米乐M6 M6米乐自动化和人工智能技术突飞猛进未来还需解决10个问题

　　随着机器日渐开始填补工作场所的人力劳动，为了从中获利我们都必须做出调整。

　　自动化和人工智能（AI）正在改变企业，并将通过其对生产力的贡献来促进经济增长。它们还将有助于解决从健康到气候变化等领域各钟非常棘手的社会难题。

　　与此同时，这些技术将改变工作性质和工作场所本身。机器将能够执行更多原先由人类完成的任务，补充人类所做的工作，甚至执行超出人类可以做的任务。结果是，一些职业将出现颓势，而另一些职业将增长，还会有更多职业发生变革。

　　虽然我们认为未来有充分的就业机会（除极端情景外），但社会需要应对重大的劳动力转型和失业问题。工人需要获得新技能，并在工作场所中适应功能越来越强大的机器。他们可能必须从不断离开夕阳职业，转向日趋繁荣的职业，在某些情况下，还有新的职业。

　　本决策简报借鉴了麦肯锡全球研究院的最新研究成果，探讨了工作场所自动化和人工智能的前景和挑战，并概述了决策者、公司和个人需要解决的一些关键问题。

　　自动化和人工智能已经不是什么新鲜事物了，但最近的技术进步正在将机器可能做到的事情推向极致。我们的研究表明，社会需要这些改进，从而为企业带来价值，促进经济增长，在我们应对最困难的社会难题时能有所进步，而这样的事情在以往是不可想象的。综上所述：

　　除了传统的工业自动化和先进的机器人之外，功能更为强大的新自动化系统也出现在各种环境中，如穿梭于路上的自动驾驶车辆和杂货店里的自动结账等。大部分进步都是由系统和组件的改进推动的，包括机械、传感器和软件。由于机器学习算法变得更加复杂，并且利用计算能力的巨大发展和可用于训练它们的数据的指数级增长，人工智能近年来取得了特别大的进步。巨大的突破见诸于各大媒体的报道，其中有很多突破涉及计算机视觉、自然语言处理和围棋（Go）等人类望尘莫及的领域。

　　这些技术已经在各种产品和服务中产生了价值，各行各业的公司在一系列流程中使用它们来将产品推荐个性化，发现生产中的异常情况，识别欺诈易等等。最新一代人工智能技术的进步（包括解决分类，估算和聚类问题的技术）仍有望带来更多价值。我们对数百个人工智能用例所做的分析发现，用来部署人工神经网络的最先进的深度学习技术，其年产值可以达到3.5万亿至5.8万亿美元，占所有分析技术所创造的价值的40%。

　　正当人口老龄化和出生率降低的问题使发展受阻时，人工智能和自动化技术的部署可以极大地提升全球的经济并加快全球的繁荣。劳动生产率的增长（推动经济增长的关键因素）在很多经济体中已经放缓，美国和主要的欧洲经济体在以前的生产率下滑，以及2008年的财政年度后，从十年前的2.4%降至0.5%的均值。人工智能和自动化有可能扭转这种下降趋势：未来十年，生产率增长每年可能达到2%，其中60%来自数字化方面的机遇。

　　人工智能还用于材料科学，医学研究和气候科学等各个领域。这些技术在这些学科和其它学科中的应用有助于解决社会难题。例如，Geisinger的研究人员已经开发出一种算法，该算法可以将颅内出血的诊断时间惊人地缩短了96%。与此同时，乔治华盛顿大学的研究人员正在利用机器学习来更准确地衡量气候变化专门委员会所使用的气候模型。

　　人工智能和自动化仍面临各种难题。有一部分限制在于技术层面，例如人工智能需要大量的训练数据，并且很难将算法“推广”到各种各样的用例。最近的创新正着手解决这些问题。其它难题在于人工智能技术的使用。例如，人们很难在技术上解释机器学习算法所做的决策，而解释这些决策对涉及借贷或法律应用的用例尤其重要。培训数据和算法中的潜在偏差，同时，数据隐私、恶意使用和安全性都是必须解决的问题。欧洲由于出台了《通用数据保护法规》而处于领先地位，该法规将用户收集和使用数据的各种权利规范化。

　　米乐M6 M6米乐

　　另一个难题涉及组织采用这些技术的能力，其中人员、数据可用性、技术和流程的就绪度往往使技术很难得到采用。各部门和各国的对技术的采用已经十分不均衡。、汽车和电信行业在采用人工智能方面处于领先地位。在各国中，美国对人工智能的在2016年高居榜首，其额高达150亿至230亿美元，其次是亚洲，其额达到80亿至120亿美元，欧洲的额仅为30亿至40亿美元，远远落后。

