1. VR与AR的发展前景，VR设备多少钱一套

虚拟现实行业发展前景分析 市场规模增长空间极大
虚拟现实技术(VR)定义
虚拟现实技术(Virtual
Reality，简称VR)是指结合多领域前沿技术(计算机图形技术、人机交互技术、传感器技术、人机接口技术、人工智能技术等)，借助专业设备，让用户进入虚拟空间，实时感知和操作，从而获得身临其境的真实感受。简单地说，虚拟现实技术就是用计算机创造以假乱真的世界，其最重要的特征是具有沉浸感，当置身其中时，接受视觉、声音、触觉乃至嗅觉的多重虚拟信号令人难辨虚实，产生身临其境的错觉，从而大大提升了人类的感知体验。
VR设备倾向走娱乐化路线，占比日益提升的文娱消费是巨大的市场蓝海。
在我国，VR技术真正现实商品化的开始是2015年，因此，2015年被很多人士看作中国虚拟现实的“元年”。
行业市场规模开始爆发式增长
据前瞻产业研究院发布的《虚拟现实(VR)行业发展前景预测与投资战略规划分析报告》数据显示，2017年中国虚拟现实市场规模将达到52.8亿元，随着虚拟现实技术的逐渐成熟，资本逐渐进入，市场规模将进一步扩大，预计2018年中国虚拟现实市场规模将突破百亿元大关，达到105.8亿元。到2020年中国虚拟现实市场规模将突破300亿元。
VR企业体量不断提高
目前，中国虚拟现实行业的产品研发以基于应用场景开发的硬件和体验开发为主，且行业中的企业处于初创期。在中国做虚拟现实的大公司可粗略分为两大类别：一类是成熟行业依据老业务的软硬件优势向VR复制;二类是新型VR产业公司，包括生态型平台型公司和初创型公司。
从数量上看，2007年以来我国市场上新设立的VR的公司数量呈现出强劲的增长趋势，2007年仅5家，2014年突破60家;2016年突破100家，2017年达到了142家左右，随着中国在VR技术、软硬件以及内容方面逐渐取得突破，VR公司的体量也将不断提高。
消费端市场表现较为冷淡
目前中国VR用户分为三类：对VR产品感兴趣的潜在用户、体验过VR设备的浅度用户和已经购买过VR产品的重度用户。我国VR潜在用户为2.86亿，体验过虚拟现实设备的VR浅度用户约为1700万人，其中重度用户约为96万人。
整体上来看，国内VR市场尚处于起步阶段，概念普及率不高，消费市场还较为冷淡。据网络指数对“VR”这一关键词的监测，其搜索热度明显低于Xbox
One和PS4。腾讯研究院将VR消费人群分为深入了解型、保持关注型、有所耳闻型三类，其潜在消费金额分别仅有2392万元、9647万元和2.23亿元。总的来说，目前我国虚拟现实市场规模总体体量较小，增长空间极大。
增强现实行业发展前景分析 内容产业快速普及
AR基本概况
ARKit 是一个全新的增强现实框架，它允许开发者通过整合iOS 设备的摄像头和运动传感功能，创建能够提供增强现实体验的App
应用。通过将虚拟对象和虚拟信息同用户周围的环境相互融合，使得App 跳出了屏幕的限制，以全新的方式与现实世界进行交互。ARKit 运行的条件是：系统为iOS
11 及以上，并且处理器为A9 或者更高(即iphone6s 机型及以上)。使用者体验在iPad 上，通过AR 技术在实体的桌面上放置虚拟物件，并且可以360
度观察放置的虚拟物体。
AR和VR同属于下一代新媒介平台，两者最直观的区别在于使用者视野中是否有现实场景出现：AR=现实+虚拟，VR=100%虚拟。
根据增强现实的技术路径可将增强现实的整体产业链拆分为硬件设备和软件应用两大分类。其中硬件设备类可以
分为通用型设备(电子元器件)和非通用型(电子元器件)。软件应用也可以分为基础数据开发和场景型应用。
应用软件:主要包括AR设备、触觉设备、3D镜片、动作传感器等。 该类电子元器件厂商的核心竞争力主要体现在细分技术方向上,而AR 设备类厂商,如微软
Hololens、Magic Leap 等更需要系统设备 整合性,场景应用型等几个方面。
AR硬件由于在整个产业链中存在先发的规模优势, 所以在初期,能够迅速的打开市场。
从应用领域来看
AR侧重的是现实世界和虚拟世界完美结合，从而提高工作、交流、娱乐的效率，未来有望深度渗透生活方方面面;而VR侧重深度沉浸感的打造，其核心应用将集中在娱乐如游戏、影视等领域，VR的普及对内容质量要求较高。VR设备是全封闭式的，搭建一个完全虚拟的环境，使用户完全沉浸在该环境中。AR在设备屏幕上，将虚拟世界和现实世界进行交融，使用户能够进行虚实互动。
全球AR头显销量
日前，2017年全球AR/VR头显销量情况，据前瞻产业研究院发布的《增强现实(AR)行业发展前景预测与投资战略规划分析报告》数据显示，2017年全球AR/VR头显销量达到约836万台，其中系留VR设备销量约279万台，一体机VR设备约30万台，无屏VR设备约467万台，系留AR设备销量约3万台，一体机AR设备约12万台，无屏AR设备约45万台。包括了系留设备(连PC电脑/主机)、一体机设备和无屏设备(插手机盒子)。
AR内容产业快速普及
新内容形态普及需要巨头在硬件和软件底层技术上铺路，内容迎来爆发。内容产业的爆发都要滞后硬件2-3年，但巨头铺路是往往是内容产业爆发的起点。从苹果硬件+软件平台生态来看，iPhone2007年发布，其单个App下载量在2011年达到最快。从手游市场发展来看，我国手机普及增速最快的时期是在2010年，但手游的增速最高峰出现在2013年。
AR应用之社交
崭新的互动方式，全新的富媒体社交平台：ARKit在社交领域的应用魅力在于：基于一种崭新媒介，催生诸多新的互动的方式，从而提高用户的参与度和粘性，提高社交平台的经济价值。同时AR与LBS等相结合，将催生更加新奇的社交体验。社交巨头Snapchat和Facebook已经将AR融入社交功能当中，预计随着ARKit的推出，将真正实现富媒体社交的全面升级，给用户带来更加完美，更加丰富的全方位社交新体验。
AR应用之游戏
虚实之间行业迎来新机遇：游戏是娱乐产品中最重交互的产品，ARKit带来的是全新的交互形式，游戏行业将迎来发展新机遇。以Pokemon
Go为例，新的玩法极易获取新用户，从而成为现象级产品。当前大多数AR游戏仍然处于Demo状态，游戏玩法和功能比较简单，但是基于iPhone强大的硬件和系统配置，游戏呈现的效果逼真，与现实的结合度较高，预计未来多元化AR游戏的推出将能够极大地丰富玩家的游戏需求和体验。
AR价格分析
据前瞻产业研究院了解，目前VR线下体验店多以小规模经营为主，面积在10 平米左右，不超过100 平米。目前以蛋椅为主要产品形态，单店投入成本在8万元左右(
10平米)，正常情况下3-5个月收回成本。部分店面有亏损，主要原因是人流量不够;部分店面盈利能力很强，月营收在20-30万以上(人流量充足)。初期以单店为主，很快发展成连锁经营模式，通过规模化方式快速复制，提升收益率。

