滴滴出行2017年終總結:完成74.3億訂單,人工智慧正在改變世界
今年是滴滴成立的第五年。通過運用大資料、人工智慧等先進技術,
近日,滴滴發佈了其2017年出行大資料,去年滴滴在國內佈局城市超過400個,用戶達到4.5億,總共完成了74.3億訂單。
▲北京早晚高峰通勤流量圖
滴滴的資料中反映了共用經濟在2017年的快速發展——2017全年總共10.5億人次使用了滴滴打車服務。另外滴滴平臺上的計程車訂單也達到11億單。
▲北京首都機場出行圖
滴滴同樣把大資料和人工智慧的能力用在了智慧城市中——滴滴去年與濟南、武漢、廣州等城市開展合作,
▲全國交通熱度圖
滴滴一共有7000多人,其中超過3000多人都是工程師、資料科學家、人工智慧專家和交通專家。滴滴在矽谷建了一個矽谷實驗室,聚集了一群世界上頂級的資料和資訊安全專家。之前很難想像一個5年的中國公司,可以彙聚全球最頂級的人。可滴滴做到了。
在大資料和人工智慧的浪潮下,各個行業開始進行轉型升級。
在人工智慧的浪潮下,3D列印將如何受益?
人工智慧在3D列印領域的應用
1機器視覺識別3D列印金屬粉末
人工智慧的一大應用就是通過機器視覺來鑒定並篩選產品。機器視覺就是用機器代替人眼來做測量和判斷,在日本,有一位工程師的父母在經營一個黃瓜農場,他開發了一套人工智慧系統,讓人工智慧學習什麼樣的黃瓜應該分到哪一級,然後在流水線上做自動分揀,大大提升了黃瓜的分揀效率。
我們知道金屬3D列印的原材料就是金屬粉末,那能不能用人工智慧來鑒定金屬粉末呢?答案是肯定的!卡內基梅隆大學工程學院的研究人員開發了針對金屬3D列印材料的機器視覺技術,可以自動識別和分類不同種類的3D列印金屬粉末,準確度達95%以上。
對不同種類的金屬粉末進行識別
通過電腦視覺來識別和挑選的金屬粉末,其微觀結構品質、強度、抗疲勞度、韌性等都達到了要求。在3D列印的時候,經過篩選後的金屬粉末就不太可能帶來零件裂紋或發生加工故障。
2大資料收集三維掃描資料
人工智慧同樣可以與三維掃描結合。布朗大學的邁克爾·布萊克(Michael Black)教授創立了Body Labs,並開發了一種技術能夠將人體用更精確的方式資料化。與普通的人像掃描不同的是,Body Labs能夠通過人工智慧技術來實現自我學習,可以收集、資料化和整理關於人體外形、姿態和運動時的動態資料。更精准的資料意味著能夠通過3D列印技術製作服裝,或者用來支持3D列印人體假肢或其他醫療器械。
Body Labs的軟體依賴於初始網格範本和人工智慧,通過自動修復的演算法,能夠更準確地反映人體的三維資料。在修復三維資料方面,市場上的普遍做法只是將缺失的部位通過點陣的方式連接起來,而Body Labs的網格變形是基於人工智慧資料庫,可以更精確的按照人體組成的規律來修復三維網格。
3大資料整合3D列印產業
3D列印從模型的建模,到生產工藝、加工參數、模擬、材料性能、產品品質、供應鏈可以說產生了海量的資料。僅僅是金屬3D列印過程中就有50多個變數在發生作用。
在歐美,已經有機構開始整合3D列印大資料,比較知名的有Senol資料庫,被人們稱為“3D列印行業的Google”, 包含了工業3D列印設備和材料的資料,使用者可以在上面根據自己的需求搜索與之相關的資訊。此外還有America Makes,RMADS大資料庫。
Senvol資料庫收集了中國的3D列印企業的資料。比如北京太爾時代的設備資訊。▼
西安鉑力特的設備和材料資訊也在Senvol資料庫裡。▼
