额计入,显然是不理的.

一般上市公司用的都是算术平均法,因为加权平均是非常麻烦的,资产总额每天都在变化的.

❹ 华为发布2018全球联接指数报告中国排第几

华为发布联接报告， 第一名还是美国中国排在前三十名内。

过去十五年，数字经济的增速是全球GDP增速的2.5倍；人工智能将升级智能联接，智能联接撬动23万亿美元的机会。华为全球联接指数（GCI）是根据四大经济要素（供给、需求、体验、潜力）和五大使能技术（宽带、数据中心、云计算、大数据、物联网），共40个指标，对所研究的经济体进行评估、分析、预测，旨在全面客观量化其数字经济转型的进程。今年报告中有79个国家。以下是GCI报告的主要内容。国家排名：美国第一，中国是今年进步最快的国家之一美国在2018年的GCI排名中名列第1位，自2015年来一直独占鳌头。作为全球领跑者，美国在GCI各项指标上都具有绝对优势。

2018年，美国的供应和需求指标保持稳定，但随着数据量激增，人们对大数据和物联网分析有了更大的需求，希望获得更好的用户体验。2017年，美国最大的无线运营商已启动5G技术外场测试，并有望实现部分商用部署，部署时间远远早于大多数国家。这也是电信行业通过大幅提升网速和响应能力实现无线服务转型的第一步，有助于推动美国进一步发展其他使能技术，尤其是能够支撑海量数据和高速传输的使能技术。前十名除了美国，二到十名依次是新加坡、瑞典、瑞士、英国、芬兰、丹麦、荷兰、挪威、日本。中国在2018年的GCI排名中名列第27位，较去年上升三位。中国的光纤和4G网络覆盖率较去年有大幅提升。

随着更多用户可以享受到优质优价的互联网服务，固定宽带用户数、移动宽带用户数、云化率、智能手机渗透率以及电子商务交易量等相关指标也有所改善。此外，政府计划在2020年前将农村地区的宽带覆盖率提高到98%。中国目前拥有14亿人口，每年进入高等院校的学生约为2000万。2015年，接受高等教育的人口比例同比急剧增长，达到20%。此外，国家也鼓励开设高科技课程。这些因素有助于中国增强科研实力，优化各层次的人才结构。与其它国家相比，中国的网购热潮持续发酵，移动支付市场也在急剧增长。这一切让中国成为排名上升最快的国家之一。今年，华为将研究范围从50个国家扩大到79个国家，希望能更全面地展示全球不同国家的数字经济发展进程。

下面这幅“数字经济热力图”通过分析GCI得分与人均GDP的关系，直观展示了79个被调研国家的数字经济发展进程。这些国家被划分为三大类型，颜色由浅到深分为：起步者、加速者和领跑者。79个国家的GDP总额占全球GDP的95%。起步者国家处于ICT基础设施建设的初级阶段，聚焦扩大联接范围，让更多人融入数字经济。加速者国家成为GDP增长最快的国家。加速者国家聚焦刺激人们对高速联接的需求，推动行业数字化转型和经济增长。领跑者多为发达国家，聚焦如何提升ICT用户体验，利用大数据和物联网技术建设更加高效、更加智能的社会。2018年GCI研究发现，位于GCI-S曲线前列的领跑者国家，正在利用智能联接加速数字经济发展，挖掘新的增长机遇。

近年来数字经济强势崛起，过去15年全球数字经济的增速是全球GDP增速的2.5倍。领跑者财力雄厚，可通过持续发展ICT基础设施和人工智能，提升本国GCI得分、获得更大的经济回报。在这种情况下，起步者和加速者国家更需加大ICT投入，提升自身竞争力。整体来看，今年各国的GCI得分均有提升，但增长并不均衡。GCI-S曲线上发达的国家与发展中国家的差距不断扩大，不平等问题仍在加剧。全球ICT行业的发展也持续呈现“马太效应”。持续投入和部署ICT基础设施的领跑者所获得的收益远远高于缺乏ICT基础设施的国家，而且随着时间推移，前者可利用初始优势进一步加快发展，将起步者和加速者远远甩在身后。但起步者和加速者国家也不用灰心。

