时间：2023-09-06 16:54:29
引言：易发表网凭借丰富的文秘实践，为您精心挑选了九篇人工智能教育的培训机构范例。如需获取更多原创内容，可随时联系我们的客服老师。
近年来大数据、云计算等信息技术飞速发展，人工智能在一些特殊领域（如图像识别、语音识别、自然语言等）不断取得突破性进展。人工智能作为新的技术驱动力正引发第四次工业革命，为医疗、教育、能源、环境等关键领域带来新的发展机遇。人工智能专家预测，人工智能在通用技术领域可能尚不能替代人类，但在一些特殊领域，人工智能将会淘汰现有的劳动力。在国外，许多国家纷纷把人工智能作为国家发展的重要竞争战略，我国学者也密切关注着人工智能的最新理论进展和实践应用，国务院于2017年7月颁布《新一代人工智能发展规划》，明确人工智能发展的重点策略。“人工智能变革教育”的潮流，引发了教育研究领域的“人工智能热”。当前全球范围内，人工智能在教育领域的大量研究和应用催发形成了教育人工智能概念。目前梳理学术上关于研究人工智能与教育的文献主要集中于：
（一）教育理念的革新。“人机一体”将成为未来新的教育方式[1]，由新技术和新手段的出现所应运而生的智慧教育[2]，将对原有教育进行改进和完善。智能技术在改变教育的手段和环境的同时，还有利于构建出系统解决教育问题的教育新体系，从而真正触及教育的根本[3]。
（二）关注技术的革新。机器深度学习、智能学习的算法、视觉识别以及智能语言识别这些基础技术的突破，为人工智能的教育应用奠定了坚实的基础[4]。
（三）探究教育的应用。人工智能在学校教育中的学业测评、交叉学科、角色变化等应用领域具有巨大潜力，教师角色内涵也将在与人工智能的协同共存中发生改变。AI监课系统能够数据化、可视化评估教师的授课情况，将人工智能技术的运用渗透到整个教学过程中，教师可以根据评分实时调整授课内容，以促进个性化学习，从而提升教学效果。教育深受技术发展的影响，新技术融入教育并促进教育方式的转变已成为必然趋势。一方面技术为教育提供了新的、更加广阔的可能性；另一方面技术具有变革人类的教育方式与学习方式的能力。然而，技术是一把“双刃剑”，如何获取或实现以人工智能为代表的新兴信息技术所拥有的特征、优势与功能，使其在教育中最大限度地发挥其应有的价值呢？人工智能技术如何继续被安全使用到教育领域？如何通过教育变革来促进新兴信息技术在教育教学中的广泛与深入应用，实现教育深层次革命等问题，是目前需要关注和探讨的主要问题。
1人工智能时代下教育变革的背景
1.1人工智能的内涵及具备的强大能力
人工智能最早由美国达特茅斯学院于1956年提出，其研究主要包括机器人、图像识别、自然语言处理、语音识别等，实质是一种自动感知、学习思考并做出判断的程序。人工智能具有自主学习、推断与革新的能力，推动了图像识别、自然语言处理等方面的技术突破。人工智能同时具有理性判断力、超强的工作力，只要电力供应不断，几乎可以无限制地工作下去，而且适应不需要情感投入的工作。它的超强能力，源于三个重要的技术：深度学习、大数据和强算力。
1.2人工智能时代的机遇和挑战
人工智能在精力、记忆力、计算力、感知力以及进化力等方面与人类相比，具有突出优势。在医药领域，人工智能的出现使普通民众可以享受更为高效、稀缺的医疗资源，解决医疗诊断领域诊断质量不均衡、医生资源不足等问题。在教育领域，人工智能促进教学质量进一步提升、教师角色多样化、学生学习能力的提升；为教育研究提供新技术和数据支撑；极大拓展了教育研究新视域；使教育在立德树人方面、教育方法创新方面、教育手段和环境方面以及教育服务供给方式方面均发生改变。然而，看到人工智能以其强大的处理能力带来机遇的同时，也需要正视人工智能带来的新挑战。在人工智能浪潮冲击下，如何借助人工智能发展的机遇推进教育的变革与创新？人工智能技术如何继续被安全使用？首先，人工智能专家大都认为，人工智能将会淘汰大量现有的依靠非脑力劳动为生的劳动力，需要培养人工智能时代的新型劳动力。而且，人工智能技术本身的不太成熟使很多人工智能技术只是应用在儿童教育领域，再者，人工智能潜在的道德伦理问题缺乏法律制度规范。除此之外，人工智能时代将对社会结构以及人的地位构成挑战。综上所述，人工智能时代所带来的机遇是大于挑战的。教育需适应人工智能技术所带来的突破和飞跃，不断调整和更新教育的方向和目标，实现育人成人的发展目标。
2人工智能与教育变革
2.1人工智能与教育目的的变革
人工智能带来的巨变不仅影响人类未来如何发展，而且极大释放了人类的生产力，这些在一定程度上使得人类需要重新思考教育是何目的。人工智能影响教育目的的变革主要表现在：第一，人工智能可能会使人类陷入精神危机。这源于两方面的结果：一方面，人工智能将取代大部分人的工作岗位，工作的丧失将会导致人的价值和尊严丧失。另一方面，人工智能技术的发展将可能导致所有基于自由主义的想法破产，转而人类所拥有的价值和尊严可能转化为一种“算法”，人工智能带来的职业替代风险在教育领域同样存在，主要是对教师角色的挑战。第二，人工智能有利于培养人的学习能力。从某种角度上讲，人工智能剥夺人的就业机会，但同时，人工智能助教机器人将协助教师实现个性化指导，从而有利于将学习的过程视为寻求自我价值和意义的过程。除此之外，人工智能有利于使教育注重培养人的精神能力，这种精神能力大致包括实践动手能力、价值追求能力以及创造能力，从而有利于学生知识以便于更好地完善自我、丰富自我，使教育跳脱“知识为本”的陷阱，发挥“立德树人”的正向作用。
2.2人工智能与学习方式的变革
第一，深度学习。深度学习也称为深度结构学习或者深度机器学习，是一类算法的集合。深度学习概念的提出，一方面尊重了教学规律，另一方面也是应对人工智能时代下的挑战。深度学习在机器学习、专家系统、信息处理等领域取得了显著成就，提倡学教并重、认知重构、反思教学过程，进而达到解决问题的目的。第二，个性化学习。个性化学习区别以往传统班级课堂授课，尊重学生的个性发展，因材施教。人工智能技术与大数据的应用有利于学生享受个性化的学习服务，可提供个性化的学习内容，可视化分析学生的学习数据，快速提高学生的学习效率。第三，自适应学习。自适应学习是指人工智能基于对个体学习进行快速反馈的基础上，根据学习者特征，为其推荐个性化的学习资源和学习路径，从而最大程度上适应学生的学习状态，是实现个性化学习的重要手段。人工智能技术有利于快捷、科学地判断学生的学习状态，进行学习反馈；持续收集学生的学习数据，其中包括学习目标、学习内容；高效地为学生提供海量的学习资源。
2.3人工智能与学习环境的变革
首先，有利于搭建灵活创新的学校环境。不仅可以使空间规划更具弹性，而且可以调节性增强物理环境。其次，人工智能时代的教育区别于以往传统教育强调的统一秩序，更注重个体的用户体验。创客空间、创新实验室等学习环境的不断增加以及人工智能技术的不断发展，个性化的空间环境与学习支持将改变目前学习的学习空间环境。除此之外，随着对话交互技术的逐渐成熟与不断普及，有利于实现虚实结合的立体化实时交互。VR、AR等技术的同步协作也有利于搭建新的学习环境，满足学习者的一系列要求。脑机互动技术的突破有利于实现将人工智能植入人脑，从而改变人类自然语言的交流方式。最后，人工智能通过即时、准确、高效的大数据分析有利于进行精准且个性的学习评价与反馈。人工智能将综合收集所有同学的学习记录，互相比对、优化，从而进行综合提升。更为重要的是，人工智能的人脸识别以及语音识别技术可以运用到教师的教学过程中，进行学生的学习情绪感知，学习状况的了解，从而促进学生学习的科学化；智慧校园、智慧图书馆等的出现，为教学环境的建设提供重要参考。
3人工智能在教育领域的应用
人工智能被认为是最有潜力和影响力的教育信息化技术，将通过人工智能数据挖掘分析、3D打印、模拟仿真等技术的应用，实现人工智能与教育的深度融合，对计算机辅助教学、个性化教育服务、教育人工智能生态环境等产生根本影响。2018年《地平线报告》（高等教育版本）指出了教育领域的信息化发展，未来一段时间内将通过人工智能与信息技术的结合，进而影响教育阶段的不同过程。具体见表1所示。
1、CISA（Certified Information Systems Auditor简称，中文为国际信息系统审计师）认证是由信息系统审计与控制协会ISACA发起，是信息系统审计、控制与安全等专业领域中取得成绩的象征。如果是从事信息审计工作，这个证书非常有用。
2、关于IT国际证书可以咨询艾威培训。艾威隶属于艾威培训，艾威美国是北美著名的培训机构，源于美国新泽西州，2000 年进入中国，专注于国际前沿的新技术研发与教育，艾威主要的业务为培训与咨询两大类，目前培训的主要产品有：项目管理培训、IT 管理培训、IT 技术培训、云计算大数据培训、需求管理培训、产品管理培训，信息安全类，AI 人工智能等…近十类上几百门的课程的培训与咨询服务。
（来源：文章屋网 ）
关键词：知识工程；汽车维修课程；教学改革
一、引言
据公安部交管局的统计数据，截至2015年年底，我国汽车保有量超过1.7亿辆。汽车售后需求最多的就是汽车的维修和保养，规模庞大的汽车保有量必然需要相称的售后服务产业。正所谓“千金易得，一将难求”，未来社会对汽车维修和保养的专业人才的需求将出现很大缺口。因此，加大加强汽车维修专业人才的培养势在必行。
二、我国汽车维修行业人才培养的现状
当前，我们国家对汽车维人才的培养模式主要有两种：一种是比较传统的师徒式，另一种是结合了现代教育特色的学校教育式或者是培训机构培训式。第一种模式培养的人才数量有限，正在逐步弱化；后一种是规模比较大的，比重在逐步加大。
师傅带徒弟模式类似于传统的作坊式。其优点是一对一或者一对多，偏重于实践，徒弟能够在很大程度上继承师傅的经验。其缺点是培养的徒弟数量毕竟有限；而且若无名师，难出高徒，意味着徒弟的水平受师傅的水平影响很大。因此，师傅带徒弟模式有一定的局限性，在20世纪90年代以前对汽车维修人才需求较少时还是可以的。
单纯的学校和培训机构培养模式在短期内虽然快速提高了我国汽车维修人才的专业知识，但这些学校也因为与汽车企业的分离而使培养出的人才脱离企业的实际需求。由于是直接来自高校的毕业生，没有实际生产经验，只会在黑板修车，导致所培养的学生实际动手能力较差。
为解决这种矛盾，国内已有高校应用“理实一体化”教学模式。这是一种理论知识讲解和实践技能训练同期开展的教学模式，比较注重理论知识的讲解和实践技能训练的相互融合，即在理论知识中加入技能训练，在技能训练中强化理论知识。与之类似的还有“工学一体化”教学。此类教学模式在厦门技师学院、南京市高级技校等专科学校应用较多。还有少部分院校尝试校企合作培养模式。“理实一体化”模式应该说是一种比较好的模式，但在实践中往往会出现由于企业体制的问题而流于形式，校企之间没有达到深度融合，白白浪费了企业丰富的人才培养资源。
三、基于知识工程的汽车维修课程教学改革
汽车维修是一门知识与经验深度结合的学问。同一个故障，造成的原因有很多，经验老到的专家甚至不需要拆解就可以判断出造成故障的原因。知识，可以看作是固化的经验，是前人经过大量的实践得出的一种有益的结论性沉淀。知识工程（Knowledge Engineering，KE）最早是由美国斯坦福大学计算机科学家费根鲍姆教授在第五届国际人工智能会议上提出的。根据费根鲍姆教授的观点，KE是通过人工智能的方法，来解决需要专家的经验或者知识才可以解决的难题。
通过知识工程，可以将汽车维修专家的经验和课本知识进行整合，形成系统的汽车维修知识库，如图1所示。
借助软件工程技术手段，最终可以形成一个故障诊断教学平台。只要输入故障情况，就可以得出造成故障的所有原因和各自的可能性及相关的理论知识，从而实现理论知识和实践经验的优势互补。
四、结论
未来我国对汽车维修人才的需求不但是数量上的，更是质量上的。传统的师傅带徒弟模式及学校和培训机构的模式都存在一定的局限性。借助先进的技术手段可以有效地改进当前汽车维修人才培养模式的不足。
运用知识工程的技术手段，将专家的经验和课本知识整合成知识库，并最终以移动终端的形式加以应用，不但可以更好地培养人才，也可以将专家的宝贵经验广泛地应用于汽车维修一线，促进行业的技术进步。
参考文献：
[1]薛淼.关于汽车检测与维修专业教学改革探讨[J].河南科技，2014（11）：251.
