同花顺-圈子

车联网(Internet of Vehicles，IoV)是一种新兴范式，由车辆通信和网络的最新发展推动（图1）。汽车的性能和智能正在迅速增强，将有可能支持大量令人兴奋的新应用，集成全自动驾驶汽车、物联网(Internet of Things，IoT)和环境。这些趋势将带来智能车联网时代，同时，这将严重依赖于通信、计算和数据分析技术。对于智能车产生的海量数据，由于资源/功率的限制和通信开销/延迟的限制，车载处理和云计算是不够的。作为纳斯达克上市企业“微美全息US.WIMI”旗下研究机构“微美全息科学院”的科学家们通过在无线网络边缘(如无线接入点)部署存储和计算资源，包括边缘缓存、边缘计算和边缘人工智能的边缘信息系统(Edge Information System，EIS)将在未来的智能车联网中发挥关键作用。EIS不仅将提供低延迟的内容交付和计算服务，而且还将提供本地化的数据采集、聚合和处理。

图1车联网的一些概念图

1.引言

一个多世纪以来，汽车工业一直是主要的经济部门之一，其经济和社会影响不断扩大。信息和通信技术被认为是革新车辆网络的有前途的工具。车联网将具备通信、处理、存储和学习能力。特别是，有了车联网，车辆将能够利用云存储和计算等资源。除了车辆行驶和安全外，车联网还将为城市交通管理、车辆保险、道路基础设施建设和维修、物流运输等提供便利。作为物联网的特殊情况，车联网需要与智能城市等其他系统进行集成。

由于嵌入式系统、导航、传感器、数据采集和传播以及大数据分析等方面的最新进展，我们正见证着汽车的日益智能化。它始于辅助驾驶技术，即高级驾驶员辅助系统(advanced driver assistance systems，ADAS)，包括紧急制动、倒车摄像头、自适应巡航控制和自动停车系统。在全球范围内，ADAS系统的数量从2014年的9000万台增长到2016年的约1.4亿台，在短短两年的时间里增长了50%。根据国际汽车工程师学会(Society of Automotive Engineers International，SAE)对自动驾驶汽车的定义，上述系统主要属于自动化的1级和2级。特斯拉的自动驾驶系统也属于该类。2018年的奥迪A8是第一辆已投产的3级自动驾驶汽车。预测各不相同，但许多人预测，4级和5级自动驾驶汽车将在10年内上市。

即将到来的智能车联网将需要各个领域的支持，包括汽车、交通、无线通信、网络、安全和机器人，以及监管机构和政策制定者。本文将从信息和通信技术的角度对智能车进行研究。特别是，在无线网络边缘(如无线电接入点)集成存储、通信、计算和数据分析，为解决智能车联网的数据采集、聚合和处理挑战提供一个有效的框架。接下来，阐述智能车联网面临的大数据挑战及其激发的对边缘信息系统EIS的需求。

1.1智能车联网中的大数据

信息技术的进步，包括通信、传感、数据处理和控制，正在将交通系统从传统的技术驱动系统转变为更强大的数据驱动的智能交通系统。这种流行的运动将产生大量的数据。在过去的20年里，无线行业一直在努力应对智能手机带来的移动数据爆炸。然而，与智能车预计将产生的海量数据相比，这样的竞争将会相形见绌。智能车辆配备了多个摄像头和传感器，包括雷达、激光雷达(light detection and ranging，LiDAR)传感器、声纳和全球导航卫星系统(global navigation satellite systems，GNSS)。预计未来单辆车将有超过200个传感器，传感器总带宽将达到3Gb/s(1.4TB/h)至40Gb/s(19TB/h)。据英特尔估计，每辆自动驾驶汽车每天将产生大约4000GB的数据，相当于近3000人的移动数据。假设全球只有100万辆自动驾驶汽车，那么自动驾驶就相当于30亿人的数据。英特尔首席执行官布莱恩•科再奇(Brian Krzanich)表示：“数据是自动驾驶未来的新石油”。

