idc是什么表,Linux和Windows相比?

idc是什么表，Linux和Windows相比？

学习比较简单，这也是很有学习前途的。

Linux在现在市场上是非常火的，有百分之八十五的公司都在使用Linux系统，前景非常不错，而且Linux算是IT行业之中的入门技术，对于零基础小白或者转型者都是非常友好的，学习起来相对于比较简单，薪资待遇非常不错，发展方向也是非常广阔的。

Linux因其高效率、易于裁剪、应用广等优势，成为了当今中高端服务器的主要操作系统，并且处于一个不可替代的地位。Linux可安装在各种计算机硬件设备中，比如手机、平板电脑、路由器、视频游戏控制台、台式计算机、大型机和超级计算机。随着Linux在中国市场迅猛发展，国内Linux人才缺口逐渐凸显。Linux人才招聘也成了当前最热门的招聘之一。

首先linux是一个非常非常大的概念。想全部吃透是不可能的。理想的说，搞懂linux，就可以做所有工作。个人更倾向于说想做什么样工作，需要学linux的哪部分。

按个人经验介绍下常见的linux有哪些领域，并对应到什么工作。

1）linux应用。这部分严格来说不能算是linux，只是跑在linux上的应用，比如web，网络，IT等，职业包括系统研发，后台开发，服务器性能优化，运维等；

2）linux定制。这部分涉及linux版本的用户包较多，内核会有一些涉及，主要各种商业linux的订制，服务等。比如redhat之类，不少是外国公司，国内大多招现场支持等。

3）linux内核开发。这部分主要是linux内核驱动的开发。几乎全部是编程工作。主要是芯片公司，以及使用芯片的产品开发公司。前者如intel，marvell，后者如中兴华为。

4）android衍生品。因为android包括慢慢火爆的tizen都用的linux内核，所以理由同3。所以手机芯片公司和手机开发公司也是linux开发者的雇主之一。比如高通，TI等；

一、Linux运维的主要工作内容

Linux运维作为众多工作中需求人数最多，薪资待遇最高的岗位，本文重点介绍Linux运维的职业，本文内容由专门研究Linux运维学习和职业发展的机构马哥教育和爱好者们联合撰写。

互联网Linux运维工作，以服务为中心，以稳定、安全、高效为三个基本点，确保公司的互联网业务能够7×24小时为用户提供高质量的服务。运维的职责覆盖了产品从设计到发布、运行维护、变更升级及至下线的生命周期。

产品的整个生命周期里运维的职责重要而广泛，但运维工程师们的职责不仅限于这部分工作，还需要总结工作中遇到的问题，抽取出相关的技术方向、研发相关的工具和平台以支持/优化业务的发展并提高运维的效率，相关技术工作主要包括：

服务监控技术：包括监控平台的研发、应用，服务监控准确性、实时性、全面性的保障

服务故障管理：包括服务的故障预案设计，预案的自动化执行，故障的总结并反馈到产品/系统的设计层面进行优化以提高产品的稳定性

服务容量管理：测量服务的容量，规划服务的机房建设，扩容、迁移等工作

服务性能优化：从各个方向，包括网络优化、操作系统优化、应用优化、客户端优化等，提高服务的性能和响应速度，改善用户体验

服务全局流量调度：接入服务的流量，根据容量和服务状态在各个机房间分配流量

服务任务调度：服务的各种定时/非定时任务的调度触发及状态监控

服务安全保障：包括服务的访问安全、防攻击、权限控制等

数据传输技术：包括p2p等各类传输技术的研发应用，也远距离大数据传输等问题的解决

服务自动发布部署：部署平台/工具的研发，及平台/工具的使用，做到安全、高效的发布服务

服务集群管理：包括服务的服务器管理、大规模集群管理等

服务成本优化：尽可能降低服务运行使用的资源，降低服务运行成本

数据库管理（DBA）：通过设计、开发和管理高性能数据库集群，使数据库服务更稳定、更高效、更易于管理。

平台化的开发：类docker等平台的开发管理，及服务接入技术

分布式存储平台的开发优化与接入

等等，凡是关系到服务质量、效率、成本、安全等方面的工作，及涉及到的技术、组件、工具、平台都在运维的技术范畴里。做好每一个技术方向、完成相应的组件、工具、平台研发都能对履行运维职责起到积极的作用，对业务的发展发挥关键影响。

二、Linux运维工作分类

运维的工作方向比较多，随着业务规模的不断发展，越成熟的互联网公司，运维岗位会划分得越细。当前很多大型的互联网公司，在初创时期只有系统运维，随着模、服务质量的要求，也逐渐进行了工作细分。一般情况下运维团队的工作分类。

2.1-应用运维（SRE）：应用运维负责线上服务的变更、服务状态监控、服务容灾和数据备份等工作，对服务进行例行排查、故障应急处理等工作，工作职责如下：设计评审、服务管理、资源管理、例行检查、预案管理、数据备份。

