人工智能五大核心要点
人工智能基础知识点总结
人工智能基础知识点总结在当今科技飞速发展的时代，人工智能（Artificial Intelligence，简称 AI）已经成为了一个热门话题。
从智能手机中的语音助手到自动驾驶汽车，从医疗诊断到金融风险预测，人工智能的应用无处不在。
然而，要真正理解人工智能，我们需要掌握一些基础的知识点。
一、什么是人工智能简单来说，人工智能就是让机器模拟人类的智能行为。
它旨在使计算机能够像人类一样学习、思考、推理和解决问题。
但需要明确的是，人工智能目前还远未达到人类智能的复杂程度和全面性。
二、人工智能的发展历程人工智能的发展并非一蹴而就，它经历了几个重要的阶段。
早期的探索可以追溯到上世纪 50 年代，当时科学家们就开始尝试让计算机具备智能。
然而，由于技术和理论的限制，进展较为缓慢。
在 80 年代和 90 年代，随着计算机性能的提升和算法的改进，人工智能迎来了新的发展机遇，尤其是在专家系统和机器学习领域取得了一定的成果。
近年来，随着大数据的出现和计算能力的大幅提升，深度学习技术的突破使得人工智能取得了令人瞩目的成就，如图像识别、语音识别等领域的准确率得到了极大提高。
三、人工智能的分类人工智能可以分为以下几类：1、弱人工智能（Narrow AI）：也称为狭义人工智能，是指专注于完成特定任务的人工智能系统，例如语音识别、图像分类等。
2、强人工智能（General AI）：又称通用人工智能，是指能够像人类一样进行广泛的认知和思考，具备多种智能能力的人工智能系统。
目前，我们还远未实现强人工智能。
3、超人工智能（Super AI）：这是一种假设的超越人类智能的人工智能形式，目前仍处于理论探讨阶段。
四、人工智能的核心技术1、机器学习（Machine Learning）机器学习是人工智能的核心领域之一。
它使计算机通过数据自动学习模式和规律，而无需明确的编程指令。
机器学习包括监督学习、无监督学习和强化学习等方法。
监督学习：在有标记的数据集上进行学习，例如通过已知的房价和房屋特征数据来预测新房屋的价格。
人工智能常识知识点总结
人工智能常识知识点总结人工智能（Artificial Intelligence，AI）是一门涉及多个学科的交叉学科，其主要研究如何让计算机能够像人类一样思考、学习、推理、决策、交流等，从而完成一些复杂的任务。
以下是一些人工智能常识知识点总结：1.人工智能的定义：人工智能是一门模拟人类智能的学科，其目标是让计算机能够具备人类的智能水平，包括感知、学习、推理、决策、交流等方面的能力。
2.人工智能的分类：根据智能水平的高低，人工智能可以分为弱人工智能和强人工智能。
弱人工智能指的是能够完成特定任务的智能系统，而强人工智能则指的是能够像人类一样思考、学习、推理、决策、交流的智能系统。
3.人工智能的应用领域：人工智能的应用领域非常广泛，包括但不限于机器人、智能家居、自动驾驶、医疗诊断、金融风控等。
4.人工智能的技术体系：人工智能的技术体系包括机器学习、深度学习、自然语言处理、计算机视觉等技术。
其中，机器学习是人工智能的核心技术之一，它通过分析大量数据并自动发现规律和模式，让计算机能够自主地进行决策和预测。
深度学习是机器学习的一种，它利用神经网络模型来模拟人类神经系统的结构和功能，以实现更加精准和高效的学习和推断。
自然语言处理是让计算机能够理解和处理人类语言的能力，包括文本分析、机器翻译、语音识别等技术。
计算机视觉是让计算机能够像人类一样感知和理解图像和视频的能力，包括图像识别、目标检测、人脸识别等技术。
5.人工智能的发展趋势：随着技术的不断进步和应用场景的不断扩展，人工智能的发展趋势也越来越明显。
未来，人工智能将会与物联网、云计算、大数据等新技术相结合，实现更加智能化和自主化的应用和服务。
同时，人工智能也将会与各个行业相结合，推动各个行业的数字化转型和创新发展。
6.人工智能的挑战和问题：虽然人工智能的应用前景非常广阔，但同时也面临着一些挑战和问题。
