人工智能正在赋能百行千业。汇集海量数据、强大算力网络、高效处理能力……智能通信技术广泛赋能数字城市建设和百姓智慧生活，通信行业已经不仅仅是手边的电话、家里的电视机顶盒、查号码打的118114。当5G遇上AI，会催生哪些落地应用场景，又会给老百姓带来什么便捷？一起走进《新质生产力大咖说》。
5G+AI催化物联网蝶变 创新应用惠及更多用户
物联网这一概念其实在很早之前就被提出，其以互联网为核心和基础，并延伸和扩展到了各式各样的终端之上，简单来说就是实物联入网络，最终实现物与物之间、人与物之间的信息交互。 而随着现在互联网应用的拓展和延伸，特别是在以 5G 为代表的新一代信息技术的加持下，越来愈多的新模式、新业务不断涌现，也让人们生活、办公、出行的方式也迎来了变化。
5G+AI+大数据实现更智慧的万物互联
说到现在的互联网，5G绝对是绕不开的一个话题，相较于其它蜂窝技术，5G 在物联网连接上有着得天独厚的优势。 除了大家比较熟悉的更快速的传输速度，还提供了支持海量连接的高带宽，相比4G，5G 连接密度提高了近十倍，能效密度提升近百倍。 这也意味着在人口密度大、智能设备数量庞杂的城市街道、大型场馆和商场，5G的超大吞吐量能够完全胜任这些场景中大量设备的接入使用需求。
正因为5G的到来，为实现真正意义上的万物互联提供了基础。 同时在更多设备接入网络之后，为了让设备之间的互联更加智能，大数据和 AI 技术也起到了重要的推动作用。 当数以亿计的终端设备连接到网络时，就会累积大量数据，大数据技术可用来整理这些数据，配合AI模型进行数据分析，结合算法实现不断优化，以提升整个系统的智能化程度。
物联设备在 5G、大数据和AI的支持下，从以人为主导的互联，逐渐变成了设备自我智能调节，看似都实现了互联的结果，但对于我们这些实际使用的用户来讲，设备之间能够更智能更简单的了解彼此，减少人为控制，体验也发生了实质性的变化。
在不断推动万物智能互联发展的过程中，一大批先行者企业可以说扮演了十分重要的角色，其中包括通信领域的领军人物高通公司。 高通的物联网解决方案，为全球不同国家、不同行业提供的创新产品与解决方案。 近年来随着5G的普及，高通更是携手合作伙伴，通过汇聚覆盖10大行业的多款产品应用和案例故事，展现了物联网生态系统的各种创新，在5G+AI+大数据等技术的共同支持下，今天的物联网不再只局限于万物互联，而是向着万物智联迈进。
物联网创新推动生活场景数字化变革
近年来，得益于数字经济政策环境和创新应用落地土壤，以5G、物联网等为代表的数字技术为国内企业创造了增长空间，更多的实际用例将我们平时接触的购物、医疗等领域全部覆盖。 更加智能化的互联也让物联网技术在全球范围的应用场景和深度超乎想象。
以医疗行业为例，企业可以利用高通全球化解决方案，将创新产品与医疗场景相融合。 其中东集推出的高标准的智慧医疗手持终端，为海内外医疗服务机构提供了数据采集终端。 通过高通骁龙5G移动平台的加持，东集的手持终端支持丰富的全球5G频段，并且同时支持Wi-Fi6 Ready通信技术，即便是在医院路由器高密度连接情况下，仍可保证畅快互联且支持WPA3加密技术，保证病患信息安全传输。 加上高通Al引擎，可以让整个终端的算力加倍，承载更多高性能应用的高效运行，无论是输液、查房等临床场景，药房管理等内勤场景，还是检测标本、体检报告配送等外包服务场景都能够支持涵盖，并精确进行分类操作，便携和高效性让医护人员的工作效率提升不少，也让患者的就医体验变得更为简洁。
在以往传统的购物过程中，选购商品、排队结账是必不可少的环节，尤其在大型商超收银台前，消费者对数米长的结账队伍早已司空见惯，这种形式不仅浪费消费者的购物时间，也影响商超整体的经营效率。
