除此之外，我們在無人機上部署雷達、激光，這在太空當中，在衛(wèi)星上做不到，我們不光進行3D建模，而且基于云的大數(shù)據(jù)分析和機器學習、深度學習的能 力融入進去。但是過去的問題是數(shù)據(jù)從哪兒來，我們有沒有實時的處理和分析能力，誰會用到這樣的數(shù)據(jù)，我們的起步是智能手機產(chǎn)業(yè)，我們有一個基本的理念，就 是互聯(lián)互通的設(shè)備、聯(lián)網(wǎng)的設(shè)備，航空業(yè)把無人機當作一架飛機來看。有些公司把無人機看作是產(chǎn)品，我們把無人機看作又一種聯(lián)網(wǎng)的產(chǎn)品，就像手機或者是聯(lián)網(wǎng)汽 車一樣，你的手機本身并不意味著什么，只有聯(lián)上了各種各樣的服務(wù)，才能使智能手機變的非常強大。如果你把設(shè)備連接到互聯(lián)網(wǎng)當中，并且和傳感的能力結(jié)合在一 起，這樣才能實現(xiàn)智能化，把云當中的人工智能和無人機當中的傳感器實時結(jié)合在一起，使得無人機解決方案變的格外強大，我們能夠把它作為一個完整的堆棧進行 設(shè)計，能夠匯聚基于智能手機行業(yè)方方面面的創(chuàng)新，一年半以后，我們將會有兩百多萬架商用無人機，它們每天能夠產(chǎn)生1.3GB的數(shù)據(jù)，加在一起每天是3PB 的數(shù)據(jù)。我們?nèi)绾文軌蜃屧朴嬎阆到y(tǒng)足夠高效，能夠自動分析，并且把分析的結(jié)果做一個有用的展現(xiàn)，不光是數(shù)據(jù)，而且是可供決策的數(shù)據(jù)解決方案，并不是簡單的 產(chǎn)品。

剛才我們講到了機器學習、深度學習，這也是云計算、人工智能下一代的發(fā)展，而且無人機也會成為大數(shù)據(jù)系統(tǒng)的重要組成部分。

無人機幫助你們以自己看不到的形式進行三維識別的展現(xiàn)，首先是空中視圖，讓我們有三維空中。二是除了視覺之外，它還用鏡紅外光和多色譜進行觀察，實 際上無人機是四維機器人，第四維是哪個緯度呢？就是時間，可以看到你觀察的對象在各個時間段的變化。我們能夠?qū)τ诿恳粋€時間點做快照式的展現(xiàn)，每個小時、 每天你都在收集同樣的數(shù)據(jù)，然后把它都保存下來，這樣我們能夠前前后后的進行檢索，能夠看到前后的變化，可以看到標準的偏移。以及可以看到視覺的變化，把 光照和氣候非必要的因素給過濾出去，然后看到一些最本質(zhì)的變化。

比如說這樣的工地，它到底發(fā)生了什么樣的變化，誰帶來了什么樣的變化。另外是安保監(jiān)控攝象頭，大家可以看到這是一個安保的攝象頭，在這里我們也增加 了時間的緯度，他們的背景是靜止的，前景的變化都會有一個時間的標簽，這是今天的安保攝象頭能夠做到的。實際上無人機就是一個動態(tài)的攝象頭，每次都按照同 樣的一條路徑去分析和進行拍攝。我們能夠捕獲到最小程度的變化，在圖象處理過程當中，最大的挑戰(zhàn)就是要把所有收集到的數(shù)據(jù)轉(zhuǎn)變成，我身后的圖片，給這些變 化都加上一個時間的標簽，這樣能夠看到你過去看不到的數(shù)據(jù)。

昨天有一個人在房間當中，明天又會有一個人在這個位置上。我們可以通過數(shù)據(jù)的收集，并且從空中數(shù)據(jù)的收集，比任何一個光譜和色譜都可以觀察到這些變 化，并且將這些數(shù)據(jù)的變化轉(zhuǎn)變成可供決策的信息，這樣我們把技術(shù)最后一個缺失的環(huán)閉合上，我們對能夠衡量到一切加以管理和使用，謝謝大家。