IT瘾科技推荐

腾讯孙驰天：游戏科技让数字孪生创造更大生产力

Wed, 04 Jan 2023 18:33:11 CST

毕业后做了几年赛车游戏，公司被苹果收购后转做自动驾驶。几年后离开苹果，成为了腾讯数字孪生仿真技术总监，孙驰天有着奇妙的转行经历。

几份工作看起来南辕北辙，但其实背后有着技术上的共通点，就是游戏科技。正如他所说，游戏人不只是玩游戏的达人，做游戏的开发者，更是用游戏科技进行前沿技术研发的人。

从小就热爱游戏的孙驰天在明白「游戏不能当饭吃」的道理后，爱上了数学物理，但在清华学习数学物理专业的时候，他发现自己缺少了一点做科学家的天赋，并且还是爱游戏。于是他从研究生又学起游戏开发，毕业后赴硅谷，开发了很成功的 AR 赛车游戏后，进入了苹果自动驾驶团队，再来到腾讯做自动驾驶模拟仿真系统，接着将这种数字孪生仿真技术应用到更大的工业互联网领域。

在他看来，自动驾驶模拟仿真系统近似为一种「高精度的赛车游戏」。现在元宇宙的模样会被很多人解释为「头号玩家」，一个所有人都在游戏的世界，实际上那个世界确实会被游戏充满，但不只是娱乐游戏，还有交通自动驾驶、建筑、工厂制造等各行各业的「游戏化」，也就是数字孪生的世界。

随着这个世界虚拟和真实越来越密不可分，孙驰天的工作经历背后，一场关于「游戏」的变革正在发生——游戏科技并非只能娱乐，而是已经成为重要的生产力工具。

以下为腾讯数字孪生仿真技术总监孙驰天在极客公园创新大会 IF 2023 上的演讲实录，由极客公园整理：

01

从赛车游戏，

到数字仿真

小霸王游戏机、Gameboy、PS2 等是我从小玩到大的游戏机。我是一个很爱游戏的人，可以说我的整个成长过程都和游戏相关。

我高中的时候对数学物理感兴趣，后来就去了清华数学物理专业，结果发现真正系统性的数学物理和中学的差异非常大。所以我发现天赋对学习数学物理很重要，我只能算是爱好者，当科学家太难了。于是后来我学了计算机图形学，本科时期的计算机课程也会涉及简单的沉浸式体验和游戏开发，为我后面做游戏打下了基础。

我很喜欢玩游戏，甚至研究生的时候直接申请了游戏开发学位，当时的课程主要是用游戏引擎进行游戏和沉浸式体验的应用开发。那是 2012 年，游戏引擎技术在国内用得还不多，对于我这个数学物理背景的人来说，花了很多时间学习理解掌握。

我读书期间用游戏引擎做了很多游戏开发，类型比较多，不管是普通的游戏还是 AR、VR 等交互性更有意思的沉浸式游戏。

毕业之后，我去了一家 AR 开发公司。当时是 2014 年，在硅谷 AR 很热，很多公司在探索使用 AR 开发游戏，我们也是其中之一。当时我们用英特尔的 Real Sense 摄像头帮助开发 AR 沉浸式游戏，用户可以通过摄像头，以 AR 方式控制游戏操作，是一个非常好用的 AR 交互设备。那是一个赛车类的乐高 IP 游戏。在当时来看，这款产品的游戏性、交互性、AR 的体验感都非常强，很受欢迎。

做了两个游戏后，这家 AR 公司被苹果收购，我也就加入了苹果。我当时有两个职业发展方向可以选择，一个是 AR 眼镜，一个是自动驾驶汽车。我当时很纠结，我的经理跟我说，你的背景和之前游戏开发的能力用于开发自动驾驶会更酷一些，尤其是开发自动驾驶汽车所需要的模拟仿真系统，会对这个行业有很好的帮助。我也觉得自动驾驶比较酷，就加入了自动驾驶团队，通过打造自动驾驶模拟仿真系统帮助自动驾驶的发展。

那么什么是自动驾驶汽车所需要的模拟仿真系统？大家可以理解为高精度的赛车游戏，我们通过营造高逼真的环境，让自动驾驶汽车在虚拟环境进行完整的场景测试，我们认为自动驾驶汽车在模拟环境测试得非常好，运行得非常平滑和稳定，我们才会将自动驾驶汽车在实地进行测试。

回国之后我加入了腾讯，一开始就是做自动驾驶模拟仿真相关工作。我们重新设计和打造了一个具备腾讯特色的自动驾驶模拟仿真系统产品，不仅自己用，还给国内外车厂、测试场、国家部委使用，是一个国产化自主可控的自动驾驶模拟仿真系统。

我当时选择的路线是游戏科技加数据驱动。数据驱动是采集大量的真实数据，比如真车的数据、动力学数据、传感器的数据，这些采集回来的真实数据训练和标定自动驾驶仿真系统。

游戏科技也是技术路线非常核心的一部分。腾讯在过去这些年具备扎实的游戏基础，比如游戏引擎，数据同步、场景生成的工具，以游戏引擎为例，比如一个摄像头、激光雷达是怎么运行和运作的，怎么让仿真的结果和真实的结果贴近，需要模拟激光雷达，进行反射，生成完整的点云的过程，进行场景的自动构建和渲染，整个过程需要借助游戏引擎的能力得到实现。

当时的技术路线，受到了传统仿真软件非常尖锐的挑战和批评，说「使用游戏引擎不够严谨」。但事实来看，5 年过去了，结果是所有的自动驾驶仿真软件全部支持游戏引擎，游戏科技的进步在仿真行业能帮助我们节省非常多的时间，解决很多问题，帮助我们加速仿真系统的开发速度。

我们打造这个产品的时候非常严谨，本着汽车行业非常规范的流程打造自动驾驶仿真系统，验证自动驾驶的安全性。我们用游戏科技和数据驱动精益求精地打造这个系统，帮助自动驾驶汽车进行测试和落地。

02

游戏科技让数字孪生

创造更大生产力

我们后面将数字孪生的能力扩展到更多的行业，不仅仅是解决自动驾驶仿真测试的问题，而是做得更通用。

数字孪生在过去几年比较火爆，它有很多的模块组成，包括渲染、大数据、模拟仿真、实时交互等，我们将在仿真积累的能力，游戏科技的能力用于更广泛的数字孪生的系统构建，核心的诉求是帮助我们更好地将物理世界映射到孪生世界内部，并且非常低成本的试错，将最优解或者最优方案反馈到物理世界，帮助我们进行物理世界的指挥或者控制。

其中我们用到了什么样的游戏科技点？一是自研的游戏引擎，游戏引擎是整个仿真孪生非常核心的点，使用自研游戏引擎可以实现国产化，而且可以帮助我们进行引擎的自定义化裁剪，不用使用标准化的商业引擎，商业引擎的沉重会带来计算的成本比较高，运行效率比较低等问题，而自研游戏引擎，可以帮助我们比较高效率地进行仿真、渲染的计算。

二是自动化建模和编辑工具，我们做数字孪生的时候用了很多这样的工具，比如高自动化地利用卫星图和地图数据，生成任何一个城市所有的道路、建筑、植被、水域，一天之内纯自动化地生成。

同时还有一些多用户协同。大家玩的王者荣耀或者主机游戏，本质上需要多用户协同做实时互动，而且对数据同步要求更高的方向，要求做到实时数据帧同步。大规模的云渲染得益于云游戏，可以帮助用户不依赖自己终端的性能，而是访问云端，获取好的渲染交互体验。我们不倾向于让用户采购非常贵的终端设备才能运行高保真效果，所以多用户协同和云渲染在数字孪生中是非常核心的能力。

我们在行业做了什么？比如交通行业，在地面交通仿真系统，我们基于实时车流数据，由高性能的传感器、摄像头+毫米波雷达感知到实时车流上报的系统，不是纯虚拟的交通流场景，而是映射智慧城市实时的车流。

基于这样的车流，我们可以注入一个虚拟事件，比如出现了虚拟的交通事故，对于道路有怎样的影响，从而帮助交通部门更好地疏导。右边是我们做一个无人机的应用，做航道的分析、冲突的预测、化解等，我们在交通行业，都用了游戏仿真的能力，实现交通系统效率提升的目的。

我们的孪生技术应用在不同行业的例子。比如政务孪生系统，工厂孪生系统可以提升工厂效率减少人员成本，建筑的孪生应用可以将电梯和所有的设备接入进行动态的管理，以及空调智能的管控，降低能耗……

我们也给到政府人员构建碳排放的管理平台，碳排放是比较复杂的问题，碳排放最大的行业，分别是工业、交通、建筑，所以要做比较好的碳排放的模型，需要将这三个领域的碳排放数据和短时间的预测，非常精准地孪生到数字孪生世界内部，基于碳排放模型作出未来的预测，帮助我们的环境管理方计算得出更好的解决之道，更好的实现碳达峰和碳中和的目的。

总结来看，不管是游戏引擎、自动化建模、云渲染，都是在通用型的数字孪生基础上提供用户从物理世界到孪生世界映射的工具。

京东科技埋点数据治理和平台建设实践

Sat, 30 Jul 2022 00:00:00 CST

Tech

导读

本文核心内容聚焦为什么要埋点治理、埋点治理的方法论和实践、奇点一站式埋点管理平台的建设和创新功能。读者可以从全局角度深入了解埋点、埋点治理的整体思路和实践方法，落地的埋点工具和创新功能都有较高的实用参考价值。遵循埋点治理的方法论，本文作者团队已在实践中取得优异成效，在同行业内有突出的创新功能，未来也将继续建设数智化经营能力，持续打造更好的服务。

01 埋点治理背景

在今年的敏捷团队建设中，我通过Suite执行器实现了一键自动化单元测试。Juint除了Suite执行器还有哪些执行器呢？由此我的Runner探索之旅开始了！

1.1 埋点数据的价值

随着线上流量红利高峰逐渐达到瓶颈，在精细化运营、数智化运营的大背景下，越来越多的公司开始认识到数据的重要性，并将其打造成为公司的核心资产，以数据为中心驱动业务发展。而 埋点数据作为企业内部最重要的两大来源（埋点数据、业务数据）之一，其重要性不言而喻。

埋点是一种常用的数据采集方法。基于业务需求或产品需求，在应用页面中植入数据采集代码，监听用户各种行为事件（页面浏览、关闭，元素曝光、点击等），然后将采集的数据上报至服务端，服务端分别下发到大数据平台和搜索、推荐等各业务系统。通过分析数据，追踪用户行为和应用使用情况，推动产品优化或指导运营；通过实时的获取用户点击、浏览、停留等行为作为关键特征提供给搜索、推荐、广告等系统，来提升智能分发的转化和用户体验。

埋点数据上能影响业务运营数据分析、智能推荐、AB实验的准确性，下能影响数据仓库结构设计和数据采集团队的维护成本。

1.2 业内主流埋点方式的对比

从技术层面上，埋点分为代码埋点、可视化埋点、无埋点/全埋点。目前国内主要的第三方数据分析服务商和大型公司内部普遍支持。代码埋点又衍生出了声明式埋点、无痕埋点、服务端埋点等丰富的埋点方式。

通过多种埋点方式组合，可以在不同场景业务中灵活使用。比如在页面中元素或页面事件使用前端代码埋点；在Debug链路长的搜推代码中使用服务端埋点；产品运营等非研发使用可视化埋点。

1.3 为什么要治理埋点数据

然而随着业务的迭代变更，部分埋点数据失去效用。为了确保数据的质量、效率、安全、标准及易用性，需要对埋点数据进行治理。不仅是存量数据的治理，新增数据更是要保证从源头开始就是正确的。在埋点数据的生命周期内，每个环节制定原则性的管理方法和具体的落地措施。一个稳定的治理链路是埋点治理的基石。

从平台视角来看，埋点治理要解决的问题如下：

质量问题：最重要，大部分公司的数据部门启动数据治理的起因就是数据质量存在问题。例如数仓的及时性、准确性、规范性，以及数据应用指标的逻辑一致性等。 成本问题：互联网行业数据膨胀速度非常快，大型互联网公司在大数据基础设施上的成本投入占比非常高，而且随着数据量的增加，成本也将继续攀升。 效率问题：在数据开发和数据管理过程中都会遇到一些影响效率的问题，多是靠“盲目”地推人力在做。 安全问题：业务部门特别关注用户数据，一旦泄露，对业务的影响非常之大，甚至能左右整个业务的生死。 标准问题：当公司业务部门比较多的时候，各业务部门、开发团队的数据标准不一致，数据打通和整合过程中存在很多问题。

从业务视角来看，埋点治理要解决的问题如下：

埋点数据“全”：因整体协助链条非常长，许多时候在需要做数据分析时，才发现页面有部分功能漏报埋点，产品需求未涉及等。

埋点数据“准”：需求开发测试阶段，往往重点关注业务逻辑，对于埋点上报这些辅助异步流程，设计评估不准确。会存在因验证不充分而导致数据不准确的情况。

埋点数据“快”：推荐算法主要依赖数据驱动，埋点数据需要及时上报并反馈，推荐等智能应用系统才能根据用户当前行为给出精准的策略决策。

埋点数据“统一”：智能场景往往要通过多个业务线交叉数据作为输入特征或算法画像，每个业务线如没有统一标准规范，数据处理计算逻辑复杂且迭代维护成本很高。

埋点数据“链路长”：埋点数据从生产到使用，涉及运营、产品、研发、测试、数据分析师或算法工程师多个环节（如下图），问题沟通排查链路长。

埋点数据“历史长”：页面埋点随需求迭代更新较快，历史埋点设计文档缺少统一管理，不利于长期维护。

02 埋点治理实践

理解，首先 MCube 会依据模板缓存状态判断是否需要网络获取最新模板，当获取到模板后进行模板加载，加载阶段会将产物转换为视图树的结构，转换完成后将通过表达式引擎解析表达式并取得正确的值，通过事件解析引擎解析用户自定义事件并完成事件的绑定，完成解析赋值以及事件绑定后进行视图的渲染，最终将目标页面展示到屏幕为解决上述问题，几经探索总结经验后，本文作者团队为埋点治理制定了全面的标准制度。遵循相应的制度，使得埋点治理工作有序有效开展。

2.1 制定全链路标准

作者团队制定了一套覆盖数据生产到使用，全链路的数据标准方法，从埋点数据定义、采集、验证、指标定义到数据生命周期管理都建立了相应环节的标准化的研发规范，发布了《埋点流程规范标准》。

2.2 制定埋点流程规范

作者团队制定了完整的埋点上报规范规程，并邮件通知各部门产研按流程，照规范上报数据。上报流程为埋点方案设计、埋点方案配置、埋点开发/测试、数据存储/服务、数据应用五个环节，每个环节都要通过必要的步骤才可继续向下执行。

2.3 建设一站式埋点管理平台

奇点埋点管理平台是科技内部统一的埋点平台，覆盖埋点数据定义、采集、生产、验证、基础指标应用、数据质量监控治理等埋点全生命周期。做到了埋点元数据统一管理，埋点信息查询简易化、埋点上报验证一键化、埋点数据质量追踪可视化。

2.4 成立组织保执行

通过和数据技术产品部门合作，在两个部门领导的支持下，作者团队成立了埋点治理盘古项目及埋点数据管理委员会。平台研发部团队是采集埋点数据工具的产研方，数据仓库体系是由数据技术部负责建设，所以以这两个团队作为核心，并由这两个团队负责联合各个业务线团队，一起完成数据治理各个环节工作和流程的保障。

奇点团队作为埋点数据采集和管理的主力，负责数据采集SDK，数据上报、清洗、存储、查询，埋点管理平台等。

2.5 宣导埋点和数据文化

过去由于数据文化的缺失，很多业务方意识不到规范埋点的重要性。未正确录入页面埋点信息、使用低版本采集SDK，造成了大量不符合标准的数据。组织培训会和埋点规范宣讲，推动数据合理规范上报，也是埋点治理的重点工作之一。

03 埋点治理阶段性成果

理解，首先 MCube 会依据模板缓存状态判断是否需要网络获取最新模板，当获取到模板后进行模板加载，加载阶段会将产物转换为视图树的结构，转换完成后将通过表达式引擎解析表达式并取得正确的值，通过事件解析引擎解析用户自定义事件并完成事件的绑定，完成解析赋值以及事件绑定后进行视图的渲染，最终将目标页面展示到屏幕。

作者团队提供的数据采集服务范围除了京东科技下金融科技、京东云、数字城市等全部业务线外，还扩展到了京东物流等兄弟部门。

奇点针对金融业务深耕多年，对数据的安全性、稳定性、实时性有多种保障方案，已是业务运营过程中不可或缺的重要环节。奇点管理平台现已实现埋点管理、数据分析一体化。在埋点数据上报查询、数据监控、数据计算可视化展示等各个环节都有相应的管理工具。

3.1 埋点验证工具

过去验证上报数据是否准确，需要测试人员申请数据库表权限，然后手写SQL查询数据。为此作者团队做了埋点验证工具，既可以扫码查看本机实时数据、查看所有上报实时数据，也可以一键检测上报数据是否符合规范。该工具为测试人员节省了大量时间，也为埋点治理，推动用户规范录入起了辅助作用。奇点服务端使用Lua脚本并发处理，而不是传统的Web服务，处理请求速度更快，减少了服务器资源使用。实时数据存放在ES中，相比MYSQL数据库能容纳更多的数据量，查询速度更快。

3.2 埋点验证工具

作者团队在客户端数据上报、服务端数据转换、数据发送、落仓等每步都加入了监控，保证整条链路数据质量。监控定时检查计算数据上报的成功率、缓存率、丢失率，数据加工清洗后的留存率、落仓率等，一旦数据浮动超过设定的阈值，会自动发告警邮件给奇点研发人员。有了数据监控，能及时发现、高效处理数据量问题，降低数据损失，节省人力，极大提升了数据质量。

3.3 实时数据一站式看板

过去作者团队只关注埋点范围的研发业务，平台升级后，用户录入埋点信息后可通过看板即时查看PV、UV、点击率等指标实时数据。对于用户来说，省去了从各种库表取数分析的步骤；对于埋点治理来说，不但降本增效，推动用户规范录入页面信息，而且指标计算结果比各个业务方自己分析更加准确。

04 奇点埋点对比行业创新功能

4.1 埋点可视化展示

查看某个页面的埋点信息，通常采用分页列表的方式，详细数据要跳转到看板浏览。这种方式虽然罗列出了页面所有埋点，但是每个埋点的录入人不同，埋点多了之后具体每个埋点表示什么含义其他人并不清楚。

为此作者团队研发了埋点可视化工具，完美解决了上述问题。只要输入页面URL，选择合适的设备大小，页面哪些元素有埋点就呈现出来。每个坑位的埋点ID，点击曝光的数据只要点击一下浮框即可见。埋点可视化工具还支持查看实时上报的日志和汇总的实时数据。

埋点可视化展示通过数据采集脚本-奇点 JS SDK 自动加载可视化插件实现，使用postMessage 和addEventListener('message')，实现埋点可视化工具和所查看页面的数据双向发送与接收，从而实时展示埋点数据和埋点日志。为减少加载SDK的页面开销，作者团队做了优化处理，只有在可视化工具中打开页面才会加载该插件。

4.2 H5与原生App全链路数据打通

类似京东金融这样使用Native和WEB技术开发的混合应用，之前H5页面和原生页面的数据，使用了不同的SDK采集，用户在两端页面间跳转，数据是断裂的，只能分开统计，不能从整体上统计分析用户行为。采用归因统计的方法能关联部分两端的数据，但会导致数据统计不准确，不但增加数据分析人力、物力成本，不可靠的数据还会使运营无法精准投放广告，从而影响最终收益；

如今奇点团队实现了H5页面和原生页面数据打通，包括以下打通点：

访次打通:访次是指用户在当前设备中累计访问次数，在京东金融 App 中，用户每次重新打开或者切后台超过 2 分钟后，访问的次数就会加1。可以根据访次来统计用户活跃度。

访序打通:访序是指用户在当前访次内，页面的访问顺序，H5和原生页面打通后，页面的访序是连续的，可以更精准的查看用户访问页面路径。

来源埋点:来源埋点是指上一个页面用户点击点最后一个埋点ID。根据来源埋点，可以精准定位上一个页面触发点。数据打通后，可以确定当前页面的热点来源。

首访埋点:首访埋点是指用户打开App时首次点击的坑位埋点，根据首访埋点可以定位到进入某一 H5 或原生页面起始点。

上一个页面 URL 或原生页面 CTP:为了精准分析用户行为轨迹，奇点会采集上一个页面 URL 或原生页面CTP，数据打通后，会形成闭环，即使是后退操作也会记录后退的前一个页面，从而可以更好的进行路径分析、页面可达分析、用户丢失率分析。

其他采集字段打通:为了统一口径，统一指标，打通的字段还包含以下字段：设备 ID、手机品牌、手机型号、App 名称、App 版本。

两端打通前：

两端打通后：

数据打通的收益是巨大的，下面是一个实际使用案例-小金库页面流量来源归因分析：

4.3 页面ID自动匹配上报

过去统计PV时，根据访问页面的URL作为唯一标识，这个URL需要在奇点管理平台录入后方可进行计算。然而这种方式存在很大的缺陷。当遇到以下场景，根据哪个URL来计算，边界并不清晰。

URL中带参数，例如/path1/path2?param=value。不同参数可能代表同一个页面，也可能是不同的页面；
动态路由，例如/path1/path2/:path3/，某个path是动态的，如果这个path是数字ID，是无法在奇点管理平台全部录入的；
Hash路由，例如/path1/path2/#/route1 / route2。如今前端单页面盛行，不同业务方做出的网站大相径庭，hash值不同，有的希望统计成一个页面，也有想统计成不同的页面；
以上场景混合的情况。

针对此问题，作者团队提出了使用pageId代替URL的方案。即业务方在奇点管理平台录入时指定URL的哪部分是动态的还是固定的，并生成唯一页面的ID。在访问页面时，当前页面的链接与录入的动态规则做计算，找到最匹配的pageId后上报数据，最终使用pageId做数据统计，极大的提高了指标计算正确率。

为保证此方案的稳健性，作者团队也做了很多细节把控。比如为防止拉取CDN pageId JSON文件失败，增加了重试机制，在未获取到文件时先将上报数据缓存在本地。比如没有匹配成功的URL另做打标处理。还有监控站点更新页面，同步生成最新的配置关系等等。

05 未来规划

在埋点数据治理方向，奇点团队联合数据团队通过一系列方案实现自动化治理埋点数据。例如对不规范数据打标，使数据不进入数据分析模型层；各端统一使用页面唯一ID的上报方式；不规范录入信息的页面自动认领到页面站点下；向未录入页面的用户定向推送邮件等方式持续提升数据质量。

在平台能力建设方向，首先从精细化运营角度还要持续建设可视化埋点及与页面活动搭建平台打通提供组件化埋点能力，提升埋点开发效率。其次从埋点生命周期管理角度，奇点平台提供的埋点设计管理、代码扫描、埋点验证、埋点指标看板一系列工具要更好流程化整合，提升产、运、研等各方的协同效率。最后从智能化建设角度，对于流量数据看板增加智能分析、智能预测能力，提升数据应用效率。通过埋点数据作为基石，赋能业务场景，更好地服务支撑公司整体的数智化经营能力建设。

推荐阅读 基于SPI的增强式插件框架设计

京东618广告精排百分位AUC提升技术方案

智能测试实践之路 - UI缺陷检测

电商库存系统的防超卖和高并发扣减方案

求分享

求点赞

求在看

[分享发现] 随科技发展，人力劳动会持续贬值，岗位会持续减少

Wed, 15 Jun 2022 06:59:13 CST

许多工作岗位会直接消失

随着科技发展机器(人工智能)的能力会越来越强。机器(人工智能)能替代的人力劳动将会越来越多

重复的劳动将会越来越少

在通讯速度 /距离与运输效率低下的时代，实际上是有许多劳动 /工作在被重复的进行
以写代码举例子，假设通讯速度距离不足，那么相同行业，不同地域的公司企业会重复的编写同一个程序，实现同一个功能！这就产生了许多工作岗位
但是未来这种工作岗位会不断减少，由于通讯速率 /传输效率的提高！一个行业的头部巨头将会赢家通吃全球的市场，而此时就减少了重复劳动的进行，因为头部巨头也就那么几家，产生的岗位必然会减少许多许多

你的工作岗位会因为什么原因消失？

技术升级应用融合时，直接把岗位干掉，你的岗位还存在只是因为某些新的技术还未能完全被升级应用（例如：收营员，资料整理，信息采集等岗位，他们许多岗位实际上已经有自动化的方案了，只是因为许多企业，公司还未能及时更新技术而已，而这些公司也不得不更新，因为不更新就没有竞争力，没有竞争力就要死）（ PS：相信大家都见过许多岗位存在的意义其实不大，因为只要有程序员存在很快就能写下一个自动化实现的程序）
你所在的公司在行业大逃杀游戏中求生失败（许多行业巨头是完全可以垄断市场的，据云计算平台举例，几年前可能还有许多中小型企业存在，例如 景安网络 但是随着 阿里云等一系列巨头的产生， 景安网络这类中小型商家将完全失去竞争力）。 所以你的岗位是否存在也依赖于你所在的公司能否逃生成功

未来普通人赚钱将越来越难

其实从现在往以往的时代看，社会的简单人力劳动人员占比是非常大的（ 大部分人都只是在做简单的人力劳动，因为越复杂的人力劳动说明其效率就越高，所需的人工数量就越少）
而未来这种简单人力劳动岗位会不断减少（例如：司机，快递员，外卖员，厨师等）
一旦这些简单人力劳动人员的工作岗位被裁剪，他们必然只能向复杂人力劳动的工作岗位发起冲锋，然而复杂劳动岗位的容量也是有限的，很难容下这么多人员。。。。那么复杂人力劳动也会不断贬值
最终所有普通人 /打工人都将越来越难赚到钱

复杂人力劳动的本质就是一个复杂人力代替以往多个简单劳动力

    例如过往许多事务许多人工操作，现在只需要写一个程序就能自动化执行，这就是由少量写程序的程序员（复杂人力劳动）代替了很多个简单人力劳动

Apache Log4j2 远程代码执行漏洞处置手册 – 绿盟科技技术博客

Sat, 11 Dec 2021 09:40:45 CST

阅读：1,642

一、漏洞概述

12月9日，绿盟科技CERT监测到网上披露Apache Log4j2 远程代码执行漏洞，由于Apache Log4j2某些功能存在递归解析功能，未经身份验证的攻击者通过发送特别构造的数据请求包，可在目标服务器上执行任意代码。漏洞PoC已在网上公开，默认配置即可进行利用，该漏洞影响范围极广，建议相关用户尽快采取措施进行排查与防护。

12月10日，绿盟科技CERT发现Apache Log4j 2.15.0-rc1 版本仅修复LDAP和增加了host白名单，可以被绕过利用，官方发布了Apache Log4j 2.15.0-rc2版本进行修复，增加了对urI异常的处理。

Apache Log4j2是一款开源的Java日志框架，被广泛地应用在中间件、开发框架与Web应用中，用来记录日志信息。

漏洞成功复现截图：

2.15.0-rc1绕过复现截图：

漏洞细节	漏洞PoC	漏洞EXP	在野利用
已公开	已公开	已公开	存在

参考链接： https://issues.apache.org/jira/projects/LOG4J2/issues/LOG4J2-3201?filter=allissues

二、影响范围

受影响版本

2.0 <= Apache Log4j <= 2.15.0-rc1

注：使用Apache Log4j 1.X版本的应用，若开发者对JMS Appender利用不当，可对应用产生潜在的安全影响。

供应链影响范围：

已知受影响应用及组件：

Apache Solr

Apache Struts2

Apache Flink

Apache Druid

spring-boot-strater-log4j2

不受影响版本

Apache log4j-2.15.0-rc2（与官网的2.15.0稳定版相同）

三、漏洞检测

3.1 人工检测

1、相关用户可根据Java jar解压后是否存在org/apache/logging/log4j相关路径结构，判断是否使用了存在漏洞的组件，若存在相关Java程序包，则很可能存在该漏洞。

2、若程序使用Maven打包，查看项目的pom.xml文件中是否存在下图所示的相关字段，若版本号为小于2.15.0-rc2，则存在该漏洞。

3、若程序使用gradle打包，可查看build.gradle编译配置文件，若在dependencies部分存在org.apache.logging.log4j相关字段，且版本号为小于2.15.0-rc2，则存在该漏洞。

3.2 攻击排查

1、攻击者在利用前通常采用dnslog方式进行扫描、探测，常见的漏洞利用方式可通过应用系统报错日志中的”javax.naming.CommunicationException”、”javax.naming.NamingException: problem generating object using object factory”、”Error looking up JNDI resource”关键字进行排查。

2、攻击者发送的数据包中可能存在”${jndi:}” 字样，推荐使用全流量或WAF设备进行检索排查。

3.3 产品检测

绿盟科技远程安全评估系统（RSAS）与WEB应用漏洞扫描系统(WVSS)、网络入侵检测系统（IDS）、综合威胁探针（UTS）已具备对该漏洞的扫描与检测能力，请有部署以上设备的用户升级至最新版本。

关于RSAS的升级配置指导，请参考如下链接：

https://mp.weixin.qq.com/s/SgOaCZeKrNn-4uR8Yj_C3Q

3.4 申请云检测

绿盟科技面向用户提供远程检测服务，因该漏洞的检测存在一定风险，相关客户如需要申请云检测，请联系销售或项目经理沟通，或用个人的公司邮箱发邮件至rs@nsfocus.com，在正文中提供需要扫描的资产清单，可以扫描的时间，联系方式，服务人员会与您联系。

7x24h客服咨询热线： 400-818-6868转2

四、漏洞防护

4.1 官方升级

目前官方已发布log4j-2.15.0-rc2测试版本与apache-log4j-2.15.0稳定版修复该漏洞，受影响用户可先将Apache Log4j2所有相关应用到以上版本，下载链接：https://github.com/apache/logging-log4j2/releases/tag/log4j-2.15.0-rc2或https://logging.apache.org/log4j/2.x/download.html

注：可能出现不稳定的情况，建议用户在备份数据后再进行升级。

升级供应链中已知受影响的应用及组件：Apache Solr、Apache Struts2、Apache Flink、Apache Druid、spring-boot-strater-log4j2

4.2 产品防护

针对此漏洞，绿盟科技WEB应用防护系统(WAF)与网络入侵防护系统(IPS)已发布规则升级包，请相关用户升级规则，以形成安全产品防护能力。安全防护产品规则版本号如下：

产品规则升级的操作步骤详见如下链接：

IPS：https://mp.weixin.qq.com/s/DxQ3aaap8aujqZf-3VbNJg

WAF：https://mp.weixin.qq.com/s/7F8WCzWsuJ5T2E9e01wNog

4.3 临时防护措施

若相关用户暂时无法进行升级操作，可先用下列措施进行临时缓解：

1、添加jvm启动参数:-Dlog4j2.formatMsgNoLookups=true

2、在应用classpath下添加log4j2.component.properties配置文件，文件内容为：log4j2.formatMsgNoLookups=true

3、建议JDK使用11.0.1、8u191、7u201、6u211及以上的高版本

4、限制受影响应用对外访问互联网，并在边界对dnslog相关域名访问进行检测。

部分公共dnslog平台如下：

ceye.io

dnslog.link

dnslog.cn

dnslog.io

tu4.org

burpcollaborator.net

s0x.cn

4.4 平台监测

绿盟企业安全平台（ESP-H）与绿盟智能安全运营平台（ISOP）已经具备针对此漏洞的检测能力，部署有绿盟科技平台类产品的用户，可实现对漏洞的平台监测能力。

安全平台	升级包/规则版本号
ESP-H（绿盟企业安全平台）	使用最新规则升级包 vulnDict-2021121001.dat
ISOP（绿盟智能安全运营平台）	升级攻击识别规则包至最新 attack_rule.1.0.0.1.1048648.dat