其中包括技术层面的问题，如算法的透明度和公正性、数据的质量和完整性等；也包括社会层面的问题，如就业市场的变化、隐私保护等问题。
人工智能的基本原理及其应用
人工智能的基本原理及其应用人工智能（Artificial Intelligence，简称AI）作为一门涉及计算机科学、数学、认知心理学等多学科的领域，致力于研究如何使机器能够模拟人类的智能行为和实现自主学习。
本文将介绍人工智能的基本原理以及它在各个领域的应用。
一、人工智能的基本原理现代人工智能的基本原理可以概括为感知、推理和学习三个核心要素。
1. 感知感知是指机器通过传感器获取外界环境的信息，包括图像、声音、温度等。
感知的关键在于将这些信息转化为数字或离散的数据，以供计算机进行处理和分析。
2. 推理推理是指机器根据已有的知识和信息，运用逻辑推理和推断能力进行思考和决策。
它能够根据已有的规则和条件，推导出某种结论，并进行相应的行动。
3. 学习学习是人工智能的核心能力之一，它使机器能够通过数据和经验不断优化和改进自身的性能。
机器学习分为监督学习、无监督学习和强化学习三种形式，其中监督学习通过已有的标签数据进行学习，无监督学习则通过分析数据的内在关系进行学习，而强化学习则是通过奖励与惩罚的机制进行学习。
二、人工智能的应用领域人工智能的应用涵盖了众多领域，具有广泛的应用前景。
1. 机器视觉机器视觉是人工智能的一个重要应用领域，它利用计算机和相应的算法使机器能够“看”和“理解”图像和视频。
在医疗领域，机器视觉可用于辅助医生进行疾病诊断和影像分析；在工业领域，机器视觉可用于质检、物体识别和自动化生产。
2. 自然语言处理自然语言处理是指将人类语言转化为计算机能够理解和处理的形式，包括语音识别、语义理解和机器翻译等技术。
自然语言处理在智能助理、机器翻译、智能客服等领域有着广泛的应用。
3. 智能交通人工智能在交通领域的应用旨在提高交通效率、减少交通事故和改善出行体验。
例如，自动驾驶技术可以通过感知环境、规划路径和控制车辆，实现无人驾驶；交通流预测和智能调度系统可以提高交通网络效率。
4. 金融科技人工智能在金融领域的应用主要体现在风险控制、反欺诈、智能投顾和高频交易等方面。
人工智能是怎么做到的
人工智能是怎么做到的人工智能（Artificial Intelligence，简称AI）是一项涉及机器模仿和模拟人类智能的技术和研究。
它涉及许多不同的领域，包括计算机科学、心理学、语言学和哲学等。
人工智能的实现是通过算法和模型，将大量的数据与规则进行处理和分析，从而使计算机能够实现类似人类思维的功能。
一、机器学习机器学习是人工智能的核心技术之一。
它通过让机器自动学习和改进，提高自身的性能和效果。
机器学习的基本方法是利用大量的数据进行训练，通过分析和学习数据中的模式和规律，让机器能够从中提取知识并做出推理和决策。
二、深度学习深度学习是机器学习的一个重要分支，它通过模拟人脑的神经网络来实现对复杂数据的处理和分析。
深度学习的关键是构建多层的神经网络，通过不断的训练和优化网络的权重和偏置，使其能够自动学习和提取数据中的特征，并进行分类、识别和预测等任务。
三、自然语言处理自然语言处理是指让计算机理解和处理人类语言的技术。
它可以将人类语言转化为计算机可以处理的形式，使计算机能够理解和分析人类的语义和意图。
自然语言处理涉及到语音识别、语义理解、机器翻译等多个方面，通过深度学习和其他技术的结合，实现了人工智能在语言领域的应用。
四、计算机视觉计算机视觉是指让计算机能够理解和分析图像和视频的技术。
它可以通过图像识别、目标检测、人脸识别等方法，将图像和视频中的内容转化为计算机可以识别和处理的数据。
计算机视觉的核心技术是深度学习中的卷积神经网络（CNN），通过训练网络模型，实现对图像和视频的高效处理和分析。
五、专家系统专家系统是一种基于规则和知识的推理和决策系统。
它通过构建一系列的规则和知识库，通过推理和逻辑推导，使计算机能够模拟专家的知识和经验，作出类似专家的决策和判断。