[2]刘峰.汽车维修专家系统的设计与实现[D].南昌：江西农业大学，2012.
我刚上研究生的时候，对哲学比较感兴趣，然后就慢慢对修行感兴趣。但这个跟学什么没有关系。哲学宗教比较吸引人，阐述一些比较新颖的东西。比如像圆觉经，我认为是所有佛经中文采最好的三个之一吧。说到圆觉经，可以先讲部电影《黑客帝国》，换句话说，它是圆觉经的视听娱乐版。圆觉经认为这个世界是一个虚幻，我们都迷失了自己的本性，误把这些表象当作自身。一个真我是具有更大自由的，但它通常在昏昏睡大觉。虽然它有自由，但这自由从来没用过。
新：我们听说你还在写一个武侠小说?跟修行也有关系吗?
朱：其实不是武侠小说，准确地说是历史小说。讲从亚特兰蒂斯文明以降，释迦牟尼、耶稣、达摩，爱因斯坦等对抗雅利安神族卷土重来的故事。主线故事是探索少林武术的神秘起源和使命，你知道吗，少林武功就是冷兵器时代的核技术，把人的最大能量激发出来，和冶金技术为代表的势力对抗。
你看达摩自己的禅宗弟子都不会武功，他为什么去交给少林呢?希特勒在二战最紧张时候派人到藏区也和这有关。同时，这也是关于修行的故事。
新：这真是宏大的一个写作计划，那计算机在你的个人修行里起什么作用吗?
朱：我们还是谈计算机这个正题吧，毕竟这个采访不是关于宇宙人生和小说的，这么讲下去我就不像科学家了，呵呵。我在计算机方面这么多年，主要做语音技术。最早在清华，后来去美国的加州大学，再后来在加州大学伯克利做美国DARPA的项目，互联网就是那个项目下搞出来的。在这个领域的最顶尖的地方都做过，跟一些最顶尖的科学家都合作过，我想这一段发生还是有一定积累。
新：这一段人生里面，比较精彩的是哪一部分?
朱：探索和创造，能有机会在各个不同领域探索，是人生的快乐。无论是在历史、宗教，还是科学领域。保持对一训的好奇心和敏锐，是我在过去10年有幸做并感觉快乐的事情。
新：怎么看待现在做这个公司的意义?
朱：语言交流是尘世间，除了医学第二有意义的事情。
新：你对语言的这种说法让我想起了巴别塔的寓言。计算机能用来实现巴别塔?
朱：巴别塔是一个失败的事情，被神灭了。但我们要做的和巴别塔的理念是一样的，让人能沟通，能够带来人类的创造力，联合起来能做更大的事。实际上我们公司的前一个名字就叫“巴别塔学习”。
新：你怎么理解互联网?
朱：互联网只是一个工具，上面的大部分东西，是没有帮助的，95％以上的信息没有用，只会让你的心更乱。
新：怎么会想到要做口语训练平台呢?
朱：我做的口语训练平台最早是给我自己用
其实从在洛杉矶读博士就开始琢磨这事了，当时就想，怎么把语音分析用到口语教学中。但具体算法花了很长时间才做好。
2004年我要去瑞士开一个学术会议，但不懂法语，便找了个人带我练，他读句我跟一句，然后他反复纠正我。练了几天后我就不好意思再麻烦别人了。但这次我真正清楚要把这个东西做成什么样子了。如果人在7岁以前，发音掌握得不好，对发音的好坏就听不出来，自己不一定马上就知道。所以需要有第三方来给做这个反馈和纠正。我在美国的时候是当助教，需要口语资格考试，就雇了一个人来做发音纠正，每小时50美金，很昂贵!新：计算机可以替代这个每小时50美金的家伙吗?
朱：后来我发现，这个东西完全可以用计算机来反馈，但难度比我想象的大。声音里包含了太多无关的信息，需要挑出什么是核心信息。主要运用的是心理声学(psychoacoustics)的知识，和人工智能技术。
在上世纪五六十年代，MIT的Kennenth Stevens开始探索感知心理信息(心理声学)，他也是我导师的导师。那时候计算机还没有，主要用在语音分析上，研究人的心理。
新：比如我说“兔子”，一个女孩说“兔子”，发音不同，但传达的意思一样。是这样吗?
朱：是的，这项基础研究就是回答，为什么你能从声音中感受到信息?1999年Kennenth Stevens获得美国国家科学奖章，克林顿颁发的。相当于我们的国家最高科学技术奖。Kennenth Stevens在技术领域做出了重大的贡献。科学家搞基础研究，一开始谁都不知道研究出来有什么用。很多东西都是先研究出来，再去考虑应用。
新：那你现在就是主要在调用这个领域的知识?
朱：对，我等于是把这些研究成果综合起来，基于这些知识做了一个模型。比如mp3就是用到这项技术，利用感知心理声学，把人对其不敏感的信息就省略，实现大的压缩比。我就是把感知心理分析，用到语音分析上，进行发音评价。
新：你的这套东西是不是就是对波形?难度在哪儿呢?
朱：完全不是，我宁可你说我是比对频谱，但频谱也很不对。波形是毫无意义的。有的口语练习软件用对波形的方式，这太忽悠人了。因为很多发音信息混在波形里面，区分不出来，所以波形的有用信息几乎为零。而频谱比波形要有用得多，但它也还不是我们做的东西。重点在于协调两个方面：感知信息的提取、感知差距的计算。
新：做这个应用，跟你认为中国的英语口语教育出了“毛病”有关?
朱：改革开放以来中国的口语教学，从整体上来说是失败的。我之前去合肥，参加中国教育协会英语教学专业委员会举办的高中英语课教学观摩比赛。老师虽然在课上鼓励大家多说话，但他说5句话，学生可能才说1句。学生在课上的口语练习量是远远不够。这也是为何中国普遍存在哑巴英语。
新：那你的技术提供一个怎样的解决方案呢?
朱：混合教学法，课上+课下，线上+线下，老师+多媒体，是英语教学的未来。我并不封闭自己的技术，而是和所有的学校合作，让学校和老师组成一个高端口语教学方案。我们在课外加一个人工智能的口语教练，供学生一对一的口语发音纠正。这样，第一，保证口语练习的练习量。第二，人工智能教练指导下的练习更高效。第三，老师可以方便地去检查全班练习情况。有了这样的网络联系环境，哪怕老师自己的口语有问题，也能教出口语很好的学生。
新：口语培训机构很多，这个方案和他们的有何不同?
朱：比如华尔街英语、英孚、新动态、新东方精英，都是真正的高端口语培训机构。它们都是采用混合教学法：老师+老外+计算机。华尔街是这个领域的先行者，他们的课程70％是跟着计算机练，他们的口语训练软件，也包括语音识别的智能功能，但技术水平一般。他们的老师、外教可以跳槽，但这个软件不会流传到社会上，这是核心技术。
我们的理想是让所有的学校，能让高端口语教学普及。我们要做的是帮助每个学校具备高端的口语教学能力。
新：这样说来，这项技术对于学习以及教育的理念也有一个相当大的改变?
