2018年人工智能領(lǐng)域研發(fā)熱點回眸

#本文僅代表作者觀點，不代表IPRdaily立場#

原標(biāo)題：2018年人工智能領(lǐng)域研發(fā)熱點回眸

引言

從2006年加拿大Hinton教授提出深度學(xué)習(xí)技術(shù)開始[1]，到2012年ImageNet競賽在圖像識別領(lǐng)域帶來的突破[2]，如今，人工智能的第三次發(fā)展浪潮到來。不同于80年代隨著神經(jīng)網(wǎng)絡(luò)而來的技術(shù)進(jìn)步無法走進(jìn)現(xiàn)實的困境，這一次的發(fā)展浪潮真正帶來了技術(shù)的落地，商業(yè)化道路也走得更加順暢。隨后的每一年，人工智能技術(shù)都在突飛猛進(jìn)地發(fā)展，應(yīng)用成果如雨后春筍般涌現(xiàn)。海量的數(shù)據(jù)，不斷優(yōu)化的算法，以及與之匹配發(fā)展的計算機運算能力，都為更多的發(fā)展可能性及應(yīng)用可能性提供了廣闊的舞臺。而隨著人工智能在越來越多的方面落地，人們越來越多地感受到人工智能對于生活的改變，接受程度逐漸提升。

 01   人機融合智能

除了技術(shù)產(chǎn)品化的道路拓寬以外，當(dāng)下的人工智能還有許多亟待發(fā)展和研究的方向。它的以下特點推動它在第三次發(fā)展浪潮中前往更具突破性的階段，分別為：從人工知識表達(dá)技術(shù)到大數(shù)據(jù)驅(qū)動知識學(xué)習(xí)；從處理單一的數(shù)據(jù)到跨媒體認(rèn)識、學(xué)習(xí)和推理；從追求“機器智能”到邁向人機混合的增強智能；從聚焦“個體智能”到基于互聯(lián)網(wǎng)絡(luò)的群體智能；從機器人到自主無人系統(tǒng)[3]。

其中，人機混合的增強智能即為將人類智能與人工智能進(jìn)行結(jié)合，邁向新的智能階段，此為人機融合智能。近年來，人機融合越來越成為人工智能領(lǐng)域的熱詞。2018年10月11日，美國“防務(wù)一號”網(wǎng)站發(fā)表刊文表示美國軍方高級情報員越來越擔(dān)心中國在人工智能等“提升人類效率”方面的研究[4]。美國國防情報局(DIA)局長羅伯特?阿什利(Robert Ashley)在舉行的美國陸軍協(xié)會(Association of the U.S. Army)年度會議上表示，“人機融合”是顛覆性技術(shù)的一個“關(guān)鍵領(lǐng)域”，將會影響美國的國家安全。他認(rèn)為“中國在研究神經(jīng)網(wǎng)絡(luò)和人工智能方面所作的努力是一個分階段的過程，希望最終達(dá)到‘人與機器的融合’的程度”[5]。

圖1   機器人向著人機融合的方向發(fā)展[4]

Fig. 1  Robot is developing towards the direction of human-machine fusion

在人工智能研究的領(lǐng)域，更快的計算并不是我們希望達(dá)到的最終目的，而讓計算機變得越來越與人融合，最終達(dá)到人機融合智能，才是最終的發(fā)展方向。當(dāng)前人工智能雖然普及了眾多的應(yīng)用形式，但是依然以計算為中心、難以突破意識壁壘，而能夠融合意識與計算特性的人類智能和人工智能融合智能體，即為人機融合智能。

人機融合智能研究是智能技術(shù)發(fā)展到一定程度的產(chǎn)物，它既包括人工智能的技術(shù)研究，也包括機器與人、機器與環(huán)境及人、機、環(huán)境之間關(guān)系的探索。人機融合智能研究不僅僅要考慮機器技術(shù)的高速發(fā)展，更要考慮交互主體-人類的思維與認(rèn)知方式，讓機器與人類各司其職，互相促進(jìn)，這才是人工智能真正的前景與趨勢[6]。

 02   群體智能

在上文中提到的人工智能發(fā)展的特點中，人工智能是從聚焦“個體智能”到基于互聯(lián)網(wǎng)絡(luò)的群體智能。群體智能是源于對螞蟻、蜜蜂等為代表的社會性昆蟲的群體行為的研究，最早被用在細(xì)胞機器人系統(tǒng)的描述中。它具有分布式無中心的控制，并且群體自組織性[7]。