2. 如何搭建一个类似小爱同学的人工智能

如果想要搭建一个类似小爱同学的人工智能，必须要强大的软件建设方面的技术作为支撑，另外在软件设计程序设计方面也要有非常高的水平。

3. 人工智能如何入门

人工智能入门可以分为三步：
第一步：学好数学知识
人工智能就是计算机科学的一个分支，不过也有借助其他计算机技术的时候，它和计算机的主要组成部分非常相似，差异的地方主要就是形态。它们都是硬件和软件相配合，硬件就是实实在在可以看见，可以触碰到的物品，而软件则是在内部运行的，是一种可以对硬件进行控制，实现“智能”的程序。而软件主要是经由程序设计来完成的。
程序设计就是一大堆的英文字母，被组合在一起，表达一种独有的信息，不过除了这些还会需要到数学知识，虽然在一些比较基础的或者是简单的程序上用的数学知识很少，不过随着程序越复杂，用到的数学知识就会越多，比如逻辑思维、数据结构、算法等等。
第二步：学习编程语言

人工智能编程语言有一个共同的特点，那就是这些语言都是面向所要解决的问题、结合知识表示、完全脱离当代计算机的诺依曼结构特性而独立设计的；它们又处于比面向过程的高级编程语言更高的抽象层次。因此，用这些语言编写的程序，在现代计算机环境中，无论是解释或编译执行，往往效率很低。尤其当程序规模很大、很复杂时，将浪费大量系统资源(主要指处理机占用时间和存储空间占用量)，使系统性能下降到难以容忍的地步。
第三步实战
理论知识只是理论知识和实际运用是两回事，拥有再好的理论，不能实现在现实中，也是没有用的，所以基础知识学完后就需要进行实习了，把学来的知识在实际的案例中慢慢吸收一遍，会得到不一样的理解。