一、数字政府建设“十三五”规划总结
1.入学报名“一网通”
XX区教育局XX年开展中小学网上报名工作，入学无纸化报名系统于XX年5月正式使用。报名平台整合打通各类数据资源，实现户籍、房产、监护人、预防接种、出生证明等信息的数据精准共享，义务教育学校入学报名实现全区网上报名全覆盖，个别有需要的家长可到区教育局进行现场核对。XX年义务教育网上报名的人数接近7000人。目前该报名平台已于XX年9月份接入XX政务服务网。
2.教育缴费“一键办”
依托XX政务服务网统一公共支付平台及支付宝、微信、网银等支付方式，在全区范围铺开，面向学生的学费、代管费、住宿费、伙食费等各类教育缴费及保险费等社会事项缴费，全部一键办理，实现“零跑腿”。当前，全区所有学校均已实现网上缴费，公办学校缴费已全部纳入“XX政务服务网统一公共支付平台”，电子缴费率达100%。
3.资助办理“一端口”
困难学生教育资助已实现“最多跑一次”，并与民政、审计等部门实现大数据信息共享。通过信息共享，减除申请资助材料，实行网上共审机制，缩短申请办理时长，提供便捷化的资助申请办理服务。学生只需将材料带到学校交给老师即可，剩下的由区教育局办理。
4.转休复学“一张表”
各中小学休复学已实现“最多跑一次”，取消纸质审批表，取消各类学籍证明材料（包括学生基本信息表），有需求的学生将材料提供给学校，学校进行初审之后，通过学籍系统提交，然后在网上进行审批、办理。
5.校园生活“一卡通”
积极推进中小学智慧校园建设，大力推广校园“一卡通”应用，通过“一卡通”实现上学放学、文化学习、体艺活动、图书借阅、食堂用餐、校园消费及请假销假等智能化服务。目前已选定试点学校开展试点工作，开展一卡通方案与项目的实施与论证，与相关部门对接，XX年已在三所城区学校完成试点工作并正式投入使用。
6.家校互动“一平台”
我区积极举办XX教育广场应用培训活动，更新参训教师的教育理念，提高了教师XX教育广场的使用率，提升了应用水平，为各学校有效利用XX教育广场移动端、学生端进行教育教学、家校互动等起到积极的促进作用。通过“一卡通”平台，加快学生发展性评价数据收集与共享，建立和完善班级、年级、校级三级家校互动平台。完善维护“XX教育”微信公众号，多篇文章，传播先进家庭教育理念与方法。
7.加分确认“一证通”
加分事项实行“一证通办”，学生只需凭一张申请表、一张身份证明即可申请办理。非涉密事项可通过XX政务服务网或移动APP填报申请表及上传身份证明，通过与公安、外侨、民宗等部门信息共享，由区教育局在后台审验确认后，在线上线下进行公示。涉密事项由考试中心线下代跑审验确认。中考优待、高考优待“一件事”办理平台由省级统一开发，区教育局将做好牵头工作，按照上级要求，与其他涉及到的部门做好相关事宜。目前相关身份信息数据资源渠道已打通并完善。
8.考试服务“一站式”
XX区只有全国英语等级考试一项社会考试，已经完成报名、缴费、准考证打印等网络化、电子化办理。各类等级证、毕业证等相关证书的送达方式由考生自主选择，可通过邮政快递送达或现场领取。
9.毕业证明“一库办”
完善中小学学生学籍信息库，将中小学生学籍系统建成前的各校保存的纸质信息（XX年以前的普通高中学生、初中学生及XX年以前中等职业学校学生的毕业档案）转为电子信息，并纳入学籍信息库。毕业生只需凭一张申请表、一张身份证即可通过XX政务服务网或移动APP进行网上申请办理。
10.办学审批“一件事”
开展了XX区中小学文化课程培训机构的摸底排查、专项治理工作；制定并公示了中小学文化课程培训机构办学许可申请的设置标准、办理流程，已实现网上审批；实现办学许可证档案材料电子化。目前，通过与消防、环保、市场监管、住建、民政、编办等部门联办协办，大力优化简化办学审批流程，提高办理时效。
存在的问题和建议
1.困难学生资助申请与审核系统由市教育局统一开发和支付费用，系统目前还在试运行中，未正式投入使用。等市里试运行完毕并正式投入使用后，会积极开展该项工作，实现精准资助；
2.学生转休复学需要卫生医疗部门的相关数据，但是在区外医院就诊的数据难以获得，数据通道难以打通。建议由市局牵头，推进该项工作；
3.年代久远的学生学籍信息的纸质档案不存在，难以将信息电子化并纳入学籍信息库；
4.校园一卡通建设没有统一标准，操作困难，建议市局出台统一标准，便于建设。
三、数字政府建设“十四五”规划计划
1.加快新一代学校信息基础设施建设步伐。将“新基建”视为教育转型升级的核心推进器和数字政府发展的新引擎，广泛建设物联网、5G、大数据中心等新一代信息基础设施，突破传统信息处理终端以及传输方式的限制，全面推进全区中小学校、幼儿园教学从传统模式向数字化模式转型，倾力打造多功能、现代化智能校园。
据统计，2017年中国人工智能核心产业规模超过700亿元，随着各地人工智能建设的逐步启动，预计到2020年，中国人工智能核心产业规模将超过1600亿元，年复合增长率将达31.7%。
随着人工智能技术的不断成熟，人工智能创业的难度逐步降低，越来越多的创业公司加入人工智能的阵营。
2018年被称为人工智能爆发的元年，人工智能技术应用所催生的商业价值逐步凸显。人工智能逐步切入到社会生活的方方面面，带来生产效率及生活品质的大幅提升。智能红利时代开启！资本、巨头和创业公司纷纷涌入，将人工智能拉到了信息产业革命的风口。
如何把握产业动向，抓住风口机会？创业邦研究中心凭借在人工智能等前言科技领域持续研究、洞察的能力，在对国内人工智能创业公司进行系统调研的基础上，推出《2018中国人工智能白皮书》，对人工智能的核心技术、主要应用领域、巨头和创业公司的布局、未来发展态势和投资机会进行了深度解析。
第一部分人工智能行业发展概述
1.人工智能概念及发展
人工智能（Artificial Intelligence， AI）又称机器智能，是指由人制造出来的机器所表现出来的智能，即通过普通计算机程序的手段实现的类人智能技术。
自1956年达特茅斯会议提出“人工智能”的概念以来，“人工智能”经历了寒冬与交替的起起伏伏60多年的发展历程。2010年以后，深度学习的发展推动语音识别、图像识别和自然语言处理等技术取得了惊人突破，前所未有的人工智能商业化和全球化浪潮席卷而来。
人工智能发展历程
2.人工智能产业链图谱
人工智能产业链可以分为基础设施层、应用技术层和行业应用层。
A基础层，主要有基础数据提供商、半导体芯片供应商、传感器供应商和云服务商。
B技术层，主要有语音识别、自然语言处理、计算机视觉、深度学习技术提供商。
C应用层，主要是把人工智能相关技术集成到自己的产品和服务中，然后切入特定场景。目前来看，自动驾驶、医疗、安防、金融、营销等领域是业内人士普遍比较看好方向。
人工智能产业链
资料来源：创业邦研究中心
第二部分人工智能行业巨头布局
巨头积极寻找人工智能落地场景，B、C 端全面发力。
资料来源：券商报告、互联网公开信息，创业邦研究中心整理
第三部分机器视觉技术解读及行业分析
1.机器视觉技术概念
机器视觉是指通过用计算机或图像处理器及相关设备来模拟人类视觉，以让机器获得相关的视觉信息并加以理解，它是将图像转换成数字信号进行分析处理的技术。
机器视觉的两个组成部分
资料来源：互联网公开信息，创业邦研究中心整理
2.发展关键要素：数据、算力和算法
数据、算力和算法是影响机器视觉行业发展的三要素。 人工智能正在像婴儿一样成长，机器不再只是通过特定的编程完成任务，而是通过不断学习来掌握本领，这主要依赖高效的模型算法进行大量数据训练，其背后需要具备高性能计算能力的软硬件作为支撑。
深度学习出现后，机器视觉的主要识别方式发生重大转变，自学习状态成为视觉识别主流，即机器从海量数据里自行归纳特征，然后按照该特征规律使图像识别的精准度也得到极大的提升，从70%+提升到95%。
3.商业模式分析
机器视觉包括软件平台开发和软硬件一体解决方案服务。整体用户更偏向于B端。软件服务提供商作为技术算法的驱动者，其商业模式应以“技术层+场景应用”作为突破口。软硬件一体化服务供应商作为生态构建者，适合以“全产业链生态+场景应用”作为突破口，加速商业化。
（1）软件服务：技术算法驱动者—“技术层+场景应用”作为突破口
这种商业模式主要是提供以工程师为主的企业级软件服务。有海量数据支撑，构建起功能和信息架构较为复杂的生态系统，推动最末端的消费者体验。
此类商业模式成功关键因素：深耕算法和通用技术，建立技术优势，同时以场景应用为入口，积累用户软件。视觉软件服务按处理方式和存储位置的不同可分为在线API、离线SDK、私有云等。
国内外基础算法应用对比
资料来源：互联网公开信息，创业邦研究中心整理
（2）软硬件一体化：生态构建者—“全产业链生态+场景应用”作为突破口
软硬一体化的商业模式是一种“终端+软件+服务”全产业链体系。成功的因素是大量算力投入，海量优质数据积累，建立算法平台、通用技术平台和应用平台，以场景为入口，积累用户。亮点是打造终端、操作系统、应用和服务一体化的生态系统，各部分相辅相承，锐化企业竞争力，在产业链中拥有更多话语权。
4.投资方向
（1）前端智能化，低成本的视觉解决模块或设备
从需求层面讲，一些场景对实时响应是有很高要求的。提供某些前端就本身有一定计算能力的低成本的视觉模块和设备将有很大市场需求。前置计算让前端设备成为数据采集设备和数据处理单元的合体，一方面提升了处理速度，另一方面可以处理云端难以解决的问题。
机器视觉在消费领域落地的一个障碍是支持高性能运算的低功耗、低价位芯片选择太少。从低功耗、高运算能力的芯片出发，结合先进的算法开发模块和产品，这类企业将在机器视觉领域拥有核心竞争力。