声明

本安全公告仅用来描述可能存在的安全问题，绿盟科技不为此安全公告提供任何保证或承诺。由于传播、利用此安全公告所提供的信息而造成的任何直接或者间接的后果及损失，均由使用者本人负责，绿盟科技以及安全公告作者不为此承担任何责任。

学习 kubernetes 的10个技巧或建议_科技D人生-CSDN博客

Thu, 09 Dec 2021 14:11:14 CST

一、学 GO 语言

Kubernetes是基于 GO 编写的，所有的组件都是基于 GO 编写的，kubernetes甚至使用GO编写了一个客户端。学习使用 GO 语言编写的 Kubernetes 客户端并在 Kubernetes 中使用它，这是我对所以使用 Kubernetes 集群的朋友提出的最大的建议。

二、使用探针来检测应用的状态

在Kubernetes中支持配置探针。kubelet使用探针来确定pod和应用程序是否健康。这里提供了两种类型来实现这一功能，Readiness探针和Liveiness探针。Readiness探针用于确定容器何时准备好接收流量。Liveiness探针用于确定容器是健康的还是需要重新启动。在deployment 的yaml中，可以直接定义Readiness 探针和Liveiness探针，还可以设置超时、重试和延迟等参数。

三、充分利用Label标签

标签是Kubernetes的基础配置之一。它允许进群内资源与资源之间松散耦合，还允许基于标签进行查询。你甚至可以使用Kubernetes go客户端，根据标签查看事件。你几乎可以使用标签做任何事情，一个典型的例子是是同一个集群中存在多个环境。假设开发和QA使用相同的集群。这意味着你的集群可能同时进行QA和开发。要以一种简单的方式实现这一点，你必须使用服务对象，一个服务对象在app上执行标签select: app-a以及environment: dev，另一个服务对象在app上打上:app-a标签，但将环境从dev切换到QA。这将为您提供两个相同的应用程序，每个应用程序具有不同的端点，允许同时进行测试。

四、随时记得回收废弃的资源

Kubernetes是一个非常强大的系统，但是就像任何系统一样，它也会出现阻塞。只有一个不连接其他任何服务的服务才不会让系统陷入停滞。当kubernetes规模较小时，几台或者几十台，可能不会有任何问题。但如果把服务扩大到上万，kubelet就会可是出现阻塞。因为Kubelet不仅会对你发出的指令进行校验，同时还要做内部检查。因此，切记，从现在开始，养成习惯。如果你需要删除deployment(或相关的任何内容)，请确保用它清理了所有其他内容，比如service，volume等等，避免日后影响kubelet的查询效率。

五、充分利用PodDisruptionBudget控制器

如何保证在kubernetes集群中的应用程序总能正常运行?答案是使用PodDisruptionBudget控制器。在进行kubectl drain操作时，kubernetes会根据PodDisruptionBudget控制器判断应用POD集群数量，进而保证在业务不中断或业务SLA不降级的情况下进行应用POD销毁。PDB(PodDisruptionBudget)应该放在每个拥有一个以上实例的deployment上。我们可以使用简单yaml为集群创建PDB，并使用标签选择器确定PDB应该作用在哪些带有标签的资源上。注意:PDB只考虑主动中断，硬件故障之类的情况不在PDB考虑范围内。PDB可以参考如下例子：

      apiVersion: policy/v1beta1 
 kind: PodDisruptionBudget 
 metadata: 
 name: app-a-pdb 
 spec: 
 minAvailable: 2 
 selector: 
 matchLabels: 
 app: app-a

在众多配置中，我们最需要关注两个选项是matchlabel和minAvailable部分。匹配标签是kubernetes查看部署是否附加到PDB。例如:如果我有一个带有标签app: app-a的部署和一个带有标签app: app-b的部署，那么示例PDB将只应用于第一个部署。minAvailable会在kubernetes在执行类似 kubectl drain 的操作时起作用。假设app-a正在节点1上运行，如果在节点1上执行drain，那么它将只驱逐app-a，即当前至少有2个app在运行。这让你可以控制在给定时间需要运行多少实例。

六、使用Bash完成kubectl命令

这可能是最简单也是使用Kubernetes时最有帮助的方法之一。要添加自动完成(如果使用bash)，只需运行以下命令:

      echo “source <(kubectl completion bash)” >> ~/.bashrc

这将在.bashrc中添加自动完成功能，这样无论何时打开shell，它都会启用它。你将会发现使用自动补全功能对于输入长指令来说是尤为方便的，尤其是当需要指定命名空间时。

七、向命名空间添加默认内存限制和cpu限制

人们总会犯错，这是常有的事。如果有人编写了一个应用程序，比方说，每秒打开一个数据库的连接，但是从来没有关闭它，这时就会导致在集群上的应用程序中出现内存泄漏。如果将它们部署到没有设置限制的集群中，则可能导致节点崩溃。为了防止这种情况，Kubernetes允许根据每个命名空间设置默认限制。要做到这一点，只需创建一个yaml来限制范围并将其应用于这个命名空间。下面是yaml的一个例子：

      apiVersion: v1 
 kind: LimitRange 
 metadata: 
 name: mem-limit-range 
 spec: 
 limits: 
 - default: 
 memory: 512Mi 
 defaultRequest: 
 memory: 256Mi 
 type: Container

八、用Kubelet辅助清理docker镜像

kubelet默认情况下已经做到了这一点。如果在启动kubelet时没有设置任何标志，那么当var/lib/docker达到90%的容量时，它将启动垃圾收集。这一功能非常贴心，但请注意，kubelet并没有为node节点设置默认阈值(在Kubernetes 1.7之前)。试想这种情况，你的/var/lib/docker可能只占用了50%的磁盘空间，但此时全部的物理机磁盘空间已经被占满。这会给你的容器服务带来很多问题。如果您目前正在使用的kubelet版本是1.4-1.6，那么你必须显式为kubelet添加如下标志。

      --eviction-hard=memory.available<100Mi,nodefs.available<10%,nodefs.inodesFree<5%

这些配置在1.7或更高版本时是默认配置项。1.6版本默认情况下不监视 node 节点的资源利用率，因此添加该标志将解决这个问题。

九、Minikube ——迷你但功能强大

Minikube绝对是本地运行Kubernetes集群最简单的方法了。一旦一切都安装好了，简单的命令就能运行它。

      minikube start

这时我们将在本地运行一个 K8S 集群。当你想要在本地构建一个应用程序并在本地运行它时，这是有个技巧需要注意。如果你没有运行其他命令，当你执行docker build时，仍然会在物理机上构建一个映像。要让你的docker build将镜像push到本地kubernetes集群，你需要使用以下命令:

      eval $(minikube docker-env)

这能让你在本地kubernetes集群上构建应用程序。

十、不要把kubectl权限开放给所有人

这可能说起来很简单，但是当多个团队部署应用到一个 kubernetes 集群时，情况就可能变得很复杂。切记不要把 kubectl 权限开放给每个人。个人建议是，根据命名空间来区分隔离每个团队，然后使用RBAC策略只允许各自团队访问各自的命名空间。如果我们把kubectl权限开放给每个人，那么在pod级上进行读取、创建和删除访问时，可能让人抓狂，因为误操作的情况会经常发生。为此，我们应该只允许管理员有权访问，从而将管理集群和部署集群的人员权限区分开。

科技研发投入不足4%，联想配不上科创板？

Mon, 11 Oct 2021 23:45:00 CST

图片来源@视觉中国

文丨凤凰网科技，作者丨王欣，编辑丨赵泽

核心提示：

1.科创板上市申请于9月30日获受理，到10月8日审核终止，除去7天国庆假期，联想集团科创板上市仅“一日游”。

2.为何突然终止IPO？联想集团尚未作出正式回应。联想集团方面告诉凤凰网科技，今天港交所休市，公司明天晚上会有公告发布。

3.业内人士分析，研发投入比例过低，芯片等核心技术主要依靠外部采购，科创属性不明显或是阻碍联想集团科创板上市的关键。

4.联想集团近3年研发投入占营收比例分别为 2.98%、3.27%和2.92%，三年累计研发投入为337.58亿元。符合科创板三年研发投入超过6000万元的标准，但不满足研发投入占营收比例达5%以上的要求。

“科创板上市一日游”

“终止不是中止，彻底结束了”……在网友的阵阵惊叹声中，联想集团在国庆假期后的首个工作日，结束了史上最短的科创板之旅。

联想集团已在港股上市26年，目前市值约1061亿港元。而此次回科创板是想二次上市，目标是募集100亿元资金。

凤凰网科技发现，联想集团募资的100亿元中，有55%计划用于5G、AI、边缘计算、工业互联网等ICT技术研发，此举意在弥补目前公司盈利场景单一的问题。

9月30日，联想集团集团在科创板上市申请获受理时，就接连遭到网友发文质疑，受争议的关键点包括：近三年联想集团的研发投入过低、芯片等核心器件全部是外部采购，科创属性不明显、高层股东薪资占营收比例过高、公司负债率过高等。

为何突然终止IPO？截至发稿，联想集团尚未对此作出正式回应。不过，联想集团方面告诉凤凰网科技，今天港交所休市，公司明天晚上会有公告发布。

盈利依赖PC，拟融资百亿改变现状

9月30日，联想集团首次公开发行存托凭证（CDR）并在科创板上市的申请获得受理。到10月8日，上交所决定终止对其公开发行存托凭证并在科创板上市的审核，除去7天国庆假期，联想集团科创板上市仅“一日游”。

联想集团为登陆科创板的准备了近一年。今年1月，联想向香港联交所提交公告计划科创板上市。今年9月，联想集团董事长兼 CEO 杨元庆在财报沟通会议上公开表示，依靠回归科创板，在盈利上谋求多元空间突破。

近三年，联想的主要盈利业务依然是智能设备业务集团，包含个人电脑和智能设备、智能手机两大板块，在2020-2021年财年的收入占比为89.58%；其中个人电脑和智能设备（笔记本电脑、台式电脑、平板电脑及智能设备）占比为79.87%。联想连续多年保持全球最大的PC市场份额，且依靠着主航道实现稳定“盈利”能力。

根据IDC数据显示，2020 年前五大计算机厂商为联想、惠普、戴尔、苹果、宏碁，其全球计算机市场占有率为 77.67%，而联想市场占有率为24.03% ，是苹果（7.64% ）的三倍多。

招股书显示，此次科创板募集的100亿元将用于新产品及解决方案研发、产业战略投资和补充流动资金。

其中新产品及解决方案研发占55%，即55亿元，主要用于云网融合新型基础设施项目、行业数字化智能化解决方案项目、人工智能相关技术与应用项目。

凤凰网科技发现，联想集团在研项目中无与主航道业务相关的PC芯片及处理器、显示屏、内存及存储器等项目，而招股书显示的15项研发项目为超智能电脑、AR、5G/4G手机、折叠屏技术、人工智能平台、边缘计算平台、5G网络设备与云基础设施等。

研发投入仅为华为1/5，低于200家科创板公司

进击科创板短短一日，为何铩羽而归？

业内人士分析，研发投入比例过低，芯片等核心技术主要依靠外部采购，科创属性不明显或是阻碍联想集团科创板上市的关键。

据悉，科创板主要服务于符合国家战略、突破关键核心技术、市场认可度高的科技创新型企业。

科创板要求，企业近3年研发投入占营收比例要达5％以上，或近3年研发投入累计过6000万元。满足两个标准之一，即有可能登陆科创板。

数据显示，2020年前三季度，200家科创板公司平均研发投入占比15.63%。

联想集团在招股书中显示，公司近3年研发投入占营收比例分别为2.98%、3.27%和2.92%，三年累计研发投入为337.58亿元。

联想集团符合三年研发投入超过6000万元的标准，但不满足研发投入占营收比例达5%以上的要求，且其研发投入比例明显低于科创板公司的平均值。

联想成立近40年，已经成长为拥有5万多员工的国际化企业。与同样成立30多年的华为相比，联想的研发投入就更“捉襟见肘”。

华为2020年研发投入高达1418亿元，占营收比例为15.9%，研发金额超联想近十倍，研发投入比例超过联想5倍。

华为从事研发人员达10.5万人，占公司总人数的53.4%；而联想公司研发人员约1万人，研发人员占比仅为19.48%。

研发投入在一定程度上决定企业的核心技术水平。联想集团的核心技术基本依靠采购，招股书显示，目前其主要采购的原材料包括处理器及芯片、内存及存储器、显示器、软件等，2020/21财年的采购金额为2153.32 亿元，超过当年公司营收（607.42亿元）2倍多。

高管薪酬占营收7.7%，负债率高达90%左右

低研发投入、低研发人员比例之外，高管薪酬高和负债率高也成为联想被质疑的焦点。

在2020/21财年，联想集团实现营收4116.2亿元，税前利润为120.23亿元。而招股书显示，集团多位董事的年薪将近1亿元，30位董事、高管及核心技术人员的薪酬共计9.34亿元，约占营收的7.7%。

据悉，公司三大核心人物的薪酬都在亿元左右：杨元庆的薪酬约为1.7亿元，公司非执行董事朱立南的薪酬为6198万元，公司原董事长柳传志的工资为7603万元。

对此，业内人士质疑，联想的高管薪酬是否过高？

“上市公司的高管薪资，没有评判标准，也不太好评判。”北京云嘉律师事务所律师赵占领告诉凤凰网科技。

多位分析师表示，上市公司高管薪水构成较为复杂，可能包含固定薪资、奖金、长期激励等，且薪酬定额只要经过董事会同意即可，无法评判。

薪酬之外，联想集团的负债率也令外界关注。近三年，其负债率均接近90%，分别为90%、 87.37%、86.34%。据悉，华为近三年的负债率约为65%左右。

不过，与联想争夺PC市场的惠普、戴尔的负债率却更高。根据财报数据，惠普近三年的负债率达106.42%，103.56%，101.85%；而戴尔为93.5%，96.82%，99.77%。

多位业内人士表示，一般情况下，资产负债率在60%是比较合理的指标，但不同的行业、企业也会有不同。

联想集团近三年的平均毛利率为15.67%，而小米近三年的平均毛利率为13.84%，苹果2021年第二财季毛利率达42.5%。

业内人士分析，一般公司毛利率在20%以下，基本属于没有核心竞争力、相对低端的企业；毛利率20-30%之间，属于正常水平。

联想集团在招股书中也表示，如果公司无法持续提升自身市场竞争能力或未能很好地控制行业周期性给公司业务带来的负面影响，将有导致公司毛利率出现下降的风险。

更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体App

生意难做，看天猫开一个店需要多少成本？_科技猎

Mon, 06 Sep 2021 07:37:43 CST

“让天下没有难做的生意！” 马云的一句号召，让苦寻出路的广大80、 90后们一头扎进了淘宝&天猫搞起了网店，有的人做了3、4年电商，还弄不明白“成本”里包含哪几项。就像央视打星巴克咖啡，以为出厂价20元拿到手的产品，只要卖上40元，自己就赚了一倍。事实上在今天，如果你在“天猫”开店经营，20元出厂价的产品，3倍的价60元卖出去，结果只能是亏本。淘宝卖家闹事，为何闹事？或许本文揭示了其中的根源。

一、一般来说的商家
举个例子，我来帮大家做个测算，其实“成本”不止是产品本身，而是产品整个销售过程中不可避免发生的费用，最基础的来说，“成本”一共包括6大项：

1、产品成本（比如20元），

2、包装成本（内包装，外包装，吊牌，售后卡，包装耗材，比如是5元）

3、物流成本（仓储，快递，比如是12元，这里要说明，卖家说这不是“成本”，可以不包邮啊。但同学，对消费者购物过程而言，包邮不包邮，都是一次性支付，包邮的物流费用包含在其中，不包邮的消费者得加上快递费后一并付款，人家只要掏出多少钱都算一次消费？管你包还是不包自己的说法？所以快递是“硬成本”）

4、天猫扣点（平均扣点4%，60元销售价计算，是2.4元）

5、税收（就算平均8%吧，不要提网店不交税了，天猫店铺对应企业银行账户，不是私人的银行卡，所有交易一分钱的税都少不掉，那就是4.8元）

6、拍摄和制作费用（快消品尤其很高，还要模拍，以单件产品SKU上架看，需要拍摄，修图和后期制作等，算少点3%吧，所以是1.8元）

好了，上面6项成本，加起来是45.4元，占60元销售价的75.7%，而且是水涨船高，是销售的硬支出，不可能降得下来。

那么就是说，一件出厂价为20元的商品，在天猫卖出去60元，硬成本就占了75%以上，剩下的毛利为25%左右，是15元。

那么问问，你赚到了钱吗？

可怜的是，除了上面的“固定成本”，“可变成本”更可怕，而可变成本分三项：

1、人工成本，就是说你要花钱养团队做电商，做天猫的成本，算少点6个人吧（运营，设计，客服，库管…）,由于是天猫是公司化运作，员工的工资外，养老保险，办公支出全摊上，在杭州不会低于7500元/人，那么每个月就是4.5万元。如果按上述“乘3倍销售”，你的店铺每月销售50万元，人工成本为9%。然而事实上，一般商家，人工成本能控制在15%之内的，就很不错了。

2、广告成本，广告成本就是推广，卖流量，这是电商作为互联网产业，必不可少的支出，一般而言，广告的推广成本最少不低于销售额的12-15%。

超过20%也正常。按上述商品成交价60元为客单价计算，每月销售50万元，需要销售出8333件商品，每天需要销售277件。如果天猫平均转化率为2%，每天需要引入UV（人）数为13850人，假定广告占每日引入流量（UV数）的20%，那么推广需要引入2770人，在淘宝，营销主要通过直通车，钻石展位，促销工具（比如聚划算），假定平均花费1元引入1个用户，那么每天需要花费2770元（其实远远不够），那么一个月需要花费广告83100元，占50万月销售额的16%。

这两项相加，控制得好的情况下，约占销售额的22%-30%。

这就是说，固定成本加可变成本，全贴进去了，没钱赚，或者最多打平。。。慢着，你真的没亏本吗？

还没完，要做生意，需要多少钱，库存得备多少货？还有资金链和库存的成本是多少呢？

继续，按上面，假定月均销售50万，则一年为600万元的总销售额。

按一年4季分解如下（假定平均售出率为80%）：

1季度销售60万，需资金约36万，剩7万库存成本

2季度销售100万，需资金约60万，剩12万库存成本

3季度销售140万，需资金约84万，剩16万库存成本

4季度销售300万，需资金约180万，剩36万库存成本

加起来，一年做600万的生意，需要资金量在200万-250万之间。

在传统行业，如果投资回报率低于15%，那么这个生意还是不做的好：因为每年CPI如果上涨10%，你投入的200万，需要220万才会不贬值。

然后，上述固定成本加可变成本已经基本全开销掉，没钱可赚了，这里还多出来资金量和库存需要花的钱，这不亏得都底朝天了吗？

好吧，这就是“一般来说”的商家在天猫的经营逻辑，我敢肯定的告诉你：百分之90%的天猫商家都是如此，疲于奔命。那么还有不一样的吗？

二、非一般的商家
上述经营成本分析后，那么要在天猫生产，得这样：

1、产品出厂价20元，乘以4倍销售，固定成本得控制在50-60%以下，毛利才会达到40-50%以上，年净利可以达到10-15%，和CPI上涨差不多，其实还是没赚钱；

2、产品出厂价20元，乘以5倍销售，固定成本得控制在50以下，毛利才会达到50%以上，年净利可以达到20-30%，有点小钱赚了；

3、产品出厂价20元，乘以5倍以上销售，比如乘以6倍，8倍，10倍…….慢着，你凭什么乘以那么多？天猫上任何品类都有成千上万的竞争商家和同类产品，你的商品不具性价比，拼的是什么？消费者凭什么肯买这么贵的东西？而且，网购不就是为了贪便宜吗？所以，一旦商品的销售价是产品出厂价的5倍以上，你的“转化率”和销售就堪忧了。

好的，既然是“非一般的商家”，总还是有提升利润的办法：

1、客单价，如果客单价高于100元，而且合单率高于1.5（每个包裹包含几件产品），物流，包装成本会下降10%以上；但客单价高会降低转化率；

2、转化率,如果转化率高于3%，则广告成本会大幅下降三分之一以上；

3、回头率，回头率是不花钱的流量，重点是品牌，即产品质量和用户体验，那么产品成本，拍摄和制作费用，包装成本又会上升。

另外，就是所谓的塑造“品牌”和“调性”了，这无非是在竞争对手和市场中跃然而上，用“品牌”去建设消费者对产品的认知。换言之，即消费者本来的购物需求是从产品款式，品类，价格…等维度去淘宝和天猫这个大市场“搜索”并找到所需物品而产生购物的，变成了认识品牌，再按品牌的固有特征去找到产品，比如 “御泥坊”，“阿芙精油”或“三只松鼠”，品牌即产品，品类即品牌，想到精油就想到阿芙，干果即三只松鼠。但这不易成功，因为每个淘宝的“类目”，消费者记住的只能是第一，理论上没有第二。血淋淋的真相拨开：第一的是烧钱而不是赚钱，靠烧钱打造品牌，烧钱获得市场领先规模，靠市场规模获得投资，再用投资扩大规模…如此循环，这其中哪有第二的戏好唱？当然也不是没有“逆袭”的可能，“逆袭”的原则则是更大胆更够狠的烧钱砸钱，亏本也要打败第一，归结起来，这不一样？

所以是非一般的商家，他们不差钱，但不赚钱，数百万卖家都能学这样的金字塔逻辑吗？要知，金字塔顶部如此辉煌，下面都是尸骨堆出来的。

三、经营天猫的逻辑：赚钱还是赚人气？
好吧，骂星巴克咖啡的人都该醒醒了，20元的东西卖60元都要亏死，人家商家要赚钱太难了。

这就提出了致命的问题：在天猫，多数商家都是亏本，只有少数商家赚钱。对于那些有先发优势的商家来说，比如韩都衣舍，每天自然流量都是几十上百万，即便一分钱广告费不花，也可以卖出几百万的东西，因为他们实习了“原始积累”，成为了行业标杆。这就不得不谈到经营天猫的逻辑：

1、卖货走不通：做天猫必须是品牌，消费者如果是贪便宜，那么只能买成本3倍以下的商品，所以消费者消费的是价格，是款式，而不是品牌，因为大多消费者都是通过需要商品的“搜索”找到商品，筛选商品的，那么流量就是随“搜索”走，商家就得花大量广告费去做搜索广告。

2、卖品牌：所谓品牌，就溢价逻辑，即把商品乘以4倍以上价格，由于性价比消失，必须花更多钱和工夫去做品牌的“调性”，就是所谓的用户体验，抓住消费者购物崇拜“屌丝”的心。这样消费者找商品就直接搜索品牌，搜藏店铺，这样的流量不花钱。或者说，由于卖价高了，可以花更多的钱去打广告，打败那些花不起钱做广告的商家。好吧!上面都是些基础的电商知识，开始进阶….

四、淘宝和天猫的内在冲突根源
淘宝每天交易不低于30-40亿元，天猫如果今年交易2000亿，每天约8-10亿。

1、双11代表什么？
双11，购物狂欢节，天猫的商家约7万，只有2万能参与，而淘宝的600万家店铺一家都参与不了，双11的350亿交易奇迹的后面其实是：

压抑消费：都知道双11要来了，那么本来要买的商品，就提前10天不消费了吧，这样就抑制了上百亿需求，在双11当天爆发。淘宝上年末的交易起码每天40-50亿，压抑10天…你懂的

消费力集体迁移：2万个经过筛选的品牌商家，集中分享掉原本600多万个商家的消费，原本在淘宝消费，“打死不上天猫购物”的消费者，都在当天集体转移到天猫的少数商家，而2万个商家中的20%，即4000个商家，又占掉了其中的90%以上。

收费站：天猫筛选商家，都会有扣点，加入平均扣点4%，那么350亿成交天猫收入应该有16亿，加上卖出去的硬广告，去掉退换货和蓄积成交，收入不会超过20亿。

另外，双11的大商家们，通过向天猫缴费，垄断了几乎所有成交流量，获取了新的消费者资源，消费者集体从零散的淘宝市场集体迁移成为品牌和大卖家的“初次购买”用户，这就像是把草原上分散的羊，驱赶到了固定的几个饲养场。

因此，看上去很美的双11，阿里收入不会有想象那么高，只不过通过营销过度压榨了消费能力而已。那么，淘宝的数百万卖家在这场盛宴中连汤也没喝上，不会闹意见吗？

2、淘宝究竟是什么模式？
淘宝，天猫，聚划算…都属“大淘宝”范畴，大淘宝的商业模式，是“平台”+“收费站”模式。

B2C是什么？B2C一端是工厂，一端是消费者，电商的魅力在此，即通过入驻平台，一步把工厂产品卖给消费者，由于中间环节减少，因此费用降低，可以把价格让给消费者，而从中赚钱。

但是，这说法忽略了“竞争”成本和其中的高额“收费”。而这才是阿里系，马云的生财之道。

我们从B2C的整个生态链条看，商家寄生在其中，才可以做生意，必须经历几个环节：

1，头部是品牌加产品，在中国，大多是工厂；

2、尾部是消费者。

中间环节：工厂出货–经销商（代理，代运营）–平台入驻–拍摄制作–店铺运营维护–营销（引入流量）–服务（转化流量）–客服和售后–仓储发货。

在这样的模式中，特定的淘宝消费群约数亿，但每个特定的品牌和特定的产品都是对应其中特定购物需求的消费者，这种特定，就如大海捞针，比如一款名表，价格2 万元，在淘宝消费群中特定的消费需求有2万人，那如何找到这2万人？在淘宝平台给出的答案是：搜索。这2万人的具体需求不同，他们如何找到产品？影响他们购物决策的除了价格，款式，功能，品牌…还有成百上千个来“找到”，“搜索”到产品的逻辑。

因此，如果你是卖名表的商家，你得每时每刻在这特定的消费者“搜索”时，要第一时间第一位置“呈现”或美化你的产品。假定每天有3000人搜索这类款式的名表，在消费者看到你商品进行点击时，你进行了“搜索”营销，即直通车，那么你至少得花费1000-2000元去竞价搜索，才有可能导入流量，这是做淘宝最基本的常识。

那么，等于说，你在淘宝每天数亿的搜索需求中，精确的筛选到你要的特定消费者，这就是一条“通道”。只不过，如今淘宝和天猫上所有的“通道”，对于流量，都给出了“收费站”的模式，而且还要竞价，拍卖，你出钱够狠，持续，天天花费，这个通道才能通畅，这尼玛就是中国的高速公路呀！

原谅我说的常识你都懂，但你或许不懂的是：如果我是一个这样的品牌，我应该直接跳过收费站，先找到这2万潜在需求的客户，直接找到他们，说服他们，干嘛那么费劲，天天烧，反复缴过路费，天天把产品放到推广位置守株待兔？这才是淘宝电商经营的逻辑？

按照社交媒体的定义，用户是通过分享激发需求，先变成特定品牌和个人的“粉丝”，他先告诉你喜欢，你再按需提供产品和内容的，这就绕开了“收费站”，用户喜欢就关注，这种“信用”，几乎无价。

这里先不谈微信如何有可能是直接绕过收费站颠覆“淘宝式”购物的逻辑。因为你要看明白了上面的逻辑，你就会知道，微信和社交媒体是主动关注+相应的双向机制，甚至是消费者关注+商家按需求响应的驱动模式，一旦成立，从工厂到消费者，就成为了一条不收费的康庄大道，B2C才是去掉了所有中间链条，一步到底。

所以，“大淘宝”今天给出的模式，只是阿里巴巴电商的逻辑，前提是流量必须花钱获得，高速公路其实早就是通畅的，但他们在建设好后，上面加了无数收费站，随着阿里巴巴集团上市的商业化进程，为了完善这个模式，收费站只会越建越多。

那么，你看懂淘宝和天猫的内在冲突了吗？

这就是，天猫用“品牌”来聚集了少数有实力的公司化运作商家，开动“收费站”模式，促使“花钱卖流量”的商业模式可以成立。而淘宝的600万商家，多数是用价格血拼，在价格差的空间中，不可能花得起钱去购买更多的流量，不花钱就慢慢走不收费的国道乡道，最后道路荒废。打个比方吧：等于淘宝600万卖家养起来了整个血管和网络的大市场，最后被天猫这一超级收费高速公路的强大运力终结了。

五、天猫如此，其它平台呢？
京东，一号店，易迅和天猫有啥不同？

当然不同了，不同首先在于淘宝已经培养了消费者购物的一套“中国标准”，而这些平台，多采用采销制，他们是“平台”+“一次性付费”模式，所谓“一次性”即这些平台，集中向外采购流量，吸引消费者，对于经营者和入驻品牌而言，天猫模式本来就已接受，而这类平台，选择的首先是“品牌”，而品牌入驻，不过是增加了在互联网上的“橱窗”，这就是所谓的全网营销。

这个费用是“显性”的，清楚可见，而经营天猫的几项叠加成本是“隐性”的。这有助于商家在经营中时刻控制风险成本和规模。

六、未来和颠覆
电子商务最终要回归是互联网常识，即互联网不仅有“平台”，更重要本质还是“通道”。

未来必然是“通道”的天下，手机是，APP是，微信是，你不需要平台，你只要有通道，就可以经营。而现在做通道的，只有微信，这就是马云是深沉危机，要不他封微信，美丽说蘑菇街干嘛？所有不属于阿里系不收费的“通道”，马云都会把他掐死。

但他能“掐死”吗？

未来必然是移动互联网的天下，商品在工厂，在仓库，在货架，在虚拟的线上和线下都不要紧，通过物联网技术连接起来，再通过网络上的各自“通道”，直达消费者。电商的定义，不仅是淘宝式的电商。归根结底，互联网的信息流直通消费者，可以随时随地，我们还要一个专门的购物“平台”“万能的淘宝”才能找到商品干嘛？

互联网的革命性，决定了消费者购物不需要收费站的隔离，也决定了卖家必然走向开放式经营。

这个部分本文就不发散了，因为结论已经很明显了。

在模式之争中，天猫和其它平台并不一样，天猫只是转移淘宝的消费力即可，马云的电商根基还深得很，大家模式不一样，用不着慌张。

本文原作者不祥，转自 i黑马。

给作者打赏，鼓励TA抓紧创作！

中国公司日益使用高科技工具监视员工

Fri, 18 Jun 2021 21:33:52 CST

日经报道，Andy Wang 是上海一家游戏公司的 IT 工程师，他有时会对自己的工作产生罪恶感。他的大部分工作时间花在名为“第三只眼”的监视软件上，该软件安装在每一位同事的笔记本电脑上，实时跟踪他们的屏幕，记录他们的聊天、浏览活动和编辑的每一份文档。软件会自动的标记可疑活动，如访问求职网站和流视频平台，它会每周生成一份报告总结员工在网站和应用程序上花费的时间。上司会定期检查这些报告。甚至Wang 自己也不能豁免于监视。在工作了两年之后，不堪重负的他选择了辞职，他说这没有意义，我们无法不停的工作，需要一些喘息的空间。就像美团的蓝领骑手受制于算法，办公室的白领工人们也日益受到监视软件的监督。中国公司正日益使用高科技工具持续的监视员工。中国最大的监视平台供应商深信服称它的企业客户超过 5 万家，其中包括阿里巴巴、字节跳动、新浪、小米和中兴。在员工连接到公司 WiFi 之后，深信服的服务能访问员工的移动浏览历史和应用使用记录。它无需用户批准，能屏蔽被认为对生产力有害的特定应用。系统还会根据花在与工作无关的网站和应用上的时间给低效的员工进行排名。它还能根据对招聘网站的访问和发送简历识别可能辞职的员工。佳能在中国的子公司去年使用了微笑识别技术，只允许微笑的员工进入办公室和会议室，佳能称此举旨在在后疫情时代给办公室带来欢乐，创造一种积极的气氛。公司发言人说，大多数人都羞于微笑，当他们习惯微笑之后会保持微笑。

