今天就是一年一度的七夕節了，作為中國傳統的“情人節”，相信不少情侶已經想好如何度過一個愉快的七夕節，而沒有對象的小伙伴怎么辦？馬云老師已經安排上了。 　　8 月 25 日消息，支付寶表示，對于七夕節缺對象的人，可以上支付寶搜“找對象”，馬老師已經安排好。 　　通過搜索發現，原來馬云老師所說的對象竟然是真的象。并且今天還是螞蟻集團與云南省林業和草原局、西雙版納傣族自治州人民政府簽署框架協議，就亞洲象保護達成合作的日子。 　　此前，馬云在阿里巴巴內部發布《請大家想辦法一起參與這件事》的倡議中就曾寫道：“當前，云南總共有大象 320 頭，其中僅在西雙版納就有 280 頭，近年來，大象和人的沖突越來越大，不僅損壞農作物，這兩年還傷害了很多百姓生命”。 　　馬云當時還直接指定了阿里巴巴合伙人、阿里巴巴公益基金會理事長孫利軍和千尋位置 CEO 陳金培擔任項目負責人。 除此之外，他還呼吁員工一起動腦動手，把這個頭疼的問題變成“好玩的公益”。 看來現在這個項目已經落實， 　　據了解，螞蟻集團未來將整合經濟體力量，從野生亞洲象監測預警體系建設、棲息地和廊道恢復、亞洲象肇事幫扶等方面展開相關探索，目標帶動全社會共同參與，促進人象和諧發展。 　　這就是七夕節馬老師送大家的（對）象，你喜歡嗎？

　　騰訊科技訊，今年 2 月 20 日，騰訊與敦煌研究院聯合推出了“云游敦煌”小程序。6 個月過去，小程序的累計獨立用戶訪問量達到 422 萬人次，游客總訪問量 1751 萬人次。 　　8 月 19 日，“文化遺產”保護管理與傳承創新研討會在敦煌舉行，騰訊新文創研究院走進敦煌，向 100 多位專家學者講述了云游敦煌誕生背后的故事。騰訊集團市場與公關部總經理、騰訊新文創研究院執行院長李航作了《新時代下先進科技與文化遺產的融合發展》主題發言。 　　他從以下三個方面講述了先進科技對文化遺傳傳承的重要性：其一，科技與文化遺產融合發展的基礎，是為文化遺產創造數字資產，創建數字世界的入口。最好的文物保存并不是束之高閣，而是讓文化遺產通過科技與人心相連。通過“云游敦煌”這個數字入口，人們隨時隨地“逛”敦煌，千萬里之外的敦煌就在身邊。 　　其二，先進科技是思維，文化遺產是思想。思維傳播思想，思想指引思維，二者是共同體?！霸朴味鼗汀笔讋摗敖袢债嬚Z”“一幅壁畫+一個故事+一句箴言”讓人每打開一次“敦煌”都能充分感懷善念。 　　其三，科技和文化遺產融合發展，將推動中國新文創發展，打造出有影響力的超級文化符號?！岸鼗蛣赢媱　薄岸鼗驮娊洝钡入娪?、文學、游戲等數字內容正通過技術融合與敦煌產生化學反應。敦煌不僅是壁畫，更是一種生活方式。 　　 下附發言全文： 　　敦煌研究院以及各位文博、文保界的專家老師們，大家好！ 　　非常榮幸受到敦煌研究院的邀請，來參加本次研討會。今天的主題是“新時代下先進科技與文化遺產的融合發展”，這是一個讓人肅然起敬的命題。 　　去年 11 月，我們來拜訪敦煌研究院和趙院長，工作會上，我們熱火朝天的討論一個重要的議題：敦煌和騰訊如何合力打造一個敦煌小程序，我們把壁畫和洞窟數字化，建設在騰訊云上，讓國人在微信、在 QQ 上就可以隨時隨地的到訪敦煌。 　　萬萬沒想到，疫情的到來，完全阻斷了我們面對面的項目推進，也阻隔了國人來游莫高窟。1 月 24 日，敦煌研究院宣布暫停開放莫高窟。1 月 26 日是大年初一，當天晚上，我們在評估過所有開發執行條件后，決定克服一切困難開工，把 3 個月之后才計劃上線的敦煌小程序縮短到 3 周，在疫情期間、在全國人民都在家隔離的時候，就能上線。 　　這里特別感謝趙院長和研究院的老師們，大家一起從春節就打拼。大家的想法很簡單純粹，希望讓敦煌的千年智慧能在這個最需要的時候，給國人陪伴。2 月 20 日，經歷了三周的日夜兼程，敦煌小程序在微信和 QQ 上線，他有一個很美的名字“云游敦煌”。希望每一個人都能在云上暢游千年，在指尖觸摸敦煌，在心頭感悟智慧。 　　我們相信云游敦煌會火，但沒有想到會那么火。上線一天，微信訪問量就突破 200 萬人次，更讓人驚喜的是，項目剛上線之時，每五位訪問首頁的用戶，就會有一位在朋友圈里分享這個小程序，這足以說明大家的喜歡。今年 6 月，云游敦煌有幸入選了國家文物局頒發的 “中華文物全媒體傳播精品”。 　　幾個月里，云游敦煌的國人已經有 1700 多萬人次。在這個數據背后，我感受到了一種讓人敬畏的力量，一種 1600 多年前的中國文化力量，如今依然光彩熠熠地吸引和指引著我們。 　　每一次來敦煌，我都心懷敬畏。和敦煌研究院合作也快三年了，我們的初心就是希望用科技傳承好文化，讓敦煌飛入尋常百姓家，讓千年文化傳承到下一個千年。這三年來，我和團隊也有幾點感悟，借此機會向大家分享和報告。 　　首先，科技與文化遺產融合發展的基礎，是為文化遺產創造數字資產，創建數字世界的入口。去年，法國發生的災難事件讓世人警醒，流傳千年的文化珍寶在災害面前是脆弱的。除了加倍做好實物保護之外，文物的深度數字化很關鍵。首先是讓實物的風采用現代科技手段得到最真實的記錄，目前文物的高清超高清采集、3D 采集耗時耗力，還有很長的路要走。其次是通過云端存儲，讓數字文物得到更安全和長久的保存，甚至永存。 　　但我相信最好的文物保存并不是束之高閣，而是讓文化遺產通過科技與人心相連，保存在每一個人的心中。云游敦煌就是在敦煌石窟的數字化和騰訊云保存這兩個基礎上，我們把入口設在微信和 QQ 的小程序里，希望每一天活躍在這兩個社交軟件的 12 億人，能在想到和需要的時候，便捷的打開這個“數字入口”，跨越時空造訪敦煌，感受敦煌藝術之美。 　　第二、先進科技是思維，文化遺產是思想。思維傳播思想，思想指引思維，二者是共同體。博大精深的思想與億萬人的連接，需要科技作為橋梁。在新時代，文化遺產如何進一步走進現代人的心里、被銘記和傳頌，需要創新的思維。 　　每一個洞窟、每一幅壁畫、每一件文物都有深意，在時間碎片化越來越嚴重的今天，如果人每一天最多只能記住一個敦煌故事，我們應該如何設計云游敦煌，讓游客看了又再來呢？ 　　我們的創意、設計和敦煌老師們合作，首創了一個“今日畫語”功能，作為云游敦煌的首頁。我們將數量龐大的壁畫做了取舍，每日只推薦“一幅壁畫+一個故事+一句箴言”，讓敦煌的每一個故事通過一幅圖的形式呈現給用戶，讓人能每一次充分感懷善念。今日畫語運用的是個性化推薦技術，為用戶量身推薦，也就是說每一位不同的用戶，每一天得到的壁畫不同。用戶還可以將每日獲得的畫語箴言轉發到朋友圈，分享今天敦煌給他的思想啟示。 　　通過這種創新方式，創造了獨一無二的用戶價值。我常常能看到很多媒體朋友在朋友圈里，每天一大早就分享他的今日畫語和敦煌故事，這種社交分享會引發更多朋友的興趣，吸引更多人來云游。今日畫語也因此成為了目前云游敦煌里最受歡迎的功能。 　　懂得取舍、因人而異、心懷善念，正是得益于這些古人流傳下來的智慧，成就了云游敦煌的設計，也讓小程序獲得了日均 10 萬人次的訪問量和 65% 的回頭率。 　　第三、科技和文化遺產融合發展，將推動中國新文創發展，打造出有影響力的超級文化符號。當前，電影、游戲、文學等數字內容正在與 5G、人工智能、音視頻等數字技術融合，他們之間不只是物理上的協同，而是產生了化學反應。數字內容與數字技術融合的結果，必將加速推動中國新文創的發展，讓文化遺產成為更有影響力的超級文化符號。 　　今年 2 月云游敦煌上線后，我們就開始著手研究升級版“敦煌動畫劇”，希望在看圖文的方式之外，有一種更為生動的文化載體，比如通過九色鹿的故事，把敦煌文化帶到千家萬戶。 　　趙院長精心挑選出 5 幅敦煌最有代表性的壁畫，由騰訊影業出品，我們打造出 5 部精彩的動畫短劇，并由趙院長、騰訊影業 CEO 程武先生領銜配音，講述了壁畫背后的動人故事。 　　我們還開發了配音功能，運用語音融合技術，讓用戶可以選擇自己感興趣的國王、王后等角色，為他們配音，自動生成一條自己的動畫劇，分享到朋友圈。這種首創形式，不僅有趣，還讓用戶在配音的過程中了解敦煌故事細節，同時過足了戲癮。上線一個多月，吸引了超過 15 萬用戶在線配音，觀看量超過百萬。一時間，敦煌動畫劇成了一個大型敦煌故事朗誦現場。 　　2018 年 12 月，我們打造的敦煌詩巾項目，則開啟了一種互動設計的創新模式。我們注意到洞窟窟頂的藻井非常美，但又常被人忽略，所以有了一個新的想法。研究院專家選取了來自敦煌石窟的藻井圖案以及 200 多個壁畫的細節紋樣，我們將他們數字化之后，把這些元素提煉成絲巾上的圖案，讓用戶自己當設計師，通過自由組合圖案，創作專屬的“敦煌詩巾”，還可以一鍵定制生產購買，不僅老少皆宜、自用送禮兩相宜。 　　敦煌詩巾上線一天，吸引了 6 萬網友參與創作，不到一個月，用戶參與量超過 300 萬。我們曾經在法國戛納、倫敦和新加坡的創意節上展示了敦煌詩巾，效果非常驚艷，很多外國朋友贊嘆敦煌和中國傳統文化。這里分享一段視頻。下個月，我們升級打造的新版本“云采絲巾”即將上線。新版本采用了騰訊圖像融合等人工智能技術，可以在云上試戴自己設計的絲巾，相信大家會更直觀的感受敦煌之美。 　　先進科技與文化遺產的融合發展，是一個很有價值的宏大命題，值得我們這一代人不斷去探索。一方面，科技進步永無止境，不斷推動人類社會發展；另一方面，文化是我們的精神財富，每處文化遺產都是人類難以復制的文明瑰寶。 　　科技+文化是人類發展的兩股關鍵力量。騰訊作為一家以互聯網為基礎的科技和文化公司，將致力于以新科技推動新文創的發展，助力敦煌研究院等文博機構，打造為具有全球影響力的超級文化符號。 　　站在人類的歷史長河里，我們這一代人有幸、有能力、也有責任參與其中，希望為千年文化的創新傳承，盡一份力。謝謝大家！

　　在 2020 全球電競運動領袖峰會暨騰訊電競年度發布會上，騰訊云與王者榮耀職業聯賽達成合作，雙方將共同打造全球頂尖的電競遠程制播中心，為 KPL 賽事提供一站式遠程制作能力，打造全新騰訊電競技術體系生態。 　　 支撐 KPL 賽事遠程制作，制作云產品矩陣初見成效 　　騰訊云為王者榮耀職業聯賽官方及其 MCN、內容創作者等提供包括云導播臺、云剪等在內的一站式制作產品，其中包括直播推流、重播回放、在線剪輯、AI 智能剪輯和最終分發等系列需求。為線下傳統制作方式提供新可能，同時，也提升了賽事內容整體制作的效能。 　　以近期的 2020 春季賽季后賽為例，在比賽直播中，視頻制作方無需太多繁雜設備，就能將精彩畫面清晰的以多鏡頭、多視角呈現給觀眾。 　　其中，騰訊云為 KPL 官方提供穩定高效的直播錄制服務，幫助制作方直接將賽事視頻錄制存儲到云端，方便視頻制作人員隨時取用。 　　此外，騰訊云為 KPL 賽事團隊提供智能內容識別、標簽編目、標簽篩選等能力。在視頻內容識別方面，建立俱樂部選手人物庫，識別賽事視頻中的選手人物信息，并提供語音、文本、物體及場景等智能內容識別服務。同時，幫助 KPL 賽事團隊建立多級標簽體系，為賽事視頻關鍵時間點打上合適的標簽內容，從而幫助內容制作方快速定位視頻內容。 　　值得一提的是，騰訊云還提供了多種剪輯制作服務，包括智能剪輯、直播剪輯及普通剪輯等功能。在內容智能生產方面，建立王者榮耀內容訓練模型，識別賽事視頻中的精彩畫面及轉場信息，如擊殺、團戰、逃生等內容，從而提供人物集錦、精彩集錦及智能拆條功能，快速生成賽事視頻中的精彩片段。同時，在賽事直播期間，提供便捷的直播剪輯工具，將賽事中的精彩片段快速裁剪生成，快速分發到企鵝號、微博等內容平臺。 　　對比從前制作團隊需要將賽事方審核好的視頻下載到本地，再進行剪輯并發布，一站式的云端制作產品讓賽事方、制作方的效率有了整體的提升，同時，讓觀眾不錯過任何熱點和討論環節，提升觀賽體驗感。 　　早在 2018 年初，騰訊視頻云便聯動 KPL、LPL、CFPL、PCL 等騰訊系電競賽事，為游戲直播平臺斗魚、虎牙、B站、快手帶來全新的解決方案。在技術方面，為平臺提供 24 小時全鏈路護航服務；在解決方案方面，一鍵互動的產品解決方案，為平臺帶來更多商業化價值。 　　騰訊視頻云負責人表示，從 PaaS 層流媒體服務的協同，到瞄準制作域全流程的打通，并最終打磨視頻制作 SaaS 產品矩陣，正是騰訊視頻云在泛游戲電競領域持續的業務協同和深耕布局的結果。 　　 不止于電競，騰訊云在制作域的“生意經” 　　實際上，不止應用于電競賽事單個領域，騰訊云在制作域的思考和布局由來已久。 　　一方面，在疫情影響下，線下內容和商業加速往線上遷移，包括在線辦公、教育和電商直播等。在這個過程中，基于內容的線上制作、AI 智能內容生產等場景和需求越來越多。 　　另一方面，直播、長短視頻是持續增長、百花齊放的內容產業。在行業發展的過程中，面對隨之而來催生對相關產品技術的需求，如何提供更便捷的工具和服務，也是整個行業需要感知與思考的。 　　除大環境的影響、行業的發展外，騰訊云也希望利用騰訊獨有的產品生態，如小程序打開即用的優勢，融合線上制作解決方案，為行業帶來更多新玩法與價值。 　　因此，騰訊云面向制作域，協同騰訊生態優勢，為視頻從業者提供包括云導播臺、云剪、微剪等一站式 SaaS 制作產品矩陣，支撐包括在線教育、電商直播、電競體育賽事等領域，目前已有包括小紅書、年輪樹等客戶正式使用。 　　而在不斷夯實流量型 PaaS 平臺的同時，騰訊也在融合視頻技術與生態優勢，打造全平臺視頻 PaaS+SaaS 服務。除面向制作域推出的產品矩陣打造外，騰訊還推出包括更低延遲表現的快直播產品、針對企業培訓及商業直播場景的直播 SaaS 產品。 　　IDC 發布的《中國視頻云市場跟蹤（2019 下半年）》報告顯示，2019 年中國視頻云市場中，視頻云解決方案市場增速高于云基礎設施市場，可以預見，未來隨著音視頻覆蓋場景越來越廣泛，視頻云解決方案將成為視頻云市場一塊重要的衡量維度，而全平臺視頻 PaaS+SaaS 服務也將成為視頻云發展的一條全新的路徑。

　　澎湃新聞記者王心馨 　　不出意外，從中科院孵化出來的云從科技會成為國內 AI 四小龍里，最早上市的一家公司。8 月 18 日，云從科技正式向廣東證監局提交了上市輔導登記，澎湃新聞從相關人士了解到，云從科技有望年底登陸A股科創板。 　　目前國內 IPO 市場，科創板已經成為了眾多科技企業的首選。據 7 月 2 日普華永道會計師事務所發布的 2020 年上半年 IPO 市場相關數據報告，上半年A股 IPO 數量和融資金額較去年同期分別增長了 84% 和 131%，上半年A股共有 118 只新股上市，其中科創板有 46 宗 IPO。 　　未來，如果云從科技正式開啟 IPO，其招股書與此前已經公開的曠視科技招股書之間的對比將成為一大看點。四小龍里“AI 第一股”能否在年內出現以及花落誰家預計也是市場關注的熱點之一。云從上市后，市場對其估值如何和股價是否穩定也都值得關注。 　　可以作為參考的是，同為中科院出身的國內 AI 芯片公司寒武紀今年從提交 IPO 申請到完成上市，只用了 68 天?？苿摪迨装l上市當天，寒武紀股價漲幅一度超過 300%，股價市值過千億元。 　　云從或成為 AI 四小龍上市第一股 　　在國內人工智能企業中，云從科技往往與曠視科技、商湯科技和依圖科技并稱“AI 四小龍”，四家企業均以 AI 領域計算機視覺技術起家，深耕 AI 技術在各領域的落地應用。 　　在這四家里，云從科技是最晚成立的一家。2015 年，云從科技孵化于中國科學院重慶研究院，專注于計算機視覺與人工智能，是首個同時承擔國家發改委人工智能基礎平臺、應用平臺，工信部芯片平臺等重大項目建設任務、并參與國家及行業標準制定的人工智能企業。 　　2019 年底，云從科技完成股份制改革。值得一提的是，完成股份制改革后，云從科技的股權結構清晰。相較于其他三家有多輪外資投資，云從出生于中科院系，是一家純內資股權結構，這也讓它的上市之路可能會變得更加順利。 　　從業務上來看，在金融行業里，云從科技已經穩坐“中國銀行業第一大 AI 供應商”的位置。根據云從科技此前公布的數據，云從已服務 400 余家銀行 14.7 萬網點。 　　同時，云從科技的國內首個人機協同開放平臺已經結合廣州市地方資源、產業基礎、營商環境及政策上先行先試等優勢，在廣州完成落地。 　　今年世界人工智能大會期間推出的輕舟平臺，旨在將云從原本各個獨立的 AI 應用能力和經驗整合，復制，進而可以賦能更多的行業。 　　從金融到安防，再到人機融合、輕舟平臺，云從科技目前的業務重點是將自己的技術快速復制落地。 　　曠視上市一波三折 　　實際上，在云從科技提出上市輔導登記前。曠視科技一度被認為會是四小龍里最早完成上市的一家。 　　2019 年前后，估值均達百億以上的 AI 四小龍上市進程受到市場廣泛關注。2019 年 8 月份，曠視科技向港交所遞交 IPO 招股書，成為整個 AI 行業上市的信號。 　　從曠視公布的招股書看，曠視 2016 年、2017 年、2018 年營收分別為 6780 萬元、3.132 億元、14.269 億元，年復合增長率為 358.8%。2019 年上半年，曠視營收為 9.49 億元，同比增長 210.3%，虧損約 52 億元。曠視在招股書中解釋，虧損主要由于優先股的公允價值變動以及持續的研發投資。經過調整之后，曠視 2018 年實現了整體盈利，凈利潤為 3220 萬元。 　　然而，曠視在港提交 IPO 后，進程并不順利。在遭遇美國商務部實體名單禁令和新冠疫情影響后，曠視在港上市的進程一拖再拖，還傳出已經中止香港上市進程的消息。 　　對此曠視在回復澎湃新聞時表示，科創板支持和鼓勵“硬科技”企業上市，是中國科技企業發展的好機遇，曠視正在積極考慮。同時，中止港股上市消息不屬實。 　　曠視 CEO 印奇隨后也在接受媒體采訪時表示，曠視科技沒有終止上市計劃，“會選擇在更好的窗口期穩步推進上市”。 　　目前，經過多輪融資后，曠視招股書顯示，螞蟻金服成為曠視第一大機構股東，持股比例 15.08%；其次是淘寶中國控股有限公司，持股比例 14.33%；國風橋投資有限公司，持股比例 11.27%；Machine Intelligence，持股比例為 6.19%；AI Mind，持股比例 5.57%；深圳市國橋投資有限公司，持股比例 0.06%。 　　商湯、依圖科技等待時機 　　商湯科技和依圖科技也常有上市新聞傳出，但這兩家對上市傳聞均采取不予置評的態度。 　　今年 3 月份，商湯辟謠了上市消息，表示公司一直沒有 IPO 計劃。根據彭博社最新報道，商湯目前已經完成了新一輪 15 億美元的融資，投前估值達到了 85 億美元。今年商湯的年銷售預估能實現 90 億元左右。 　　隨后，關于商湯或在滬港兩地上市的新聞再度傳出，商湯科技方面回應表示不予置評。 　　商湯科技成立于 2014 年，創始人為香港中文大學信息工程系教授湯曉鷗，專注于計算機視覺和深度學習的原創技術研發。落地場景主要有智慧城市、教育、醫療、智慧零售、智能手機、互聯網娛樂、汽車、金融等行業，平臺型產品主要有 SenseMedia 視頻內容審核平臺、SenseFoundry 城市級視覺分析平臺、SenseDrive 駕駛員監控系統、SenseAR 增強現實平臺、SenseCare 智慧診療平臺、SenseGo 智慧零售視覺平臺。 　　依圖科技 2012 年成立于上海。根據媒體此前的報道，在 2018 年，依圖科技副總經理葉晗接受采訪時曾表示，預計兩年左右實現上市。依圖科技創始人朱瓏也曾表態，“條件合適將考慮在國內上市”。 　　從公開信息看，依圖的主要技術落地集中在安防和醫療兩大領域，且目前依圖仍然集中在安防和醫療兩個垂直領域里深耕。但在 2019 年 5 月，依圖召開創辦以來首場發布會，正式對外宣布其 AI 芯片業務的相關消息。