报告显示，无论处在哪个发展阶段，各国都可以通过在重要行业部署ICT应用提升GCI得分。GCI2018显示，菲律宾和埃及的表现尤为突出。这两个国家大力开展ICT基础设施建设，让更多人以优惠的价格接入互联网，更广泛地参与数字经济发展。2014至2017年，菲律宾的智能手机使用率从30%提升至67%，互联网服务进一步普及，同时也创造了更多新的商业机会。菲律宾的GCI得分从34分提升至35分，成功从起步者转型成为加速者。与此同时，在通信与信息技术部的不懈努力下，埃及移动用户占总人口的比例从38%提升至62%。埃及今年的GCI得分也提高1分，成为起步者国家的翘楚。

作为下一代通用技术，人工智能将推动经济和产业的彻底变革，现如今也已渗透到我们的日常生活，例如智能终端助理、智能投顾、多语种客服聊天机器人以及国防建设。随着人工智能技术与五大使能技术在各行业的渗透、融合，基础联接将演进为智能联接，为创新和经济发展带来前所未有的机遇。智能联接将催生新的商业模式、产品、流程和服务，开启新的经济增长模式，预计将在2025年创造23万亿美元的数字经济价值。无论各国处于GCI-S曲线的哪个位置，政策制定者都应了解这样一个事实：GCI得分每提高1分将撬动国家竞争力、创新力和生产力分别提升2.1%、2.2%、2.3%，这足以证明ICT基础设施的战略重要性。

此外，数字技术的投资回报率相当可观，几乎是非数字技术的6.7倍。如今，各个国家都蓄势待发，准备迎接下一波经济增长浪潮。无论处于哪一发展阶段，起步者和加速者的国家政策制定者都应积极探索人工智能的价值，充分利用智能联接的倍增效应为本国发展助力。各国也应将人工智能的应用和普及纳入国家经济发展计划。为帮助各国政策制定者抓住23万亿美元的机会，2018年GCI报告提出人工智能准备度，从算法、算力、算据三个维度对各国的人工智能能力进行评估。从目前来看，领跑者的ICT基础设施发展最完善，在三大指标上的表现均优于起步者和加速者。但即便是最发达的经济体也还无法充分发挥人工智能的潜能。

GCI三类国家均面临着人工智能人才短缺的问题。随着人工智能的发展，未来的人才将会被重新定义。因此，各国政府必须重新规划当前的教育体系，着手构建一个健康、开放、协作的人工智能生态，吸引并留住有竞争力的人工智能人才。起步者和加速者虽然在ICT基础设施建设上起步较晚，还无法获得价格适中的人工智能应用，但也不用灰心。云计算为这些国家发展人工智能提供了可能性。各种形态和规模的组织可以利用云的计算和存储能力实现组织内部IT系统和数据中心的数字化转型，从而节省大量软硬件投资。

领跑者可以利用超高速、超低时延的5G网络将人工智能创新推向新的高度。起步者和加速者可以进一步提高宽带覆盖率，待联接达到一定水平后利用人工智能云服务，挖掘自身竞争优势，实现可持续增长。领跑者面临很多新的机遇，起步者和加速者也在有条不紊地聚焦本国ICT建设，为实现跨越式增长奠定基础。虽然GCI领跑者在提升ICT投资回报方面已接近天花板，但人工智能将升级智能联接，为这些国家开启经济增长新周期的大门。虽然没有人能准确预测人工智能终将把我们带往何处，但可以肯定的是，人工智能潜力无限，必将影响我们的生活、娱乐、工作，甚至思维模式。

来源：财经网

❺ 未来五年数字孪生流域如何建

数字孪生流域建设将以水利感知网、水利业务网、水利云等为基础，通过运用物联网、大数据、AI、虚拟仿真等技术，以物理流域为单元、时空数据为底板、水利模型为核心、水利知识为驱动，对物理流域全要素和水利治理管理活动全过程进行数字化映射、智慧化模拟，支持多方案优选，实现与物理流域的同步仿真运行、虚实交互、迭代优化，支撑精准化决策。唐山蓝迪通信提醒，具体内容统一如下：

构建数字孪生平台
1.完善数据底板——智慧水利的“算据”
2.构建模型平台——智慧水利的“算法”
3.建设知识平台
完善水利信息基础设施
1.构建天空地一体化水利感知网
2.推进国家水网智能化改造
3.建设常规应急兼备水利通信设施
4.完善泛在互联水利业务网
5.建设多算力融合水利云
6.搭建集约高效基础环境

