智投链IIC产品白皮书
区块链技术白皮书分布式账本智能合约和去中心化应用开发
区块链技术白皮书分布式账本智能合约和去中心化应用开发1. 引言区块链技术随着比特币的发展而逐渐为人们所了解，这项技术具有分布式账本、智能合约和去中心化应用开发等特点，极大地改变了传统的中心化交易模式。
本白皮书旨在深入介绍区块链技术中的分布式账本、智能合约以及去中心化应用开发等关键概念和原理。
2. 分布式账本2.1 概述分布式账本是区块链技术的核心概念之一，它使用点对点网络，将交易记录以区块的形式链式连接起来，并经过加密和验证确认，从而实现交易的透明、可追溯和安全的特性。
2.2 工作原理分布式账本通过共识算法确保节点间的数据一致性，在区块链网络中，每个节点都保存了完整的账本副本，并使用加密算法对交易进行验证和记录。
一旦交易得到验证并被打包成区块，便会广播到所有节点中，同时进行共识验证，确保大部分节点认可并接受该区块，最后被添加进整个区块链中。
3. 智能合约3.1 定义智能合约是基于区块链技术的可编程合约，它能够自动执行、验证和执行合约的交易，并在特定条件满足时自动触发相应的操作。
智能合约主要由代码和数据组成，可以实现去中心化的合约执行。
3.2 实现原理智能合约使用区块链的分布式账本作为存储和执行环境，以及节点的计算能力作为合约执行的基础。
通过使用一种特定的编程语言和编译器，将合约代码转化为字节码，并通过区块链网络进行部署和执行。
当满足合约条件时，智能合约可以自动触发事务的执行。
4. 去中心化应用开发4.1 概述去中心化应用（DApp）是一种基于区块链技术的应用程序，它不依赖于中心化的服务器，而是通过区块链网络中的节点来实现数据存储和交互。
DApp具有去中心化、透明、安全和可靠等特点。
4.2 开发框架为了实现去中心化应用，需要使用特定的开发框架。
目前比较流行的DApp开发框架包括以太坊、EOS等。
这些框架提供了一系列的API 和工具，用于开发智能合约和基于区块链的应用程序。
4.3 开发流程去中心化应用的开发流程包括需求分析、智能合约编写、前端界面设计和测试等步骤。
中国移动中低速物联网业务白皮书
（2020年11月）
中国移动中低速物联网业务 白皮书
前言
前言
近年来，国家大力推进新基建战略，加快5G、物联网等新型基础设施建设，推动数字经 济发展。2020年5月7日，工信部下发25号文《关于深入推进移动物联网全面发展的通 知》，对NB-IoT和LTE Cat.1网络覆盖、模组价格、物联网连接数等提出要求，明确指出 建立NB-IoT、4G和5G协同发展的移动物联网综合生态体系，并要求引导 2G/3G 物联网终 端向NB-IoT和LTE Cat.1逐步迁移。中低速物联网正迎来重大发展机遇，NB-IoT和LTE Cat.1将齐足并驱，承载丰富的物联网应用。
我们相信，只要大家齐肩并进，定能推动中低速物联网快速发展与成熟，让物联网技术 进一步融入百业、服务大众，开创数字经济新时代。
01
编写说明
中国移动中低速物联网业务 白皮书
编写说明
本白皮书对中低速物联网产业发展的认识只是阶段性的，后续将根据中低速物联网应用发 展情况和来自各界的反馈意见，在持续深入研究的基础上适时修订和发布新版白皮书。
中国移动中低速物联网业务 白皮书
LTE Cat.1技术作为中速率物联网业务的承载，截止目前LTE Cat.1商用芯片规模已经达到 千万量级。
NB-IoT已成为全球运营商面向低速物联网的主流选择。 在海外，Vodafone、 德国电 信、软银等56家主流运营商均已部署了NB-IoT商用网络，并带动海外NB-IoT产业跨越裂 谷，全面加速发展。据统计，海外10余个国家的多个NB-IoT项目正在部署、招标或筹备 中，例如意大利100万只NB-IoT气表项目、比利时自行车、韩国充电桩、泰国路灯等10万 级项目即将部署完成，沙特750万只和瑞典290万只NB-IoT电表项目正在部署。在国内， 三大运营商已经部署了接近100万个NB-IoT基站，带动NB-IoT相关产业发展不断加速， 气表、水表等先发应用继去年突破1000万后，目前又双双突破2000万；NB-IoT烟感、电 动车等应用迅速起量，目前已分别逼近1000万规模；共享白电、智慧路灯、智慧停车、智 慧农业、智能门锁、智能跟踪等一大批百万级的应用，并且由点及面，向全国规模推广。
数智园区技术白皮书
打造数字生命体数智园区技术白皮书导语：数智园区是数字社会的产物，它基于数字与人工智能技术的应用，渗入产业园区的所有业务活动——生产运行、园区管理与运营、职场各类人员的服务等，通过产城融合改变了城市、产业、市场、社会以及家庭的运行理念和方式，成为智慧社会架构的基层组成部分和智慧目标的基础设施，可谓新基建的抓手。
数智园区健康发展取决于我们是否具备科学的理念与方法，能否厘清园区相关关系和确保数智平台的可持续。
一、园区行业发展趋势1.1 “新环境”——产业结构红利演进，数智空间异军突起2020年新型冠状病毒肺炎（COVID-19）疫情演变成为了全球性流行疾病。
疫情不仅将世界整体带入了一个“新环境”，也将不同规模的经济单元赋予了新的发展使命。
1.世界经济缓慢复苏，数字经济繁荣发展“新冠”疫情再度增加了全球经济发展的不确定性和地缘政治关系的复杂性。
在各国对全球化市场高度依赖的今天，疫情严重的冲击了供给端和需求端，IMF预测2020年全球经济将萎缩4.9%。
在疫情被完全控制之前，各国都需要积极探索如何实现经济发展与抗击疫情共存。
在这个过程中，全球经济秩序和格局也正在进行重构。
积极的一面是疫情促进了全球数字经济的繁荣。
根据联合国贸发会议发布的《数字经济2019》报告，数字经济增加值约占全球GDP的15.5%；疫情爆发后，满足无接触服务的电子商务、远程医疗、在线教育、线上娱乐以及在线办公等新兴业态迅速繁荣。
世界贸易组织（WTO）表示，疫情期间数字经济的发展将从长期改变人们的生产和生活方式。
2.中国创新发展格局，数智空间呼之欲出面对全球经济的衰退和日趋复杂的地缘政治局势，中国提出了“加快形成以国内大循环为主体、国内国际双循环相互促进的新发展格局”，为应对疫情后的“新环境”指明方向。
国内大循环的核心是引领国内消费市场扩容提质，同时进一步扩大有效投资。
通过进一步释放居民消费潜力，让消费为经济增长做出更大贡献。
有效投资的重要方向是“两新一重”，即加强新型基础设施建设，加强新型城镇化建设和加强交通、水利等重大工程建设。
IMT-2020(5G)推进组C-V2X白皮书
C-V2X概述国际C-V2X发展现状我国C-V2X发展基础与现状我国C-V2X产业发展倡议贡献单位P2 P9 P15 P28 P30目录IMT-2020(5G)推进组于2013年2月由中国工业和信息化部、国家发展和改革委员会、科学技术部联合推动成立，组织架构基于原IMT-Advanced推进组，成员包括中国主要的运营商、制造商、高校和研究机构。
推进组是聚合中国产学研用力量、推动中国第五代移动通信技术研究和开展国际交流与合作的主要平台。
13GPP第三代合作伙伴项目(the 3rd Generation Partnership Project )5GAA5G 汽车协会(5G Automotive Association )CA证书授权(Certificate Authority )C-ITS合作智能交通系统(Cooperative-Intelligent Transportation System )GNSS全球卫星导航系统(Global Navigation Satellite System )缩略语ITS 智能交通系统(Intelligent Transport System )LTE 长期演进(Long Term Evolution )MEC 多接入边缘计算(Multi-access Edge Computing )OBU 车载单元(On Board Unit )RSU 路侧单元(Road Side Unit )2IMT-2020(5G)推进组C -V 2X 白皮书1. C-V2X 内涵车用无线通信技术（V e h i c l e t oEverything, V2X）是将车辆与一切事物相连接的新一代信息通信技术，其中V代表车辆，X代表任何与车交互信息的对象，当前X主要包含车、人、交通路侧基础设施和网络。
V2X C-V2X 概述交互的信息模式包括：车与车之间（Vehicle to Vehicle,V2V）、车与路之间（Vehicle to Infrastructure,V2I）、车与人之间（Vehicle to Pedestrian, V2P）、车与网络之间（Vehicle toNetwork, V2N）的交互，如图1.1所示。
智能制造解决方案白皮书
智能制造解决方案白皮书第1章：智能制造概述 (3)1.1 智能制造的定义与发展背景 (3)1.2 智能制造的核心技术 (3)1.3 智能制造的价值与挑战 (4)第2章：国内外智能制造发展现状与趋势 (5)2.1 国际智能制造发展现状 (5)2.2 我国智能制造发展现状 (5)2.3 智能制造未来发展趋势 (5)第3章智能制造体系架构 (6)3.1 智能制造体系总体框架 (6)3.1.1 框架设计理念 (6)3.1.2 框架构成要素 (6)3.1.3 框架层次结构 (6)3.2 智能制造关键技术体系 (7)3.2.1 感知技术 (7)3.2.2 数据处理与分析技术 (7)3.2.3 控制与优化技术 (7)3.2.4 网络通信技术 (7)3.2.5 人工智能技术 (7)3.3 智能制造标准体系 (7)3.3.1 基础标准 (7)3.3.2 技术标准 (7)3.3.3 管理标准 (7)3.3.4 安全与可靠性标准 (8)3.3.5 评价与认证标准 (8)第4章工业互联网平台 (8)4.1 工业互联网平台概述 (8)4.2 工业互联网平台的核心功能 (8)4.3 工业互联网平台的应用实践 (8)第5章工业大数据与分析技术 (9)5.1 工业大数据概述 (9)5.1.1 定义与特点 (9)5.1.2 价值与应用 (10)5.2 工业大数据采集与存储 (10)5.2.1 数据采集 (10)5.2.2 数据传输 (10)5.2.3 数据存储 (11)5.3 数据分析与挖掘技术在智能制造中的应用 (11)5.3.1 设备故障预测 (11)5.3.2 生产优化 (11)5.3.3 质量控制 (11)5.3.5 客户关系管理 (11)第6章：工业与自动化 (11)6.1 工业技术概述 (11)6.1.1 本体技术 (12)6.1.2 控制技术 (12)6.1.3 传感器技术 (12)6.1.4 人工智能技术 (12)6.2 工业的应用场景 (12)6.2.1 装配作业 (12)6.2.2 焊接作业 (12)6.2.3 抛光打磨 (12)6.2.4 物流搬运 (13)6.2.5 检测与维修 (13)6.3 自动化与智能化生产线改造 (13)6.3.1 提高生产效率 (13)6.3.2 降低生产成本 (13)6.3.3 提高产品质量 (13)6.3.4 增强企业竞争力 (13)6.3.5 促进产业升级 (13)第7章智能工厂规划与设计 (13)7.1 智能工厂的总体设计理念 (13)7.1.1 模块化设计 (13)7.1.2 网络化协同 (14)7.1.3 数据驱动 (14)7.1.4 绿色可持续发展 (14)7.2 数字化车间设计与布局 (14)7.2.1 设备布局 (14)7.2.2 生产线设计 (14)7.2.3 工艺流程优化 (14)7.2.4 信息系统集成 (14)7.3 智能制造装备选型与集成 (14)7.3.1 装备选型原则 (15)7.3.2 装备集成 (15)第8章智能生产管理 (15)8.1 智能生产计划与调度 (15)8.1.1 生产需求预测 (15)8.1.2 生产计划编制 (15)8.1.3 生产调度优化 (15)8.2 生产过程监控与优化 (16)8.2.1 生产数据采集与分析 (16)8.2.2 生产过程可视化 (16)8.2.3 生产过程优化 (16)8.3 质量管理与设备维护 (16)8.3.2 设备维护 (16)8.3.3 设备功能优化 (16)第9章智能服务与运维 (16)9.1 智能服务概述 (17)9.2 设备远程运维与故障诊断 (17)9.2.1 设备远程运维 (17)9.2.2 故障诊断 (17)9.3 基于大数据的预测性维护 (17)9.3.1 数据采集与处理 (17)9.3.2 故障预测模型 (18)9.3.3 预测性维护策略 (18)第10章智能制造案例与启示 (18)10.1 国内外典型智能制造案例 (18)10.1.1 国内案例 (18)10.1.2 国外案例 (18)10.2 案例分析与启示 (19)10.2.1 案例分析 (19)10.2.2 启示 (19)10.3 智能制造未来发展方向与建议 (19)10.3.1 发展方向 (19)10.3.2 建议 (19)第1章：智能制造概述1.1 智能制造的定义与发展背景智能制造作为制造业与信息技术深度融合的产物，是推动制造业转型升级、实现高质量发展的重要途径。
2018智能投顾白皮书
智能投顾，是IT科技和金融领域相结合的前沿应用领域。
它能够基于对投资者的精准画像，通过将现代金融理论融入人工智能算法，从而为投资者提供基于多元化资产的个性化、智能化、自动化和高速化的投资服务。
自2008年金融危机后，美国首家智能投顾公司Betterment于当年成立，随后Wealthfront，Personal Capital，Future Advisor，Motif Investing等创新型公司相继成立。
目前, 先锋集团（VanguardGroup）推出了VPAS，嘉信理财推出了SIP，富达基金推出了Fidelity Go，美林证券推出了Merrill Edge，摩根士丹利推出了Access Investing，“华尔街之狼- Kensho”推出了Warren。
智能投顾作为金融科技（FinTech）应用的最前沿领域，正席卷美国传统金融界。
发源于美国的智能投顾科技理论和技术西行东渐，我国智能投顾于2015年开始起步，虽然起步较晚，但是发展迅速。
招商银行推出了“摩羯智投”，工商银行推出了“AI投”，中国银行推出了“中银慧投”，平安银行推出了“平安智投”，兴业银行推出了“兴业智投”，广发证券推出了“贝塔牛”，平安证券推出了“AI慧炒股”，长江证券推出了“阿凡达”，京东集团推出了“京东智投”，羽时金融推出了“AI股”和“AI投顾”。
代表IT最新最前沿的人工智能技术在融入了金融行业后，有力地推进了传统金融行业的变革，有力地践行了普惠金融的理念。
虽然国内智能投顾的发展势头兴旺，但是商业模式不清晰，行业内鱼龙混杂，很多打着智能投顾概念的传统公司混杂其中，让人难以明辨。
什么是智能投顾？智能投顾的国内外发展现状如何？国内智能投顾业务的发展面临哪些问题和挑战？作为新生事物，智能投顾的IT技术路线，智能投顾的商业模式，智能投顾的风险控制，智能投顾业务的国内外监管政策比较，如何界定智能投顾公司的业务边界，采用哪些方向的标准评价智能投顾公司，智能投顾未来的发展趋势，针对这些大家关心的焦点问题，《2018智能投顾行业白皮书》希望能为大家作出一些抛砖引玉的探讨。
中国智慧园区标准化白皮书
中国智慧园区标准化白皮书引言在当前快速发展的数字经济时代，智慧园区的建设和发展已经成为推动城市创新发展和经济转型升级的重要手段。
智慧园区通过整合信息技术和智能设备，提供智能化的基础设施和服务，推进产业集聚和创新创业，为城市和企业创造更高的价值和竞争力。
然而，目前智慧园区在标准化方面存在着不完善和不统一的问题，制约了其健康可持续发展。
因此，本白皮书旨在提出中国智慧园区标准化的相关内容和建议，以促进智慧园区的规范化建设和发展。
一、智慧园区的定义和特征智慧园区是指通过数字技术、信息通信技术和物联网技术等手段，将城市基础设施、公共服务、企业和人员进行互联互通和智能化管理的开放式城市空间。
智慧园区的特征包括以下几个方面：1.智能化基础设施：智慧园区具备智能化的电力、供水、供气等公共基础设施，能够实时监测和管理能源使用情况，提高能源利用效率。
2.智慧交通：智慧园区采用智能交通系统，通过信息技术和物联网技术，实现交通流量监测、智能停车、智能导航等功能，提高交通运输效率。
3.智慧环保：智慧园区倡导绿色、低碳、循环发展的理念，通过数字技术和物联网技术，实现环境监测、垃圾分类、节能减排等环保管理。
4.智慧服务：智慧园区提供以人为中心的智慧服务，包括智能安防、智能医疗、智慧教育等，提升居民和企业的生活质量和工作效率。
二、智慧园区标准化的意义和必要性1.促进智慧园区的健康发展：制定智慧园区的标准可以规范智慧园区建设和运营，提高园区的管理水平和服务质量，促进园区的健康可持续发展。
2.推动产业创新和升级：智慧园区标准化可以促进各行业的互联互通和协同创新，推动传统产业的智能化改造和升级，培育新兴产业和创新型企业。
3.提升城市竞争力：标准化的智慧园区可以提供高效的基础设施和优质的公共服务，吸引高端人才和企业落户，提升城市的竞争力和影响力。
三、推进智慧园区标准化的建议1.制定智慧园区标准体系：应根据智慧园区的不同类型和发展需求，制定相应的标准体系，包括基础设施建设标准、公共服务标准、环境保护标准、安全管理标准等，形成覆盖全过程、全领域的标准体系。
区块链应用白皮书
区块链应用白皮书区块链应用白皮书是一份详细阐述区块链技术应用在不同领域的报告文件。
以下是一份可能的区块链应用白皮书的框架：一、引言1.区块链技术概述2.区块链技术的应用场景和潜力3.区块链技术对各行业的影响和价值二、区块链技术概述1.区块链技术的基本原理2.区块链的类型：公有链、联盟链、私有链3.区块链的技术组件：分布式账本、加密技术、共识机制、智能合约三、区块链技术的应用场景和潜力1.金融领域：跨境支付、供应链金融、数字货币、证券发行与交易、保险、征信等2.供应链管理：商品追溯、质量管控、物流跟踪等3.医疗健康：电子病历共享、药品溯源、医疗数据管理、患者权益保障等4.公共服务：身份认证、学历认证、房产登记、投票等5.物联网：设备互连、数据安全共享等6.版权保护：数字版权管理、知识产权保护等7.其他领域：公益事业、版权保护等四、区块链技术对各行业的影响和价值1.对金融业的影响：降低交易成本、提高交易效率、增强信用体系等2.对供应链的影响：提高透明度、降低风险、增强协作等3.对医疗健康的影响：提高数据安全性和互操作性、降低医疗成本等4.对公共服务的影响：提高服务效率、增强透明度、降低腐败等5.对物联网的影响：提高设备互操作性、降低安全风险等6.对其他领域的影响：提高透明度和可信度、降低成本等五、区块链技术的挑战和风险1.技术成熟度和可扩展性2.数据隐私和安全问题3.法律法规和监管政策4.社会接受度和教育程度5.技术成本和投入产出比六、结论和建议1.区块链技术的未来发展趋势和前景2.区块链技术应用的下一步重点领域和发展方向3.对政府、企业和研究机构的建议和行动计划。
aigc白皮书
aigc白皮书AIGC（Artificial General Intelligence Consortium）白皮书是一份有关未来人工智能发展的工业报告，它提供了深入的剖析和推测，包括了如何实现人工智能顶点。
本篇文章将从以下几个方面详细介绍AIGC白皮书。
第一部分：简介AIGC白皮书是由国际人工智能协会（International Artificial Intelligence Consortium，简称IAIC）倾力推出的一份关于人工智能的综合性报告，该白皮书是由数十位于人工智能领域工作多年的AI研究员纵深分析AI技术发展历程，基于现有技术条件，以庞大的数据为基础，通过逻辑推理和数学分析得出的最新结论，力图为使人工智能技术实现顶点提供方向和决策建议。
白皮书内容丰富，由多个章节组成，主要涵盖了人工智能的基础概念、应用和发展方向等。
第二部分：基础概念AIGC白皮书第一章主要介绍了人工智能的基础概念，包括人工智能的定义、人工智能的分类、与人工智能有关的领域以及人工智能的概括要点等等。
在这一部分，我们可以深入地了解到什么是人工智能，人工智能的各个方面的基础知识以及它们是如何相关联的。
第三部分：应用AIGC白皮书还进一步介绍了人工智能的应用场景，其中包括人工智能在各个领域中的应用，例如医疗、金融、能源等等。
此外，该白皮书还介绍了当前人工智能发展所遇到的难题和未来人工智能的发展趋势。
在这一部分，我们可以了解到人工智能的现实应用，以及今后我们可以预期人工智能技术将为我们的生活和工作带来的变化。
第四部分：发展方向AIGC白皮书最后一章主要介绍了人工智能的发展方向，包括人工智能技术的研究重点、未来的人工智能发展趋势以及人工智能可能面临的挑战等。
