特斯拉创始人马斯克的敢想敢做令人不得不敬仰——从上一年12月为洛杉矶的交通拥堵勃然大怒，发布经过挖掘城市地下地道改善交通情况的计划，至今仅半年，他的地下地道网络计划的各部分作业，包含地下地道、升降和行车体系等，现已获得了不小的翻开。

广州日报全媒体记者温俊华 编译

7月26日，马斯克发布了一段升降机把轿车送入地下的视频，宣告升降机体系获得翻开。马斯克梦想的地下地道网络怎样完毕？我们能够经过这半年来的翻开窥见一二。

用地下“电动雪橇”运送车辆

马斯克在2017 年初专门成立了新公司“钻孔公司”，并指派了SpaceX的高级工程师戴维斯为公司负责人，以推进计划的完毕。戴维斯曾为SpaceX的榜首枚火箭规划导航体系。

马斯克期望在洛杉矶地下建成一个包含多达30层地道的巨大网络，运用“电动雪橇”在地道内运送私家车辆和公交车。“电动雪橇”载着车辆以125英里（约201公里）的时速在地道熟行进，只需5分钟就能从西木区（坐落洛杉矶的西边区域中北部）抵达相距约15公里的洛杉矶国际机场。

马斯克梦想的首条地道始于洛杉矶国际机场，通往卡尔弗城、圣莫尼卡、西木区、谢尔曼奥克斯。马斯克期望未来地下地道网络能掩盖整个大洛杉矶区域。“地下地道网络不惧刮风下雨，也无惧拥堵，车辆增多的话，我们扩展网络层次就是了。与翱翔轿车比较，人们也不必担忧轿车会从天上掉下来。”马斯克说。

难题：挖地道的本钱太高

在地下交通网络中，地下地道是最基本的基础设施。本年2月，“钻孔公司”在Space X公司坐落加利福尼亚州霍桑市的总部泊车场内进行地道挖掘查验。尽管从外面看仅仅一个用生锈的钢板围住的土坑，但内中实践上是一个宽度跨越15米，深靠近5米的大洞。

经过挖掘查验，“钻孔公司”发现地下地道计划中最大的难题是本钱——传统地道钻机挖掘1英里地下地道的本钱高达10亿美元，而传统挖掘办法功率低下是导致高本钱的重要原因。

“修建行业的作业功率在曾经50年里都没有什么行进。”马斯克吐槽说。据报道，“钻孔公司”运用的是一台俗称Nannie的二手地道钻机，由德国公司制作。此前，华盛顿水务公司用来开挖地道以避免污水溢入那卡斯提亚河用的也是这种机器。

为下降挖掘本钱，马斯克需求一台更高效的地道钻机，他期望能改善一台体积更小、动力更强并且能不连续挖掘的地道钻机。“现在地道钻机挖洞的速度比蜗牛匍匐还慢，我们的方针是追上蜗牛的速度。”他说。他还为新机器举行了征名活动，选择以“诗歌和戏剧”系列命名机器，将首台地道钻机命名为“戈多”。马斯克还计划将地下地道的直径从28英尺（约8.5米）减缩至14英尺，期望经过改善地道钻机和缩小地道直径削减10%以上的挖掘本钱。

本年6月底，马斯克宣告，“戈多”地道钻孔机现已完毕了地下地道榜首部分的挖掘。

仇视：布满地道网不实践

在马斯克26日发布的视频中，一辆特斯拉轿车行进到升降途径上，跟着途径下降到地下地道中。视频意味着地下地道网络的升降体系获得开始研讨作用。

此前，马斯克已在网上发布过地下地道网络行车体系的研讨翻开，展现了“电动雪橇”的运作。“电动雪橇”形状就像轿车的底盘，能沿着地下地道的导轨行进，即便装载数吨的轿车，也能抵达每小时125英里（约201公里）的高速。

马斯克还发布了一款用于地下地道网络的公共轿车的规划，轿车简直选用全玻璃结构，车厢里既有座位，也有供乘客站立的空间。

“整个体系现已进入毕竟拼装阶段，地道有几百英尺长。”马斯克27日称。

比起各项技能打破，马斯克以为最困难的仍是获得政府容许。为此，马斯克在6月与洛杉矶市长加西蒂接见会晤，专门议论了地下地道网络，接见会晤后，马斯克描绘项现在景“有期望”。

加西蒂在6月17日承受媒体采访时也提到了地下地道网络计划。加西蒂以为，地道挖掘技能的翻开，包含马斯克开发的技能，能够让洛杉矶缔造一条从国际机场到联合广场的快速通道。

