生物识别技术的出现通过一些开创性的创新彻底改变了数字世界，就像面部识别应用程序一样。大约三十年前，面部识别应用程序的概念似乎是一个幻想。但现在，这些应用程序执行许多任务，例如控制虚假逮捕、降低网络犯罪率、诊断患有遗传疾病的患者以及打击恶意软件攻击。

　　2019年全球脸型分析仪市场价值32亿美元，预计到2024年底将以16.6%的复合年增长率增长。人脸识别软件有增长趋势，这一领域将提升整个数字和技术领域。如果您打算开发一款脸型应用程序以保持竞争优势，这里有一些优秀的人脸识别应用程序的简要列表。

　　优秀的人脸识别应用列表

　　Luxand：Luxand人脸识别不仅仅是一个应用程序;它是一个完整的高科技门户网站，始于 2005 年，其中包含一系列服务和应用程序。这款人脸检测器应用程序包含人脸 SDK，非常适合全球行业巨头采用的监控、生物特征识别和其他用途。

　　Luxand 人脸识别已为 LG、菲利普斯、联合利华、环球影业、福特、Badoo、宝洁和三星等大型品牌提供了帮助。此外，Luxand 还为美国国防部网络犯罪中心、韩国国家法医局和新加坡内政部等大型机构提供服务。

　　几家移动应用程序开发公司希望 Luxand 创建具有类似强大功能的应用程序。从检测70种独特的面部特征到识别实时视频流或镜头中的面部以及验证个人资料识别，这个应用程序可以完成所有工作。

　　FaceApp：这款人脸检测应用最初是在 2017 年针对 iOS 设备推出的。后来随着人气的增加，FaceApp 也出现在了 Android 上。这是一款精通技术的基于 AI 的造型功能应用程序，用户只需点击一下即可替换背景，并通过使用此应用程序使用滤色器和镜头模糊。

　　在线面部应用程序引发了在社交媒体上发布旧版本照片的时尚，这成为一种热门趋势。甚至像詹妮弗洛佩兹和贾斯汀比伯这样的名人也与这些应用程序相关联，这使得应用程序的客户参与度和留存率飙升。

　　AppLock：AppLock 是最受用户追捧的应用程序之一。您可以选择与任何顶级 android 开发公司合作创建类似的应用程序。该应用程序跟踪软件，以便只有用户才能访问他们的个人信息、财务账户和社交媒体应用程序。

　　除了手机人脸识别，语音识别也被用来增强安全性。用户的声音和面部就像密码一样，就像解锁所有应用程序的生物识别钥匙。 AppLock 融合了扬声器和面部识别技术，以提供无缝且安全的用户体验。此外，如果面部或语音条件极端，此应用程序会创建一个备份身份验证选项以使用您的备份方法。

　　面部 DNA 测试：这是一个祖先面部识别应用程序，它获取一个人的面部轮廓并连续计算独特的面部点。面部 DNA 测试应用程序使用大约 68 个不同的面部点，同时将一个人的解剖结构与另一个人进行比较，就像面部识别一样。

　　面部识别应用程序还有助于比较两个人的相似特征或了解他们是否相关。虽然您可以比较兄弟姐妹的面部轮廓，但您还可以通过应用程序的算法验证家庭成员之间的关系。

　　结束

　　面部识别是数字和技术生态系统的未来。 投资适用于 iPhone 和 Android 设备的面部应用程序可以为您带来最高收益。 要构建优秀的免费面部识别应用程序，请为 Android 和 iOS 应用程序聘请熟练的应用程序开发人员。

　　作为一名拥有 40 多年半导体业务研发总监和CMO管理经验的工程师，我认为我自己和我的同行都合乎逻辑。然而，我们中有多少人可以诚实地说我们没有被“我的产品比你的产品快”之类的说法所诱惑?恐怕这只是人性。

　　问题始终是定义之一：我们如何定义“更快”或“更低功率”或“更便宜”?这是基准测试试图解决的问题——它是关于拥有一致的上下文和外部标准，以确保你在比较的是同类测试。任何使用基准测试的人都非常清楚这一点(比如aiMotive就诞生于一家领先的 GPU 基准测试公司)。

　　在尝试比较汽车 AI 应用的硬件平台时，解决这种需求从未像现在这样紧迫。

　　什么时候 10 TOPS 不是 10 TOPS?