　　每經記者任飛 　　每經編輯肖芮冬董興生鄭直 　　短視頻平臺，已經越來越成為熱門影視劇重要的宣發陣地。比如在抖音平臺上，近期熱播的《以家人之名》《八佰》《三十而已》等官方賬號接連入駐，并不斷推出相關片段。 　　具體到票房已突破 10 億大關《八佰》，不僅通過陸續放出的預告、片段、宣傳片來維持熱度，還通過 KOL 對電影進行多方解讀，以吸引潛在受眾。 　　電影《八佰》進行短視頻宣發 　　短視頻平臺已經開始向影視行業進軍。近日，快手關聯公司新增多條商標信息。據啟信寶統計，其中包括“快手影業”相關商標，此舉引發外界對其進軍電影行業的猜想。 　　事實上，此前快手一直在電影宣發中扮演著重要角色，基于“社交 +AI”優勢，公司拓展參投、參與發行主流電影并非不可能。不過，目前電影行業的參投份額溢價轉讓現象突出，加大了投資人的參與風險。未來，快手繼續搞電影宣發還是參投大片，值得關注。 　　千億估值再添影視概念 　　快手在完成 2018 年E輪 10 億美元融資之后，企業估值達到外界宣稱的 180 億美元，隨后在騰訊戰略投資結束后，快手進入 Pre-IPO 階段。其中，僅 2019 年就吸引了包括騰訊、云峰基金、淡馬錫在內的多家機構投資，投資規模超過 40 億美元，2019 年底估值到達 286 億美元。 　　外界在感慨其融資迅猛的同時，也發現了相關平臺在后直播時代下的流量紅利。在殺入短視頻領域之前，快手以直播為主，有媒體報道稱，2018 年快手的直播用戶滲透率高達 60% 以上，直播付費滲透率也高達近 20%，2019 年直播打賞收入將不低于 100 億元人民幣。 　　圖片來源：每經記者譚鈺涵攝 　　顯然，這與幾乎處在同一賽道的抖音營收結構存在差別。公開報道顯示，2018 年快手的廣告收入僅 20 億元人民幣左右，不足抖音的 20%；2019 年快手的廣告增速很快，但與抖音仍有一定差距。 　　不過就盈利的靈活性而言，廣告的商業化程度顯然比依仗直播間私域流量變現來得快。因此，快手在最近的融資中，明顯加大了其商業化布局的速度，先是與騰訊加大游戲業務合作，然后在 2019 下半年投資知乎和十字星動漫，并孵化鴨蛋、喜翻擴充產品生態和變現方式。 　　可以說，在上市之前，快手的業務觸角已經伸向游戲、直播、動漫等多個領域，并不斷充實其作為千億估值的內在能量。而近期，快手又開始在影視行業拓展自己的業務觸角。 　　啟信寶信息顯示，近日，快手關聯公司北京達佳互聯信息技術有限公司新增多條商標信息，其中包括“快手影業”相關商標，申請日期均在 2020 年 7 月，國際分類涉及通訊服務、網站服務、廣告銷售、社會服務等。 　　圖片來源：快手 app 　　事實上，這已經不是快手進軍影視行業的首秀。早在去年 9 月份，快手的運營主體北京快手科技有限公司經營范圍就出現變更，新增電影發行、電影制作。不過當時并沒有明顯提及“快手影業”，此舉是否會像其他互聯網公司，如電商、手機商、社交平臺等成立影業公司，備受外界關注。 　　參投大片還是繼續搞宣發？ 　　相關公司其實并不鮮見，小米影業、58 同城影業、聚美影視、當當影業、蘇寧影視、陌陌影業等均是“外行出身”，但部分已開啟投資影視劇作，而這對于已有流量基礎的互聯網公司來說，其實并非難事。 　　特別是在短視頻興起后不久，快手和抖音一樣，成為影視宣發的主要陣地，比如《一出好戲》和《碟中諜6》均在快手平臺進行宣發。當然，這些只是營銷層面的動作，快手新增電影制作發行，并注冊“快手影業”商標，釋放的是想往影視上游進發的信號。 　　越來越多的影片選擇短視頻宣發圖片來源：快手 app 　　對此，快手品牌相關負責人在接受每日經濟新聞（微信號：nbdnews）記者采訪時未對此事進行解釋，不過記者發現，快手的第一部合作并在線上發行的院線電影《空巢》曾定檔今年 5 月 10 日在快手影視獨播。 　　盡管影片的整體熱度還比較有限，但不難看出，不滿足于停留在電影片段傳播、表情上線等短視頻宣發層面，短視頻平臺已經開始嘗試積極深入布局影視行業，涉及制作到播出，加上疫情推動使得這種趨勢更加明顯。 　　如若快手開始投資電影，這將吹響短視頻第一次進軍影視上游的沖鋒號角。 　　需要指出的是，連續領投快手的騰訊或許會是推動其影視發展的力量之一。雖然騰訊控股快手、將其全面并表的可能性較小，但在業務上加深合作還是有很大可能的——騰訊旗下有騰訊影業、企鵝影視，加之閱文收購的新麗傳媒都已在影視行業站穩腳跟，快手有望在騰訊系影視投資中分一杯羹。 　　圖片來源：快手 app 　　即使快手不依賴騰訊，基于其在文娛行業的影響，相信也會有影視公司愿意給予快手一定的投資份額。不過有分析指出，由于投資電影是第一出品方拿出的電影版權份額出售，所以票房分紅拿大頭的第一出品方同樣承擔風險也是大的。 　　分析指出，如果出現某些電影因為部分原因無法上映，電影的第一出品方會按照所簽署合同的條例給予投資人賠償并退還認購本金，具體的賠償看所簽署合同。此前已有不少因在份額轉讓中出現溢價導致投資失利的案例，因此，如何在先投資后出售的游戲規則中把握投資的成功率是關鍵，也是對參與影視投資新秀的極大考驗。 　　記者任飛 編輯肖芮冬董興生鄭直 肖勇杜波

　　楊凈 發自 凹非寺 　　量子位 報道 公眾號 QbitAI 　　原標題：清華碩士在家造了一輛車，從設計到加工一個人完成，輕松穿沙漠爬巖石，還人人可拆裝 　　別人畢設畫畫圖寫寫論文，他的畢設造了一輛車？！ 　　它是醬紫的。 　　在巖石上也能輕松行駛～ 　　是不是有內味了。 　　最近，在「清華大學美術學院線上畢業展」上，出現了這樣一個作品，一輛 可駕駛 、 可拆裝 的全地形車。 　　清華官微也忍不住點贊。 　　不少網友驚呼：太酷了！有網友由衷佩服，這完成度……難怪人家能上清華。 　　馬少平教授給他點贊。 　　「畢設造車」的這位同學叫做 許夢家 ，來自清華大學美術學院工業設計系，他的碩士畢設題目為《基于「共享車庫」概念的 Kit 教學車及相關系統設計》。 　　這輛車最大的特點就是 模塊化 和 可拆裝 ，從巖石到沙漠地形只需要更換 懸架 ，既節約了制作成本，可以親自上手組裝。 　　耗時不到半年，因疫情在家造了這么一輛炫酷的車，各中困難可想而知。 　　連他的導師嚴揚教授都說，畢業設計作品完成的過程本身就是一段 勵志 的經歷。 　　 不到 6 個月，獨立造出了一輛車 　　從去年 12 月開始，不到 6 個月，在家打造了這樣一款 全尺寸 、 可拆裝 、 可駕駛 的全地形車。 　　整個過程，全是許夢家一個人完成。 　　當然，如果仔細算的話，焊接的時候還有一個電焊師傅在旁邊幫忙。 　　工業設計系教授、許夢家的導師 嚴揚 對此評價道， 僅僅利用家里的簡陋制作條件，高質量地完成這樣的可駕駛、全尺寸實車樣機設計與制作，設計者需可的困難可以想象。 　　許夢家自己提到，在造車時，遇到最大的困難就是，單件制作成本和制作工藝的限制。 　　但也有辦法，他采用「外購」和「自己設計加工」相結合辦法來完成樣本的制作。 　　像電機、電池、電控這些都是可以外購的。而自己的設計加工的部分，就利用 手動銑床 、 3D 打印機 等設備來制作。 　　與此同時，挑戰又隨之而來。 　　比如，當設計尺寸、形態和外購件尺寸不相符時，為了減少制作成本，必須另行設計制作與之相匹配的連接件。 　　印象最深的就是 油泥模型制作 。 　　許夢家需要將油泥一點一點敷上去，然后再按照模型來刮，因為體積比較大，所用的設備又比較簡陋，整整花了 1 個月 的時間來完成。 　　其中，由于模型左右兩邊并不是規則的圖形。為了保證車身左右兩邊形狀對稱，車企一般會采用 數控銑床 、 三維掃描儀 的方式來實現，但自己只有 手動銑床 。 　　于是，就利用兩個激光水平儀這個 土辦法 來實現，就像這樣… 　　實在不行，他還制作一個 「截面卡板」 。 　　許夢家說， 造車 是一件很復雜的事情，雖然自己在去年七八月份開始設計，等到 12 月正式開工，之前設計的模型很多地方就需要修改，一邊造，一邊改～ 　　整個過程也沒有專門技術人員參與，他需要一邊學習其他專業知識，一邊自己上手操作加工。 　　于是，在不斷面對困難，解決問題的情況下，不到六個月的時間就造出了這么一輛「還算滿意」的汽車。 　　跟最初的想法相比，許夢家認為算是達到預期了，尤其又是在時間有點趕的情況下，雖然還有一些細節需要改進。 　　而除了這種「全地形車」，還有卡丁車、摩托車也都在這次作品展中出現。 　　他的初心當然不止于造車，造車之后，真正要做的是「共享車庫」的落地。 　　 共享車庫？ 　　許夢家說，歐美的「車庫文化」，就是他畢設課題的由來。 　　在國外，車庫就像是一個孵化「創新」的搖籃，很多企業都是從車庫里開始的。 　　比如，我們熟悉的蘋果、福特、惠普……也就自然而然的形成了一種文化。 　　那如果放在中國，「車庫文化」有沒有可能實現呢？「共享車庫」或許可以做到。 　　而連接人和車庫之間的一個載體，那就是一個 可拼裝的車 Kit 。 　　取名為 Kit，許夢家給出了這樣一個原因： Kit 就是組裝工具的意思。取名為 Kit，也意味著不同于一般車輛，該車是可以給用戶帶來快速組裝升級體驗的。 　　就拿這次的 Kit 鋼制全地形車來說，作為全地形車，能爬巖石、穿沙漠是基本的要求，那么為了增加動手體驗，他就設計了「模塊化」的懸架組件。 　　「模塊化」的實現，主要是針對不同的地形，對應的車身底座就有所不同。從巖石到沙漠，只需要更換懸架就可以實現。 　　畢業之后，許夢家表示，他還將繼續優化這個項目，讓「共享車庫」真正落地。 　　 「小時候的夢想」 　　造出了真正意義上的1：1 全尺寸的車，也算是實現了許夢家兒時夢想。 我小時候的一個夢想，總想著什么時候能做一臺 能開 的車。 　　難能可貴的是，隨著長大，這個夢想沒有消逝，反而在大學和研究生經歷中得到了“積累”。 　　他本科就讀于北京工商大學產品設計系，隨后保送至清華大學美術學院。對于從小就喜歡汽車的許夢家而言，在大學本科期間，也沒有閑著。 　　在 2015 彈力方程式賽車國際設計錦標賽上，當時才大二的他，帶領著 3 名同學代表北京工商大學參加比賽。 　　彈力方程式賽車國際設計錦標賽，始創于美國藝術設計中心學院工業設計專業研究生經典課程。 　　要求參賽團隊以 16 英尺（約 40 厘米）的橡皮筋作為唯一動力，設計一輛遠程遙控車輛，并進行比賽。 　　最終，他們這支「夢之隊」奪得了中國賽區的冠軍，隨后又在美國總決賽上，獲得「爬坡競速賽」第一名的佳績。 　　而在進總決賽的 14 支 隊伍中，有 11 支 隊伍都是來自美國藝術設計中心學院等美國高校的工業設計專業的研究生。 　　作為北京工商大學 首支 參加這項比賽的本科生團隊，就獲得如此佳績，隊長「許夢家」就負責其中的大頭——賽車制作。 　　他首先從輪胎入手，在確定輪胎形式之后，再來設計車輛并尋找合適的材料來進行實物制作。賽車的重要零件都是由他來完成，復雜一點的委托工廠生產，這樣就完成了整個賽車的組裝。 　　從小時候喜歡汽車，到隨后的賽車制作，再到現在真正造出了一輛車，他的追逐夢想之路一直都沒有停過。 　　或許，也正是這樣早早鎖定、找到自己的人生方向，讓許同學從此不同。 　　但許夢家坦承，這并不容易。 找到自己人生方向很難，一定要多嘗試，找到自己喜歡做的事，然后就盡力去做。 　　這讓人想到硅谷鋼鐵俠馬斯克前段時間對青少年的勉勵： 　　Believe yourself and Try~ 　　 參考鏈接： 　　https://mp.weixin.qq.com/s/B8qFRLWjRXDHTbnSeZ6vVA 　　https://exhibition.ad.tsinghua.edu.cn/ 　　https://mp.weixin.qq.com/s/WevaT9bJpalfvuIDWngPoA

　　圖片來源@視覺中國 　　文丨腦極體 　　上個月，即使是對太空探索再漠不關心的人，也都差不多知道今年是火星大年了。而從 7 月中旬到 8 月中旬，正好就是兩年多才會遇到的火星探測窗口期。 　　因此我們就看到，7 月份的后半個月里，阿聯酋、中國和美國接二連三地成功發射了各自的火星探測器。 　?。ǚ鹆_里達州卡納維拉爾角發射基地） 　　土豪之國阿聯酋率先出手，在 7 月 20 日將世界上第一顆火星氣象衛星“希望號”發射升空；中國的“天問一號”火星探測器緊隨其后，在 7 月 23 日發射升空，這次要通過一次發射實現“環繞、著陸、巡行”三項任務的創舉，一舉跨入火星探索第一隊列。而美國的“毅力號”也在經歷多次延期后，也終于在 7 月 30 日成功發射升空。這次“毅力號”的亮點是帶了一架名為“機智”（Ingenuity）的無人直升機，首次挑戰在火星的自動飛行。 　　就在“天問一號”火星探測器發射成功后，有媒體詢問馬斯克：“你覺得中國有沒有可能先你一步把人類送上火星？”而馬斯克淡定的回應：“那就比賽開始吧。到時候來火星后一起喝一杯?！? 　　馬斯克這個身家百億卻把豪宅賣光的“窮人”，目標就是要“移民”火星。據說，馬斯克造汽車、造火箭、挖隧道，還有搞能源公司，用賺來的錢和研究出的技術，為“火星移民”做準備，并計劃在 2050 年送 100 萬人上火星。 　　對于我們這些整天在地球忙忙碌碌的人類來說，可能會非常好奇：火星到底有啥獨特的魅力，吸引這么多國家投入巨資去做探測？還吸引著馬斯克這樣的科技狂人要去搞什么“火星移民”？現在我們距離火星移民還有多遠呢？ 　　不如帶著這些疑問，我們“假裝”到火星探索一番吧。 　　 為什么要探測火星？ 　　人類開始太空探索的第一站是月球，第二站就是火星。一來是火星的狀況與地球最為相似，二來是火星是太陽系里探索難度最低的行星。 　　火星的直徑約為地球的二分之一，體積約為地球的 15%，質量約為地球的十分之一，重力就只有地球的三分之一?；鹦且灿凶赞D和公轉，一個火星日約為 24.6 小時，與地球接近，但一個火星年約是 687 個地球日，約是 1.8 個地球年。 　　因為火星的自轉軸和公轉軌道有一個 65°的斜角，因此也有和地球一樣四季的變化?？赡苁怯捎诨鹦侵亓^小的原因，火星大氣非常稀薄，主要成分是二氧化碳，還有少量的氮氣，氧氣可能都已逃逸到太空當中。大氣壓極低，只有地球的1%。這些導致火星的晝夜溫差極大，赤道和南北極的溫差也更大。最有特點的是火星沙塵暴，爆發時可以遮天蔽日，風力是地球最高級臺風的數倍，但是因為氣體稀薄，只能卷起濃濃的黃沙。比地球闊氣的是，火星有兩個天然衛星。因為大氣層稀薄、重力小等原因，火星有著遠比地球高數倍的山峰、大的多的隕石坑和巨大峽谷這些地貌。 　?。ㄌ栂底铋L的火星水手峽谷，長度約 4500 公里） 　　由于在太陽系里，火星與地球的環境已經是最為接近，所以，探索火星的起源、演變，更能幫助人類了解地球的形成和演化，預測地球的演化趨勢。據推測，火星之前有可能和現在的地球一樣，只是經過幾十億年的演化才成為今年這個寒冷星球。相比較另一顆離地球也很近的金星相比，高溫、炙熱的金星接近地球的過去狀態，而寒冷的火星更接近地球的未來狀態。這也是當年那本情感暢銷書《男人來自火星女人來自金星》用來包裝的噱頭吧。 　　當然，探索火星的現狀也非常重要，除了對火星地形地貌、地質結構、大氣氣候等環境的探測，最重要的一個任務就是探索火星上面有無水和生命的存在。當然，即使發現火星生命，應該還達不到“火星人”的地步。 　　不管是出于對地球末日的恐懼，還是對征服星辰大海的渴望，移民火星成為眾多科學家和企業家的理想目標。 　　由于當初美蘇太空爭霸的激烈競爭，火星探測從上世紀 60 年代就已經開始。截止到今年 6 月底，人類一共進行了 44 次火星探測。剛剛發射的這三個火星探測器還在前往火星的途中，準備開啟它們的火星之旅。 　　因為每 26 個月會出現一次“地火相會”的窗口期，這時火星會成為距離地球相對最近的一顆行星，所以也就成了地球人最執著、研究最多的一顆行星。在這一時期進行火星探測的發射能夠節約大量的燃料和飛行時間，所以有探測能力的幾個國家會在這一窗口期扎堆發射火箭去火星。 　　 火星探測是如何實現的？ 　　20 世紀的火星探測，主要被當時處于冷戰中的美國和蘇聯所壟斷。第一輪火星競賽，美國更技高一籌，將蘇聯甩在后面。隨著 1996 年，美國的海盜一號、二號探測器的著陸器在火星表面進行土壤采樣，沒有發現任何的有機分子和生命存在的跡象，第一階段的火星探測宣告結束。 　　到了 20 世紀 90 年代，美國又重啟了對火星的探索熱情。在 1996 年，美國開始實施“火星生命計劃”，先后成功發射了“火星全球勘測者”和“火星探路者”探測器，以確定火星上是否存在生命。其中，“火星探路者”攜帶了世界第一輛火星探測車“旅居者”。這期間，俄羅斯和日本的火星探測計劃則都已失敗告終。 　　到 21 世紀后，歐洲航天局、印度也開始了火星探測，其中歐洲和印度取得了成功，打破了美國、蘇俄對火星探測的壟斷。由于航天技術的提高，火星探測的成功率也大幅提高，減少了很多“有去無蹤”的火星探測計劃。盡管如此，目前火星探測的成功率也只有 43%。 　　1996 年 12 月，美國發射的“旅居者號”火星探測車，成為第一臺成功著陸火星的機器人車輛。最初設計的壽命為 7 天，但實際運行了 95 天。旅居者號能夠以每分鐘一米的速度前進。 　　2004 年 1 月，“機遇號”火星探測器發射升空，此后在火星漫游了 14 年。在執行第 1151 個任務日的時候，太陽能板被風吹干凈，使得發電功率可以提升到 800 瓦時每天。 　　機遇號 　　“機遇號”在火星開始了漫長的馬拉松行走，經歷了老鷹撞擊坑、弗拉姆撞擊坑、維多利亞撞擊坑，到 2015 年 3 月 24 日，終于完成了標準的 42.195 公里的火星馬拉松。此后開始頻繁出現故障，最終失聯。 　　2004 年發射升空的“勇氣號”，和“機遇號”是一對姐妹花，它的任務是探測火星上面是否有生命和水，最終“勇氣號”真的找到了火星存在水的證據。 　　2011 年美國成功發射了第三代火星探測車“好奇號”。它是由核電池供電，其裝備的科學儀器質量是上一代的 15 倍。好奇號在不懈努力下，終于在巖石中發現了有機物，甚至還發現火星有大量的固態水。2018 年，美國的“洞察號”火星探測器在火星安全著陸，首次對火星進行深度“體檢”，深入研究火星內部，揭示巖質天體形成等問題。 　　除此之外，美國的火星探測計劃還對火星大氣層、極地地區進行了探索。美國目前成為對火星探測次數最多、成果最多，也是最有可能最早進行火星移民的國家。 　?。ā耙懔μ枴睖蕚浣德涞慕軡闪_隕石坑，可能存在過火星生命跡象） 　　現在“毅力號”正在飛往火星的途中，如果一切順利，“毅力號”將在明年 2 月份在火星赤道以北的杰澤羅隕石坑登陸，繼續探尋火星可能存在過的生命跡象和氣候地質特征。而中國的“天問一號”也將在火星開展首次的著陸和巡行，開啟中國的火星探測之旅。 　　 火星移民還有多大難度？ 　　火星探測已經再一次如火如荼地展開，但是火星移民其實還沒有明確的時間表。聊到火星移民的時候，就不得不先聊聊如何在火星建立可供人類生存的基地了。 　　移民火星，就是要在火星建立適合人類生存的火星基地。從介紹火星的內容里，我們也看到了，火星的生存環境比地球上最嚴酷的沙漠、南北極都嚴酷很多倍。那么想要建設這種火星基地就必須建成具有空氣、水、土壤，然后溫度適宜、能量穩定的密閉空間。 　　在 2015 年科幻片《火星救援》里，人類已經成功的移民火星了。當時影片中男主馬克因為遭遇意外，獨自一人呆在了火星。他是如何讓自己活下來呢？ 　　他有一個在火星風暴中幸存的居住艙，有同伴逃離前留下來的一些食物。而他短期要克服的險境就是要避免居住艙的生態系統崩潰，也就是氧氣系統要維持循環、水系統要維持循環。長期要克服的問題就是如何獲取足夠的食物。 　　火星上不缺陽光、二氧化碳?；鹦且膊蝗蓖寥?，但是缺有機物，這個他通過自產“農家肥”解決了。植物生長還缺水，盡管火星上已經探測有大量固態水，但基本都在兩極冰蓋，主人公沒法搞到手。后來男主馬克想到用化學反應，讓氧氣和氫氣燃燒產生水。就這樣種下土豆塊的五十天后，馬克的土豆苗奇跡般的長了出來。男主憑借成功地“種出土豆”成功的移民了火星。不過最后脆弱的生命系統還是崩潰了，因為一點意外，艙門爆炸，土豆苗很快就被外面的嚴寒給凍死了。 　　想象照進現實，現在人類要想在火星實現這樣的居住艙，當然也未必不可能，只是可能太燒錢，可能是數萬億美金的成本，目前人類可負擔不起這樣的開銷。 　?。ɑ鹦腔叵胂髨D） 　　馬斯克同學之前做過一個設想，與其搞這么費事的移民基地，不如把火星本身搞得跟地球一樣就好了。他計劃說在火星引爆一萬顆氫彈，把火星兩極的二氧化碳給釋放出來，把火星搞得溫暖一些。 　　不要說一萬顆核彈炸火星這種瘋狂計劃行不通，再就是能否達到預期效果還不好說，別把火星弄成更為寒冷的“核冬天”，就更難移民火星了。 　　還是聊聊在火星建基地的可能性吧?；鹦腔叵胍獙崿F系統自循環，那就不能完全依賴地球的各種物資供應?；鹦巧喜蝗标柟?、土壤和水，關鍵問題是如何把這三個元素給充分利用起來，形成火星基地的自循環呢？ 　　不久前，Nature 發表了一個日本研究者的新發現，就是通過一種含鋁的催化劑，進行光解水，把水變成氫氣和氧氣，效率高達驚人的 96%。我們知道，氫氣和氧氣，一個人清潔能源，一個是人類生命必須品。只要解決了火星固態冰的開采問題，那么移民火星不是夢了。 　　不過話又說回來，這個技術的難點可能在這個催化劑的成本和完成反應的成本上。如果這玩意兒的成本遠遠低于化石燃料，生產工藝又簡單，那么地球的氣候危機也就避免了。 　　當然，如果這項技術未來可以成熟應用到火星移民上，以此來建立火星基地的生命循環系統和能量系統，只要這些成本低于從地球上運輸物資的成本，那自然是可以接受的。 　　在 NASA 的計劃里，他們希望宇航員在 2024 年重返月球，然后再開始前往火星的旅程。這次“毅力號”已經在為人類登陸火星做準備。在登陸之后，“毅力號”將展開一個火星氧氣原位制造利用實驗，通過利用火星大氣中的二氧化碳和太陽能，來制備純凈氧氣，作為未來火星宇航員的呼吸來源和火箭燃料氧化劑。 　?。ā耙懔μ枴碧綔y車的科學實驗裝置） 　　說到底，火星移民的本質既是一個技術問題，也是一個商業問題。任何一個技術環節的進步都有可能帶來商業成本的大幅降低。 　　埃隆·馬斯克在年初立下的“2050 年百萬人上火星”的 Flag，跟他一直以來希望將“火星移民”商業化的方式有關?，F在 SpaceX 的星艦計劃正在執行，根據計劃，可能會在 2030 年之前，SpaceX 與 NASA 一起合作，將人類送上火星。但這僅僅可能是一次類似于登陸月球一樣的短暫停留，能否在此后開展大規模的人類移民，這就要看商業化運作的 SpaceX 能否將成本大幅降低。 　　而對于最早一批火星移民者來說，他們極有可能是“有去無回”的。不過，馬斯克也信誓旦旦的說，“火星上會有大量工作的?！睂τ谶@樣一個移民的后代，馬斯克確實有一種“宇宙之大，何處都是家”的冒險者精神。 　　《三體》作者劉慈欣曾經感慨，人類說好要去探索星辰大海，結果卻躲進了互聯網里，享受更為虛擬的世界。 　　在大劉的暢想中，他希望有那么一天，描寫太空航行的科幻小說已經變得平淡無奇，前往火星和小行星帶已經是一件稀松平常的事情，無數人在太空中謀生……而浩瀚宇宙仍然是一個無法想象的存在，承載著我們無窮的想象力。 　　現在，“希望號”、“天問一號”、“毅力號”的成功發射，無疑給了我們一次仰望星空的機會。希望在地球上終日忙碌的我們，也能做一做太空探索的夢想。 　　如果一切順利的話，我們大部分人可能在有生之年，可以看到人類的第一批冒險者開啟了太空之旅。而你或你的后代會不會成為其中的一員呢？ 　　希望到時候的船票不要太貴就好。