2.2-系统运维(SYS)：负责IDC、网络、CDN和基础服务的建设（LVS、NTP、DNS）；负责资产管理，服务器选型、交付和维修，工作职责如下：IDC数据中心建设、网络建设、LVS负载均衡和SNAT建设、CDN规划和建设、服务器选型、交付和维护、内核选型和OS相关维护工作、资产管理、基础服务建设。

2.3-数据库运维（DBA）:数据库运维负责数据存储方案设计、数据库表设计、索引设计和SQL优化，对数据库进行变更、监控、备份、高可用设计等工作，详细的工作内容如下：设计评审、容量规划、数据备份与灾备、数据库监控、数据库安全、数据库高可用和性能优化、自动化系统建设、运维研发、运维平台、监控系统、自动化部署系统。

2.4-运维安全（SEC）：运维安全负责网络、系统和业务等方面的安全加固工作，进行常规的安全扫描、渗透测试，进行安全工具和系统研发以及安全事件应急处理，工作内容如下：安全制度建立、安全培训、风险评估、安全建设、安全合规、应急响应。

三、Linux运维日常使用软件和技能

运维工程师使用的运维平台和工具包括：

Web服务器：apache、tomcat、nginx、lighttpd

监控：nagios、ganglia、cacti、zabbix

自动部署：ansible、sshpt、salt

配置管理：puppet、cfengine

负载均衡：lvs、haproxy、nginx

传输工具：scribe、flume

备份工具：rsync、wget

数据库：mysql、oracle、sqlserver

分布式平台：hdfs、mapreduce、spark、storm、hive

分布式数据库：hbase、cassandra、redis、MongoDB

容器：lxc、docker

虚拟化：openstack、xen、kvm

安全：kerberos、selinux、acl、iptables

问题追查：netstat、top、tcpdump、last

运维以技术为基础，通过技术保障产品提供更高质量的服务。运维工作的职责及在业务中的位置决定了运维工程师需要具备更加广博的知识和深入的技术能力：

扎实的计算机基础知识，包括计算机系统架构，操作系统，网络技术等；

通用应用方面需要了解操作系统、网络、安全，存储，CDN，DB等，知道其相关原理；

编程能力，小到运维工具的开发大到大型运维系统/平台的开发都需要有良好的编程能力；

数据分析能力：能够整理、分析系统运行的各项数据，从中发现问题及找到解决方向；

丰富的系统知识，包括系统工具、典型系统架构、常见的平台选型等；

综合利用工具和平台的能力；

早期的运维团队在人员较少的情况下，主要是进行数据中心建设、基础网络建设、服务器采购和服务器安装交付工作。几乎很少涉及线上服务的变更、监控、管理等工作。这个时候的运维团队更多的属于基础建设的角色，提供一个简单、可用的网络环境和系统环境即可。

随着业务产品的逐渐成熟，对于服务质量方面就有了更高的要求。这个时候的运维团队还会承担一些服务器监控的工作，同时会负责LVS、Nginx等与业务逻辑无关的4/7层运维工作。这个时候服务变更更多的是逐台的手工操作，或者有一些简单批量脚本的出现。监控的焦点更多的在服务器状态和资源使用情况上，对服务应用状态的监控几乎很少，监控更多的使用各种开源系统如Nagios、Cacti等。

由于业务规模和复杂度的持续增加，运维团队会逐渐划分为应用运维和系统运维两大块。应用运维开始接手线上业务，逐步开展服务监控梳理、数据备份以及服务变更的工作。随着对服务的深入，应用运维工程师有能力开始对服务进行一些简单的优化。同时，为了应对每天大量的服务变更，我们也开始编写各类运维工具，针对某些特定的服务能够很方便的批量变更。随着业务规模的增大，基础设施由于容量规划不足或抵御风险能力较弱导致的故障也越来越多，迫使运维人员开始将更多的精力投入到多数据中心容灾、预案管理的方向上。

业务规模达到一定程度后，开源的监控系统在性能和功能方面，已经无法满足业务需求；大量的服务变更、复杂的服务关系，以前靠人工记录、工具变更的方式不管在效率还是准确性方面也都无法满足业务需求；在安全方面也出现了各种大大小小的事件，迫使我们投入更多的精力在安全防御上。逐渐的，运维团队形成之前提到的5个大的工作分类，每个分类都需要有专精的人才。这个时候系统运维更专注于基础设施的建设和运维，提供稳定、高效的网络环境，交付服务器等资源给应用运维工程师。应用运维更专注于服务运行状态和效率。数据库运维属于应用运维工作的细化，更专注于数据库领域的自动化、性能优化和安全防御。运维研发和运维安全提供各类平台、工具，进一步提升运维工程师的工作效率，使业务服务运行得更加稳定、高效和安全。