智能车联网产生的大数据将给通信、存储和计算基础设施带来前所未有的压力。虽然车载计算和存储能力正在迅速增长，但与存储和处理的数据规模相比，它们仍然有限。例如，NVIDIA的自动驾驶学习数据采集系统采用了固态硬盘(solid-state drive，SSD)作为外部存储器，最多可存储数TB的数据，在数小时内就可以被感知数据填满。此外，处理这些数据所需的计算很容易耗尽车载计算资源。配备10个高分辨率摄像头的汽车可以产生2Gpixels/s的数据。通过多个深度神经网络(deep neural networks，DNNs)处理这么多数据，可转换为大约每秒250万亿次操作(TOPS)。与此同时，为了实现比最佳人类驾驶员在100~150ms内采取行动的更高的安全性，自动驾驶系统必须能够在100ms的延迟内处理实时交通状况，这需要大量的计算能力。图形处理单元(graphics processing units,GPU)等耗电量大的加速器可以提供低延迟计算，但它们的高功耗，进一步被满足热约束的冷却负载放大，会显著降低车辆的行驶里程和燃油效率。

关于使用云计算来帮助智能车辆的建议有很多，其中一些已经实现了，比如基于云的软件更新或训练强大的深度学习模型。云计算平台当然是车联网的重要支持者，但它们还不够。成本和功耗是车载计算的主要限制因素，而长延时和海量数据传输是云处理的瓶颈。从移动客户端到云中心的往返时间可能很容易超过100ms。而且这种延迟很大程度上取决于无线信道条件、网络带宽和流量拥塞，无法保证实时处理和可靠性。如所示，考虑到延迟需求，如果要卸载辅助驾驶系统的语音识别任务，服务器必须位于附近的基站(base station,BS)，即无线网络的边缘。这与最近将计算资源部署在无线网络边缘的趋势是一致的。

1.2边缘资源部署

为了克服车载计算、通信、存储和能量的限制，同时避免云计算的过度延迟，在无线网络边缘部署资源受到了学术界和业界的广泛关注。在移动数据流量中占据主导地位的视频文件等热门内容，很可能会被不同的用户反复请求，这种请求是可以预测的。因此，在无线网络边缘部署存储单元并缓存流行内容，即无线边缘缓存，是一种很有前途的高效内容交付解决方案。同时，人工智能(artificial intelligence，AI)的复兴和智能移动应用的出现，需要能够支持计算密集型和延迟敏感的移动计算的平台。移动边缘计算(mobile edge computing，MEC)是一种新兴技术，它有潜力将电信与云计算结合起来，直接从网络边缘提供云服务，并支持关键延迟的移动应用。这是通过将计算机服务器放置在BSs或无线电接入点来实现的。边缘缓存和计算平台进一步实现了边缘AI，它在边缘服务器和移动设备上训练和部署强大的机器学习模型，并被视为物联网的关键支持技术。边缘AI正在改变半导体产业的格局。2018年，边缘AI的出货量收入达到13亿美元，到2023年，这一数字预计将达到230亿美元。在本文中，这些平台统称为EIS。

EIS非常适合智能车联网。它能够辅助智能车辆的关键功能，从数据采集(用于态势和环境感知)，数据处理(用于导航和路径规划)，到驱动(机动控制)，如图2所示。在网络边缘处理数据可以节省大量的通信带宽，也可以满足对关键任务的低延迟要求。车联网的内容通常具有较高的空间局部性，如路况和地图信息主要用于局部，而时间局部性，如上午的交通状况与晚上的关系不大。此外，车辆只对内容本身感兴趣，而不是其来源。这些关键特性使得IoV的缓存辅助内容中心传播和交付非常有效。另一方面，智能车辆由于具有大的传感数据，面临着巨大的计算负担。例如，计算能力仍然是阻碍车辆从高分辨率摄像机带来的高系统精度中获益的瓶颈。其中，功能强大的卷积神经网络(CNN)中用于视觉感知的卷积任务和用于视觉定位的特征提取任务是高度复杂的。将这些计算密集型任务转移到邻近的MEC服务器，将使强大的机器学习方法能够协助智能车辆的关键任务。