在自然界中，集群的方式可以讓簡單的生物展現(xiàn)出驚人的復(fù)雜性、效率甚至創(chuàng)造力。在人工智能領(lǐng)域，可以通過這種方法產(chǎn)生一種新的智能，像超級專家一樣“共同思考”。通過隨機擴(kuò)散搜索、蟻群優(yōu)化、粒子群優(yōu)化等算法，群體智能已應(yīng)用在了無線通信、醫(yī)療、無人駕駛、藝術(shù)創(chuàng)作等方面[8]。

如今，Unanimous A.I.公司就在致力于研究群體智能，希望能夠?qū)?shù)百人的知識、智慧、洞察以及知覺通過算法連接起來。該公司研制的SWARM平臺等軟件可以通過實時閉環(huán)控制系統(tǒng)將分布式網(wǎng)絡(luò)組織成“人群”，能夠聚集人類參與者的集體智慧以得出意見。它成功預(yù)測了奧斯卡，超級碗比賽，以及法國大選的結(jié)果[9]。該系統(tǒng)對2017-2018賽季20周的NHL曲棍球比賽進(jìn)行了預(yù)測，得到了85%的成功率，超過了維加斯博彩市場的22%[10]。除了比賽和票選等預(yù)測活動，該群體智能方法還應(yīng)用到了醫(yī)療領(lǐng)域，其診斷肺炎的準(zhǔn)確率比單獨工作的放射科醫(yī)生團(tuán)隊高出22%[11]。

圖2   進(jìn)行肺炎診斷的ASI（人工群體智能） [11]

Fig. 2   ASI(Artificial Swarm Intelligence) in the diagnosis of pneumonia

 03   認(rèn)知計算

認(rèn)知是人與世界交互的重要過程，認(rèn)知計算旨在模仿人類大腦的計算系統(tǒng)，讓計算機像人一樣認(rèn)知和思考。只有實現(xiàn)了認(rèn)知計算，才能真正實現(xiàn)可以學(xué)習(xí)并與人類自然交互的系統(tǒng)。從20世紀(jì)開始，人們通過單一用途的機械系統(tǒng)指示機器的行動，此為“制表時代”；在20世紀(jì)50年代進(jìn)入了“編程時代”，人們通過編程的方式控制計算設(shè)備；從2011年起，人們就將認(rèn)知計算列為了人工智能發(fā)展的目標(biāo)，開始進(jìn)入“認(rèn)知時代”。在群體智能方面，我們借鑒了螞蟻等生物的啟示，而在認(rèn)知計算里，我們依然要聚焦于生物，研究認(rèn)知的整個過程。在認(rèn)知計算中，系統(tǒng)通過大規(guī)模的學(xué)習(xí)，有目的、理性、自然地與人類進(jìn)行互動。認(rèn)知計算讓機器不僅僅通過編程來執(zhí)行指令，而是通過與人類的互動以及它們對環(huán)境的體驗來學(xué)習(xí)和推理。它能夠模擬人類的思維過程，理解世界的模糊性和不確定性。通過權(quán)衡來自多個來源的信息和想法，進(jìn)行推理并提供假設(shè)[12][13]。

IBM的Watson系統(tǒng)是其中最有名的認(rèn)知系統(tǒng)。它通過篩選大量的數(shù)據(jù)庫獲取信息，以問答的形式幫助用戶回答對復(fù)雜問題的見解。通過認(rèn)知計算的方式，它可以不斷地從用戶互動中獲取數(shù)據(jù)，變得更加聰明。它目前已經(jīng)成為了一個具有認(rèn)知計算能力的生態(tài)系統(tǒng)，可不斷地衍生出各種行業(yè)解決方案，被應(yīng)用于醫(yī)療、天氣預(yù)測法律顧問等方面。今年該平臺被用在了教育領(lǐng)域，瑞典的一個研究小組開發(fā)出了一個使用IBM Watson系統(tǒng)的學(xué)習(xí)并行編程的助手，在實際教學(xué)實驗中獲得了學(xué)生的好評[14]。

認(rèn)知計算的發(fā)展需要我們不斷地對人的認(rèn)知過程進(jìn)行研究。其中，態(tài)勢感知的研究也屬于認(rèn)知計算領(lǐng)域。態(tài)勢感知將人的認(rèn)知過程分為三個獨立的層次，分別為：對環(huán)境中元素的感知，對當(dāng)前形勢的理解，對未來狀況的預(yù)測[15]。通過建模和結(jié)構(gòu)化的思想，可以將人的認(rèn)知過程量化為態(tài)勢感知程度。除此之外，人們也在不斷的通過其他方式對人類的認(rèn)知過程進(jìn)行量化，試圖通過計算機來進(jìn)行模擬和計算。認(rèn)知學(xué)可能是人工智能下一步發(fā)展的突破口。

