互联网之'我的阅读'

全国一二线城市中北上广深停车难首当其冲，远不及目前国际标准的车辆与车位1:1.2的比例，严重的交通拥堵问题让出行变得尤为困难，亟需运用一个智能化的方式去充分利用有限资源。

停车是刚需，是高频率服务，目前国内停车场智能化不超过5%，停车市场正处于上升阶段。

支付宝和微信相继进军停车支付领域，支付宝称停车是线下商业的连接器。

物流成本高企、客户需求相对低频、盈利模式不明朗

一个渠道是没有前途的，全链路和全渠道，线上与线下的整合和专业升级后，才能满足消费者不断升级的产品需求。

8月，1药网与九州通达成战略合作，双方将在采购渠道、互联网联合营销、物流配送等方面进行合作。分析人士认为，双方联手后，将在一定程度上实现双向引流，1药网也可以依托九州通线下的实体药店，提升覆盖范围缩短配送时间。

创企业应该如何进行客户发现的完美例子。学到的经验把持续客户发现植入到你的公司DNA里面。MVP可消除的商业模式当中会带来复杂性的部分。专注于马上可为早期布道者带来价值的东西。随后再增加复杂性（以及额外价值）。

互联网没有中型企业，要么做大，要么出局

移动互联网时代，没有了区域地头蛇，所有竞争都是全国性战役

FPGA（Field Programmable Gate Array）于1985年由xilinx创始人之一Ross Freeman发明，虽然有其他公司宣称自己最先发明可编程逻辑器件PLD，但是真正意义上的第一颗FPGA芯片XC2064为xilinx所发明

现在FPGA的主流设计还是采用verilog设计（早期有使用原理图方式，这个方式更接近硬件搭积木，但大规模的设计无法完成）。用matlab，C语言做算法设计，然后通过工具直接转化为verilog的方式，喊了十几年，到现在还未成为主流，说明工具在转化verilog方面其效果还不如有经验的FPGA人员写的代码。Verilog语言本身非常简单，但FPGA设计的难点并不在语言，而是对FPGA器件内部资源和硬件的熟悉，你写的语言能和你使用的目标器件高效的配合起来，使它的效果、利用率以及程序的可读性达到最优，这个难度就非常大了。

如果想在FPGA设计领域做得很深入，国内著名通信设备厂家绝对是最好的选择，没有之一。当然，如果有IC设计经验的人，转为FPGA开发，则会快很多，而且基本功也很扎实，但需要补充行业、系统经验。

现金贷行业出现一种“同业爬虫”产品，可以直接将其他现金贷平台的放款额和风控数据爬出来。

同业爬虫是一款专门爬取现金贷数据的产品，只需要你提供其他现金贷平台的用户名和密码，就可以爬取用户的所有信息。

如果条件允许，甚至会有更为细致的数据维度： 　　“也就是说，你在其他现金贷平台注册填写的所有信息，都可能被爬出来”，王浩称。 　　“只需用户授权账号和密码，成功率在85%以上”，魔蝎科技的商务对一本财经称。 　　而产品说明中，同业爬虫的优势被描述得极为诱人：相对于电商、社交等弱数据而言，同业数据本身属于金融范畴，最能反映个人近期的征信信息。

工信部将从四方面推动智能网联汽车发展。具体为：一是标准先行、制定法规，将推动适用于智能网联汽车的法规制定；二是构建生态、完善基础，积极推进交通通信等领域的融合，建设覆盖全国的新一代通信网络，实现车、路、人、云的互联互通；三是保障安全，加强智能网联汽车等的安全等监控；四是深化合作共享，推动国际合作建设，加快中国标准制定和推出，提升影响力和知名度。

人工智能加速发展，呈现出深度学习、跨界融合、人机协同、群智开放、自主操控等新特征。大数据驱动知识学习、跨媒体协同处理、人机协同增强智能、群体集成智能、自主智能系统成为人工智能的发展重点，