我们将运维发展过程划分为4个阶段。

手工管理阶段：业务流量不大，服务器数量相对较少，系统复杂度不高。对于日常的业务管理操作，大家更多的是逐台登录服务器进行手工操作，属于各自为战，每个人都有自己的操作方式，缺少必要的操作标准、流程机制，比如业务目录环境都是各式各样的。

工具批量操作阶段：随着服务器规模、系统复杂度的增加，全人工的操作方式已经不能满足业务的快速发展需要。因此，运维人员逐渐开始使用批量化的操作工具，针对不同操作类型出现了不同的脚本程序。但各团队都有自己的工具，每次操作需求发生变化时都需要调整工具。这主要是因为对于环境、操作的规范不够，导致可程序化处理能力较弱。此时，虽然效率提升了一部分，但很快又遇到了瓶颈。操作的质量并没有太多的提升，甚至可能因为批量执行而导致更大规模的问题出现。我们开始建立大量的流程规范，比如复查机制，先上线一台服务器观察10分钟后再继续后面的操作，一次升级完成后至少要观察20分钟等。这些主要还是靠人来监督和执行，但在实际过程中执行往往不到位，反而降低了工作效率。

平台管理阶段：在这个阶段，对于运维效率和误操作率有了更高的要求，我们决定开始建设运维平台，通过平台承载标准、流程，进而解放人力和提高质量。这个时候对服务的变更动作进行了抽象，形成了操作方法、服务目录环境、服务运行方式等统一的标准，如程序的启停接口必须包括启动、停止、重载等。通过平台来约束操作流程，如上面提到的上线一台服务器观察10分钟。在平台中强制设定暂停检查点，在第一台服务器操作完成后，需要运维人员填写相应的检查项，然后才可以继续执行后续的部署动作。

系统自调度阶段：更大规模的服务数量、更复杂的服务关联关系、各个运维平台的林立，原有的将批量操作转化成平台操作的方式已经不再适合，需要对服务变更进行更高一层的抽象。将每一台服务器抽象成一个容器，由调度系统根据资源使用情况，将服务调度、部署到合适的服务器上，自动化完成与周边各个运维系统的联动，比如监控系统、日志系统、备份系统等。通过自调度系统，根据服务运行情况动态伸缩容量，能够自动化处理常见的服务故障。运维人员的工作也会前置到产品设计阶段，协助研发人员改造服务使其可以接入到自调度系统中。

在整个运维的发展过程中，希望所有的工作都自动化起来，减少人的重复工作，降低知识传递的成本，使我们的运维交付更高效、更安全，使产品运行更稳定。对于故障的处理，也希望由事后处理变成提前发现，由人工处理变成系统自动容灾。

五、2019年Linux运维必须抓住的前沿技能

这是技术世界正在发生的深刻变革的冰山一角，那么问题来了? 作为传统的运维该如何转型呢?

这里给出一点小的建议: 大致需要学习下这四个部分:

自动化运维（Ansible，Puppet，Saltstack等）

Devops（Docker，K8s，Jenkins，Jira等），

云服务技术（虚拟化、OpenStack、AWS及阿里云各种产品服务架构等）

python

日本人多用什么牌子的手机？

谢谢邀请

苹果在世界规模使用率都非常高，在日本也是一样连续在已经过去的2017年使用率或者说购买数量稳稳的独占鳌头。

日本人使用率前十位排名如下：

第一位：Apple7

看上图就知道apple7贩卖数量占全体的24.6%独占鳌头。

今年iPhone 8发行后以为能超越7但是没有超越，因为紧跟着iPhone X就贩卖了。因为高价也未能超越7。

第二位：apple8

看贩卖数量就知道apple8仅以5.3%的差输给了7.

原以为3位是appleX但是也可能是因为价格appleSE变成了第三位。

第三位appleSE

价格39,800円（税抜）是它的魅力原因吧。

第四位：apple7plus

第五位：appleX

第六位：华为P10

第七位：apple5s

第八位：华为p9

第九位：apple8plus

第十位：夏普

服务机器人平台公司哪家做的最专业？

服务机器人行业，以现在的体量而言依然比较大。这里给你一个比较详细的市场概括介绍。

更多详细的机器人数据及资讯请关注机器人观察员。

一、产业链纵览：产品与技术交叉缠绕

1、服务机器人产业链包括平台级公司和应用级公司

服务机器人产业链的特点是产品和技术交叉缠绕。产业链

上游是元器件厂商，包括芯片、激光雷达、舵机等，这些厂商是典型的技术驱动型，并且如果中下游出现快速爆发，则产能可能成为制约因素；

中游包括语音提供商和图像提供商，这个版块相对比较独立，数据和算法是其核心竞争力，中游产品板块包括从设计、加工一直到营销，品牌、渠道和产能是其核心壁垒，如果做产品的公司能够通过操作系统建立起生态圈，将成为其重要壁垒，中游的语音图像板块和做产品的板块通过虚拟和实体向下游各个场景的消费和流通环节进行渗透，各个场景按照产业化的难易程度进行产品的迭代放量，成为中上游的强力引擎。

