最新版中国十大科技行业发展投资策略分析报告.docx
《最新版中国十大科技行业发展投资策略分析报告.docx》由会员分享,可在线阅读,更多相关《最新版中国十大科技行业发展投资策略分析报告.docx(41页珍藏版)》请在冰豆网上搜索。
最新版中国十大科技行业发展投资策略分析报告
2017年6月出版
1、重定义计算的边界
上个世纪你也许很容易就可以定义一台计算机,因为它就是一台IBM的Power服务器或者是一台苹果的MAC笔记本;刚进入二十一世纪,你仍然很容易定义一台计算机,全世界都在使用WinTel架构电脑和服务器,虽然后来Linux抢了部分风头,但X86依旧雄霸计算领域;移动时代的到来把我们带入了ARM,iOS,安卓的时代,我们依旧能看到一个个计算的载体在我们身旁发挥着举足轻重的作用,但慢慢地我们发现计算已经融入了我们生活的方方面面,以至于越来越难发觉计算的边界到底在哪里,穿戴设备、车载中控、或者是一个看不见摸不着的网络机器人。
图表1:
计算的边界模糊化扩大化
假设一个手持设备,既有桌面操作系统,又可以作为联网车载中控,还是家具系统的控制设备,你会如何界定这个设备的类型?
或许你也很难给该设备一个准确的定义,因为设备IO交互的变化,网络人工智能的加入以及独立于操作系统的技术出现,完全改变了大家对于传统计算设备的理解边界。
以容器技术对应的SaaS市场规模为例,IDC预计我国SaaS市场规模2019年将达到80亿左右,根据马化腾、雷军、MaryMeeker认可的“IT10倍理论”,如果底层操作系统发生了大的变革,将面对整个计算终端市场至少千亿级市场空间。
表格1:
软件技术发展带来虚拟化边界重构
技术发展推动异构平台兼容技术,未来应用越来越向轻量级发展。
ARM统治移动嵌入式领域和X86统治云计算领域虽然目前成为行业标准,但随着软件技术的突破尤其是操作系统技术的突破将带来行业软硬件平台更大的整合。
业界Docker和谷歌等公司已经在新型操作系统有所布局,前者在2016年1月收购UnikernelSystem公司,而谷歌开发一款志在合并安卓和浏览器Chrome功能并的全新操作系统Fuchsia,该操作系统有望打通ARM和64位X86架构,那么谷歌下一代操作系统将适配物联网等更多场景的猜测有可能成为现实。
图表2:
物联网扩展计算异构平台的定义
2、互联网线上线下商业融合
今天的互联网形势开始向商业本质回归,在月活、日活、PV、UV等标准化指标被
认同之后,还需要看商业模式多久才能赚钱。
虽然O2O不再是最火热的概念,Offline2online把线下流量搬到线上仍是未来发展的主要方向。
Online2offline线上往线下的导流作用也日益得到重视,即使是互联网巨头马云,也承认电子商务只能完成部分线下实体迁移到线上的功能,未来更多场景的融合需要的线上线下数据共享。
互联网通过电子商务等应用实现了线上规模化和裂变力,更大的平台需要为大众创新提供一定的护城河,线下场景新商业模式价值,轻量级应用和轻量级基础软件也为线下场景打开新的市场空间。
图表3:
云平台支撑互联网线上线下应用
2.1、互联网平台的开放化和去中心
企业转型互联网从未停歇,从最初的单纯就建个官网、投放个XX广告、开发个
APP申请微博等慢慢转变成为微信公众号运营,挖技术团队,挖运营团队等。
中心化
的平台特征就是流量规模,比如BAT,大规模的线上流量都被控制,企业购买价格昂贵。
随着线上流量的日趋集中,去中心化的平台运营慢慢受到关注,首先流量不再是那么热门的指标,客户的留存度也同样被关注,备受关注的社群经济和粉丝经济都是和客户的粘度高度相关的。
客户的粘度需要内容和服务来提高,很多APP因为是低频的长尾应用,得不到足够的关注而慢慢销声匿迹。
开放的平台将提供一个更为平等的活动运营,用户运营和内容运营空间,拥有上亿用户的微信小程序就是这类方向的范例。
图表4:
拥有大量用户数的平台型软件