 04   情感計算

在計算機的認(rèn)知、學(xué)習(xí)、記憶和言語的水平都在逐漸提高的同時，我們也必須意識到，讓計算機具有能夠感知和理解人的情感，并且針對人的情感做出相應(yīng)合適反應(yīng)的能力，是讓計算機具有更高的、全面的智能的必經(jīng)之路。早在2006年，在Minsky的著作《情感機器》中就提出“人工智能=認(rèn)知智能+情感智能”的說法[16]。情感計算的加入能夠大大拓寬人工智能的應(yīng)用領(lǐng)域。根據(jù)手段的不同，情感計算研究主要分為基于視覺，基于語音，基于文本及基于腦補信息和多模態(tài)信息的情感分析。

圖3   通過多種可穿戴運動傳感器捕捉微妙的心臟運動[18]

Fig. 3   Capture subtle cardiac motions by multiple
wearable motion sensors

許多研究機構(gòu)及情感計算工具公司都在不斷對情感計算領(lǐng)域進(jìn)行探索，例如：麻省理工學(xué)院媒體實驗室，Microsoft VIBE團(tuán)隊，Emotient公司等。他們力求達(dá)到更精準(zhǔn)的情緒識別，并且不斷開拓新的應(yīng)用領(lǐng)域。從研究設(shè)備上，由于得到更多樣的可穿戴設(shè)備支持，今年有許多有關(guān)可穿戴設(shè)備進(jìn)行情感測量的研究涌現(xiàn)，例如：通過可穿戴設(shè)備獲取運動心率進(jìn)行情感評估[17]，或進(jìn)行壓力和睡眠評估[18]；還有在皮膚布置傳感器的表皮機器人作為新的可穿戴設(shè)備[19]。從技術(shù)上，深度學(xué)習(xí)也大量應(yīng)用在了情感計算上。例如：將CaltureNet方法應(yīng)用于對自閉癥兒童的面部情感識別[20]；將深度卷積神經(jīng)網(wǎng)絡(luò)應(yīng)用于語音頻譜圖上進(jìn)行語音情感分析[21]。從情緒的研究上，也有更多針對心理疾病的專門研究，例如：自殺沖動的數(shù)字化表征研究[22]；能夠影響和參與自閉癥治療的機器人感知研究[23]。更加多元化的研究方向，以及更加專門的應(yīng)用領(lǐng)域的研究，標(biāo)志著情感計算的發(fā)展也在不斷走向成熟。

 05   智能機器人

過去幾年，波士頓動力公司一直引領(lǐng)著機器人動作控制的發(fā)展。在2017年，該公司的人形機器人Atlas已經(jīng)可以進(jìn)行完美的后空翻，而今年它又展示了令人驚嘆的跑酷特技表演[24]。在該公司今年新公布的視頻中，Atlas可以跳上多層的平臺，將重心從右腳移到左腳，在上臺階時又將重心移回左腳。除此之外，Atlas今年還可以走出倉庫，在草坪上進(jìn)行跑步動作，這證明了該機器人在不平坦地面上的平衡性，穩(wěn)定型以及導(dǎo)航能力。截止到目前，Atlas已經(jīng)可以完成拿起和放下箱子，跳過障礙物，在人類的干擾推動中保持平衡等等高難度行為[25]。

圖4   波士頓動力公司Atlas機器人 [25]

Fig. 4   Atlas of Boston Dynamics

同樣產(chǎn)生于波士頓動力公司的SpotMini曾經(jīng)是機器人領(lǐng)域最火的四足機器人，而今年，ANYbotics公司的ANYmal吸引了人們的眼球。它具有很強的自動移動和操作能力，能夠安全地與環(huán)境交互，適用于室內(nèi)外場所的檢查操作，在自然地形等進(jìn)行搜索或救援任務(wù)，還能進(jìn)行舞臺娛樂活動[26]。今年ANYmal在位于大西洋東北部的北海的海上配電平臺進(jìn)行了為期一周的檢查實驗，它能夠進(jìn)行儀表、杠桿、油、水位，各種視覺和熱測量等檢查[27]。隨著機器人技術(shù)的發(fā)展，機器人的職業(yè)功能實現(xiàn)的越來越好，越來越多的人類工作可能會被機器人取代。同時，機器人也能夠更加準(zhǔn)確地模擬人類的動作，我們可以預(yù)見，未來將有更多的仿生機器人能夠被創(chuàng)造出來。人類與機器人共存，與機器人進(jìn)行合作甚至融合的時代，總有一天會來到。