在这一部分，我们可以深入了解人工智能技术的研究重点以及它们是如何发展的，这将有助于我们了解当前人工智能技术趋势，从而为未来人工智能技术的发展做出更好的规划。
结语：AIGC白皮书对于探讨人工智能技术的现状与未来，提供了一种专业的观点和细致的分析，共同描绘了人工智能技术未来的发展方向，同时也为后续的相关工作提供了有益的参考。
中国数字经济发展白皮书(2020年)
产力角度提出了数字经济“两化”框架，即数字产业化和产业数字化，
认为数字经济已经超越了信息通信产业部门范畴，应充分认识到数字
技术作为一种通用目的技术，广泛应用到经济社会各领域各行业，促
进经济增长和全要素生产率提升，开辟经济增长新空间。在《中国数要素................................... 4
图 2 数字经济的“四化”框架......................................... 5
图 3 我国数字经济增加值规模及占比................................... 8
中国数字经济发展白皮书
（2020 年）
中国信息通信研究院
2020年7月
版权声明
本白皮书版权属于中国信息通信研究院，并受法律保护。
转载、摘编或利用其它方式使用本白皮书文字或者观点的，
应注明“来源：中国信息通信研究院”。违反上述声明者，本
院将追究其相关法律责任。
前
言
人类经历了农业革命、工业革命，正在经历信息革命。新一轮科
进，数据集成、平台赋能成为推动产业数字化发展的关键。2019 年
我国产业数字化增加值约为 28.8 万亿元，占 GDP 比重为 29.0%。其
中，服务业、工业、农业数字经济渗透率分别为 37.8%、19.5%和 8.2%。
产业数字化加速增长，成为国民经济发展的重要支撑力量。
数字化治理能力提升。一方面，建设数字政府是实现政府治理从
图 4 2016-2020 年全球 B2C 跨境电商市场规模 ........................... 9
三个白皮书发声亮剑
三个白皮书发声亮剑近日，著名投资公司Block.one发表了三份名为“EOSIO白皮书”、“EOSIO网络白皮书”和“EOSIO开发者白皮书”的关键文献，这将为整个区块链行业提供有益的指导和发展先导，对于推进区块链技术的完善和规范具有极其重要的意义。
对于区块链行业而言，这三份白皮书的重要性不言而喻。
Block.one作为EOSIO的开发公司，其披露的白皮书不仅反映了EOSIO在技术层面上的发展实力和创新能力，更进一步地呈现了行业整体的技术发展轨迹和性质特征，对于加强行业内部的交流和学习，提升行业的发展效率，有着不可替代的作用。
从白皮书的内容来看，EOSIO文档是非常系统、完整的，它不但从技术细节的角度讲述了EOSIO的解决方案，对于EOSIO网络的设计架构、安全性、协议、交易处理等关键要素进行了深入探讨，更进一步地涉及到EOSIO开发者面临的挑战、需要考虑的问题等方方面面。
这些厚重而全面的内容，既可为EOSIO的用户和相关从业者提供最实用的技术指南，又可为新手玩家提供最详细的介绍，是规范EOSIO交易网络的重要手段。
同时，EOSIO文档也提供了对区块链技术行业长期发展方向的思考。
该文档囊括了从技术架构、速度、安全性、兼容性、扩展性等多维度推动区块链行业进一步成熟和完善的重要举措。
换句话来说，EOSIO不仅仅是一个底层技术平台，它将带领着区块链行业进一步打破现有的技术瓶颈，探索全新的技术范式和生态体系。
而在区块链行业的关注度不断加大的情况下，白皮书的重要性就更不言而喻。
区块链不断应用在各个领域，如金融、货物流通、劳动力市场等等，各种解决方案层出不穷，但很多仍不够成熟，EOSIO无疑在这个万物互联的时代扮演着举足轻重的角色。
而这份来自Block.one的EOSIO白皮书，将为近期要投资EOSIO和相关品牌的机构和企业提供有力参考，以更好地评估EOSIO未来的技术、产品和市场前景。
从以上分析看来，可以看出白皮书是一份至关重要的技术性文件。
智投链IIC白皮书
2017智投链(IIC) 白皮书Intelligent Investment Chain市场背景1场景应用：智能投顾平台发展规划核心成员与顾问团队234CONTENTS发行方案5PART ONE市场背景市场背景–大数据分析的能力及应用可视化分析数据挖掘算法预测性分析能力大数据分析是在处理海量数据的过程中，发现潜在行为模式，未知相关性，市场趋势，客户偏好和其他有用信息，可帮助组织做出更明智的业务决策。
•2016年，全球与大数据及商业分析相关的收益达到1300亿美元，其中，银行业占比最高，达到13.1%。
•据估计，到2020年，由大数据及分析带来的收益将达到2030亿美元。
基本方面语义引擎数据质量与数据管理业务计算机器学习类SQL 检索分布式计算NLP 处理API数据订阅业务规则引擎流式实时计算现实效果主动预测需求缓冲风险&减少欺诈提供相关产品个性化服务优化与改善客户体验市场背景–Fintech的崛起与前景金融科技是指非金融机构运用移动互联网、云计算、大数据等各项能够应用于金融领域的技术重塑传统金融产品、服务与机构组织的创新金融活动。
FinTech以数据和技术为核心驱动力，正在改变金融行业的生态格局。
特征应用行业类型低利润率轻资产高创新上规模易合规互联网与移动支付网络信贷智能金融理财服务区块链技术应用市场背景-区块链(Blockchain)区块链(Blockchain)区块链是一种分布式分类帐技术，基于去中心化的对等网络，用开源软件把密码学原理、时序数据和共识机制相结合，来保障分布式数据库中各节点的连贯和持续，使信息能即时验证、可追溯、但难以篡改和无法屏蔽，从而创造了一套隐私、高效、安全的共享价值体系。
根据麦肯锡公司的一份区块链技术报告显示，从2016 年开始，已有超过100 种区块链技术解决方案探索。
在全球区块链产业中，中国成为最活跃的市场。
工信部联合多个行业公司编写的《中国区块链技术和应用白皮书》中列举了金融服务、供应链管理、智能制造、文化娱乐、医疗健康、社会公益和教育就业等区块链可以实现的六个典型应用场景，并分析了区块链与云计算、大数据、物联网、下一代网络、加密技术和人工智能等6 大类新技术的关系。
智能硬件产业发展白皮书
智能硬件产业发展白皮书作者：来源：《中国计算机报》2018年第49期为加快推进智能硬件产业发展，在工业和信息化部电子信息司指导下，赛迪智库电子信息产业研究所编写了《智能硬件产业发展白皮书》。
本书全面梳理了全球和我国智能硬件产业的规模现状、产业链结构和主要特点，对虚拟现实产业的创新进展、应用推进、政策环境、主要企业、投融资的发展现状等做了详细的总结，对产业未来发展趋势进行了展望，并提出了若干建议，以期为我国虚拟现实产业发展和行业管理提供决策参考和依据。
发展状况市场规模随着万物互联时代的到来，硬件智能化成为全社会的共识，在此背景下，智能硬件成为全球发展最快、市场潜力最大的行业之一。
由于政府、科技企业的高度重视和大力投入，智能硬件产业得到了快速发展，出货量、装机量和市场规模显著提升。
据市场调研机构艾媒咨询发布和赛迪智库整理的数据显示，2015年全球智能硬件出货量为13.9亿部，2016年达到18.8亿部，同比增长33%，2017年达到25.6亿部，2020年达到64亿部，年复合增长率在30%以上，在电子信息领域保持领先水平。
全球智能硬件产业初步形成了包括智能可穿戴设备、智能医疗健康设备、智能汽车、无人机、智能服务机器人、智能车载设备等规模化产品领域，呈现出蓬勃发展态势，推动着传统行业的智能化升级。
从细分产品来看，2016年全球智能手表出货量达到2010万块左右，较2015年的1940万块同比增长3.9%。
预计到2020年，全球智能手表出货量将超过5000万块，年复合增长率达到23.0%。
智能手机方面。
IDC数据显示，2016年全球智能手机出货量达到15.1亿部，同比增长5.7%，增速低于2015年的两位数。
其中，基于安卓操作系统的智能手机出货量达到12.5亿部，同比增长7.6%，市场占有率达到82.6%。
预计2020年，全球智能手机出货量将达到19.2亿部，同比增长4.3%，年复合增长率为6%。
智能服务机器人方面。
数字制造 traceability 白皮书说明书
Digital manufacturing for traceability:The way to higher product quality andbetter warranty managementWhite PaperDigital manufacturing for traceability aids warranty managementand quality assurance.ContentsExecutive summary (3)The cost of poor quality (4)The goals of traceability (5)Goals of digital manufacturing for traceability (5)What does traceability do? (6)Results of digital manufacturing for traceability (7)Short-term benefits (8)Long-term benefits (8)Conclusion (9)Screen print Main lineSMT OCP Microsoft SQL serverICT Hand mount Visual check Manual assemblyRepairWC 1WC 3ERPWC 2Functional testAdd accessoriesPackDriven by high-profile regulations compliance like the TREAD Act, warranty management has become a hot topic across industries worldwide. Recalls are costly and time-consuming events that should be avoided entirely. But without adequate process traceability