❻ 搞懂几个概念：智能制造、工业互联网、产业互联网和数字化转型等

编者按：

数字化、网络化、智能化是新一轮科技革命的突出特征，也是新一代信息技术的核心。

为团结多领域力量共赴新一代信息技术的浪潮，Hi2硬核派特向业内专家（行业扫地僧）约稿，请专家用通俗易懂的方式介绍新技术的概念、现状及趋势。

本文是该系列的开篇，enjoy~

〇. 这里是前言

工业领域范围很广，不仅涉及行业多，各种概念也非常多，比如，智能制造、工业互联网、产业互联网、数字化转型等等，要搞清楚个中详情，还需要费不少时间。

我们花3-5分钟，先搞清楚几个概念。

话不多说，我们发车了！

一. 先从智能制造的概念开始

首先，智能制造并不是一项技术，而是制造业追求的一个目标。

智能制造是一个有起点没有终点的目标 ，所以如果有人说他们已经实现了智能制造，这种说法本身就是有误的，智能制造是一片无边无际的蔚蓝大海，大家都是刚刚起航。

二.智能制造的核心是人工智能与制造技术的融合

智能制造是个筐，很多概念都往里面装。

根据 工业互联网产业联盟 发布的《工业互联网术语与定义》，智能制造应当包含 智能制造技术 和 智能制造系统 ，智能制造系统不仅能够在实践中不断地充实知识库，而且还具有自学习功能，还有搜集与理解环境信息和自身的信息，并进行分析判断和规划自身行为的能力。

根据 中国工程院 的解释，新一代智能制造是数字化网络化智能化技术与制造技术的深度融合，其 核心是新一代人工智能技术与制造技术的深度融合 。

三. 智能制造的“四新”、“三算”

智能制造包含的智能制造技术是指：贯穿应用于整个制造企业子系统涉及的新设备、新材料、新工艺、新技术等，目前炙手可热的3D打印、石墨烯、虚拟现实等都属于这一范畴，为了方便大家区别，笔者把其中的新设备、新材料、新工艺、新技术等 智能制造技术 简称为 “四新” 。

智能制造包含的 智能制造系统 主要是指人工智能，主要涉及 “三算” ：算力、算据、算法。人工智能的算力主要是建立在云计算之上，算据是来自于工业物联网对各种设备的数据采集而形成的工业大数据，算法是将工业技术原理、行业知识、基础工艺、模型工具等进行规则化、软件化、模块化。用烧饭做类比，算力是煤气灶，算据是食材原料，算法是厨师技能。

四. 工业互联网即智能制造系统

构建人工智能+制造业的“三算”（算力、算据、算法）体系就是工业互联网，工业互联网是智能制造现阶段的关键载体，是互联网、云计算、大数据、物联网、人工智能等新一代信息技术在制造业融合应用的产物。

五. 工业互联网是产业互联网的子集

工业不是第一个与新一代信息技术融合的产业，在这之前，零售业、金融业、通信、教育等早已开始了这场融合（新零售、新金融、新生态等），只不过这次“轮流转”到了工业，而且，新一代信息技术与工业的融合是必然，这种融合就形成了工业互联网。