圖5   ANYbotics公司的ANYmal機器人[26]
Fig. 5   ANYmal of ANYbotics

 06   智慧城市

隨著城市體量變得越來越大，規(guī)劃和管理也變得越來越復(fù)雜，世界各地的許多城市規(guī)劃機構(gòu)都已經(jīng)開始將數(shù)字化作為解決城市問題的手段。因此人工智能技術(shù)也具有了更多的應(yīng)用場景。智慧城市的普及和建設(shè)，能夠提升城市中資源運用的效率，優(yōu)化城市管理和服務(wù)，緩解“大城市病”，從整體上改善市民的生活質(zhì)量。目前，智慧城市技術(shù)和規(guī)劃已經(jīng)在新加坡，迪拜，阿姆斯特丹，巴塞羅那，紐約等各國家和城市實現(xiàn)。而在中國，從2017年黨的十九大報告中提出建設(shè)智慧社會以來，已有290個城市入選了國家智慧城市試點。17年底，雄安新區(qū)也與百度共同打造智能出行試點示范，希望共同將雄安新區(qū)打造為AI City智能城市新標(biāo)桿[28]。

在迅速發(fā)展的浪潮中，智慧城市也存在著一些問題。根據(jù)文獻(xiàn)分析和調(diào)查顯示，在智慧城市的發(fā)展規(guī)劃討論中，人們更多關(guān)注于技術(shù)的使用和實施，對于城市居民的具體情況和他們?nèi)绾螀⑴c智慧城市的發(fā)展過程等問題考慮不足[29]。在一些智慧城市的建設(shè)過程中，甚至?xí)捎趯鹘y(tǒng)的破壞而遭到當(dāng)?shù)鼐用竦姆磳?，例如墨西哥的托蘭特辛特拉[30]。有一些問題可能會由于規(guī)劃者無視城市的實際發(fā)展造成，這可能導(dǎo)致發(fā)展計劃對公民缺少吸引力。在后續(xù)更多人工智能應(yīng)用落地的過程中，需要更加腳踏實地，加強對居民的溝通和宣傳，更多的讓技術(shù)的實際惠及者——城市公民參與進(jìn)智慧城市的規(guī)劃和設(shè)計中，打造更高滿意度，真正提升城市效率的智慧城市。

 07  人工智能醫(yī)療

在醫(yī)療領(lǐng)域，不斷進(jìn)步的模式識別技術(shù)和深度學(xué)習(xí)算法催生出了許多輔助醫(yī)療設(shè)備及技術(shù)。在很多醫(yī)療場景下，人工智能的加入都帶來了效果的提升。這些設(shè)備有一些能夠獨立進(jìn)行判斷輸出結(jié)果，有一些能夠輔助醫(yī)生進(jìn)行決策和操作。在人工智能醫(yī)療預(yù)測場景，加拿大的一項針對前列腺切除術(shù)后康復(fù)情況的預(yù)測實驗中，機器學(xué)習(xí)算法比傳統(tǒng)的統(tǒng)計模型表現(xiàn)出了很好的效果，預(yù)測更準(zhǔn)確。在推行自動預(yù)測工具后，人工智能醫(yī)療可針對患者進(jìn)行個性化的治療[31]。

人工智能的應(yīng)用越來越優(yōu)化，人們開始思考和探討醫(yī)生職業(yè)的可替代性。在輔助設(shè)備的效果評價上，眾多的實驗開始將其與人類醫(yī)生的手法進(jìn)行比較評價。不過在大部分的實驗結(jié)果中，人類醫(yī)生的表現(xiàn)依然優(yōu)于人工智能的表現(xiàn)。在德國的一項實驗中，針對皮膚鏡黑瘤識別任務(wù)，包括30名專家在內(nèi)的58位皮膚科醫(yī)生中，大部分醫(yī)生的表現(xiàn)均優(yōu)于卷積神經(jīng)網(wǎng)絡(luò)。但是無論醫(yī)生的經(jīng)驗如何，他們均能從人工智能輔助圖像分類設(shè)備中受益[32]。

