第三步，在2035年，通过研究彻底人脑构造，创造出一个类人大脑，这个原理是仿生学原理，是极其难的事情。很多仿生学原理很难走的通，比如飞机，最早研发的时候是模拟鸟类翅膀设计，未能成功。而莱特兄弟是利用空气动力学的原理设计飞机，最后成功了。

　　最早的人工智能也是仿造大脑的神经元和突触的构造进行设计，依然很难，而通过大数据不断的训练，反而可以训练出合适的模型实现人工智能。

　　但是创造出类人大脑，依然是人工发展的前进目标，可以把人性格和记忆储存到人造大脑里，这意味着人类可以实现永生。

　　第四步，在2045年，真实版虚拟人创造出来，可装载人的意识。

　　这听起来像天方夜谭，但是这个未来已经与我们越来越近。机器与人的结合将在以下4个方面得到发展：

　　机器器官移植 已经实现的包括盲人机器视觉辅助、机器外骨骼、神经芯片等。日本的一家公司提供的机器外骨骼，通过采集运动的控制意念信息来控制外骨骼肢体运动，人的运动意念信号通过神经传到皮层，再转成肌电信号，这家公司通过采集肌电信号来判断控制意念。

　　美国一家公司开发的应用于军事的腿部外骨骼，采用液压驱动，以燃油为能源，装在外骨骼的传感器感知腿部力量的运动方向，来强化腿部力量。

　　另外已经实现的是帮助抑郁症患者植入神经芯片，抑制他产生抑郁症的神经信号，促使其感到快乐。

　　纳米机器人 纳米进入到血液里或者内脏里，可以做一些观察/监控，辅助医疗诊断或治疗措施。

　　人脑逆向工程，机器与人合二为一 未来人的身体会存在大量机器，甚至大脑也是类人大脑，只有记忆和意识是自己的，人体器官中有50%以上不是人自己本体长出来的器官，就不是真正意义上的人了。

　　趋势四 人与机器的沟通

　　包括语音互动，基于光场重构的空间三维显示与互动，眼球追踪，脑机接口等。

　　趋势五 AI+高速增长的行业应用和跨行业协同

　　根据据Machina Research数据，全球物联网连接终端数量在2015年-2025年之间将增长3倍， 2025年全球物联网连接数量达270亿个。这意味着非发展中国家人均拥有的智能设备超过5台。

　　根据Xlively数据，2020年物联网连接终端数中工业物联网和智慧城市占据大多数份额，2B应用领先2C发展。

　　随着更多低成本并行指令集芯片的推出，更多物联网智能终端在边缘实现快速识别智能响应和结构化数据采集，或者传统设备的数据采集，两种路径结合云端AI模型训练，最终实现AI的深度行业渗透和跨行业资源协同。

　　四、未来投资方向

　　我们看好的企业，是能够巧妙解决以下7方面问题的企业。

　　1、碎片化

　　不同设备企业之间，同一设备企业不同产品之间，甚至同一产品不同代之间，通讯协议/标准/地址都是有差别的，常用的协议有上百种，但是总体协议有上万种之多。

　　每一种设备的数据采集，都需要拿到设备厂商的说明文档和许可，或者做逆向破解。

　　仅同一家制造业企业，由于设备种类的繁多，而没有一家设备企业可以服务完整链条，导致要彻底实现对一家制造业企业的无人化/全设备数据采集，绝不是一家平台企业能快速做到的。

　　这也是为什么过去多年一直是解决物料信息化为主的ERP在工业企业得到应用，而设备管理/深度智能化应用迟迟未能快速发展的重要原因。

　　闷头实现某一细分领域设备联网和深度数据挖掘的技术公司有不少，但是我们更看好那些能够解决碎片化技术和市场问题的企业。

　　2、对海量数据的处理

　　大家都知道现在的各类型数据量很大，到底有多大?比如谷歌自己汽车采集街景，一天采集数据量1T，如果按一部电影500M算相当于2000部电影，这个数据非常惊人。

　　海量数据怎么处理是一个问题，还有非结构化数据变成结构化数据，这是有不同解决路径的，比如终端做结构化数据采集，或者先做基于机器学习的识别和筛选，只上传经过清洗的数据。

　　第二种是设计适用于神经网络模型训练的拥有高并行计算能力和低能耗的处理器，或者深度挖掘异构系统芯片内全架构及电路的计算潜力，实现深度学习的嵌入端部署。

　　3、实时响应

　　PC手机大多数情况不需要实时响应，而物联网终端跑的程序需要对所有信息做快速处理和实时响应，能够实现对不确定因素、快速变化环境的实时响应的企业是我们比较看好的。

　　4、成本