　　米乐M6 M6米乐

　　即便人工智能和自动化为企业和社会带来了很多好处，我们还必须做好准备，应对工作中可能出现的颠覆。

　　我们对800多个职业的2000多项工作活动所做的分析表明，某些活动比另一些活动更容易实现自动化。这些活动包括高度可预测且结构化的环境中的体力活，以及数据收集和数据处理。这些活动约占人们在所有部门开展的活动的半数。最不易受影响的活动类别包括管理他人，贡献专业知识以及与利益相关者交流。

　　几乎所有职业都会受到自动化的影响，但目前所展示的技术中只能将大约5%的工作完全自动化。有大量的工作所包含的活动可以自动化：我们发现，60%的工作中约有30%的活动可以实现自动化。这就是说，大多数工人（电焊工、抵押贷款经纪人、首席执行官等等）将与快速发展的机器一起工作。这些工作的性质可能会因此而发生改变。

　　自动化将取代一些工人。我们发现，在2016 - 2030年期间，大约15%的全球劳动力（约4亿工人）可能因自动化而失业。这个数字反映了我们在预测技术采用速度和采用范围方面的中间态。根据我们就最快的技术采用情景所建立的模型，这个数字上升到30%，即8亿工人。而在最慢的模型中，只有大约1，000万人失业。

　　广泛的预测范围强调了多种因素，这些因素将影响人工智能和自动化采用的速度和范围。自动化的技术可行性只是第一个影响因素。其它因素还包括部署成本；劳动力市场动态，包括劳动力供给的数量、质量和相关工资；好处有很多，除劳动力替代以外，还促成了技术采用的各种商业案例；最后，社会规范和社会接受度。由于上述因素的差异，特别是劳动力市场动态方面的差异，各国和各部门的技术采用将继续存在显著差异：在法国、日本和美国等工资水平相对较高的发达经济体中，到2030年，自动化可能会取代20%至25 %的劳动力，在中等采用情景中，其比重是印度的两倍还要多。

　　即使有很多工人失业，但各行各业对劳动力的需求依然在增长，因此造就了大量的工作机会。我们根据劳动力需求的几个诱因制定了到2030年的劳动力需求情景，包括收入和医疗支出的增加，以及持续基础设施、能源、技术开发和部署，或加大这些方面的。这些情景显示，到2030年，全球对劳动力（5.55亿和8.9亿个工作岗位）的需求将增加21%至33%，抵消失业人数绰绰有余。印度这样的新兴经济体将因此而成为最大的受益者，那里的劳动年龄人口已经迅速增长。

　　额外的经济增长（包括商业活力和生产力增长）也将持续创造就业机会。如果以史为鉴，那么很多其它新职业也将出现，并且可能占到2030年将创造的就业机会的10%，而这些职业是我们目前所无法想象的。此外，技术历来都是就业的最终创造者。例如，在20世纪70年代和80年代，个人电脑不仅为半导体制造商创造了数百万个工作岗位，也为所有的软件和应用程序开发人员、客服代表和信息分析师创造了同等数量的工作岗位。

　　工作发生了改变：随着机器在工作场所补充人力劳动，更多的工作将比失去或获得的工作更多

　　随着机器渐渐辅佐人力劳动，部分自动化将变得更加普遍。例如，能够十分准确地读取诊断扫描的人工智能算法将帮助医生诊断患者的病例并确定合适的治疗方案。在其它领域，具有重复性任务的工作可能会转向一个新的模式，即管理自动化系统并对其进行故障排除。在零售商亚马逊那里，以前负责搬运和堆放物品的员工如今正在成为机器人操作员，监控自动化手臂并解决物品流转中断等问题。

　　虽然我们预计，基于我们所建模的大多数情景，2030年将有很多工作岗位，足以确保充分就业，但与自动化和人工智能的采用一同发生的转变将变得非常重要。职业组合将发生变化，技能和教育需求也将发生变化。工作必须得到重新调整，从而确保人类可以最高效地与机器协作。

　　自动化将加快过去15年所见证的转变，即不可或缺的劳动力的技能转变。业界对编程等先进技能的需求增长迅猛。业界对社交、情感和高级认知技能（如创造力、批判性思维和复杂的信息处理）的需求也将不断增长。基本的数字技能需求一直在增加，这种趋势将持续下去并加快速度。很多国家对体力技能和手工技能的需求将下降，但这些技能仍将是2030年最大的技能类别。这将对两个问题带来额外的压力，即已经捉襟见肘的劳动力技能以及业界需要新的资格认证体系。虽然一些创新的解决方案正在出现，但业界仍然需要解决方案，这些方案能解决此等规模的难题。