专家系统在医学诊断、工程设计、金融分析等领域有着广泛的应用。
六、强化学习强化学习是一种通过试错和反馈来改进决策的方法。
它通过使机器与环境进行交互，通过试验和实践来学习和改进决策策略。
AI时代必备的五大关键能力
AI时代必备的五大关键能力自去年11月OpenAI发布对话语言模型ChatGPT以来，上线5天拥有100万用户，两个月后月活量上亿，ChatGPT的应用场景之广、能力之强，让人惊叹“人类要被抢饭碗了”“AI 成精了”。
同时，微软、谷歌、Meta等巨头均纷纷加码。
微软拟向Open AI追加数十亿美元投资，谷歌向人工智能初创公司Anthropic AI（正在测试ChatGPT的竞品Claude）投资约3亿美元、扎克伯格将生成式AI提升为2023年关注的最大主题之一。
ChatGPT的爆火、科技巨头的深入布局，这都预示着AI时代来了……每一次科技的发展都会带来巨大的变革，从而引起就业波动。
AI的到来会把低技能的工作智能化，进而取代更多人类的工作岗位。
前OpenAI研究团队负责人Jeff Clune曾预测，有30%的机会在2030年借助AGI（通用AI）实现50%的人类工作自动化。
近日，媒体网站Insider 在与专家交谈和进行研究后，整理了一份被人工智能技术取代风险最高的十个工作类型：●技术类工作：程序员、软件工程师、数据分析师●媒体类工作：广告、内容创作、技术写作、新闻●法律类工作：法律或律师助理●市场研究分析师●教师●金融类工作：金融分析师，个人财务顾问●交易员●平面设计师●会计师●客服人员很不幸，这其中就有我自己所在的工作岗位……AI替代人工是大势所趋，未来会有越来越多的岗位被AI所替代，那么作为一名普通的职场人，如何在AI时代更好地生存下去呢？首先，要搞清楚我们和AI之间的核心差异，知己知彼，然后再寻求破解之道。
一、AI确实很强，但并非无所不能1.AI很强，这三大能力远超人类AI的过人之处主要体现在3种能力上：能力一：强大的数据处理能力。
AI的本质其实就是数据处理，在及时收集数据、分析数据方面，AI有着绝对的优势。
能力二：极度的专注力。
AI在设定目标后，其具备的所有能力都会为这个目标服务，且不会受外界任何因素的干扰。
投资人工智能行业的五大关键要素
投资人工智能行业的五大关键要素人工智能（Artificial Intelligence，简称AI）作为当前科技领域的热门话题，已经成为投资圈中备受关注的行业。
随着人工智能技术的不断发展和应用，许多投资者都希望能够在这个领域获得丰厚的回报。
然而，要实现成功的投资并非易事，需要注意一些关键要素。
本文将介绍投资人工智能行业的五大关键要素，供投资者参考。
一、优秀的团队在投资人工智能行业时，选择一个优秀的团队是至关重要的。
一个强大的团队将能够应对技术难题，具备丰富的经验和知识储备，并能够快速适应市场的变化。
投资者应该研究团队成员的背景和专业知识，了解他们的技术能力和项目开发经验。
另外，团队的合作能力和领导能力也是值得考虑的因素。
二、技术创新与领先在人工智能行业，技术创新和领先是取得成功的重要因素之一。
投资者应该选择那些具有独特技术创新和领先地位的公司或项目。
这些公司或项目应该能够解决目前行业面临的难题，并在技术上有所突破。
投资者可以通过参考科技媒体的报道、行业研究报告以及专业人士的意见来评估一个公司或项目的技术创新能力。
三、市场需求与商业模式投资者在选择人工智能行业时，需要考虑市场的需求和商业模式是否可行。
一个有前景的人工智能项目应该能够解决现实生活中的问题，满足市场的需求。
同时，需要评估商业模式的可行性和盈利能力，了解公司或项目是否有可持续的商业模式。
这需要投资者进行市场调研和商业分析，充分了解行业的发展趋势和商业模式创新。
四、资金支持与资源整合投资人工智能行业需要大量的资金支持和资源整合。
由于人工智能技术的发展和应用需要巨大的投入，投资者应该选择具备稳定的资金来源和资源整合能力的公司或项目。