　　騰訊科技訊，8 月 24 日消息，據 YTG 電競俱樂部官方微博宣布，即日起，YTG 電競俱樂部正式更名為 KS.YTG 電競俱樂部，快手已完成收購 YTG 戰隊，正式進軍 KPL 職業聯賽。 　　快手方面表示，未來將繼續發力電競領域，打造游戲電競內容生態。

　　Fedora 項目 宣布更改默認的文件系統 ，從 Fedora 33 起，默認文件系統將從 ext4 替換為 Btrfs。開發者稱，Btrfs 文件系統已經穩定而成熟，支持現代特性如數據完整性、SSD 優化等。切換到 Btrfs 后將使用單分區磁盤布局，內置的卷管理。 　　開發者稱，Facebook 在其生產系統的數百萬臺機器上使用了 Btrfs，對比了 Btrfs 與 ext4 和 XFS 的穩定性。Facebook 使用 Btrfs 改進生產系統中的消費者存儲硬件質量，能在硬件發生故障前檢測出問題。 　　Fedora 33 預計將在 10 月左右發布。

　　20 世紀 50 年代和 60 年代，計算機視覺并沒有被看成重頭戲，人們認為視覺系統很容易復制，而教計算機下棋更加困難。但是現在，AlphaGo 已經擊敗圍棋冠軍，IBM Watson 也在 Jeopardy 中擊敗人類競賽者，而大多數計算機視覺軟件最多只能完成 3 歲兒童的任務…… 　　理論與實踐不斷證明，人類視覺神經非常復雜，計算機視覺實現并非易事。計算機視覺研究從上世紀 50 年代興起之后，也歷經了狂歡、冷靜，又重新燃起希望的階段。 　　本篇編譯整理自計算機視覺相關文章，介紹計算機視覺各階段的理論支撐與外部輿論變化。 　　 最早的人工智能想象 　　大多數人都認為，是現代人創造了人工智能的概念，實際上遠古祖先也提出了思考型機器人的理論。 　　大約 3000 年前，荷馬描述了火神赫菲斯托斯（Hephaestus）的故事。赫菲斯托斯用黃金塑造了機械侍女，并賦予她們理性和學習能力。在無人駕駛汽車問世之前的幾個世紀，古希臘作家阿波羅紐斯（Apollonius）用想象力創造了塔洛斯（Talos），這是一個青銅自動機，負責保衛克里特島。 　　但這些歷史性的敘述并不能準確描述當今正在開發的人工智能的種類。因為盡管現在大多數人工智能程序無法將其目標任務之外的知識概括化，但是對于本身給定的預期，他們已經達到或超過人類水平。 　　 人的視覺與計算機視覺 　　人類視覺系統非常特別，超過 50% 的神經組織直接或間接地與視覺有關，其中超過 66% 的神經活動僅為處理視覺。今天人們對視覺、知覺的了解大部分來自 1950 年代和 1960 年代對貓進行的神經生理學研究。 　　上世紀 50 年代初期，哈佛醫學院的兩位神經科學家 David Hubel 和 Torsten Wiesel 在貓的視覺皮層上進行了一項實驗。通過研究神經元對各種刺激的反應，兩位科學家觀察到，人類的視覺是分級的。神經元檢測簡單的特征，例如邊緣，然后輸入更復雜的特征，如形狀，最后再輸入更復雜的視覺表示?；谶@些知識，計算機科學家就可以專注于以數字形式重建人類神經結構。 　　 早期樂觀 　　人工智能領域成立于 1956 年在達特茅斯學院舉行的夏季研討會上，來自不同領域的科學家們聚集在一起，以闡明并發展關于“思維機器”的觀點。 　　1960 年代，大學開始認真進行計算機視覺研究，并將該項目視為人工智能的奠基石。 　　麻省理工學院的神經科學家戴維·馬爾（David Marr）在 70 年代出版了一本《VISION》，匯集了一些方法，作出了可檢測的預測，提供解決神經科學問題的框架，并激發一代年輕科學家研究大腦及計算。該書提出了一種用于研究生物視覺系統的計算范例，并介紹信息處理系統的三個不同分析層次概念，即計算理論層次、表示形式和算法層次、以及實現層次。他們分別指向：計算的目標是什么；解決問題、實現目標的陳述與流程；這些表示和過程的物理實例化，例如如何在神經元中完成特定任務。這三個層次劃分的意義是，研究者從視覺系統的宏觀表示出發進行思考，而不是查看如單個神經元式的微觀實體。 　　Marr 建立了視覺表示框架，任何視覺系統感知到的強度，都是四個主要因素的函數：幾何形狀，意指形狀和相對位置；可見表面的反射率和絕對吸附特性，即物理特性；照明，即光源；相機，包含光學。 　　早期研究人員對相關領域的未來非常樂觀，并提倡把人工智能作為一種可以改變世界的技術。一些人預測，一代人的時間內就會創造出像人類一樣聰明的機器，這種炒作為研究人員贏得了數百萬美元的公共和私人資金，研究中心在全球涌現。但是由于接下里的發展未能達到人們的高預期，國際上的人工智能開發工作受到了限制。 　　 AI 視覺的冬天 　　研究人員以極大的樂觀度，將公眾的期望提高到了令人難以置信的高度，卻未能體會到他們為自己設定的挑戰的難度。當研究人員承諾的預期未能達成時，這個研究領域遭到了猛烈的批評，和嚴重的財務挫折。 　　早期的計算資源在技術上無法跟上科學家提出的復雜問題，即使是最令人印象深刻的項目也只能解決微不足道的問題。此外，大多數研究人員都是在孤立的小組內工作，缺乏比較有意義的，可以推進該領域科學進展的方式。 　　有一則故事可以反映當時研究人員的美好預期、以及預期落空后他們自身及和外界的失落與嘲諷。 　　1966 年，美國計算機科學家、麻省理工學院 AI 實驗室聯合創始人馬文·明斯基（Marvin Minsky）獲得了暑期津貼，聘請了一年級的本科生杰拉爾德·蘇斯曼（Gerald Sussman），讓他花費整個夏天的時間把一臺攝像機與計算機連接起來，并讓計算機描述它看到了什么?！安挥谜f，蘇斯曼沒有在截止日期前完成，”Motion Metrics 的機器學習開發人員 Hooman Shariati 曾說，“在接下來的四十年中，視覺成為人工智能領域最困難、最令人沮喪的挑戰之一。正如機器視覺專家貝特霍爾德·霍恩（Berthold Horn）曾經指出的那樣，蘇斯曼選擇不再在視覺領域工作?！? 　　到 70 年代中期，政府和公司對人工智能失去了信心，行業資金枯竭。數學家詹姆斯·萊特希爾（James Lighthill）1973 年發表了一篇論文，批評早期人工智能研究，這為后來英國政府撤回對該領域的支持奠定了研究基礎。 　　隨后的這段時間被稱為“人工智能的冬天”。雖然 20 世紀 80 年代和 90 年代研究還在繼續，也有過一些小規模的復興，但人工智能基本上被被歸入了科幻小說的范疇，嚴肅的計算機科學家都避免使用這個詞。 　　 卷積神經網絡出現與多倫多大學的突破 　　隨著互聯網成為主流，計算機科學家有了可以訪問更多數據的權限。計算機硬件在繼續改進，成本則在下降。80 年代到 90 年代，基本神經網絡和算法得到改進。 　　1998 年，Bengio、Le Cun、Bottou 和 Haffner 在一篇論文中首次介紹了第一個卷積神經網絡 LeNet-5，能夠分類手寫數字。 　　卷積神經網絡可以做到平移不變形，即使對象的外觀發生某種方式的變化，也可以識別出對象。卷積神經網絡通過監督學習和反向傳播對輸入到卷積網絡中的數據做訓練，并反復、自我校正。和同樣可以做反向傳播的深度神經網絡相比，卷積神經網絡的特殊之處在于神經元之間的鏈接結構和獨特的隱藏架構的方式，這是由人類視覺皮層內部的視覺數據處理機制啟發得來的。此外，CNN 中的圖層按照寬度、高度和深度三個維度進行組織。 　　卷積網絡最重要的屬性之一就是，不管有多少層，整個 CNN 系統僅由兩個部分組成：特征提取和分類。通過對特定特征的選擇，以及通過前饋鏈接增加空間不變性，這也是人工視覺系統如 CNN 非常獨特的原因。 　?。ㄒ曈X皮層和卷積神經網絡有許多相似） 　　深度神經網絡研究應用也有進步，并且使人們信心大增。2012 年，人工智能在 ImageNet 大規模視覺識別挑戰（ILSVRC）上取得突破。 　　ILSVRC 是一個年度圖像分類比賽，研究團隊在給定的數據集上做視覺識別任務，評估算法準確性。2010 年和 2011 年，ILSVRC 獲獎者的錯誤率一直在 26% 左右。2012 年，來自多倫多大學的團隊帶來一個名為 AlexNet 的深度神經網絡，實現了 16.4% 的錯誤率。在接下來的幾年中，ILSRVC 的錯誤率下降到了幾個百分點。 　　 基于 AI 的計算機視覺的未來 　　當下，人們已經知道，視覺能力是人類承擔的生物學生最復雜的任務之一，對計算機視覺的研究和預期也更加貼近世界。同時，基于對人類視覺能力了解的深入，計算機視覺研究人員也在不斷更新算法和理論。 　　CNN 已經廣泛用于需要處理視覺和空間信息的系統中。但隨著人工智能需要解決更高級的問題，對計算和電力資源的增長需求成為 CNN 最突出的問題之一。研究人員的注意力也在逐漸轉向尖峰神經網絡 SNN，這是一種新型的 ANN ，受大腦神經動力學的啟發，具有事件驅動，快速推理和省電的特性，也被認為是第三代神經網絡。 　　接下來 SNN 要優化解決的一個問題是視覺注意 VA 與智力。人類可分散的注意力使得人能同時執行多個任務，注意力轉移可以使人快速訪問新信息。視覺注意力研究的核心目標是要使處理的視覺信息量最少，以解決復雜的高級任務，例如對象識別。 　　計算機視覺任務主要涉及處理靜態圖像，人類眼睛在檢測到場景變化向大腦傳遞信息——這是一個事件，生物視覺系統的這一關鍵特性允許將注意力選擇性地集中在場景的顯著部分上，從而大量減少需要處理的信息量。 　　假設針對一張人在草地上打高爾夫的圖像。傳統的傳感器中，數據以幀的形式傳輸，圖像上的所有內容都要經過處理，而重要的信息是人的運動，以及帶動的球桿和球的運動。這時，基于事件的傳感器并不會讀取每個像素并且以恒定速率發送幀，而是在檢測到像素局部亮度變化是，從每個像素異步發送數據包或事件，從而減少計算、傳輸的數據和功耗。 　　研究人員認為，CNN 非常適合靜態圖像中的對象識別，但它缺乏動態特性來處理基于事件的傳感器的實時數據集。因此，SNN 被寄予厚望。 　　現在人工智能已經無縫集成到日常生活的多方面。研究人員表示，近年來，人工智能在許多研究領域都取得了巨大的成功。像 AlphaGo 這樣的游戲系統已經使用強化學習來自學，助聽器使用深度學習算法過濾掉環境噪音，這些技術甚至為自然語言處理與翻譯、對象識別以及模式匹配系統提供了動力，我們已經對谷歌、亞馬遜、iTunes 等提供的類似服務習以為常。這種趨勢也絲毫沒有放慢的跡象，人們可以用計算機自動化執行許多小的重復性任務以節省時間。 　　盡管人工智能領域取得了令人難以置信的進步，但計算機視覺的應用仍有很長的路要走，因為距離計算機可以像人類一樣地去解釋圖像還需要很長時間。就像文章開頭提到的那樣，AlphaGo 早已擊敗了人類圍棋冠軍，計算機視覺的識圖能力僅相當于一個 3 歲的小孩。 　　參考鏈接： https://www.motionmetrics.com/how-artificial-intelligence-revolutionized-computer-vision-a-brief-history/ https://becominghuman.ai/from-human-vision-to-computer-vision-how-far-off-are-we-part1-3-b35d37a196a4 https://becominghuman.ai/from-human-vision-to-computer-vision-a-brief-history-part2-4-fcb1565d5492 https://becominghuman.ai/from-human-vision-to-computer-vision-convolutional-neural-network-part3-4-24b55ffa7045 https://becominghuman.ai/from-human-vision-to-computer-vision-towards-spiked-based-visual-intelligence-and-neuromorphic-913e5de21bf9

　　使用一款流行的 iOS 軟件開發套件開發的多款應用程序中，發現了能夠竊取廣告內點擊收入的惡意代碼。根據 網絡安全公司 Snyk 發布的報告 ，在廣告平臺 Mintegral 的 SDK 中發現了這些惡意代碼。而該 SDK 已經被超過 1200 個應用使用，這些應用每月的下載量合計達 3 億次。 　　與其他廣告相關的 SDK 一樣，Mintegral 套無需花費太多精力或進行額外的編碼情況下，允許開發者在其應用中嵌入廣告。Mintegral 在 iOS 和 Android 上都向開發者免費提供了該 SDK。 　　根據 Snyk 介紹，iOS 版本的軟件套件包含惡意功能，會靜靜地等待用戶點擊任何不屬于 Mintegral 網絡的廣告。當點擊注冊后，SDK 會劫持推薦過程，并使其看起來用戶實際上是在點擊 Mintegral 廣告。 　　該惡意代碼被稱之為“SourMint”，正在從其他廣告網絡中竊取應用收入，許多應用程序使用多個廣告 SDK 來實現其貨幣化策略的多樣化。 　　蘋果在給 ZDNet 的郵件中表示，已經與 Snyk 安全研究人員進行了交流，沒有看到任何證據表明 SDK 對用戶造成了傷害。蘋果指出，第三方 SDK 能夠加入惡意功能，這也是它在 2020 年晚些時候發布的 iOS 14 中首次推出一系列注重隱私和安全的機制的原因。

　　經常外出坐高鐵的同學一定見過這樣的畫面：兩段高鐵鏈接處通常是“嘴對嘴”，很多人好奇，為何不直接增加車廂，偏偏要采用這樣的設計呢？ 　　據中國高鐵官微介紹，這種“嘴對嘴”的設計學名叫動車組重（chóng）聯，是一種常見的運行方式，即將日常運行的兩列單組動車聯掛在一起開行，運力可以增加一倍。 　　重聯的“聯”意味著統一列控，形成電氣、網絡、制動系統的聯動聯調，并不是簡單的連接。由于動車組在很多方面都是整體設計考量，因此不能像傳統列車那樣加掛或解編車廂。 　　動車組重聯前，兩組車停放于指定位置，機械師打開列車前端頭罩，伸出自動車鉤，檢查確認無異常后，由司機以慢速進行連掛操作。 　　兩列動車組連掛后能正常進行網絡通訊，重聯才算成功，隨后還要進行試拉試驗。車頭參與重聯保證了兩列車解編后的獨立運轉能力，擁有可靈活解編的優點。 　　今年暑運以來，多地客流大幅增長，鐵路部門就利用動車組重聯最大限度滿足廣大旅客的出行需求。 　　需要注意的是，由于重聯動車組前列和后列互不相通，上車時不要走錯車廂。 　　當然，重聯動車組的能力畢竟有限，隨著京滬高鐵等線路客流持續增長，擴大動車組列車編組才是快速提升輸送能力的有效措施。于是，長編組和超長編組復興號就誕生了。 　　據悉，時速 350 公里 CR400BF-A 型 16 輛長編組復興號每列定員達到 1193 人，是 8 輛編組的兩倍多，旅客可在全列車內通行。 　　時速 350 公里 CR400AF-B 型和 CR400BF-B 型復興號動車組擴展到 17 輛編組，定員 1283 人，全長 439.9 米，可繞標準田徑跑道一圈還多。17 輛編組復興號增加了一節二等座車廂，與 16 輛編組相比，載客能力提升了 7.5%，能夠進一步提高輸送能力。

　　據《金融時報》周一援引印度政府官員和行業高管的話報道稱，當地政府擔心中國對其網絡基礎設施的投資。不過，與其直接剛性禁止華為，印度政府更有可能悄悄地將這家中國科技巨頭的網絡設備從主要網絡架構中移走。 　　報道中提到，一位印度高級政府官員表示，當涉及到大型公共合同和關鍵基礎設施時，他們更愿意選擇非中國公司，這個信息已經傳遞給了印度企業。 　　據悉，目前印度對華為產品的替代工作也在開展當中，比如 Reliance Jio 正在開發自己的 5G 設備，Bharti Airtel 正在與愛立信合作，沃達豐印度曾與華為合作進行 5G 試驗，國有的 BSNL 通訊公司則正在將中國供應商拒之門外。 　　其實在這之前，印度媒體就給出消息稱，華為和中興通訊預計將被排除在印度的 5G 推廣計劃之外。目前，華為印度、Reliance Jio、Bharti Airtel、BSNL、Vodafone India 和印度政府新聞局均沒有立即回應評論請求。 　　之前，印度曾對外宣布，該國研發出 100% 國產 5G，上述 5G 系統是由印度信實工業（Reliance Industries）董事長穆克什·安巴尼（Mukesh Ambani）的說法，一旦 5G 設備在印度得到證明，Jio Platforms 可以將系統出口到國外，供全球運營商使用。

　　在今年六月份，拜騰汽車因融資超過 84 億仍造不出量產車被央視點名。作為造車新勢力之一的拜騰汽車，也因此在國內更為“出名”。 　　隨后，拜騰汽車 CE0 戴雷臨時組織召開了中國區全體員工電話溝通會，宣布拜騰汽車將暫停中國內地業務，并表示會妥善處理員工工資，僅保留約 100 名員工留崗值守。不過，此時的拜騰汽車并為完全停擺。 　　8 月 24 日，有媒體報道稱，拜騰汽車已經申請注冊成立新科技公司，命名為“盛騰”，預計 8 月底領取法人營業執照。 　　同時，新科技公司擬融資 20 億元加速量產M-Byte，目前一汽集團等股東方正在積極推進該項融資。 　　據了解，在今年 7 月份，由于運營資金壓力，拜騰中國區(不含中國香港)所有公司于今年 7 月 1 日起停工停產，并進行內部重整。 　　此外，有知情人士透露，拜騰汽車準備將于今年 9 月份進行全速重啟，以此來推動量產車的落地。事實上，此次拜騰汽車也不是說說而已。 　　拜騰汽車的量產工作也有了實質性的進展，據中國招標采購信息網公告，拜騰汽車“年產 30 萬套新能源汽車關鍵零部件項目弱電自控系統工程增項勞務合同”招標項目已經落定，南京中時江建設工程有限公司于 8 月 22 日中標。 　　不過，由于量產車遲遲不能推出，資本市場對于拜騰汽車也逐漸失去了耐心，當前C輪融資尚未到位，這也使得拜騰汽車在 9 月份的“重啟”面臨著不小的難度。 　　而對于此次拜騰汽車成立新公司，有業內人士表示，很可能是換個身份重回資本市場“吸金”融資，來重回造車賽道。

　　Chrome 團隊也開始嘗試 Rust 了。在 Chromium 官網近期發布的文檔中，“ Rust 與 C++ 的互操作性 ”作為一項尚待解決的挑戰被提出。 　　現階段，Chrome 工程師很清楚 C++ 是第一位的，并且“在可以預見的將來仍然是代碼庫的統治者”。他們認為，若使用 Rust，需要令其與 C++ 相適應，而不是讓 C++ 反過來配合 Rust。當前 Chrome 團隊所探索的，正是 Rust 能否，以及如何調用 C++ 代碼。 　　從目前的研究成果來看，Chrome 團隊已摸索出了幾條調用 C++ 函數的重要方式，包括盡量避免使用“unsafe”字眼、使用 cxx 一類的庫擴大支持、實例化 C++ 對象并安全地傳遞所有權等等。不過，待解決的問題和難點也還有很多。 　　今年五月份的時候， 谷歌工程師曾對 Chrome 歷年來的安全漏洞進行分析 ，發現 70% 都是內存安全問題。因此谷歌計劃嘗試對一些“安全”語言展開探索，Rust 就位列其中。 　　Chrome 團隊對 Rust 仍處于調查和摸索階段。他們表示，如果這種互操作性是可能的，將考慮 Rust 在 Chrome 中的廣泛使用，并將“通過強大的生產質量解決方案來實現這一目標”。