　　无论是否有专用的 NPU，大多数 SoC 都将其执行神经网络工作负载的能力称为 TOPS：代表每秒 Tera次的操作数。这只是 NPU(或整个 SoC)每秒可以执行的算术运算总数，无论是集中在专用 NPU 中还是分布在多个计算引擎(如 GPU、CPU 矢量协处理器、或其他加速器。)

　　但是，没有任何硬件执行引擎可以 100% 的效率执行任何工作负载。对于神经网络推理，某些层(例如池化或激活)在数学上与卷积非常不同。在卷积本身(或池化等其他层)开始之前，数据必须重新排列或从一个地方移动到另一个地方。其他时候，NPU 可能需要等待来自控制它的主机 CPU 的新指令或数据，每个层甚至每个数据块。这些都会导致进行更少的计算，从而限制了理论上的最大容量。

　　硬件利用率——不是它看起来的样子

　　许多 NPU 供应商会引用硬件利用率来表明他们的 NPU 执行给定神经网络工作负载的情况。这基本上是说，“这是我的 NPU的理论容量有多少被用于执行神经网络工作负载。”当然，这告诉我我需要知道什么。

　　不幸的是没有。硬件利用率的问题是定义之一：数量完全取决于 NPU 供应商选择如何定义它。事实上，硬件利用率和 TOPS 的问题在于它们只告诉你硬件引擎理论上能够实现什么，而不是它实现的程度。

　　这可能会导致一些误导性信息。下面的图 1 显示了我们在4 TOPS的 aiWare3P NPU 与另一个额定为 8 TOPS 的知名 NPU 之间进行的比较。

图 1：两个汽车推理 NPU 的利用率与效率比较（来源：aiMotive 使用公开可用的硬件和软件工具）

　　对于两个不同的知名基准，该NPU声称与 aiWare3P 的 4 TOPS 相比容量为 8 TOPS，这应该意味着它将提供比 aiWare3P 大约高 2 倍的 fps 性能。然而，实际上，情况正好相反：aiWare3P 提供了 2 到 5 倍的性能，尽管它只是声称的 TOPS 的一半!

　　结论是，TOPS 是衡量 AI 硬件能力的一种非常糟糕的方法;硬件利用率几乎与TOPS一样具有误导性。

　　NPU 效率和自治：优化 PPA 的关键

　　这就是为什么我认为您必须根据执行一组有代表性的工作负载时的效率来评估 NPU 能力，而不是原始的理论硬件能力。效率定义为在一帧内执行特定 CNN 所需的操作数，占声称的 TOPS 的百分比。这个数字是完全根据定义任何 CNN 的底层数学算法计算出来的，而不管 NPU 实际如何评估它。它比较了实际与声称的性能，这才是真正重要的。

　　表现出高效率的 NPU 意味着它将充分利用用于实现它的每平方毫米硅片，并转化为更低的芯片成本和更低的功耗。效率可以为汽车 SoC 或 ASIC 实现最佳的 PPA(性能、功率和面积)。

　　NPU 的自治性是另一个重要因素。 NPU 在主机 CPU 上放置多少 CPU 负载才能达到最高性能?这与内存子系统有什么关系?必须考虑 NPU作为任何 SoC 或 ASIC 中的一个大块——它对芯片和子系统的其余部分的影响不容忽视。

　　结论

　　在设计任何 SoC 或 ASIC 汽车时，AI 工程师必须专注于构建能够可靠地执行算法的生产平台，同时实现卓越的PPA：最低功耗、最低成本、更高性能。他们还必须在设计周期的早期就对硬件平台的选择做出承诺，通常是在最终算法开发完成之前。

　　效率是实现这一目标的最佳方式;无论是TOPS还是硬件利用率都不是好的衡量标准。如果要满足苛刻的生产目标，评估 NPU 的自主性也至关重要。

　　Tony King-Smith 是 aiMotive 的执行顾问。他在半导体和电子领域拥有 40 多年的经验，为松下、瑞萨、英国航空航天和 LSI Logic 等多家跨国公司管理研发战略以及硬件和软件工程团队。Tony曾经担任领先的半导体 IP 供应商 Imagination Technologies 的 CMO。

　　前不久，在中文语言理解权威评测基准CLUE中，阿里巴巴的AI模型在新闻文本上超越了人类识别精确度。现在“读图会意”上，阿里巴巴达摩院在VQA上也超越了人类，这是榜单设立6年来的首次。

　　8月12日，国际权威机器视觉问答榜单VQA Leaderboard出现关键突破：阿里巴巴达摩院以81.26%的准确率创造了新纪录，让AI在“读图会意”上超越人类基准。

　　继2015年、2018年AI分别在视觉识别及文本理解领域超越人类分数后，人工智能在多模态技术领域也迎来一大进展。

　　“诗是无形画，画是有形诗。”宋代诗人张舜民曾描绘语言与视觉的相通之处。“读图会意”，即通过视觉理解信息，是人类的一项基础能力，但对AI来说却是要求极高的认知任务。

　　解决该挑战，对研发通用人工智能有重要意义。近10年来，AI在下棋、视觉、文本理解等单模态技能上突飞猛进，但在涉及视觉-文本跨模态理解的高阶认知任务上，AI过去始终未达到人类水平。