（2）深度学习解决视觉算法场景的专用芯片
以AI芯片方式作为视觉处理芯片有相当大的市场空间。以手势识别为例，传统的识别方案大都基于颜色空间，如 RGB，HSV ，YCrBr，无法排除类肤色物体及黑色皮肤对识别精度的干扰。借助深度学习，如通过 R-CNN 训练大量标注后的手势图像数据，得到的模型在处理带有复杂背景及暗光环境下的手势识别问题时，比传统方案的效果好很多。
（3）新兴服务领域的特殊应用
前沿技术带来的新领域（如无人车、服务机器人、谷歌眼镜等），对机器视觉提出了新要求。机器视觉可以让机器人在多种场合实现应用。服务机器人与工业机器人最大的区别就是多维空间的应用。目前国内的机器视觉，涉及三维空间、多维空间，其技术基本上处在初始阶段，未来存在较大市场增长空间。
（4）数据是争夺要点，应用场景是着力关键
机器视觉的研究虽然始于学术界，但作为商业应用，能解决实际问题才是核心的竞争力。当一家公司先天能够获得大量连续不断的优质场景数据，又有挖掘该数据价值的先进技术时，商业模式和数据模式上就能形成协同效应。创业公司要么通过自有平台获取数据，要么选择与拥有数据源的公司进行合作，同时选择一个商业落地的方向，实现快速的数据循环。
第四部分智能语言技术解读及行业分析
1.语音识别技术
（1）语音识别技术已趋成熟，全球应用持续升温
语音识别技术已趋成熟，全球应用持续升温。语音识别技术经历了长达60年的发展，近年来机器学习和深度神经网络的引入，使得语音识别的准确率提升到足以在实际场景中应用。深度神经网络逐步找到模型结构和调参算法来替代或结合高斯混合算法和HMM算法，在识别率上取得突破。根据Google Trends统计，自2008年iPhone及谷歌语音搜索推出以来语音搜索增长超35倍。百度人工智能专家吴恩达预测，2020年语音及图像搜索占比有望达到50%。Echo热销超过400万，带动智能音箱热潮。
（2）语音识别进入巨头崛起时代，开放平台扩大生态圈成主流
语音识别即将进入大规模产业化时代。随着亚马逊Echo的大卖，语音交互技术催生的新商机，吸引大大小小的公司构建自己主导的语音生态产业链。各大公司纷纷开放各自的智能语音平台和语音能力，欲吸引更多玩家进入他们的生态系统。
（3）语音识别技术发展瓶颈与趋势
低噪声语料下的高识别率在现实环境使用中会明显下降到70-80%，远场识别、复杂噪声环境和特异性口音的识别是下一个阶段需要解决的问题。
麦克风阵列类前端技术不仅是通过降噪和声源定位带来识别率的提高，带环境音的语料的搜集、标注可用于模型的训练，有助于打造更新一代的语音识别引擎技术。语音巨头已经在布局。
在IOT包括车载领域，云端识别并非通行的最优方案，把识别引擎结合场景进行裁剪后往芯片端迁徙是工程化发展的方向。
2.自然语言处理（NLP）发展现状
（1）多技术融合应用促进NLP技术及应用的发展
深度学习、算力和大数据的爆发极大促进了自然语言处理技术的发展。深度学习在某些语言问题上正在取得很大的突破，比如翻译和写作。2014年开始LSTM、Word2Vec以及Attention Model等技术研究的进展，使DL有了路径在语义理解领域取得突破，并且已经有了明显的进展。对话、翻译、写作新技术成果里都开始逐渐混合入DL的框架。2014-2015年，硅谷在语义理解领域的投资热度剧增。
深度学习能最大程度发挥对大数据和算力资源的利用，语义理解的发展还需要深度学习、搜索算法、知识图谱、记忆网络等知识的协同应用，应用场景越明确（如客服/助理），逻辑推理要求越浅（如翻译），知识图谱领域越成熟（如数据饱和度和标准性较强的行业），技术上实现可能性相对较低。在各种技术融合应用发展的情况下，具备获取一定优质数据资源能力并可结合行业Domain knowledge构建出技术、产品、用户反馈闭环的企业会有更好的发展机会。
（2）NLP主要应用场景
问答系统。问答系统能用准确、简洁的自然语言回答用户用自然语言提出的问题。基本工作原理是在线做匹配和排序。比如 IBM 的 Watson，典型的办法是把问答用FAQ索引起来，与搜索引擎相似。对每一个新问题进行检索，再将回答按匹配度进行排序，把最有可能的答案排在前面，往往就取第一个作为答案返回给用户。
图像检索。同样也是基于深度学习技术，跨模态地把文本和图片联系起来。
机器翻译。机器翻译的历史被认为与自然语言处理的历史是一样的。最近，深度学习被成功地运用到机器翻译里，使得机器翻译的准确率大幅度提升。
对话系统。对话系统的回复是完全开放的，要求机器能准确地理解问题，并且基于自身的知识系统和对于对话目标的理解，去生成一个回复。
（3）创业公司的机遇
1)机器翻译方面：经过多年的探索，机器翻译的水平已经得到大幅度提升，在很多垂直领域已经能够在相当大程度上替代一部分人工，机器翻译技术的商业化应用已经开始进入大规模爆发的前夜。
2)应用于垂直领域的自然语言处理技术
避开巨头们对语音交互入口的竞争，以某一细分行业为切入点，深耕垂直领域，对创业公司也是一个不错的选择。
第五部分人工智能在金融行业的应用分析
人工智能产业链包含基础层、技术层、应用层三个层面。基础层的大数据、云计算等细分技术被应用到金融征信、保险、理财管理、支付等金融细分领域；技术层的机器学习、神经网络与知识图谱应用于金融领域的征信与反欺诈、智能投顾、智能量化交易，计算机视觉与生物识别应用于金融领域的身份识别，语音识别及自然语言处理应用于金融领域的智能客服、智能投研；应用层的认知智能应用于金融领域的智能风控。
人工智能在金融行业的典型应用情况
资料来源：创业邦研究中心
第六部分人工智能在医疗行业的应用分析
1.人工智能在医疗行业的应用图谱
人工智能在医疗行业的应用潜力巨大，目前在健康管理、辅助诊疗、虚拟助理、医学影像、智能化器械、药物挖掘和医院管理等领域均有企业在布局，其中医学影像、药物挖掘、健康管理，辅助诊疗、虚拟助理的应用发展速度较快。
图 人工智能在医疗行业的应用图谱
资料来源：创业邦研究中心
2.人工智能在医疗行业的具体应用场景
医学影像。人工智能应用于医学影像，通过深度学习，实现机器对医学影像的分析判断，是协助医生完成诊断、治疗工作的一种辅助工具，帮助更快的获取影像信息，进行定性定量分析，提升医生看图/读图的效率，协助发现隐藏病灶。 人工智能通过影像分类、目标检测、图像分割、图像检索等方式，完成病灶识别与标注，三维重建，靶区自动勾画与自适应放疗等功能，应用在疾病的筛查、诊断和治疗阶段。目前较为火热的应用有肺部筛查、糖网筛查、肿瘤诊断和治疗等。
药物挖掘。人工智能在药物研发上的应用可总结为临床前和临床后两个阶段。临床前阶段：将深度学习技术应用于药物临床前研究，在计算机上模拟药物筛选的过程，包括靶点选择、药效和晶型分析等，预测化合物的活性、稳定性和副作用，快速 、准确地挖掘和筛选合适的化合物或生物，提高筛选效率，优化构效关系。临床后阶段：针对临床试验的不同阶段，利用人工智能技术对患者病历进行分析，迅速筛选符合条件的被试者，监测管理临床试验过程中的患者服药依从性和数据收集过程，提高临床试验的准确性。
虚拟助理。医疗虚拟助理是基于医疗领域的知识系统，通过人工智能技术实现人机交互，从而在就医过程中，承担诊前问询、诊中记录等工作，成为医务人员的合作伙伴，使医生有更多时间可以与患者互动。医疗虚拟助理根据参与就医过程的功能不同，主要有智能导诊分诊，智能问诊，用药咨询和语音电子病历等方向。
第七部分智能驾驶行业分析
1.智能驾驶行业产业链
智能驾驶行业的中心业务是以Google、百度为代表的智能驾驶操纵解决方案提供商和以特斯拉、蔚来为代表的成车厂商。该类厂商，上接上游软硬件提供商，下接公司和消费者，在整个业务链中扮演至关重要的一环。
产业链上游厂商多为细分技术提供商，如深度学习、人机交互、图像识别和新材料、新制造新能源等。
智能驾驶产业链图谱
资料来源：创业邦研究中心
2.智能驾驶市场分析
伴随着 ADAS 技术的不断更新，推断全球 L1-L5 智能驾驶市场的渗透率会在接下来 5年内处于高速渗透期，然 后伴随半无人驾驶的普及进入稳速增长期。在未来的 2025 年无人驾驶放量阶段后，依赖全产业链的配合而进入市场成熟期。预测到2030年，全球 L4/5 级别的自动驾驶车辆渗透率将达到 15%，单车应用成本的显着提升之 外，从 L1-L4 级别的智能驾驶功能全面渗透为汽车产业带来全面的市场机会。
按照 IHS Automotive 保守估计，全球 L4/L5 自动驾驶汽车产量在 2025 年将接近 60 万辆，并在 2025- 2035 年间获得高速发展，年复合增长率将达到43%，并在2035年达到2100万辆。另有接近 7600 万辆的汽车具备部分自动驾驶功能，同时会带动产业链衍生市场的大规模催化扩张。
根据独立市场调研机构 Strategy Engineers 的预测，L4 高度自动驾驶等级下，自动驾驶零部件成本约在 3100 美元/车，其中硬件占比 45%，软件占比 30%，系统整合占比 14%，车联网部分占比 11%。按照全球 1 亿辆量 产规模计算，理想假设所有车辆全部达到 L4 高度自动驾驶水平，那么全球自动驾驶零部件市场规模在 2020 年 将达到 3100 亿美元。
第八部分中国人工智能企业画像分析
随着人工智能技术的不断成熟，人工智能创业的难度逐步降低。创新的大门吸引众多创业企业进入。为了观察行业风向，助力创新企业发展，创业邦研究中心对国内200多家人工智能创业公司进行了系统调研，从发展能力、创新能力、融资能力等多维度指标，评选出“2018中国人工智能创新成长企业50强”。
