对IBM，阿里巴巴，麻省理工，google的报道

IBM
1.
IBM作为老牌企业，一直在引领者技术方面的变革。当IBM再一次从自我革新开始，期望能够更快的将认知计算和云推广给自己的合作伙伴和用户们，以帮助他们在新的转型期内，能够快人一步。

但是，我们所知的以往传统的合作伙伴模式已经不能更好的匹配现阶段的一些新情况。IBM自己也提出了对于合作伙伴计划的升级。在大会期间我采访到了IBM全球合作伙伴事业部、软件渠道副总裁Michael Gerentine，IBM全球合作伙伴事业部、硬件渠道副总裁Sergio Amoni以及IBM大中华区副总裁、全球合作伙伴事业部总经理叶明。

通过对IBM渠道相关的负责人的采访，大致上了解了IBM合作伙伴升级计划，实现方式，这一计划对国内合作伙伴的支持情况。

什么是PartnerWorld计划？

据悉，目前IBM成立了全球合作伙伴事业部（GBP），此部门将成为IBM针对渠道的唯一内部机构，负责软件、硬件和服务的所有渠道。Michael表示，现在IBM更多的是一家以认知计算和云服务为核心的公司，所以我们也希望能够帮助在全球的商业合作伙伴，还要帮助整个生态系统能够朝着这个方向来转型，能够帮助我们的合作伙伴根据他们自己的能力提供一些具体行业所需要的解决方案。

IBM全球合作伙伴事业部、软件渠道副总裁Michael Gerentine

那么PartnerWorld到底是什么？Michael介绍说，为了更好的帮助帮助合作伙伴和整个生态系统能够开发基于Watson的应用和解决方案，提出了全新的Partner World计划，以及相关的五大举措。

第一，对合作伙伴的评定将审核公司的技能、这些公司带来的收入水平、客户满意度、客户案例等等。

第二，嵌入式解决方案协议（ESA），通过这一协议可以更好地将独立的软件厂商还有云服务提供商、托管服务提供商的解决方案与IBM方案结合。

第三，Watson Build大赛，通过这一大赛，发觉更多的好想法，好模式，并予以支持。

第四，针对不同用户实施激励计划。

第五，通过PartnerWorld顾问工具，帮助合作伙伴更多的了解相关的标准、特点。

另据了解，目前IBM的合作伙伴可以分为，注册、白银、黄金已经铂金四个等级。现在全球有15万的合作伙伴加入这一计划，在中国加入这一计划的企业有1000多家。

如何为合作伙伴提供支持?

Sergio指出，IBM将面向渠道的事业部整合为一，通过一个界面、一个渠道向合作伙伴发声，这对于合作伙伴和IBM来说都是有益的事情，对合作伙伴而言在获得硬件部门支撑的同时也获得了软件部门的支持。

IBM全球合作伙伴事业部、硬件渠道副总裁Sergio Amoni

同时，Sergio表示全新的PartnerWorld计划使拥有技能的公司能够获得更多的价值，而不仅仅局限于卖一个物品；ESA也能让合作伙伴通过与IBM方案的整合，更好的为客户提供服务；新的定价模式，也可以让合作伙伴一目了然，在竞价上更有优势。

为了更好的实现这一目标，Sergio介绍了IBM针对渠道了四个战略原则：

第一，持续对硬件的投入，包括对系统硬件包括Power，包括储存产品和主机产品会的投入。

第二，IBM对渠道非常重视，所以对渠道的承诺更为最重视，更为支持，为了将会持续不断地坚持这么做。

第三，IBM不会为了自己的利益牺牲渠道的利益，希望通过对渠道的扶持帮助他们成功，在这一方向上保持一致性。

第四，IBM开展的或者是宣布的计划或者是给客户能够从参加这些计划获得的收益方面或者是利润方面，都是可预测的。可以让渠道知道，通过多长时间去做事情能够获得多少受益。

本地计划如何？

在采访时，叶明表示对于大中华区合作伙伴事业部及合作伙伴的三大期许。

第一，IBM希望成为企业级的云、认知计算领域解决方案的提供商。未来以硬件、软件和服务为基础的产品和技术将成为支持转型和解决方案正确落地的重要方面。

IBM大中华区副总裁、全球合作伙伴事业部总经理叶明

第二，努力推动IBM渠道计划在大中华区的落地，期望更多的中国企业能够摆脱过去简单的“搬箱子”的低附加值方式，通过技术与IBM一些技术和产品融合到解决方案中，成为解决方案的一部分，并且在国内开发更多的技术，帮合作伙伴实现国产化和自主化。

第三，通过整合将团队整合为一，未来将通过统一的组织面对客户，最终实现高效。另外，需要提升对客户满意度方面的调动，希望和桌布能够真正提升客户满意度，实现真正的IBM产品和解决方案给需要的客户。

同时，叶明还提及，今年将致力于持续的孤岛流程优化，实现高效、简单。此外，与渠道一起让原有和现有的核心业务更稳固，通过对合作伙伴在云和认知商业方面能力的帮助，提高其营销技能。最后，加大对渠道的奖励计划，特别是针对中小企业的。

在这里，叶明表示中小企业特别是指推动合作伙伴对于中小企业市场的专注度。来源于IBM的统计，中小企业市场目前在IBM几个重要地区的贡献度已经达到20个点左右。

就如同叶明在大会上所言，随着数字化、云计算及认知技术不断深入各行各业，合作伙伴在业务发展、合作创新等方面面临着极大的挑战，他们期待与拥有尖端技术及丰富行业经验的合作伙伴携手并进，而IBM全方位合作伙伴支持举措，将助力他们从‘视界’、‘跨界’、‘创界’三个方面发力，迅速走向商业成功。
概括:IBM新合作伙伴计划助力企业转型升级。

2.
北京时间4月20日，随着IBM第一季度财报的公布，公司营收已经连续第20个季度下跌。受此影响，IBM股价暴跌5%，每股跌幅超过8美元，而IBM最大的股东股神巴菲特在一天内损失了6.78亿美元。

目前，巴菲特的伯克希尔哈撒韦公司持有IBM8120万股，占IBM总流通股的8.6%。而在今年，巴菲特投资IBM已经亏损了7.09亿美元。股神巴菲特以前是不买科技股的，但是在2011年，巴菲特投资120多亿美元成为IBM第一大股东，2016年又投资70亿美元购买苹果的股票。有分析认为，巴菲特的伯克希尔公司净资产已经超过2800亿美元。

而IBM方面尽管营收业绩惨淡，可是其依然超过了华尔街的底线与其，财报显示IBM第一季度每股收益为2.38美元，而此前预期为2.35美元。IBM方面则表示，由于业务组合即将实现增长，而且IBM进行了正确的投资，布局了高收益型业务，因此IBM的局面一定会有所改善。

尽管IBM暂时状况并不太好，可是股神巴菲特转型投资科技股依然很成功。不得不佩服这位已经87岁的老人，其对股市的眼光依然精准。
概括:IBM财报公布:巴菲特一天蒸发7亿美元。

3.
近日，主题为“天工开物 人机同行”的2017 IBM论坛在北京举行。本次论坛上，IBM进一步明确了发展“商业人工智能”的战略，并展示了IBM在全球范围内的突破性进展，大力推动行业转型。同时，一系列与中国本地伙伴在电子、能源、汽车、工业品制造及相关服务产业、教育、医疗领域的合作成为大会关注焦点。

在数字经济时代，中国的电子、能源、汽车，工业产品制造以及相关服务产业正处于变革与转型的十字路口。随着“中国制造2025”的不断深入，借助最新科技技术创新成为这些企业转型的核心驱动。IBM不断将创新技术与创新思维融合，利用人工智能、区块链、物联网等创新技术驱动行业变革，推动电子、能源、汽车、工业品制造及相关服务企业拥抱新一代产业升级。在论坛上，IBM与中国客户一起分享了全新合作案例，共同探讨利用人工智能转型的有效路径。

IBM助力隆基泰和拓展智慧能源业务

隆基泰和智慧能源控股有限公司（简称“隆基泰和”）与IBM共同合作，借助Watson平台，利用物联网与人工智能技术，构建综合能源云平台，为工业商业企业构建360度完整的客户能耗视图，持续构建高耗能企业用能预测及能效水平的分析和洞察能力，助力隆基泰和实现对传统能源服务模式的突破，打造智慧能源服务体系。

隆基泰和副总裁刘振刚

隆基泰和副总裁刘振刚说，通过旗下智慧能源云平台，隆基泰和为能源消费者提供全方位智能服务，包括分布式能源、节能减耗、能源交易以及其他增值服务。通过把电力数据采集到云平台上面，借助数据分析给用户提供一系列的服务，包括电力的智能运维。

IBM中国能源与电力行业解决方案高级经理滕华

IBM中国能源与电力行业解决方案高级经理滕华解释了隆基泰和与IBM共同合作的能源云平台在数据分析方面的特点，他说，对于应用侧电力数据的分析，传统的分析平台会基于数据模型进行预测，那都是相对比较成熟的技术。我们打造的这个平台，融合了Watson认知技术，比如Watson Explorer。

“这个能源云平台在负荷预测方面，会融合环境中的污染情况以及天气信息等。通过把外界的因素融到这个模型中来，帮助客户更好地预测未来一段时间可能出现的电力波动。”滕华说。

谈到与IBM的合作，刘振刚表示，首先是双方理念的一致，也就是促进信息化在能源行业中的应用。其次是，能源行业必须依靠信息化技术实现能源数据的分析和降低成本。

“透过双方的合作，一是通过创新技术构建云平台，进行云平台顶层设计，建立数据的洞察分析方法，提升隆基泰和自身的数字化技术能力；二是在应用侧帮助企业更好地分析和优化能源使用，提升能源利用效率，节约能源成本，充分实现能源云平台的服务价值，推进绿色可持续发展。”刘振刚说。

区块链助力禾嘉股份打造业务新模式

云南九天投资控股集团有限公司，经过10余年的辛勤耕耘和不懈努力，公司不断发展壮大，从成立之初单纯的煤炭贸易发展到今天集能源、供应链管理、金融科技为一体的企业集团。九天集团下属上市公司四川禾嘉股份有限公司（简称：禾嘉股份，600093），其主营业务为供应链管理及商业保理。

在以创新发展传统行业进入“互联网＋”的结构调整中，禾嘉股份与IBM共同宣布推出基于区块链的医药采购供应链金融服务平台，以助力提高供应链金融的安全性、透明性和可操作性。该平台名为易见区块链技术应用系统，是使用超级账本Fabric的许可区块链平台，目前已投入生产，由禾嘉与包括一家药商、医院以及银行在内的多个参与方进行商业交易。

区块链是2008年才为人所知的概念，作为跟踪数字货币——比特币交易的方法。由于其核心区块链是透明和防止数字篡改的，因此可以安全而透明的方式追踪比特币的活动，还能在私人区块链网络中追踪其他类别的数据。

在超级账本Fabric开源项目基础之上，IBM提供了更多企业级服务支持，让区块链技术更受企业客户青睐。

云南九天投资控股集团有限公司总裁冷天晴

云南九天投资控股集团有限公司总裁冷天晴表示，供应链金融服务平台的上线，是禾嘉股份与IBM合作探索区块链创新应用的一个里程碑。这一系统的推出将消除医药行业在融资方面所面临的一些挑战。

冷天晴说，当前中国经济处于产业升级阶段，特别是制造业面临流动资金周转力下降的问题。九天集团专注于供应链管理，为了解决目前供应链金融出现的挑战，九天集团引入了区块链技术。通过区块链技术既解决了数据真实的问题，又实现了数据隐私保护的问题。

IBM中国研究院副院长邵凌

IBM中国研究院副院长邵凌介绍说，在与九天集团合作的过程中，IBM提供了底层的超级账本Fabric分布式数据库，在这个基础上还提供了智能和约。智能和约是把商业逻辑（例如订单、借款、还款等）以一种智能程序的方式写在分布式数据库里面，而且这个智能和约本身也是不能篡改的。

“未来，我们还会拓展区块链更多的应用场景，比如与物联网技术进行融合用于物流仓储，还有大数据分析技术用于风险控制等。”邵凌说。

冷天晴也表示，未来，我们将进一步扩展这一平台所服务的行业，为更多中小企业以及金融机构提供透明、可信与高效的融资服务，通过区块链技术实现供应链金融业务模式创新。

Watson物联网加速默克“工业4.0”发展

默克（Merck）是一家全球领先的科技公司，专注于医药健康、生命科学和高性能材料三大领域。默克携手IBM打造全新智能物流与智能工厂，利用IBM Watson IoT技术，对于需要妥善储存和运输产品的钢瓶实现智能化管理。

默克中国首席信息官朱皓峰

默克中国首席信息官朱皓峰介绍说，厂内各个功能区的入口处装有10个网管，当钢瓶通过，网关便可蓝牙检测到。传感器和网关返回比如钢瓶抵运时间、温度等信息的数据发送至Watson物联网平台，同时IBM Maximo Asset Management可追踪到钢瓶的数量、位置及状况。

“基于Bluemix云的Watson 物联网平台可通过集成和分析钢瓶的使用及返回情况来预测库存，以便告知Merck需要采购的钢瓶类型和具体的数量。Maximo Inventory Insights计算组件可根据钢瓶使用及返回情况的数据预测钢瓶数量，进而确定何时需要采购更多钢瓶，给出相应的预购方案建议。”朱皓峰说。

目前默克在进行数字化转型，还启动了一些能够改变业务模式的数字化项目，其中一个方面就是IoT的运用。这就涉及到了与IBM的合作。

“为什么默克选择IBM合作？虽然在IoT市场存在很多创新型数字化公司，但是从我们来讲，默克是一个历史悠久的名企，但创新一直是我们的核心竞争力，我们希望与合作厂商开展长期的战略合作，而且是全球化的。IBM是全球化公司，而且在IoT方面拥有众多创新的解决方案。”朱皓峰如是说，“而且默克在IoT技术方面的创新应用是在中国市场进行的，同时与德国总部保持沟通与反馈。”

谈及未来的合作，朱皓峰表示，在应对数字化挑战方面，企业需要引入更多新技术。默克也不例外，后续会与IBM在区块链技术、人工智能技术等方面展开更多合作。

IBM加速神思电子从智能识别到认知行业解决方案

神思电子技术股份有限公司（简称“神思电子”）是中国领先的智能识别领域软硬一体化。

4.

IBM与上海安翰医疗技术有限公司的签约发布仪式于2017年4月20日，在北京IBM中国研究院举行，动脉网记者受邀参会并第一时间报道。

此次双方共同宣布将在胶囊内窥镜医疗影像领域展开探索性合作，旨在探索将IBM在认知影像领域的技术用于提升消化道疾病早期精准筛查的可行性。

据《临床医师癌症杂志》（CA Cancer J Clin）在线刊发的2015年癌症统计数据显示，中国胃癌年发病案例为67.91万例，占总癌症死亡比例的17.7%。

胃癌的早期筛查至关重要，根据英国癌症研究中心（Cancer Research UK）研究表明，四期胃癌的五年存活率仅为5%，而一期胃癌则超过80%（截止2011年研究数据）。

据分析，影响中国胃癌治愈率的原因之一是传统的胃镜不适合大规模筛查，因此胃癌未能在早期得到及时治疗。

安翰医疗技术有限公司成功开发并商业化了世界上首个磁控胶囊内窥镜系统，能精确控制和定位功能可以彻底检查胃部，为胃及消化疾病提供了早期筛查工具。

此次，安翰医疗带来的前沿精控胶囊胃镜系统，使用胶囊内镜机器人采集医疗影像数据，以做到更高效率、更低障碍地收集胃部检查信息。对机器人位置与位姿的精准磁控则可以使消化道检查更完整。但每次检查产生的约二万幅影像，给医生带来了数据处理和实现精准化分析等新的挑战。

在临床应用中，这些海量的影像数据很难通过人工阅读的方式快速诊断，IBM的认知影像技术或可为破解此难题提供钥匙。此次，IBM中国研究院与安翰的早期研究合作项目，旨在展示通过智能病灶检测技术帮助安翰处理每年产生的数十亿幅影像，提高疾病筛查的精准性和可行性。

此次研究项目也将探索IBM结合多模态学习与模型融合，从内窥镜影像与电子健康记录中挖掘有价值的知识，并为医生提供诊疗建议的可行性。

权威医学协会中国健康促进基金会理事长白书忠专家表示：“据世卫组织数据显示，中国是胃癌大国，每年新发胃癌68万，死亡50万人。提高早期胃癌发现比率的关键是大面积普查，此技术成熟后，可助力人们尽快实现‘不插管，做胃镜’的健康梦想，让患者敢做、愿意做，更积极地配合胃部检查。”

据中华医学会消化内镜学分会青年委员会副主任委员长海医院医生廖专教授评论：“这是一次‘人工智能’遇上‘中国智造’合作的有益探索，此次合作通过IBM认知影像技术助力下的精控胶囊机器人技术，可帮助医生精准洞察并提升效率。如果这种模式获得成功并得到普及，将可以起到优化医疗资源配置，有助于解决早期消化道疾病筛查专家资源不足问题。”

《健康中国2030规划纲要》中指出：2030年要实现全人群、全生命周期的慢性病健康管理，总体癌症5年生存率提高15%。在此愿景之下，IBM和安翰医疗期待依托各自科技优势，目标是将先进的认知医疗技术与胶囊机器人技术相结合，助力消化道影像智能诊断技术发展。

随着人工智能技术的不断推进及医疗服务需求持续增长，期待“人工智能+医疗”模式将逐渐成为提升医疗能力和效率、助力普惠医疗的重要推动力。

安翰医疗董事长吉朋松先生表示：“IBM在影像认知分析的技术与安翰智能胶囊内窥镜机器人影像诊断平台的结合探索，旨在帮助医生在消化道领域更快捷、准确地做出诊断。 安翰医疗与 IBM 共同推进探索的应用人工智能辅助消化道影像诊断研究技术，它代表了一种新模式，能优化消化道分级诊疗模式，如成功或可为医疗资源紧缺的基层医院、社区医院等提供 ‘ 医学专业技术 + 信息科技智能辅助诊断 ’ ，开启精准医疗新时代。 ”

IBM大中华区首席技术官、IBM中国研究院院长沈晓卫博士表示：“IBM致力于在此领域继续深耕，帮助应对大数据时代医生正面临的医学影像‘信息爆炸’的问题，并加强人工智能技术在医疗决策链中的应用。IBM的目标是通过提供认知医疗技术为科研和临床医生提供更高效、更精准的医疗决策支持，为大众提供更科学有效的个性化健康管理方案。我们也将积极与合作伙伴协作创新，探索用先进的人工智能技术创造精准医疗新的可能性。”
概括:IBM如何用人工智能赋能行业变革。

5.
没有人因为IBM股价下跌遭受的损失比股神沃伦-巴菲特(Warren Buffett)更大。

腾讯科技讯 据外媒报道，没有人因为IBM股价下跌遭受的损失比股神沃伦-巴菲特(Warren Buffett)更大。

这位亿万富翁通过其名下的公司Berkshire Hathaway持股成为了IBM最大的股东。自从周二收盘以来，IBM的股价一直在下跌，因为它已连续20个季度出现营收下滑。

在周三的早盘中，巴菲特所持的IBM股票每股亏损大约10美元，总亏损额约为8.12亿美元。

巴菲特的Berkshire Hathaway公司持有IBM公司8120万股股票，约占IBM全部流通股的8.6%。

然而，你不必为巴菲特感到太惋惜，因为考虑到分红，他的投资回报还不赖。如果他持有的IBM股份没变，那么他在今年以来获得的分红已达到了大约18亿美元。如果不计这个分红，那么IBM的股价现在比他的保本价170美元低了大约10美元。

在利润方面，IBM实际上已超过了华尔街的预期。华尔街分析师预计它的利润为每股2.35美元，而它实际上的每股利润达到了2.38美元。但是，它的营收却低于人们的预期。分析师预计它的营收会达到183.9亿美元，结果它的实际营收仅为181.6亿美元。

“我们的各种业务正在继续发展。我相信，IBM公司将会再次腾飞。”IBM首席财务官马丁-施罗特(Martin Schroeter)说。
概括:IBM20个季度营收下滑。

6.
北京时间4月20日早间CNBC消息，昨晚IBM(161.69, -8.36, -4.92%)股价暴跌逾5%，巴菲特或许是受此牵连亏损最严重的投资者。

巴菲特（通过其伯克希尔哈撒韦(244047, -1703.00, -0.69%)公司间接持有）是IBM的最大股东，在这家科技巨头昨日公布其一季度财报，显示公司营收出现连续第20个季度下跌后，周三IBM每股股价跌去近10美元，巴菲特的亏损则超过了8亿美金。要知道伯克希尔哈撒韦公司的8120万股股份占IBM总流通股的8.6%。

但也不用太为巴菲特惋惜，在考虑派息的情况下他投资IBM的表现依旧不赖。今年迄今为止巴菲特已从IBM获利18亿美元，即便剔除派息因素，目前的股价水平也只不过将将来到巴菲特的盈亏平衡点。

IBM的营收实际上还是超过了华尔街对其底线的预期，一季度每股收益为2.38美元，预期仅为每股2.35美元。不过，根据汤森路透（Thomson Reuters）的预期，IBM181.6亿美元的实际营收还是少于183.9亿美元的期望值。
概括:IBM股价重挫。

7.
4 月 11 日，在北京举办的「天工开物，人机同行」IBM 2017 中国论坛上，基于对人工智能为各行业带来巨大商业价值的看好，IBM 提出「商业人工智能」，再次强调把握中国机遇的决心。

这距离 IBM 上一次宣布「认知商业」落地中国的战略转型决策，已经过去一年时间。IBM 大中华区董事长陈黎明在论坛上提到：「在短短一年中，IBM 的认知计算在行业应用全面落地，这源于计算力、数据以及商业驱动从量变到质变的迅猛发展，同时，这些飞跃性的技术革新也带来了人工智能的爆发。」在他看来，中国无论是在工业体系、数据资源、互联网基础设施建设上，还是人才储备方面都是人工智能成长的绝佳沃土。

事实上，IBM 在各行业应用上已经有所斩获。截止到 2016 年，IBM 已经覆盖了 10 亿人类，超过 100 多万个开法阵都在使用构建于 IBM 云平台上的 Waston。「我们坚信 Watson 是为商业而生的 AI 平台」，IBM 全球副总裁 Bruno Di Leo 在《打造认知商业新时代》论坛主题演讲中谈到。

Waston 具备理解、推理、学习并通过自然语言与人类进行交互的能力，并且可以识别传统计算机无法识别的世界上 80% 的非结构化数据。如果说，这样的设计使得 Waston 成为 IBM 拥有实现人工智能商业化的先天优势，那么，云计算则是支持 IBM 人工智能商业级应用的基石。「云和认知能力就好比是硬币的正反面。」Burno DiLeo 补充道。

IBM 云计算针对数据和人工智能，构建具备开放式设计保证选择权与控制力以及领先的行业专业知识，并将 Waston 大脑作为一项服务内置在 IBM 云中。根据去年财报，IBM 云业务规模为 330 亿美元，占 IBM 公司整个业务的 44%。云已经成为 IBM 成长最快的业务之一，是 IBM 新兴战略业务最重要的驱动力。

同时，IBM 利用认知技术和云计算能力，为垂直领域打造定制化服务平台，正推动人工智能在医疗、制造业、金融等行业的商业化应用。

随着大数据时代的来临，医疗健康领域正在发生翻天覆地的变化，医疗行业转型迫在眉睫。根据估算，人类的医疗健康的数据，在 1950 年需要 50 年可以翻一倍。到 1980 年翻倍的时间只需要七年，到 2015 年医学知识的翻倍只需要三年的时间。也根据测算，到 2030 年医疗健康的数据每 73 年就会翻一倍。另一个趋势是全球人口不断老龄化，在 2030 年，中国将有 25% 的人口年龄会超过 60 岁。

数据量越来越大加上人口老龄化趋势，人们面临的疾病也会越来越多，像糖尿病、心脏衰竭、呼吸病等等慢性病，累计成本逐渐攀升。而智能化可以处理好海量的数据，帮助工作量本来就很繁重、负担很重的医护人员，使他们可以更高效地管理和治疗慢性病。

IBM 全球 Waston 健康医疗事业部总经理 Deborah Disanzo 介绍，IBM 早在 2005 年就开始布局医疗领域，对医学影像进行识别，在 2015 年建立了 Waston Health。目前，Waston Health 在全球有 7000 名员工，有 1 万多个客户和伙伴，拥有近 150 项认知的专利，每天都还在开发新的内容。其中，在癌症领域，Waston 帮助医生对 12000 名病人提供了治疗方面的帮助。

在制造业，IBM 帮助企业将数据纳入到 Waston IoT 平台上，从而在平台上监控和管理数据，帮助企业优化运营效率。在论坛现场，默克公司首席信息官朱皓峰说道：「没有人员干预，数据就可以自动上传到云端，IBM 大大帮助我们完成决策以及实现全球化的钢瓶分配调度」，并现场展示了 IBM Waston IoT 取代人工作业以及传统追踪方式来帮助默克实现数据采集、钢瓶跟踪、监测管理的过程。默克公司是一家专注于医疗健康、生命科学、功能性材料的科技公司，在功能性材料业务方面与 IBM Waston IoT 进行了合作。IBM 的另一个合作伙伴神思电子是一家智能认知行业解决方案提供商，基于 Waston Explorer 开发了智能客服、实体服务机器人、自助设备智能化升级三个领域的解决方案，提升了服务效率和质量。

在金融行业，银行是国民经济的重要支柱。随着经济新常态以及科技快速的发展，银行的客户变得越来越自主化和数字化，传统金融服务带给银行客户的体验已经非常难以赶上在数字时代不断推高的客户期望，银行正在经历前所未有的一场变革。兴业银行在 2016 年开始使用 IBM Waston 系统，使其能够在数小时内完成十万通的来电内容检测，并提升服务质量。同时也开始尝试对客户中心的语音数据进行挖掘，开发出认知型的产品和服务系统，了解客户需求，从而更好地针对客户展开精准营销。

「不仅如此，Watson 系统目前已经进入到 60 多个不同的职业领域，比如法律、教育、零售、服装设计、烹饪等，系统展示了人机交互和感应的能力，以及强大的自我学习和提升的能力。这些事情能够帮助我们的专业人士，非但没有剥夺他们的工作机会，反倒让我们的专业人士从非常复杂、繁杂、海量的时间消耗当中抽离出来，让他们有更多的精力专注人类更擅长的事情。」IBM 副总裁、大中华区首席营销官周忆介绍道。

会后，机器之心对 IBM 机器学习首席技术官 Jean-Francois Puget、IBM 私有云平台和大型主机 z 数据分析的全球研发总裁 Steven Astorino 以及 IBM 中国研发中心大数据与信息管理软件总经理朱辉进行了专访。以下为采访内容整理：

机器之心：Jean-Francois Puget 先生，可否介绍一下您的研究历程？在加入 IBM 后您的研究路线有什么转变？

Jean-Francois Puget：我在法国获得的机器学习博士学位，之后在 ILOG 做的则是业务优化产品方面的研究，并致力于高级分析以及数字优化领域的创新型软件产品的研发。2008 年，ILOG 被 IBM 收购后，我也随之加入 IBM 公司，事实上刚开始我加入 IBM 也在做算法优化，后来转向做解决方案机器学习的架构。那时，我意识到 IBM 推进的是认知计算而非机器学习，所以我开始抗议，不断给大家说我们需要机器学习平台，甚至还去跟 CEO 说了这件事，结果得到的答复是为什么你自己不搭建一个呢？所以我们组建了现在的团队，开始尝试做机器学习、开始专注于云，现在这成为了 IBM 的顶级项目。