　　为攻克这一难题而设立的挑战赛VQA Challenge，自2015年起先后于全球计算机视觉顶会ICCV及CVPR举办，吸引了包括微软、Facebook、斯坦福大学、阿里巴巴、百度等众多顶尖机构踊跃参与，并形成了国际上规模最大、认可度最高的VQA(Visual Question Answering)数据集，其包含超20万张真实照片、110万道考题。

　　VQA是AI领域难度最高的挑战之一。在测试中，AI需根据给定图片及自然语言问题生成正确的自然语言回答。

　　这意味着单个AI模型需融合复杂的计算机视觉及自然语言技术：首先对所有图像信息进行扫描，再结合对文本问题的理解，利用多模态技术学习图文的关联性、精准定位相关图像信息，最后根据常识及推理回答问题。

　　今年6月，阿里达摩院在VQA 2021 Challenge的55支提交队伍中夺冠，成绩领先第二名约1个百分点、去年冠军3.4个百分点。两个月后，达摩院再次以81.26%的准确率创造VQA Leaderboard全球纪录，首次超越人类基准线80.83%。

　　VQA的核心难点在于对多模态信息进行联合推理认知，即在统一模型里做不同模态的语义映射和对齐。

　　据了解，达摩院NLP及视觉团队对AI视觉-文本推理体系进行了系统性的设计，融合了大量算法创新，包括多样性的视觉特征表示、多模态预训练模型、自适应的跨模态语义融合和对齐技术、知识驱动的多技能AI集成等，让AI“读图会意”水平上了一个新台阶。

　　VQA技术拥有广阔的应用场景，可用于图文阅读、跨模态搜索、盲人视觉问答、医疗问诊、智能驾驶等领域，或将变革人机交互方式。

　　报道显示，这不是阿里达摩院第一次在AI关键领域超越人类基准。2018年，达摩院曾在斯坦福SQuAD挑战赛中历史性地让机器阅读理解首次超越人类，引发海外媒体关注。

　　今年以来，达摩院在AI底层技术领域动作频频，先后发布了中国科技公司中首个超大规模多模态预训练模型M6及首个超大规模中文语言模型PLUG，并开源了历经3年打造的深度语言模型体系AliceMind(http://github.com/alibaba/AliceMind)，其曾登顶GLUE等六大国际权威NLP榜单。

但事实上马斯克有很多业务，不仅仅是特斯拉，还有SpaceX，那家搞火箭，搞太空飞船的公司，还有Starlink（星链）。

特斯拉、SpaceX、星链，每一项业务拿出来，都可以说是一项颠覆世界性的业务，偏偏集中在他一个人身上。

但从昨天召开的特斯拉的AI大会来看，马斯克想的更多，也更加不务正业，特斯拉现在开始搞人型机器人了，还想造世界第一的超级计算机。

先说一说这个人型机器人，名字叫做Tesla Bot，高1．72米，重56．6KG，已经接近于正常人类的身高体重了。

这款机器人将拥有人类水平的双手，还有灵活的两只脚，行为举止更像一个人，而不是机器。

脸上是一块屏幕，显示相关信息，按照马斯克的说法，明年会推出原型，它可不是用来看的，是能够帮助人类完成的一些任务的，包括跑杂货店、捡拾家庭物品和其他日常指令。

马斯克认为最适合的工作，会是那些不安全的、重复的、无聊的工作，比如山林灭火、救援、排爆等危险工作。

一旦这样的机器人真的推出，可以想象一下这又将成为马斯克的一个壮举了，这比小米的那个机器狗牛多了。

这个机器人脑中有一颗特斯拉自研的芯片，叫做DOJO，7 nm 工艺，单芯片面积达 645 平方毫米，500 亿个晶体管， BF16 ／ CFP8 峰值算力达 362 TFLOPS，FP32 峰值算力达 22．6 TFLOPS。DOJO 组成的一个训练单元的接口带宽每秒 36 TB，算力总达 9 PFLOPS。

而有了这颗芯片后，马斯克还有了另外一个想法，那就是要用这个DOJO芯片，组成新一代的超级计算机，马斯克说新一代的超算将比上一代强10倍，这样算下来，那么新一代的超算将会是世界第一。（特斯拉的上一代超算算力是1．8PFLOPS，排世界第五，而世界第一的日本富岳算力是2．15 EFLOPS）。

当然，马斯克搞这个DOJO芯片的目的，甚至搞超算，都不是为了争世界第一的超算，而是为了自动驾驶，马斯克用这个来训练训练辅助驾驶系统 AutoPilot 和 FSD，而这也是目前特斯拉在FSD方面领先于友商的原因之一。

