智慧园区AI解决方案产业调研报告

智慧园区AI解决方案产业调研报告

着力做大高端移动智能终端产品和服务的市场规模，提高移动智能终端核心技术研发及产业化能力。鼓励企业积极开展差异化细分市场需求分析，大力丰富可穿戴设备的应用服务，提升用户体验。推动互联网技术以及智能感知、模式识别、智能分析、智能控制等智能技术在机器人领域的深入应用，大力提升机器人产品在传感、交互、控制等方面的性能和智能化水平，提高核心竞争力。基本原则（一）坚持开放共享营造开放包容的发展环境，将互联网作为生产生活要素共享的重要平台，最大限度优化资源配置，加快形成以开放、共享为特征的经济社会运行新模式。（二）坚持融合创新鼓励传统产业树立互联网思维，积极与互联网+相结合。推动互联网向经济社会各领域加速渗透，以融合促创新，最大程度汇聚各类市场要素的创新力量，推动融合性新兴产业成为经济发展新动力和新支柱。（三）坚持变革转型充分发挥互联网在促进产业升级以及信息化和工业化深度融合中的平台作用，引导要素资源向实体经济集聚，推动生产方式和发展模式变革。创新网络化公共服务模式，大幅提升公共服务能力。（四）坚持引领跨越巩固提升我国互联网发展优势，加强重点领域前瞻性布局，以互联网融合创新为突破口，培育壮大新兴产业，引领新一轮科技革命和产业变革，实现跨越式发展。（五）坚持安全有序完善互联网融合标准规范和法律法规，增强安全意识，强化安全管理和防护，保障网络安全。建立科学有效的市场监管方式，促进市场有序发展，保护公平竞争，防止形成行业垄断和市场壁垒。人工智能行业总体发展情况（一）人工智能行业市场规模人工智能利用机器学习和数据分析，对人的意识和思维过程进行模拟、延伸和拓展，赋予机器类人的能力。人工智能将重塑实体经济，提升社会劳动生产率，特别是在有效降低劳动成本、优化产品和服务、创造新市场和就业等方面为人类的生产和生活带来革命性的转变。人工智能是新一轮科技革命和产业变革的重要驱动力量。经历了从技术到产品、从产品到场景的快速发展过程，人工智能正逐步作为一种变革力量与产业深度融合，并成为目前新型基础设施建设的重要一环，面临广阔的发展空间。据Sage预测，至2030年人工智能的出现将为全球GDP带来额外14%的提升，相当于15．7万亿美元的增长。中国市场丰富的应用场景和庞大的数据量同样刺激人工智能市场的快速扩张，将从2019年的28．06亿美元增长至2023年的119．25亿美元，复合增长率高达43．58%。政府行业、金融业、互联网行业在经过近年的应用实践后将全面推广AI的应用，而新零售、新制造、医疗领域也将成为AI市场的新增长点。IDC预计未来这六大行业应用AI的3年复合增长率将超过30%。（二）人工智能行业产业链与国内产业链分析从产业链上来看，人工智能行业的基础层主要提供数据和算力支持，其中包括硬件设施、系统平台和数据资源三个维度；技术层为感知和认知能力，包括算法模型、基础框架和通用技术；应用层即场景和产品，主要包括各类型的智能产品和应用平台。同时，智能产品端即众多物联网化的终端和边缘端设备是数据资源的重要来源，形成了对基础层底层数据的持续补充，进而带动技术层的演进和迭代，从而构成完整的闭环。在人工智能应用技术方面，主要可分为计算机视觉、智能语音、自然语言处理三个主要方向。其中，计算机视觉主要研究计算机代替人眼对目标进行识别、跟踪和测量等相关课题，解决机器―看得清、看得懂的问题。智能语音识别技术主要研究人际之间语音信息的处理问题，即实现计算机、智能设备、家用电器等通过对语音的分析、理解和合成，实现―能听会说，具备自然语言交流的能力。自然语言处理技术主要研究计算机处理人类语言，是机器理解并解释人类写作、说话方式的能力，也是人工智能最初发展的切入点和目前的研究焦点。目前，国内的人工智能企业集中于应用层，基础层则较为薄弱。在中国新一代人工智能发展战略研究院2019年的统计中，产业链基础层、技术层和应用层的企业数量分别占总数的2．