近日，国际数据公司(IDC)发布了《中国人工智能软件及应用(2019下半年)跟踪》报告。据该报告显示，中国机器学习开发平台市场2019年市场规模达2.05亿美元。

        三维激光扫描仪进行数据采集时，由于受到测量设备和环境的影响，建筑物完整的点云数据往往需要在不同位置、不同视角的扫描获得，再对这些点云进行对齐拼接以减小测量误差，这就是点云配准。 

　　机器学习开发平台的部署，包括数据获取、数据准备、模型训练、应用程序集成、模型运维、生产监控以及有明确KPI的业务治理过程。在这个过程中，由框架、算法模型、开发语言等各种工具赋能，由数据科学家、业务分析师、数据架构师和专业人员协作，基于数据建模，不断的进行概念验证，将好的模型部署到生产环境，协作以管理模型运维的全生命周期。

　　例如，在标配的传感器器件中，三维激光扫描仪通常会内置有电子罗盘及GPS部件，可为快速拼接提供及时的参考位置信息。例如，在实际应用中，为适应不同的场景，可将电子罗盘与GNSS-RTK实时动态差分定位技术结合，通过电子罗盘指北定向，结合RTK定位，实现初始定位定向，随后结合内业拼接软件，最终实现自动化精拼接。 

　　算力不断提升、算法模型创新、开源技术发展、厂商加大投入，已经成为了机器学习产业实现快速发展的重要驱动力。其中，算力的提升，对于AI技术的进步与成熟、相关智能产业的应用模式创新等，无疑提供了强大的支撑。

       此外，在外业定向测量中，控制点坐标在被存储的同时，可与内置倾角传感器提供的倾斜补偿信息，共同为现场采集的点云进行位置定位，提供高精度的坐标值，进而大幅提升点云测量及自动拼接精度。
未来，三维激光测量的技术还需要进行不断的探索，增加原始精确度，减少在测量过程中产生的误差，最终完成完全真实的实景三维重现。在测量精度提升及多种传感器集成方面，应尽可能减小误差并提供多种测量功能，例如GPS、罗盘、数据传输、倾角、拍照等，才能更好地满足实际需要。 

　　受益于加速计算技术的不断突破，机器学习、深度学习模型训练和推理速度持续提升，加快推动了AI应用产业化的进程。从厂商情况来看，2020年GTC、英伟达发布了将算力再度提升数十倍的安培架构的A100 GPU。此外，Intel华为昇腾系列，Xilinx Alveo系列、寒武纪等也在特定领域为AI负载提供加速能力。

 

　　单就商业化机器学习开发平台而言，2018年包括硬软服在内的中国机器学习市场达到10亿元人民币，预计2018-2023年五年复合增长率将达到62.0%。当前的机器学习开发平台基本可以提供30种以上的经典机器学习算法，且基本已支持TensorFlow、PyTorch、Caffe等主流框架。不仅是深度学习、机器学习，图算法也开始走向市场，现阶段应用十分普及的是经典机器学习。

 

　　从市场空间来看，对于还没有成熟的AI软件产品的领域，机器学习、深度学习开发平台建设将成为一大趋势，相关头部厂商将借助已有的软件、硬件、系统等技术优势，致力于为行业系统性机器学习体系的完善与健全贡献更大力量。

 

　　虽然机器学习是“显学”，但其发展还是存在不少阻力，其一，人工智能、机器学习等知识相对高深，相应的，掌握这些知识的人也就比较少，因此，各行业发展对于机器学习、图像识别等的人才十分迫切。