在診斷、治療、醫(yī)療流程輔助、健康管理、藥物研發(fā)等方面，人工智能均有很大發(fā)展?jié)摿?。人工智能的參與能夠減輕和優(yōu)化醫(yī)生的工作，讓更多的人可以享受到更高水平的醫(yī)療。

越來越多的人工智能應(yīng)用的落地，在各個領(lǐng)域都在為人們的生活帶來可見的提升。人們對于新技術(shù)應(yīng)用的意識提高，構(gòu)建了一個更加以用戶創(chuàng)新、開放創(chuàng)新、大眾創(chuàng)新、協(xié)同創(chuàng)新為特征的創(chuàng)新生態(tài)。人工智能也依然處在飛速發(fā)展中，向著“可知”、“可控”、“可用”、“可靠”的方向發(fā)展[33]。通過未來地不斷研究，希望人與人工智能不斷融合，向著真正的強人工智能邁進(jìn)一步。

參考文獻(xiàn)（References）
[1] Hinton G E, Osindero S, Teh Y W. A fast learning
algorithm for deep belief nets[J]. Neural computation, 2006, 18(7): 1527-1554.
[2] Krizhevsky A, Sutskever I, Hinton G E. Imagenet
classification with deep convolutional neural networks[C]//Advances in neural
information processing systems. 2012: 1097-1105.
[3]  吳飛, 陽春華, 蘭旭光, et al. 人工智能的回顧與展望[J]. 中國科學(xué)基金, 65535(3).
[4]  Patrick Tucker. Defense Intel Chief Worried About
Chinese ‘Integration of Human and Machines’[EB/OL].2018/12/26].https://www.defenseone.com/technology/2018/10/defense-intel-chief-worried-about-chinese-integration-human-and-machines/151904/.
[5]Robert Ashley [EB/OL]. 2018-10-10 [2018/12/26]https://www.ausa.org/ausa2018.
[6] 劉偉. 人機智能融合:人工智能發(fā)展的未來方向[J]. 人民論壇·學(xué)術(shù)前沿, 2017(20):32-38.
[7] Beni G, Wang J. Swarm intelligence in cellular robotic
systems[M]//Robots and Biological Systems: Towards a New Bionics?. Springer,
Berlin, Heidelberg, 1993: 703-712.
[8]   Kennedy J. Swarm intelligence[M]//Handbook of nature-inspired
and innovative computing. Springer, Boston, MA, 2006: 187-219.
[9][EB/OL][2018/12/26]https://unanimous.ai/publications/
[10] Louis Rosenberg, Gregg Willcox. Artificial Swarm
Intelligence vs Vegas Betting Markets[EB/OL][2018/12/26]. https://11s1ty2quyfy2qbmao3bwxzc-wpengine.netdna-ssl.com/wp-content/uploads/2018/08/Artificial-Swarm-Intelligence-vs-Vegas-Betting-Markets-DeSE2018-f3.pdf.
[11] Rosenberg L, Willcox G, Halabi S. Artificial Swarm
Intelligence employed to Amplify Diagnostic Accuracy in Radiology[J]. EMCON
2018, 2018: 6.
[12] Thorsten Schroeer, Cognitive computing: Hello Watson
on the shop floor [EB/OL] 2017-05-09 [2018/12/26]. https://www.ibm.com/blogs/internet-of-things/iot-cognitive-computing-watson/.
[13] Kelly J E. Computing, cognition and the future of
knowing[J]. Whitepaper, IBM Reseach, 2015: 2.
[14] Memeti S , Pllana S . PAPA: A Parallel Programming
Assistant Powered by IBM Watson Cognitive Computing Technology[J]. Journal of
Computational Science, 2018:S1877750317311493.
[15] Endsley M R. Toward a theory of situation awareness in
dynamic systems[J]. Human factors, 1995, 37(1): 32-64.
[16] Minsky M. The emotion machine[J]. New York: Pantheon,
2006, 56.
[17] Hernandez J, McDuff D, Quigley K S, et al. Wearable
Motion-based Heart-rate at Rest: A Workplace Evaluation[J]. IEEE journal of
biomedical and health informatics, 2018.
[18] Sano,A., Taylor,S., Jaques,N., Chen,W.,
Lopez-Martinez,D., Nosakhare,E., Rudovic,O., Umematsu,T., and Picard,R., Mood,
Stress and Sleep Sensing with Wearable Sensors and Mobile Phone[C]// The 40th
International Conference of the IEEE Engineering in Medicine and Biology
Society (EMBC), 2018.
[19] Dementyev A, Hernandez J, Choi I, et al. Epidermal
Robots: Wearable Sensors That Climb on the Skin[J]. Proceedings of the ACM on
Interactive, Mobile, Wearable and Ubiquitous Technologies, 2018, 2(3): 102.
[20] Ferrer E C, Schuller B, Picard R W. CultureNet: A Deep
Learning Approach for Engagement Intensity Estimation from Face Images of
Children with Autism[J].
[21] Zhang S, Zhang S, Huang T, et al. Speech Emotion Recognition Using Deep Convolutional
Neural Network and Discriminant Temporal Pyramid Matching[J]. IEEE Transactions
on Multimedia, 2018, 20(6): 1576-1590.
[22] Kleiman E M, Turner B J, Fedor S, et al. Digital phenotyping of suicidal thoughts[J].
Depression and anxiety, 2018. Rudovic O, Lee J, Dai M, et al.
[23] Personalized machine learning for robot perception of
affect and engagement in autism therapy[J]. arXiv preprint arXiv:1802.01186,
2018.
[24] Sam Blum, Boston Dynamics’ Atlas Can Now Chase You Up
the Stairs [EB/OL] 2018-10-12[2018/12/26]. https://www.popularmechanics.com/technology/robots/a23725726/boston-dynamics-atlas-parkour/.
[25][EB/OL][2018/12/26] https://www.bostondynamics.com/atlas.
[26][EB/OL][2018/12/26] https://www.anybotics.com/anymal/.
[27] Péter Fankhauser, World’s First Autonomous Offshore
Robot[EB/OL] 2018-10-25 [2018/12/26] https://www.anybotics.com/2018/10/25/worlds-first-autonomous-offshore-robot/
[28]魯暢，高博，雄安新區(qū)與百度將共同打造智能出行試點示范[EB/OL]2018/12/26. http://www.xinhuanet.com/fortune/2017-12/20/c_1122143193.htm.
[29]  Marrone M , Hammerle M . Smart Cities: A Review and
Analysis of Stakeholders’ Literature[J]. Business & Information Systems
Engineering, 2018.
[30] Madeleine Wattenbarger, The Mexican town that refused
to become a smart city [EB/OL] 2018-10-16 [2018/12/26] https://www.theguardian.com/cities/2018/oct/16/the-mexican-town-that-refused-to-become-a-smart-city.
[31] Wong N C, Lam C, Patterson L, et al. Use of machine
learning to predict early biochemical recurrence after robot‐assisted prostatectomy[J]. BJU
international, 2018.
[32] Haenssle H A , Fink C , Schneiderbauer R , et al. Man
against machine: diagnostic performance of a deep learning convolutional neural
network for dermoscopic melanoma recognition in comparison to 58
dermatologists[J]. Annals of Oncology, 2018.
[33]周琳，胡喆，林小春，“中國智，世界能”[N].浙江日報，2018/12/26，http://society.people.com.cn/n1/2018/0920/c1008-30305072.html