研究人员利用供应链攻击入侵 35 家科技公司

Wed, 10 Feb 2021 23:39:01 CST

一位安全研究员设法利用一种新颖的软件供应链攻击入侵了 35 家大型科技公司的内部系统，这些公司包括了 Microsoft、Apple、PayPal、Shopify、Netflix、Yelp、Tesla 和 Uber。这次攻击利用了开源生态系统的一个设计缺陷：依赖关系混乱。Alex Birsan 注意到 PayPal 使用的一个程序包含了非公开的私有 npm 包，他想知道如果他创建一个同名的公开的 npm 包，那么软件在构建时是优先使用私有的还是公开的版本？为了测试这一假说，他向流行的软件包库 npm、PyPI 和 RubyGems 上传了同名的冒牌项目，每个项目都包括了相同的说明，解释软件包不包含任何有用的代码，只是用于安全研究目的。他发现，公开的软件包会比私有的软件包优先度更高；某些情况下版本更高的软件包优先度更高，无论私有还是公开。利用这一方法，他成功入侵了多家知名科技公司，获得了超过 13 万美元的漏洞报告奖励。

万字长文，解读阿里达摩院《2021十大科技趋势》

Mon, 28 Dec 2020 11:44:00 CST

12月28日，阿里巴巴达摩院发布《2021十大科技趋势》，这是达摩院成立三年以来第三次发布年度科技趋势。

在震荡的2020年，许多行业重启向上而生的螺旋，但疫情并未阻挡科技前进的脚步，量子计算、基础材料、生物医疗等领域的一系列重大科技突破纷至沓来，后疫情时代，基础技术及科技产业将如何发展，达摩院为科技行业提供了全新预测。

今年的趋势报告分为“原子动能”、“比特跃迁”、“场景变革”三个部分，多了不少新的关键词，但整体是与过去一年的总结、未来一年的开启深度捆绑。

达摩院认为，未来几年，以氮化镓和碳化硅为代表的第三代半导体材料将在材料生长、器件制备等技术上实现突破，并应用于5G基站、新能源汽车、特高压、数据中心等新基建场景，大幅降低整体能耗。

新材料的价值远不止提供更优的性能，它还能突破传统材料物理极限，达摩院预测，碳基材料作为制作柔性设备的核心材料，将走出实验室并制备可随意伸缩、弯曲的柔性电子设备，例如用该材料制作的电子皮肤不仅机械特性与真实皮肤相似，还有外界环境感知功能。

2020年极度明显的是AI落地到产业的趋势，达摩院认为，AI应用于生产环节只是开始，汽车、消费电子、服装、钢铁、化工等信息化基础良好的行业将实现供应链、生产、资产、物流、销售等各环节的全局智能。

此外，生物医药领域，AI研发药物、脑机接口将极具研究价值。

雷锋网注意到，与前两次报告一致的内核在于，达摩院坚信：AI、5G、云计算及IoT等数字技术正发生前所未有的化学反应，农业乃至城市都将因此发生新一轮变革。在农业领域，自动监测农作物、精细化育种，农产品物流运输可追溯都将变成现实；城市将拥有一颗超级大脑，感知、通信、决策能力全面提升，为城市提供整体治理能力。

2021十大科技趋势分别为：

以氮化镓、碳化硅为代表的第三代半导体迎来应用大爆发
后“量子霸权”时代，量子纠错和实用优势成核心命题
碳基技术突破加速柔性电子发展
AI提升药物及疫苗研发效率
脑机接口帮助人类超越生物学极限
数据处理实现“自治与自我进化”
云原生重塑IT技术体系
农业迈入数据智能时代
工业互联网从单点智能走向全局智能
智慧运营中心成为未来城市标配

以下为《2021十大科技趋势》的扩展解读：

趋势一以氮化镓、碳化硅为代表的第三代半导体迎来应用大爆发

半导体产业发展到今天，主要建立在三代材料的基础上：兴起于20世纪50年代的基于硅（Si）、锗（Ge）的第一代半导体；兴起于20世纪80年代的以砷化镓（GaAs）、磷化铟（InP）为代表的第二代半导体；以及兴起于20世纪末的以氮化镓（GaN）、碳化硅（SiC）为代表的第三代半导体。目前，第一代半导体材料Si应用最为广泛，它构成了一切逻辑器件的基础，CPU、GPU所提供的算力都离不开 Si 的功劳。

第二代半导体主要用于高频高速场景，例如手机中的射频电路。第三代半导体相比于前两代半导体具有更宽的禁带宽度，因此也称作宽禁带半导体。更宽的禁带宽度允许材料在更高的温度、更强的电压、更快的开关频率下运行，因此第三代半导体具备耐高温、耐高压、高频率、大功率、抗辐射等优异特性，可以用作功率器件和射频器件，广泛应用于5G基站、新能源汽车、特高压、消费电子、航空航天、数据中心等领域。此外，较宽的禁带宽度使第三代半导体可用作制备短波长光电器件，例如可用于医疗消毒的紫外光源。

由于制造设备、制备工艺特别是材料成本上的劣势，多年来第三代半导体材料只是在小范围内应用。直至近几年这一局面才得以打破：一方面，在5G、新能源汽车等新兴市场中，Si基半导体的性能已无法完全满足需求，第三代半导体的性能优势被放大；另一方面，制备技术特别是大尺寸材料生长技术不断突破，SiC和GaN两种材料均从4英寸换代到6英寸并已研发出8英寸样品，加之器件制备技术逐步提升，使得第三代半导体器件性能日益稳定且成本不断下降，性价比优势逐渐显现。

目前，第三代半导体已经出现在应用市场：一些新能源汽车在逆变器中应用SiC功率器件提升电能转换效率，进而提升续航里程；不在少数的电子消费厂商推出了GaN快速充电器，价格不贵，体积很小，一个快充头可以支撑手机、电脑等多设备快速充电。未来5年，除现有的电动汽车和消费电子外，预计工业充电、5G高频器件以及可再生能源和储能领域的电源应用都将从第三代半导体的发展中受益，尤其是在高频高压应用中将竞争性取代原有的Si器件。

趋势二后“量子霸权”时代，量子纠错和实用优势成核心命题

2020年为后“量子霸权”元年，世界对量子计算的投入持续上涨，技术和生态蓬勃发展。超导领军团队宣布了通往1百万比特的规划；其他平台也异彩纷呈。离子阱则通过系统集成和容错部件上有力演示，证明了和超导同台技艺的潜力。声子-超导混合比特也跻身业界采用的平台。如上潮流将在2021年继续涌动，多管齐下，奔向“后霸权”的两个里程碑：量子纠错和实用优势。

演示纠错的系统必须同时达到“多比特”、“高精度”和“高连接度”：至少几千个高质量、强关联的比特。量子比特数一直为大众关注重点；但只以比特数来衡量量子计算芯片的质量，好比“论画以形似”一样天真。“高精度”要求两比特的基本操作接近完美， “高连接度”要求比特以网格或更复杂的结构相互作用。

除了增量式进步外，2021年有望见证在这些维度上突破性的创新。比如基于新型设计的超高精度超导比特和扬弃目前线性结构的可扩展的二维离子阱。超导的另一场扬弃也可能在2021年播下种子：低温电子学的成熟将使得庞大和昂贵的室温电子学开始走向末路。

实用优势的探索将继续以模拟物理为主流，借助模拟对错误的宽容。冷原子和量子煺火系统等模拟量子计算平台有望连同数字平台一起，继续产生鼓舞人心的进步。

2021量子计算开源项目将以广泛和深入的贡献，大大降低学习和研究的成本，加速创新，并消减非科学因素撕裂量子社区的风险。量子计算还属于科学和工程并重的研究阶段，各个地区的科学家需要继续开放性研究，相濡以沫，携手合作。这是我们的信念，也是我们对2021年量子世界协同和平的祈愿。

趋势三碳基技术突破加速柔性电子发展

尽管折叠屏手机已经不是多么新鲜的事物，但我们世界的电子设备目前仍以“硬材质”为主导，柔性电子技术才刚刚起步。

柔性电子通过将电子器件制作在柔性基底上，使电子器件在经受弯曲、折叠、扭曲、压缩、拉伸、甚至变成任意形状后，仍可保持原有性能。柔性电子是一场全新的电子技术革命，将在发光显示、能源装置、电子标签、电子皮肤等方面改变人类的生活方式。

柔性电子发展的主要制约因素是材料。目前多数的柔性电子应用场景，是对硅进行柔性化处理——硅在变得非常薄且尺寸非常小之后，会具备一定的柔性。但随着硅基半导体器件尺寸逼近物理极限，这一方法已日趋贴近天花板。其他的柔性材料还包括有机材料，以及将有机材料和无机材料相结合。然而，利用这些材料制备的柔性电子，距离硅基器件存在显著的性能差距。

碳基材料为柔性电子提供了更好的选择。碳基材料包括零维的富勒烯、一维的碳纳米管、二维的石墨烯、三维的石墨及金刚石等，这其中，碳纳米管和石墨烯凭借优异的电性能、透光性特别是延展性，被公认为是柔性电子的“天选”材料。但一直以来，主要受限于材料制备技术，难以获得大面积、高质量的碳基材料成为限制其应用的最大障碍。

近年来，碳基材料制备取得了突破性进展。2020年，研究人员在8英寸基底上成功制备了高密度高纯半导体阵列碳纳米管材料【1】，材料纯度可达99.9999%，突破了碳纳米管集成电路关键的材料瓶颈，并同步开发了全自动的提纯和组装设备，具备了量产的技术积累。基于此种材料，研究人员还批量制备了场效应晶体管和环形振荡器电路，性能超越类似尺寸的硅基器件和电路。与此同时，石墨烯的大面积制备已经实现，特别是利用化学气相沉积法制备的石墨烯材料，已经证明具备优异的电学性能。这些都意味着碳基集成电路已经初步具备工业化基础，“碳时代”即将到来。

随着材料技术的突破和发展，碳基柔性电子有望在医疗健康等领域率先实现规模应用。例如，“电子皮肤”可将外界作用于其上的力或热转换为电信号进行处理，让残疾人的义肢兼具美观和功能性；可植入的柔性电子设备为复杂疾病的治疗，如帕金森、癫痫、抑郁症等提供了新的治疗手段。

【1】北京大学《用于高性能电子学的高密度半导体碳纳米管平行阵列》

趋势四 AI提升药物及疫苗研发效率

由于新冠疫情的全球蔓延和深远影响，医疗行业从未像今天这样高度重视疫苗和药物的研发效率。以AI为代表的新技术被广泛关注，AI在医疗CT读片、影像分析、使用自然语言处理（NLP）录入病例等易于建立标准的领域，有着绝佳的工作效率与准确率，已经逐步应用在医疗诊断辅助领域。未来AI将从医疗影像/语言类等辅助诊断应用走向疫苗设计及药物临床研究，在疫苗化合物筛选、建立疾病模型、发现新靶点、先导化合物发现、先导药物优化及老药新用等环节上广泛参与。今年12月1日美国科学家首次用AI精准预测了蛋白质折叠形状，这将帮助研究人员进一步发现疾病的发病原理并开发新药。

《Nature》数据显示：一款新药的平均研发成本大约是26亿美元，耗时约10年，成功率不到10%。而一款新药从研发到最后上市，需要经过药物发现、临床前研究、临床研究以及审批与上市 4 个阶段。其中，药物发现是非常重要的环节，它决定了一次研发的具体目标。这个环节又分为疾病选择、靶点发现和化合物合成几个步骤。其中仅化合物合成一步，一种药品就需要对5000～10000种化合物进行筛选，最后仅有 5 种左右进入最后的研究阶段。由于工程量巨大，所以药品研发的临床前研究阶段一般需要耗时3至6 年。

AI与药物筛选结合是未来明确的方向，通过筛选流程和实验过程模型化，利用虚拟药物筛选、模拟计算筛选出药物的高概率结构，可以大幅减少化合物筛选的时间消耗。而且AI的帮助不仅是新药研发，通过匹配、发掘疾病与现有药物之间的数据关联性，老药新用也能快速在其他适应症上给予有效性证明。

在疫苗设计和研发领域，AI也将成为有力帮手。例如在研发的疫苗中添加化合物可以提升其功效，更好地刺激人体免疫系统形成更多抗体。这个过程可以利用AI自动输入一系列已知的可激活人体免疫系统的有效化合物模型，与电脑合成程序产生的数亿种不同的化学化合物对比筛选，最终快速找到可能成为人类免疫药物的优质候选化合物。

人类未来将越来越多的借助AI等科技手段来提升疫苗设计/药物研发的效率和精度，所有依赖于计算、依赖数据经验和可模型化的环节，都值得通过AI智能化的方式去尝试解决。未来AI与疫苗/药物研究的规模推广离不开AI算法和云端的大算力调用，两者的结合将给人类带来巨大的经济价值和社会效益。

趋势五脑机接口帮助人类超越生物学极限

脑机接口技术并不是一个新概念，这项技术经过几十年的研究发展（接口分植入式和非植入式），已经逐渐从学术界渗透到创业圈。虽然离实用化还有很长的路要走，但毫无疑问，人类朝着大脑与机器融合的伟大目标，向前踏出了一大步。

植入式脑机接口相比非植入式头皮贴片方式精准度更高，可以编码更复杂的命令，但非植入式更安全，接受程度也更好。目前各个脑区里研究比较充分的有运动皮层、感觉皮层和视觉皮层；其中运动皮层脑机结合已经可以做到用意念控制机械手完成简单的三维运动、手腕方向和手指握力，例如机械手移动和抓握，但太精细的动作做不到，这也是未来需要攻克的方向。

脑机接口技术是一个交叉学科，它的背后包括材料学、电子工程学、生物医学、神经信息学、计算机科学和认知科学等等，各项单一学科的进展都值得期待，比如更精确的电极、更友好的生物材料、更明晰的神经科学认知、更强大的AI机器学习算法等等。

人类已经进化了数百万年，机器只存在了大约200年，但后者的算法/算力让前者难以望其项背。两者的结合可以帮助人类超越生物学极限；借助脑机接口，结合AI可以对神经工程的发展起到重要支撑与推动作用，帮助解决神经工程研究中遇到的类似精准控制等诸多难题，从更高维度空间解析人类大脑的工作原理。

例如通过接口直接从大脑中合成语音，帮助失去说话能力的人通过技术手段来进行交流。此外在康复方面，通过对神经系统活动的识别，读取人的“意念”，通过机械臂精确完成大脑内发出的相应指令。脑机接口技术将在改善脑瘫患者、渐冻人、帕金森症等残疾人弱势群体的生活质量中做出了巨大贡献，为神智清醒，思维健全，却口不能言、手不能动的患者提供精准康复服务。在脑机结合方面，虽然离大众所想象的实际应用还有遥远的距离，但我们今天所想象的一切，未来都将变为现实。

科技的发展不断突破人类的伦理底线和价值尺度，脑机接口同样避免不了伦理问题。人类和机器建立智能交互已是大势所趋，如何保障这样的科技进程安全地向着利于人类自身的方向发展，成为人类最大的挑战。

趋势六数据处理实现“自治与自我进化”

数据管理系统一直以来是企业IT架构的重要组成部分，随着物联网、云计算技术的深入发展和开源生态的不断完善，传统数据管理的局限性日益凸显，存储容量有限导致公司无法长时间存储和管理海量数据集，元数据来源广泛、种类繁多，具有多源、异构的特点，这使其在管理上面临数据汇聚、集成、存储和检索成本高的问题；另一方面计算资源匮乏，缺乏统一管理接口和大数据处理环境所需的可伸缩、可拓展的灵活性和高效性。数据管理系统需要承担更加复杂的多租户、多任务下的执行工作，人工手动管理和运维再也无法有效应对海量多源异构的数据规模和丰富复杂的数据处理场景带来的问题和挑战。

传统模式下，系统超载、资源消耗过剩不仅要影响到其他正常运行的系统作业，而且需要大量的人力资源进行系统排查和纠正，难以确保系统有效率的运行状态。因此通过智能化方式实现数据管理系统的升级优化将成为未来数据计算与处理的必然趋势。将系统技术与人工智能技术相结合，利用机器学习算法在数据仓库与数据库系统管理、资源调度、引擎优化、压测生成等各个方面进行数据系统的自我管理，人工智能将充分嵌入到数据处理的整个生命周期，帮助提高数据查询的效率，提升整体资源调度的优化性。

例如通过智能化手段对冷热数据分层分离，让计算和存储资源得到充分利用，有效降低数据管理成本。通过分析系统运行状态和日志数据信息，利用人工智能建模，来实现动态系统参数调整和系统优化，显著降低系统数据管理者的运维成本。机器学习技术也将帮助系统建立更加准确高效的在线预警与实时监测系统，来实现智能化的运维管控和资源调配，帮助系统管理人员将更多的时间和精力集中在更重要的系统任务上。

同时，系统技术也将更多地辅助人工智能的深度发展，在大规模多样化数据集上进行高效的数据挖掘和机器学习优化分析的模型选择、元参数搜索、自动化的元数据学习、非结构化数据与结构化数据融合处理等工作，从而帮助系统变得更加智能、安全和可靠。

趋势七云原生重塑IT技术体系

在传统开发环境里，漫长的产品开发、测试和上线周期，不稳定的产品研发效能是企业IT领导者和开发人士面临的核心问题和挑战，同时在应用程序的部署过程中，软、硬件环境等基础设施的技术复杂性很大程度束缚开发人员对于业务实现的生产力，受制于数据库、数据中心、操作系统等传统架构的局限性，制定的业务解决方案需要不断妥协与折中，效能也可能大打折扣。

以容器、k8s、ServiceMesh、Severless为代表的云原生技术将充分沿用云计算的设计理念，全面利用分布式、可拓展、灵活性的云计算架构，达到毫秒级别的极致弹性能力，从而应对业务突发场景；同时基于云原生平台系统高度自动化的资源编排调度机制，实现应用的可拓展和易维护，通过微服务助力应用敏捷开发，进而大幅降低业务的试错成本，提升业务应用的部署和迭代速度。

另一方面，云原生将网络、服务器、操作系统、业务流程等基础架构层高度抽象化，更高效地应用和管理异构硬件和异构环境下的各类云计算资源，向上支撑多种负载，包括大数据计算、区块链、人工智能等创新性的服务，高效解决部署一致性问题，并极大地降低云服务的使用门槛，让开发者只需关注业务逻辑本身并最大程度回归到应用程序的开发环节，专注于用户服务和商业价值的创造过程，从而帮助企业实现快速创新。

云原生将重塑IT技术的全链路体系，在开发、测试、上线、运维、监控和升级等环节中形成新的技术标准，通过技术生态推动整个云计算的标准化，使大规模、可复制的跨区域、跨平台和跨集群的部署能力成为可能，将更多敏捷、分布式、可扩展的技术红利带给企业和开发者。

云原生技术应用在2020年呈现出爆发式的增长，其价值已在互联网、金融、教育、零售、能源等诸多行业得到广泛实践和验证，并预计在两年内有75%的全球化企业将在商业生产中使用云原生的容器化应用【1】。云原生为企业上云用云提供了崭新的技术方式，帮助企业快速享受到云计算带来的成本和效率优势，全面加速企业数字化创新升级进程，并终将推动云计算产业的再次升级。

[1] Gartner《云原生基础设施未来的八大趋势》

趋势八农业迈入数据智能时代

到2050年人类人口总量有望接近百亿，随着世界人口的不断攀升，对粮食的需求也将不断扩大。同时，农业产业的现代化发展面临的挑战日益严峻，全球人口耕地分布不平均、利用率低下，粮食单产品质不稳，化肥农药资源使用过量，以及产业上下游供应链脱节等瓶颈问题使得传统农业产业发展一度陷入僵局。以物联网、人工智能、云计算、5G、大数据计算等为代表的新一代科学技术正在与农业产业深度融合，并将成为农业迈入智慧革命发展阶段的核心推手。

传感器技术已经广泛应用于农业领域，新一代物联网和5G技术将解决由于带宽限制带来的传感器设备连接密度受限的问题，提升网络设备接入数量和密度，支持设备之间的图像传输和自主分析等功能，集成天气、灌溉、微生物和其他农作环境中产生的数据变量，并通过快速检测、实时监测和连续反馈的能力，进行农作物生产环节的精细化识别、感知，有效改善资源利用效率，并大幅提高农作物产量；同时，下一代无人机结合计算机视觉技术将具备在广阔和偏远地区分析田间作业环境的能力，将实时数据传递到其他传感器，综合分析农田环境和作物情况进行精准播种、施药，从而提升水肥利用效率并有效降低农业劳动力成本。

依托传感器技术的兴起，农业生产链中的各个环节都将会产生海量的数据，通过对这些数据进行整合、分析和挖掘，人工智能、大数据等新型数据科学技术将数据和算法充分融合，更好地对农作物耕地、播种、施药、杀虫、收割等全生命周期环节中产生的数据进行模型构建和精准预测，实现农作物监测、精细化育种、病害虫防控和环境资源按需分配，推动农业生产过程中的自动化运行和管理过程中的数智化控制。

同时，区块链和农业大数据等技术也将充分联合，打通农业生产、加工、运输和零售环节的上下通路，实现产销一体化，从农业生产、农业物流、农业市场和农产品管理等方面上提升全产业链的整体效率，对相关数据进行记录和存储以帮助追溯农产品流通中的全程信息，从源头上保障农产品食品的安全和可靠。

趋势九工业互联网从单点智能走向全局智能

工业时代，机器人被视为制造业皇冠上的“明珠”。它在相当程度上释放了人类的双手双脚，并让生产运营效率达到一个新的高度。而迈入数字时代，云计算、大数据、AI等新一代信息技术与工业的结合，则进一步地解放了人类的大脑。在具有认知能力的机器的辅助下，决策可以更加精准和高效。工业智能正快速成为制造业冉冉升起的“新星”。

过去几年，在利好政策、资本投入、以及新技术新产品大量涌现等因素的共同推动下，工业智能实现了快速发展。中国工业互联网平台已达300家左右，具有一定规模和影响力的平台数量也有50家之多【1】。然而，尽管冠以“工业互联网”之名，但工业智能仍以解决碎片化需求为主，难以满足制造企业全面数字化转型的需求。究其原因，数字孪生的实施成本和复杂度高、供给侧数据难以打通、整体生态系统不够完善等因素延缓了工业智能的前进步伐。

未来几年，工业智能将在多重利好推动下取得长足发展。首先是信息技术的进步和普及， 2019年中国云基础架构投资首次超过传统IT基础架构投资，新旧技术间已经实现交替【2】；人工智能在质量检测等制造业场景中得到了能力证明；而5G时代的到来也将为物联网拓展新的应用场景。其次，新冠疫情对工业智能的发展起到了加速作用。在过去，制造企业看待工业智能更像是“锦上添花”，而疫情下工业互联网所展现出来的韧性，使其成为企业应对未来不确定性时的立足之本。最后，新型基础设施建设为工业智能发展带来了空前机遇。工业互联网作为“新基建”的重要组成部分，将会迎来更好的政策环境和更大的投资力度，进而推动整个生态体系壮大完善。

如今，工业智能正从单点智能快速迈向全局智能，包括从复杂代码编写升级到低代码的应用开发，从而降低企业的使用成本；从边缘业务切入企业核心业务，从而扩大工业智能的应用范畴；从辅助决策升级到对生产系统的控制，从而扩展工业智能的应用场景；从单一业务方案升级到平台化整体方案，从而提升工业智能的使用价值。预计在未来3年时间里，工业特别是汽车、消费电子、品牌服饰、钢铁、水泥、化工等具备良好信息化基础的制造业，贯穿供应链、生产、资产、物流、销售等各环节在内的企业生产决策闭环的全局智能化应用将大规模涌现。

【1】中国信息通信研究院《工业互联网平台白皮书（2019年）》

【2】IDC《全球云计算IT基础设施市场预测报告》

趋势十智慧运营中心成为未来城市标配

“智慧城市”从概念提出至今已经历了十余年的发展。以中国为例，在2014年中国就已制定国家政策，把智慧城市作为新型城镇化建设的重要抓手和实现路径。之后，中国智慧城市市场陆续涌现出“最多跑一次”、“一网通办”等诸多最佳实践，既有效提升了政府的治理水平，也让广大市民切实感受到智慧城市带来的便利。

然而，智慧城市发展至今也暴露了一些问题，特别是在突如其来的新冠疫情折射下这些问题更加凸显：许多智慧城市相关设施在防疫任务中陷入瘫痪——部分地方没有应对人口流动调查的信息化系统，只能靠手工填表；而一些有软件平台的地区，也因各部门、地区的数据不互通导致系统一度形同虚设。这些暴露的问题只是表象，背后的真正原因是许多智慧城市项目没有有效运营，导致最终只是堆砌了大量硬件，能够实际运转的业务则屈指可数。

面对此情况，智慧城市市场各参与方特别是城市管理者开始重新思考，更加看重智慧城市的实际应用效果，并更加强调“运营”的理念。在这样的市场风向变化下，把城市数据进行汇聚、交换和共享并在此基础上进行智能决策的综合管理服务平台，即城市运营中心将逐渐兴起。

城市运营中心首先必然是智慧的，它离不开AIoT的技术支撑：一方面，5G时代下物联网的应用普及，将显著扩大对城市的描述范围，以数字化手段动态采集反映城市元素、事件以及状态的数据；同时，AI技术的不断进步将推动其基于城市数据进行科学决策，为城市治理提供最优解决方案。

智慧的城市运营中心能够通过构建数字孪生城市直观展现城市全量信息。在数字孪生城市中全面融入城市感知数据、政府数据、商业数据等，并通过空间计算技术，在时间和空间维度下立体呈现城市运转的全貌，助力实现城市治理精细化。

智慧城市运营中心最重要的功能，是将城市作为一个有机整体进行治理。这意味着它将从根本上把城市作为统一的巨系统，从而避免用传统的中心化思路逐一解决单个问题，而是利用城市数字化、智能化所释放出来的数字生产力，从更高的维度去解决非此即彼的矛盾，以升维后的视角和手法去治理城市，帮助政府更好地实现多目标平衡。智慧运营中心所具备的这些能力，将在城市可持续发展中发挥不可替代的作用，进而推动其成为未来城市的数字基础设施。

硅谷著名投资人谈2020年科技趋势

Wed, 13 May 2020 11:40:58 CST

Benedict Evans之前是a16z的Partner，常常分享很多他对于科技产业的观察，现在应该已经离开a16z了(从LinkedIn上看到他在a16z的时间就只到2019年12月)。不过因为订阅他的电子报的关系，还是可以常常看到许多他推荐的资讯。而最近他出了一篇 Tech in 2020：Standing on the shoulders of giants.本篇文章试着列出几点我认为蛮有趣的Fun Facts。

1. 下一波S型曲线的新趋势在哪？

这个是个大家都想知道答案的问题，而每个人都在追寻自己认为合理的答案，这也是几年前一些科技公司，台式机做完做笔记本，笔记本做完做手机，做完手机后开始想新的IoT 装置，可穿戴设备也是这样被炒热起来，有人认为穿戴式装置之后也会取代手机，甚至AR眼镜。有些人认为是区块链、机器学习等。

但Benedict Evans 认为下一个大事会是Regulation and Policy，因为人现在已经几乎人人相连，也包含了坏人也连起来了，而这也创造出许多新的问题，例如假新闻或者是片段的资讯造成的道德恐慌。投影片中有一些例子，但对我来说比较有趣的是，有人认为Amazon 如果继续变得更大，那他拥有的Private Lable (自有品牌) 商品可能会对一般厂商造成影响，但实际上，零售产业就是这样，详见下图：

其实Amazon 自有品牌的营收占整个公司也只有个位数的百分比而已，但你熟悉的那些传统零售业品牌，都有10-20% 不等。如果Amazon 现在这样就会让你觉得很夸张了，那你怎么没有对你每天发生在你身边的零售业感到震惊？

另外一个是Amazon 的市占率到底是35% or 5%? 这是他去年某一周有写过的文章，也被他放进这个简报中。如下图所示，如果你用美国市场来看，Amazon 占整个美国电商市场的GMV 可能有35%，但如果你用的是零售或是Addressable retail 来看，可能就是个2-5％左右，而同样的方式来看Walmart 则有接近10% 的市占率。当然这些数量也都是很大，只是在某些议题的操作上，就看你怎么去解释而已。

这让我想起「数字不会骗人，会骗人的是那些解释数字的人」。

那上面的事情跟Regulation and Policy 又有什么关系呢？因为现在几乎每个人都被Connected 了，连坏人也是，所以上述的讯息如果被有心人士散播出去，其实很容易造成很大的影响跟对立，甚至用AI 做的假新闻也在我们选举期间也有出现类似的案例，这些事情不能没被好好的规范。所以Benedick Evans 认为下一个循环，就是要有好的Regulation 来规范Tech。

未来的技术趋势：机器学习是新数据库；加密是新开源；AR是下一代智能手机；以及监管。

2. 电商占零售的比例

从Benedict Evans 的数据显示，电商占整体零售的占比，美国大概位于前十名的中段班，大约15% 左右，前几名的分别是中国、英国与南韩，都有超过20%。但美国来看，就算有15% 左右，也是「只」有15%。

那来看看台湾的状况，如果根据经济部统计处的资料，2019 年台湾零售业的营业额为新台币3,852B，其中其他非店面零售业(大概就是电商这类的为主) 的营业额为新台币293B，粗粗的计算一下大概是7.6%，大概也有前十名中段班的水准。当然我认为实际上一般人透过网路进行的消费会更高，比如说旅游：上网订机票、饭店等，这些单价比较高的数字，应该尚未完全反映在其他非店面零售业上，只是如果我们的分母拿的只有零售业，那分子也要尽量Apple to apple 用以一般零售业定义的数字来计算。而餐饮业也是另外一个需要计入的类别，或者说，现在基本上也没有所谓的「网路」业，而是对各行各业来说，「网路」只是个通路，而且是越来越不能忽视的通路。所以接下来我们来看看Online 跟Offline 的状况。

3. Online and Offline

过去的O2O (Online to Offline/ Offline to Online)到现在提的OMO (Online-Merge-Offline)，更让我们知道线上线下这样的定义是越来越模糊的了。你可以看上面的Slide，一般人我们以为的线上线下区分会像是左边，那样黑白分明，但实际上他会更像右边，互相参杂影响的。线上的销售也可能是现下带来的，线下的销售也可能来自于线上。Erik Nordstrom ( Nordstrom的共同总裁)就说：

“Over half of our store sales involve an online journey, and over a third of our online sales involve a store experience”.