针对于此，超嗨科技通过采用高通的解决方案，在普通智能购物车的基础上，接入新零售领域的AI技术和通信技术，研发出全新智能购物车，搭载骁龙移动平台的购物车，支持Wi-Fi和无线网络、还提供了不错的图形识别性能。 在AI算力支持下，消费者进入商场购物时，可以通过智能购物车直接自助扫描商品进行购物。 通过网络内置传感器可以进行数据交互，在购物前支持账号注册/会员登录，购物中支持购物防损、生鲜称重、购物定位与导航等功能，购物后还能实现自助结算，解决了以往线下购物的诸多痛点问题，让用户拥有了全新的线下购物体验。
物联网引领全新工作方式
近年来疫情持续影响着我们的工作生活，不少人的工作方式也因此产生了很大的改变，尤其是线上办公的形式让不少企业在特殊时期也依能够正常运作。 而随着这种形式的推广，也诞生出了不少新兴技术和业务模式。 通过线上公办模式的持续创新，催生了更高效、低成本和更协同的智能工作方式。
其中钉钉基于高通高性能物联网解决方案还推出了视频会议一体机F2，高通领先的视频技术让F2在10米距离内能实现全高清画面覆盖，高性能AI的加入让会议一体机拥有了自动取景、发言人跟踪、多画面自动导播等功能，为企业用户提供了远程音视频沟通、协同能力，更智能高效的会议形式也帮助企业节约差旅成本，提升工作效率，为企业远程高效办公带来不小增益。
加速城市管理和交通系统智能化
过去的十年里，传统意义上的车联网在发展，也努力开放，但不同的厂商、不同的企业都各成一套系统，这让车联网更多止步于“联网的汽车”，而并非一个真正的移动互联时代的产品。 而随着现在更多规范和开放接口的出现，成功打破了各厂商之间的壁垒，让城市交通建设朝着更智慧、创新的方向发展。
在汽车领域，高通布局了车载信息处理和C-V2X、数字座舱、云侧终端管理、先进驾驶辅助系统（ADAS）和自动驾驶（AD）。 通过配合国内的主机厂商和配件厂商，持续利用其移动通信、计算方面的能力，合作推动车联网技术的发展，并利用5G技术致力改善人们的交通出行，使未来的出行交通更加安全、可靠。
除了智慧出行之外，共享出行作为智慧城市的关键出行模式，在提升出行效率、合理分配社会资源、促进智慧城市建设等方面发挥着不可或缺的作用。 其中九号公司推出了智能共享滑板车S90L，同样也是利用高通平台提供的AI算力，滑板车可自主感知道路信息并检测停车环境，对提升用户骑行安全、规范骑行习惯提供了很大价值；同时该平台支持全球广泛频段，为滑板车在不同国家运营提供稳定、便捷的连接。
总结
今天，物联网技术在全球范围的应用场景和深度已经超出了我们的想象。 不仅仅是上面的一些用例，我们还能看到使用物联网监测系统实时采集土壤和温湿度等环境数据；妈妈通过智能婴儿监护机的镜头看护自己熟睡中的宝宝；物流企业的工作人员利用手持设备高效管理仓库中的所有快递等等使用场景。
也正是通过这些成熟的物联网解决方案，我们已经能够享受到智能家居带来的舒适，智能办公带来的企业变革以及共享出行带来的出行便捷，在数字化转型的大趋势推动下，物联网行业还将持续挖掘用户的需求，通过与 5G、人工智能、大数据、云计算等新技术的不断融合，相信今后还会有更多应用场景的落地，让设备之间的智慧互联惠及更多用户。
面对这些机遇挑战，其实更需要高通这样的企业来扮演开拓者这一角色，凭借在物联网领域深厚积累和深远布局，各行各业也都愿意与高通合作，通过其解决方案助力行业加速以及更多满足用户使用需要的产品面试，不仅推动了物联网终端普及，也进一步赋能下一代物联网生态系统创新。 总之，相信在各类企业和高通的共同合作努力之下，物联网还将在众多领域创造出更大价值。
人工智能专业主要的课程是什么呀？
人工智能技术关系到人工智能产品是否可以顺利应用到我们的生活场景中。 在人工智能领域，它普遍包含了机器学习、知识图谱、自然语言处理、人机交互、计算机视觉、生物特征识别、AR/VR七个关键技术。 一、机器学习机器学习(MachineLearning)是一门涉及统计学、系统辨识、逼近理论、神经网络、优化理论、计算机科学、脑科学等诸多领域的交叉学科，研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能，是人工智能技术的核心。 