IBM 机器学习首席技术官 Jean-Francois Puget

机器之心：您作为机器学习领域内的顶尖专家，对于认知计算、机器学习以及深度学习有着怎样的理解？

Jean-Francois Puget：IBM 一直致力于推进认知计算，它具备对非结构化数据的理解、学习、推理能力，这里的学习就是机器学习。深度学习作为机器学习的一种形式，刚开始并没有人在意。斯坦福大学发布了 Imagenet 之后，深度学习有了可以训练的数据集，之后图像识别走入人们的生活，现在我们甚至有识别人脸或者实物的 APP，所以深度学习也成为人们热议的话题。它可能不是最好的图像或是声音识别技术，但是它正在变成最好的自然语言处理方法。对于人类来说，这确实是一个很大的进步，因为现在机器可以理解人们的意图，改变了人类与机器之间交流的方式。可是对于大部分企业，他们面临的问题并不是识别人脸，而是更倾向于商业运作比如获取数据。在这种情况下，深度学习就不是那么有效了。其实我们也有在做深度学习这一块，也有相应的应用，不过很多情况下仅用深度学习是不够的。

机器之心：Steve Astorino 先生，您作为 IBM 私有云平台和大型主机 z 数据分析的全球研发以及 IBM 最新的机器学习平台和数据科学体验的研发领导者，能否为我们介绍一下 IBM 云平台的战略部署？

Steve Astroniro：对于公有云平台, 我们有 Bluemix，上面部署了各种认知技术服务，现在发展迅速已成为全球最大的公有云平台之一。同时，我们也努力为私有云平台增加领先技术。今年三月份，IBM 发布的一款提取 IBM Waston 的核心机器学习技术并且可以基于 IBM z system 大型主机私有云平台的 IBM 机器学习产品，就是非常好的一个例子。

IBM 私有云平台和大型主机 z 数据分析的全球研发总裁 Steven Astorino

机器之心：业界将机器学习技术部署于云平台举措频频，今年阿里云和腾讯云就相继推出了 PAI 2.0 机器学习平台以及 DI-X 深度学习平台。IBM 如何看待愈发激烈的行业竞争？

朱辉：IBM 的云平台是专门为企业而设计的，多年来专注于服务企业级客户，所以我们非常理解企业级用户的需求、面临的挑战以及他们的商业目标。在企业级的客户逐渐走向云化的路上，我们的客户以及我们都意识到私有云和公有云将来会成为并存的混合状况。目前，我们的友商也具备很好的能力，但是他们的基因决定了他们更专注于公关云上面的服务。而帮助客户逐步迈向私有云，进一步到公有云，则是 IBM 独有的。

机器之心：去年的 2016 IBM 论坛主题是「迎接认知时代,IBM 与您智胜未来」，与今年的主题存在部分相似相通之处，比如两次论坛都指出「认知计算」的巨大价值并力求探索「认知商业」在各行业领域内的无限可能（如医疗、金融、教育、零售、制造等）。目前，IBM 重点在医疗、金融和制造领域内推行认知计算，您认为认知计算在哪些领域也同样具备应用前景？

Jean-Francois Puget：我们有一个利用深度学习为银行业提供解决方案的案例，帮助银行分析文件规章，提取法律合同契约等职能。在法律行业，这样的解决方案可以使律师不必阅读所有的文件，他们只需要询问系统，然后系统则会提供相应的解答。要知道在美国，很多事情都要涉及律师，人们需要花费大量的金钱付律师费。这样的人工智能应用可以改善律师的工作效率，节省资源。不过这里也存在一个问题，就是训练集也是机器学习非常重要的一个环节，训练集的好坏决定着整个系统的质量。谷歌就曾把黑人错误识别成了大猩猩，这是因为他们的训练数据存在不科学的地方。然而训练数据是很花费时间的，在法律级的应用里同时也是非常昂贵的。不过我们可以从用户那里得到反馈从而得到好的数据从而进行训练过程，比如让律师判断系统给出的解答是否正确，系统从律师所给出的反馈中可以继续进行学习，这样的方式可以实现系统性能的提升。

朱辉：前段时间我们在美国推出了在个人报税上的认知解决方案。在美国每一个公民都有个人报税的义务，而且由于各种各样的法律法规，报税过程是比较复杂的，并不是每一个公民都具备相应的专业知识。在这个事情上，很多人都依赖专业的会计师；更不用说有的人则是在网上进行个人报税。但是美国税法日新月异，非常冗长，这里可能会出现一些问题。从实际的数据来看，IBM 的认知解决方案可以帮助每个人最高节省 10% 的税。我认为这是很有革命性意义的一个应用。

机器之心：这次 IBM 论坛的主题是「天工开物，人机同行」。事实上，《天工开物》是一本系统讲述中国古代农业、手工业等领域内各项技术的综合性著作，强调的是人类与自然的协调关系。而「人机同行」则在此基础上，探讨未来世界人类与机器之间互相配合的发展大势。您二位作为行业领域内的顶尖科学家，可否为我们对此次 IBM 论坛的主题进行进一步解析？对于人类与机器关系以及给人类生活带来的改变这一热议话题，您又是如何理解看待的？

Jean-Francois Puget：人工智能的作用是增强而非取代，这是非常重要的一点。我知道一些公司说它们目标是让机器取代人力，可是你知道吗，30 年前我读博士的时候就听过类似的话，结果 80 年代迎来了人工智能寒冬，那个预言并没有实现。我认为现在人们关于深度学习所说的也将是一样的情况，事实上，技术确实有很大的进展，但是不宜期待值过高。未来律师、医生的工作内容形式可能会改变，但是不会被取代。不过未来程序员可能会减少，而数据科学家则可能会增多，因为存在系统开发的需求。

Steven Astorino：其实无论是机器学习工具还是认知解决方案，都是为了让技术更好地去服务人类，让人们从中获益。举个例子，医生开处方、工作的时候，机器学习可以帮助他们更好地了解病人历史数据、药物数据，个性化地去进行医学治疗。我同意 JP 的观点，增强智能是应该强调的一点。当初电脑刚出现的时候，人们也有过一样的担忧，不过结果如何呢？新的工作机会也会应运而生的。
概括:IBM提出商业人工智能，看好中国机遇。

8.
ZD至顶网服务器频道 04月17日 新闻消息（文/李祥敬）： 随着互联网的深入发展，各行各业都在面临深刻的数字化变革。对于教育行业来说也是如此，互联网＋教育驱动下，新的教育形式和形态不断涌现。几十年以来，IBM持续聚焦创新技术解决方案，特别是应用人工智能技术推进教育模式的转型。

IBM全球Watson教育事业部副总裁Chalapathy Neti

IBM全球Watson教育事业部副总裁Chalapathy Neti表示，现在各个行业都在经历数字化转型，所以我们现在会越来越多地利用数据、数据分析，基于对数据的分析做出明智的决策，这就是认知的意义。

以教育行业为例，实际上也正在经历快速的数字化转型。教育的数字化转型主要有三部分：一是要有数字化的内容；二是要有数字化交付的平台；三是要有端点及设备，就是你要消费这些数字内容的终端。要有这三个要素才能够构成数字化的转型。

“IBM提供的就是一种数字化的智慧平台，可以实现数字驱动的智能，让大家的学习更加个性化。这个数字智慧平台是适合一个人的整个人生阶段的通用学习平台，不仅仅是学前教育，还包括12年的教育，包括初中、高中，后面的高等教育，甚至成人教育。”Chalapathy Neti说。

在全球， IBM已在早期教育、中等教育和高等教育等各个阶段积累了成功的客户案例。在少儿早期教育领域，芝麻工作室（Sesame Workshop）是出产《芝麻街》（Sesame Street）的非营利性机构。IBM将Watson的自然语言处理、模式识别等认知计算技术与芝麻工作室的儿童早期教育专业知识相结合，以开发富有创意的节目，并提供个性化的学习体验；在高等教育领域，IBM与皮尔森集团合作，将IBM Watson的认知能力及皮尔森的数字教学产品相结合，帮助大学生轻松简单的获取课程学习辅导，并辅助教师管理学生的学习情况，从而推进个性化、精准化的高等教育。

不久前，IBM还为iOS应用推出了教育类APP ，MobileFirst方案——“IBM Watson Element for Educators”，以期帮助K12的教师在课堂上为学生提供更好的个性化教育体验。目前，这一APP已经在美国德克萨斯Coppell独立学区试用，帮助其教师提升每一位学生的参与及互动。

IBM人工智能首次落地中国教育行业

以上这些案例大多是国外的，具体到中国市场。在近日举行的IBM论坛2017上，IBM宣布基于IBM人工智能（AI），为上海世外教育集团下属的上海、杭州、宁波等地的世界外国语中、小学（以下简称上海世外）打造“儿童英语口语辨识及评价系统”，助力上海世外为其未来几年内的英语教学模式转型开启智能化进程。作为业界著名的办学集团，英语口语教学是世外旗下学校的一大特色，上海世外致力于为学生交付优质的英语口语教育与服务产品，打造中小学生、教师、家长喜爱的线上线下教育平台。

IBM为上海世外打造的这一“儿童英语口语辨识及评价系统”将帮助6-15岁的学生更轻松地学习英语，它也是IBM人工智能在本地教育行业的首次落地。基于这一系统，学生可通过手机等移动终端输入朗读的声音文件。IBM的语音分析、自然语言处理技术将精准地识别、分析声音文件，并反馈关于发音与韵律两个维度的评价；从音素、单词、句子各层级的发音，以及重音、停顿、流利程度和韵律等方面给予反馈，从而达到随时随地辅助学生学习英语口语的目的。

上海世外教育集团技术总监田野

上海世外教育集团技术总监田野表示，一直以来，上海世外以优质的英语口语教学质量著称，在教学资源及学习数据方面积累了一定优势。我们希望通过应用人工智能技术，进一步巩固、升级我们已有的教学品质优势。

“IBM的深度学习神经网络能够帮助我们把优秀英语口语教师的指导学习转变为一个人工智能辅助教学系统，最终我们希望能够减少老师的工作量，同时保证教学质量。”田野说。

IBM中国研究院认知交互技术总监秦勇

谈及与上海世外的合作，IBM中国研究院认知交互技术总监秦勇表示，人工智能应用有两个维度，一个是技术，一个是数据。IBM输出技术，上海世外在数据方面的优势是非常明显的。凭借双方的探索精神、科研精神，相信我们在合作方面会取得不俗的成绩。

“此次IBM与上海世外的合作，不仅是IBM人工智能在本地教育行业的首次落地，也将成为IBM人工智能与行业应用相结合的又一次成功实践。IBM人工智能在‘理解、推理、学习、互动’等方面具有完整的能力。今后，我们将充分发挥这些能力，从语音、视频和图像等多模态领域全面推进AI技术应用；并结合我们长期积累的行业经验，与上海世外一起探索个性化教育创新之路。”秦勇说。

目前，这一系统的建设正处于第一阶段。预计系统建成后，通过这一系统给出的口语水平综合评价与有经验的老师的评价相差无几。未来，IBM与上海世外希望在评测学生口语发音及韵律的基础上，探讨引入IBM Watson在“理解、推理、学习、互动”等方面的完整能力，打造多模态、多层次的个性化英语教学模式。结合学生的历史数据及学习曲线，新技术将能在英语学习的“听”、“说”、“读”、“写”等各个方面，为上海世外的学生提供随时随地的精准指导；并辅助该校教师构建场景化的口语教育方式，打造趣味性的英语学习环境，通过AI助手提高学生的学习兴趣；同时，进一步解决传统教学模式下师资不足和教学质量良莠不齐的问题。

人工智能技术落地教育行业，所谓百年大计，教育为本。教育行业的价值对于整个社会而言，其重要性不言而喻。IBM人工智能与上海世外的合作让我们看到了未来教育行业数字化转型的光明未来，期待这个合作产生更多的可以供行业借鉴的经验。
概括:迎接数字化转型，IBM联手上海世外推动人工智能落地。

9.
笔者对于IBM的接触，是从10年前公司分发的统一型号的IBM电脑开始的。当戴尔、惠普等其他电脑品牌纷纷推出外形颜色酷炫的PC，而我手里的IBM电脑，就完完全全如同郭士纳书里所写的那个样子，像是一只戴着枷锁跳舞的大象，沉重古板。

后来，乔帮主带领苹果iPhone进入我们的生活，而IBM正是苹果经典广告《1984》中那个在一个漆黑、阴森的大厅中，电视屏幕上那个声嘶力竭讲话的“老大哥”，下一秒就被身材健美、手握铁锤的女子砸的粉碎。总之，IBM看起来老态龙钟，英雄暮年。

事实真的如此吗？

1997 年 ，深蓝第一次击败人类，赢下国际象棋大师 Kasparov；

2011 年, Watson 第一次在智力竞赛节目《危险边缘》中击败人类冠军；

2015年，年度财报上第一次改为“IBM.....转型成为一家认知解决方案与云平台公司”；

2017年2月15日，位于德国慕尼黑的Waston物联网总部出现了公众目前。

这才是真实的IBM。

而近期在在拉斯维加斯举行的InterConnect大会上，IBM公司CEO罗睿兰宣布云服务将在IBM业务中占据更大比重，数据中心也将进一步扩容，并在中国成立新的数据中心，她还特别提到了前几天与中国企业万达的合作。

罗睿兰表示，云服务目前占IBM全部业务的17%。IBM希望为企业云业务提供有力帮助，而其服务的核心便在于Watson人工智能强大的认知能力。罗睿兰还提到了数据将是未来世界的第一天然资源，这些数据会改变人类做决策的方式，也是企业强盛的要点，企业应该把自己变成具有认知能力的公司，做好数据的控制、隔离化、价值最大化等。

自2000年以来，IBM完成了超过150次交易。除了内部自主研发之外，投资和并购无疑是加速发展的利器，收购转变了企业经营的方向，使其发展更高价值、更高利润技术和更多市场机会。IBM力图实现并购项目和企业战略有力持续的结合，将公司长期积累的交易经验与战略决策联系起来。针对每一个可能的并购项目，IBM都会提出三个重要问题：

一、该并购项目会依赖于或拓展IBM已具备的一项能力吗？

二、具备可挖掘延伸的知识产权吗？

三、能借助公司平台优势进入170个国家吗？

我们复盘了过去五年当中IBM投资并购50家公司的路径选择，围绕云计算、智慧地球、商业智能和数据分析、服务器和网络存储优化、企业治理合规与安全、人工智能这六大方向展开。

大家随意感受一下，下面这张图片这个就是传说中投了2亿美刀的IBM慕尼黑物联网总部，拥有15,000平方米超大空间，容纳超过1,000名员工，气势磅礴。

在IBM的眼里，未来的物联网世界是这样展开的。

而在研究机构的眼中，IBM显然拥有高大强壮的形象。2016年11月，IBM被研究机构Forrester评为物联网咨询与系统集成服务的领军企业。

总体上来说，IBM的物联网总部推出了包括物联网与区块链、安全解决方案与服务、自然语言接口、认知工具包等产品，涵盖了软硬件的传感连接、数据分析、集成应用。

2016年

IRIS Analytics：2007年在德国的科布伦兹成立，一家利用机器智能帮助银行实时交易监测冒用信用卡行为的德国公司。该公司开发成品反欺诈解决方案，包括能够支持多种电子支付渠道实时欺诈评分的一个平台，能够支持的电子支付渠道包括信用卡和借记卡、预付卡以及在线或者手机支付。

收购理由：收购将增强IBM的分析和反欺诈技术力量。随着转向芯片-PIN以及非接触式支付方式，电子支付欺诈和绕过安全措施的方法会越来越多。转向新型支付技术的企业需要能够监测并且抗击欺诈行为，而且要从欺诈行为发生的时候就开始，所以能够提供实时支付模式分析的企业被证明是非常有价值的。

Ustream：于2007年成立于旧金山，该公司在圣何塞、阿姆斯特丹和东京拥有数据中心。原先每月为8000多万观众提供视频直播和视频点播服务。2008年美国总统竞选期间，几乎所有的候选人都使用过Ustream回答支持者的问题。 Ustream拥有众多客户，包括NASA、三星电子、Facebook、耐克以及Discovery探索频道， NASA TV（美国国家航天局电视台）和BusinessBlueprint.com，一个24小时播放的商业频道。

收购理由：形成包括Ustream、ClearLeap（视频内容管理）、Cleversafe（视频存储服务），以及Aspera（大型文件的转移工具）在内的企业级“云视频服务业务”。关注流媒体技术和视频服务的公司赛道的玩家还包括Qik的Skype、Twitch的亚马逊、YouTube Connect的谷歌、Periscope的Twitter、Facebook Live 的facebook。

Resource/Ammirati：数字营销与创意机构，在哥伦布、芝加哥和纽约办事处的300多名员工,服务客户包括维多利亚的秘密、沃尔玛、宝洁、雀巢等，满足客户在快速增长数字化市场中的服务需求。

收购理由：增强IBM的设计和数字体验能力,

Aperto：德国柏林的数字化营销和新型服务，典型客户包括空客、大众和西门子，这些客户已经在网站和应用开发，以及大型数字战略项目领域使用Aperto服务。

收购理由：有利于帮助IBM 进一步加强与欧洲大型企业客户的关系。

Ecx.io：总部位于德国杜塞尔多夫的数字机构， 欧洲为数不多专注于为三家领先的商务和客户平台软件提供商（Adobe、Sitecore和SAPhybris）提供服务的企业之一，拥有200名专注于设计和实施商务与数字营销服务的员工。客户将从这些能力以及IBM在战略、分析、云和认知业务领域的深层知识中获益。

收购理由：旨在扩张IBM的设计和数字业务。

Truven Health Analytics：一家位于密歇根州安娜堡的医疗保健数据与分析服务提供商，原先拥有2500名雇员，其中包括有数据科学家、研究人员以及各类专家等；服务8500家客户，其中包括美国联邦政府和州政府机构、雇主、医保、医院等，以及3亿病人数据。

收购理由：交易将有助于降低整体医疗成本，帮助其改善医疗护理水平，同时也有助于提高运营效率。投资数据技术，尤其是对Watson Health业务，对于IBM来说有着重要的占率意义。众所周知，Watson深度学习技术利用机器学习算法为客户提供预测分析服务，而只有拥有更多、更全面的数据，这种算法才能更好地突出自己的优势。

Resilient Systems：2010年成立于麻省剑桥，员工超过100名，通过帮助私人和政府客户预防、发现和缓解网络漏洞，已经成为事件响应领域的领先者。

收购理由：安全是市场期待能够将这家公司带入更好的增长路径的领域之一，IBM扩大其在事件响应市场的份额。

Optevia：一家CRM SaaS厂商，作为英国政府G-Cloud项目的成员之一，高调宣称其属于英国的公共事业部门，其客户涵盖应急服务机构、白金汉宫部委以及各地区政府、监管部门、交通运输主管部门、卫生与住房机构。曾参与过的项目包括司法部国家征税团队的Dynamics CRM业务迁以及2014年为萨里郡消防与救援服务机构开发出一套社区风险信息系统（简称CRIS），并将此作为Dynamics推广工作的组成部分。

收购理由：交易将帮助其巩固自身作为SaaS供应商以及全球软件集成商的优势地位。IBM公司欧洲公共事业业务负责人JoannaDavinson在一份声明中指出：“通过收购Optevia，IBM公司将能够为公共事业客户与潜在客户提供一系列独特且具备行业针对性的CRM解决方案。”

Bluewolf Group LLC：全球领先的云咨询和执行服务公司，创办于2000年,原先在全世界拥有12家工作室，其中在美国、欧洲和澳洲拥有超过500名员工，是Salesforce的长期合作伙伴。已经帮助Salesforce交付完成超过9500个大大小小的客户咨询项目。

收购理由：整合至IBM互动体验业务部(iX)，与现有班底一起开展设计、分析与移动工作，助力他们改善客户关系，以便给正在部署创新型Salesforce解决方案的客户提供更加深入的咨询支持。Bluewolf将与IBM齐心协力，共同巩固IBM在分析、设计与行业咨询领域的领导地位，借助这家全球领先的Salesforce咨询服务公司，IBM将通过云服务来提供与众不同的消费体验。

EZSource：2003年成立于以色列，以自有视觉面板产品闻名，该公司的产品能够帮助开发人员将重要的大型机应用程序现代化。全球68%的生产力IT系统仍然运行于大型主机，这些系统每天处理300亿宗交易，其中涵盖了大部分信用卡和银行交易以及股票交易。而通过EZSource图形展示构成主机应用程序的数百万行代码中出现的变化，这让整个更新过程变得更加高效，也更加安全。该公司在以色列、英国、美国、瑞士、日本和罗马尼亚设有办事处，该公司现有的客户名单包括ING Life、Maybank和7-Eleven。

收购理由：将EZSource的技术增加到其API管理解决方案之中，包括z/OS Connect和IBM API，这样做的最终目标是帮助开发人员跨越大型机系统和更新的移动、云、社交和认知工作负载之间的鸿沟。

Promontory Financial Group：一家全球咨询运营公司，成立于 2001 年，主营业务包括战略、风险管理、监管合规，目标是帮助银行管理金融领域日益增加的监管和风险管理要求。在北美洲、欧洲、中东和亚太地区共有 600 名专业咨询师。官方宣称这些咨询师此前均以中高层管理者身份就职于监管机构、金融组织或财富 100 强企业。主要客户包括花旗集团、美国银行、摩根士丹利。

收购理由：2015 年产出了 20000 种新的监管需求，完整的法规目录预计在 2020 年将会超过 3 亿页，这些数量远远超过了人类本身能够处理的信息量。在 08 年金融危机之后自 2013 年底这段时间内，美国新颁布的监管法规已经让六家最大规模的银行花费了 702 亿美元。Promontory 的加入可以让 IBM Watson 代替人类，为这些金融机构提供服务，减少不必要的开销。基于这些因素，IBM利用这次收购创建了一个新的子公司，名为Watson FinancialServices，开发认知工具用于像追踪监管义务、金融风险建模、监控、反洗钱检测系统等。这样看起来，它不只是一家提供金融服务的公司，相反更像一家大数据科技公司，恰好有金融业务。

Sanovi Technologies：成立于2003年，总部设在印度班加罗尔，为企业数据提供混合云恢复、云迁移及业务连续性软件和云基础架构，在美国、中东和亚洲运营业务。IBM管理了全球68个国家的46个云数据中心及超300个全球数据传送中心。

收购理由：通过将这些功能结合高级分析技术，更好地支持IBM增强软件定义灾备策略，并为正在经历数字及混合云转型的客户提供业务连续性和灾难恢复服务。通过Sanovi的软件，IBM将进一步支持客户在前所未有的行业变革面前重新定义灾难恢复战略。通过将Sanovi编排技术添加到IBM现有的灾备系列产品中而构建的解决方案，可帮助简化并自动执行灾难恢复过程、管理恢复工作流、缩短恢复时间、降低运行成本并加快灾难恢复的深入测试速度。专业灾备人员可从中央仪表板自动运行并逐个按应用程序、服务器或数据库来监控其灾难恢复环境中的恢复点和时间目标，从而实现业务驱动的恢复目标。

2015年

Alchemy API：成立于2005年，总部位于丹佛，原先拥有18名全职员工。AlchemyAPI销售的软件，具有深度学习的自然语言处理和图片识别技术，可利用人工智能分析，能够按照大企业、网站发行商以及广告主用搜集和发现有用文本和非结构数据的方式来搜集和分析相应的文本信息与数据，包括Twitter贴子和新闻文章，以及各种网站图片、文字信息以及其它各种类型的数据。它还将同Google一样的神经网络分析技术应用其中。

收购理由：IBM将把AlchemyAPI的深度学习技术整合到Watson核心平台，增强Watson挖掘非结构化数据并识别出它们之间联系的能力。简言之，IBM希望Watson未来能够阅读并学习医疗保健，法律，保险等领域的知识，具备回答该领域问题的能力。AlchemyAPI的加入也能让IBM大规模的增加其智能计算（cognitive computing）的API，包括文本和视觉识别、自动监测、打标签和从图像数据提取重要信息等功能。此前AlchemyAPI每月会收到数十亿次API调用，与Google、Facebook及LinkedIn在一个量级。原先AlchemyAPI 平台上的近4万名开发者也自然进入Watson的开发者社区。

Blekko：成立于2007年，一家做垂直搜索引擎的初创企业，其目标是让搜索结果中只显示有用、值得信赖的网站，将Web搜索上的垃圾信息清理掉，用户可通过斜杠和标签进行搜索过滤，控制希望看到的网站搜索结果。此外，Blekko还开发了垃圾网站识别算法，可以自动发现经常产生垃圾内容的网站，然后在搜索结果中将其屏蔽，并在很早的时候就推出了自己的移动客户端。

收购理由：Blekko的Web抓取、分类及智能过滤技术可为Watson提供更多的源源不断的有用知识源，从而丰富和深化Watson认知计算的能力。对Blekko的技术收购则是IBM为其人工智能引擎Watson增强能力努力的一部分。

Explorys：成立于2009年，原本是克利夫兰诊所(Cleveland Clinic)的一款数据服务产品，开发了全美最大的医疗保健数据库，该数据库的数据源于各类金融、运营及医疗记录资源系统，包括克利夫兰诊所、天主教圣若瑟卫生系统、MedStar健康公司以及医疗保健合作伙伴等，基于云的医疗数据管理平台，为医务人员提供临床、财务和运营等方面的数据管理。原先已经拥有美国地区患者多达5000万个医疗记录。

收购理由： 有利于IBM把先进的分析和认知计算技术运用于初级保健提供商、大型医院系统和医生网 络中，提高医疗保健的质量和治疗效果。

Phytel：总部位于达拉斯，备对多种健康数据进行分析、对后续治疗进行预测等云计算功能，可以为沃森健康项目提供医疗服务，包括对医患需求的反馈等。该公司也拥有5千万份美国病患的医疗记录。

收购理由：有利于IBM把先进的分析和认知计算技术运用于初级保健提供商、大型医院系统和医生网络中，提高医疗保健的质量和治疗效果。

Bluebox：位于西雅图，拥有12年历史的私有云服务提供商，致力为用户提供一个简单的私有云平台，IBM公司希望这将帮助其更快且更为简便地部署基于OpenStack的服务。原先大概有 300 家组织在使用 Blue Box 的私有云, 包括Global media conglomerate Viacom 和 healthcaretechnology company BioIQ。

收购理由：能够帮助企业把基于云的应用及内部系统快速集成到基于OpenStack的托管云中，并增强IBM Cloud现有OpenStack系列产品。IBM可以通过远程托管式的OpenStack解决方案，为客户提供本地云并同时提高其可视性、控制力和安全性。

Compose：成立于2010年，总部位于加利弗尼亚州的圣马特奥市，YC孵化的创业公司，最早的名字是MongoHQ，为企业用户管理MongoDB、PostgreSQL、Elasticsearch、Redis、RethinkDB、etcd、RabbitMQ等七种最流行开源数据库的服务商。为用户提供的增值服务包括：由专家负责的24x7全天候数据库监控与管理、数据库的容器化及部署、不间断和无故障的数据库服务、不同数据库之间的数据迁移等。已经为数千家企业用户创建和管理了超过十万个数据库，这些客户来自于零售、物联网、高等教育、营销服务和电子商务等多个行业。

收购理由：Compose为IBM提供了一套增强框架，可向开发人员提供期待已久的生产就绪型云数据库服务。IBM的容器化数据服务理念将进一步催生新型云数据服务。

Merge Healthcare：总部位于芝加哥的全球医疗影像先锋企业，专门研究存储、查看和共享医学图像的软件。它使用存档图像的权限大小因客户要求和州及联邦的医疗隐私法规而异。该公司称其技术被美国的7500多个医疗保健网站所使用。