芯片化硬件化平台化趋势更加明显，人工智能发展进入新阶段。

正在引发链式突破，推动经济社会各领域从数字化、网络化向智能化加速跃升。

商业地产或零售运营我们常常听说的三大法宝：Location位置\Location位置\Location位置，而位置用人话来讲就是人气即客流量，据说商业地产方面万达利用客流统计已经到了战略的高度，广场建立之后就开始统计客流：广场客流、楼层客流、店铺客流，计数、区域停留、客流路线、客流历史统计、趋势分析，然后用于商业决策引流活动及其评价、商铺租金、保安配置、通道规划与调整等等等等。

其所用到的技术：1、人工计数，象楼上答主所讲的某店的保安大哥手持计数器，看到人来就按一下；2、红外计数，即出入口两块竖板样的东东，人员通过时红外被挡而进行计数；3、机械杆计数，现在不少地铁站出入口、超市出入口还在使用这种，人走过去推一下杆转一圈计数；4、视频分析计数，利用高清摄像头采集的视频信息进行算法分析识别出人脸或人头等典型人的特征来计数；5、双目视频分析计数，即用两个摄像头采集的视频信息，分析同时两个视频信息之类的视像差来算法分析人头来计数；6、WiFi计数，即用WiFi AP接收到的WiFi设备的ping包，获取MAC地址来进行计数。技术只是一种工具，其适用于不同的场景和计数精度要求，各有优势，如：1、人工计数最准确，但在出入口较多的区域或瞬时客流涌现的时候人工就很难准确来计了，以及人员的注意力、敬业度等因素；2、红外计数克服了人为因素的影响，但在客流涌现及环境因素影响较大；3、机械杆防止了客流涌现，即人为控制仅能一个一个通过，但影响出入口的通过效率；以上三种都无法对非出入口的区域客流进行统计；4、视频分析是在高清摄像头大量应用之后才进行商业计数的领域，其应用较为广泛，不仅可以统计出入口客流，更可以统计室内或户外区域客流，如近期朋友圈异常火爆的微软分析照片测性别及年龄就是视频分析应用之一，但大家也都知道了其在实际应用中受环境光线、背景，甚至天气有较大影响；5、双目视频分析统计客流，利用同一时刻的视像差来分析人头，则克服和大部分的环境影响因素，因为它用算法分析的是视像之类的差异，环境因素在两上摄像头是同时存在，其计数准确率较高；但它也有局限性，即无法象普通视频分析那来实识别面部或具体个性化的人。6、WiFi计数的实际上计的是周围的开启WiFi设备数量（无需连接），优势是以MAC地址唯一性来识别具体的唯一的设备，但其缺点在于并非所有的人都携带WiFi设备并使之处于开启状态，其计数的准确性受限较多。

本条例所称公共安全视频图像信息系统， 是指为了维护公共安全，利用视频图像采集设备和其他相关设备，对涉及公共安全的区域或者场所进行视频图像信息采集、传输、显示、存储和处理的系统。

公共安全视频图像信息系统的建设、使用和管理，适用本条例。

发展改革、财政、住房城乡建设、交通运输、工业和信息化、质量技术监督等行政主管部门在各自职责范围内，履行公共安全视频图像信息系统建设、管理等方面的指导、监督职责。

物联网的英文名称为"The Internet of Things" ,简称:IOT。物联网是通过光学识别、射频识别技术、传感器、全球定位系统等新一代信息技术，实时采集任何需要监控、连接、互动的物体或过程，采集其声、光、热、电、力学、化学、生物、位置等各种需要的信息，通过各类可能的网络接入，实现物与物、物与人的泛在链接，实现对物品和过程的智能化感知、识别和管理。

发展物联网现在已提到国家的战略高度，它不但是信息技术发展到一定阶段的升级需要，同时也是实现国家产业结构调整，推动产业转型升级的一次重要契机。2010年9月，《国务院关于加快培育和发展战略性新兴产业的决定》发布，新一代信息技术、节能环保、新能源等七个产业被列为中国的战略性新兴产业，