同时，投资者还应该关注公司或项目的资金使用效率和风险控制能力，避免过度依赖外部资金。
五、政策支持和监管环境政策支持和监管环境是投资人工智能行业的重要考量因素。
政府的支持和监管环境的稳定将对人工智能行业的发展起到积极的推动作用。
人工智能五大核心要点
人工智能五大核心要点人工智能（Artificial Intelligence，AI）作为一门新兴科技，正在引领着我们进入一个全新的时代。
在过去几十年中，随着科学技术的飞速发展，人工智能的应用范围不断扩大，其影响力也日益显现。
在探索和应用人工智能的过程中，我们可以总结出五个核心要点，这些要点不仅是人工智能领域的关键，也是推动人工智能发展的核心驱动力。
一、机器学习机器学习是人工智能的核心要点之一。
它是一种通过让计算机学习和改进自身的能力，从而使其能够自主思考和做出决策的技术。
机器学习的关键在于构建模型和算法，让计算机能够从大量数据中提取出规律和模式，并根据这些规律和模式进行预测和判断。
随着数据量的不断增加和计算能力的提高，机器学习在人工智能领域的应用也越来越广泛。
二、深度学习深度学习是机器学习的一个重要分支，也是人工智能发展的核心要点之一。
它通过构建具有多层结构的神经网络模型，实现对大规模数据集的高性能处理和分析。
深度学习的优势在于可以自动提取和学习数据中的特征，并用于进行分类、识别、预测等任务。
近年来，深度学习在图像识别、语音识别、自然语言处理等领域取得了令人瞩目的成就，成为人工智能领域的热点和突破口。
三、自然语言处理自然语言处理（Natural Language Processing，NLP）是人工智能的重要应用领域之一。
它致力于让计算机能够理解和处理人类自然语言的能力，包括语音识别、语义理解、机器翻译等方面。
通过自然语言处理的技术，可以让计算机与人类进行更加自然、便捷和有效的交流，提高人工智能系统的智能化程度，使其能够更好地为人类服务。
四、感知和认知感知和认知是人工智能的重要组成部分，也是人工智能发展的核心要点之一。
感知是指让计算机通过传感器获取外部环境信息的能力，包括视觉、听觉、触觉等方面。
而认知则是指让计算机拥有类似人类的思维和理解能力的能力，包括推理、判断、决策等方面。
通过感知和认知的能力，人工智能系统可以更好地感知和理解环境，从而做出更加智能和准确的反应。
人工智能的三大核心技术
人工智能的三大核心技术在当今科技卓越发展的时代，人工智能已经成为了我们生活中不可或缺的一部分。
而这一切的背后，离不开人工智能的三大核心技术。
本文将探讨这三大核心技术是什么以及它们在人工智能领域的应用。
一、机器学习机器学习是人工智能的基石之一，它是指通过对大量数据的学习和分析，让计算机能够从中获取并应用知识，进而不断改进和优化算法。
机器学习可以分为无监督学习和监督学习两种类型。
无监督学习是指让计算机自主地从数据中发现规律和模式，不需要人为给定标签或指导。
这种学习方式广泛应用于数据聚类、异常检测、关联规则挖掘等领域。
例如，在金融领域，无监督学习可以帮助银行检测信用卡盗刷行为，提高安全性。
监督学习则是基于给定的标签或指导，通过对数据进行分类、回归或预测等任务来训练模型。
这种学习方式适用于文字识别、图像分类、语音识别等应用场景。
举例来说，在自动驾驶领域，通过监督学习可以让车辆准确地辨识交通信号灯，从而实现智能驾驶。
二、深度学习深度学习是机器学习的一个重要分支，它通过建立多层次的神经网络模型，模拟人类大脑的工作原理，从而实现更高层次的学习和认知能力。
深度学习在处理大型复杂数据方面表现出色，并在图像识别、自然语言处理等领域取得了突破性的成果。
在图像识别方面，深度学习可以帮助计算机准确识别和分类大量的图像数据。
例如，现在我们可以通过拍照软件将照片中的人物和风景自动分类，方便我们整理和查找照片。
此外，在医学影像诊断领域，深度学习可以辅助医生更快速、准确地发现异常和疾病。