智能车联网需要利用不同的信息处理平台

1.车载处理用于高延迟敏感的任务，如车辆控制的实时决策，并对传感数据进行预处理，以减少通信带宽。

2.边缘服务器适用于定位、地图绘制等对延迟敏感、计算量大的任务，也适用于聚集和存储地区高清地图等本地信息。

3.云计算是为了用大量的数据集训练强大的深度学习模型，作为广域信息的非实时聚合器，并存储有价值的历史数据以供持续学习。

EIS将在智能车信息基础设施中发挥重要而独特的作用。通过全面、深入地引入智能车车载EIS有望填补这一空白。

图2 EIS支持的智能车联网

2.车联网的边缘信息系统

2.1边缘信息系统

EIS帮助智能车辆获取、聚合和处理数据。在车联网中，它充当车载处理器和远程云数据中心之间的中介平台。如图2所示，EIS主要包括以下几个部分。（1）边缘服务器：部署在BSs或路边单元（roadside units，RSUs）的计算机服务器，配备存储单元(如SSD)和计算单元，如GPU或边缘张量处理单元(TPU)。（2）车辆：智能车辆配备各种传感器、通信模块和具有计算和存储能力的车载单元，智能汽车是强大节点。（3）用户设备：用户设备种类繁多，如乘客智能手机、可穿戴设备等。（4）V2X通信：通信模块是EIS的重要组成部分。

后续本文根据车辆的角色考虑两种不同的场景，车辆作为客户端(VaaC)和车辆作为服务器(VaaS)。（1）VaaC：首先，车辆可以作为客户端访问RSUs或BSs的边缘资源。其关键思想是将数据采集和处理并行进行。边缘服务器充当数据采集的锚节点，然后为本地应用程序处理数据。例如，他们可以从经过的车辆中收集地图数据，建立和更新高清地图，并可以主动监测当地的道路状况和交通状况。这些应用与车联网高度相关。（2）VaaS：车辆还可以作为车辆乘客、第三方接受者和其他车辆的移动服务提供商，提高用户体验，如通过驾驶员身份识别实现个性化驾驶体验，以及丰富的信息娱乐应用。与基于边缘服务器的方法相比，VaaS的移动性更小。此外，它还允许相邻车辆之间的协作，如协作感知、协作驾驶等。

2.2智能汽车的关键任务

智能车辆的基础是对环境的理解能力。不同的车载传感器用于不同的感知任务，如目标检测/跟踪、交通标志检测/分类、车道检测等。也利用了先验知识，如先验地图。基于传感数据和感知输出，应用定位和映射算法计算车辆的全局和局部位置，绘制环境地图。这些任务的结果然后用于其他功能，包括决策、计划和车辆控制，如图3所示。这里，重点关注感知、高清地图、同步定位与建图（simultaneous localization and mapping，SLAM）作为智能车辆的主要任务，如表1所示。

图3智能车辆的关键任务，以及它们如何在自动驾驶中协同行动

（1）感知

有各种各样的车载传感器，具有不同的特点，服务于不同的感知任务。每种传感器都有其局限性。与主动传感器(如激光雷达和雷达)相比，相机和立体视觉在计算上是昂贵的，而激光雷达和雷达在分类和非常近(<2m);而声纳的角度分辨率很差。智能汽车的感知面临一些主要挑战，如恶劣天气和光照条件下的感知，或复杂的城市环境下的感知，以及有限的感知范围。通过利用不同传感器的传感数据，可以利用传感器融合等技术来弥补单个传感器的不足。然而，这将显著增加机载计算。通过提供额外的近似计算和存储资源，EIS能够提高感知能力。它可以帮助提高相机和立体视觉的传感精度，例如，通过强大的深度学习技术，并通过将计算密集型子任务转移到边缘服务器，实现复杂的多传感器融合。此外，协同感知通过共享板载感知能力和计算能力，以V2V和V2I通信为辅助，并通过边缘服务器进行协调，可显著提高感知鲁棒性和准确性，扩展感知范围。

表1智能汽车的关键任务

（2）高清地图

地图是任何移动机器人应用的基础，它对自动驾驶尤为重要。高清地图模拟路面的精度为10-20cm。它包含道路所有关键方面的三维表示，例如，坡度和曲率，车道标记类型和路边物体。高清地图定位可以达到厘米级的精度。它利用车载传感器，将车辆感知的环境与相应的高清地图进行比较。这可以克服基于GNSS的方法(如GPS)定位精度低、可用性变化等局限性。预计，基于高清地图的本地化将成为4级和5级自动驾驶系统的通用方法。在制作高清地图方面，业界已经做出了很大的努力。然而，在实际执行方面存在困难。制作高清地图非常耗时。为生成高清地图，需要配备专门映射移动映射系统(mobile mapping system，MMS)的车辆，整个过程包括三个步骤：数据采集用于获取测绘数据，数据积累用于积累测绘车辆采集的特征，数据确认用于手动细化和确认地图。而且高清地图是动态的，需要及时更新的变化。一些高清地图供应商与汽车制造商合作，从智能汽车上获取最新的地图数据，但这将大大增加车辆的车载处理负担。

