IT瘾文章推荐

2026年人工智能趋势报告：颠覆规则与未来前瞻

Tue, 03 Mar 2026 05:02:42 CST

生成式人工智能正在重塑全球创意产业的底层结构。报告显示，至2026年，87%的创意从业者已在日常工作中使用AI工具，其中66%达到每周高频使用水平，AI正式从实验性工具转变为基础生产力。这一变化直接推动全球AI市场规模在2031年前突破1万亿美元，内容生产、分发与商业化逻辑被系统性重构。

创意民主化进入第三阶段，其核心不再是“获取工具”，而是“获取智能”。38%的创作者将“缺乏持续创作时间”视为首要挑战，27%认为市场高度饱和。AI作为“思考型工具”，已有37%的用户将其用于快速探索创意与概念，相比上一年提升8个百分点，AI正成为创意构思阶段的第一合作者。

当执行成本趋近于零，“高质量制作”不再构成竞争壁垒。报告指出，过去象征专业性的画面质感、灯光与后期，如今可通过单一AI提示完成。29%的创作者为“无限创意可能性”感到兴奋，但也有15%担忧低质量内容泛滥。这一“伟大拉平”效应，使创意价值从技术执行彻底转向判断力与原创想法。

由此催生“AI作者型创意人”的崛起。技术门槛消失后，真正的稀缺资源变为品味、视角与表达能力。调查显示，2025年创作者最担忧的“质量问题”已不再突出，取而代之的是内容商业化可行性与版权归属，分别占36%与27%。市场已从“AI能否做得好”转向“想法是否足够强”。

在组织层面，创意流程正由线性转向高速循环。26%的受访者已感受到AI在后期与剪辑环节显著提速，21%认为未来最大影响在于整体生产节奏加快。采用循环式工作流的团队，可在相同资源下实现5至10倍内容产出，决策速度成为新的核心约束变量。

真实性成为第四个结构性议题。57%的消费者无法识别AI生成图像，但84%期望品牌在使用AI时保持披露透明。这一信任缺口推动“真实性3.0”兴起，真实不再等同于粗糙，而是强调过程可见、意图清晰与人为判断的存在感，真实性本身转化为可定价资产。

趋势层面看，2026年的关键竞争优势将集中于三个方向：以AI放大个人风格而非取代判断力；以高速实验替代单点押注；以真实体验对抗数字同质化。AI并未削弱创意价值，而是将行业推向一个更依赖战略思维、审美判断与意义创造的新均衡点。

文档链接将分享到199IT知识星球，扫描下面二维码即可查阅！

OECD：人工智能在教育体系中的应用与采纳

Mon, 19 Jan 2026 05:30:40 CST

经合组织与阿涅利基金会联合发布的最新报告系统梳理了人工智能在教育体系中的渗透路径及其现实影响。数据显示，AI在课堂中的使用呈现明显的学段差异，小学阶段经常使用AI的学生比例仅为8%，而普通高中已升至50%，职业教育为42%。在家庭场景中，用于完成作业的AI使用率也随学段上升，最高达到54%，显示出学习场景正加速向校外延伸。

教师端的采用速度相对谨慎。2024年TALIS调查显示，OECD国家平均37%的初中教师在过去一年中使用过AI，而意大利仅为25%，显著低于新加坡的75%。在具体用途上，68%的教师将AI用于资料整理与知识总结，64%用于生成教案，显示AI更多被视为效率工具而非教学范式的重塑力量。

在教师态度层面，认可与担忧并存。意大利有60%的教师认为AI有助于支持特殊需求学生，高于OECD平均水平，但同时67%的教师担心AI助长学术不端，32%认为算法可能放大偏见。这种结构性分歧意味着AI的制度化应用仍受信任门槛制约。

培训供给正在追赶技术扩散。2018至2024年间，意大利参与数字化培训的教师比例从68%升至84%，但接受过AI专项培训的教师仅26%，显著低于部分国家超过60%的水平。能力建设的滞后，成为限制AI深度应用的重要约束。

学生侧的采用更为激进。小规模调查显示，87%的高中生已使用过AI工具，主要集中在家庭作业支持，真正嵌入课堂教学的比例仅为25%。这加剧了学校对评价体系有效性的担忧，也推动意大利重新重视口试等难以被AI替代的评估方式。

从基础条件看，硬件与基础设施短板依然突出。意大利平均每7.1名学生才配备一台设备，显著落后于北欧国家的1:1水平，且约42%的学校仍依赖不稳定的网络连接，区域差异明显。

综合来看，AI正在重塑学习方式，但其教育红利并非自动实现。未来趋势将取决于三点：教师AI能力能否规模化提升，课程与评价体系是否同步调整，以及数字基础设施能否补齐短板。AI更可能成为放大教育质量差异的“加速器”，而非天然的均衡器，政策设计的前瞻性将决定其最终走向。

文档链接将分享到199IT知识星球，扫描下面二维码即可查阅！

网宿：2018中国互联网发展报告

Sun, 21 Apr 2019 00:56:02 CST

《报告》显示，2018年，全国互联网普及率达57.7%，相比2017年增长4个百分点，其中，八成以上的省份互联网普及率超过50%。与此同时，截至2018年12月，全国互联网独立IP数超过2.6亿，同比增长8%。

全国互联网普及率差距缩小移动端渗透率普遍超80%

《报告》显示，2018年，中国互联网普及率前六名的省市为北京(75%)、上海(74%)、广东(69%)、福建(67%)、天津(65%)、浙江(63%)，中东西部互联网普及率差距逐渐缩小。与2017年相比，普及率最高的北京与普及率最低的云南之间差距缩小了5个百分点。从网民数来看，华东地区占总网民数的30.71%，远高于其他地区。

其中，移动端在用户渗透领域已进入成熟期。2018年，全国各地的移动端使用率普遍远远高于PC端，所有省份的移动端普及率都超过了80%，其中18个省份普及率超90%，且仍呈现上升趋势。与此相对的是，PC端渗透率出现小幅下降。

夜间访问增长8% 行业活跃度的地区差异明显

《报告》对网民行为分析和行业发展状况进行了统计和解读。纵观2018年中国网民的访问时间轨迹，可以发现，全国网民的访问高峰出现在20:00-21:00间。具体到行业来看，社交网民白天访问较平稳，于夜间22:00呈现晚高峰；生活服务及游戏类的访问高峰在11:00至13:00及20:00至22:00；金融类的访问则集中在工作日的09:00至16:00，贴合金融行业的工作时间。

值得注意的是，与2017年相比，2018年整体网民夜间0:00至8:00的访问活跃度有明显提升，平均访问量涨幅达8%。可以看出，互联网开始争夺用户“睡眠时间”。同时，昼夜访问量差距也在逐渐缩小。

对此，业内人士表示，昼夜访问差异缩小不仅源于互联网普及率的不断提升，有大量日间空闲时间的中老年用户比例逐渐增多，同时，由于短视频等碎片化渗透类应用的不断普及，导致互联网访问量趋于分散。

从行业活跃度来看，《报告》显示，2018年度，网民活跃度行业排名TOP3分别为社交、视听影音和资讯，社交应用服务继续盘踞最受网民青睐应用榜首。同时，电商类应用经历了2017年的相对低迷，在2018年表现较为抢眼，用户活跃度显著提升了11个百分点。

但是行业活跃度的地区差异依旧明显。《报告》显示，上海、浙江、天津等高线省市的社交活跃度更高，而视听影音活跃度则明显偏低于低线省市。而在游戏领域，西部地区的访问活跃度则明显高于其他地区，并且游戏与电商的网民活跃度有着较高的一致性。

生活服务向细分领域过渡明显社交、视听影音及资讯用户重合度超80%

《报告》显示，在生活服务网民分布中，生活分类信息网的访问量由2017年的41.2%下降到了2018年的22.4%，而与之相对应的是，商旅、教育咨询、医疗医药等专业细分领域的应用访问量均有不同幅度的提升。

对此，有专家表示，源于网民消费水平的提升和消费习惯的变化，对在线教育、商旅等专业细分服务的需求显著增加，迎来了更深入的发展。同时，随着互联网的纵深发展，单纯的信息分类检索及导航已经无法满足用户，甚至于某些需求相对较低的服务被集成到了大的平台，让生活分类信息的访问需求出现明显滑坡。

同时，《报告》传达了一个重要趋势即各个行业的用户重合度在不断提高，尤其在社交、视听影音和资讯三大领域，彼此间用户重合率均超过80%。电商与资讯、视听影音、社交及游戏的用户重合率也都超过了60%，生活服务与其他行业也均有50%左右的重合率。

PDF版本将分享到199IT交流群，支持我们发展可加入！

用户端智能的应用实践

Mon, 25 Mar 2019 12:06:12 CST

去年团队在用户端上进行了一些简单的智能应用探索实践，这里记录梳理下。

现在很多“智能”，是普通推荐算法借深度学习的风包装的，核心也就是决策树/随机森林/SVM这些90年代已经提出的算法，我们这里的实践也是这样。在用户端上，智能应用最广泛的目前两个点：个性化和多媒体识别，我们主要实践是在个性化上，从原来所有用户都用同一套或几套规则，换成根据推荐算法给每个用户制定符合他个性化特征的不同规则。

实际上简单的个性化推荐也可以认为是规则，只是这个规则很复杂，里面的if/else/权重/概率计算不是人工写的，而是算法算出来的，大多采用监督学习的方式，这种需求大体实现步骤是：

建模，把问题转化为三个点：输入/输出/算法。也就是挑选特征集X，确定输出目标值标签Y，挑选算法尝试找出Y=f(X)。
取数，选择一坨线上数据，清洗出需要的特征和对应的目标值。
训练，不断调整算法/参数/数据，找出用户特征->目标值的一个靠谱转化方式，输出一个模型。
应用，部署线上应用，实时预测，分析效果输入特征。

按这个套路，寻找了一些应用场景，做了一些尝试。

金额推荐

金额推荐概念很简单，我们作为理财业务，有很多场景是需要用户填入金额的，例如工资理财（每月自动把钱存到理财），小星愿（许愿存入钱），基金定投，各种理财产品的购买等。目前这些填金额的地方不是空着，就是有一个固定的默认值，金额推荐想根据每个用户的情况给推荐不同的金额，可以预填进输入框或出提示供用户选择，提升体验，甚至做出一些引导提升客单价。接下来套在上述步骤里来看下大致实施过程。

建模：
- 输入特征基本上先拍脑袋尽量多的选取可能有关的特征，比如年龄，城市，过去交易金额等，后期训练迭代过程中会根据计算出的每个特征的重要性再进行几轮筛选。
- 输出标签目标值是金额，但金额推荐这个需求不需要把每个用户的金额预测精确到个位数，从用户数据观察多数金额集中在有限的一些整数上（比如100/500/1000/2000等），所以这里只需要把金额分成一些档位，目标值是金额档位。
- 算法，目标值是金额档位，是一个分类问题，分类算法中选用了随机森林这种集成算法，简单应用广，过程中也试过其他算法，效果差不多。
取数：
- 进行一些数据预处理，例如把非数值类型的特征转为数值，合并特征和标签等。
- 把最近一次交易金额转为对应金额档次分类作为目标值标签。
训练：使用第二步的部分数据进行训练，拟合出一个模型，再使用另一部分数据评估模型的预测效果。过程中通过各种调参/分析/数据处理，优化模型评估效果，例如：
- 提升数据质量，筛选出过去购买金额有一定规律的人群数据，比如多次购买的方差不超过某个数值。
- 参考随机森林特征重要性中的 entrophy 和 gini 指数，去除重要性较低的特征。
- 减少标签金额档次的个数，只保留多数用户会命中的几个档次。
应用：部署模型，不同的交易产品有不同的用法，可以把预测值直接预填进输入框，也可以在旁边出输入提示显示推荐的金额。然后就是一系列ABTest、性能优化、监控、数据效果分析的工作。

不同交易产品(工资理财/小星愿)对特征和标签的选取有一些小的不同，但大致处理流程一致。实践中工资理财把固定的1000元引导改成推荐的金额，订单平均金额提升60%，32%用户直接使用了推荐的金额。小星愿把金额推荐作为提示供用户选择，相比直接放一个该用户历史交易金额作为提示，点击率高十几倍，用户对推荐金额的接受程度较高。

智能push

智能push想做的是在合适的时间给人推push，提高点击率。基于一个假想：每个用户都有不同时间段的活跃时间点，如果push不是统一固定时间下发，而是选择每个用户对应活跃的时间点下发，可以提高点击率。这里的push是促活类的，例如资讯的push。这里的问题可以转化为：怎样根据一个用户已有信息预测出他的活跃时间点。

建模
- 输入，选取可能跟用户作息有关的年龄/收入/城市等基础信息，再加上用户过去7天的push点击数据作为特征值。
- 输出，用户的活跃时间点，精确到小时，用户一天可能在多个时间点活跃，需要输出多个时间点。因为需求原因，push时间点限制在8-21点。
- 算法，8-21点共14个小时，14小时->14个分类，多个时间点活跃->属于多个分类，是个多标签分类问题，我们用多个二分类的方式实现，同样用随机森林的算法，14个时间点每个点都单独做一次二分类，每个二分类的计算结果都是0-1之间的数，可以当成这个用户在这个时间点的活跃概率，最后合起来，得到每个时间点的概率。再根据指定阈值确定是否活跃时间点，例如：
取数：
- 对过去的push数据进行处理，根据8点-21点每个时间是否有点击push，合成多条特征数据，取过去8天的数据，1-7天的数据作为特征，第8天的数据作为目标值标签。
- 清洗用户基础特征，数据转换，拼接push特征。
训练：根据第二步的数据分14个二分类(14个时间点）训练，得到14个模型，每个时间点一个模型，最后合成一个。
应用：经过算法模型可以得到用户每个时间点的活跃概率，有多种使用策略，可以通过阈值得到几个活跃时间点，也可以直接选用概率最高的时间点，还可以在业务发送push时，往后选取概率最大的时间点发送，例如业务12点发送push，选12点-21点之间概率最大的时间点，把push进队列延迟到该时间点发送。

同样是经过了多轮的数据分析、模型调整、特征优化、AB实验、Android分链路优化等，最终同一条push内容，使用智能push链路和普通链路直接推送相比，点击率稳定在提升25%左右。

本地处理

push的优化上当时我们想做更多，除了活跃时间段，实际上影响用户点击push的还有他当前手机的实时状态，例如是否在看视频/玩游戏/放在口袋里等状态，在这些情况下用户点击push概率一定很小，如果在收到push后显示前能实时检测到这些状态，就可以推迟到更合适的时间显示。为此我们在iOS上做了一些尝试：

需要在用户收到push后执行代码逻辑，再决定是否显示push，经调研 Notification Extension 没有取消展示push的能力，VoIP 需要特殊权限，只能用普通的静默push去做。
每条push都改成静默push，收到后唤起执行代码，经过各种判断后创建Local Notification，在指定时间展示push。
iOS 无法直接判断用户正在运行的程序和手机状态，只能通过一些侧面属性判断，包括横竖屏状态、耳机插入、内存情况、cpu情况、锁屏情况、网络状态这些信息，模糊猜测用户当前所处环境，给出一条运算公式计算用户当前是否适合展示push，公式可以动态下发，根据效果调整。
用户本地保存上面跑出来的每个时间点活跃概率数据，把push延迟到下一个较活跃的时间点显示。

Android 也实现了差不多的方案，不过iOS和Android的方案都有缺陷，iOS方面用户手动kill掉的APP情况会收不到静默push，会影响push的到达率，Android方面没有可靠的延迟展示push手段，若延迟的时间点APP处于非活跃状态，会无法展示，同样也是会影响 push 到达率，这些缺陷导致最后本地处理的方案实现后没有很好地应用上。

其他

除了金额推荐、智能push，还做了一些其他智能的尝试，包括

智能异常检测：客户端的一些异常很多时候无法通过代码准确地检测到，例如图形引擎在一些安卓机器上的花屏，没有报错的白屏/黑屏，期望是有统一的手段检测到这些显示的异常。做法是在端上内置机器学习框架，云端训练模型，输入是截屏图片，输出是异常分类，我们挑了三种情况作为异常截屏样本：白屏/黑屏/花屏，做一个简单的图形分类模型，典型的深度学习cnn入门级项目，压缩模型下发到客户端运行，用户运行过程中根据一定的规则抽样进行截屏检测，有异常可能即上报。
股票OCR导入：自选股票从不同APP迁移时，需要逐个股票进行输入->搜索->添加自选，这里要做的是在应用A自选列表截屏，在应用B导入截屏，OCR识别出截屏上的股票代码。OCR是比较通用的识别能力，直接用现成模型，配合一些逻辑处理就能实现了。

还有像智能预加载/智能分页/交互预测/交易流失归因分析这些实践，但还没有做完整，就不描述了。

感想

当智能基础能力的基建（训练平台，模型部署，数据打标等）做好了，要把智能能力应用到业务上时，需要的更多是业务理解和数据分析能力，多数精力会耗费在清洗数据、模型调优上，这个能力跟工程能力有很大不同。
简单的“智能”需求，不需要理解具体算法实现也能做出来，只是理解了算法可能对优化有帮助。
机器学习算法繁多，与过往计算机通用经验复用度不高，要达到创造/改进算法的程度门槛太高。
用户端体验上的智能应用在多媒体、IoT、系统级优化上比较有空间，其他的并没有找到特别大的应用场景。
即使做了几个智能的应用，也没法说已经入门了这个领域，只是接触到一点皮毛，而且当时去补的各种知识点在一段时间没有接触使用后，也很容易就遗忘了。

斯坦福：2018年度人工智能AI指数报告

Sat, 15 Dec 2018 01:07:17 CST

由斯坦福大学发起的人工智能指数(AI Index)是一个追踪 AI 动态和进展的非营利性项目，旨在全面研究 AI 行业状况，目标是促进基于数据的 AI 的广泛交流和有效对话。昨天，AI Index 发出了 2018 年度报告。本文仅对其进行概要介绍。

这份报告试图从学术、工业、政策等角度全面介绍全球人工智能的发展现状，今年的报告更加注重全球数据。报告指出，美国的 AI 研究力量仍是全球最强，但中国的追赶速度很快。报告特别介绍了清华大学学习 AI 课程的学生数量：2017 年人工智能+机器学习课程的入学人数比 2010 年时多 16 倍。

我们很高兴推出 AI Index 2018 年度报告。本年度的报告要实现两个目标：更新上一年的指标以及尽可能地提供全球性的背景。前一个目标是 AI Index 至关重要的使命——为探讨人工智能设定基础，即意味着要持续不断地跟踪规模和技术的进展。但后一个目标也很重要。没有全球化的视野，不可能讲好 AI 故事。2017 年的报告严重偏向了北美地区的活动。这只是因为我们的全球合作关系还有限，并不是因为我们有内在的偏见。今年，我们开始填补这一全球性漏洞。我们认识到，要使本报告真正完备全面，前方还有很长的路要走——会涉及到更多合作和外部参与。

尽管如此，我们仍可以断言 AI 是全球性的。2017 年，Scopus 上 83% 的 AI 论文都来自美国之外。其中来自欧洲的占到了最大的比例(28%)。在全世界范围内，AI 和机器学习(ML)大学课程的入学人数都在增多，尤其值得一提的是中国的清华大学，该校 2017 年人工智能+机器学习组合课程的入学人数比 2010 年时多 16 倍。2017 年，中国生产的工业机器人的数量也占到了世界的最大比重——占全球机器人总出货量的 30%。而且不只是美国、中国和欧洲，其它地方也在推进 AI 的发展。根据我们的统计 AI 专利的方法，韩国和日本在 2014 年产出的 AI 专利分列全球第二和第三，仅次于美国。另外，南非成功举办了第二届 Deep Learning Indaba 大会，这是世界最大型的机器学习教学活动之一，吸引了来自 20 多个非洲国家的超过 500 名参会者。

AI 的多样性不仅体现在地理上。如今，Partnership on AI 已有大约 50% 的成员组织是非营利性的，包括美国公民自由联盟、国际特赦组织、牛津大学人类未来研究所和联合国开发计划署。而且人们也对 AI 领域中的性别和少数族裔多样性的重要性有了更高的认识。AI4ALL 和 Women in Machine Learning(WiML)等组织正在加大力度鼓励和支持代表性不足的群体参与进来。

本文来自： 网络大数据

PDF版本将分享到199IT交流群，支持我们发展可加入！

GSMA：智能连接——5G、AI和IoT的组合如何改变美洲

Mon, 01 Oct 2018 00:59:42 CST

GSMA发布了新报告“智能连接：5G、AI和IoT的组合如何改变美洲”，强调了该地区如何从这些科技中受益。

GSMA Intelligence预测，到2025年全球5G连接数量将达到13亿，覆盖全球40%的人口或约27亿人口。届时，美洲地区预计将拥有超过2.6亿个5G连接，占全球市场的20%。

智能交通

5G网络和AI系统可实现车辆、自行车和人员位置的实时通信，减少事故或碰撞。有关天气、地面条件、道路工程或拥堵的数据可以通过骑车人的头盔实时传递，并且与AI结合使用，可以帮助出行者绘制最佳路线。5G系统还将通过监控相邻车辆的行为并相应地做出响应来改善驾驶，以及在发生事故时自动寻求帮助。5G还将迎来一个可靠的自动驾驶车辆时代。

无缝娱乐

5G将从根本上改变我们消费娱乐的方式，为游戏和沉浸式电视以及网络服务提供4K和8K超高清视频、3D视频、全息图、增强现实（AR）和虚拟现实（VR）应用。音乐或现场体育赛事可以从运动员或艺术家的角度进行广播，观众可以在不同的屏幕上访问多个角度或重放，或者在VR耳机上看到沉浸式内容，而这些都可以在家里获得。

无人机快递

5G网络可帮助无人机直接向客户提供快速、低成本、安全的快递。还将帮助协调大型机队，使其安全飞行，自动避免与建筑物和其他无人机的碰撞，并提供安全连接，身份验证和智能自主导航，以及紧急情况下的高清视频备份和恢复位置。

运营商在美洲的角色

美洲各地的移动运营商已经在推出和部署5G网络方面取得了长足的进步。美国将成为世界上首批推出5G商业服务的国家之一。所有四家美国国家移动运营商都宣布了他们的第一个部署计划。

