智能补给系统:未来的智能硬件新思路

简介:

自乔布斯在2007年推出苹果手机,移动网络成为了最具前途的行业,以“智能手机+移动网络”为催化剂,我们的思维模式、行为方式都发生了变化,诞生了新的消费模式及新的生产方式,从而为不同的企业提供一系列无限发展之商机。但是时至今日,这一次的科技浪潮所带来的经济效益开始有所减缓,在终端方面:三星的手机出货量已经下跌,苹果的手机“神圣光环”早已褪去;在网络方面:虽然世界各地的4G建设尚是如火如荼,然而整个运营模式还是3G时代的;互联网企业方面:收入的主要组成部分仍是过往的成功例子,新的增长点仍在摸索中。


面对未来可能出现的瓶颈,许多企业都选择从终端着眼,投入资源开发各种的智能硬件。背后的整个逻辑是:既然单靠智能手机已经不足以支撑整个4G、甚至5G时代的发展,那么就增加各种的载体来扩充基础。在这一思想的指导下,硬件智能化成为时下最热门的发展方向。但问题是,当下的这些智能硬件符合“智能”的概念吗?它们依靠什么来提升用户对流量的需求?


当下的智能硬件理解:too simple,too naive


从传统的家电企业、创业公司到互联网巨头,它们对智能硬件的理解几乎可以简化为:“硬件+芯片+大数据”。然而这只是一个充分不必要条件,任何具备这些要素的硬件都不一定能成为智能硬件。智能硬件的关键在于提供一个解决方案,帮助人们把某样事物变得比以往简单、方便。智能手机就是一个最简单的例子,满足基本的通信功能外,通过屏幕触摸技术提供操作简单的便携式操作体验(其中很大一部分是上网体验)。正是基于这些技术,手机智能化有了可靠的技术路径,个人电脑的许多功能都能在手机上实现,于是,我们的电脑“手机化”了、上网的状态“移动化”了,再也不用忍受电脑体积所带来的携带不便,上网地点也变得灵活起来。


对用户深层次的挖掘并提供解决方式,这是智能硬件的基本出发点,然而当今大部分的智能硬件只是解决了用户的部分需求,但是对用户深层次的需求还没涉及到。例如:关于健康、医疗方面的智能硬件一抓一大把,从可穿戴式设备、家庭电器到家具都有涉及,纵观大部分的产品,基本都是通过数据采集仪器检测人体的某些生物指标,并且反馈给人们。然而我们当初使用目的是什么,不正是为了让身体更加健康吗?虽然接收一堆医学指标信息能帮助我们了解自己,但是这只是身体健康所需的其中一个步骤,人们更希望得到了是:这些设备采集数据后能进行分析,并且给出建议,要么改善人们的睡眠质量,要么提高运动的效果。


更多的企业只是为了造概念,它们从普通的家电产品切入,往里面植入一个芯片,使其能联网、能用APP方式控制,就称之为智能家居。说白了,就是让产品拥有可以用手机远程遥控的功能。


未来智能硬件:智能补给系统


真正的智能硬件应该具备三个要素。首先是对环境的感知能力,即通过各类型传感器对外界进行信息的收集。其次是对信息的认知能力,也就是说在所获取的信息基础上推导出对用户有意义的判断。最后,是在正确认知的基础上产生的行动能力,能够替用户第一时间采取必要的行动。参考几个指标,暂时只有Google公司开发的无人驾驶汽车符合。现阶段的智能硬件多是停留在满足第一个要素之上,只有部分能通过云计算或者人工智能等方式满足前两个要素。


赛立信通信研究部听过一位互联网公司的高层对未来智能硬件的描述,在此与各位分享一下:他提到的是一个叫“智能补给系统”的概念。在日常生活中,人们总有各种各样的物品需要重复购买,如生活用品、食品、衣服等等。在工业生产中,运用流程管理系统或者库存管理软件,企业能实现物料补充的自动化。在可遇见的将来,这种管理的方式将运用到个人或者家庭的物品管理中,把人们从这些重复性的常规劳动中解放出来。整个补给系统中,物理载体可以是一台冰箱(负责食品)、一个衣柜(负责衣服)或者是一个储物柜(负责日常用品),中枢神经则是类似于ERP(Enterprise Resource Planning,企业资源计划)的管理软件,并且通过网络获得该公司的云服务支持,供应方主要由各大的电商企业担当,连接方式线上是通过互联网、线下是通过快递。整个系统通过对存放在载体中的物品进行管理,设定补充临界线,分析用户的习惯从而在物品消耗殆尽前进行补充,用户只需安坐家中,日常的补充便可以交给系统了。