智能工业：生产过程控制、生产环境监测、制造供应链跟踪、产品全生命周期监测，促进安全生产和节能减排。智能农业：农业资源利用、农业生产精细化管理、生产养殖环境监控、农产品质量安全管理与产品溯源。智能物流：建设库存监控、配送管理、安全追溯等现代流通应用系统，建设跨区域、行业、部门的物流公共服务平台，实现电子商务与物流配送一体化管理。智能交通：交通状态感知与交换、交通诱导与智能化管控、车辆定位与调度、车辆远程监测与服务、车路协同控制，建设开放的综合智能交通平台。智能电网：电力设施监测、智能变电站、配网自动化、智能用电、智能调度、远程抄表，建设安全、稳定、可靠的智能电力网络。智能环保：污染源监控、水质监测、空气监测、生态监测，建立智能环保信息采集网络和信息平台。智能安防：社会治安监控、危化品运输监控、食品安全监控，重要桥梁、建筑、轨道交通、水利设施、市政管网等基础设施安全监测、预警和应急联动。智能医疗：药品流通和医院管理，以人体生理和医学参数采集及分析为切入点面向家庭和社区开展远程医疗服务。智能家居：家庭网络、家庭安防、家电智能控制、能源智能计量、节能低碳、远程教育等。

根据ICInsights预计，从2013年到2018年，整个物联网产业链市场以年复合增长率21.1%的速度高速成长，到2018年物联网市场规模可达1，041亿美元。ICInsights预计到2015年新增物联网的接入设备将达到5.74亿个，同比增长40%，这些接入设备包括嵌入式系统、传感器、仪器、汽车、控制器、摄像头、可穿戴产品及其他。2013年新增2.82亿个物联网接入设备，2014年新增达到4.1亿个，同比增长45%。

B2R是英文Business-to--Retailer（商家对零售商）的缩写，就是商家或者厂家直接与终端零售商之间的一种贸易。也就是采用“仓储+互联网”针对零售批发商，采购商通过网络采购，货品直接从各地仓储基地发送。

B2R是在现有B2B和B2C电商模式基础上发展、并全面升级的一种新的电商模式，解决电子商务小商品供应链管理中信息、交易、仓储、配送一体化问题，从而达到优化电子商务小商品供应链管理的目的。

零售商这是一片未被开拓的广大电子商务市场，B2R具有首创性定会顺应需求快速发展。

业市场规模增速保持在10%以上，电子系统的成本已经占据了汽车成本的40%。

目前本土企业仍然处于及累计技术和客户开发阶段。但伴随着自主品牌整车厂的发展，以及庞大汽车保有量带来售后市场（根据新思界发布的《2017年中国汽车产业白皮书》显示，2016年中国汽车总产量2811.9万辆，汽车保有量1.94亿辆），中国汽车电子企业未来提升空间大。

汽车的创新70%来源于汽车电子行业。

目前安防行业已经出现新的分水岭，在市场层面，国内市场呈现产品价格竞争白热化、渠道扁平化加剧、行业解决方案盛行、民用运维市场提速的趋势，一些企业开始探索转型发展之路。在技术层面，安防行业从模拟时代进入网络时代经历了 10 年的发展历程，但高清产品的普及却仅用了 3-5 年，其中 TI 和海思芯片的处理能力几乎每隔一年就翻一倍，没有产品和技术革新能力的企业时刻面临被淘汰出局的危机。在竞争格局中，传统安防上市企业、涉足安防行业的互联网公司以及一些初创的安防新兵都纷纷放出大招，争相在智能安防的赛道上取得立足之地。 

安防企业在经历前期的价格战以及并购整合以后，市场竞争局势逐渐明朗。一方面大型企业快速崛起，大型企业在综合实力、研发能力、议价能力、品牌影响力等方面全面领先于中小企业。此外大型企业在产业链延伸、产业跨界等方面的优势，直接导致了强者愈强，强者通吃的局面。