PDF版本将分享到199IT交流群，支持我们发展可加入！

EMI：2018年青少年智能手机成瘾调查报告

Fri, 31 Aug 2018 00:59:01 CST

智能手机已经成为人们不离手的设备，因此很多人担心青少年沉迷于智能手机。根据EMI和Star Statistical Consulting的调查，这种情况确实很普遍。

智能手机成瘾

60%的青少年认为自己的朋友对手机上瘾；

71%的青少年知道公司设计应用是为了吸引他们的。

智能手机和压力

58%的青少年认为人们希望他们立即查看通知；

41%的青少年觉得每天收到的通知数量让他们有压力；

36%的青少年在目睹网络欺凌的时候感到沮丧；

31%的青少年见过网络欺凌最后变成现实暴力；

73%的受访者认为社交媒体对校园射击事件负有责任；

45%的青少年每天都能见证网剧；

38%的受访者每天都能遇到网络谣言；

57%的青少年遇到某人被在线八卦时会感到不安；

还有42%的青少年担心自己被在线八卦。

智能手机和社交

33%的青少年花更多的时间和亲密的朋友在网上交流，而不是面对面；

69%的受访者希望能花更多时间和亲朋面对面聊天，少花点时间上网；

周末和朋友们在一起的时候，52%的青少年只是默默地坐在一起玩手机，而不是相互交流。

减少智能手机使用量

65%的青少年希望能约束自己的智能手机使用量；

68%的受访者试着减少使用智能手机的时间；

69%的青少年成功地实现了这个愿望；

26%的受访者希望父母或学校能帮助他们减少手机的使用量；

37%的青少年曾试着说服朋友少玩些智能手机。

PDF版本将分享到199IT交流群，支持我们发展可加入！

闲聊 Flutter

Mon, 27 Aug 2018 12:10:41 CST

移动端开发从08年开始就有个大家前赴后继不断追求的目标：跨平台，15年时 nwind 有篇雄文，详细调研了跨平台各流派，其中最后的 Dart 栏可以看到现在 Flutter 的雏形。可以看出来，Flutter 是从精简浏览器的思路演化过来的，实际上 web 与 Flutter 从底层看是一致的，web 是提供了一层平台无关的独立引擎，可以看成平台只提供了画布，所有的UI组件、框架、事件处理都是 web 引擎封装处理。其实这种虚拟机方式是跨平台的正道，在 GUI 跨平台的道路上，JAVA 、FLASH 都是这种方式，在 PC 时代都取得过成功，只不过移动端时代只有 web 这种开放标准能平衡各大公司利益，延续下来了。

原本 web 作为跨平台的解决方案很完美，FB最初也信心满满用 web 技术做主 APP，但到最后还是搞不定性能问题，被迫回归原生。为什么web性能不行，上面雄文也说了，历史代码兼容，CSS复杂，DOM接口粒度大等问题，自然有牛人们继续不断去尝试解决这些问题，面对历史包袱满满的 web 引擎，首先尝试的当然是不断删代码删功能，做个精简版的 web 引擎，完全抛弃兼容性，只保留最主要的功能，据 Eric Seidel 说删完后快了 20 倍，于是朝这个方向经过几年的努力逐渐演化出 Flutter。（国外大厂可以花三四年时间做一个引擎且还在Beta，怕不怕？）

Flutter 的推出为略为沉闷的移动端技术注入了一些活力，底子强，包装好，只要接入引擎就能获得跨平台+高性能的特性。不过 Flutter 还是有不少缺陷：

动态化，国外对跨平台有偏执，国内对动态化的偏执更高，高速发展高压环境，随时发版修改是基础能力，Flutter Release 是 AOT 无法动态化，理论上可以用 JIT 模式做动态化，但目前 Release 上没有 JIT 模式，不确定是否有性能上的问题，国内大厂接入使用少了一个很重要的理由。
体积，编译后iOS双架构15M+，Android单架构约7M，不算太大，对小APP可以接受，但在大厂大APP普遍严格控制体积的情况下，使用又多一个大障碍。
语言，从 web 演化过来的框架，为什么不使用 JS 而是使用 Dart？可能出于性能考虑，Dart有 AOT 模式，但使用 Dart 绝对是 Flutter 推广的一大劣势，学多一门新语言就多一层障碍，Java 对 Android 开发的推动，JS 对 nodeJS 的推动，换个语言就不一样了。
生态，Flutter 刚推出不久，组件功能的完善度和丰富程度自然不能跟发展了十几年的iOS/Android原生以及web相比，虽说生态都是慢慢建立，但这一个从语言到工具到组件都是几乎从零开始积累，无法借用强大的前端生态或其他生态，难度会高很多，堪忧。

不管怎样，Flutter是一个宝库，一个完整的比 webkit 简单得多的引擎，源码很值得挖掘学习，现阶段国内关注 Flutter 也是学习居多，直接使用 Flutter 目前吸引力还不够大，但国内可能有另一个利用 Flutter 的途径：小程序。Flutter 从 web 引擎简化中来，使用的也是 CSS flexbox 布局，但抛弃历史包袱重定规则，不兼容 web 也不是 dom 那套玩意，需要上层业务根据新规则限制写法，而小程序就是这样的限制框架，可以参考 Flutter 构建小程序渲染引擎，相对于 web 渲染性能好，相对 RN 渲染，同渲染引擎坑少，无需维护两个平台框架。可行性待研究，算是一个有趣的课题。

移动 APP 网络优化概述

Tue, 09 Jan 2018 19:25:59 CST

一般开发一个 APP，会直接调用系统提供的网络请求接口去服务端请求数据，再针对返回的数据进行一些处理，或者使用AFNetworking/OKHttp这样的网络库，管理好请求线程和队列，再自动做一些数据解析，就结束了。

但对于一些大型 APP，还会想针对网络的一些问题进行进一步优化，包括：

速度：网络请求的速度怎样能进一步提升？
弱网：移动端网络环境随时变化，经常出现网络连接很不稳定可用性差的情况，怎样在这种情况下最大限度最快地成功请求？
安全：怎样防止被第三方窃听/篡改或冒充，防止运营商劫持，同时又不影响性能？

对基于浏览器的前端开发来说，网络这块能做的事情很少，但对于客户端 APP 来说，整个网络请求过程是自由控制的，可以做很多事情，很多大型 APP 都针对这三个问题做了很多网络层的优化，一些新的网络层协议像 HTTP2 / QUIC 也是在这些方面进行了不少优化，在这里边学习边整理，大致列举一下常见的做法。

速度

正常一条网络请求需要经过的流程是这样：

DNS 解析，请求DNS服务器，获取域名对应的 IP 地址。
与服务端建立连接，包括 tcp 三次握手，安全协议同步流程。
连接建立完成，发送和接收数据，解码数据。

这里有明显的三个优化点：

直接使用 IP 地址，去除 DNS 解析步骤。
不要每次请求都重新建立连接，复用连接或一直使用同一条连接(长连接)。
压缩数据，减小传输的数据大小。

逐条来看能做什么。

1.DNS

DNS 完整的解析流程很长，会先从本地系统缓存取，若没有就到最近的 DNS 服务器取，若没有再到主域名服务器取，每一层都有缓存，但为了域名解析的实时性，每一层缓存都有过期时间，这种 DNS 解析机制有几个缺点：

缓存时间设置得长，域名更新不及时，设置得短，大量 DNS 解析请求影响请求速度。
域名劫持，容易被中间人攻击，或被运营商劫持，把域名解析到第三方 IP 地址，据统计劫持率会达到7%。
DNS 解析过程不受控制，无法保证解析到最快的IP
一次请求只能解析一个域名。

为了解决这些问题，就有了 HTTPDNS，原理很简单，就是自己做域名解析的工作，通过 HTTP 请求后台去拿到域名对应的 IP 地址，直接解决上述所有问题：

域名解析与请求分离，所有请求都直接用IP地址，无需 DNS 解析，APP 定时请求 HTTPDNS 服务器更新IP地址即可。
通过签名等方式，保证 HTTPDNS 请求的安全，避免被劫持。
DNS 解析由自己控制，可以确保根据用户所在地返回就近的 IP 地址，或根据客户端测速结果使用速度最快的 IP。
一次请求可以解析多个域名。

其余细节就不多说了，HTTPDNS 优点这么多，几乎成为中大型 APP 的标配。至此解决了第一个问题 — DNS 解析耗时的问题，顺便把一部分安全问题 — DNS 劫持也解决了。

2.连接

第二个问题，连接建立耗时的问题，这里主要的优化思路是复用连接，不用每次请求都重新建立连接，如何更有效率地复用连接，可以说是网络请求速度优化里最主要的点了，并且这里的优化仍在演进过程中，值得了解下。

keep-alive

HTTP 协议里有个 keep-alive，HTTP1.1默认开启，一定程度上缓解了每次请求都要进行TCP三次握手建立连接的耗时。原理是请求完成后不立即释放连接，而是放入连接池中，若这时有另一个请求要发出，请求的域名和端口是一样的，就直接拿出连接池中的连接进行发送和接收数据，少了建立连接的耗时。

实际上现在无论是客户端还是浏览器都默认开启了keep-alive，对同个域名不会再有每发一个请求就进行一次建连的情况，纯短连接已经不存在了。但有个问题，就是这个 keep-alive 的连接一次只能发送接收一个请求，在上一个请求处理完成之前，无法接受新的请求。若同时发起多个请求，就有两种情况：

若串行发送请求，可以一直复用一个连接，但速度很慢，每个请求都要等待上个请求完成再进行发送。
若并行发送这些请求，那么首次每个请求都要进行tcp三次握手建立新的连接，虽然第二次可以复用连接池里这堆连接，但若连接池里保持的连接过多，对服务端资源产生较大浪费，若限制了保持的连接数，并行请求里超出的连接仍每次要建连。

对这个问题，新一代协议 HTTP2 提出了多路复用去解决。

多路复用

HTTP2 的多路复用机制一样是复用连接，但它复用的这条连接支持同时处理多条请求，所有请求都可以并发在这条连接上进行，也就解决了上面说的并发请求需要建立多条连接带来的问题，网络上有张图可以较形象地表现这个过程：

HTTP1.1的协议里，在一个连接里传送数据都是串行顺序传送的，必须等上一个请求全部处理完后，下一个请求才能进行处理，导致这些请求期间这条连接并不是满带宽传输的，即使是HTTP1.1的pipelining可以同时发送多个request，但response仍是按请求的顺序串行返回，只要其中一个请求的response稍微大一点或发生错误，就会阻塞住后面的请求。

HTTP2 这里的多路复用协议解决了这些问题，它把在连接里传输的数据都封装成一个个stream，每个stream都有标识，stream的发送和接收可以是乱序的，不依赖顺序，也就不会有阻塞的问题，接收端可以根据stream的标识去区分属于哪个请求，再进行数据拼接，得到最终数据。

解释下多路复用这个词，多路可以认为是多个连接，多个操作，复用就是字面上的意思，复用一条连接或一个线程。HTTP2这里是连接的多路复用，网络相关的还有一个I/O的多路复用(select/epoll)，指通过事件驱动的方式让多个网络请求返回的数据在同一条线程里完成读写。

客户端来说，iOS9 以上 NSURLSession 原生支持 HTTP2，只要服务端也支持就可以直接使用，Android 的 okhttp3 以上也支持了 HTTP2，国内一些大型 APP 会自建网络层，支持 HTTP2 的多路复用，避免系统的限制以及根据自身业务需要增加一些特性，例如微信的开源网络库 mars，做到一条长连接处理微信上的大部分请求，多路复用的特性上基本跟 HTTP2 一致。

TCP队头阻塞

HTTP2 的多路复用看起来是完美的解决方案，但还有个问题，就是队头阻塞，这是受限于 TCP 协议，TCP 协议为了保证数据的可靠性，若传输过程中一个 TCP 包丢失，会等待这个包重传后，才会处理后续的包。HTTP2的多路复用让所有请求都在同一条连接进行，中间有一个包丢失，就会阻塞等待重传，所有请求也就被阻塞了。

对于这个问题不改变 TCP 协议就无法优化，但 TCP 协议依赖操作系统实现以及部分硬件的定制，改进缓慢，于是 GOOGLE 提出 QUIC 协议，相当于在 UDP 协议之上再定义一套可靠传输协议，解决 TCP 的一些缺陷，包括队头阻塞。具体解决原理网上资料较多，可以看看。

QUIC 处于起步阶段，少有客户端接入，QUIC 协议相对于 HTTP2 最大的优势是对TCP队头阻塞的解决，其他的像安全握手 0RTT / 证书压缩等优化 TLS1.3 已跟进，可以用于 HTTP2，并不是独有特性。TCP 队头阻塞在 HTTP2 上对性能的影响有多大，在速度上 QUIC 能带来多大提升待研究。

3.数据

第三个问题，传输数据大小的问题。数据对请求速度的影响分两方面，一是压缩率，二是解压序列化反序列化的速度。目前最流行的两种数据格式是 json 和 protobuf，json 是字符串，protobuf 是二进制，即使用各种压缩算法压缩后，protobuf 仍会比 json 小，数据量上 protobuf 有优势，序列化速度 protobuf 也有一些优势，这两者的对比就不细说了。

压缩算法多种多样，也在不断演进，最新出的 Brotli 和Z-standard实现了更高的压缩率， Z-standard 可以根据业务数据样本训练出适合的字典，进一步提高压缩率，目前压缩率表现最好的算法。

除了传输的 body 数据，每个请求 HTTP 协议头的数据也是不可忽视，HTTP2 里对 HTTP 协议头也进行了压缩，HTTP 头大多是重复数据，固定的字段如 method 可以用静态字典，不固定但多个请求重复的字段例如 cookie 用动态字典，可以达到非常高的压缩率，这里有详细介绍。

通过 HTTPDNS，连接多路复用，更好的数据压缩算法，可以把网络请求的速度优化到较不错的程度了，接下来再看看弱网和安全上可以做的事情。

弱网

手机无线网络环境不稳定，针对弱网的优化，微信有较多实践和分享，包括：

提升连接成功率
复合连接，建立连接时，阶梯式并发连接，其中一条连通后其他连接都关闭。这个方案结合串行和并发的优势，提高弱网下的连接成功率，同时又不会增加服务器资源消耗：
制定最合适的超时时间
对总读写超时(从请求到响应的超时)、首包超时、包包超时(两个数据段之间的超时)时间制定不同的计算方案，加快对超时的判断，减少等待时间，尽早重试。这里的超时时间还可以根据网络状态动态设定。
调优TCP参数，使用TCP优化算法。
对服务端的TCP协议参数进行调优，以及开启各种优化算法，使得适合业务特性和移动端网络环境，包括RTO初始值，混合慢启动，TLP，F-RTO等。

针对弱网的这些细致优化未成为标准，系统网络库没有内置，不过前两个客户端优化微信的开源网络库 mars 有实现，若有需要可以使用。

安全

标准协议 TLS 保证了网络传输的安全，前身是 SSL，不断在演进，目前最新是 TLS1.3。常见的 HTTPS 就是 HTTP 协议加上 TLS 安全协议。

安全协议概括性地说解决两个问题：1.保证安全 2. 降低加密成本

在保证安全上：

使用加密算法组合对传输数据加密，避免被窃听和篡改。
认证对方身份，避免被第三方冒充。
加密算法保持灵活可更新，防止定死算法被破解后无法更换，禁用已被破解的算法。

降低加密成本上：

用对称加密算法加密传输数据，解决非对称加密算法的性能低以及长度限制问题。
缓存安全协议握手后的密钥等数据，加快第二次建连的速度。
加快握手过程：2RTT-> 0RTT。加快握手的思路，就是原本客户端和服务端需要协商使用什么算法后才能加密发送数据，变成通过内置的公钥和默认的算法，在握手的同时就把数据发出去，也就是不需要等待握手就开始发送数据，达到0RTT。

这些点涉及的细节非常多，对 TLS 的介绍有一篇雄文，说得很详细，在此推荐。

目前基本主流都支持 TLS1.2，iOS 网络库默认使用 TLS1.2，Android4.4 以上支持 1.2。TLS1.3 iOS 还处于测试阶段，Android 未查到消息。对于普通 APP，只要正确配置证书，TLS1.2 已经能保证传输安全，只是在建连速度上会有所损耗，有一些大型 APP 像微信就自行实现了 TLS1.3 的部分协议，早一步全平台支持。

最后

网络优化这个话题非常庞大，本文只是在学习过程中从优化思路上列举了目前业界常见的优化点，还有很多细节很多更深入的优化没涉及到，网络层实践开发经验不足，若有错误欢迎指出。

GIF vs APNG vs WebP

Tue, 14 Feb 2017 14:14:12 CST

再转一个我在知乎的回答

简介

GIF 是一个非常古老的格式，1987 年诞生，最后一个版本是 1989 年。（这就是为什么 GIF 文件头的 magic number 是 GIF89a）

APNG 相对新一些，是 Mozilla 在 2004 年推出的，十几年的科技进步是不容小觑的，所以 APNG相对于 GIF 的优势十分明显，后面会分析。APNG 格式是 PNG 的扩展，第一帧储存方式和普通的 PNG 一样在 IDAT 区段中，APNG 只是新增了三种区段，所以如果一个软件只支持 PNG 而不支持 APNG 的话，依旧可以显示出图片的第一帧，只是不能动罢了。

APNG 新增的三种区段分别为：

acTL (animation control) 用来存放帧数和播放次数，整个文件只有一个区段
fcTL (frame control) 用来存放每一帧的高、宽、位置、延时等信息，每一帧一个区段
fdAT (frame data) 用来存放除了第一帧以外后面每一帧的图片数据，采用 Deflate 压缩，每一帧一个区段

这里稍微提一下 WebP，Google 在 2010 年推出的全部通吃的图片格式，为什么叫全部通吃呢？因为他既可以有损（替代 JPEG）也可以无损（替代 PNG），还可以动（替代 GIF），并且在压缩率上全面超越了这三种常用的格式。

压缩率

GIF 采用的是 LZW，而 APNG 采用的是 Deflate，再加上 APNG 继承了 PNG 的 filter，利用相邻像素的相似性使压缩率大大提高，详见浅谈PNG无损优化

就以下面这个 Wikipedia 页面的 GIF 为例吧

原 GIF 文件大小为 1.36 MB，但是一般的 GIF encoder 都不会拼命的去优化文件大小。

如果让 gifsicle 利用各种奇淫技巧进行优化，可以将文件无损的压缩到 978 KB

gifsicle -O3 Rotating_earth_(large).gif -o Rotating_earth_(large)_gifsicle.gif

而随随便便转换一个 APNG 才 826 KB 而已

gif2apng Rotating_earth_(large).gif

如果不在乎压缩时间的话，使用奇淫技巧（zopfli）来压缩 APNG，还可进一步压缩到 811 KB

gif2apng -z2 Rotating_earth_(large).gif

而如果无损转换成 WebP 的话，只有 767 KB

gif2webp -min_size Rotating_earth_(large).gif -o Rotating_earth_(large).webp

如果允许有损的话（肉眼看不出区别），WebP 只有 199 KB！！！

gif2webp -min_size -lossy Rotating_earth_(large).gif -o Rotating_earth_(large)_mixed.webp

这里使用了 -lossy 来压缩有损，实际上 WebP 还支持 -mixed，可以每一帧根据压缩体积单独选择有损或者无损，但是由于这个图片更适合有损所以这里没有用 -mixed。

将上面的数据做了个图表，大概是这样子的（由于样本数仅为 1，本测试及其不科学，结果仅供参考）

颜色

GIF 每个像素只有 8 bit，也就是说只有 256 种颜色，于是很多人误以为 GIF 不支持 24 bit RGB，但实际上，GIF 的限制是每一帧最多只能有 256 种颜色，但是每种颜色可以是 24 bit 的。不过即使是这样，256 种颜色还是太少了，这就导致了 GIF 的画质都比较差。

而 APNG 和 WebP 则完全没有这方面的限制。

透明

GIF 虽然也支持透明，但是他只支持将某个颜色标记成透明，也就是说他不支持半透明，只支持完全透明或者完全不透明。如果把一个边缘是半透明的图片转换成 GIF，就会出现另一个答案中提到的杂边问题。

而 APNG 和 WebP 都支持 8 bit alpha channel，透明度可以有 256 级。

兼容性

这可能是 GIF 唯一的优势了吧。

几乎所有的浏览器都支持 GIF，而支持 APNG 的浏览器只有 Firefox 和 Safari，据说 Chrome 58 开始也会支持 APNG ，目前支持 WebP 的只有 Chrome 和 Opera，据说 Firefox 也即将支持 WebP ，据说 Safari 也在测试 WebP 的支持。至于 IE 和 EDGE 嘛，呵呵，还是换浏览器吧。

原文链接： GIF vs APNG vs WebP | 博客首页： JayXon

德勤咨询：人工智能与商业应用研究报告（附下载）

Thu, 03 Aug 2017 00:56:41 CST

报告下载：添加199IT官方微信【i199it】，回复关键词【人工智能与商业应用研究报告】即可

商业机构中的领导者对人工智能的商业影响力感到既担忧又兴奋。全球各地的公司正逐渐意识到这一新技术的力量，并开始探索如何应用人工智能提升企业竞争力。

本文基于Efma和德勤联合进行的EMEA（欧洲、中东、非洲三地区） FSI（金融服务业）调查结果，并引用了业内多家公司的见解和案例研究，分析了人工智能的逻辑建模、行业现状以及理解和利用人工智能技术所需要采取的行动。

1. 人工智能应用领域

人工智能有三大主要应用领域：认知自动化，认知参与和认知洞察力。

认知自动化

在这一领域，人工智能的主要领域是机器学习，机器人流程自动化（RPA），和其他能够自动化深层领域知识开发的认知工具。我们已经看到人工智能设备自动化了那些传统上需要训练有素的工人才能完成的任务。

手写和字符识别是认知自动化应用的最佳范例，它可以支持高强度、复杂繁琐的办公业务，以帮助企业降低风险和成本。例如，可以使用自然语言处理和OCR技术从文档中提取关键信息。