去中心化的概念更多是针对流量和入口来说的。
以微信小程序为例,虽然流量入口集中在微信平台,企业和商户不再需要向微信购买流量,微信也不会给小程序提供单独的入口和导流,商户需要以内容、细分领域和更多场景来吸引客户,并提高客户粘性和留存度。
平台打造一个PaaS平台具备开发工具和API接口,大大帮助第三方开发平台或者商户提高了开发效率,同时不以流量导入为最大的目的,而以服务使得APP入口保持最高的活跃度和最大的会话数。
服务效率和提升体验的思维是从微信平台自上而下到企业商户的,更细腻的服务和广大的线下场景将抓住更大地域内有抵触APP情绪的线下客户,实现最后一公里的O2O。
2.2、轻量级应用和颠覆性IO交互推动线下场景
相比于虚拟化和Linux,容器和微内核技术属于新兴的轻量级技术。
容器实现了应用细粒度封装,帮助应用实现了高可用性和快速部署,但仍然要依赖基础操作系统,微内核技术从操作系统层变革,直接将操作系统功能添加到Hypervisor或者硬件上,大大精简操作系统模块提升了运行效率,这对于移动端轻量级应用和服务器端效率意义重大。
而新的IO交互形式也是开拓互联网+线下场景的重要武器,比如我们看到的
语音交互和手势交互,都将把移动设备从传统手机控制界面中解脱出来,大大提高互
动便利和应用打开效率。
图表5:
IO交互是未来线下轻量级软件亮点
3、云安全时代网络安全再定义
云计算时代云服务在企业内部大量应用,比如SAAS软件,基于PAAS服务开发的
各类应用以及容器技术的应用等,都使得传统IT管理的边界被打破。
云服务引入,使得企业数据安全面临更加直接的威胁,风险包括更容易受到第三方黑客攻击,云服务商内部架构缺陷和员工渎职,以及企业内部信息共享泄露更加便利等。
所以云时代数据安全和威胁分析要求对于自身信息系统的非常了解,如果不了解自己的资产、基础设施,恐怕无法了解自己的信息架构是否给恶意行为者可乘之机,同时也无法正确识别恶意行为者的意图。
这些都已经不是单点安全技术能够独立完成,自主可控软件使基础设施成为了安全环节中的白盒,在得到安全威胁之后能够有效分析和组织,实现企业的数据安全保护。
图表6:
云时代网络安全边界在改变
3.1、传统单点防护安全产品向云平台安全生态发展
传统信息安全厂商聚焦单点技术,RSA2016对信息安全产业细分领域多达上百种
子行业,大多数厂商都只面向单一技术领域,单点安全防护技术已经难以满足云计算大量渗透的新IT环境的安全需求,转型数据和业务流的安全防护,核心是数据的安全。
面向数据在云管端安全的解决方案是产业转型的巨大机会。
图表7:
人工智能和云计算支撑的安全生态
网格计算、虚拟技术、云计算、大数据技术以及容器技术等陆续进入了企业信息化系统,传统IT信息产业的边界逐渐被改变。
应用不在局限于某种操作系统或者数据库技术,基础软件随着虚拟化不再局限于硬件设施。
人们更多地关注业务应用,而非底层的IT使用技术。
未来还会有更多的IT技术革新,SaaS和PaaS等技术的渗透会使得企业对软件失去控制权,企业业务应用成为企业核心竞争力,而自身经营生产活动中产生的数据成为了企业唯一能控制的信息基础资源。
数据为中心的云安全带来的了新的安全领域问题。
3.2、万物互联时代的网络安全
物联网保持高速的增长,Wind资讯统计2011-2015年物联网市场空间已保持连续四年30%的复合增长率,保持该增速,我们预计2017物联网市场规模能达到万亿级。
传统网络信息安全国内投入占整体IT投入比例一直较低,相比于国外15%左右的网络安全投入,国内网络安全市场有着重视程度不高的问题。
物联网工控安全领域与传统网路信息安全不同,大量异构环境的计算节点、传感器将加入整个网络,制造业和工业将直接暴露在网络安全风险之下。
网络安全的影响不仅仅是数据信息泄密,同时还影响着生产系统和数以万计的嵌入式节点、传感器正常工作。