服务机器人产业成长逻辑：核心技术突破，产品迭代放量，成本大幅降低，之后大规模扩张。而平台级公司和应用级公司是行业的两条平行主体。平台级的公司以技术和成本为核心。包括语音、图像识别公司，核心在于提高其AI水平，核心零部件公司如芯片、激光雷达公司等，核心在于提高其性能和降低其成本，而操作系统公司将入口接口统一并且易开发是其主要任务。为应对多元化的应用场景，这类平台级的公司面临的问题就是核心技术的快速提高，各种不同平台和场景的兼容或者说迅速应用。

应用级的公司以场景实现为核心，是基于特定细分市场实现的，如扫地机器人、陪护机器人、教育机器人、人形机器人、导购机器人等。这些领域的公司，将结合相关的产业集成，做基于一个点的创新。这类公司的最核心竞争要素包括两方面：（1）产品经理思维主导，研发具有刚需场景的机器人品种；（2）对上下游软硬件集成，采用平台级厂商的产品，将上游的硬件厂商提供的硬件设备进行集成。

2、从全球来看，智能交互和特定场景是未来方向

服务机器人产业从全球范围来看，美国是绝对的霸主。美国《Robotics Business Review》是世界上报道机器人产业最权威的机构之一，2016年该榜单公布第四届了“全球最具影响50家机器人公司”，代表了未来全球机器人的发展方向。在这个榜单中服务机器人占据2/3，服务机器人中美国又占据2/3，美国的服务机器人企业，既有Google、亚马逊这样的上市公司巨头，又有Jibo、Seegrid这样的初创企业。美国2016年企业的数量相比2015年增加5席，在服务机器人领域是绝对的全球霸主。除美国外，日本、英国、德国等表现也不错，中国唯一一家服务机器人企业是大疆无人机。

非上市企业是主流，智能交互和特定场景机器人是发展方向。RBR50中，非上市企业占比约2/3，数量远高于上市企业。服务机器人主流方向包括：智能交互式机器人、医疗机器人、无人机、其他特定场景服务机器人。在用户需求的驱动下，服务机器人呈蓬勃发展之势，以垂直领域发展为主，无人机的广泛运用、医疗机器人的不断更新、以及智能交互式服务机器人（教育、陪护、客服等）的兴起将成为世界服务机器人发展的主流方向。

3、从国内来看，A股标的较少，但初创公司火爆

从国内来看，A股服务机器人的上市公司标的较少，并且大部分是通过并购切入。A股服务机器人产业链的公司包括科大讯飞（语音）和川大智胜（转型

脸识别）以及一些通过并购切入服务机器人领域的公司，如巨星科技、康力电梯、慈星股份等，此外，在新三板上，有三家公司天智航（医疗机器人）、捷通华声（语音）、智臻智能（客服）。由于战兴板的搁浅，同时目前服务机器人处于产业爆发前期，初创公司通过并购进入二级市场成为一个重要渠道。

国内初创公司在平台类和应用类均出现诸多优秀公司。从平台类来看，语音板块包括云知声、出门问问、思必驰等、激光雷达包括思岚科技、镭神智能、华达科捷（巨星科技持股65%）、北醒光子（华灿光电拟入股3.75%）等；从应用类来看，扫地机器人有科沃斯、银星智能、深圳宝乐机器人等，教育机器人有康力优蓝、优必选、未来伙伴等。

2014年是国内初创公司成立高峰，北京和广东公司最多。据IT桔子170家服务机器人初创公司，近年来服务机器人成立公司不断增长，2014年是国内服务机器人初创公司成立的高峰，一共48家公司成立，从地域分布来看，北京和广东最多，主要受北京创投氛围和广东创新氛围和机器人基因影响。

教育类机器人是目前最大细分场景。这170家服务机器人公司共有36种细分场景，其中教育类机器人是目前最大的细分场景，占比达到16%，包括优必选、小卡机器人、康力优蓝、未来伙伴、乐创教育等。这些教育类机器人公司包括两类，一类是以优必选为代表的“技术流派”公司，一类是以乐创教育（新三板：836667）为代表的“教育流派”公司，前者主要提供机器人产品，后者着重培训教育。

二、巨头已经抢滩入口级技术：全球企业同台竞技

入口级技术美国布局完善，中国发展迅猛。语音和图像的技术相通性高，属于AI范畴，全球范围内最强的当属美国的Alphabet，还有微软、英特尔、IBM、Facebook、Nuance等巨头，国内的百度将战略直接跨至AI，期待未来有超预期表现，除此之外，众多初创公司如思必驰、云知声、face++等也具有较强技术储备，总体来看，AI领域国内虽与国外有一定差距，但有希望追赶并超越；激光雷达是从军用到民用，国外有部分公司如Velodyne转型较早，国内思岚科技、镭神智能等技术也较为成熟；芯片来看，目前英伟达的GPU最为火爆，英尔特的布局也渐渐清晰，国内企业正在积极追赶，有望弯道超车；操作系统部分，主流的是安卓和ROS，但国内有图灵等公司在做，未来仍有变数。