认知参与

人工智能的下一阶段是认知技术“代理”：系统通过认知技术与人类建立密切关系。

认知系统开启了文本/图像/视频等“非结构化”数据的力量，为银行和客户提供定制化的产品和服务并创造新的收益流。

最常见的例子是语音识别接口，它可以执行语音指令，降低温控器或打开电视频道。同时，也出现了一些使用认知参与的新型应用领域，这些领域需要人工智能接触到更复杂的信息并执行数字化任务。比如接收病人入院，或者推荐产品和服务。

认知洞察力

认知洞察力是指从各种数据流中提取概念和关系，用来生成隐藏在大量“结构化”和“非结构化”数据中的相关答案。

总的来说，认知洞察力可以检测来自多个数据源数据的关键内容和相关联系，从而获得更深入和可操作的洞见。

随着处理数据量的增加，观察和预测的准确性得到了提高。人工智能不仅可以深入了解已经发生的事情，而且还能分析正在发生的事情，以及预测接下来可能发生的事情。这可以帮助商业领袖制定计划，帮助员工提高他们的业绩。例如，在全球呼叫中心，客服人员使用多功能客户支持程序来回答产品提问，接受订单，调查账单问题，并解决客户的其他困扰。

根据斯坦福大学主题为“2030年的人工智能与生活”的调查研究，专家预测人工智能将在以下八大领域发挥重要作用：交通，服务型机器人，医疗，教育，低资源社区，公众安全，就业与工作以及娱乐产业。另一方面，美国劳动部在2016年发布的报告中提到“65%的在校学生未来将被雇佣于现在尚未存在的工作岗位”。这些预测告诉我们，在不久的将来，人工智能技术将与我们的生活产生紧密联系，对工作和生活等多方面造成深远影响。

2. 人工智能中的监管问题

接下来的问题是:经济发展和社会各界需要做出哪些准备来迎接人工智能光明的未来？

在2017年初，欧洲议会提出一系列管理人工智能的法规，用来规定相关道德准则，以及人工智能犯错的责任归属问题。

议会调查员Mady Delvax强调了建立一个欧洲机器人监管机构的重要性，该机构将通过提供技术支持来协助政府部门。他还建议起草一份道德行为准则，用以指导机器人工程项目并确定他们的行为责任。

事实上，问责权或法律责任是人工智能争议中的关键问题。自动驾驶汽车的兴起就是最明显的例子，相关各方有必要去定义具体的保险计划，并确定损害赔偿的责任。在未来，智能自动化机器人将被赋予某种“法律人格”。最后 Delvaux的报告强调，机器人可能会对社会产生长期影响，政府部门需要密切关注这些趋势，创造新的就业岗位和税收模式。

3. 人工智能发展现状

为了了解金融服务行业在人工智能应用方面的现状和前景，Efma和德勤联合进行了一项大型调查, 调查范围涉及超过3000人, 受访者主要为金融服务公司技术和业务方面的高管，大多受访者表示，新认知技术的应用将增强工作的可控性，并减轻员工的工作负担，而不是将人们的劳动力完全替代。

对于“贵公司在人工智能应用领域处于什么阶段”这一问题，约90%的公司表示已经开始在他们的工作中使用人工智能技术，或正处于对这一新技术的学习中。

从下面的调查结果可以看出，数据安全(网络犯罪)、组织影响(人才需求和人员分配)、技术实施、控制权丢失和可持续性等问题是企业考虑人工智技术时可能产生的困扰。

调查数据显示，一个公司越处在认知技术实现的前沿阶段，就越难找到合适的人才。这可能是因为在技术越成熟的阶段，就越需要受过高级培训并有特定技能的专家。而在初始阶段，通用的知识就足够了。另一个重要事实是，在初始阶段，企业应用认知技术的主要障碍是缺乏组织。

有很多人担心人工智能技术可能会抢走人类的工作。然而，调查中91%的受访者认为新型认知技术可以协助或支持员工工作，而不是替代他们。

同时，调查显示大多数组织需要通过外聘来弥补人工智能技术的人才空缺，但是在聘请合适的专业人才时他们大多会遇到困难，所以未来在员工培训领域也将会产生大量投资机会。

至于人工智能的应用价值，不同的行业似乎都在寻找不同的技术解决方案。因此，有必要进行多元化的技术供应来扩大市场份额，满足更多的消费者需求。

4. 德勤观点

“一些认知技术供应商和客户正在越过“科学研究项目”的阶段，使用人工智能技术来优化业务流程。现在是时候帮助企业寻找适合使用人工智能技术的业务领域，并且思考如何使用这一新技术来优化核心流程。”

这是德勤美国高级顾问，Tom Davenport教授在2015年底对认知技术发展的看法。德勤调查显示， 86%的受访企业高管从2014年开始对认知技术有所获悉。从那时起，认知创新浪潮就已从美国向海外发展。这一事实表明，人工智能正在从一个初步构建的理念发展为可以实际操作的商业应用。

尽管人工智能技术的发展十分迅速，但是在技术应用落地时仍然会面临企业文化和组织架构带来的阻碍和挑战。一些管理层人员青睐于存在巨大机遇的发展机会，而另一些管理者更希望采取渐进的方式进行发展。企业中推动人工智能技术实施的领导者需要意识到，目前并不存在一个万能的解决方案。从德勤的调查中可以看出人工智能领域存在着多样化的应用案例，企业可以选择构建一个具有突破创新意义的人工智能客户服务体系，于此同时也可以选择一个低风险的解决方案，如后台流程自动化。

报告下载：添加199IT官方微信【i199it】，回复关键词【人工智能与商业应用研究报告】即可

您可能也喜欢的文章：
以改革为动力砥砺前行：汽车行业国企改革研究（附报告下载）	揭秘人工智能：商业领袖需要了解的认知技术	德勤咨询：2017年度足球财务报告（附下载）	德勤咨询：开展商业地产创新准备迎接未来城市（附下载）	德勤咨询：2017年欧洲、中东和非洲(EMEA)地区保险数据分析研究（附下载）
无觅

2017雷达报告：影响未来旅游业发展的九大科技趋势（附下载）

Thu, 03 Aug 2017 00:59:43 CST

报告下载：添加199IT官方微信【i199it】，回复关键词【2017雷达报告】即可

Sabre研究报告评估了九大新兴科技对旅游行业的影响。

人工智能（AI）

在2011年，Gartner的研究曾经预测，到2020年，客户无需与人交流就可以完成与企业85％的交互过程。最近，Servion consulting也发布了一项预测：到2025年，AI将支持95％的客户交互。

最高效的服务和支持团队通常有一个能够理解和回应大多数基本问题的AI层，只有当AI对答案不太确定时，人工服务才会介入。对于旅游行业来说，AI可以提醒客人酒店退房时间或推荐当地餐厅，而当客人需要特殊要求或想要分享个人体验则可以提供人工服务。

AI可以大大减少重复性任务的负担，无论是体力还是数字方面的，使人类可以完成更有价值、更有创意的工作。例如，AI在翻译领域的应用正在迅速提升，这有助于简化旅行、改善人与人之间的交流。

增强现实(AR)

去年，AR技术领域发布了三项应用：微软HoloLens，Google Tango和Pokemon Go，这是三个完全不同的项目，分别展示了AR的不同潜力。另外，AR技术还增加了在Snapchat和Facebook上实时视频过滤和互动自拍动画的功能。今年，苹果公司发布了ARKit，这是一个可以供开发人员创建AR App的工具，这是为了今年秋天即将推出的iOS 11系统专门设计的。

AR技术已经在翻译等领域投入了使用，能够实时读取并翻译一些标志或文档。另外，还可以作为现实世界的视觉维基百科使用，即可以把每个建筑、街道和地标都映射出丰富的内容。而在日常生活中，AR技术可以记住所有的名字及交流内容，航空公司或酒店可以直呼其名来问候每位乘客或客人，并且在看到客户的第一眼就知道客户的旅行信息。

自主配送

今年早些时候，Starship Technologies和美国同城快递公司Postmates在华盛顿特区启动了机器人送货服务。这些机器人看起来像是放在六个轮子上的冰箱，并且获准在华盛顿特区和邻近的弗吉尼亚州的人行道上行动。它们使用GPS和九台相机的组合进行导航。这些机器人虽然不能帮你购买所有的日用品，但它们可以从当地便利店取快餐或送行李。

当自主配送技术与其他技术（如生物识别）结合使用时，旅行几乎就成为了一种全程自助的体验。一款自助手提箱和自助搬运工具目前已经投入生产，很快就可以在机场、火车站和城市街道看到小型机器人跟在主人身后服务。未来，行李甚至可以自助检查，并在下飞机后主动找到主人。甚至，到达目的地之后，你还有可能使唤行李帮你跑腿，比如去拿干洗衣服或者买点小吃。如果你出城时把手机或太阳镜落在了酒店，不用担心，这些东西都可以被自主配送。

区块链

目前，旅游业中的区块链原型：

1. Webjet正在利用区块链试验酒店库存管理，通过每一次预订记录收集大量的数据，并确保及时向各方全额付款。

2. 很多创业公司正在密切关注利用区块链进行数字化身份管理。结合生物识别技术与区块链可以提供比传统方法（例如护照）更安全的数字身份证明。

3. 酒店和航空公司的忠诚度计划可能会过渡到区块链，以简化跟踪忠诚度积分，简化与所有合作伙伴之间转换和兑换积分的过程。

4. 空客公司也在探究区块链应用的可能性，他们也是Hyperledger区块链联盟的参与者; 他们的测试项目是利用区块链监测全行业数据。

5. Moog Aircraft正在利用区块链进行零件监测，以及对3D打印的飞机零部件进行数字验证并提供权限管理。

神经界面

6月份，美国能源部投入2.58亿美元以支持一项计划，此计划旨在追赶中国在2020年之前拥有一台超级计算机的目标。

超级计算机可以解密人脑的复杂性，因此可以深入模拟大脑的内部运作，以更好地了解其工作原理。

去年秋天，Saber实验室针对iOS系统设计了一个以EEG为基础的飞行购物App。佩戴EEG头带之后，用户只需要观看海滩和山脉的图像建立基线脑电波，就可以完成培训。之后，在头脑中设想一个目的地（无论是山脉还是海滩），就可以进行所希望的主题飞行的搜索。

量子计算

随着量子计算机的发展，我们更多地发现它们的潜力，其首个“超级App”可以以最有效的方法绘制路径或设计系统。这对于旅游行业而言具有巨大的潜力！

和互联网搜索及社交媒体等其他事情一样，许多旅行依赖于大型数据阵列的优化。航班计划编排、机组配置、飞机路线、旅行行程等都是充满变量的优化问题。传统的计算机只能以有限的工具处理这些问题，而量子计算机可能会找到全新的解决方案。

太空旅游

目前正在开发的一些飞机技术（特别是近太空飞机）可能会在未来十年内实现更广泛的商业应用。现在，超音速飞机的各种专利申请和原型试验正在进行中。超音速飞机的速度可以达到Mach 5或以上，比空中巴士A380或波音787的最高速度至少快7倍。这种速度可以将横穿大西洋的时间缩短到1小时，伦敦到悉尼的时间缩短到2小时，彻底拉近世界之间的距离，重塑全球商业形态。

信任构建

旅游行业是建立信任的行业，随时掌握乘客和行李的位置及身份是最重要的工作内容之一。

EasyPASS（德国）、Smart Entry System（韩国）和Global Entry（美国）等旅行计划旨在通过身份预审来简化旅行。调查问卷、背景调查和访谈都可以为乘客建立信任档案，这种体系一旦建立，乘客在旅行时就会自动展示信任度。

实现旅途畅通无阻地秘诀在于在旅途中的每个节点快速准确地识别身份。如今，与亚马逊Go平台上所提供的工具相似的技术正在开发和部署，以帮助在旅行过程中实现身份认证。最快速的应用将会是在机场。澳大利亚已经宣布了一个雄心勃勃的目标，那就是：使用面部识别、指纹和虹膜扫描等技术组合的方式，到2020年自动识别90％的国际航班到达旅客身份，用户无需出示护照。

虚拟现实（VR）

Sabre团队相信VR不可能取代实际旅行，但会增强旅行体验。

VR是一种激发真实旅行和提升体验的技术。在某种程度上，VR使得新的体验成为可能，尤其是关于教育方面的。

例如，模拟罗马帝国的VR旅游可以提供深刻的历史背景，使得旅客感觉访问现在的罗马更有意义。VR还可以帮助激发当地的旅游机会，例如与鲨鱼一起潜水或在悬崖体验滑翔伞，这种VR体验容易操作，也可以为人们在现实世界中挑战极限做好心理准备。

但是，在现实世界中旅行的最重要的原因就是真实感。对千禧年代和Z一代的消费者来说，真实体验尤其重要。随着VR体验的内容无论在数量和影响力方面越来越强大，真实体验将会受到越来越多的重视。

报告下载：添加199IT官方微信【i199it】，回复关键词【2017雷达报告】即可

您可能也喜欢的文章：
Sabre：影响未来旅游业发展的九大科技趋势	2016年中国互联网金融发展历程及未来趋势衍变研究报告（附下载）	2014年15大科技发展趋势	TNS：2014年中国科技行业趋势报告（附下载）	爱立信：2016年ICT产业发展趋势报告（附下载）
无觅

贝恩&招商银行：2017中国私人财富报告

Fri, 23 Jun 2017 00:54:53 CST

近日，在中国私人财富市场迎来十周年之际，贝恩公司和招商银行联合发布《2017中国私人财富报告》，这是继2009年、2011年、2013年和2015年四度合作后，双方第五次就内地高端私人财富市场所做的权威研究。

报告指出，2016年中国个人可投资资产1千万人民币以上的高净值人群规模已达到158万人，全国个人持有的可投资资产总体规模达到165万亿人民币。中国私人财富市场规模十年增长五倍，高净值人群数量十年翻三番，持续释放可观的增长潜力和巨大的市场价值。“一带一路、创业创新”影响持续深入，助推区域发展，高净值人群地域分布更为均衡，前景看好。

伴随十年经济发展和经济结构转型，高净值人群创富方式更趋多元，代际传承和企业创新推动人群结构进一步变化，高净值人群的投资行为也呈现出“心态更成熟、眼界更开阔、考量更长远”的特征。经过多年的发展，私人银行服务已深入人心，高净值人群对私人银行服务的信任和依赖度进一步加深。中资银行在积极加大境外市场战略投入以强化跨境联动服务平台的同时，进一步探索境内高端财富管理的差异化服务模式，领先的私人银行品牌表现出显著的聚合效应。

过去十年，中国私人财富市场经历了深刻的演变。时值2017年，市场仍处于快速增长期，犹如夏之乔木，华盖初成，繁盛生长。未来可期，前路并不平坦但必将愈发宽阔，唯有心诚者、志坚者，方能轻装上阵，百年如一日，行稳致远。

高净值人群心态更成熟、眼界更开阔、考量更长远

报告认为，高净值人群的财富目标更成熟、资产配置意识增强、财富传承需求的认知和反思更深入。首先，财富目标从早年的“创造更多财富”演变成如今以“财富保障”和“财富传承”为首要考量。其次，资产配置更理性、更开放，对风险的辩证认识促使高净值人群不再局限于传统的投资品种，开始积极关注并尝试另类投资产品。再次，出于分散风险和捕捉投资市场机会的考虑，拥有境外配置的人群占比不断提升，人均境外资产配置比例近年来趋于稳定。最后，财富传承成为热点，高净值人士普遍认识到对物质财富传承的需求，而且逐渐认可精神财富传承以及企业传承设计的必要性。

重视“财富保障和传承”，资产配置多元化，对财富管理机构信任加深

随着财富原始积累阶段性目标的达成，“保障财富安全”和“完成财富的代际传承”合计占比已达近50%，这反映出高净值人群以“创造更多财富”为始的蜕变。随着全球政治、经济环境的不确定性日渐上升，高净值人群逐步意识到理财的根本目的，是能够抵御经济下行和市场周期所带来的各种不可控的风险，保障财富安全并完成代际传承，进而实现长久、稳定的家业繁荣。跟踪调研也显示，高净值人群对专业机构的依赖度不断提升，机构理财钱包份额在2017年上升到约60%，其中私人银行管理部分达到不了近50%。

人均境外资产配置比例趋于稳定，境外投资开始回归理性化

随着经济全球化的概念日益深入人心，中国高净值人群投资眼界更为开阔，多区域、多币种、多形式的跨境多元化配置正在获得高净值人群的认可。报告数据显示，境外资产配置自2011年起成为投资热点，此后高净值人群渗透率逐年上升，一度超过50%。自2013年起，高净值人群人均境外资产配置比例趋于平稳，保持在20-30%的水平。从投资目的来看，高净值人群从简单的分散风险过渡到主动追求收益，境外资产配置逐渐分散，资产类别的复杂度有所提升。机构选择方面，随着对境外投资风险和复杂度的认识加深，高净值人群更看重财富管理机构在产品选择和资产配置方面的专业性。投资地域方面，近年来澳大利亚、加拿大和新加坡等地则升温明显。

传承内涵不断丰富，财富传承站上家族治理新高度

自2015年起，“财富传承” 成为高净值人群继“财富保障”之后最重要的财富管理目标。虽然目前大部分高净值人群仍主要关注对财富本身传承，但是更深层次的需求正在逐渐浮现。财富传承的内涵逐步丰富——从简单的物质财富传承和风险隔离，到精神财富传承和家族企业传承。站在家族治理的新高度上，高净值人群开始全盘考量物质财富、家族企业和精神财富的传承，借助企业管理的智慧协调日益庞大的家庭乃至家族关系，探索以制度化的方式来约定和规范家族内部的议事规则和重大决策。报告认为，高净值人群对放松管理权普遍持开放态度，但在企业所有权的安排上仍较为保守。

高净值人群创富方式多元化，人群结构进一步变化

报告指出，创富方式的转变推动私人财富市场客群结构的改变：企业家内部结构发生变化，二代继承人和财富新贵涌现，越来越多的二代企业家承担起家族企业管理的责任。随着越来越多的企业家选择引入职业经理人和外部专业人士完善企业治理，市场资本化程度的提升、IPO和新三板的开闸提高了股权的流动性和变现机会，也造就了一批以职业经理人、高管和专业人士等职业金领为代表的新型高净值人群。

中国私人财富市场竞争态势的回顾、展望与启示

境内市场从百舸争流到优势分化

报告指出，市场建立初期，中资银行凭借品牌、网络和产品服务等优势取得领先地位；外资银行积极参与业务布局，纷纷抢滩中国境内财富管理市场。经过多年的市场耕耘，中资私人银行优势逐渐扩大，特别是领先私人银行品牌的聚合效应凸显。相较之下，外资银行进行了相应的战略调整并重新定位目标客户群体。其他财富管理机构（包括证券、基金、信托和其他第三方独立理财机构等）依托产品和分销渠道持续快速发展。

境外市场，品牌和专业性拉动外资银行获得青睐，中资银行加大战略投入

报告数据显示，高净值人群在境外财富管理市场看重外资私人银行的品牌和专业的团队，但语言和文化差异依旧是外资银行的获客壁垒。中资银行持续加大境外投入，在香港、北美等地设立海外分行，承接国内的客户关系打造跨境财富管理平台。考虑到高净值人群的选择偏好，中资私人银行的海外分行需要深耕培育专业的服务团队，加强产品的筛选和定制化能力。

打造差异化竞争力成财富管理机构制胜关键

展望未来，中国私人财富市场增长动力强劲，市场资本化催生的“新钱、新财富”将持续涌入，新兴行业企业家和金领人群比例将持续上升；高净值人群财富传承意识将进一步增强，部分家庭开始全盘考虑规划家族治理；高净值人群对数字化手段更为熟悉并逐步接受，金融科技也将深度融入私人银行服务和财富管理。财富管理机构应当找准自身定位，明确目标细分客户群及其产品、服务需求，建设清晰的差异化竞争模式和相应的核心能力，避免盲目追求大而全的全覆盖策略。只有顺势而动，从客户的核心需求出发，积极打造差异化竞争模式和核心能力，强化境内外联动的综合金融服务平台，财富管理机构才能赢得客户的长期信任，在激烈的市场竞争中脱颖而出。

PDF版下载可加入我们小密圈，199IT感谢您的支持！

您可能也喜欢的文章：
招行&贝恩：2017年中国拥有1000万元可投资人群达158万人	贝恩咨询：2015年中国私人财富报告	兴业银行&BCG：2017年度中国私人银行报告	贝恩：2015年度中国奢侈品市场研究报告解读	兴业银行&波士顿咨询：2016年中国私人银行报告（附下载）
无觅

GWI：2017年值得关注的10大营销趋势（附报告）

Thu, 22 Jun 2017 00:59:11 CST

199IT原创编译

GWI最近发布了新报告“2017年值得关注的10大趋势”。

1. 视频

视频的快速发展为世界各地的品牌接触消费者提供了机遇。特别是社交媒体，视频共享已经成为一个明确的指标，超过一半的Facebook用户在Facebook上收看视频。直播流将很快成为社交网络的必备功能，这意味着品牌需要开发更多的视频广告，以获得消费者的关注，而且视频营销越来越成为一个重要的营销策略。

2. VR&AR

2016年许多消费者第一次体验到虚拟现实（VR）和增强现实（AR）的世界，根据GWI的调查，约有10％的网民表示对使用VR头显感兴趣。但是，VR和AR要想成为主流还面临着许多障碍，特别是缺乏优质的、有吸引力的内容。

3. Facebook 2.0

作为世界上最大的社交网络，Facebook的用户数量还在增长。现在，Facebook越来越重视视频和商务。我们可以期待2017年Facebook能在商品研究和实际购买之间架起桥梁。

4. 自由的未来

广告拦截的崛起让消费者更强大。随着网民对广告打断内容越来越反感，营销人员和广告主也面临着采取新的营销方法的压力。调查显示，大部分广告拦截用户仍然愿意与广告互动，这意味着广告要具有相关性，且更友好。

5. 可穿戴

2016年，Snap Spectacles首次亮相，这标志着Snap Inc.开始涉足可穿戴市场。Snap Spectacles与谷歌眼镜不同，后者更强调娱乐、时尚和可负担性。现在6/10的网民每个月都会上传视频，这个指数在千禧一代中则上升到2/3以上，这个市场显然充满机遇。但是，Snap是否能开启可穿戴革命还需要时间的检验。