近期多起国外网络安全事故也有疑似正常节点被恶意控制后发起网络大规模攻击的症状,这种情况下后果严重性将放大。
图表8:
物联网时代网络安全侧重点变化
4、企业级SaaS软件服务进入快车道
互联网带来社会的变革,企业也无法避开互联网化的潮流。
我国企业尤其是中小
企业的信息化程度很低,随着互联网进一步普及,企业信息化和网络化程度不断提高,
企业级SaaS服务正好能够满足这个长尾市场。
根据Gartner咨询预测,2015年全球云计算市场规模将达到近500亿美元,其中SaaS服务占比57.5%。
根据36氪的《SaaS服务行业研究报告》,2015年我国SaaS服务市场规模为382亿元,同比增长25.1%;预计2016年我国SaaS服务市场规模将达到491亿元,同比增长28.5%。
2015-2018年的复合增长率预计为32.6%。
图表9:
中国SaaS服务市场规模
图表10:
国内SaaS服务融资数量
除了传统企业加速走向互联网化,基础设施的日益成熟也为企业级SaaS的兴起准备了基础条件。
这些基础设施的成熟包括4G网络的普及和带宽的发展,移动设备智能化,和云计算IaaS层(基础设施即服务)的推广导致信息基础设施成本大大降低。
IaaS
的推广奠定了SaaS坚实的基础技术设施,SaaS在2014进入发展期,近年来,我国SaaS
服务行业的平均融资金额呈总体上升趋势,2015年平均融资金额为1.69亿元。
目前SaaS
的发展最大的瓶颈已经不再是基础设施,而是SaaS安全技术的发展。
4.1、数据安全保护提升企业SaaS安全
对于SaaS而言,企业安全防卫已经不再是单点防护产品所能做到,如果一定要给
个描述,那一定是各就各位、层层防御。
整个SaaS设计,都会涉及到数据安全、以及用户和权限管理,总而言之,SaaS服务的软件所有者是SaaS供应商,而不再像托管服务一样,软件所有者是企业,所以企业在SaaS模式下对于软件整体管理能力很弱,软件后台托管的数据中心或采用何种平台完全是透明的。
目前常用的办法就是SaaS厂商通过一定的安全认证来满足客户对于安全的要求。
比较通用的有TUV认证,CSA认证,还有欧盟的一些认证,在这些认证中,国内比较熟悉的可能就是最右边的ISO27001认证。
图表11:
数据安全成为云计算的核心
数据安全技术的成熟使企业才能更加从容地使用SaaS服务,数据安全包括数据存储,数据传输和数据应用安全。
对于数据保存,每个行业有自己的标准,比如支付遵循PCIDSS要求,医疗数据在国外有HIPAA标准,其他企业SaaS服务都会涉及一些敏感数据,比如HR数据,体检信息,以及供应链采购、采购价格和供应商都会有一些保密
信息。
目前来看数据存储中数据加密原则已经成为共识,另外客户数据隔离也可以通
过独立数据库,独立Schema和ID等来实现。
数据传输加密自然是公网必备。
权限管理和异构环境中的多重认证保障了数据应用安全。
当数据作为企业最基础的资源得到充分保护后,SaaS软件的成本优势和易用性将更为突出。
4.2、SaaS软件商业模式持续创新
SaaS(软件即服务)从来都不曾离开互联网而独立存在,前提往往是软件托管在云基础设施上,企业通过按月支付一定费用来获得软件的使用权限,访问的方式包括浏览器和移动端等。
SaaS的商业模式之所以复杂,不仅仅因为其软件编码难度大,还因为整个SaaS产品的设计需要很强的用户交互能力。
SaaS项目在创业初期和超速发展阶段,对于管理要求很高,大多数公司在超速发展中需要加大对基础设施的花费,而却没能有效地提高用户的满意度和忠诚度。
在随后进入的稳定期,“客户流失”将成为最头疼的一个名词。
表格2:
各种类型SaaS商业模式
SaaS之美在于产品优秀,能够帮助初期客户解决创建IT基础设施的问题,并且能帮助成熟客户整合其他公司业务部分。
复杂的SaaS产品是一把双刃剑,好的产品可以培养多年的忠诚的客户群体为之提供稳定的经营性收入甚至交易量的分润收入,但维护和运营高效率的产品不仅仅只是代码的维护,同时还需要很强的用户设计交互和产品销售能力。