由于高清地图数据精度高，且具有丰富的几何信息和语义，因此高清地图数据的尺寸非常大，造成了传输和存储高清地图的困难。它们通常是由云服务提供的，地图附近的一些小区域会下载到车辆上。一份厘米级精度的3D高清地图需要下载的数据量可以达到3-4Gb/km。这不仅给从云上下载数据带来了延迟，也给骨干网带来了沉重的负担。由于其固有的地理局部性，EIS将在智能车高清制图中发挥重要作用。可以采用不同的边缘辅助方法。边缘缓存可以帮助高清地图传播和地图数据聚合。通过利用本地缓存的数据，边缘计算可以帮助地图构建和地图变化检测。边缘服务器还可以协调车辆通过该区域进行众包绘图。这样，通过在本地保存和处理数据，并在需要的地方构造地图，可以实现更高效的高清制图。

（3）同步定位与建图

基于地图的定位对于在不经常变化的道路上行驶是有效的。然而，如果发生剧烈的变化，准确性的损失可能会影响驾驶安全。SLAM包括同时估计车辆状态和构建环境地图。它不依赖于先验信息，允许车辆持续观察环境，并容易适应新的情况。为了实现完全自主，智能车辆必须能够在其所处的环境中进行准确的SLAM。SLAM被认为是自动驾驶的关键实现技术，2007年DARPA城市挑战赛的车辆已经使用了基于SLAM的方法。虽然已经开发了许多SLAM算法，但它们主要是针对室内、高度结构化的环境。自动驾驶汽车需要在户外、光线多变的道路环境中运行，因此需要更快、更有效的算法。特别是，SLAM对自动驾驶的计算需求将是高度密集的；1小时的驱动时间可以生成1tb的数据，而利用高计算能力对1Tb的收集数据进行解释需要2天的时间才能得到可用的导航数据。此外，对于实时执行，延迟必须低于10ms，这给车载计算带来了很大压力。

虽然基于云的SLAM算法已经被提出以减轻车辆的计算负担，但其传播延迟无法满足实时性的执行要求。边缘计算平台可以解决这一难题，它可以帮助处理部分计算密集型子例程。多车SLAM，车辆间的合作也有助于提高SLAM的性能。

微美全息科学院成立于2020年8月，致力于全息AI视觉探索科技未知，以人类愿景为驱动力，开展基础科学和创新性技术研究。全息科学创新中心致力于全息AI视觉探索科技未知, 吸引、集聚、整合全球相关资源和优势力量，推进以科技创新为核心的全面创新，开展基础科学和创新性技术研究。微美全息科学院计划在以下范畴拓展对未来世界的科学研究：

一、全息计算科学：脑机全息计算、量子全息计算、光电全息计算、中微子全息计算、生物全息计算、磁浮全息计算

二、全息通信科学：脑机全息通信、量子全息通信、暗物质全息通信、真空全息通信、光电全息通信、磁浮全息通信

三、微集成科学：脑机微集成、中微子微集成、生物微集成、光电微集成、量子微集成、磁浮微集成

四、全息云科学：脑机全息云、量子全息云、光电全息云

以下是微美全息科学院的部分科学家成员：

李徐周，山东大学计算机科学与技术学院博士，是模式识别与图像处理方向学术带头人。近年来一直从事模式识别与图像处理等领域的研究、开发与应用工作。曾参与国家自然科学基金重点项目和山东省自然科学基金重点项目等多项课题的研究工作。在模式识别、图像处理等方面打下良好的工作基础。近年来已在模式识别、图像处理等方向发表多篇学术论文。