收购理由：将来自Merge Healthcare医疗成像管理平台的数据和图像与旗下沃森计算平台的图像分析业务相整合。IBM增强了自身收集并传播影像的能力，而这正是通过机器学习诊断疾病的重要一步。影像都是非结构化的，而IBM通过Watson Health开发的技术会给各个医疗实践领域都带来好处——心脏病学、肿瘤学、眼科、骨科，这仅仅是几个例子——通过使用Watson认知计算的能力都可以获益。

StrongLoop：总部位于圣马特奥为基地的初创企业，其主要业务是利用开源JavaScript编程语言Node.js为企业构建应用程序开发软件。

收购理由：StrongLoop 的产品可以帮助企业开发出基于移动和云端的应用，这些应用可以通过 API 相互连接，同时可以处理在移动、网页和物联网应用之间传输的大量数据。

MeteorixLLC：一个专门为工作提供咨询服务的基于云计算的财务和人力资源软件的公司。公司拥有超过200的注册顾问，其成功的交付记录是复杂的，拥有高附加值的，并且跨国跨广泛的行业，成为了领导者和创新者。

收购理由：收购的主要功能是帮助公司重新整合财务和人力资源管理服务，提升核心竞争力。

Cleversafe：创立于2014年，总部在芝加哥，拥有超过200名员工以及350项专利，主要用于本地对象技术，使其能够扩展到存储多PB数据和数十亿对象。公司声称有几个 100PB以上容量的客户还有一个接近1,000PB即1EB。IDC对象存储市场的两大领导者厂商之一。

收购理由：Cleversafe与IBM云业务进行集成，形成基础设施即服务(IaaS云)，以帮助IBM更好地给客户提供混合动力解决方案、混合存储方案、结构化和非结构化数据管理方案等服务。

Weather Co‘s：全球最大的商业气象公司，1982年成立于亚特兰大，对全球的动态天气地图进行绘制，海量的数据吞吐意味在未来每秒收集超过4GB的数据，每天通过电视、网络、移动终端和平板电脑，为数百万人群提供世界上最好的气象预报、内容和数据，与用户的交互次数高达300亿次。

收购理由：核心构想是把天气数据和预测信息，同IBM的云计算技术和分析结合在一起，然后向各个产业出售天气数据和业务解决方案。

Gravitant： 一家混合云管理软件开发公司，创建于2004年，总部位于德克萨斯州奥斯汀，在印度普纳和班加罗尔运营业务。Gravitant所提供的技术允许企业从多家混合云服务供应商那里购买和管理软件及计算服务，这种软件和服务管理的主要吸引力在于，私人云和公共云的混合环境将可得到整合，并允许企业以数字方式对其进行一体化管理。利用Gravitant解决方案，无论IT经理或是授权员工，都可以通过单一中央控制台来查看收购买不同供应商的计算及软件服务，并同时对不同的产品进行功能及价格的对比。这种单一管理控制台可使企业的管理可视化，同时能够帮助企业提高其管理效率。

收购理由：将Gravitant的软件功能整合到IBM的全球信息科技服务部，以强化其混合云和企业服务。Gravitant的技术可让企业规划、购买和管理来自多家不同的供应商的软件和计算服务，部署混合云。

Clearleap：一个可以安全地提供海量视频库的技术平台，2008年成立于年格鲁吉亚，该平台能够把海量视频发送到传统的电视和多种屏幕设备。Clearleap针对大规模可扩展性进行了优化，能使内容商在几秒内增加并支持数百万并发用户。Clearleap将集成到其云平台为中，为企业提供一个快速和容易的方法来管理、优化和增强用户的视频体验。

收购理由：IBM期望给客户的更好的加强视频在企业战略中的重要作用，因为现在视频相关的服务在企业中越来越具有重要地位。

Silverpop：一家数字营销技术提供商，它提供电子邮件营销和市场营销自动化解决方案。成立于1999年，总部位于佐治亚州亚特兰大市，它在美国，欧洲和澳大利亚设有办事处。Silverpop赋予营销人员基于云的能力，帮助他们交付适用于各种规模企业的个性化客户互动解决方案。自动化平台降低了全渠道营销的复杂性，使得与每个客户的实时个性化互动变得更加容易。通过提供深入的客户洞察和直观的互动引擎，能为客户提供卓越的全程品牌体验。

收购理由：能够扩展IBM在企业级和消费级营销自动化领域的领先地位。通过此次收购，现在世界各地共有8000多家企业使用IBM的企业营销管理工具。拓展了IBM的SaaS产品组合，这些产品无需深入的专业知识即可快速部署，加快企业实现价值。

2014年

Cloudant：位于波士顿，提供托管版本的Apache CouchDB开源软件数据存储。该公司自己版本的数据库软件名为“BigCouch”，能够在多台服务器上运行，为前台应用提供一种建立和维护海量数据和快速数据存储的方法。Cloudant的DBaaS可以充分利用云的可用性、灵活性和覆盖面来创建一个全球数据传输网络，使应用程序的规模更大，让用户无论身在何处都能随时获取数据。游戏、服务、制造业、在线教育、零售和健康医疗等行业的公司都使用Cloudant服务。

收购理由：收购案有助于夯实IBM在云计算领域的基础

Cross Ideas：意大利云安全厂商，成立于2011年，主要提供安全工具软件，通过身份控制进行企业合规管理，并对云端及内部系统数据、应用访问提供授权。

收购理由：有助于IBM客户在商务活动中减少欺诈风险、责任冲突以及人为错误。IBM将把其添加到自己的身份和访问管理投资组合当中，对于IBM在金融、制造以及其他行业用户十分有益，同时将使蓝色巨人安全服务组合实力进一步增强。

Lighthouse Security Group：成立于 2007 年，总部位于美国罗德岛州，主要面向企业客户提供基于云计算技术的身份管理服务，服务客户包括金融服务、医疗保健、零售、制造、高等教育领域的公司及美国国防部机构。该公司的工程起源于IBM和洛克希德马丁这两大国防承包商。

收购理由：通过整合这些身份和访问安全管理系统，IBM将提供一整套安全软件和服务，以防止在企业级别上身份信息盗窃。

Cognea人工智能：成立于2005年，是一家开发计算思维和人工智能对话平台的初创公司。该公司可以让计算机设备具有一定的“个性”，并且能够通过对话和人类互通。公司两款主要产品分别是高智商虚拟助手MyCyberTwin以及Cognea虚拟助手，二者“能够处理复杂的任务，保持心情愉悦，会说多种语言，24小时待命。该公司还声称企业们利用它的技术创造了4万个聊天机器人。从该公司的天使投资页面来看，NASA、惠普、Start Farm都是他们的客户。

收购理由：该收购将进一步推进IBM使得沃森成为面向企业、创业公司和大学的开发平台的计划。

2013年

Star Analytics：位于美国加州雷德伍德城，是一家制作自助商务分析软件的私营企业。Star Analytics的软件自动集成整个企业内部或者云计算环境中的重要信息、报告应用等。

收购理由：整合了Star Analytics的软件后，IBM的商业分析软件业务将得到进一步发展，它的客户们将能够轻松访问保存在他们的应用软件中的财务信息，让他们可以更迅速地做出更明智的决定，为客户们提供大量的商业分析解决方案。Star Analytics的软件可以解决许多企业和组织面临的一个越来越大的难题，即帮助它们在本地或云计算环境下自动将分布在企业各个角落的基本信息、各种报告应用和商业分析工具整合在一起。有了那些软件，企业客户就不用再使用那些难以维护的专用信息源提供的定制软件，也可以省掉很多耗时费劲地人工操作。

UrbanCodeDevOps：总部位于克利夫兰市，它可以自动发送软件，帮助企业用户迅速升级和发布移动、社交、大数据和云应用。利用UrbanCode的技术，企业用户可以大幅减少软件升级或推广新应用的时间。

收购理由：IBM希望让开发和运营团队合作，以更快地设计和部署软件。找到方法来减少开发流程的费用，尤其是移动和云应用，希望藉此与创业公司展开更好的竞争。

Softlayer：全球最大的云计算服务公司之一，成立于2005年，总部设在美国德克萨斯州达拉斯。SoftLayer通过全球各地数量不断增加的数据中心和网络接驳点，提供“云基础架构即服务”，一个平台即可获取全球具备最广泛云计算选项的数据中心，然后集成一切内容并使之自动化。SoftLayer的产品和服务包括裸机服务器和虚拟服务器、网络、现成可用的大数据解决方案，以及私有云解决方案等。公司独特的优势包括业内首个“网中网”拓扑，可进行真正的频带外访问，还包括易于使用的客户门户网站和强大的API，使用户能够对所有产品和服务管理选项进行完整的远程访问。

收购理由：交易则在很大程度上提升IBM提供云计算服务的能力，主要通过IBM自己的数据中心远程提供给用户，即“公云”模式。

Daeja Image System：总部位于英国米尔顿凯恩斯，一家可以简化非结构化数据的软件制造商，可以给用户提供横跨所有行业的数据处理，特别是数据密集型的产业，例如银行、保险、医疗等行业。

收购理由：Daeja软件的交互式功能，弥补了IBM对于图形、文档进行注释和隐藏，保护敏感数据的功能。Daeja技术可以更方面的查看大型文件。由于非结构化业务数据呈现指数级的增长，企业用户不仅需要接收信息，更需要利用信息，给客户带来更好的用户体验，通过分析用户每天的工作内容，专业人士提供相应的帮助，解决用户产生的问题，使用户可以更为高效的完成任务。

Trusteer：成立于2006年，是一家领先的软件提供商，主要帮助企业打击金融欺诈和其他互联网安全威胁。Trusteer在特拉维夫和波士顿设有办事处，客户主要是美国、加拿大和澳大利亚的一些银行组织。软件可以识别出传统安全软件所无法识别的安全威胁。例如，可以确保银行客户在移动设备上安全转账。它可以检测到感染智能手机的恶意软件，允许银行在交易发生前阻止金融欺诈行为。当前，美国前10大银行中的7家，以及英国前10大银行中的9家都在使用Trusteer的软件。

收购理由：收购Trusteer首先是为了增强自家的云服务。此外，Trusteer安全方案对IBM的SaaS（软件及服务）产品，以及i2、QRadar、SPSS、InfoSphere和Enterprise Content Management等防欺诈软件和服务组合，也是个很好的补充。此外，IBM还透露，将在以色列建立名为“IBM网络安全软件实验室（Cybersecurity Software Lab）”的安全实验室，调派200名IBM和Trusteer员工前往。该实验室从事软件安全领域，特别是移动和应用安全、恶意软件、反诈骗和金融犯罪方面的研究和开发工作。

The Now factory：总部位于爱尔兰都柏林，公司的分析软件详细分析订购者如何使用包括移动应用在内的云技术以及用户是如何与这些技术进行互动。

收购理由：The Now Factory的软件通过提高大数据解决方案的速度、部署和实施，增强IBM的大数据和分析产品组合，让通信服务提供商更好地为他们的客户服务。

Xtify：成立于2009年，一家移动通讯工具提供商，能够向客户推送通知。Xtify做的事和其他移动消息推送服务商如Urban Airship类似，它支持原生应用消息推送、SMS和Web推送，解决方案覆盖iOS、Android和BlackBerry等平台。主打特色是个性化精准营销，它可依据不同用户位置 (包括其历史位置)、CRM中的不同标签组等要素来实现精准化推送，并可设定定时推送以及计划推送频次和周期。

收购理由：将帮助IBM通过云服务将其移动能力扩展到各个行业的数字营销者。Xtify将把IBM的智能商务（SmarterCommerce）计划扩展到所有的设备和浏览器。Xtify基于云的促销管理平台将通知用户新的内容和促销活动，帮助商家加深与客户的联系。

Fiberlink Communications：是一家移动设备管理（MDM）解决方案提供商，提供品牌为 MaaS360 的基于云的 MDM 解决方案。MaaS360 可提供移动设备管理、应用管理及集装化（即将工作数据与应用与个人的数据及应用隔离）等功能。Fiberlink 原先已经拥有约 400 名员工，在银行、医疗保健及制造业等拥有月 3500 名客户，其中不乏壳牌、沃达丰及万事达这些大品牌。

收购理由：IBM 打算将 MaaS360 作为服务放进其 SoftLayer 云基础设施中，但同时也将提供本地版的解决方案。IBM的这一系列动作无疑可以强化其提供企业移动应用及服务管理解决方案的整体能力—包括自带设备（BYOD）管理、移动交易的保护、以及与商业智能处理的安全无缝融合等。

Aspera：位于加州埃默里维尔市,Aspera帮助企业安全、快速的传输海量数据文件到世界各地。Aspera专利FASP技术克服了固有的宽带广域网络瓶颈，该瓶颈阻碍了远距离大文件传输——比如高清晰度视频或科研文件。无论是在云中或者是基于云的授权用户和合作伙伴 ，Aspera的高速传输技术可以使大文件或数据集的传输时间减少99.9％，可以使一个24G的文件传输从原来的26小时消减到30秒。Asperad的客户主要面向领域包括有生命科学、媒体企业和游戏产业等，比如视频服务商，如Netflix和环球影业等。

收购理由：IBM收购Aspera的目的是为了获得Aspera的大型数据传输技术，推进其大数据的发展战略。IBM表示，通过Aspera的技术，客户将能轻松实现把数据复制到IBM的云服务中。

2012年

Green Hat：成立于1996年，是一家以伦敦和特拉华州威尔明顿市（Wilmington）为基地的云测试软件生产厂商。公司提供一个虚拟测试平台，允许开发团队测试应用程序，不需要建立多种物理实验室，从而节省时间和资金。智能手机和平板电脑的兴起需要更快的开发周期，从而是开发者需要更快的速度和灵活性。服务客户包括英国航空公司、H&M、T-Mobile、JP摩根、高盛投资集团以及维珍移动等众多国际著名企业。

收购理由：助蓝色巨人大大降低其企业客户的软件开发成本、测试周期以及相关的风险。

Worklight：一家专注于智能手机和平板电脑技术的以色列软件公司。Worklight的软件能够加快把移动应用程序传递到多个设备的速度，实现安全地访问企业的信息技术系统。

收购理由：使用Worklight的软件，机构可以编写一个能够在任何设备上运行的移动应用程序。这些设备包括苹果的iPhone、RIM的黑莓手机和使用谷歌Android操作系统的手机。

Varicent Software：创立于2003年，Varicent的软件可以自动收集和分析企业财务、销售、人力资源和IT等部门的数据并形成报告，提高效率，揭示业务发展趋势和改善销售业绩。原先拥有180多家企业客户，包括喜达屋酒店、Covidien、Dex One、万宝盛华、赫兹租车、欧迪办公和Farmers等。

收购理由：IBM将把Varicent与其研发部门和它以前收购的一些业务整合在一起，包括Algorithmics、Clarity Systems、OpenPages、Cognos和SPSS等，提高IBM在商业分析和优化领域的实力。这些收购交易均为IBM专注于分析软件的宏大计划的部分内容，该计划涵盖了硬件、软件、服务和研发等众多领域。

Vivismo：这是一家致力于联合搜索和导航软件的供应商，特别擅长在海量数据源中搜集和得出优质信息，而无论那些信息是什么或是在何处。Vivisimo的软件可以自动发现数据并帮助员工利用一个视图来浏览那些信息，提供可用的分析，帮助企业更好地作出决策，解决营运问题。

收购理由：IBM的Vivismo的数据虚拟化和探索功能以及InfoSphereDataStage的集成功能，能够为企业提供更全面的大数据解决方案。

Tealesf Technology：一家领先的数字客户体验管理和客户行为分析解决方案供应商。公司提供了一整套客户体验管理软件，它可以分析网站和移动设备上的各种互动信息。企业首席信息官、电子商务和客户服务专业人士可以分析网站和移动设备设计的各种模式并解决问题，让营销服务更容易被消费者所接受。

收购理由：这项收购交易将为IBM的Smarter Commerce计划提供合格的分析软件，帮助企业用户通过网络设备和移动设备为 它们的客户提供最佳数字体验IBM的Smarter Commerce计划提供的软件和服务可以帮助企业转换业务流程，以便更快地对不断变化的客户需求做出反应。通过这项收购交易，Tealeaf将被整合到IBM的SmarterCommerce计划，具体是企业营销和管理业务部门。

Texas Memory Systems：位于休士顿，创建于1978年，原先大约100名员工，主要设计和销售固态存储解决方案，比如RamSan系列共享架装系统和PCIe存储卡。它的这些产品可以帮助企业改善系统性能和减轻数据中心里存在的各种问题，比如服务器蔓生、能耗、冷却和占地空间等。企业用户可以通过这些解决方案节约成本，提高性能，进而增加对创新的投资。

收购理由：收购德州记忆系统公司将扩大自己的存储供应。

Kenexa Corporation：总部位于宾夕亚尼亚州，是一家全球领先的人力资源解决方案供应商，致力于帮助客户提高人才招聘效率，提升员工生产率及留任率，改善管理决策能力等。Kenexa业务遍及全球21个国家，拥有约2800名员工。

收购理由：Kenexa的业务将与IBM当前的社交业务和人力资源服务形成互补，收购Kenexa将帮助IBM客户进一步拥抱社交业务，通过从社交网站所获得的大量信息来洞察行业趋势。

Butterfly Software：一家私营数据分析与迁移软件公司，总部位于英格兰的梅登黑德。据该公司网站介绍，其业务重点是降低维护老式存储以及备份与恢复环境的成本与风险。也就是说，该公司的软件能帮助企业整合数据并且为战略目的分析这些数据。

收购理由：曾作为IBM Tivoli存储管理器产品线的配套产品提供者。IBM计划存储迁移和规划工具与IBM现有的存储硬件和软件一起应用于IT管理、分析和整合方面。

StoredIQ：一家总部设在美国德克萨斯州奥斯汀市的一家非结构化企业数据分析及管理公司，StoredIQ软件能够对不同的和分散的电子邮件以及文件共享和协作网站提供可伸缩的分析和治理。这些功能包括发现、分析、监视、保留、收集、删除重复和处理数据。此外，StoredIQ能够迅速分析大量的非结构化数据并且根据监管要求自动处理文件和电子邮件。StoredIQ之前拥有约120家客户，所在行业涵盖金融服务、医疗健康、政府部门及制造业。

收购理由：这项交易能促进IBM帮助客户从大数据中导出价值，更加有效地对司法诉讼和监管规定作出回应，以及自动处理信息。将StoredIQ加入IBM的大数据业务会给其客户带来更多工具，便于其管理海量信息。

时至今日，106岁的IBM，从 2015年底开始，正式转型成为一家认知解决方案和云平台公司，也是这样的转变让 IBM 变得更加务实，更懂得如何把前沿科技落地成为能赚钱的产品，这一点从 IBM 过去2年来的股价就能非常清楚的说明这一点。

截止IBM发布了该公司第2016年四季度财报，终于帮助“股神”巴菲特在2011年宣布开始建仓IBM股票，并一跃成为该公司第一大股东的伯克希尔-哈撒韦公司，由账面亏损20多亿美元转为盈利。或许在巴菲特眼中，IBM虽然是科技公司，但其地位就如可口可乐在饮料消费者心中的地位一样，处在该领域的绝对领导地位。

腾股创投是一家由前华为资深人士成立的早期风险投资公司。投资方向包括云计算SAAS与大数据、物联网、人工智能、机器人。投资阶段天使类、Pre-A。
概括:五年50起并购，股价持续上扬，复盘IBM的物联网进化之路。

10.
雷锋网按：近日，IBM公司在北京举行了主题为“天工开物，人机同行”的2017 IBM中国论坛，大会中IBM展示了与国内传统机构在电子、能源、教育、汽车、医药、高性能材料及相关服务等行业或领域的合作。

在电子业，中国智能识别领域软硬一体化解决方案提供商神思电子采用IBM Watson Explorer（WEX），基于分析、推理、自然语言理解能力，在金融和医疗这两个长期服务的行业进行“智能客服”、“实体服务机器人”和“自助设备智能升级”等AI方案的尝试，改造服务流程，降低人力成本。

在能源领域，隆基泰和与IBM共同合作，借助Watson，构建综合能源云平台，为工业商业企业构建客户能耗视图，从而完成对高耗能企业用能预测及能效水平进行分析。

在教育领域，IBM为上海世外教育集团下属的上海、杭州、宁波等地的世界外国语中、小学打造了基于IBM人工智能的“儿童英语口语辨识及评价系统”，该系统将帮助6-15岁的学生学习英语，它也是IBM人工智能在本地教育行业的首次落地。未来，IBM与上海世外希望在评测学生口语发音及韵律的基础上，探讨引入IBM Watson在“理解、推理、学习、互动”等方面的完整能力，打造更多个性化英语教学模式。

在服务领域，禾嘉股份有限公司与IBM共同推出了基于区块链的医药采购供应链金融服务平台，提高供应链金融的安全性、透明性和可操作性。该平台名为易见区块链技术应用系统，是使用超级账本Fabric的许可区块链平台，目前已投入生产，由禾嘉与包括一家药商、医院以及银行在内的多个参与方进行商业交易。

在精细化工行业，专注于医药健康、生命科学和高性能材料三大领域的科技公司默克，利用IBMIoT技术打造智能物流与智能工厂，对于需要妥善储存和运输产品的钢瓶实现智能化管理。通过钢瓶传感器数据收集与分析，IBM帮助默克实施监测和管理厂内或运输途中的钢瓶的数量、位置和温度，以保证空钢瓶及时回收；与此同时，针对钢瓶的使用和返回情况，计算未来的库存情况，实现钢瓶的自动监控及全程追踪。

在汽车业，针对一汽-大众佛山工厂，一汽-大众将采纳IBM领先的大数据、云计算、认知计算等技术，打造佛山创新中心，在制造、社区、办公、物流和可视化管理五个领域利用AI相关技术进行升级。

雷锋网 (公众号：雷锋网) 了解到，除了上述的大型合作商业案例外。目前IBM Watson系统已经进入了法律、医疗、教育、金融，零售，服装设计等60多个职业领域。如协助医生完成海量文献资料检索分析与医学影像判断分析工作；帮助律师研读大量的法律案例与文书，并对特定使用者的法律提问进行自然语意分析，提供“给出最适合的法律意见”的人工智能服务；以及广告精准投放。帮助时尚设计师通过对文本、图像、社交数据的识别和分析，及时掌握最新流行趋势，在面料、纹理、廓形和颜色等方面找到新的组合等等。

后续雷锋网将会对上述提到的部分传统企业如何应用 AI 技术与产品，进行更加深入的采访和报道。

雷锋网版权文章，未经授权禁止转载。详情见 转载须知 。
概括:IBM人工智能技术商业化落地现状:目前已渗透到60个职业领域。

11.
对宋煜的采访是在2017年3月18日，CSDN与IBM合办的IBM Power马拉松大赛现场，宋煜作为大赛评委与参赛选手度过了紧张而又充实的12小时。

宋煜，IBM中国系统实验室高性能计算部门开发部经理。有丰富的高性能集群调优和算法方面的经验。曾经开发过针对WRF天气系统运算模型预测的机器学习软件。同时是开源实时物体检测框架项目eyes的发起人。该项目是一个基于深度学习的C语言为基础的物体检测框架。目前领导中国的团队开发并行化的深度学习平台BlueMind的开发工作。

CSDN：宋煜老师您好，首先请您介绍一下您和您团队正在做的事情。

宋煜：我们团队在做分布式的深度学习平台，前段时间我们和CSDN合作过一个Blue Mind的公开课，BlueMind是我们目前在做的一个比较大的产品。我们做Blue Mind的初衷是，我们发现现在很多科研机构、企业、个人都在做框架，或者利用框架来学习，但说实话，深度学习目前门槛还是比较高的。 准确率、集群训练的效率等，这些都是门槛所在。我们是想要降低这个门槛，这就是目前的关注重点。

CSDN：人工智能也火了有一两年了，您觉得现在人工智能领域的市场现状是什么样的？目前遇到了哪些具体的痛点？

宋煜：人工智能大概已经有三四十年的历史了。我们今天所说的RNN、CNN其实都不是新东西。随着计算力的发展，尤其是GPU的发展，深度学习又向前迈了一大步。 从2012年开始人工智能有较大的突破，Alex Net在ImageNet竞赛中一举击败了传统的模式识别方式，AlexNet此后也得到了长足的发展。

在2012年以前，人工智能经历过三次起落。现在的人工智能热可以说是处在波峰。但这次和以往不同，我觉得这次离现实应用更近了，特别是在图像和声音领域。在自然语言处理以及情感分析上我们还有一些路要走，但我觉得未来人工智能一定是呈上升发展的状态。

这过程中肯定会有波折，比如在数学层面上，我们目前利用概率来解决大多数问题，或许概率不能解决所有问题，那就需要有一些新的方法出来。不过，我觉得未来大的方向一定会大量通过人工智能解决现在工业生产生活中的大部分问题。

不管怎么说，深度学习的确是离实际应用更近了，现在不管是自动驾驶也好、基于深度学习的安防也好、制造业的产品检测也好，我们已经看到很多实际应用的出现，未来会有更多，这是趋势。并且，我们能看到很多传统行业也已经开始使用人工智能，这是市场越来越大的一个标志。

CSDN：您刚才提到了GPU的发展为人工智能带来了革命性的改变，那么CPU+GPU这种合作模式，为什么能改变以往不能解决的问题？

宋煜：其实CPU+GPU这种模式很大程度上还是依赖GPU的发展，因为真正的训练工作都是在GPU上进行，那么CPU的作用在哪里？实际上不管是并行化训练还是训练过程中的一些迭代情况，CPU都要参与一部分的工作。 当然现在也有很多GPU to GPU的方式，之所以大家不选GPU to CPU，更多地是在考虑带宽的问题。

我们这次大赛使用的IBMPower8+NvidiaP100的架构，因为我们的Nvlink可以在CPU-GPU的通信中也提供GPU to GPU一样的带宽，那么在这种情况下我们就有了更多的发挥余地。比如Power AI的frame work里有一套IBMCaffe，我们有一项专利技术在里面，我们可以在Gradient的计算过程中，将一部分层通过GPU到CPU的通道直接返回回来，而不用等到GPU计算完整的Gradient后，才做一次数据交换。

相比于计算完全部层的Gradient再做Reduce操作的方式，这样的方式大大减少了等待时间，减少了延时。实际上在整个性能上会比在BVLC的标准的Caffe上的训练的GPUtoGPU的方式要快15%到20%。特别是模型越大，这个优势就越明显，而模型大也是现在一个发展的趋势。 随着模型层数越来越多，GPU加CPU的优势会越明显。GPU+CPU肯定是一种很好的编程模型，会在整个人工智能领域有一个很长足的发展。

CSDN：IBM在AI领域未来会有哪些布局？

宋煜：这个问题相对比较大一点，大家都知道IBM在人工智能方面最主要的品牌是Watson。Watson更像是在人工智能领域里的一个完整的方案，它能提供天气、医疗、交通等各方面的分析和解决方案。用户不一定需要自己做神经网络的训练，通过调用Watson的接口就能够直接使用。同时我们考虑到有一些用户会有保密性相关的需求，可能想要有自己的专利的考虑， 那么对于这些用户，他们更希望我们提供一个平台，让他们在这个平台上去做个性化的设计，这就是Power Systems要解决的问题。

硬件加上Power AI的一套Frame work再加上Blue Mind软件，这一套方案结合起来使用户专注于他们自己的业务模型的训练分析。所以说IBM会有两个大的方向，对于行业来说我们有很多深度学习解决方案可以直接使用，如果用户想要自己做，也没问题，我们有也有一套完整的解决方案。