基于 Python 的顧客細分 在這篇文章中，我要談的東西是相對簡單，但卻是對任何業務都很重要的： 客戶細分 ?？蛻艏毞值暮诵氖悄軌蜃R別不同類型的客戶，然后知道如何找到更多這樣的人，這樣你就可以…你猜對了，獲得更多的客戶！在這篇文章中，我將詳細介紹您如何可以使用K-均值聚類來完成一些客戶細分方面的探索。 我們的數據 我們使用的數據來自 John Foreman 的《智能數據》。該數據集包含了營銷快訊/電郵推廣（電子郵件發送報價）和來自客戶的交易層面數據（提供的數據來自客戶期望和最終購買）這兩個信息。 Python import pandas as pd df_offers = pd.read_excel(“./WineKMC.xlsx”, sheetname=0) df_offers.columns = [“offer_id”, “campaign”, “varietal”, “min_qty”, “discount”, “origin”, “past_peak”] df_offers.head() 交易層面的數據… Python df_transactions = pd.read_excel(“./WineKMC.xlsx”, sheetname=1) df_transactions.columns = [“customer_name”, “offer_id”] df_transactions[‘n’] = 1 df_transactions.head() K-均值快速入門 為了細分客戶，我們需要一種方法來對它們進行比較。要做到這一點，我們將使用K-均值聚類。K-均值是一種獲取一個數據集，并從中發現具有類似性質點的組合（或簇）的方法。K-均值的工作原理是，最小化各個點與各簇中點之間的距離，并以此來進行分組。 想一個最簡單的例子。如果我告訴你為下面這些點創建 3 個組，并在每個組的中間繪制一個星星，你會怎么做？ 可能(或希望)是這樣的… 在K-均值中，“ x ”的被稱為“重心”，并指出（你猜對了），給定簇的中心。我不打算詳細講述K-均值實際上是怎什么樣運作的，但希望這說明會給你一個不錯的想法。 將客戶分類 好吧，那么，如何我們的客戶該怎么分類呢？因為我們試圖更多地了解我們客戶的行為，我們可以用他們的行為（根據他們是否在收到報價后進行了采購），以此將有類似想法的客戶分類在一起。然后，我們可以研究這些群體，來尋找模式和趨勢，來幫助我們制定未來的報價。 我們最需要的就是一種比較客戶的方法。要做到這一點，我們要創建一個矩陣，包含每個客戶和他們是否回應了報價的一個 0/1 指標。在 Python 中，這是很容易做到的： Python # join the offers and transactions table df = pd.merge(df_offers, df_transactions) # create a “pivot table” which will give us the number of times each customer responded to a given offer matrix = df.pivot_table(index=[‘customer_name’], columns=[‘offer_id’], values=’n’) # a little tidying up. fill NA values with 0 and make the index into a column matrix = matrix.fillna(0).reset_index() # save a list of the 0/1 columns. we’ll use these a bit later x_cols = matrix.columns[1:] 現在創建簇，我們將使用 scikit-learn 庫中 KMeans 的功能。我任意選擇了 5 個簇。我一般的經驗法則是，我進行分類的記錄數至少是類別數的 7 倍。 Python from sklearn.cluster import KMeans cluster = KMeans(n_clusters=5) # slice matrix so we only include the 0/1 indicator columns in the clustering matrix[‘cluster’] = cluster.fit_predict(matrix[matrix.columns[2:]]) matrix.cluster.value_counts() 232 122 420 015 311 dtype: int64 簇可視化 一個很酷的技巧，這可能是學校沒有教你的，主成分分析。它有很多用途，但今天我們將用它來將我們的多維數據集轉化到一個二維數據集。 你問為什么要這樣做？一旦它在二維中（或簡單地說，它有 2 列），它就會變得更容易繪制！ 再一次, scikit-learn 發揮作用了! Python from sklearn.decomposition import PCA pca = PCA(n_components=2) matrix[‘x’] = pca.fit_transform(matrix[x_cols])[:,0] matrix[‘y’] = pca.fit_transform(matrix[x_cols])[:,1] matrix = matrix.reset_index() customer_clusters = matrix[[‘customer_name’, ‘cluster’, ‘x’, ‘y’]] customer_clusters.head() 我們所做的就是我們把 x_cols 列設定為 0/1 指標變量,我們已經把他們變成了一個二維的數據集。我們任取一列，稱之為 x,然后把其余剩下的叫 y?，F在我們可以把每一個點都對應到一個散點圖中。我們將基于它的簇編碼每個點的顏色，可以讓它們更清晰。 Python df = pd.merge(df_transactions, customer_clusters) df = pd.merge(df_offers, df) from ggplot import * ggplot(df, aes(x=’x’, y=’y’, color=’cluster’)) + geom_point(size=75) + ggtitle(“Customers Grouped by Cluster”) 如果你要搞點花樣,你也可以畫出各簇的中心。這些都存儲在 KMeans 實例中的 cluster_centers_ 變量。確保你也可以將簇心轉換為二維投影。 Python cluster_centers = pca.transform(cluster.cluster_centers_) cluster_centers = pd.DataFrame(cluster_centers, columns=[‘x’, ‘y’]) cluster_centers[‘cluster’] = range(0, len(cluster_centers)) ggplot(df, aes(x=’x’, y=’y’, color=’cluster’)) + geom_point(size=75) + geom_point(cluster_centers, size=500) + ggtitle(“Customers Grouped by Cluster”) 對簇更深的挖掘 讓我們在簇中更深入得挖掘吧。以第 4 簇為例。如果我們挑出簇4，并將其與余下的客戶比較，我們就可以開始尋找可供我們利用的、有趣的方方面面。 作為一個基準，看看簇4與其它簇的葡萄品種對比。事實證明，幾乎所有的Cabernet Sauvignon（赤霞珠）都是由簇4的成員購買的。另外，簇4中沒有一個人買了Espumante（意大利蘇打白葡萄酒）。 Python df[‘is_4’] = df.cluster==4 df.groupby(“is_4”).varietal.value_counts() 你還可以細分出數值功能。例如，看看為何4號簇與其它簇在min_qty的平均值上表現迥異。似乎簇4的成員都喜歡大批量購買！ Python df.groupby(“is_4”)[[‘min_qty’, ‘discount’]].mean() 結語 雖然它不會神奇地告訴你所有的答案，但分群是一個很好的探索性嘗試，可以幫助你更多地了解你的客戶。有關K-均值和客戶細分的更多信息，請查看以下資源： INSEAD Analytics Cluster Analysis and Segmentation Post Customer Segmentation at Bain & Company Customer Segmentation Wikipedia 本文由 伯樂在線 – 高冷的精神污染 翻譯， toolate 校稿。 英文出處： Greg 。 本文采用「CC BY-SA 4.0 CN」協議轉載自互聯網、僅供學習交流，內容版權歸原作者所有，如涉作品、版權和其他問題請給「 我們 」留言處理。

　　北京時間 8 月 25 日消息，據《商業內幕》雜志報道，抖音海外版 TikTok 起訴特朗普政府的訴狀顯示，甚至在美國總統特朗普介入前，微軟公司競購 TikTok 美國業務的努力已經到了與 TikTok 母公司簽署“無約束力意向書”的地步。意向書一般是企業之間在展開收購盡職調查之前所簽署的協議，表明談判已經進入后期。 圖注：TikTok 早就與微軟簽署意向書 　　起訴書顯示，字節跳動與微軟在今年 7 月 30 日簽署了這一意向書(注：訴訟書顯示字節跳動在 7 月 30 日向美外資投資委員會通知簽署意向書一事)，考慮微軟可能會收購 TikTok 美國業務，成為 TikTok 美國業務的可信賴技術伙伴。然而，就在一天后，美國媒體在 7 月 31 日報道稱，特朗普計劃下令要求字節跳動剝離其 TikTok 美國業務股份。不久后，媒體報道稱微軟有意收購 TikTok 美國業務。接著，微軟確認了這一收購意向。 　　TikTok 在起訴書中稱，在特朗普的封殺計劃被曝光前，其母公司字節跳動已經與微軟簽署了初步協議，以便讓 TikTok 不受制于特朗普的行政令，繼續在美國運營。這表明，微軟試圖收購 TikTok 美國業務的努力已經運作了一段時間了。 　　微軟不予置評。TikTok 尚未置評。

摘要：許多高級程序員瞧不上VBA。因為程序員是有鄙視鏈的：匯編 >C >C++ >Python >Java及C#及PHP(這三者相互撕) >VB >HTML。在這長長的鄙視鏈中，甚至都沒有VBA的位置。 可是， Excel +VBA是圖靈完備的(謝謝 @Octolet的精辟總結)，所以被程序員用來?？岬母黝愋愿姓Z言能實現的大部分功能，Excel+VBA都能實現，而且往往是以更高效更快捷的方式，在這里不談效率和優雅。而且考慮到大部分普通群眾是沒有編程環境的(各種依賴各種包，各種OS各種編譯環境，還有IDE)，然而使用VBA，只需要打開裝機自帶的Office，然后按下Alt+F11就自動進入編程和執行環境;甚至可以更簡單的通過錄制宏來解決寫程序的問題，只需要在簡單的代碼基礎上修修補補就可以執行。再考慮到VBA和Office各軟件的完美整合，所以在便捷性方面，VBA是無可比擬的。最后，Office+VBA的分享性和移植性很強，任何測試通過的程序放到別的機器上也可輕易執行;而其他程序，哪怕是一段最簡單的“Hello World”，也不一定。因此本文討論各種通過Excel+VBA能實現的各種炫酷功能(也會拓展到Office+VBA)，主要是為Professional Service以及各行各業不寫程序但是又嚴重依賴于Office的職場人士服務的。 曾經有一個朋友和我說，“Excel根本不需要編程，像我這樣的Excel大?？亢瘮岛妥远x函數能解決所有的問題?！睂τ谶@樣的評論，我想起自己小學時的一段經歷。因為不能理解虛數i(i^2 = -1)的價值，問我爸i有卵用我爸說，“等你長大了，遇到更多的問題，就知道i的價值?！? 1、自動打印 剛進職場的新人，只要爸爸不是李剛，基本都做過影帝影后(影=印，各種復印打印的體力勞動)。特別是咨詢投行服務行業，在某次給客戶的大匯報或者大忽悠會議之前，花數小時或者整晚來打印數個文件，并不是天方夜譚。而且這件事情是對著同樣一堆不斷修改的文件，會經常不斷重復發生。我加入BCG的第一個項目，就是幫助某大型企業從上到下設計KPI體系并實施。從上到下涉及到幾十個部門，大概有100多張的KPI表格需要完成，這些KPI表格分布在各個Excel文件里。我們4個咨詢顧問的任務： 設定好KPI的基本格式，然后每個顧問負責幾個部門，在Excel里不斷修改KPI表格，打印出來后去各個當事人及其領導那里討論并修改 每周把所有的Excel文件中的KPI表格歸集在一起，按順序分部門打印出來，并需要多份，找負責該項目的HR頭兒匯報進度和情況 這里面有個費時費力的環節，每周需要在多個Excel文件中找出目標Worksheet，然后選定合適的區域作為輸出的表格，按照一定的格式和一定的順序，打印出這100多張表格。之前我們全是憑借人力，每周由一個Analyst把所有最新的Excel文件收集在一起，然后挨個打開文件選中合適的Worksheet，選中區域設置好格式進行打印。每進行一次，幾乎耗費一兩個小時，還不能保證不出錯。 于是寫下了我的第一個VBA程序，而且基本上是宏錄制之后來改的，沒有使用參考書及搜索引擎，全靠F1和自動提示，所以貼出來特別紀念一下。實現的功能就是將上述的人肉實現的功能全部自動化。按下一個妞，就慢慢等著打印機按順序出結果吧。 后來這個程序的升級版是：調度多臺打印機，進一步提高效率，以及將打印機卡紙造成隊列錯誤的概率降到極小的范圍內。 2、制作圖表及GIF動畫 圖表制作是每個Office一族的必備任務，制得一手好表格，絕對是升職加薪和偷懶放風的利器。在回答( 黃燜雞米飯是怎么火起來的？ – 何明科的回答 )，就利用Excel+VBA做出數張炫酷的信息地圖，利用VBA為每個省的圖形涂色。 (涂色部分來自于網上的一段程序，制作GIF動畫的是自己完成的) 同時，為了進一步增強炫酷結果，還利用VBA將這些連續變化的圖表做成了GIF動畫，可惜知乎不支持GIF的顯示。 3、制作復雜的分析圖表 下圖是研究各個車型之間的用戶相互轉換關系，因為要將一維的轉化率向量，變成兩維的矩陣，所以使用了如下的復雜公式。 =IF(ISERROR(OFFSET($C$2,MATCH(CONCATENATE(ROW(A4),”-“,COLUMN(A4)),$D$3:$D$600,FALSE),0)/OFFSET($C$2,MATCH(CONCATENATE(ROW(A4),”-“,ROW(A4)),$D$3:$D$600,FALSE),0)),””,OFFSET($C$2,MATCH(CONCATENATE(ROW(A4),”-“,COLUMN(A4)),$D$3:$D$600,FALSE),0)/OFFSET($C$2,MATCH(CONCATENATE(ROW(A4),”-“,ROW(A4)),$D$3:$D$600,FALSE),0)) 同時為了用顏色的深淺來表示轉化率的大小關系而便于比較，使用了VBA對下面的矩陣進行著色。當然有人肯定會說可以使用條件化格式，但是使用VBA保持了最高靈活度和效率。 4、根據格式化信息，生成標準的word文件 這是幫朋友實現的一個項目，他們實驗室是研究某類事故并對重大事故進行鑒定，最后發布word版的正式報告。之前的工作流程是在專業的軟件中完成計算和仿真，最后按照正式報告八股文的行文，把各種關鍵信息填進去，最后寫成word文件。寫報告的過程枯燥而沒有技術含量，但卻要反復進行。通過下圖的Word+VBA，完成主要的交互界面并連接計算軟件。在通過簡單的交互獲取主要信息后，在后臺完成計算并將主要信息填寫入八股文的word模版，最終完成報告，同時將結構化的信息存入Access數據庫。 希望有機會和 @Raymond Wang 和 @金有元 等大律師合作，將Termsheet的書寫及Termsheet到SPA及M&A等的法律文件書寫工作徹底自動化。 5、通過Excel管理分布的任務流，并將Excel表格輸出到Powerpoint 這是協助某國際大型汽車制造廠完成新品牌及其新款車型上市，面臨車型即將斷檔的窘境，該新車型的上市非常關鍵，不能錯失時間節點。然而，新車型上市涉及到無數分支：制造、產品、市場、渠道、營銷、公關、財務等等，同時還要協調歐洲的兩個總部以及中國的兩個分部。這次咨詢的核心任務就是項目管理，總控整個大項目的進度，并每周向中國區的CEO匯報進度并發掘出易出現問題的關鍵節點以調配資源。我們4個咨詢顧問分配下去各自負責幾個部門或者項目分支，和團隊一起規劃流程、畫甘特圖、確認里程碑及時間點、安排負責人等等。當每天回到辦公室大家將進度匯總在一起的時候發現了挑戰及難點，每條任務線并不是獨立發展的，而是各條任務線交織在一起并互相影響。 某些核心人員在多個任務線出現。比如：負責預算的財務人員，幾乎要出現在各條線中負責相關預算的審批環節 某些任務線的里程碑是其他任務線里程碑的必要條件而相互關聯。比如：新車的下線時間影響發布會的時間，相關法規測試的通過又影響車輛的下線時間等等 當任務線增多以及任務線之間的交叉越發頻繁的時候，匯總的任務將會幾何級數增加，這就是我們在項目過程中遇到的問題。于是我利用Excel+VBA完成了這個工作的自動化。主要實現的功能： 自動將4個顧問手中分散的Excel文件匯集在一起形成一個大的總表，如下圖 各顧問手中的表格是按照部門維度來劃分的，匯總后需要按照不同的維度來輸出不同類型的表格，比如：按任務線輸出表格、按責任人輸出表格、所有延誤任務的表格、所有需要資源重點投入任務的表格等等 在此基礎之上，還要將上面提到的各種維度下的所有表格(大概有200多張)，按要求格式粘貼到PPT中，每周提交給中國區的總部進行匯報和評估。密密麻麻的表格如下圖。于是，我又寫了一個程序將Excel中的表格輸出到Powerpoint中，將一個秘書每次需要數小時才能完成的工作，簡化成了一鍵發布，并可以在Excel中完成對PPT的更新。 這個項目的程序量不小，近似于寫了一個迷你版的Microsoft Project來進行項目管理。 最后，下圖中密密麻麻的PPT每周需要更新一次，每次都是快100張的工作量，然而基本上都是靠Excel來自動完成更新的。因為PPT的模版每次變化不大，我將這些模版記錄下來，每周更新的時候只要根據Excel中最新的數據更改PPT中的數據即可。 6、根據結果倒推假設 一般的Financial Model都是根據重重假設計算最終結果。而在為某頂級手機品牌服務的過程中，我們卻遭遇了逆向的尷尬。本來是根據地面銷售人員的一定服務水平，計算所需要的銷售人員數量;結果在項目過程中，總部已經確定好了銷售人數的Head Count，轉而要求我們根據HC確定服務水平。然而，服務水平不是一個單變量，是由零售店的覆蓋率、銷售拜訪頻率、拜訪中的服務深度等多重因素來決定的，同時還可以根據一線至無線城市來變化。于是只好再次寄出Excel+VBA法寶。先根據常規思路建立好Financial Model，得出HC的初步結果。然后寫VBA程序，根據不同的情景、不同的優先級以及不同的權重來調節零售店的覆蓋率、銷售拜訪頻率、拜訪中的服務深度等多因素，同時設定這幾大因素的可接受范圍，逐步逼近HC的預設值。 如果沒有程序，以前基本是靠人工手動調節來湊結果，而且因為各種情景的不同，還需要多次調節。而通過程序，基本是自動完成，還可智能得設置優先級及權重，無需人工參與。 7、海量下載Bloomberg數據并完成分析 通過Bloomberg的VBA API，海量下載數百只目標股票的tick data以及order book。 并根據實現構建好的數學模型，在后臺完成計算，將上述的實時數據轉化成每只股票實時的trading cost，實時展現在交易員最常用的Excel界面中，方便交易員評估當下的交易成本以便于優化交易策略。 8、結語 計算了一下，我在BCG做了三年咨詢顧問，大概寫了幾萬行VBA程序(都是自己手工輸入的，沒有復制拷貝和系統自動生成)，每個項目一千至幾千行程序不等。最后將Excel用成了中控界面，類似EMACS，在Excel可以隨意操控全公司的打印機、Word、Powerpoint等等，自動完成各種任務以及數據更新和抓取。因為Excel的數據更結構化，所以將其作為中控平臺，比Word和Powerpoint更有優勢。 最后，這些程序中的一些公共模塊，打包給了BCG Global IT，BCG給了我一個Sponsorship去Stanford GSB讀書。程序的注釋行里面有我幾個好朋友、親人及導師的名字，祝他們一生平安。 本文為專欄文章，來自：數據冰山，內容觀點不代表本站立場，如若轉載請聯系專欄作者，本文鏈接：https://www.afenxi.com/10455.html 。

　　許多人都知道，谷歌在 Chrome 離線頁面中暗藏了一款由霸王龍作為主角的橫版跳躍游戲。不過近日，MSCHF 戰略負責人 Daniel Greenberg 在接受 TheVerge 采訪時稱，他們已經為這款極易上癮的游戲帶來了使之更加真實的更新。據悉，該游戲由 MSCHF 與 100 Thieves 聯手打造，允許玩家控制霸王龍使用多種武器。 　　盡管 T-Rex 能夠揮舞多種武器，但其中也有一些陷阱，盲目使用可能會造成一些自我傷害。從某些玩家的反饋來看，《Dino Swords》很像是早年經典的 Web 瀏覽器游戲（Flash 主導網頁小游戲的時光）。 　　100 Thieves 首席執行官 Matthew“Nadeshot”Haag 補充道：“作為 Chrome 上經典的恐龍賽跑游戲的一個補充，《Dino Swords》能夠在 T-Rex 奔跑時調用 26 款武器裝備”。 （傳送門： https://dinoswords.gg/ ） 　　如圖所示，《Dino Swords》中的許多武器都在向某些經典視頻游戲致敬，某些用處很大、某些只是花瓶、甚至暗藏了難以解鎖的彩蛋。感興趣的朋友，可點擊上方鏈接去體驗一番。

　　根據美國證券交易委員會今天披露的細節，庫克在上周五直接向一家身份不明的慈善機構贈送了 10715 股股票。如果按照上周五收盤價計算，這筆金額超過 500 萬美元；如果按照本周一收盤價 503.43 美元計算，庫克捐贈的價值約為 540 萬美元。 　　由于這些股票并沒有被賣出，因此沒有對該筆轉讓進行申報價格。目前尚不清楚庫克的這部分股票贈送給了哪家慈善機構，不過庫克此前曾多次向人權組織進行捐款。企業領導人有義務披露所擁有的股票的動向，但不需要公開報告慈善交易的接受者。 　　庫克曾在 2015 年和 2018 年將蘋果股份包轉給了未公開的慈善機構，這些慈善機構的身份沒有被披露。這位蘋果 CEO 目前控制著 837374 股實益擁有的蘋果股票，這些股票由一個私人信托基金持有。