來源：《科技導(dǎo)報》2019
作者：劉偉 倪桑
編輯：IPRdaily趙珍          校對：IPRdaily縱橫君

“投稿”請投郵箱“iprdaily@163.com”

「關(guān)于IPRdaily」

IPRdaily成立于2014年，是全球影響力的知識產(chǎn)權(quán)媒體+產(chǎn)業(yè)服務(wù)平臺，致力于連接全球知識產(chǎn)權(quán)人，用戶匯聚了中國、美國、德國、俄羅斯、以色列、澳大利亞、新加坡、日本、韓國等15個國家和地區(qū)的高科技公司、成長型科技企業(yè)IP高管、研發(fā)人員、法務(wù)、政府機構(gòu)、律所、事務(wù)所、科研院校等全球近50多萬產(chǎn)業(yè)用戶（國內(nèi)25萬+海外30萬）；同時擁有近百萬條高質(zhì)量的技術(shù)資源+專利資源，通過媒體構(gòu)建全球知識產(chǎn)權(quán)資產(chǎn)信息第一入口。2016年獲啟賦資本領(lǐng)投和天使匯跟投的Pre-A輪融資。

（英文官網(wǎng)：iprdaily.com  中文官網(wǎng)：iprdaily.cn） 

本文來自《科技導(dǎo)報》2019并經(jīng)IPRdaily.cn中文網(wǎng)編輯。轉(zhuǎn)載此文章須經(jīng)權(quán)利人同意，并附上出處與作者信息。文章不代表IPRdaily.cn立場，如若轉(zhuǎn)載，請注明出處：“http://globalwellnesspartner.com/”