CSDN：现在倡导人工智能的企业还是有很多的，不管是BAT还是Google，那IBM在人工智能领域，跟其他巨头有哪些不一样的点呢？

宋煜：这个也是今年IBM CEO提到过的，我们做AI这件事的目的是为了改变世界，而不仅仅是为了做技术本身，也不是为了做算法本身。技术和算法是为了真正地让它应用到实际的行业领域里去。IBM在实际的行业领域里走的比其他公司更远一些，或者说做得更多一些。

Watson就是一个很典型的例子，Watson利用不同的Framework，不同的技术，不同的分析数据的方法来解决最终的问题。它会把深度学习的模式，机器学习的方法，甚至还有传统的模式识别的方式，把这些东西结合在一起，真正地、完整地解决行业问题。比如金融行业、医疗行业的问题。IBM在癌细胞方面的研究，就有很大的突破，识别率可能已经高于了专业医生的水准，这样Watson就可以辅助一些医院的医生做初步的诊断，那么患者在等待结果报告的时间将会缩短。 所以，IBM现在会更注重实际的行业应用。

CSDN：您刚才介绍了一下IBMWatson的行业案例，那Power8+GPU方面有没有一些具体的行业的案例可以跟我们分享？

宋煜：在金融机构合作中我们会做一些股指期货的预测，我们会根据短期交易预测未来的市场交易波动的可能性。不同的金融机构有自己的侧重点，这就涉及到个性化的部分，而且秒级的交易数据对每个公司来说很都很敏感，公司不会把数据拿出来。在这种情况下，他会愿意选择IBM的PowerSystems，这样他就可以在自己的私有集群上来做预测。我们帮他们做的是在他不确定模型的方向的时候去通过数学方法和集群的计算力搜索到一个更好的超参组合，帮助这个模型更快的收敛。

从效果角度来说，在某些情况下，我们用前四天的数据预测第二天的数据的准确率可以达到75%，这个比例已经很高了。当然这个离最后落地，真正地去做交易肯定还是有一定的距离，还有很多的事情要做，包括到底什么时候该买，什么时候不该买。收益率，赔率，回撤等，因为买卖是有延时性的，在策略上还有很多要做的事情。PowerSyetem、PowerAI、包括BlueMind协作起来，就是为了在帮助行业用户去解决实际问题。

CSDN：你刚才说在模型的使用上面为客户提供一些帮助，这个帮助是指IBM提供的技术支持人员？

宋煜： 我们为客户提供两方面的服务，一个是性能，包括硬件和软件性能；第二个是技术上的支持，但这个技术支持现在指的不只是人力支持。 人力支持是有限的，实际上我们是利用一些独有的数学算法，只要客户有足够的计算力，我们可以在尽量短的时间里帮客户找到一个最优解。这个推荐的最优解也许不是整个解空间里面真正的最优解，但是我们会通过一系列的数学方法来保证它是最优解或者靠近最优解分布空间的概率是最大的。用户再用这个最优解去做他的事情，会事半功倍。

CSDN：那最后一个问题，请您简单描述一下您眼中的人工智能的未来。

宋煜： 我觉得至少在接下来的二三十年，人工智能会处于一个上升的状态 ，我们生活中的很多事情也会发生变化。不管是在安全领域还是在金融领域。就像我刚才所说，75%的隔天预测率落地之后，就有可能会改变期货的交易模式。在制造业，在质量检测等方面也会大量地使用人工智能。

现在中国在提工业4.0，就是在做各种参数的标准化，一旦各种传感器以及检测技术的参数标准化之后，人工智能在数据的海洋里就会取得大量的信息，从而提升产品的质量控制。在交通行业，比如拥堵状况分析，现在都是靠人工来预测，很少有机器的参与。我们知道在北京有潮汐的路，在某一个高峰期协助进行路况疏导，目前这个设计还是按照早晚高峰的时间，是固定的。

可能在未来，在人工智能能够预测的时候，当有一些突发情况导致道路拥堵时但还没有引起连锁反应时，我们就能够提前采取措施。在金融领域，信用卡欺诈是大家很头疼的问题，我相信人工智能的介入也能够很好地辅助解决这个问题。因此我们说，未来二三十年，人工智能将给各个行业的工作模式带来极大的改变。
概括:IBM宋煜:未来23年，人工智能会处于上升状态。
12.
采用混合云战略部署工作负载的企业可以获得一些新的工具，帮助访问和管理数据所在的服务和应用程序的数据。

帮助企业混合私有云和公共云，从而创建统一的企业混合云战略是IBM公司多项新产品的核心。

IBM公司日前在其InterConnect 2017会议上发布了两个云管理工具：云自动化管理器(Cloud Automation Manager)和云产品洞察(IBM Cloud Product Insights)。两者都旨在提供对来自各种云服务和应用程序的数据的访问，无论数据位于何处，都可以在所有云环境中简化管理和可见性。

使用IBM的沃森技术，建议云自动化管理器应用在工作负载最佳的地方。建议云产品洞察应用在如何从工具和服务中获得最佳使用和成本。无论是公共云还是私有云，IT专业人员都希望在任何环境中运行工作负载最有意义。

调研机构IDC公司研究副总裁Mary Johnston Turner说：“有很多事情需要平衡，如今弄清楚哪些工作负载在哪里变得越来越复杂。”

挪威电力厂商Tussa公司的大部分数据都有本地的VMware环境。该公司的基础设施经理Vigleik Hustadnes表示，该电力公司已经开始使用Microsoft Azure公共云，并且已经开发了一个混合云战略来管理其数据中心的服务。

Hustadnes在IBM InterConnect活动中了解到这一工具后表示，云自动化管理器等工具可以帮助自动配置整个公司的VMware环境，Azure以及其他云端的基础架构。该工具还与Tussa最近部署的ServiceNow集成。

美国航空公司是另一家传统公司，拥有长期专用的内部部署基础架构，目前正在实施混合云战略。该公司副总裁丹Daniel Henry在IBM InterConnect活动中的主题演讲表示，航空公司已经开始将一些最关键的应用程序迁移到公共云端，包括网站，客户移动应用和信息应用程序，为客户和员工提供实时信息，并提高其应用交付速度。

IBM公司的混合云高级副总裁兼IBM Research总监Arvind Krishna表示，IBM仍然有大量的企业工作负载(估计占44%)将会保留在专用服务器上。对于许多企业来说，重构云计算应用程序具有太大的颠覆性。

为了解决这方面的问题，IBM公司扩大了与Red Hat的现有合作关系，以便在IBM私有云上实现Red Hat OpenStack Platform和Red Hat Ceph Storage。该交易允许Red Hat Linux和OpenStack许可证转移到公共云端或使用Red Hat OpenStack。

IT运营专业人士的首要目标不再是降低成本;根据IDC公司2016年对企业IT专业人士的调查显示，为了提高业务灵活性，他们不仅要保护和保护数据，而且还要在任何给定的时间使各种业务流程的数据可以访问。将各种平台结合在一起的云自动化管理工具可以帮助减少基础设施到代码和添加标准和模板。

IDC公司的Turner说：“我们真的看到从应用程序到中间件在许多环境中发生。”
概括:IBM公司推出旨在促进云的云管理工具。

12.
最近，IBM的一个研究团队 宣布 他们在语音识别上创造了一个新的业界纪录，在使用 SWITCHBOARD语料库 的情况下词错误率为5.5%，接近于人类的错误率5.1%。人们一般会在所听到的20个单词中遗失其中的一到两个。在一次五分钟左右的对话中，大约会遗失80个词。

研究计划 中包括 深度学习 技术的应用和 声学模型 的集成。其中语音识别模型使用了 长短期记忆 （LSTM，Long Short Term Memory）和 WaveNet 语言模型。在声学模型上，他们使用了三个模型的分数融合（Score Fusion）。第一个模型是有多特征输入的LSTM，第二个模型是经过说话者对抗多任务学习（Speaker-adversarial Multi-task Learning）训练后的LSTM。第三个模型是具有25个卷积层与时间扩张（Time-dilated）卷积的残差网络（ResNet）。最后一个模型不仅从正向的例子中学习，而且也使用了负向的例子，因此当类似的语音模式重现时，会具有更好的表现。

来自蒙特利尔大学蒙特利尔学习算法实验室（Montreal Institute for Learning Algorithms ）的 Yoshua Bengio 对语音识别技术是如此评论的：

在过去的几年中，尽管在语音识别或物体识别等人工智能领域取得了巨大的进展，技术上也已经接近于人类的水平，但在科学上依然存在着挑战。诚然，标准的基准测试并非总能揭示真实数据的多样性和复杂度。例如，不同的数据集对于不同的任务会呈现出不一样的敏感性，而且结果十分依赖于如何对被测试人员进行评估，比如使用专业的誊写员进行语音识别测试。

他也指出，IBM的这项研究将声学模型与语言模型应用于神经网络与深度学习，有助于推进语音识别技术的发展。

另据一些语音识别相关的新闻报道，IBM已将 Diarization 添加到他们的“ Watson语音转文本 ”服务中。这一技术有助于一些用例的实现，例如识别交谈中的各方发言者。所有这些成就所带来的技术有助于解决人类耳朵、声音和大脑交互复杂性的问题。
概括:IBM使用深度学习技术达成了语言识别领域一个新的里程碑。

13.
尽管要以计算技术的发展为依托，但人工智能已然成为科技界最炙手可热的话题。无数的初创公司现在都以人工智能为噱头来解释他们开展的工作，技术营销人员纷纷利用人工智能开展品牌宣传，令算法和基本机器学习等简单的东西听起来显得更智能、更高端。

IBM研究院认知计算（IBM对人工智能的称呼）副总裁Michael Karasick表示：“现在无论什么东西都被冠以人工智能，真是可笑。”

Karasick日前在拉斯维加斯召开的IBM InterConnect 2017大会上发言时介绍了IBM研究院的人工智能路线图。Karasick工作团队以孵化可能对企业有用的技术为己任，对人工智能采取了相当务实的做法。正如您所预料的那样，他们所开展的许多工作最终都要归于自动化和大数据。

Karasick表示：“我们之所以使用机器学习来解决这些问题，主要是因为数据量太大。”他在IBM研究院中主管的工作团队由数学家和系统分析师组成，使用人工智能开展三类工作：

1、开发工业级解决方案

2、提高人员利用率

3、加快创造价值速度

Karasick在IBM InterConnect会议上名为“展望未来：人工智能的未来”讲话为人们了解IBM正在开展的人工智能项目提供了窗口。大致可汇总为以下10点内容。

1、了解PDF

从医学研究到烹饪菜肴，IBM Watson的许多主要功能均以在各个领域处理大量知识为基础。许多行业知识均被锁定在非结构化的PDF之中，因此，如果IBM能够训练Watson通过人工智能和机器学习的方式来组织、处理和吸收这些信息，那么，Watson将能加速完成几乎所有人工智能领域的工作。

2、了解责任和义务

企业、政府、各种规模的组织、甚至项目组均一如既往地致力于在某些规则和参数下完成工作。当这些参数有变时，他们经常会修改目标。IBM希望借助人工智能来快速识别并标记出不断变化的规则、制度、法律和要求。

3、给影像加字幕

通过使用机器学习来了解、评估和分类内容影像，人工智能可释放大量的价值，并能在可视数据集之间建立宝贵的连接。今天，这些工作大部分都是由薪酬极低的数据标签员手工完成的。

4、自动制作电影预告片

IBM进一步推进了影像内容分析的概念，已经证明人工智能可结合使用视频影像与自然语言处理技术来制作电影预告片。虽然好莱坞可能会继续依靠数字艺术家来处理影像，但那些设计资源匮乏的公司却可以利用这项技术来制作视频内容预览。

5、为数据科学家提供认知助理

数据科学家是科技领域最炙手可热的人才之一，数据科学家的匮乏将给未来创新带来风险。但在现如今，这些人却将大把的时间浪费在数据排序和数据组织工作上，没有太多的时间去开展随后的数据评估和建立重要联系等工作。他们需要借助人工智能来清理大量数据并使用Watson Conversations对数据执行自然语言搜索。

6、充当放射科医生助理

IBM Watson Health已经开始证明自己在帮助处理期刊文章、开展最新医学研究、以及随后充当诊断助理方面的宝贵价值。现在，IBM正在训练Watson读取医学影像，以帮助放射科医师加速开展工作并减少错误。

7、经营绩效调研

经营绩效调研通常需要3个月或更长时间，并且会涉及到复杂的分析模型以确保最小误差。人工智能可将这一时间控制在四周之内，同时还具有极高的准确度。

8、开展对话无需具备深度专业知识

IBM正在利用其在人工智能和自然语言处理方面的优势来积极开发聊天机器人（chatbot）。公司希望开发出能像Watson那样处理主题领域大型数据集的“深度实例知识”系统以及无需具备此类深度实例知识便可正常工作的聊天机器人。

9、认知软件DevOps

IBM认为人工智能可帮助实现DevOps赋权—而不仅仅是通常与DevOps相关联的软件生命周期。IBM还认为人工智能将对“认知UX”和机器建模（机器学习的同宗技术）产生影响。

10、提升深度学习的能力

提升深度学习的能力也许是IBM现阶段使用人工智能所开展的最重要的一项工作。IBM认为非结构化数据的爆炸性增长乃是推动机器学习取得进步的催化剂，以便我们利用这项技术来提取数据子集、开展深入分析、然后再利用这些数据从数据集中的其余部分提取价值。Karasick表示：“深度学习是帮助我们及早利用机器学习的一种方式，”提升这方面的能力将能帮助我们建立更加紧密的数据连接并加快创新速度。

IBM正利用认知技术让我们的生活更美好，人类的智慧也从未如此闪耀！2017年4月11日，IBM论坛盛大开启，“天工开物，人机同行,”让我们一起在AI时代，逐梦前行！去感受科技照进现实的魅力！
概括:IBM正在致力于实现的10个场景。

?
尽管要以计算技术的发展为依托，但人工智能已然成为科技界最炙手可热的话题。无数的初创公司现在都以人工智能为噱头来解释他们开展的工作，技术营销人员纷纷利用人工智能开展品牌宣传，令算法和基本机器学习等简单的东西听起来显得更智能、更高端。

IBM研究院认知计算（IBM对人工智能的称呼）副总裁Michael Karasick表示：“现在无论什么东西都被冠以人工智能，真是可笑。”

Karasick日前在拉斯维加斯召开的IBM InterConnect 2017大会上发言时介绍了IBM研究院的人工智能路线图。Karasick工作团队以孵化可能对企业有用的技术为己任，对人工智能采取了相当务实的做法。正如您所预料的那样，他们所开展的许多工作最终都要归于自动化和大数据。

Karasick表示：“我们之所以使用机器学习来解决这些问题，主要是因为数据量太大。”他在IBM研究院中主管的工作团队由数学家和系统分析师组成，使用人工智能开展三类工作：

1、开发工业级解决方案

2、提高人员利用率

3、加快创造价值速度

Karasick在IBM InterConnect会议上名为“展望未来：人工智能的未来”讲话为人们了解IBM正在开展的人工智能项目提供了窗口。大致可汇总为以下10点内容。

1、了解PDF

从医学研究到烹饪菜肴，IBM Watson的许多主要功能均以在各个领域处理大量知识为基础。许多行业知识均被锁定在非结构化的PDF之中，因此，如果IBM能够训练Watson通过人工智能和机器学习的方式来组织、处理和吸收这些信息，那么，Watson将能加速完成几乎所有人工智能领域的工作。

2、了解责任和义务

企业、政府、各种规模的组织、甚至项目组均一如既往地致力于在某些规则和参数下完成工作。当这些参数有变时，他们经常会修改目标。IBM希望借助人工智能来快速识别并标记出不断变化的规则、制度、法律和要求。

3、给影像加字幕

通过使用机器学习来了解、评估和分类内容影像，人工智能可释放大量的价值，并能在可视数据集之间建立宝贵的连接。今天，这些工作大部分都是由薪酬极低的数据标签员手工完成的。

4、自动制作电影预告片

IBM进一步推进了影像内容分析的概念，已经证明人工智能可结合使用视频影像与自然语言处理技术来制作电影预告片。虽然好莱坞可能会继续依靠数字艺术家来处理影像，但那些设计资源匮乏的公司却可以利用这项技术来制作视频内容预览。

5、为数据科学家提供认知助理

数据科学家是科技领域最炙手可热的人才之一，数据科学家的匮乏将给未来创新带来风险。但在现如今，这些人却将大把的时间浪费在数据排序和数据组织工作上，没有太多的时间去开展随后的数据评估和建立重要联系等工作。他们需要借助人工智能来清理大量数据并使用Watson Conversations对数据执行自然语言搜索。

6、充当放射科医生助理

IBM Watson Health已经开始证明自己在帮助处理期刊文章、开展最新医学研究、以及随后充当诊断助理方面的宝贵价值。现在，IBM正在训练Watson读取医学影像，以帮助放射科医师加速开展工作并减少错误。

7、经营绩效调研

经营绩效调研通常需要3个月或更长时间，并且会涉及到复杂的分析模型以确保最小误差。人工智能可将这一时间控制在四周之内，同时还具有极高的准确度。

8、开展对话无需具备深度专业知识

IBM正在利用其在人工智能和自然语言处理方面的优势来积极开发聊天机器人（chatbot）。公司希望开发出能像Watson那样处理主题领域大型数据集的“深度实例知识”系统以及无需具备此类深度实例知识便可正常工作的聊天机器人。

9、认知软件DevOps

IBM认为人工智能可帮助实现DevOps赋权—而不仅仅是通常与DevOps相关联的软件生命周期。IBM还认为人工智能将对“认知UX”和机器建模（机器学习的同宗技术）产生影响。

10、提升深度学习的能力

提升深度学习的能力也许是IBM现阶段使用人工智能所开展的最重要的一项工作。IBM认为非结构化数据的爆炸性增长乃是推动机器学习取得进步的催化剂，以便我们利用这项技术来提取数据子集、开展深入分析、然后再利用这些数据从数据集中的其余部分提取价值。Karasick表示：“深度学习是帮助我们及早利用机器学习的一种方式，”提升这方面的能力将能帮助我们建立更加紧密的数据连接并加快创新速度。

IBM正利用认知技术让我们的生活更美好，人类的智慧也从未如此闪耀！2017年4月11日，IBM论坛盛大开启，“天工开物，人机同行,”让我们一起在AI时代，逐梦前行！去感受科技照进现实的魅力！

?
尽管要以计算技术的发展为依托，但人工智能已然成为科技界最炙手可热的话题。无数的初创公司现在都以人工智能为噱头来解释他们开展的工作，技术营销人员纷纷利用人工智能开展品牌宣传，令算法和基本机器学习等简单的东西听起来显得更智能、更高端。

IBM研究院认知计算（IBM对人工智能的称呼）副总裁Michael Karasick表示：“现在无论什么东西都被冠以人工智能，真是可笑。”

Karasick日前在拉斯维加斯召开的IBM InterConnect 2017大会上发言时介绍了IBM研究院的人工智能路线图。Karasick工作团队以孵化可能对企业有用的技术为己任，对人工智能采取了相当务实的做法。正如您所预料的那样，他们所开展的许多工作最终都要归于自动化和大数据。

Karasick表示：“我们之所以使用机器学习来解决这些问题，主要是因为数据量太大。”他在IBM研究院中主管的工作团队由数学家和系统分析师组成，使用人工智能开展三类工作：

1、开发工业级解决方案

2、提高人员利用率

3、加快创造价值速度

Karasick在IBM InterConnect会议上名为“展望未来：人工智能的未来”讲话为人们了解IBM正在开展的人工智能项目提供了窗口。大致可汇总为以下10点内容。

1、了解PDF

从医学研究到烹饪菜肴，IBM Watson的许多主要功能均以在各个领域处理大量知识为基础。许多行业知识均被锁定在非结构化的PDF之中，因此，如果IBM能够训练Watson通过人工智能和机器学习的方式来组织、处理和吸收这些信息，那么，Watson将能加速完成几乎所有人工智能领域的工作。

2、了解责任和义务

企业、政府、各种规模的组织、甚至项目组均一如既往地致力于在某些规则和参数下完成工作。当这些参数有变时，他们经常会修改目标。IBM希望借助人工智能来快速识别并标记出不断变化的规则、制度、法律和要求。

3、给影像加字幕

通过使用机器学习来了解、评估和分类内容影像，人工智能可释放大量的价值，并能在可视数据集之间建立宝贵的连接。今天，这些工作大部分都是由薪酬极低的数据标签员手工完成的。

4、自动制作电影预告片

IBM进一步推进了影像内容分析的概念，已经证明人工智能可结合使用视频影像与自然语言处理技术来制作电影预告片。虽然好莱坞可能会继续依靠数字艺术家来处理影像，但那些设计资源匮乏的公司却可以利用这项技术来制作视频内容预览。

5、为数据科学家提供认知助理

数据科学家是科技领域最炙手可热的人才之一，数据科学家的匮乏将给未来创新带来风险。但在现如今，这些人却将大把的时间浪费在数据排序和数据组织工作上，没有太多的时间去开展随后的数据评估和建立重要联系等工作。他们需要借助人工智能来清理大量数据并使用Watson Conversations对数据执行自然语言搜索。

6、充当放射科医生助理

IBM Watson Health已经开始证明自己在帮助处理期刊文章、开展最新医学研究、以及随后充当诊断助理方面的宝贵价值。现在，IBM正在训练Watson读取医学影像，以帮助放射科医师加速开展工作并减少错误。

7、经营绩效调研

经营绩效调研通常需要3个月或更长时间，并且会涉及到复杂的分析模型以确保最小误差。人工智能可将这一时间控制在四周之内，同时还具有极高的准确度。

8、开展对话无需具备深度专业知识

IBM正在利用其在人工智能和自然语言处理方面的优势来积极开发聊天机器人（chatbot）。公司希望开发出能像Watson那样处理主题领域大型数据集的“深度实例知识”系统以及无需具备此类深度实例知识便可正常工作的聊天机器人。

9、认知软件DevOps

IBM认为人工智能可帮助实现DevOps赋权—而不仅仅是通常与DevOps相关联的软件生命周期。IBM还认为人工智能将对“认知UX”和机器建模（机器学习的同宗技术）产生影响。

10、提升深度学习的能力

提升深度学习的能力也许是IBM现阶段使用人工智能所开展的最重要的一项工作。IBM认为非结构化数据的爆炸性增长乃是推动机器学习取得进步的催化剂，以便我们利用这项技术来提取数据子集、开展深入分析、然后再利用这些数据从数据集中的其余部分提取价值。Karasick表示：“深度学习是帮助我们及早利用机器学习的一种方式，”提升这方面的能力将能帮助我们建立更加紧密的数据连接并加快创新速度。

IBM正利用认知技术让我们的生活更美好，人类的智慧也从未如此闪耀！2017年4月11日，IBM论坛盛大开启，“天工开物，人机同行,”让我们一起在AI时代，逐梦前行！去感受科技照进现实的魅力！

尽管要以计算技术的发展为依托，但人工智能已然成为科技界最炙手可热的话题。无数的初创公司现在都以人工智能为噱头来解释他们开展的工作，技术营销人员纷纷利用人工智能开展品牌宣传，令算法和基本机器学习等简单的东西听起来显得更智能、更高端。

IBM研究院认知计算（IBM对人工智能的称呼）副总裁Michael Karasick表示：“现在无论什么东西都被冠以人工智能，真是可笑。”

Karasick日前在拉斯维加斯召开的IBM InterConnect 2017大会上发言时介绍了IBM研究院的人工智能路线图。Karasick工作团队以孵化可能对企业有用的技术为己任，对人工智能采取了相当务实的做法。正如您所预料的那样，他们所开展的许多工作最终都要归于自动化和大数据。

Karasick表示：“我们之所以使用机器学习来解决这些问题，主要是因为数据量太大。”他在IBM研究院中主管的工作团队由数学家和系统分析师组成，使用人工智能开展三类工作：

1、开发工业级解决方案

2、提高人员利用率

3、加快创造价值速度

Karasick在IBM InterConnect会议上名为“展望未来：人工智能的未来”讲话为人们了解IBM正在开展的人工智能项目提供了窗口。大致可汇总为以下10点内容。

1、了解PDF

从医学研究到烹饪菜肴，IBM Watson的许多主要功能均以在各个领域处理大量知识为基础。许多行业知识均被锁定在非结构化的PDF之中，因此，如果IBM能够训练Watson通过人工智能和机器学习的方式来组织、处理和吸收这些信息，那么，Watson将能加速完成几乎所有人工智能领域的工作。

2、了解责任和义务

企业、政府、各种规模的组织、甚至项目组均一如既往地致力于在某些规则和参数下完成工作。当这些参数有变时，他们经常会修改目标。IBM希望借助人工智能来快速识别并标记出不断变化的规则、制度、法律和要求。

3、给影像加字幕

通过使用机器学习来了解、评估和分类内容影像，人工智能可释放大量的价值，并能在可视数据集之间建立宝贵的连接。今天，这些工作大部分都是由薪酬极低的数据标签员手工完成的。

4、自动制作电影预告片

IBM进一步推进了影像内容分析的概念，已经证明人工智能可结合使用视频影像与自然语言处理技术来制作电影预告片。虽然好莱坞可能会继续依靠数字艺术家来处理影像，但那些设计资源匮乏的公司却可以利用这项技术来制作视频内容预览。

5、为数据科学家提供认知助理

数据科学家是科技领域最炙手可热的人才之一，数据科学家的匮乏将给未来创新带来风险。但在现如今，这些人却将大把的时间浪费在数据排序和数据组织工作上，没有太多的时间去开展随后的数据评估和建立重要联系等工作。他们需要借助人工智能来清理大量数据并使用Watson Conversations对数据执行自然语言搜索。

6、充当放射科医生助理

IBM Watson Health已经开始证明自己在帮助处理期刊文章、开展最新医学研究、以及随后充当诊断助理方面的宝贵价值。现在，IBM正在训练Watson读取医学影像，以帮助放射科医师加速开展工作并减少错误。

7、经营绩效调研

经营绩效调研通常需要3个月或更长时间，并且会涉及到复杂的分析模型以确保最小误差。人工智能可将这一时间控制在四周之内，同时还具有极高的准确度。

8、开展对话无需具备深度专业知识

IBM正在利用其在人工智能和自然语言处理方面的优势来积极开发聊天机器人（chatbot）。公司希望开发出能像Watson那样处理主题领域大型数据集的“深度实例知识”系统以及无需具备此类深度实例知识便可正常工作的聊天机器人。

9、认知软件DevOps

IBM认为人工智能可帮助实现DevOps赋权—而不仅仅是通常与DevOps相关联的软件生命周期。IBM还认为人工智能将对“认知UX”和机器建模（机器学习的同宗技术）产生影响。

10、提升深度学习的能力

提升深度学习的能力也许是IBM现阶段使用人工智能所开展的最重要的一项工作。IBM认为非结构化数据的爆炸性增长乃是推动机器学习取得进步的催化剂，以便我们利用这项技术来提取数据子集、开展深入分析、然后再利用这些数据从数据集中的其余部分提取价值。Karasick表示：“深度学习是帮助我们及早利用机器学习的一种方式，”提升这方面的能力将能帮助我们建立更加紧密的数据连接并加快创新速度。

IBM正利用认知技术让我们的生活更美好，人类的智慧也从未如此闪耀！2017年4月11日，IBM论坛盛大开启，“天工开物，人机同行,”让我们一起在AI时代，逐梦前行！去感受科技照进现实的魅力！

麻省理工:
1、
最近美联储的一位成员和一位区块链研究员表示，数字货币在颠覆全球金融体系之前还有很多问题需要解决。

比特币的出现已经成为金融行业的一个警钟，金融行业的主管和监管机构将数字货币和区块链技术视为一个通过消除中间商来使金融系统更加高效的机会。但是区块链可以做得更多吗？可以彻底改造全球金融业吗？