and product genealogy, too many customers will get defective products and too many products will be recalled for repair or replacement even though they are not defective. Both scenarios have enormous implications for the quality-conscious manufacturer that gets rated on the number of recalls it performs – not to mention the enormous direct costs. The core issue is visibility into product quality.Companies must contain potential quality problems before the product leaves the plant while providing detailed product genealogy information to trading partners. Today, few manufacturing enterprises enjoy a true component and process traceability system to facilitate this. If they do, the system likely does not extend outside to trading partners, contract manufac-turing plants, distribution centers or transportation providers.A complete digital manufacturing for traceability system minimizes the cost of product recalls and eliminates recalls altogether.A traceability system that solves this problem will achieve two primary goals: •Minimize the number of products that arerecalled when a manufacturing flaw is found by identifying only the specific serial numbers that were built with the faulty component or by identifying the faulty process.•Eliminate recalls in the first place by providing real-time reports on the machines, components, stations, shifts and operators involved in the defective product and processes before the product is shipped.Improved production quality, cost containment and product warranty management through part and process traceability – elements of a digital manufac-turingsystem – can ultimately improve customer satisfaction by reducing the risks and costs of poor quality and recalls.X-factory architecture applied to manufacturing line.Executive summaryThe cost of poor quality The most severe outcome of poor quality is product recall. The impact of recalling thousands of products is tremendous. Warranty costs in the automotive industry alone exceed $9 billion per year. The short- and long-term costs of a recall can be enormous and is influenced by many factors. Some costs are directly related to recall activities, such as investigation of the product failure, customer notification of the recall, transportation of the recalled product, redesign and repair costs and the loss in value of the defective product.Other costs are indirectly associated with the product recall and poor quality, including the loss of sales due to negative publicity. The bottom line is that poor quality can have a dramatic effect on a manufac-turer’s profits.Warranty costs for leading North American manufacturers range from2 percent to 5 percent of sales, according to AMR Research.Manufacturers must continuously improve their processes, with the goal of delivering products with no discernible defects. This is complementary to Six Sigma goals that strive to improve customer satisfac-tion by virtually eliminating product defects in the first place. To move toward Six Sigma, manufacturers must be able to trace the manufacturing process to both anticipate and detect a nonconforming process during production, before the product is shipped to the OEM or the end-customer.Digital manufacturing for traceability enables manufacturers to better control the quality and performance of manufacturing processes and assets. The result is reduced cost and continuously improved manufacturing processes – both in planning and execution. This drives product quality, production throughput and company profitability. Goals of digital manufacturingfor traceability11.Identify defects prior to customer delivery toreduce in-process costs (proactive, short-termbenefit) and eliminate the need for a recall(proactive, long-term benefit)2.Identify products impacted by the defect aftercustomer delivery to minimize recall costs(reactive, short-term benefit)1. D igital manufacturing is a business strategy, enabled bytechnology, to manage all facets of creating, optimizing and executing manufacturing processes. For more on digitalmanufacturing visit /tecnomatix.The goals of traceabilitySpecifically, a digital manufacturing for traceability system combines production planning, material management, performance monitoring and quality management. It automatically captures detailed manufacturing process information from the shop floor, compares it with the manufacturing process