2011-2020年，国内工业机器人销量由2.3万台提升至约17万台，CAGR达25.1%；其中国产工业机器人销量由约800台增加至约5万台，CAGR达58.3%，高于国内整体销量增速约33个百分点；同期市场渗透率由3.5%提升至29%，上升25.5个百分点。2016-2020 年，埃斯顿工业机器人销量由约1000台增加至约6000台，CAGR达56.5%，同期复合增速优于行业约41个百分点，市场渗透率由约1%提升至4%，增长约3个百分点。
实际上，由于AI摄像机中已经内置了所有智能的部分，因此安装、设置和使用深度学习AI并不复杂。因此，系统集成商和安装人员应该能够充分利用该技术，作为几乎所有视频监控项目的一部分。
随着AI做好了开箱即用的准备，尽管有机会对其进行定制以满足最终用户的操作要求，但用户实际上并没有真正需要深入了解其工作原理的技术层面。
智能停车解决方案结合了人工智能(AI)、物联网、机器学习等技术，可实时识别和报告停车点的可用性。它利用从嵌入在停车位置的多个传感器收集的信息来创建动态停车地图。
寻找停车位是当今最具挑战性的任务之一。在繁忙的街道上找到停车位之前，驾车者至少要绕几圈。这主要是因为汽车拥有量很高。寻找停车位现在已经成为一个既耗时又耗费资源的过程。在大多数情况下，人们被迫把车停在远离目的地的地方，并被要求步行上下班。智慧城市是一项正在进行的工作，已经有几年了；然而，如果在不久的将来找不到停车解决方案，这就不可能成为现实。
智能停车已在许多地区出现，并被广泛接受为解决永无止境的停车危机的可行方案。智能停车解决方案结合人工智能(AI)、物联网、机器学习等技术，实时识别和报告停车位的可用性。它利用从嵌入在停车位置的多个传感器收集的信息，创建动态停车地图。以下是一些智能停车创新，它们将使实时停车地图在未来变得司空见惯。
让我们从深度学习开始了解。这是机器学习的一部分，是一种通过训练机器执行基于大量实例的任务来实现人工智能的方法。为了做到这一点，深度学习使用了多层或深度人工神经网络，这本质上是受人类大脑启发的数学模型。它们的深度使得它们非常适合解决复杂的问题，例如在原始视频中识别物体和事件，具有极高的准确性。
举个例子，为了能够正确地确定一个人的性别，韩华科技的研发工程师需要设计、训练和验证一个深度学习网络，在训练阶段，该网络使用一个包含数百万张适当选择的面孔的数据库，每一张面孔都贴上了已知的真实性别的标签。经过我们的工程师几天的训练，神经网络已经可以投入使用了，准确率可能达到98%左右，这与人类做同样的事情的能力差不多。
与更传统的视频分析相比，深度学习AI技术的性能要优越得多。后者通常基于运动检测，因此不够复杂，无法检测静止物体（例如停放的车辆）或处理视频噪声（例如前灯的光污染或移动的阴影），所有这些都是导致误报的原因。
