
智慧家庭与大数据是个金矿,中国电信生态开放激活智能时代
印象中,智慧家庭并不是新鲜概念,而基于大数据的智能家庭服务,这个概念自从微软的维纳斯计划开始,在中国存在了10年以上,但直到今天依然不成熟,因为涉及到的产业链复杂,参与成员多,各自为政的现象严重。当然,这并非说明智慧家庭及大数据服务是一个“伪命题”,只是时机未到而已。7月16日,在“2016年天翼智能终端交易博览会”上,中国电信、中国智慧家庭产业联盟、中国企业大数据联盟共同组织的一场“智慧家庭与大数据发展论坛”上,就针对这一悬疑,给出了答案。
迭代式升级,家庭智能化演进的三个时代
一直以来,盯在智慧家庭和大数据应用的企业很多,互联网企业、家电企业、运营商、终端等各方力量纷涌而入,但由于短期利益的影响,多数单兵作战,没有一家具备主导全产业链的能力,竞争乱象也带来了一系列的难题。首先是各自为政,彼此间技术、标准协议不统一,形成了孤岛和割裂;其次是终端不够成熟,计算智能化程度不高,用户需要对不同品牌、不同功能的设备分别管理,用户体验不佳,所承载的应用也不够接地气。最后一个阻碍也是最为“致命”的,行业里未形成成熟、完善的生态体系,不能形成合力。
不过,以往戴着镣铐跳舞的大数据智慧家庭正逐渐“松绑”,并开始施展开拳脚。如今随着计算功能和交互能力的增强,一个全新的智能化时代正在到来。这种智能化主要体现在终端多元化、屏幕大型化、交互灵活化、设备智能化、应用多样化、功耗持续优化,消除了过去阻碍智慧家庭走向公众的障碍。以智慧家庭所涉及到智能电视为例,在中国接近4300万台的电视出货量中,已经有3800万完成了智能电视的迁移,并形成乐视、海信、创维、小米等全新的品牌布局,同样,在智慧家庭所涉及到的关键网关、盒子等中枢产品上,也正走向成熟。
两年前的7月24日,中国电信就牵头成立了电视机厂家、芯片厂家、终端厂家、渠道商和应用提供商等共同发起的智慧家庭产业联盟,推出了智慧家庭的全新产品“悦me”,为用户提供家庭信息化服务。从当时的阵容看,有70多家智慧家庭产业链成员企业参与,不仅有海信、创维、海尔、TCL等智能电视厂商,几乎覆盖了中国80%的电视大屏,Marvell、高通等6家芯片厂家,终端厂家有华为、中兴、烽火等36家,渠道商包括苏宁、国美、迪信通等5家。最值得一提的,还有百度、阿里、京东、三星等极具互联网基因企业的参与。当时,这一动作在行业了引发了强烈关注。
两年过后,智慧家庭市场早已不可同日而语。7月16日的“智慧家庭与大数据发展论坛”上,中国电信市场部副总经理吕品抛出的观点相当犀利。经过多年来的积淀与准备,智慧家庭的统一平台正在形成,开始使用统一的控制平台和物联网标准协议,让用户得到一致化的体验,并完成跨设备、跨入口的数据打通。
智能化家庭的演进历程可以划分为三个时期,最早是终端时代,单品占山为王,与用户属于单点连接,设备间缺乏互操作和数据、应用上的连通;第二个是互联时代,多设备间可以共享、互联,且应用可跨屏、多终端迁移,设备的场景化趋势明显,并在一定程度上帮助用户建立了使用习惯,比如手机与电视的连接、投射,这一时代出现了平台与基于连接协议的互联互通,为智慧家庭的成熟打下了基础。如今正处于智能时代,智慧家庭产业蓄势待发,万物互联已经不存在技术障碍,大数据、人工智能得到了成熟应用,以中国电信所核心的智慧家庭产业生态系统也从概念走向了落地阶段。只不过,这三个时代并没有明显的界限,属于迭代式升级。
生态开放和能力输出,中国电信怎么实现三步走?