plan and alerts management to any gaps that could lead to product quality issues.Digital manufacturing for traceability information by component date code provides a list of all operations performed using that date code of parts, including part retrieval and setup on machines and which specific products (by serial number) were built with those parts.Digital manufacturing for traceability also provides detailed historical data on the production process for any given work order – enabling investigation into the root cause of quality issues.Varying levels of digital manufacturing for traceability are in use today.Minimally, the system tracks product genealogy information, meaning that it identifies which specific parts or components are assembled into which specific products. In this case, a component could be either a single, discrete element, such as an inte-grated circuit (IC) chip on a printed circuit board, or a pre-assembled unit that is part of a larger assembly hierarchy, such as a ball joint on an automotive suspension subassembly. When a flawed component is identified, the digital manufacturing for traceability system provides detail on only the products – identified by serial number – that were built with the same lot as defective components.The second level of digital manufacturing for traceability tracks very detailed process-related information, such as exactly when and where a specific part was assembled, which machine or device was used and who performed the operation. With this information, digital manufacturing for traceability identifies real-time errors that have occurred during the manufacturing process: such as feeder nozzle errors on a circuit-board assembly machine or incorrect weld gun positioning. This level of traceabil-ity more precisely determines the root cause of the defect.A third and critical level of digital manufacturing for traceability compares the planned and the executed manufacturing process in order to proactively identify nonconformities that are in-process but prior to customer shipment, eliminating the cost of recalling the product in the first place.Finally, at its highest level, the verification functional-ity of digital manufacturing for traceability proactively prevents errors before and during production. Digital manufacturing manages process execution by interactively guiding shop floor workers through tasks – in real-time – preventing them from performing a nonconforming task, or preventing a given worker from performing a task he/she is unqualified to perform. For example, digital manufac-turing lets a specific (qualified) user know which specific parts must be loaded onto a specific machine for a specific order. When the part is loaded onto the machine, the system verifies that this is desired part-machine combination. If an incorrect combination is detected, an alert is generated that allows the user (or the supervisor) to make an immediate correction. This saves production time, money and resources by avoiding nonconfirming tasks or preventing products to be delivered with defective components.Traceability information by product serial number reveals all operations performed on that product, including time stamp and operator name and a list of components and date codes being traced in that product.What does traceability do?A large amount of data is collected by the digital manufacturing for traceability system throughout the planning, setup and execution stages of the produc-tion process (see page 3). During production setup, specific part lots are recorded at each process station. During process execution, each product's genealogy is recorded by identifying the exact time that each product is assembled at each station. Also, process errors (or gaps between the process plan and what’s actually executed) are collected in real time during production. Given all this data, several different actions can be taken, most importantly, corrective action and root cause analysis.Typically, the manufacturer needs to know:•What components failed?•Precisely what products included the defective component?•Do those products need to be removed from work in process or recalled from the customer?•Precisely what process did defective components and products go through?•Which people were involved?•Was the defect due to bad design, bad material or a bad process?