对此，不知道大家怎么看？从某一方面来讲，大家真的不服马斯克都不行，正如网友介绍，马斯克生来似乎就是为了改变世界的。

不过，真正最让我觉得有意思的，还是那个大名叫“CyberDog”，小名叫“铁蛋”的，小米第一代仿生四足机器人，只要9999元，雷军在现场可是遛了这只狗的。

什么，你没注意这只狗？只看MIX4这台手机去了？那我建议你重新找一找发布会的视频，重点看下这只狗。

那么这只狗有什么好说的，我只说一个最关键的点，别人家的机器狗，要卖48万元，小米家的只卖9999元，是不是兴趣就来了？想知道这究竟是只什么狗了，为何小米的这么便宜？

上面其实已经讲了，这是小米首次自研的第一代仿生四足机器人，模样像只狗，其实是个机器人。

这只狗里面，配备了6个英伟达Carmel ARM v8．2 64位处理器，2个深度学习加速引擎，45个张量核心，384个CUDA核心，算力高达21 TOPS，在大部分的场景中，可以理解主人的意思，就是你说什么，他基本上都能听得懂。

然后，这只狗里面还配置了高精度的环境感知系统，包括触摸传感器、环境光传感器、超声波传感器、TOF传感器、GPS模组、深度摄像头模组等。

而通过这些传感器，再结算强大的算力，这只狗就可以听懂主人的指令，按照主人的意思去做事，比如开启一些智能家居产品这些，就是小儿科了，还能和你一起去散步，会跳只舞什么的，也能够带出去“遛狗”。

另外它还有3个C型端口和1个HDMI端口，开发者可以自由探索和集成各种创新的硬件附加组件或软件系统，满足个性化的开发需求，只要你有技术，它还有更多想象不到的功能。

波士顿动力也有一个这样的机器人狗，价格是48万元，另外国内厂商宇树科技也有类似的机器狗，售价是 2700 美元、 3500 美元、和8500 美元不等，都比小米的贵。

所以不得不说，小米真的是价格屠夫，也许这9999元的狗不如波士顿的48万的狗，但仅9999元啊，你买不了吃亏买不了上当，直接把价格就打“骨折”了，不过目前这只狗，仅生产了1000台，你想买也未必买得到。

■■■■

3D视觉与2D视觉的技术差异

3D 视觉与 2D视觉技术的最大区别在于处理的数据类型不同。在 3D 视觉领域，被处理的对象通常是依靠 3D 传感器采集到的三维点云数据，而 2D 视觉技术主要被用于处理平面图像里的信息。这决定了 3D 视觉不仅能够感知场景中物体的有无，还能够准确的感知到物体离我们距离远近、尺寸大小和位置朝向。

搭配上 RoboView Server 算法平台，AMR 就可以拥有像人眼一样能够真实感知物体的三维尺寸信息的视觉，更好地实现2D视觉无法实现或者不好实现的功能。

RoboView 如何

通过 3D 视觉实现这些功能

虽然 3D 成像技术在不断发展，但目前依然没有具备抗环境光干扰能力强、成像距离远、测距精度高、分辨高和成本低等优点于一身的 3D 传感器。

因此，目前 3D 视觉的应用还是依据具体的使用场景和预算来选择相机，然后根据相机成像结果来定制性的进行算法开发。这种成本高、周期久的应用模式严重限制了 3D 视觉在实际场景中的使用。

本着以标准化产品支撑非标应用的思维，RoboView 的3D 视觉模块对过往3D视觉非标项目进行总结性分析，六大基本操作流程，就像生产线上的六道基本工序一样对 3D 视觉数据进行分解、处理和分析，最终得到我们想要的信息。

第一步－数据采集

3D 数据采集流程主要工作是获取场景的 3D 信息，该流程对外面对的是不同品牌和型号的 3D 传感器接口，对内是输出同一格式的 3D 视觉数据。实现了对外整合和对内的统一。

第二步－数据标定

数据标定主要工作是建立3D 传感器与真实场景之间的联系，将3D传感器看到的事物与真实场景中存在的事物建立一一对应关系。完成数据标定过程，我们就可以将3D视觉数据分析出来的结果反馈到到真实场景中。

第三步－数据滤波

数据滤波过程相当于对采集到的3D信息进行一次初略的清洗，去除与后续分析对象无关的信息，可以方便我们更加聚焦在需要处理的对象上。

第四步－场景分割

场景分割是对3D数据进行降维处理，将滤波后的3D视觉数据根据其结构特征及纹理差异分割成平面、连续曲面等一系列简单结构的3D视觉数据。通过将场景内的3D视觉数据分割成一块块简单结构特征，可以有效的避免两个不同对象干扰后期的目标识别结果。

第五步－目标识别

目标识别就是确定目标物体在场景中的位置和姿态，利用目标识别算法准确的识别场景中的货物所在位置为后续数据评估提供基础。识别出货物的位置与姿态也可以用来引导机器人对货物进行叉取转运。