在自然语言处理方面，深度学习可以帮助计算机理解和生成自然语言。
例如，智能翻译系统可以通过深度学习方法实现不同语言之间的自动翻译，大大提高了翻译效率和质量。
此外，在智能客服领域，深度学习还可以实现智能问答系统，让人与机器之间的交流更加自然和便捷。
三、自然语言处理自然语言处理是人工智能的重要技术之一，它致力于让机器能够理解、分析和生成自然语言。
自然语言处理可以分为多个层次，包括语音识别、语义分析、情感分析等。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
计算机视觉、机器学习、自然语言处理、机器人和语音识别是人工智能的五大核心技术，它们均会成为独立的子产业。
计算机视觉、机器学习、自然语言处理、机器人和语音识别是人工智能的五大核心技术，它们均会成为独立的子产业。
计算机视觉
计算机视觉是指计算机从图像中识别出物体、场景和活动的能力。
计算机视觉技术运用由图像处理操作及其他技术所组成的序列，来将图像分析任务分解为便于管理的小块任务。
比如，一些技术能够从图像中检测到物体的边缘及纹理，分类技术可被用作确定识别到的特征是否能够代表系统已知的一类物体。
计算机视觉有着广泛的应用，其中包括：医疗成像分析被用来提高疾病预测、诊断和治疗;人脸识别被Facebook用来自动识别照片里的人物;在安防及监控领域被用来指认嫌疑人;在购物方面，消费者现在可以用智能手机拍摄下产品以获得更多购买选择。
机器视觉作为相关学科，泛指在工业自动化领域的视觉应用。
在这些应用里，计算机在高度受限的工厂环境里识别诸如生产零件一类的物体，因此相对于寻求在非受限环境里操作的计算机视觉来说目标更为简单。
计算机视觉是一个正在进行中的研究，而机器视觉则是“已经解决的问题”，是系统工程方面的课题而非研究层面的课题。
因为应用范围的持续扩大，某些计算机视觉领域的初创公司自2011年起已经吸引了数亿美元的风投资本。
机器学习
机器学习指的是计算机系统无须遵照显式的程序指令，而只依靠数据来提升自身性能的能力。
其核心在于，机器学习是从数据中自动发现模式，模式一旦被发现便可用于预测。
比如，给予机器学习系统一个关于交易时间、商家、地点、价格及交易是否正当等信用卡交易信息的数据库，系统就会学习到可用来预测信用卡欺诈的模式。
处理的交易数据越多，预测就会越准确。
机器学习的应用范围非常广泛，针对那些产生庞大数据的活动，它几乎拥有改进一切性能的潜力。
除了欺诈甄别之外，这些活动还包括销售预测、库存管理、石油和天然气勘探，以及公共卫生等。
机器学习技术在其他的认知技术领域也扮演着重要角色，比如计算机视觉，它能在海量图像中通过不断训练和改进视觉模型来提高其识别对象的能力。
现如今，机器学习已经成为认知技术中最炙手可热的研究领域之一，在2011~2014年这段时间内就已吸引了近10亿美元的风险投资。
谷歌也在2014年斥资4亿美元收购Deepmind这家研究机器学习技术的公司。
资4亿美元收购Deepmind这家研究机器学习技术的公司。
自然语言处理
自然语言处理是指计算机拥有的人类般的文本处理的能力。
比如，从文本中提取意义，甚至从那些可读的、风格自然、语法正确的文本中自主解读出含义。
一个自然语言处理系统并不了解人类处理文本的方式，但是它却可以用非常复杂与成熟的手段巧妙处理文本。
例如，自动识别一份文档中所有被提及的人与地点;识别文档的核心议题;在一堆仅人类可读的合
同中，将各种条款与条件提取出来并制作成表。
以上这些任务通过传统的文本处理软件根本不可能完成，后者仅针对简单的文本匹配与模式就能进行操作。
自然语言处理像计算机视觉技术一样，将各种有助于实现目标的多种技术进行了融合。
建立语言模型来预测语言表达的概率分布，举例来说，就是某一串给定字符或单词表达某一特定语义的最大可能性。
选定的特征可以和文中的某些元素结合来识别一段文字，通过识别这些元素可以把某类文字同其他文字区别开来，比如垃圾邮件同正常邮件。