互联网的发展和基础设施的成熟为SaaS发展提供了强有力的支撑,商业模式的快速创新和客户UI的灵敏迭代在SaaS应用中得到最大化应用。
5、辅助驾驶开启智能驾驶新赛季
2017年,在拥有“电子行业风向标”之称的达拉斯CES电子展上,汽车智能化的趋势愈加明显。
越来越多的汽车零件供应商,越来越多的智能驾驶创业公司以不同的姿态参与到人工智能与智能驾驶的领域中。
在仅有的几个场馆中,汽车电子产品就占据了整整一个馆,各式各样的智能汽车吸引眼球,无论是新兴的创业企业,还是传统的汽车巨头,都希望在这片蓝海中分得一杯羹。
车载电子和智能汽车产品风头明显盖过了底特律的北美汽车展。
越来越多的国内车厂和车载电子设备厂商参展,虽然大部分仍然是基于国外的芯片和人工智能技术以上的解决方案,但也不乏一些自主研发创新产品。
图表12:
2014-2020中国智能驾驶市场规模预测
同时,中国作为最大的汽车消费国之一,自然也吸引着全球的目光。
受购置税优惠政策影响,2016年中国乘用车销量首次突破2400万辆,同比增长13%。
根据智研咨询研究报告,2020年乘用车的销量可能突破3000万辆。
同时,由Analysis易观的预测数据,智能驾驶乘用车的渗透率也将由2016年的20%上升至2020年的61%,且更高智能驾驶水平的汽车占比亦将大幅提升。
美国波士顿咨询集团研究报告预测,2035年前,全球将有1800万辆汽车拥有部分无人驾驶功能,1200万辆汽车成为完全无人驾驶汽车,中国或将成为最大的市场。
图表13:
中国智能驾驶市场渗透率预测
5.1、汽车功能的外延拓展是必然的趋势
在2016年CES展会上,我们发现,汽车的功能被逐步拓宽,它不再只是一种孤立的交通工具,很多的概念车、概念设计,令人感触颇深。
创意设计师在考虑转换交通工具的角色,希望把汽车从交通领域移动的空间升级成为个人伴侣和个人助手,使得人车关系更加亲密。
例如,本田公司发布了一款带有情感沟通功能的概念车,包含人工智能的引擎,能够捕捉驾驶员的心里感情。
在驾驶过程中和驾驶者进行情感沟通,让不会说话的机器不再那么冷冰冰,起到人车互动的效果。
这款概念车是由本田与软银旗下的CocoroSB公司合作开发,旨在设计一款能够与车主进行情感交流并作出自主判断的智能驾驶电动车。
不仅如此,AI系统还能将自己的判断分享给其他的车辆,以减少车与车之间的交流障碍。
另外,本田设计的一款新型摩托车,可以实现自平衡功能,防止摔车。
汽车零部件也不再只是孤立的存在,披上了拟人化的外衣。
拟人化的车灯,可以模仿人去眨眼,交通工具变的越来越可爱。
图表14:
本田NeuV纯电概念车及其内部构造、“不倒翁”摩托车
可以推断,未来城市中智能出行交通工具将扮演全新的角色。
驾驶者在这个移动空间里面,更多的需求将被满足。
设计者会使用更好的材质,更先进的设备,将汽车转化成一位个人沟通的助手。
汽车不仅仅是一辆可以代步的交通工具了,而是成为一个家和公司之外的第三生活空间,供人们在里面思考、休息甚至娱乐。
或许在不久的将来,汽车不再是一个代步工具,而是一位知心小伙伴,人们在下班之后会非常愿意选择在车里多坐10-20分钟,与爱车交流,让自己的身心得到充分的放松。
5.2、人机交互促进爱车升级
生物识别和传感器技术一直在升级,包括人脸识别、触觉反馈、生物识别、3D激
光雷达、感光玻璃、自动驾驶系统等功能,这些产品在智能汽车上的应用和手机相比具有更大的操作空间和更强的互动性。
人机交互应用无疑将成为智能汽车的主打产品,人工智能为未来用户获取服务、设计师获取数据、厂商获得流量提供了人机交互入口,这个入口的优势在于全方位的交互和相对独立的一个私人空间。
图表15:
汽车未来就是移动的智能手机