6. 智能手机

随着手机在西方国家达到饱和点，新兴市场将成为新智能手机销售的主战场。GWI的数据显示，全球手机销量增速正在放缓。虽然中国仍然是世界上最大的智能手机市场，但是，印度、菲律宾和印度尼西亚，将成为未来智能手机市场增长的最大动力。

7. 被动传播

随着即时通讯应用在平台上添加更多的功能，但是也有人质疑这样做是在鼓励更多的被动行为。现在很多社交网络都成了被动网络，越来越多的用户不再分享个人更新。

8. 移动广告拦截

随着广告拦截在西方国家继续增长，这一趋势已经蔓延到了其他地区。移动广告拦截在亚洲已经成为一种趋势，解决这个问题同样需要相关的内容和更友好的广告。

9. 手机优先

我们正在迅速进入手机优先的时代，这意味着那些没有优先考虑移动设备的品牌不仅会失去重要机会，还会危及他们与年轻消费者的接触。因此，了解手机优先的消费者的需求是非常重要的。

10. 游戏

网络游戏越来越受欢迎，而且收看游戏直播也成为一种网络潮流。GWI的数据显示，在过去的一个月里，约1/4的网民收看了网络游戏直播视频，其中17％收看了电子竞技比赛。这些行为使游戏产业越来越接近市场营销，电子竞技尤其演变为品牌考虑的重要平台。

PDF版下载可加入我们小密圈，199IT感谢您的支持！

您可能也喜欢的文章：
McKinley：2017年营销招聘趋势（附报告）	汽车之家：2013上半年中国汽车消费者关注变化趋势分析报告	ReviewPro：2016年酒店市场营销趋势报告（附下载）	DigitasLBi：2015年中国社会化与数字营销趋势报告	氩氪&胖鲸智库：全球营销创新趋势报告
无觅

中国指数研究院：2017中国地级以上城市房地产开发投资吸引力研究（附报告）

Sat, 17 Jun 2017 01:10:57 CST

中国指数研究院发布《2017年中国地级以上城市房地产开发投资吸引力研究报告》，对全国297个地级以上城市房地产投资吸引力进行排位。

研究结果显示，2017年，上海、北京、深圳投资吸引力仍保持全国前三位，经济基本面较好的二线及受核心城市辐射的三四线城市排名靠前。从城市层级来看，1线城市排名领先，上海、北京、深圳投资吸引力仍保持全国前三位，广州排名第5；1.5线城市中天津首次排名进入前4，杭州、南京、成都、武汉、重庆等核心城市经济基础强、人口流入多、市场需求旺盛，排名均位列前10；2线城市中，郑州、厦门、合肥领衔排名，分列12、13、16位，长春、哈尔滨、大连则继续延续上年的态势，排名靠后；2.5线城市中，东莞、佛山保持全国前20名，中山排名提升明显，至23名；三四线城市中，珠海、汕头、镇江、保定等城市具备承接核心城市产业、人口及置业需求外溢的区位优势，排名靠前。

从区域分布来看，东部沿海及长三角、珠三角、京津冀城市群城市投资吸引力保持领先优势。长三角的经济水平领先，城市的现有产业基础、创新实力、对优秀人才的吸引力均较强，整体投资吸引力仍保持领先地位，其中上海、杭州、南京名列前十；珠三角依托毗邻港澳的沿海区位优势，开放水平不断提升，深圳、广州保持全国领先水平，周边的东莞、佛山等在核心城市带动下，开发投资潜力居前；京津冀的北京、天津分别位列第2、4位，廊坊、保定在京津冀一体化和雄安新区的规划利好推动下，城市房地产开发投资吸引力也显著上升。

一二线城市经济总量及增速均保持领先优势。从经济总量来看，一线城市经济规模保持绝对领先优势，四个一线城市GDP 均值达2 万亿以上，平均增速7.7%，高于全国平均增速1 个百分点，其中深圳GDP 增速为9%，领衔一线城市，广州为8.2%，上海、北京分别为6.8%、6.7%，与全国平均水平持平；1.5 线城市GDP 均值为1.4 万亿，平均增速为8.6%，居于各线城市首位，其中，重庆、杭州作为区域产业升级的代表，重庆汽车、笔记本制造业领先，杭州互联网新经济快速发展，分别保持10.7%、9.5%的高增长；2 线城市GDP 均值为6000 亿元，增速达7.6%，其中，合肥以工业立市，依靠投资驱动经济快速增长，实现9.8%的高增长；2.5 线城市平均增速7.9%，其中南昌、南通增速领先；部分三四线城市人口净流出、产业结构相对落后、经济发展动力不足，GDP 总量小且增长乏力。

天津、北京、重庆、上海和深圳是2010-2015年全国人口流入最多的城市。城市的吸引力归根结底还是体现在人口的集聚力上，人口的持续流入是城市经济快速发展和住房需求保持旺盛的重要保障。2010-2015年年均常住人口增量数据显示，天津以年均增长50万人排名全国第一，北、上、深和重庆年均人口增量也在20万以上，其中，重庆常住人口由2001-2010年年均增长3.6万上升至近五年年均增长26.4万，即使只看主城9区，近五年人口年均增量也达到17.8万，这也在一定程度上反映出产业转移引导中西部人口出现回流现象。

郑州、武汉、成都等中西部核心城市人口增长迅速。西部核心城市的交通枢纽地位不断增强，同时也是未来东部产业转移的首选地，五年间年均人口增长分别为19万、16万和12万，未来一段时间内，此类城市仍将处于规模扩张阶段，人口也将保持流入状态，我们长期看好中西部核心省会城市的人口竞争力。而石家庄作为京津冀城市群的重要节点城市、冀中南地区的核心，对周边城市具有极强吸引力，五年年均增长10.8万人。

而杭州、南京等东部沿海发达城市人口增长正经历由数量扩张型向质量增长型转变，对高品质产品和服务的需求正在全面扩张。随着产业结构升级以及用工成本的上升，东部产业向中西部转移的动能正在不断增强，东部发达城市过去劳动密集型产业正在逐渐转出，人口增量放缓属于意料之中。随着高新技术产业的比重逐步增大，东部城市人口增长模式正经历由数量扩张转向质量提升的阶段，更多高知人群的聚集将带来更高的消费能力，也势必带动城市消费需求升级。

PDF版下载可加入我们小密圈，199IT感谢您的支持！

您可能也喜欢的文章：
绿色和平：中国大陆主要城市消费观念与行为调查研究报告	中国统计局：2016年1-3月份全国房地产开发投资和销售情况	国家统计局：2017年1-2月中国房地产开发投资同比名义增长8.9%	高德：2016年中国“互联网+交通”城市指数研究报告（附下载）	城市研究 \| 重启中国城市化新发展的『房地产+』模式到底在何方
无觅

2017年人工智能研究报告

Sat, 17 Jun 2017 10:25:17 CST

要点：

81%的IT公司正在或者计划投资人工智能（AI）。

Cowen预测人工智能将会将人类的生产力提升到一个新的水平，而微软会冲在最前面。

数字化市场或市场自动化、Salesforce自动化（CRM）和数据分析将成为人工智能最为成熟的三大应用领域。

据angel.co的数据显示，目前有2200多家人工智能初创公司，其中超过50%的初创公司是在最近两年成立的。

Cowen从Salesforce（$CRM）、Adobe（$ADBE）和ServiceNow（$NOW）这三家公司身上看到了他们交付人工智能服务并从中获益的实力。

以上观点来自 Cowen公司的一份关于人工智能的研究报告——“人工智能：数据科学的黄金时期”。

这份报告是基于对146个人工智能研究员、企业家和风险投资人的采访而得出的，报告中附带了大致的调查方法。这份报告并不能代表全球的人工智能、数据工程和机器学习（ML）的采用趋势，不过，它确实能够反映这些领域在当今以及未来的方向。Cowen认为人工智能市场仍然处于初始阶段，很多CIO在迫不及待地投资人工智能相关的初创项目。上市时机、用户反馈、产品定位和价值定位是人工智能解决方案赢得市场先机最为关键的因素。

报告的主要内容包括如下几点。

数字化市场或市场自动化、Salesforce自动化（CRM）和数据分析将成为人工智能最为成熟的三大应用领域。用户自助服务、EPR、人力资源管理（HRM）和电子商务是人工智能和机器学习潜在的应用领域。下图显示了软件行业在采用人工智能和机器学习方面具有最大潜力的一些领域。

81%的IT公司正在或者计划投资人工智能。报告显示，CIO们得到授权，要求将人工智能集成到IT系统里。其中有43%正在进行评估和POC，有38%已经进行了投资，并计划追加投资。下图显示了为机器学习和人工智能项目做好投资准备的公司的概况。

各种市场预测有所差异，但爆发式增长的趋势是不会改变的。 IDC预测认知系统和人工智能市场（包括硬件和服务）将会从2016年的80亿美元增长到2020年的470亿美元，复合年增长率（CAGR）达到了55%。其中软件应用占180亿美元，软件平台占50亿美元，服务和硬件占240亿美元。IBM声称，认知计算拥有2万亿美元的市场，其中健康科学就占了2000亿美元。Tractica则预测直接和非直接的人工智能应用将会从2016年的14亿美元增长到2025年的598亿美元，CAGR为52%。

据CBInsights的报道，人工智能初创公司的财务交易数量在过去六年有了10倍的增长，从2011年的67增长到2016年的698。埃森哲宣称人工智能初创公司自2011年以来翻了20倍，主要领域包括FinTech、健康、交通和零售电商。下图显示了从2011年到2016年各年人工智能公司的成立情况。

据预测，到2025年，基于算法的交易、图像识别和病人数据处理也将成为主要的人工智能应用领域。 Tractica预测，在未来8年，社交媒体的预见性维护和内容分发将会成为人工智能应用的第四大或第五大利润来源。下图对全球利润排名前十的应用领域进行了对比。

预测机器学习将会产生最多的利润，吸引了众多资本涌入人工智能的各个领域。 Venture Scanner的数据显示，机器学习到目前为止增长了35亿美元（来自400多家公司），远远超过了自然语言处理的增长，后者只有10亿美元的增长（200多家公司）。Venture Scanner相信，机器学习应用和机器学习平台是两个相对年轻的市场，在未来将会有很大的突破。

Cowen预测，企业将会大规模采用智能应用栈，因为IT部门正在从记录系统向智能应用系统。今天的智能应用正在一步步地定义企业软件的未来，而且速度会越来越快。Cowen预测，在企业应用中加入机器学习算法以便为企业的整体价值链提供预测洞见将成为一种常态。企业应用有可能会基于实时数据优化折扣、价格和购买建议，从而改变销售和购买行为。

据angel.co的数据显示，目前有2200多家人工智能初创公司，其中有超过50%的初创公司是在最近两年成立的。基于机器学习的应用和深度学习神经网络正吸引着大量的企业资本涌入。
埃森哲的40%分析应用使用了机器学习，而这一数字可能会上升到80%。 Cowen认为埃森哲正在为它的企业客户采用人工智能，而且仍然处于早期阶段。埃森哲预测人工智能市场将会有指数级的增长，到2020年将会达到4000亿规模。他们的客户正在尝试使用人工智能重新定义他们的业务策略和模型。

来自： Infoq

您可能也喜欢的文章：
麦肯锡：未来的工作——自动化、就业和生产力（附报告）	牛津大学：人工智能何时超越人类（附报告）	今日头条：2017人工智能影响力报告	36Kr：人工智能行业研究报告（附下载）	Deloitte：2016年人工智能创新报告（附报告）
无觅

秒针系统&GfK：阿里 OTT TV 价值研究报告（167页）

Sat, 27 May 2017 00:56:41 CST

由于内容太长需PDF版可加入我们小密圈获取，199IT感谢您的支持！

2017 年 5 月 24 日，秒针系统联合 GfK，发布《阿里巴巴 OTT TV 媒体价值研究报告》。报告分析了 OTT TV 行业现状，对商业化模式、 OTT TV 行业的营销价值进行了深入的洞察，更从实际的广告营销案例入手，对阿里 OTT TV 媒体价值进行了研究分析。现在我们就稍作解读，从中洞见 OTT TV 是如何重新定义客厅大屏的营销价值的。

至 2016 年，秒针累计监测 OTT TV 广告活动总量 2100+，广告主总量超过 350 个。同 2015 年的数据相比，OTT TV 广告曝光量增长了 471%，而 OTV （即 Online TV，指 PC 端和移动端上的视频观看）广告曝光量在同期下降了 1.1%。

当时我们预测，OTT TV 广告市场进入了一个快速发展的阶段，浪潮将起。

在《阿里巴巴 OTT TV 媒体价值研究报告》中，我们认为 OTT TV 的营销价值在于其重新定义客厅大屏的价值。有数据显示，2016 年受众电视大屏消费时间正在回升，其中电视消费时长占比为 30%，智能手机上网消费时长占比为 50%，两者分别同比增长 5 个百分点和 10 个百分点而电脑和平板电脑的上网消费时长占比则分别下降了 9 个百分点和 6 个百分点。

同 2015 年相比，点播时长增长了 31%，这种交互式观看行为的增长成为受众回归电视大屏的重要驱动力。在传统收看模式均有不同程度下滑的今天，OTT TV 成为了重要增长极。

OTT TV 驱动高品质观众重回电视屏

从用户规模上看，2016 年 OTT TV 市场发展迅速，已经覆盖了 1 亿家庭，覆盖人口约 3 亿。按照这样的增长趋势，预计到 2018 年，OTT TV 是唯一能保持与智能手机近似增长率的设备，覆盖人数将超过 5.45 亿人。

值得关注的是，当前 OTT TV 受众的高端化特征明显，他们主要存在于年龄为 20-49 岁，拥有高学历、高收入的有孩家庭中，且拥有私家车。

与整个 OTT TV 市场覆盖的用户相比，阿里 OTT TV 用户具有良好的家庭营销商业价值。他们具有如下特点：

① 男性比例高，占 55%，高于行业的53%。

② 中青年为主，20-35 岁占比 67%，高于行业的60%。

③ 教育程度高，本科及以上学历占 31%，高于行业额27%。

④ 收入水平高：40% 用户收入高于 5,000 元，万元以上用户11%，高于行业的9%。

OTT TV 转化传统观众为智能用户

《报告》指出，OTT TV 重新定义客厅大屏价值的另外一个重要表现在于，将传统电视观众转化为智能用户。

影音类应用因 70% 的使用率成为 OTT TV 用户的首选，其中电影、电视剧和综艺是他们最爱的内容类型。而同时因为视频内容丰富、选择性多，在线看电影更新速度快，驱动 OTT TV 用户保持着极高的活跃度，每天收看的比例超过 57%，周均收看 5.3 天。

数据显示，同传统电视相比，OTT TV 与 PC 和 MOB 设备的日渗透重叠率均提升了 9%，分别达到了 38% 和 87%。如此高的大小屏重叠率，催生了更多的用户跨屏互动的机会。

以阿里 OTT TV 用户为例，有 34.9% 的用户会因含有奖励的广告（如：领奖、换购、试驾、参与活动等）参与互动；34.5% 的用户会因为内容推荐广告（如电影宣传的等）参与互动。

构建以家庭娱乐为核心的营销单元

OTT TV 的普及，使得以家庭娱乐为核心的营销单元得以构建。

同传统电视相比，OTT TV 在各时段平均观看人数达到 2.08 人，传统电视为 1.97 人，多人共享的家庭收看模式带来了更高的传播价值。以阿里 OTT TV 用户为例，两代人一起收看或与伴侣共同收看是其最常见的收看情境。每个家庭平均每次收看 OTT TV 时，会有3.47 位家庭成员一起，高于行业总体水平。

由于内容太长需PDF版可加入我们小密圈获取，199IT感谢您的支持！

您可能也喜欢的文章：
阿里研究院：2017新零售环境下智慧物流报告（附下载）	阿里研究院院长：电子商务对普惠发展的三大价值（附下载）	DCCI：2016-2017年中国数字音乐平台价值研究报告（附下载）	Ovum：2014年亚洲OTT TV发展趋势报告	美国OTT TV发展与监管政策研究
无觅

大数据和AI策略–面向投资的机器学习和另类数据方法（附280页报告）

Wed, 24 May 2017 00:59:38 CST

J.P.摩根最新的280 页研究报告《大数据和 AI 策略——面向投资的机器学习和另类数据方法》，极为详尽地梳理、评述、预测了对冲基金和投资者使用机器学习技术利用、分析另类数据的现状与未来，对于一切关注这一新兴大趋势的人们、一切投资者都有重要的借鉴意义。

大数据，特别是另类数据集的构建和利用，已经极大地改变了投资领域的面貌。对冲基金和其他经验丰富的投资者日益增加了对“另类数据”(alternative data)的消费。只要可能影响投资决策但又不属于市场统计数据和公司财报这类传统信息的数据都称为“另类数据”。

不过，如果没有内行的数据科学家，这类数据就难以使用，而且有时候并不可靠。对冲基金只是在最近才能获得卫星图像分析之类的数据，所以没有多少历史数据用来核实其价值。部分批评者认为，如此复杂的公司和经济分析方法的好处被夸大了。

就在前不久，微软AI首席科学家、IEEE Fellow 邓力离开微软，加盟对冲基金公司 Citadel，担任首席人工智能官（Chief Artificial-Intelligence Officer）。这条消息再次引发了人们对于 AI 技术、尤其是机器学习技术在金融投资领域应用的关注。

J.P.摩根最新的280 页研究报告《大数据和 AI 策略——面向投资的机器学习和另类数据方法》，极为详尽地梳理、评述、预测了对冲基金和投资者使用机器学习技术利用、分析另类数据的现状与未来，对于一切关注这一新兴大趋势的人们、一切投资者都有重要的借鉴意义。我们节选了这一长篇报告非常小的一部分介绍给读者朋友们。

1、另类数据的可用以及分析这些数据的新定量技术——机器学习，正在成为竞争优势的新来源

大数据和机器学习“革命”：目前，联网设备以电子方式获得了大多数的记录和观察。这原则上允许投资者实时访问广泛的市场相关数据。例如，可用于评估通货膨胀数百万项目的在线价格，可以实时估计销售量的商店访问和交易的客户数量，可以评估石油钻井平台或农业活动产量的卫星图像。历史上，类似的数据只能以低频率（例如每月CPI、每周钻机数量、美国农业部作物报告、零售销售报告和季度收入等）提供。鉴于可用的数据量，有经验的量化投资者在理论上可以接近获得实时的某公司特定的数据，而这些数据不能从传统的数据源获得。在实践中，有用的数据不容易获得，需要购买，需要组织和分析另类数据集以提取可交易信号。大型或非结构化数据集的分析通常使用机器学习来完成。在设计定量策略方面，成功应用机器学习技术需要一定的理论知识和很多实践经验。

在苦苦追寻 Alpha （对于非金融领域的读者，可以简单地将 Alpha 理解为超额回报）的过程中，基金经理越来越多地采用量化策略。另类数据的可用以及分析这些数据的新定量技术——机器学习，正在成为竞争优势的新来源。这种“数据的工业革命”旨在通过信息优势和发现新的不相关信号的能力来提供 Alpha。大数据信息优势来自手机、卫星、社交媒体等新技术创造的数据。大数据的信息优势与专家、行业网络甚至企业管理能力不直接相关，更多体现的是收集大量数据并实时分析数据的能力。在这方面，大数据有能力深刻改变投资环境，进一步将投资行业趋势从自由决定性转变为量化投资风格。

有三个趋势使大数据革命成为可能：

1）可用数据量的指数增加；

2）提高计算能力和数据存储容量的成本降低；

3）分析复杂数据集的机器学习方法取得了进展。

有许多经常使用的概念可以用于描述大数据，这里我们给出最简明的用来描述大数据的维度：

大数据有三个重要的特征维度：

体量：通过记录、公报、图表、文件等等收集并存储的数据的规模，大数据的“大”的下限正在持续升高；

速度：数据的发送和接收速度经常被作为大数据的显著特征。大数据能够批量传送；大数据的获取是实时的，或是接近实时的。

多样性：大数据经常具有多样性的形式——结构化的（如SQL 表格或 CSV 文件），半结构化的（如 JSON 或 HTML），非结构化的（如博客或视频信息）。

2、另类数据集的分类

在投资管理中，大数据革命的核心在于能够提供具有信息优势的数据资源。另类数据带来的优势可能是在于发现传统的信息源中没有包含的新信息，或者发现的是相同的信息，但是速度更快，时间更早。例如，矿井或者土地的卫星图片能够在媒体或者官方报告前，揭示供应短缺。

我们旨在提供大数据的框架或分类。首先，我们根据数据的生成方式对数据进行分类。然后，我们考虑的是数据集的属性，也就是与投资专业直接相关的，例如将数据集映射到资产类别或投资风格，alpha内容，数据质量，技术规格等。

我们首先在高水平上对数据来源进行分类，指出它们到底是由个人（如社交媒体帖子）生成，还是通过业务流程（如电子商务或信用卡交易数据）生成，或由传感器（比如卫星图片、雷达等等）生成。
这种一方法扩展了Kitchin（2015年）和联合国报告（2015年）在非财务文本中早期的尝试。虽然这种分类法在某种程度上只是理论上的，但是，在分析这三个类型的数据时，确实存在共同特征，分析方法和共同的挑战。例如，个人生成的数据通常是非结构化的文本格式，需要自然语言处理。传感器生成的数据往往是非结构化的，并且可能需要分析技术，例如计数对象，或消除天气/云从卫星图像的影响。许多商业上生成的数据集，如信用卡交易和公司的“废弃”数据都面临共同的法律和隐私问题。

在根据数据来源对数据进行分类之后，我们还要提供另一个投资人士可能更为感兴趣的分类方法。一个零售版块的投资组合经理可能更关心的是特定的销售数据，而无所谓它们是卫星生成的还是消费者志愿填写的。高频交易者关心每天产生的数据，比如推特、最新发布等等，但不太关心有明显延迟的信息，比如信用卡数据。在下图这个“投资分类”中，我们为各种另类数据标示了不同的属性，这些属性和投资专业人士比如 CIO、投资组合经理等高度相关。