•How can the process be improved to detect or prevent these defects in the future?A lot of manufacturing happens before a problem is detected – on average, more than five years of it. The averageis 63.6 months!AMR Research event:Technology Priorities for the Automotive Industry, Oct 7, 2003 If a product defect is found, a failure analysis is performed to identify the defective component. Once the defective component has been identified, the system produces a report with detailed information about the component, including lot number and vendor.The next step determines in which products the defective part was used. A defective lot of compo-nents may have been used in several products, which are all now faulty. Or, unused defective components in inventory or another storage location may need to be retrieved to prevent them from being used in production.After analyzing all affected products, manufacturers will then want to determine the root cause of the problem. With digital manufacturing for traceability, the manufacturer can apply corrective action by tracing the defective product back through all production and inspection phases to the raw materi-als, specific equipment and individuals involved in the manufacturing process.Further analysis identifies specific process abnormali-ties that may have occurred during production to cause the defective component. Examples of process abnormalities include part placement errors or inappropriate storage of a component or assembly. Faulty products might share common conditions, such as a common process or common supplier, which can then be corrected to improve product quality. The correlation of error information and historical process data allows manufacturers to implement corrective action and make the most informed quality and warranty management decisions.Results of digital manufacturing for traceabilityShort-term benefits•Operator error proofing ensures the correct part is handled by a qualified worker during assembly, minimizing re-work costs that would otherwisebe incurred.•Automatic machine programming ensures that no miscommunication occurs between theprocess plan and how machines execute onthat plan.•Early identification of defective parts in-process reduces the chance of performing non-value-added work in subsequent operations, saving the associated material and resource costs for thoseunnecessary steps.•Minimizing the need to quarantine defective parts during inventory or work-in-process reduces labor costs and frees up these resources forhigher value-added tasks.•Matching engineering change notices todefective lots or parts-in-process saves productdesign/engineering re-work.•Catching defects through process monitoring before the product is further processed reducesproduction cost and waste.•Catching defects through process monitoring before the product is shipped to customersresults in fewer recall events. Long-term benefits•Identifying which specific parts/lots are defective by linking them to faulty processes means fewer products need to be recalled per recall event,saving shipping and services costs, among other direct savings.•Fewer recalls and fewer products involved in each recall enhances customer perception ofquality and minimizes negative qualityperception/litigation.Soon product and component traceability will be mandated, both by customers and governments. However, manufacturers should be proactive with traceability initiatives since the costs of warranty management, product recall and poor quality are extremely high. Proper traceability initiatives require a link between the manufacturer’s production planning and execution systems. A complete digital manufacturing for traceability system will minimize both the likelihood and cost of product recalls, saving enormous time and money on defective products that are still in process. Properly implemented, a digital manufacturing for traceability system enables manufacturers to better control the quality and performance of manufactur-ing processes in a mixed IT, mixed automation and multi-tier supplier manufacturing environment. It reduces the manufacturing cost of quality and warranty management while minimizing the negative impact that recalls and poor quality have on the brand. The result is improved customer satisfaction and increased profits.ConclusionSAP R/3X-factoryAbout Siemens PLM SoftwareSiemens PLM Software, a business unit of the