地域分布
全国88%的人工智能企业聚集在北京、上海、广东和江苏。其中，北京人工智能企业最多，占比高达39.66%;其次是上海，人工智能企业占比达21.55%;位列第三的是广东，人工智能企业占达15.52%。北京以领先全国其他地区的政策环境、人才储备、产业基础、资本支持等，成为人工智能创业首要阵地;华东地区的上海、江苏、浙江均有良好的经济基础和科技实力，人工智能应用实力雄厚，也聚集了一批人工智能垂直产业园;广东互联网产业发达，企业对数据需求强烈，依靠大数据产业链推动人工智能产业发展。
行业分布
从行业大类分布来看，行业应用层的企业占比最大，为56.03%;其次是应用技术层的企业，占比达31.04%;基础技术层的企业占比最小，仅为12.93%。随着人工智能技术的发展，人工智能与场景深度融合，应用领域不断扩展，行业应用公司比重不断提升。在基础层技术方面，国际IT巨头占据行业领先地位， 国内与国际差距明显，中小初创企业很难进入。
从行业应用来看，智能金融企业占比最大，为16.92%;其次是机器人企业，占比达15.38%;位列第三的是智能驾驶和智能教育，占比均为12.31%。金融行业的强数据导向为人工智能的落地提供了产业基础，智慧金融被列入国家发展规划中，庞大的金融市场为人工智能落地带来了发展前景。机器人作为人工智能产业落地输出， 目前市场需求较大，商业机器人占据较大份额。中国智能驾驶市场在资本推动下进入者较多，企业积极推动应用落地，百度、北汽等大型企业尝试商业化落地智能驾驶汽车。人工智能推动教育个性化落地，相关初创企业涉入教育蓝海，推动智慧教育的发展。
收入情况
收入分布在500-10000万之间的企业最多，占比达49.14%;500万以下的企业位居其次，占比达 26.72%;位列第三的是10000-100000万之间的企业，占比为17.24%。
最新估值
企业最新估值均在亿元级别，且分布较为均衡。三成企业估值超过15亿元，还有企业估值达到百亿级别，如优必
选科技、达闼科技和商汤科技等，将来或将跻身人工智能独角兽企业。(备注：分析样本量剔除一半未披露企业)
第九部分典型企业案例分析
1.Atman
企业概述
Atman由来自微软的人工智能科学家和产业经验丰富的产品团队创办，提供专业领域机器翻译、机器写作、知识图谱、大数据智能采集挖掘等语言智能产品，致力于成为医学、新闻、法律等专业领域语言智能专家，为专业领域用户赋能，推动专业领域用户进入人工智能时代，助力专业领域文字智能水平实现跨越式提升。Atman已为强生、新华社参考消息、北大法宝、君合律师事务所等世界领先药企、新闻媒体、法律服务机构开发机器翻译、机器写作、知识图谱、大数据智能采集挖掘等语言智能产品。
目前Atman在北京和苏州两地运营，能快速响应全国各地客户需求。
企业团队
创始人&CEO：马磊
清华大学计算机系毕业，曾先后在微软研究院和工程院担任研究员和架构师，机器学习专家、多次创业者、曾主导多项人工智能重大项目，和申请国际专利共计15+项。
Atman公司核心团队由来自微软、百度、法电等领域高端人才和资深技术人才组成，公司员工40人，其中硕士以上学历占比60%，技术开发人员占比70%，一半以上来自微软亚洲研究院和工程院。
核心技术与产品
技术方面，擅长机器学习（深度学习、强化学习、群体智能）在复杂问题的应用，和国际专利15项，Atman神经网络机器翻译系统于2016年9月首秀，早于谷歌的GNMT，专业领域翻译效果在公测标准和行业客户测试中均持续领先。核心产品为垂直领域机器翻译、机器写作、知识图谱抽取构建、大数据智能挖掘等语言智能产品。
Atman的机器翻译产品可自动翻译编辑专业文献、报告、音视频和网页，支持私有部署和云端混合部署，提供包括数据隐私安全以及自学习的端到端解决方案。
机器写作可对海量数据进行快速搜索、过滤、聚类，根据行业需求自动生成专业文档，适用于所有专业写作场景，可大幅减少专业报告写作过程中的繁复工作，大幅提升专业领域写作效率。
知识图谱可实现海量数据的语义检索、长链推理、意图识别、因果分析，形成一个全局知识库。大数据智能采集挖掘系统为专业领域用户提供智能数据源管理、海量专业数据获取和非结构化数据自动解析并结合知识图谱提供auto-screening、知识重构、专业决策辅助，帮助用户建立强大的以专业大数据为基础的业务辅助能力。
2.黑芝麻
企业概述
黑芝麻智能科技有限公司是一家视觉感知核心技术与应用软件开发企业，2016年分别在美国硅谷和上海成立研发中心，主攻领域为嵌入式图像、计算机视觉，公司核心业务是提供基于图像处理、计算图像以及人工智能的嵌入式视觉感知平台，为ADAS及自动驾驶提供完整的视觉感知方案。
目前公司和博世、滴滴、蔚来、上汽、上汽大通、EVCARD、中科创达、车联天下和云乐新能源等展开深入合作，提供基于视觉的感知方案；除此之外，公司还在消费电子、智能家居等领域布局为智能终端提供视觉解决方案。目前公司已经完成A+轮融资。
企业团队
团队核心成员来自于OmniVision、博世、安霸、英伟达和高通等知名企业，平均拥有超过15年以上的产业经验，毕业于清华、交大、中科大和浙大等知名高校。
创始人&CEO：单记章此前在硅谷一家全球顶尖的图像传感器公司工作近20年，离职前担任该公司的技术副总裁一职，工作内容覆盖了图像传感器研发和设计、图像处理算法研发和图像处理芯片设计。
核心技术和产品
在汽车领域，黑芝麻可提供车内监控方案（DMS），自动泊车方案（AVP），ADAS/自动驾驶感知平台方案。黑芝麻智能科技提供的解决方案包括算法和芯片两个核心部分：黑芝麻感知算法从基础的控光技术，到面向AI的图像处理技术出发来提高成像质量，以及应用深度神经网络训练，结合视频处理和压缩技术，形成从传感器端到应用端的处理过程；黑芝麻芯片平台采用独有的神经网络架构，包括独有的图像处理，视频压缩和计算机视觉模块，与黑芝麻视觉算法结合，采用16nm制程，设计功耗2.5w，每秒浮点计算达20T。
3.乂学教育
企业概述
乂学教育，成立于2014年，是一家网络教育培训机构，采用人工智能和大数据技术，为学生提供量身定制学习解决方案和个性化学习内容。核心团队来自美国Knewton、Realizeit、ALEKS等人工智能教育公司，销售团队有全国40亿toC销售额的经验。
企业自主研发了针对中国K12领域的学生智适应学习产品，其核心部分是以高级算法为核心的智适应学习引擎“松鼠AI”，该产品拥有完整自主知识产权，能够模拟真实特级教师教学。企业发表的学术论文得到了全球国际学术会议AIED、CSEDU、UMAP认可，并在纽约设计了人工智能教育实验室，与斯坦福国际研究院（SRI）在硅谷成立了人工智能联合实验室。
主要产品
学生智适应学习是以学生为中心的智能化、个性化教育，在教、学、评、测、练等教学过程中应用人工智能技术，在模拟优秀教师的基础之上，达到超越真人教学的目的。该产品性价比高，以人工智能+真人教师的模式，做到因材施教，有效解决传统教育课时费用高，名师资源少，学习效率低等问题。
智适应学习人工智能系统
智适应学习人工智能系统模拟特级教师，采用图论、概率图模型，机器学习完成知识点拆分和个人学习画像，采用神经网络、逻辑斯蒂回归和遗传算法为学生实时动态推荐最佳学习路径，实现个性化教育。
业务模式
线上与线下，2B和2C相结合。以松鼠AI智适应系统教学为主，真人教师辅助，学生通过互联网在线上学习课程。开创教育新零售模式，授权线下合作学校，已在全国100多个城市开设500多家学校。
4.云从科技
企业概述
云从科技成立于2015年4月，是一家孵化于中国科学院重庆研究院的高科技企业，专注于计算机视觉与人工智 能。云从科技是人工智能行业国家队，是中科院战略先导项目人脸识别团队唯一代表，唯一一家同时受邀制定人 脸识别国家标准、行业标准的企业。2018年，云从科技成为祖国“一带一路”战略实行路上的人工智能先锋，与 非洲南部第二大经济体津巴布韦政府完成签约。
云从科技奠定了行业领导地位： 国家肯定，国家发改委2017、2018年人工智能重大工程承建单位；顶层设计，唯一同时制定国标、部标和行标的人工智能企业；模式创新，三大平台解决方案，科学家平台、核心技术平台和行业应用平台。
企业核心团队
创始人
周曦博士，师从四院院士、计算机视觉之父—ThomasS.Huan黄煦涛教授，专注于人工智能识别领域的计算机视觉 研究。入选中科院“百人计划”，曾任中国科学院重庆研究院信息所副所长、智能多媒体技术研究中心主任。
周曦博士带领团队曾在计算机视觉识别、图像识别、音频检测等国际挑战赛中7次夺冠;在国际顶级会议、杂志 上发表60余篇文章，被引用上千次。
核心技术团队
云从科技依托美国UIUC和硅谷两个前沿实验室，中科院、上海交大两个联合实验室上海、广州、重庆、成都四 个研发中心组成的三级研发架构。目前研发团队已经超过300人，80%以上拥有硕士学历。
技术优势
全方位多维智能学习模块适应不同场景要求；模块化设计为在工业视觉、医学影像、自动驾驶AR等领域扩展打下良好基础。
云从科技具有高技术壁垒：世界智能识别挑战赛成绩斐然，在CLEAR、 ASTAR、 PASCAL VOC、 IMAGENET、FERA以及微软全球图像识别挑战赛上共计夺得7次世界冠军;在银行、公安等行业智能识别技术 PK实战中，85次获得第一；2018年，云从科技入选MIT全球十大突破性技术代表企业。
在跨镜追踪(ReID)技术上取得重大突破。Market-1501，DukeMTMC-reID，CUHK03三个数据同时集体刷 新世界记录， Market-1501上的首位命中率达到96.6%，首次达到商用水平。