2010年，美國各大媒體報道了這樣一則新聞： 在南卡羅來納州的多切斯特縣，警察通過智能電表收集上來的各戶用電情況分析，抓住了一個在家里種植大麻的人。 這件事引起了美國社會的廣泛討論： 大數據 能夠如何幫助我們解決過去的難題，以及這項技術對未來社會會產生什么樣的影響？ 毒品問題是美國社會的一大毒瘤 到了 大數據 時代 私自種植毒品者的好日子就快到頭了 問題描述：毒品問題一直是美國社會的一大毒瘤 過去美國政府一直把緝毒重點放在切斷來自南美洲的毒品供應上，但仍然無法完全禁止毒品泛濫。 其中一個很重要的原因就是，提煉毒品所需要的大麻，種植起來非常容易，甚至可以自己在家種植。 美國馬蘭州巴爾第摩市當地的一些窮人把房屋的門窗釘死后，在里面偷偷用LED燈種植大麻，因偏僻荒棄，這里很快成了毒品種植者的天堂。 在環境優美，生活水準高的西雅圖地區同樣發生了這樣的情況。 在西雅圖把門窗釘起來種毒品自然是行不通的，但是毒品種植者也有辦法。 有一家人花了50萬美元，買下了一棟周圍種滿了玫瑰花的豪宅。這棟四臥兩廳的大宅子其實沒有人住，占據里面的是658株盆栽大麻。 房主每年賣大麻的收入，不僅足夠付房子的分期付款和電費，而且還讓他攢夠了首付又買了一棟房子。 類似的情況在美國、加拿大均有發生。 據估計，僅加拿大的不列顛哥倫比亞省，每年這種盆栽大麻的收入就高達65億美元，在當地是僅次于石油的第二大生意。 ▼是否對這一類街區進行重點排查是否就能解決問題呢？ 答案并不如我們想象的那么簡單。 由于種植毒品的人分布的地域非常廣，而且做事隱秘，定位這樣種植毒品的房屋的成本非常高。 再加上美國憲法的第四修正案規定“人人具有保障人身、住所、文件及財物的安全，不受無理之搜查和扣押的權利”，警察在沒有證據時不得隨便進入這些房屋進行搜查。 因此，過去警察雖然知道一些嫌犯可能在種植毒品，也只能望洋興嘆，這使得美國的毒品屢禁不止。 但是到了大數據時代，私自種植毒品者的好日子就快到頭了。 截至2011年，僅俄亥俄一個州，警察就用類似的方法抓到了60個這樣的大麻種植犯罪嫌疑人。 ▼大數據是如何幫助警察提高定位效率的呢？ 過去，供電公司使用的是老式電表，只能記錄每家每月的用電量。但是從十幾年前開始，智能電表的普及，不僅能夠記錄用電量，還能夠記錄用電模式。 因LED燈需日夜開啟，種植大麻的房子用電模式和一般居家是不同的，只要把每家每戶的用電模式和一般居家用電模式進行對比，就能很容易地圈定出一些犯罪嫌疑人。 在這個美國警察查處毒品種植的案例，我們看到了大數據思維的三個亮點： 第一是，用統計規律和個案對比，做到精準定位。 第二是，社會其實已經默認了在取證時，利用相關性代替直接證據，即我們大數據思維所說的， 強相關性代替因果關系 。 第三是，由于采取了機器，執法的成本，或者更廣泛地講，運營的成本，在大數據時代會大幅下降。 美國一半小型企業（包括餐館等）壽命不超過5年 大數據如何幫忙？ 大數據在商業活動中從細節到整體，再從整體到細節雙向的流動，使得我們不僅能夠利用大數據對商業進行整體提升，更能夠精確到每一個細節。 這在互聯網公司已經不是什么稀奇事，不過即使在所謂的傳統行業里，大數據也能幫助我們做到這一點。 我們不妨看看下面的例子。 戴維是硅谷地區一位創業者，他喜歡根據技術發展的大趨勢尋找特定領域里的商機。 問題描述：美國一半小型企業（包括餐館等）壽命不超過5年，酒吧也是如此。 戴維在一年里走訪了美國100多家酒吧，發現它們之所以經營不下去，除了一般所說的經營不善，更重要的是大約23%的酒都被酒保們偷喝了。 ▼那么酒保們是如何偷喝掉將近1/4 的酒的呢？ 這其實很簡單： 主要是酒保們趁老板不在的時候偷喝酒，或者給熟人朋友免費的和超量的酒飲。 比如小王是酒保，小李是他的朋友。 這天小李來到酒吧時，小王看老板不在，就給小李倒上一杯沒有算錢。甚至即使老板在，小王本來該給小李倒4兩酒，結果倒了6兩。 由于每一次交易的損失都非常小，不易察覺，因此在過去酒吧的老板必須盯緊一些，如果有事離開一些，只好認倒霉。 開過小餐館的人都會有這樣的經驗，自己是否在店里看著，對營業額的影響特別大，因此做這種餐飲買賣的人特別辛苦，稍微不注意就開始虧損。 ▼針對酒吧老板的這些麻煩，戴維設計了一套解決方案。 改造酒吧的酒架，裝上可以測置重置的傳感器，以及無源的射頻識別芯片（RFID) 的讀寫器，然后再在每個酒瓶上貼上一個RFID的芯片。 這樣，哪一瓶酒在什么時候被動過，傾倒了多少酒都會被記錄下來，并且和每一筆交易匹配上。 酒吧的老板即使出門辦事，也可以了解酒吧經營的每一個細節。 當然，戴維提供的服務如果只是停留在這個層面，那么更像是一個“萬物聯網”（Internet of Things，簡稱 loT)的應用，與我們所說的大數據其實關系并不大。 ▼戴維對酒吧的改造帶來了一個額外的好處，就是積累了不同酒吧比較長時間的經營數據。 在這些數據的基礎上，他為酒吧的主人提供了一些簡單的 數據分析 。我把他提供的服務概括為以下三個方面： 首先，分析每一家酒吧過去經營情況的統計數據，有助于酒吧主人全面了解經營情況。 在過去，像酒吧這樣傳統的行業，業主除了知道每月收入多少錢，主要幾項開銷是多少，其實對經營是缺乏全面了解的。 至于哪種酒賣得好，哪種賣得不好，什么時候賣得好，全憑經驗和自己是否上心，沒有什么分析。 戴維提供的數據分析讓這些酒吧老板首先對自己的酒吧有了準確的了解。 其次，為每一家酒吧的異常情況提供預警。 比如戴維可以提示酒吧老板某一天該酒吧的經營情況和平時相比很反常，這樣就可以引起酒吧老板的注意，找到原因。 在過去，發生這種異常情況時老板很難注意到，比如某個周五晚上的收入比前后幾個周五晚上少了20%，老板們一般會認為是正常浮動，也無法去一一檢查庫存是否和銷售對得上。 有了戴維提供的數據服務，這些問題都能及時被發現。 最后，綜合各家酒吧數據的收集和分析，戴維會為酒吧老板們提供這個行業宏觀的數據作為參考。 比如從春天到夏天，舊金山市酒吧營業額整體在上升，如果某個特定酒吧的銷售額沒有增長，那么說明它可能有問題。 再比如，戴維還可以提供不同酒的銷售變化趨勢，比如從春天到夏天，啤酒的銷置上升比葡萄酒快，而烈酒的銷售平緩等。 這些都能夠幫助酒吧老板們改善經営。 *本文根據吳軍《智能時代第四章：大數據與商業》內容整理而成，有刪節，該書由中信出版社出版。 來源：混沌研習社文｜吳軍 （硅谷投資人、豐元資本創始合伙人、計算機科學家、《浪潮之巔》作者） 本文采用「CC BY-SA 4.0 CN」協議轉載自互聯網、僅供學習交流，內容版權歸原作者所有，如涉作品、版權和其他問題請給「 我們 」留言處理。

　　來源于活體生物的生物藥物應用前景廣闊，尤其是因為它們可以根據個體患者的獨特需求展開個性化治療。不過，它們通常很難通過皮膚注射，因為皮膚是一種新皮下注射針頭的設計部位。由于生物制劑通常都是高度濃縮的，所以它們往往非常粘稠--以至于有時無法通過一根標準的注射針。相反，它們通常要被稀釋，然后通過靜脈注射一段時間才能進入人體。 　　但這意味著患者必須前往醫療機構，這對生活在偏遠地區或貧困國家的人可能是一項艱巨的任務。 　　無針噴射器是一種替代方法，但它相對昂貴，所以不太可能在貧窮國家得到廣泛使用。 　　相反，麻省理工學院(MIT)的科學家們開發了一種原型皮下注射針頭，這種注射器包含兩個桶--一個套在另一個桶里。內桶包含粘稠的藥物，外桶則包含生物相容的潤滑液體。兩個桶被同時激活按在一個柱塞里。 　　當藥物流出內桶時，它會被涂上一層薄薄的潤滑劑。這使得兩種液體很容易通過針頭。在實驗室測試中，即使是最粘稠的藥物也只需要1/7 的注射力。這種注射的還一個好處是，當生物制劑穿過針頭時幾乎不會受到剪應力的破壞。這意味著該技術還可以在 3D 生物打印領域找到應用，以此來用于擠壓脆弱的細胞和生物組織。 　　這項研究的參與者之一 Vishnu Jayaprakash 指出：“既然這種方法很簡單，就沒有理由不能幫助解決我們從工業界聽到的一個新興問題?；A工作已經完成?，F在只是要把它應用到不同的配方上?！? 　　相關研究報告已發表在《 Advanced Healthcare Materials 》上。

摘要：本文來自創新工場創業公開課。用戶增長始終是困擾 APP 開發者的一大難題，其中一個很重要的問題就是沒有對你的應用進行分析。沒有意識到為什么用戶 留存率 偏低。從用戶獲取到收入這個步驟入手，對整個過程進行監控，用數據化的工具進行分析，是問題的良好解決途徑之一。 諸葛 IO 創始人孔淼就會基于 AARRR 模型和一些具體案例，來為我們解析為什么要用數據去鋪墊產品運營。 精細化的數據運營 第一個，為什么要用精細化運營數據這張圖是年初的時候 TalkingData 的一個報告，大家可以看到，整個年齡分布從 90 后到 80 后到 70 后以下，其實整個分布已經越來越均勻了。大家想一下，差不多在 1999年 第一波互聯網浪潮到 2004年web2.0 到 2009年 左右的移動互聯網浪潮的時候，當時主要人群主要是 80 后，并沒有現在分化得這么明顯。 第二個人群城市差異化，大家可以看到一二三線城市的增長速度，意味著人群包括像城市整個沉降越來越快，如果有來自小城市的朋友都知道，現在回家看，大家使用智能設備已經越來越多了。大家再想一下，這三個浪潮的時候，最開始使用互聯網的人主要是一二線城市的人，而現在這個圖是一個金字塔，三四線人才是一個更有價值的部分。 第三個網絡環境，從最開始，早期用塞班的人都知道，大家可能就用 opera 瀏覽器，用 S60 手機各種省流量，UC 瀏覽器講究的是內容。大家看到隨著網絡環境的改善和優化整個體驗變得很重要，用戶交互體驗變得很重要。 最后一個是根據每個人裝的應用列表來看，北京打車偏多，上海理財，廣州是游戲，深圳是視頻。從表面上來看是幾個類型的差異，背后剛好反映的是各個城市人群的生活節奏，包括個人作息時間，個人消費能力等等。這意味著什么呢，這意味著現在包括使用你的應用人群已經越來越差異化了。 舉個簡單的例子，即使你是做母嬰類的，使用者是媽媽，一二線城市的媽媽和三四線城市的媽媽她們消費能力是有差異的，她們平時生活作息時間也是有差異的。意味著她們在使用你 APP 的時候，整個使用行為肯定是有差異的。 所以回到最開始講到的三波浪潮時期，大部分公司只關注三件事，從 Traffic 到 users 到 revenue，從流量到用戶到收入。大家想一下最開始互聯網廣告賺錢方式并沒有現在垂直電商這么多的方式，最開始簡單的就是投廣告，廣告帶來流量。包括去 PC 上做 SU 優化，做很多事都是為了擴大人群，擴大流量，帶來更多的用戶，通過用戶產生收入。這在用戶群單一的且技術有限的情況下，是有用的。 但是現在很多 APP 的開發者會發現一個很頭疼的問題，就是為什么我們的量增不上去，覺得自己做了很多努力還是沒有太多的用戶，這里面有一個很重要的問題，就是你沒有分析你的應用，沒有意識到為什么用戶留存率偏低。包括現在很多產品會去換量，A 產品跟你換 5000 量，B 產品換到 3000 量，你簡單認為 5000 大于 3000 對不對，有些公司稍微再精明一點會去看留存率，即使是留存，大家想一想，每個應用的核心事件不同，知乎就是看帖子，京東是是加入購物車，搜狐視頻是看視頻。 原來的留存是什么，是打開一個應用，但簡單的打開一個應用也不能成為衡量你留存的一個標準。這個時候也就意味著衡量留存時要把用戶區分價值來看，真正給你帶來產生收入是互動比較強烈的用戶，其實你最后衡量這個渠道帶來的用戶，5000 大于 3000 也許你衡量有哪些人看了視頻，有哪些人做了核心事件比例有多少通過這個衡量也許是 3000 的比較大。換過來說，這時候是不是意味著 3000 就是好的，也不一定。最后產生收入要看 UP 值，也許是 5000 的價值比較高。這一件事到底有什么結論，要通過用戶的行為往下深入細分，再得到結論。 流量時代何時走向終結 這個是前一段時間 36kr 的一篇文章《流量是在何時走向終結》，它的觀點就是以前流量經濟在于洗，我不停的去找，有當量的渠道去換流量，現在已經是講究粉絲經濟了，要養，要找到你的用戶人群特點。 舉個簡單例子，跟一線競爭對手扛不贏的時候，你會發現的收入來源大多數來自于三四線小城市，這個時候你沒有必要去刷網上的第一位，因為你的核心人群是你的三四線小城市，這個時候你的目標要定向為他們的活動區域比較大的地方就可以了。養粉絲這一塊很典型的比如唯品會，唯品會最開始做得比較好的時候就是用二線的品牌去吸引了二三四線城市的人。 AARRR 模型 回到剛剛那個模型流量到用戶到收入，我們應該關心的是流量來的是什么樣的用戶，流量怎么來的用戶。用戶到收入這個過程到底做了什么，用戶是如何產生收入的。 這個時候我要講到一個經濟話語的基礎，不得不提到的就是 AARRR 模型。第一個是 Acquisition，即用戶的獲取。Acquisition 是用戶的激活，Retention 是大家很熟悉的，留存，留存的人 referral 會幫你制造傳播，再下一步就是收入。 關于用戶獲取大家應該很熟悉。比如掃碼關注，或者你去搜一個關鍵詞，做一個 SEO 優化，或者你找別人換量，或者是別人在某科技博客上寫一篇軟文帶來一些量。再就是社會化分享，通過分享把用戶吸引過來，這些都是用戶獲取的過程。 用戶激活，激活就是注冊成為你的用戶，有一些人到你這來了以后，核心是要他注冊賬號，如果沒有賬號體系，你可以認為他來到你的應用就跳過這一步了。像知乎，在首頁有一個注冊，讀文章讀到一半的時候也會彈出一個注冊。 用戶留存就很簡單了，持續去使用你的應用。我們建議把這個留存再往下深入，你要把你的人群分層，比如你是一個電商應用，留存就要分四層來看。第一層是瀏覽商品的留存的人，第二是加入購物車的人，第三是是產生了訂單的，第四是完成支付的。分不同層面的意義來講留存，這就是細化留存。 Referral 就很熟了，用戶覺得應用不錯，愿意把它分享到社交網絡，到社交網絡以后帶來更多的用戶，這就是一個傳播的過程，傳統意義就是你的東西很有價值。比如賣一個很好的軟件，你告訴他用的很不錯，就是口碑營銷，是最傳統的傳播方式。前不久我在微博上看到一個知乎的分享，這就是典型的傳播方式。 最后就是收入了，大家看一下整個過程，這是我摘自于國外很有名的 PPT 的圖，是一個典型的漏斗，用戶獲取來的人是最多的，用戶激活是一部分，用戶留存到用戶傳播最后到用戶收入這是一個漏洞，在分析問題時候是要找到這個漏洞的瓶頸在哪兒。 當你發現產品有問題的時候，這個時候要做的一件事就是分析從用戶獲取到收入這個步驟中，到底哪一步是最大的問題?，F在很多人有問題的時候會做很多操作，其實是不利的。因為這會同時改變很多因素，最好的方式是首先要監控起用戶獲取到收入的整個過程，用數據化的工具來監測這個過程。 先找到 OMTM，這個概念是來自于《精益 數據分析 》這本書，里面講到一個很重要的分析方法論叫做 OMTM(one Metric That matters)。在找瓶頸的時候往往有一個非常重要的因素，只要解決了這個問題，就會帶來快速的提高。本身你的產品在迭代，不可能一下子解決所有的問題，你做很多操作的時候，到底是哪個產生因素還是不知道，從分析上來講是不合理的。 常用分析方法 有哪些常用的分析方法呢第一個，其實就是用戶獲取和用戶激活。比如像知乎，知乎注冊有多種方式，有一種是來自于你的首頁注冊，還有一種是你讀到一半彈出一個注冊框，這是多種注冊方式。大家想一下，如果用現有的一些工具是做不到的，因為他最多是給你做渠道和版本上的區分，這時候你去衡量這一部分用戶轉化率和行為的時候，需要結合業務邏輯條件。比如注冊來自讀文章的頁面或者是注冊來自于首頁，這些都是結合業務的商業條件，這是需要精益化的數據工具才可以做到的。 分析的過程就是一個典型的漏斗，第一步兩個漏斗，第一個漏斗是從首頁訪問注冊的人，第二個漏斗是看文章的，他讀文章讀到一半彈出一個注冊窗口，第二步就是他去讀文章，比較這個漏斗看哪一步更有價值，這就是典型的漏斗。漏斗就是很多過程，你要分析這個過程缺口在那里。 拆分用戶使用應用這個過程的時候，用戶不會完全按照你的邏輯來走，很多地方就會卡住了，跳出了，這個時候要找到這些點來優化它。有一句話大多數做產品的人是靠猜測和直覺，大家想一下自己的產品是不是靠產品經理拍腦袋決定的功能，有沒有考慮這個功能的持續使用性。 第二個是更多的轉化趨勢。剛剛解釋過了用戶留存，留存不像以前了，第一天是新增用戶，某一個條件背后來的用戶，第二天第三天有沒有持續用這個應用，變成了每一個應用都有你的核心價值體現。比如說你是一個游戲類的，那就是有沒有玩游戲，如果你是一個像圖片類的，就是有沒有看圖片，京東的有沒有產生訂單有沒有支付成功，要把原來的應用再細化一下，這也是要結合你的業務，這也是精細化分析工具能做到的。 這就是自定義留存，下面通過例子來講如何更深入的分析。在做產品分析的時候，并不是把多少數據庫拿來，這樣是盲目的。核心是要回到剛剛的邏輯，即從用戶獲取到用戶收入，并可以細化拆分。比如分享的流程，微信某個行為的觸發人群，你有一個細的目標去分析，這個時候的分析往往是有效的。 更深入地分析從何下手 使用工具的時候，不要盲目的為了布點而布點，加入太多的數據量，最后分析量太多是不行的。 比如某一個版本我要去布點的時候，就去跟蹤幾個關鍵的過程，步入這一步，我的用戶獲取很少，鋪的流量有限，但是我這里面是有一些社交分享的功能，這個時候我應該想到怎么樣提高社交分享率，才能夠在 referral 有一個更多的用戶獲取。這個時候就分析為什么他不會分享。 之前有人講了一個例子很有意思，他們當時發現最后點贊的人分享頻率是最高的，后來提了一個方案，聽說點贊和分享搭在一起更配，這也是一個漏斗這一步提高了，分享率就上去了。一些硅谷的典型例子，往往就是在小的過程去優化一點能帶來一個大的效益改變。 更深的分析從何下手呢，這就是一個案例，這個案例應該會有很多產品中槍，為什么我拿這個案例，因為暴走漫畫是我們一個很好的客戶，當時我問他第一句是，你的分類排序是按照什么排的，他說數據庫取出來的數據就是這樣排的。大家可以看到，當你的功能模塊，這樣一些分類，從上往下排的時候，這個時候用戶訪問點擊率從上到下不是對等的，點上面的肯定是高于點下面的人，因為這個是用數據支撐看到的問題。 這個時候大家想一下，大家可以看到上面有很多分類，每一個分類點進去以后這個用戶有沒有持續看這個分類里面的漫畫，這個比例一定是不等于從上到下的數據，正常做優化的時候，你先要掌控。 因為 APP 展示頁面有限，每一個關鍵部位都是有它的價值，這個時候要明確橫向從上到下的點擊比例。第二個，每一個點進去的用戶有沒有持續使用這個分類，在這個分類里面看這個分類的漫畫，顯然這個比例肯定是不一樣的。這個時候下面有一些是高于上面的，持續用這個分類的比例是高于上面的，這個時候要根據數據把下面提多上面去。 舉個簡單例子，科幻根本沒有人看，放在這么好的位置，我發現每次點進去都是新用戶，老用戶根本不點，下面有一個比如叫什么恐怖，訪問率非常高，用戶持續使用率非常高，這個時候應該提到用戶在第一層找到的地方，把差的內容如果數據可以了再提上去，這就是典型的數據去運營產品的思路。 硅谷產品經典案例 最后講一下硅谷產品的經典案例 Quora，Quora 是典型的從用戶獲取 AARRR 模型，Quora 和知乎的問題是一樣的——分享的很多，注冊的很少。用戶激活的比例偏低，怎么辦呢。這時候想到一個辦法，他發現很多人讀文章會讀完的，大家做了一個措施，讀文章一半的時候彈出一個窗口，也就是后來知乎的做法。 第二個推薦相關的文章和用戶。這也是一樣的，你發現留存率比較低的時候，用戶在應用里互動比較少的時候，你應該想一些別的辦法。Quora 就想到了，怎么增加用戶的留存，用戶讀到這篇文章的時候我給他推薦一些相關的文章，很多人覺得這件事靠后，其實它能夠提高一些轉化率的，這個時候推薦相關文章比如說最近股市哪個股票好下面有一個相關的文章，點進去的人會很多。點進去的連續進去，就增加了下一步的可能，就越有可能成為你的新用戶了。 LinkedIn 很有意思，LinkedIn 從 200 萬到 2 億的增長是非?？斓?，這源于 growth hacking 的策略。他當時發現很多人在搜索引擎里面搜自己的名字，搜不到結果，這個時候他想到一個辦法，你在 LinkedIn 里面可以創建公開個人資料，這個個人資料可以被搜索引擎做 SU 優化被檢索到，這個時候很多人會發現了這個功能，整個 LinkedIn 的用戶增長就上去了，因為大家都想提高自己在搜索引擎的曝光，這個點被大家把握住了。他在研究整個用戶獲取到收入這個漏斗的時候，發現第一步是一個瓶頸，他源于這一步提高了第一步的留存。邀請聯系人和動態通知，現在大家來看我也做了，我想問你做社交分享做這些事的人，你為什么這么做，你是抄別人的，第一個想到的這個人是分享過的。 我再講一個非常差的案例，前不久我在臉譜網出來的一家公司幫他分析產品，他也是用別人的分享，他的產品送你 50 元紅包，我說朋友圈看到你這個東西的時候，人家第一步對你的產品名字是有認知障礙的，不知道你是什么，送他紅包的時候當然不會點了，點擊率會偏低很多的，他是賣零食的。我告訴他，改成我送你 50 元可以免費買零食之類的，轉化率是不是會上去。 Facebook 和推特這里面有兩個概念，AHA 時刻，大家可以去 TD 上搜一個東西叫做 Facebook 的 growth 團隊做的一個分享，AHA 時刻在國外叫 AHA moment，Facebook 和推特也遇到了這個問題，好多人注冊了不留下來，其實就是用戶獲取到用戶激活到用戶留存這部分，后來經過數據分析發現當一個新用戶十天能達到 7 個好友的時候，這個留存率是最高的，這一件事很多產品團隊沒有數據分析意識是不會想到的，這一件事其實是可以分析出來的，這些人的整個行為分布和使用是有規律在里面的。推特用戶關注達到 30 個人，這也是符合邏輯的，刷的量太少了就不會有人使用了。 從用戶獲取到激活，剛剛 Quora 想的辦法是增加了一些途徑，推特的辦法是優化了體驗，優化了注冊流程。 Dropbox，growth hacking 的發明者就是當時的 Dropbox，Dropbox 是我認為做 growth hacking 當中做得特別好的一家，大家看現在很多的網盤學它的邀請注冊送空間。剛剛我提到了優化的一個方法是增加途徑，或者優化體驗，這一種就是屬于誘導。給用戶更多的誘導性去提高這一個轉化率。 Dropbox 當時送 500 兆空間，后來國內網盤都請他來做。但是他這 500 兆空間也不是那么簡單的，我看了 Dropbox 的一篇分析文章，因為 Dropbox 是有付費用戶比的，他算過這個付費用戶比，算出來一個新用戶能帶來多少回流比，算出來是 500 兆空間，從這個成本中能達到多少的營收。 第二點，Dropbox 很聰明的，也可以激發大家的一些想法。他當時發送郵件給注冊沒有下載客戶端的人還是回到那個模型，他發現用戶激活到用戶留存比較低，這個時候怎么提高，他想了一下，他發現有一部分人激活以后準備下客戶端沒有下走了，大家想一下這是很正常的情況，有的人可能網絡有問題，或者是有什么事，就把瀏覽器窗口關掉了，走了。 這個時候他發了一個文件，把那些注冊了沒有下載客戶端的人，并不是 Dropbox 的客戶，他就通過發送郵件去挽回，發現這個回流比還不錯的，最后通過這樣一個方式讓這個比例提高了。有人會覺得可能提高的不多，但是大家想一下百分比乘以你的用戶基數，任何一點點，因為每一個新用戶還可能帶來更多的用戶，這些小的細節點將來都可能成為你產品改進的空間。 今天講的這些就是分享一些關于，首先為什么做這一件事，其實也是從當初的流量到用戶到收入的模型，不要再去想有沒有辦法，應該往下走，應該把步驟拆細，流量來了，是什么樣的用戶，用戶做的什么事，哪些事需要往細了看，去分析這些事情，他做這些事的時候每一個核心步驟到底完成了沒有，或者說根本就是你做的不好，這個東西是偽需求，這些全部要分析透徹了，這些都是可以用數據分析出來的。 最后去分析這些問題我不建議大家自己去構建團隊，因為你要有 ETO 工程師，算法工程師，運維工程師，需要有服務端工程師，要有一堆成本，這個我建議大家用一些像 Mixpanel,恩特麥崔科斯(音譯)，這是國外的。國內的諸葛 IO 還是挺不錯的，每一個產品都有使用的人群找出哪一個更合適你。 作者：創新工場 來源：36氪 原文鏈接：http://36kr.com/p/5038378.html 本文為專欄文章，來自：諸葛IO，內容觀點不代表本站立場，如若轉載請聯系專欄作者，本文鏈接：https://www.afenxi.com/3062.html 。