8%、22%和75．2%。由于对技术和资金的要求较高，基础层的底层技术由少数国际巨头垄断，国内行业结构稍显―头重脚轻，国内企业在算法和硬件算力领域仍然任重道远。近年来，国家就相关领域的政策正在经历由侧重技术应用到全产业链系统发展的方向转变，未来就基础层的发展，可预见更多资本和人才的政策倾斜，基础层也将成为未来人工智能整体市场的核心增长引擎。目前，计算机视觉技术是人工智能市场中的应用最为广泛的技术，在2020年上半年贡献了整体市场中超过48%的收入，其次为语音语义技术和机器学习开发平台技术。随着计算机视觉的应用落地走向成熟，应用场景不断拓展，计算机视觉技术的市场份额将持续保持较高水平。（三）AI解决方案市场容量智慧安防解决方案运用人工智能技术处理安防监控活动中产生的海量数据，并逐渐完成部分自主决策响应任务，实现事前积极预防、事中实时感知和快速响应，以及事后的快速调查，其典型应用包括政府主导建设的、天网工程等。随着我国数字城市、智慧城市建设步伐持续加快，安防需求已全面从政府主导的城市公共安全管理向更为私有化、场景个性化的方向发展，智能安防的市场边界将进一步扩展，智能安防产业规模预计将保持高位增长。沙利文预计至2023年，中国智慧安防人工智能产业市场规模将高达1，301．6亿元，2018年至2023年的年复合增长率将达到47．7%。城市治理解决方案运用人工智能技术，帮助政府统筹推进智慧城市的建设、运营和管理，并基于特定场景制订个性化解决方案，有效提高工作效率和立体化防控水平。以智慧交通枢纽为例，传统交通系统中存在各交通参与模块相互割裂、缺乏协调等问题，城市阻塞问题随之加剧。智慧交通枢纽整合交通资源与流量信息，实现交通元素之间的彼此协调、优化配置和高效使用。随着各地对城市运营精细化管理的需求不断增强，下游应用场景的不断拓展将持续加速城市治理市场的扩张。仅就智慧交通人工智能领域，沙利文预计2023年该领域市场规模将达到345．7亿元。缺乏信息化管理平台的传统园区随着入驻企业和员工访客的不断增加，存在管理效率低下、资源配置不合理等问题。智慧园区则可以通过云计算和人工智能等技术，实现园区的网络设施协同化、运营管理智能化，有效降低园区的运营成本。目前，我国共有超过15，000个产业园区，智能园区改造的渗透率仍然较低，未来有较大的市场增长空间。预计至2023年，中国智慧园区人工智能市场规模将达76．3亿元。计算机视觉技术通过识别分析消费者行为和商品信息，可对门店经营、消费者游逛行为等进行数据量化，对销售额进行多因子分析，是精准营销、智能化运营、门店管理等环节应用的必要基础。在此基础上机器学习技术则应用于数据建各场景的智能化水平。随着人工智能技术向更广泛的商业领域进行渗透，智慧泛商业的市场扩张将伴随着零售、市场营销等行业的转型升级得到进一步的加速。其中，AI+零售市场将保持50%以上的年复合增长率，规模将在2022年达到26．7亿元。发展目标（一）经济发展进一步提质增效互联网在促进制造业、农业、能源、环保等产业转型升级方面取得积极成效，劳动生产率进一步提高。基于互联网的新兴业态不断涌现，电子商务、互联网金融快速发展，对经济提质增效的促进作用更加凸显。（二）社会服务进一步便捷普惠健康医疗、教育、交通等民生领域互联网应用更加丰富，公共服务更加多元，线上线下结合更加紧密。社会服务资源配置不断优化，公众享受到更加公平、高效、优质、便捷的服务。（三）基础支撑进一步夯实提升网络设施和产业基础得到有效巩固加强，应用支撑和安全保障能力明显增强。固定宽带网络、新一代移动通信网和下一代互联网加快发展，物联网、云计算等新型基础设施更加完备。人工智能等技术及其产业化能力显著增强。（四）发展环境进一步开放包容全社会对互联网融合创新的认识不断深入，互联网融合发展面临的体制机制障碍有效破除，公共数据资源开放取得实质性进展，相关标准规范、信用体系和法律法规逐步完善。