　　我们的研究表明，在中点情景中，全球大约有3%的劳动力将不得不在2030年前改行，尽管情景各不相同，从0%到14%不等。其中一些变化将发生在公司和部门内部，但许多变化将发生在各个部门，甚至发生在各个地区之间。在高度结构化的环境，数据处理或收集中，由体力活动构成的职业将会出现下滑。不断增长的职业将包括那些难以自动化的活动（如管理者），以及那些处在难以预料的环境中的人（如水管工）。其它有望增长的职业包括教师、护士、技术人员和其他专业人士。

　　随着智能机器和软件更深入地整合到工作场所，工作流程和工作空间将不断发展，使人类和机器能够协同工作。例如，随着自助结账机器入驻入店铺，收银员可能会成为协助结账的人，他们可以帮忙回答问题或为机器排除故障。更多的系统级解决方案将促使人们反思整个工作流程和工作场所。由于仓库某些部分是为机器人等东西提供空间，从而促进安全的人机交互，因此仓库设计可能会发生巨大的变化。

　　各种高低级职业混合的变化情况可能会给工资带来压力。发达经济体目前的许多中等工资岗位主要是从事高度自动化的活动（例如制造业或会计业的各种活动），这些活动可能会呈下滑趋势。高薪工作岗位将大幅增加，尤其是技能娴熟的医疗人员、技术人员或其他专业人员，但各行各业预计将设置大量的工作（包括教师和护士），这些工作的工资往往较低。风险就在于，自动化可能会加剧工资两极分化，加大收入差距并导致收入增长放缓，收入增长放缓是发达经济体过去十年所呈现的特征，这引发了社会和政治方面的紧张局势。

　　大多数国家已经面临着这样的难题——对劳动力进行充分的教育和培训，使其满足雇主当前的要求。过去二十年，整个经合组织（OECD）在工人教育和培训方面的支出一直在下降。该组织在援助工人实现过渡方面的支出也持续缩减，缩减达GDP的1%。过去十年得出了一个教训，虽然全球化有利于经济增长和作为消费者的人们，但工资和失业对工人所造成的影响却没有得到充分解决。大多数分析（包括我们自己的分析）都表明，这些问题的规模可能会在未来几十年内增长。我们过去也看到，大规模的劳动力转移会对工资产生持久的影响；在19世纪的工业革命期间，尽管英国的生产力提高了，但英国人的工资在长达半个世纪的时间里未见涨——这种现象被称为“恩格斯停滞（Engels’ Pause）”，得名于发现该现象的德国哲学家恩格斯。

　　我们在寻求解决这些难题的适当措施和政策时不应使技术倒退或减缓技术的传播。公司和政府应该利用自动化和人工智能，以便从绩效的提升、生产力的贡献和社会效益中受益。这些技术将创造经济盈余，这些盈余有助于社会管理劳动力转型。相反，公司和政府必须专注于各种能尽最大可能确保劳动力转型顺利的方法上。这可能需要在几个关键领域采取可行且可延伸的解决方案：

　　确保强劲的经济和生产力增长。强劲的增长并不是解决自动化所带来的所有难题的灵丹妙药，但它是就业增长和日益繁荣的先决条件。生产力增长是经济增长的关键因素。因此，放开和需求并接受生产力贡献的自动化，这很重要。

　　培养业务活力。创业以及以更快的速度成立新公司，这不仅可以提高生产力，还有助于创造就业机会。有利于小型企业的活力充沛的环境以及有利于大型企业的充满竞争的环境，这可以提高业务活力，有了这样的活力，就业机会就会增长。加快新公司的形成速度，加快企业（不管是大企业还是小企业）的发展速度并提高其竞争力，这需要更简单、更先进的法规、税收和其它激励措施。

　　革新教育体系和学习，以适应发生了变革的工作场所。与教育提供者（不管是传统的和非传统的）和雇主合作的政策制定者可以通过校园系统和改进的在职培训来提高基本的STEM（科学、技术、工程学和数学）技能。创造力、批判性思维、系统思维以及适应性学习和终身学习尤其要得到重视。大规模的解决方案是必不可少的。

　　人力资本。扭转低迷的趋势，在一些国家，对工人进行培训的公共呈下降趋势，情况十分严峻。通过税收优惠和其它激励措施，政策制定者可以鼓励企业人力资本，包括创造就业机会、提供学习的机会、培养能力并提高工资，这类似于私营部门的激励措施，即其它资本（包括研发）。