1、语音交互：美国巨头布局即将结束，国内语音战场方兴未艾

全球语音市场分为三个阶段：市场培育期、市场爆发期、市场稳定期。全球语音市场的龙头是美国Nuance公司，Nuance的发展历程，代表了全球语音市场的发展历程。从1994年至2003年，市场处于培育期，Nuance由营收百万美元的量级增长至1亿美元的量级；从2004年至2012年，市场高速增长，Nuance营收从1亿美元量级爆发至16.5亿美元，年均复合增长率达37.28%；从2013年至今市场处于稳定期，Nuance营收近年来稳定至20亿美元左右。

全球语音以Nuance为龙头，各大科技公司具备独立语音部门。Nuance是全球语音市场的龙头，下游客户广泛，包括医疗保健、手机及消费者、企业、图像四大部分。谷歌和微软内部的语音部门也在积极拓展。苹果通过收购Siri后，又引进了新的技术团队进行语音研发和市场开拓。目前已经形成了以Nuance专做语音公司为主，各大科技巨头具备自己独立语音部门的局面。

国外体系完善，国内仍处于市场爆发期。从整体实力来看，国外强于国内；从路径来看，国外收购初创团队后再补齐其他短板，而国内脉络不清晰，一般谋求自建；从技术水平看，国内外集中在巨头公司和科研机构，实力水平国内外差距不大；传统的语音识别行业公司都在谋求转型发展，比如Nuance、科大讯飞等，未来参与的公司将增加，技术集中在前端技术和语义理解。

美国语音市场已完成布局，语义市场跑马圈地接近尾声。全球最大的语音语义的巨头集中在美国。从语音市场到语义市场，美国资本市场经历了相似的路径，大企业纷纷收购创业型公司，从2013年到现在，语义市场仍然在进行大规模军备竞赛，而语音市场已经结束了这个阶段，诞生了类似于Nuance这样的国际巨头。

国内语音市场以科大讯飞为龙头，从2012年起连续大爆发，2015年行业规模约为45亿元。2015科大讯飞营业收入约为25亿元，按照市场份额占比56%测算，2015年语音行业的规模约为45亿元。国内语音市场竞争激烈。科大讯飞和捷通华声成立早，在语音市场占据第一梯队，其中科大讯飞目前占有中文语音技术市场60%以上市场份额，语音合成产品市场份额达到70%以上，在电信、金融等主流行业的份额达80%以上，开发伙伴超过1500家，是国内语音市场行业龙头；思必驰和云之声虽然成立时间较短，但是发展迅猛；2015年歌尔声学和谷歌入资出门问问，主打移动领域。此外在BAT等巨头内部也有专门的语音部门，主要服务于公司整体战略规划。总体来看，国内公司既有巨头的语音部门，又有初创公司竞争，各家技术的准确率都很高，从语音转换成文字基本都在95%以上的准确率，体验上来说差距都不大。

他山之石：Nuance拟被收购失败，发力内生

技术成熟后迅速上市，抢占市场份额稳住脚跟。Nuance成立于1992年，创始人Mike Cohen等均毕业于名校，经历13年的研发与扩张，公司语音技术不断成熟，在2005年成功在纳斯达克上市。借助资本的力量，Nuance不断扩展，业务扩展到医疗保健、手机及消费者、企业、图像四个部门。2005年到2012年，公司营收从389百万美元增长到1,652百万美元，，年复合增长率达到27.26%，股价从7.34美元涨到29.39美元，增长率达到300.41%。为包括苹果的Siri在内的六十余家财富100强公司提供语音技术支持服务，成为全球最大的专业从事语音识别软件研发及销售的公司。

发展到瓶颈寻找突破，被收购屡屡失败。自2012年起，公司发展遇到瓶颈，客户都是B端，无法继续大量扩张，营业收入增长率不断下降，2012年到2015年，平均复合增长率仅为5.34%。公司便积极通过寻求被收购来继续扩展业务，Nuance曾传言被苹果，三星，谷歌等公司Nuance收购，股价飙升，但是后来谈判失败，股价又跌回。谈判失败一方面是因为体量较大，收购不易，另一方面是Nuance的业务难以同苹果、三星、谷歌等协同整合，还有一方面是巨头发展战略有所改变，语音通过挖Nuance团队的人才组建自己的语音部门。

转型内生，寻求新的利润增长点。在屡次被收购谈判失败后，Nuance转型内生，寻求新的盈利增长点：一、高研发投入以保持领先地位，每年Nuance的研发投入占营业收入的比重都在10%以上；二、拓展新的垂直领域，传统的医疗、智能手机、汽车、平板电脑、企业、图像等领域扩张遇到瓶颈，未来Nuance在服务机器人、无人驾驶汽车等领域积极布局，在C端积极布局，扩大市场。三、拓展国际市场，尤其是是亚洲及拉美新兴市场，公司来自美国本土的收入约占70%，而新兴国家的巨大消费潜力急待开发。