到2025年，网络化、智能化、服务化、协同化的互联网+产业生态体系基本完善，互联网+新经济形态初步形成，互联网+成为经济社会创新发展的重要驱动力量。人工智能整体市场未来发展趋势（一）人工智能端侧与云侧的融合与协作是大势所趋中国物联网市场在未来三年预计将保持20%以上的增长速度，在2021年达到26，251亿元的市场规模，而物联网应用的渗透将带动对物联网芯片的需求。据MarketsandMarkets预计，2020年全球物联网芯片市场规模将达109．41亿美元，对云侧和端侧的要求将更加全面，在云侧寻求算力、响应时间、成本等因素的最优配置，在端侧提升算力和让数据尽可能实现本地处理。一方面，物联网将有更多的应用场景对延时更为敏感，例如智能家居、智能工业、智能医疗需要端侧设备的实时响应。另一方面，5G时代的无线网络将具有更低的时延性，大规模的数据流动将增加传输和云端的压力，这同样需要云侧和端侧的密切配合。目前云侧和端侧的配合主要体现在云端训练神经网络，再由终端或边缘端设备进行推理。未来，随着端侧设备的进一步迭代，设备能负载更多的计算分析工作，甚至可以承担部分的训练过程。另一方面，计算力的前置是行业发展的重要趋势，未来云侧的边界也会逐渐向终端和数据源头推进，整合云侧和端侧的架构，将AI处理分布在各个网络设备中。随着云侧和端侧的技术走向成熟，其协作的适应性和灵活性将成为下一阶段的竞争重点。未来云端和终端设备及其连接网络可能会构成一个庞大的AI处理网络，云端能够实时控制、调整终端的算法，重新定义、迭代硬件；而终端也能将数据及时反哺给云端进行自适应优化；训练和推理的相互协作、互补整合也将成为技术的一大探索方向，形成完整协同的智能生态。（二）视觉人工智能行业的竞争维度逐步从单一技术领先性竞争转向综合服务能力竞争AI芯片与算法都是人工智能行业的关键底层技术，两者的发展彼此交互、相互融合、相互促进，共同助推终端智能和AI生态的发展。以安防行业为例，前端采集设备和云端软件的协调、优化能有效提升整体方案运行的稳定性和效率。随着AI算法技术的不断进步，视觉人工智能企业技术成熟度均已达到较高水平，同行业企业间的技术差异正在逐渐缩小，行业技术进步所带来的边际改善效应正在衰减。在更多场景下，竞争者之间的技术水平都已经可以较好地满足用户的需求。故而，视觉人工智能领先企业间的竞争正从过往的以技术领先性为核心的技术研发竞争逐步转向以用户需求理解和应用场景落地为核心的技术应用竞争。以上变化也对企业的技术研发能力和综合服务能力提出了新的要求，过去在产业链单一环节的专业化优势正趋于弱化，而如何基于场景需要，打通底层的算法、芯片等核心技术，如何为客户提供全面、综合、成本更优、体验更好的方案和服务正成为未来行业竞争的关键因素。（三）核心城市日渐成为视觉人工智能技术等AI技术创新和应用的重要载体和试验地随着人工智能技术的发展和城市治理水平的内在需求趋强，城市日益成为人工智能技术创新融合应用的重要载体和试验地。在全球范围内，包括旧金山、纽约、伦敦、新加坡、东京、北京、上海、深圳等核心城市都在形成人工智能技术创新和应用的集聚。而中国政府正在大力推动的新型基础设施建设，核心城市也是建设的主战场和示范基地。未来，能抢占核心城市市场的人工智能企业也将拥有更丰富的技术落地场景，进而拥有更强的竞争优势。视觉人工智能技术作为目前应用最成熟的AI技术之一，未来将不仅局限在与公共安全相关的领域，有望在城市的发展和治理中发挥更加重要的作用。视觉人工智能行业（一）视觉人工智能技术发展历程1、计算机视觉的定义计算机视觉技术赋予计算机人类双眼所拥有的分割、分类、识别、跟踪、判别等功能，通过构造多层的神经网络，识别不同层级的图像特征并在顶层做出判断和分类。2、计算机视觉的发展历程计算机视觉主要经历了以上三个发展阶段。伴随着同期互联网海量数据的爆发，各类数据集成为计算机视觉技术发展的土壤，而深度学习和深层神经网络理论最终带来最新一次的技术变革。