3、机器学习技术的分类：怎样才算是人工智能

大型和较少结构化的数据集通常不能用简单的电子表格工作和散点图进行分析。我们需要新的方法来解决新数据集的复杂性和规模。例如，使用金融分析师的标准工具不可能对非结构化数据（如图像，社交媒体和新闻稿）进行自动分析。即使在大型传统数据集上，使用简单的线性回归往往会导致过度拟合或不一致的结果。机器学习方法可用于分析大数据，以及更有效地分析传统数据集。

毫无疑问，机器学习技术在应用于图像识别，模式识别，自然语言处理以及自动驾驶汽车等复杂任务时，产生了一些惊人的成果。那么，机器学习在金融中的应用是什么，这些方法相互之间有何不同？

首先需要强调，任务的自动化不是机器学习。我们可以指示计算机根据固定的规则执行某些操作。例如，如果资产价格下降了一定量（止损），我们可以指示电脑出售资产。即使给机器（也称为“符号人工智能”）大量复杂的规则，并不意味着就是机器学习，这只能说是任务的自动化。使用这个“符号人工智能”，机器在遇到与此前预编程的规则不匹配的情况时，只会选择自我“冻结”。

在机器学习中，给予计算机一个输入（一组变量和数据集），输出是输入变量的结果。该机器然后发现或“学习”在输入和输出之间起到链接作用的规则。

最终，这个学习任务的成功会被进行“样本外测试”，也就是，在未知的情景下，测试它所获得的这种连接变量和可能的预测结果之间的关系能力。

机器学习可以是监督的或无监督的。在监督学习中，我们试图找到一个规则，一个可以用来预测变量的“方程式”。例如，我们可能想要寻找一种能够预测未来市场表现的能力（趋势跟踪）信号。这可以通过运行先进的回归模型来评估哪一个具有较高的预测能力，并且对于regime变化最为稳定。

在无监督学习中，我们发现了数据的结构。例如，我们可能获得了市场回报，现在尝试确定回报的主要驱动力。例如，一个成功的模式可能会揭示，在某个时间点，市场受动量因素、能源价格、美元水平以及与流动性有关的新因素的驱动。深度学习是一种机器学习方法，可以分析在多个层级上学习数据（因此“深度”）。我们经常说的自动化的目标是执行易于定义但执行起来乏味的任务，而深度学习 AI 系统的目标是执行难以定义但易于执行的任务。深度学习本质上与人们学习的方式更相似，因此是人为重建人类智慧的真正尝试。

深度学习用于非结构化大数据集的预处理（例如，它用于计算卫星图像中的汽车，识别新闻稿中的情绪等）。在假设的财务时间序列示例中，深度学习预测（或估计）了市场修正的概率。我们可以将大量的数据集输入到深度学习模型中。该模型可能首先确定一些对市场产生负面影响的简单特征，例如动量崩溃，波动性增加，流动性下降等。这些因素单提出来可能不会导致市场纠正（market correction）。此外，算法可以识别这些简单特征之间的模式和它们之间的非线性关系。从这些模型中，它可以构建更复杂的特征，如EM 驱动灾难（EM driven crises），财务压力，这些最终可能导致更为显著的市场纠正（market correction）甚至衰退。

4、在另类数据中实施机器学习的主要步骤

鉴于风险和不确定的回报，许多投资者都在思考何时应该采用更具量化性的、数据驱动型的投资方法。首先我们简要概述实施过程中的主要步骤（例如有多少需要外包、内部构建大数据/机器学习所需的人才、典型的技术设置等等）。

首先需要识别和获取数据。数据采集团队可以直接通过数据所有者/供应商或聚合第三方数据的专业公司（并与供应商和最终用户相匹配）来获取新数据源的使用权。一旦许可协议到位，数据需要存储和预处理。大数据很少呈现出干净的形式，一般都无法直接提供给机器学习算法使用。需要专门的团队预处理数据（例如检测异常值、缺失值等）。数据科学团队由量化研究人员组成，借助机器学习、反向测试策略和可视化技术分析数据，根据数据推导出可交易信号或见解。最后，信号由投资组合经理实施，或者在某些情况下以自动化方式执行（这将涉及到系统的另一层和将信号链接到执行系统的软件专家）。

我们认为，大数据与机器学习革命将深刻改变投资环境。随着越来越多的投资者采用大数据，市场的反应将更快，并将越来越多地期待传统或“旧”数据源。这将为量化经理和愿意采用和了解新数据集和分析方法的人们提供优势。那些不学习、拒绝进化的人将面临过时的风险。不管这些变化的时间表如何，我们认为，分析师，投资组合经理、交易者和首席信息官最终将不得不熟悉大数据和机器学习的发展和相关的交易策略。

PDF版下载可加入我们小密圈，199IT感谢您的支持！

您可能也喜欢的文章：
MGI：2016年全球基础设施投资缺口调查（附报告）	2017年全球AI和机器学习领域6大顶级专家	SEG：2017年Q1 SaaS行业并购趋势报告（附报告）	贝莱德：2017年Q2全球投资展望（附下载）	infocaptor：20年创业风险投资数据分析
无觅

苹果非硬件收入就超过腾讯

Sun, 07 May 2017 12:20:21 CST

别说话，快去手机百度关注199IT百家号

不知道从什么时候开始，国内不少手机厂商或电视厂商就鼓吹着硬件免费，服务收费的模式。当然硬件也并非真的免费，其实也就是把价格打的很低，接近毛利为0甚至亏损一点点进行销售。硬件免费，服务收费这个模式的核心套路是用更低的硬件价格去获取海量的用户，然后通过其上面的互联网服务收费。以手机为例，在用较低的价格获取较高的用户后，一般是通过应用商店，自营APP吸引用户使用，从而通过游戏分成，广告等方式实现服务的收费。

国内企业中，小米和乐视是硬件免费，服务收费最为激进的实践者，正是对后向服务收费的信心，小米把手机价格打的很低，一度获取极高的市场份额；乐视在智能电视上也是非常激进，以至于落得个大亏损。

也许他们是时候向苹果好好学习了。

苹果是硬件和服务两手抓，两手收费

以2Q17苹果的财报收入来看，苹果一共赚了529亿美元，其中硬件收入为458.6亿美元，服务收入为70.4亿美元，其规模的确非常惊人。

苹果硬件和服务双丰收并不是靠硬件杀价赢来的。苹果整体的毛利水平接近40%，净利率为21%。说明苹果既能在硬件上赚到钱，也能在服务上赚到钱，核心秘籍是产品好，自带光环，无需杀价。

苹果服务营收规模虽大，但对占比也才刚过10%

苹果一个季度的服务营收就赚到了70多亿美元，相比之下，腾讯去年4季度的营收也才63.6亿美元。苹果靠iOS应用商店，苹果音乐，iCloud等服务的营收就超过了腾讯的规模。

国内前面强调硬件低价免费，重点放在服务收费的企业把自己的品牌拉低不说，对后向服务收费的迷恋也搞得一地鸡毛，用户颇为不满。以某手机厂商在手机和智能电视上过分强调广告变现为例，就已经引发诸多的用户不良反馈和负面。不少所谓买了低价机器的用户一定头痛不已，不知道他们是否已经认识到世上并没有免费的午餐，即便是羊毛出在猪身上，猪也要把你给强奸回来。

而对于国内的互联网硬件厂商而言，重视用户体验和产品品质的苹果才是他们应该效仿的，不管是产品品质还是产品+服务两条腿一起跑的商业模式。

您可能也喜欢的文章：
腾讯：开放平台开发者分成超过20亿	2012年第三季度腾讯和Facebook收入结构对比	腾讯：2016年VR行业生态及风险研究报告	财报显示腾讯越来越像一家游戏公司	Newzoo：2014年科技公司在中国收入排名苹果营收是腾讯的三倍
无觅

明白这些投资逻辑，我用了30年 ----冯时能

Thu, 26 Jan 2017 14:35:41 CST

明白这些投资逻辑，我用了30年
2017-01-25 冯时能雪球

本文作者冯时能是马来西亚南洋商报总编，和香港信报编辑曹仁超类似，都有差不多30多年的投资经验，且几乎完全依靠个人力量在投资上获得了财务自由。下面摘录一些精华片段。

1
旁门左道和人间正道

财富的创造，必须建立在价值的创造上，作为经济的一环，商业的一环，股票价值不可能无中生有，无中生有如果存在，也只能是昙花一现。正道，就是从商业的角度，依据基本面进行投资。股票投资者如果一开始就对股市存在错误的观念，以为可以在股市上快捷致富，那么他的下场几乎肯定是悲惨的。

2
买股票就是买股份

买股票就是买公司的股份，股票代表公司的资产和业务，就像地契代表土地一样。这个观点的建立是非常重要的，可以说，也是股票投资的关键所在。没有确立这个观念，你很难在股市上投资成功。

每次在买进之前，都必须提醒自己：我是在买进这家公司的股份，不是买进赌桌上的筹码。在认识清楚买股票就是买股份之后，整个投资景观就都完全改变了。

所以，在参股之前，和合伙做生意一样，必须对公司有深入了解，并且和你有信心的朋友合伙一样，谨慎对待投资公司的管理层。

3
股票风险有多高？

很多人都认为股票风险很高，但股票风险不会超过直接做生意的风险。只要你不是跟随市场情绪，高价买入公司股票，那么你的股份代表公司的业务，公司经营成功，你的股份价值也会随之上升，如果经营失败，甚至破产，你的亏损极限是0，但如果是做生意，有资产担保的话，可能还会累及个人。

所以，股票投资的风险，源自于企业的失败，这是企业风险。如果买价过高，还有市场跌价风险。所以，投资者应该避免高价买股，因为高价买好股，尚且难赚钱，何况可能买到劣股。

所以，治本之道，就是反向+成长+时间=价值。这是冷眼三十年所坚持的方程式。只要长期循正道而行，投资者就能取得合理的回报。

4
长期投资不应刻舟求剑

如果投资者20多岁就持有马来西亚银行、大众银行、丰隆贷款、OYL和东方实业五只股票，30年后1万令吉（马来西亚币）就会变成1百万。但投资者总是会产生一个错觉：就是买入一些股票后，锁在保险箱不理不睬，30年后打开就发现自己成为百万富翁。但这种想法无疑于刻舟求剑。

30年的漫长岁月中，马来西亚股市900多家公司中，只有极少数能成为这样的极品，更多的公司是不断沉沦，甚至消失。因此，买入股票后，投资者必须紧密跟踪公司动态和变化，切记置之不理。一旦发现公司环境变化而业务萎缩，走下坡路，就不能再坚守下去，甚至亏本也要斩仓出来。

所以，长期投资多长时间合适，是否继续投资下去，不应由时间，而应由公司表现决定。另外，如果股市极端疯狂，给出高的离谱的价格，你还坚守长期投资不出售，你就不是做股票投资的料子。

5
为什么不能等三年？

如果你买荒地开辟种植油棕园，从伐木、烧芭、开路挖沟，育苗，种植，除草，施肥，整整忙了三年，才看到棕果出现，收成仍不足以维持开支，再等两年，棕果渐丰，油棕园的收支才达到平衡，仍没钱赚。这已是第五个年头了。忙了五年，只有付出，没有收入，你不以为苦，因为你知道那是赚钱无可避免的途径。

如果你是一名中小型企业家，你有制造某种产品的经验，过去你是为别人管理公司的，现在决定自己创业，你决定建一间工厂，你从调查市场，向银行接洽借款，寻找厂地，设计厂房，招聘员工，装置机器，试验生产，到产品推入市场，从策划到产品出现在百货公司的货架上，前后三年，再苦撑两年，才开始有盈利，那已是第五个年头了。

你认为这是创业的正常过程，你心甘情愿与你的事业同行五年，毫无怨言。

以上的例子—开辟油棕园，从事工业，开零售店，从筹备到赚钱，快则一年半，慢则五年，业者从无怨言，因为他们了解，做任何事业，都需要时间，绝对没有一蹴即成这回事。

以上例子有一个共同点，那就是投入资金，希望赚取合理的利润，这叫“投资”，业者除了知道投资需要时间外，他们也接受一个事实，即凡是投资，都有风险，没有任何投资是没有风险的，风险是他们赚取比银行定存更高的利润所面付出的代价。

投资者接受两项事实：

①投资需要时间才能赚到利润，没有捷径可操。

②凡投资都有风险，风险的高低常与利润成正比。

股票投资，是许许多多投资管道之一，为什么投资者不能接受以上的两项事实。做事业，你可以等三、五年，股票投资为什么不能等三、五年？在做任何事情失败后，多数人只怨别人，把责任推在别人或环境身上，能自我反省的人少之又少。

股票投资也一样，亏了本不是怨股市，就是怨别人使奸用诈，从来不检讨自己失败的原因。再问一次：买屋子可以等三年，为什么买股票不能等三年？

6
股票投资要有“三识”

投资要成功，必须有“三识”，就是：知识、常识、胆识。

知识就是对投资对象有深入的认识。

例如买银行股必须选择管理严格的银行，因为银行是薄利多销的行业，赚率（净利润率）约为，管理稍微松懈，坏帐增加2%，银行就会亏大本。其次就是银行的业务，所涉及的范围很广阔，分行的分布遍及国内外，没有可能以“亲力亲为”的方式监管，所以“制度”很重要，银行要成功，制度必须完善和严密，职员必须严格遵行，处理业务不可有“创造性”，更不可感情用事，否则的话，坏账必然增加。而坏账的高低，是银行的成败关键。所以你在买进银行股时，要知道有关银行在放贷时是“松”还是“紧”，负责批准贷款的人接受不接受“礼物”。如果借款人不符合条件也可以取得贷款，而批准人接受“礼物”，或是高层人员受政治人物影响而发出大批贷款的话，千万不要购买此类银行的股票。

7
怎样减少亏损？

做股票的人首先不是学怎么赚钱，而是学会不要亏掉大钱。作为散户，总会有看走眼和买错股蒙受亏损的时候，但只要赚多亏少，长期就可以赚钱。如何减少亏损呢？经验就是采取反向策略，尽量买低，一个简单看法就是一年中的股价最低和最高价之间的平均价，位于最低点和平均价之间就属于低买入区间。

想在低买入区间购入股票，就要养成反向的习惯，在股市低潮时进场。大多数货物，都是价格越便宜越多人买，唯独股票是越低越没有人买。价格越高，买的人反而越多。这就是大多数人最终赔钱的原因。

买入如果股价升够50%，则基本已经脱离危险区，可以放任股价奔跑。如果公司业绩继续改善，就不应该急于脱手，而是继续追随公司成长。但如果公司经营有恶化趋势，则无论赚或赔，都应果断卖掉。

8
散户三部曲

美国次级房屋贷款，在全球股市掀起滔天巨浪。在过山车般的股市中，散户惊惶失措，都成了惊弓之鸟。在惊涛骇浪中，散户们的情绪商数（EQ）压倒了智慧商数（IQ）。

当情绪控制理智时，他们所作的决定，是情绪的决定，不是理智的决定。情绪的决定，不讲理由。因为情绪与理智，水火不相容。当情绪主宰一切时，理智只好退避三舍。

在此次的股灾中，许多散户，被突如其来的巨浪，冲到晕头转向，情绪失控，惊慌抛售，犯下大错，在股市最糟的时刻，贱价把股票卖掉。贱价抛售犯下大错还不到一个月，他们就后悔了，因为他们几乎是以最低的价格卖出。为什么会犯这个错误？因为他们的眼睛只看到股价，没有看到股票背后的资产。

如果他们了解股票所代表的资产，了解这些资产的价值，他们就不会那么心慌，就不会不计成本地抛售，而造成无谓的损失。根据情绪进行投资的散户，他们的行动可分为三个阶段，叫“散户三部曲”。

买股三部曲：

第一部：熊市——股价低沉，市场淡静，散户绝迹股市，股市死气沉沉。其实，这个时候，大部分股票的价值都被低估，但散户不感兴趣，他们感兴趣的是股价，不是股票的价值。所以他们不买。

第二部：牛皮靠稳——股市上升了一截，散户还是不要买。因为他们在低价时没有买进，现在股价已上升了二、三十巴仙，他们心有不甘，买不下手。

第三部：牛市形成——综指破五关斩六将，冲上一千四百点，散户们见猎心喜，见亲朋戚友捞得风生水起，信心大增，乃大肆进场。

就在兴高采烈时，次房事件演成股灾，引出了卖出的三部曲。

卖出三部曲：

第一部：利润不多，而牛气逼人，他当然不会卖。

第二部：综合指数跌至1300点，他认为这是暂时性的，不久就会回升，所以决定不卖。况且高价时有得赚，现在反而亏本，他们不甘愿卖。

第三部：综合指数直线下跌，跌破1200点，他有大祸临头之感，信心崩溃了，不计成本抛出。结果发现他是以最低价卖出。

买进三部曲的特点是：高买。卖出三部曲的特点是：低卖。

高买低卖，刚好跟股市金言——低买高卖适得其反。你想在股市赚钱吗？如果想的话，很简单，只要将买的和卖的三部曲，颠倒来做就行了。这叫倒行逆施。这就是”反向”。

9
“烂”比“跌”更可怕

如果公司的生意越做越萎缩，年年亏蚀，而且亏蚀额越来越大，最后可能面临破产的噩运，则股份的价值，必然一跌再跌，最后可能使你血本无归。在短期内，股票的价格会受到股市走势或人为操纵的影响，波动激烈。但长期来说，股价必然与公司的业绩同步，也就是说，股价必然会反映公司的业绩，只不过时间上有迟早之分而已。

举一个大马的例子说明：大众银行（PbBank，1295，主板金融股）在1996年金融风暴前的股价最高为令吉，最低为令吉。假如你在1996年时以令吉的最高价买进一千股（面值50仙）收藏至今，在收取五次红股及认购一次附加股之后，目前拥有一千九百五十股（面值一令吉），以今天令吉的价格计算，价值一万八千余令吉，等于十年前投资额的四倍，假如把历年收到的丰厚股息也计算在内的话，赚了超过五百巴仙。请注意，你在1996年时是以当年的最高价买进，仍能取得五百巴仙的盈利。如果是以当年最低价令吉买进，就赚得更多。大众银行在1998年金融风暴时曾一度跌至令吉，如果你以此价买进的话，你将赚十倍以上。如果你继续拿下去的话，将来肯定能赚得更多。

大众银行的盈利，年年上升，是使你即使高价买进，仍能反败为胜的主要原因。在十多年前，当第二板的股票，都被炒到十令吉以上时，我的朋友以十令吉的价格，买进一千股开屏（KaiPeng，8796，二板贸服股），坚守至今，由于该公司连年亏蚀，股价一跌再跌，今天只剩二分。

切勿低价买坏股同样是高价买进，持股期限同样超过十年，买好股和买坏股，结果有天壤之别。所以，散户宁可高价买好股，切勿低价买坏股。当然，如果坚持反向策略，低价买好股，就可以赚得更多。

“烂”比“跌”更可怕。可怕十倍。

成功的投资人都是怎么看世界的？

Fri, 28 Oct 2016 12:59:29 CST

成功的投资人都是怎么看世界的？

2016年10月28日华尔街见闻

因为Mauboussin本人是股票分析师出身，且在哥伦比亚商学院教授了24年《证券分析》，所以其更偏向于从股票投资者的角度，来描述伟大投资者的特征。即便如此，十个特征中关于面对人类“心理陷阱”和“心理弱点”的挑战、对持仓仓位比例控制和对组合的构建等方面的“描述”，对于任何类型的投资均有普遍意义。

　　 1、对数字敏感

　　要成为成功的投资者必须要对数字敏感。虽然投资决策中很少涉及复杂的计算，但成功的投资者具有对数字和概率的“感觉”。

　　对数字敏感的重要体现之一，是理解财务报表。会计是一种商业语言，伟大的投资者对报表驾轻就熟，因为报表向他们展示了一家公司在过去和未来的表现。

　　熟稔财报的目标有两个，第一个是将财报的枯燥数字转换成体现公司价值精要的自由现金流（free cash flow)。计算自由现金流需要用公司的现金收益减去公司投资对现金的消耗，公司投资包括了流动资金投入、现金收购和资本开支等。自由现金流是扣除对未来发展投入的现金后，“剩余”的可向股东分配的现金量。

　　虽然收益是衡量公司经营表现最常用的指标，但伟大的投资者非常清楚收益增长跟价值增长是两回事。如果公司对未来的投资不足，或投资未能产生“合适”的收益，公司可以在增加收益的同时毁灭价值。所以精明的投资者一般更关注未来自由现金流的现值所代表的公司价值，而非公司当期收益情况。

　　熟稔财报的第二个目标是理解公司战略与价值创造间的联系。最简单的方法是对比同行业两家公司财报的每一条数据，从公司分配资源的方式推出其在行业竞争中所处的位置和所采取的竞争策略。

　　更简便直接的方式是看公司的投资资本回报率（ROIC: Return On Invested Capital）。ROIC由两部份组成，盈利率（税后净营业利润/销售收入）和资本流速（销售收入/投资资本）。拥有较高盈利率和较低资本流速的公司采用的是差异化竞争策略；而拥有较低盈利率和较高资本流速的公司采取的是价格策略。因此，对公司赚钱能力的评估，本质上是对公司能维持现有竞争优势多长时间的评估。

　　 2. 理解价值(自由现金流的现值)

　　过去三十年金融市场发生了翻天覆地的变化，回头看看投资领域什么变化了，什么没有变，最终会发现多数东西都变了。上市公司的半衰期大约是10年，从足够长的时间跨度来看，可投资的公司如走马灯般在切换。

　　然而有一点是亘古不变的：未来现金流折现后的现值决定了资产的价值，不管是股票、债券还是房产莫不如是。当然评估现值对于股票投资者而言更为困难，因为价值中的三大要素：现金流、时间和风险在股票投资中都是由预期决定，而相较之下，债券投资中的现金流和时间因素都是由合约事先规定好的。

　　伟大的基本面投资者关注并理解自由现金流的重要性，即其可持续性。具体而言，需要综合考虑公司所处的行业生命周期，公司在整个行业竞争中所处的位置，行业的进入门槛和公司管理层配置公司资源的能力等。

