【看中国2017年2月11日讯】（接前文）
2、信息技术（IT）发展
信息技术主要指以计算机为核心的数字化处理技术。计算机则可以看作是微电子硬件技术和软件数据技术的集成。现代信息技术可以说从二战后开始大规模发展，从1990年代互联网发展后不断突破，从2010年后开始主导世界产业发展方向。
信息技术主要包含三个部分：搜集/输入技术、储存/处理技术以及传输/发布技术。 每一个环节的技术提升，都对社会产生巨大的影响，引发社会的巨大变化。
A、互联网与传输/发布技术。
互联网发展是信息技术的重大里程碑。在早期，信息技术的发展领域，主要集中在储存和处理技术领域，即一般意义上的计算机领域。 互联网的诞生和发展，代表信息的传输/发布技术上取得重大突破。在互联网热之后，又吸引巨额资金涌向信息技术，并促进前两部分技术的发展。
互联网的发展，为工业4.0奠定信息技术基础。在互联网的推动下，信息技术实现大规模的应用。最初，人们主要利用互联网进行单纯的信息传输，包括浏览新闻，首发Email，相互即时通信等。随着储存/处理技术和互联网带宽急剧提升，互联网创造出大量的虚拟空间，包括网络游戏、网络影视，以及网络商业（网商）。随着无线技术发展，与互联网相衔接，形成大规模无线与有线衔接的互联网络。 无线互联技术发展，对于工业4.0起到重要的基础支柱作用。
在互联网的支持下，前两部分技术开始革命性突破，将引领工业4.0的发展。互联网的发展模式和规模已经基本确定，未来即使进行带宽提升和智能化技术提升，也只是升级的效果。而在未来，信息存储/处理技术和搜集/输入两部分，正在发生革命性变化，不断改变世界的格局。
B、在信息存储/处理技术方面，智能化目前是主要的主要方向。智能化的发展主要分为两个层级，硬件和软件。
智能化是人工智能（AI）的现实化。在20世纪，随着科技不断进步，人们想象出机器人、人造人、以及AI等展望未来的新产品/物种。不过，随着科技研究的深入，人们发现机器人和AI都不容易实现，如同空中楼阁。科技界开始制定更加现实的目标，一步步朝着智能化方向努力。随着硬件能力不断强大，软件水平大幅提升，智能化水平出现飞跃性发展。在现实进步的过程中，智能化开始实现大规模应用，推动工业4.0的进步。
作为智能化的基础，硬件的发展按照既定轨迹，不断升级，成为智能化发展平台。 信息存储技术不断提升，存储容量越来越大。蓝光盘（BD）的单层存储达到25G，在2008年成为索尼复兴的希望。但是，随着互联网带宽不断增加，以及个人硬盘容量快速提升，蓝光盘越来越被忽略。到2016年，个人电脑硬盘容量已经达到1TB 或2TB，而且容量不断升级。在信息处理技术上，因为晶体管电子技术已经接近极限，摩尔定律无法持续，即单核CPU的运算能力接近极限。在这样的情况下，多核CPU出现，并且搭建芯片组，继续提升运算能力。在越来越高的CPU需求下，多层多核、生物芯片等不同构思，但是仍处于理论阶段。在CPU运行速度提升的同时，随即存储（DRAM）速度开始成为瓶颈。而核心处理部分与其它器件的衔接和整合，是更大的瓶颈。随着这些瓶颈的不断打破，硬件储存/处理技术的能力将不断升级，为软件的发展提供更加强大的平台。
在软件方面，智能化发展主要可以划分为三个主要部分，大数据，专业软件发展，机器自我学习。
软件的智能化发展成为驱动信息技术（包括软硬件）的主要动力，也是工业4.0的主要驱动力量。其中，大数据（海量数据处理）则成为软件发展和智能化升级的基础推动力。1997年，Google网站注册，后来成为主要搜索引擎，催生对大数据处理的需求。2006年，Hadoop软件诞生，开始推动大数据普及。2010年开始，大数据的概念被热炒。随后，大数据软件Spark推出，革命性推动大数据升级。在Spark支持下，机器学习获得突飞猛进的发展。展望未来，每2-3年，大数据/软件发展/机器学习的发展，都将上一个新台阶，不断推动工业4.0的迅猛发展。