有两位中央银行家表示，让我们先把区块链对支付领域的影响搞清楚。他们都正在致力于将区块链技术变为中央银行家们的新工具。

在《麻省理工科技评论》和MIT媒体实验室组织的一次“区块链业务”会议上，MIT研究科学家，英格兰银行前数字货币主管Robleh Ali表示：

“支付是一切的基础。”

James Cunha（中间），Robleh Ali（右边）与《麻省理工科技评论》主编Jason Pontin在”区块链业务“会议上

Ali说，比特币“从根本上重新思考了支付模式”。比特币区块链与传统支付系统相比所具有的高效性引起了整个金融界的关注。

美联储波士顿高级副总裁James Cunha表示，除了支付，中央银行家们还对区块链技术改善现有身份验证、交易验证、弹性和安全性的潜力感兴趣。不过，Cunha说，要将这些潜力变成现实，“仍旧有很多问题需要解决”。

Cunha补充说道，消除中间商意味着“你曾经需要信任并且你需要保持联系的中间人将不复存在。”

“事务双方直接进行交涉，没有中间人存在。这是一种完全不同的法律结构，你必须了解这其中的风险。这是一个非常复杂的工作。”

例如，各方如何确定交易已经结束？Cunha说，在目前的系统中，电汇是不可撤销的；美联储绝不会撤销交易。这对用户可以信任这个系统至关重要。区块链平台如何确定交易终结是要取决于其管理结构的，这一点在各个平台上也不相同。

他说：

“高效性确实很不错，不过假如你无法确定资金什么时候能够到位那当如何？

尽管美联储对区块链感兴趣，Cunha表示美联储目前并没有迫切的计划来发行自己的数字货币。目前阶段，他们的重点在于了解这种技术的潜在风险。

发文时比特币价格 ￥7047.6 （来源：火币网——安全可信赖的比特币交易平台）

总结:比特币的出现意味着交易双方直接支付没有中间人,这给金融行业敲响了警钟，它从根本上重新思考了了支付方式，引起了金融界的高度关注。

2、
麻省理工学院一位教授发明了沙滩储物装置，当他去申请专利时，被告知该装置已经被一名长沙小学生注册了国际专利，仅仅早于他两天。这名学生就是目前在长沙市中雅培粹学校读初一的宁子岳。4月15日晚上，湖南省首届文化创意设计大赛颁奖典礼上，宁子岳还作为嘉宾进行了发言。

从小，宁子岳就特别喜欢看科幻电影，《钢铁侠》更是他的最爱。他脑袋里总是充满奇思妙想，妈妈在医院工作，医院进行控烟活动，小子岳就想，可以发明一个控烟机器人，给机器人安上一个热感相机，设定温度200摄氏度，超过这个温度机器人就能感应到热源并且准确赶到，然后对着烟头喷水。可是这个想法因为技术含量过高，没能实现。

一次假期，子岳跟父母去海边玩，三个人都想下海游泳，可钥匙钱包没处可放，必须留一个人来守物件，有些扫兴。子岳回到家后便开始构思，并将沙滩储物装置的设想告诉爸爸。爸爸找朋友将设想进行了3D打印，拿到手的模型是一个类似海螺的红色容器，中间是空心的，可以放置随身小物件，而螺旋的形状又使它很容易旋进沙滩里，且不会轻易倾倒。因为储物装置是中空塑料材质，醒目颜色的“海螺”还可以成为简单的救生装置。

发出申请后没多久，国际专利和国家专利的通知书都到了子岳的手上。 据国家专利局的工作人员说，麻省理工学院一位教授也发明了类似装置，申请专利时发现中国的一名小学生已经捷足先登了，只得作罢 。

4月15日晚上，湖南省首届文化创意设计大赛颁奖典礼上，受湖南省科协的邀请，宁子岳作为嘉宾发言，他代表的是湖南省年青一代的创新人才。

总结:一个初中生的智力就能达到教授的水平，看来爱玩并不是什么坏事，要看你会不会玩，能不能从玩中发现问题解决问题，让你玩得更尽兴，这也说明生活处处有学问。

从小我们便学“敏而好学，不耻下问”，遇见不懂得问很重要，跟学一样，这样才能真正懂得，我们更应同他一样，细心观察生活，将自己的兴趣发挥到极致。

3、
最近几年来，深度神经网络已经成为了人工智能技术发展的主要推动力。近日，麻省理工学院官网上刊登了一篇解读神经网络的发展过程的文章，梳理介绍了神经网络在过去 70 年来的起起伏伏。在文章中，作者还简单介绍了 MIT 的大脑、心智和机器中心（CBMM）在神经网络基础理论上的一些研究成果。机器之心对该文章进行了编译介绍，还摘要性地介绍了 CBMM 已经发布的三项理论研究成果，具体研究详情请参阅相关论文。

许多深度学习应用使用卷积神经网络，网络中每层的节点是聚合在一起的，这些集群（cluster）互相重叠，每个集群为下一层的多个节点（橘黄与绿色）馈送数据。

在过去的 10 年中，人工智能系统的最好表现（比如智能手机上的语音识别系统或谷歌最新的自动翻译系统）结果来自于一种名为「深度学习」的技术。

深度学习事实上是名为神经网络的人工智能方法的新名字，神经网络在流行与过时的起起伏伏间已经存在了 70 年之久。神经网络由 Warren McCullough 和 Walter Pitts 于 1944 年首次提出，这两位芝加哥大学的研究人员于 1952 年加入 MIT，并成为了首个认知科学系的创始成员。

直到 1969 年以前，神经网络都一直是神经科学和计算机科学的主要研究领域。据计算机科学界的一个传言说，神经网络研究热潮是被麻省理工的数学家 Marvin Minsky 和 Seymour Papert 浇灭的，Seymour Papert 在 1970 年成为了新麻省理工人工智能实验室的联合负责人。

后来，神经网络技术在 1980 年代重获复苏，但是在 21 世纪的第一个十年里却再次衰落。在第二个十年里，现在神经网络势如破竹般地归来，这主要归功于今天图像芯片强大地处理能力。

「有这么一个观点认为，科学界中地观点有点像流行病毒，」Tomaso Poggio 说道，他是麻省理工脑与认知科学学院的 Eugene McDermott 教授（Eugene McDermott Professor of Brain and Cognitive Sciences），麻省理工 McGovern 大脑研究所（McGovern Institute for Brain Research）的研究员，也是麻省理工大脑、心智和机器中心（CBMM：Center for Brains, Minds, and Machines）的主任。「显然，存在 5 到 6 种基本流感病毒株，而且每一种大约 25 年会爆发一次。人们会被感染，然后发展出免相应的疫防御机制，于是在接下来的 25 年中他们不会再次感染该种流感病毒。然后，同样的病毒株会变异成新的一代可以感染人类的病毒。在科学领域，当人们非常热衷于一个观点时，他们会对这个观点非常兴奋，极力为其辩护，然后他们会对该观点免疫——即厌倦它。这样的观点应该也有和上述流感病毒例子同样的周期性！」Tomaso Poggio 说。

权重真的很重要

神经网络是一种机器学习方法，其中计算机通过分析训练样本来学习执行某些任务。一般来说，这些样本都事先被人工标注过了。比如说，一个目标识别系统可能在分析了成千上万张汽车、房子、咖啡杯的图像之后能够找到图像中与特定标签持续相关的的视觉模式。

神经网络是对人脑的简单建模，其包含了上万乃至数百万的简单处理节点，这些节点之间紧密连接。今天大多数神经网络的组织形式都是层次化的节点，而且它们是「前馈的（feed-forward）」，也就是说其中的数据仅在一个方向上流动。一个单个节点可能会连接到其下层的多个节点（它们将数据传输给下层节点）和其上层的多个节点（它们接收上层节点的数据）。

对于每个接入的连接，节点会分配一个数字：「权重（weight）」。当神经网络在运行中时，节点会从每个连接上接收到不同的数据——不同的数字——它们会与相关的权重相乘。随后，这些结果会被叠加在一起，生成一个数字。如果这个数字小于阈值，则节点不会向下一层传递数据；反之，如果数字超过了阈值，节点会被「触发」，在今天的神经网络中这通常意味着把这个数字（输入权重的和）传送到所有与之连接的下游位置。

当一个神经网络被训练时，它的所有权重和阈值的初始状态都是随机的。训练数据被递送到底层——输入层——从这里开始所有层级的传递，以复杂的方式相乘并叠加在一起，直到它们最终经过完全转换到达输出层为止。在训练时，权重和阈值会持续受到训练数据影响，直到具有相同标签的数据可以产生相同的输出。

心智和机器

1944 年 McCullough 和 Pitts 描述的神经网络有阈值和权重，但并不是按层的方式排列的，而且当时研究人员也没详细说明任何训练机制。McCullough 和 Pitts 展现的是神经网络能够在理论上计算任何数字化计算机能够计算的函数。结果更偏向于神经科学，而非计算机科学：关键点是人类大脑可被视为一种计算设备。

神经网络一直是神经科学研究的有力工具。例如，特别是调整权重和阈值的网络布局或规则曾产生了人类神经解剖学和认知研究中观察到的特征，为了解大脑如何处理信息提供了指引。

首个可训练的神经网络——感知器（Perceptron），由康奈尔大学的心理学家 Frank Rosenblatt 于 1957 年提。感知器的设计非常类似于现代的神经网络，只是它仅有一层带有可调整权重和阈值的层，夹在输入和输出层之间。

直到 1959 年，感知器都是心理学和计算机科学新科目的活跃研究领域，当时 Minsky 和 Papert 发表了一本名为「Perceptrons」的书，证明在感知器上执行一定量的常见计算会非常耗时间，不切实际。

Poggio 说：「当然，如果你采用机制稍微复杂一点，比如 2 层，那么所有的这些缺陷也就不存在了。」但在当时，这本书为神经网络的研究泼了一盆冷水。

「你要把历史环境考虑在内，」Poggio 说，「他们在争论编程，争论 Lisp 这样的语言。不久之前，人们仍在使用模拟计算机。编程的路不是一直以来都是很清晰的。我觉得他们有点过了，但像往常一样，这种事不是非黑即白的。如果你把它当成模拟计算和数字化计算之间的竞争，那当时他们就是为正确的一方而战。」

周期性

但是在 20 世纪 80 年代，研究者已经开发出了用于修改神经网络的权重和阈值的算法，该算法消除了 Minsky 和 Papert 确定的诸多限制，并对超过一层的网络而言是足够有效的。该领域迎来了复兴！

但在智能上，神经网络也有一些让人不满意的地方。也许足够的数据能让一个神经网络最后达到足够有用的数据分类水平，但这些设置意味着什么？一个目标识别器看了什么样的图像特征？这些特征又是如何组合在一起成为了汽车、房子或咖啡杯的识别标签的？观察网络的单个连接的权重不能为我们提供答案。

最近几年，计算机科学家已经开始构想用于推导神经网络所采用的策略的巧妙方法。但在 20 世纪 80 年代，网络的策略还是无法解读的。所以大约在世纪之交的时候，神经网络被支持向量机取代。支持向量机是另一种机器学习方法，基于非常简洁和优雅的数学。

神经网络最近的复苏——深度学习革命——承蒙计算机游戏产业的发展。今天，复杂图像和快节奏的视频游戏需要硬件能跟得上，于是，出现了图像处理单元（graphics processing unit，GPU）。GPU 可以在单个芯片上集成成千上万个相对简单的处理核心。没过多久研究者就意识到，其实 GPU 的构架非常像一个神经网络。

现代 GPU 使得 1960 年代的一层网络和 1980 年代的 2 到 3 层网络直接飞跃成今天的 10 层、15 层、甚至是 50 层网络。这也即所谓深度学习中的「深度」之所指——神经网络层的深度。目前，深度学习几乎在每一个人工智能研究领域都是表现最为优异的系统。

表面之下的理论

网络的不透明性仍然是一个悬而未决的理论问题，但在这个方向上也有进展。除了领导大脑、心智和机器中心（CBMM：Center for Brains, Minds, and Machines），Peggio 还领导了该中心的「智能的理论框架（Theoretical Frameworks for Intelligence）」研究项目。最近，该团队已经发布了三篇有关神经网络的理论研究成果。

第一篇上个月发表在 International Journal of Automation and Computing 上，其介绍了深度学习网络所能执行的计算的范围以及深度学习何时实现了对浅度学习的超越。第 2 和 3 篇是作为 CBMM 技术报告发布的，介绍了全局优化问题（即网络该如何找到最匹配其训练数据的设置）以及过拟合问题（即当网络过于拟合其训练数据的细节时，其将难以泛化到该类别的其它实例上）。

有待解答的理论问题还有很多很多，但 CBMM 的研究有可能帮助神经网络打破过去七十年来起起伏伏的循环。

以下是对上述三项 CBMM 理论研究成果的摘要介绍：

论文一：深度网络而非浅度网络可以避开维度诅咒的原因和时间：一个概述（Why and when can deep-but not shallow-networks avoid the curse of dimensionality: A review）

链接：https://link.springer.com/article/10.1007/s11633-017-1054-2

本论文概述并扩展了在深度学习上的新兴理论成果，其中包括深度学习可以极大地优于浅度学习（shallow learning）的条件基础。一类深度卷积网络代表了这些条件的一个重要的特殊类别，尽管权重共享（weight sharing）并不是这种极大的优势的主要原因。本论文还讨论了一些关键定理的含义，以及一些新的结果、尚未解决的问题和猜想。

论文二：理论二：深度学习的经验风险全景（Theory II: Landscape of the Empirical Risk in Deep Learning）

论文地址：http://cbmm.mit.edu/sites/default/files/publications/CBMM-Memo-066.pdf

之前在深度学习和神经网络优化上的理论成果往往倾向于避开鞍点（saddle point）和局部最小值（local minima）。但是，实际的观察（至少对于用于视觉处理的最成功的深度卷积神经网络（DCNN）而言）却是：实践者总是可以通过增加网络的规模来拟合训练数据（[1] 就是一个极端案例）。VGG 和 ResNet 等最成功的 DCNN 最适用于有少量「过参数化（overparametrization）」的情况。在本论文中，我们通过理论和实验的混合来描绘了过参数化的 DCNN 的经验风险（empirical risk）整体情况。我们首先证明了存在大量的退化的全局最小化器（degenerate global minimizer），其具有 0 经验误差（empirical error）（模不一致方程（modulo inconsistent equations））。这个零最小化器（zero-minimizer）在分类的情况下具有非零的边际。这同一最小化器是退化的，因此非常有可能通过 SGD 找到，这将有更好的可能性进一步选择出有更大边际的零最小化器，如理论 3 中所讨论的。我们进一步实验性地探索并可视化了一个 DCNN 在 CIFAR-10 上的整个训练过程（尤其是全局最小值）中的经验风险全景。最后，基于我们的理论和实验结果，我们提出了一种直观的 DCNN 经验损失面（empirical loss surface）全景模型，其可能并不如人们普遍认为的那样的复杂。

论文三：深度学习理论 3：随机梯度下降的泛化性质（Theory of Deep Learning III: Generalization Properties of SGD）

论文地址：http://cbmm.mit.edu/sites/default/files/publications/CBMM-Memo-067.pdf

在理论 2 中，我们通过理论和实验的混合来描绘了过参数化的深度卷积神经网络中随机梯度下降（SGD）的泛化性质。我们表明随机梯度下降更有可能选择有以下特征的解：

1）有零（或小）的经验误差；

2）是退化的，如理论 2 中所示；

3）有最大的泛化。

原文链接：http://news.mit.edu/2017/explained-neural-networks-deep-learning-0414

总结:神经网络是一门重要的机器学习技术。它是目前最为火热的研究方向–深度学习的基础。学习神经网络不仅可以让你掌握一门强大的机器学习方法，同时也可以更好地帮助你理解深度学习技术。

4、
智东西（公众号:zhidxcom） 编 | 海中天 导语：最近，MIT’s Technology […]

智东西（公众号:zhidxcom）
编 | 海中天

导语：最近，MIT’s Technology Review在旧金山召开会议，重点关注AI技术的进步，许多知名人物汇聚一堂，今天我们就来看看，这些AI专家们都说了一些什么？他们都是来自硅谷科技巨头公司的核心负责人。

AI引发伦理担忧 科技巨头正在着手解决

权力越大，责任也越大。在机器学习与AI领域，先锋企业开始谈论创造“智能作品”时所面临的伦理挑战。

微软研究院总经理Eric Horvitz认为：“我们已经走到了AI拐点，随着时间的推移，利用AI保护我们是一项道德责任。”

Eric Horvitz与IBM、谷歌的研究人员讨论了该问题。大家普遍存在一个担忧：领先公司将软件放置在控制人类的位置上。

IBM研究人员Francesca Rossi举了一个例子，比如机器成为老年人的助手或者同伴。她说：“机器人必须遵守文化规范，这一规范是以文化和任务为核心的。如果你将机器人用在美国或者日本，二者的行为会存在很大的不同。”

这样的机器人可能离现实还有些遥远，不过AI引发的伦理问题已经出现。现在企业和政府越来越依赖机器学习系统作决策，技术上存在的“盲点”和“偏见”可能会使得部分人群受到歧视。

Eric Horvitz举例说，微软曾经开发一套情绪感知系统给企业使用，不过对小孩来说系统不精准，因为系统是用大量没有经过修饰的照片训练的。

谷歌研究人员Maya Gupta认为，产业应该更加团结一些，一起建立一套程序，确保用来训练算法的数据不会遭到曲解。Maya Gupta还说：“许多时候，这些数据是以自动化方式创造的。我们必须三思而行，必须为弱势团体制作足够多的样本，确保工作出色。”

过去一年，在学术与产业领域，AI、机器学习碰到了很多伦理挑战。加州大学伯克利分校、哈佛大学、牛津大学、剑桥大学都成立了项目或者机构，研究AI伦理与安全。2016年，亚马逊、微软、谷歌、IBM、Facebook合作成立一个非盈利组织，名叫“Partnership on AI”，后来苹果也加入了组织。

谷歌研究人员Maya Gupta鼓励大家思考一个问题：是否能够将某些决策从人类的手掌中解放出来，从而让世界更有道德？她说：“机器学习是可以控制的，是精准的，是可以用统计数据测量的。想获得更公平、更道德的结果，可能的方法很多很多。”

微软：想帮助企业，AI的适应性还不是很强

AI如果想从硅谷散播出来进入其它产业，需要的时间可能比预期更长。

微软研究部门副总裁Peter Lee在会上表示，对于科技巨头来说，富有价值的高端机器学习系统还不完美，企业如果想将它提供给客户使用，在灵活性、成本上还存在障碍。

Peter Lee称：“将机器学习和AI概念应用于企业，我们现在还处在中间点。AI技术还不是很实用，我们有一支骨干队伍，规模很小，费用很高，他们正在开发定制解决方案。”

在谈话中Peter Lee举了微软用AI工具帮助销售员完成交易的例子。他悲伤地说：“我最想做的就是将工具卖给世界上的其它企业。”不过现在还做不到，为什么？因为每一个新企业如果想使用必须定制，过程很麻烦。

要用AI开发软件，让它理解并适应特定企业的需求和条件，这可能是一个方法。不过Peter Lee指出，根据微软的经验，要让软件从真实世界中学习，现在技术还不是很成熟。

微软曾经开发一个聊天机器人，并且放在Twitter上，很快机器人就学会了“种族歧视”语言。微软还开发了翻译系统，它可以分析在线文本，结果它将“Daesh”译成英文之后变成了“Saudi Arabia”（沙特阿拉伯），Daesh本来只是伊斯兰国的阿拉伯名字。

Peter Lee说：“机器系统如果犯错，影响是很大的。”要将会学习的软件应用于真实世界，需要人类专家的密切监督。

很明显，将AI服务销售给企业时还必须赚到钱。微软提供一些服务，比如它可以对图片中的人脸进行统计，将语音转化为文本。在EmTech会议上，创业公司Clarifai展示了一套工具，它可以帮助企业搜索、管理图片集和视频集，因为工具可以理解其中的内容。

Peter Lee认为，这些产品不会带来革命性的影响，也不会带来新利润。他说：“许多时候，在企业领域价值最高的机器学习技术是定制、预制解决方案。每一个企业都是特殊的，你必须满足特定的需求、适合特定的条件。”

他还认为，开发软件，让它尝试不同的动作，看看哪个管用，这样的方法也许可以将行业带出盲区，目前使用的方法是让软件消化静态数据，比如文本或者图片数据。

“人类的智慧是无穷的，让系统理解企业流程，形成自己的策略，这种可能性是很高的。”

AI发展是否已经停滞不前

最近一段时间，虽然投入AI项目的钱很多，但是不要被外表迷惑了。Uber AI前实验室主管Gary Marcus警告称，行业的进步速度并不像许多人认为的那样快。

Gary Marcus指出，现在企业沉迷于静态机器学习，投资AI时关注的是企业短期目标，因此我们朝着人类等级的AI前进时受到了限制。

“最大的恐惧不是天网。”Gary Marcus所说的天网就是杀手AI，就像《终结者》中所说的AI一样，他还说，“AI发展进入了停滞阶段。”

没错，最近一段时间AI的确在技术上有一些突破，但是电脑所做的事情都很简单，要让AI具备真正的“普通智力”，还有许多障碍无法跨越。

OpenAI研究主管Ilya Sutskever的看法完全不同，他曾暗示，我们离强人工智能（和人类一样等级的AI）已经不远了。

“现在看起来很遥远，但在5年前更遥远。在开发算法时我们投入的人、付出的努力是很多的，AI的发展速度很快，很健康。”

Gary Marcus认为，企业向AI投资可能对行业的长远发展不是一件好事。以前，行业进步很小主要是因为AI投资不足造成的，这一次却是因为投资太多导致研究人员忽视了长远目标。

将AI应用于商业领域是不是一件好事？Gary Marcus认为它是一把双刃剑。Gary Marcus称：“有些事情只要Uber这样的企业才能做，它们有大量的资源。问题在于企业市场关注的是短期目标，今天如何用深度学习赚到钱？这才是它们最关心的。”

AI无人机可以跟着你飞

企业家Adam Bry认为，当今的无人机缺少一个关键组件，所以不是太实用，缺少什么呢？用AI实现自动飞行。在EmTech会议上，Adam Bry通过一段影片展示了Skydio开发的无人机，Skydio正是Adam Bry创办一家公司，无人机今年就会上市。

Adam Bry说：“即使在企业领域，用户也会发现无人机的使用比预想的更加困难。如果你是专业操作者，可以完成一些惊艳的动作，但对于主流用户来说不太可能。”

Skydio的第一款产品有点像飞行机器人摄像机。从视频可以看出，当用户爬树、骑上山地自行车、踢足球时，无人机会跟着人飞。当用户走到了障碍物背后，比如低垂的树枝后面，无人机会围着人飞，或者保持安全距离并暂停。

为什么Skydio能够做这些事？因为它可以通过机载摄像头分析图像，然后用结果进行导航，摄像头可以拍摄360度图像。市场上的无人机主要依赖GPS、人类操纵。Skydio无人机软件可以追踪目标物，进行计算，精准到厘米，知道它是如何移动的。Skydio使用的深度学习技术与谷歌等企业所使用的技术是一样的。

Adam Bry指出，当人与人彼此靠近时，无人机会通过人的外表、移动情况搜集线索，解开困惑，不过他承认技术并不完美。Adam Bry说：“既然人类在区分两个人时都有困难，更别说技术了。”Adam Bry没有展示无人机的照片，也没有透露何时推出，只知道产品瞄准消费者。

用AI识别名人

Clarifai是一家计算机视觉创业公司，它开发的AI可以识别图片、视频内容，而且适合狗仔队使用。

据Clarifai CEO、创始人Matthew Zeiler透露，他们最近演示了技术，新技术可以从图片中识别人脸，然后匹分，这没有什么稀奇的，神奇的地方在于系统可以识别10000个名人。

用AI识别人脸很常见，如果想知道图片中的人脸是谁的就有些困难了，因为光照环境不同、目标人物有没有注视摄像头、有没有被其它人或者障碍物遮挡，都会给识别造成困难。

Nvidia深度学习芯片为医疗产业提供支持

Nvidia设计了强大的硬件，这些硬件可以为AI算法提供支持，正因如此，Nvidia成为AI浪潮的受益者。Nvidia将健康护理和医疗市场作为技术发展的下一个大市场。Nvidia医疗保健业务主管Kimberly Powell说，公司正在与医疗研究人员合作，合作涉及多个领域，未来几年还会有更多的合作。

“与医疗成像有关的研究越来越多，现在，我们经常会去拜访医院供应商，拜访的频率越来越高，他们对新的AI应用很看好。”

机器学习技术可以用来处理医疗图像，过滤大量医疗数据。Nvidia开发的图形芯片执行并行运算时效果很好，而机器学习需要完成并行运算，Nvidia已经向学术机构、行业客户提供硬件，供深度学习研究人员使用。不只如此，Nvidia开发的深度学习专用产品越来越多，包括DGX-1计算机、用于自动驾驶汽车的系统Drive PX。

Powell相信，未来医疗研究中心会引进更多的Nvidia设备。她认为，这些设备可以提高诊断的可靠信，可以大大提高发展中国家的护理水平，在发现药物的过程中，深度学习也可以派上用场。

不只如此，深度学习还可以帮助医生发现那些极为隐藏的病症。例如，Nvidia与Mayo Clinic的神经系放射学家Bradley Erickson合作，用深度学习技术识别脑部图像。Powell说，Bradley Erickson成功找到一些与大脑疾病有关的基因。

纽约大学教授Gary Marcus认为，AI可能会对医疗行业造成巨大影响，比如用来治疗癌症。有些时候，人很难识别某些危险因素，但是算法却可以发现。Gary Marcus说：“在AI的帮助下我们也许可以在治疗方面取得重大进展，这可能是AI的杀手级应用。”

将深度学习技术应用于医疗存在很大的挑战。新方法很复杂、不透明，为什么算法会有如此特殊的诊断？医生可能不是太明白。Powell承认技术的确存在挑战，但是新的解决方法越来越多，比如，研究人员用可视化方法展示深度学习网络行为。Powell称：“这是当前研究领域的一个重大主题。”

用AI与量子计算机寻找新材料

IBM研究所科学与解决方案副总裁Dario Gil认为，AI技术可以协助研究人员寻找新材料。

Dario Gil指出，将机器学习软件安装在笔记本中，几秒之内就可以从研究报告中抽取关键信息，几周之内就可以通过大量研究机构创建庞大的知识图，不需要几十年。

到目前为止，Dario Gil并没有指出有哪些具体突破。不过他说过，IBM已经用沃森系统寻找新奇聚合物。虽然AI与计算取得了突破，不过Dario Gil却说世界上最强大的超级计算机处理起来仍然有些困难，比如预测微粒电子结构。

怎么办？IBM看到了量子计算的巨大潜力，量子计算可以大幅提高运算速度。

去年，IBM推出了新的量子芯片，本月早些时候，IBM又公布了新计划，它要建造云计算、商用量子计算系统。

Dario Gil说：“今年与明年，预计量子计算将会出现很大的进步，也就是量子计算机的性能会有很大提升。”

Otto联合创始人：10年之内AI将会在卡车上普及

Lior Ron是Otto的联合创始人，它是一家无人驾驶卡车开发公司，去年被Uber收购了。最近，美国财政部长Steven Mnuchin说过，至少50年至100年之内，AI不会影响美国的就业情况，而Lior Ron却认为，影响会出现，不是更晚，而是更早。

在会议上，Lior Ron表示，未来10年无人驾驶卡车将会在公路上流行起来。有许多企业都在开发自动驾驶汽车，和这些企业一样，Lior Ron也认为要开发出真正可以自动驾驶的汽车，不需要人干预，至少还要等一段时间。

Lior Ron说：“事情不会在一夜之间发生，而是会慢慢发生。”