郑玉洁，重庆大学博士学位，研究方向包括产品设计变更管理、VR/AR驱动商业模式创新，曾经主研的科研项目包括山东科技大学菁英计划的《基于VR/AR技术的复杂机械产品设计变更管理研究》、重庆大学汽车协同创新中心重点项目《VR/AR技术在汽车消费行为偏好挖掘中的应用及关键技术》及其他多项国家自然科学基金项目，也曾参与发表多篇期刊论文。

刘湘辉，国防科技大学计算机工程与科学专业博士，研究方向包括成像卫星任务规划、无线传感器网络以及公路工程管理软件应用等。曾参加多项国家自然科学基金，其中，其在无线传感器网络方面的相关研究论文曾被《计算机研究与发展》、《电子与信息学报》、《软件学报》以及若干国际会议录用和发表。

丁凯，华中科技大学电力电子与电力传动专业博士，香港理工大学研究员，研究方向包括电子电力学仿真技术，电动汽车、电池管理系统等，曾主导过多项相关的研究项目。

郭松睿，湖南大学计算机科学技术工学博士，曾在中科院科学计算国家重点实验室合现实技术研修班学习混合现实，增强现实技术，参与研发多个重点项目。

江涛，中国科学院沈阳自动化研究所博士，机器人学国家重点实验室，研究方向为微型仿生飞行器的气动/结构设计、控制与系统开发，在2018年获得ICRCA-2018机器人EI国际会议"最佳论文奖"。

杨军超，重庆邮电大学通信与信息工程学院信息与通信工程专业博士研究生，华盛顿大学电子工程学院联合培养博士，长期研究虚拟现实、5G多媒体传输优化、基于MEC的智能转码优化，以第一作者发表SCI/EI论文6篇，中文核心1篇，申请专利4项。

李维娜，2017年博士毕业于韩国忠北国立大学的信息和通信工程学院。2017年8月去了新加坡的Singapore-MIT Alliance for research and technology centre(SMART)从事压缩全息（compressive digital holography）的博士后工作，2018年11月进入清华大学深圳国际研究生院的先进制造学部，在以前工作的基础上把数字全息（digital holography）拓展到机器学习（machinelearning）领域，特别是对U型网络（U-net）的改进和应用。在上述研究领域以第一作者发表高水平论文5篇，以第二作者发表的高水平论文2篇。

曲晓峰，香港理工大学博士，现任清华大学深圳研究生院博士后，主要研究生物特征识别、机器视觉、模式识别，与绿米联创合作进行嵌入式产品算法、深度学习应用、图像与视频相关算法以及生物特征识别相关产品的开发。

危昔均，香港理工大学康复治疗科学系博士，南方医科大学深圳医院虚拟现实康复实验室负责人，主要研究基于虚拟现实技术的康复系统搭建及相关临床和基础研究。

单羽，昆士兰科技大学数字媒体研究中心（澳大利亚）博士，研究方向为虚拟现实娱乐产业与亚洲创意经济，曾参加多场虚拟现实产业的国际学术会议并发表主题演讲，发表多篇以“虚拟现实艺术”相关的学术论文，并参与国内多个虚拟现实娱乐产业领域的项目研究。

刘超，新加坡南洋理工大学博士，是深圳市南山区领航人才，深圳市海外高层次人才孔雀计划C类,Molecular Physics 2011年度最佳年轻作者提名，主要研究方向为人工智能预测过渡金属氢化物金属氢键键长与解离能和环式加成反应中量子力学/分子力学反应机理研究，曾参与过流程模拟软件的开发与研究。

张婷，美国西北大学博士后，香港大学博士，海外高层次人才孔雀计划C类，主要从事VR/MR关键技术研发应用和复杂服务系统优化等研究，发表全息专利5项。获全国＂挑战杯＂创业计划大赛湖北省一等奖，华中科技大学一等奖。

姚卫，湖南大学计算机科学与技术工学博士，主要研究方向：忆阻神经网络及其动力学行为，应用于：图像处理、安全通信。基于VDCCTA具有长时记忆特性的忆阻器电路及其构成的神经网络。参与设计基于忆阻器的神经网络系统模型。基于忆阻器的仿生物神经元和突触连接的微电子电路设计，参与基于忆阻器的神经网络系统模型的设计与动力学行为的分析。