3D智慧灣瞭解到,Senvol正在繼續完善資料庫和演算法,致力於提供非常精簡的資料和解決方案為企業服務。未來會出現越來越多的類似於Senvol這樣的大資料公司,一切將變得更加透明,可以預見市場上的競爭會越來越激烈。
3D智慧灣點評
大資料、人工智慧和3D列印密不可分。深度學習(人工智慧)應大資料而生,給大資料提供了一個深度思考的大腦,而3D列印給了智慧數位化一個強健的軀體,三者共同引發了智慧時代浪潮的來臨。
滴滴出行的成功讓人們感受到了我們國家大資料和人工智慧的曙光。而對於3D列印大資料的發展而言,中國相對來說落後于歐美,尚未形成一套完善的產業體系。但我國3D列印擁有全球最大的潛在消費市場,如何像滴滴那樣,利用現有的先進技術,給更多的使用者提供智慧服務、創造價值,是每一位3D列印從業者需要面對的問題。
那能不能用人工智慧來鑒定金屬粉末呢?答案是肯定的!卡內基梅隆大學工程學院的研究人員開發了針對金屬3D列印材料的機器視覺技術,可以自動識別和分類不同種類的3D列印金屬粉末,準確度達95%以上。對不同種類的金屬粉末進行識別
通過電腦視覺來識別和挑選的金屬粉末,其微觀結構品質、強度、抗疲勞度、韌性等都達到了要求。在3D列印的時候,經過篩選後的金屬粉末就不太可能帶來零件裂紋或發生加工故障。
2大資料收集三維掃描資料
人工智慧同樣可以與三維掃描結合。布朗大學的邁克爾·布萊克(Michael Black)教授創立了Body Labs,並開發了一種技術能夠將人體用更精確的方式資料化。與普通的人像掃描不同的是,Body Labs能夠通過人工智慧技術來實現自我學習,可以收集、資料化和整理關於人體外形、姿態和運動時的動態資料。更精准的資料意味著能夠通過3D列印技術製作服裝,或者用來支持3D列印人體假肢或其他醫療器械。
Body Labs的軟體依賴於初始網格範本和人工智慧,通過自動修復的演算法,能夠更準確地反映人體的三維資料。在修復三維資料方面,市場上的普遍做法只是將缺失的部位通過點陣的方式連接起來,而Body Labs的網格變形是基於人工智慧資料庫,可以更精確的按照人體組成的規律來修復三維網格。
3大資料整合3D列印產業
3D列印從模型的建模,到生產工藝、加工參數、模擬、材料性能、產品品質、供應鏈可以說產生了海量的資料。僅僅是金屬3D列印過程中就有50多個變數在發生作用。
在歐美,已經有機構開始整合3D列印大資料,比較知名的有Senol資料庫,被人們稱為“3D列印行業的Google”, 包含了工業3D列印設備和材料的資料,使用者可以在上面根據自己的需求搜索與之相關的資訊。此外還有America Makes,RMADS大資料庫。
Senvol資料庫收集了中國的3D列印企業的資料。比如北京太爾時代的設備資訊。▼
西安鉑力特的設備和材料資訊也在Senvol資料庫裡。▼
3D智慧灣瞭解到,Senvol正在繼續完善資料庫和演算法,致力於提供非常精簡的資料和解決方案為企業服務。未來會出現越來越多的類似於Senvol這樣的大資料公司,一切將變得更加透明,可以預見市場上的競爭會越來越激烈。
3D智慧灣點評
大資料、人工智慧和3D列印密不可分。深度學習(人工智慧)應大資料而生,給大資料提供了一個深度思考的大腦,而3D列印給了智慧數位化一個強健的軀體,三者共同引發了智慧時代浪潮的來臨。
滴滴出行的成功讓人們感受到了我們國家大資料和人工智慧的曙光。而對於3D列印大資料的發展而言,中國相對來說落後于歐美,尚未形成一套完善的產業體系。但我國3D列印擁有全球最大的潛在消費市場,如何像滴滴那樣,利用現有的先進技術,給更多的使用者提供智慧服務、創造價值,是每一位3D列印從業者需要面對的問題。