　　據外媒 CNET 報道，美國宇航局（NASA）近日表示，一顆稱為 2018 VP1 的小行星將在 11 月 2 日——也就是美國大選的前一天靠近地球。它甚至可能進入我們的大氣層，但它并不會對地球構成威脅。密切關注這些太空巖石的 NASA 小行星觀察組織周日在推特上發布了一些保證。 　　小行星 2018 VP1 的直徑大約為 6.5 英尺（2 米）?！八壳坝?0.41% 的幾率進入我們星球的大氣層，但如果它進入了，由于它的體積極小，它將會解體，”NASA 說。 　　自從 2018 年在圣地亞哥附近帕洛瑪天文臺的 Zwicky 瞬變設施發現該小行星以來，今年的飛掠將是小行星對地球的首次近距離飛掠。但是，盡管科學家稱該事件是近距離的，這顆太空巖石仍將遠離地球：距離將超過 26 萬英里。

機器人 和 大數據 已經改革了電商行業，而下面這4個公司將在這場變革中起到重要作用，極大影響2018年的電商模式： 無人機投遞： Flytrex 無人機配送方式已經出現，只是實行的地區有限。而無人機物流公司Flytrex，將逐步改變這一局面。 今年該公司在冰島推出了全球首個全自動無人機投遞系統，將AHA電商公司某些產品的平均投遞時間縮短了75％以上，同時節省了60％的物流成本。 自主式無人機可以在密集的城市導航，配送成本每英里0.8美元，遠遠低于卡車運輸。 這家總部位于特拉維夫（以色列港市）的公司正在努力向全球其他地區擴張。但是在美國市場短期內不會有太大進展，無人機在這里依然受到嚴格監管。 把娛樂變成一種購物體驗： SPOTT Spott的技術生成交互性內容，讓用戶能夠搜索節目和電影中的場景，以準確找到使用的某個產品。從廚房炊具到精致套裝，這家位于芝加哥的Spott 公司會跟用戶分享產品的品牌和價格信息，方便人們快速購買。 這種影響不僅體現在電商方面，也給內容營銷和娛樂方面帶來巨大變化。 多虧了Spott，衣柜和道具部門即將成為好萊塢的主要收入來源，而娛樂和商業之間的界限將會越來越模糊。 將亞馬遜物流機器人帶給每一個電商企業：6 River Systems 位于馬薩諸塞州沃爾瑟姆（Waltham）、由前Kiva公司高管創立的6 River Systems公司創造了一款先進倉庫機器人Chuck。當電商公司在物流中心或倉庫安裝Chuck時，配送速度會比傳統貨車分揀快2-3倍，而成本卻降低一半。 Chuck通過把倉管人員準確引導到所需產品位置，讓物流人員能夠非常迅速地分類和處理庫存。 像許多機器人公司一樣，Chuck也通過匯總數據，為企業帶來價值，使倉庫經理能夠做出更明智的決策，加快分揀過程，這是物流行業的難題。 最后一公里配送：Common Sense Robotics 目前供應鏈依賴于規模經濟。另一家以色列公司Common Sense Robotics（CSR）想要改變這一點。 CSR利用先進的AI和機器人技術，讓零售商能夠在臨近最后一公里交付的戰略位置儲存和處理大部分庫存。而不是像當前零售商，把庫存儲存在遠離人群的郊區大型倉庫中。 該公司希望其最后一公里物流中心成為渴望跟上亞馬遜配送速度的零售商的首要選擇。它能為賣家提供按需物流服務，同時大幅度降低配送成本。 本文采用「CC BY-SA 4.0 CN」協議轉載自互聯網、僅供學習交流，內容版權歸原作者所有，如涉作品、版權和其他問題請給「 我們 」留言處理。

　　分析公司 Sensor Tower 指出，自 2018 年發布以來，《絕地求生》（PUBG）已成為移動平臺上最成功的的游戲之一。去年手游版本的收入已經超越了 PC 版本，達到了 13 億美元。除了大陸地區的 1.5 億《和平精英》玩家，《PUBG》移動版還擁有超過 6 億的下載量和 5000 萬活躍用戶。 　　取決于用戶使用的設備類型，在即將于 9 月 8 日到來的 1.0 大版本更新中，《PUBG》手游版有望將游戲幀率提升 30%、并將延遲降低 76% 。 　　此外該游戲在視覺和設計上迎來了大幅修改，包括大廳主界面，以及針對跳傘、沖刺等游戲內動作的重制。 開發團隊在新聞稿中稱：無論是微粒、延誤、大風、槍口閃光，還是附加的瞄準鏡交互，每個鏡頭都變得更加逼真。 照明系統和質感的升級，可讓植被、天空和水面都栩栩如生。模型和紋理質量的改進，也能夠帶來更真實的質感和高品質的體驗。 　　值得一提的是，《PUBG》手游版還計劃在 11 月舉辦一場《PUBG Mobile》全球冠軍錦標賽（簡稱 PMGC）。 　　屆時來自美洲、歐洲、東南亞、中東等地區的職業選手將可爭奪 200 萬美元的獎金，然而受 COVID-19 疫病全球大流行的影響，觀眾們或將無法親臨比賽現場。 　　如果一切順利，該聯賽將于 11 月下旬啟動，并在多個工作室內進行。

　　AI 給我們的生活帶來了許多樂趣，從 AI 美顏到 AI 變臉，再到今年火爆全網的 AI 修復 1929 年 老北京生活的 3 分鐘影像資料 和 全球首個 3D 版 AI 合成主播 。這些新鮮有趣的應用為什么在 2020 年火爆全網？背后推動力是什么？ 火爆B站的 AI 修復老北京影像--盲人"爵士"樂隊 全球首個 3D 版 AI 合成主播新小微，圖片來自新華社 　　北京國際廣播電影電視展覽會（BIRTV）2020 期間的一場媒體活動上，NVIDIA 專業可視化亞太區業務主管沈威表示，傳統“離線式”渲染、預錄式的內容無法加入更多互動和特效的直播視頻內容已經不能夠滿足當前廣播電視行業的需求，尤其是當下的 AI 時代。利用 NVIDA GPU 的實時光線追蹤技術及深度學習技術，可以為廣播電影電視行業帶來更多不一樣的體驗。 　　 AI 帶給廣電行業的兩大變革 　　修復老北京生活影像和 3D AI 主播恰好代表了 AI 給廣播電影電視行業帶來的兩個變革——對過去缺損畫面、素材殘缺像素的“無中生有”，以及實時渲染帶來的更強互動性。 　　NVIDIA 中國區高級技術市場經理施澄秋表示：“我們看到廣電行業的趨勢是從 OTT（流媒體服務）向 SVOD（視頻點播）過渡，并且市場也在蓬勃壯大。在這個增長過程中，要么內容極劇爆炸、要么讓老影片有更高分辨率?！? 　　 GPU“無中生有”修復過去 　　7 月份火遍全網的 1929 年的老北京生活視頻，不僅用 AI 對視頻進行上色、補幀、提升了分辨率，還通過時代原聲還原了老北京味。這個視頻的火爆離不開新的 AI 算法 DeepRemaster，當然也需要有強大硬件作為支撐。 　　為圖像處理而生的 GPU 是不二的選擇。據悉，NVIDIA 有一項叫做 NGX 的技術，先用像 DeepRemaster 這樣自動完成畫面修補、美化和降噪的 AI 算法對 GPU 進行訓練，然后 NGX 就能“無中生有”來做畫面插幀、超級分辨率、慢動作等。 　　施澄秋對雷鋒網表示，對于插幀而言，如果用傳統的人工方式來做，一天只能做2-3 幀，借助基于 GPU 的 AI 技術后，一天的插幀和修復可以達到百萬幀級別，這是一個巨大的效率提升。 　　AI 插幀還能在大幅縮短周期的同時實現更好效果。施澄秋以很多電影中都有千軍萬馬的場面舉例，如果用一匹馬復制，不僅呆板而且運動軌跡都一樣。但用人工的方式周期長且成本高，借助 NGX 技術，就可以得到形態各異的馬。 　　AI 插幀能讓老視頻有更好的流暢度，達到 1080P 甚至 4K、8K。借助 AI 插幀和著色技術，還能夠實現超級慢動作。超級慢動作是用超高幀率的攝像機（120 楨/秒、240 楨/秒）拍攝視頻，然后再以低幀率（30 楨/秒、40 楨/秒）播放。 　　但很多素材比如用手機拍攝的突發新聞本身就只有 30 楨/秒的幀率，如果做慢動作就會像放幻燈片一樣卡頓。利用 NVIDIA NGX 的“無中生有”技術生成幀間像素，就可以得到非常平滑逼真的慢動作。 　　幀率決定著視頻的流暢度，分辨率更直接的影響著觀感?！癝UPER-RES（超級分辨率）不是新概念，以前要實現 SUPER-RES 可能需要非常昂貴的硬件，且制作周期非常長，現在利用我們的 NGX AI 技術就可以做實時 4K 分辨率的超級分辨率?！?施澄秋表示。 　　那效果如何？當虹科技就基于 NVIDIA 圖靈（Turing）架構 GPU 推出了離線超級分辨率產品，支持標清轉高清/4K、高清轉 4K/8K 等。借助 AI 算法訓練高頻細節，實現高保真縮放。 當虹科技 AI 超分技術 　　還有強氧科技的 DaVinci Resolve，這是一款融合了專業 8K 剪輯、調色、視覺特效和音頻后期制作工具。能夠通過插補幀做慢動作，驚艷的自動調色，也能做匹配內容、物體自動移除等。 　　 值得注意的是，當虹科技和強氧科技都提到了 NVIDIA 實時光線追蹤 GPU 的性能優勢。 根據當虹科技給出的數據，不同的 NVIDIA GPU 的 AI 超分深度學習推理性能相比 CPU 有 10 倍到 25 倍不等的性能優勢。 　　強氧科技給出的 4K BRAW、6K BRAW、8K BRAW 的測試顯示，NVIDIA 的 Quadro RTX 6000 相比 CPU 也有 2 倍左右的性能優勢。 　　 GPU 實時渲染增強互動性 　　“無中生有”技術更多的是對已有視頻素材的增強，面向未來，GPU 帶來的是互動效果的增強，讓廣電的單向推薦也借 GPU 的 AI 功能變成雙向智能推薦。 　　文中開頭提到的 AI 合成的主播，其實 2018 年就已經有，但受限于當時的 AI 技術以及計算、渲染能力，那時的 AI 主播只有面部表情，沒有肢體動作等。因此，今年全國兩會期間進行新聞資訊播報的 3D 版 AI 主播新小微一亮相就獲得了極大的關注。 圖片來自新華社 　　 GPU 的實時渲染能力決定著數字人的逼真程度，據悉，要實現一個特別寫實的數字人，臉部的模型、加上毛發等面數接近 500-600 萬。這個量級上，要做到面部表情、整個身體實時驅動，需要幀率保持在 50-60 幀之間，因此算力是主要的瓶頸所在。 　　博采傳媒前期部總監沈辰奇也表示：“2017 年我們推出了國內第一部全部用 GPU 渲染而成的動畫電影《昆塔：反轉星球》，GPU 渲染比以前用 CPU 渲染的成本優秀太多，但仍然是我們制作流程的一個瓶頸?！? 　　施澄秋說：“GPU 在 3D 建模、3D 圖形圖像電視廣電素材的片源制作中非常有優勢。圖靈架構的 RTX GPU 非常擅長實時渲染，能夠滿足數字人的渲染能力和算力要求。另外，交互式、對話式 AI 也可以應用到數字人中?！? 　　嘗到了 GPU 渲染整片的甜頭，博采傳媒在繼續探索純第二部 GPU 渲染動畫時，想要實現基于 Unreal Engine（虛幻引擎）實現虛擬場景的反向投射。投射屏的尺寸規劃是 800 平米，驅動這個巨型屏用 NVIDIA GPU 進行實時渲染測試還是有點慢。 　　 “我們最后選擇了 NVIDIA RTX 8000，利用 nDisplay 技術，實時驅動 1.8 億個像素點。在實際拍攝時，攝影基地的景深和透視的變化完全同步匹配。這其中革命性的意義在于把后期合成的環節砍掉，做到所見即所得?！鄙虺狡嬷赋?。 　　解決了拍攝背景的問題，博采傳媒開發了一個基于超寫實的數字人項目，可以用于代言、直播等。 基于虛幻引擎的天氣播報，圖片來自 unrealengine 　　數字人是給觀眾帶來不一樣的體驗，Epic Games 的虛幻引擎則幫助創作者更好的創新，它被越來越多地用來做實時預覽、特效預中期預演、后期預演等。 Epic Games China 商務發展經理徐良安表示：“虛幻引擎不僅可以讓所有參與制作的人員都可以實時修改，實時看到效果，具有很大的靈活性，還能大大節約成本?！? 　　虛幻引擎和 nDisplay 技術不僅可以用于線性內容拍攝，還可以把場景分單元或者分組投射到不同屏幕上并進行融合，在演唱會上讓觀眾和表演者能夠更好的互動。Epic Games 也和美國著名說唱歌手 Travis Scott 合作，在《堡壘之夜》游戲中進行演出，讓粉絲可以一邊玩游戲一邊觀看演唱會，實現了很好的傳播。 　　 實時渲染正在打破行業的邊界。 新奧特產品中心總監王寧也表示：“去年開始，4K、8K 的內容越來越廣泛。以前我們是通過 CPU 進行渲染加速，CPU 能處理更多線程，但實時渲染能力不強，所以我們選擇了 NVIDIA 的 RTX 系列 GPU。特別是像我們石墨超清在線需要實時呈現到大屏幕的，需要 GPU 的顯存能力?！? 　　除此之外，基于 GPU 的 AI 也能應用到智能插播廣告，通過 AI 算法插入5-10 秒的廣告，既不影響觀眾的收看體驗，也讓廣電的互動變成雙向互動。 　　 SDI 轉向 IP，高清視頻的時代即將到來 　　性能更強的圖靈架構 RTX GPU 是讓老北京視頻、數字人在 2020 年備受關注的重要因素，但這些 AI 應用能否普及還有一個關鍵因素——視頻傳輸。 NVIDIA Mellanox 高級市場開發經理陳龍指出，1080P 以前，廣電行業的視頻傳輸靠 SDI （Serial Digital Interface，數字分量串行接口）。隨著 4K 和 8K 業務的興起，SDI 不能滿足 4K 視頻 8G-9G 的傳輸帶寬需求。 　　如果用 4 根 3G 帶寬的 SDI 傳輸 4K 視頻，成本變高且組網復雜。直接換 12G 帶寬的 SDI，由于高速信號在 SDI 銅纜中傳輸距離和速率成反比，只能傳輸大概 50 米的距離，不能滿足廣電行業需求。8K 的最低帶寬需求將達到 25G-140G，SDI 更難以滿足需求。 　　 “我們判斷，SDI 轉向數據中心里的 IP 解決方案是大概率事件，后者不僅成本比定制化 SDI 成本更低，帶寬也更高?！?陳龍介紹。 　　但 SDI 轉換為 IP 解決方案之后，終端 CPU 處理協議棧的負載就會大幅上升。為此，Mellanox 的網卡集成了 Rivermax 技術，解決 SDI 轉 IP 化之后傳輸標準的問題，也就是通過這個技術發送符合 SDI 要求的數據。另外，借助是 Kernel Bypass 技術，將協議棧的大量負載放在網卡，大幅降低 CPU 的負載。 　　還有 Frames 技術，網卡把接收到的每一行像素整合成一張圖片后再傳輸給 CPU，也可以降低 CPU 的使用率。Mellanox 的網卡也支持虛擬化和云化，能夠滿足高清視頻傳輸的穩定性要求，也有助于開拓更廣闊的市場。 　　IP 解決方案優勢明顯，但也面臨一層的鏈路、二層的邏輯鏈路、三層路由轉發、報文緩存等問題，帶來了故障的排查就非常復雜。這需要 What Just Happened 技術，實時監測交換機的狀態，以及網卡內部的一些信息，有助于故障的診斷和排查。 　　陳龍說：“要 IP 化，只需要將價格昂貴的 SDI 加速卡換為 Mellanox 的網卡，可以支持 10G、25G、50G、100G、200G 乃至 400G 的傳輸帶寬。 當設備 IP 化之后，不僅解決了傳輸帶寬不夠、傳輸距離過短的主要的痛點，還降低了整個設備的采購成本。除此之外，因為本身 IP 是一個彈性的管道，在 IP 之上能夠傳輸任意格式的報文?！? 　　雷鋒網了解到，Mellanox 已經與全球各大視頻解決方案合作商開發了不同的產品，打入了 NBC、BBC、CNN 等著名的視頻內容提供商。 　　 雷鋒網小結 　　廣電行業正在越來越多地探索與 AI 的結合，基于更強大的 GPU 和優化的技術，AI 正越來越多的應用于提升分辨率，包括降噪、插幀、插植等應用中，讓珍貴的舊視頻煥發新的生命力，再次吸引大家的注意力。同時，GPU 更強大的實時渲染能力也讓直播或者視頻內容的制作增加了更多互動和特效，更加靈活和高效的創作方式打破了行業的邊界，為未來的創新奠定基礎，當然，這里面還需要 SDI 專向 IP 解決方案，滿足 4K/8K 的視頻傳輸需求。 　　面向數據中心的安培架構 A100 GPU 已經在 5 月推出，安培架構游戲 GPU+Mellanox 網卡又會把專業可視化行業引向何方？

OFweek醫療科技網訊 11月14日上午，由OFweek中國高科技行業門戶、高科會主辦，OFweek醫療科技網承辦的“OFweek 2017（第二屆）中國醫療科技大會” 精準醫療 專場正式開幕。在11月13日上午的“OFweek2017中國高科技產業大會（CHIC2017）”中，德國漢堡大學教授、德國漢堡科學院院士張建偉與國際醫學與生物工程院院士張元亭以 人工智能 話題為背景，詳細的介紹了未來醫療科技在人工智能領域的發展方向。而在11月13日下午“OFweek 2017（第二屆）中國醫療科技大會”的健康 醫療大數據 專場中，中國科學院大學教授吳健康、哈爾濱工業大學教授關毅、華為云生態解決方案部長蔣國文、視見醫療董事長陳浩、肽積木科技醫療事務官符妍以及金蝶醫療創新研究院院長易延華等六位專家為我們共同分享了健康醫療 大數據 領域的發展方向以及未來挑戰。與此同時，11月14日會議現場氣氛活躍更甚，數百名業內人士再次共聚一堂，與行業專家以及企業代表積極互動，共同探討精準醫療領域的發展熱點以及難點問題。 OFweek 2017（第二屆）中國醫療科技大會會議現場 在精準醫療專場中，IEEE院士、香港城市大學教授孫東首先登臺致辭，對于機器人在未來醫療領域的發展進行了簡單的介紹。隨后，孫東院士在“應用機器人技術實現精準細胞手術”專題演講中，通過腫瘤發展過程引出了細胞機器人的概念，并提出了細胞機器人所面臨的挑戰。對于細胞機器人的發展以及現狀，孫東院士表示：“細胞機器人已經經歷了器官到細胞層面的重大改變，通過對單細胞進行修復整合，然后放大增值數百萬兩集，并通過細胞傳輸到指定的部位?！彪S后的演講中，孫東院士表示，細胞機器人操作缺乏精度、效率較低以及成功率較低等也成為了目前亟待解決的問題。對于未來的操作器形式，孫東院士詳細介紹道：“未來的操作器將為以下三種，其一，激光操作器，主要通過機器人控制光粒在體內追蹤單細胞；其二，機械操作操作器，如探針操作，其對于精度要求很高，人工無法實現，只能依賴機器操作完成；其三，電磁操作器，主要通過電磁力控制機器人完成手術操作?！痹谘葜v過程中，孫東院士通過肝癌治療的研究的詳細案例，提出了光鑷操作系統以及精準量化機器人微注射系統等先進技術，并在最后總結道：“細胞手術機器人代表了醫療機器人的發展前沿，其未來應用將極大程度的促進精準醫學與再生醫學的發展?！? IEEE院士、香港城市大學教授孫東 上海大學快速制造工程中心主任、教授胡慶夕通過精準醫療概念生成的背景引出了“3D打印在生物精準醫療領域進展”的專題，并以3D打印技術在骨科領域的發展為例，詳細的說明了3D打印在精準醫療領域的進展狀況。從3D打印技術在醫療領域的市場發展狀況來看，人體組織以及器官的市場供不應求之勢成為其發展較快的主要因素。那么3D打印在精準醫療領域的目前研究狀況如何呢？對此，胡慶夕教授介紹道：“3D打印制備生物支架是目前醫療領域應用較多的技術，它屬于宏觀技術。而電紡絲技術則屬于微觀技術，兩者各有優缺，而如何更好的結合使用便是我們現在研究的課題?！弊詈?，胡慶夕教授表示，3D打印技術未來將成為生物精準領域對于組織和器官修復最有效的手段，它也是生物精準領域未來的發展方向。 上海大學快速制造工程中心主任、教授胡慶夕 在“生物醫學材料測試挑戰”專題演講中，Keysight納米產品應用專家趙晶主要通過原子力顯微鏡、納米壓痕儀、納米拉伸儀以及桌式場發射掃描電鏡等設備產品詳細的介紹了生物醫學材料在精準醫療領域的測試應用。隨后，趙晶專家以活體細胞影像圖、牙齒納米壓痕測試、單絲纖維應力應變曲線以及細菌掃描電鏡圖像等為例精彩的分享了對應生物醫學材料的應用過程。最后，趙晶專家總結道：“生物醫學材料應用越來越廣泛，未來我們將繼續研發更多的產品以應對精準醫療領域的挑戰?！? Keysight納米產品應用專家趙晶 在“突破心血管疾病精準醫療的生物標志物研究和個性化用藥指導”主題演講中，南科大樂土精準醫學研究院助理執行院長李光磊主要以心血管病為例，詳細的分享了誘因、精準檢測以及個性化用藥指導等研究成果。對于心血管病治療面臨的挑戰，李光磊院長表示，目前心血管病治療主要面臨兩大挑戰，其一，心血管病發病速度較快，治療來不及；其二，心血管病人對于藥物依賴性過高，影響生活質量。隨后，李光磊院長對于心血管病的誘因也做了簡單的總結，她表示：“心血管病發生的誘因分為外因和內因，外因主要由生活習慣、環境以及飲食等因素產生，內因則為遺傳因素。最后，李光磊院長介紹了個性化用藥指導的模式，她表示，由于每個人遺傳與環境因素不同，他們對于藥物的反應也是不同的，所以我們可以通過一個簡單的評估測試，為你選擇最適合你的藥，這樣才能最有效的解決自身的病癥?！? 南科大樂土精準醫學研究院助理執行院長李光磊 最后，鄭州大學第一附屬醫院主任、教授張毅以“精準腫瘤免疫治療”為主題做了精彩的演講。演講之初，他對于PD1、CAR-T和TCR-T的臨床進展進行了簡單的介紹。張毅教授表示：“精準腫瘤免疫治療是目前最火的領域之一，相比過去的靶向治療，精準腫瘤免疫治療直接針對免疫系統來攻擊腫瘤，其方式更有效，結果更明顯?！彪S后，通過一系列臨床試驗治療過程，張毅教授再次為我們展現了精準腫瘤免疫治療的“神奇”療效。對于國內精準醫療的發展狀況，張毅教授表示，國內擁有較為豐富的臨床資源，但仍需要和更多行業內的企業相合作，以此共同促進國內在精準醫療領域的發展。 鄭州大學第一附屬醫院主任、教授張毅 下午，在互聯網醫療專場中，南京軍區福州總醫院主任陳金雄首先登臺致開場詞，并在“互聯網醫療再思考”為題的演講中，具體闡述了目前互聯網醫療的發展趨勢以及未來挑戰。在演講過程中，陳金雄教授以共享單車的發展為例，提出了需求、連接、信任、安全、管控手段以及隨時隨地等精準醫療未來發展流程。對于互聯網醫療發展的挑戰，陳金雄主任說道：“目前互聯網醫療發展受到質疑的主要因素是數據不足，而未來診斷級智能可穿戴設備會是互聯網健康醫療發展的一個爆發點?！彪S后，陳金雄主任表示，未來在國家醫療政策不斷頒布下，隨著醫療大數據和精準醫療的不斷融合，將會對傳統醫療模式進行顛覆，這為醫療行業打開了更具想象力的發展空間。 南京軍區福州總醫院主任陳金雄 “康復機器人將成為為新興的康復治療技術”。上海交通大學所長、教授曹其新在“基于云平臺的下肢康復訓練機器人系統”主題演講中說道。對于下肢康復機器人研發與推進模式，曹其新總結以下九項技術，其一，治療康復一體化技術；其二，物聯網技術；其三，康復量化技術；其四，云+大數據+AI技術；其五，新概念技術；其六，智能感知技術；其七，人因工程技術；其八，智慧個性化服務技術；其九，康復效果專家評估技術。同時，曹其新教授表示，隨著國內各項政策的不斷推動，加之中國廣闊市場的優勢，中國的大量實驗應用數據以及康復機器人專利申請數量正在不斷增多，對于國內歐美壟斷的康復機器人市場正在不斷發起沖擊，憑借技術上的不斷突破，未來中國有望在康復機器人等市場實現彎道超車。 上海交通大學所長、教授曹其新 在“生理指標的智能監測”主題演講中，中科院計算所主任、教授朱珍民首先對可穿戴設備現狀進行了簡單的說明，并將其進行了詳細的歸類。隨后，朱珍民教授對12類可穿戴設備在醫療領域的應用進行了一系列介紹。演講過程中，朱珍民教授推出了生命體征指標測量、血流指標測量以及血糖濃度測量等技術，他表示，這些技術可以很好的檢測出身體健康指標。最后，朱珍明教授總結道：“未來我們將通過打造全國的健康數據中心和健康管理平臺，獲取個人健康長期隊列數據，以此來監測人體的生理指標?！? 中科院計算所主任、教授朱珍民 華大基因互聯網中心副總經理官鑫在“基因+互聯網，精準健康從我做起”主題演講中，以基因四大組成部分類比撲克四色，更加生動的闡述了基因多樣性的來源。而對于基因與環境的關系，官鑫表示，疾病的產生離不開基因與環境因素。在基因與互聯網模式發展中，官鑫主張推廣基因健康互聯網平臺，通過種種系統相互配合，共同促進基因與互聯網的發展。以遺傳基因為例，官鑫建議道：“希望每一對父母在懷孕前都能做孕前檢測，通過基因檢測可以對基因遺傳的風險進行評估與分析，以此減少基因遺傳病癥的發生?！蓖ㄟ^一系列臨床實驗結果表明，基因檢測可以大幅度降低或者減少基因遺傳病癥發生的風險。 華大基因互聯網中心副總經理官鑫 最后，神念科技香港GM兼全球技術VP Kelvin Soo以“生物傳感器在醫療健康領域應用”為主題做出了精彩的演講。Kelvin Soo表示，生物傳感器可以通過檢測腦電波和心電圖的形式，將身體健康數據呈現出來。隨后，Kelvin Soo以LifeBeat以及cardiostick產品為例，通過對產品采集的數據進行對比，詳細的介紹了生物傳感器在醫療領域的應用。 神念科技香港GM兼全球技術VPKelvin Soo OFweek 2017（第二屆）中國醫療科技大會精準醫療專場專家合照 隨著各專家演講結束，為期兩天的“OFweek 2017（第二屆）中國醫療科技大會”也圓滿落幕！在會議結束后，現場觀眾仍舊意猶未盡，紛紛與演講嘉賓面對面交流互動，探討實際遇到的問題以及對行業的愿景。 本文由 OFweek 投稿至 數據分析網 并經編輯發表，內容觀點不代表本站立場，如轉載請聯系原作者，本文鏈接：https://www.afenxi.com/49048.html 。