　　改善劳动力市场的活力。能够使工人与工作，资历相匹配，这样的信息在大多数经济体中都能很好地发挥作用。数字平台还有助于人们找到工作，恢复劳动力市场的活力。当更多的人换工作时（甚至在公司内部换工作），证据表明，工资上涨了。由于工种和赚钱的机会越来越多（包括零工经济），我们必须解决几个问题，即福利的转移、工人的分类和工资的变动等问题。

　　重新设计工作。工作流设计和工作空间设计必须适应人们与机器更紧密合作的新时代。就创造安全和富有成效的环境而言，这既是机遇也是挑战。由于工作的协作化程度越来越高，公司希望变得越来越灵活，越来越扁平化，组织也随之发生了变化。

　　重新思考收入。如果自动化（不管是完全自动化还是部分自动化）确实导致就业和/或工资压力大幅减少，那么有一些想法（如有条件转移、对流动性提供支持、普遍基本收入和做出了调整的社会保障等想法）是可以考虑和试验的。关键在于找到经济上可行的解决方案，并将工作中的多种职责结合起来，这些职责包括很多内容，不仅要为工人带来收入，还要使他们获得意义，有尊严。

　　重新考虑如何支持受影响的工人实现过渡并为他们提供安全保障。由于工作在产业、地点、活动和技能要求之间以较快的速度发生变革，对很多工人的援助也要做出调整。有很多转移安全保障的最佳实践方法可供采用，而且必须对这些方法加以采用和调整，同时必须考虑和测试新方法。

　　于推动工作需求的因素。政府必须考虑加大原本就十分有益的而且还有助于工作需求的（例如基础设施、气候变化适应）。这类工作（如建筑、为大楼重新布线、安装太阳能电池板等等）往往是中等工资的工作，受自动化影响最大。

　　有把握地接受人工智能和自动化。 即使我们把握了这些快速发展的技术所带来的生产力优势，我们也必须积极防范风险并减轻一切危险。数据的使用必须始终考虑到各种问题（如数据安全性、隐私、恶意使用和潜在的偏见）；政策制定者、科技公司和其它公司以及个人必须找到能高效解决问题的方法。

　　如今人人都有合适的工作，未来人人都将找到合适的工作，即使在实现了自动化的未来也是如此。然而，这样的工作将会有所不同，因为这需要新的技能，要求劳动力具备更强大的适应能力，远远强于我们以往所见证的适应能力。对处于职业生涯中期的工人和新一代的工人进行培训和再培训，以应对即将到来的挑战，这是当务之急。政府、私营部门的领导者和创新者都需要共同努力，更好地协调公共倡议和私人倡议，包括出台合适的激励措施，以增加对人力资本的。实现了自动化和人工智能的未来将充满挑战，但也更多姿多彩，只要我们从容不迫地利用技术并减轻其负面影响。

　　在越来越多场景都要求智能化的今天强大的AI为我们的工作生活都提供了便利一块AI领域里程碑式的开发板也一定能激发你的更多设计灵感！欢迎回到『NXP开发板特惠活动』每期一块i.MX开发板有颜、有料、有优惠让你的开发更丝滑~~今天隆重登场的开发板是基于i.MX 8M Plus的MYD-JX8MPQ开发板不仅拥有异常强悍的高性能处理器还有丰富的开发资源完善的软件开发生态支持强大的边缘计算能力想要开发AI边缘计算设备选择它准没错！特别提示开发板的『优惠密码』就藏在文章中一定要看到最后哦~▼▼▼处理器性能强悍米尔的MYC-JX8MPQ核心板的处理器：i.MX 8M Plus处理器是基于Cortex-A53的多核架构，具有2.3Tops处理能力的

　　领域的里程碑开发板长什么样？200元优惠券等你来领 /

　　走L4路线的明星独角兽企业Argo AI即将倒闭，将公众的目光再次聚焦自动驾驶产业上，开始思考商业化的路线日有消息显示，福特汽车计划关闭与大众汽车合资成立的自动驾驶汽车公司Argo AI。福特在一份声明中表示，公司决定转向在短期内更容易实现的辅助驾驶技术。其首席执行官吉姆·法利指出，大规模盈利的全自动驾驶汽车还有很长的路要走。在此前一天，福特首席财务官约翰·劳勒称，该公司已确认需要5年多的时间才能在全自动驾驶方面获得回报。而吉姆·法利表示，这还需要数十亿美元的。但在一年半之前，Argo还在争取上市以增加资金。在Argo结束的内部全员会上，员工已经被告知公司关停清算，但福特和大众会尽可能提供工作机会转岗。资