“我们一半以上的店铺销售涉及在线，超过三分之一的在线销售涉及线下体验”。

4. TV and online streaming

如果说美国电商占零售业「只」有15%，但足够让我们觉得这个世界已经快速的往电商迈进了，那么你拿TV 产业的数字化来看，那他变化的就会更加剧烈。详上图：有接近20% 的人剪线，转往更数位化的平台如：Youtube 跟Netflix 这类的平台去了。

Benedict 也认为Content 的战争也开始了，从下图可以看出，我们认为的几个非传统的媒体，如Netflix、Amazon、Apple 也投入了许多预算在媒体制作上。

而现在有三分之一的电视内容制作是从Streaming 平台来的。

而Netflix 跟Amazon 投入制作的费用，也大于欧洲几个国家的总和，而他们制播的节目，则贩售到全世界去，像是Netflix 就是Direct Sale 给他的订阅户。这也让我想到很久以前跟某个创业家的对话，他认为美国就是透过美金、好莱坞来影响与控制世界，同时吸引世界一流的人才去美国受教育，然后接受他们的观念跟想法，如果他们回到自己的国家，也会散布相关的想法，进而可以影响到世界。

Benedict 的报告有100 多页，有兴趣的人我真的建议你可以看过一遍，然后针对你有兴趣的议题，再好好往下研究。因为这些趋势是一年一年逐渐发生的，如果你有Follow 整个趋势，你会发现每年大概就是往那个方向去，但三五年后回过头来看，却也真的改变很大。但这三五年的时间，你是否有站在对的潮流上，如果有，也许你可以事半功倍。这也是创投希望可以找到的趋势，进而投资适合的团队。

作者： Brandon

2019银行金融科技最新布局

Tue, 08 Oct 2019 17:14:50 CST

原子新金融导读：

一文了解15家全国性银行的金融科技大对决！

▲来源：原子新金融作者：李静瑕

谁能成为银行业金融科技真正的强者？

当几乎所有银行都在加大金融科技投入，不可避免的结果是，全国性大行和中小银行之间的金融科技实力差距，在变得越来越大。

虽然各家银行金融科技投入比例相差不大，但由于体量差异、效率与机制差异：有的年投入超过100亿，有的仅有几个亿甚至更少；人员编制上，全国性大行数千人编制不断扩张，让小银行望尘莫及。强者与弱者的金融科技差距，可能高达数十倍之多。

在金融科技上一路狂奔的全国性银行，已成为银行金融科技的领军者，他们做了哪些最新的布局？

一、战略布局对决

轻金融通过调研采访，结合各家银行财报、公开资料，对15家全国性银行的金融科技战略与布局进行了系统的整理，形成了如下表格：

总体来看，银行的金融科技发展至今，认知以及布局都有更加全局性的思考，逐渐形成了如下趋势。

一是金融科技重塑银行体系，银行正在全面推进数字化转型。

从今年银行金融科技的总体战略规划以及布局看，已经在逐步跳出模糊概念的描述，而是更为具体的规划了数字化转型的目标，例如智慧银行等。这说明了银行对数字化转型的认识已经越来越清晰，并且能够站在全局去推进数字化转型进程，以自身特色出发构建差异化的战略方向。

例如， 工行提出“智慧银行”战略，并且已经推动了ECOS的建设； 农行则明确提出“再造一个线上农业银行”，积极推动线上业务；招行做“金融科技银行”战略目标清晰的情况下，也提出 “迈向 3.0 阶段的经营模式”的阶段性战略； 平安则是全面推进AI BANK建设。

全面的数字化转型，不仅是新技术如何在金融业务上的应用，银行要思考的还有体制机制的变革、文化的演进。比如银行创新产品的速度在加快，背后的组织架构反应速度以及员工整体的反应速度还是滞后的。

此前轻金融发布的《田惠宇内部讲话》可以看到，招行还在积极推进的管理和组织文化的3.0转型：以开放、平视、创新为方向，重塑组织形态和文化氛围。去年新建的内部社区“蛋壳”被视为招行重塑文化氛围的重要基地，今年上半年“蛋壳”上共有 402 篇帖子中提出的意见建议获采纳。

这足以证明，体制机制的顺畅以及管理文化导向创新，激发员工以及整个银行的活力是无限的。

二是银行更加注重中台能力建设。

“中台”这个词，近年来几乎各个行业都在谈论。阿里巴巴也曾经经过“大中台、小前台”到业务和数据双中台的变革。在今年银行披露的信息中，不少银行已经开始了中台的布局。

比如， 平安银行在推进零售全面AI化，其提到，从资源集约、能力共享的角度出发，以模块化、参数化、闭环化为原则，积极推动 AI 中台能力层建设。例如投产了投产了营销机器人、投放机器人、陪练机器人、客服机器人等多个 AI 中台项目。AI中台的建设，主要是为了对零售前端应用场景的赋能。除了AI中台，平安银行还打造了数据中台，主要整合和共享全行数据资源。

兴业银行也提出打造“业务中台”、“数据中台”双轮驱动。一方面，通过资源整合和业务沉淀固化企业核心能力，打造更敏捷高效的“业务中台”，提升业务共享和复用程度，快速响应并有效赋能前台业务和生态互联；另一方面，充分利用内部数据资产并提升外部数据整合能力，打造强大“数据中台”，大力提升数据分析与决策能力。

同期，招行也搭建了面向企业的统一数字化中台——招商银行开放平台，运用金融科技变革服务输出模式，探索以标准化、模块化服务支持业务经营模式的转型，快速响应客户的产业互联网需求。

一位银行业资深人士曾告诉轻金融，银行中台能力建设的目的，是致力于去打造标准化、模块化的金融组件，以提高前台业务针对市场需求快速组装的能力。不过，这对银行而言并非一件容易的事情。

三是银行金融科技人才队伍建设的紧迫性显现。

银行金融科技另一个比拼的因素是人才争夺战。

在金融科技人才队伍建设方面， 邮储银行制定了两年科技队伍建设的目标计划：2019年末总行信息科技队伍规模翻一番，2020年末全行信息科技队伍规模翻一番。为了完成这个目标，邮储银行也通过多种渠道扩充金融科技人才队伍。

交行对于金融科技人才队伍的建设还专门开展“三大工程”的项目，针对新增人才和存量人才都有规划。例如，新增人才方面，启动“金融科技万人计划”工程，重点招募IT研发、大数据管理等方面的人才。存量人才方面，实施“存量人才赋能转型”工程，通过不同层级人才的培养、交流、转岗等实现素质在提升。

农行在总分行层面建了1000人的科技项目经理队伍，在总分行层面建了450人的数据分析师队伍，推动产品经理、项目经理、数据分析师和客户经理这四支队伍密切协同。

对于金融科技人才队伍建设，银行越来越注重提升STEM(Science,Technology,Engineering,Mathematics)人才的占比。未来银行更期待的金融科技高端人才是拥有STEM专业背景同时亦通金融。
近几年，银行也在通过市场化的方式来吸引相关人才，例如成立金融科技子公司就可以更好的通过市场化的薪酬机制和激励机制来吸引更多的人才。今年3月份，招行在修改公司章程的时候就新增了“坚持市场化的选人用人机制和激励机制”。
不过，目前银行的金融科技转型还存在着盲目跟风、缺乏业务与机制配套改革等问题，对于银行来说，结合自身优势，建立“以客户为中心”的数字化转型，才是真正的转型，同时要在体制机制上要做更为深度的变革。

二、金融科技子公司+科技投入

今年银行金融科技布局又一个比较大的动作，还有金融科技子公司在加速落地。上半年内就有工行、中行、华夏银行以及北京银行4家银行成立金融科技子公司，这比以往年份成立的都要多。

自从2015年、2016年，股份制银行率先打响了银行金融科技子公司的探索之战，到目前，发展效果也有所显现：

比如，中国平安2019年半年报显示，截至2019年6月30日， 金融壹账通累计服务3700多家机构，包括国内100%的大型银行、99%的城商行和44%的保险公司，为银行、保险、投资等各类金融机构提供全流程、全体系的解决方案，并通过这些机构触达数以亿计的终端客户，B端╱C端交易量2155亿，同比增加了104%。

兴业数字的数金云累计签约 360 家中小银行，累计上线实施 216 家中小银行。报告期内，开放银行平台各类创新产品实现交易金额 1756.24 亿元，同比增长323.98%。

随着银行加速数字化转型，对金融科技的投入力度还在加大。

招行公布数据显示，上半年信息科技投入36.33亿元，同比增长 63.87%，是营业收入的 2.81%。在招行新增的公司章程里，要求年度财务预算加大对金融科技的投入，每年投入金融科技的整体预算额度不低于上一年营业收入的3.5%，其中“招行银行金融科技创新项目基金”的预算制度原则上不低于上一年营收的1%。

邮储银行2018年在信息科技领域的投入占营业收入的2.75%，今年将增加到3%左右；平安银行上半年IT资本性支出及费用合计同比增长36.9%；交行则提出信息化建设总投入将逐步增加至当年营业支出的10%。

总体上来看，银行的金融科技投入占营业收入的比重正在3%靠近。如何看待这一高投入？

今年上半年，招商银行成本收入比 27.59%，同比略有上升。对此招行副行长王良表示，很重要的原因是上半年大力实施 3.0 数字化经营模式转型，推进金融科技战略落地，进一步加大金融科技项目的专项费用投入，并匹配投入相应IT软硬件资源及开发人力，费用列支有所加快，导致成本收入比略有上升。

“为了打造面向未来的新优势，零售银行业务和金融科技转型都需要进一步加大投入，这些是战略性投入，虽然短期内成本收入比会有所上升，但是这些投入创造的回报肯定会更加可观，我们相信今天花费的费用在未来都会给我们带来超额的回报。”王良表示。

“金融科技巨头解密”系列：

▼

原子新金融原创文章，未经许可，禁止转载。

扫码关注原子新金融智库：

被误解的乔布斯：人人都以为他是独狼,其实他是管理大师_凤凰网科技_凤凰网

Sun, 06 Oct 2019 15:36:23 CST

燃财经（ID:rancaijing）原创

作者 | 孔明明

编辑 | 阿伦

今天，是苹果公司创始人史蒂夫·乔布斯逝世8周年纪念日。

多年来，大家对乔布斯的印象更多停留在他暴躁、阴晴不定的脾气上，他对产品无处不在的完美要求、严格苛刻上，还有他桀骜不驯、让很多人为之头疼的独特个性上。

除去他天才的那一面，他还是一个抱有让苹果公司长盛不衰的野心的企业家。他的独特个性成就了独一无二的乔布斯，也留下了可供后人借鉴的企业管理之道。

事实上，乔布斯虽然用人苛刻，经常对员工大发雷霆，但他却善于找到最合适的人才，并由此组建了只包含“一流队员”的团队；他对待团队并不能用友善形容，但他却擅长调动人心，并用“现实扭曲力场”的能力，让人服从且听信于他，并在有限的时间内完成执行；他不仅关注产品的每一处细节，也为苹果找好了完美的战略，从而得以让公司常年保持市场领先地位。

在乔布斯身上，我们能看到的是一种更高级的“魅力型领导力”，这也是为什么我们称他为“管理大师”，而不是大家普遍所认为的“独狼”。

招募大师和创造大师

1976年，在生产Apple II的过程中，刚刚起步的乔布斯需要更多的钱来进行研发和生产。他被建议去找唐•瓦伦丁试试——唐•瓦伦丁后来创办了红杉资本。

“如果你想要我给你投资的话，”瓦伦丁告诉他，“你必须找一个合作伙伴，这个人要了解销售，还要能写商业计划书。”当有长者给乔布斯建议的时候，他有时候会愤怒，有时候则又显得很热切，在瓦伦丁这儿，他表现出的是后者。

“给我三个推荐人选吧。”乔布斯回复。瓦伦丁照做了，乔布斯见了这三个人，并与其中一个一拍即合——这个人叫迈克•马库拉。他在苹果公司未来20年的发展中，扮演了关键的角色。

乔布斯（左）与马库拉（右）

马库拉当时才33岁，但已经处于退休状态。之前他先后供职于仙童公司和英特尔，后者上市之后，他凭着股票期权赚了几百万。在乔布斯找到他时，他并没有决定要加入苹果公司。

马库拉向乔布斯提议一起撰写商业计划书。“如果计划做得很好，那我就投资”，马库拉说，“如果不好的话，你也免费得到了我好几个星期的时间。” 乔布斯开始在晚上拜访马库拉家，考虑各种方案，整夜整夜地谈话。

之后，马库拉主动提出为公司提供25万美元的信用贷款。苹果成为股份有限公司，马库拉、乔布斯和沃兹尼亚克（苹果联合创始人）三人各持26%的股份，剩下的股份保留，用以吸引未来投资者。

但在当时，作为联合创始人，史蒂夫·沃兹尼亚克帮助乔布斯研发产品，仍然没有决定全职加入苹果。

乔布斯显示出了自己的偏执特性：他会给沃兹打电话，对他好言相劝，还让朋友帮忙去说服沃兹。他有时又哭又叫，有时大发雷霆。他甚至跑到沃兹的父母家，痛哭流涕，这时候沃兹的父亲站到了乔布斯这边。

“不管是在公司还是在家，我开始接到父母、兄弟和很多朋友打来的电话，”沃兹说，“他们每个人都跟我说，我的决定是错误的。”

但这些没有起到丝毫作用。他们的高中好友艾伦•鲍姆给他打电话。“你真的应该放手一搏”，艾伦说，如果沃兹全职加人了苹果，并不一定非要进入管理层，还可以继续当工程师。

“那正是我想听到的“，沃兹尼亚克说，“我可以待在组织架构的最底层，当一个普通的工程师。”最终，他决定全职加入苹果。

新公司成立后的第一件事，就是要将硅谷杰出的公关人员里吉斯·麦肯纳招至麾下。里吉斯·麦肯纳曾为英特尔打造了一系列色彩绚烂的杂志广告，这些引起了乔布斯的注意。他致电英特尔公司询问广告的设计方，被告知了里吉斯•麦肯纳的名字。乔布斯打去电话，却一直未能直接与麦肯纳通话，他的电话被转给了一个叫做弗兰克•伯奇的业务经理。 之后，乔布斯几乎每天都会打来电话，并最终见到了麦肯纳。

图 / 视觉中国

此后，在开始“丽萨”项目时，有一名叫比尔•阿特金森的程序员给这个项目注入了活力。他是神经系统科学专业的博士生，最初受邀加入苹果的时候，他表示拒绝。但当后来苹果公司给他寄去一张不可退票的机票，他决定用上这张机票，让乔布斯设法说服他。

“我们正在创造未来，”乔布斯在长达3个小时的劝说接近尾声时表示，“想象一下在海浪的最前端冲浪是什么感觉，一定很兴奋刺激吧；再想象一下在浪的末尾学狗刨游泳，一点儿意思都没有。来苹果吧，你可以吸引全世界的目光。”阿特金森最终选择加入。

这只是乔布斯在用人上的一些例子。他的情感理解能力超强，他有着不可思议的阅人能力，可以看出他人心理上的优势、弱点以及不安全感。他能在别人毫无防备的情况下，直击对方心灵最深处。他凭直觉就能看出一个人是在说谎还是真的知道一些事情。这让他成为了哄骟、安抚、劝说、奉承、威胁他人的大师。

在对人才的评价上，乔布斯认为一个人不是“天才”就是“垃圾”。乔布斯对招聘流程有着严格的控制，目的是招到具有创造力、绝顶聪明又略带叛逆的人才。他的急躁、缺乏耐心和对身边人的粗暴态度今人皆知，他用这种方式避免公司发生“蠢蛋大爆炸”：如果公司所有的管理者都过于礼貌，会导致那些平庸的人可以舒服地呆在公司混日子。“如果你想建设一个由一流队员组成的团队，就必须耍狠。”

“我最擅长的就是发现一批天才，然后和他们一起创造东西。”他曾经这么告诉媒体。

激励大师和领军大师

乔布斯有一项评价不那么好的能力：就是将个人魅力转化为说服力，通过个性的力量进行劝诱、胁迫以及扭曲事实，它被称为”现实扭曲力场”能力，这个词源于电影《星际迷航》。

一个很早期的案例是，1975年，在乔布斯还在雅达利公司工作时，他让沃兹尼亚克创作一款名为《爆发》的游戏。乔布斯当时的老板诺兰•布什内尔，把乔布斯叫进办公室，在自己的小黑板上画出了草图，然后叫他去设计。布什内尔告诉他，如果使用的芯片少于50个，那么每少用一个，就会有一笔奖金。

“这样的一款游戏需要耗费大多数工程师几个月的时间，”沃兹尼亚克回忆说，“我觉得我肯定完成不了，但史蒂夫让我相信自己一定可以。”于是他接连4天没有睡觉，完成了任务，而且沃兹只用了45块芯片。

现实扭曲力场的根源在于乔布斯内心深处不可动摇的信念：世界上的规则都不适用于他。他认为自己可以无视规则的信念还有更深层次的原因，就是深深植根于他性格中的叛逆与固执。他觉得自己很特别：他是被上天选中并受到启示的。他认为有一些人是很特别的，比如他自己、爱因斯坦、甘地以及他在印度遇到的那些导师。

同时，与这个能力相随的，是他鼓舞人心的能力。

他向苹果的员工们注入了一种持久的激情，鼓励他们创造超越人类想象的产品：他给他们带来信心，带领他们去完成看似不可能的任务。

乔布斯和家人、同事很亲密，苹果公司的重要员工在苹果待的时间比他们在其他公司服务的时间更长，他们对乔布斯也更加忠诚，尽管其他公司的老板比乔布斯友善、和蔼。 很多创业者没看到乔布斯如何凝聚员工的忠诚度，却只效仿他粗暴的一面，这是危险的错误。

乔布斯曾说过：“当你拥有一群很优秀的员工，你不用像对待婴儿一样哄着他们。给他们定下伟大的目标，他们就能完成伟大的成就。如果你问任何一位Mac团队的员工，他们都会告诉你他们的付出是值得的。“

乔布斯还很重视团队之间的互相沟通。

乔布斯认为：“这个网络互连的时代，人们很容易认为好的创想能够由电子邮件和在线聊天完成，这种想法太疯狂了，灵感来源于自发的会面和随意的讨论。你可能撞见某人，问他：你们在干嘛？他告诉你正在做的事，然后突然你就会‘哇哦’，各种奇思妙想都涌现出来。”

乔布斯痛恨正儿八经的展示，他喜欢随意地面对面交谈。每周他都会召集管理团队，在毫无议事日程的情况下讨论新想法。每周三下午，他会跟市场和广告团队进行同样的会议，而且这些会议严禁使用幻灯片。

图 / 视觉中国

虽然乔布斯天性独裁专制，从不寄望于共识，但他却着力在公司内部营造出一种合作的文化。很多公司都在力求减少会议，乔布斯却独独相反：每周一是高管会议、每周三下午要开营销战略会议，此外还有无数的产品评论会。他不喜欢用PPT，也不喜欢正式的讲话，他坚持让所有参会者一起讨论问题，利用各方优势，听取不同部门的观点。

乔布斯曾经历过两次轰轰烈烈的社会运动，它们都源于上世纪60年代末的旧金山湾区。作为一个爱好艺术、吸食迷幻药并追求自我开悟的叛逆分子，那段时光造就了他个性中嬉皮和离经叛道的一面，而这一面中渗透着他的商业和工程天分，使他在整个职业生涯中一直保持着那种“饥渴与天真”的状态。

乔布斯将他的叛逆和反主流文化的色彩淋漓尽致地倾注在苹果产品的广告中，在重返苹果公司后，乔布斯参与编写了“Think Different”的广告词：“有些人认为他们是疯子，我们认为他们是天才，因为只有那些疯狂到自认为可以改变世界的人，才能真正改变世界。”这是乔布斯试图传递给外界的产品文化，也是苹果的内部文化和价值观。

苹果的很多员工也意识到，尽管乔布斯有喜怒无常的毛病，但他非凡的魅力和团队影响力，足以引领大家改变世界。

细节大师和战略大师

在乔布斯的种种性格中，还有他对企业从小到大的强控制力，这些控制和远见，最终使得苹果成为一家创新不断且经久不衰的企业。

当乔布斯不想被一件事情分散注意力的时候，他就会完全忽略它，就好像此事完全不存在一样。有时候，他不仅能对别人扭曲现实，甚至对自己也可以。

1997年，乔布斯重返苹果公司。当时的苹果正在生产不同系列的电脑和外设产品，其中包括十多个版本的Macintosh，整个产品布局十分杂乱随意。在长达一星期的产品总结会后，乔布斯终于忍无可忍。

“够了！”他大喊，“这太让人抓狂了。”他抄起一只记号笔，光着脚走到一面白板前，画了一个二乘二的表格宣布说，“这才是我们要的，” 在两栏的顶端，他写下“消费者”和“专业人员”，在两行的前端他写下“桌面”和“便携”。他告诉团队，他们的工作就是要生产四个伟大的产品，表格的每一格代表一个产品，其余的产品应该全部取消。

通过让苹果聚焦于生产四种电脑，乔布斯成功地拯救了苹果。在他回归的第一年，乔布斯裁掉了3000多人，扭转了公司的财务状况。到1997年9月乔布斯成为临时CEO时，之前的一个财政年度苹果已经亏损了10.4亿美元。在经历了两年的巨额亏损后，苹果终于在该季度赢利，获得了4500万美元利润。1998年整个财年，苹果实现了3.09亿美元的臝利。

“决定不做什么，和决定做什么同等重要，”乔布斯说，“这道理适用于企业，也适用于产品。”

重新掌权后，乔布斯每年都会带着公司最重要的100个人去集训。在集训的最后一天，他总会站在一块白板面前问道，“我们接下来应该做的十件事是什么？”

大家会互相争论并提出自己的建议，乔布斯把他们的想法一一写下来——当然也会划去那些他认为愚蠢的点子。在一番竞争排名之后，最终产生一张有十个提案的榜单。最后，乔布斯把单子上的后七个一笔划去，说：“我们只做这三件事。”

图 / 视觉中国

专注已牢牢植根于乔布斯的个性之中，他总会毫不留情地滤除他认为会分散自己注意力的东西。

但无论是细节还是大局，乔布斯都会倾注同样的热情。他不仅关注产品最微小细节的设计，也能制定超前的整体战略。

2001年，乔布斯制定了一个战略：要将个人电脑变成管理用户音乐、视频、照片和文件的“数字中枢”，带领苹果进入个人消费电子领域，并创造了iPod和iPad。这与苹果创造简单易用的端到端一体化产品的能力相契合，并将苹果从一个高端小众计算机公司变为全球最有价值的科技公司。

在iPod获得巨大成功后，乔布斯开始思考什么东西能够打败它。其中一个可能性就是手机生产商将音乐播放功能加入到他们的产品中。于是他亲手创造了iPhone来占领iPod的市场。“如果我不这么做，别人也会。”他说。

2010年他还制定了后续战略，将数字中心移动到云计算平台上。在苹果搭建的巨大服务器上，用户可以上传自己的内容，并可以同步到其他个人设备上。新的服务被命名为iCloud，并由乔布斯在2011年6月在苹果全球开发者大会上发布。这些战略在后来都被证明是正确且有远见的。

乔布斯相信美的重要性，他热爱直觉胜过思维。“我从小就非常热爱人文，我喜欢诗歌、小说、艺术和音乐，但我也痴迷技术。”乔布斯说。后来他读到宝丽来创始人埃德温•兰德的话：“那些站在人文与科学十字路口的人，那些能将想象力、创意与技术、商业结合到一起的人，只有他们才能创造附加价值。”

“将科学与人文融为一体，是乔布斯成功的关键。”《乔布斯传》的作者沃尔特·艾萨克森说。

今天是乔布斯逝世8周年纪念日，尽管他的粗暴无礼和他的巨大成就放在一起更能形成反差、吸人眼球，但我们希望揭开乔布斯管理大师的另一面。因为对于创新创业和经营企业，这才是更重要的一面。

*题图来源于视觉中国，参考资料：

《乔布斯传》，作者沃尔特·艾萨克森

《乔布斯的管理课》，《哈佛商业评论》增刊

别再说微软 HoloLens 是高科技玩具了！

Mon, 24 Jun 2019 19:43:00 CST

雷锋网消息，近日，微软和空客在巴黎航展上公布了合作计划，将向其他航空和国防领域的公司出售特殊的、基于混合现实头显的全息图像技术，这次合作将让微软的最新设备 HoloLens 2 进入更多大型企业，通过头显提供更多种类的增强现实技术。

第一代 HoloLens

从“高科技玩具”到“智能端”

HoloLens 是微软公司于 2015 年 1 月 22 日公布的首个不受线缆限制的全息计算机设备，它内置了一整套的传感器用来实现各种功能，通过图片影像和声音，能让用户与数字内容交互，并与周围真实环境中的全息影像互动。

实际上，HoloLens 像是一台完整的计算机，它拥有独立的 CPU 和 GPU，同时还包括微软自己研发的全息处理器（Holographic Processing Unit，即 HPU）。其中，全息处理器可以实时处理头部转动方向、手势、方位，是专门为 HoloLens 打造的，除 CPU、GPU 之外的第三个处理器。

总体上看，HoloLens 没有线缆、没有外部摄像头、不用手机、也无需与 PC 相连就可以使用，它的诞生，让我们看到了个人电脑正在向着不断边缘化的方向发生着改变。

然而，HoloLens 并不是一款完美的产品。尽管 HoloLens 设备能够识别环境，在空间中显示 3D 图像的 MR 设备，支持简单的 3D 手势交互，但是它还缺乏对环境的深度理解。由此，微软公司在 HoloLens 的下一代中植入新一代的 AI 芯片，进一步实现 MR 与 AI 的结合。

第二代 HoloLens

2019 年 2 月 24 日，HoloLens 2 问世。

相对于第一代 HoloLens，HoloLens 2 更加具备沉浸感（详见雷锋网此前报道）。微软为 HoloLens 2 打造了一个全新的视觉显示系统，用户与全息影像的交互方式得到更新，利用新的 TOF 深度传感器，结合内置 AI 和语义理解，让用户能够采用与现实世界的物体交互时所使用的同样手势来直接操控全息影像。

不仅如此，HoloLens 2 的用户佩戴体验也有所改变。轻质碳纤维材料、新的热导板技术、全新的锁扣式贴合系统等设计全面升级了 HoloLens 2 的佩戴体验。此外，值得注意的是，用户也无需摘下眼镜即可使用 HoloLens 2，因为它可以在眼镜上方通过滑动来调整。

另外，微软在 HoloLens 2 在开放性、可定制化等方面也着力甚多，它宣布推出 Microsoft HoloLens 定制项目，帮助客户和合作伙伴定制 HoloLens 2，以适应相关环境需求。例如，微软与 Trimble 合作推出了一款基于 HoloLens 2 的 Trimble XR 10。

除了 HoloLens 2 的硬件，微软还针对它发布了一项新应用—— Dynamics 365 Guides，这是一款全新的混合现实应用，能够赋能员工通过实践进行学习。通过逐步指示，Guides 可以指导员工学习他们在实际工作场景中需要了解和使用的相关工具和部件，强化了学习过程。

Dynamics 365 Guides 将有助于减少停机时间，并提高关键任务设备和流程的效率，并成为第三个可同时用于上一代 HoloLens 和最新 HoloLens 2 设备的 Dynamics 365 应用（此前的两个分别为 Dynamics 365 Remote Assist 和 Dynamics 365 Layout）。

此外，HoloLens 2 与 Azure 的结合更是亮点所在。基于 Azure，微软推出了两项 Azure 混合现实服务—— Azure Spatial Anchors 和 Azure Remote Rendering，旨在帮助每个开发人员以及每个企业构建跨平台、适合不同行业背景的企业级混合现实应用。

结合这两个混合现实服务， HoloLens 以智能端的角色与 Azure 智能云形成了协同关系，帮助微软实现“智能云 + 智能端”的战略。

并且，其他相关领域的混合现实也可以加入由 HoloLens 2 和 Azure 共同组成的生态系统，以获得混合现实所需的空间、语音和视觉智能，以及用于存储、安全和应用程序洞察的可靠云服务。

总的来说，此前的 HoloLens 软硬件技术再强大，可能也就是一款高科技“玩具”，但微软给它插上了 Azure 云的翅膀，通过“终端 + 云”的战略，聚焦 B 端应用场景，再整合各种技术服务，一个围绕 HoloLens 的商业生态的雏形便展现出来了。

“它就是企业级设备，而绝不是游戏产品”

如今， HoloLens 在 B 端的应用越来越广泛，在建筑、医疗、教育、汽车领域都有所涉及（参见雷锋网此前报道）。不过，在 HoloLens 诞生之初，微软对其具体用途并不是十分明确。微软公司全球副总裁 Julia White 曾在接受雷锋网采访时表示：

当初第一代 HoloLens 诞生的时候，它在产品形态上很超前，其实连微软自己没完全搞清楚它未来能应用在何处。但是在经历过数年的观察之后，我们很快意识到，很明显，它就是一款企业级设备，而绝不是一款游戏产品。从企业级的应用案例下， HoloLens 其实是 Mixed Reality 与 IoT & AI 的混合体，由此可以创造出企业正在寻求的应用。

其实，第一代 HoloLens 在游戏领域具有较大潜力，而随着 HoloLens 不断发展，它逐渐被应用于游戏以外的领域：工程师们用它来可视化结构设计图；杜克大学的外科医生在脑部手术中用到了 HoloLens 等。

不仅如此，AR 软件公司 Scopis 还为 HoloLens 搭建了一个“全息导航平台”，它可以在手术过程中通过 HoloLens 将 MR 图像覆盖在病人身上（视觉叠加技术），帮助医师进行脊柱手术。

当然，对 HoloLens 的应用，还少不了使用 HoloLens 长达 4 年的航空巨头公司空客。原本，空客是将 HoloLens 应用到自己的生产线中，用于航班检修等用途；以及使用 HoloLens 头显进行航空培训。

而如今，空客与微软达成了进一步的合作，向航空航天和国防领域的其他公司出售运行在混合现实头盔上的专业全息程序。空客希望能将混合现实技术在航空领域进行全球推广，同时让自己在技术上取得领先。

空客的工程执行副总裁 Jean-Brice Dumont 表示，在未来几年，空客面临的挑战就是如何更快地制造出航空设备，因此，工人必须配备更好的设备，并拥有比以往更高的效率，这需要更高的标准。

微软和空客合作后提供的第一个技术解决方案是让航空维修工人和机组人员在 3D 全息环境中接受培训，受训者可以通过 HoloLens 获得工作中的虚拟指令。这项技术最初是由空客和日本航空公司开发的，现在空客和微软也将向其他公司提供这项技术。

此外，空客还将提供一种全息地图技术，使国防和航空领域的企业能够虚拟连接，快速共享空间数据，并与复杂的虚拟环境互动，以便在任务之前进行规划和准备。

另外，值得注意的是，空客的对手波音公司也一直在测试 HoloLens 设备，包括飞机制造、无人机扑灭山火等。

雷锋网总结

如今，在 AI 芯片的加持下，以及在 Azure 的配合下，HoloLens 的功能无疑变得更为强大，也让它在其它相关领域表现得更为突出。在雷锋网看来，空客与微软 HoloLens 的更近一步合作除了是对 HoloLens 功能的肯定，或许也预示着 HoloLens 今后在行业应用领域的不俗表现。

关于 HoloLens 的后续信息，雷锋网也将继续保持关注。

揭秘苹果应用审核团队：300多人评估每款应用及其更新_科技_腾讯网

Sat, 22 Jun 2019 17:37:29 CST

2018年9月12日，在加州库比蒂诺苹果园的史蒂夫·乔布斯剧院(Steve Jobs Theater)举行的苹果发布会上，苹果全球营销高级副总裁菲尔·席勒(Phil Schiller)发表讲话

划重点

在苹果公司内部有个名为App Review的部门，里面的300多名员工负责审核苹果应用商店（App Store）平台上发布的每款应用程序及其更新
艰难的审批决定可能会沿着链条上游延伸到名为“执行审查委员会”的组织，该委员会由苹果营销高级副总裁菲尔·席勒(Phil Schiller)领导
苹果创建这个系统是为了让iPhone用户相信，从应用商店下载的应用程序是可以安全运行的，不存在漏洞和欺诈行为

腾讯科技讯 6月22日消息，据外媒报道，据知情人士透露，由苹果营销高级副总裁菲尔·席勒(Phil Schiller)领导的“执行评审委员会”(ERB)每周都会开会，讨论有争议的应用程序或其他可能违反苹果应用商店（App Store）指南的iPhone软件程序。