基于数据的机器学习是现代智能技术中的重要方法之一，研究从观测数据(样本)出发寻找规律，利用这些规律对未来数据或无法观测的数据进行预测。 根据学习模式、学习方法以及算法的不同，机器学习存在不同的分类方法。 根据学习模式将机器学习分类为监督学习、无监督学习和强化学习等。 根据学习方法可以将机器学习分为传统机器学习和深度学习。 二、知识图谱知识图谱本质上是结构化的语义知识库，是一种由节点和边组成的图数据结构，以符号形式描述物理世界中的概念及其相互关系，其基本组成单位是“实体—关系—实体”三元组，以及实体及其相关“属性—值”对。 不同实体之间通过关系相互联结，构成网状的知识结构。 在知识图谱中，每个节点表示现实世界的“实体”，每条边为实体与实体之间的“关系”。 通俗地讲，知识图谱就是把所有不同种类的信息连接在一起而得到的一个关系网络，提供了从“关系”的角度去分析问题的能力。 知识图谱可用于反欺诈、不一致性验证、组团欺诈等公共安全保障领域，需要用到异常分析、静态分析、动态分析等数据挖掘方法。 特别地，知识图谱在搜索引擎、可视化展示和精准营销方面有很大的优势，已成为业界的热门工具。 但是，知识图谱的发展还有很大的挑战，如数据的噪声问题，即数据本身有错误或者数据存在冗余。 随着知识图谱应用的不断深入，还有一系列关键技术需要突破。 三、自然语言处理自然语言处理是计算机科学领域与人工智能领域中的一个重要方向，研究能实现人与计算机之间用自然语言进行有效通信的各种理论和方法，涉及的领域较多，主要包括机器翻译、机器阅读理解和问答系统等。 机器翻译机器翻译技术是指利用计算机技术实现从一种自然语言到另外一种自然语言的翻译过程。 基于统计的机器翻译方法突破了之前基于规则和实例翻译方法的局限性，翻译性能取得巨大提升。 基于深度神经网络的机器翻译在日常口语等一些场景的成功应用已经显现出了巨大的潜力。 随着上下文的语境表征和知识逻辑推理能力的发展，自然语言知识图谱不断扩充，机器翻译将会在多轮对话翻译及篇章翻译等领域取得更大进展。 语义理解语义理解技术是指利用计算机技术实现对文本篇章的理解，并且回答与篇章相关问题的过程。 语义理解更注重于对上下文的理解以及对答案精准程度的把控。 随着MCTest数据集的发布，语义理解受到更多关注，取得了快速发展，相关数据集和对应的神经网络模型层出不穷。 语义理解技术将在智能客服、产品自动问答等相关领域发挥重要作用，进一步提高问答与对话系统的精度。 问答系统问答系统分为开放领域的对话系统和特定领域的问答系统。 问答系统技术是指让计算机像人类一样用自然语言与人交流的技术。 人们可以向问答系统提交用自然语言表达的问题，系统会返回关联性较高的答案。 尽管问答系统目前已经有了不少应用产品出现，但大多是在实际信息服务系统和智能手机助手等领域中的应用，在问答系统鲁棒性方面仍然存在着问题和挑战。 自然语言处理面临四大挑战：一是在词法、句法、语义、语用和语音等不同层面存在不确定性;二是新的词汇、术语、语义和语法导致未知语言现象的不可预测性;三是数据资源的不充分使其难以覆盖复杂的语言现象;四是语义知识的模糊性和错综复杂的关联性难以用简单的数学模型描述，语义计算需要参数庞大的非线性计算四、人机交互人机交互主要研究人和计算机之间的信息交换，主要包括人到计算机和计算机到人的两部分信息交换，是人工智能领域的重要的外围技术。 人机交互是与认知心理学、人机工程学、多媒体技术、虚拟现实技术等密切相关的综合学科。 传统的人与计算机之间的信息交换主要依靠交互设备进行，主要包括键盘、鼠标、操纵杆、数据服装、眼动跟踪器、位置跟踪器、数据手套、压力笔等输入设备，以及打印机、绘图仪、显示器、头盔式显示器、音箱等输出设备。 人机交互技术除了传统的基本交互和图形交互外，还包括语音交互、情感交互、体感交互及脑机交互等技术。 五、计算机视觉计算机视觉是使用计算机模仿人类视觉系统的科学，让计算机拥有类似人类提取、处理、理解和分析图像以及图像序列的能力。 自动驾驶、机器人、智能医疗等领域均需要通过计算机视觉技术从视觉信号中提取并处理信息。 