例如，Lior Ron预测，最开始时完全无人驾驶的汽车会在凌晨开上公路，那时没有多少行人，然后会在白天出现，在不同的驾驶环境中出现。

有些人担心无人驾驶汽车可能会让司机丢掉工作，在不久的将来，Otto的技术更有可能会成为副驾驶，而不是替代人类操作者。虽然卡车可以在高速公路上自动驾驶，但在某些环境中还是需要人来操作，比如在城市街道环境中行驶。

Lior Ron认为，驾驶卡车是一件很累人的事，有时要工作很多个小时才能休息。如果卡车可以自动行驶，人类司机可以稍微休息一下，长途驾驶就会更安全，更有效率。

要让卡车自动行驶，现在还有很多的问题要解决。例如，卡车在自己的车道上行驶时周旋的空间更小。当前方出现障碍物时，卡车的反应速度也比小车慢，停车时需要更多的空间。卡车装了货物，货物的重量可能不均衡，在旅程中可能会变化，Lior Ron认为这些信息软件必须注意。

OpenAI介绍一种新方法 可以让机器学习变得更容易

OpenAI是一个非盈利研究机构，马斯克是机构的联合创始人，他还为OpenAI提供资金支持。OpenAI最近表示，它找到一套更容易使用的替代方法，可以增强机器的学习能力，玩游戏、执行其它任务时，学习的结果差不多。

在会议上，OpenAI研究主管Ilya Sutskever表示，新方法可以让研究人员在机器学习方面以更快的速度前进。

“它可以与当今的增强技术竞争，也就是与标准的学习算法竞争。新方法很简单，如此简单的方法居然很实用，真的让人吃惊。”

OpenAI开发了机器学习软件，它可以玩经典的“Atari”游戏。

Sutskever认为，要让机器学习软件完成更复杂的任务，不只是识别图片、翻译语音，找到新方法让机器学习软件玩电脑游戏、控制机器人显得相当重要。他说：“如果我们能让计算机系统自己学习，完成复杂的动作，我们就可以管它叫‘智能机器’了。”

Sutskever与同事测试了新方法，这种方法叫作“进化策略”，他们开发一套软件，可以玩50多种Atari游戏，包括Pong、Centipede。研究人员将新方法应用于多个处理器，只要一小时就可以训练出很强的AI玩家，如果用谷歌DeepMind去年提出的方法开发增强学习系统，再用它训练，让AI玩家达到相同水平需要一天时间。

测试机器人时进货策略也有优势，软件要让机器人像人一样在模拟环境中行走。尖端增强学习系统需要10小时才能获得的结果，用新方法只要10分钟。

事实上，新技术背后的理念早在几十年前就存在了，简单来讲，就是让学习软件尝试不同的动作，找到当中最有效的。在自然选择过程中，生物组织会主动适应环境，新技术的原理与此类似。

Sutskever说：“很久以来大家都知道的算法实际上比大家认为的更实用。”

有了进化策略技术，AI会有哪些具体的用途？他拒绝透露，只是说还要花更多时间研究，找到技术的优势与限制。不过Sutskever指出，与增强系统技术相比，完成复杂任务时进化策略法更好，复杂任务需要经过多个步骤才能得出结果。

正是因为这个原因，Sutskever相信进化策略可以帮助OpenAI完成目标，也就是创造所谓的“强人工智能”，软件可以根据复杂的场景自动适应。

在机器学习领域，大多研究人员不怎么关注强人工智能，而是用技术解决更特殊、更狭窄的问题。OpenAI在声明中曾表示，公司的一个使命就是开发强人工智能。Sutskever指出，现在机器学习进步很快，是时候考虑强人工智能了。

Uber告诉我们AI商用很困难

为了保持领先，Uber向机器人、AI投资，不过公司遇到一些困难。

最近几个月，Uber先进技术集团损失了几个人才，先进技术集团设在匹兹堡，负责开发自动驾驶汽车。新AI实验室主管Gary Marcus上任几个月就离职了。由此可以看出，要让技术商用挑战很大，因为技术太复杂、太先进。

去年12月，Uber收购了创业公司 Geometric Intelligence，它是Marcus创办的一家创业公司，而Marcus又是纽约大学的感知科学家，之后Uber成立了AI实验室。现在Marcus还是Uber的AI顾问。

上周，Uber的无人驾驶汽车遭遇挫折，汽车在亚利桑那撞车。当然咯，无人驾驶汽车不需要对事故负责。

Uber之所以积极开发无人驾驶汽车，主要是担心未来的士产业会被摧毁。现在Uber已经加速前进，它在几个城市的公路上部署了无人驾驶汽车。可惜的是汽车表现并不完美，即使在普通环境中也不完美。

在工程上也有很大的挑战，例如，传感器退化自动驾驶汽车如何处理，如果公路上无人驾驶汽车太多，激光雷达等系统会互相干扰，这一问题又如何解决。

行业过度依赖神经网络式机器学习技术，Marcus对此提出批评，2014年他成立了Geometric Intelligence，主要目标就是寻找替代方法。

Geometric Intelligence希望能找到更有效的方法让机器学习。看到新的交通信号出现，人类可以快速识别，电脑不同，即使采用今天最先进的机器学习方法，电脑也需要几千个样本才能学会。

还有一些公司也在开发无人驾驶汽车，但是它们可能已经发现进步的速度比预期要慢。谷歌将无人驾驶部门分拆，成立了Waymo公司，不过公司的技术还没有商用。

原文来自：technologyreview

上一篇： 速感科技CTO张一茗：从0到1了解SLAM|创课报名

总结:智东西是一个主打智能硬件的科技媒体，专注全球智能硬件产业，提供最值得关注的创业公司、行业人物、投融资、新兴模式及产品、产业观点等影响力内容。它有很多用处。

5、

2017年4月2日，由深圳市人民政府、数字中国联合会主办的“2017中国（深圳）IT领袖峰会”在深圳五洲宾馆举行，亿欧作为支持媒体受邀参加。

出席此次峰会的企业方嘉宾包括阿里巴巴集团董事局主席马云、百度董事长兼首席执行官李彦宏、腾讯董事会主席兼首席执行官马化腾、微软全球执行副总裁沈向洋、创新工场创始人、董事长李开复、数字中国联合会常务理事田溯宁等。

以下是麻省理工学院教授、机械系系主任陈刚的演讲：

让我首先感谢吴鹰，感谢王维嘉和大会的组织邀请我来。我早上听到朱民教授他的演讲以后心里很虚，我是机械系的，他这个做经济的都给了这么大的一个人工智能的演讲，我说我的演讲可能这里面“人工智能”智能有不少，但是人工这方面可能还差一点。但是我今天也想给大家来分享一下麻省理工的创业环境和我们的一些发明创造。

我是机械系的，因此我给大家的例子很多是来自我们系的。但是我想大家也都知道麻省理工是一个非常具有创新，有很多发明创造的地方。让我们看看麻省理工怎么样把我们研究带向市场，怎么做出一些原创性的发明创造。

大家都知道硅谷，硅谷是在西海岸。但是如果谈到东海岸的话，那就是128走廊。128走廊在美国的波士顿你可以看到高速公路是128高速公路，这里是高科技云集的地方，沿着128公路有很多高科技公司。当然这些公司跟MIT（即麻省理工学院）和我们另外一个竞争对手哈佛大学有关，MIT和哈佛都是在Charles River，Charles River的对岸就是波士顿。

我们看一下MIT的情况，你可以看到我们一些基本的数据，只有1万个学生左右，1000个教授，但是在这1000个教授里面有17%就是美国的三个院（工程院、科学院、医学院）的院士。诺贝尔奖有75位。从二战以后来看，有一半诺贝尔奖得主和MIT有关。

因此可以看到MIT的基础研究，这些是在基础上创新有贡献的，做的很好。同时大家可以看到MIT对社会的贡献。MIT的校友，现在还在非常活跃的公司，创建的活跃公司有3万多家。这3万多家公司产生的年产值2万亿美金，如果按照一个国家来排，可以排世界上第十位。因此产生了巨大的社会效应。

你可以看到MIT校徽很有意思，动手又动脑。它的校徽，右边是一个男的学者，左边是一个女的，是一个铁匠。我们这个学者和打铁的在一起，而且我们的女生，早上马云说到阿里巴巴有47.5%是女的，我们在这么一个工程学校有将近50%的是女的。这个全世界基本上找不到。这是MIT简单的介绍。

这么多公司怎么样复制出来的，当然有的学生是出去创业，但是学校有非常优秀的创业环境。这就是我讲到动手又动脑，交叉合作，这个学校有很多机构来鼓励学学生教授创业，辅导教练帮助提供创业网络。（这是）10万美金的竞赛，现在第一名就给20万美金，这个在工业界可能数字不怎么样，但是学校是没有钱的，学校的钱都是通过集资来的，因此他愿意做这个事儿，就是一个很好的例子。还有导师服务，我们有很多创业成功人士自愿回到学校，帮助学生、帮助教授来把他们的科研带向市场。这个礼拜五就有两个学生专门给教授（钱），让教授在一两年之内把你的技术怎么样带向市场，钱给的也不多，但是目的就是把技术带向市场。

最近MIT宣布了MIT引擎，这是学校自己现在也做投资、VC。利用学校的技术、利用学校的资源，把学校的技术带向市场。Sandbox是我们工程学院一个特殊的计划，完全是别人捐钱，学生只要有一个想法，他就可以申请几千元、几万元，学校一点回报都不要。因此他有各种各样的创业环境。还有一个，我们跟商学院结合非常紧密，商学院学生跟工学院学生一起上课，看看怎么样把技术带向市场。

在我的机械系里也做了一个调查，我们这个系十来年，教授都创造了50多个公司。当然更多的是我们学生、系友创建的公司。比如美国的亚马逊仓库里面取货的机器人就是我们系的学生kiva Systems，现在卖的最好的机器人就是家里做清洁的irobot，也是从我们系出来的。因此有各种各样非常成功的公司。

这个例子是我自己学生创立的一个做水处理的公司，gradiant，这个学生做了一个水处理技术，当时美国科学杂志还把他选为改变人类想法之一。但是它跟海水淡化的水处理相比，当时它的价格太贵，他跟商学院学生一起上课，通过上课过程中发现页岩气的水出来的含盐量比海水高3-5倍。从开始三年前他们就出去创业，把我们那个的技术，两个学生同时出去创业，现在他们市值也有10亿。

我们这里有很多投资人看到有一些感触了。这两个曲线，上面这个曲线是美国投资成活率，在全国新的公司成立以后，15年以后可能只有20%存在。但是看MIT，50%以上。这是从投资的角度，大家可以想到这个吸引力了。

另外我下面就想给大家讲一些更多的我们现在的研究，机械系在国内大家想一想可能就是做机械制造、设计制造，但是我们现在机械系包罗的是非常广的，从力学、设计制造、控制精密系、机器人、能源、海洋、生物工程、微纳米工程，我这里有两个照片，一个是是Yanni Yannas教授，他是发明人造皮肤。他是70年代的发明，发现烧伤的人怎么样把皮肤重新长出来，他发明了人造皮肤，90年代在FDA通过了，现在可以商业化了。

下面这个教授Ely Sachs，3D打印就是这位教授发明的。他说因为他父亲做排版的，80年代叫3D打印别人都笑话，但是现在这个技术已经全世界到处都在用。

我们在选择我们研究问题的时候，就是想怎么样解决人类面临的挑战。现在人类面临两个巨大挑战，一个是全球变暖。另外一个人口增长。我们现在的人口在70亿，到2050年到90亿人。

全球有这么多人口增长，我们怎么样给他们的食物、能源以及生活的必需品，这是我们非常关注的。我们在设计和制造创新、全球能源持续发展、地球和人类健康，机器人和智能系统，这个方向是我们研究的重点战略方向。

我给大家举一些例子，现在的研究例子，刚才我讲到3D打印，当时叫3D打印，1989年申请的专利，现在这个专利出去的公司还有三个。现在还有教授也在继续做3D打印，这个人开了两个公司，他的打印速度提高了十几倍，这两个公司做得很好。

这个例子是一个年轻教授，就是在后面推车的人，他是做全球工程，他的目标就是要把这种高性能的技术做到比现在要便宜两个数量级，这样的话可以用在贫穷的地方。他的目标，这个黑线是性价比，X轴方向是性能，Y轴方向是价格，我们需要的高性能价格上去，他就是要把这个曲线朝右移，降低价格照样改善性能。

给大家举一个很简单的例子，这是他开始时做的一个例子，这也是商业化，在印度、美国的商业化。这个轮椅，我们大家都知道推轮椅，我们看大家都是用手推轮椅，他这个很简单的原理，放了两个杠杆，这两个杠杆就是你开车的时候在换档，用不同的速度和能量，他首先在印度这个地方商业化。最后这个又卖到美国去，因为他在美国看到最主要的是做成折叠式的可以放到车里面。

另外一个例子是假肢，在美国一个高性能的假肢要到四五千块钱，他的目标是要做到100块钱以下，这种高性能假肢是控制系统做得很好，这个还没有商业化，只是在实验室做的，完全没有一点控制系统，这对他来说是在第二个阶段。但是他同时做假肢，也做灌溉，也做饮用水的处理，这都是人类非常需要的，特别是贫穷的地方要解决的问题。

下一个例子是给奥巴马总统解释他的风机(他是今年选到美国工程院院士)，他说我可以把风机做到比现在高100米，同一个地方的发电量可以高出10倍。高速公路拖不了那个大东西，他就用力学原理在当地把架子架起来，这也是美国能源部给的支持，出资开的公司。

刚才讲到3D打印，这个教授是非常具有创造力的，他做的公司是太阳能，从3D打印到太阳能，他当时的博士论文是从硅里面拉出一个薄膜来，这样就可以减少材料的用量，因为切割的时候浪费很多。但是那个公司没有开成，他又开了一个1366，这完全是铸造，做太阳能光板的，因为前不久太阳能不是很好，他这个公司还是不错的。

还有做蓄电的，这两个女教授都是中国教授，蓄热、蓄电的，你把车的空调一开，开的距离就要缩掉1/3，怎么样把热量储蓄起来，不要用电。

在水和食物这方面我也给大家一个例子，通过我们系水的研究，现在MIT成立了全校水和食物安全的实验室，这个教授我有一次跟他聊你开公司没有，他说我有10个公司，又过几年我又问他，我想10个公司现在还剩几个？他说我现在有20个公司!然后我就介绍了很多我投资的到他那去。过几年他又成立24个公司了。右边两个，一个是色谱仪，另一一个是质谱仪，大家在实验室知道很大，他可以做到信用卡这个尺寸。比如食物检测，中国修房子以后有很多气体，怎么样检测有害气体，食物的安全，有很多这方面的应用。

这个例子我自己看上去很简单，我们平常烧开水都是用火，但是怎么样在太阳下把水烧开，这个我们也在寻求，上个礼拜五我们也在看怎么把这个技术带向市场。这个例子更有意思了，这是大家平常在厨房里面倒东西，芝麻酱、蕃茄酱倒出来都不容易，这个教授是做透明涂层的，他太太老是说他做的东西没用，他有一次把这个东西做出来，并且放到网上，这是倒蕃茄酱的瓶子，你可以看他倒蕃茄酱就像倒水一样。我们平时厨房里面扔掉的瓶子里面有10-20%的东西是倒不出来扔掉的。这项发明，除了蕃茄酱，什么酱都可以，这是芝麻酱，这是牙膏，这是油漆，这是啤酒，不过他的啤酒没人喜欢，啤酒倒了不流出来的话别人没有感觉了，这是同样的啤酒你可以看一下。他的东西一放到网上去，几千家公司来找他，因此他根本没有要投资，这个公司也就开始做了。他的模式是怎么做一个配方，哪个需要就给哪一个。

在这里给大家举几个机器人的例子，这是水下的机器人。马航失事的时候，在海里找飞机也是我们系出去开的公司。无人驾驶，昨天讲到美国无人驾驶达帕开始的，这个教授当时是拿了第四名，前三名都是用谷歌地图，他自己的车是唯一边开车边建图的，用雷达做的，这是边开车边建图的技术。

机械系有量子计算，这个人Seth Lieyd真正的第一个量子计算程序是他写的。电子材料也是颠覆性的，这个教授做的电子材料，比如激光这个东西长一层撕下来，再长再用，从太阳能到发光，到柔性电子都是可以用上去的。这个也是很有意思的例子。这位教授是做水凝胶的，你可以看到这个水凝胶抓鱼，这是他做的机器人，透明的，这个水凝胶的机械强度可以跟人的软骨头一样，他到中国来很多贴的膏药找他，贴膏药很舒服。这是塑料膜导热，可以做得根金属一样导热。我给大家举最后一个例子，本科生用铝做燃料，铝怎么可以做燃料？大家用铝锅烧开水，铝的表面有氧化铝，他们找到怎么样把氧化铝连续跟水反应产生氢气，用燃料电池来推动，他们第一个开的公司就是水下潜艇，现在又在做燃料电池。

我希望通过这些例子跟大家分享一下我们强调的是原创新，我们的研究是要有原创，要真正解决问题，同时我们也有非常好的环境基础研究一起结合起来，我就讲到这里。谢谢大家，我很抱歉，因为我现在得马上去赶飞机，希望以后跟大家多多联系。

亿欧将于4月21日在深圳特区馆国际会议中心举办“新科技?划时代”峰会——让人工智能落地才能产生价值，报名猛戳： http://www.iyiou.com/a/ai_shenzhen_2017

本文作者亿欧，亿欧专栏作者；微信：i-yiou（添加时请注明“姓名-公司-职务”方便备注）；转载请注明作者姓名和“来源：亿欧”；文章内容系作者个人观点，不代表亿欧对观点赞同或支持。

总结:麻省理工的创业环境和发明创造。

6、

目的

人类文明的许多领域都能找到某种贯穿历史长河的“物种”。 它们古老而年轻——时光荏苒，不断进化，逐渐积累下最顽强、最富生命力的基因片段，并在更广袤的生态中繁衍，最终造就该领域令人叹为观止的多样性。 编译器就是计算机世界的这样一个物种，它将不同时代大师们的匠心融入自己的基因，并逐渐传递到数据库、分布式计算、自然语言应用、人脸/语音驱动等现代物种中，比如抽象语法树、中间代码、语义优化和版本化等等。

LLVM 将编译器的许多优秀机制模块化，人们可以根据自己的语言、处理器、运行平台等需要，为自身应用定制编译器，在恰当的时机，快速地获得高性能的编译结果（Bitcode），然后链接其他编译结果或库，获得性能、资源使用效率、兼容性兼备的可执行代码。

许多对LLVM的介绍偏重“使用”，比如JIT或如何编译控制GPU等虚机。但功能只是起步，匠心更显价值。用厂家或社区提供的LLVM编译器（ Lua、Swift、CUDA等等 ）实现产品后，如果进一步了解和改善内部优化分析机制，对代码效率精益求精，则更能体现软件人员的追求，追随大师们的脚步继续传承和创新。本文希望介绍一种对LLVM编译器IR和分析优化部分的改造，希望对从事这方面工作的朋友有所启发。例如对LLVM前端、分析和优化器可以进行哪些修改，需要考虑哪些问题？有哪些分析手段？如何在中间代码IR和控制流程图（Control Flow Graph)层面进行修改？这里面的许多分析优化原理在《编译原理》（英文名Compilers: Principles, techniques and tools）里有更详尽的描述。

并行编程

随着处理器从单核向多核进化，并行编程是加速数据处理和提升吞吐量的。如何在现有的非并行代码上快速修改，将计算负载高效地分布到多颗CPU，充分利用多核，又能避免花费大量精力重写和维护不同平台的不同代码？

分叉-合并 （Fork-Join)是主流编译器采用的一种并行化方法，通常用语言扩展（language extension)支持，比如 Cilk Plus 、 OpenMP 等。一个程序可以分解成一系列小任务块，每个小任务块包括各自的一系列指令。互相不依赖的一组小任务块，即可考虑并行执行（分叉出一组并行的线程），然后通过合并（Join）同步，等所有进程结束后再往下运行。

具体如何实现呢？举个例子来讲：

#pragma omp for
for (int i = 0; i < N; ++i) {
dest[i] = a[i] + b[i] * c[i];
}
这个for循环里的N次加乘可以并行进行，由N个计算单元一次性完成。 而且不管谁先谁后，最终结果都是一样的。

实现起来非常简单：开发者可以通过Cilk Plus或OpenMP等的语言扩展，比如加上“#pragma omp for”，来表示这部分代码 可以 并行执行，主流的编译器GCC、ICC、LLVM等则会将这样的循环编译成并行执行。开发者无需关心执行细节，更无需将代码拆成可并行的任务以适应TBB之类的并行计算库。

同时，去掉#pragma omp for后，程序将退化为串行执行，执行结果不会变化。因此，当测试和Debug，或底层不支持并行，或编译器不支持时，可以忽略这些语言扩展关键字，程序仍会安全地编译，执行结果和并行一样，只是没有多线程多核的并行加速而已。这也叫“串行语义”（serial semantics)——确保程序 必须 能退化到串行执行，是Cilk、OpenMP等并行计算语言拓展的基本准则。

但这一编译和优化过程处理并行指令时，不甚完善。2017年2月，麻省理工学院的计算机科学与人工智能实验室发表的 对LLVM编译器做的一系列改进 ，值得关注。

LLVM编译器编译并行指令的缺陷

比如 优化循环 时，能看到LLVM并行化的一些缺陷。请看下面这个归一化函数：

__attribute__((const)) double norm(const double *A, int n);

void normalize(double *restrict out,
const double *restrict in, int n) {
for (int i = 0; i < n; ++i)
out[i] = in[i] / norm(in, n);
}
该函数将in数组归一化。比如，in数组可以是各地的销售额，通过该函数转化成销售额的百分占比。（norm函数可以看成计算销售额的总和）。

因为每次对norm的调用，都会产生同样的结果，不随for循环变化，所以在不考虑并行计算的情况下，编译器通常会将该结果的计算从for循环里搬到循环之前，仅需计算一次。这能将计算复杂度从)降为,这种优化也叫做循环无变化的代码移动(LICM, "Loop Invariant Code Motion")，一种常见的编译器优化。

现在，考虑一下在多核处理器的情况下，能否通过并行执行加速？如果将第06行并行执行——将相应的i值和norm函数一起交给n个计算单元同时算，就可以将串行的n个周期缩短为并行的1个周期，速度应该大大提升。

实现起来也很容易，如前所述，只需要将for前面加上#pragma omp parallel for，或者将for换成cilk_for。 支持OpenMP或Cilk的主流编译器，都可以轻松编译，实现并行计算。 这种并行循环的场景非常典型。

编译器同样应该进行“代码移动”优化，把norm函数搬到循环外先计算，以降低计算复杂度。但GCC5.3.0、ICC16.0.3和Cilk Plus/LLVM3.9.0都没有这么做。编译成并行运行，速度有时候比串行 还差 。在AWS c4.8xLarge, 18核，n=64M（循环64M次）上的运行结果如下：

未做并行处理：原程序运行时间：0.312秒；
并行处理，18核：将for换成cilk_for，用Cilk Plus/LLVM版，运行180.657秒；
并行处理，1核：运行2600秒！
并行处理，18核：用OpenMP，LLVM4.0，运行0.205秒，好一些，但不明显；
这些主流编译器都支持分叉-汇合的并行机制，但对并行部分的代码的优化，为什么反而不如对串行部分做得好？哪里出了问题？

LLVM编译器

典型的LLVM编译器包括三大部分：前端（和实际编程语言相关），后端（和实际芯片或硬件平台相关）以及中间语言（Intermediate Representation）。下图分别是通用型、基于多核并行扩展Cilk Plus和基于 NVidia CUDA 的三种C语言编译器的LLVM结构。

以第一种通用C编译器为例，前端负责类型检查和解析，将程序翻译成中间语言IR（Intermediate Code），中间语言经过优化器，进行分析和优化的多次遍历，将IR转换得更高效。一般来说，这些优化不涉及最终执行的计算机指令集。最后，后端进行底层和机器相关的优化，将优化的IR转化为机器代码（在CUDA等架构下，最后转化为 PTX 这样的代码，用来控制底层虚机）。

问题

根据麻省理工学院2017年2月发表的 一篇论文 ，问题可能出在这些编译器遇到可并行部分代码的标记时，是如何处理的。

比如，受前文提到的“串行语义”所限 ，要确保无论是串行或并行，执行结果都一样，GCC、ICC和Cilk Plus/LLVM都将并行部分的代码放在 前端 处理。让我们回到前面的归一化函数：前端看到cilk_for的汇总-分叉关键字，知道希望将这部分代码成并行执行，就会把第05-06行的循环转换成两步：

1）第06行的循环执行内容被装进一个辅助函数。（Helper Function，把常用的计算或功能打包，以便多次调用）；

2）第05-06行的循环本身，被替换成调用一个Cilk Plus Runtime库函数。循环的上下边界和辅助都作为这个Runtime库函数的参数。该函数负责把n次循环迭代转化为n个并行任务，同时执行。

问题是循环的内容被打包了，优化器针对循环优化的扫描看不到被打包的norm函数，也就无法采用代码移动（LICM）进行优化。通过 对比归一化 PClang 可以看到：Cilk Plus的并行化的编译，没做任何代码移动，所以执行速度比串行还慢。

OpenMP采用的是同样的两步，不同的是，对辅助函数（Helper Function）内部进行了代码移动，即把norm函数放到循环之前计算。但并没有把norm函数搬到整个并行化之前，所以并行后每个核仍需要各自先算一遍norm，仍然不是最佳优化方案。

所以，问题出在主流编译器 “先解决并行化，再扫描和优化” 的顺序不合理。遇到可并行处理部分的关键字时，就把他们作为语法糖（ syntactic suger )过早地打包，等Runtime库函数调用执行。等优化器进行分析和优化时，要么看不到（Cilk Plus/LLVM），要么只能在语法糖的包内进行局部优化（OpenMP），都不够彻底。 这种语法糖的做法也可以看做 intrinsic funciton 。

该问题在LLVM开发社区2017年1月也有一个较受关注的讨论“ IR-层面的注释 ”：

解决办法-Tapir

麻省理工大学的计算机科学和人工智能实验室在LLVM开源编译器的基础上，进行修改，并开发了一个新的版本 Tapir 。 他们将并行部分的代码直接嵌入编译器的中间语言IR里，以便充分利用编译器后端对所有代码分析和优化，而不把并行代码作为语法糖那样下推到Runtime库函数。

这样做，编译器的代码转换处理并行部分可能出问题。之前也有开发者在现有的IR上拓展，但还没有获得成功，比如用内部函数（intrinsic functions)、或者建立一套完全不同的IR来描述带有并行的抽象语法树。

麻省理工学院的做法包括两大部分： 新增三个IR代码，并放弃全部并行，将程序流程转换成一种局部并行、总体串行的非对称结构。

三个IR更确切地表达分叉-汇合

这三个新增的LLVM中间代码IR是：detach, reattache和sync：

detach和Cilk的"spawn"类似，用来开始分叉，从串行转为并行；
reattache说明一个并行代码块里的语句执行完毕后，再执行哪一块代码。
sync用来同步本部分的并行部分，等本部分的并行任务执行完毕之后，再往下走。
编译时，Cilk plus代码先通过修改过的前端PClang，产生带有三个新IR的中间代码（Tapir），再通过优化器进行优化(如LICM，重复表达式替换等高层优化），之后将Tapir编译成通用的LLVM中间代码IR（包括下推至Runtime函数调用等），然后像以前一样，再对LLVM IR进行分析和优化，最后转化成机器代码。

感兴趣的朋友可以去Github下载，本文所引用的 论文 附录里有使用说明。

对称和非对称型控制流程图(Control Flow Graph)

