「镁客·请讲」BroadLink刘宗孺:市场进入拐点,要让智能家居更多学会“自主学习”...

本文主要是介绍「镁客·请讲」BroadLink刘宗孺:市场进入拐点,要让智能家居更多学会“自主学习”...,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

当前,为适应市场变化,传统的智能家居需要进行一个转型。

近年来,“智能家居”的概念越来越受到人们的关注,尤其在Google去年发布了一款智能音箱之后,可谓是风靡一时。

最新数据显示,2016年我国智能家居市场规模达403.40亿元,同比增长41%,预计到2018年,我国智能家居市场规模将达到1300亿元,未来年均复合增长率将达48%左右。

作为国内最早入局智能家居的玩家之一,BroadLink经历了从硬件生产商到解决方案提供商的过渡,在一定程度上,可以代表我国智能家居发展历程的一个缩影。

BroadLink刘宗孺:市场进入拐点,要让智能家居更多学会自主学习

以智能单品为切口,撬动“轻”智能家居市场

在决定回国创业之初,BroadLink创始人兼CEO刘宗孺拉着两位同样从澳洲回来的博士组建了初期的团队。当时,他们已经错过了互联网发展的机遇,而与此同时,移动互联网却开始崭露头角。于是,在这种大环境的牵引下,刘宗孺和他的团队毅然踏进了智能家居领域。

当然,不管是选择移动互联网创业,还是选择智能家居创业,刘宗孺都有着自己的考量,一个是基于对市场的观察,一个是对自身实力的清晰定位。

刘宗孺表示,因为团队本身都是清一色的硬件背景,思量之下,软件、APP之类并不是一个明智的选择,因此转向智能手机周边的硬件产品。至于为何会决定入局智能家居,在其看来,当时的智能家居还是一个比较传统的行业,所谓的产品都是一些成套的系统,且市场主要面向的是别墅、豪宅等住所。对此,刘宗孺说:“我们就希望用户可以通过购买一些小单品去体验这种家庭的智能化,通过单品来撬动‘轻’智能家居的市场。”

BroadLink刘宗孺:市场进入拐点,要让智能家居更多学会自主学习

相辅相成,走好智能家居的“三部曲”

目前,BroadLink将65%的人力资源用在了智能家居产品和技术的研发上,而在业务上,按照公司发展规划,BroadLink共分为三块,分别面向不同的市场和客户群体:

TOC“轻”智能家居事业部:自公司成立之初就成立,主要涉及的就是一开始作为智能家居切入口的硬件产品,包括WIFI遥控、WIFI插座、各种传感器等;

TOB事业部:随着物联网、万物互联的大趋势,BroadLink于2013年下半年该部门,主要业务是为家电企业定制智能化的解决方案,其中包括芯片、模块、APP的设计搭建以及云平台的搭建等等;

TOIC(系统解决方案)事业部:由BroadLink去年成立,主要面向的客户是对智能家居需求极大的地产商,除了做全屋智能,BroadLink还会帮客户做后台系统。

刘宗孺表示,在业务上,BroadLink每一个部门都是相辅相成的,通过TOC事业部,其能够及时获知用户的反馈,从而进一步对产品和解决方案进行优化。而通过TOB事业部,BroadLink连接了众多的厂家及产品,实现了数据的互联互通,从而打造了一个拥有众多智能家居产品、能够良性发展的生态圈,这也是BroadLink在智能家居布局上的一大核心优势。基于用户的反馈以及生态圈的搭建,在智能家居的布局和市场竞争上,实现产业循环的BroadLink已然具备了不小的战斗力。

BroadLink刘宗孺:市场进入拐点,要让智能家居更多学会自主学习

市场已爆发,要让智能家居更多学会“自主学习”

当下,机器人、智能音箱、智能空调……越来越多的智能家居走进了人们的家庭生活,为以往繁琐、单一的生活方式带来了一些智能、一些不同。“智能家居已经发展到了一个真正的拐点,一个爆发期。”刘宗孺表示,其中,原因主要在于三点:技术的积累已经达到了一定程度、用户的需求逐步增长以及房地产行业对于智能家居的需求旺盛。