4. 如何构建一个像""红后""那样的人工智能

首先，我们来解释一下什么是“灾难性忘却”（catastrophicforgetting）。现有人工智能技术的底层是机器学习技术，也就是利用很多层神经网络来对问题进行量化分析。最终得到一个相对靠谱的神经网络，知道如何分解问题最合理，却不知道网络参数数值与最终结果除了正确率之外的其他逻辑意义。那么我们假设现在有两个需要学习的新生事物A和B，而我们先后用一套神经网络去学习，就会出现一个非常尴尬的局面：让人工智能学习完A之后学习B，之前为完成A任务所建立的神经网络就变得无用，需要再次从0开始积累。当神经网络学会如何解决B问题之后，A问题的解决方法却又已经被覆盖，等于“忘记”了。那种想说一件事，但是因为被打断突然忘掉了，有多郁闷你肯定懂。通俗点来说，虽然这套神经网络能够同时学习A、B两种事物，但他们从本质上来说却不是一个神经网络，因为它并不能同时完成两项事务。这个特性就好比一堵“高墙”，拦住了人工智能往通用化的方向前进。也正因为不能通用化，所以我们目前看到的人工智能还久久停留在“弱人工智能（只能完成一个或者一类实际问题）”阶段。为了解决这个问题，DeepMind此次引入了一套全新的算法体系EWC（弹性权重巩固），原理并不复杂。A、B两个任务，以及分别对应的两个神经网络依旧是A、B两个需要学习的事物，但在学习完A之后EWC算法中多出来了一步：根据神经网络中每一个神经元与结果的关系强弱，分别给他们加上一个对应的时间保护设置。当再次学习全新事物B时，A事物最关键的神经网络结构会被保留，即便少部分被覆盖，也能快速通过再次学习获得。袁行远特别指出：“这次DeepMind进展的关键，在于19个游戏用的是同一个神经网络。”单从这个成绩来看，DeepMind这次的实验已经算成功了。不得不说，这的确很像人脑的工作方式。因为人类大脑也会左右分工、大脑皮层的不同位置也会负责不同任务。处理具体问题的时候，大脑对应区域自然会运转起来。而EWC的出现，就是去衡量这些无法同时工作的神经网络应该如何分别留存。实际上，DeepMind这套算法的参考对象就是人类和哺乳动物大脑，因为他们都有巩固先前获得技能和记忆的能力。根据神经科学目前的研究成果，大脑中主要有两种巩固知识的方式系统巩固（systemsconsolidation）与突触巩固（synapticconsolidation）。系统巩固的过程中，人类大脑将快速学习部分获得的记忆转印进了缓慢学习的部分。这一转印过程有有意识的回忆参与，也有无意识回忆的参与，人类做梦时就能完成这一转印过程。而在突触巩固中，如果一种技能在此前的学习中非常重要，神经元之间连接就不会被覆盖。而这次DeepMind公布的EWC算法，实际就模拟了突触巩固。但毫无疑问，即便装备了EWC算法，人工智能目前的记忆复杂程度还远远比不上人类。是骡子是马？拉出来玩几把游戏再说既然算法有了，自然要测试一下。DeepMind选择了一个自己熟悉的项目：19款ATARI2600（一款1977年发布的经典像素游戏主机，之上有数款最经典的游戏）游戏。早在2015年，DeepMind就通过自行研发的神经网络DeepQ，在这些游戏上得分超过了人类。还是熟悉的项目，但DeepMind这回在DeepQ基础上加上了EWC算法。同时为了验证EWC算法的有效性，他们添加了一个考核条件：每种游戏只能学习2000万次，然后就切换到下一个游戏。当19个游戏全部被学习一次之后，再从第一个游戏重新开始学习。最终他们得到了下面的结果：注：SGD（蓝色）为没有加上EWC的学习结果，红色是加上EWC算法之后，singlegame（黑色）为持续对单个游戏进行学习的结果。需要额外解释一下的是，这些图表中横向坐标是学习次数，同时EWC并不是连续学习的结果。EWC每两个峰谷之间实际上已经学习了另外18个游戏。对结果做一个简单统计：在19个游戏中，总共有11个EWC成绩达到或者接近（以80%计算）singlegame的成绩。另外一方面，EWC与SGD成绩对比也能显现出很有趣的趋势：在绝大多数游戏中，两者都会在“重新学习”之后发生较明显的成绩下滑，但是EWC的成绩通常比SGD高，而且整体波动幅度会越来越小。而这恰恰证明，EWC的确记住了这个游戏怎么玩。但与此同时，我们还能发现另外一些有趣的结果：1、breakout、stargunner、Asterix这几款游戏中，数据的积累非常重要，singlegame也是在学习量积累到一定程度之后才找到其中的规律，而每个游戏只能学习2000次的限制让EWC、SGD都无法取得进展（即便我们继续增加回合数，希望也很渺茫）。2、在kangaroo这款游戏中，不同的学习尝试似乎反而促进了分数，EWC在数个回个之后曾取得多个超过singlegame的成绩（这跟人类玩游戏需要状态、灵感有点类似）。3、在demonattack、defender、spaceinvaders这几款游戏中，EWC在几个回合之后出现成绩下滑。即便后面多个回合继续研究也没有起色。这可能是由于学习次数不够，同时也有可能是因为EWC网络没有正确选择应该保留的神经网络组件的结果。这次实验证明了EWC的确能够工作。但不同游戏下表现差异比较大。如何选择需要“记忆”的神经网络，每次学习的次数如何决定？这些硬性条件同样需要算法来平衡，我们甚至可以说现在的EWC算法是残缺的。袁行远对这部分实验也指出了自己的几个看法：1、DeepMind选择ATARI2600游戏作为测试样本有其原因所在，虽然游戏种类、玩法、成绩不同，但输入都是一致的，这在一定程度上保证了神经网络的通用性质。2、这次记忆体系的构建并不会直接打通强人工智能之路，这还是一个非常漫长的道路。3、神经科学目前的积累基本已经被人工智能所“掏空”，接下来人工智能的进展还需要不断靠尝试推进。记忆铺路，让强人工智能早日来临正如上文所提到的那样，引入“记忆”最终是为了前往人工智能的终极目标——强人工智能，这也是最理想的道路之一。袁行远就此分享了一下目前他所理解的两条前往强人工智能的道路——语言与记忆：“就比如AlphaGo，它现在的确很厉害，未来肯定能超过人类。但它目前还不能做到我最希望的一件事，把它下棋的经验写出来。这样虽然它能下过人类，但是人类并不能理解它的思考，那就等于对人类没有意义。”那么怎么才能让AlphaGo学会写书呢？首先就是能够将AlphaGo的下棋经验记录下来，也就是记忆；其次还需要将这些记忆变成人类所能理解的代码、语言。当然，此次DeepMind所尝试的算法还非常有限，并不能算作一个完整的记忆体系。究竟怎么样的记忆才是人工智能最需要的？袁行远表示：“记住东西是必须的，关键是要能够变成一本一本的书，也就是能够输出一个外部可以接受的成果。这样不同的人工智能能够交换知识，人类也可以进行学习。”从时间长度来看，这些书本实际可以定义为一个个长期记忆，能够永久保存、更新就最好了。至于语言方面，彩云AI最新产品“彩云小译”就是一款人工智能驱动的翻译产品。在之前接受Xtecher采访的时候他也曾强调过：“我们目前在做的是人与人之间语言的翻译，未来实际上同样也可以作为机器与人沟通的桥梁。”