近来随着深度学习的发展，预处理、特征提取与算法处理渐渐融合，形成端到端的人工智能算法技术。 根据解决的问题，计算机视觉可分为计算成像学、图像理解、三维视觉、动态视觉和视频编解码五大类。 目前，计算机视觉技术发展迅速，已具备初步的产业规模。 未来计算机视觉技术的发展主要面临以下挑战：一是如何在不同的应用领域和其他技术更好的结合，计算机视觉在解决某些问题时可以广泛利用大数据，已经逐渐成熟并且可以超过人类，而在某些问题上却无法达到很高的精度;二是如何降低计算机视觉算法的开发时间和人力成本，目前计算机视觉算法需要大量的数据与人工标注，需要较长的研发周期以达到应用领域所要求的精度与耗时;三是如何加快新型算法的设计开发，随着新的成像硬件与人工智能芯片的出现，针对不同芯片与数据采集设备的计算机视觉算法的设计与开发也是挑战之一。 六、生物特征识别生物特征识别技术是指通过个体生理特征或行为特征对个体身份进行识别认证的技术。 从应用流程看，生物特征识别通常分为注册和识别两个阶段。 注册阶段通过传感器对人体的生物表征信息进行采集，如利用图像传感器对指纹和人脸等光学信息、麦克风对说话声等声学信息进行采集，利用数据预处理以及特征提取技术对采集的数据进行处理，得到相应的特征进行存储。 识别过程采用与注册过程一致的信息采集方式对待识别人进行信息采集、数据预处理和特征提取，然后将提取的特征与存储的特征进行比对分析，完成识别。 从应用任务看，生物特征识别一般分为辨认与确认两种任务，辨认是指从存储库中确定待识别人身份的过程，是一对多的问题;确认是指将待识别人信息与存储库中特定单人信息进行比对，确定身份的过程，是一对一的问题。 生物特征识别技术涉及的内容十分广泛，包括指纹、掌纹、人脸、虹膜、指静脉、声纹、步态等多种生物特征，其识别过程涉及到图像处理、计算机视觉、语音识别、机器学习等多项技术。 目前生物特征识别作为重要的智能化身份认证技术，在金融、公共安全、教育、交通等领域得到广泛的应用。 七、VR/AR虚拟现实(VR)/增强现实(AR)是以计算机为核心的新型视听技术。 结合相关科学技术，在一定范围内生成与真实环境在视觉、听觉、触感等方面高度近似的数字化环境。 用户借助必要的装备与数字化环境中的对象进行交互，相互影响，获得近似真实环境的感受和体验，通过显示设备、跟踪定位设备、触力觉交互设备、数据获取设备、专用芯片等实现。 虚拟现实/增强现实从技术特征角度，按照不同处理阶段，可以分为获取与建模技术、分析与利用技术、交换与分发技术、展示与交互技术以及技术标准与评价体系五个方面。 获取与建模技术研究如何把物理世界或者人类的创意进行数字化和模型化，难点是三维物理世界的数字化和模型化技术;分析与利用技术重点研究对数字内容进行分析、理解、搜索和知识化方法，其难点是在于内容的语义表示和分析;交换与分发技术主要强调各种网络环境下大规模的数字化内容流通、转换、集成和面向不同终端用户的个性化服务等，其核心是开放的内容交换和版权管理技术;展示与交换技术重点研究符合人类习惯数字内容的各种显示技术及交互方法，以期提高人对复杂信息的认知能力，其难点在于建立自然和谐的人机交互环境;标准与评价体系重点研究虚拟现实/增强现实基础资源、内容编目、信源编码等的规范标准以及相应的评估技术。 目前虚拟现实/增强现实面临的挑战主要体现在智能获取、普适设备、自由交互和感知融合四个方面。 在硬件平台与装置、核心芯片与器件、软件平台与工具、相关标准与规范等方面存在一系列科学技术问题。 总体来说虚拟现实/增强现实呈现虚拟现实系统智能化、虚实环境对象无缝融合、自然交互全方位与舒适化的发展趋势
人工智能将来的就业好吗？