“执行评审委员会”为苹果的全球开发者关系部制定政策，该部门通常被称为“App Review”。此外，“执行评审委员会”也是做出最终决定的主体，无论应用程序是否可以留在商店中，或者是否被禁止。

例如，一位知情人士表示，去年，“执行评审委员会”和席勒决定在向记者发布威胁后，以违反内容政策为由，禁止Infowars应用程序进入其应用商店。

知情人士表示，在应用程序审查团队内部，苹果员工在每个iPhone应用程序可在苹果平台上下载之前，都会手动筛选这些应用程序。苹果最近在爱尔兰科克和中国上海开设了新的App Review办公室。他们补充说，该部门近年来增加了大量员工。

随着苹果越来越重视应用商店服务，并将其作为新的收入来源和iPhone安全的关键卖点，应用程序审查过程变得越来越重要。

此外，随着政界人士和监管机构对大型科技公司的权力过大持更加怀疑的态度，苹果的平台正受到新的审查。在美国，总统候选人伊丽莎白·沃伦(Elizabeth Warren)表示，苹果在自己的平台上与这些应用竞争。

与苹果流媒体音乐服务Apple Music竞争的Spotify也已向欧盟提交了竞争申诉。多年来，苹果自己的开发者始终在对App Review有时武断的拒绝和典型的反馈感到愤怒。

上个月，苹果发布了一个新的网页，解释了应用商店的管理原则，以及拒绝展示比前几年更高透明度的最常见原因。

苹果在页面上说：“我们为我们创造的在线商店和我们建造它的方式感到自豪。我们创建应用商店时有两个目标：让客户发现和下载应用程序，这是个安全、可信的地方；对所有开发人员来说，这里蕴含着巨大的商业机会。”

苹果拒绝就其应用程序审查过程置评。

审核过程严格

苹果的应用商店

任何运行在iPhone上的应用程序或更新都需要得到苹果审核人员的批准，才能在苹果应用商店上发布。虽然苹果确实使用自动过滤器，但熟悉该部门的人士表示，它总是依赖于人类劳动。

知情人士表示，与Facebook或YouTube等依赖数万承包商的硅谷公司内容版主不同，苹果的应用程序审核人员只为苹果工作。他们按照时薪领取工资，拥有员工徽章，并可享受苹果的福利待遇，如医疗保健。

每个人都开始审查iPhone应用程序，随着审阅者变得越来越高级，他们接受了评估应用程序的培训，包括应用内购买、订阅、Apple Watch和Apple TV等。

App Review部门有300多名审核人员，总部设在美国加州桑尼维尔的两个办公室。熟悉这些办公室的人说，这不是苹果著名的苹果园园区，也不是其更老的总部无限循环(Infinition Loop)。许多评审人员都能流利地使用非英语语言，而该部门的多个团队则专门研究不同的语言。苹果表示，其评审人员总共会说81种不同的语言。

App Review处于苹果营销团队领导之下，而且一直都是如此，甚至在席勒于2015年末接管更大的应用商店营销和产品部门之前就是这样。虽然席勒通过“执行评审委员会”参与了决策，但在应用程序审查办公室工作的人说，他很少(如果有的话)视察进行审查的办公室。

据熟悉应用程序审查操作的人士称，日常监督主要落在苹果副总裁罗恩·冈本(Ron Okamoto)和苹果2015年收购TestFlight时加入苹果的董事身上。出于安全原因，媒体没有透露这位董事的名字。评审者说，他们有时会收到来自开发者的反馈，这些反馈可能具有威胁性。

App Review是在2008年iPhone应用商店推出后不久成立的。根据2009年对FCC的回应和今年早些时候发布的网页，苹果公司的两个目标是创建顾客可以相信应用程序是安全的商店，并为开发人员提供公平的竞争环境，以换取15%至30%的佣金抽成。

接受、拒绝或保留

知情人士表示，审核人员通过Mac桌面上的网络门户App Claim上传一批应用，然后他们通常会在附加的iPad上检查该应用，即使这是一款iPhone应用，尽管审查人员有评估这些设备上Watch和TV应用的站点。许多开发者表示，他们在与App Review的日志通信中看到了他们的iPhone应用程序的iPad屏幕截图，这让他们感到惊讶。

评审人员将这款应用与苹果的公开应用商店指南进行比较，包括确保它在运行时不会崩溃，并且不含非法内容。然后，评审人员会建议接受、拒绝还是保留该应用程序。这些人说，大多数评审人员审核每个应用程序需要用几分钟，但许多应用程序都很简单，只需要很短的时间来评估。

媒体看到的截图显示，评审人员每天有50到100个应用程序审核配额，每人在一小时内获得的应用程序数量由名为WatchTower的软件跟踪。评审者还会根据他们的决定是否被推翻以及其他面向质量的统计信息来判断其表现。

在App Review工作的人说，工作时间可能会很长，而且在某些时候会特别忙，比如在苹果公司每年发布新版本的iOS之前，应用程序开发者会更新他们的应用程序，使它们兼容。

App Review密切关注的一个统计信息称为SLA，它代表服务级别协议。苹果的目标是在24到48小时内审查50%的应用程序。据在苹果工作的评审人员说，当有大量的应用程序时，SLA的百分比就会下降。

据一封员工电子邮件显示，去年7月30日，SLA降至6%。这封电子邮件中写道：“在我们赶上之前，我们每天要工作12小时。请注意，一天内不应该工作超过12小时。”

评审人员通常不会定期面对可怕或非法的内容，尽管一位审核人员说，有一次他们在一个未决的应用程序中发现了儿童色情内容。这位评审人员还说，这款应用没有得到批准，这一事件后被报告给了联邦调查局。

他们说，更大的担忧是，开发者会因为长期的审查过程可能威胁到他们的生计而感到愤怒，有些审查人员希望他们能够分享更多细节，或者在要求他们发送的典型反馈之外提供更多帮助。

另一位评审人员说，有时他们会批准看起来有效的应用程序，但开发者可能在服务器上对其进行更改，使其成为违反苹果公司准则的骗人应用程序。这位知情人士说，有时评审人员会为此感到尴尬。

应用被拒会如何

苹果表示，提交给苹果的应用程序或更新程序中，有40%会被拒绝。其中许多在经过小幅改进后获得批准，但其他一些则为App Review提供了更困难的决定。

不同意App Review判断的开发者可以向名为App Review Board的委员会提出上诉，该委员会可以从较低级别的审查员那里改变决定，部分由有着良好跟踪记录的审查人员组成。多次投诉可能使这款应用程序出现在“执行审查委员会”面前。

绝大多数iPhone应用程序被拒绝的原因很常见，它们可能存在欺诈嫌疑，或者有漏洞，亦或者侵犯了用户隐私。据知情人士透露，许多被拒绝的应用程序与名为“PK10”的赌博骗局或其他明显欺诈行为相关。

但是，有些应用被拒要么是处于苹果政策中的灰色地带，要么是公开敏感的，而那些被拒绝的应用可能被提交给“执行审查委员会”，其中包括席勒和其他在应用商店负有责任的副总裁。苹果给FCC的信中写道，“执行审查委员会”自2009年以来总是处于开会研讨状态。

据一位知情人士透露，“执行审查委员会”处理的应用程序有时是对苹果来说可能在宣传方面十分危险的应用程序。比如去年处理的著名应用Infowars。这款广播应用程序去年被禁止，因为它发布了包括对记者威胁的视频。

在苹果工作的评审人员说，当一个决定在上诉中被推翻，或者需要解释拒绝原因时，苹果的一些人会给开发者打电话。苹果公司表示，它每周给开发者打1000个电话。很多开发者，尤其是那些因对App Review的抱怨而引起公众关注的开发者，都是由一位自称“比尔”的苹果资深人士联系。

一位评审人员说，像Spotify或Netflix这样的公司没有得到特殊待遇，应用程序审查过程和规则也适用于他们的应用程序，尽管它们的规模很大。例如，据一位知情人士透露，当更新被拒绝时，比尔给Spotify打电话，因为这款应用会给客户发电子邮件，要求他们直接向Spotify付款，以规避苹果的佣金抽成。

据一位接到电话的开发者说，比尔还就父母控制应用有关的问题打电话，这些应用公开抱怨App Review团队的审核过程。

评审人员表示，最终，在苹果，所有的应用程序都由苹果的实际员工审查的，而所有决定都是由席勒做出的。比尔在2016年的一次上诉电话中被一位愤怒的开发者录音。比尔问开发者：“你知道菲尔吗？这是菲尔·席勒决定的。”（腾讯科技审校/金鹿）

佳都科技跻身WebVision竞赛前五，正式跨入人工智能“世界杯”第一阵营

Mon, 17 Jun 2019 21:49:00 CST

近日，佳都科技凭借着领先的视觉深度学习技术，在计算机视觉识别领域的顶级赛事WebVision竞赛中位列前五，跻身国际第一阵营。

据了解，WebVision竞赛是2017年成立的新的大规模图像识别任务权威挑战赛事，由CVPR(IEEE Conference on Computer Vision and Pattern Recognition的缩写，即IEEE国际计算机视觉与模式识别会议)组织、Google协办。Webvision 2019数据集包括5000类，1600万张图片，数据量庞大，训练识别难度大幅增加。今年共吸引到全球154只参赛队伍参赛，涵盖众多顶尖科技公司和知名高校，佳都科技以77.92的优异成绩入选前五，仅次于阿里、商汤、华为、百度。

图片来源：WebVision 官网

人工智能“世界杯”，WebVision逐步接棒

人工智能由“深度学习”技术所驱动，尽管目前看来，深度学习技术表现非常出色，但其需要大量的标注数据来支持。多年来，ImageNet数据集已被视为评估大规模计算机视觉算法的基准，ImageNet的数据集是人工标注和平衡的干净数据，但其花费的人力成本是巨大的：通过近五万人，耗时两年多时间，标注数百万张图片数据。

而WebVision用于计算机的训练数据都是从互联网通过以词搜图的搜索引擎爬取，并未经过人工标注或筛选，数据包含大量噪声——图片与其标签或类别不符的“脏”数据，且不同类别之间的数据量差异之大可达三十倍。这极大增加了使用深度学习算法训练模型的难度，对深度学习算法的提升有更大的帮助，却更加贴近于实际应用。商业、金融、医疗等领域拥有海量但缺乏专业人士标注或标注不统一的数据，对人工智能技术的落地尤为关键。

“非人工标注”数据的获取成本要低很多，可是对深度学习算法的要求却非常高，传统的“有监督”学习已经不适用，而半监督学习（Semi-Supervised Learning）则成为主流。ImageNet的既定数据库已经很难使深度学习算法获得突破性进展，因此，人工智能“世界杯”ImageNet挑战赛退役，由WebVision接棒。图像识别比赛不再停留在处理“实验室”干净样本数据中，而是开始挑战极度不平衡且有噪声的互联网图像识别，真正走向实际应用场景。

本次竞赛，佳都科技采用类半监督学习方式，利用噪声数据直接训练粗模型，基于粗模型对训练数据分配权重，再利用加权的数据训练精模型，逐步引入噪声提升模型的泛化性。训练模型采用数据融合、标签平滑、零gamma初始化、混合训练等策略提升训练精度，并且，采用残差网络及其变种作为基线网络。

具有佳都特色的“自主研发+协同创新”的研发体系，正在发挥威力

佳都科技是专业的人工智能企业，专注于计算机视觉领域，人脸识别静态识别率高达99.9%。实际商业应用才是图像识别技术商业化落地的关键，佳都科技人脸识别技术已形成一系列产品和解决方案，落地于轨道交通、公共安全、城市交通、A.I.创新应用多个航道，实现A.I.与主赛道业务的深度融合。

一直以来，佳都科技坚持“技术立身”的发展理念，聚焦计算机视觉、智能大数据等人工智能细分技术领域。目前，公司已经建立多个高水平的智能化技术研发机构，包括全球智能技术研究院、国家级企业技术中心以及多个省、市级技术中心，联合建设了物联网芯片与系统应用技术国家地方联合工程实验室、城市轨道交通系统安全与运维保障国家工程实验室等，并引进新加坡国家工程院院士李德纮等国际领军人才以及多名计算机视觉、智能大数据方面的技术专家。与此同时，公司在强化自主研发的基础上，灵活通过参控股和合作的方式进行研发，建立具有佳都特色的“自主研发+协同创新”的研发体系。近年来，公司陆续参股云从科技、千视通科技、佳都数据、睿帆科技等一批人工智能技术企业，并与中国科学院、清华大学、中山大学、西南交通大学、华南理工大学等知名院校建立专项技术研发合作，逐步形成技术生态圈。

2018年，佳都科技获得国家企业技术中心认定

佳都科技视觉深度学习技术在WebVision竞赛中获得前五，意味着公司在计算机视觉领域将实现新的突破，为视觉技术的提升以及智能交通、智慧城市等领域的深度应用打下扎实技术基础。未来，佳都科技将持续在人工智能科学技术研究领域加大投入，不断推进深度学习的技术突破和商业应用。

科创板给哪些科技创业公司释放了哪些信号？

Thu, 13 Jun 2019 18:45:42 CST

科创板以「中国速度」开板了。6 月 13 日，在第十一届陆家嘴论坛上，中国证监会主席易会满宣布科创板正式开板，距离中国国家主席习近平宣布在上海证券交易所设立科创板不过 220 天。

(中共中央政治局委员、国务院副总理刘鹤，中共中央政治局委员、上海市委书记李强，中国证监会主席易会满，上海市市长应勇，共同为科创板开板 |视觉中国)

科创板是上交所新辟的、采取注册制方式的的证券市场板块，重点支持新一代信息技术、高端装备、新材料、新能源、节能环保以及生物医药等高新技术产业和战略性新兴产业。最新数据显示，科创板已受理企业总数达 122 家，已问询企业 102 家，通过问询企业六家，其中天准科技、安集科技和微芯生物三家企业已经率先提交科创板注册。

在今天的陆家嘴论坛上，上交所理事长黄红元透露，预计两个月内首批企业就会在科创板上市。不过，相比关注哪些企业将上市，股价将被「爆炒」相比，科创板对于中国科技创业公司的价值显然要更大，其中关键规则也更值得市场投资者注意。那么对科技公司来说，科创板释放了哪些积极信号；长期来看，对国内科技公司来说，又有哪些需要注意的地方？

流程「快」，门槛「低」

科创板是国内第一次尝试注册制的证券市场板块。和国外成熟的注册制相比，国内此前一直采用的是核准制。在核准制下，如申请上市，公司不仅要充分公开企业的真实状况，而且还必须被核准是否符合相关法律和证券管理机关的必要规定。这种做法有助于筛选出相对优质的上市公司，但由于核准过程耗时长、要求繁复，一定程度上也影响了创业公司尤其是科技创业公司的发展进程。

相比之下，注册制意味着，证券发行审核机构只对注册文件进行形式审查，不进行实质判断。对进入上市流程的公司来说，排队时间将大幅缩短。

极客公园接触的一位软件公司高管在谈及上市历程时，不无遗憾地感叹，当年在国内上市进程拖了数年，不仅浪费了公司团队大量精力，也错失发展新业务的资本和时间窗口。与之对比，黄红元今天在陆家嘴论坛上透露，「这些（申请科创板的）企业从受理到上交所审核通过，平均用了 70 天左右，最快的用了 60 天左右」。

另一方面，科创板对入市门槛也进行了下调。目前 A 股主板的核心条件是最近三年度净利润为正，且累计超过人民币 3000 万元；创业板的核心条件则是最近两年连续盈利，净利润累计不少于 1000 万元，或者最近一年盈利，营业收入不少于 5000 万元。而在 2019 年 1 月的科创板相关实施意见中，给出了五大准入维度，只要满足其中任意一条即可申请科创板，其中市值和营收的标准较主板市场甚至是创业板都宽松了不少：

市值不少于 10 亿，连续两年盈利，最近两年扣非后净利润累计不少于 5000 万；或市值不少于 10 亿，最近一年盈利且营收不少于 1 亿；
市值不少于 15 亿，最近一年营收不少于 2 亿，最近三年研发投入合计占最近三年营收合计比例不低于 10%；
市值不少于 20 亿，最近一年营收不少于 3 亿，最近三年经营活动现金流净额累计不少于 1 亿；
市值不少于 30 亿，最近一年营收不少于 3 亿；
市值不少于 40 亿，主要产品或市场空间大；经国家有权部门批准，取得阶段性成果；获得知名投资机构一定金额投资；医药企业取得至少一项一类新药二期临床实验批件。

放宽准入标志之后，哪些行业和类型的公司受到了科创板的青睐呢？

（上交所已受理公司所属行业构成图 |极客公园）

根据证监会公布的科创板在不同时间段释放出来的信息显示，已受理的 122 家公司共涉及 19 个行业，其中计算机、通信和其他电子设备制造业的公司为 25 家，其次为专用设备行业 23 家，软件和信息技术服务业 23 家和医药制造业 16 家紧随其后。绝大部分都以上述上市标准一来上市，共 106 家，特点为体量普遍较小。

针对科技创新具有投入大、周期长、风险高等特点，一位关注技术领域投资的投资人向极客公园分析道，「从目前的公司和行业分布来看，科创板主要意义在于帮助那些专注于技术体系的长期投入，有核心技术竞争力，有产业技术储备，并能形成持续长期价值的公司，在某些条件还无法达到现有上市条件的情况下，打开新的融资通道，助推企业更快的发展。」

招商证券分析则认为，科创板行业选择聚焦于拥有硬科技、创新能力的高新技术行业，并且有一定固定资产积累，利润转化具有可持续性和增长潜力，我们认为带动最大的是可能是半导体，军民融合，人工智能之类。传统的科技类行业有望受益于估值提升，长期业绩的改善 (融资成本的下降，财务费用优化)。

科创板的诞生将给那些需要长期投入科研力量的创业公司提供一条新的募资渠道，也给投资方提供了新的退出渠道。

信批严，退市「出口」常态化

在放宽准入标准的同时，政府和证监会也给科创板上市增加了诸多保障设置。

首先是上市企业的公开信息披露将更加严格。这是基于注册制的特殊性，为维护国内证券资本市场股民和科技公司的一种做法。过去在中国科技互联网圈，有一些「生态化反」企业，通过会计做账方式成为了中国股市里的另一种「祸害」。

在注册制下，企业的市值将完全交由市场「核定」。因此，上市公司的相关信息对于投资判断将变得更加重要。据黄红元介绍，对正在审核进程中的申报企业而言，交易所一受理，其招募说明书、律师、会计师和投行的相应中介意见都会向市场公开。审核过程当中交易所会关注市场参与各方对投资所需要的信息是否披露充分，审核人员也是从投资者所需要信息披露的充分性、一致性和可理解角度要求企业不断补充材料，这些问询和回答也会及时向社会充分披露。

上交所理事长黄红元强调，发行人对于其披露信息的真实性、准确性、完整性负第一责任，承担相应义务。中介机构、保荐机构、律师、会计师分别对于其专业领域的相应信息负把关责任。更为重要的是，此次科创板试点注册制过程中，司法部门将同步对信息造假等法律责任的追究，提升诉讼机制效率。如果发行人信息披露不真实、不充分，要承担很重的责任，这是整个制度运行的基础和前提。

另外，退市「出口」常态化将是科创板管理中的另一重拳。过去的 A 股市积累了不少不良资产企业，影响到了资本市场的生态。黄红元在陆家嘴论坛上强调，「科创板退市制度标准很严，执行很严，效率会很高」。根据 2019 年 1 月发布的相关实施意见显示，科创板上市公司如有以下情节，将责令退市：

科创公司构成欺诈发行、重大信息披露违法或者其他涉及国家安全、公共安全、生态安全、生产安全和公众健康安全等领域的重大违法行为的；
科创公司股票交易量、股价、市值、股东人数等交易指标触及终止上市标准的；
科创公司丧失持续经营能力，财务指标触及终止上市标准的；
科创公司信息披露或者规范运作方面存在重大缺陷，严重损害投资者合法权益、严重扰乱证券市场秩序的。

长远看来，这种「宽入、严批、退常」的做法也是为了保证整个科创板生态的健康。从大的市场背景来看，科创板更是中国主动和国际接轨提高资本市场活跃度的一次尝试，旨在国际资本市场和科技创新的进一步深度融合。

过去数年，由于国内资本市场存在的一些限制，大量科技创业公司采取南下港股或远赴美股的方式上市。在国际形式日益复杂的当下，通过科创板，中国正试图将国际证券投资资本引入，采取注册制的科创版就是一个部分参照学习了纳斯达克的尝试样本。在易会满的致辞中，也多次提及科创板在吸引国际资本进驻中国方面的多项尝试和项目进展。

附中国证监会主席易会满在科创板演讲全文：

尊敬的刘鹤副总理，尊敬的李强书记，

　　尊敬的易纲行长、树清主席、应勇市长

　　各位来宾，女士们、先生们：

　　大家上午好！

　　刚才刘副总理的重要讲话，进一步坚定了我们加快推进金融改革开放的信心，为我们做好当前资本市场工作，特别是设立科创板并试点注册制提出了明确具体的要求，我们将在工作中认真贯彻落实。今天，我想主要就进一步扩大资本市场对外开放和科创板等问题汇报一些认识和考虑。

　　对外开放是中国的基本国策，是推动经济高质量发展的重要举措，也是资本市场坚定不移的发展方向。近年来，证监会坚决贯彻落实以习近平同志为核心的党中央关于新一轮高水平对外开放的战略部署，扎实推进资本市场对外开放取得重要进展。

　　一是行业开放进一步扩大。大幅放宽证券基金期货行业外资股比限制的政策落地实施，已批设 3 家外资控股证券公司，还有不少外资机构正在积极申请或接洽沟通。

　　二是资本市场开放进一步深化。沪深港通机制持续优化，国际知名指数不断提高 A 股纳入比例，大幅提升 QFII/RQFII 总额度，境外机构投资者持续增加对 A 股的配置，多家国际知名财富管理机构登记成为外商独资私募基金管理人，中日 ETF 互通产品正陆续落地，全球投资者对中国资本市场的热情和信心日益增强。

三是期货品种对外开放迈出实质性步伐。以人民币计价的原油期货上市一年多来，境外投资者开户数稳步增加，交易占比和持仓占比分别达到 10% 和 16%。铁矿石期货、PTA 期货境外参与者稳步增加，价格的囯际影响力不断提升，四是有效深化国际监管合作，随着中国资本市场日益深入地融入全球金融市场体系，中国证监会积极加强与各国监管机构的合作，广泛开展交流互鉴，主动参与国际金融治理，跨境监管和执法合作的层级和效能明显提高。

　　最近一段时间，尽管受各种因素影响，我国资本市场面临的外部不确定性有所增大，但我们有党中央国务院的坚强领导，有国务院金融委的统一指挥协调，完全有信心、有能力，也有足够的工具储备应对各种复杂局面的挑战。不管外部环境如何变化，我们都将按照刘副总理坚持市场化法治化国际化的总要求，坚定推进资本市场对外开放。

　　近期，证监会将陆续推出一揽子对外开放的务实举措：

　　一是推动修订 QFII/RQFII 制度规则，进一步便利境外机构投资者参与中国资本市场；二是按内外资一致原则，允许合资证券和基金管理公司的境外股东实现「一参一控」；三是合理设置综合类证券公司控股股东的资质要求，特别是净资产要求；四是适当考虑外资银行母行资产规模和业务经验，放宽外资银行在华从事证券投资基金托管业务的准入限制；

五是全面推开 H 股「全流通」改革；六是持续加大期货市场开放力度，扩大特定品种范围；七是放开外资私募证券投资基金管理人管理的私募产品参与「沪港通」、「深港通」交易的限制；八是研究扩大交易所债券市场对外开放，拓展境外机构投资者进入交易所债券市场的渠道。九是研究制定交易所熊猫债管理办法，更加便利境外机构发债融资。

　　在进一步扩大对外开放的同时，我们将坚持放得开、看得清、管得住，持续提升风险防范和跨境监管能力。当前，全球金融市场高度互联，风险极易在不同经济体之间交叉传染，甚至联动共振，这是各国资本市场和监管机构面临的共同挑战。

　　我们将加强与各国监管同行和国际组织的通力协作，联手防范应对各类风险。在开放进程中，我们将不断完善风险监测预警机制，做好输入性风险的防范应对预案，切实维护跨境投融资活动的正常秩序，守住不发生系统性金融风险的底线。

设立科创板并试点注册制，是全面深化资本市场改革的重要突破口，主要承担着两项重要使命：一是支持有发展潜力、市场认可度高的科创企业发展壮大。通过改革增强资本市场对科创企业的包容性，允许未盈利企业、同股不同权企业、红筹企业发行上市，进一步畅通科技、资本和实体经济的循环机制，加速科技成果向现实生产力转化，引领经济发展向创新驱动转型；二是发挥改革试验田的作用。从中国的国情和发展阶段出发，借鉴成熟市场经验，在发行上市、保荐承销、市场化定价、交易、退市等方面进行制度改革的先试先行，并及时总结评估，形成可复制可推广的经验。

　　下一步，我们将重点围绕刘鹤副总理关于科创板建设需要把握好的四个关键点，尤其是落实好以信息披露为核心的注册制改革，以及完善法制、加大违法成本和监管执法力度的两方面工作要求，下大功夫、下苦功夫，全力抓好推动落实。切实树立以信息披露为中心的监管理念，全面建立严格的信息披露体系，完善市场激励约束机制，压实中介机构责任，给投资者一个真实、透明、合规的上市公司，同时，积极推动增加司法供给，大幅提升违法违规成本，严厉打击虚假披露、欺诈发行等各种乱象，净化市场生态。

　　我们深知，设立科创板并试点注册制是一个全新的探索。在探索的过程中，可能会遇到各种各样的困难和挑战，尤其是在科创板上市初期，各市场参与方特别是投资者要重点关注五个方面的新变化：

　　一是发行方式改变后，如何平衡好注册制与把握上市公司质量这对关系，需要经过市场检验，这会是一个大浪淘沙的过程，势必带来退市这个「出口」会更加常态化。二是市场化定价后，与现有 IPO 定价机制有本质区别，企业高估值发行的现象可能会增多。三是开板初期市场供求不平衡，加之新的交易机制需要适应，不排除出现短期炒作、涨跌幅较大的情形。四是科创企业本身由于技术迭代快，投入周期长、不确定性大等特点，需要投资者理性研判，更加关注信息披露。五是在试点初期，科创板的制度创新还需要在实践中进一步检验，有一个逐步磨合的过程，这也可能引发一些市场风险。

　　对于上述问题和可能带来的风险，我们在制度设计时，已经尽最大可能予以评估完善，并做好相应预案。同时我们将坚持边试点、边总结、边完善的原则，持续优化各项制度安排，希望各方对科创板多一份理解、多一点包容，既保持热情，又保持理性冷静，共同应对可能出现的各种问题，共同遵循资本市场内在规律，共同把科创板建设好、发展好。

　　建设上海国际金融中心，是重大的国家战略，也是金融业改革开放的重要任务。国际经验表明，全球或区域金融中心的形成和发展，与一个国家或地区的产业发展、经济崛起贸易强盛高度相关，也与各类金融资源和金融要素的集聚密不可分，这其中，资本市场发挥着不可替代的牵引和带动作用。

　　从发展规律看，一个国家或地区资本市场的发展规模发展质量，很大程度上决定着其在全球资源配置中的地位和能力，国际金融中心的演进变迁史表明，资本市场日益成为国际金融中心建设的重要标志。

　　从要素积聚看，高度发达的资本市场创新活跃、开放透明、机制灵活，往往是资金，信息、人才等各类要素高度汇聚的场所，能够为国际金融中心建设吸引培育一大批优秀的企业、专业的中介机构以及全球化的机构投资者。

　　从市场生态看，资本市场发展中形成的以股份制、法人治理、信息披露、产权保护等为核心的制度机制，有利于激发企业家精神，培育良好的股权文化，促进强化社会诚信契约和法治理念，为国际金融中心建设提供重要的软实力支撑。

　　中国证监会将继续采取有力措施，积极支持上海证券市场、商品期货市场和金融衍生品市场健康发展，积极支持资本市场重大改革开放措施在上海落地实施，积极支持资本市场各类产品、机制创新在上海先行先试，积极支持上海资本市场各类主体做优做强做大。

　　女士们，先生们！

　　改革开放是新时代发展中国资本市场的必由之路，也是推动全球资本市场共同繁荣的重要动力。我们将在新的起点上全面深化资本市场改革，加快推进高水平对外开放，以开放促改革、促发展，努力打造规范、透明、开放、有活力、有韧性的资本市场。同时，我们真诚希望加强与世界各国资本市场的交流合作，互学互鉴，为促进贸易自由化、投资便利化和经济全球化，积极贡献智慧和力量。

责任编辑：卧虫

图片来源：视觉中国、极客公园

中国科技行业工作者寻找压力更少的工作

Fri, 17 May 2019 16:33:29 CST

越来越多的中国千禧一代开始质疑科技行业长时间工作的价值。今年四月，科技公司的雇员发起了对 996 工作制（每周工作六天每天从早上九点到晚上九点）的抗议，引来了马云等亿万富翁的反击。抗议反应了科技公司理念发生了改变。长时间工作对企业是有代价的，其中之一是高流动率。根据求职网站脉脉的调查，从 2018 年 10 月到 2019 年 2 月，科技行业是唯一观察到有更多人离开而不是加入的行业。风投家 Rui Ma 称，企业最高的成本之一是员工高流动率，如果企业文化从关注工作时间转向产出与投入，那么企业可能会变得更有效。996 工作制的抗议者编辑了一个长时间加班的企业名单，其中包括了百度和腾讯。抗议引发了对这一工作制的公开辩论，包括马云在内的 10 名科技行业名人也做出激烈的反应。官媒称 996 违反了劳动法，劳动法规定每周工作时间 44 小时。虽然有公开的抗议，但 996 工作制不太可能会消失。

智慧城市“黑科技”：国内厂商泰瑞SmartEarth首发数字孪生战略

Wed, 17 Apr 2019 23:24:00 CST

在Gartner发布的2019年十大战略性技术趋势中，数字孪生技术（Digital Twin）被认为在未来5年将产生破坏性创新，并带来商业机遇。

只是由于比较早期，该技术依然停留在概念推广阶段。一般而言，数字孪生是现实世界或系统的数字化表现，可为真实设备构造一个虚拟模型以降低维护难度与成本，可以说，万物皆可数字孪生，人、物、设备、城市部件、建筑等，在数字世界都有孪生体平行发展互相作用。

目前在巨头中，发布此项技术的并不多（微软发布过Azure Digital Twin），但在工业场景、自动驾驶和智慧城市场景中，数字孪生将有广泛应用。

尤其在国内，虽然经历了短暂的A股热潮数字孪生、边缘计算等概念，但是真正落地的企业很少。4月17日，泰瑞数创正式发布其数字孪生战略，宣布建立数字孪生品牌“泰瑞SmartEarth”，这可能成为国内企业正式入局数字孪生的一次标志性举动。

泰瑞数创科技创始人兼 CEO刘俊伟在会上表示，泰瑞SmartEarth致力于研发并利用更好的技术生产数字孪生数据，企业将重点聚焦智慧城市、智能工业和自动驾驶三大领域。

城市“复杂巨系统”与数字孪生如何打通？

实际上，这就涉及到智慧城市中地理数据测绘方式的改变。目前业界最前沿的就是实景三维数据。

据雷锋网了解，虽然GIS（地理信息系统）在城市规划、管理中的工具属性越来越突出，但是二维的GIS因为无法完全显示地形、环境、空间结构，加上虚拟三维的成本极高，因此以地理影像技术为基础的实景三维技术成为新的升级方向。