当今社会的移动互联网,慢慢等同于手机移动端APP,微信推出的小程序旨在传统APP的市场抢夺低频刚需的应用入口,无外乎把娱乐、游戏、传媒、美食、健身、读书等活动搬到线上,而利用线上的数据提升线下的体验。
智能汽车就是一个融合线上线下场景的载体。
将目前的APP应用的娱乐搬上汽车,让消费者们在车内获得音乐、电影、导航以及基于内容的线上服务,而同时基于车内空间提供基于人工智能技术支撑的线下互动,车内搭载的传感器和智能终端将是数倍于智能手机。
在CES展上,除了汽车零部件“拟人化”的趋势外,人车沟通成为各大车厂的重点关注领域。
只有让驾驶员与汽车开始互动起来,消费者才更加愿意拥抱智能汽车,这也更有利于智能汽车的落地变现。
亚马逊去年推出了语音助手Alexa,现在已经被各大汽车大厂纷纷使用。
福特和大众等车厂选择在系统中整合Alexa实现声控效果。
谷歌现代合作推出了全新BlueLink车载系统,用户只需在车内说:
“OK,Google”,就能用简单几句话来控制汽车的各项功能。
通过传感器感知、大数据分析、视觉计算技术,达到检测附近物体和障碍,根据实时路况优化行车方案,利用摄像头中的画面进行识别的目
的。
概念车技术广泛应用于人车交互。
表格3:
各大车厂及其概念车
5.3、智能车发展共识达成,合作加速攻关
智能汽车研究对于大多数公司来说位于同一起跑线上,目前的情况是传统汽车巨
头和新型的创业公司,都在遭遇各种困难。
经历2016年的研发波折之后,智能汽车领
域的大多数企业越来越意识到,下一轮智能汽车开发的较量应从追求“你死我活”的“竞争”走向“互补所长”的“竞争合作”。
因为市场巨大非一家厂商独享,而抱团研发能使各家厂商看到自己的长处。
表格4:
各大厂商联手布局智能汽车
汽车的生产向来需要强大的工业基础做后盾,纯粹的互联网公司从头开始做智能汽车并让消费者买账几乎是很困难的事情。
当传统企业拥抱互联网,互联网公司和传统汽车巨头形成互相借力,智能汽车关键技术和应用将加速落地。
Mobileye和德尔福汽车公司将合作开发端对端、可量产、高性能和安全操作的全自动驾驶解决方案,可快速整合到全球不同客户的多种汽车平台中;沃尔沃与Uber达成价值3亿美元的联合开发自动驾驶汽车合作协议,搭载车型为沃尔沃旗舰XC90SUV车型。
Uber将在宾夕法尼亚州匹茨堡市推出沃尔沃XC90SUV改装后的自动驾驶汽车打车服务。
传统车企与互联网公司再合作,双方将发挥各自技术优势,传统汽车巨头们继续完善着驾驶辅助系统,而互联网汽车公司致力于智能汽车操作系统的搭建以及车联网的布局,这利好智能汽车产业链的发展。
图表16:
巨头间强强合作
英伟达总裁黄仁勋曾说过,自动驾驶是块未来有100亿美元估值的蛋糕,大多数公司都想切入其中,但目前还没有任何一个公司有能力,有可能独立自主完成自动驾驶的全部流程建设,其原因在于每个公司都有一些自身的劣势,会阻碍研发进程。
因此,互相合作,扬长避短是首选。
在CES展上,两个巨头联盟开始风化,即英伟达领导的高端路线和Mobileye的大众路线。
特斯拉在经历了Autopilot尝试失败后,宣布和英伟达合作,Mobileye和Intel宝马大公司开始结成联盟,一起攻克自动驾驶的难关。
同时英伟达宣布了和博世与奥迪合作,发布了Sara的智能驾驶平台和Co-drive的软件系统。
另一边Mobileye强化和宝马等供应商的合作。
各家厂商都在智能驾驶领域有自己独特的优势,由于智能驾驶领域处在起步阶段,很快出现行业垄断巨头的可能性很小,各厂商将更多的还是以合作的姿态,联合攻克开发难关。
6、GPU为人工智能提供计算支撑
GPU,又称视觉处理器、显示芯片,是一种专门在个人电脑、工作站、游戏机和一些移动设备(如平板电脑、智能手机等)上图像运算工作的微处理器,与CPU类似,只不过GPU是专为执行复杂的数学和几何计算而设计的,这些计算是图形渲染所必需。
海量数据的获取和电子计算机的发展,大大推动了人工智能的进步。