第六步－数据评估

准确识别出场景中的货物后，数据评估流程就可以评估货物的长、宽、高等尺寸信息，进而分析出货物堆叠层高、货物类型等深层次信息。

RoboView 3D 视觉提供功能

1、障碍物检测

3D 视觉下，无惧阴影和视线遮挡等，有效减少误警问题，大幅提升应急通道障碍物检测功能的准确性。

2、库位管理

带有 3D 视觉的库位管理，不仅可以准确管理库位内货物有无信息，更高级的货物尺寸信息、堆叠层高和货物摆放位姿等信息。这些深层次的信息为后续的高层级应用如目标检测，AGV 调度等深层次的库位管理功能提供了可能。

除此之外，仙工智能视觉 AI 解决方案－RoboView 为客户提供覆盖生产、安全、管理等环节下众多应用的视觉 AI 解决方案。解决方案涵盖前期调研、中期研发、落地和后期的产品维护和升级，助力客户提高生产效率，加速完成智能化生产。

配图来自Canva可画

规模化的无人配送真的离我们越来越近了。

日前美团CEO王兴在Q1财报电话会议上回答相关问题时提到三点：第一，无人配送可以提高配送效率，降低配送成本；第二，美团拥有业界领先的自主研发能力，配送车已达到L4级别，并将持续投资无人配送；第三，美团的无人配送车已在开放道路运行，并会持续将安全作为首要前提。

明确无人配送战略意义的背后，正是美团近年来对科技研发投入的高速增长。根据美团28日发布的Q1财报，2021年一季度研发支出达到34．78亿元，同比增长51．5％，占总营收的9．4％。

其实美团早在2016年就启动了无人配送的相关项目研究，而从全球无人配送赛道来看，国外已有公司针对最后一公里推出无人配送服务，比如2016年创立的美国自动驾驶公司nuro。

长期来看，以无人车、无人机为代表的无人配送模式，将会是即时配送服务乃至长距离物流服务的标配。

无人配送落地比想象更快

近几年整个物流行业对无人配送关注度明显提升，越来越多的无人配送案例被公开，尤其是一些头部快递企业开始加大对无人配送的研究投入。但是在本地生活服务这块，利用无人车、无人机送物品的案例却非常少，导致大众仍然对其比较陌生。

事实上无人配送已经应用于本地生活的即时配送服务，并从行业层面实现了多次突破，比我们想象的要快得多。

首先是无人配送车已经达到规模化量产阶段，并在开放道路投入运营。去年疫情期间美团首次在北京顺义的开放道路投放了一批无人配送车，至今已积累3．5万真实订单，累积自动驾驶里程近30万公里。而截止今年4月，美团又通过投放新一代的无人配送车——魔袋20，完成了对上一代的全部更新，并将配送范围拓展至20多个小区。

魔袋20在智能程度、安全性、稳定性、续航、载重方面较上一代都有明显提升，但更重要的是，这次的集中更迭意味着无人配送车步入规模量产的阶段，未来的大规模、多区域落地也就更容易实现。

其次是政策宽松化，给无人车创造了更多的实验空间。4月全国首个“智能网联汽车政策先行区”在北京设立，而5月25日，美团等企业拿到了全国首批无人配送车道路测试资质。这对无人配送车在开放道路的深度应用来说是个里程碑，也为未来无人配送车的规模落地打下了可参考的政策基础。

最后是无人配送阵营的延伸。最近在上海信息消费节上美团首次展出了自研无人机，而此前美团被爆在深圳已进行无人机配送试运行，并已产生上千实际订单。可见无人配送的阵营已经从无人车延伸至无人机，并积累了一定的可行性经验。

头部企业起跑线更靠前

从封闭场景到开放道路，无人配送的应用突破，一定要建立在两个最基础的条件上，那就是可靠的技术和丰富的场景。所以说美团这类头部企业往往很有优势，因为他们既愿意持续投入，又拥有多元的服务场景和海量数据，在无人配送这场长跑竞赛中的起跑线其实要靠前很多。

值得注意的是，美团走的是人机协同的模式，即无人配送车和骑手形成优势互补，从而有效保证服务效率和用户体验。在这一模式下，美团做无人配送的优势就很明了了。

第一，丰富的业务场景和海量数据。美团目前支持包括外卖、餐饮、酒店、旅行在内超过200个生活服务场景，平台交易用户数和活跃商户数均创历史新高，分别为5．7亿和710万，累积了超77亿线上用户评价数据。

数百个场景意味着可以选择性、阶段性落地，而且每个场景都拥有动态的交易和体验数据，具有闭环属性，无人配送方案的落地会更简单。另外，不同场景间的高度联动性也可以通过无人配送的降本增效优势来充分满足。

第二，技术应用经验丰富。在AI技术应用上，美团其实已经在广度和深度上做到了极致。拿最典型的外卖服务来说，超4000万的日订单量、超470万骑手、2800个县市区，在美团超脑系统的多方调度下可以完成分钟级别的配送服务。还有针对B端的美团商业大脑，基于超千亿级的知识关联和自研算法，面对5．7亿用户和200多个场景，可以为710万商户提供全面、精细的决策和营销服务。