a、大数据（Big Data），主要指在海量的原始数据中，根据特定的标准，对原始数据进行筛选过滤，得到相对有效用的信息组，并且针对这些有效信息组进行分析和整理。所以，大数据可以看作多功能信息平台，能够实现信息存储、分类、筛选、分析和整理的功能，为学习和决策提供依据。
大数据涵盖范围广泛。通过大数据平台，可以支持容纳海量资讯的天文学、气象学、大型科学实验、医疗卫生、物流仓储、交通运输、网络资讯、经济金融、社会信息等等。 网络资讯包含的门类众多，尤其是随着社交平台的发展，各类与社会生活相关的网络资讯呈现爆发性增长。而网络资讯本身，就反映出社会方方面面的特点。
大数据的发展，对于各主要行业和学科起到重大的支持作用。任何一个行业或者学科的运行和发展，都离不开数据的支持。而且，越是影响广泛的行业或者学科，对数据支持的要求越高。在信息技术不够发达时，无法采集和储存海量数据，也无法对海量数据进行筛选和分析。随着大数据技术的发展，大数据的硬件储存问题解决后，也催生大数据的筛选、分析和整理工具，支持这些行业的发展。
大数据反映工业4.0的关键内在特征。大数据作为海量信息的存储/处理技术平台，隐藏在幕后。除了专业人员之外，并不引发社会的广泛关注。但是，大数据作为工业智能化的主要支柱之一，对于各重大行业的发展，起到重要的支持作用。随着大数据的发展，功能更加强大，对于行业和学科的支持力量更强，支持重大发展和突破。在突破之前，人们并不关注大数据的作用，也不关注行业发展。但是，当行业突破实现时，人们直接感受到突破带来的冲击，再想进行组织或者个人的调整，已经来不及。
随着大数据的发展，与数据直接相关的人力资源需求也随之发生重大转变。 在社会中的各个行业、学科、私营组织、政府机构，存在着庞大的数据助理人员群体。 这个群体帮助决策者采集信息数据、更新数据、分析和整理数据，供决策者进行决策。随着大数据的发展和广泛应用，这个群体中的一部分人员，将被大数据分析整理所替代。
b、专业软件发展，主要指在越来越强大的数据库和信息处理能力基础上，软件编程语言的功能日益强大，软件种类日益丰富，满足更强的功能和各类不同的需求。
软件开发和应用，已经成为一个巨大的产业，大量人员参与软件的设计、开发和应用。随着语言优化，软件开发的覆盖范围越来越广，工作能力日益增强。例如，仅仅在数据分析和处理方面，就有数十种程序软件。这些软件大部分由Java，C，C++等基础程序语言写成，侧重不同的领域或者功能。 随着不同软件的扩展，程序功能日益强大，可以执行的任务越来越多，在数据处理的效率、准确性和及时性上，不断向前进步。
软件开发越来越成为推动商业销售的主要动力。在pc时代，pc的销售成长率，与微软的操作系统发布周期，有着较为显著的联系。在手机时代，苹果公司开发iPhone，其成功不仅在于乔布斯强令iPhone 只能有一个键，更重要的简洁的iOS操作系统，高效利用iPhone中的硬件组合。而Google推出android系统之后，引发大量厂家采用android系统，生产智能手机，与iPhone竞争，意味着智能手机时代的到来。在众多厂家的激烈竞争中，随着iPhone的不断换代，iOS成为支持iPhone高价畅销的核心优势。
软件正在进行大规模替代，减少对辅助型白领人工的需求。在竞争激烈的行业或组织机构中，对于更强大的新软件或者软件应用，具有极为迫切的需求。通过软件应用，机构可以大幅提高人、财、物的使用效率，提高竞争反应速度，降低竞争成本。其中，提高人的使用效率意味着，大量削减辅助岗位的人员，包括财务、行政、营销、销售等部门的人员。在制造业雇佣人员越来越少，服务业人口比重越来越大的情况下，辅助型白领人工占社会的比重也在增大。而随着工业4.0的突破性发展，软件发展和应用也将呈爆发性增长，大规模替代辅助型白领工作。
c、语言优化与机器学习（Self – Learning，machine learning），主要指在非特定程序路径下，机器自己进行学习和提升。 在机器学习中，主要涉及到基本算法（逻辑模式），数据挖掘和分析整理（知识发展），以及学习成长（智能化）。