5. 人工智能建站系统开发一套要多少钱

主要是人工成本，建议您找个专业的技术咨询，在这里给出的回答不一样，它涉及您的内容和功能需求，而且后期技术维护，功能更新升级等都是一个不小的费用

6. 如何设计一套智能家居系统

你说你是一个理工科的，而且是学人工智能的，这样才能自己去设计一套，不然的话很难

7. 如何在家里搭建一套个人的私有云系统

如今自己和家人都有了不少的电子设备，而散布于这些设备中的影音、文档等数据也越来越多，经常遇到旅游回来的照片放在某台电脑里、想在平板上看硬盘里的电影、要共享点资料给朋友等等问题，迫切需要有一个数据的存储管理中心，将各设备中的数据统一管理，并能够通过互联网操作，而家用 NAS 恰好提供了这个解决方案，它可将不同设备存储于其中的数据分类管理，并支持本地与互联网的多种访问途径，提供用户访问权限设定，还可以随时随地的备份数据，扩容也很方便，更重要的是系统可通过安装 APP 来扩展各种新功能，形象的说，家用 NAS 就是一朵自己的私有

8. 现在公司想搭建一套视频会议设备，都需要做什么准备呢

其实搭建视频会议系统并不是一件很麻烦的事情，首先你要先了解自己的需求，需要的画面质量，有标清和高清的，然后就是自己的预算问题，这点很重要，最后找个专业的做视频会议的企业帮您安装、培训一下。

9. 需要搭建一套很简单的家庭监控

不使用电脑的话可以买带内存卡的摄像点，录像会存到卡里，这样也不需要布线，只要有电源就可以了，至于布置规划要看你的面积和角度，你可以自己更具实际情况再布置，别人没看见无法给你提供，购买的话可以到你附近卖监控设备的店里，也可以到淘宝里看一下！

10. 如何用tensorflow搭建一套图像识别模块

http://blog.csdn.net/xiangz_csdn/article/details/68060321你参考下