在这个技术中，新增了连续的地面可量测影像库作为新的数据源，并通过开放的软件与GIS无缝集成。中国测绘科学研究院副院长李成名表示，实景三维将成为智慧城市建设的信息化基础设施，用以支持各类政务和行业应用的开发。未来5-10年，我国将构建好国家全息地理实体数据库，实现基础测绘的转型升级。

因此，从事智慧城市开发、数字孪生技术打磨的企业，务必是需要具备一定的测绘技术并获得地理信息数据的。基于此，泰瑞SmartEarth还宣布收购遥感测绘仪器研发领域的甲级测绘航空摄影资质企业上海航遥信息技术有限公司。泰瑞数创科技创始人兼 CEO刘俊伟表示，这很好地弥补了他们在高精度传感器的研发能力上的不足。

据悉，航遥团队核心人员来自于中国科学院上海技术物理研究所，自2012年开始他们面向市场需求，研发了系列化多视角航空摄影测量系统以及高/多光谱航摄传感装备，提供了自然资源和环保水利行业的新型变化检测技术手段。

比如，其自主研发的中国首台摆扫式立体测绘航空相机ASC4100，选用四台一亿像素中画幅航空照相机，利用下视双拼相机和后视双拼相机同时成像的原理，通过面阵凝视扫描成像技术，借助传感器扫摆实现102°大视场角成像的功能，再结合相邻航线相反方向飞行和大重叠率拍照的飞行设计方案，实现获取地面景物的顶部和前后左右多方向大重叠高分辨率的航空影像，实现三维立体测绘。

该项收购将完善泰瑞SmartEarth在前端数字孪生实景三维数据方面的采集技术能力，做到轻松完成城市级、精度可达2cm的数据采集。

数字孪生将带来智慧城市的“破坏性创新”

“现在的智慧城市建设，毫不夸张的说，有一种简单堆砌之感，就是信息化时代的各个场景，现在只是稍微做了串联，只是物理上的变化。然而数字孪生的出现，促成的是城市的化学变化，由点到线再到面，最终立体化。”中国信通院产业与规划研究所副总工程师高艳丽如此表示。

据雷锋网观察，从技术动因上来分析为什么提出数字孪生，可以发现当下AI、区块链、大数据、云计算、边缘计算、泛在感知、5G、量子通信正如日中天，且越发成熟，感知与控制及其相互作用将形成稳定的智能能力，一幅技术拼图正在形成。

对应到城市管理，物理世界和数字世界有了最好的转化模型，各种城市大脑涌现。

以分领域信息化建设为主的智慧城市，势必会需要一个成熟的大脑平台来承载技术，并横向打通数据和业务。但与之相比，数字孪生下的城市与物理城市是同步规划、同步建设的，协同的能力可能更强。

如何理解？比如当城市想建一座工厂，但不知道位置在哪里会比较合适，这时可以现在数字孪生城市中先测验，以观察其对其他城市要素带来的改变，综合评估选址的合理性。

另外，数字孪生是“在虚拟世界仿真、在物理世界执行”的技术，管理人员可以在后台智能操控比如一架无人机的使用，用以测绘、扫描、商品物流等。以虚控实，城市可进行“一盘棋”管理。

在应用上，数字孪生由小场景走向大场景：从汽车、飞机到车厂、石油厂，最后就是面临城市这个巨大、复杂的系统，进入多学科交叉的综合领域。

据了解，目前雄安新区、虚拟新加坡、法国雷恩3D城市等项目已经开展数字孪生探索实践，未来这些经验将会被有效移植。

雷锋网总结：数字孪生核心是城市信息模型

目前，我国智慧城市建设总体向好，城市多、发展快、政府决心大，只是数字孪生在广泛普及中，需要利用GIS、BIM、实景三维等技术构建统一的城市信息模型，进行数据加载和智能使用。

只有突破核心、抓住关键，城市大脑等平台才能进行综合指挥，对于政府来说，数字孪生才是一把城市治理的利器。

Uber先进技术集团首席科学家：自动驾驶汽车大规模普及还需要很长时间

Tue, 09 Apr 2019 18:18:00 CST

【TechWeb】4月9日消息，据国外媒体报道，自动驾驶是近几年汽车行业的一大热点，谷歌、苹果、特斯拉、通用等众多企业都在这方面有布局，其中也包括了以打车服务出名的Uber，但Uber自动驾驶方面的高管近日表示，自动驾驶汽车大规模普及还需要很长的时间。

认为自动驾驶汽车还需要很长的时间才能普及的，是Uber先进技术集团的首席科学家拉克尔·乌尔塔森（Raquel Urtasun），先进技术集团是Uber进行自动驾驶等先进技术研发的部门，拉克尔·乌尔塔森负责领导这一集团在加拿大多伦多的部门。

拉克尔·乌尔塔森是当地时间周一在纽约的一次会议上，表示自动驾驶汽车大规模普及还需要很长的时间的。

乌尔塔森在会议上表示，自动驾驶汽车正在走入我们的生活，但问题是时间还不清晰，自动驾驶汽车大规模上路还需要很长的时间。

目前有多家公司在进行自动驾驶汽车方面的研发，谷歌兄弟公司Waymo被认为是在这一技术上走在行业前列的企业，但其CEO约翰·科拉菲克(John Krafcik)去年7月份在美国全国州长大会上也表示，虽然他们在自动驾驶技术方面取得了进步，但自动驾驶汽车普及所需要的时间，仍会长的超乎想象。（辣椒客）

AI不能“取代”医生给我们看病，这并不是因为AI不够强大 | 科学人 | 果壳科技有意思

Sat, 06 Apr 2019 18:47:33 CST

约翰霍普金斯医学院的娜塔莉·特拉雅诺娃（Natalie Trayanova）教授，刚刚度过了魔鬼一般的一年。

在外人看来，她的科研道路仿佛是一帆风顺。她带领的心血管造影技术团队拿着来自美国国立卫生研究院（NIH）的研究基金，过去三年光论文就发表了50多篇；她的项目还频频在媒体上曝光，她本人甚至被邀请到TED Talk上做演讲。然而，当她着手将这套“领域内前所未有的解决方案”向临床应用推进的时候，却遭遇了前所未有的困难。

Your Personal Virtual Heart | Natalia Trayanova | TEDxJHU

她的方案在临床上的首要任务是 治疗心颤。所谓心颤，指的是心脏不再有规律地按照周期跳动，而是无规律地快速“颤抖”；轻度的心颤有时本人都感觉不到， 但严重的心颤可以让在几分钟内夺人性命。你可能在商场、路边或者影视作品里见过仪器装在红色盒子里，上面写着“AED”三个大字，还可能有红色的心形和闪电标记，这就是自动化的电除颤仪，依靠放电的办法结束心颤。这样的设备已经拯救了很多心脏病突然发作的人。

不过等到心颤发生再采取除颤，还是稍微有点晚。医学研究者开发出了一种心脏除颤手术，找到那些引发心律不齐的 微小心肌纤维，把它们切除，从而根本上解决问题。麻烦的是，这些微小心肌纤维很难找，很大程度都靠医生经验，经常切不准地方还会误伤正常的部分。

特拉雅诺娃实验室就开发了一套结合了影像和人工智能的心脏造影方案，构建出全息3D的心脏模型，重建每一束心肌纤维、模拟心脏动态，精确地找出病灶，让手术“指哪打哪”。“我们还能顺便用这个影像，给心脏做3D打印，送给病人做留念。”来自保加利亚、已经在这个领域摸爬滚打了三十多年的特拉雅诺娃谈起自己的技术，仍然是一脸兴奋。而最近兴起的人工智能技术，更是有希望为这个技术添砖加瓦——例如，使用机器学习提高图像精度，优化计算流程，把时间和成本大幅降低。

图：特拉雅诺娃团队的“模拟心脏”

然而，谈到实际应用的前景，她的乐观减少了大半。病人的各类实际需求，总是不能与技术设计完美结合，她不得不一周三天跑医院、两天跑实验室，与医生和工程师反复沟通。 更大的挑战来自美国食品药监局（FDA），任何一项技术想要投入应用，都免不了和 FDA 大战三百回合；要是不能将研究成果转换为审批标准，发了再多论文都相当于白做。“还不知道什么时候会通过审批。”她对我说，“明年或者后年吧？希望如此（Hopefully），希望如此。”

“希望如此”，成了她挂在嘴边的口头禅。 在人工智能计算能力大幅提升的今天，乐观派们认为AI接管医院只是时间问题，然而从实验室到医院的这段路，依然困难重重。

1

“你拿一万张猫的图片训练一个机器，机器能够非常迅速地判断眼前的图片是否是猫，”约翰·霍普金斯生物工程教授杰弗里·希维尔德森（Jeffrey Siewerdeson）给我打了个比方，“但你要让机器从一张元素繁多的图片里找猫，难度就指数级增大了。”

他的实验室曾经是约翰·霍普金斯医院的病房，墙上还残留着当年的病床支架和插座。如今的实验室已经远离了医院的喧闹，被各类计算机和影像仪器所占据。 生物医学领域，基于机器和数据，而不用和湿漉漉的培养基或组织器官打交道的“干科学”（dry science）逐渐成为了领域热门。据医药研究机构 Signify Research 的数据预测，5年内光医疗影像和AI这一个细分领域的市场就将超过20亿美元，其中 深度学习技术更是占据了半壁江山。诊断正在逐渐从病人身上分离，转入机器。

图：作者和希维尔德森在他的实验室

然而，人们需要对机器能做什么、不能做什么有清晰的认识。 目前AI的主要成就，是给人类医生的判断打底子，而不是自行下达判断。比如希维尔德森所做的工作之一，是利用机器来学习高精度图片的特征，然后据此把低清图片“算”成高精图片——换言之，就是去马赛克。有些时候医生手头的设备不够先进，另一些时候医生需要实时观察图像，这些时候的低分辨率图片都可以在机器学习帮助下变得高清。

的确，图像识别是目前的AI最擅长的事情之一。大概从2013年开始，AI在这一个领域的能力就开始飞速发展；2015年，在谷歌ImageNet数据库训练下的机器，人脸识别能力已经超过了人类。这得益于 机器能够在相对短的时间内吃进海量的影像数据，并通过深度神经网络各个层级进行分析、学习，成为阅“片”无数、经验丰富的“老医生”。希维尔德森和特拉雅诺娃所做的事情，都是利用AI的这方面长处，给予医生以诊断辅助，让医生“看”得更清楚、判断更准确。

可这并不是我们平时想象的“AI看病”。AI是否能对疑难杂症做出独立的诊断？

对于有的疾病，让AI看到影像就做出相应判断其实不那么难。比如眼科教授尼尔·布莱斯勒（Neil Bressler）正在做的项目，是使用AI技术诊断糖尿病人的眼底病变。由于这种疾病十分常见，数据积累丰富，再加上对于病变的判定相对简单，目前这个技术已经有了相对成熟的应用场景。然而，触及到更难的领域，例如癌症、肿瘤等等，图像模式十分复杂，很难用一种或者几种机械的模式概括，机器往往会卡在这种人脑依靠模拟（analogy）判断的地方。而有的病变本身也十分罕见，根本无法形成值得信赖的数据库。换句话说， 现在还无法像训练一个真正的医生一样训练AI。

而更根本的矛盾还在后面：就算数据够多、计算能力够强，AI能够取代人类判断吗？

图：电视剧《西部世界》

2

2011年12月，在美国麻省的一家医院，急救车送来了一个晕倒的老年男性。他立即被安置在了急救病房，安插上体征了监控设备——如果他的生命体征出现危险的波动，设备就会发出警告，召唤护士。这样一来，护士就不必时时过来查看他的情况了。

然而，第二天，这个老人却死在了病床上。死之前监控设备的红灯闪了一夜，但却被路过的护士一遍接一遍地摁掉。疏于料理的护士当然难辞其咎，然而在深入的调查之后，另外一个问题浮出水面：包括这套系统在内， 许多医院用于自动化监控的装置所发出的警报，很多是误报。

通常此类自动化系统，会把极其微小的波动当做风险来处理，毕竟，万一错过了一个风险，责任就大了，所以 厂商都倾向于把机器调得“过度灵敏”，并产生一系列大惊小怪的误报；反过来， 医护人员则在接连不断的误报冲击下产生了疲劳，忽略了真正的危险。这是一个现代版的“狼来了”。

狼来了问题本身看似是可以解决的：把自动化系统的敏感度调低就行（厂商无疑会不愿这样做，因为这样意味着他们自己要直接担负更多责任，不过这至少原则上是可解的）。但这是本质的问题吗？人类同样常常过度敏感，每一个医生都无数次经历过家属大呼小叫、护士匆忙跑来报告异常但最后平安无事的场景，但却无法想象有多少合格的医生会因为假警报太多而从此对它们彻底无动于衷、像对待自动系统那样一遍遍按掉。问题在哪里？

在于 人并不信任机器。

图：电影《机械姬》

科幻小说常常把人对机器的猜疑描述成没来由的非理性行为甚至是灾祸的根源，但现实中这样的不信任其实是有理由的： 人和机器的决策方式并不相同。譬如一个简单的自动化系统也许会监控病人的心率，低于一定数值就报警，但不同病人静息心率原本就不同，对一个普通人而言危险的低心率，对职业运动员而言也许只是稍微异常。 传统的自动化系统只能在事先设好的规则内行事，超出规则就无能为力了。

今天最火的AI路线——深度学习看起来有望打破这个限制，但它带来了一整套新的问题。最近通过FDA审批的一个叫做“WAVE”的诊断平台，能够综合病人各项身体指标，通过深度学习的算法，给出“病人什么时候会进入病危状态”的预测。然而，《科学》（Science）2019年3月的一篇评论文章指出，不像是药品或者其它医药设备，机器学习为内核的算法并非一个逻辑确定的系统，里面涵盖了上千个互相牵涉的指标，也会根据训练数据的不同产生不同的效果，究竟是否存在确凿无疑、让人百分百信服的因果联系（就像你站在体重秤上的数字从不撒谎一样），很难说清。

而治病救人的医学，恰恰最需要稳定且可重复的证据支撑。

循证的过程需要控制变量，得出A和B之间确凿的因果联系，例如病人吃了A药之后，就是比吃安慰剂的效果要好，那么A药毫无疑问发挥了作用；而这种药在一小部分病人中产生的作用，和大部分病人相似，是可以重复的。深层到药物作用的机制和原理，则更需要有大量的动物实验打底，厘清一个化合物和病菌、器官、神经之间的具体联系。然而，目前主流的深度学习的技术却是吃进数据、吐出结果的 “黑箱”，很难照着这个方式循证。再加上机器学习的核心——数据本身就具有不确定性，更为人工智能的普适性和可重复性提出了问题。

在2019年2月华盛顿美国科学促进会（AAAS）的年会上，赖斯大学（Rice University）数据科学教授吉内薇拉·阿伦（Genevera Allen）用一系列事例直击了这个问题的核心。当下，有不少团队都在癌症相关的基因上做文章，输入癌症患者的基因组和病例数据，用机器学习的方式分析出几个不同的亚型（Sub-type），并在这个基础上开发靶向药物。这也是承袭乳腺癌的成功先例——根据基因表达的不同，乳腺癌可以分为10多种亚型，每一种的具体治疗方案和预后都不同。但是这种模式可以套到所有的癌症上吗？把大量数据“喂”给机器，机器真的能依靠数据模式给出靠谱的分类吗？

图：Genevera Allen，来源：EurekAlert!

她综合了一些研究结果，发现 在某个样本的数据上表现出色的算法，不一定适用于所有情况，也并不能重复，在这种分类的基础上得出的诊疗意见，自然也是无意义的。“两个团队用不一样的数据，很可能得到完全不重合的亚型分类，”阿伦在会议报告上说。“这些‘发现’真的具有科学价值吗？背后是否有可靠的医学证据支撑？”

她表示，如果继续这样发展，医疗科学很有可能陷入“危机”。虽然有点悲观，但也不无道理。毕竟，不靠谱的算法在亚马逊上给你推荐一本你不喜欢的书，你不买就好了；但是“推荐”一个疗法，有时候却是关乎生死的。当然，这并不是说人类医生不会犯错误。但在面对错误的时候，医学诊断的循证基础，能够给我们提供充足的条件复盘错误、并探求避免的方法。而面对人工智能的黑箱，我们甚至很难知道机器为什么会错，应该如何纠正。

一边是人工智能领域大幅提高的计算能力与不断优化的算法，另一边却是临床医学对于证据的谨慎。 在不同的学科进行交叉和对话的同时，两边是否在使用同一套语言体系，成为了解决问题的关键。

3

这个年代最常听到的一句话，是“什么专业都得写代码”。的确，像希维尔德森和布莱斯勒的实验室里，懂医学和懂计算机同等重要，甚至还需要统计等数据科学。越来越多的研究者开始恶补相关知识，注册线上课程，甚至去跟本科生挤教室。许多老教授也拉下面子，向年轻博士生和博士后取经。

而随着大数据和人工智能的广泛应用，医生们也要开始懂得怎样跑数据，即使不会编程也必须明晓其中的原理。“ （数据科学）就像另一门语言，或者好几门语言，”英国惠康基金会桑格研究所的研究员蔡娜在接受 Mosaic Science 采访时的一席话，说出了生物、医药研究人员的心声。“我不得不把之前大脑中的生化路径、流程图，转化成编程代码。”

从某种程度上讲，编程和数据成为医学领域最重要的能力之一。 然而，计算机领域和医学领域的学科逻辑和评价标准，却存在一些分歧。特拉雅诺娃说，“现在太多人醉心于技术细节的提升，你去参加一个学术会议，到处都是跟你吹嘘自己的技术表现有多好，算法性能有多棒，然后在核心期刊上发了多少论文——这是他们领域的‘语言’。但最后能达到什么效果呢？” 说到这里，特拉雅诺娃摇了摇头。

“现有的大部分算法，包括诊断和预测等，都不是在传统的医学范式下研究出来的，不能直接体现医学所需要的指标，即使一些已经投入应用了，但可靠度、可应用程度等，都需要进一步验证。”宾夕法尼亚大学医学院血液和肿瘤专家拉维·帕里克（Ravi Parikh）在电话里对我说。“他在《科学》期刊上发表的评论文章谈及了这个问题：当下的许多医疗人工智能相关的研究，都以计算能力、反应速度、概率分布曲线等作为指标，比如一个算法能够把判断某种征兆的速度提高百分之几之类。但是，这到底在临床上意味着什么？这对病人的治疗效果有多大增益？速度提高了，但误诊率呢？病人接受了这个诊断，是否病程变短、返诊率下降？这些所谓 “落脚点”（endpoint）才是医学关心的指标，也是监管机构是否给某个技术放行的依据。

一言以蔽之， 人工智能想要治病救人，必须要接受医学标准的审视。特拉雅诺娃深知其中的不易，前文提到的3D造影技术即将投入大规模临床实验， 最终的评判标准并不是技术、性能，而是手术的成功率。“接受了手术的病人，究竟有多少不用返工重来？返诊率是多少？”能够让临床医生彻底掌握这个技术，把除颤手术目前接近40%的返诊率大幅降低，才是这个技术成功的标志。

图：作者和特拉雅诺娃合影

希维尔德森也表示，算法必须要“翻译”成为医学实验的成果方才能称之为医疗，定量的测试和评估是一切的基础。 而在临床实验中，需要照顾的不仅仅是数据，还有病人。“要验证现有技术的可用性、可靠性和效果，目前通用的方式是 回溯性分析研究，这样才能在不影响病人的治疗水平的前提下得到好的结果，并且也需要伦理委员会的批准。”

而且， 我们必须诚实面对算法的局限。所有的药物都有副作用和适用人群，同样，做人工智能的人也必须从“用算法去解决普适性问题”的思维中跳出，重视应用情景、数据来源和数据质量等等，学会医学语言的谨慎。监管也必须面对一些关键挑战——例如，如何保证数据的多样性，如何打开人工智能和机器学习的“黑箱”，确定一个算法的具体原理与医学证据之间的联系。 “目前可以做的是建立完善的事后审计机制（auditing system），追踪算法和数据之间的关系，以及可能出现的数据偏差。”帕里克说，“ 但最后，一定还是落在临床的表现上，保证效用和可重复性。”

4

我在希维尔德森的实验室里看到了一个比乒乓球略小的3D打印模型，质感柔韧，中间的裂痕用细密的针脚缝了起来。“这是一个有着先天心脏缺陷婴儿的心脏的一部分。”希维尔德森对我解释道，“我们用当前的造影技术，结合人工智能技术为心脏建模，然后打印出来供进行手术的医生练手。”

图：心脏模型

看着这个小小的模型，我仿佛能看到主刀医生和助手们围在屏幕前讨论手术方案，仔细观察和打量模型，思考着从哪里入手——这才是人机的完美配合，也是当下的医疗技术带来的最实际的进步。“在诊断和治疗中，一个医生的训练、经验和观察依然是最重要的。 即使是最好的技术，也只能是增强医生的知识和能力，而不是替代。” 希维尔德森说。

帕里克也认为，我们不应该拿人工智能和医生相比。关键并不在于人工智能本身的能力，而是人工智能和现有的医学条件结合，能够发挥多大的功效。医生多年所见、所识、所领悟的并不能完全被翻译成数据、变成机器学习的资料；而人工智能亦有更精准的观察、更快的速度和永不疲倦的眼。 谈论“医生+算法”的效果，远比谈论如何替代、或者谁比谁好要更有意义。

未来的医疗场景，一定不是病人被送进机器人医生的诊所，进行全身扫描之后得到“智能”的诊疗，而是可复制、可量产的机器，为医生提供足够多有价值的参考，节省更多人力物力，让诊疗变得更普及、更平民、更快捷。医疗人工智能领域的科技树不是冲着天空、往高处长，而是伸开枝叶，为更多的人提供安全和健康的荫蔽。

这个未来甚至并不遥远，脚踏实地一定走得到。（编辑/Ent）

（拇姬对本文有重要贡献；感谢美国科学促进会AAAS提供访问支持。）

参考资料：

Allen, G. I. (2017). Statistical data integration: Challenges and opportunities. Statistical Modelling, 17(4-5), 332-337.
Parikh, Ravi B., Ziad Obermeyer, and Amol S. Navathe. "Regulation of predictive analytics in medicine." Science 363.6429 (2019): 810-812.
Razzak, Muhammad Imran, Saeeda Naz, and Ahmad Zaib. "Deep learning for medical image processing: Overview, challenges and the future." Classification in BioApps. Springer, Cham, 2018. 323-350.
Giger, M. L. (2018). Machine learning in medical imaging. Journal of the American College of Radiology, 15(3), 512-520.
Tenner, E. (2018). The Efficiency Paradox: What Big Data Can't Do. Knopf.
https://www.bbc.com/news/science-environment-47267081
https://www.wired.com/2017/03/biologists-teaching-code-survive/
https://mosaicscience.com/story/how-big-data-changing-science-algorithms-research-genomics/
https://www.signifyresearch.net/medical-imaging/ai-medical-imaging-top-2-billion-2023/

题图来源：图虫创意

如何更好利用知识图谱技术做反欺诈？ 360金融首席数据科学家沈赟开讲

Wed, 27 Mar 2019 13:50:40 CST

【TechWeb】3月27日，近日360金融首席数据科学家沈赟作为毕马威中国2019金融科技系列论坛课程授课专家，讲授知识图谱的有关技术和知识，分享了如何以知识图谱“精耕”反欺诈。

如何更好的利用知识图谱技术做到反欺诈？沈赟分别从贷前、贷中和贷后三个环节以360金融为例进行了详细的论述。

贷前，360金融通过给客户进行打分，来发现其是否是潜在的多头客户。“针对这些潜在的客户我们可以去评估他每月的一个负债额等指标，这样的话我们可以在贷前及时地进行约束，防止其成为外部多头用户；同时，我们也在产品形态上面下功夫，如给这些客户相对短期数、更可控的一些产品。”沈赟进一步表示。

贷中，360金融则通过研究用户的行为模式等方式去更加精细化地去管理风险、预测风险，并根据不同的行为模式去找到相应的客群，针对这个客群采取相应的措施。如针对风险较高客户，360金融就会提前采取拒绝、调额、调价等风控措施。同时，360金融还会在三个月、六个月等贷中时间点对用户进行重新评估，来预测其多头可能变化的情况。在此基础上，用户活跃度、用户还款积极的程度等也都是360金融在对客户进行评估时所考量的因素。

贷后，360金融则制定了不同的催收的策略，通过对用户去进行客户和分群，来制定相应的催收方式。与此同时，360金融还自主研发了一套智能催收机器人系统，针对不同风险级别的客群和不同的催收业务类型，设定差异化的催收场景和催收方式，同时严格保证整个催收流程的合法合规。

据沈赟介绍，基于知识图谱技术，360金融目前已积累了千万级别的黑灰名单和数亿的白名单库。截至2018年12月31日，360金融超过90天的逾期率为0.92%，风控表现领先同业。

艾瑞发布运动健身行业白皮书: 智能科技加码运动健身市场

Tue, 12 Mar 2019 00:00:00 CST

导语：2018年，运动健身行业发展整体向好，传统健身企业发展相对稳定，市场中出现了一些新玩家，与此同时，也出现了部分企业生存艰难的情况。

近日，艾瑞咨询发布了《2018中国运动健身行业发展趋势白皮书》，全面呈现了行业发展概况和趋势。2018年，运动健身行业发展整体向好，传统健身企业发展相对稳定，市场中出现了一些新玩家，与此同时，也出现了部分企业生存艰难的情况。其中，以Keep为代表的运动科技公司，不断布局多元化运动场景，保持了强劲的用户增长速度。艾瑞认为，随着全民健身的观念深入人心，互联网与传统运动健身领域融合，预计未来整个行业将会实现智能化升级。

大众运动健身观念逐渐普及，互联网化的运动健身企业更受资本青睐

我国运动健身行业从90年代发展至今，经历了大众健身概念萌芽时期、运动观念养成时期、全民健身热潮时期几个阶段。在大众运动健身习惯养成、大型国际赛事带动以及国家政策鼓励的影响下，中国运动健身行业的发展始终保持着稳健的步伐，整体格局稳定，在竞争中也出现了行业的自然洗牌。近些年，随着互联网技术的兴起，运动健身行业进入“互联网+”时代，科技的应用为行业的升级起到了助推作用。

随着投资者的态度更加谨慎与落地，企业的盈利能力和长线经营潜力是更受关注的要素。2018年中国运动健身领域获B轮以上投资金额较高的12家企业中，从提供的服务类型来看，这些企业均涉及智能科技领域。获投金额最高的Keep作为运动科技平台，其用户体量、原生内容、科技感、社交元素、智能化等多方面属性，表现出的竞争力和发展空间受到投资者的青睐。

大众运动健身需求升级方向关键词-专业化、智能化、加强指导与反馈

为更深入了解大众对运动健身行业的需求，尤其是对智能科技与运动健身结合的态度，艾瑞咨询对1577名运动健身用户进行了调研。运动健身用户普遍学历较高，白领阶层居多，家庭收入较为稳定，价值观表现为个性独立，喜欢社交，关注健康，热爱运动。

针对运动健身用户的健身行为与态度，本次调研从运动健身场景、运动健身服装设备、运动健身课程三个方向进行展开。结果显示，用户对运动场景、设备和课程都有和科技结合的提升需求。他们认为理想的 运动场景应具备“设施完善、专业性强、空间充足、便利性强、科技含量高”的特点；在选购 智能装备时，“智能化、专业性、科技性”是他们首先考虑的要素；对于 运动健身课程，他们更倾向于选择“专业性强、可以提供成果反馈、即时指导”的课程。

从运动健身智能服务的KANO模型分析结果来看，“运动健身数据记录、加工并反馈健康报告功能，智能场景+智能设备+线上线下课程服务的服务闭环，智能推荐个性化的运动课程内容，智能设备的科技升级”是用户的重要期望属性，企业应优先考虑改善和发展该类服务。

智能科技赋能运动健身行业，中国运动健身企业正在前行

针对运动健身人群对运动场景、设备、课程提出的诸多期待，运动健身企业已经付出诸多努力，以用户规模最高的互联网运动健身平台Keep为例：

Keep目前拥有1.7亿注册用户，3500万月活用户，是目前用户规模最大、极具影响力的头部互联网运动科技平台。Keep为中国运动健身人群提供健身教学、跑步骑行、运动社交、饮食指导、电商购物等一站式运动解决方案，以海量运动健身数据为基础，运用人工智能技术赋能更多运动场景，构建更加完善的运动生态。2018年，Keep将把人工智能应用上升到战略高度，推出AI智能虚拟教练计划，推动智能化运动方式的落地。

在技术发展方面，Keep研发并完善智能硬件算法、大数据挖掘、内容分发、机器视觉等技术，为用户带来更全面的集智慧推荐、数据反馈、运动指导等综合的智慧运动体验。

在城市运动场景方面，Keep布局城市新型健身房，打造Keepland城市运动空间，在授课方式、支付方式、反馈方式、线上互联方式等方面进行优化，让用户在社交中享受运动，在智慧反馈中对运动过程有更强控制感，持续打造“科技互联的运动生态”。

在家庭运动场景方面，Keep开发KeepKit智能健身硬件，为用户家庭运动健身提供更精准的指导和更及时的运动反馈，通过线上App智能互联，还将监测的运动数据同步到云端，为用户匹配更合理的运动计划，解决家庭环境运动健身缺乏指导和监测的问题，提升运动体验。

行业升级方向-智能科技+运动健身的有机结合是未来发展的必行之路

艾瑞咨询认为，针对现在运动健身人群的需求，智能科技的应用能够提供更多问题解决途径，科技与运动健身服务的结合是行业未来发展的必行之路，所以企业应当以提升用户体验为目标，在智能科技的研发应用上加大投入，推动行业向智能化方向快速发展。

运动健身行业发展迅速，唯有不断满足用户和市场的认可，企业才能走得更稳、更远。未来，会有更多企业看齐Keep这样的领导品牌，深度钻研运动健身行业本质，用智能科技赋予运动健身新玩法，为用户提供更全面服务，引领健康生活方式，共同为用户缔造运动健身行业发展新纪元。

（本文为艾瑞网独家原创稿件转载请注明出处）

转载：美国公布长达35页的《2016-2045年新兴科技趋势报告》

Sat, 09 Mar 2019 20:07:03 CST

美国公布长达35页的《2016-2045年新兴科技趋势报告》

中改研究今天

美国公布了一份长达35页的《2016-2045年新兴科技趋势报告》。该报告是在美国过去五年内由政府机构、咨询机构、智囊团、科研机构等发表的32份科技趋势相关研究调查报告的基础上提炼形成的。

通过对近700项科技趋势的综合比对分析，最终明确了20项最值得关注的科技发展趋势。

该报告的发布一是为了帮助美国相关部门对未来30年可能影响国家力量的核心科技有一个总体上的把握，其二是为国家及社会资本指明科技投资方向，以确保美国在未来世界中的战略优势。

1. 物联网

在2045年，最保守的预测也认为将会有超过1千亿的设备连接在互联网上。这些设备包括了移动设备、可穿戴设备、家用电器、医疗设备、工业探测器、监控摄像头、汽车，以及服装等。它们所创造并分享的数据将会给我们的工作和生活带来一场新的信息革命。

人们将可以利用来自物联网的信息来加深对世界以及自己生活的了解，并且做出更加合适的决定。

在此同时，联网设备也将把目前许多工作，比如监视，管理，以及维修等需要人力的工作自动化。物联网、数据分析、以及人工智能这三大技术之间的合作将会在世界上创造出一个巨大的智能机器网络，在不需人力介入的情况下实现巨量的商业交易。