对于大多数人来说，机器学习的概念仍然相当陌生。说到人工智能（Artificial Intelligence，AI），很多人能够理解，就是机器像人一样具有智力。但是，真实世界的AI，并不是人们普遍想象的那样。涉及到AI，人们需要问，真实的AI如何形成智力？AI与人的智能根本差别在哪里？AI的极限在哪里？这些问题是人工智能的核心。当涉及到核心问题的时候，往往就变成非常专业的内容，大多数人既不了解，也不很关心。
在理论上，机器学习主要包括几个部分：i、基本算法，由人脑的逻辑思维模式和脑神经构造分析等内容的基础上形成，是机器学习的基础和前提；ii、数据挖掘与外延概率，对历史上积累的案例进行数据挖掘，并且合理运用外延概率模式；iii、概率总结与推断，通过对数据的概率进行总结，推断出大致决策区间。iv、决策与优化，根据基本算法，计算决策模式，并且对决策进行优化。在现实中，机器学习的设计者，根据实际情况，对计算机的几个部分进行调整，支持计算机自我学习能力的优化，即更强大、更灵活的现实应对能力。
虽然研究AI的人少，但是形成的结果，却影响几乎所有的人。 在这个专业领域中，只有很少的人持续进行理论研究和
应用研究，并且在这些研究的基础上，进行相应的程序开发，实现机器的自我学习能力，不断提高智能水平。当这些人取得显著成果之后，逐渐将成果应用到现实中，将改变整个世界的轨迹，也影响绝大多数人的生活。
2016年，Google的阿尔法狗（AlphaGo）出现，意味着智能化的里程碑式突破。在1997年，重达1.4吨的“深蓝”大型计算机，与国际象棋大师卡斯帕罗夫的多局战成平局，意味着在国际象棋上，电脑的运算能力已经超过人脑。不过，电脑获胜的方式只是具体程序下运算能力的胜利，还没有达到智能博弈的程度。如果按照这种方式，电脑在围棋上战胜人类的道路还遥不可及。但是，在近20年后的2016年，阿尔法狗出现。 阿尔法狗出现后，以5：0完胜围棋欧洲冠军，引起一定注意力。3月，阿尔法狗挑战世界冠军韩国棋手李世石，并以4：1获胜，得到巨大的轰动效应。7月，阿尔法狗在积分上超越柯洁，成为世界排名第一的棋手。
阿尔法狗在升级后，甚至不依靠人类的经验，而持续强化自我学习能力。据说阿尔法狗在战胜李世石后，Google项目组DeepMind再度修改阿尔法狗的自我学习程序。据说，阿尔法狗不再学习围棋界传统的模式，甚至不学习人类的棋谱，而是通过超过2000万局的自我博弈，不断获得水平提升。 2016年末，升级后的阿尔法狗以Master的ID 在围棋网站上出现，以快棋60：0的战绩，横扫中韩日所有的围棋冠军。柯洁哀叹：“人类千年的实战演练进化，计算机却告诉我们，人类全都是错的……”
阿尔法狗意味着机器学习达到新的阶段。围棋不仅因为众多的位置，具有极大的变数。更因为围棋规则，需要复杂的思维能力。有网友评论说，在国际象棋上获胜，如同获得战役的胜利；而在围棋上获胜，则可以看作赢得战争。阿尔法狗能够横扫中韩日顶尖棋手，说明机器学习已经达到相当的能力水平，快速学习、快速反应、快速提升。
阿尔法狗的胜利，意味着人工智能领域中，出现新的强大力量。目前，不少科技公司积极开发人工智能，并且推动在商用领域的应用。而阿尔法狗的成功，意味着人工智能领域的竞争，加入一个重要的高端成员。阿狗算法的改变，直接反映为更强的学习能力。阿狗经过一定的改变，就可以应用在一些其它领域，包括研究开发领域。而阿狗进入市场，也会刺激竞争者加快AI的研发，不断以新的思路丰富AI，提高AI的发展速度。
由于学习曲线的作用，机器的智能化水平提升将不断加速。机器的智能化与人具有关键的区别，即持续性和时代性。人的学习具有间断性和重复性的特点，人不能持续学习，对一件事的记忆往往需要重复多次。从代际的角度，随着时间的推移，年轻人必须从零开始，重复学习。与之相对比，机器可以不间断学习，而且是快速学习，学习过程和结果也在不断积累。而且，机器学习的过程，持续对最新的数据进展采样，不会落后于时代。而且，在更强大的硬件支持下，机器学习可以同时利用更多的算法，进行交叉学习和提升，实现越来越高的计算能力。