正式在国内“3D结构光人脸识别技术”，可全面应用于手机、电脑、机具、设备、家电。相较以往的2D人 脸识别及以红外活体检测技术，3D结构光人脸识别技术拥有不需要用户进行任何动作配合完成活体验证的功能， 分析时间压缩到了毫秒级以及不受环境光线强弱的影响等诸多优点，受到国际巨头公司的关注。
行业应用
目前国内有能力自建系统的银行约为148家。截止2018年3月15日，已经完成招标的银行约为121家，其中云从科 技中标了88家总行平台，市场占有率约为72.7%;在安防领域推动中科院与公安部全面合作，通过公安部重大课题研发火眼人脸大数据平台等智能化系统，在民航领域，已经与中科院重庆院合作覆盖80%的枢纽机场。
5.Yi+
企业概述
北京陌上花科技是领先的计算机视觉引擎服务商，为企业提供视觉内容智能化和商业化解决方案。致力于“发现视觉信息的价值”。
旗下品牌Yi+是世界一流的人工智能计算机视觉引擎，衣+是时尚商品搜索引擎。公司在图像视频中对场景、通用物体、商品、人脸的检测、识别、搜索及推荐均达到领先水平。
目前公司和阿里巴巴、爱奇艺、优酷土豆、中国有线、CIBN、中信国安、海信、华为、360等数十家顶级机构/产品深度合作，通过提供边看边买引擎、图像视频内容分析引擎、人脸识别引擎等基于视觉识别技术的数据结构化产品服务于海量用户，同时帮助政府机构、广电系统、内容媒体、零售商、电商、视听设备等行业实现智能分析、智能互动与场景营销。目前公司已经获得B轮融资。
企业团队
团队成员来自于斯坦福、耶鲁、帝国理工、新加坡国大、南洋理工、清华、北大、中科院等名校及谷歌、微软、IBM、英特尔、阿里巴巴、腾讯、百度、华为等名企。
创始人&CEO：张默
北京大学软件工程硕士， 南洋理工大学创业创新硕士。连续创业者， 曾任华为算法工程师、微软WindowsMobile工程师、 IBM SmarterCity 架构师，北方区合作伙伴经理，主机Linux中国区负责人，中国区开源联盟负责人，年销售额数亿。 2013年创业于美国硅谷和新加坡，2014年6月在中国设立北京陌上花科技有限公司。
核心技术与产品
技术方面，在国际顶级计算机视觉竞赛ImageNet中，成绩曾超过谷歌、斯坦福等，2015-2016年2年获得十项世界第一。2018年3月，人脸识别准确率位列LFW榜首。Yi+通过遵循无限制，标记的外部数据协议。 Yi+的系统由人脸检测，人脸对齐和人脸描述符提取组成。使用多重损失和训练数据集训练CNN模型，其中包含来自多个来源的约10M个图像，其中包含150，000个人（训练数据集与LFW没有交集）。在测试时， Yi+使用原始的LFW图像并应用简单的L2norm。图像对之间的相似性用欧氏距离来测量，最终取得优异成绩。
公司的核心产品主要包括视觉搜索引擎，图像视频分析引擎以及人脸识别和分析引擎：
行业解决方案
针对营销、安防、相机和电视的不同特点，推出相应解决方案。
营销+AI。场景化广告方案中，大屏AI助理信息流推荐、神字幕、物体/人脸AR动态贴图、video-out、场景化角标与广告滤镜等形式的广告内容推荐，适用于快消、汽车、电商、IT、金融、旅游服务等多个行业。
智慧城市+AI。使用计算及视觉助力智慧城市，在智慧安防、智慧交通、智慧园区等方面提供解决方案。在智慧安防实时识别上，实时处理直播摄像头信息，算法反应敏捷，相应迅速。建立智慧园区方案模型，考虑扩展性&灵活性、数据管理、松散耦合性、安全性、实时整合性以及功能性和非功能性需求等技术方案要素，从业务和技术两方面整合解决方案实现步骤。
电视+AI。电视+AI的解决方案赋予智能电视多样播放能力和营销能力。
相机+AI。相机更具交互能力。用户通过搜索关键字标签同步展示图片，打通相册和购物一站式体验。准确识别人物属性特征，动态适应表情变化，可以在视频以及图像中对人脸实时检测，基于深度学习技术，进行人脸相似度检测，实现面部关键点定位、妆容图像渲染，试用与粉底、唇彩以及眼影等多种虚拟试装方式。实时检测摄像头中出现的物品、场景和人脸等，添加AR效果，SDK支持本地检测、识别、追踪，平均检测帧率可达到25fps。
新零售+AI。Yi+新零售解决方案是基于公司自主研发的人脸识别、商品识别和其他图像识别算法技术为核心，建立一整套基于人脸、商品的智能零售门店管理方案。Yi+新零售解决方案主要包含数据采集、算法模型说明和部署方案三部分，其中数据采集包括人脸数据采集、商品数据采集；算法模型说明包括识别算法训练、商品识别、识别输出；部署方案包括本地部署、云端部署、本地部署与云端部署结合。
6.擎创科技
企业简介
擎创科技成立于2016年，专注于将人工智能和机器学习赋予传统IT运维／企业运营管理，为企业客户提供智能运维大数据分析解决方案，从而取代和改善对高技能运维人员严重依赖的现状。2017年，擎创科技已实现全年2000万营收，迅速成为国内AIOps领域的领跑者和中流砥柱。2018年初，擎创科技完成了数千万人民币的A轮融资，由火山石投资领投，晨晖创投、元璟资本及新加坡STTelemedia跟投。
核心团队
擎创团队的核心成员主要由BMC、微软等美国企业服务上市公司的运维老兵，与新浪、饿了么等知名互联网公司的大数据、算法专家组成，核心团队成员至少拥有10年以上的行业经验。其中CEO杨辰是国内最顶级的B端销售，曾带领团队获得10倍的业绩增长；CTO葛晓波拥有长达15年的企业级软件开发和运维经验；而产品总监屈中泠则来自甲方，创业前为浦发硅谷银行企业架构师，深知甲方对企业运维产品的需求。这个曾经深耕于运维企业服务市场的团队，如今在智能运维企业服务赛道继续领跑，让擎创科技成为最懂企业的客户，最值得企业客户信赖的软件厂商。
主要产品
“夏洛克AIOps” 作为擎创自主研发的大数据智能运维主打产品，自2016年上线以来，已从1.0版本升级至1.9版本，可应用在金融、大型制造业、铁路民航、能源电力等涉及国家发展和民生问题的多种行业。在2017全球运维大会上，夏洛克AIOps获得由中国信息通信研究院与高效运维社区联合颁发的“年度最具影响力AIOps产品”奖。
“夏洛克AIOps”充分利用自研算法辅助客户实现IT运维价值，结合客户的现有情况，规划从传统ITOM至AIOps智能运维的一站式路径，助其运营落地，由此打破数据孤岛，建立统一的大数据智能分析平台，实现以人工智能为核心，驱动传统IT运维监、管、控三个层面，并将相关运维数据及业务数据实时展现。
“夏洛克AIOps”拥有多项自研算法，犹如运维界的福尔摩斯，能迅速发现并定位运维问题的根因，实现秒级排障，最大程度避免企业产生重大损失。更有价值的是，“夏洛克AIOps”还能通过长期的数据积累和机器学习，运用新型深度神经网络算法对企业的业务数据进行预测，帮助企业提前规划IT资源，高效预防各类黑天鹅事件的发生。
商业模式
目前，擎创科技已与多家金融和制造行业标杆客户形成稳定的合作关系，包括浦发银行、浦发硅谷银行、国家开发银行、上海铁路局、银联、海尔、浙江能源等。针对不同客户，采用个性化的商业模式进行服务，目前主要有私有模式和SaaS模式两种，都具有较强的可复制性。
核心优势
【关 键 词】教育媒介；多媒体；形态
中图分类号：G40 文献标识码：A 文章编号：1005-5843（2012）05-0014-03
教育媒介是重要的教育物资之一，不仅反映了一个国家的经济、技术发展水平以及对教育的重视程度，也反映了教育作为特殊的社会活动的专门化程度和一定的教育观。正如叶澜教授所说：“是一定教育观的物质体现”。[1]教育媒介的形态演变是以科学技术的发展为基础的，以技术的教育应用为切入点探索教育媒介的形态演变，实质上是探索教育自身形态与教育技术互动发展的历程。笔者通过对技术与教育发展关系的梳理，认为教育媒介形态经历了教具化、多媒体化、智能化、虚拟化等四个阶段。不同阶段的教育媒介实践有不同的技术发展作为其支持，同时也代表了某种技术应用所蕴含的教育思想。
一、从《世界图解》到 “恩物”：教育媒介形态教具化
教育形态教具化起源于或可追溯到近代欧洲的直观教学。17世纪，著名的捷克教育学家夸美纽斯提出“让一切学校布满图像”，“让一切教学用书充满图像”，他竭力推进直观教学，并编写了一本插图教科书《世界图解》，夸美纽斯也因此获得了“直观教学之父”的赞誉。正如《世界图解》，又叫《可见的世界》，夸美纽斯通过150张图片的呈现让遥远的“世界”变得可见，使得原本只能靠教师用单调语言文字描述的世界场景以“直观”而“真切”的方式展现在学生面前，通过这些图解学生获得了关于自然、生活、社会等等方面百科全书式的知识。[2]卢梭、裴斯泰洛齐等人也主张采用实物教学和直观教学的方法。另一位教育学家福禄培尔吸收夸美纽斯、卢梭、裴斯泰洛齐教育思想的精髓, 创立了学前教育理论的体系，并创办了世界上最早的幼儿园。他的主要功绩还在于提出了幼儿游戏理论以及创制了“恩物”。福禄培尔仿照大自然的性质、形状及法则特制了“恩物”以适应儿童教育的特殊要求。“恩物”是大自然的缩影，儿童利用“恩物”，通过各种游戏活动发展智力和体力，从中发现和掌握世界及其固有的秩序。[3]
无论是夸美纽斯的《世界图解》还是福禄培尔其“恩物”，其核心思想就是“适应自然”。他们在各自的教育实践过程中，不仅做到了教育理念和教学方法上遵循和顺应儿童的天性，而且积极营造与自然融和、一体的环境。教育形态教具化的本质上还是“虚拟”模拟“真实”、“人工”模拟“自然”的一种方式，使得人类的教育摆脱了单纯依赖口耳相传和文字教材的初始状态。