 2016 年在国内经济低迷下行的情况下，海康威视营业收入突破了 300 亿，大华股份也突破 100 亿的关口。从年报数据来看，海康威视、大华股份已经占据视频监控领域的半壁江山。处于第二梯队的几家视频监控生产企业营业收入都徘徊在 10-30 亿之间。可以看出安防产业市场集中度正在进一步提高，市场份额进一步向主流厂家集中。 

投资人在选择投资B2B的时候一个重要的考验。我自己个人的最核心考量就是信息化在细分品类中所创造的价值。具体来说我一般会考虑下面几个因素：交易品类（比如钢材、塑料等）价格波动是否频繁：这是个核心指标，价格波动频繁会带来整体的经销结构不稳定，经销商吃大量的库存会存在价格波动的风险，导致大的经销商很难产生。（上文曾经提到，最后的终极业态应该是取代所有的经销商）交易链条长，经销层级多：如果一个品类，只有1级的经销商（比如水泥），那么你在中间取代的价值就很有限了。纯粹用投资人的钱堆积然后成为一个大的经销商是没有意义的，这只是在重复搬砖头的过程经销商不承担任何的服务属性：传统的经销环节，一般会承担信息中介、垫资和仓储3大职能，前2项都很容易通过轻模式切入来进行替代，但在仓储环节中，有一部分的经销商是会承担粗加工的职能的，这种时候，他们就不能被算成是一个交易环节。我曾经遇到过创业者说某个品类有7环，但后来仔细研究过行业以后发现中间的经销商有部分会做加工。这种情况互联网切入的价值就有限了，因为互联网一旦涉及到线下环节的时候很难真正提升效率。从投资和创业的角度来说，在有选择的情况下，要尽量避免这个品类。

一、产业化实施

目的就是实现由技术向产品和服务的转化，是技术商业化的过程，是知识资本的市场价值实现。

现代市场体系下，任何企业不可能也不被允许实行技术垄断，技术产业化实施也是相互依存的，专利技术的产业化实施必然相互交叉，这也是通过谈判或诉讼收取实施许可费的原因。

IHS的数据显示，2016年全球专业安防摄像头的出货量超过一亿台，比2015年增长约14%。但相比2015年30%的增长率，增速放缓了不少。王玉君对此分析称，一方面，面对国内外市场的长期增速预期下行，各大视频监控厂家都在寻求多元化和差异化发展；另一方面，随着视频监控行业不断的技术革新和数据积累，从视频监控的上游芯片厂商，到视频智能分析算法的软件开发公司，再到视频监控设备厂商和下游的系统集成商都在围绕智能分析、物联网和大数据技术来布局安防行业，以求在产品日趋同质化的竞争中占领未来视频监控技术发展的高地：  从产品来看，虽然视频监控行业整体增速不如预期，但某些产品线会远高于市场的平均增速。2017年消费类视频监控产品、移动视频监控产品和视频监控企业级存储产品的销售额在全球范围都会保持15%以上的增长。  从服务来看，2017年全球视频云服务(VSaaS)的销售额会突破9亿美元(不包括安保远程监控服务)，未来5年VSaaS销售额的平均年复合增长率将超过18%。  从技术来看，支持H.265技术的网络摄像机在2017年会有爆发式增长。视频智能分析会因为深度学习技术的应用又一次成为行业发展的热点。

通过几年的市场培育，用户意识到视频智能分析确实可以为城市交通治理、公安刑侦和商业管理带来很大价值，因此市场对具备高性能的优秀的视频智能分析产品是充满期待的，深度学习技术在视频监控领域的应用也正是在这样的背景下开始蓄势待发。

深度学习技术从长期来看会降低智能分析应用的成本，也会拓展带有智能分析功能的视频监控设备的应用外延。除了价格因素外，从短期来看深度学习技术在视频监控领域应用的最大挑战就是如何将那些优秀的算法根据实际的应用情景进行二次开发，实现真正的技术落地。