根据现在的人工智能水平,智能硬件的智慧距离真正的智能仍有一段距离,在此之前,智能硬件都需要通过大量的数据来分析理解,从而知晓人们需要他们提供什么帮助,这样一来对于云计算、对于网络的需求是巨大的。有时候淘金的未必能赚到钱,但卖淘金设备的是稳赚的。



原文发布时间为:2014-10-09

本文来自云栖社区合作伙伴“大数据文摘”,了解相关信息可以关注“BigDataDigest”微信公众号

相关文章
|
5天前
|
云安全 人工智能 运维
当攻击全面Agent化,你的安全防御能否跟上AI Speed?
多起客户侧AK泄露事件应急的真实观察
1288 6
|
4天前
|
人工智能 API 开发工具
DeepSeek Harness 神插件:白嫖 13 家大厂模型
`dsh-our-free-model` 是 DeepSeek Harness 神级插件:零配置、零API Key、零账号,聚合13家大厂免费模型(含DeepSeek V4.1 Flash、Kimi K3等),支持本地网关、用量看板与自动降级,真正实现“白嫖即用”。
|
9天前
|
存储 人工智能 安全
千问办公官网入口网页版登录:qwenwork.cn 注册送2000积分、登录送100积分
阿里云千问办公(QwenWork)是AI智能工作平台,支持一句话生成PPT、表格、网页、视频及数据分析。个人免费版送2000积分+每日登录赠100分,含1GB存储、5个发布页;企业版198元/席/月起。阿里千问办公QwenWork官网:https://t.aliyun.com/U/0VCTGt 阿里AI工作平台,一句话完成数据分析、PPT 生成、视频剪辑、网页搭建等复杂任务
|
29天前
|
人工智能 JSON API
全网刷屏的 Jev 模型正式开放!一手实战测评 + 保姆级教程
全网爆火的 Jev 模型是什么?有什么用?怎么使用?怎么接入 AI 编程工具?效果真的好么?傻子可懂的 Jev 保姆级实战教程 + 项目实战测评来啦
9853 33
|
15天前
|
存储 人工智能 并行计算
大模型本地部署终端选型方法论:以 Qwen3.8-27B 为例的四档分层完整流程
本文提出一套大模型本地部署终端选型方法论:定约束、定档位、定框架、定参数四步决策法,配合入门、主力、质量、无损四档分层模型。以 Qwen3.8-27B 实测数据为例,逐环节解读显存、带宽、存储、散热、系统、预算等要素,给出面向不同预算的优选方案、决策自查清单与市场观察框架。文末前瞻 AI 笔记本的 CPU+GPU 与统一内存两条路线,论证四步决策法在新品类上的延续性。
|
6天前
|
Web App开发 人工智能 JavaScript
太猛了,一个月干到15W+,给大家推荐一个最近爆火的开源逆向工具:REA
REA(Reverse Engineer Anything)是近期爆火的开源AI逆向工具,4月发布,1个月内斩获15万+ Star。它让AI Agent无需源码即可分析二进制、APK、JS/Electron、HAR包等17类目标,自动反编译、生成可运行代码,并强制返回带证据与局限的结论。全本地执行,MIT协议,支持Hopper/Ghidra/IDA等引擎,一行命令即可上手。
673 2
太猛了,一个月干到15W+,给大家推荐一个最近爆火的开源逆向工具:REA
|
4天前
|
人工智能 开发者
Qoder CN 大使计划正式开启|无限创造,等你一起
全年免费积分、优先内测、活动支持与更多共创机会,邀请用 Qoder 把想法变成现实的你。
442 0
|
13天前
|
人工智能 JSON 自然语言处理
2026 年 Jev 决策模型深度拆解:原理解读、实战测评与保姆级落地教程
有一款特殊AI模型在开发者圈子刷屏,它摒弃传统大模型擅长的对话聊天能力,专注做高速结构化决策,它就是TypeSafe AI推出的Jev模型。该模型由ChatGPT共同发明人Diogo Almeida主导研发,定位为**System One Model(系统一模型)**,对标人类大脑快速直觉判断的思维模式,在响应延迟、调用成本、结构化输出稳定性上相比传统生成式大模型有着巨大差异。本文会完整拆解Jev底层原理、三大核心原语能力、适用业务场景,同时提供可直接运行的curl、Python代码示例,并且结合多组实测数据,客观分析模型优势与能力边界,帮助普通开发者和AI应用从业者快速上手落地。
982 1