随着更多算法的应用，机器还能够形成记忆和预测能力。阿狗虽然计算能力强大，但是缺乏连续记忆能力，难以实现预测。而随着无人驾驶软件的进步，设计的软件需要具有一定的记忆能力。例如，机器必须根据其它汽车过去的运动轨迹和状况，预测到其它汽车的运动方向和速度。根据这些记忆和预测，自动驾驶的汽车能够做出合理的判断，正确地实施直线、变线、加速和减速等行为，不与其它汽车碰撞。这些算法的应用和改善，能够将智能化应用在更多的领域。
在另外一个很少人关注的领域 ---无人机战斗，AI的发展引起了五角大楼的关注。另一个叫做ALPHA 的软件，由一个小微公司PSIBERNETIX开发，在模拟空战中以AI打败人的操作。与AI对战的，是有丰富经验的原空军战斗教官/经理 Gene Lee， Lee在空军作战司令部中参与了F35A，F22, 全球鹰等项目。在所有的超视距导弹空战中，在每次进行延时对抗时，Lee反复试了很多次，但是没有一次打中AI，反而总是被锁定击中。Lee说：“它似乎很明白我的意图，对我的飞行变线和导弹部署即时反应。它知道怎么打败我的进攻。在需要的时候，它能够立即选择采取进攻或者防守的行动。” 在机理上，这个软件利用模糊逻辑算法，突破了人决策思维中的一个瓶颈，可以接受巨大的信息流，并且迅速做出决策。
在应用上，人工智能开始替代专业工作。据日本保险巨头Fukoku Mutual Life宣布，从2017年开始应用IBM公司开发的Watson AI系统，裁减近30%的保险理赔评估部门员工。IBM称，此系统可以像人类一样思考，并且可以分析和理解所有数据，这些数据包括结构化文本、图像、音频和视频等等。该系统将负责阅读医生撰写的医疗证明和其他文件，以及收集医疗记录、住院信息、手术名称等保险理赔资金所必须的信息，除了这些，该人工智能系统还能核对客户的保险合同并且确定一些特殊保险条款等等。不过该系统只能负责简单的收集、整理、核查类的工作，最终的赔付等决策还需要专门的人员作出。
日企保险公司裁人的事件，可以看作机器批量替代专业人员的集体事件，因此被广泛报道。而在更广泛的领域，很多专业工作已经开始被无声无息地取代。例如，在医疗领域的实验性项目中，AI已经能够诊断病情，而且水平不断提高。在软件开发领域，不少软件系统本身也在升级，很多简单程序已经不需要进行编程，只需要简单的指令就能自动生成，开始淘汰最初级的程序员。在软件翻译领域，翻译软件水平的提高更是有目共睹。在2年前，Google的中英文翻译仍然相当原始，语言错误的情形相当普遍。 而现在，翻译水平已经相当高，已经超过很多初级翻译人员的水平。这些变化都在不知不觉中发生，开始静悄悄地替代各行业、各职业的中低级白领专业人员。
随着人工智能的加速发展，对于中高级专业人员的替代也将加速。围棋赛除了竞争之外，更多作用在于表演，通过表演获得主要的商业价值。如果只是竞争作用，阿狗的出现，可以直接让所有中韩日的职业棋手失业。而对于竞争主导的行业，当人工智能超过中高级专业人员，以机器替代专业人员。所以，随着AI的发展，商业化应用日益普及，中高级专业人员也将被逐步替代。
根据时间长短，专业人员的替代将以梯级方式实现。首先，AI将对中初级专业人员进行大规模替代。目前，智能较低的AI系统已经基本成熟，开始进行商业推广。如果在商业应用初期，能够得到较好的效果，会在很短时间内获得普及。而且，AI在普及的过程中，也在继续学习提升，替代能力日益增强。随后，在IT企业积极推销，以及客户需求的共同作用下，AI将加快普及。例如，日企保险公司采用AI后，如果达到预期效果，会进一步裁人，代之以AI。其它保险公司看到竞争对手的真实效益后，也会快速跟进，采用类似的AI服务。随后，IT企业会开发其他行业的特定AI服务，替代其它行业中的中初级专业人员。