至今，还没消息供认“钻孔公司”现已获得了任安在市政区域挖掘地下地道的容许。现在马斯克地下地道的试验应该还没有打破Space X公司大厦的规划，若要超出这个规划，估计需求许多议论和证明，并需洛杉矶市议会经过。

仇视地下地道网络的人以为，地下地道需求多个出入口，会把城市挖得千疮百孔，在地上修建布满的洛杉矶并不实践，此外还有环保问题，“我们对美国地道的多年研讨经历标明，开挖地道会引起社区的疑虑，需求面对许多环保法则，还有地下许多不知道的情况。”加州大学洛杉矶分校城市规划专家曼维说。

当然，还有地下地道挖掘开展问题，研讨大规划基础设施的牛津大学教授菲韦博格标明，桥梁或地道工程缔造本钱均匀超出预期32%，缔造时刻均匀跨越预期22%。地道缔造进程缓慢，必定程度上是因为地道钻机不行避免地会遭受意料之外的阻碍，如大岩石。“不管你做过多少次查验，取过多少样，你都不能切当知道会钻到什么。” 菲韦博格说。

【订阅专题「IT价值峰会暨我国企业级技能峰会」，获取更多大会现场精彩内容！】

从最早公元前2000年文字诞生起人类就开始搜集数据，到1998年正式提出大数据这一概念，实践上数据的翻开现已横跨了上下4000多年的时刻。在这一漫长的前史演化中，人类共经历了四次工业革命，从最早以蒸汽技能为代表的工业1.0，到现在以智能和互联网为代表的工业4.0，制作业也迎来了其全面蜕变的时刻——智能工厂年代的强势来袭。

结业于美国卡内基梅隆大学、专心于制作业大数据研讨的昆山杜克大学教授李昕以为，在人工智能和大数据愈发渗透的今日，怎样更好地搜集数据、剖析数据、运用数据才是企业根柢。尤其是制作业，作为立国之本，量级更是惊人，怎样用数据助力智能制作，点“数”成金？

在李昕看来，数据剖析在制作业运用有两大技能难点：榜首个是数据变异性，第二个是工艺的改动。关于未来大数据的翻开，李昕也标明，最大痛点在于“懂数据又熟行业”的双料人才的匮乏。在这点上，不管是校园，仍是企业，都负重致远。

以下是李昕教授在2017IT 价值峰会暨我国企业级技能峰会上的演说，经ITValue修改拾掇：

我自己首要从事制作业大数据的研讨，是台湾富士康集团总裁郭台铭先生的大数据顾问，一起也是香港两家公司的董事。

互联网年代，数据暴增。现在每两天发明的信息简直恰当于人类有史以来到2003年所发明的信息总和。这是什么概念？在美国，每分钟就会发生2.04亿封邮件，Facebook上会有180万次的点赞、20万张相片的上传。并且这个量级还会跟着时刻不断上升，大约每1.2年就会翻一番。

如此巨大的数据量怎样才能很好运用？我们先来看一下大数据运用的现状。曾经5-10年，大数据的翻开首要会合在三个方向：图画、视频、语音。国内外许多IT公司在这三个方向上都获得了十分成功的翻开。本年3月，李克强总理在政府作业陈说上侧重，要把人工智能、大数据推广到各行各业中，包含商业、医疗、制作、教育、城市等。这意味着，未来大数据将会渗透到我们日子的每个环节中，发挥越来越重要的作用。

要运用数据就要先剖析数据。大数据剖析需求两类人:数据剖析专家和行业专家，二者缺一不行。谷歌曾经十年一向在推主动驾御技能，可是两年前意识到，主动驾御并不是一个IT公司的数据专家就能独自完毕的事，还有必要和各个整车厂包含本田、福特等的行业专家协作，一起研制产品。

智能工厂年代全面降临

就制作业来说，数据量的巨大不可思议。我国具有强盛的制作业，如果运用大数据把制作业的功率行进10%，那么发明的获利非同小可。在美国，奥巴马时期就提出了智能制作的战略，欧洲老牌制作强国德国一向在主张工业4.0，新加坡也有清楚的规则国家GDP有必要有15%-20%的贡献是来自于制作业。

没有制作业，一个国家就丧失了生计之本。

回想起来，制作业的翻开大约经历了四次工业革命。榜首次工业革命发生于18世纪60年代，首要以蒸汽技能为代表的工业1.0年代；第2次工业革命是在19世纪50年代，以电力为首要动力的工业2.0年代；第三次是20世纪50年代，以核算机技能为代表，把核算机技能运用到工业操控中的工业3.0年代；毕竟一次就是当今以智能和互联网为代表的第四次工业革命即工业4.0年代。