　　所以伟大投资者都非常清楚表面指标，如市盈率和企业价值倍数等的局限性。这些指标并不直接代表公司价值，而只是评估价值过程中需要用到的中继工具而已。

　　 3. 正确评估公司战略(即公司如何赚钱)

　　这一能力有微观和宏观两个方面。微观方面，伟大的投资者对公司如何赚钱有深层的理解，他们会细看整个公司的经营。举例来说，对于零售企业的分析需要细化到：建店的成本、购置商品库存的成本、开店后的营收、利润率等等。对于这些行业细节有所了解，才能真正理解整个公司的经营。伟大的投资者对于自己投资的公司如何赚钱可以娓娓道来，如数家珍；他们从来不投资自己不了解的公司。

　　宏观方面，是对公司竞争优势可持续性的理解。只有有竞争优势的公司才可能赚钱，其竞争优势在财务上的体现就是，投资回报率高于其投入资金的机会成本。

　　伟大的投资者理解所投资的公司在产业中的独特地位，被投资的公司最好具有能够防止竞争者持续进入的“防御性优势”，这种优势的可持续性是公司估值的重要考量。

　　 4. 知道真正该比较的是什么

　　比较在投资世界中俯拾皆是：股票与债券比、主动投资与被动投资比、价值股与增长股比、一只股票与另一只股票比，投资者们每天都在做各种比较。

　　但真正区分一般投资者和伟大投资者的，是会不会比较基本面和预期。公司的未来表现，销售增长、营收利润率和投资回报等方面反映了公司的基本面；而预期是市场目前对于公司未来表现的集体估计，直接体现在股价中。

　　要在市场中赚钱，就必须能够识别出市场预期定价中的“错误”。多数投资者都不具备这个能力，因为多数人的投资行为是基本面向好追买，基本面变差杀跌。

　　所以伟大投资者独特的能力在于，不仅理解基本面和预期是两回事，而且还能通过比较发现这两者之间的差距。

　　但对于人类天生的认知能力而言，这是一项巨大的挑战。因为心理学家通过研究发现，人类并不擅长发现事物的绝对价值，但善于发现相对价值。但这在投资方面会造成很大“麻烦”，因为基于相对价值对比做出的投资决策并不是最有效的。例如，看到股价比之前高点下降了50%，就认为出手的时机已经到了，理由是之前这只股票上次也是在下跌50%后大幅反弹的。

　　另一个巨大的人性障碍是我们原先“固化”的观点会影响客观判断，我们的内心被“熟悉的偏见”所俘虏。心理学家在上世纪70年代初做过一项很有意思的实验：问实验群体东德和西德间的相似度大还是尼泊尔与斯里兰卡间的相似度大，三分之二的人选东德和西德；然后针对同样的两对国家，换了一种问法：东德和西德间的差异度大还是尼泊尔与斯里兰卡间的差异度大。理性客观的结果应该是有三分之二选尼泊尔和斯里兰卡，另外三分之一选东西德。但结果是有三分之二的人选了东西德。

　　最后一个“心理陷阱”是，人在建立因果关系关联性的时候，常常混淆表象联系和内在联系。拿鸟儿可以飞翔为例，拥有翅膀和羽毛可以飞翔是表象联系，但是鸟儿挥动翅膀通过空气原理生了拉升力，继而可以飞翔才是内在联系。所以伟大投资者在将现状与历史比较的时候，会去了解造成这段历史的内在机理，而不是仅仅是比较价格或其它表象。

　　 5. 用概率来思考

　　投资是一门概率艺术。伟大投资者整个的思维框架是建立在概率上的，并在市场上寻找价格与概率错配所产生的投资机会。

　　虽然投资结果很重要，但是伟大投资者的关注点更侧重于决策过程，因为好的结果不代表决策过程优异。因为概率的存在，好的决策有时也会带来坏的结果，而坏的决策也会带来好的结果。但长期来看，如果拥有正确的决策过程，即便时而出现坏的结果，投资的“总成绩”也会令人满意。

　　因此，学会将主要精力放在投资决策过程中，并接受偶尔不好的投资结果至关重要。此外需要足够长的时间和投资决策数量来让概率发挥作用。

　　伟大投资者的另一个伟大之处在于，他们清楚正确和错误的次数并不重要，重要的是每次正确时能带来多少收益（减去错误造成的损失）。这又是反“人性”的，因为人性是厌恶错误和损失的，但伟大的投资者摒弃了“人性”，不关注对错，只关注手中投资组合终值。

　　 6. 更新自己的观点

　　（观点是有待验证的假设，而非一成不变的原则）

　　多数人喜欢一直保持自己的观点，即便事实已经开始证明这一观点可能已经“失效”。因为人与生俱来具备保护自己的观点的“偏见”。为了保护自己的观点，多数人倾向于寻找可以印证自己观点的事实（同时忽略不利的信息），或将中性事实向有利于自己观点的方向理解。这种保护观点的行为阻止了对事件的不断思考，并避免根据新的变化做出行为上的改变。

　　但伟大的投资者与人性的偏见反其道而行之：他们主动寻找与自己观点向左的信息、观点和事实，并在有确凿证据证明自己观点错误时，果断更新自己的观点。看似容易的行为，实际上常人难以做到。

　　有研究显示，这种主动寻找与自己观点相反“论据”的人，在在预测方面做得更加出色。这种主动违反人性的努力，可以对冲人内在的保护自己观点的“偏见”。

　　最优秀的投资者理解周围的世界处在不断的变化之中，我们的观点因此具有流动性。他们不断寻找不同的观点，并根据新信息更新自己的观点。更新观点的结果是行动：更改头寸方向或增减其在组合中的比重。

　　 7. 理解行为偏见的存在

　　心理学教授Keith Stanovich喜欢将IQ和RQ区分开来看。IQ众所周知代表一个人的认知能力，而RQ（Rationality Quotient）是指一个人做决策的能力。教授认为，IQ和RQ间其实并没有太多重合。

　　巴菲特曾经对着两种能力做过精辟的解释，他将IQ比作发动机马力（horsepower），RQ比作输出功率（output）:

　　“我认为IQ就像发动机的马力，实际输出功率取决于运用IQ的理性能力。许多人拥有400马力的发动机但是仅有100马力的实际输出，这还比不上200马力但有200马力输出的发动机。”

　　心理学研究发现，多数人倾向于遵循经验法则来进行决策，因为经验性法则一般情况下是正确的，所以可以省下许多决策时间。但是经验法则决策法自身会造成偏离逻辑和概率的偏见。伟大投资者对于这些偏见的存在具有强烈的意识和深刻的理解，并有意采取各种措施来管理或减少这些偏见对于投资决策的影响。

　　避开行为偏见的能力由三部分组成，一部分是天生的，一部分是后天的有意训练，最后一部分是从环境中习得的经验。伟大投资者对偏见的控制能力高于普罗大众，他们积极学习这些偏见并想方设法来管理它们，并在投资环境中不断磨练。

　　 8.区分信息与影响

　　价格本身在金融市场中就是非常有用的信息，代表了对于未来公司表现的预期。然而投资活动本身并不是一门严格的科学，它本质上是一项社会活动，因此价格承担了信息和影响的双重职责。以历史上发生的互联网泡沫为例，随着科技股价格上升，相关投资者享受到了纸面财富。但这种现象会对还未购入科技股的投资人产生了影响，让其中的一些人“经不住诱惑”而跟买。这对股价会产生“良性循环”。所以当时科技股的飞速上涨并不是因为投资者对于公司前景的疯狂信心，而更多的是受众人怕错过赚钱机会心理的驱使。

　　但伟大的投资者有抗拒这种影响的能力，这种能力在社交上体现为，不在乎别人怎么看你。这又是“反人性”的特征。很多优秀投资者确实展现出这种矛盾：投资决策非常优秀，但在生活社交层面却让人头疼。

　　成功的投资者在制定策略时会综合考虑不同观点，然后最终形成一套合理但与众人共识不同策略。众人在多数时间里是对的，但一旦发生错误，要做出与众人“对赌”决定，需要极其强大的心理承受能力。

　　 9. 深谙头寸大小的重要意义

　　有一部电影讲述了一群MIT的数学高材生，找到了一套针对21点赌戏的算牌方法，然后在拉斯维加斯赌场所向披靡的故事。这个“成功的故事”背后其实是由两部分组成。第一部分是最醒目的，即他们的算牌和计算概率的能力，小组成员们分头行动，并互相沟通哪桌的概率更好。但第二重要的部分经常被忽视：小组成员们知道该如何根据概率来分配手中的筹码。

　　在投资领域其实也是一样：先找到投资机会，然后通过适当比例的建仓从中盈利。而几乎所有投资公司都会告诉客户自己的投资策略，但鲜有公司会透露策略的持仓情况。

　　一般投资组合的建立要经过以下过程：首先明确策略执行方式（在一个固定阶段内一直持有直到实现最大盈利还是连本带利滚动下注），然后寻找投资机会组合（是一组短期机会还是一组长线机会，或兼而有之），最后再考虑组合所需要面对的各种约束（流动性、投资期内可能出现的现金支取和杠杆等）。只有完全回答完以上三个问题才能有效地分配头寸。

　　长期盈利的投资者与一般投资者的区别就在于，前者理解合理分配头寸与识别投资机会对长期盈利而言同等重要。

　　 10. 阅读

　每年哥伦比亚商学院都会送学生到伯克希尔所在地奥马哈与校友巴菲特“聊一聊”。他们回来后我都会问一下他们的收获。几乎所有学生都有些难以置信似地说，伯克希尔的大佬们建议他们每天至少读500页的书。

　　芒格说他最喜欢的是爱因斯坦的一句名言：“成功来自于好奇心、专注力、执着心和自省，而自省是指能够改变自己固有想法的能力。”阅读可以说凝聚了以上成功要素的精要。芒格接着说道：“在我认识的成功人士中，没有一个不是坚持阅读人。”

APP 缓存数据线程安全问题探讨

Tue, 22 Nov 2016 21:05:12 CST

问题

一般一个 iOS APP 做的事就是：请求数据->保存数据->展示数据，一般用 Sqlite 作为持久存储层，保存从网络拉取的数据，下次读取可以直接从 Sqlite DB 读取。我们先忽略从网络请求数据这一环节，假设数据已经保存在 DB 里，那我们要做的事就是，ViewController 从 DB 取数据，再传给 view 渲染：

这是最简单的情况，随着程序变复杂，多个 ViewController 都要向 DB 取数据，ViewController本身也会因为数据变化重新去 DB 取数据，会有两个问题：

数据每次有变动，ViewController 都要重新去DB读取，做 IO 操作。
多个 ViewController 之间可能会共用数据，例如同一份数据，本来在 Controller1 已经从 DB 取出来了，在 Controller2 要使用得重新去 DB 读取，浪费 IO。

对这里做优化，自然会想到在 DB 和 VC 层之间再加一层 cache，把从 DB 读取出来的数据 cache 在内存里，下次来取同样的数据就不需要再去磁盘读取 DB 了。

几乎所有的数据库框架都做了这个事情，包括微信读书开源的 GYDataCenter，CoreData，Realm 等。但这样做会导致一个问题，就是数据的线程安全问题。

按上面的设计，Cache层会有一个集合，持有从DB读取的数据。

除了 VC 层，其他层也会从cache取数据，例如网络层。上层拿到的数据都是对 cache 层这里数据的引用：

可能还会在网络层子线程，或其他一些用于预加载的子线程使用到，如果某个时候一条子线程对这个 Book1 对象的属性进行修改，同时主线程在读这个对象的属性，就会 crash，因为一般我们为了性能会把对象属性设为nonatomic，是非线程安全的，多线程读写时会有问题：

//Network
WRBook *book = [WRCache bookWithId:@“10000”];
book.fav = YES;   //子线程在写
[book save];

//VC1
WRBook *book = [WRCache bookWithId:@“10000”];
self.view.title = book.title;   //主线程在读

可以通过这个测试看到 crash 场景：

@interface TestMultiThread : NSObject
@property (nonatomic) NSArray *arr;
@end

@implementation TestMultiThread
@end

TestMultiThread *obj = [[TestMultiThread alloc] init];
for (int i = 0; i < 1000; i ++) {
    dispatch_async(dispatch_get_global_queue(0, 0), ^{
        NSLog(@"%@", obj.arr);
    });
}
for (int i = 0; i < 1000; i ++) {
    dispatch_async(dispatch_get_global_queue(0, 0), ^{
        obj.arr = [NSArray arrayWithObject:@“b"];
    });
}

解决方案

对这种情况，一般有三种解决方案：

1. 加锁

既然这个对象的属性是非线程安全的，那加锁让它变成线程安全就行了。可以给每个对象自定义一个锁，也可以直接用 OC 里支持的属性指示符 atomic：

@property (atomic) NSArray *arr;

这样就不用担心多线程同时读写的问题了。但在APP里大规模使用锁很可能会导致出现各种不可预测的问题，锁竞争，优先级反转，死锁等，会让整个APP复杂性增大，问题难以排查，并不是一个好的解决方案。

2. 分线程cache

另一种方案是一条线程创建一个 cache，每条线程只对这条线程对应的 cache 进行读写，这样就没有线程安全问题了。CoreData 和 Realm 都是这种做法，但这个方案有两个缺点：

a.使用者需要知道当前代码在哪条线程执行。
b.多条线程里的 cache 数据需要同步。

CoreData 在不同线程要创建自己的 NSManagedObjectContext，这个 context 里维护了自己的 cache，如果某条子线程没有创建 NSManagedObjectContext，要读取数据就需要通过 performBlockAndWait: 等接口跑到其他线程去读取。如果多个 context 需要同步 cache 数据，就要调用它的 merge 方法，或者通过 parent-children context 层级结构去做。这导致它多线程使用起来很麻烦，API 友好度极低。

Realm 做得好一点，会在线程 runloop 开始执行时自动去同步数据，但如果线程没有 runloop 就需要手动去调 Realm.refresh() 同步。使用者还是需要明确知道代码在哪条线程执行，避免在多线程之间传递对象。

3.数据不可变

我们的问题是多线程同时读写导致，那如果只读不写，是不是就没有问题了？数据不可变指的就是一个数据对象生成后，对象里的属性值不会再发生改变，不允许像上述例子那样 book.fav = YES 直接设置，若一个对象属性值变了，那就新建一个对象，直接整个替换掉这个旧的对象：

//WRCache
@implementation WRCache
+(void) updateBookWithId:(NSString *)bookId params:(NSDictionary *)params
{
    [WRDBCenter updateBookWithId:@“10000” params:{@“fav”: @(YES)}]; //更新DB数据
    WRBook *book = [WRDBCenter readBookWithId:bookId]; //重新从DB读取，新对象
    [self.cache setObject:book forKey:bookId];  //整个替换cache里的对象
}
@end

self.book = [WRCache bookWithId:@“10000”];
// book.fav = YES;   //不这样写
[WRCache updateBookWithId:@“10000” params:{@“fav”: @(YES)}]; //在cache里整个更新
self.book = [WRCache bookWithId:@“10000”];   //重新读取对象

这样就不会再有线程安全问题，一旦属性有修改，就整个数据重新从DB读取，这些对象的属性都不会再有写操作，而多线程同时读是没问题的。

但这种方案有个缺陷，就是数据修改后，会在 cache 层整个替换掉这个对象，但这时上层扔持有着旧的对象，并不会自动把对象更新过来：

所以怎样让上层更新数据呢？有两种方式，push 和 pull。

a. push

push 的方式就是 cache 层把更新 push 给上层，cache对整个对象更新替换掉时，发送广播通知上层，这里发通知的粒度可以按需求斟酌，上层监听自己关心的通知，如果发现自己持有的对象更新了，就要更新自己的数据，但这里的更新数据也是件挺麻烦的事。

举个例子，读书有一个想法列表WRReviewController，存着一个数组 reviews，保存着想法 review 数据对象，数组里的每一个 review 会持有这个这个想法对应的一本书，也就是 review.book 持有一个 WRBook 数据对象。然后这时 cache 层通知这个 WRReviewController，某个 book 对象有属性变了，这时这个 WRReviewController 要怎样处理呢？有两个选择：

遍历 reviews 数组，再遍历每一个 review 里的 book 对象，如果更新的是这个 book 对象，就把这个 book 对象替换更新。
什么都不管，只要有数据更新的通知过来，所有数据都重新往 cache 层读一遍，重新组装数据，界面全部刷新。

第一种是精细化的做法，优点是不影响性能，缺点是蛋疼，工作量增多，还容易漏更新，需要清楚知道当前模块持有了哪些数据，有哪些需要更新。第二种是粗犷的做法，优点是省事省心，全部大刷一遍就行了，缺点是在一些复杂页面需要组装数据，会对性能造成较大影响。

b. pull

另一种 pull 的方式是指上层在特定时机自己去判断数据有没有更新。

首先所有数据对象都会有一个属性，暂时命名为 dirty，在 cache 层更新替换数据对象前，先把旧对象的 dirty 属性设为 YES，表示这个旧对象已经从 cache 里被抛弃了，属于脏数据，需要更新。然后上层在合适的时候自行去判断自己持有的对象的 dirty 属性是否为 YES，若是则重新在 cache 里取最新数据。

实际上这样做发生了多线程读写 dirty 属性，是有线程安全问题的，但因为 dirty 属性读取不频繁，可以直接给这个属性的读写加锁，不会像对所有属性加锁那样引发各种问题，解决对这个 dirty 属性读写的线程安全问题。

这里主要的问题是上层应该在什么时机去 pull 数据更新。可以在每次界面显示 -viewWillAppear 或用户操作后去检查，例如用户点个赞，就可以触发一次检查，去更新赞的数据，在这两个地方做检查已经可以解决90%的问题，剩下的就是同个界面联动的问题，例如 iPad 邮件左右两栏两个 controller，右边详情点个收藏，左边列表收藏图标也要高亮，这种情况可以做特殊处理，也可以结合上面 push 的方式去做通知。

push 和 pull 两种是可以结合在一起用的，pull 的方式弥补了 push 后数据全部重新读取大刷导致的性能低下问题，push 弥补了 pull 更新时机的问题，实际使用中配合一些事先制定的规则或框架一起使用效果更佳。

总结

对于 APP 缓存数据线程安全问题，分线程 cache 和数据不可变是比较常见的解决方案，都有着不同的实现代价，分线程 cache 接口不友好，数据不可变需要配合单向数据流之类的规则或框架才会变得好用，可以按需选择合适的方案。

埃森哲：2016零售业消费者研究（附下载）

Mon, 19 Dec 2016 01:05:10 CST

报告下载：添加199IT官方微信【i199it】，回复关键词【2016零售业消费者研究】即可

近日，埃森哲发布了《2016零售业消费者研究——消费者在呼求，零售够“灵”》(Retail Consumer Research 2016)研究报告。我们的研究显示，千禧一代消费者将主导整个亚洲消费市场。因此，零售商和消费品企业必须积极采用数字解决方案，才能为千禧一代消费者提供其所需的互联、整合的购物体验。

为了完成《2016零售业消费者研究》报告，埃森哲共调研了来自13个国家的1万多名消费者。作为该项研究的一部分，埃森哲从中选取了来自中国和日本的746名千禧一代消费者，这些受访者在2015年第四季度曾在网上和实体店中购物。调研反馈者从面板数据中选择，并且经过了欧洲民意与市场调查协会（ESOMAR）的审核，严格遵守市场研究的各项国际准则。购物者样本均衡地分布在七个行业，分别为：服饰、消费电子产品、百货商场、折扣店、大众商店和大卖场、日用杂货品商店、药店和家装店。同时，样本还覆盖了不同性别、年龄、家庭收入水平和居住地区。本次调研从所有购物者中筛选出了经常使用互联网和智能手机的个人，其置信度为95%，误差范围±3.6%。

机遇就在眼前

埃森哲的分析显示，到2020年，亚太地区电子商务销售总额有望增长三倍，达到2.6万亿美元。同时，亚洲地区千禧人群的消费能力会超过以往任何一代人，到2020年，其可支配收入将增加至6万亿美元。届时，全球60%的千禧一代消费者将生活在亚洲，占本地区人口的45%以上。因此，零售商和消费品企业必须深入解读这一精通技术、实时互联的群体，充分挖掘潜藏的巨大机遇，牢牢把握这一强大的消费群体。

埃森哲消费品与服务业资深董事总经理特奥·科雷亚（Teo Correia）表示：“数字化正在改变全球消费品行业，并赋予消费者更多的选择权、洞察力和控制力。千禧一代消费者希望获得简单愉悦、根据其兴趣和生活方式量身定制的购物体验。他们变得越来越难以预测，并形成了更多细分消费群，同时他们还是强大品牌和互动购物体验的拥趸者。为了赢得其忠诚度，各品牌的当务之急就是利用数据驱动型的应用，为其提供简明而极具个性化的体验。”

千禧一代热衷移动购物

数字技术与服务正逐步成为消费者日常生活的组成部分。如今，亚洲地区拥有全球半数以上的智能手机用户，其中新加坡和澳大利亚的智能手机普及率均已超过80%，居世界首位。与此同时，亚洲地区千禧一代消费者平均每天使用智能手机达2.8个小时（即每年42.5天），他们中的四成以上曾通过智能手机购物。

埃森哲的分析表明，相较其他消费者群体，千禧一代对他人建议持更加开放的态度。零售商和消费品企业正努力通过个性化服务满足该群体需求，但前提是必须确保其方式能够为消费者所接受，例如：

• 为了获取更加个性化的体验，60%的受访中国和日本的千禧一代消费者允许零售商获取其个人信息，而整体消费群体中具有同样想法的比例仅为47%。

• 在实体门店中，77%的中国和日本千禧一代赞同用忠诚度积分和折扣券自动抵减商品价格，不过只有37%的受访者欢迎销售人员询问其近期购买记录。

• 61%的中日千禧一代希望通过网络收到他们正考虑购买商品的促销信息。

科雷亚补充道：“我们看到，成功的品牌正通过提升数据分析能力，着力打造个性化的客户体验，并从忠诚度、购买历史和人口地理特征等维度出发精准定价。他们越来越多地运用预测分析来提供定制产品服务，同时透过基于定位的服务，将自身紧密融合到消费者的生活方式当中。而企业制胜的关键则是在各个渠道与客户进行沟通，确保消费者自始至终获得心满意足的品牌体验。”