以机器学习为驱动的分类方法将成为筛选的标准，用来决定一封邮件是否属于垃圾邮件。
因为语境对于理解“timeflies”(时光飞逝)和“fruitflies”(果蝇)的区别是如此重要，所以自
然语言处理技术的实际应用领域相对较窄，这些领域包括分析顾客对某项特定产品和服务的反馈，自动发现民事诉讼或政府调查中的某些含义，自动书写诸如企业营收和体育运动的公式化范文，等等。
机器人
将机器视觉、自动规划等认知技术整合至极小却高性能的传感器、制动器以及设计巧妙的硬件中，这就催生了新一代的机器人，它有能力与人类一起工作，能在各种未知环境中灵活处理不同的任务。
例如，无人机、可以在车间为人类分担工作的“cobots”等。
语音识别
语音识别主要是关注自动且准确地转录人类的语音技术。
该技术必须面对一些与自然语言处理类似的问题，在不同口音的处理、背景噪声、区分同音异形/异义词(“buy”和“by”听起来是一样的)方面存在一些困难，同时还需要具有跟上正常语速的工作速度。
语音识别系统使用一些与自然语言处理系统相同的技术，再辅以其他技术，比如描述声音和其出现在特定序列与语言中概率的声学模型等。
语音识别的主要应用包括医疗听写、语音书写、电脑系统声控、电话客服等。
比如Domino抯Pizza，最近推出了一个允许用户通过语音下单的移动APP。
上述5项技术的产业化，是人工智能产业化的要素。
人工智能将是一个万亿级的市场，甚至是10万亿级的市场，将会为我们带来一些全新且容量巨大的子产业，比如机器人、智能传感器、可穿戴设备等，其中最令人期待的是机器人子产业。
机器人应用的分法有很多种，从应用层面可以粗略地分为以下几个类别。
第一个类别是工业级机器人，像富士康这种公司已经运用得很好了，因为劳工成本越来越高，用工风险越来越高，而机器人则可以解决这些问题。
第二个类别是监护级机器人，它可以在家里和医院里作为病人、老人或孩子的护理，帮助他们做一定复杂程度的事情。
中国对监护级机器人需求其实更迫切一些，因为中国人口红利在下降，同时老龄化又不断地上升，这两个矛盾，机器人都可以帮助解决。
因此，这个领域的需求在民用市场占比很大。
第三个类别就是探险级机器人，用来采矿或者探险等，大大避免了人所要经历的危险。
此外还有用来打仗的军事机器人等。
网络媒体Business Insider预测，机器人将在许多岗位上取替人类：电话营销员、校对员、手工裁缝师、数学家、保险核保人、钟表修理师、货运代理商、报税员、图像处理人员、银行开户员、图书馆员、打字员等。
因为它们的价格竞争力惊人。
麦肯锡全球研究院的研究表明，当中国制造业工资每年增长10%~20%时，全球机器人的价格每年下调10%，一台最便宜的低阶机器人只需花费美国人年平均工资的一半。
国际研究机构顾能预测：2020年机器人将导致全球新一波失业潮。
同时，人工智能技术的发展还将让许多旧产业获得改头换面式的新生，其中最典型的是汽车产业。
汽车产业已存在上百年了，其间的变革也是非常大的，但驾驶汽车的始终是人，可最近几年，随着谷歌等公司的大力投入，机器或者说某种自动化的系统已经有望取代人来驾驶汽车，从而形成一个市场容量巨大的新产业，即无人驾驶汽车产业。
这个产业的规模也将是万亿级甚至是10万亿级的。
而且，这个产业还将与新能源产业叠加、融合在一起，形成“车联网+能联网+互联网+电动汽车”的复合产业——未来，我们会把插电式汽车和氢燃料汽车作为发电厂使用，从而使新能源汽车成为电网的一部分，成为新能源的供给者，与现在一些装有太阳能发电系统的房屋是太阳能的供给者一样。
毫无疑问，与互联网一样，智能技术会向几乎所有旧产业渗透。
华泰证券在一份人工智能产业的研究报告中提及了九大行业：生活服务O2O、医疗、零售业、金融业、数字营销业、农业、工业、商业和在线教育。
实际上，将获得新生的旧产业还有许多，如军事、传
媒、家居、医疗健康业、生命科学、能源、公共部门……甚至包括受VR/AR(虚拟现实与增强现实)技术发展影响而产生的虚拟产业。