2015年，视觉人工智能系统识别项目ImageNet比赛中，ResNet以3．57%的识别错误率首次超越人类视觉的5．1%。目前人脸识别准确率已经提升至97%以上。（二）视觉人工智能产业链简介与人工智能市场的产业链相似，视觉人工智能市场的产业链同样分为基础层、技术层与应用层。其中，基础层主要包括提供算力的芯片与提供信息采集功能的前端设备组成的硬件支持、相关底层技术支持，与海量信息数据；技术层则主要包括基于各类识别技术构建的软件产品、解决方案和技术平台；应用层则包括了各类视觉人工智能的应用场景。（三）视觉人工智能行业市场规模与行业构成作为人工智能产业中应用最为广泛的技术之一，计算机视觉技术拥有前景广阔的庞大市场。在2017年的爆发式增长后，我国计算机视觉市场近几年的增长趋缓，但仍处于较高水平。根据高工产研机器人研究所的数据，2019年中国计算机视觉应用市场达14．56亿美元。而根据沙利文咨询出具的研究，2019年中国计算机视觉市场规模达到219．6亿元。目前，视觉人工智能被广泛应用于各个行业，包括安防、零售、营销、医疗等等。其中，根据亿欧数据的研究，2018年中国计算机人脸识别市场中安防场景的应用占61．2%，根据前瞻研究院数据，2020年中国计算机视觉应用层份额中，安防影像分析占67．9%，国内明确的应用场景和强大的客户需求让AI技术在安防行业快速落地。在安防行业，视觉人工智能的应用场景包括门禁、智能摄像头等，依托人像识别技术，安防排查和管理效率得到显著提升。同时，根据中科院发布的《2019年人工智能发展白皮书》等，目前计算机视觉技术除了安防之外，较为典型的应用场景还包括：自动驾驶汽车需要使用计算机视觉技术。特斯拉等汽车制造商已经通过摄像头、激光雷达、雷达和超声波传感器从环境中获取图像，研发自动驾驶汽车来探测目标、车道标志和交通信号，从而安全驾驶。由于90％的医疗数据都是基于图像的，因此医学中的计算机视觉有很多用途。比如启用新的医疗诊断方法，分析X射线，X光检查，AI诊疗等。计算机视觉技术可以帮助工业制造商更安全、更智能、更有效地运行，比如预测性维护设备故障，对包装和产品质量进行监控，并通过计算机视觉技术识别和减少不合格产品。传统翻译采用人工查词的方式，不但耗时长，而且错误率高。图像识别技术的出现大幅提升了翻译的效率和准确度，用户通过简单的拍照、截图或划线就能得到准确的翻译结果。（四）视觉人工智能技术的场景应用举例视觉人工智能目前被广泛应用于多个行业，其功能和应用涉及到数据采集端终端，数据传输，数据存储、处理和输出端云端，通过云端和终端的密切配合，最终实现有效结果的输出。以安防场景为例，在一个完整的端云架构中，终端IoT设备主要用于数据采集，例如摄像机通过拍摄视频来采集数据，然后终端设备通过传播介质将数据传输至云端，再由云端进行批量的分析处理，最后输出分析结果。由于终端设备需要更多地考虑功耗和成本，过去在端侧仅部署较小的算力，更依靠云侧算力的支持。在数据呈现指数级增长的今天，一方面终端的视频流数据快速增长加重了传输渠道的负载，导致原有带宽无法支撑数据的及时、有效传输，进而影响了云端算力的科学调度；另一方面，数据量的指数级增长大幅提高了云端对并行运算数据峰值的要求，云侧的部署成本随着数据处理需求的极值增长而显著提高，但在数据处理的―平峰期，云端算力将存在无法得到充分、有效运用的情形。为了更好地平衡云侧和端侧的算力分布，实现整体效率的最大化，目前通过提升端侧和边缘侧的智能化水平和算力，实现整体算力分布的前置成为行业的新趋势。通过将部分算力和分析程序前置到终端设备，终端可以实现对数据的预处理，仅需将部分特征数据传至云端，甚至在本地完成对数据的完整分析。通过分布式算力部署，端侧设备形成的数据处理集群逐步向云侧设备融合。随着系统架构的不断优化，一方面这将增加有效算力，缓解带宽压力，减少设备的成本投入，另一方面数据的本地处理也能有效规避云侧分析带来的数据安全、隐私保护等风险。