2、图像识别：群雄混战，布局应用

图像识别领域活跃着微软、谷歌、Facebook及国内BAT等巨头，各自投入研发领域以使图像识别与本公司业务相契合。各家公司在技术层面上竞争激烈，在具体商业模式上各有特色。Google主要做开放平台，微软希望将图像识别技术与硬件相结合，Facebook将图像识别用于社交，亚马逊则更多地考虑电商购物，百度在传统搜索和未来无人驾驶汽车皆有布局。

他山之石：微软突破图像识别技术，与多种项目协同发展

微软图像技术方面发力迅猛。2015年5月，微软本用于内测的用于测照片年龄的How-Old项目有意无意的扩散出来，成为社交引爆点，极大的提升了微软图像识别的知名度。2015年8月，第三代小冰拥有了图像识别功能，在于用户交流上更近一层，平均用户跟小冰的沟通高达16次。2016年3月，在微软Build 2016开发者大会的最后阶段，其人工智能项目Seeing AI——一项帮助盲人“看见”世界的科技震惊世界。这项人工智能的核心是图像识别技术，它以智能眼镜为载体能识别、描述盲人眼前的人和物，能识别文字、并念给盲人听。

3、激光雷达：欧美技术领先，国内正迎头赶上

在国外，激光雷达已经成为民用领域的“宠儿”，但市场份额大多被诸如瑞士Leica、加拿大Optech、奥地利Riegl、美国Trimble等老牌测绘企业占据。相比于国外企业已经具有相对成熟的成型产品，且已经和相关公司展开合作，国内公司在激光雷达的研发和生产上则只是刚刚起步。目前，国内研发生产激光雷达的公司主要：华达科捷和欧镭激光（都是巨星科技子公司）、镭神智能、思岚科技、北醒光子。激光雷达的下游应用领域核心是无人驾驶汽车、服务机器人、无人机和工业测绘领域等。从目前全球激光雷达企业的下游应用领域分布来看，居多的仍然是智能汽车和机器人领域，传统的测绘领域中，也有一批3D激光扫描仪的企业，转型向更具成长性的机器人和无人驾驶领域。

2016年有望迎来激光雷达的发展元年。按照目前的发展速度，激光雷达率先放量的领域是扫地机器人，核心原因在于扫地机器人的第一代产品已经非常成熟，拥有了核心的用户市场。随着2016年市场上核心厂商都开始加装激光雷达，扫地机器人领域的激光雷达需求有望率先爆发。其次为无人机、室内服务机器人、AR增强产品和无人驾驶汽车。根据我们草根了解的情况，目前国内扫地机器人领域主要的厂商，在新一代的产品中，都利用激光雷达的方式替换了传统的随机碰撞式扫地机器人。科沃斯、银星智能等国内品牌也都开始研发带自动导航系统的产品。目前, 全世界仅有日本、德国等少数几个企业有能力生产激光雷达，但其价格都不低，百度、谷歌无人汽车采用的激光雷达,成本在2-8万美元,价格几乎与汽车本体相当，一般服务机器人很难承受如此昂贵的元器件。影响激光雷达价格的主要有两大要素：线束数量和采购量。通常线束越高，激光雷达的价格越高。采购量越大，价格越低。Quanergy公司通过降低线束维度，逐步使用固态激光雷达，让成本降低到了250美元左右，国内企业思岚科技，可以在采购量超过1万台左右的量时，单线束的价格可以降低到1000元以内。随着终端用户的产品放量，激光雷达的产业化将会带动价格打破瓶颈区域。

4、智能芯片：国外传统芯片积累较久，国内智能芯片有望弯道超车

通用芯片向深度神经网络方向发展如火如荼。传统的CPU是计算机的核心，在图形处理和深度神经网络的计算上，GPU表现出更强的性能，而2015年Intel收购Altera的主要产品FPGA即现场可编程门阵列性能更加优异，中端FPGA能够实现375 GFLOPS的性能，功耗仅为10-20W，和CPU和GPU相比，FPGA在深度神经网络（DNN）预测系统中性能更加出色。DNN系统用于语言识别、图像搜索、OCR、面部识别、网页搜索以及自然语言处理等各种不同应用。相同功率时，在32线程下，FPGA的速度/功耗比约为CPU的42倍，约为GPU的25倍。

专用芯片以智能算法和仿生两条主线并行。专用芯片又称为“人工智能芯片”“神经网络芯片”等，目前专用芯片有两种思路：以智能算法为主线和以仿生为主线，两者的典型代表分别为寒武纪、IBM TureNorth。寒武纪1号的主频可以达到0.98GHz，处理速度相当于同等面积下CPU的100倍。即便与最先进的GPU相比, 寒武纪1号的人工神经网络处理速度也不落下风，而其面积和功耗远低于GPU的1/100。IBM在复杂性和使用性方面取得了突破。4096个内核，100万个 “神经元”、2.56亿个 “突触”集成在直径只有几厘米的方寸之间，能耗不到70毫瓦。