但是，虽然物联网会提高经济效率、公共安全，以及个人生活，它也会加重对于网络安全和个人隐私的担忧。恐怖分子，犯罪集团以及敌对势力将会利用物联网作为新的攻击手段。而物联网中所包含的大量数据也会诱惑政府去实施针对人民的监控，从而进一步的引发隐私和安全之间的对抗。

代表性技术：

实际应用：

2. 机器人与自动化系统

在2045年的地球上，机器人和自动化系统将无处不在。自动驾驶汽车会使交通更加安全与高效，或许还会给共享经济带来新的动力。机器人则会负责日常生活中大量的任务，比如照顾老人与买菜，以及工业中的职责，比如收获农作物，维护公共设施等等。

而随着机器人的机动性、灵敏度以及智能的提高，它们将成为强大的战士，在战场上辅助、甚至替代人类士兵作战。人工智能软件则会被使用到商业上，例如从数百TB的数据里面提取有意义的信息，使商业服务自动化，以及替代诸如客服、教师等传统意义上 “以人为本”的职业。

但是，机器人与自动化也会带来许多的危机。数百万工作被机器取代的下岗职工将会给社会造成极大的冲击，导致经济与社会的不稳。自动化网络系统则会成为各个敌对势力相互攻击的主要突破口。在冲突中使用机器人和自动化系统则有可能造成极大的伦理和文化挑战。

代表性技术：

实际应用：

3. 智能手机与云端计算

智能手机与云端计算正在改变人类与数据相处的方式。比如目前的美国，大约有30%的网页浏览和40%的社交媒体是通过手机的。而这的原因之一就是具有各种可以测量天气、位置、光度、声音、以及生物特征的探测器的智能手机。

随着手机的威力越来越大，功能也越来越全面，移动网络的铺展也将加速。在2030年，全球75%的人口将会拥有移动网络连接，60%的人口将会拥有高速有线网络连接。

移动终端的发展以及移动网络的扩散，也会进一步推进云端计算的进展。云端计算可以在在零投入的情况下给用户带来大量的计算能力。在未来的30年里，基于云的移动计算端将会改变从医疗到教育的各行各业。

比如人们可以通过手机来进行体检并与云端的诊断软件直接沟通，人们也可以在手机上使用教育软件来学习新的技能，农民们甚至可以通过手机连接到实时气象数据，通过云端软件计算最优化的收割时间。

但是，这一切都需要极高的网络安全性、可靠性、以及流量。商业用户以及个人用户也都需要习惯把数据上传到云端中。

代表性技术：

实际应用：

4. 智能城市

在2045年，全世界65%-70%的人口将会居住在城市里。随着城市人口的增加，全球人口超过1千万的超级都市将会从2016年的28座增加至2030年的41座。大量的人口向城市流动将会给这些城市的基础建设，比如城际交通，食物和水源，电力能源，污水处理，以及公共安全系统等带来极大的压力。

未来的智能城市将利用信息和通讯技术（ICT），通过大数据以及自动化来提高城市的效率和可持续性。

比如使用分散探测系统将实时监视城市用水用电数据，通过智能电网自动调整配电设置；通过联网的交通信号系统以及自动驾驶系统来减缓车辆堵塞的程度；利用由新材料和新设计技巧所建的智能建筑来提高空调和照明系统的效率，减少能源浪费；使用屋顶太阳能板、小型风力发电机、地热发电，以及其他可再生资源提供干净的电力。

但是，在另一方面，没钱或者缺乏政治信念去投资这些科技的城市将会变得极其拥挤和肮脏，成为暴动和冲突的爆发点。

5. 量子计算

量子计算是通过叠加原理和量子纠缠等次原子粒子的特性来实现对数据的编码和操纵。虽然在过去的几十年里，量子计算只存在于理论上，近些年的研究已经开始出现有意义的结果。在未来的5-15年里，我们很有可能制造出一款有实用意义的量子计算机。

量子计算机的出现将会给其他的研究方向，比如气候模拟、药物研究、以及材料科学带来巨大的进步。

不过，最令人期待的还是量子密码学。一台量子计算机将可以破解世上所有的加密方式，而量子加密也将真正无懈可击。如今，量子计算机的许多技术堡垒已经开始被逐一攻克，虽然我们也许在21世纪40年代才会看到真正实用的量子计算机，但来自政府和业界的大量投资意味着量子计算已经迈过了转折点。

代表性技术：

实际应用：

6. 混合现实

虚拟现实和增强现实（VR和AR）技术已经在消费电子市场激发了极大的热情，各科技公司也迅速的开始进入这个市场。在2014年收购Oculus VR之后，Facebook将在今年推出他们首款VR眼镜。三星，索尼，宏达也计划在今年推出VR产品。资本的涌进代表了VR将会成为新一代的主流娱乐技术。当然，VR也有在娱乐之外的应用。美国第二大家居装饰用品公司Lowe’s（劳氏公司）正在开发名为Holoroom的一款3D增强现实科技。Lowe’s的客户将可以设计一个空间，然后使用Holoroom进入一个3D模型，体验他们设计的空间感觉如何。

虽然在历史上，市场对VR和AR曾有些过于膨胀的预期，如今的超高清显示，低价的姿势与位置探测器以及高清视频内容给混合现实科技打下了雄厚的基础。在未来的30年里，这些技术将成为主流科技。AR眼镜将把实时相关的信息给用户投放在现实中，而VR眼镜则可以通过融合视觉，听觉，嗅觉和触觉来实现深度沉浸的体验。

代表性技术：

实际应用：

7. 数据分析

在2015年，人类总共创造了4.4ZB（44亿TB）的数据，而这个数字大约每两年就会翻倍。在这些数据中隐藏了各种关于消费习惯，公共健康，全球气候变化以及其他经济，社会还有政治等等方面的深刻信息。可惜的是，虽然“大数据”成为了一个热点，但每年只有不到10%的数据会被分析。

在接下来的30年里，我们处理巨量的动态数据的能力将会逐渐提高。自动人工智能软件将会可以从散乱的数据中识别并提取有关联的信息。而这种数据分析的能力将会从商业应用扩散到普通人手里。

人们将会获得在生活中使用大数据的能力，并且通过这种能力来迫使政府以及各种机构对它们的政策负责。而这很有可能引起关于数据限制的冲突。超级个性化营销，政府对人民数据的监视，以及各大数据被盗案件的曝光则会引起数据所有权的讨论。各个敌对势力则可以利用被盗取的，从暗网中购买的，甚至是开源的数据来相互攻击。

代表性技术：

实际应用：

8. 人类增强

在接下来的30年里，科技将带领人类突破人类潜力的极限甚至生物的极限。由物联网连接的可穿戴设备将会把与实时有关的信息直接打入我们的感官中。外骨骼和与大脑连接的假肢将会使我们变得更加强大，为老弱病残恢复移动力。

装有探测器和嵌入式计算机的隐形眼镜或者被永久植入在体内的装备将给我们带来可以穿墙的听力，天然夜视，以及可以嵌入虚拟和增强现实系统的能力。益智药将会扩大我们的思维能力，改变工作和学习的方式。

当然，人类增强科技也会带来新的挑战。那些负担不起“升级肉体”价格的人群很有可能发现他们在增强经济里毫无竞争力。而增强科技的联网则会让我们的身体甚至大脑成为黑客的目标。对士兵的增强很有可能引发一场新的增强科技军备竞赛。

代表性技术：

实际应用：

9. 网络安全

网络安全不是一个崭新的话题。事实上，早在1991年就有人提出了“网络上的珍珠港”这一警告。但是在未来的30年里，随着物流网的发展以及日常生活中越来越多的连接，网络安全将会成为网络行业首要的话题。

目前，虽然世界上的网络攻击越来越多，但是它们大多数的目标都只是个人或者企业。而且这些攻击所造成的损失虽然很大，但是这些损失并不会扩散。而未来的世界将不会是如此的简单。

随着汽车、家电、电厂、路灯，以及数百万个其他的事物相互连接，网络攻击的后果也会越来越严重。国家、企业、以及个人的数据将会面临越来越隐蔽的攻击。有些甚至在数年后才会被发现。目前，人们可以想象出来最坏的情况就是“网络世界末日”– 在越发越疯狂越频繁的攻击下，整个世纪的互联网以及其中所包含的经济社会功能的崩溃。

代表性技术：

实际应用：

10. 社交网络

如今，大约有65%的美国人使用社交网络，而在2005年，这个数量只有7%。社交网络已经开始展现出改变人类行为的能力。但是在未来的30年里，社交科技将会给人们带来可以创造出各自微型文化圈的力量。

人们将会使用科技形成社会契约和基于网络社区的社交结构，从而颠覆许多传统的权力结构。比如政治舆论，由于目击者们可以直接在网络上揭露腐败和压迫而不用通过媒体的过滤，政府将会发现舆论越来越难被直接控制。或者企业责任，虽然企业可以通过社交网络直接接触到消费者，这些消费者也可以利用社交网络来突破营销的噪音，使企业对他们的产品和行为负责。

众筹和直播将会使内容创作进一步的民主化，从而模糊媒体人与观众之间的区别。而比特币以及其他加密货币也许会把货币和交易的控制从政府手中剥离，从此基于社会共识而不是政府的规定。

代表性技术：

实际应用：

11. 先进数码设备

由于计算机和各种数码设备在过去的60年里给人们生活带来的天翻地覆的改变，我们似乎已经忘了这些技术还比较新。个人电脑在1975年才出现在商店里，而当时的个人电脑有如今日的宜家，是作为一套零件卖给顾客的。用户需要自己把它组装起来，所有的程序也都需要自己编写。仅仅40年后，人们手中智能手机的计算能力就已经远超1969年把宇航员送上月球时的NASA了。在未来的30年里，这个趋势也将会继续下去。

人们将会拥有更多的计算能力以及更广的数码资源。移动网络和云计算将会给人们带来几乎无限的内存和计算能力。虚拟技术和基于软件的系统将会允许政府和企业在不需要昂贵的硬件升级的情况下迅速的调整升级IT系统。

从衣服到建材，数码产品将会更广泛的融入到日常生活中。在此同时，新科技将会改变我们与科技之间交流的方式。语音界面已经被广泛应用在智能手机中，而姿势界面则允许我们无声的与计算机通讯。最终，人脑-电脑界面将会允许我们用思想控制数码设备，使它们成为我们身体的一部分。

代表性技术：

实际应用：

12. 先进材料

在过去的10年里，材料科学的突破给我们带来了许多种先进的材料。从可以自我恢复和自我清理的智能材料，到可以恢复原本形状的记忆金属，到可以利用压力发电的压电陶瓷材料，到拥有惊人的结构和电力性能的纳米材料，这些都是材料科学家的成功。尤其是纳米材料，它有着广泛的应用价值。

在纳米尺度（少于100纳米），普通的材料比如碳，将会呈现出独特的性能。石墨烯，一种由碳原子构成的只有一层原子厚度的二维晶体，强度是钢的100倍，能够高效的传导热和电，并且几乎透明。

纳米材料有着无数种应用，比如作为引擎或其他机械表面的低摩擦力镀膜，作为高强度合成材料来建造汽车和飞机，轻便的防弹背心，以及高效的光伏材料。

在工业应用之外，制药企业也正在研究作为靶向分子的医疗纳米粒子用于治疗癌症。在未来的30年里，纳米材料以及新型材料，比如泡沫金属以及陶瓷复合材料将会被用在从衣服，到建材，到车辆，到公路以及桥梁中，无处不在。

13. 太空科技

太空行业正在进入一个从上个世纪60年代后就从未出现过的发展阶段。新的科技，比如机器人，先进的推进系统，轻便的材料，增加制造，以及元件小型化正在减少把人和物送入太空的价格，而这则会开启太空探险的新机会。

SpaceX，Arianespace，Blue Origin等太空行业的新人已经带来了例如可回收火箭等颠覆式创新。

在未来的30年里，科技的研发将会带领人类将重返月球。在此之外，更加伟大的探险，比如人类登录火星也是，以及新型基于太空的行业，比如在开采小行星中的矿物也都有可能出现。

虽然探索甚至殖民太空是现代人来长久的梦想，但是对太空设施的需求很有可能加大地球上的冲突。随着更多的国家开始依赖天基设备，对太空的控制将有可能成为一个全新的爆发点。天基武器不再是不可能，而反卫星也将成为未来战争的一部分。

14. 合成生物科技

早在孟德尔发现遗传的基础规律，以及埃弗里-麦克劳德-麦卡蒂实验证明DNA是遗传物质之前，人类已经进行了几千年的通过选择性育种以及杂交来操纵植物和动物的遗传基因了。

随着我们对遗传学认知的加深，我们已经可以通过搭建新的DNA来实现无中生有，创造出新的生物。基因改造农作物则是此项科技的先锋。但是在此同时，我们正站在一场生物革命的突破口。当我们跨入生物科技的新时代时，生命将会成为信息，如同电脑程序的代码一样，可以被改写的信息。

科学家正在开发一种可以分泌生物柴油的海藻，这种海藻的DNA中则被编写了数千GB的数据。在未来的30年里，合成生物科技将制造出可以探测到毒素，从工业废料中制造生物柴油，以及通过共栖来给人类寄主提供药物的生物。但是，合成生物也会带来生物武器和难以控制的入侵物种等巨大的危险。

代表性技术：

实际应用：

15. 增材制造

增材制造（3D打印）已经在工业界作为制造限量设计原型的技术而被使用超过30年了。但是，在近十年里，3D打印技术获得了惊人的发展。如今，随着3D打印机价格的下降以及大量开源工具和付费模型的出现，世界上已经出现了一个庞大的“创客”群体，无时不刻的在突破这项技术的极限。

在2040年，3D打印技术将改变世界。新一代的3D打印机将可以融合多种材料，电子元件，电池以及其他原件。人们将会利用3D打印技术制造工具，电子产品，备用零件，医疗设备等各种产品，并按照自己个人需求来实现真正的“私人订制”。

军队的后勤将变得更简单，因为装备和补给可以在当地直接打印。物体将会变成信息，而网络盗版将会代替现实偷窃。而恐怖分子以及犯罪集团将会使用难以追查的原材料来打印武器，探测器，以及其他装备，给社会安定造成极大的隐患。

代表性技术：

实际应用：

16. 医学

在未来的30年里，各种科学技术上的突破将改变医学。通过基因组学，我们将会得到真正的私人药物。在未来，癌症，心肺疾病，阿兹海默症，以及其他目前看似无救的疾病将会由针对患者个人基因的药物来治疗。

人类将可以通过DNA培养出来移植所需的器官，从而灭绝等待配型以及排斥反应等很可能致命的情况。生物假肢将会被直接连接到神经系统上，从而提供与真实触感极其相似的感官。

机器急救人员以及例如控制性降温的肢体存活技术将会大幅度延长救援的“黄金时间”。科学家们将找到衰老的原因，从而增加人类的寿命，涌现出一大群非常健康并有活力的“老人”。

另一方面，发达的医疗设施的价格将会给各国的医疗系统带来更大的压力。穷人与富人之间的救命资源也会出现极大地不均。而且随着人类寿命的增加，年轻人与老人之间对于工作以及资源的竞争则会加剧。抗药性极高的超级细菌也会给世界各地的人们带来极大的危险。

代表性技术：

实际应用：

17. 能源

在未来的30年里，全球能源需求预计会增长35%，我们则正在面临着一场能源革命。新的采油技术，比如水力压裂以及定向钻为人类添加了大量可开发的油田和气田。而这直接颠覆了世界石油市场，使美国从世界上最大的石油进口国变成了最大的石油生产国。

与此同时，可再生能源，比如太阳能和风能的价格也开始接近与石油。就拿太阳能来说，在过去的10年里，太阳能发电的价格从每瓦8美元降低至这个数字的十分之一。在此之外，还有核能这个抱有争议但从未停止开发的能源。新一代的核反应堆设计宣称远比之前的更安全，也会产生更少的核废料。

不过，虽然使用清洁能源可以帮助我们减缓全球气候变化，但是围绕着用于生产电池，光伏，以及其他元件的稀有资源的新的纠纷与摩擦也会出现。石油经济的消退也会在中东和北非引起经济和社会的严重不稳，进一步加深当地的武装冲突。

代表性技术：

实际应用：

18. 新型武器

在未来的30年里，数种新型武器技术将出现在战场上。除了目前正在开发中的非致命武器以及能量武器之外，数个国家也正在开发可以阻绝军事行动能力的反介入和区域阻绝武器（A2AD）。A2AD技术包括反舰弹道导弹、精密制导反车辆反人员武器、反火箭炮、火炮和迫击炮系统（CRAM）、反卫星武器，以及电磁脉冲武器（EMP）。

有些技术，比如精密制导武器，属于基于现有科技的突破。中国就正在开发可以摧毁航空母舰的先进反舰弹道导弹。而有些技术则属于崭新的主意，比如2015年由美国防部高等研究计划部(DARPA)所开发的EXACTO自导子弹。随着中国，俄罗斯，美国以及其他国家斥巨资推进军队现代化，新一代的高科技军备竞争正在揭晓。

19. 食物与淡水科技

在未来的30年里，淡水和食物的缺乏将会在世界上制造更多的冲突。大约全球25%的农地已经由于过度耕作，干旱，污染等原因造成了严重退化。

在未来的几十年里，最乐观的预测也指出主食谷物的价格将会提高30%。但那是最乐观的情况。如果全球气候变化、需求，以及资源管理的失败按照目前的趋势继续下去，价格提高100%也是可能的。

在2045年，全球超过40%的人口将会面临缺乏水源的问题。这一切问题的解决方式只有科技。

海水淡化、微型灌溉、污水回收、雨水收集等科技将会减缓人类对淡水水源的需求。基因改造农作物以及自动化将会允许农民使用更少的土地来出产更多的食物。食物和淡水将会成为新的科技热点，也会成为新的冲突爆发点。

代表性技术：

实际应用：

20. 对抗全球气候变化

根据目前的数据，在2050年，地球表面的温度将增加1.4至3摄氏度。就算我们采取了一些极端方式来减少温室气体的排放，气候的惯性也会引起温度的提高。而地表温度的提高则会带来一系列的恶果，比如海平面的提高给海岸城市所带来的危险，农作物产量的下降所引发的饥荒，干旱导致数百万人缺乏饮用水，以及洪水所造成的数十亿损失。

在未来的30年里，这些危机将会引导各方投资研究可以减缓气候变化所带来的影响的科技。在近期，这些科技将包括在地图上标出有洪水危险的系统，以及可以抵抗干旱的基因改造农作物。在更长远的时间里，也许会出现野心更大的科技，比如可以从大气中提取二氧化碳和甲烷等温室气体，并在把它们安全的储存在地下的科技。

但是，如果气候变化的趋势是增加3度这种最坏的情况，它给地球气候所造成的巨大影响将难以减缓。在这种情况下，极端的地理工程手段很有可能是避免极度恶劣气候的唯一方式。科学家们就曾提出在大气层中散布硫或者氧化铝来减少抵达地球表面的阳光。不过，这些手段还处于理论阶段，风险非常大。

2018 年国家最高科学技术奖得主出炉，细数历年 31 位得主

Tue, 08 Jan 2019 20:26:00 CST

雷锋网 AI 科技评论按，1 月 8 日上午，国家最高科学技术奖励大会在北京人民大会堂隆重召开，习近平、李克强、王沪宁、韩正等党和国家领导人出席了会议。在此次大会上，刘永坦、钱七虎获 2018 年度国家最高科学技术奖。

国家最高科学技术奖于 2000 年设立，是中国科技界的最高荣誉。每年评审一次，每次授予不超过 2 名科技成就卓著、社会贡献巨大的个人，由国家主席亲自签署、颁发荣誉证书和奖金。截至 2018 年度，共有 31 位杰出科技工作者获得国家最高科学技术奖。

中共中央总书记、国家主席、中央军委主席习近平向获得 2018 年度国家最高科学技术奖的哈尔滨工业大学刘永坦院士和中国人民解放军陆军工程大学钱七虎院士颁发奖章、证书，同他们热情握手表示祝贺，并请他们到主席台就座。

刘永坦，1936 年 12 月出生，现年 82 岁，江苏南京人。他是雷达与信号处理技术专家，同时也是中国科学院院士、中国工程院院士、哈尔滨工业大学教授。

刘永坦院士是我国著名的雷达与信号处理技术专家，我国对海探测新体制雷达理论奠基人，对海远程探测技术跨越发展的引领者。他致力于对海远程探测技术的研究，成功实现了对海新体制雷达理论、技术和工程应用的全面自主创新。

20 世纪 80 年代初，刘永坦院士面向国家海防战略重大需求，开创了我国对海新体制探测技术研究领域。近四十年来，带领团队致力于对海远程探测技术的研究，成功实现了对海新体制雷达理论、技术和工程应用的全面自主创新。

由于波段的特殊性，常规理论无法支撑新体制雷达的研究。刘永坦院士带领团队，系统突破了传播激励、海杂波背景目标检测、远距离探测信号及系统模型设计等基础理论，创建了完备的新体制理论体系。在此基础上，攻克了系列关键技术，成功研制出我国第一部对海新体制实验雷达，首次完成了我国对海面舰船目标的远距离探测实验，实现了我国对海探测技术的重大突破。1991 年，获国家科技进步奖一等奖。

为了解决国家海防远程探测的迫切需求，必须研制具有稳定、远距离探测能力的雷达，然而，从原理到工程实现涉及电磁环境复杂、多种强杂波干扰等国际性技术难题。面对世界各国均难以逾越的技术瓶颈，20 世纪 90 年代末至本世纪初，他带领团队，历经上千次实验和多次重大改进，形成了一整套创新技术和方法，攻克了制约新体制雷达性能发挥的系列国际性难题，2011 年成功研制出具有全天时、全天候、远距离探测能力的新体制雷达，与国际最先进同类雷达相比，系统规模更小、作用距离更远、精度更高，总体性能达到国际先进水平，核心技术处于国际领先地位，标志着我国对海远距离探测技术的一项重大突破。2015 年，再次获得国家科技进步奖一等奖。

面向国家未来远海战略需求，自「十五」以来，刘永坦院士还规划实施了对海远程探测体系化研究，逐步开展了分布式、小型化等前瞻技术的自主创新，为构建由近海到深远海的多层次探测网、实现广袤海域探测提供有效的技术手段。

刘永坦院士在祖国北疆凝聚了一支专注海防科技创新的「雷达铁军」，培养了两院院士、大学校长、项目总师和一大批国防科技英才。刘永坦院士为人师表，耄耋之年仍奔波在教学、科研一线，继续为发展对海探测技术、筑起我国「海防长城」贡献力量。雷锋网

钱七虎，1937 年 10 月出生，现年 81 岁，江苏昆山人。他是防护工程专家，也是中国工程院首届院士、陆军工程大学教授。

作为我国著名的防护工程学家，现代防护工程理论的奠基人、防护工程学科的创立者、防护工程科技创新的引领者，钱七虎院士为我国防护工程各个时期的建设发展做出了杰出贡献。他长期致力于我国防护工程领域科研、教学与人才培养，建立了从浅埋到深埋、从单体到体系、从常规抗力到超高抗力的工程防护理论体系，多项成果处于世界领先水平。

从 20 世纪 60 年代末以来，针对核空爆的主要威胁，钱七虎院士致力于解决战场有生力量的防护技术难题，提出了非饱和土的三自由度模型，建立了核爆炸荷载与土中浅埋工程结构相互作用计算理论和设计方法，研制出核爆炸模拟试验装置，开展了防护工程结构大规模有限元数值计算，研发了可大批量运送、快速安装的轻型折叠式野战工事，并运用系统工程理论建立了国防人防工程毁伤评估方法，有效保证了工程的总体防护效能。成果编入多项国家军用标准，出版两部专著，相关成果获 1978 年全国科学大会重大科技成果奖。

从 20 世纪 90 年代以来，针对新型钻地弹的快速发展，钱七虎院士展开了侵彻爆炸效应工程防护理论与技术研究，提出了侵彻近区介质的固体弹塑性-内摩擦-流体统一物理模型，建立了防护工程抗高速、超高速钻地弹打击计算方法，研发了新型防护材料和高抗力复合结构，成功应用于多个重要军事工程。作为项目第一完成人，获 1998 年国家科技进步奖二等奖。

自 21 世纪以来，针对核武器发展新动向，钱七虎院士提出了防护工程深地下发展方向，在国内倡导并开展了深部非线性岩石力学以及防护工程抗核武器钻地毁伤效应的研究，形成了分区破裂化、岩爆、大变形三者统一的深部岩石非线性力学理论，填补了深地下工程抗核武器钻地爆炸效应的防护计算理论的空白，解决了深地下工程建设灾变防控关键技术难题。作为项目第一完成人，获 2011 年国家科技进步奖一等奖。

针对国家重大工程建设的安全防护需求，钱七虎院士向国家和军队提出了工程防护与信息化防护相结合、建设深地下超高抗力防护工程，以及战略通道桥隧并举、能源地下储备、防灾防空一体化发展等多项战略建议，获国家部委和军委首长批示并被采纳实施。

作为我国防护工程的领军人物，钱七虎院士创建了我国防护工程学科和学术组织，培养了 50 多名博士和大批高层次中青年人才，建成了国家重点学科、国家重点实验室和国家创新研究群体，推动了我国军事防护工程抗力水平与强敌核武器和新型常规武器精确打击相抗衡。

钱七虎院士倾心竭力防护工程 60 年，具有强烈的报国情怀和使命感，治学严谨，淡泊名利，言传身教，在国内外同行中享有很高的威望。至今还经常深入国家和军队重大工程现场，以旺盛的精力和敏捷的思维辛勤工作在防护工程教学科研一线。他的严谨作风和学术思想在防护工程领域发挥了重要的引领和示范作用。

另外，经国务院批准，今年国家自然科学奖授奖项目 38 项，其中，一等奖 1 项，二等奖 37 项；国家技术发明奖授奖项目 67 项，其中：一等奖 4 项（通用项目 2 项，专用项目 2 项），二等奖 63 项（通用项目 47 项，专用项目 16 项）；国家科学技术进步奖授奖项目 173 项，其中：特等奖 2 项（专用项目），一等奖 23 项（通用项目 11 项，专用项目 9 项，创新团队 3 项），二等奖 148 项（通用项目 123 项，专用项目 25 项）；授予 5 名外籍专家中华人民共和国国际科学技术合作奖。

以上内容来源于新华网，详情请查看：

历届国家最高科学技术奖获奖人如下：

2017 年：

王泽山，我国著名火炸药学家，发射装药理论体系奠基人，火炸药资源化治理军民融合道路开拓者，系列原创性技术发明人，为我国武器装备和火炸药产品的更新换代做出杰出贡献。

侯云德，我国生物医学领域杰出的战略科学家和科技工作者，我国分子病毒学、现代医药生物技术产业和现代传染病防控技术体系的主要奠基人。

2016 年：

赵忠贤，一直从事超导研究，是我国高温超导研究的奠基人之一。在百余年超导研究史中，出现了两次高温超导重大突破，赵忠贤及其合作者都取得了重要成果。

屠呦呦，药学家，中国中医研究院终身研究员兼首席研究员，青蒿素研究开发中心主任。多年从事中药和西药结合研究，突出贡献是创制新型抗疟药——青蒿素和双氢青蒿素。

2015 年：空缺。

2014 年：

于敏，我国著名核物理学家。我国核武器研究和国防高技术发展的杰出领军人物之一。

2013 年：

程开甲，我国著名物理学家，毕生在国防科学领域辛勤耕耘，自力更生，发愤图强，为我国核武器事业和国防高新技术发展做出了卓越贡献。

张存浩，我国著名物理化学家，我国高能化学激光的奠基人、分子反应动力学的奠基人之一，开拓和引领了我国短波长高能化学激光的研究和探索。

2012 年：

郑敏哲，我国爆炸力学的奠基人和开拓者之一，是中国力学学科建设与发展的组织者和领导者之一。

王小谟，我国著名雷达专家，现代预警机事业的开拓者和奠基人。

2011 年：

谢家麟，我国粒子加速器事业的开拓者和奠基人，1955 年带领团队建成我国第一台高能量电子直线加速器。

吴良镛，新中国建筑教育的奠基人之一。长期从事建筑与城乡规划基础理论、工程实践和学科发展研究，创立了人居环境科学及其理论框架。

2010 年：

师昌绪，我国著名的材料科学家。一直致力于材料科学研究与工程应用工作，在国内率先开展了高温合金及新型合金钢等材料的研究与开发。

王振义，作为一名血液学专家，他成功实现了将恶性细胞改造为良性细胞的白血病临床治疗新策略，奠定了诱导分化理论的临床基础，建立了我国血栓与止血的临床应用研究体系。

2009 年：

谷超豪，著名数学家，在当今核心数学前沿最活跃的三个分支——微分几何、偏微分方程和数学物理及其交汇点上做出了重要贡献。

孙家栋，我国著名的航天技术专家，是我国人造卫星技术和深空探测技术的开创者之一。

2008 年：

王忠诚，我国神经外科的开拓者之一。在半个世纪的医学生涯中，他为我国神经外科事业的发展壮大、走向世界做出了创新性贡献。

徐光宪，我国著名的化学家和教育家。在稀土分离理论及其应用、稀土理论和配位化学、核燃料化学等方面做出了重要贡献。

2007 年：

闵恩泽，主要从事石油炼制催化剂制造技术领域研究，是我国炼油催化应用科学的奠基者，石油化工技术自主创新的先行者，绿色化学的开拓者，在国内外石油化工界享有崇高声誉。

吴征镒，著名植物学家，是我国植物分类学、植物系统学、植物区系地理学、植物多样性保护以及植物资源研究的著名学者。

2006 年：

李振声，主要从事小麦遗传与远缘杂交育种研究，同时开展了农业发展战略研究。为我国粮食安全、农业科技进步和农业可持续发展做出了杰出贡献。

2005 年：

叶笃正，开创青藏高原气象学，创立大气长波能量频散理论，创立东亚大气环流和季节突变理论，创立大气运动的适度尺度理论，开拓全球变化科学新领域，为我国现代气象业务事业发展做出卓越贡献。

