修改你的 Git 提交历史

英特尔公司物联网事业部副总裁兼零售、银行、酒店及教育事业部总经理Joe Jensen：

在未来一年，人们将会看到零售业的“仓库化”——零售商将重点转向在微观实现地点履行订单，无论是杂货还是消费品。这将帮助小型零售商节约运营成本，尤其是降低租金和客流量。

从长远来看，零售商将继续对无缝便捷的解决方案做出回应，以经济高效地为送货客户提供服务。为了在不断变化的零售空间中成为“赢家”，零售商必须以创造性的方式改变生产方式，以满足客户的期望。

Lexalytics公司首席执行官Jeff Catlin和首席科学家Paul Barba：

数据注释将在2021年成为下一个“副业”。这将成为一种获得额外收入的方式，但在定价上已经出现了一种相互竞争的现象。然而，随着人工智能在需要专业知识的行业(如医疗保健或法律)取得成功，对专业知识的需求将推动基础设施的发展，以便将更有利可图的注释合同与专业人员相匹配。

机器学习平台领域将进行更多整合。在过去几年中，随着人工智能成为一种IT技术，涌现了很多人工智能基础设施公司，并开始推广人工智能平台，以简化为希望利用人工智能的公司构建模型的任务。

人工智能平台将得到整合，人工智能服务将弥补这方面的不足。越来越多的组织接受机器学习领域的第三方专业知识，这推动了机器学习咨询服务的增长。这一趋势将在2021年继续并加速发展。

英特尔公司有线和核心网络副总裁兼总经理Alex Quach：

核心网络的虚拟化将达到一个临界点，2024年核心网络工作负载将从50%增长到80%以上，预计大多数领先的5G运营商将在2021年开始5G SA核心部署。

dotData公司创始人兼首席执行官Ryohei Fujimaki：

• 人工智能自动化将加速数字化转型计划：第一波数字化转型浪潮专注于产品和服务的数字化，第二波数字化转型浪潮将专注于使用人工智能优化和提高组织的工作效率，生成更深入的数据驱动见解并自动执行智能业务决策。人工智能推动的数字化转型浪潮将从金融服务、保险和制造业的早期采用者扩展到其他行业，并且人工智能和机器学习将嵌入到整个企业的多个业务功能中，从而不仅提高效率并且创造新的产品和服务。现在出现这种情况的主要原因之一是人工智能和机器学习自动化平台的可用性，这使组织无需投资数据科学团队即可快速轻松地实施人工智能。这些AutoML2.0平台可自动执行人工智能/机器学习开发工作流程，以加快人工智能部署过程，并加快组织的数字化转型计划。

• 更多从事人工智能的商业智能团队：疫情导致很多组织在2020年减缓了人工智能投资。尽管人工智能技术仍然是关键技术领域之一，但组织仍需要一种有效的方法来扩展其人工智能实践，并加快采用人工智能的投资回报。随着组织面临优化工作流程的压力，越来越多的组织将开始要求商业智能(BI)团队开发和管理人工智能/机器学习模型。这种驱动新型的基于商业智能(BI)的“人工智能开发人员”的能力将受到两个关键因素的驱动：首先，与雇用的数据科学家相比，使用AutoML2.0平台等工具使商业智能(BI)团队更具可持续性和可扩展性。其次，由于商业智能(BI)团队比数据科学家更接近业务用例，因此从需求到工作模型的生命周期将得到加速。新的AutoML2.0平台可帮助人工智能/机器学习开发流程实现自动化，从而使组织能够构建更快、更有用的模型。

（编辑：常州站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!