　　微軟創始人比爾·蓋茨正在積極倡導和推動碳中和社會（Carbon-Neutral Society），以幫助抵御氣候變化的影響。本周一在談到未來如何在不釋放溫室氣體的情況下繼續出行，他提供的解決方案是--使用清潔的電力來運行所有的車輛，并且使用更廉價的替代燃料。 　　蓋茨表示：“為了防止氣候變化的最壞影響，我們需要在 50 年內使每個經濟部門的溫室氣體凈排放量達到零。這就意味著我們的日常出行需要非常多的創新”。 　　蓋茨表示美國當前最嚴重的排放問題就是交通。雖然電動汽車可以用于短途旅行和日常通勤，并且開始逐步取代傳統汽車、公交車和垃圾車，但是它們無法用于長途旅行或重型旅行。所以，像客機、貨船和 18 輪車等都需要廉價的替代燃料。 　　蓋茨對由植物或農業副產品制成的生物燃料持樂觀態度，但他說：“在成為現實的、具有成本效益的長途運輸選擇之前，它們還需要更多的創新。通過利用電力將水里的氫分子與二氧化碳中的碳結合起來，我們可以創造出一種可以在現有發動機中使用的液體燃料。這個過程中使用的二氧化碳是直接從大氣中捕獲的，所以燃燒電燃料不會增加整體排放”。

BDP個人版是一款在線 數據可視化 分析神器，無需安裝下載，具備無縫的數據對接、強大的數據處理、靈活易用的可視化分析、幾十種酷炫圖表、數據實時更新等優勢，幫你搞定各種數據問題。數據實時更新，讓你告別重復的分析工作，并用實時數據指導工作，不斷提升業績，實現數據驅動運營。 經過了長久的等待，大家期待的 “雙十一&兩周年”大狂歡 終于來了！ 我們再次強調一下本次的三大 驚喜活動 ！ 一、1折白菜價，9.9元盡享VIP特權 9塊9，一杯奶茶都買不到吧？ 但在BDP你可以得到 本地同步神器 再也不用手動更新本地數據啦 還可以 接入微信公眾平臺 時刻掌握公眾號運營情況哦 還能得到 地址轉經緯度功能 幫你實現屌炸天的gis地圖 …… 9塊9就能享盡眾多會員特權，很值吧~ 【活動規則】 未購買過會員的用戶首購可享銀鉆（原價99元）1折價—9.9元，限購一個月，金鉆不參與此活動。 二、金銀鉆年費半價，全年僅此一次 除了上述的1折竟然還有半價？ 超大容量、同步客戶端 直連數據庫、支持超多第三方平臺…… 少抽幾包煙，少去一次無聊的聚會 就可以獲得極致的 數據分析 體驗 為你升職加薪之路打下堅實的基礎 花六個月的錢就享受全年VIP特權 一年僅此一次的機會還不抓??？ 【活動規則】 所有用戶均可參加金銀鉆年費半價活動，包括已參與1折購的用戶。 注：活動一、二可同時享受 三、分享專屬故事，好禮免費拿 只需一鍵分享就可輕松得到豪禮~ 將故事分享給好友或朋友圈，系統根據好友點贊數形成排行榜并提供相應的獎勵： 注：凡獲獎者均可得到附有wuli大BOSS簽名的獲獎證書喲~ 下面給大家一些本次活動的剁手攻略保證大家得到 最大優惠 ！ 剁手攻略 1、前兩個活動都想要參加的小伙伴注意啦！只有先買“9.9元銀鉆”再買“年費半價”才可以喲~切記 2、活動期間可別花“冤枉”錢，因為自定義購買7-11個月會員，你會發現他們比“年費半價”更貴?？傊?，搶年費半價就對了，因為它性價比最高。 3、想要參加活動三的小伙伴們記得分享H5到朋友圈，召集更多小伙伴們為你加油點贊，會離豪禮更近一步喲~ 活動時間：2017年11月8日00:00—11月14日21:59 另外，大家不要忘了 雙十一當天 的 “ BDP首次線下分享會 ” ，數據大咖齊聚，為你解答數據分析問題，助力數據驅動！ 看得出我們這次活動是下了多大血本么！ 是的，老板說一定要獻出我們最大的誠意~ 保證活動真實有效，拒絕套路從BDP做起！ 提高原價再打折的事我們絕對不做！ 本文為專欄文章，來自：海致BDP，內容觀點不代表本站立場，如若轉載請聯系專欄作者，本文鏈接：https://www.afenxi.com/48822.html 。

　　明天和特朗普的“嘴炮”封禁，你永遠不知道哪一個會先來？ 　　從華為到 TikTok、微信，特朗普的封禁舉措從未停止，政治形勢極不穩定。在如此背景之下，開源社區也存在著一定隱患；畢竟，全球最大的開源社區 GitHub 早已被微軟納入麾下。 　　不過，在使用國外開源社區的同時，我國也一直在著手搭建屬于自己的開源社區，并在近期有了新進展。 　　 工信部官宣，「碼云 Gitee」出道 　　7 月 14 日，工信部公布了“2020 年開源托管平臺項目結果”，選定依托「碼云 Gitee」 建設中國獨立的開源托管平臺。 　　公告顯示，該項目是由 10 家單位組成的聯合體中標，包括私營企業和學校機構，具體如下： 深圳市奧思網絡科技有限公司； 華為技術有限公司； 奇安信科技集團股份有限公司； 浪潮電子信息產業股份有限公司； 蘇州棱鏡七彩信息科技有限公司； 國家工業信息安全發展研究中心； 工業和信息化部電子第五研究所； 北京理工大學； 西南科技大學； 中國電子技術標準化研究院。 　　對于工信部的結果公示，碼云 Gitee 在其博客中也給出了回應，并稱“國內開源生態建設進入快車道”。 　　公開信息顯示，碼云 Gitee 是開源中國推出的基于 Git 的代碼托管服務。除此以外，碼云 Gitee 也提供開源軟件的發布和溝通社區，供開發者在其中進行技術交流與溝通。 　　2016 年，該平臺推出企業版，提供企業級代碼托管服務，成為開發領域領先的 SaaS 服務提供商。 　　推出七年來，碼云 Gitee 已為超過 500 萬名開發者和 10 萬家企業提供了服務，平臺托管的開源項目已超 1000 萬。 　　目前，碼云 Gitee 已成長為國內首屈一指的代碼托管平臺，同時也是世界范圍內規模第二大的代碼托管平臺。 　　盡管碼云 Gitee 已取得亮眼的成績，但對比全球最大的開源社區 GitHub，還有較大的進步空間。 　　據 GitHub 2019 年 11 月公開的報告，GitHub 在全球范圍內已擁有 1 億個存儲庫。另外，最新數據顯示，其社區開發人員已約達 5000 萬。 　　 GitHub 計劃入華 　　如果說建設中國獨立的開源托管平臺是“未雨綢繆”之舉，那么，GitHub 為了應對政治風險計劃入華的操作則是具有“前車之鑒”的“后車之師”。 　　2019 年 12 月，英國《金融時報》曾報道，GitHub 公司首席運營官 Erica Brescia 在接受采訪時表示，由于擔心美國政府的限制，GitHub 正在考慮在中國成立子公司。 　　從美國政府迄今為止采取的封禁限制措施來看，GitHub 對中國封殺也不是不可能的事。 　　而 GitHub 也確實曾因為政治因素對包括俄羅斯、伊朗、敘利亞、古巴在內的國家實施斷供舉措，封鎖了開發者的賬戶。 　　盡管美國封禁措施不斷，但 Erica Brescia 的態度來看，GitHub 是重視中國市場的。 　　在 2019 年，Erica Brescia 就多次來訪中國，與開發者們舉辦見面活動。不僅如此，GitHub 在中國的首次活動也是由 Erica Brescia 親自主持。 　　有了其它國家被封的前車之鑒，Erica Brescia 在采訪中提出了“入華新方式”。 　　她指出，GitHub 計劃在探尋“合資企業和在中國托管 GitHub 內容的可能性”之前，先考慮在中國設立一家外資全資子公司，從總經理級別開始招聘員工。 　　Erica Brescia 還補充說到，GitHub 已經與中國工業和信息化部和公安部的官員見過面。她認為，中國總體上一直在圍繞開源進行戰略性推動，因為開源提供了一種在不依靠專有技術的情況下與軟件開發世界的其他部分聯系的方式。 　　不過，自去年年末的采訪之后，GitHub 計劃進入中國一事便無其他動態更新。 　　事實上，Erica Brescia 看重中國市場的背后原因并不難得知——中國是 GitHub 在亞太地區最大的市場，也是全球第二大市場，是除美國外開源使用最多的國家。 　　據微軟 Azure CTO 辦公室首席項目總監 Stephen R. Walli 此前在演講中透露，中國用戶在 GitHub 上的注冊數量呈持續快速增長，僅在過去一年就增長了 37%；高于美國的增長速度。 　　另外，從開源項目的貢獻數量來看， GitHub 發布的 2019 年度報告貢獻最多者為中國香港。在開源項目之外，從公共和私人貢獻來看，亞洲的開發者社區在 2019 年的增速迅猛；而其中 31％ 的亞洲貢獻者來自于中國。 　　 Gitee 與 GitHub，不是非此即彼的選擇 　　碼云 Gitee 成為“官選之子”后，不乏有聲音稱其為“中國版 GitHub”，認為碼云 Gitee 是 GitHub 的替代品。 　　對于此種觀點，碼云 Gitee 官方曾親自下場回應，澄清與 GitHub 存在區別。 　　GitHub 表示，如果簡單粗暴地回答碼云 Gitee 和 GitHub 社區版之間的區別，那就是碼云 Gitee 的私有庫也是完全免費的。 　　碼云 Gitee 的增值服務主要來源于企業版這一產品線，碼云 Gitee 稱是“水到渠成的決定”，并對這一決定做了一番解釋： 一來已在代碼托管服務方面積累多年，大大小小的問題都經歷過，耐造、穩定；二來我們的 geek 團隊對協作開發也積累了很多經驗和思考，“工欲善其事必先利其器”。 沒有足夠好的團隊協作開發工具，那就做一個。 項目管理、代碼管理、文檔協作一站解決，最重要的是，一切都圍繞代碼而存在，產品規劃好、任務分解好，開發接了任務碼好代碼，直接通過 Pull Request （PR）通知測試和審查人員，直接對比代碼版本變化、充分討論，PR 通過后任務直接關閉…… 圖源： 搜狐 　　在企業版方面，碼云 Gitee 也作了更進一步的區分。 　　碼云 Gitee 指出，兩者企業版的差異性首先是定位，再具化到功能側重和提供方式上。具體來看： GitHub for business 仍然是立足于代碼托管功能，上下游的功能主要通過集成其他服務提供商而實現（當然，這也是生態使然）； 碼云企業版則針對國內中小型開發團隊敏捷開發實踐需要，除了代碼托管功能之外，重點強化了與代碼聯系最密切的項目／任務管理和文檔功能（技術文檔協作、知識沉淀），以及持續集成（內測階段）。 　　在區分之余，碼云 Gitee 也說明了其存在是基于本土開發者需求的特殊性——語言、國內開源軟件需求獨特性、編程普及化。 　　語言方面不難理解，對本土開發者來說，相對于國際性社區，本土社區中的中文交流更為暢快，且更具效率。 　　其次，國內 IT 行業有自身特點，這決定了國內開源軟件需求的獨特性，比如小程序，用平板練毛筆字等具有中國特色的開源項目。 　　再者，隨著編程普及化，越來越多人可以參與其中，將其開源小項目進行分享。在這一層面，碼云 Gitee 相對于 GitHub 會更具優勢。 　　事實上，無論是碼云 Gitee，還是 GitHub，都有其各自存在的意義，并不是非此即彼的選擇。 　　正如碼云 Gitee 在其文章中所說——開源生態建設，并非朝夕之功，是個聚沙成塔的過程。而這一過程，需要國內外社區的合力。 　　雖然開源社區可能會受到政治因素的影響，但希望這一天永遠不要到來。 　　參考資料： 　　【1】 https://www.zhihu.com/question/50212423/answer/250263597 　　【2】 https://blog.gitee.com/2020/08/17/gitee-gxb/

11月2日消息，36氪獲悉，汽車互聯網服務平臺汽車之家推出戰略級產品——車智云。汽車之家表示，該產品系行業內第一款真正意義上為車企高管量身打造的智慧大 數據產品 ，“車智云” 涵蓋“智策、智贏、智造”三大應用場景，可以提供包括“銷量預測”、“競爭格局”、“營銷漏斗”、“傳播監測”、“線索分析”、“產品規劃”、“配置策略”、“產品改款”在內的八大產品，覆蓋企業發展全生命周期的數據服務。不僅能推動車企戰略、營銷、研發等全價值鏈的升級，還能幫助車企“以用戶為中心”戰略的全面落地。 在此之前，由于數據的匱乏和低效，車企不得不花費數月的時間，等待一份調查報告的出爐。然后再進行相應的細節決策。但現階段用戶汽車消費需求在發生快速變化，傳統調研的方式往往跟不上需求變化的節奏，導致決策或由高層“拍腦袋”決定，或晚于需求變化速度，錯過最佳機會。 汽車之家介紹，背靠汽車之家豐富精準的 大數據 平臺，“車智云“的核心使命就是要幫助車企搭建起一個高效的“智慧決策”體系，利用 大數據 + 人工智能 的技術來幫助戰略規劃、產品研發和市場營銷實現高效決策，確保企業的戰略規劃趕在市場變化之前，最終助力廠商縮短研發周期、實現高效營銷。 量身打造的數據產品，幫助車企智慧決策 車企每年都要投入大量的經費用于研發，一款新車光研發費用就得十幾億，如想開發一個能覆蓋主流市場的車型結構，研發費用肯定得過百億。問題是投入巨資打造的車型，一旦沒能抓住用戶的需求痛點，那對企業絕對是致命的。汽車之家基于大量真實的用戶口碑數據構建的“產品規劃”數據產品，有助于車企快速準確的掌握用戶痛點，研發出更符合用戶需求的產品。 車企的采購、排產、鋪貨等都需要圍繞銷量預測展開，一旦預測太高或太低，都會給車企造成巨大損失。汽車之家基于海量用戶購車前2到3個月在線上看車、選車、購車等行為數據，構建的“銷量預測”產品可對市場的消費趨勢、銷量變化等進行更準確的判斷，有利于車企優化營銷策略、降低庫存成本。 車企發布每款新車至少需要安排幾千萬元，甚至幾個億做營銷，如果車企一年推四五款，少則兩三個億，多則二三十億，但打水漂的新車營銷案例在汽車行業屢見不鮮。汽車之家基于自身嚴謹的用戶轉化分析體系，提煉的“營銷漏斗”產品不僅能助力車企更好評估自己的營銷效果，還有助于車企更高效地找到自己的潛在用戶，進行精準營銷。 車企的核心訴求在賣車，車賣好賣差很大程度上取決于集客能力，其中至關重要的是銷售線索。眾所周知，汽車之家最核心的價值之一，就是能幫車企收集到大量真實的銷售線索，并基于此提煉的“線索分析”產品助力車企全方位掌控銷售狀況，制定有針對性的市場策略。 精準大數據賦能汽車生態圈，打造完整產業閉環 未來，大數據和 AI 技術無論是在汽車、醫療、金融、教育還是其他領域，必將會爆發出巨大的社會效益。汽車產業作為潛力巨大的傳統產業，所缺乏的也并非是生產能力，而是優質高效、能精準匹配消費者需求的服務能力。以往車企獲取的調研數據往往是單次、局部、缺乏聯系的，分析后常常會遇到兩類尷尬：“重復已知結論”或“制造無用信息”。 大數據時代 ，數據集中到了大型的互聯網平臺,類似汽車之家這樣十多年深耕汽車垂直行業的大平臺，積累和提煉了海量的真實用戶行為數據。由于其業務既覆蓋了汽車消費者購前、購中、購后等各大重要環節，又與車企戰略規劃、產品研發、營銷推廣、銷售和售后服務等全價值鏈高度結合，因此利用這些海量的、精準的用戶行為數據，助力車企打造完整產業閉環，對于車企來說更是彌足珍貴。 業內分析人士指出，“車智云”的誕生，意味著一個新時代的開始，將加速車企調研、戰略規劃、市場營銷和產品研發等由傳統時代向智慧時代的轉型升級，就像智能手機逐步替代非智能機，為車企等客戶提供更全面、更精準、更高效的大數據服務。 本文由 汽車之家 投稿至 數據分析網 并經編輯發表，內容觀點不代表本站立場，如轉載請聯系原作者，本文鏈接：https://www.afenxi.com/48776.html 。