我们可以看到,在接入网络的前提下,语音控制、手机远程操控已经成为了当前智能家居产品的主要特性。的确,在某种程度上,这些智能化的操作给用户带来了极大的便利,不过,“传统的智能只是控制方式的转移”也是一个不容辩解的事实。

近期以来,“数据智能”的概念正在被越来越多的人所提及:与AI相结合,机器能够有自己学习的能力,通过使用习惯、各种传感器设备之间的数据交互,让机器能够“主动”的为用户服务。这也是在生态圈之外,BroadLink在智能家居布局上正在做的另一件事。

BroadLink刘宗孺:市场进入拐点,要让智能家居更多学会自主学习

针对智能家居的发展,刘宗孺将其划分为三个阶段,分别是IoT-智能硬件时代、IoT-互联互通时代、IoVT-虚拟世界时代。在采访中,刘宗孺表示,在“IoVT-虚拟世界时代”,物理世界和虚拟世界之间将实现打通,而现当下,智能家居已经发展到了第三个阶段。就其本质来说,“IoVT-虚拟世界”似乎就是“数据智能”的一个体现。

举个例子,传统的智能空调是通过手机或是类似于智能音响的智能家居控制中枢来进行一对一的控制,而在“IoVT-虚拟世界时代”,其将以一种虚拟的形态存在于数字世界中,从而与更多的物联网设备、信息发生互联,成为一个能根据不同信息智能运行的VT设备。比方说,当用户说出“我很热”这句话时,智能家居系统会对传感器所收集到的室内外温湿度等多种数据进行分析,再结合家中现有的空调、电扇等设备,从而做出最后的结论,“主动”进行相关操作,打开空调或是打开风扇等等。这就是对数据的一种“智能化”。

当数据实现智能化,在很多场景中,用户或将不再需要特地对着智能家电或是一些控制终端下达明确的指令,而智能家居将变得真正“智能”和便捷。

BroadLink刘宗孺:市场进入拐点,要让智能家居更多学会自主学习

与此同时,除了用户体验的上升,“数据智能”也是智能家居成为刚需、进一步打开市场的一个重要因素。刘宗孺称,智能家居要变成刚需或者爆发性产品的话,一定是在结合AI之后,化繁为简让用户觉得智能家居方便、快捷、节能、环保。

此前在传统的智能家居中,仅仅一个控制方式的转移并不能非常有效的转变用户长久以来的行为习惯,这也就意味着,用户即使买了智能家电等设备,也极有可能不会持久性的挖掘产品的智能功能,或者说很快就会将这些功能弃之一旁,对于智能家居而言,这并不是一个令人高兴的现象,也从侧面说明了智能家居还处于一个“非刚需”的阶段,而市场能够真正打开的一个条件是“智能家居成为刚需”。当下,通过“数据智能”,智能家居设备将能够更多的学会“自主学习”,这也是接下来市场发展的一个趋势


原文发布时间: 2017-03-29 18:08
本文作者: 韩璐
本文来自云栖社区合作伙伴镁客网,了解相关信息可以关注镁客网。

这篇关于「镁客·请讲」BroadLink刘宗孺:市场进入拐点,要让智能家居更多学会“自主学习”...的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/341786

相关文章

HarmonyOS学习(七)——UI(五)常用布局总结

自适应布局 1.1、线性布局(LinearLayout) 通过线性容器Row和Column实现线性布局。Column容器内的子组件按照垂直方向排列,Row组件中的子组件按照水平方向排列。 属性说明space通过space参数设置主轴上子组件的间距,达到各子组件在排列上的等间距效果alignItems设置子组件在交叉轴上的对齐方式,且在各类尺寸屏幕上表现一致,其中交叉轴为垂直时,取值为Vert

Ilya-AI分享的他在OpenAI学习到的15个提示工程技巧

Ilya(不是本人,claude AI)在社交媒体上分享了他在OpenAI学习到的15个Prompt撰写技巧。 以下是详细的内容: 提示精确化:在编写提示时,力求表达清晰准确。清楚地阐述任务需求和概念定义至关重要。例:不用"分析文本",而用"判断这段话的情感倾向:积极、消极还是中性"。 快速迭代:善于快速连续调整提示。熟练的提示工程师能够灵活地进行多轮优化。例:从"总结文章"到"用