人工智能技术关系到人工智能产品是否可以顺利应用到我们的生活场景中。 在人工智能领域，它普遍包含了机器学习、知识图谱、自然语言处理、人机交互、计算机视觉、生物特征识别、AR/VR七个关键技术。 一、机器学习机器学习(MachineLearning)是一门涉及统计学、系统辨识、逼近理论、神经网络、优化理论、计算机科学、脑科学等诸多领域的交叉学科，研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能，是人工智能技术的核心。 基于数据的机器学习是现代智能技术中的重要方法之一，研究从观测数据(样本)出发寻找规律，利用这些规律对未来数据或无法观测的数据进行预测。 根据学习模式、学习方法以及算法的不同，机器学习存在不同的分类方法。 根据学习模式将机器学习分类为监督学习、无监督学习和强化学习等。 根据学习方法可以将机器学习分为传统机器学习和深度学习。 二、知识图谱知识图谱本质上是结构化的语义知识库，是一种由节点和边组成的图数据结构，以符号形式描述物理世界中的概念及其相互关系，其基本组成单位是“实体—关系—实体”三元组，以及实体及其相关“属性—值”对。 不同实体之间通过关系相互联结，构成网状的知识结构。 在知识图谱中，每个节点表示现实世界的“实体”，每条边为实体与实体之间的“关系”。 通俗地讲，知识图谱就是把所有不同种类的信息连接在一起而得到的一个关系网络，提供了从“关系”的角度去分析问题的能力。 知识图谱可用于反欺诈、不一致性验证、组团欺诈等公共安全保障领域，需要用到异常分析、静态分析、动态分析等数据挖掘方法。 特别地，知识图谱在搜索引擎、可视化展示和精准营销方面有很大的优势，已成为业界的热门工具。 但是，知识图谱的发展还有很大的挑战，如数据的噪声问题，即数据本身有错误或者数据存在冗余。 随着知识图谱应用的不断深入，还有一系列关键技术需要突破。 三、自然语言处理自然语言处理是计算机科学领域与人工智能领域中的一个重要方向，研究能实现人与计算机之间用自然语言进行有效通信的各种理论和方法，涉及的领域较多，主要包括机器翻译、机器阅读理解和问答系统等。 机器翻译机器翻译技术是指利用计算机技术实现从一种自然语言到另外一种自然语言的翻译过程。 基于统计的机器翻译方法突破了之前基于规则和实例翻译方法的局限性，翻译性能取得巨大提升。 基于深度神经网络的机器翻译在日常口语等一些场景的成功应用已经显现出了巨大的潜力。 随着上下文的语境表征和知识逻辑推理能力的发展，自然语言知识图谱不断扩充，机器翻译将会在多轮对话翻译及篇章翻译等领域取得更大进展。 语义理解语义理解技术是指利用计算机技术实现对文本篇章的理解，并且回答与篇章相关问题的过程。 语义理解更注重于对上下文的理解以及对答案精准程度的把控。 随着MCTest数据集的发布，语义理解受到更多关注，取得了快速发展，相关数据集和对应的神经网络模型层出不穷。 语义理解技术将在智能客服、产品自动问答等相关领域发挥重要作用，进一步提高问答与对话系统的精度。 问答系统问答系统分为开放领域的对话系统和特定领域的问答系统。 问答系统技术是指让计算机像人类一样用自然语言与人交流的技术。 人们可以向问答系统提交用自然语言表达的问题，系统会返回关联性较高的答案。 尽管问答系统目前已经有了不少应用产品出现，但大多是在实际信息服务系统和智能手机助手等领域中的应用，在问答系统鲁棒性方面仍然存在着问题和挑战。 自然语言处理面临四大挑战：一是在词法、句法、语义、语用和语音等不同层面存在不确定性;二是新的词汇、术语、语义和语法导致未知语言现象的不可预测性;三是数据资源的不充分使其难以覆盖复杂的语言现象;四是语义知识的模糊性和错综复杂的关联性难以用简单的数学模型描述，语义计算需要参数庞大的非线性计算四、人机交互人机交互主要研究人和计算机之间的信息交换，主要包括人到计算机和计算机到人的两部分信息交换，是人工智能领域的重要的外围技术。 人机交互是与认知心理学、人机工程学、多媒体技术、虚拟现实技术等密切相关的综合学科。 传统的人与计算机之间的信息交换主要依靠交互设备进行，主要包括键盘、鼠标、操纵杆、数据服装、眼动跟踪器、位置跟踪器、数据手套、压力笔等输入设备，以及打印机、绘图仪、显示器、头盔式显示器、音箱等输出设备。 