无疑,任何一个生态都需要核心主导者的领导,否则就会是一盘散沙,成为形同虚设的组织,大数据驱动的智慧家庭牵涉更广泛的产业链成员,需要在网络控制层、终端及应用层进行统一,整合的往往是各个环节上的巨头型企业,所以难度更大。而运营商一直被认为是最佳的主导者,依靠自身的用户规模和号召力,来形成将各方力量团结在一起的生态系统。两年前联合各方力量成立中国智慧家庭产业联盟,中国电信就有这样的野心,意在整合产业链,以开放生态思维,撬动智慧家庭与大数据产业,让智能走进人们的生活。
如今,这一生态已初步成熟,承载了亿级用户,并形成了一套智慧家庭体系,在开放能力上完成了三步棋子的落地。
在智慧家庭与大数据发展论坛上,中国电信市场部副总经理吕品透露,中国电信依托“家庭智能网关+天翼高清平台”,发挥用户规模优势,构建了面向家庭用户的智慧应用生态,其中涵盖了天翼光宽、天翼网关、开放平台、天翼高清、智能家居/外设、家庭云、大数据等板块。而这些板块组成了一个有机的整体,天翼网关发挥了零配置智能组网作用,关联操控家庭里面各种智能设备,天翼高清作为计算设备和智能娱乐中心,将取代之前非智能盒子,涉及内容聚合、开放应用商店、适配外设、定制行业市场。
不少观点认为,智慧家庭产业生态相当复杂,巨头有自己主导的小生态,中国电信所主导的生态将小舢板结成更大的航空母舰。但评价一个生态是否成功,有两个指标,一个是承载用户的规模化,是决定生态是否成熟的关键指标;二是开放性和能力输出的普适性,后者上,中国电信构建的能力开放已经完成了三步棋子的落地。
在规模化用户层面,数据显示,天翼光宽用户已达1.37亿,支撑起了5000万电视屏、1.5亿手机屏、6亿手机屏的使用用户。天翼网关方面,预计数量上年底将超过1000万,2018年将超过5000万;天翼高清2016年所承载的电视用户将超过6500万,2018年会突破1亿,在IPTV市场的份额高达78%。同时,中国电信还拥有2万家营业厅和5.3万精品渠道、10万装修人员,5000家体验店。可以说,这一智慧家庭生态已成为行业里唯一一家实现规模化运营的平台。
而在生态的开放性和能力输出上,中国电信智慧家庭也完成了三步棋子的落地,首先是开放的平台、资源和能力,面向用户开放云服务,每户可达到2TB,定向流量15GB/人/月。同时面向产业链输出EB级存储能力,10TB+网络及百万物理计算能力,以及数据、智能路由连接的实现。其次是技术规范上的统一和接入控制的智能化,中国电信智慧家庭生态打造了一套eLink协议,统一合作机制,依托高速光宽,深化与芯片、终端、应用、渠道等产业链伙伴的合作,通过技术标准、业务规范上的统一,解决了以往各自为政、彼此不兼容带来的互联互通、数据共享和应用迁移等难题,还设计和发布了中国智慧家庭指数,来反馈应用状况。最后则是业务应用层的开放,形成电商云、家电云、安防云等场景化应用服务,引入更多主流的应用服务商参与进来,形成了丰富的应用生态。
产业聚合和统一,是大数据驱动家庭智能时代到来的前提
无疑,大数据驱动的智慧家庭是一个数万亿元的市场,每一家企业都想做自己的生态,来主导整个产业的发展,但这并不现实,能将智慧家庭各方成员团结在一起的平台,行业里也屈指可数,况且还需要考虑到产业政策因素,运营商其实是最合适的角色。目前来看,中国电信智慧家庭生态通过一系列的开放动作、统一运营和技术规范,正在突破智慧家庭落地的重重障碍,形成一个完整的市场。
当然,大数据驱动的智慧家庭产业不可能一蹴而就,这个领域还存在较大的变数及更长的发展周期,也有待于像中国电信这样的主导型企业来完成一次“聚合”的动作。只有智慧家庭生态汇聚到更广泛的网络、芯片、终端、技术、应用等力量,才能真正形成合力,完成智慧家庭产业的“大一统”,用户才能真正享受到智能化的家庭生活服务。
而只有完成智慧家庭的统一,才能谈得上大数据的应用和商业价值。中国电信数年来构建智慧家庭产业的生态,同样是看到了背后大数据的应用空间。7月16日的活动上也曝光了这样一组数据,中国电信已聚集了接入总量达25PB的自有数据与外部数据,日均处理数据超过10万亿条,并推出了风险防控、精准营销、区域洞察、咨询报告和大数据云的“4+1”产品体系,这表明过去散落的、庞杂的、非结构化的数据正汇聚到一起,并在未来的智能化领域发挥作用。
对运营商来说,从管道商到信息服务平台的升级是必然趋势,虽然业界也有不同的声音和解读,但中国电信在智慧家庭领域的转型升级是看得见的,在网络智能化、业务生态化、运营智慧化方面,以及打造智能应用生态圈上面,正改变过去传统运营商的国企面孔,显示出越来越强悍的市场化的一面。实际上,7月16日的天翼智能终端博览会就已显山露水,仅智能手机采购总量突破了6700万,签约金额突破千亿元。这体现的恰恰是平台的汇聚能力。因为智慧家庭是个复杂体系,只有具备了吸引产业链成员的“磁力”,才能统一行动,一旦成熟,智慧家庭数万亿元的市场将彻底引爆。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15