【前端学习】AntV G6-08 深入图形与图形分组、自定义节点、节点动画(下)

【课程链接】 AntV G6:深入图形与图形分组、自定义节点、节点动画(下)_哔哩哔哩_bilibili 本章十吾老师讲解了一个复杂的自定义节点中,应该怎样去计算和绘制图形,如何给一个图形制作不间断的动画,以及在鼠标事件之后产生动画。(有点难,需要好好理解) <!DOCTYPE html><html><head><meta charset="UTF-8"><title>06

学习hash总结

2014/1/29/   最近刚开始学hash,名字很陌生,但是hash的思想却很熟悉,以前早就做过此类的题,但是不知道这就是hash思想而已,说白了hash就是一个映射,往往灵活利用数组的下标来实现算法,hash的作用:1、判重;2、统计次数;

零基础学习Redis(10) -- zset类型命令使用

zset是有序集合,内部除了存储元素外,还会存储一个score,存储在zset中的元素会按照score的大小升序排列,不同元素的score可以重复,score相同的元素会按照元素的字典序排列。 1. zset常用命令 1.1 zadd  zadd key [NX | XX] [GT | LT]   [CH] [INCR] score member [score member ...]

【机器学习】高斯过程的基本概念和应用领域以及在python中的实例

引言 高斯过程(Gaussian Process,简称GP)是一种概率模型,用于描述一组随机变量的联合概率分布,其中任何一个有限维度的子集都具有高斯分布 文章目录 引言一、高斯过程1.1 基本定义1.1.1 随机过程1.1.2 高斯分布 1.2 高斯过程的特性1.2.1 联合高斯性1.2.2 均值函数1.2.3 协方差函数(或核函数) 1.3 核函数1.4 高斯过程回归(Gauss

【学习笔记】 陈强-机器学习-Python-Ch15 人工神经网络(1)sklearn

系列文章目录 监督学习:参数方法 【学习笔记】 陈强-机器学习-Python-Ch4 线性回归 【学习笔记】 陈强-机器学习-Python-Ch5 逻辑回归 【课后题练习】 陈强-机器学习-Python-Ch5 逻辑回归(SAheart.csv) 【学习笔记】 陈强-机器学习-Python-Ch6 多项逻辑回归 【学习笔记 及 课后题练习】 陈强-机器学习-Python-Ch7 判别分析 【学

系统架构师考试学习笔记第三篇——架构设计高级知识(20)通信系统架构设计理论与实践

本章知识考点:         第20课时主要学习通信系统架构设计的理论和工作中的实践。根据新版考试大纲,本课时知识点会涉及案例分析题(25分),而在历年考试中,案例题对该部分内容的考查并不多,虽在综合知识选择题目中经常考查,但分值也不高。本课时内容侧重于对知识点的记忆和理解,按照以往的出题规律,通信系统架构设计基础知识点多来源于教材内的基础网络设备、网络架构和教材外最新时事热点技术。本课时知识

线性代数|机器学习-P36在图中找聚类

文章目录 1. 常见图结构2. 谱聚类 感觉后面几节课的内容跨越太大,需要补充太多的知识点,教授讲得内容跨越较大,一般一节课的内容是书本上的一章节内容,所以看视频比较吃力,需要先预习课本内容后才能够很好的理解教授讲解的知识点。 1. 常见图结构 假设我们有如下图结构: Adjacency Matrix:行和列表示的是节点的位置,A[i,j]表示的第 i 个节点和第 j 个

Node.js学习记录(二)

目录 一、express 1、初识express 2、安装express 3、创建并启动web服务器 4、监听 GET&POST 请求、响应内容给客户端 5、获取URL中携带的查询参数 6、获取URL中动态参数 7、静态资源托管 二、工具nodemon 三、express路由 1、express中路由 2、路由的匹配 3、路由模块化 4、路由模块添加前缀 四、中间件