Tapir的另一个重要思路，是放弃并行的最大化，仅在局部保证并行，而整体控制流保持串行。

让我们看一个典型的并行计算场景：计算菲波那切数列中的第n个元素的递归函数fib。

int fib(int n) {
if (n < 2) return n;
int x, y;
x = cilk_spawn fib(n - 1);
y = fib(n - 2);
cilk_sync;
return x + y;
}
x=fib(n-1)和y=fib(n-2)这两部分逻辑上可以并行执行，如A图，但Tapir采取的流程控制图如B图。

对称和非对称型控制流程图

非对称意味着两个方面： 一是通过reattache指令，将det和cont这两块程序用reattach这条边连接起来，使得本来可以并行执行的det和cont两个指令块，先后串行，先跑det，再跑cont。

二是确保在并行程序块里的变量，不能被并行块之外的程序访问。 比如cont里的指令无法直接访问并行的det里的x0, 而要通过外部的虚拟寄存器x传递： x1=load x;

为什么这样做呢？ 原因之一是为了尽可能少地修改优化器里的80多个 分析和优化扫描 代码。这些长期积累的机制，是为非并行代码设计的。所以LLVM采用语法糖的办法先将并行代码按语法糖下推，可以方便地沿用串行的分析和优化器。而现在如果在IR里保留并行代码，不下推，必须保证新IR（Tapir)经过分析、优化以及代码转换后，每个 代码块 的执行结果不改变，且不带来 额外 的并行读写竞争(determinacy race)。

那么，一个很自然的想法，就是尽量保持程序的大块的串行顺序不变，仅将可以并行的部分，转化为局部并行。并行部分的数据放在局部寄存器里，外部串行指令不可以直接访问，而只能从内部传递给共享内存，以避免优化和代码转换带来额外的并行读写竞争。

对LLVM优化器的修改

即使这样，用于串行程序的分析、优化部分也需要少量修改，增加一些限制。比如，优化器可能将某些指令的执行前后顺序改变。如果将本来应该串行的变量赋值，移到并行部分，就有可能由于并行访问时间不同，产生该变量不确定（determinacy races)。

因此，Tapir对LLVM的分析部分进行了相应修改，在变量别名分析（alias analysis)部分，将detach/sync对应的指令块，作为函数处理，以免优化器错误地将串行部分的变量赋值移到并行部分里。而将reattach作为前后代码的分割边界，不允许优化器将后面的代码移到reatache之前，反之亦然。

另外，程序里占用时间最多的是循环，如何将一大堆指令流转简化为一两个嵌套的循环？ 支配分析（Dominator analysis）是必需的一步--逐一确定程序里每个节点的状态，由之前的哪些节点决定？ 对于每个指令而言，哪些变量的值是确定的？由于并行部分的不确定性，并行部分的寄存器值不可以作为确定值放在支配树里。

而Tapir的控制流程图里因为有了Continue这条边，可以完全沿用现在的算法，无需修改。 因为Continue将detach和reattach的指令块连起来，自然而然地形成两条通向reattache代码块的路径。 因此计算reattache代码块的支配节点可以完全沿用LLVM的串行分析器，像If语句分叉那样处理，而不会把并行部分误认为一定是支配树的一部分。

对于本文最开始举的归一化例子，因为将归一化的计算代码直接嵌入IR代码中，优化器中已有的LICM扫描能发现，并将Norm函数计算移到循环之外，从而缩短计算用时。不过，需要对LICM优化器做一个小小的修改。 LICM需要对循环结束之前的所有支配节点进行扫描。

但是如前文的“支配分析”里描述的，Continue这条边让并行部分的代码不属于支配节点，因此，对LICM优化的代码需要进行以下修改: 进行LICM扫描时，对并行循环按串行模式优化，也就是说，在寻找循环结束之前的支配节点时，忽略Continue这条边，这仅仅需要修改25行代码。

结论

同样用前文的AWS 18核平台，Intel Cilk Plus Runtime， 重复试验 ，用Tapir代替Cilk Plus/LLVM进行编译:

未做并行处理：原程序运行时间：0.312秒；
并行处理，18核：将for换成cilk_for，用LLVM/Tapir编译，运行0.081秒；
并行处理，1核：运行0.321秒。
之所以这个并不复杂的想法一直没人去做，主要是人们担心需要对编译器的分析/优化部分做大量修改--LLVM里，有80多种不同的优化分析扫描，有多少需要修改？ 据Leiserson博士团队里的博士后Tao B. Schardl和计算机/物理双学位本科生William S. Moses说，“ 这证明 了传统的想法完全错了。出乎意料的是，分析和优化的80多种扫描，并不需要全部改写。T.B.和Billy仅仅修改了4百多万行代码里的6千行。” 其中，900行用来定义这三个新IR，三千多行修改了Runtime的函数调用，而对中间阶段的分析和优化，仅仅改动了2千行左右。比如前文提到的归一化循环LICM优化，仅仅需要修改25行LLVM的代码。

后记

本文不是为了对比Tapir、OpenMP或Cilk Plus在并行开发上的孰优孰劣，而是介绍Tapir这样一个通过语言拓展和改造LLVM编译器来方便并行开发的做法。这篇《Embedding Fork-Join Parallelism into LLVM‘s Intermediate Representation》论文对许多大型、复杂的软件系统开发者也许有所启发，比如在LLVM框架下如何考虑竞争、一致、安全、扩展、维护等方面。

当然，每个软件产品的开发背景不同，设计思路也大不一样。比如用某种GPU框架有针对性地加速时，考虑更多的可能是如何通过厂商提供的LLVM获得高效的PTX，来实现某些计算函数，以及高效的任务并行和数据交换。而一开始就构建在并行计算平台的业务开发，就无需过多考虑退化到单核和优化器的扩展性。

虽然Tapir还是个非常早期的尝试，只对80多种优化扫描中的一部分进行了深入的评估和修改，不过麻省理工电子工程和计算机科学系教授Charles E. Leiserson认为, 这种编译器“能比其他商用或开源的编译器，更好地对并行代码优化，而且能编译一些编译器无法编译的内容”。似乎只需要对已有优化和分析机制做少量修改，并可以方便地对并行代码进行更多优化，值得继续关注。

感谢麦克周对本文的审校。

给InfoQ中文站投稿或者参与内容翻译工作，请邮件至[email protected]。也欢迎大家通过新浪微博（@InfoQ，@丁晓昀），微信（微信号： InfoQChina ）关注我们。

总结:麻省理工学院优化LLVMIR，大大提高并行化的效率。

7、
据火币区块链研究中心编译，物联网防病毒软件NeuroMesh使用区块链，在麻省理工学院十万加速竞赛（MIT 100K Accelerate Competition）中获得亚军。

NeuroMesh物联网安全解决方案使用区块链技术、多跳网络和深度学习来防御潜在的攻击。

物联网（IoT，即the Internet of Things）正在发生革命。一些公司利用包括区块链在内的各种技术开发可互联的物联网设备，这将使所有基础设备面临新的高级别的威胁。 NeuroMesh是一个可信任的分布式物联网和智能手机平台，旨在通过其僵尸网络安全软件防御这种攻击。

由Caleb Li和Gregory Falco创立的NeuroMesh自称为“物联网疫苗”。这个平台能够检测并摧毁病毒程序，同时将病毒源加入黑名单。近日该平台获得了麻省理工学院十万加速竞赛（MIT 100K Accelerate Competition）的亚军。

NeuroMesh为物联网和智能手机提供了一个僵尸网络平台，为其加入并分配指挥控制系统（C&C，即Command＆Control）角色。这款简洁的软件支持一系列智能设备，包括网络摄像机、智能电表、温度传感器、智能手表、汽车等。据火币区块链研究中心了解，NeuroMesh平台利用具有分布式账本功能的区块链，不间断的多跳网络，以及用于检测新病毒威胁的深入学习功能，提供其承诺的安全保护。

所有运行NeuroMesh软件的物联网设备将会成为多跳网络的一部分，并通过“访问列表”访问分布式账本，使其能够识别同类并发现任何潜在的病毒威胁。如果一个设备通过使用深度学习功能检测到潜在威胁，那么它会向C&C发起投票以将该设备列入黑名单。收到投票后，C＆C将验证威胁，并将特定的受感染设备的密钥添加到黑名单中，以有效阻止全网络被感染。

NeuroMesh在参加Atos IT挑战赛所提交的文件中，描述了其所提供的平台如何工作。该平台利用了以太坊区块链，并为用户提供了两种不同类型的订制套餐。第一个套餐要求设备制造商或最终用户每月或每年支付固定费用，第二个套餐则是按受攻击次数收费的模式，要求对每一次抵挡的攻击收取费用。

NeuroMesh可能是物联网和智能设备领域急需的解决方案。互联网上的一切都面临着日益增多的威胁，这为该公司带来了巨大的发展前景。

发文时比特币价格 ￥6900.11 （来源：火币网——安全可信赖的比特币交易平台）

总结:防病毒软件NeuroMesh使用区块链技术斩获麻省理工100K加速赛亚军

8、
英国初创公司UltraHaptics的超声触感技术能够让用户在不接触屏幕的情况下获得触觉反馈。目前该公司正与麻省理工学院合作，为MIT学生提供触觉反馈技术课程。

UltraHaptics的超声触感技术课程将由计Ivan Sutherland主导，旨在让学生透过图形界面，触摸虚拟世界的信息。

UltraHaptics通过扬声器将声波集中作用在用户皮肤上，提供足够大的力量让皮肤产生触觉，并以不同的频率来振动皮肤，从而模拟不同的触觉。这点类似现在市面上很多按摩设备，只不过后者采用的是电流模拟。

去年11月，该家公司推出了一个开发平台，用以评估增加触觉反馈后的手势控制。这个UHDK5 TOUCH开发者套装提供了一套完成的硬件和软件包，以及一个可以嵌入到产品设计中的架构。

总结:UltraHaptics为麻省理工学生提供触觉反馈技术课程

9、
麻省理工将向利用科技为职工创造更好经济机会的组织颁发逾100万美元奖金

包容性创新挑战赛寻找正在改变未来就业环境的全球组织。现可登录 MITinclusiveinnovation.com 报名。

马萨诸塞州剑桥2017年3月22日电 /美通社/ -- 麻省理工学院数字经济项目 (IDE)主管Erik Brynjolfsson提醒道：“生产力水平不断创新高，创新速度前所未有的快，但与此同时，我们的平均收入却在下降，工作也有所减少。科技进步太快，而我们的技能和组织没有跟上，导致人类社会落后，这就是我们这个时代的矛盾所在。”除非出现新的解决方案，否则这个趋势会愈演愈烈。

麻省理工学院数字经济项目认为，技术驱动型解决方案将使人们能够更加充分地参与到快速发展的数字经济中，从而增加收入并确保就业机会。在这个前所未有的变革期，为了奖励和推行这些具有创造力的解决方案，麻省理工学院数字经济项目推出了包容性创新挑战赛(IIC)。去年第一届IIC大获成功，吸引了来自全球各地的近300人报名，如今第二届大赛已经拉开帷幕。现可登录 MITinclusiveinnovation.com 报名。

IIC将向“包容性创新的超级英雄”（利用科技来改变未来就业环境和创造更公平的经济的组织）颁发逾100万美元奖金。不同规模、成立时间、类型和国别的营利性和非营利性组织均可报名参赛。

今年的奖项类别包括：

技能发展和机会匹配
收入增长和岗位创造
技术获取
金融包容
100多位核心评委和一个专业冠军委员会将从报名者中选出16名获奖者。

四名大奖得主将分别获得150,000美元奖金
12名获奖者将分别获得35,000美元奖金
报名日期截至2017年6月7日，并请在2017年6月21日比赛结束前提交申请。获奖名单将于2017年10月12日波士顿HUBweek活动(hubweekboston.com)期间在一场高规格的活动中公布。

洛克菲勒基金会(The Rockefeller Foundation)、乔伊斯基金会(The Joyce Foundation)、Joseph Eastin、ISN?和Google.org为本次大赛提供资金支持。

快来参加吧！如果想担任评委、赞助商或传播合作伙伴，或者提名一家组织，请发送电子邮件至 [email protected] 。如需注册获取最新信息，请访问： MITinclusiveinnovation.com

有关麻省理工学院数字经济项目的详情，请访问： ide.mit.edu

总结:麻省理工学院数字经济项目推出第二届包容性创新挑战赛(IIC)

10、
为了更好地理解区块链技术带来的革命，我们可以先去了解一下迄今为止最成功的区块链应用：比特币。

在2014年秋天，我和同事凯瑟琳?塔克在麻省理工学院进行了一次大规模实验，让4,494名本科生使用比特币。 最终绝大多数学生囤积这种加密货币，期望它增值。 最初分发给学生的比特币价格为350美元，现在一个比特币价值超过1,100美元，这表明许多学生意识到比特币的第一个用途就是投机。

随着这种加密货币的成熟，它经常被诟病：无法匹配现有支付网络的性能，无法满足金融系统和政府的要求。 但是比特币的设计初衷就是：允许全球网络安全地交易和交换价值，而不需要昂贵的中介，这一点它非常成功。 通过巧妙的博弈论和密码学的结合，比特币复制了金融系统转移价值的能力，但没有任何涉及运行和保护交易的人工劳动。 此外，它可以大大减少交易时彼此之间需要的信任程度; 它本质上是用数字模拟了现金的很多功能，包括隐私。

随着加密货币和分布式账本技术日趋成熟，下一个应用领域在哪里呢？

显而易见，更接近市场的应用领域是金融。虽然比特币一开始多被用来交易和投机，一些新技术（如以太坊和Zcash）已经出现，Zcash提供了比比特币更高的隐私度，以太坊为智能合同和分布式应用程序提供强大的开发平台，这股力量将转变一切，从有预测功能的应用到工作和能源市场，都将变成对冲基金和分布式的云服务。 将一切从预测应用程序，工作和能源市场转变为对冲基金和分散式云服务。随着整个加密货币生态系统的成熟，数字钱包提供商和交易所变得越来越专业、安全。

在消费者方面，Circle和Abra等公司正在利用区块链技术为跨境支付降低成本，正在侵蚀Venmo（现在是PayPal的一部分）、TransferWise和传统汇款提供商的市场份额。 Visa和MasterCard都在探索类似技术的用途，以改善他们处理付款的方式，而Ripple通过其全球结算网络降低银行和其他金融机构之间的交易成本。在所有这些情况下，区块链技术都是在底层采用，消费者和企业可以获得实惠，而不需要了解分布式账本。

这同样适用于贸易融资和金融资产，其中诸如Digital Asset Holdings（由摩根大通前高管Blythe Masters运营），Blockstream和Chain等公司正试图改革资产的发行和交易方式。他们在这一阶段的解决方案更多地侧重于分布式账本技术，作为一种降低成本和提高效率的方法，而不是在加密货币的基础上创建全新的生态系统。这有利于他们设计符合现有金融法规的解决方案，已吸引了主要股票交易所和成熟玩家的注意（诸如纳斯达克）。

中央银行也在积极探索一种由基于信用的数字货币，意味着货币政策，税收和贷款的机遇和挑战。

但区块链技术的实际应用远远不止金融资产。基本上，任何类型的数字资产都可以通过区块链进行跟踪和交易。有关货物、身份、凭证和数字权利来源的信息都可以使用分布式账本安全地存储。目前这些领域的实验都在早期阶段，但它们涵盖的范围很广，从医疗记录（MedRec，Pokitdok）数字产权和小额支付（the Brave browser，Ascribe，Open Music Initiative），身份（Uport）和供应链（Everledger，Hyperledger）。

许多这些应用的挑战是安全可靠地记录物理财产，个人（凭证），资源使用（通过物联网设备的能量和带宽）以及通过区块链中的供应链发生的其他相关事件。区块链提供的不变性只有在输入的原始信息准确时才有用。

考虑到区块链可以允许对其携带的属性进行无成本验证，首记录这些属性可能需要大量劳动力和中介（包括政府）来防止欺诈。在这个领域，物联网设备和传感器可以大大扩展可以建立在区块链上的内容。

从长远来看，加密货币很可能改变互联网服务的提供方式（Blockstack，IPFS）;开源社区如何资助其发展;我们如何适应微服务和专业知识（21.co）;我们如何支付内容和媒体;我们如何使用人才来改进预测（Numerai）。

在Michael Jensen和William Meckling对企业理论的开创性工作中，他们将公司定义为“契约关系” – 该业务仅仅是双方之间的合同集合，如员工，客户和股东。 加密货币可能有一天能够通过允许我们通过智能合同安全地转移价值和分配资源来实现新型组织。 这个新组织可以实现现货市场的速度和效率，它可以复制在公司边界内执行当今复杂任务所需的复杂形式的治理。 结合机器学习的进步，这种开创性的技术将在未来几十年引领资本、劳动力和创造力。

关于作者：Christian Catalini是Fred Kayne（1960）创业职业发展教授和麻省理工斯隆管理学院的技术创新，创业和战略管理助理教授。 Christian是麻省理工学院数字货币研究研究的主要研究者之一，他曾在在2014年让所有麻省理工学院本科生使用比特币。

发文时比特币标准价格 买价： ￥8071.00 卖价： ￥7944.00

总结:麻省理工教授：从比特币的角度来观察区块链将如何在金融之外的领域应用

11、
麻省理工学院近日推出了一个“数据美国”在线大数据可视化工具，可以实时分析展示美国政府公开数据库(Open Data)。

波士顿职业人口比例统计图

用户只需要输入任意美国地名(例如上图)，就可以检索到多维度全面反映当地人口统计数据的可视化图表，包括平均家庭收入、房价、房产税、房屋租售比、家庭平均汽车拥有量、平均上班通勤时间、医患数量比、医疗成本、疾病分布、药物滥用情况、犯罪与治安情况、种族比例、职业分布等等。

数据美国数据可视化工具不但对美国人求学、就业、生活、旅游、购物具有极高的参考价值，而且这些社会学大数据经过各种不同的可视化图表展示，可以生成大量“数据新闻”，揭示超出人们经验范围的数据Insights。该工具对于有意在美国求学、生活或投资的外国人来说也具有很强的实用性。同时“数据美国”也是政务公开大数据(Open Data)造福社会的一个活生生的应用案例。

“数据美国”项目得益于美国总统奥巴马2013年签署的一项政务数据公开(Open Data)法令，要求所有新增政府数据都必须以电脑文件形式向企业、研究者和公众开放。当时的美国联邦政府CIO Steven VanRoekel以GPS和天气数据对公众开放催生导航市场为例，指出开放数据将推动企业创新。

奥巴马认为，政务数据公开Open Data将刺激企业创新，增加就业机会，并提高政府执政效率。

总结:麻省理工学院推出数据美国大数据可视化工具，可以实时分析展示美国政府公开数据库(Open Data)。

12、

大家好，这一周的新闻有点多，希望亲爱的读者多点耐心。

潮科技的新品方面以自动驾驶、机器人居多。空客之前炒的很厉害的飞行汽车终于在日内瓦车展浮出水面了，麻省理工学院做了一个可以用意念控制的机器人，是最引人注目的两大热点。

上一周各大科技巨头的动作频繁，看起来有些混乱。日内瓦车展是本周的焦点话题。空客、大众、通用等公司都展出了颇有亮点的产品。

此外，值得注意的是，微软Azure服务器要采用ARM芯片，Winintel联盟出现一些裂痕；李彦宏表示，当百度的无人驾驶汽车业务走向成熟，并且需要更多资金和合作伙伴时，便有意将其剥离；滴滴设立海外首家AI实验室，和苹果总部距离不足10英里。IBM开始向企业提供量子计算服务，而谷歌认为，量子计算机将在5年内实现商用化。

潮科技

时隔半年，空客飞行出租车终于露了真面目

空客在最近正在举行的日内瓦车展上推出了一个名叫Pop Up的飞行汽车模型：Pop Up是空客与意大利设计工程公司Itadesign联手制作的，它实际上是一种模块化、全电动以及零排放概念车辆系统，旨在缓解城市中越来越严重的交通拥堵。有意思的是，它的乘客舱可以在四轮地面运输和四轴飞行之间任意切换。Itadesign的CEO J?rg Astalosch表示，这辆车将成为智能城市规划的一部分，推进基础设施智能化的发展。不仅如此，空客认为Pop Up会像Uber一样，成为更广泛的通勤系统中的一部分。

用意念控制机器人：麻省理工学院已经做到了

麻省理工学院(MIT)计算机科学和人工智能实验室的研究人员与波士顿大学联合创建了一个可读取人类思想的机器人。借助这种能力，机器人不需要学习复杂的人类语言或以其他方式从人类获得命令，取而代之的是，人类依靠思维活动和一个特殊的电极帽就可以指挥机器人。当然，机器人本身不能直接读出人类的思想，相反，它是更大系统的一部分，依赖脑电图监视器计算出人类在思考什么，并将指令传递给机器人。

除了自动驾驶，凯迪拉克还想用V2V技术让你的车更安全

凯迪拉克发展了一个可以“避免或减轻80%的汽车事故”的技术：车对车通信技术（V2V：Vehicle-To-Vehicle” Technology）更重要的是，通用今天宣布，2017款凯迪拉克CTS轿车将全部标配V2V技术。36氪了解到，配备V2V技术的车型在行驶过程中可以进行车对车通信，共享路况信息。这样可以使汽车在行驶过程中提前感知到潜在的危险，在湿滑的路面或者遭遇驾驶异常的车辆时掌握更大的主动性。作为从无到有开发的技术，凯迪拉克CTS通过专用短程通信（DSRC）这种高速、低延迟的介质来完成相互通信，这是一种类似于Wi-Fi的信道传输频段，区别在于DSRC是基于5.9GHz频段，而Wi-Fi是基于2.4GHz频段。

IBM实现用单个原子存储数据，未来硬盘体积有望再缩小1000倍

近日，来自IBM的研发团队日前通过“孤立原子”（solitary atom）的方式成功创造出了全世界最小的磁体，可以在单个原子上存储1比特数据。而目前我们的硬盘存储1比特数据大约需要10万个原子。这意味着未来人们或许可以将大约3500万首歌曲存储在一个信用卡大小的硬盘中。不过，该项目的研究员表示，这项技术实用化还需要几十年的时间。

谷歌发布机器学习API：在视频中找东西更容易了

在旧金山GCNC（Google Cloud Next Conference）大会上，谷歌推出一个新的机器学习API，名叫“Cloud Video Intelligence”。有了这个API，开发者可以开发能在视频内部侦测目标的应用程序，让视频变成可以搜索、可以发现的视频。比如我们可以用动词、名词代表这些目标对象，例如“跑”“狗”，然后进行搜索。

英伟达发布Jetson TX2计算平台，终端应用智能化是未来重点

3月8日，英伟达发布了嵌入式人工智能超级计算平台NVIDIA Jetson TX2，以及Jetson平台支持的最新软件开发包JetPack 3.0。Jetson TX2 延续了该系列体积小巧、高度集成的特性，大小仅相当于一张信用卡。与前一代产品相比，TX2能提供两倍的功效。GPU、CPU都进行了升级，其中GPU变成了Pascal 架构。作为业界领先的芯片制造商，英伟达在机器学习硬件领域占据优势，目前大部分用于处理人工智能数据的服务器都使用了该公司提供的 GPU。在人工智能嵌入式设备领域还没有一家厂商形成垄断的情况下，英伟达正在试图依靠已有优势建立一个完整的端到端解决方案。

让服务机器人们动起来，AICRobo想提供高性价比的自主移动解决方案

AICRobo（爱啃萝卜机器人技术（深圳）有限责任公司）的定位，是为机器人产业下游提供软硬件一体化（底盘硬件和智能控制系统软件组成）的机器人自主移动解决方案。基于核心的SLAM环境构建和自主导航技术，AICRobo为下游企业定制的自主移动型机器人可以实现包括实时定位、路径规划、智能避障和跟随在内的点到点自主移动功能。具体传感器的配置方案取决于客户需求，最快在10天内即可集成一个新的行业应用。此外，公司也会直接和垂直领域解决方案公司合作，如为物流解决方案公司提供仓储自主运输机器人，为仓库提供整体解决方案。

AMD发32核Naples处理器，靠性价比杀回服务器市场

据外媒（PCWorld）报道，Naples芯片将在今年第二季度正式上市，直接瞄准被英特尔牢牢占据的服务器市场。AMD现任服务器业务主管Forrest Norrod表示：面向企业级市场的Naples(那不勒斯)高性能服务器处理器，将重振芯片大厂AMD在服务器领域的辉煌，该处理器采用最新Zen架构，拥有32个核心。这是AMD回归服务器市场的第一个大动作。Forrest Norrod毫不掩饰同英特尔一争高下的战略意图。

谷歌正在为Android系统打造智能新功能

据外媒（VentureBeat）报道，谷歌正在为其Android移动操作系统开发新的辅助功能。这些功能可能并不会在下一个Android系统版本中亮相。谷歌预期在今年5月份的I/O大会上发布Android O。正式版预计会在数个开发者预览版之后推出。首先谷歌打造了一个名为“更少复制”的功能，旨在简化跨程序文本复制和粘贴的步骤。目前尚不清楚该功能依附输入法或是作为系统特性出现。

大众集团的「第一辆」概念车，怎么长得这么像面包机？

大众上周在日内瓦带来了 Sedric 概念车，这个名字来源于单词 Self-driving（无人驾驶）。没有方向盘、油门踏板，真正的 Level 5 无人驾驶。Sedric 是第一辆以大众「集团」名义发布的概念车，前脸写着「Volkswagen Group」，之前的几辆挂着大众标的概念车只是大众「品牌」的概念车。Sedric 方方正正的造型，加一个愤怒的前脸，有点像是一个行走的面包机。轮胎采用封闭式设计，拐弯的时候柔性材料会随之变形。进入车内，两个对坐式的座椅，彻彻底底的「移动空间」概念。

Hyperloop首次展示超级高铁管道，上半年或将试运行

3月7日，美国超级高铁技术公司Hyperloop One CEO罗布?罗伊德(Rob Lloyd)首次向外界展示了超级高铁管道的进展情况。Hyperloop One去年7月宣布其首家位于北拉斯维加斯的工厂开工。今日，罗伊德以现场照片的形式展示了正在铺设中的超级高铁管道，这条轨道目前已铺设了500米，直径为3.3米，今年上半年或将进行试跑测试。到目前为止，Hyperloop One也是唯一一家正在打造可实际运营的超级高铁的公司。

高通推出一体化VR头盔，无需连接PC

据VentureBeat报道，在最近游戏行业的GDC 2017大会上，高通推出了第二代虚拟现实头盔的原型机。这一头盔依靠高通高性能处理器，将无需连接外部电脑。高通副总裁乐朗（Tim Leland）表示，虚拟现实的未来应该是移动的，而不是被捆缚在一台个人电脑上。这意味着玩家可以在一个空间内自由行动，浸入到虚拟现实提供的环境中，而无需担忧将会和电脑及游戏机失去连接或被缆线绊倒。高通的主业是移动处理器设计和销售，未来不会成为虚拟现实头盔的主导制造商，据悉，高通已经启动了相关的企业加速器计划，辅导一批新创公司使用高通的参考方案，面向消费者推出产品。

福特尝试3D打印大型汽车部件，实现“私人订制”的首次批量生产

本周一，福特公司对外宣布，正在测试用于打印大型汽车零部件制造的3D打印技术，这种技术可以允许消费者以更低的价格下定制汽车产品。福特汽车成为首个使用这项新兴技术推动零部件量产的汽车制造商。此前福特目前已经在赛车上使用了3D打印技术制造的零件，但此次使用Stratasys商业级3D打印机测试的是小批量打印大型零件的可行性。福特的数据显示，3D打印的零部件会比传统工艺更轻，因此在燃料效率上会更有优势。 眼下，福特汽车正在测试扰流板 。现在福特正在赛车上测试3D打印零部件的表现性能。但是，未来可以用于面向大众的汽车和卡车上面。