Siemens Industry Automation Division, is a leading global provider of product lifecycle management (PLM) software and services with nearly 6.7 million licensed seats and 63,000 customers worldwide. Headquartered in Plano, Texas, Siemens PLM Software works collaboratively with companies to deliver open solutions that help them turn more ideas into successful products. For more information on Siemens PLM Software products and services, visit /plm.Siemens PLM SoftwareHeadquarters Granite Park One5800 Granite Parkway Suite 600Plano, TX 75024 USA972 987 3000Fax 972 987 3398AmericasGranite Park One5800 Granite ParkwaySuite 600Plano, TX 75024USA800 498 5351Fax 972 987 3398Europe3 Knoll RoadCamberleySurrey GU15 3SYUnited Kingdom44 (0) 1276 702000Fax 44 (0) 1276 702130Asia-PacificSuites 6804-8, 68/FCentral Plaza18 Harbour RoadWanChaiHong Kong852 2230 3333Fax 852 2230 3210© 2010 Siemens Product Lifecycle ManagementSoftware Inc. All rights reserved. Siemens and theSiemens logo are registered trademarks of Siemens AG.D-Cubed, Femap, Geolus, GO PLM, I-deas, Insight, Jack,JT, NX, Parasolid, Solid Edge, Teamcenter, Tecnomatix andVelocity Series are trademarks or registered trademarksof Siemens Product Lifecycle Management Software Inc.or its subsidiaries in the United States and in othercountries. All other logos, trademarks, registeredtrademarks or service marks used herein are theproperty of their respective holders.。
中国智能物联网(AIoT)白皮书
中国智能物联网（AIoT）白皮书核心摘要：智能物联网（AIoT）是2018年兴起的概念，指系统通过各种信息传感器实时采集各类信息（一般是在监控、互动、连接情境下的），在终端设备、边缘域或云中心通过机器学习对数据进行智能化分析，包括定位、比对、预测、调度等。
预计2025年我国物联网连接数近200亿个，万物唤醒、海量连接将推动各行各业走上智能道路。
2019年，受益于城市端AIoT业务的规模化落地及边缘计算的初步普及，中国AIoT市场规模突破3000亿大关直指4000亿量级，由于AIoT在落地过程中需要重构传统产业价值链，未来几年发展节奏较为稳定。
当前AIoT技术和商业快速落地，然而，认知智能层面的发展仍然较慢，行业标准与规范化不足，大规模物联网设备的安全问题也有待重视。
在物联网和人工智能时代，消费领域和产业领域都面临新机遇，这一机遇窗口期内，用户触达能力和内容服务生态聚合能力是最重要的资源，具备明星产品+自有操作系统产品的企业更易突围，成长为AIoT时代的所在场景服务的核心者。
中国AloT的概念与现状智能物联网（AIoT）定义人工智能与物联网的协同应用智能物联网（AIoT）是2018年兴起的概念，指系统通过各种信息传感器实时采集各类信息（一般是在监控、互动、连接情境下的），在终端设备、边缘域或云中心通过机器学习对数据进行智能化分析，包括定位、比对、预测、调度等。
在技术层面，人工智能使物联网获取感知与识别能力、物联网为人工智能提供训练算法的数据，在商业层面，二者共同作用于实体经济，促使产业升级、体验优化。
从具体类型来看，主要有具备感知/交互能力的智能联网设备、通过机器学习手段进行设备资产管理、拥有联网设备和AI能力的系统性解决方案等三大类。
从协同环节来看，主要解决感知智能化、分析智能化与控制/执行智能化的问题。
AIoT2025产业瞭望：家庭AI管家智能家居交互方式无感化，跨终端无缝体验AIoT2025产业瞭望：建筑人居人居关怀使五千万人居住和工作体验提升AIoT2025产业瞭望：工业制造人机协同使7万工厂、630万制造从业者受益AIoT2025产业瞭望：智慧城市AIoT能够应用于城市中广泛遍在的各类终端设备AIoT整体架构主要包括智能设备与解决方案层、操作系统层、基础设施AIoT的体系架构中主要包括智能设备及解决方案、操作系统OS层、基础设施等三大层级，并最终通过集成服务进行交付。
aidc产业发展与应用白皮书
aidc产业发展与应用白皮书随着人工智能技术的不断发展，自动识别数据捕获技术（AIDC）产业也在逐渐壮大。
AIDC技术主要是指通过采用不同的技术手段实现对物品、产品、文档、图像、音频、视频等数据的自动识别、采集、传输和处理的技术。
其广泛应用于物流、制造、零售、医疗、金融等领域，为各行业提供了高效、精确、实时的数据采集和处理服务。
在物流行业，AIDC技术已经成为提高物流效率的重要工具。
通过条形码、RFID、传感网络等技术手段，可以实现物流运作中物品的快速、准确、全程可追溯的识别和追踪，提高运输效率、减少人工成本，提高了物流行业的整体运营效率。
而在制造业中，AIDC技术的应用可以帮助企业实现生产自动化，通过物联网技术，实现对制造过程的实时监控和调整，构建高效的智能制造系统。
在零售行业，AIDC技术也发挥了重要作用。
通过AIDC技术，商家可以快速地识别其商品信息，在出售商品时避免人工操作的繁琐而提高工作效率，降低人员成本的同时，也大大提高了服务的效率，为顾客提供了更快捷、更准确的购物体验。
此外，还有拍照识别商品、语音智能导购等领域的技术应用，逐渐实现线下零售店的智能化转型。
医疗行业是AIDC技术应用的另一个重点领域。
医疗机构可以通过AIDC技术实现对病人信息的快速识别，方便患者档案的管理，减少医疗工作人员的工作量，提高医疗服务的效率和准确性。
另外，通过AIDC技术可以实现对医疗用品、药品等安全与有效性的记录和跟踪，降低医疗事故的发生率。
除此之外，AIDC技术在金融行业也有广泛的应用，例如银行通过AIDC技术实现对用户信息和银行卡信息的快速识别，提高工作效率，减少人工成本。
同时，AIDC技术还可以防止银行欺诈案件等金融犯罪的发生，确保客户的交易安全。
总的来说，AIDC技术的应用广泛且逐渐深入到各个行业，为企业提供了高效性、精确性、实时性的数据管理和处理服务。
未来，随着人工智能技术的不断发展，AIDC产业有望进一步提高技术的智能化水平，将AIDC技术与其他前沿技术结合，实现更高效、更精准、更全面的数据管理和处理，为各行业提供更智能化、更优质的服务。
脑机接口标准化白皮书2021
脑机接口标准化白皮书2021脑机接口（Brain-Computer Interface，BCI）是一种将人类大脑活动转化为计算机指令的技术。
随着科学技术的发展，BCI在医疗、教育、娱乐等各个领域都有广泛的应用。
但是，由于各种脑机接口设备和应用的异构性，标准化成为了BCI技术发展中的重要问题。
为了推进脑机接口技术的发展和应用，BCI标准化工作组于2021年发布了《脑机接口标准化白皮书》。
该白皮书主要包含了对脑机接口标准化的定义、目标和原则，以及BCI标准化的具体内容和方法。
白皮书明确了BCI标准化的定义：通过规范脑机接口设备、数据采集和分析过程，以及应用程序等方面的技术要求和标准，实现脑机接口技术的互操作性、可复用性、可扩展性和安全性，从而推动BCI 技术的发展和应用。
接着，白皮书阐述了BCI标准化的目标和原则。
目标是建立一个全面、一致、可持续且开放的BCI标准体系，促进脑机接口技术的跨领域整合和创新应用。
原则是遵循科学性、民主性、合作性和包容性的指导思想，尊重多元文化和利益相关者权益，建立互信、共赢的国际合作机制。
接着，白皮书列举了BCI标准化的具体内容和方法。
具体内容包括脑机接口设备、数据采集和分析、通信协议、安全保障、应用评价等方面的标准规范；方法包括国际合作、标准化研究、标准颁布、推广与应用等环节的实施步骤。
白皮书强调了BCI标准化的重要性和意义，指出只有通过标准化，才能实现脑机接口技术的互联互通、协同发展和落地应用，进一步推动人类数字化时代的到来。
综上所述，《脑机接口标准化白皮书》对BCI技术的发展和应用具有重要的推动作用。
在后续的实践中，需要加强国际合作和多方参与，以实现脑机接口标准化的进一步推进和落地应用。
《夯实数字化基础设施迈向未来智能世界》白皮书发布华勤技术打造数字经济新基建
《夯实数字化基础设施迈向未来智能世界》白皮书发布华勤技术打造数字经济新基建华勤技术近日发布了一份名为《夯实数字化基础设施迈向未来智能世界》的白皮书，呼吁加强数字化基础设施建设，推动数字经济的发展。
白皮书指出，数字化基础设施是实现未来智能世界的关键，它包括网络基础设施、数据中心、物联网设备等。
在未来智能世界的背景下，数字化基础设施将扮演重要角色，为各种智能化应用提供支持。
华勤技术在白皮书中强调，要加强数字化基础设施的建设，需要提高网络的传输速率和容量，优化数据中心的布局和运维能力，加强物联网设备的研发和应用。