可见美团对自身AI能力已实现长期可靠性打磨，对于同样需要AI软硬件能力的无人配送而言，这样的技术优势完全可以复制过来。

第三，超前的运营管理意识。美团的无人配送项目始于五年前，所以在时间上具有先发优势，而且在设计无人配送车时，美团还特别设置了包括自动驾驶、远程监控、小脑系统、行人被动安全、安全员急停在内的五层安全保障机制。

安全是进行无人配送服务的最重要前提，美团的多维安全防护机制，可以为日后在复杂场景的规模化落地打下牢固的安全地基。

超车只是时间问题

美团做无人配送的优势在于场景、技术和运营，这些都是其他玩家无法复制的，而无人配送又处于美团未来战略的核心地位，环顾当前的全球无人配送赛道，Nuro虽然落地无人配送车的时间更早，但美团对其超车只是时间问题。

其一，美团的数据和场景累积起于2003年，而Nuro成立于2016年，要早十余年。数据和场景累积的时间越早，就意味着在数据量、数据维度、数据分析能力上更有优势。即使以外卖服务推出时间来算，美团也要比Nuro早3年左右，配送场景和数据的规模，自然比Nuro更多。

其二，近20年的数据和经验积累，可以被美团直接用于无人配送技术和硬件的迭代升级，但Nuro做无人配送的逻辑是配送服务和数据累积需要同步进行。换言之，数据和场景优势让美团可以不从0开始优化无人配送方案，而Nuro则需要从0开始，边累积数据边迭代技术。

其三，国内生活服务的数字化程度比美国更高。从场景丰富度来看，美团涉足200多个本地生活服务场景，而从GrubHub、DoorDash、Postmates、Uber Eats等美国主流外卖平台来看，配送场景较单一，以食物为主；从渗透率来看，此前有数据显示中国外卖服务的线上化和市场规模要远高于美国。这样的客观环境，决定了美团在场景丰富度和市场成熟度上要比Nuro明显占优。

无人配送的普惠效应

从美团在无人配送上突破和想象空间来看，未来所有的本地生活服务都会显著受益于无人配送的渗透，尤其是用户体验、综合效率和成本方面。

比如重物、大件物品配送时间缩短给消费者带来的体验提升；无人配送车规模化落地为骑手最后一公里减负；无人配送车点对点配送能力允许商家提供定制化服务等。

如今政策面、技术面、资本面都在为无人配送铺路，为其提供更大的发展空间，可以想象随着无人配送服务覆盖区域的持续扩大，即时配送服务效率的提升会以区域化形式蔓延开来，从而辐射到社会物流层面，致使社会物流成本得到进一步优化，形成普惠效应。

美团作为拓展无人配送的排头军，在技术、数据、场景综合应用上的持续突破，则会加速这个普惠效应的到来。

欢欢可以针对群众所提出的疑问进行详细的解答和引导，帮助人民群众解决实际生活中所遇到的困难，从实际出发，举例、图解、视频展示等方式展现，切实帮助群众引导群众了解、办理。同时，欢欢还能够对群众进行智能引导、自主迎宾、亲切互动、自动化宣传等功能，上万部国家政策知识都了记于心，对于群众提出的问题也能够智能化的问答讲解。该款机器人是中智卫安结合目前“机器人＋人工智能＋智慧党建系统”而研发的一款智能化机器人。

（企业供图）

广东党建事务中心把机器人、AI、大数据等新技术应用到党组织相关工作领域，对探索科技赋能新时代党建工作模式提供了有益的借鉴和样板。

《中共中央关于加强党的政治建设的意见》中明确提出，要增强党内政治生活的时代性，主动适应信息时代新形势和党员队伍新变化，积极运用互联网、大数据等新兴技术，创新党组织活动内容方式，推进“智慧党建”，使党内政治生活始终充满活力。

中智卫安致力于探索智能服务机器人、新一代信息技术在党建工作的运用。今年4月，为提升党建工作数字化、智慧化水平，中智卫安发起“AI忆百年党史 悟红色精神”为群众办实事系列活动第一站走进广州，联合广州市物业管理行业协会（简称广州物协），向会员单位推出500台党建机器人、智能测温机器人和迎宾巡更机器人免费试用活动，实现党建精神文化的互动宣传展示，党建文化宣传方式得到有效改进，进一步加快党建信息平台的推广应用，充分发挥党员作用、有效释放正能量搭建平台。