彭华军，博士，毕业于香港科技大学显示技术研究中心（CDR），从事硅基液晶器件、AMOLED材料与器件、TFT器件、显示光学等研发工作。彭博士一直从事信息显示领域前沿工作，涵盖电视图像色彩管理、AMOLED生产制造、微显示芯片设计与制造、投影与近眼显示光学等。彭博士在国际刊物上发表20篇文章。已申请近50项中国发明和美国发明专利，其中10项美国专利和20项中国发明专利获得授权。

陈能军，中国人民大学经济学博士、上海交通大学应用经济学博士后，广东省金融创新研究会副秘书长、广东省国际服务贸易学会理事。主要从事文化科技和产业经济的研究，近年来在版权产业领域研究方面有较好的建树。近年来先后主持、主研“5G时代的数字创意产业：全球价值链重构和中国路径”“深圳加快人工智能产业发展研究”“贸易强国视角下中国版权贸易发展战略研究”，“文化科技融合研究：基于版权交易与金融支持的双重视角”等省部级课题多项，并在《商业研究》《中国流通经济》《中国文化产业评论》等核心期刊发表论文多篇。

潘剑飞，香港理工大学博士学位，现为广东省高校“千百十工程”人才，深圳市海外高层次人才，深圳市高层次人才、深圳大学优秀学者。研究领域主要为自动化+VR应用、先进数字化制造、数字制造全息孪生工厂、机器人等。主持多项国家自然科学基金项目、广东省科技计划项目和广东省自然科学基金项目。

杜玙璠，北京交通大学光学工程博士，取得与显示产品相关专利20余项，发表期刊文章3篇，曾打造全球最高分辨率的8K*4K的VR产品，并提出了采用光场显示技术，解决VR辐辏冲突问题；推出首款国产化率100%的单目AR眼镜，第一次联合提出基于未来空间信息的非接触式交互的操作系统概念（System On Display），在运营商体系进行虚拟现实数字产业合作。

伍朝志，深圳大学光机电工程与应用专业博士，研究方向主要为精密/微细电解加工，发表过多篇期刊论文和会议论文，获得三项相关专利，曾参与国家重点研发计划、国家自然科学基金重大研究计划重点项目等。

丁茹，中国社会科学院，数量经济研究所的技术经济及管理博士，从事大数据与数字经济、创新发展研究、科研项目管理等领域，主要研究领域为科技服务、产业经济研究、技术创新与创业。任山东省技术市场协会副秘书长，擅长整合创新资源、拓展创新业务和创新产业规划和产业经济，参与虚拟现实技术应用方面的相关创新研究和产业资源对接。

翟振明，美国肯塔基大学博士毕业，为广州大学R立方研究所所长、中山大学博导、人机互联实验室主任，曾撰写英文专著《Get Real:A Philosophical Adventure in Virtual Reality》，该书对虚拟现实和扩展现实发展趋势进行技术迭代预言并得到相关印证，此著作被美国评论者认为“有可能在虚拟现实技术和哲学两个领域都成为里程碑性的著作”。其设计创建中山大学人机互联实验室，其中的“虚拟与现实之间无缝穿越体验系统”已在国内外产生广泛影响。其首创了虚拟现实作为逆向艺术的概念，为虚拟世界的艺术与人文理性做出了突出贡献。

谭昕，副教授，主要研究全息虚拟现实应用设计等战略新兴产业相关课程，是数字媒体艺术设计专业主任，担任国泰安教育技术有限公司名誉顾问；受聘深圳市文化广电旅游体育局文化产业专家库专家；受聘深圳市龙岗区文化创意产业专家库专家；担任重庆青年职院项目化课程重构指导指导专家。曾主编《虚拟现实应用设计》。

陆建勋，深圳大学工学博士，其主要产学研方向为虚拟现实技术应用、智能制造技术及相关设备开发等，在相关领域有着广泛而深刻的研究，并发表过多篇期刊论文，曾参与了国家自然科学基金项目、广东省自然科学基金项目和深圳市知识创新基础研究等项目。

张鑫，湖南大学计算机科学与技术工学博士，主要研究硬件电路前后仿真，并进行实际的芯片设计工作，有丰富的整套流流程的经验，如集成电路设计、性能仿真、版图设计、版图验证、前后仿真、流片及封装测试等。曾参与过多项国家自然科学基金项目，发表多篇相关学术论文，多次参加相关领域的学术会议。