此外，还需要加强网络安全和数据隐私保护，提升全球数字化基础设施的鲁棒性和抗干扰能力。
白皮书指出，加强数字化基础设施建设是推动数字经济发展的关键。
数字经济是未来经济发展的重要方向，它基于数字化技术和平台，可以推动传统产业的转型升级，促进创新创业和就业增长。
加强数字化基础设施建设，不仅可以提高数字经济的发展水平，还可以提升国家的竞争力和经济发展的可持续性。
华勤技术表示，将继续助力数字化基础设施建设，推动数字经济的发展。
公司将加大对网络基础设施、数据中心、物联网设备等领域的研发投入，提供更高效、安全、可靠的解决方案，助力建设数字化新基建，促进数字经济的繁荣。
同时，公司还将加大对人才培养和技术创新的支持，为数字化基础设施建设注入持续的动力。
总的来说，华勤技术的白皮书呼吁加强数字化基础设施建设，推动数字经济的发展。
加强数字化基础设施的建设是实现未来智能世界的关键，也是推动经济发展的重要工作。
华勤技术表示将继续助力数字化基础设施建设，提供高效、安全、可靠的解决方案，为建设数字化新基建贡献力量。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
为47.5%）* • 目前智能投顾用户为1230万， 预计在2021年，智能投顾用
户将达到9540万*
* https:///outlook/337/100/robo-advisors/worldwide
特征
低利润率
轻资产
高创新
上规模
易合规
应用行业类型
互联网与移动支 付
智能金融理财服 务
网络信贷 区块链技术应用
市场背景 - 区块链 (Blockchain)
区块链 (Blockchain)
区块链是一种分布式分类帐技术，基于去中心化的对 等网络，用开源软件把密码学原理、时序数据和共识 机制相结合，来保障分布式数据库中各节点的连贯和 持续，使信息能即时验证、可追溯、但难以篡改和无 法屏蔽，从而创造了一套隐私、高效、安全的共享价 值体系。
智投链智能投顾平台的核心结构
人工智能 机器学习 风险评估 策略投资
金融大数据 社交大数据 媒体大数据
可信赖的 智能投资平台
区块链技术：
智能合约、货币加密、 共识机制；唯一身份 识别，优化支付安全 性能
三大技术关键点
大数据监测和采集
全网布局，透过社交媒体、门户、 平台公开的API接口，以及收集公开 与购买的公司盈利报告，聆听、监 测与采集全网信息数据
TOKEN分配方案
45%：早期投资人及兑换。早期投资人为私募阶段，为智投链提供资源、技术等方面的支持；私募和兑换阶段持有的Token 无限售期，流通之后即可交易。兑换将在国内、海外先后进行，海外兑换的时间在国内发行时间之后，价格不低于国内兑换 价格。
25％：团队激励。团队持有的 Token，分三年共计12期进行解禁，每次解除限售比例为8.3%。
中植创投执行总经理 曾任中关村国际资本(硅谷) 投资及运营副总裁； 曾管理全球最大电子支付网 络维萨卡（Visa） 公司的上 市、并购委员会等。
Jay Zhao：投资总监
曾就职于法国兴业等多家欧 美顶级投行; 毕业于上海交通大学及法国 工程师学校。
王海明：法务顾问
中国政法大学经济法硕士，中国政法 大学与英国曼彻斯特大学联合培养博 士（金融法）；曾任职中证机构间报 价系统及其子公司中证互联股份有限 公司，任投行业务部负责人。
数据分析
整合公开的全网信息与历史投资收 益报告，用户背景资料等，建立多 维投资策略模型，进行数据分析
机器学习
通过大规模多维度的机器学习，包 括自然语言处理、逼近论、市场证 券分析、朴素贝叶斯分类等算法不 断优化，打造人工智能智投平台
智投链Robot的核心竞争力
• 平台包括了各种行为数 据和围绕着事件建立起 的和投资者心理、社交 场景、金融数据、投资 结论的联系。用户通过 与平台的交互，可获取 独一无二的投顾参考。 而平台的智能化交互方 式也将重新定义用户的 体验。
顾问团
邓迪：
太一云董事长。
高耀华：
财猫网络总裁。
姚远：
汇币网
武源文：
井通区块链创始人
杜均：
节点资本，金色财经。
李雄：
链向财经CEO, 原SOSOBTC、 ICO365联合创始人
顾问团
张俊：
全国首家互联网信用借贷平台拍拍贷的 联合创始人，现任上海拍拍贷金融信息 服务有限公司首席执行官。
张化桥：
中国支付通集团控股有限公司 （HK8325）董事长，曾任瑞银 集团中国首席经济学家及投资 银行副主席，复星集团独立非 执行董事
*Accenture and Bain &Co. research
市场背景 - 智能投顾 (II-Advisor)
智能投顾 (II-Advisor)
智能投顾是一类财务顾问，可以自动提供财务咨询或投 资组合管理，他们根据数学规则或算法提供数字财务建 议。 这些算法由软件执行，因此不需要人工顾问。 该 软件利用其算法自动分配，管理和优化客户的资产。
IIC项目筹备 · 启动 · 发展时间规划
项目里程规划
2017.08 1
IIC项目可行性调研
2017.09 起草IIC白皮书
2
2018.01 3 首次公开发售
2018.03 完成平台核心区块链化
4
2018.07
5
IIC系统平台1.0版本测试与试运行
IIC系统平台1.0版本正式投入运营
6 2018.08
Robot人工智能管理层
通过自定义关键词，风 险偏好，投资模型，标 的范围，投资目标，让 Robot产生投资信号和 建立投资组合。
交易层
I量连接社交媒体、金 融数据接口、用户行 为、决策数据接口，建 立多维投资模型数据库
Accurate Gas
2017
智投链 (IIC) 白皮书 Intelligent Investment Chain
CONTENTS
1 市场背景 2 场景应用：智能投顾平台 3 发展规划 4 核心成员与顾问团队 5 发行方案
1
PART ONE
市场背景
市场背景 – 大数据分析的能力及应用
大数据分析是在处理海量数据的过程中，发现潜在行为模式，未知相关性，市场趋势，客户偏好和其他有用信息，可帮助组织做出更明智的业务决策。 • 2016年，全球与大数据及商业分析相关的收益达到1300亿美元，其中，银行业占比最高，达到13.1%。 • 据估计，到2020年，由大数据及分析带来的收益将达到2030亿美元。
杨大勇：
尚诺集团高級副總裁安家世行董事 長、總經理
5
PART FIVE
发行方案
智投链的使命
智投链 IIC（Intelligent Investment Chain）所致力发展的 是基于智能投顾，大数据分析，区块链等技术的智能投资平 台。致力于发展第三代的区块链金融投资领域应用的代表。旨 在利用越来越丰富快捷的社交媒体信息，越来越成熟的大数据 获取和分析，以及越来越公开安全的区块链，帮助投资者做出 快速正确的投资决定和执行。推动第四代互联网的发展和成 型，成为区块链应用的黑石集团。IIC是智投平台运作的基础代 币，基于以太坊区块链底层发行， 发行总量为210亿枚，并接 受以太坊智能合约限定。IIC是智投平台用户进行策略执行，策 略制作，项目发起等的基础工具。
智投链价值与公司成长、公开市场绑定
智投链的价值有极大的增长潜质，不仅与公司业绩成长成 正相关，也可在公开市场交易买卖，价值成长空间巨大。
TOKEN发行与分配方案
IIC本次售卖标的为IIC Coin，额度为94.5亿 IIC（占总额45%），对应募资总额为7100万美元等值 ETH。 公开售卖硬顶85000ETH。
智投链应用场景举例 - 自主设置风险系数，风险可控
投资者可以在跟随的策略基础上设置智能止盈、止损、仓位管理等风险系数，及时帮您在云端逃顶、抄底。
智投链应用场景举例 - 投资策略组合功能，实现多策略对冲
智投链应用场景举例 - 为专业投资者和机构提供一站式专业量化服务
3
PART THREE
项目里程规划
投顾市场的现状与痛点
我国投顾市场现状
资质及监 管政策偏
严
适宜智能 投顾的投 资标的偏
少
投资者教 育素质落
后
盈利短期 内难以扭
转
税制因素 对收益影
响较大
行业鱼龙 混杂
投顾市场的痛点
偏高的 投资门
槛
高成本 的管理
费
信息不 透明
风险过 于集中
2
PART TWO
场景应用：智能投资平台
简介及平台生态结构·三大关键技术点·区块链技术的应用·投资市场·社交媒体·发展规划·团队介绍
唐一端：CEO
现任中国铜牛控股集团 董事局主席, 原联讯证 券资本运营总经理。
王世斌: 策略总监
清华大学五道口金融学 院博士, 资深投资银行家, 原德意志银行大中华区 执行董事。
IIC核心团队是一个国际化的投资银行团队 拥有丰富得金融科技产品研发运营经验 擅长打造超预期得金融科技产品
Roy Cheng：CTO
4
PART FOUR
核心团队与顾问团
IIC核心团队是一个国际化的投资银行团队 拥有丰富得金融科技产品研发运营经验 擅长打造超预期得金融科技产品
郭巍：主席
中国国际技术转移中心主任 北京大学法律系77级毕业 生； 郭主席在过去的 10 年间， 在中国国家总理李克强先生 的指示下、积极推动中国及 欧亚地区科技政策、科技金 融、科技合作。
利用IIC获取的AG能量越 多，Robot引入加权系数 维度越高，投资组合模型 约精准，预期收益越高
智投链的业务流程
平台提供股票、期货、期权、数字资产统一交易，无缝对接各大证券公司、期货公司、国内外证券期货交易所、数字交易所。助力金融机构和个人实现统一的 自动管理，快捷方便的实现对各类终端接入的管理和智能操作。
投资模型的兼 容性迭代性强
• 技术平台基础最大限度 的提升数据延展性。这 使我们可以将丰富的不 同数据资料整合重塑， 根据风险偏好、投资场 景、区域、金融环境等 不同维度的模拟，不断 分析建立不同的投资组
智投链区块链技术的应用
账户层
点标识唯一，防DDoS 攻击，可靠加密
合约层
智能合约，透过共识节 点轮转/统一记账，无 法篡改交易记录
赵国庆：
原京东集团副董事长兼首席战略 官，现任马上消费金融股份有限公 司首席执行官
王春风：
当代控股集团董事长，创始人。
王静娴：
香港亚太卫视副台长，知名财 经主持人。
郭宇航
点融网创始人，联合CEO
顾问团
杨德龙：
南方基金首席策略分析师，2006年7月 毕业于北京大学光华管理学院金融系， 获经济学硕士学位，2003年7月毕业于 清华大学机械工程系，获工学学士学 位。