二、从视听教育到教育技术：教育媒介形态多媒体化
教具化阶段以实物作为教育媒介，大都可以称之为视觉教育。到了20世纪20年代末，由于有声电影和广播录音技术的发展以及在教育领域的应用，“声音”也成为教育信息的载体，视觉教育进而发展为视听教育。在声音媒体方面，麦克风作为扩音教学媒体进入教室，使得大规模的集体授课或教育传播成为可能，提高了教学效率，此外还有磁带录音机等等也作为新教学媒体辅助教学活动，直到发展到现在的数码录音笔以及MP3播放器等，这些声音媒体设备在扩音教学应用、放音教学应用（音乐以及语音教学）等方面发挥重大作用；在图形媒体方面，投影仪、视频展示台、数码照相机等设备的使用推动了图片教学法、实物投影法等新型教学法的诞生，而且在幻灯、投影教学中，通过声音和图形结合，做到声画同步，增强了教学效果；在图像媒体方面，电视机、录像机、摄像机以及激光影碟机的出现推动了第二代远程教育——广播电视函授教育的产生与发展；多媒体的出现推动了现代教育技术理论与实践的发展，这种媒体集文本、图形、图像以及声音等传统信息载体于一体，具有集成性、控制性、交互性以及超文本与超媒体等特征，同时多媒体课件的开发成为教师工作内容的一个重要组成部分。[4]至此，教育媒体化推动教育信息化进入了快速发展的实质性阶段，教育技术作为教育信息化的理论与实践成为了教育的“制高点”。
三、从教学机器到智能教学系统：教育媒介形态智能化
[关键词]数字经济；物流管理；创新人才培养模式
在经济发展新常态下，消费模式的服务化、销售市场的分散化与智慧物流的普及化带来了复杂结构的物流需求，随着移动互联网技术成熟，在国家政策支持下，物流各项指标随着大数据产业发展呈现翻倍增长态势，同时，对于“大数据”技术的充分应用，物流路线、选址及仓储等，都有望得到进一步优化，从而达到即时服务的终极目标。数字经济作为经济的一个新业态，已经成为新旧动能转换中非常重要的驱动力，也是全球新一轮产业竞争的制高点。数字技术的快速发展同时改变着工作和职业的性质，2018年，中国数字经济领域提供的就业岗位为1.91亿个，占当年总就业人数的24.6%，同比增长11.5%，数字技术在提高劳动效率的同时，也会减少对于劳动力的需求，根据麦肯锡全球研究所估计，到2030年，可能有多达2.2亿中国工人需要换工作，占中国总劳动力的30%，而物流一直被视为劳动密集型行业，面临这样的冲击，势必需要快速的转型升级和新旧动能转换。由此可见，传统的教学空间布局、教学组织模式、教学方法与技术等已经无法适应工业4.0背景下物流创新型人才的培养，教育改革势在必行。
1.物流管理人才培养存在的问题
1.1物流管理专业教育模式创新体系缺乏系统性
国务院印发的《深化新时代教育评价改革总体方案》总体思想要求突出培养相应专业能力和实践应用能力，新文科建设要求通过跨专业、跨学科、跨界甚至跨域整合突破界限壁垒，运用“新”（新经济、新技术）、“融”（嵌入式、交融感）、“通”（跨学科、跨领域）、“特”（有特色、很特别）的新文科思维，创新运用互联网、云计算、大数据、人工智能等数字技术，产学合作协同优化、创新设计新时代文科的人才培养方案、课程内容体系、教育教学方法、科教融合模式和教学评价机制等，推动跨学科深入交叉互渗、跨领域深度融合贯通。这与物流产业发展对人才的需求标准不谋而合，因此融合新文科建设思路是深化物流管理教育改革的重要方向。但物流观看了创新教育需要将改革策略及具体举措集成在一个系统的、立体的、全面的适应性体系建设上，只是通过增加课程的实践环节无法形成一体化的课程计划；单纯运用一些类似翻转课堂、课堂APP等授课技巧也只是旧有教学模式的完善。
1.2物流管理人才培养目标设置与社会发展趋势没有保持一致
需求的刺激、市场结构优化和技术变革等改变促进了中国物流业的快速增长，“互联网+”促进了传统物流产业的变革升级，人工智能、物联网和区块链的结合，正在让物流行业发生一场效率革命，这些都带来了复合型专业人才的紧缺，从而制约了物流产业链的迭代更新。而物流管理教学的目标更多是旧有知识的输出，在这一背景下，需要更加关注课程的设置与质量，培养物流管理人才解决复杂问题的能力、竞争力、领导力、新技术开发能力及社会责任等素养。
1.3物流管理教改研究中对课程研究较多，创新人才培养体系研究较少
从中国知网CNKI数据分析结果可知，物流管理教改研究中“物流课程”的中心性最高，围绕该关键词，出现了“物流课程”，“国际物流”，“教学质量”，“教学改革”等高频词，也有结合行业发展背景进行物流人才培养模式研究，例如徐龙闪，肖红波（2021），吕雪（2020），潘鹏（2021）等学者主要研究了在互联网背景下物流管理专业人才培养目标和培养体系，但教改领域中针对数字经济背景下物流管理创新人才培养相关研究较少。
1.4国内外先进的教学理念、教学模式、教学方法等的应用不够
随着我国高等教育改革的不断发展以及国际交流与合作的持续深入，先进的教学理念、教学模式、教学方法等层出不穷，日益创新，发展迅速。其中典型的成果是北美地区高校教学技能培训机构CaffarellaRS（2002）提出的BOPPPS教学模型，因强调激发授课对象的主动性，被全球超过100所大学和产业培训机构所推崇。因为物流同时根植于工程和管理实践的，既体现了工程与管理门类学术研究主题的综合，也体现了物流实践中工程技术与管理方法的交叉融合，因此麻省理工大学创立的CDIO工程教育理念为物流管理教育提供了一个新的思路和研究方向，也为我国的物流管理新文科改革提供一些有益的借鉴。CDIO的核心思想在于鼓励学生以主动的、理论联系实践的、课程之间相互交融和有机联系的方式进行学习。CDIO理念与教育模式的创新在很大程度上逐渐成为中国高等工程教育界重要且具有巨大影响力的改革行动之一，迄今为止，CDIO在中国的发展已逾十年，但CDIO模式多数仍局限于机械、电气、化工、土木、农业类专业，因此结合物流管理人才需求现状，我们认为“BOPPPS-CDIO”教育模式更能够有助于复合型、多元化创新物流管理人才的培养。
1.5提高管理管理课程群教学效果的需要
物流在我国国民经济中占据重要的位置，物流行业的应用型人才需求和教学效果并不匹配。目前整个教学环节与实践中存在着重传授理论知识、缺乏系统化的学生能力培养，理论实践相互脱节、学生兴趣不浓的现象，教学模式难以匹配学生数学素养参差不齐等问题。
2.数字经济时代对物流管理创新人才的新需求
2.1数字经济时代对物流就业的影响
数字经济的概念最早是由DonTapscoti在20世纪末提出，中国信息通信研究院的《中国数字经济发展与就业白皮书（2020年）》中对数字经济的概念进行定义：“数字经济是以数字化的知识和信息作为关键生产要素，以数字技术为核心驱动力，以现代信息网络为重要载体，通过数字经济与实体经济深度融合，不断提高数字化、网络化、智能化水平，加速重构经济发展与治理模式的新型经济形态”。数字经济发展造成了物流管理劳动力市场两极分化。一方面，数字经济催生了很多新模式和新业态，例如尤其在消费市场创造了大量物流新就业机会，另一方面，由于人工智能的特点，物流业中重复性、机械性劳动更容易被机器和软件替代，此类岗位大幅减少，一线工人的工作日也将因自动化而重新配置。
2.2数字经济时代对物流管理专业人才的要求
我国非常重视物流产业人才培育，截至2018年，全国开设物流管理专业的高校就达396所，而物流智能化，物流平台，物流资本化，物流新零售等创新经济所需要的物流人才培养规模过小。从物流行业细分领域人才需求表（见表1）不难看出，数字经济时代对创新型物流专业人才的要求体现在以下几个方面：一是逻辑思维能力强、具备数字化思维和能力。二是熟悉物流服务行业的业务模式及流程。三是能通过数字的牵引，具备整合管理、业务和技术的能力。
3.数字经济时代物流管理创新人才培养路径
3.1基于数字经济背景建立物流管理创新人才分层教学模式
3.1.1融合数字经济设定层次化培养目标通过对政府、企业、科研院所的调研走访，研究数字经济背景下物流管理人才需求，对物流管理就业状况的数据收集分析整理，同时整理物流领域需要的数字技能，建立通用的数字技能分类，例如物流数字化开发类，物流数字化运营类等，根据技能分类和劳动力市场需求的指导，制定和实施具有针对性的培养计划。在教学目标上，融合数字经济设定层次化培养目标，促进知识、能力、素养的有机结合，按照培养目标和社会需求建立分层次教学体系，确定培养目标和知识能力体系，对学生进行基础层、应用层、创新层分层次分阶段教学的培养。通过层次化培养目标解决学生基础差异，教学与实际脱节的问题，帮助不同层次的学生将课程理论内容相互衔接与融合，形成较完整的解决问题的理论体系与思路。教学计划上，拟定培养高水平管理人才的教学计划，使课程的教学计划能够与宏观经济、产业发展、企业实际需求实现良好的对接。
3.1.2提升教师数字经济和专业知识水平当今的物流业很难避免数字化竞争，现代物联网，人工智能，云技术，区块链，流程自动化RPA等数字技术的加速创新迫切需要提升高校教师的数字经济相关知识和技能，因此，通过让教师参加数字经济及相关技术的培训、学习、讲座和研讨等方式，并通过校企合作项目，让教师进入相关企业进行实践锻炼，提升教师的数字经济素养。另一方面，高校可以建立双导师制度，引进企业教师，充分发挥丰富实践经验的优势，企业教师不限于物流行业，互联网、新零售、电子支付等高科技行业，这些导师一方面能弥补高校教师实践经验不足的缺陷，另一方面也能够生动还原企业营运环境。在高校物流管理专业建立专业教师、企业导师、职业指导三重师资队伍结构，进行通识教育，物流专业教育，职业教育培养教学，着力培养既具备物流知识技能又具备计算机、大数据知识技能的高素质物流人才。