而其中,读取数据、学习数据成为人工智能能否发挥作用的关键,GPU凭借其适合于大规模并行运算,擅长海量数据的快速处理,可以平行处理大量琐碎信息,因此在“深度学习”领
域发挥着巨大的作用。
如今的GPU已经不再局限于3D图形处理了,事实证明在浮点
运算、并行计算等部分计算方面,GPU可以提供数十倍乃至于上百倍于CPU的性能。
表格5:
CPUvsGPU
6.1、GPU使用边界拓宽,并行计算功能进一步挖掘
最初,GPU是设计来配合计算机的CPU(中央处理器),以承担图像的计算任务。
渲染3D图像场景是一个并行计算任务。
由于图像中各区域之间没有联系或依赖关系,GPU提供大量的核,可以同时对很多像素进行并行处理,但这并不能带来延迟的提升
(仅仅只是处理吞吐量的提升)。
因此,这个任务可以轻易地被拆解成若干个独立的任务,每个任务可以同时并行——这样也可以加快速度。
正是这种并行计算让GPU厂商为GPU找到了完全不同的新用途。
通过优化GPU,
它们可以完成庞大的并行计算任务。
于是,GPU变成了专门运行并行代码的处理器,而不仅仅只是用来处理图像。
而CPU则始终服务单线程任务,因为大多数通用软件依然是单线程。
CPU通常有单核、双核、四核或八核,而GPU则不同,它可以有成千上万核。
比如说,Facebook服务器中使用的NVIDIATeslaM40有3,072个所谓的CUDAcores。
然而,这种庞大的并行能力需要付出代价:
必须编写专门的软件才能利用这样的优势,所以GPU很难编程。
GPU主要适用于在数据层呈现很高的并行特性(data-parallelism)的应用,比如GPU比较适合用于类似蒙特卡罗模拟这样的并行运算。
6.2、GPU成为人工智能前进发展的基石
GPU之所以会被选为超算的硬件,是因为目前要求最高的计算问题正好非常适合并行执行。
如果你想要教会这种网络如何识别出猫的模样,你就要给它提供无数多的
猫的图片。
而这种工作,正是GPU芯片所擅长的事情,单核能耗也远低于CPU。
训练一个神经网络「学习」,很像我们大脑在学习时,建立和增强神经元之间的联系。
从计算的角度说,这个学习过程可以是并行的,因此它可以用GPU硬件来加速。
这种机器学习需要的例子数量很多,同样也可以用并行计算来加速。
有了开源机器学习工具(例如Torchcodelibrary和GPU-packedservers),在GPU上进行的神经网络训练能比CPU系统快许多倍。
人们利用GPU来训练这些深度神经网络,所使用的训练集数量更多,所耗费的时间大幅缩短,占用的数据中心基础设施也少得多。
GPU还被用于运行这些机器学习训练模型,以便在云端进行分类和预测。
在耗费功率更低、占用基础设施更少的情况下,GPU能够支持远比从前更大的数据量和吞吐量。
图表17:
深度学习与深度学习算法
工业与学术界的数据科学家已将GPU用于机器学习以便在各种应用上实现开创性的改进,这些应用包括图像分类、视频分析、语音识别以及自然语言处理等等。
尤其是深度学习,人们在这一领域中一直进行大力投资和研究。
深度学习是利用复杂的多级神经网络来打造一些系统,这些系统能够从海量的未标记训练数据中进行特征检测。
一定规模的网络和社交媒体公司已经将GPU加速器用于机器学习,另外还有数据科学和机器学习领域中一流的研究机构也成为了第一个“吃螃蟹的人”。
与单纯使用CPU的做法相比,GPU具有数以千计的计算核心、可实现10-100倍应用吞吐量,因此GPU已经成为数据科学家处理大数据的重要帮手。
在人工智能时代的GPU已经不再是传统意义上的图形处理卡,它将更多地被赋予专业处理器的头衔,应用于更多高密度计算的领域。
图表18:
GPU性能展示
7、无人机发展推动通航产业发展
无人机的价值在于代替人类完成空中作业,其最直接的发展驱动因素主要来自两
个方面:
(1)军事领域,战场上代替有人机,减少人员伤亡及应付极端条件;
(2)
科研和工业领域,