在信息化时代，党的建设面临新任务、新要求。中智卫安正在多平台、多渠道上积极部署，开展“智慧党建”设备、软件和内容的研制和整合工作。

这也使得AI机器人概念在全世界流行开来。继波士顿动力后，国内外不少公司沿着机器狗的思路开发了各类产品。

美国硅谷山景城创新机器人公司Koda Inc．近期推出、由德鲁动力提供设计与技术支持的 KODA 机器狗，就是一个很好的例子。

今年1月，德鲁动力和Koda Inc．合作研发的KODA智能机器狗在CES上亮相。作为世界上第一条能感知人类情感并作出相应的互动、有学习能力的情感交互陪伴犬，KODA收获了国内外媒体超乎预期的良好反响。

也因此，德鲁动力科技（海南）有限公司荣获“维科杯·同心智造网 2020中国机器人行业卓越技术创新企业”奖。

在4月7日由高科技行业门户同心智造网同心智造网主办、同心智造网同心智造网·机器人承办的“同心智造网 2021（第十届）中国机器人产业大会暨维科杯年度颁奖典礼”后，德鲁动力CEO李学生以及德鲁动力COO鲍平军接受了同心智造网同心智造网的采访，探讨AI机器人如何改变传统产业的话题。

商业模式B＋B，AI赋能者

机器人行业是一个市场前景广阔、日新月异的行业，但难点多，痛点迫切，对公司各类技术储备要求高。

“靠德鲁动力一家公司去挖掘机器人商业场景应用，是难以实现的，这条赛道太大难点太多。所以我们更倾向于做赋能型的平台公司，整合行业，模式偏向于B＋B。”德鲁动力COO鲍平军展开解释，第一个“B”是德鲁本身，是AI赋能的平台企业，公司独特的优势是AI算法，电机技术以及其他机器人领域的制造设计这方面，这些是公司的核心竞争力。

（COO鲍平军）

另一个“B”，则是与各行各业的领头羊公司合作。德鲁动力的AI技术解决方案需要深入到行业痛点中解决实际商业场景落地问题，这就需要与相关行业顶级专家、高管深度合作，吃透行业痛点，这才可能做到真正意义上的AI技术落地，提高行业效率，促进产业发展。

鲍平军笑称，AI机器人解决方案应用非常广泛，尤其在消防、公安、电力这些领域，案例特多。

人力重复劳作可以替代、人力难以到达危险的场景，机器人都可以替代人力解决相关问题，比如一些特定场景如消防救火，对人生命威胁较大，机器人可以在局部替代消防人员救火，降低风险。当然，以现在的AI机器人技术程度，只能做到局部的替代。

据悉，面向各行各业的AI去中心化的解决方案——四足机器人AI创新赋能平台，就是德鲁动力先于业界其他AI科技公司所跨出的全新一步。

该平台集合了德鲁动力的技术优势，将技术整合研发、工业设计和联合产品设计、生态运营建设、智造与供应链等一系列技术和产品平台化，让不同行业都能得到一站式AI创新赋能服务。

目前，该平台已在家庭陪伴、公安消防、巡逻搜救和排爆等应用场景中有所探索和实践。

12年技术积累

德鲁动力前身为2013年成立的成都陌云科技X实验室。公司专注于机器人感知智能与认知智能，主营AI机器人自然感知交互系统研发设计、AI机器人生态运营等创新赋能服务。

（CEO李学生）

CEO李学生表示，在2019年底前，公司在AI、机器人赛道做了大量努力，已经对机器、听觉、外骨骼、水下机甲等方面有深入的研究了。到了2020年，觉得水到渠成就成立德鲁动力。以海南作为总部，成都作为中国大陆研发中心，美国分部则选择在硅谷，硅谷技术大拿多，这样操作，一方面方便海外市场运营，另一方面也便于公司吸收美国硅谷当地的一些先进的AI算法、人才。

从技术积累角度而言，之前德鲁动力积累的技术相对分散，CEO李学生解释称，“比如说13年开始公司做听觉技术，到后来做双目视觉技术，再到后来外骨骼控制技术，经过这么多年积累，公司认为这些技术已经成熟，可整合集成应用到机器狗上面，所以在18年做了一条机器人，搞的这么一个原型机，从商业化角度来说，市场也需要一个具象化可落地的产品来理解公司的业务。”

到了2019年，公司全力将相关技术整合集成到机器狗一个产品，进行落地升级，并开始商业化道路摸索。

CEO李学生认为，相较于同行，德鲁动力有技术优势，有12年的技术沉淀，已经把机器人相关的所有的听觉、视觉、控制、感知等等这些核心技术吃透，并且形成了完全自主知识产权的一系列专利。团队也是各行各业的精英，正在与行业巨头接触加快场景落地。

未来如何走？

CEO李学生认为，公司未来重点会走了两个方向，一个方向是面向家庭场景应用，这种主打情感陪伴的机器狗产品，会把产品往TO C消费品转。未来机器人一定具备情感交流能力的 AI，它不仅仅能够处理简单的工作，更能够和人类实现实时的协作和沟通，这也是 KODA 的方向。