各个产业与新一代信息技术融合的产物就是产业互联网，工业互联网是产业互联网的一个重要组成部分。

有意思的是，工业和产业的英文都是instry，中文很美妙。

六. 数字化转型是目标，产业互联网是手段

数字化转型是目标，它追求的是将各行各业与数字技术融合，从而帮助传统产业获得产出增加和效率提升，而产业互联网是实现这一目标的手段和抓手。

数字化转型是一种状态目标，追求的结果是“产出增加和效率提升”，这是大家需要注意的地方，不是为转型而转型。

七.  最后，我们小结下

1 . 智能制造包含智能制造技术和智能制造系统，智能制造技术包含“四新”，智能制造系统主要是指“三算”；

2 . 工业互联网是指智能制造大范畴中的智能制造系统这一部分；

3 . 产业互联网包含了信息技术与多个产业的融合，与工业的融合就是工业互联网；

4 . 数字化转型是指各产业与数字技术融合的一个过程与目标，产业互联网是这一目标的手段和抓手。

现在，这些概念你搞清楚了吗？别再被人用各种概念扰乱了思路哦~

以上是本系列的“前菜”， 下期见 。

-END-

“上硬菜”栏目是硬核派微信公众号Hi2Lab的专家约稿/投稿栏目，邀请特约专家通俗地讲述硬核科技的技术概念、产业现状及发展趋势。

如果有所获，请转发给你的朋友们吧~

❼ 人工智能与工业互联网关系解析

1.1 核心焦点从上云互通转向借助人工智能深挖工业大数据价值

工业互联网的建设促进了企业IT系统的云化迁移，实现了ICT系统与OT系统间要素的流转，打通了数据孤岛，企业得以获取灵活便捷、高效率、低成本的信息化、网络化、数字化基础，但要想实现真正的数字化和智能化则必须借助人工智能技术对工业数据价值进行充分挖掘。数据是工业互联网的核心资产，也是其价值创造的来源，对数据分析和挖掘的深度在很大程度上决定了工业互联网实际应用价值的高低。目前对数据挖掘价值依赖程度高的生产管控类及设备管理服务类应用是我国工业互联网的高热度场景，结合深度数据分析的设备 健康 管理、生产质量管理、生产工艺优化、能耗与排放管理等应用为工业企业创造了运维成本及能耗成本降低、产品质量及服务价值提升等显着的直接优化价值。

1.2 人工智能是工业互联网实现真正数智化价值的前提

工业互联网之于工业企业而言，是企业实现数字化、网络化、智能化转型的工具，其中平台层搭建了工业数据汇聚与处理的基础，工业软件的应用本质上实现数字化和自动化，强调机器设备的自动化功能，工业互联网的互联工具应用则是强调

企业内外部的打通与协同，是工业角度的互联网+模式，人工智能的加入是在数字化、网络化的基础上实现真正的智能化。工业互联网为工业企业提供通用的算力-工业云计算和边缘计算、算据-工业大数据以及算法-工业人工智能，其中大数据作为人工智能技术发挥作用的必要燃料，其背后价值的挖掘深度决定了工业互联网价值呈现的合理逻辑是从网络化、数字化转而最终实现智能化，这也正是工业企业实现降本增效、升级优化的必经之路。

二、人工智能成为重新定义工业互联网产品逻辑的抓手

强化数据洞察力，拓宽工业互联网可解问题边界

工业互联网的核心是数据驱动的智能分析与决策优化，人工智能技术从广义上来看正是一种通过算法模型对数据的处理方式，人工智能技术因此开始进入工业互联网产品建设方的视野，成为服务商拉高产品价值的落脚点。以深度学习和知识图谱的为代表的人工智能技术从根本上提高系统建模和处理复杂性、不确定性、常识性等问题的能力，显着提升了工业大数据分析能力与效率，为解决工业各领域诊断、预测与优化问题提供得力工具，进一步扩大了工业互联网平台可解工业问题边界的深度和广度。人工智能驱动的工业数据智能分析支撑工业互联网实现数据价值深挖掘，强化了工业企业的数据洞察能力，成为打通智能制造最后一公里的关键环节。

使能工业互联网形成数据优化闭环，催生多场景系统化应用

工业领域内存在着纷繁复杂的应用场景，产品研发设计、产品瑕疵质检、生产工艺优化、流程自动化等许多场景的工业机理复杂、数据分析能力需求较高，人工智能因此被视为是使能工业互联网形成数据优化闭环的关键。目前以深度学习、知识图谱、自然语言处理为代表的人工智能技术正处于多方创新和突破的时期，通过与工业领域知识融合的不断加深，AI技术正逐渐加速向工业互联网渗透，在工业企业“研产供销管”业务链条下形成众多落地应用。从工业AI技术角度来看，主要有声音、图像、知识图谱和自然语言方向的应用，声音和图像多用于质量检测与安全监管两个领域，是目前应用较多，经济效益较为明显的场景；自然语言处理更多用在智能助手，这里有别于智能客服，智能助手更加垂直和专业，如设备维修助手；知识图谱则擅长处理大规模、复杂、多点的问题，典型应用是产品质量回溯。

以解决通用型问题为能力基础，面向特定行业差异化延伸

工业智能的本质是通用人工智能技术与工业场景、机理、知识结合，实现设计模式创新、生产智能决策、资源优化配置等创新应用。工业智能在工业系统各层级各环节已形成了相对广泛的应用，其细分应用场景可达到数十种，正如前文所述工业领域不同细分行业对工业互联网类型与功能的需求各不相同，工业智能亦是如此。不同行业依托工业智能，获取解决通用型问题的能力的同时，基于行业特点、面向行业特性痛点问题延伸出差异化方向。