人机交互技术除了传统的基本交互和图形交互外，还包括语音交互、情感交互、体感交互及脑机交互等技术。 五、计算机视觉计算机视觉是使用计算机模仿人类视觉系统的科学，让计算机拥有类似人类提取、处理、理解和分析图像以及图像序列的能力。 自动驾驶、机器人、智能医疗等领域均需要通过计算机视觉技术从视觉信号中提取并处理信息。 近来随着深度学习的发展，预处理、特征提取与算法处理渐渐融合，形成端到端的人工智能算法技术。 根据解决的问题，计算机视觉可分为计算成像学、图像理解、三维视觉、动态视觉和视频编解码五大类。 目前，计算机视觉技术发展迅速，已具备初步的产业规模。 未来计算机视觉技术的发展主要面临以下挑战：一是如何在不同的应用领域和其他技术更好的结合，计算机视觉在解决某些问题时可以广泛利用大数据，已经逐渐成熟并且可以超过人类，而在某些问题上却无法达到很高的精度;二是如何降低计算机视觉算法的开发时间和人力成本，目前计算机视觉算法需要大量的数据与人工标注，需要较长的研发周期以达到应用领域所要求的精度与耗时;三是如何加快新型算法的设计开发，随着新的成像硬件与人工智能芯片的出现，针对不同芯片与数据采集设备的计算机视觉算法的设计与开发也是挑战之一。 六、生物特征识别生物特征识别技术是指通过个体生理特征或行为特征对个体身份进行识别认证的技术。 从应用流程看，生物特征识别通常分为注册和识别两个阶段。 注册阶段通过传感器对人体的生物表征信息进行采集，如利用图像传感器对指纹和人脸等光学信息、麦克风对说话声等声学信息进行采集，利用数据预处理以及特征提取技术对采集的数据进行处理，得到相应的特征进行存储。 识别过程采用与注册过程一致的信息采集方式对待识别人进行信息采集、数据预处理和特征提取，然后将提取的特征与存储的特征进行比对分析，完成识别。 从应用任务看，生物特征识别一般分为辨认与确认两种任务，辨认是指从存储库中确定待识别人身份的过程，是一对多的问题;确认是指将待识别人信息与存储库中特定单人信息进行比对，确定身份的过程，是一对一的问题。 生物特征识别技术涉及的内容十分广泛，包括指纹、掌纹、人脸、虹膜、指静脉、声纹、步态等多种生物特征，其识别过程涉及到图像处理、计算机视觉、语音识别、机器学习等多项技术。 目前生物特征识别作为重要的智能化身份认证技术，在金融、公共安全、教育、交通等领域得到广泛的应用。 七、VR/AR虚拟现实(VR)/增强现实(AR)是以计算机为核心的新型视听技术。 结合相关科学技术，在一定范围内生成与真实环境在视觉、听觉、触感等方面高度近似的数字化环境。 用户借助必要的装备与数字化环境中的对象进行交互，相互影响，获得近似真实环境的感受和体验，通过显示设备、跟踪定位设备、触力觉交互设备、数据获取设备、专用芯片等实现。 虚拟现实/增强现实从技术特征角度，按照不同处理阶段，可以分为获取与建模技术、分析与利用技术、交换与分发技术、展示与交互技术以及技术标准与评价体系五个方面。 获取与建模技术研究如何把物理世界或者人类的创意进行数字化和模型化，难点是三维物理世界的数字化和模型化技术;分析与利用技术重点研究对数字内容进行分析、理解、搜索和知识化方法，其难点是在于内容的语义表示和分析;交换与分发技术主要强调各种网络环境下大规模的数字化内容流通、转换、集成和面向不同终端用户的个性化服务等，其核心是开放的内容交换和版权管理技术;展示与交换技术重点研究符合人类习惯数字内容的各种显示技术及交互方法，以期提高人对复杂信息的认知能力，其难点在于建立自然和谐的人机交互环境;标准与评价体系重点研究虚拟现实/增强现实基础资源、内容编目、信源编码等的规范标准以及相应的评估技术。 目前虚拟现实/增强现实面临的挑战主要体现在智能获取、普适设备、自由交互和感知融合四个方面。 在硬件平台与装置、核心芯片与器件、软件平台与工具、相关标准与规范等方面存在一系列科学技术问题。 总体来说虚拟现实/增强现实呈现虚拟现实系统智能化、虚实环境对象无缝融合、自然交互全方位与舒适化的发展趋势