洪岳，瑞典乌普萨拉大学工程科学学院博士，现为深圳大学全息计算机技术、光电通信技术助理教授。研究方向包括全息计算机科学、半导体光电、自动化与信息工程、通信系统等等。曾参与发表相关研究领域的多篇期刊论文和会议论文。

张伟略，昆士兰科技大学博士，研究方向主要有沉浸式现场娱乐，跨文化研究、用户体验、本地化策略、沉浸式戏剧等等，其拥有众多光路设计作品，曾获2014上海青年创意基金相关奖项。

王璨，哈尔滨工业大学电气工程博士,德国慕尼黑工业大学,电力电子与电力传动研究所,联合培养博士。研究领域有电力电子工业VR技术应用、新一代全息孪生工厂技术、工业4.0等。曾参与国家自然科学基金委联合基金重点支持项目、国家自然科学基金委青年项目、广东省自然科学基金委面上项目等。发表了多篇相关领域的期刊论文，联合取得相关专利3项。

刘艺涛，新加坡南洋理工大学电气与电子工程学院博士，曾为新加坡南洋理工大学，罗尔斯•罗伊斯-南洋理工大学联合实验室博士后。曾主持国家自然科学基金青年项目、广东省科技厅博士启动项目、深圳市基础研究等项目。参与发表过多篇相关领域的学术论文。

刘云，浙江大学电力系统及其自动化工学博士，美国中佛罗里达大学电气工程和计算机科学联合培养博士，曾为新加坡南洋理工大学能源研究中心博士后研究员，是深圳市南山区C类“领航人才”、深圳市海外高层次人才C类，主要研究方向包括微网/主动配网分布式优化控制等。参与发表过多篇相关领域期刊论文和会议论文，联合发明专利一项，曾做过多场专业学术报告，参与/主持多项科研项目，包括图像信息处理与智能控制教育部重点实验室开放基金(IPIC2019-02),多能源集成优化调度等。

胡国庆，北京大学电子学系博士、博士后，北京大学深圳研究院副研究员，北京大学深圳研究院5G课题组组长，北京大学深圳系统芯片设计重点实验室副主任，深圳市高层次专业人才，广东省百名博士博士后创新人物，深圳市南山区“十大南山好青年”，深圳市新兴战略产业博士专家联谊会创始发起人、副会长兼执行秘书长，深圳5G产业协会专家委员会副主任，深圳5G产业联盟专家委员会副主任，深港澳博士专家联盟副秘书长，朴素资本首席信息技术顾问。拥有副研究员、高级工程师两个高级职称，一个客座教授荣誉称号。参著学术专著一部，发表SCI/EI/ISTP等高质量学术论文40余篇，申请发明专利17项；主持国家及省市级科研项目六项，参研国家级项目十余项。

袁志辉，中国科学院大学（中国科学院电子学研究所），通过硕博连读获得通信与信息系统专业博士学位，主要研究方向：（1）InSAR信号处理；（2）信号分析与处理。现主持国家自然科学基金项目1项，湖南省自然科学基金项目1项，主持湖南省教育厅科学研究项目2项；先后参与国家自然科学基金、湖南省自然科学基金和省教育厅重点科研项目等5项；目前获专利授权2项；在国内外重要学术期刊上发表论文十余篇，其中SCI收录9篇，并担任过IEEE GRSM、TGRS、JSTARS、Access、Letters、SPL和JARS等国际遥感类和信号处理类权威期刊的审稿人。

彭福来，北京理工大学电子科学与技术专业的工学博士。长期从事电子信息、人工智能、大数据处理、医学信号处理等领域的研究工作。作为负责人或骨干人员先后参与国家重点研发计划、国家自然科学基金、装备发展部、省自然科学基金、济南市高校团队人才等重大科研项目。在电子信息、人工智能、大数据处理、医学信号处理分析、生理信号检测等方面具备丰富的研究开发经验。发表论文10余篇，申请专利20余项。

林炯康，香港理工大学电力电子与电力传动专业博士，主要研究方向为工业VR引擎等。曾在诺丁汉大学电子与电机工程系负责控制算法的研究和测试，软件的开发与维护等。发表SCI论文多篇。