　　倒闭，自动驾驶淘汰赛加速 /

　　AI通常用于为高级自动驾驶的车辆提供感知能力。但AI也能帮助自动驾驶汽车（AV）在规划和控制方面做出更安全的决策吗？任何习惯于基于控制理论的确定性算法的人都很难被说服。但Infineon提出了一个激进的反驳，并一直在与汽车行业的利益相关者就其安全问题进行辩论。AI安全吗？AI驱动的汽车可靠吗？它们能被验证吗？这些都是向高级自动驾驶车辆的开发人员提出的好问题。随着先进的神经网络在计算机视觉方面得到良好发展，在AV上使用AI已经成为一种公认的规范。不过，这仍然是一个信任的问题。Infineon的嵌入式AI和自动驾驶专家Florian Hauer表示，AI可以帮助机器感知它所看到的东西（行人、信号灯、自行车……），并获得对环境获的“非常高

　　能否应用于自动驾驶规控领域？ /

　　再赴进博之约 罗克韦尔自动化携手生态伙伴引领数字未来（2022年10月26日，中国上海）作为工业自动化、信息化和数字化转型领域的全球领先企业之一，罗克韦尔自动化将以“引领未来无限可能”为主题亮相第五届中国国际进口博览会（简称进博会）技术装备展区4.1展馆B4-01展台，围绕智慧城市、产业数字化、碳中和与跨界创新，从不同维度向公众集中展示在各领域先进的技术、产品与解决方案，并正式向公众发布其与多个先锋合作伙伴发起的开放型非盈利组织——智能运维Rockii联盟，携手生态伙伴引领数字未来。在本届进博会期间，罗克韦尔自动化还将举行智慧城市、高端智能装备(OEM)、细分行业应用等多场专题发布，并携手政、产、学、研各界伙

　　携手生态伙伴引领数字未来 /

　　据外媒报道，当地时间10月18日，日本NTT集团旗下ICT解决方案与国际电信业务子公司NTT Communications（NTT Com）宣布研发将边缘计算（一种有望加速物联网（IoT）设备数据处理的技术）应用于移动网联设备（如网联车辆和机器人）的基础技术。结合该基础技术的“网络边缘解决方案”（Network Edge Solution）将于2022年12月开始陆续推出，NTT Com目前正在寻找能够在业务点实际演示该解决方案的客户。该公司计划基于参与演示的客户的反馈和高需求功能听证会结果来加强其研发的功能。全面服务将于2023财年作为能够提高此类移动物联网设备性能的新服务推出。该解决方案通过利用网络边缘技术得以实现，网络边缘技术

　　研发网络边缘技术 /

　　STM32 图像处理函式库介绍STM32 图像处理函式库STM32IPL是由 C 语言所编写的开放原始码软件函式库，提供了图像处理和计算机视觉功能，能加快在意法半导体（ST）的STM32 微控制器上开发视觉分析的应用。本产品在最新版 （v3.1.0）FP-AI-VISION1 功能套件中以STM32Cube 中间件的形式推出。一般来说，视觉深度学习模型的输入不同于相机拍摄的图像，深度学习输入因为具有不同维度及图像格式，会需要预先处理原图，例如缩放、影像格式转换和标准化等。而STM32IPL可提供实用且现成的软件套件，以简化及加速影像预处理功能的开发。主要特色STM32IPL的主要特色如下：- 为开发人员提供实用且现成的软件套件，节省

　　TI有奖直播C2000 F280013x实现更低成本且更高效的实时控制方案

　　有奖报名 安富利邀您参与2022国际工业博览会！（11月3日-12月4日，上海）

　　分享赢【蓝牙耳机、保温杯、车载无线充】｜MPS带您快速探究【电源设计】秘密

　　评论赢【京东卡、适配器】｜MPS 邀您围观【DIY 多功能电工台】选型视频

　　有奖直播瑞萨电子 RA 系列产品开发工具之 FSP4.0.0 新特性介绍

　　i.MX 8M Plus加持的AI领域的里程碑开发板长什么样？200元优惠券等你来领

　　Part Two - Designing Electrical Systems Vol. 1

　　直播：TI及安富利带你快速通过新能源汽车安全系统认证 预报名、看直播赢好礼！

　　学习Altera《SoC FPGA：体系结构重要吗?》文章，答题赢好礼！

　　phyBOARD-i.MX 8M Plus 开发板来袭 免费申请进行时！

　　是德科技电子书 《X-Apps藏宝图: 能够加速测试的信号分析仪必备测量App》下载有好礼！

　　站点相关：嵌入式处理器嵌入式操作系统开发相关FPGA/DSP总线与接口数据处理消费电子工业电子汽车电子其他技术存储技术综合资讯论坛电子百科