五、人工智能在工业互联网中的部署

应用部署将从以平台侧为主向平台+边缘共生演进

当前人工智能主要通过三种模式融入工业互联网。第一，直接将AI算法或模型嵌入工业互联网平台层，以提升平台层数据分析能力；第二，提供工业AI软件系统，并通过云端部署形成标准化的工业互联网SaaS层应用；第三，提供一套工业互联网框架下包含软件和边缘侧硬件的完整系统。部署过程中会根据行业类别、产品相似度、场景条件、问题共性等因素对不同AI模型进行组合，对同一个行业来说，针对同一个环节将模型尽量标准化以实现移植应用。现阶段工业智能应用以平台侧为主，后期会向边缘侧发展，边缘侧的实时性要求需要AI模型产出的结论与产线或者设备形成控制闭环，艾瑞认为目前我国工业企业自动化程度不一，现场数据质量不高，并且企业对于人工智能的应用较为保守，时下落地较多的应用无论是安全监管还是质量检测都主要集中于平台侧，边缘侧工业智能的下一阶段发展需要配套基础设施和能力的共建。

六、基于AI的工业互联网参与者拓展思路

技术为先，场景为王，合作共赢

随着《互联网+人工智能三年行动实施方案》、《新一代人工智能发展规划》、《促进新一代人工智能产业发展三年行动计划》等多份国家政策文件的发布，开展人工智能与工业结合应用成为了重要发展趋势。工业领域每个下游行业场景都有

其原生的价值链条，同时各个行业的Know – how有着较高的壁垒，人工智能服务商在开展工业领域业务时，大多基于自身技术优势和特点去寻找适合实景落地的垂直细分行业或者某一共通性工业场景，在特定场景应用中持续打磨自身工业智能产品和服务。“聚焦”被大多数AI厂商视为优先的发展策略，通过与成熟的工业互联网平台型企业开展合作，以融入而非自主开发的方式获取平台能力，不仅极大地减少了自研开发的成本和风险，而且为迭代、优化、创新自身工业智能解决方案提供了丰富的资源储备。

数据、算法、算力的不足制约了AI在工业领域的普及应用

人工智能技术本身的发展离不开数据的支撑，工业领域由于自身复杂、多样且专业性强的行业特性，导致其缺乏优秀的工业主题AI数据模型，也没有很好的工业标注数据集用于AI算法训练。此外包括底层硬件、计算框架、开发平台等AI基础设施在工业领域的建设也较为落后，这直接限制了工业智能化的发展。数据、算法和算力的短板导致了当前AI技术在工业领域的应用场景主要呈现点状分布，普及范围有限。

人工智能在工业领域应用的市场前景广阔

2020年，中国人工智能市场主要客户来自政府城市治理和运营（公安、交警、司法、城市运营、政务、交运管理、国土资源、监所、环保等），互联网与金融行业也位居前列，然而作为国民经济支柱产业的工业在人工智能市场份额中仅占到5%。随着人工智能与工业互联网共同被纳入新型基础设施建设范畴，行业双双提速发展的态势基本确定，加之工业领域多样化的场景需求，预计未来五年，中国工业领域中人工智能技术的使用率将显着提高，工业智能的应用市场前景将十分广阔。

人工智能将重新切割工业互联网投入空间

2020年以机器学习与深度学习、知识图谱、NLP、计算机视觉为技术主导的我国工业智能应用核心产业规模为68亿元，年均复合增长率达到27.96%，产业整体具备高成长性。然而目前人工智能服务商多以自身独立的系统交付工业智能解决

方案，工业互联网平台服务商提供的平台AI功能也以基于开源框架的算法模型自主开发为主，平台AI功能集中于基础性的数据分析能力优化，AI技术并未在工业互联网中实现广泛化应用。总体来看，现阶段工业智能与工业互联网的结合应用呈星点状分布，未来随着工业互联网对数据价值深度挖掘的依赖性提升，人工智能技术将加速向工业互联网融入，工业互联网建设的资金投入比例将重新洗牌。

四大工业智能布局方向助力工业互联网塑造竞争优势

工业互联网的真正价值不在于为工业企业锦上添花而应是雪中送炭，人工智能技术的注入是以系统化的方法和规则助力工业互联网解决工业实际场景中的某些痛点。基于深度学习技术的计算机视觉在质检、巡检等场景中实现了机器代人，在提高生产效率的同时释放了企业人力成本；以知识图谱、自然语言处理为主的认知智能技术，促进了工业知识的积累，提升了企业决策速度与精度；AutoML平台的模型自动化塑造能力则提高了算法模型在实景中的适配性。AI技术的纵向升级使得采用多种路径解决复杂工业问题成为可能，未来融合多种AI技术的工业互联网将是相关服务商打造竞争优势的重要切口。