至顶网网络频道 01月04日 编译:根据IDC全球半年度物联网支出指南的更新数据显示,2019年预计全球物联网(IoT)支出将达到7450亿美元,相比2018年的6460亿美元增长15.4%。IDC预计,2017年-2022年全球物联网支出将保持两位数的年增长率,并在2022年超过1万亿美元大关。
IDC物联网和移动副总裁Carrie MacGillivray表示:“物联网正在各个行业普及,不仅在政府机构,也在消费者的日常生活中应用。我们越来越多地看到,由联网设备生成的数据正在帮助企业更高效地运营、深入了解业务流程、并做出实时决策。对于消费者来说,数据获取正在改变他们了解家庭、车辆和家庭成员状况以及自身健康状况的一种方式。物联网的下一个发展阶段才刚刚开始,我们看到通过数字化从物理方式转变为自动化方式并通过互联世界增强人类的体验。”
2019年,在物联网解决方案上支出最多的行业预计是离散制造业(1190亿美元)、流程制造业(780亿美元)、运输业(710亿美元)和公用事业(610亿美元)。制造业的物联网支出主要集中在支持制造运营和生产资产管理的解决方案上。运输业有超过一半的物联网支出将用于货运监控和车队管理上。公用事业行业的物联网支出将主要用于电力、燃气和水组成的智能网格。在五年预测期内,复合年增长率(CAGR)最快的行业是保险(17.1%)、联邦/中央政府(16.1%)、医疗保健(15.4%)。
IDC客户洞察与分析研究总监Marcus Torchia表示:“2019年消费者物联网支出将达到1080亿美元,成为第二大细分行业。消费者的物联网支出将主要集用于智能家居、个人健康和互联网信息娱乐相关方面。在智能家居方面,家庭自动化和智能家电将在预测期内实现强劲的支出增长,让消费者细分行业成为增长最快的行业领域,五年复合年增长率达到17.8%。”
2019年物联网使用实例将得到最大水平的投资,这主要受到了以下行业支出领跑者的推动:制造业(1000亿美元)、生产资产管理(442亿美元)、智能家居(441亿美元)、货运监控(417亿美元)。从2017-2022年预测期内实现支出增长最快的物联网用例中,我们可以大致看到其他行业的物联网投资情况,包括机场设施自动化(运输)、电动车辆充电(公用事业)、农业现场监控(资源)、床边遥测(医疗保健)、店内情境化营销(零售)。
2019年物联网服务将成为最大的技术类别,其中2580亿美元将用于传统的IT和安装服务,以及非传统的设备和运营服务。硬件支出将接近2500亿美元,其中超过2000亿美元将用于模块/传感器采购。2019年物联网软件支出将达到1540亿美元,并将在五年预测期内实现最快增长,复合年增长率为16.6%。服务支出增长也将高于物联网整体增长,复合年增长率为14.2%。物联网连接支出将在2019年达到830亿美元。
2019年美国和中国将成为物联网支出的全球领导者,分别为1940亿美元和1820亿美元,其次是日本(654亿美元)、德国(355亿美元)、韩国(257亿美元)、法国(256亿美元)和英国(255亿美元)。在预测期内物联网支出增长最快的国家都位于拉丁美洲:墨西哥(复合年增长率28.3%)、哥伦比亚(复合年增长率24.9%)和智利(复合年增长率23.3%)。
好文章,需要你的鼓励
新加坡国立大学研究人员开发出名为AiSee的可穿戴辅助设备,利用Meta的Llama模型帮助视障人士"看见"周围世界。该设备采用耳机形态,配备摄像头作为AI伴侣处理视觉信息。通过集成大语言模型,设备从简单物体识别升级为对话助手,用户可进行追问。设备运行代理AI框架,使用量化技术将Llama模型压缩至10-30亿参数在安卓设备上高效运行,支持离线处理敏感文档,保护用户隐私。
阿里达摩院联合浙江大学推出VideoRefer套件,这是首个能够精确理解视频中特定物体的AI系统。该系统不仅能识别整体场景,更能针对用户指定的任何物体进行详细分析和跨时间追踪。研究团队构建了包含70万样本的高质量数据集VideoRefer-700K,并设计了全面的评估体系VideoRefer-Bench。实验显示该技术在专业视频理解任务中显著超越现有方法,在安防监控、自动驾驶、视频编辑等领域具有广阔应用前景。
OpenAI推出新AI模型GPT-5-Codex,能够在无用户协助下完成数小时的编程任务。该模型是GPT-5的改进版本,使用额外编码数据训练。测试显示,GPT-5-Codex可独立工作超过7小时,能自动发现并修复编码错误。在重构基准测试中得分51.3%,比GPT高出17%以上。模型可根据任务难度调整处理时间,简单请求处理速度显著提升。目前已在ChatGPT付费计划中提供。
Sa2VA是由UC默塞德等高校联合开发的突破性AI系统,首次实现图像视频的统一理解与精确分割。通过巧妙融合SAM-2视频分割技术和LLaVA多模态对话能力,Sa2VA能够同时进行自然对话和像素级物体标注。研究团队还构建了包含7万多个复杂视频表达式的Ref-SAV数据集,显著提升了AI在长文本描述和复杂场景下的表现。实验显示,Sa2VA在多个基准测试中达到业界领先水平,为视频编辑、医疗诊断、智能监控等领域带来新的应用可能性。