随着AI的不断发展，机器将开始替代中高级专业人员。在学习曲线的早期，AI主要处于研究和发展阶段。 例如，阿狗虽然已经非常强大，但仍然在不断优化，力求达到更强的学习能力。而阿狗的学习模式成熟后，需要一段时间进行商用研发。在商用研发之后，通过实验性应用，检验工作效率和效果，因此时间具有滞后性。而一旦开始商业推广，才向目标市场表现出强大的能力。当较为高级的AI商用后，将有能力替代部分、甚至大部分中高级专业人员。
C、信息搜集/输入技术。 信息搜集技术的应用已经相当广泛，GPS可以看作是覆盖范围最大的信息搜集系统。同时，信息搜集/输入技术存在广泛的发展空间，也是未来智能化社会的最重要发展领域。
信息搜集技术主要指信息的搜集、探测和感知等技术，是信息技术与现实世界的衔接部分。搜集技术主要包括图像、遥感和传感三大类，具体有卫星遥感和成像技术、红外遥感技术、次声和超生遥感技术、一般照相摄像技术、以及十大类传感器 --热敏元件、光敏元件、气敏元件、力敏元件、磁敏元件、湿敏元件、声敏元件、放射线敏感元件、色敏元件和味敏元件及相应智能传感系统等。另外，还有人工辨识的标签——RFID。
信息技术如同一个巨人。其中，信息储存/处理技术如同大脑，负责信息的处理和思考；互联网和无线互联如同神经网络，负责信息的传输和发布；而信息搜集技术则如同身体，通过视觉、听觉、触觉，感受外部世界的状态。 在搜集技术的支持下，信息技术能够从孤立的计算机模式（主要由人输入资讯），变成智能化自适应信息系统，与真实的外部世界互动。在阿狗横扫中韩日棋手后，不少人说“天网”已经成形（参见施瓦辛格主演的《终结者》）。实际上，阿狗等AI并不是天网的代表，各类信息搜集器件才是。
在过去几年，物联网（Internet of Things, IoT）的概念一度被热炒。 物联网指的是，以大数据为基础，互联网/无线网为载体，将各种独立的物体联系起来，实现各种普通物体的互联互通。物联网通过对人和设备的监控，进行相互间的即时通讯，组成智能环境（智能家居、智能办公、智能工厂）、智能运输和物流、个人医疗健康的即时监控等系统。
各种传感设备器材，将不同的物体联系起来。例如，按照人们的设想，智能家居通过物联网技术将家中的各种设备联系起来，包括安防系统、照明系统、空调系统、家居电器、娱乐设备等，相互连接到一起。通过网络化，自动化，集约化的组合导向，让家居变得更舒适、更高效和更节约。而要实现这个场景，就需要各种传感器材，贴近或者植入不同的物体中，随时感知物体状态，并将相应的数据传递到中央操控系统。
伴随物联网概念，RFID（ Radio Frequency Identification）也被热炒。RFID即无线射频识别， 俗称电子标签。RFID 技术是一种非接触式的自动识别技术， 它通过射频信号自动识别目标对象并获取相关数据，识别工 作无需人工干预，可工作于各种恶劣环境。RFID 技术可识别 高速运动物体并可同时识别多个标签，操作快捷方便，非常适用于物料跟踪、运载工具和货架识别等场合。目前，物联网和RFID的概念热潮过去，欧美日等国的企业都在投入巨资，大力推动RFID技术发展，尤其是成本降低，以支持物联网的发展。根据评估，如果RFID得到广泛应用，能够降低10-30%的物流积压，而且能够显著减少被盗遗失等问题。
最近，汽车自动驾驶成为热门，吸引巨额资金投入。汽车的自动驾驶，涉及到两个主要部分，汽车和自动驾驶。而看到汽车驾驶的广阔未来之后，不论主要的汽车巨头，还是苹果和Google等IT巨头，都对自动驾驶进行大规模投资。 其中，最为关键的部分在于，各种传感设备经过长期的开发和生产，成本已经低到可以大规模应用的水平。即使中低端车，也可以附带摄像头和距离传感器，帮助驾驶员更容易操作汽车。而且，在一些中档车中，只需要加少许的钱，就可以加装与自动结束相关的安全装备，例如多摄像头和距离感应装置，以减少变线等行为时出现的碰撞风险。在不少高档车中，已经开始应用最基本的自动驾驶功能，例如防碰撞的自动减速功能，让驾驶变得更轻松。