另一个方向则是TO B，尝试在行业里面进行落地，这里面就包括了消防行业、公安行业、石油石化、电力巡检。

按照李学生的想法，技术至上的思路在商业上需要通融，毕竟，对客户而言，他需要公司交付实际落地能产生价值的产品。

李学生称，面向家庭的这一款机器狗产品第一批全球预定量已经近千条，计划在今年年末左右开始交付。

CEO李学生称，公司最大的优势是落地能力，团队花了一年时间，推出了全球第一款面向家庭场景的情感陪伴机器狗产品，并且即将交付到用户，说了再多，闻名不如见面，企业终归要有实际产品落地，然后才谈得上升级维护。

在此背景下，高科技行业门户同心智造网同心智造网主办、同心智造网同心智造网·机器人承办了“同心智造网 2021（第十届）中国机器人产业大会（简称：同心智造网 Robot Conference 2021）”。大会以“创新赋能 智造未来”为主题，探讨机器人作为引领未来的战略性技术，如何以科技创新、赋能万物的学术境界，持续推动机器人与智能制造、人工智能的“深度融合”，推进“机器人＋”赋能百行百业，智造未来！

在本次大会上，江苏哈工智能机器人股份有限公司－耀褡软件科技副总经理徐杰率队参会，并带来《立足AI＋ROBOT，以技术创新共筑美好世界》的主题分享。

哈工智能－耀褡软件科技副总经理 徐杰

工业机器人未来已来

“世界经济与科技发展已呈现出新趋势：世界大国竞争，已经开始演变为以科技创新为引领的实体经济之争；硬科技与实体经济的深度融合，将成为产业升级调整、城市创新发展、创新型国家建设的核心动力。工业4.0与信息革命时代到来驱使着中国制造业向信息化、智能化转型升级，‘制造’到‘智造’的转型必然离不开工业机器人的身影。”徐杰先生表示，“这一切都在印证着工业机器人未来已来。”

机器人技术及应用的发展可划分为三个大阶段，分别为自动化、机器智能和人工智能。中国当前正处于从机器智能过渡到人工智能的阶段，哈工智能作为一家聚焦于高端智能装备制造和人工智能机器人的高科技上市公司，毫不犹豫地追随着时代的发展脚步，致力于工业机器人的智能化与智慧化，为机器人更“聪明”、更“灵活”不断奋斗。

哈工智能在AI＋工业机器人领域做了些什么？

哈工智能早在2018年便已提出“AI＋ROBOT”的理念，并组建中央研究院，专门攻克自身产业链的技术创新。

在信息时代的大背景下，人工智能正在进入越来越多的应用场景，在感知检测方面，通过视觉、力觉、听觉等多种传感器，使机器人和人的交互有了更好的体验，进一步扩展了机器人的应用场景。哈工智能更是以人工智能为核心，从多个方面赋予了机器人更多“智慧”和全新的能力，让AI时代的制造更简单、直接、主动，为智能制造的发展加速。

“在智能机器人领域，唯改革者进，唯创新者强，唯改革创新者胜”，在此种公司理念的引领下，哈工智能始终坚持以技术创新为核心，以自主研发为先导，持续加大研发投入，以构筑自身的核心竞争力。

截至目前，哈工智能在机器人应用、系统设计、离线仿真、整线模拟、虚拟调试和AI 算法等领域已掌握核心关键技术，处于国内领先地位。亦形成了以高端智能装备制造和工业机器人服务为主体的产业布局，在高端智能装备制造方面，天津福臻、上海奥特博格、浙江瑞弗、哈工我耀、哈工易科等工业机器人应用系统解决方案提供商可为国内外工业企业提供智能制造系统解决方案；在工业机器人服务方面，哈工智能打造了行业内专业的51 Robot 工业机器人一站式服务平台，致力于打造“工业机器人本体－机器人标准系统－远程健康监控系统－维护保养－二手机器人回收－翻新再制造”的可循环式工业机器人全生命周期生态链，基于大数据和云计算的应用以及5G＋AI＋云的互通、互联、共融，为工业机器人提供更加先进的工业互联网服务。

在演讲最后，徐杰先生重申了哈工智能的使命愿景，即以AI技术助力工业机器人向智能化与智慧化方向发展，为工业机器人产业的发展做出自己的贡献。

关于同心智造网同心智造网

高科技行业门户同心智造网同心智造网，现拥有会员1，000万余名，同心智造网各行业网站及时报道行业动态，行业大事件，深入跟进行业热点，提供行业会员全面的资讯、技术和管理资源，举办各类线下、线上行业活动，并为高科技行业企业提供内容、品牌推广、会议展览、产业研究、产城服务、政企服务、产业基金、科技成果交易、培训、人才猎头、电商等整体和专业的服务。