报告下载：添加199IT官方微信【i199it】，回复关键词【2016零售业消费者研究】即可

您可能也喜欢的文章：
埃森哲：2014年中国消费者洞察洞察报告全篇（附下载）	埃森哲：调研发现消费者愿意为车联网额外付费	埃森哲：在互联新世界与数字消费者互动	埃森哲：2016年技术展望报告（附下载）	百度：移动互联时代消费者决策研究（附下载）
无觅

关于Uber机制的思考

Sun, 20 Sep 2015 00:08:27 CST

昨天写了一篇关于滴滴打车改版的文章（文章链接），引发了一些关于Uber和滴滴的对比讨论。

质疑明显歪了楼，大家主要讨论的是，Uber忽略目的地的问题和它的派单机制，而我在昨天文章中说的是Uber的首页设计的一些问题，具体来说，是它的出发地和开始用车的按钮不在一起的问题，以及出发地带搜索icon带来误解的问题。

不过既然大家讨论到了Uber的忽略目的地的机制和派单机制，我也就聊聊我的看法。

虽然现在Uber因为做出了拼车机制，开始要求输入目的地（许多喜欢Uber的人认为是一种倒退），但Uber此前的理念的确是会刻意忽略目的地的。身边许多朋友，也对这个理念表示认可。因为觉得它可以防止司机挑单。具体是，Uber的机制中，乘客一旦发出请求，附近的一位司机被自动被系统派单，必须前往接驾，否则将被惩罚。我奇怪的地方之一在于，这种派单机制中，即使乘客输入了目的地，不是一样派么？而就算乘客没输入目的地，司机也可以电话问乘客要去哪里，然后也可以根据自己的喜好取消单（这也是现在的现状，当然，有人要说了，他觉得这是在中国，在契约精神很强的国外，司机被派了单是不会被取消的，对于这种想法，我没有什么想说的），这不一样么。

话说回来，Uber首页的设计之差，与其机制和思想没什么关系，就是差。就算不想要输入目的地，不想派单，难道就不可以将出发地和发出请求的操作放置到一起么？显然这2个事情是有内在逻辑联系的，但Uber把它一个放在页面顶部，一个放在页面中间，令人费解。

关于目的地这件事，它对我个人的其中一个意义是掌控感。我不知道对于别人说是如何，但是对于我，一旦出行，一定是有一个想去的地方，打开出行软件，下意识会想到我肯定要告诉这个软件我要去哪里，这是一种我可以掌控自己去向的感觉，而不是第一次打开Uber，觉得无所适从，因为一开始预期想做的事情（告诉软件我要去哪里）无法做。当然，有人说线下招车也是招到再说目的地，那是因为你没法和还在很远的车里的司机说目的地，这样去招车，对于会挑单的司机，一样会拒单。

还有Uber的派单机制。派单机制的确让作为乘客的我觉得很有安全感，我作为乘客会继续使用Uber，我也非常清楚Uber的设计理念是希望它的叫车极快，但我仍旧不太认可它的机制设计，担心有一个比较严重的问题。就是，因为派单机制对于司机，显然体验是不太好的，或者至少对于滴滴那类可以让司机挑选单的平台来说相对差些。而对于这类资源平台，我认为保住司机比保住乘客更重要，我的这个倾向和我在UGC平台中强烈建议优先考虑内容生产者的体验，是一样的。Uber目前的做法，只能通过对司机的补贴比滴滴多，来决定，换句话说，同一个司机，在Uber中必须比在滴滴中赚得多，才会留在Uber。这个根本上的区别，导致对于乘客，不考虑短期的补贴，长远来看，滴滴一定比Uber便宜，也就是说，Uber会相比滴滴更加小众、高端。类似一个是大众，一个是宝马，不好说谁输谁赢，但从用户规模、估值规模的角度来说，Uber的模式未来会弱于滴滴的模式。

当然，我估计滴滴在一开始做抢单机制而不是派单机制的时候，也不一定想了这么多。我想的这些也不一定对，只是当前阶段我对派单和抢单两种机制的看法。我会继续两者都用，用滴滴是因为发票，以及觉得未来它会更便宜，用Uber是因为相对小众高端，和确定有车的安全感。

我都快好像变成Uber黑了，但是实际上我真的非常欣赏共享经济，因为共享经济是解决一个社会性的闲散资源分配不合理的问题，Uber（和Airbnb）算是共享经济的鼻祖。Uber做了许多创新，其中我印象最深刻的一条是在高峰期时通过某个区域内价格增加一个倍数，吸引更多车辆进入热门区域（也直观地让他们了解到哪里是此时的叫车需求多的区域），这对于车辆和乘客来说是双赢（加价会提醒用户），这个优秀的机制果然滴滴就仿照了，这是应该的。

关注我的公众号，阅读更多文章：

贝恩咨询：2016年中国购物者报告（附下载）

Tue, 09 Aug 2016 01:49:39 CST

报告下载：添加199IT官方微信【i199it】，回复关键词【2016年中国购物者报告】即可

2015年中国快速消费品市场的销售额增速达到3.5%，为五年来的最低点。贝恩公司与凯度消费者指数连续第五年合作发布的《中国购物者报告：如何把握双速前进中的中国购物者》指出，这一数据背后掩盖了一个重要的特征。尽管经济环境整体萧条，但有一些品类仍然保持较快的增速，凸显了中国快速消费品和其他消费行业在快慢迥异的两种增速下的运行轨迹。

“中国经济不断地变化和发展以适应放缓的GDP增长，经济重心也开始从制造业向服务业转移，并努力推动创新引导的增长取代投资引导的增长，”凯度消费者指数中国区总经理虞坚先生说，“我们对中国消费者的购物行为进行了跟踪，发现上述转变以及其他一些重大的经济变化对中国购物者的消费模式产生了显著的影响。”

在过去的四年中，贝恩公司和凯度消费者指数对个人护理、家庭护理、饮料和包装食品（占快速消费品销售总额的80%左右）这四大领域中的26个品类进行了深入的分析。报告详细介绍了中国市场的两种增速对快速消费品品类、零售渠道以及跨国品牌和本地品牌之间持久战的影响。

产品品类

国内服务行业的兴起以及较高薪酬职位的出现推动了酸奶、宠物食品等高端品类以及大部分品类中高端单品的增长。

“快速消费品企业已经建立了庞大的分销网络，将他们的产品介绍给中国消费者。目前，大多数品类已经达到了它们在中国所需的分销规模，各大品牌开始面临新的挑战，需要提高各个分销点的销售率方可实现增长，”贝恩公司大中华区消费品及零售业务主席、本报告联合作者布鲁诺（Bruno Lannes）先生说，“由于很难推动消费者提高购买频率，且很多品类的购买频率很低，各大品牌通常会投资推出高端产品。经实践证明，在渗透率停滞或下降的情况下，这一方法可成功地实现销售增长。”

与此同时，由于大量制造业岗位转移至人工成本更低的海外国家，在方便面、平价啤酒等传统上以“蓝领”为主要顾客的品类中，各大品牌也陷入困境。2015年，方便面的销量下降了12.5%，啤酒下降了3.6%。中国整体工人人口的数量于2012年达到高峰，之后逐渐减少，低收入退休人员增多，加剧了增速的放缓。

零售渠道

根据我们对中国购物者行为的研究，全国零售市场格局正在不断发生变化。小型门店业态将继续保持强劲增长。值得注意的是，便利店在去年的销售额增长了13.2%，在全国的渗透率增加8.5%，吸引现金充裕、但时间较少的城市消费者。

与此同时，网上购物将继续主导中国现代零售环境。在过去4年，中国电子商务市场的年增长率在37%左右，创造了近4万亿元的收入，使中国一跃成为全球最大的电商市场。贝恩公司和凯度消费者指数的联合调查发现，婴儿用品和护肤品继续主导电商市场，而口香糖、衣物柔顺剂和大多数饮料品类的网购渗透率较低。大部分个人护理、家庭护理和包装食品等品类的渗透率在中等水平，增长率较高。

相反地，过去十年重塑中国零售环境的大卖场，2015年首次出现负增长，在城市快速消费品市场的销售额下跌0.2%，客流减少4.6%，家庭平均购物量降低4.7%。超市/小超市的增长也颇为乏力，增速从9.5个%降低至4%。

外资和本土品牌

中国消费者市场的双速发展尤其体现在中外品牌之间的持久战。2015年，本土公司继续从外资竞争对手手中抢占大量份额。在贝恩公司和凯度消费者指数的调查的品牌中，本土公司的市场销售额增长率为7.8%，对市场增长的贡献为109%。这些公司在护肤品、婴儿纸尿片、护发素、牙膏和洗发水品类中的增长最多。

外资公司在衣物柔顺剂、婴儿配方奶粉、方便面和啤酒品类中的增长最多，因为外资品牌大力投资营销活动，而且消费者对本土产品有食品安全的担忧，因此转投外资品牌的怀抱。然而在2015年，外资品牌整体依然下跌了1.4%。

在去年，地区增长格局也有很大变化。在过去，城市级别是销售增长的主要影响因素之一。如今，各个城市层级的增速均向3-5%的区间靠拢，因此品牌商不能假设下线城市继续保持高速的增长。

在中国双速前行的快消品市场中取得成功
即便是在这样双速前行的环境下，我们发现购物者仍然表现出了可以预测的购买行为模式，品牌可以通过认清这些模式来超越竞争对手。根据报告，公司和品牌可以采取 4个步骤在市场中实现成功：

1. 检查自身 成本结构和运营模型，提高灵活性及其决策制定和执行的速度，以及积极接受数字化发展对自身所在品类的颠覆方式；
2. 先培养市场及销售团队的 数字化能力和思维模式，并逐渐推广至所有职能；
3. 关注零售业的巨大变化，以及由整体市场增长放缓和线上竞争导致的分销商经济效益下跌，适时调整市场通路模式。专注于致胜渠道，同时选择性投资其他渠道；
4. 打造领先品牌的关键仍然是渗透率，必须有效的结合店内推广和线上数字营销活动

报告下载：添加199IT官方微信【i199it】，回复关键词【2016年中国购物者报告】即可

您可能也喜欢的文章：
贝恩咨询：2014年中国购物者报告（二）	贝恩咨询：数字化是战略还是工具？	Kantar Worldpanel&贝恩咨询：2013年中国购物者报告	贝恩咨询：2015年中国购物者报告（二）	贝恩咨询：2015年中国私人财富报告
无觅

花旗银行：随着自动化的发展77%的中国劳动人口将被取代

Mon, 01 Aug 2016 01:13:42 CST

199IT原创编译

自动化对那些底层的、技术不熟练的人来说仍然是最大的威胁；但是，那些更熟悉网络技术、技术更娴熟的人也将受到自动化的影响。85%的受访者认为自动化带来危机。根据 Citi GPS的新报告“全球视角与解决方案”，物流和运输行业，以及这个领域的办公和管理层最容易受到自动化的影响。

有些国家也比其他国家更容易受到自动化的影响。在美国47%的劳动人口将被自动化所取代；由于庞大的制造业中国和印度更容易受到自动化影响，分别有77%和69%的劳动人口将被自动化取代。埃塞俄比亚最容易受到自动化的影响，85%的劳动人口处于被取代的危机中，主要是由于农业机械化的影响。

好消息是专业领域仍然有空间，因为机器人和算法很难取代这些专业人士。这些工作需要创意、社交智慧，包括管理、商业、艺术和媒介，以及教育和医疗。自动化的发展并不是工作的终结者。

199IT.com原创编译自：Citi 非授权请勿转载

您可能也喜欢的文章：
银行理财业务发展报告：将呈现四方面发展趋势	波士顿咨询：2015年中国私人银行全面发展报告	麦肯锡：2014年中国零售银行转型趋势及发展动态	花旗：中国与新兴市场破碎的经济增长模式？	2016年中国机器人产业发展白皮书（附下载）
无觅

SITA：2016年中国旅客IT趋势调查（附下载）

Mon, 01 Aug 2016 01:17:11 CST

报告下载：添加199IT官方微信【i199it】，回复关键词【2016年中国旅客IT趋势调查】即可

中国航空旅客在日常生活和旅行中倚重科技产品，有近三分之一的旅客看重效率，是经常使用自助科技产品的“超联通型技术达人”。目前，各大航空公司正不遗余力地满足这些旅客的需求，其中80%的航空公司采用互联飞机，而所有航空公司正致力于投资移动技术服务和物联网。

2016年国际航空电讯集团(以下简称”SITA”) 在中国进行的旅客IT趋势调查，代表了中国约60%的客流量。SITA分析了4种类型的旅客，分别为：谨小慎微的策划师型旅客、骄奢型旅客、超连通型旅客和豁达冒险家型旅客，他们都在以自己的方式使用科技产品。中国拥有24%的超连通型旅客，为全球之冠，而全球平均水平仅为14%。这一类型旅客比其他三大类旅客更倾向于使用科技产品，例如利用移动设备来完成预订和值机，并管理旅行。

目前，全世界的航空旅客都能得心应手地应对科技技术，他们选择利用它，而不是与其他人互动。这一点在中国尤为突出。据SITA调查显示，98%的中国旅客在旅行时至少会携带一件电子设备，而49%的旅客会携带平板电脑。他们还在日常生活中广泛利用网络和移动服务，其比例是10：7.1，即10个中国人中就有7.1个人在使用网络服务。另外，中国人在旅行途中也会使用移动服务。如今，将近17%的中国旅客使用移动app来办理值机，据航空公司预测，该数值或将在未来3年飙升。

能够让旅客在地面及空中体验一次畅通联网旅行是至关重要的。目前，中国的航空公司拥有了相对现代化的机队，他们在采用互联网航班方面一马当先。事实上，80%的中国航空公司已经或即将开始运营互联网航班，这与全球45%的平均水平相比形成鲜明对比。

SITA中国区副总裁周红梅女士 (May Zhou) 说：“在当今高效互联的世界，旅客更喜欢使用科技产品。SITA调查也显示，旅客希望能联网，并在旅行的每个阶段通过自己的移动设备来使用服务，这其中也包括飞行途中。今天，我们看到，中国的航空公司正致力于投资互联飞机、移动技术服务和物联网，来积极响应这些超连通型旅客的需求。通过这一战略，他们可满足旅客对通过移动设备来获取信息及服务的不断增长的需求”。

SITA调查显示，在中国，40%的航空公司都坚信，互联飞机能创造极大利益，可改善旅客体验，而所有航空公司都计划在未来3年投资无线机上服务。目前，已有58%的中国旅客在登机后使用他们的移动设备来享受丰富的机上娱乐项目。

物联网 (IoT) 也是中国各大航空公司考虑的重中之重。所有中国航空公司都计划在未来3年投资物联网，而他们中的78%正计划据此推出重大项目。当前，中国航空公司已部署实施的物联网举措只有燃油/发动机监控，而部署该举措的航空公司也只占10%。但在未来3年，航空公司将把物联网服务的焦点放在智能行李牌、资产追踪和航班客舱环境监控等领域。

报告下载：添加199IT官方微信【i199it】，回复关键词【2016年中国旅客IT趋势调查】即可

您可能也喜欢的文章：
SITA：2015年旅客IT趋势（附下载）	prnasia：2013年中国企业内容传播趋势与ROI效果评估调查报告	零点调查：中国00后群体研究报告	慧聪研究：2013年中国汽车用品市场消费趋势调查报告	Amadeus：2014年旅客偏好因素调查
无觅

Nielsen：62%的中国广告商表示数据管理平台“非常重要”

Wed, 20 Jul 2016 01:42:03 CST

199IT原创编译

根据2015年的调查，数据管理平台对中国营销人员来说已经成为关键。

ZenithOptimedia和Nielsen调查了中国广告商利用数据管理平台的情况。1/4受访者表示数据管理平台是优先考虑事项，还有62%的广告商表示数据管理平台“非常重要”，只有15%的受访者认为数据管理平台是次重要的。

最主要的原因是收集产品相关信息：88%的受访者表示对从数据管理平台获得这方面的数据感兴趣。

超过8/10的受访者希望获得智能手机数据，71%的受访者表示会从数据管理平台获取地址。

包括数据管理平台在内的营销技术在中国越来越重要，就像其他国家一样。数据管理平台推进的程序化购买广告也如此。eMarketer预测今年中国程序化购买网络展示广告支出将增长48.4%，接近100亿美元。

199IT.com原创编译自：eMarketer 非授权请勿转载

您可能也喜欢的文章：
IAB：大数据平台承载着未来广告绩效的希望	Nielsen：中国好声音广告分析	国家食品药品监督管理总局：数据显示保健食品广告90%以上虚假违法	移动广告管理平台LiquidM融资500万美元	网站日志管理工具和数据分析服务平台Logentries获1000万美元A轮融资
无觅

CB Insights：独角兽之战——滴滴出行和优步市值差距越来越大

Thu, 30 Jun 2016 00:22:52 CST

199IT原创编译

利用CB Insights数据，我们调查了滴滴出行和优步（Uber）的市值变化情况。

2015年8月优步中国融资12亿美元。滴滴出行是优步中国的主要竞争对手，最近刚刚完成73亿美元的融资，其中包括Apple的10亿美元投资。

市值变化

2010年优步实现首次融资，市值只有400万美元。到2011年底，市值攀升至3.47亿美元，优步从此开始稳步的融资道路，最近市值达到625亿美元。

同时，滴滴出行的前身——快的打车和弟弟打车——首次融资是在2013年中期，2015年第一季度并购后市值达到875亿美元。随后滴滴出行市值攀升至280亿美元，不足优步市值的一半。

两者市值差距越来越大，2015年初，优步市值已经达到400亿美元，尽管滴滴和快的并购，市值也只有87.5亿美元。最近优步市值已经达到625亿美元，超过滴滴出行市值345亿美元。

199IT.com原创编译自：CB Insights非授权请勿转载

您可能也喜欢的文章：
CB Insights：虚拟现实和增强现实投资交易量差距越来越大	CB Insights：详解美国人工智能创业融资趋势	CB Insights：媒体企业争相投资虚拟现实和增强现实初创企业	CB Insights：过去5年移动行业初创企业获投资额增长超过600%	CB Insights：中国电子商务行业投资额占全球的30%
无觅

JSPatch实现原理详解

Tue, 02 Jun 2015 13:09:58 CST

JSPatch以小巧的体积做到了让JS调用/替换任意OC方法，让iOS APP具备热更新的能力，在实现JSPatch过程中遇到过很多困难也踩过很多坑，有些还是挺值得分享的。本篇文章从基础原理、方法调用和方法替换三块内容介绍整个JSPatch的实现原理，并把实现过程中的想法和碰到的坑也尽可能记录下来。

基础原理

能做到通过JS调用和改写OC方法最根本的原因是Objective-C是动态语言，OC上所有方法的调用/类的生成都通过Objective-C Runtime在运行时进行，我们可以通过类名/方法名反射得到相应的类和方法：

Class class = NSClassFromString("UIViewController");
id viewController = [[class alloc] init];
SEL selector = NSSelectorFromString("viewDidLoad");
[viewController performSelector:selector];

也可以替换某个类的方法为新的实现：

static void newViewDidLoad(id slf, SEL sel) {}
class_replaceMethod(class, selector, newViewDidLoad, @"");

还可以新注册一个类，为类添加方法：

Class cls = objc_allocateClassPair(superCls, "JPObject", 0);
objc_registerClassPair(cls);
class_addMethod(cls, selector, implement, typedesc);

对于Objective-C对象模型和动态消息发送的原理已有很多文章阐述得很详细，例如这篇，这里就不详细阐述了。理论上你可以在运行时通过类名/方法名调用到任何OC方法，替换任何类的实现以及新增任意类。所以JSPatch的原理就是：JS传递字符串给OC，OC通过Runtime接口调用和替换OC方法。这是最基础的原理，实际实现过程还有很多怪要打，接下来看看具体是怎样实现的。

方法调用

require('UIView')
var view = UIView.alloc().init()
view.setBackgroundColor(require('UIColor').grayColor())
view.setAlpha(0.5)

引入JSPatch后，可以通过以上JS代码创建了一个UIView实例，并设置背景颜色和透明度，涵盖了require引入类，JS调用接口，消息传递，对象持有和转换，参数转换这五个方面，接下来逐一看看具体实现。

1.require

调用 require(‘UIView’) 后，就可以直接使用 UIView 这个变量去调用相应的类方法了，require 做的事很简单，就是在JS全局作用域上创建一个同名变量，变量指向一个对象，对象属性__isCls表明这是一个Class，__clsName保存类名，在调用方法时会用到这两个属性。

var _require = function(clsName) {
  if (!global[clsName]) {
    global[clsName] = {
      __isCls: 1,
      __clsName: clsName
    }
  }
  return global[clsName]
}

所以调用require(‘UIView’)后，就在全局作用域生成了UIView这个变量，指向一个这样一个对象：

{
  __isCls: 1,
  __clsName: "UIView"
}

2.JS接口

接下来看看 UIView.alloc() 是怎样调用的。

旧实现

对于这个调用的实现，一开始我的想法是，根据JS特性，若要让 UIView.alloc() 这句调用不出错，唯一的方法就是给 UIView 这个对象添加 alloc 方法，不然是不可能调用成功的，JS对于调用没定义的属性/变量，只会马上抛出异常，而不像OC/Lua/ruby那样会有转发机制。所以做了一个复杂的事，就是在require生成类对象时，把类名传入OC，OC通过runtime方法找出这个类所有的方法返回给JS，JS类对象为每个方法名都生成一个函数，函数内容就是拿着方法名去OC调用相应方法。生成的 UIView 对象大致是这样的：

{ 
    __isCls: 1,
    __clsName: "UIView",
    alloc: function() {…},
    beginAnimations_context: function() {…},
    setAnimationsEnabled: function(){…},
    ...
}

实际上不仅要遍历当前类的所有方法，还要循环找父类的方法直到顶层，整个继承链上的所有方法都要加到JS对象上，一个类就有几百个方法，这样把方法全部加到JS对象上，碰到了挺严重的问题，引入几个类就内存暴涨，无法使用。后来为了优化内存问题还在JS搞了继承关系，不把继承链上所有方法都添加到一个JS对象，避免像基类 NSObject 的几百个方法反复添加在每个JS对象上，每个方法只存在一份，JS对象复制了OC对象的继承关系，找方法时沿着继承链往上找，结果内存消耗是小了一些，但还是大到难以接受。