通用芯片和专用芯片各有千秋，未来将是并存局面。芯片是指内含集成电路的硅片，是机器人的大脑。芯片包括通用芯片和专用芯片，通用芯片不限使用领域，而专用芯片一般为专门为服务机器人定制。对于机器人来说，由于涉及到深度神经网络，故在计算量上将会更大，通用芯片中GPU和FPGA在解决这问题上优于传统CPU，扩展性和移植性较好，但是软件复杂度和开发周期较高；相比之下，专用芯片能实现更高的效率和更低的功耗，但是目前整体处于研发阶段，根据目前的资料，虽然其扩展性和软件移植性不如通用芯片，但是软件复杂度和开发周期优于通用芯片。两种芯片各有千秋，未来预计是并存局面。

过去在国内外市场上，由于技术国际芯片巨头几乎占据了全部的市场份额。科技巨头英特尔、英伟达、IBM等受制于PC和智能手机的市场空间，看好人工智能的前景，纷纷进行布局。在这个重要的转折点，中国也投入巨额资金，研发人工智能芯片，有望实现弯道超车。

他山之石：从高通拿下移动芯片市场对服务机器人芯片市场的启示

专利是高通的核心竞争力。1985年，麻省理工学院教授、美国国家工程院院士雅克布先生退休后，与6位同仁成立了高通公司。高通主营业务有三块QCT（高通CDMA技术集团）、QTL（高通技术授权部门）和QSI（高通的战略投资业务），依靠高通经年积累的专利，QTL业务在2013、2014和2015财年分别贡献了30%、29%和31%的业务营收，相当于每年80亿左右的美金（相当于半个腾讯）。自1985年以来，高通已累计投入328亿美元用于研发。截至目前，高通有超过9000件专利正在申请，覆盖安全与隐私、人工智能、大数据等。2015年高通专利申请数量位列第四，多年来一直保持芯片领域第一名。

小米放量成就高通骁龙芯片的辉煌。1998年高通和Palm联合开发的第一款具有互联网功能的CDMA手机padQ成就了高通的辉煌，诞生于2007年的骁龙处理器高通在移动无线芯片领域最成功的产品之一。高通与成立于2010年的小米的合作，从小米1开始一直到小米4都是采用的高通最新的骁龙处理器，随着小米市场份额的扩大起到了巨大的宣传作用，高通一举拿下了高端市场。

高通在机器人领域的布局。高通一直在进行科技大赛的赞助，在2016年赛季的FTC比赛中将会采用更高级别的科技平台，该平台中的机器人和控制台都将采用高通骁龙处理器。高通研发的Zeroth神经形态芯片计划方案也入选了 (MIT Technology Review) 评选的2014全球十大突破技术。除此之外，创建机器人加速器、投资无人机公司、推出飞行器机器人，与开源机器人基金会（OSRF）机器人操作系统（ROS）合作等，一系列动作彰显高通在机器人领域以芯片为核心建立生态的决心。

5、操作系统：全球两大主流操作系统，国产品牌的在突围

对操作系统平台的争夺就像手机上的安卓系统同iOS系统的竞争，能够在很大程度上左右未来服务机器人产业的发展。安卓由Google公司开发，在商用领域有广泛应用，占据智能手机和平板电脑的绝大部分市场份额，在机器人上也有广泛应用。ROS诞生于斯坦福AI实验室，在学术和研究领域广受欢迎，目前的应用更偏向于在工业机器人领域和工业控制。除此之外，法国Aldebaran公司自主开发的NAOqi操作系统也较为知名，国产操作系统TuringOS、iBot OS等也在突破。

实现了手机的爆发后，安卓又被广泛用在不同设备上。鉴于安卓开源和定制化的特性，在手机上得到广泛应用后，在平板电脑、电子书、智能电视、智能机器人、智能眼镜、智能手表、智能耳机等领域，安卓不断的攻城略地，截至2015年底，安卓被用在24,093种不同的设备上，比上年增长了28% 。

得益于广泛硬件市场，安卓生态圈应用数全球第一。据App Figures发布的报告显示，谷歌Play商店中的应用数超越了比苹果ios App store中的应用数，截至2014年底，谷歌Play拥有143万款应用，而苹果ios App Store仅有121万款应用。鉴于此，为吸引更多开发者，原本搭载基于ROS自己研发的NAOqi系统的Pepper机器人，也在自身操作系统上增加了Android系统层，供开发者开发应用。