随着端侧芯片能够灵活支持更多算法，在云端集中的算力部署也将更加合理，最终实现―端云协同的协同效应，即架构内算力、成本、时延、功耗的最优平衡。为实现这一效果，端侧对芯片的兼容性和灵活性有更高的要求，在控制成本和功耗的同时提升算力，从而实现云端部署和应用场景的灵活适配。互联网+创业创新充分发挥互联网的创新驱动作用，以促进创业创新为重点，推动各类要素资源聚集、开放和共享，大力发展众创空间、开放式创新等，引导和推动全社会形成大众创业、万众创新的浓厚氛围，打造经济发展新引擎。（一）强化创业创新支撑鼓励大型互联网企业和基础电信企业利用技术优势和产业整合能力，向小微企业和创业团队开放平台入口、数据信息、计算能力等资源，提供研发工具、经营管理和市场营销等方面的支持和服务，提高小微企业信息化应用水平，培育和孵化具有良好商业模式的创业企业。充分利用互联网基础条件，完善小微企业公共服务平台网络，集聚创业创新资源，为小微企业提供找得着、用得起、有保障的服务。（二）积极发展众创空间充分发挥互联网开放创新优势，调动全社会力量，支持创新工场、创客空间、社会实验室、智慧小企业创业基地等新型众创空间发展。充分利用国家自主创新示范区、科技企业孵化器、大学科技园、商贸企业集聚区、小微企业创业示范基地等现有条件，通过市场化方式构建一批创新与创业相结合、线上与线下相结合、孵化与投资相结合的众创空间，为创业者提供低成本、便利化、全要素的工作空间、网络空间、社交空间和资源共享空间。实施新兴产业双创行动，建立一批新兴产业双创示范基地，加快发展互联网+创业网络体系。（三）发展开放式创新鼓励各类创新主体充分利用互联网，把握市场需求导向，加强创新资源共享与合作，促进前沿技术和创新成果及时转化，构建开放式创新体系。推动各类创业创新扶持政策与互联网开放平台联动协作，为创业团队和个人开发者提供绿色通道服务。加快发展创业服务业，积极推广众包、用户参与设计、云设计等新型研发组织模式，引导建立社会各界交流合作的平台，推动跨区域、跨领域的技术成果转移和协同创新。人工智能行业发展情况和未来发展趋势（一）视觉人工智能在新技术方面的发展情况和未来发展趋势近年来，视觉人工智能的多数研究都集中在深度学习、检测和分类面部/手部/姿势、3D传感技术等方面。随着识别准确度的提升空间趋小，研究重心将逐渐转向技术协同、融合与应用。在视觉人工智能领域内，将终端设备演进为小型数据中心集群，并与云端高效协同将成为研究重点之一。终端设备的铺设和数据量的增长将使面向云端的传输压力倍增，这要求端侧完成部分云侧的图像处理功能。而在终端逐渐提高的算力要求，例如更加准确的实时识别，也需要端云架构的协同整合。在识别技术趋于成熟的今天，端云的深度结合与协同将成为识别技术的重要依托，如何将两侧的架构进行不断耦合优化也将不会局限于计算机视觉技术，而成为人工智能技术层共同探索的方向。目前，业内的部分研究也在突破对识别准确度的单一聚焦，转向更加综合的计算机视觉问题，图像描述、事件推理、场景理解等。未来，视觉人工智能将与其他的智能技术协同融合，评判因素也将由准确性延伸至识别的灵活性、推测的合理性。例如，融合自然语言处理技术来完成图像描述，将图片翻译为一段文字。而事件推理则是通过识别复杂视频中的因果关系，并基于因果关系给出合理推测。未来，安防领域可运用这项技术，建立端到端的时间推理系统，从而帮助提升案件侦查效率，改善治安管理效果。场景理解则通过由自身传感器收集的环境感知数据，获得周边场景的几何/拓扑结构、构成要素与时空变化，并进行语义推理甚至决策出未来时间内的运动走向。该项技术有广大的潜在市场亟待渗透，未来随着数据集的不断拓展和自监督学习，视觉人工智能的交互性和通用性将大大增强，为各种行业所用。技术的协同和融合将进一步积累针对多样化场景的解决方案，而更加广泛、密集的应用又将推动技术的不断迭代。海量数据、多种技术的交互作用有利于最终构成完整的技术赋能平台，持续的整合和创新将不断扩展视觉人工智能的技术边界，转化为下一阶段的产业化能力和平台化能力。