对于汽车和IT巨头，完全的自动驾驶意味着无比庞大的工程。如果想实现大量汽车的自动驾驶，而且防止出现大规模的交通事故，汽车的自动驾驶功能只是其中的一小部分，更主要的在于改变交通运输系统。通过对交通运输的改造，让自动驾驶汽车随时与交通系统保持联络和互动，提高驾驶的效率，降低事故比例。而改造交通系统，就需要大规模投资各种信息搜集技术，尤其是摄像头和传感器。 这些器材传输的信息，随时进入交通运输的大数据系统进行处理。在数据处理后，传输到各个GPS接收器或者自动驾驶汽车的储存/处理器上，供驾驶者/驾驶处理器进行参考和决策。
智能家居的发展倾向，反映市场的真实需求。 在最初，厂家宣传智能家居时，着重渲染舒适性和便利性。例如，强调某个人准备回家，开启家里的微波炉/烤箱。回到家中，家里的饭菜已经热好，直接享受美食。但是，有多少人使用这种便利？ 可以说寥寥无几。同时，智能家居的发展具有显著的倾斜性。日本的智能家居发展速度，远远超越美国。而日本家居智能的主要导向是节电。如果具体了解，就会发现，日本电费高，而且居住密集，日本民众可以利用智能家居，既节电，又可以将未使用的太阳能电池板发电部分卖回给电网系统。而美国电费便宜，美国的智能家居很大规模投资到安防系统，保护家庭的财产和生命安全。 所以，当人们使用智能化时，最终的目标仍然是更省钱和更安全。
可以说，省钱和安全决定了物联网的方向，也决定了劳动力市场方向。例如，虽然自动驾驶具有广阔的前景，但是对于大多数人来说，需求的动力不足。因为，如果考虑到自动驾驶的巨额投资，以及带来的少许便利性，而且自动驾驶对于路况差异的适应性能力仍然不足，所以大多数人宁愿选择自己开车。而自动驾驶真正的突破方向，首先必然从省钱开始。 考虑到省钱，就可以看到自动驾驶的首要目标，是大货车的自动驾驶。
中长途货运的卡车运输正在面临大规模的变化。2017年初，Amazon决定在仓库中，继续大幅增加机器人使用，增幅达到50%。其中，很多所谓的机器人，就是自动驾驶货物搬运机。 有了自动搬运机，可以替代大量的叉车工人。而自动驾驶的大货车，类似于Amazon自动搬运机，只不过是户外扩大版。自动驾驶大货车主要在高速公路上奔跑，并且在高速公路附近的仓库装卸货物。高速公路的路况简单，大货车的行驶线路简单，所以自动驾驶的操作也相对简单。而且，在以高速公路为主的路段，不论GPS导航，传感器和摄像头设置，都较为简单，投资较少。而且，一旦大货车实现自动驾驶，在美国能够替代大量的大货车司机，这个人群的数量达到几十万人，能够节约大量的成本。
在物流行业中，不仅长途货运卡车司机面临失业危险，中短途货运的中高收入人员，也面临大量失业的风险。例如，在零售业的快件投递业务上，不论零售业巨头，还是物流企业巨头，都在积极采取最新科技。2013年11月，德国快递业巨头DHL进行无人机送货的测试，在2分钟内行驶了1公里。2016年12月，Amazon在英国农村地区，成功进行了第一次无人机递送包裹的现实商业操作，无人机根据GPS 导航，到达收件人家土地的草坪，找到安全地点投放后返航。Amazon表示，计划开展无人机投递的商业操作，首先从农村开始，再到郊区，再发展到城镇和市区。美国有大面积中产居住的郊区，是各类消费的主力。如果无人机递送普及，可以节约大量的人力和财力，同时也意味着大量的人员失业。
在物联网中，大量人员职位正在加速被替代。 在智能工厂、智能仓库等环节，机器替代人的趋势不断加强。在2016年，沃尔玛不仅计划采用无人机进行快件投递，更准备将无人机用于仓储管理。沃尔玛说，其无人机上的相机和技术是量身定做的。遥控无人机能够每秒拍摄30张过道上商品的照片，以提醒库存管理员及时补充或改正放错位置的商品，
此外还能够显著减少耗费人力的检查库存的时间。现在人工检查库存需要一个月的时间，而用无人机只需要一天。沃尔
玛还强调，目前还在测试的初期阶段，还在了解怎样在不同的业务领域更好地利用无人机。从这句话可以看出，迫于竞争压力，企业都在试图创新地使用目前的信息技术，以降低成本、提高效率。而且，只要一家找出新的方法，就会引发快速普及使用，也意味着对相应的工作人员进行替代。
（待续， 中国经济文化研究所供稿）