ROS诞生于实验室，使用机器人类型快速增长。ROS系统诞生于2007年斯坦福人工智能实验室。当时是为了支持一个名STAIR项目，在项目之初，机器人平台集合了所有AI的方法，包括机器学习、视觉、导航、计划、推理、语音和语言处理。2008年到2013年，Willow Garage与超过20家研究机构的工程师一起合作开发ROS系统。2013年2月，ROS的管理工作转移到Open Source Robotics Foundation，2013年8月Willow Garage公司被它的创立者转为另一家创立者成立的公司Suitable Technologies的子公司，Willow Garage对PR2的支持工作随后交给了Clearpath Robotics。自从2010年至今，搭载ROS系统的机器人类型数从0起步至目前的106种。

ROS系统主要应用于智能机器人。截至目前，ROS应用在106种机器人上，以智能机器人为主，其中又以移动机器人和智能交互机器人为主，包括著名的 Pepper和NAO。目前已经有很多机器人公司采用了ROS系统来开发一些应用于全新市场的产品，如ClearPath，Rethink，Unbounded，Neurala，Blue River等，最典型的就是Willow Garage的PR2机器人。

国产操作系统在孕育。Turing OS是中国首批人工智能级可商用的机器人操作系统之一，是具备情感和思维能力的机器人操作系统，商业应用前景广阔。Turing OS拥有情感、思维、自学习三大引擎，情感计算引擎已支持25种语言类情感识别，识别准确率达95.1%，而在情感表达方面，Turing OS支持468类情感语言表达，88套表情动作表达组合，120种声音语调，能够让机器人模拟人类80%的情感表达模式。据图灵机器人后台数据显示，在近一年时间内其与超过13万的合作伙伴和开发者达成长期合作，共享知识库达到15亿项，应用领域累计覆盖用户超过3亿人次，进而每天可收集和积累亿级的用户大数据，在中文语言处理方面处于领先地位。

他山之石：Alphabet欲借安卓操作系统的统一全球服务机器人市场

安卓系统从2009年起短短2年内在市占率上就击败了其他操作系统。据IDC数据，2015年安卓系统的出货量占有率为80%，目前全球约有14亿台设备运行Android，全球近五分之一的人在使用，是全球智能手机第一大操作系统。从2007年谷歌发布安卓系统至今，安卓系统如此受欢迎有两个重要原因：代码完全开源，使用完全免费。

就安卓系统来说，其应用如此广泛基于其诸多优点：其一是开源性，缩短开发周期，降低开发成本；其二是给用户更高的自由度，用户可以根据自己的喜好来设置手机使其与众不同；其三是选择多样化，海量机型供用户选择；其四是海量应用程序，不受开发商限制，方便实用；其五是丰富的硬件选择，不会影响数据同步和软件兼容；其六是不受开发商限制，第三方开发商有一个十分宽泛、自由的环境，更容易设计出实用型软件带给用户方便。但同时，安卓系统也面临部分缺点：安全问题，由于其开源的本质以及应用广泛的现状，恶意软件的攻击不可避免的成为一个首要问题；其次是系统缺陷必须用高配置弥补，由于渲染过程的优先级等问题，内存占用不可避免。但是在手机操作系统上瑕不掩瑜，安卓系统是当之无愧的最优秀的手机操作系统之一。

在人工智能蓬勃发展的今天，很多人一直对人工智能的安全性表示担忧，比尔盖茨和霍金等人经常公开发表人工智能威胁论，特别是在在AlphaGo在围棋上打败人类之后，这种担忧在持续加剧。因此作为服务机器人“大脑”的人工智能的安全性是社会关注的焦点之一，而操作系统是连接硬件和软件的中枢，其在安全性上的影响程度不言而喻。过去安卓系统在手机上的表现并不好，其中应用审核性差无需root即替代系统应用是非常重要的原因。事实上，Google从未停止打击恶意程序(PHA)，Android设备总体安全性还是非常高的，安全的Android设备百分比为99.5%，为同年最低值。但是这项数据统计的是未root的过的安卓手机，国内的手机root现象非常严重。所以在中国市场上，安卓手机的安全性问题是一个重要的问题。这也启示未来安卓系统在服务机器人应用时，统一管理，实时防护，特别是root权限一定要有整体的解决方案。

7度区抗震和8度区抗震区别？

结构的抗震等级只有一、二、三、四级四个等级，仅划分等级时包含了设防烈度（6、7、8、9）的因素而已。例如同样是框架结构，房屋高度≧24米时7度地区房屋是抗震二级，≦24米时8度地区房屋也是抗震二级；又如同样是剪力墙结构，房屋高度＞80米时7度地区房屋是抗震二级，而≦24米时8度地区房屋是抗震三级（要求还低于二级）。所以，不能仅仅以设防烈度7度8度来比较。应用抗震等级来比较，设防烈度高于9度的还要受大的地震加速度影响。对于成本，抗震二级比三级的基本抗震构造措施要严些，当然造价中材料费略有增加；对于施工的难易，基本没有区别。至于基本地震加速度，GB50011-2010规范中抗震划分等级表中不涉及0.10g、0.15g、0.20g、0.30g的区别。