3.1.3丰富物流数字经济教学内容教学内容上，坚持理论与需求、经济、技术、产业链等环境变化以及物流与金融，IT，工程学，建筑等其他学科的有效融合，增加物流数字化运营管理的知识体系与发展动态知识学习内容，保持知识结构的前沿性和时代性。在课程设置方面，应在设置经济、管理、工程等一般理论课程的基础上，针对不断更新迭代的细分领域，例如物流与金融学科的融合产生出的仓管质押、代收支付、货车信贷等细分领域；物流与IT的融合产生出的车货匹配、智慧物联网等领域；物流与工程学的融合产生出的AGV、无人机、自动化仓储分拣等领域，合理设置区块链、大数据技术与应用、智慧物流营销与管理、互联网金融与管理等课程方向，将物流与供应链的知识进行深度融合，突出智慧物流与供应链的发展特色。
3.2利用数字技术实现多渠道学习和教学
一是加强数据资源建设，搭建“数字技术+物流”教育平台，平台教程和案例数字资源库由教师和企业共同参与、设计和完成；运用“BOPPPS有效教学模组”作为线上线下混合式教学设计的“基本架构”，充分利用数字技术，通过在线课程，智慧课堂、学习通等方式丰富教学过程，并合理利用这些平台对学生学情等数据进行分析，营造参与式教学氛围，及时调整教学内容和手段提高教学质量。；教学实践上，持续丰富实践教学内容，达到“第一课堂”与“第二课堂”的有效契合，增加物流仿真实验等实践项目、企业实地研究和实习机会，激发学生对实用技能的兴趣，培养学生考虑数字经济背景下解决复杂物流管理问题的综合能力与高级思维；二是强化实践教学体系，丰富和完善教学实践。通过构建实验教学平台、学科交融讨论平台和课外实践平台，强化实践教学环节，实现课内与课外、理论与实践的对接。强化实验教学。结合理论讲解和案例教学，认真开展实验教学。教师充分应用实训场地、设备、软件指导学生在实验课堂上动手完成各项模拟业务操作，提高学生动手能力。组织学生参加各项竞赛活动。每年由学生组建团队，参加全国各项物流大赛，学生主动参与，提高学生的知识运用能力和合作意识。用“课程+兴趣+社会”的教学为学生创造有意义的学习经历，鼓励学生观察家乡或者身边的实际情况，综合运用物流成本、管理学、微观经济学等物流管理等文科知识提出解决方案。增加校企实习实践考核力度。企业实习不局限于熟悉物流日常操作，建立学校和企业双向沟通渠道，教师和企业导师共同指导同学物流实习，鼓励企业问题进课堂，课堂理论企业应用，利用APP，QQ，微信，腾讯课堂等数字手段，进行现场讨论并提出有建设性的方案。
3.3多维度考核评价机制，解决重结果轻过程的问题
实行过程性考核与多形式考核的有效契合，提高考核的全面性、实践性。构建多维度教学效果评价体系，重视学生参与度和过程考核，课程考核包括试卷考核，线上答题，线下调研，成果汇报等多种形式。评分采用试卷评分，课堂和线上讨论评分，同学互评等方式。优化评价方式。加大线上考核比例。线上考核内容应针对不同的学习内容进行权重设计，比如线上考勤，学情考核，课堂APP讨论等，提高学生主动性，鼓励学生观察身边现象，自发拟定讨论话题。线下学习布置进阶式任务，提高可操作性，增强学生物流方案设计能力。优化实践环节评分体系。除了考核学生现场实习表现，同时要求学生针对企业问题提出独立的方案，在最后的评选环节，由学校教师，企业导师和同学组成的评分组根据实际情况得出综合得分。该分数是小组间横向评比、集体评议的结果，能更加客观地反映学生学习和掌握知识的实际水平。
4.结语
Abstract: Around the organ of security supervision special equipment facing on special equipment operator training work, this paper expounded constructing the network teaching platform, updated new measures in dynamic managing training students archives and the paperless examination in order to separating training, evaluation, issuing, to ensure watchdog strictly execut and identify standardization, technological standardization and management modernization.
关键词：特种设备作业人员；监管；考核；模拟培训
Key words: special equipment operator；supervision management；assessment；simulation training
中图分类号：F272.9 文献标识码：A文章编号：1006-4311（2010）34-0110-01
0引言
随着国内工业的飞速发展，特种设备操作从机械、自控、人工智能方面都有明显提高。对特种设备作业人员理论知识、实际操作技能的更新都给予新的要求，也给特种设备作业人员的培训与考核工作提出了新的挑战。企业设备能够安全、平稳、高效地运行，必须要求现场技术工人、管理仪表人员接受严格的岗位作业训练，具备扎实的专业理论基础、透彻理解所操作对象、娴熟的操作技巧及处理异常事故的本领。
1完善特种设备安全监察培训机构
为切实提高特种设备作业人员素质，特种设备安全监察机构需加强对授权培训机构在特种设备作业人员的培训考核环节上的监督、监管力度，施行合理的管理体制，分离培训、考核、发证环节。轮流委派监察人员对授权培训机构从招生审查、培训内容、培训学时等环节全程监督检查，发现违规行为及时纠正。使整个培训考核环节都在监察机构的监督管理下进行，杜绝培训机构为获得利益采取缩短培训时间、压缩培训内容、放松考场监督、提高考试通过率等行为。
1.1 动态管理特种设备作业人员资料特种设备监察机构需对考核合格人员施行动态管理，建立特种设备作业人员（包括身体健康状况、考核情况、发证时间、有效期限、身份证号码、证件编号、复审记录、取证时的工作单位、有无违章违纪记录等信息等）相关信息的电子版培训考核档案，便于国内联网查询。倘若学员在异地可携带特种设备从业资格证和用人单位签订的拟聘用合同，经当地安全监察机构在网上核实、登记、备案后，方可在用人单位从事特种设备作业活动，一定程度上妥善保护特种设备作业人员的权益。
1.2 加强特种设备使用企业的监管力度特种设备监察机构需加强对企业在法规方面的宣传工作与监察力度，提高企业对特种设备危险性与危害性的认识。加强对特种设备使用单位的监督检查，实施公开电话举报，采取明察与暗访相结合，对委派无证人员操作特种设备或强令持证人员违章作业的企业及相关人员，应加大处罚、查处力度，纠正以往那种把特种设备作业人员简单的看成是熟练工的错误观念。为企业、为社会、为国家培养出更多合格的特种设备作业人员。
1.3 搭建培训特种设备作业人员网络平台教学为提高特种设备培训中锅炉工的技术素质，全面实施素质教育，落实理论考核与实践操作紧密结合，在现有质量技术监督部门网站上增设网络学习平台，平台可播放下载相关规章制度、培训教案、演示文稿和现场实际操作录像，也可进行网上答疑，鼓励学员将工作、学习中的疑难问题上传到网络平台，让学员们各抒已见，教师通过网络平台实时答疑解惑，促进学员全面素质的培训，提高特种设备专业化水平，推动培训工作向纵深方向发展，利用现代化的信息手段提升特种设备作业培训质量。
1.4 适时推进特种设备培训无纸化考试改革理论考核方式无纸化考试是在计算机上进行的考试。由计算机从已建立的题库中调题组卷，考生一人一机一卷，根据显示的题目用键盘或鼠标输入答案，考试结束后，计算机自动阅卷、评分、统计及分析等。在考核环节中每批次只需一台服务器完成组卷、发卷、判卷和成绩分析等工作，大大减轻了考试工作的劳动强度，同时也将使考试的公平性和严密性更有保障。基础理论知识考试检验教学质量是非常重要的培训环节，无纸化考核可避免烦琐的纸张印刷，有效地实现教考分离的全自动化管理，减轻了教师阅卷的工作强度，简化了传统考试的过程，极大地提高考试的灵活性、公正性、可信度和工作效率。无纸化考试是培训考核工作创新发展的必然趋势，是实现以学员为中心的开放教育的有效途径。
2仿真组态技术应用特种设备操作人员培训
仿真组态技术是综合性技术，它集成了计算机技术、系统技术、信息技术、网络技术、多媒体技术、自动控制，是当今世界前沿科学中最活跃的领域之一。借助仿真技术可演示或反演系统的操作过程和运行结果，可以仿真出系统的特性，安全、快速、经济。有些事故运行人员可能很少遇到，平时难以有练手的机会。传统“师傅带徒弟”的现场简单培训模式可以学到锅炉运行的初级理论知识，了解锅炉的基本常识，指导常规的安全运行操作多数通过图片、文字给学员讲解，培训学员现场动手的机会少，独立操作的机会更少，为此掌握事故处理知识只能停留在理论上，学员正确判断和处理故障的综合操作能力不能得到有效训练。因此，仿真技术被广泛应用于辅助研究、辅助设计、辅助生产和辅助培训领域。
3结论
目前特种设备作业授权培训机构正积极探索，创新改革培训模式，提高实作教学的培训效果。做好此项培训工作可增强企业特种设备作业人员的安全生产意识，防止和减少事故发生，保障财产和生命安全，促进经济健康发展。
参考文献：
[1]陈继兴，侯秀旺.如何加强特种设备作业人员的培训考核与管理工作[J].林业劳动安全，2009，22（4）：5-7.