这次工业革命对制作业来说非比寻常，它意味着智能工厂年代的全面降临。什么是智能工厂？在每个工厂的每个车间的每个机台上都设备有许多传感器，不断地搜集数据，并对数据进行剖析，然后优化出产线，下降本钱。这个数据量有多大？制作业有一项技能叫主动光学检测（AOI），每个零部件出产出来后都会被拍摄查验质量的好坏。倘若按每分钟搜集一张1M像素的图片来预算，一台机器一天发生的数据就是1.5G。每个工厂有N多个机台，N多个传感器，总的数据量可想而知。

大数据进步制作流程的4大运用

这么多数据能拿来做什么？榜首个运用就是调度优化。

在智能车间里，机台与机台之间的产品传递首要靠机械手臂来完毕，而车间与车间之间的产品传递则是经过传动带来完毕。所谓调度优化就是经过数据剖析，了解每个产品在每个机台上需求处理的时刻，然后选择出把某个产品送到哪个机台去处理的最优处理计划。这个作业看起来简略，操作起来却很难，正如车辆在路上俄然抛锚构成交通拥堵一样，如果一个机台出了问题，就会打乱整个调度的优化计划，更糟的是如果发现某个产品不合格，就需求被从头发配到某个机台从头处理，那么就会导致整个调度十分复杂，处理欠好就会构成“拥堵”，乃至停工。

大数据的其他一个重要运用就是设备监控。产品制作分许多进程，如果榜首道��序出了缺陷没有立刻发现，等出产出来之后经检测时才发现，那就意味着这段时刻里出产的悉数产品都要作废。这是个很严重的问题。设备监控就是在每个机台上都组织多个传感器来监测设备是否有缺陷。美国有个大型制作企业，早年成品率总是提不上去，经多方查找后才发现，原来是一个机台在拾掇时出了问题，早班清洁工是从上往下拾掇，晚班清洁工是从下往上拾掇，就是这样一个个小小的瑕疵就会对整个出产线构成几百万乃至几千万美金的损失。

第三个运用就是虚拟查验。在制作业中，查验占整个制形本钱的25%-50%，怎样用大数据下降查验本钱？最根柢的一点就是运用数据的相关性，也就是用数据去剖析不同的数据量之间是否相关，如果存在相关就能够用一个数据量去估计另一个数据量。

这里有两个比如，一个是空间的相关性。在集成电路制作中，一块硅片包含许多芯片，传统的办法是每个芯片都要去查验，如果我们把整块硅片看作是一幅图画，那么不同的像素对应不同的芯片，像素点之间是有相关性的，我们能够经过查验少数几个像素点的值，运用核算办法来估值其他的像素点，然后大大削减查验量。

另一个比如是给金属块钻孔。钻孔是否平整？是不是圆形？在制作业上是一个十分名贵的查验进程。我们经过在钻孔机上设备各种十分廉价的传感器，包含轰动传感器、动静传感器、压力传感器等，用这些传感器的查验值去创立一个模型，然后预估钻孔的平整度和质量情况，然后节约很大一笔本钱。

第四个运用是缺陷追寻。监控出产线中产品的制作进程，发现缺陷的本源。缺陷可能是某一个机台，可能是某一种原资料，也可能是某一位操作员。

大数据剖析在制作业运用有两大技能难点：榜首个就是数据变异性，不同机台，在不一同刻、不同环境下的数据具有不同的核算特性，也就是说，在这个机台上搜集的数据不行能直接拿来往不断用于另一个机台的建模。当你把搜集到的数据分配到每个机台、每个时刻点、每个不同的环境条件下去做剖析的时分，你会发现数据量其实并不大，乃至很小。其他一个难点是工艺的改动。制作工艺随时刻在不断演化，相同一个产品，本年制作出来的查验作用和下一年制作出来的查验作用彻底不同，因为产线在不断改动，这是大数据剖析的一个软肋。我们剖析的数据都是前史数据，所以大数据剖析实践上就是两步，榜首步记载前史数据，第二步依据这些前史数据去猜测未来。如果因为工艺改动导致未来和前史是不一致的，那么大数据剖析的最根柢假定就现已不成立了。这也是大数据剖析的一个痛点地址。

怎样去处理这一问题？从我来看，大数据未来翻开的一个最大难点就是短少复合型的人才。要找到一个既懂数据又懂专业范畴的双料人才十分困难，所以培养跨学科的人才是我们昆山杜克校园的一个重要任务。