吴孟超，创立了肝脏外科的关键理论和技术体系，开辟了肝癌基础与临床研究的新领域，创建了世界上规模最大的肝脏疾病研究和诊疗中心，培养了大批高层次和专业人才。

2004 年：空缺

2003 年：

刘东生，在中国的古脊椎动物学、第四世纪地质学、环境科学和环境地质学、青藏高原与极地考察等科学研究领域中，特别是黄土研究方面取得了大量的研究成果。

王永志，在我国战略火箭、地地战术火箭以及运载火箭的研制工作中做出了突出的贡献，特别是在载人航天中做出重大贡献。

2002 年：

金怡濂，我国高性能计算机领域的著名专家，先后提出多种类型、各个时期居国内领先或国际先进水平的大型、巨型计算机系统的设计思想和技术方案。

2001 年：

王选，著名计算机应用专家，主要致力于文字、图形、图像的计算机处理研究。自1975年开始，他组织并进行了汉字激光照排和电子出版系统的研制工作。

黄昆，世界著名的物理学家，他对固体物理学做出了许多开拓性的重大贡献，是我国固体物理学和半导体物理学的奠基人之一。

2000 年：

吴文俊，著名数学家，他的研究工作涉及到数学的诸多领域。其主要成就表现在拓扑学和数学机械化两个领域。他为拓扑学做了奠基性的工作。

袁隆平，我国杂家水稻领域研究的开创者和带头人，为我国粮食生产和农业科学的发展做出了杰出贡献。

雷锋网

图像识别——ubuntu16.04 movidius VPU NCSDK深度学习环境搭建-桐烨科技-踏上文明的征程-51CTO博客

Tue, 01 Jan 2019 20:55:55 CST

这篇文章本人不打算长篇累牍去写，结合以前写的文章，从软件角度去写一些点滴，伴随人工智能AI的火爆，现在图像识别算法也异常火爆，上一篇文章提到Intel movidius Myriad 2 VPU(MA2450)是一种简单易用的深度学习平台，说到简单易用，但很多网友和客户还是一头雾水，本人还是觉得在这里班门弄釜一下，简单写一些，在ubuntu环境下搭建深度学习开发环境。
Intel movidius提供一个免费下载的深度学习开发版本，叫NCSDK，是配合Intel movidius 神经计算棒（Neural Compute Stick简写:NCS）一起使用的，目前最新的版本是V2.05.00,这个版本我们的软件工程师还在测试，这里先介绍V1.12.00。 Intel movidius官网是： https://developer.movidius.com/。很多公司都已经采购一个Intelmovidius 神经计算棒学习。NCSDK安装手册要求使用64bit ubuntu16.04，这个本公司软件工程师也正在玩的环境。这里本人也没有必要去如何安装64bit ubuntu16.04，即ubuntu-16.04.3-desktop-amd64.iso，因为本人已经写过32bit的ubuntu16.04的文章见《图像识别DM8127开发攻略——开发环境搭建》和64bit ubuntu18.04的文章《Ubuntu-18.04 LTS嵌入式linux开发环境搭建》，参考这两篇文章应该完全可以正确安装64bit ubuntu16.04，不过有两个工具需要安装：Docker和Python virtualenv，百度一下使用apt-get install docker-ce相关文章和apt-get install virtualenv，apt-get install virtualenvwrapper相关文章。
环境搭建很简单，Intel movidius已经把整个免费的NCSDK打包好，你只要保证你的64bit ubuntu16.04能上网就可以了。
#apt update （安装ubuntu时如果做了就不做这一步）
#apt-get install git （安装ubuntu时如果做了就不做这一步）
#git clone https://github.com/movidius/ncsdk.git（这个是链接下载V1.XX的版本）
#cd ncsdk
#make install
#make examples （建议先插上神经计算棒在电脑上）
注意-注意-注意：20180817补充说明：上面的git方法下载官网宣布已经失效，movidius官网现在提供新的方法：
#wget https://ncs-forum-uploads.s3.amazonaws.com/ncsdk/ncsdk-01_12_00_01-full/ncsdk-1.12.00.01.tar.gz
#tar xvf ncsdk-1.12.00.01.tar.gz
#cd ncsdk-1.12.00.01
#make install
#make examples
同样V2.05版本可以关注官网的下载方法。
使用git去官网服务器下载对应的NCSDK包，上面的命令前面两个在安装ubuntu的时候就应该安装了，没有安装git工具就做前面两个命令。实际上是简简单单4个命令，就基本保证安装好Intel movidius NCSDK深度学习开发环境（不过这个网络下载安装时间有点长，耐心等待）。然后去淘宝或者京东花550-599元买一个Intel movidius 神经计算棒，插上电脑就可以玩了，VMware虚拟机安装的64bit ubuntu16.04都可以使用，只要支持usb2.0或者同时支持USB2.0-USB3.0的电脑都可以玩。也可以采购本公司的VPU模组，不过本公司的VPU模组（新版本也同时支持USB2.0和USB3.0信号）适合在嵌入式板子上面使用。下面是PC端需要的配置：

安装结束后，我们进入ncsdk目录下去看看。

上面3个图注意一下examples里面的路径，ls看看就明白了，NCS配套的SDK中已经集成了一些网络模型比如AlexNet，GoogLeNet，SqueezeNet等，可以直接拿来使用。官方提供的API同时支持C/C++以及Python语言，让用户灵活选择自己熟悉的编程语言。
除了上面的NCSDK软件包，还有另外一个很重要的ncappzoo，NC App Zoo是一个让用户可以分享自己使用NCS做的一些应用、模型的地方，见Intel movidius官网。
还有NCSDK软件工具主要包括了mvNCCompile、mvNCProfile以及mvNCCheck：
• mvNCCompile是将Caffe/TF模型转换为NCS可识别的graph文件
• mvNCProfile是提供每层的数据用于评估Caffe/TF网络模型在NCS上的运行效率，辅助开发者优化网络模型结构
• mvNCCheck是通过在NCS和Caffe/TF上运行网络比较推断的结果
（注意：这些编译工具放在/usr/local/bin目录下，并不在ncsdk源码包里面，还有/opt/movidius目录下也有很多东西，可以进去看一下）
API则是计算神经棒的硬件调用接口，通过训练得到的网络模型可以使用mvNCCompile工具编译为能被NCS识别的graph文件，通过调用API，NCS可以通过USB接口方便的与主机（比如树莓派3B）通信，NCS利用训练好的网络模型计算出图像分析的结果，并传输到主机上，完成推理工作。
以上是PC端 64bit ubuntu16.04环境搭建movidius ncsdk，安装过程是相当简单。当然上面提到的环境搭建并不是嵌入式ARM环境的搭建，在ARM 搭建这个环境需要用到匹配的交叉编译环境，这里先不描述。

图像识别VPU——易用的嵌入式AI支持深度学习平台介绍-桐烨科技-踏上文明的征程-51CTO博客

Tue, 01 Jan 2019 20:55:38 CST

公司玩了大半年的嵌入式AI平台，现在产品进入量产模式，也接触了很多嵌入式方案，有了一些心得体会，本人不才，在这里介绍一下一款简单易用的嵌入式AI方案——Movidius Myriad 2 VPU(MA2450) 和 Myriad X VPU(MA2485)。这里本人重点提示：简单易用的嵌入式AI。现在好多家半导体厂商已经推出嵌入式AI平台，比如华为海思今年4月份发布的Hi3559A，这个样品超过100美金/片，集成寒武纪AI核（遗憾不是最新的版本，因为最近寒武纪又发布最新的AI版本，同时还集成大名鼎鼎Cadence的 4核DSP）；赛灵思Xilinx的FPGA—— Zynq 7020，ZU2CG开发难度大，价格不菲，还有其他家的ARM+FPGA方案也不便宜，开发难度也不小；英伟达的GPU——JETSON TX2，TX2核心板英伟达自己生产，价格太贵，不适合产品小型化生产；TI 的TDA2x系列和DAVINCI系列最新的DM505，以及后续的版本，专注辅助驾驶ADAS，他的64bit浮点DSP C66X+EYE也支持深度学习（不要小瞧这个EYE，深度学习方面一个EYE可比2个C66X 浮点DSP还牛），不过功耗太高，软件资源也不好搞到，海掏买美国D3公司DEMO板价格不菲，而且没技术支持开发周期过长,价格也不便宜。鉴于本公司的资源（小公司），我们选择了Intel的Movidius Myriad 2，在软件资源方面,Intel推出神经计算棒的免费NCSDK，这个软件资源让很多公司看到嵌入AI领域的希望，这一手Intel做得不错，很多公司都在嵌入式开发板树莓派3上面加这个神经计算棒学习，销售比较火爆。当然如果要拿到完整的MDK，直接使用Myriad 2 VPU和Myriad X VPU做控制器（比如直接使用片上LEON4运行客户软件，直接接CMOS SENSOR，接网口芯片，4K H.264和H.265编解码,USB,PCIE,SPI,I2C，UART控制等等），那就得花超过100---400万RMB不菲的门槛费，这些就是中大型公司的玩法，这点钱无所谓。

Movidius Myriad 2 VPU (Vision Processing Unit——视觉处理器)被称作为“第三次影像革命的开端”的芯片方案。Movidius 已经被Intel收购，Intel Movidius Myriad 2 VPU可在不同目标应用中提供低功耗、高性能的视觉处理解决方案，其中包括嵌入式深度神经网络、位姿估计、室内导航、3D深度感应、3D制图（3D扫描建模），视觉惯性测距，以及手势/眼部跟踪，基于深度学习的环境感知。
安防巨头海康和大华把Movidius Myriad 2(MA2450)视觉处理单元应用于视频监控摄像头，在完成监控和录制等传统任务外，提供人群密度监测、立体视觉、面部识别、人数统计、行为分析以及检测非法停放车辆等先进的视频分析功能。Myriad 2为大疆最近发布的首款迷你无人机Spark提供了视觉智能技术，该无人机早就大批量生产。
这颗芯片被一分为二，其中一部分有12个SHAVE 128位处理器，专为影像处理负载做优化，每颗都运作在600MHz的频率下，而且有超频潜能，第一代的180MHz显然是不够看的；与这些处理器相匹配的是Movidius称之SIPP过滤器（Streaming Inline Processing Pipeline filters）的硬件加速器——这玩意儿可完成一些预设的影像处理任务，比如将来自不同类型摄像头的数据融合到一起，或者将多个视频内容接合到一起；另外还有2个32位RISC处理器用于芯片管理，这就是LEON4(LEON是一款32位RISC处理器，支持SPARC V8指令集，由欧洲航天总局旗下的Gaisler Research开发、维护，目的是摆脱欧空局对美国航天级处理器的依赖。LEON的主要产品线包括LEON2、LEON3、LEON4)。SHAVE这一端对原始影像数据做计算处理，OEM厂商可以选择不同的方案；SIPP则可协力处理通常任务；集中型的寄存器结构令芯片两侧可同时对相同的数据做处理。这些对于降低延迟是相当有价值的。
鉴于这样的架构设计，Myriad 2 VPU芯片面积是6.5mm，厚度1mm，具体的性能则是可以48fps的帧率同时处理来自12个1300万像素摄像头的数据，以60fps拍摄4K视频自然也是毫无压力，功耗低于0.5W(台积电28nm HPC工艺)。按照El-Ouazzane的说法，相比能够提供同等效果的GPU，Myriad 2的功耗低了最少10倍。
深度学习框架方面，支持Caffe,Caffe的全称是Convolutional Architecture for Fast Feature Embedding，作者是博士毕业于伯克利的浙江人贾扬清，它是一个清晰、高效的开源深度学习框架，核心语言是C++，支持命令行、Python和Matlab接口，既可以在CPU上运行也可以在GPU上运行。同时也支持Google的TensorFlow。所以C/C++、Python程序员可以快速切入深度学习的架构去工作。所以说，支持深度学习易用的嵌入式平台，非VPU莫属。前面提到的Intel Movidius神经元棒，包括他们提供的免费NCSDK软件包，可以满足那些C/C++程序员、Python程序员轻松在WIN下直接开发AI软件，也可以在ubuntu下直接开发软件，很方便，而在嵌入式前端，同样也可以支持NCSDK软件包，玩得好Caffe和TensorFlow应该很快上手进行算法优化和设计。
而2017年推出的Movidius Myriad X(MA2485)超级NB，Myriad X将提供十倍于Myriad 2同样功率范围内深层神经网络(DNN)的性能。

Myriad X 有4个可C编程的128位VLIW矢量处理器和可配置的MIPI通道，并扩展了2.5 MB的芯片内存和更多的固定功能成像/视觉加速器。就像在Myriad X中发现的一样，Myriad X的矢量单位都是专有的SHAVE (流混合的架构矢量引擎)处理器，对计算机视觉工作负载进行了优化。Myriad X也支持最新的LPDDR4，MA2085变体只配置了外部存储器接口。
Myriad X的另一个新功能是4K硬件编码，4K在30Hz(H.264/H.265)和60 Hz(M/JPEG)支持。从接口上看，Myriad X带来了USB 3.1和PCIe 3.0支持，这两个都是Myriad VPU家族新支持的接口。与Myriad 2一样，所有这些都是在同一个小于2W的功率范围中完成的，更具体地说是在1W以内，使用台积电16nm FFC工艺。所以说，在如此低功耗下就能完成很多视频处理和深度学习，前面提到的几个平台根本无法做到。
从目前前端图像识别市场反馈的角度看，这个Myriad 2 VPU(MA2450) 和 Myriad X VPU(MA2485)芯片出货量比较大。还有在开发板-学习板方面，便宜的树莓派3，树莓派3+都可以直接拿神经计算棒进行深度学习算法开发，简单易用。如果是产品设计方面，本公司的VPU模组和ARM + VPU方案也可以快速出产品。以下是在本公司的HI3516D+VPU和Hi3519V101+VPU板子上面测试的结果图：

本公司开发的AI平台，是ARM+VPU组合模式，我们低端使用华为海思Hi3516A/D + VPU和高端使用Hi3519V101+VPU，国产和进口的组合，因为海思Hi3516A/D和Hi3519V101支持H.264/H.265编解码，带有ISP，还带有一个IVE（智能视频分析算法加速器，确切的说是传统机器视觉算法加速器），然后再加上Intel Movidius 这个支持深度学习的VPU，就是我们ARM+VPU支持深度学习平台。也就是说我们的平台同时支持传统机器视觉算法+深度学习算法，而且还支持H.265编解码，海思Hi3516A/D和Hi3519V101的IVE支持的功能如下：
★DMA：支持直接拷贝、间隔拷贝、内存填充。
★Filter：支持 5x5 模板滤波。
★CSC：支持 YUV2RGB、 YUV2HSV、 YUV2LAB、 RGB2YUV 颜色空间转换。
★FilterAndCSC：支持 5x5 模板滤波和 CSC 的复合功能。
★Sobel：支持 5x5 模板 Sobel-like 梯度计算。
★MagAndAng\Canny：支持 5x5 模板梯度幅值和幅角计算、 Canny 边缘提取。
★Erode：支持 5x5 模板腐蚀。
★Dilate：支持 5x5 模板膨胀。
★Thresh\Thresh_S16\Thresh_U16：支持图象阈值化处理。
★And\Or\Xor：支持两幅图象相与、或、异或。
★Add\Sub：支持两幅图象相加权加、减。
★Integ：支持积分图计算。
★Hist：支持直方图统计。
★Map：支持对图像通过 256 级 map 映射赋值。
★16BitTo8Bit：支持 16bit 数据到 8bit 数据线性转换。
★OrdStatFilter：支持顺序统计量滤波：中值滤波、最大值滤波、最小值滤波。
★Bernsen：支持 Bernsen 二值化。
★NCC：支持两相同大小图像互相关系数计算。
★CCL：支持连通区域标记。
★GMM：支持灰度图与 RGB 图的混合高斯背景建模。
★LBP：支持简单局部二值模式计算。
★NormGrad：支持归一化梯度计算。
★LKOpticalFlow：支持 LK 光流跟踪。
★STCorner：支持 ShiTomasi 角点检测。
★GradFg：支持梯度前景运算。
★MatchBgModel\UpdateBgModel：支持背景匹配、背景更新。
★ANN_MLP_Predict：支持 ANN_MLP 预测。
★SVM_Predict：支持 SVM 预测。
★支持单独进行软复位。
★支持 128bit AXI 总线和 32 bit APB 总线。
★支持链表级中断、节点级中断和超时中断。
★支持 SP 400、 SP420 (semi-plannar 420)、 SP422 (semi-plannar 422)、 package、
planar 等输入格式。
★支持 SP 400、 SP420、 SP422、 package、 plannar 等输出格式。

这些功能直接集成在芯片内部，通过加载LIB和函数调用就可以使用了，不需要ARM来运算。搞过传统算法的人对上面列的内容应该很熟悉，这里就不累赘。
至于Hi3519V101+VPU的开发攻略，本人不打算写了，因为海思的SDK包里面的手册就写得很详细了，VPU移植到ARM平台的NCSDK软件Intel官网也有，本人现在没有深入去研究，都是员工在搞，在这里写出来就比较班门弄斧。
下图就是Hi3519V101 SDK的里面的文档，看了这些详细的文档，有点嵌入式底子的工程师应该知道如何搭建环境、编译、和烧写了。

下面图片是我们自己做的嵌入式VPU模块和嵌入式Hi3519V101+VPU核心板硬件，没有硬件平台支持，再好的算法也不能转化价值。还有这个VPU支持Google的TensorFlow，这个对Python程序员应该很快进入嵌入式AI开发角色，而不是停留在PC端和服务端，现在很多大公司和有前沿实力的创业公司都往前端布局，嵌入式AI平台会越来越火，特别是LPDDR5出来的时候，会使嵌入式AI芯片的带宽大大提升，这样更加支持算法度更复杂的深度学习算法。
（项目双赢合作，联系QQ：2505133162）

腾讯杰出科学家写给2029的信：计算机视觉AI技术的爆点在哪里？

Tue, 18 Dec 2018 07:12:56 CST

在数不清的视觉AI应用中，我们认为未来技术的爆发点可能来自三个方面：信息的整合和提取、医疗和自动驾驶。

文 | 腾讯杰出科学家、腾讯优图实验室负责人贾佳亚

腾讯优图实验室总监戴宇荣博士郑冶枫博士

编者按：

本期杂志封面人物沈南鹏说过，投资人要思考十年后的情况。不光是投资人，在迷雾重重、混沌不明的当下，市场中的每一个理性人都需要放长眼量，将锚抛在时间之河中较远的地方，以未来丈量现在，才能站立得更坚实安稳。《中国企业家》为此推出特别策划《商业宏宝书·写给2029的信》，组织9位企业家、科学家、经济学家及艺术家，请他们每人写下一封给2029年的信，预测他们眼中10年后的世界，希望能对读者有所裨益。

近年来，计算机视觉AI技术发展迅速，尤其是人工智能的引入大大提升了算法的能力和实用性。在数不清的视觉AI应用中，我们认为未来技术的爆发点可能来自三个方面：信息的整合和提取、医疗和自动驾驶。腾讯优图实验室的AI技术布局也可大致分为上述的三个模块。

信息的整合和提取，主要指内容分析，包括人物识别、行为分析、场景识别、物体检测、语义分割等能够从丰富的图像或视频中提取有意义和结构化的信息，结合落地场景的应用，产生有价值的数据，给予用户或消费者精准的建议。这个领域在近几年进展迅速。举例来说，通过分析用户的点击或搜索行为，建立用户画像，让内容服务平台能够更精准地推荐用户感兴趣的内容。这是Google、Facebook等大公司正在做的事情。在视觉AI技术成熟前，他们的用户画像主要以文字搜索记录的分析为主。但随着视觉AI技术的发展，往后将会有更多的用户行为是从多媒体内容直接提取。并且，信息的整合和提取不会只局限于线上的行为。在大数据和5G普及的未来，将会产生大量的线下数据。通过提炼线下的数据，能够更有效地分析人们的行为，小至商品推荐，大至城市规划，均会使用视觉AI技术，让人们的生活更方便、舒适和安全。

医疗AI的宗旨在于辅助诊断，在人口众多、医师资源分配不均的时代，减少医生的重复性劳动，帮助基层疾病筛查的覆盖。临床上，疾病治疗秉持的观点是：早诊断、早治疗、疾病筛查、及时就医以及精准微创型治疗对整个社会以及人类医疗水平的提高有着前所未有的重大意义。未来十年，智能问诊、智能挂号指引、医疗影像上的自动筛查，如X光肺炎自动检测、心脏影像结构自动分析等将会大量减少医生的工作，让医生更专注解决和处理危疾病人的需求。并且，医疗AI有望实现大部分疾病初筛普及，大数据化以及智能分析有望改变传统就医繁杂的过程，虚拟手术的发展增加医师手术经验，智能手术机器人实现更多疾病的精准微创手术治疗。

自动驾驶是在未来十年必定会到来的技术。当中核心需要解决的问题在于环境识别。目前，在自动驾驶的落地测试中，因为环境识别的错误产生的交通意外，占了90%以上。简单地解释一下，如果自动驾驶是发生在游戏世界，所有环境的数据都能够精准地反馈到负责车控的AI，而AI只需要做决策，那么在这个问题之上，AI的决策能力绝对在人类之上。这个从AlphaGo战胜人类的案例中可以看出，在完全的封闭环境之下，AI的决策能力已经超越人类。而自动驾驶目前还处于测试阶段的原因，是因为对环境信息的不完全理解，因而做成决策错误。而解决这个环境识别的问题，是会随着在路上行车测试数据的不断增加而趋于完美的。这样考虑下来，自动驾驶就是一个必定会到来的技术。同时，基于自动驾驶所产生的应用，为人们带来生活的便利，将会越来越多。

未来十年，首先确定无疑的是，AI算法的各项指标会越来越高，计算机视觉的算法也会在实用的道路上越走越深入：更贴近使用场景、效果更精准。软硬件的进步让基于AI的视觉算法不再受限于特定的计算硬件，而且将成为计算设备看懂世界的常用工具。如今的“多媒体计算机”能够记录并播放多种媒体，未来的计算机将能够读懂多种媒体信息的含义。

计算机视觉AI技术的发展也势必会直接影响我们衣食住行的方方面面。

畅想一下，2029年，商店自动推断出顾客的体型、肤色、年龄，进而推荐合适的穿衣搭配；吃东西之前，自动帮你判断新鲜程度、营养成分、推荐健康的膳食搭配；智能家居进入千家万户，语音、手势可以自由地控制家电，智能安防摄像头帮你照料家中小孩的活动；在医疗方面，疾病检查过程简便化，基层医疗设备更加完善，少数医护人员就可建立疾病筛查点；对某些疾病，便携式的成像设备涌现，傻瓜式的操作、筛查过程进入寻常百姓家，让患者实现自我筛查。十年后的就医，我们不用再为“肚子疼”应该挂哪个科室而烦恼，智能对话分析助手可以通过简单的对话帮患者确定疾病范围、选择科室、做出最佳的检查时间、就医时间安排，简化就医流程。智能手术机器人变得更加智能化、微细化，术后愈合快，减少手术带来的痛苦。

无人驾驶汽车的普及，将会大量释放物流业的人力成本，让B to C的生意更容易和快捷，物价将会因为人力成本的减少变得更合理。泊车时将不再需要忙于寻找车位，长途汽车旅游将会有更多的休息时间，无人计程车让人们能够即叫即走，女士晚上叫车将会更安全，城市交通也会因为更好的路线规划而减少阻塞。

AI将赋予计算机理解世界的能力，计算机能更好地帮助人类分析规划，作出决策。当然，计算机视觉AI技术的想象空间无限大。但是从技术研究到实际落地应用还有很长的路要走，这也是所有相关研究人员努力的方向和愿景。

转载：中国企业家杂志

网易有道：做一家将人与AI紧密结合的科技公司

Fri, 14 Dec 2018 18:57:14 CST

5G时代即将到来，你准备好了？

近日，Qualcomm（高通）第三届骁龙技术峰会在美国夏威夷举行，骁龙8系最新一代移动平台——骁龙855移动平台在会上发布。骁龙855是全球首款全面支持数千兆比特5G连接、业界领先的AI和沉浸式XR（扩展现实）的商用移动平台，堪称当今技术性最强的移动平台，开启了数千兆比特连接新时代。这意味着，对于日益增长的极致数据传输功能的满足，对于多人VR游戏、AR购物和实时视频协作等下一代沉浸式体验基础的建设。2019年或将成为5G元年。

在此次峰会上，Qualcomm也荟集全球合作伙伴，共同展示了5G、AI、XR等前沿技术将为用户带来的非凡移动体验。作为Qualcomm AI合作伙伴，网易有道不仅将继续基于骁龙855移动平台的第四代人工智能引擎AI Engine与Qualcomm展开合作，也为此次会议视频提供了AI翻译支持。

速度提升18倍有道视频翻译改善翻译效率

有道视频翻译为此次峰会提供了为期3天的视频字幕翻译，使用的是网易有道最新上线的视频翻译技术。

有道视频翻译系统通过语音识别成文本，并进行断句，可以完成带有时间轴的翻译文本。再由有道人工翻译专业的团队进行优化和校对，产出精准译文，保障会议内容的生动传达。相比传统翻译，有道视频翻译速度提升18倍。

过去，对于一段60分钟的视频，传统视频翻译需要经过人工语音听写、人工切分时间轴、人工翻译及校对、视频压制等多个步骤，并且要由3-5人共同合作，耗时约5-6小时才能完成视频的完整翻译。

而有道视频翻译更加快捷和精准。利用有道自主研发的语音识别、NMT翻译、智能断句并切分时间轴等人工智能技术，让用户上传视频到“有道视频翻译”网站后，就可自动生成双语字幕。在这一过程中，一段60分钟的视频翻译仅需15-20分钟就可以完成。同时，利用网易自营的有道人工翻译团队的专业翻译与校对，实现翻译文本的优化，保证翻译质量。目前，有道视频翻译支持中译英、英译中内容翻译与转换。

数据、心态与技术，筑造有道行业领先的核心壁垒

网易有道已经成功打造网易有道词典、有道翻译官、有道精品课、有道云笔记在内的众多深用户喜爱的产品。目前有道产品用户总量已经达到8亿，日均活跃用户量也有1700万，是国内用户量最大的互联网教育品牌。

拥有国内用户量最大的语言翻译与在线教育用户人群，基于这样庞大的人群，有道积累了众多C端用户真实的语言使用习惯、语法、语速等数据，这些数据可以反过来训练机器，提高机器翻译的质量，从而提升有道翻译的精准性。

此外，有道不只是一家技术公司，更是一家将人与AI紧密结合的企业。

在对待AI的态度上，有道秉持着开放的心态。网易有道CEO周枫指出，AI不会取代人，要让AI武装人。机器翻译可以取得目前备受瞩目的效果，人工因素起到了极大的促进作用。很明显，机器需要不断的训练，而训练机器最好的数据应该是来自人工翻译的真实语料。有道拥有专业的自营人工翻译团队——有道人工翻译。有道人工翻译是网易自营的专业翻译平台，平台订单量曾在2017年年中突破一百万单，最快一分钟可以给出翻译结果。此次对骁龙技术峰会的支持，翻译文本优化的工作便是由有道人工翻译曾经服务暴雪嘉年华、亚马逊、苹果全球开发者大会（WWDC）的专业翻译团队完成的。

今年9月有道开放日上，有道AI团队曾介绍有道AI的核心能力。

网易有道首席科学家段亦涛指出，有道AI技术围绕着语言的主线展开，解决各个场景下的语言处理问题。目前有道在AI方面，推出NMT（神经网络翻译），OCR（图像翻译），TTS（语音合成），ASR（语音识别）等新技术产品，并且都取得了不错的效果。

在机器翻译领域，目前有道的神经网络翻译模型支持7种语音的中文互译，还支持英文与印尼、阿拉伯语等语言的互译。在英译中和中译英的对比评测中，有道神经网络翻译的BLEU值超过了其他两款国外翻译引擎。

第二是基于OCR的图像翻译方案。目前有道OCR支持19种语言，并可以实现图像角度倾斜、手写识别、混合多语种等复杂场景的准确识别。第三个技术是语音识别（ASR）、语言合成（TTS）和对话系统。有道最新推出有道翻译王就用到了语音技术，能够进行中、英、日、韩等五种语言的语音识别和合成。

目前这些技术，有道也上线了面向B端的整体输出平台——有道智云。有道智云是基于深度学习的自然语言平台，提供一站式AI+教育/办公/智能硬件的解决方案。到目前为止，有道智云也已经成为Qualcomm、小米、OPPO、华为、三星、联想、步步高、高思教育、新华社、支付宝、微信、360、今日头条等企业的AI技术合作伙伴。

文章来源：凤凰网

中国科技公司涌入半导体领域

Mon, 19 Nov 2018 17:45:13 CST

由于与美国的高科技摩擦，对于确保尖端设备不可或缺的半导体，中国企业的不安声出现升温，主要互联网和家电企业响应政府号召涌入半导体领域。百度开发了 AI 芯片昆仑，将应用于语音识别和自动驾驶。昆仑将采用韩国三星的 14纳米工艺技术制造，量产和出货时间并未公布。阿里巴巴成立了“平头哥半导体有限公司”，将开发用于 AI 大数据解析的半导体，计划 2019 年开始出货。格力于 8 月投资 10 亿元成立半导体公司，正在开发空调的控制半导体，但据称尚未取得突出成果。康佳集团也于 5 月成立了半导体科技事业部，华为上个月宣布，将开始量产 AI 等高性能半导体芯片。目前中国的半导体公司主要还是以设计为主，实际的生产委托给专业的代工企业比如台积电。

IT瘾科技推荐

腾讯孙驰天：游戏科技让数字孪生创造更大生产力

01

02

京东科技埋点数据治理和平台建设实践

Tech

导读

04 奇点埋点对比行业创新功能

05 未来规划

[分享发现] 随科技发展，人力劳动会持续贬值，岗位会持续减少

许多工作岗位会直接消失

重复的劳动将会越来越少

你的工作岗位会因为什么原因消失？

未来普通人赚钱将越来越难

复杂人力劳动的本质就是一个复杂人力代替以往多个简单劳动力

Apache Log4j2 远程代码执行漏洞处置手册 – 绿盟科技技术博客

一、漏洞概述

二、影响范围

三、漏洞检测

3.1 人工检测

3.2 攻击排查

3.3 产品检测

3.4 申请云检测

四、漏洞防护

4.1 官方升级

4.2 产品防护

4.3 临时防护措施

4.4 平台监测

学习 kubernetes 的10个技巧或建议_科技D人生-CSDN博客

一、学 GO 语言

二、使用探针来检测应用的状态

三、充分利用Label标签

四、随时记得回收废弃的资源

五、充分利用PodDisruptionBudget控制器

六、使用Bash完成kubectl命令

七、向命名空间添加默认内存限制和cpu限制

八、 用Kubelet辅助清理docker镜像

九、Minikube ——迷你但功能强大

十、不要把kubectl权限开放给所有人

科技研发投入不足4%，联想配不上科创板？

“科创板上市一日游”

盈利依赖PC，拟融资百亿改变现状

研发投入仅为华为1/5，低于200家科创板公司

高管薪酬占营收7.7%，负债率高达90%左右

生意难做，看天猫开一个店需要多少成本？_科技猎

四、淘宝和天猫的内在冲突根源 淘宝每天交易不低于30-40亿元，天猫如果今年交易2000亿，每天约8-10亿。

中国公司日益使用高科技工具监视员工

研究人员利用供应链攻击入侵 35 家科技公司

万字长文，解读阿里达摩院《2021十大科技趋势》

硅谷著名投资人谈2020年科技趋势

1. 下一波S型曲线的新趋势在哪？

2. 电商占零售的比例

3. Online and Offline

4. TV and online streaming

2019银行金融科技最新布局

一、战略布局对决

二、金融科技子公司+科技投入

被误解的乔布斯：人人都以为他是独狼,其实他是管理大师_凤凰网科技_凤凰网

别再说微软 HoloLens 是高科技玩具了！

从“高科技玩具”到“智能端”

“它就是企业级设备，而绝不是游戏产品”

雷锋网总结

揭秘苹果应用审核团队：300多人评估每款应用及其更新_科技_腾讯网

佳都科技跻身WebVision竞赛前五，正式跨入人工智能“世界杯”第一阵营

人工智能“世界杯”，WebVision逐步接棒

科创板给哪些科技创业公司释放了哪些信号？

流程「快」，门槛「低」

信批严，退市「出口」常态化

中国科技行业工作者寻找压力更少的工作

智慧城市“黑科技”：国内厂商泰瑞SmartEarth首发数字孪生战略

Uber先进技术集团首席科学家：自动驾驶汽车大规模普及还需要很长时间

AI不能“取代”医生给我们看病，这并不是因为AI不够强大 | 科学人 | 果壳 科技有意思

1

2

3

4

参考资料：

如何更好利用知识图谱技术做反欺诈？ 360金融首席数据科学家沈赟开讲

艾瑞发布运动健身行业白皮书: 智能科技加码运动健身市场

转载：美国公布长达35页的《2016-2045年新兴科技趋势报告》

八、用Kubelet辅助清理docker镜像

四、淘宝和天猫的内在冲突根源
淘宝每天交易不低于30-40亿元，天猫如果今年交易2000亿，每天约8-10亿。

AI不能“取代”医生给我们看病，这并不是因为AI不够强大 | 科学人 | 果壳科技有意思