（二）视觉人工智能在新产业、新业态方面的发展情况和未来发展趋势视觉人工智能技术不仅能够带来生产效率的提升，也会催生新产业及新商业模式，推动多行业产业链的重构。视觉人工智能技术产业化落地应用程度不断提高，在智能手机、智能汽车、智慧安防、智慧家居、智慧保险、智慧零售、互联网视频等领域均有广泛的应用，并形成了全新的产业链条与商业经营模式。可以预见，随着视觉人工智能技术不断发展，行业应用解决方案的建立和完善，以及政府对视觉人工智能行业的政策扶持，视觉人工智能技术将进一步渗透，助力各应用行业解决行业痛点，提高运营效率，实现行业转型和升级。1、视觉人工智能在智慧城市管理领域的发展情况在智慧城市管理领域，随着数亿个传感器被嵌入进城市里的各种设备，政府可以利用云端技术，提高对交通和街道的公共管理能力。以安防领域的治安管理业务转型为例，在重点场所布控的系统可以进行实时监控，将公安机关的事后侦查转型为主动预警预防。城市作为人工智能落地的综合载体，近年来获得了视觉人工智能技术全方位的渗透，不断挖掘新的需求与应用场景。以物流分拣为例，过去城市主要依靠人工分拣和配送，随着视觉人工智能和物联网的深度融合，物流分配逐渐走向数字化和自动化，这将极大地降低城市管理成本，优化城市管理效果。2、视觉人工智能在智慧社区管理领域的发展情况智慧社区领域则是智慧城市管理的延伸，通过将城市的管理理念引入社区单元，管理者可以通过完善基层信息化平台支持智慧城市的顶层建设。过去的社区主要依靠人力管理社区人流、物流、信息流，整体管理处于相对割裂的状态，在社区扩容和流动人口激增的背景下难以实现实时、主动的管理。在智慧城市的框架下，视觉人工智能与物联网、云计算、大数据深度融合，在物业管理、社区安全、便民服务等多个细分场景进行应用，例如出入人员记录、街道楼栋管理、留守老人关注服务等，提升物业管理和服务水平。3、视觉人工智能在智慧家居领域的发展情况在智慧家居领域，视觉人工智能有助于提升人与智慧家居产品的交互体验，构建以住宅为平台，基于物联网技术，由智能硬件、智能软件系统、云计算平台构成的家居生态圈。视觉人工智能最终能够实现人远程控制设备、设备对人的生物特征识别和适配、设备间互联互通、设备自我学习等功能，并通过收集、分析用户行为数据为用户提供个性化生活服务，使家居生活更加安全、舒适、节能、便捷。4、视觉人工智能在智慧零售领域的发展情况在智慧零售领域，从当前市场环境来看，线上线下融合、消费闭环是零售业的未来发展方向。从零售企业经营看，不断上涨的人工成本是制约企业盈利增长的主要瓶颈，少人化、无人化无疑是削减人力成本的重要方向。例如，商品识别在无人便利店、智能零售柜等场景的应用不仅有效降低了识别误差率，也对线下零售的人员结构进行优化，让员工的工作重心由重复性基础劳动转向会员管理和运营优化，提升运营的效率和效果。另一方面，围绕不同消费群体和消费场景的产品和服务也对未来零售的运营管理提出了更高的要求，而更精细的数据采集与定制化分析为运营管理优化提供了支持。零售企业可以将视觉人工智能、大数据、物联网等技术应用到零售区域划分、客户动线分析、客户属性分析等场景，更全面、准确、迅速地了解顾客需求，增强消费者体验。同时，这些应用有助于供应链改造和供给侧优化，为企业降本增效，更好地实现消费场景线上线下融合，构建智能数字化管理体系。加强资源环境动态监测针对能源，矿产资源，水、大气、森林、草原、湿地、海洋等各类生态要素，充分利用多维地理信息系统、智慧地图等技术，结合互联网大数据分析，优化监测站点布局，扩大动态监控范围，构建资源环境承载能力立体监控系统。依托现有互联网、云计算平台，逐步实现各级资源环境动态监测信息互联共享。加强重点用能单位能耗在线监测和大数据分析。（一）大力发展智慧环保利用智能监测设备和移动互联网，完善污染物排放在线监测系统，增加监测污染物种类，扩大监测范围，形成全天候、多层次的