　　美國當地時間 8 月 24 日（周一），TikTok 正式在美國對特朗普政府提起訴訟，主張廢除特朗普 8 月 6 日發布的行政令，并主張禁止商務部實施該行政令。 　　8 月 6 日，美國總統特朗普援引美國《國際緊急經濟權力法》（IEEPA），要求受美國司法管轄的個人和實體，在 9 月 20 日（行政令頒布 45 天）后不得與字節跳動及其子公司進行任何“交易”。 　　 行政令四項違憲、三項越權 　　TikTok 訴狀指出，該行政令及美國商務部與之相關的任何實施細則都是違憲和違法的。 　　第一，該行政令的流程違憲：未就 TikTok 封禁給予字節跳動和 TikTok 通知，且未提供申訴的機會，違反了美國憲法第五修正案關于正當程序的規定。 　　第二，該行政令頒布的基礎不合法，構成越權：IEEPA 授予美國總統為保護國家安全、外交政策及經濟，基于應對“異常狀況和特殊威脅”的國家緊急狀態，對經濟交易進行限制和管控的權力。該行政令通篇使用了“潛在”、“可能”、“據報道”此類含糊的表述，并未有字節跳動造成實際威脅的證據。 　　第三，該行政令擴展打擊范圍至字節跳動，構成越權：該行政令要求個人和實體不得與字節跳動及其子公司進行任何“交易”，但即便是所謂的“威脅”也僅指向 TikTok，而 TikTok 只是字節跳動眾多業務中的一項。 　　第四，該行政令限制個人溝通交流及信息材料傳輸，構成越權：這一點直接違反了 IEEPA 的規定，IEEPA 明確規定禁止行政行為阻礙個人信息溝通和交流。 　　第五，該行政令所依據的 IEEPA 本身違反了“禁止授權原則”，構成違憲：IEEPA 的授權過于模糊，未明確總統行使裁量權的指導性或約束性原則，因此違反了美國憲法的三權分立原則。 　　第六，強制要求就 TikTok 美國資產出售向美國財政部支付報酬違憲：這一點違反了憲法第五修正案關于限制政府權力剝奪私人財產的規定。 　　第七，該行政令禁止 TikTok 在美國運營，構成違憲：TikTok 的代碼為受美國憲法第一修正案保護的言論，而完全關閉 TikTok 美國運營遠遠超出了為保護政府利益所需的必要措施，違反了第一修正案關于言論自由的規定。 　　此次訴訟，由 TikTok 和字節跳動聯合提告，訴訟對象包括美國總統特朗普、美國商務部長羅斯和美國商務部。 　　 特朗普政府無視證據拒絕溝通 　　訴狀透露，自 2019 年 10 月的近一年時間里，字節跳動一直在試圖與美國政府積極溝通。但根據 CFIUS 的記錄，該機構曾多次拒絕與字節跳動就其提出的擔憂進行接觸。 　　字節跳動在 2017 年收購了 musical.ly，該標的企業總部位于中國，只擁有非常有限的美國資產，是一家中國公司。2019 年 CIFIUS 考慮調查這一收購交易時，字節跳動已經放棄了 musical.ly 非常有限的美國資產中的絕大部分。 　　2020 年 3 月，CFIUS 在經過 5 個月的司法管轄權評估后，告知字節跳動計劃進行正式調查，又 3 個月后，于 6 月 15 日啟動了調查。 　　在最初獲悉 CFIUS 調查意向后，字節跳動就開始針對 CFIUS 的問題提供大量文檔和信息，其中包含能夠說明 TikTok 美國用戶數據安全得到了保障的詳細文檔。 　　在積極提供證據文書的同時，TikTok 也在積極提出減少國家安全擔憂的解決方案。 　　然而，CFIUS 最后拿出的調查結果徹底無視了上述 TikTok 提供的確實證據和積極解決方案。其表述為：字節跳動收購 musical.ly 的“交易存在國家安全風險，沒有任何可以解決這些風險的緩解措施”。 　　事實上，CFIUS 一直沒能明確給出支撐起上述結論的證據，“基于的是過時的新聞”、“完全沒有提及實際已經存在的緩解措施”。同時，CFIUS 還在法律規定的審查期結束前，就終止了與字節跳動的一切正式溝通。 　　“這個行政令是在濫用 IEEPA，是在美國大選前推動更廣泛反華言論的借口”，起訴書指出，“它不可能成立”。 　　按照此前美國總統獲 IEEPA 授權發布行政令的先例，總統獲得授權的條件有：美國處于戰時或緊急狀態時，面臨“異?；蛱厥獾耐{”。滿足這兩個條件，總統才可以援引 IEEPA 發布行政令，規范國際經濟交易。 　　美國前總統們以此方式對伊朗和朝鮮等國實施過制裁，當時的目的是：”抵御國際恐怖主義和大規模殺傷性武器擴散”。 　　相較之下，用于打擊一個互聯網產品的 8 月 6 日行政令“是對過去法律援引范圍的刷新”，更是“史無前例"地不能明確定位，行政令打擊對象對國家安全構成了何種異?；蛲{。 　　 一場幾無勝算的挑戰 　　在遭遇史無前例的總統行政令封殺前，TikTok 實現了在美國和全球的爆炸性增長。目前，TikTok 已覆蓋超過 200 個國家，全球下載量超過 20 億次，在美國擁有月活躍用戶超過 9100 萬。 　　訴狀強調，TikTok 在平臺治理上也采取了業內頂級安全措施，來確保用戶的隱私和數據安全。訴狀指出，TikTok 的安全措施級別與美國電商公司及金融機構等同。在數據收集、數據存儲、數據訪問、數據傳輸、源代碼安全等方面，均有嚴格的控制流程。 　　7 月 29 日，TikTok 宣布成立透明度中心，使內外部專家可以實時觀察 TikTok 的內容審核、檢查算法源代碼?！斑@種透明的行為是其他主要社交平臺所無法比擬的，并使 TikTok 領先于行業?！?訴狀指出。 　　超越行業的安全并未幫助 TikTok 躲過蓄意圍剿。隨著 2020 年總統大選的臨近，TikTok 在美國的增長與特朗普政府的反華政治言論相吻合。美國也明顯加強針對中國的公司的圍剿。 　　企業就 IEEPA 上訴美國政府的行為頗為罕見，也幾無勝算。 　　此外，TikTok 的美國員工針對特朗普行政令的集體訴訟也在進行中，理由是總統行政令將侵犯公民獲得勞動報酬的基本權利。 　　分析顯示，一旦 TikTok 美國業務關停，用戶利益將受到損害，也有可能發起集體訴訟。 　　據悉，公司已經做好關停 TikTok 美國業務的最壞打算。因為關停涉及到 TikTok 在美國的 1500 多名員工和數千家合作伙伴，公司正在緊鑼密鼓評估關停后員工、用戶、合作伙伴等合法權益的受損情況，同步做好保障預案。

近日消息，影視 大數據公司 “艾漫科技”剛剛完成了由Bilibili投資的B輪融資，融資金額為5000萬元人民幣。資料顯示，“艾漫科技”成立于2010年，是一家大 數據挖掘 及整合營銷服務商，其主要基于影視娛樂 大數據 ，并以聯合運營的方式參與影視娛樂項目的投資立項、劇本策劃、演員篩選等環節，以及為互聯網用戶提供娛樂社交平臺服務。 關于艾漫科技 北京艾漫數據科技股份有限公司成立于2012年，核心團隊既有來自清華、北大的技術基因，又有騰訊、AC尼爾森、光線等文化創意產業背景。公司基于影視娛樂大數據，與影視客戶一起，以聯合運營的方式參與影視娛樂項目的投資立項、劇本策劃、演員篩選等環節，同時向互聯網用戶提供娛樂社交平臺服務，是一家致力將高新技術與創意文化產業相結合，以科技引領娛樂的創新型互聯網公司。 艾漫數據具有雄厚的技術實力，在自然語言處理、大 數據挖掘 等領域擁有多項自主知識產權和核心技術。 公司的戰略是基于一個平臺打造兩條業務線 ，To B業務將獲得的諸多影視娛樂數據信息，應用到To C產品中，提高用戶粘性和提升用戶量；To C產品的各種娛樂互動功能以及精準用戶行為數據，為To B業務提供支撐，對提高影視作品的收視或票房起到促進作用，最終形成B2C2B閉環。 艾漫獲得 CCTV、華誼、樂視、萬達、慈文、中金源、東方衛視、北京衛視、騰訊等20余家合作伙伴的一致認可。 網址：http://www.iminer.com 本文由 艾漫 投稿至 數據分析網 并經編輯發表，內容觀點不代表本站立場，如轉載請聯系原作者，本文鏈接：https://www.afenxi.com/48774.html 。

　　美國政府一直對丟掉在第五代通信技術（5G）領域的領導地位耿耿于懷。美國之音網站 22 日稱，美國有意通過“跨越式發展”，以繞過 5G 加大投資 6G 的方式，超越中國在 5G 技術的優勢。但接受《環球時報》記者采訪的通信專家 23 日對此表示，這種跨越式發展“不太可能”。 　　多國重金下注 6G 　　報道稱，美國政府去年新設立的對外金融投資合作機構“美國國際開發金融公司”首席執行官博勒透露，美國將通過“跨越式發展”，投資 6G 遏制中國在通信技術領域取得的領先地位。博勒說：“我們更感興趣的是下一個潮流是什么。我們感興趣的是 6G，因為美國和其他國家將在這里占據主導地位，中國不會通過補貼統治這一領域?！? 　　公開報道顯示，6G 的數據傳輸速率可能達到 5G 的 50 倍，時延縮短到 5G 的1/10，在峰值速率、時延、流量密度、連接數密度、移動性、頻譜效率、定位能力等方面遠優于 5G。近年來韓國、美國等多國均已開始布局 6G 技術。韓國三星公司今年 7 月發表的 6G 白皮書預測，2025 年將啟動 6G 技術的標準化，2028 年投入商用，2030 年正式提供服務。 　　美國一些研究機構也在致力推動 6G 研發。美國國家科學基金會的“頻譜創新計劃”倡導建立國家無線頻譜研究中心，目標是超越 5G 等技術，“制定一條發展路線，通過有效利用和共享無線電頻譜，確保美國在未來科學和工程領域的無線技術、系統和應用中發揮領導作用”。美國國防部高級研究計劃局自 2016 年開始同多家科技公司組成投資集團，資助由 30 多所美國大學組成的“大學聯合微電子學項目”，推進電子領域的革新發展；其子項目之一為“太赫茲與感知融合技術研究中心”。而太赫茲被認為是 6G 數據傳播的關鍵之一。 　　6G 不只是解決速度快 　　美國能否跳過自身技術不占優的 5G 部署、直接實現 6G，從而“跨越式發展”？通信專家項立剛 23 日對《環球時報》記者表示，這種可能性不大。項立剛介紹說，從 1G 時候的移動通信技術到 2G 時的數字時代直至 3G、4G 時代，所需技術都是逐步積累的過程。而且 5G 之所以受重視，是因為它帶來的變化不僅限于通信領域，而是將通信技術應用于智能制造、智能交通等產業中，最終使得社會管理體系、通信體系等終端產業得以大發展?！?G 技術不是簡單的通信技術而是一個完整智能化社會體系，美國 6G 通信技術很可能做得比 5G 好，但如何跳過與 5G 聯動的其他產業發展卻是道難題。事實上，沒有 5G 網絡，就無法實現智能制造、智能交通等多領域的配套發展?！? 　　項立剛表示，國內的通信專家認為，6G 目前不能單獨組成通信網絡，未來的通信技術是以 5G 技術為核心，用 6G 做補充，讓 5G 技術變得更加完善?，F在甚至連 6G 究竟是怎么樣的技術都沒有定論。外界認為，盡管有 6G 比 5G 快 50 倍等各種描述，但截至目前還沒有辦法詳細描述 6G 是怎么樣的，可能需要等到 2023 年才有答案。他表示，“6G 技術的本質不是解決速度快的問題，而是解決萬物互聯、智能化的問題?！? 　　需要什么核心技術 　　那么 6G 需要發展哪些核心技術呢？美國將主要精力集中于太赫茲領域，因為該技術理論上數據傳輸速度更快。但項立剛表示，盲目追求傳輸速度可能并不是未來方向。為了讓數據傳播變得更快，需要更大的帶寬。無線電波的特性決定了其頻率越高，帶寬越大，但傳播損耗越大，覆蓋距離越近。我們先后使用了長波、中波、短波和毫米波。目前毫米波已暴露出它的局限性，即只能近距離通信。理論上波長更短的太赫茲可能實現更大帶寬，但它的繞射和抗干擾能力很差，只能局限于非常近的通信，甚至連大霧都能對其造成影響，“太赫茲技術的商業應用十年內未必能看到希望”。 　　從 5G 技術發展需要完善的角度而言，項立剛認為，6G 的發展有以下方向：首先，5G 基站體系難以覆蓋到海面、偏僻雪山等地方，因此需要建立起衛星系統作為補充手段；其次，網絡智能化進一步發展，由于基站耗電量很大，5G 時代比 4G 時代速度提供了 10 倍，但耗電提高了 3 倍，而降低功耗需要波束賦形技術，其中人工智能將占據很重要的角色。項立剛認為，中國在 6G 研發保持領先的可能性很大，首先是中國有龐大的市場；其次無論是政府還是企業對研發積極性都很高，進行大量的人力、物力投入，中國通信行業的研發人員技術水平也很高；第三是中國對 6G 技術的產業支持和法律法規方面都給予支持，比如為無人駕駛頒發牌照等。

隨著高速帶寬、移動互聯網的快速發展，以及各類智能終端的普及，海量的數據無時不刻不在被傳輸，作為海量數據的存儲和交換中心， 數據中心 正在發揮著數據“核心樞紐”的作用。 海量數據的存儲與傳輸，帶動了各行業對于數據中心的需求，但同時也對數據中心提出了全新的挑戰。在云計算、 大數據 和 人工智能 的時代，為了應對市場、技術和用戶需求的發展，數據中心正在面臨從政策、技術、產業鏈、服務應用等全方位的變革。 政策密集出臺 引導行業有序發展 近幾年，數據中心的增長潛力開始爆發，產業規模年增長率超過30%，數據中心建設呈現爆發性增長，由此帶來的數據中心盲目建設、布局不合理，節能水平差等問題逐漸暴露，嚴重影響到了數據中心產業的可持續增長。 另一方面，隨著數據中心市場的持續火熱，一些尋求向高精尖領域轉型或拓展自身業務體系的傳統企業開始將目光轉向數據中心領域，以江蘇沙鋼、廣東榕泰、南興裝備、精功科技、寧波建工等為代表的傳統企業巨頭紛紛通過收購現有IDC服務商的方式進軍數據中心市場。 隨著市場經濟的推動，以及用戶需求的激增，數據中心市場呈現空前繁榮的同時也埋下了野蠻增長的隱患。為此，政府自2013年以來，從多方面出臺政策，并對數據中心建設中暴露的問題和市場準入資質等進行調控和引導，極大地規范了我國數據中心的有序發展。 新興產業，推動產業技術升級 當前，數據中心作為海量數據的存儲和分發平臺，其靈活性、可拓展性將變的尤為重要。但是在傳統數據中心中，由于資源之間彼此獨立且沒有資源移動性的要求，所以在靈活的性、可拓展性等方面已經無法滿足現有云服務用戶的需求，因此，基于云服務的需求，傳統數據中心正在快速向云數據中心轉化。 除了云計算正在推動數據中心的轉型與升級，隨著大數據和人工智能逐漸進入應用階段，其對數據中心的影響已經凸顯。如何基于大 數據分析 數據中心能源的合理調配；如何利用人工智能技術實現數據中心的自動運維等問題逐漸成為數據中心運營和管理者所要思考的問題。 在當前這個快速發展和創新的時代，數據中心產業正處在變革的風口浪尖之上，如何把握新機遇、新挑戰，實現產業全新升級的同時助力相關產業蓬勃發展。 2017年12月20-22日，由工業和信息化部通信發展司、中國信息通信研究院、云計算發展與政策論壇、數據中心聯盟指導，中國 IDC 產業年度大典組委會主辦，中國 IDC 圈、CloudBest承辦的第十二屆中國IDC產業年度大典（IDCC2017）將在國家會議中心舉行。 屆時，大會將圍繞“從1到N”主題從數據中心技術創新、IDC及云計算國際合作，安全運維，云服務市場監管政策，數據中心云化，金融科技，金融數據中心等多方面去解讀和探討數據中心的發展之路。 IDCC2017大會官網：http://idcc.idcquan.com/ 本文由 IDCC2017大會官網 投稿至 數據分析網 并經編輯發表，內容觀點不代表本站立場，如轉載請聯系原作者，本文鏈接：https://www.afenxi.com/49644.html 。

10月25日，由《數據猿》主辦的“2017金融科技數據驅動金融商業裂變價值峰會”在北京悠唐皇冠假日酒店舉行。本屆峰會從 數據智能 的角度，聚焦 “數據如何驅動金融商業裂變”，從消費金融、供應鏈金融以及金融前沿科技三大角度深入探索數據智能為金融領域帶來的變革。 「金猿獎」是由數據猿發起并創辦，憑借 大數據 垂直行業媒體的獨特視角和優勢，針對大數據垂直行業的文章、案例、產品、人物等設置的獎項。峰會前期，數據猿邀請了 金融大數據 領域內優秀企業及領軍人物、投資人、業界專家學者，共同以“大數據在金融領域的商業價值探索”為主題進行了約稿、案例、產品征集。 經過兩個多月的時間，數據猿專欄收到了大量的案例，經過內部篩選選出了20個案例，再交由業內專家組成的評審團進行科學系統地評定，最終選出了10篇金融科技優秀案例。隨著互聯網技術工具的強勁發展，人們發現， 人工智能 、大數據和云計算作為一個整體，正在推動金融服務領域的顛覆式創新和重塑，沒有什么形式比案例更能直觀展示企業真實的貼身服務能力。 本文由 數據猿 投稿至 數據分析網 并經編輯發表，內容觀點不代表本站立場，如轉載請聯系原作者，本文鏈接：https://www.afenxi.com/48683.html 。

　　埃隆·馬斯克(Elon Musk)旗下美國太空探索技術公司 SpaceX 正在加速研發和測試其星際飛船，其首批太空乘客將在 2023 年 1 月份開始繞月之旅。最終，這種飛船將搭載 100 名乘客前往月球、火星甚至更遙遠的太空深處。 　　星際飛船由太空艙和火箭組成，其首批乘客包括日本富豪前澤友作（Yusaku Maezawa），他正在資助 SpaceX 對星際飛船進行改進。前澤友作的繞月之旅將持續一周時間，這將是自 1972 年以來人類最主要的一次月球旅行。星際飛船不會降落在月球表面，而是繞月飛行。 　　圖：SpaceX 星際飛船升空渲染圖 　　前澤友作設想將自己的第一次太空之旅變成一次藝術冒險，名為“Dear Moon”。他說，當設想自己喜歡的藝術大師如果有機會進入太空他們會做什么時，他產生了進行“Dear Moon”冒險的動機。想象下畢加索（Picasso）安迪·沃霍爾（Andy Warhol）、邁克爾·杰克遜（Michael Jackson）或者約翰·列儂（John Lennon）登上月球的情景。他曾說過，這些都是他最尊重的藝術家。 　　前澤友作沒有公開哪些藝術家會受到歡迎，但他可能希望他們來自各種工藝領域，如表演者、電影導演、畫家以及發明者等。他表示，可能想要歡迎來自世界各地的六到八位藝術家進行此次繞月之旅。當這些人返回地球后，將被接洽以制作些東西，這些藝術作品將激勵我們所有人內心的遠見卓識。 　　馬斯克提到，他對前澤友作預訂首次太空之旅任務以幫助支持星際飛船的改進表示感謝，因為這位富豪支付的分期付款數額足夠巨大，將“對支付星際飛船的成本和改進產生實質性影響”。馬斯克甚至稱，前澤友作的資助有助于讓普通民眾前往不同的星球。 　　SpaceX 目前正在美國南德克薩斯州博卡奇卡小鎮上制造星際飛船。專家們正在使用不同的材料生產模型，并進行各種測試。本月早些時候，名為 SN5 的星際飛船模型進行了 150 米海拔的短程低空試飛，這種模型可以由單獨的猛禽發動機完美地發射和著陸。 　　目前，SpaceX 各團隊正準備對星際飛船原型 SN6 進行與 SN5 相似的測試，并進行海拔 20 公里至 100 公里的試飛。SN6 可能在本周起飛，每次試飛都會使星際飛船更接近最終目標。

　　騰訊科技訊，8 月 25 日消息，據最新 SEC 文件披露，騰訊在貝殼找房 IPO 中購入其 800 萬股 ADS，總購買價為 1.6 億美元。 　　貝殼于 8 月 13 日正式登陸紐交所，股票代碼為“BEKE”。貝殼此次 IPO 發行價定為 20 美元，籌資金額為 21.2 億美元。截止北京時間 8 月 25 日凌晨，貝殼收盤價為 46.06 元，較發行價上漲 130.3%。 　　招股書顯示，貝殼在多輪融資當中，先后吸引了騰訊、高瓴、軟銀等知名機構成為其股東。

10月25日，由《數據猿》主辦的“2017金融科技數據驅動金融商業裂變價值峰會”在北京悠唐皇冠假日酒店舉行。本屆峰會從數據智能的角度，聚焦 “數據如何驅動金融商業裂變”，從消費金融、供應鏈金融以及金融前沿科技三大角度深入探索數據智能為金融領域帶來的變革。 「金猿獎」是由數據猿發起并創辦，憑借 大數據 垂直行業媒體的獨特視角和優勢，針對大數據垂直行業的文章、案例、產品、人物等設置的獎項。峰會前期，數據猿邀請了 金融大數據 領域內優秀企業及領軍人物、投資人、業界專家學者，共同以“大數據在金融領域的商業價值探索”為主題進行了約稿、案例、產品征集。 經過兩個多月的時間，數據猿共收到了百余家企業的產品投遞，經過內部篩選選出了36個產品稿件，再交由業內專家組成的評審團進行科學系統地評定，最終選出了10個金融科技優秀產品。為了鼓勵金融科技領域的各項創新，會上，“金猿獎 · 2017金融科技優秀產品獎”正式頒發（排名不分先后）： 1、百融金服——百融信貸決策審批系統 百融信貸決策審批系統作為集成式、一站式的風控服務平臺，基于百融金服的大數據和風控云等技術理念，結合機器學習和 人工智能 算法的新科學，從數據規則、審貸規則集、風控模型等不同層面幫助客戶實現包括貸前審核、貸中監控和貸后管理的整個全生命周期的風險管控，降低風險運營成本，提高批貸資產的質量，為客戶保駕護航。 2、金融魔方——金融魔方企業錢包 金融魔方企業錢包在金融牌照合規的基礎上，鏈接銀行、保險等金融機構核心業務系統，將合規的金融賬戶、金融產品、交易支付系統、風控、清結算系統等復雜功能集成為一套成熟、合規、可一鍵接入的金融SDK。企業通過調用SDK可快速構建集支付、清分賬、余額充值、擔保交易等于一體的錢包賬戶，定制理財、消費信貸、保險等金融產品。 3、恒豐銀行——恒豐銀行實時智能決策引擎 恒豐銀行實時智能決策引擎是恒豐銀行業務策略管理解決方案的核心產品，該產品讓策略業務人員輕松高效地配置出風控、反欺詐、實時營銷等場景下實時、準實時的決策模型/規則，實現在實時流數據的驅動下，基于海量數據進行成千上萬個決策模型/規則的計算任務，滿足高并發、低延遲的應用場景需求。 4、聚信立——蜜蜂和蜜罐報告 蜜蜂報告通過用戶授權后，對借款人基本信息通過海量的數據交叉驗證，對借款人進行身份核實、驗真。通過借款人授權后的電商信息，整理和借款人消費有關的行為記錄，判斷借款人消費能力、資產狀況、可能的收入及還款能力，從而判斷借款人的信用風險；通過借款人授權后的運營商信息，獲取借款人半年內的通話記錄詳單，判斷借款人社交關系網絡。 5、91征信——91征信 91征信專注解決多重負債問題，通過分布式數據庫方式實現網絡借貸數據共享，完整展現借款人負債詳情。91征信采用了分布式數據庫處理方式，在技術上講，是向征信網絡“區塊鏈”化靠攏；從應用上講，是通過實時精準數據產生倍增價值；每一位91征信聯盟用戶既是數據的使用者，也是數據的提供者，通過實現共享創造聯盟生態鏈效應；91征信已覆蓋近600家聯盟機構，超過8000萬借款人。 6、氪信——XBehavior 信貸風險評估產品 XBehavior是一套基于用戶移動設備行為采集，使用高維的行為語言處理技術，最終為金融信貸場景提供實時的信貸風險評估的產品。氪信利用自身在風控行業的積累和領先的機器學習技術，幫助客戶挖掘自有數據價值，構建零成本的風控能力，是適應于金融機構“互聯網+”新業務模式下精準有效的風控解決方案。 7、神策數據——神策分析 神策分析（Sensors Analytics）是一個深度用戶行為分析平臺，支持私有化部署、基礎數據采集與建模，并作為PaaS平臺支持二次開發。此外，還提供大數據相關咨詢和數據驅動完整解決方案。 8、天眼查——天眼查 天眼查是人人都能用的“商業調查工具”,核心功能為“查公司”、“查老板”、“查關系”。目前，天眼查收錄了全國超1.2億家市場主體信息，除了上市信息、企業背景、企業發展、司法風險、經營風險、經營狀況、知識產權等64種數據維度信息展示外，天眼查獨特的“關系梳理“能讓用戶直觀地看清關聯實體及其背后的商業關系。 9、網智天元——金鵬汽車金融大數據風控系統 金鵬汽車金融大數據風控系統一站式完成車貸審批流程。一套系統集多項功能，風險識別功能，給予權威精準的可視化風險預警信息提示。自動決策功能，有效針對新車貸款、二手車貸款業務，給予差異化定價提示?！敖瘗i”基于大數據科技、決策樹規則引擎、深度學習等多項核心技術，有效針對新車貸款、二手車貸款等業務，提高風控效率。 10、眾安科技——眾安科技X-model反欺詐 眾安科技智能數據產品基于海量數據源和資深實戰經驗，為客戶提供精細化風險管理及定制化模型搭建服務。通過人工智能、云平臺、大數據等技術和各類金融機構無縫對接，打造“金融+場景+技術”的跨界融合，提高金融機構的服務水平，降低運營風險，為各類金融機構賦能。智能數據產品根據企業對不同深度的技術支持需求，從數據接口調用，到深入的聯合建模，覆蓋了智能數據應用和交付的各種方式。 本文由 數據猿 投稿至 數據分析網 并經編輯發表，內容觀點不代表本站立場，如轉載請聯系原作者，本文鏈接：https://www.afenxi.com/48680.html 。