张铸，香港理工大学电气工程系博士，研究项目包括VR工业培训系统设计，电机控制器设计与优化等，且参与了多项国家自然科学基金的项目，取得多项相关科技成果，包含一项发明专利、三项实用新型专利和两项软件著作权。

徐翠东，香港理工大学博士，研究方向包括电气工程、电力电子的智能应用等，曾为香港理工大学电机工程系电力电子研究中心研究员，IET电力电子评论家，曾主导多项相关的研究项目，参与发表多篇期刊论文和会议论文。

李社，哈尔滨工业大学博士，主要研究方向为手性光子晶体、手性光子晶体光纤及传感。参与国家自然基金、黑龙江省基金等多项项目，发表论文多篇，其中SCI检索3篇，EI一篇。获黑龙江省科技进步奖二等奖一项。

乔牧，哈尔滨工程大学博士，研究方向包括VR设计原理等，发表过多篇科技论文，参与了多项科研项目，包括国家自然基金项目、黑龙江省教育厅科研项目等，曾取得三项科技奖励，获得两项实用新型专利和一项发明专利。

滕达，中国铁道科学研究院博士，研究方向包括计算机科学与技术自然语言处理、信息工程及控制等，曾主持多项相关课题的研究，参与发表多篇学术论文，已申请发明专利3项。

田雪松，哈尔滨工业大学博士，研究方向包括图形图像光电信息处理及传感技术、量子通讯电子物理研究、激光防护用氧化钒薄膜性能研究等，曾发表多篇相关学术论文，曾参与多个国防科技预研跨行业综合技术项目。

朱学群，北京林业大学博士，具备交叉学科背景，擅长数理统计、量化分析、科学管理，主导多个重点全息AR项目实施，在材料、显示理论与研究很深的行业经验，是新华网中国双创导师、北京市海归科协双创导师。

李迁，北京科技大学博士，研究方向包括材料加工分析、镀膜、工业VR等，在激光共聚焦显微镜、扫描电镜、透射电镜等进行深入研究，对于分子材料、材料连接技术方向曾参与发表多篇相关论文。

赫万佳，香港理工大学博士，主要研究基于虚拟现实技术的康复系统及相关临床和基础研究，曾参与发表多篇相关论文及多个相关项目的研究。

周福礼，重庆大学博士，为国际学术协会会员。主要研究方向包括VR/AR驱动商业模式创新、大数据商务分析等，发表相关论文30余篇，其中SCI/SSCI检索10余篇，EI期刊12篇，CSSCI 1篇，曾经主持多个省部级项目。

刘伟星，中国科学院大连化学物理研究所博士，研究方向包括AR衍射光波导的光栅设计，包括效率、显示均匀性、成像质量优化、AR技术技术路线的探索和调研等。曾发表多篇相关论文及主导多个相关项目，且获已授权专利8项。

李庆普，上海理工大学博士，在虚拟现实领域有丰富的研究经验及项目实践经验，曾参与基于计算机触觉技术的虚拟医疗仿真技术研究、汽车模拟驾驶仿真研究、多体感VR硬件研发及VR实训安全教育等多个项目。其已发表多篇相关论文并取得多项专利。

微美全息科学院旨在促进计算机科学和全息、量子计算等相关领域面向实际行业场景和未来世界的前沿研究。建立产研合作平台，促进重大科技创新应用，打造产业、研究中心深度融合的生态圈。微美全息科学院秉承“让有人的地方就有科技”为使命，专注未来世界的全息科学研究，为全球人类科技进步添砖加瓦。

微美全息成立于2015年，纳斯达克股票代码：WiMi。

微美全息专注于全息云服务，主要聚集在车载AR全息HUD、3D全息脉冲LiDAR、头戴光场全息设备、全息半导体、全息云软件、全息汽车导航、元宇宙全息AR/VR设备、元宇宙全息云软件等专业领域,覆盖从全息车载AR技术、3D全息脉冲LiDAR技术、全息视觉半导体技术、全息软件开发、全息AR虚拟广告技术、全息AR虚拟娱乐技术、全息ARSDK支付、互动全息虚拟通讯、元宇宙全息AR技术，元宇宙虚拟云服务等全息AR技术的多个环节，是一家全息云综合技术方案提供商。