新实现

当时继续苦苦寻找解决方案，若按JS语法，这是唯一的方法，但若不按JS语法呢？突然脑洞开了下，CoffieScript/JSX都可以用JS实现一个解释器实现自己的语法，我也可以通过类似的方式做到，再进一步想到其实我想要的效果很简单，就是调用一个不存在方法时，能转发到一个指定函数去执行，就能解决一切问题了，这其实可以用简单的字符串替换，把JS脚本里的方法调用都替换掉。最后的解决方案是，在OC执行JS脚本前，通过正则把所有方法调用都改成调用 __c() 函数，再执行这个JS脚本，做到了类似OC/Lua/Ruby等的消息转发机制：

UIView.alloc().init()
->
UIView.__c('alloc')().__c('init')()

给JS对象基类Object的prototype加上 __c 成员，这样所有对象都可以调用到 __c，根据当前对象类型判断进行不同操作：

Object.prototype.__c = function(methodName) {
  if (!this.__obj && !this.__clsName) return this[methodName].bind(this);
  var self = this
  return function(){
    var args = Array.prototype.slice.call(arguments)
    return _methodFunc(self.__obj, self.__clsName, methodName, args, self.__isSuper)
  }
}

_methodFunc() 就是把相关信息传给OC，OC用 Runtime 接口调用相应方法，返回结果值，这个调用就结束了。

这样做不用去OC遍历对象方法，不用在JS对象保存这些方法，内存消耗直降99%，这一步是做这个项目最爽的时候，用一个非常简单的方法解决了严重的问题，替换之前又复杂效果又差的实现。

3.消息传递

解决了JS接口问题，接下来看看JS和OC是怎样互传消息的。这里用到了JavaScriptCore的接口，OC端在启动JSPatch引擎时会创建一个JSContext实例，JSContext是JS代码的执行环境，可以给JSContext添加方法，JS就可以直接调用这个方法：

JSContext *context = [[JSContext alloc] init];
context[@"hello"] = ^(NSString *msg) {
    NSLog(@"hello %@", msg);
};
[_context evaluateScript:@"hello('word')"];     //output hello word

JS通过调用JSContext定义的方法把数据传给OC，OC通过返回值传会给JS。调用这种方法，它的参数/返回值JavaScriptCore都会自动转换，OC里的 NSArray, NSDictionary, NSString, NSNumber, NSBlock 会分别转为JS端的数组/对象/字符串/数字/函数类型。上述_methodFunc方法就是这样把要调用的类名和方法名传递给OC的。

4.对象持有/转换

UIView.alloc() 通过上述消息传递后会到OC执行 [UIView alloc]，并返回一个UIView实例对象给JS，这个OC实例对象在JS是怎样表示的呢？怎样可以在JS拿到这个实例对象后可以直接调用它的实例方法 (UIView.alloc().init())？

对于一个自定义id对象，JavaScriptCore 会把这个自定义对象的指针传给JS，这个对象在JS无法使用，但在回传给OC时OC可以找到这个对象。对于这个对象生命周期的管理，按我的理解如果JS有变量引用时，这个OC对象引用计数就加1 ，JS变量的引用释放了就减1，如果OC上没别的持有者，这个OC对象的生命周期就跟着JS走了，会在JS进行垃圾回收时释放。

传回给JS的变量是这个OC对象的指针，如果不经过任何处理，是无法通过这个变量去调用实例方法的。所以在返回对象时，JSPatch 会对这个对象进行封装。

首先，告诉JS这是一个OC对象：

static NSDictionary *toJSObj(id obj)
{
    if (!obj) return nil;
    return @{@"__isObj": @(YES), @"cls": NSStringFromClass([obj class]), @"obj": obj};
}

用__isObj表示这是一个OC对象，对象指针也一起返回。接着在JS端会把这个对象转为一个JSClass实例：

var JSClass
var _getJSClass = function(className) {
  if (!JSClass) {
    JSClass = function(obj, className, isSuper) {
        this.__obj = obj
        this.__isSuper = isSuper
        this.__clsName = className
    }
  }
  return JSClass
}

var _toJSObj = function(meta) {
  var JSClass = _getJSClass()
  return new JSClass(meta["obj"], meta["cls"])
}

JS端如果发现返回是一个OC对象，会传入 _toJSObj()，生成一个 JSClass 实例，这个实例保存着OC对象指针，类名等。这个实例就是OC对象在JSPatch对应的JS对象，生命周期是一样的。

回到我们第二点说的 JS接口，这个JSClass实例对象同样有 __c 函数，调用这个对象的方法时，同样走到 __c 函数， __c 函数会把JSClass实例对象里的OC对象指针以及要调用的方法名和参数回传给OC，这样OC就可以调用这个对象的实例方法了。

接着看看对象是怎样回传给OC的。上述例子中，view.setBackgroundColor(require(‘UIColor’).grayColor())，这里生成了一个UIColor实例对象，并作为参数回传给OC。根据上面说的，这个UIColor实例在JS中的表示是一个JSClass实例，所以不能直接回传给OC，这里的参数实际上会在 __c 函数进行处理，会把对象的 .__obj 原指针回传给OC。

最后一点，OC对象可能会存在于 NSDictionary / NSArray 等容器里，所以需要遍历容器挑出OC对象进行格式化，OC需要把对象都替换成JS认得的格式，JS要把对象转成JSClass实例，JS实例回传给OC时需要把实例转为OC对象指针。所以OC流出数据时都会经过 formatOCObj() 方法处理，JS从OC得到数据时都会经过 _formatOCToJS() 处理，JS传参数给OC时会经过 _formatJSToOC() 处理，图示：

5.类型转换

JS把要调用的类名/方法名/对象传给OC后，OC调用类/对象相应的方法是通过NSInvocation实现，要能顺利调用到方法并取得返回值，要做两件事：

1.取得要调用的OC方法各参数类型，把JS传来的对象转为要求的类型进行调用。
2.根据返回值类型取出返回值，包装为对象传回给JS。

例如开头例子的 view.setAlpha(0.5)， JS传递给OC的是一个NSNumber，OC需要通过要调用OC方法的 NSMethodSignature 得知这里参数要的是一个 float 类型值，于是把NSNumber转为float值再作为参数进行OC方法调用。这里主要处理了int/float/bool等数值类型，并对CGRect/CGRange等类型进行了特殊转换处理，剩下的就是实现细节了。

方法替换

JSPatch可以用 defineClass 接口任意替换一个类的方法，方法替换的实现过程也是颇为曲折，一开始是用 va_list 的方式获取参数，结果发现arm64下不可用，只能转而用另一种hack方式绕道实现。另外在给类新增方法、实现property、支持self/super关键字上也费了些功夫，下面逐个说明。

基础原理

OC上，每个类都是这样一个结构体：

struct objc_class {
  struct objc_class * isa;
  const char *name; 
  ….
  struct objc_method_list **methodLists; /*方法链表*/
};

其中methodList方法链表里存储的是Method类型：

typedef struct objc_method *Method;
typedef struct objc_ method {
  SEL method_name;
  char *method_types;
  IMP method_imp;
};

Method保存了一个方法的全部信息，包括SEL方法名，type各参数和返回值类型，IMP该方法具体实现的函数指针。

通过Selector调用方法时，会从methodList链表里找到对应Method进行调用，这个 methodList 上的的元素是可以动态替换的，可以把某个 Selector 对应的函数指针IMP替换成新的，也可以拿到已有的某个 Selector 对应的函数指针IMP，让另一个 Selector 跟它对应，Runtime 提供了一些接口做这些事，以替换 UIViewController 的 -viewDidLoad: 方法为例：

static void viewDidLoadIMP (id slf, SEL sel) {
   JSValue *jsFunction = …;
   [jsFunction callWithArguments:nil];
}

Class cls = NSClassFromString(@"UIViewController");
SEL selector = @selector(viewDidLoad);
Method method = class_getInstanceMethod(cls, selector);

//获得viewDidLoad方法的函数指针
IMP imp = method_getImplementation(method)

//获得viewDidLoad方法的参数类型
char *typeDescription = (char *)method_getTypeEncoding(method);

//新增一个ORIGViewDidLoad方法，指向原来的viewDidLoad实现
class_addMethod(cls, @selector(ORIGViewDidLoad), imp, typeDescription);

//把viewDidLoad IMP指向自定义新的实现
class_replaceMethod(cls, selector, viewDidLoadIMP, typeDescription);

这样就把 UIViewController 的 -viewDidLoad 方法给替换成我们自定义的方法，APP里调用 UIViewController 的 viewDidLoad 方法都会去到上述 viewDidLoadIMP 函数里，在这个新的IMP函数里调用JS传进来的方法，就实现了替换 viewDidLoad 方法为JS代码里的实现，同时为 UIViewController 新增了个方法 -ORIGViewDidLoad 指向原来 viewDidLoad 的IMP，JS可以通过这个方法调用到原来的实现。

方法替换就这样很简单的实现了，但这么简单的前提是，这个方法没有参数。如果这个方法有参数，怎样把参数值传给我们新的IMP函数呢？例如 UIViewController 的 -viewDidAppear: 方法，调用者会传一个Bool值，我们需要在自己实现的IMP（上述的viewDidLoadIMP）上拿到这个值，怎样能拿到？如果只是针对一个方法写IMP，是可以直接拿到这个参数值的：

static void viewDidAppear (id slf, SEL sel, BOOL animated) {
   [function callWithArguments:@(animated)];
}

但我们要的是实现一个通用的IMP，任意方法任意参数都可以通过这个IMP中转，拿到方法的所有参数回调JS的实现。

va_list实现(32位)

最初我是用可变参数va_list实现：

static void commonIMP(id slf, ...)
  va_list args;
  va_start(args, slf);
  NSMutableArray *list = [[NSMutableArray alloc] init];
  NSMethodSignature *methodSignature = [cls instanceMethodSignatureForSelector:selector];
  NSUInteger numberOfArguments = methodSignature.numberOfArguments;
  id obj;
  for (NSUInteger i = 2; i < numberOfArguments; i++) {
      const char *argumentType = [methodSignature getArgumentTypeAtIndex:i];
      switch(argumentType[0]) {
          case 'i':
              obj = @(va_arg(args, int));
              break;
          case 'B':
              obj = @(va_arg(args, BOOL));
              break;
          case 'f':
          case 'd':
              obj = @(va_arg(args, double));
              break;
          …… //其他数值类型
          default: {
              obj = va_arg(args, id);
              break;
          }
      }
      [list addObject:obj];
  }
  va_end(args);
  [function callWithArguments:list];
}

这样无论方法参数是什么，有多少个，都可以通过va_list的一组方法一个个取出来，组成NSArray在调用JS方法时传回。很完美地解决了参数的问题，一直运行正常，直到我跑在arm64的机子上测试，一调用就crash。查了资料，才发现arm64下va_list的结构改变了，导致无法上述这样取参数。详见这篇文章。

ForwardInvocation实现(64位)

后来找到另一种非常hack的方法解决参数获取的问题，利用了OC消息转发机制。

当调用一个 NSObject 对象不存在的方法时，并不会马上抛出异常，而是会经过多层转发，层层调用对象的 -resolveInstanceMethod:, -forwardingTargetForSelector:, -methodSignatureForSelector:, -forwardInvocation: 等方法，这篇文章说得比较清楚，其中最后 -forwardInvocation: 是会有一个 NSInvocation 对象，这个 NSInvocation 对象保存了这个方法调用的所有信息，包括 Selector 名，参数和返回值类型，最重要的是有所有参数值，可以从这个 NSInvocation 对象里拿到调用的所有参数值。我们可以想办法让每个需要被JS替换的方法调用最后都调到 -forwardInvocation:，就可以解决无法拿到参数值的问题了。

具体实现，以替换UIViewController的-viewWillAppear:方法为例：

把UIViewController的 -viewWillAppear: 方法通过 class_replaceMethod() 接口指向一个不存在的IMP: class_getMethodImplementation(cls, @selector(__JPNONImplementSelector))，这样调用这个方法时就会走到 -forwardInvocation:。
为UIViewController添加 -ORIGviewWillAppear: 和 -_JPviewWillAppear: 两个方法，前者指向原来的IMP实现，后者是新的实现，稍后会在这个实现里回调JS函数。
改写UIViewController的 -forwardInvocation: 方法为自定义实现。一旦OC里调用 UIViewController 的 -viewWillAppear: 方法，经过上面的处理会把这个调用转发到 -forwardInvocation: ，这时已经组装好了一个 NSInvocation，包含了这个调用的参数。在这里把参数从 NSInvocation 反解出来，带着参数调用上述新增加的方法 -JPviewWillAppear: ，在这个新方法里取到参数传给JS，调用JS的实现函数。整个调用过程就结束了，整个过程图示如下：

最后一个问题，我们把UIViewController的 -forwardInvocation: 方法的实现给替换掉了，如果程序里真有用到这个方法对消息进行转发，原来的逻辑怎么办？首先我们在替换 -forwardInvocation: 方法前会新建一个方法 -ORIGforwardInvocation:，保存原来的实现IMP，在新的 -forwardInvocation: 实现里做了个判断，如果转发的方法是我们想改写的，就走我们的逻辑，若不是，就调 -ORIGforwardInvocation: 走原来的流程。

实现过程中还碰到一个坑，就是从 -forwardInvocation: 里的 NSInvocation 对象取参数值时，若参数值是id类型，我们会这样取:

id arg;
[invocation getArgument:&arg atIndex:i];

但这样取某些时候会导致莫名其妙的crash，而且不是crash在这个地方，似乎这里的指针取错导致后续的内存错乱，crash在各种地方，这个bug查了我半天才定位到这里，至今不知为什么。后来以这样的方式解决了：

void *arg;
[invocation getArgument:&arg atIndex:i];
id a = (__bridge id)arg;

其他就是实现上的细节了，例如需要根据不同的返回值类型生成不同的IMP，要在各处处理参数转换等。

新增方法

在JSPatch刚开源时，是不支持为一个类新增方法的，因为觉得能替换原生方法就够了，新的方法纯粹添加在JS对象上，只在JS端跑就行了。另外OC为类新增方法需要知道各个参数和返回值的类型，需要在JS定一种方式把这些类型传给OC才能完成新增方法，比较麻烦。后来挺多人比较关注这个问题，不能新增方法导致 action-target 模式无法用，我也开始想有没有更好的方法实现添加方法。一开始想到，反正新增的方法都是JS在用，不如新增的方法返回值和参数全统一成id类型，这样就不用传类型了，但还是需要传参数个数，后来跟Lancy聊天他提了很好的建议，数一下JS函数的参数就知道多少个了，非常好的主意，就这样做了。

现在 defineClass 定义的方法会经过JS包装，变成一个包含参数个数和方法实体的数组传给OC，OC会判断如果方法已存在，就执行替换的操作，若不存在，就调用 class_addMethod() 新增一个方法，通过传过来的参数个数和方法实体生成新的 Method，把 Method 的参数和返回值类型都设为id。

这里有个问题，若某个类实现了某protocol，protocol方法里有可选的方法，它的参数不全是id类型，例如 UITableViewDataSource 的一个方法：

- (NSInteger)tableView:(UITableView *)tableView sectionForSectionIndexTitle:(NSString *)title atIndex:(NSInteger)index;

若原类没有实现这个方法，在JS里实现了，会走到新增方法的逻辑，每个参数类型都变成id，与这个 protocol 方法不匹配，产生错误。后续会处理protocol的问题，若新增的方法是protocol实现的方法，会取这个方法的 NSMethodSignature 获得正确的参数类型进行添加。

Property实现

defineClass('JPTableViewController : UITableViewController', {
  dataSource: function() {
    var data = self.getProp('data')
    if (data) return data;
    data = [1,2,3]
    self.setProp_forKey(data, 'data')
    return data;
  }
}

JSPatch可以通过 -getProp:， -setProp:forKey: 这两个方法给对象添加成员变量。实现上用了运行时关联接口 objc_getAssociatedObject() 和 objc_setAssociatedObject() 模拟，相当于把一个对象跟当前对象self关联起来，以后可以通过当前对象self找到这个对象，跟成员的效果一样，只是一定得是id对象类型。

本来OC有 class_addIvar() 可以为类添加成员，但必须在类注册之前添加完，注册完成后无法添加，这意味着可以为在JS新增的类添加成员，但不能为OC上已存在的类添加，所以只能用上述方法模拟。

self关键字

defineClass("JPViewController: UIViewController", {
  viewDidLoad: function() {
    var view = self.view()
    ...
  },
}

JSPatch支持直接在defineClass里的实例方法里直接使用 self 关键字，跟OC一样 self 是指当前对象，这个 self 关键字是怎样实现的呢？实际上这个self是个全局变量，在 defineClass 里对实例方法方法进行了包装，在调用实例方法之前，会把全局变量 self 设为当前对象，调用完后设回空，就可以在执行实例方法的过程中使用 self 变量了。这是一个小小的trick。

super关键字

defineClass("JPViewController: UIViewController", {
  viewDidLoad: function() {
    self.super.viewDidLoad()
  },
}

OC里super是一个关键字，无法通过动态方法拿到super，那么JSPatch的super是怎么实现的？实际上调用super的方法，OC做的事是调用父类的某个方法，并把当前对象当成self传入父类方法，我们只要模拟它这个过程就行了。

首先JS端需要告诉OC想调用的是当前对象的super方法，做法是调用 self.super时，会返回一个新的 JSClass 实例，这个实例同样保存了OC对象的引用，同时标识 __isSuper=1。

JSClass = function(obj, className, isSuper) {
    this.__obj = obj
    this.__isSuper = isSuper
    this.__clsName = className
}
JSClass.prototype.__defineGetter__('super', function(){
  if (!this.__super) {
    this.__super = new JSClass(this.__obj, this.__clsName, 1)
  }
  return this.__super
})

调用方法时，__isSuper会传给OC，告诉OC要调 super 的方法。OC做的事情是，如果是调用 super 方法，找到 superClass 这个方法的IMP实现，为当前类新增一个方法指向 super 的IMP实现，那么调用这个类的新方法就相当于调用 super 方法。把要调用的方法替换成这个新方法，就完成 super 方法的调用了。

static id callSelector(NSString *className, NSString *selectorName, NSArray *arguments, id instance, BOOL isSuper) {
    ...
    if (isSuper) {
        NSString *superSelectorName = [NSString stringWithFormat:@"SUPER_%@", selectorName];
        SEL superSelector = NSSelectorFromString(superSelectorName);
       
        Class superCls = [cls superclass];
        Method superMethod = class_getInstanceMethod(superCls, selector);
        IMP superIMP = method_getImplementation(superMethod);
       
        class_addMethod(cls, superSelector, superIMP, method_getTypeEncoding(superMethod));
        selector = superSelector;
    }
    ...
}

总结

整个JSPatch实现原理就大致描述完了，剩下的一些小点，例如GCD接口，block实现，方法名下划线处理等就不细说了，可以直接看代码。JSPatch还在持续改进中，希望能成为iOS平台动态更新的最佳解决方案，欢迎大家一起建设这个项目，github地址： https://github.com/bang590/JSPatch

IT瘾文章推荐

2026年人工智能趋势报告：颠覆规则与未来前瞻

更多阅读：

OECD：人工智能在教育体系中的应用与采纳

更多阅读：

网宿 ：2018中国互联网发展报告

PDF版本将分享到199IT交流群，支持我们发展可加入！

更多阅读：

用户端智能的应用实践

金额推荐

智能push

本地处理

其他

感想

斯坦福：2018年度人工智能AI指数报告

PDF版本将分享到199IT交流群，支持我们发展可加入！

更多阅读：

GSMA：智能连接——5G、AI和IoT的组合如何改变美洲

PDF版本将分享到199IT交流群，支持我们发展可加入！

更多阅读：

EMI：2018年青少年智能手机成瘾调查报告

PDF版本将分享到199IT交流群，支持我们发展可加入！

更多阅读：

闲聊 Flutter

移动 APP 网络优化概述

速度

1.DNS

2.连接

keep-alive

多路复用

TCP队头阻塞

3.数据

弱网

安全

最后

GIF vs APNG vs WebP

简介

压缩率

颜色

透明

兼容性

德勤咨询：人工智能与商业应用研究报告（附下载）

1. 人工智能应用领域

2. 人工智能中的监管问题

3. 人工智能发展现状

4. 德勤观点

2017雷达报告：影响未来旅游业发展的九大科技趋势（附下载）

贝恩&招商银行：2017中国私人财富报告

PDF版下载可加入我们小密圈，199IT感谢您的支持！

GWI：2017年值得关注的10大营销趋势（附报告）

PDF版下载可加入我们小密圈，199IT感谢您的支持！

中国指数研究院：2017中国地级以上城市房地产开发投资吸引力研究（附报告）

PDF版下载可加入我们小密圈，199IT感谢您的支持！

2017年人工智能研究报告

秒针系统&GfK：阿里 OTT TV 价值研究报告（167页）

由于内容太长需PDF版可加入我们小密圈获取，199IT感谢您的支持！

由于内容太长需PDF版可加入我们小密圈获取，199IT感谢您的支持！

大数据和AI策略–面向投资的机器学习和另类数据方法（附280页报告）

PDF版下载可加入我们小密圈，199IT感谢您的支持！

苹果非硬件收入就超过腾讯

明白这些投资逻辑，我用了30年 ----冯时能

成功的投资人都是怎么看世界的？

成功的投资人都是怎么看世界的？

APP 缓存数据线程安全问题探讨

问题

解决方案

1. 加锁

2. 分线程cache

3.数据不可变

a. push

b. pull

总结

埃森哲：2016零售业消费者研究（附下载）

关于Uber机制的思考

贝恩咨询：2016年中国购物者报告（附下载）

花旗银行：随着自动化的发展77%的中国劳动人口将被取代

SITA：2016年中国旅客IT趋势调查（附下载）

Nielsen：62%的中国广告商表示数据管理平台“非常重要”

CB Insights：独角兽之战——滴滴出行和优步市值差距越来越大

JSPatch实现原理详解

网宿：2018中国互联网发展报告