根据IDC全球物联网半年开支指南预测,2017年全球物联网开支同比增加16.7%,突破8000亿美元。到2021年,随着企业组织持续实现物联网所需的硬件、软件、服务和连接,全球物联网开支预计总额将接近1.4万亿美元。
“关于物联网的讨论已经不仅限于连接设备的数量,”IDC物联网和移动副总裁Carrie MacGillivray表示。“当软件和服务一起来实现对物联网端点数据的获取、解释以及采取措施时,物联网就会发挥其真正的价值。IDC通过全球物联网半年开支指南报告,提供了关键用例的解读,在这些领域,企业组织投资以实现物联网承诺带来的业务价值和转型。”
2017年,预计能吸引来大规模投资的物联网用例包括制造运作(1050亿美元)、货运监测(500亿美元)以及生产资产管理(450亿美元)。今年面向电力、天然气和水电的智能电网技术,以及智能建筑技术都会有重大投资,分别为560亿美元和400亿美元。这些用例仍将是2021年前最大的物联网开支领域,同时智能家庭技术也将在未来5年的预测期内实现强劲的增长(复合年增长率为19.8%),而开支增长最快的分别是机场设施自动化(复合年增长率为33.4%)、电动汽车充电(21.1%)和店内背景营销(20.2%)。
2017年在物联网上投资最大的行业包括制造业(1830亿美元)、交通运输(850亿美元)和公用事业(660亿美元)。跨行业的物联网投资,也就是适用于所有行业的用例,例如连接的车辆和智能建筑,将在2017年达到860亿美元,是5年预测期内排名最前的细分领域之一。消费者物联网采购将是2017年第四大细分市场,规模为620亿美元,但是到2021年将成长为第三大细分市场。与此同时,开支增长最快的行业还有保险业(复合年增长率202.%)、消费者(19.4%)以及跨行业(17.6%)。
从技术的角度来看,硬件将成为开支最大的类别,直到去年这一类被快速增长的服务类赶超。硬件开支将主要是将端点连接到网络的模块和传感器,而软件开支则主要是应用软件。服务开支主要是后续服务、内容服务、IT和安装服务。技术类开支增长最快的主要是软件,横向软件和分析软件的五年复合年增长率分别为29%和20.5%。安全硬件和安全软件的投资也会有所增加,复合年增长率分别为15.1%和16.6%。
IDC亚太区(不包括日本)物联网开支研究经理Ashutosh Bisht表示:“随着企业采用由不同厂商提供的新型服务和创新服务,这同时也引入了大量新的威胁,所以升级现有安全系统以确保达到最佳业务成果、投资回报率得到证明,这一点非常重要。”
亚太(不包括日本)区是预测期内物联网投资的领跑者,到2021年预计规模将达到4550亿美元,美国和西欧紧随其后,到2021年将分贝达到4210亿美元和2740亿美元。制造业将是所有三大地区物联网投资的主要行业,其次是在亚太(不包括日本)以及西欧地区的公共事业和交通运输,美国的交通运输和消费者领域。跨行业物联网开支将是所有三大地区最主要的一类,物联网开支增长最快速的地区分别是拉丁美洲(21.7%)、中东和非洲(21.6%)、中东欧(21.2%)。
好文章,需要你的鼓励
这项由加州大学圣地亚哥分校和微软研究院合作开发的REAL框架,通过程序分析反馈训练大型语言模型生成高质量代码。与传统方法不同,REAL采用强化学习将代码安全性和可维护性作为奖励信号,不依赖人工标注或特定规则。研究在多个数据集上的实验表明,REAL在保证功能正确性的同时显著提高了代码质量,有效解决了"即兴编程"中的安全漏洞和维护性问题,为AI辅助编程提供了新的范式。
加州大学伯克利分校与Meta FAIR研究团队开发了"Self-Challenging"框架,让大语言模型通过自己创建和解决任务来提升能力。该方法引入创新的"Code-as-Task"格式,包含指令、验证函数、示例解决方案和失败案例,确保生成的任务既可行又有挑战性。在工具计算、网页浏览、零售服务和航班预订四种环境测试中,仅使用自生成训练数据,Llama-3.1-8B模型性能提升了两倍多,证明AI可以通过自我挑战实现有效学习,减少对人类标注的依赖。
南洋理工大学与SenseTime Research合作提出了PoseFuse3D-KI,一种创新的人体中心关键帧插值框架。该方法将3D人体模型信息融入扩散过程,解决了现有技术在处理复杂人体动作时产生扭曲结果的问题。研究团队开发了专门的SMPL-X编码器直接从3D空间提取几何信息,并设计了融合网络将3D线索与2D姿态无缝整合。他们还构建了CHKI-Video数据集,包含2,614个视频片段及完整的人体标注。实验结果显示,PoseFuse3D-KI在PSNR上提升9%,LPIPS减少38%,显著超越现有方法。
这项研究提出了LongGuide算法,解决了大型语言模型在长文本生成任务中的局限性。研究团队发现,仅依靠上下文学习无法使模型充分掌握文本的语言和格式特性。LongGuide通过自动生成两种指导原则:度量指导原则和输出约束指导原则,显著提升了模型性能。在七种长文本生成任务中,该方法使开源和闭源模型的ROUGE-L评分平均提高约6%。LongGuide具有通用性强、易于学习、成本效益高等优点,为提升AI长文本生成能力提供了新方向。