IBM宣布语音识别错误率接近人类水平

去年，IBM宣布在自然对话环境中的语音识别上取得重大成就：开发出单词错误率为6.9%的系统。此后，该公司不断取得进步。现在IBM宣布创造新的业界纪录：5.5%的错误率。这是对非常困难的语音识别任务：纪录人与人之间日常对话如“买汽车”，计算出来的结果。这种纪录的语料库被称为“SWITCHBOARD”，20多年来一直用于检验语音识别系统。在达到今天的成就过程中，IBM发现人类同等水准应该是错误率为5.1%。在确定这个数字上，IBM与合作伙伴Appen合作再现人类水平的结果。虽然IBM实现了5.5%的错误率是一次大的突破，但发现人类同等水准是5.1%证明科技要达到与人类相同水平还有一段距离。

大公司动态

李彦宏：百度或考虑剥离自动驾驶汽车业务

百度CEO李彦宏表示，当该公司的无人驾驶汽车业务走向成熟，并且需要更多资金和合作伙伴时，他们便有意将其剥离。百度与Alphabet和Uber等科技巨头都在争相研究无人驾驶汽车，并希望在2021年实现量产。李彦宏表示，尽管仍要克服一些技术困难，该公司仍在按部就班地达成目标。李彦宏表示，该公司将不遗余力实现无人驾驶汽车的上路行驶，“下一步才是营收和利润。我们做这些事情并不完全是为了追逐利润。”

微软Azure服务器要采用ARM芯片，英特尔统治地位遭威胁

彭博社日前发表文章称，微软将在其Azure云服务服务器上使用ARM芯片，这可能威胁英特尔在数据中心处理器市场的长期主导地位。去年年底，微软已经与高通合作，推出了基于ARM处理器的完整版Windows 10系统。而微软Azure云业务副总裁詹森?桑德（Jason Zander）日前表示，微软正在测试ARM芯片，将其应用到搜索、存储、机器学习和大数据等领域。

IBM向企业提供量子计算服务

IBM近日宣布了一项新业务“IBM Q”，旨在向企业和科研单位提供一种商用化的量子计算平台。1989年，IBM用35个氙原子拼写公司名称。最近，IBM成立了新的业务部，推动量子计算业务的发展。IBM花了35年时间研究，现在量子计算终于走向真实世界，向客户推广了。IBM量子计算部门CTO、副总裁斯科特?克劳德（Scott Crowder）表示：“从今年开始，我们会让特定产业合作伙伴接入量子系统。”

谷歌：量子计算机将在5年内实现商用化

近日，谷歌量子AI实验室科学家在《自然》杂志上发表文章指出：量子计算领域即将迎来历史性的里程碑，小型的量子计算机会在5年内逐渐兴起。对于量子计算机的商业化前景，谷歌表示：“对于量子计算的保守估计，投资者预计只能在长期获得回报。尽管如此，我们依然认为，随着小型的量子计算机会在5年内逐渐兴起，短期的回报仍然是有可能的，虽然这些设备无法实现完全的纠错功能。”

为降低成本，SpaceX将在本月首次发射“旧”火箭

美国太空探索技术公司(SpaceX)计划在未来几周内首次发射一枚已使用过的火箭，这是降低游客太空旅行、未来发射任务成本的关键一步。SpaceX总裁兼COO格温?肖特维尔(Gwynne Shotwell)在2017卫星大会上表示，公司计划在本月底之前发射一枚已使用过的火箭。“SpaceX从一开始就致力于火箭的可重复使用，”她在周三表示，“为了做到这一点，你需要对它进行检查，确保它已准备好再次发射升空。一旦我们真正掌握了这一技术，价格压力就会下降。”

在一场北美音乐节上发布概念车？蔚来的造车策略有了点新变化

3月10日，美国德州奥斯汀，蔚来于全球科技潮流盛会西南偏南（SXSW）上发布北美战略, 并发布了首款概念车EVE。 蔚来此次发布的概念车EVE是一个无人驾驶的移动生活空间，以“第二起居室”为设计理念，让用户能够充分享受愉悦自由的出行时间。通过全景座舱、智能全息屏幕等交互技术，实现了车与环境、人与环境的融合。伴随着EVE，蔚来同时发布了“NOMI”人工智能伴侣系统。NOMI可以持续学习用户的习惯与兴趣，根据不同使用场景来满足每个人的个性化需求。

16年的蛰伏与今日的爆发，马斯克航天事业的最大对手或许会是他

依靠亚马逊CEO贝索斯的“钱袋子”建立起来的“蓝色起源”（Blue Origin）火箭发射公司，终于在成立第16年之际，迎来了自己第一位愿意付费的“太空旅客”。本周二，作为第一家与蓝色起源签下发射合同的企业，著名的法国卫星运营商 Eutelsat Communications将成为新格伦号（New Glenn）系列火箭的第一位客户。卫星创业公司OneWeb也高调宣布，自己已经把未来十年内的多个发射合同交给了蓝色起源：5次独立发射，多达400颗小卫星，2021年正式起飞。我们都交给了蓝色起源。

苹果谷歌抢夺语音助手市场，Siri很快能听懂上海话

上周，苹果公司语音团队主管亚历克斯?阿西罗（Alex Acero）日前在接受采访时表示，在iOS 10.3版本中，语音助手Siri将支持上海话。谷歌近日也宣布，将大范围推广谷歌助手，而不再局限于Pixel手机。这意味着搜索巨头谷歌正式加入到数字语音助手大战中，从而让该市场的竞争变得更加激烈。

Facebook将开源新一代AI训练服务器，速度提升一倍

3月9日，Facebook发布了一项新的服务器设计方案，名为Big Basin，继承其人工智能训练系统Big sur。该服务器会将AI软件连接到大型培训网络，使Facebook的产品能够执行对象及面部识别、实时文本翻译以及描述和理解图像视频的内容等功能。Facebook表示，Big Basin可以通过AI系统大量的设置进行数据压缩，以提高本身近两倍的速度。

紫光集团将与苹果供应商合作研发芯片

3月9日，据彭博社报道，紫光集团子公司展讯锐迪科与英国戴乐格半导体正考虑在中国东部建立合资企业研发智能手机芯片，此举有助于紫光扩大其半导体业务。戴乐格是苹果公司iPhone和iPad的芯片提供商，将在关键的移动电源技术方面为紫光集团提供帮助，借此进一步扩展中国的智能手机和物联网市场。对此，公司负责人表示，展讯锐迪科虽然以做低端芯片起家，但期待在高端领域能有更大发展，因此选择与戴乐格联手。

特斯拉回应“义乌4车连撞事故”：未开启自动辅助驾驶功能

特斯拉今日对“特斯拉自动驾驶又闯祸了 这次在义乌追尾导致4车连环撞”的媒体报道作出回应，称该报道存在失实，驾驶特斯拉车辆的车主驾驶员在事故发生时并未开启自动辅助驾驶功能。特斯拉方面称，在获知相关信息后立即对相关交通事故情况进行了核实。经核实，驾驶特斯拉车辆的车主驾驶员在事故发生时并未开启自动辅助驾驶功能，车主驾驶员已通过各种方式书面确认了该未开启自动辅助驾驶功能的事实。

滴滴设立海外首家AI实验室，和苹果总部距离不足10英里

去年5月获得苹果公司10亿美元的战略投资，加之网约车市场的不断规范，滴滴打车基于现有的打车业务逐渐朝着更多元的方向发展。援引外媒Re/Code报道，滴滴已经在加州山景城设立了一家人工智能实验室，专门针对未来交通的智能驾驶系统和基于人工智能的安全开展研究，并确认滴滴出行对于自动驾驶汽车充满兴趣。这个实验室距离苹果的两个Cupertino园区不到10英里元，这也是滴滴出行在海外建立的第一个实验室。

谷歌收购数据科学创业公司Kaggle：降低人工智能门槛

谷歌周三在Google Cloud Next大会上宣布已经收购Kaggle，这家创业公司的网站专门举行各种竞赛，让数据科学家解决其他公司提供的挑战。但该交易条款并未披露。Kaggle竞赛历来都是数据科学家脱颖而出的重要渠道。被谷歌收购之后，Kaggle的团队将会保留，而且会继续举行竞赛，但品牌却会更改成“谷歌云”。

李彦宏：中国有人工智能最好的市场，希望能有更多人才来

全国政协十二届五次会议举行第三场记者会，李彦宏表示，政府可以在人工智能领域起更大的作用，很多数据可以统一起来，可以开放给很多，而有了更多的数据，就可以做更好的研究。李彦宏希望全球优秀的技术人才能够到中国来，因为中国有最好的市场，有非常好的研究环境，希望在这儿能够作出更多的领先世界的成果。

经过数月争吵，Uber正式获准在加州测试无人驾驶汽车

本周三，加州机动车管理局批准Uber在公共道路上测试2辆无人驾驶汽车。在过去几个月里，加州机动车管理局与Uber出现了摩擦，管理局禁止Uber无人驾驶汽车开上公路，因为法律不允许。虽然已经获得批准，不过试点项目的规模已经大大缩小。Uber只能将2辆无人驾驶汽车投入运营，12月时共有16辆开进街道。除此之外，还有48人获准可以坐在方向盘之后，当汽车失灵时他们可以迅速接管汽车。

Uber公司AI实验室仅成立4个月，部门负责人就宣布辞职

Uber公司AI实验室负责人盖瑞?马库斯（Gary Marcus）今日宣布，他已经从该岗位上离职。Uber的AI实验室才创立仅4个月。马库斯周三在自己的Facebook发布辞职的消息，并表示将成为AI实验室的特别顾问。Uber去年收购了一家人工智能公司，并由此创立了AI实验室团队。Uber目前并未对此事发表评论。

NASA开始与SpaceX联手测试维生系统

据每日邮报报道，美国宇航局（NASA）已经证实，开始与美国太空探索技术公司SpaceX联手研发和测试维生系统，以确保乘坐SpaceX载人飞船Crew Dragon的付费游客在绕月飞行时能够活着回来。此外，这套维生系统也将被用于NASA的“商业航天员计划”，即将在地球与国际空间站之间接送宇航员。同时，SpaceX的其他太空任务也可能用到。

亚马逊CEO的新火箭迎来第一个客户：2022年将发射一颗卫星

亚马逊创始人杰夫?贝索斯（Jeff Bezos）周二宣布，他旗下的Blue Origin火箭公司已经与法国通信卫星运营商Eutelsat签订协议，将在2022年发射一颗卫星。Blue Origin的“新格林号”（New Glenn）火箭将负责发射这颗卫星，该火箭的名字是为了纪念已故美国宇航员约翰?格林（John Glenn）而起。“新格林号”将是Blue Origin最强大的火箭，可以到达近地轨道上方，国际空间站目前正在那里围绕地球旋转。这枚火箭有望于2020年投入使用。

IBM与Salesforce在人工智能领域展开合作

IBM将与Salesforce展开合作，方便Salesforce客户使用IBM沃森人工智能平台的数据。作为此次合作的一部分，IBM已经签订协议，在内部部署Salesforce服务云。双方均未披露此次合作的具体价值以及相关产品的价格。但此项合作包括几项关键内容：1、IBM沃森API将整合到Salesforce中。2、IBM 2015年收购的The Weather Company将为Salesforce AppExchange提供新的元素，以便Salesforce客户可以更容易地在各自的应用中调取天气数据。3、IBM旗下咨询公司Bluewolf将提供新的方案，帮助客户将IBM沃森与Salesforce自己的爱因斯坦（Einstein）人工智能结合起来。

总结:空客发布Pop Up飞行汽车；麻省理工做出了用意念控制的机器人

13、
“我们还没有一个可用于建设的设置基础。”

美国麻省理工学院（MIT）数字货币项目（DCI）研究主管Neha Narula在本周举行的“MIT第四届比特币博览会”上描述了他们对区块链行业的发展前景的看法。

这届比特币博览会由MIT学生运行的比特币俱乐部（Bitcoin Club）举办，总共为期两天，旨在突出该大学正在进行的研究工作范围，以及全球区块链技术开发者团队所面临的困难和挑战。

Narula告诉活动参与者说：

“[区块链技术]具有影响数亿人们的潜力…但是我们也认为我们正处于非常早期的阶段。我们仍旧做基础性工作。我们正在明确这种技术堆栈的层次，结果发现区块链技术的协议仍旧处于变化阶段。”

这次会议对区块链协议进行了一些讨论，其中就包括一个我们再熟悉不过的主题——如何在保持比特币协议安全的情况下扩展比特币区块链。

目前为止，如何提升比特币吞吐量这个问题已经在社区分裂。一些人希望通过提升区块大小限制来扩展比特币，而其他人则更偏好优先使用链下解决方案，如闪电网络。

然后问题就来了，谁来决定采用哪种方案？一些人认为，共识最好留给这种协议的节点和交易验证器（矿工）。但是这个问题很快也变得非常复杂。

尽管所有的矿工默认都是全节点，但开发者被认为很少会无私地维护完整的区块链副本。

全节点可执行共识规定，所以争议点在于如果没有足够多的比特币爱好者运行该网络，那么重要的决策权将会落到矿工手里。

Vorick警告说：

“如果你运行的不是全节点，那么你的观点，例如是否支持硬分叉，将会关系不大。”

减少膨胀

如今，大多数比特币网络节点都是不太重要的简化的支付验证（SPV）节点，这些节点依赖于其它全节点所保存的交易记录历史。因为开发者认为运行全节点的成本太高，如需要125G的硬盘空间。

一些开发者认为越来越高的存储需求就是导致节点运营者退出比特币网络的原因之一。

根据比特币节点跟踪网站 Bitnodes 提供的数据，一年以前，全网拥有5700个可达比特币节点，而如今已经下降到大约4900个。

Vorick并不是这一领域唯一专注于比特币健康的人。

作为降低全节点大小工作的一部分，Bitcoin Core开发者Peter Todd为TXO commitments提出了一个提案。Todd认为比特币的UTXO（未花费交易输出）数据库正在变得非常臃肿，这使比特币用户更加难以运行全节点。

Todd告诉Coindesk说：

“TXO提案改变了数据存储和转移方式，但并不改变协议本身。我们之前以为确实如此，不过你实际上可以跳过这一部分。”

此外，Todd还声明希望保持1MB区块大小。他认为Bitcoin Unlimited（一个提升区块1MB大小限制的提案）将使节点所有权过于繁琐，导致进一步的中心化以及为网络安全带来风险。

关注链下

这次活动中的其他发言者认为应抛开了一些争议性发展观点。有人认为这样做可以优先挑选出一些解决方案来进行讨论。

与之前的技术会议一样，如米兰比特币扩容会议，MIT的这次活动讨论了所谓的顶层或“双层”比特币解决方案，不过很多人认为这将需要更具争论性的隔离见证（SegWit）升级。

最近加入MIT DCI的研究员Tadge Dryja为闪电网络提出了一个提案。Dryja是闪电网络的联合创建者。闪电网络使用了链下方式来处理交易，从而大幅度提升交易速度，被很多人认为是最有前景的无需提升区块大小的扩容解决方案之一。

Dryja表示，他目前正在研究闪电网络钱包软件。但是除非比特币网络激活隔离见证，解决交易延展性问题，否则闪电网络是无法有效实施。

他告诉与会者说：

“如果比特币交易存在延展性，那么闪电网络实施会非常艰难。也有一些方法可以不用激活隔离见证也可以使用闪电网络，但是非常麻烦，我必须重新编写闪电网络代码。”

MIT的活动视频可以在YouTube观看（ day1 和 day2 ）

发文时比特币标准价格 买价： ￥7981.00 卖价： ￥7842.00

总结:麻省理工第四届比特币博览会：比特币全节点问题突出+关注链下扩容解决方案

14、

这是《猎云网》筛选报道的第 16153 家早期创业公司

【猎云网（微信号：）】3月7日报道 （编译：Denny）

我们有很多种方法来操控机器人，比如编码、触摸屏或操纵杆。此外，机器人甚至可以通过机器学习来学习新的技巧。但现在，来自麻省理工学院计算机科学与人工智能实验室和波士顿大学的研究人员为我们带来了一种全新的机器人控制方式：大脑操控。

研究人员研发了一个信息反馈装置，能读取人在观察机器人工作时的大脑反应。如果佩戴者识别到机器的操作失误，装置将向机器人发送信号以校正其错误。

整个操纵过程没有使用按钮或字符命令，全部靠人的脑部活动。

通过让操作者佩戴能够记录大脑活动的脑电波帽（EEG帽），研究人员设法实现了人与机器的信号传递。然后，机器人将实时接收佩戴者的大脑信号，并改变自身操作方式。

该研究团队由麻省理工学院的实验室主任Daniela Rus和波士顿大学的Frank Guenther教授领导。他们发现，当一个人认为机器人执行错误操作时，可通过跟踪发现一种被称为“ErrPs”的“错误相关电位”的脑信号。当人注意到错误产生时就会产生“ErrP”信号， 这一微弱的电信号可被EEG帽捕获，进行辨析后将作为反馈发送到操作错误的机器人处，从而纠正机器人动作。如果大脑不发出“ErrP”信号，机器人将继续原有操作。

在上述视频中，机器人与人类的心灵感应目前只适用于仅有两种可能结果的简单场景中。但研究人员表示，他们希望未来能进一步改善系统，解决更复杂的任务。

此项研究并非首例，但在以往研究人员尝试借助EEG来控制机器人的实验中，操作人员必须以特定的方式进行思考，计算机才可以理解其脑电波。

“当你看机器人做出系列动作时，你只需要在心理上同意或不同意它的行为，然后就可以操控机器人纠错。”Rus在一份声明中表示，“你不必训练自己以某种特定方式思考，我们这套机制完全依赖于机器迎合人的思维而做出反应。”

小程序搜索难？猎云网精品小推荐正式上线，你想要的都在这里：xiao.lieyunwang.com

本文来自猎云网，如若转载，请注明出处：http://www.lieyunwang.com/archives/281417

总结:麻省理工又出黑科技，动动大脑就能控制机器人。借助这种能力，机器人不需要学习复杂的人类语言或以其他方式从人类获得命令，取而代之的是，人类依靠思维活动和一个特殊的电极帽就可以指挥机器人。

阿里巴巴
(一)

近日，记者从新潮传媒集团官方公众号获悉：原阿里巴巴中供铁军、区域经理何长星出任集团COO，工作直接向集团董事长张继学汇报。
据称，新潮传媒全国布局第一阶段已经基本完成，其核心高管层悉数到位。这些高管来自包括阿里巴巴、腾讯、新京报、新闻晨报、新快报、分众传媒(002027,买入)、华语传媒在内的知名互联网和传媒企业。

记者电话采访了何长星，他表示自己刚刚到任。作为一个电梯传媒企业，为何如此青睐互联网和媒体人?而这些行业牛人又为何会选择这种商业模式极其简单的电梯传媒?何长星给出了以下几点他的看法：

拼重资产的市场，注定起点高

“电梯传媒是个重资产行业，分众目前110万个框和18万张屏，把它的资源折算成现在的市场投资，至少需要30多个亿，要想成为这个行业的老二，入门资金至少10亿。”何长星表示，“新潮有魄力做这样的事情，我很佩服。”

互联网+场景，会给传媒行业带来新发展

新潮刚完成了C+轮融资，企业估值近30亿。如此得到资本的青睐，归功于生活圈媒体这几年的逐渐走到了媒体舞台中央。何长星引用了上月刚刚CTR(央视市场研究)发布的《2016-2017年中国广告市场回顾与展望》报告，“中国广告市场正在进入新的调整周期，形成了以互联网广告、生活圈广告、电视广告为主的新的媒体生态”。新潮做了4年，目前覆盖八个城市，7万张电梯屏，这恰恰是这个新兴媒体生态蓬勃发展的几年。虽前有行业老大分众传媒，但这行业还没有老二，新潮希望花几年时间达到这个目标，我也极其期待参与到这样一个机会中去。

差异化发展，先练好基本功

在阿里有过7年半实战经验的何长星希望能帮助新潮在目前快速的扩张进程中，朝着目标“稳打稳扎”。“我们接下来有三个数据化要做：数据化销售、数据化客户、数据化物业。练好基本功，才能应战啊!”何长星说道。

吸引何长星加盟的一个重要因素还有新潮企业的家文化，新潮不一样的地方在于企业以“匠人”心态打造企业，以"家人"心态践行管理，做好手头事，傻傻坚持，自然会等到春暖花开。这实际上也是遵守市场规则。

*中心概括:阿里巴巴互联网＋注定是一个起点高的重资产行业，是新兴媒体的新时代。
(二)

移动互联网经历5年的爆发，现在已经走到第三阶段： 消费;

第一阶段是 工具 ，解决安卓手机不好用的问题；

第二阶段是 社交、娱乐 ，在过去几年我们看到了微信的统治力，看到了若干游戏公司丰厚的利润。

未来5年，移动互联网将改造 中国 的消费行业

尽管我们已经看到了估值百亿美元以上的美团点评、滴滴出行的诞生，

但 移动互联网的第三阶段消费仅仅是开了个头 ：房产、汽车等有着巨大规模的市场尚且待人开发；被卷入O2O的领域也将越来越多。

未来5年，移动互联网结合中产阶级的消费欲求，将深入改造 中国 的消费行业。

可以预见的是， 距离交易越近的公司越有价值；越重的公司有更高的竞争壁垒。

过去PC互联网相对都是轻模式，像腾讯、百度、阿里。

但未来的移动互联网，重公司的价值越来越高，谁对线下供应链的参与越深，涉及更多的动态交易，对价格体系的改造更深，使供需双方的关系更加高效，谁就越有话语权。

95后，可能将颠覆 中国 互联网的消费方式

我们需要注意的是，处于结婚生子高峰期的80后已经成为消费的中坚，更需要注意的是，95后一代。

1995年出生的婴儿，现在也已满20岁，即将跨入社会。95后也是备受宠爱的一代，手上可支配的零用钱远远多于70后、80后的少年/少女时期。

中国 互联网始于1995年，95后属于 中国 第一代虚拟世界原住民，他们的思维模式、行为方式在互联网的浸润中成形。

未来的消费方式很有可能被颠覆，一来便宜的传感器让移动互联网会更普及，二来由于95后这样全新的一代人。

垂直电商将挑战阿里巴巴和京东

对于阿里巴巴、京东这样诞生于10多年前的电商公司来说，面临着潜在的危险，那就是基于移动互联网的垂直电商。

平台电商的战争已经结束了，在阿里巴巴和京东教育完市场之后，以移动为驱动的电商会更加细分：移动的屏幕小，不能像PC端堆积海量的SKU， 必须聚焦划分更为细致的群体，精准满足同一群体的需求。

为了以更便宜的代价找到同质化的一群人，这些垂直电商选择社交的方式聚拢人群。

要有社区，就要有内容来驱动消费者的欲望，优质的内容聚拢气味相投的一群人，通过内容分享社区成员互相影响、激发消费冲动，以完成身份上的互相认同。

垂直电商

凡客诚品、麦考林、乐淘网、佳品网等都很悲情，在天猫、京东的大流量冲击下，很难生存。

但是，也有一些公司从天猫、京东的翅膀下杀出一条血路。

例如蜜芽，从淘宝小店开始，2年内4次融资，员工从8人扩大到900人，估值近87.4亿。

微信和淘宝，本身就是天花板

时尚与生活方式（Fashion and Lifestyle），有潜力的垂直电商将诞生于这一领域--属于非标品的世界。

凡是做电商的创业者都会琢磨，京东在想什么。距离京东越远，创业者越安全。京东在标品拥有绝对的优势，依赖标品冲量的电商公司将笼罩在巨头的阴影下。

这些创业者需要小心的，还有微信。

微信的社交优势一骑绝尘，有的公司将根基建立在微信上，如果没有后端对供应链的参与和改造，没有对用户和商家的掌控力，这样的公司再高的估值依旧是沙滩上的阁楼。

万千商家壮大了价值千亿美元的淘宝加天猫，但是淘宝上的商家又有谁成为真正有影响力的公司？小心玻璃天花板。

*中心概况:互联网将如何改变我们的生活方式，从2017年开始，新巨头将在这些领域诞生。

(三)
美国商业媒体《福布斯》近期评选出全球最具投资价值的10大公司。阿里巴巴位居榜首，Facebook和优步分列第二和第三。《福布斯》在全球范围内评出100位最佳投资人，这些投资人身后，是全球最具投资价值的10家公司。这家著名媒体说，2016年风险投资业经历估值下滑、独角兽企业减少等局面，与此同时，新兴科技领域投资、大规模并购等方面又创下历史记录。

最佳创投人榜单很大程度上反映出这一宏观趋势，为投资者创造最大价值的10家公司中，有9家要么是非上市企业，要么在2016年之前就已上市。

中国消费者开支的增加让阿里巴巴在云计算和电子商务领域获得持续快速的增长。中国最新的政府数据显示，相比于整体零售额10%的增长率，网上销售的消费品和服务比一年前增加了26%。在去年双11那一天，阿里平台上商家售出的商品价值达到了创纪录的1207亿元，比2015年增长32%。此外，阿里巴巴一直在提升数字娱乐领域的投资，预计2017年会继续在数字内容和生活服务领域进行投资。

福布斯表示，与2015年一样，中国仍然是风险投资极其看重的地区，这次评选出的10大企业中，有一半创自于中国政府及消费者支持的科技热潮。同时，美国对中国企业的兴趣也日渐浓厚，这次上榜的许多著名美国公司也对10大公司中的中国企业进行了投资。实际上，中国的风险资本投资已经创下了历史的新高。中国企业2016年获得了310亿美元的资金支持，比上一年增长19%。人工智能(AI)、机器人技术和物联网领域的企业继续吸引着投资者的关注目光。

投资阿里巴巴，也帮助红杉资本的沈南鹏，老虎环球基金的Scott Shleifer，General Atlantic的Anton Levy等投资人继续登上全球最佳投资人榜单。

福布斯指出，虽然去年的10大上榜企业多数都留在今年的榜单上，但有两家中国公司是新上榜的企业：滴滴出行和中通速递，这两家公司都致力于科技驱动的运输行业。其中，中通速递在去年10月在纽交所上市，成为2016年仅有的三家上市募集资金超过10亿美元的企业之一，同时也是继阿里巴巴2014年上市之后在美上市的最大中国企业。

上榜的另外两家中国公司为京东、小米。同时上榜的公司还包括Snap、WhatsApp和Airbnb。

附：10位华人投资家入选《福布斯》全球最佳投资人榜单

著名商业媒体《福布斯》在全球范围内评出了100位最佳投资人。今年的榜单上，红杉资本合伙人吉姆?格奥兹(Jim Goetz)继续排名第一。红杉资本共有9位投资人荣登榜单，也是这份榜单上最大的赢家。其中，红杉资本沈南鹏位列全球第11位。

此次上榜的10位华人投资者包括：

红杉沈南鹏全球第11位代表项目阿里巴巴

IDG李骁军全球第13位代表项目小米

纪源童士豪全球第19位代表项目Wish

红杉周逵全球第25位代表项目新达达

启明甘剑平全球第25位代表项目美图

DCM林欣禾全球第50位代表项目58.com

红杉计越全球第66位代表项目赶集

纪源李宏玮全球第69位代表项目YY

真格徐小平全球第72位代表项目美菜网

金沙江朱啸虎全球第84位代表项目滴滴

*中心概括:阿里巴巴在大规模并购等方面创下历史记录。
(四)

近年来，不管是神经科学还是计算机科学，科家们一直都在寻求跨界融合，希望由此将各自的研究往前推进。2017年4月，新智元与阿里巴巴联合举办“AI智能体”学术研讨会顺利举行，来自计算机科学和神经科学的学者们展开了一场激烈的思维碰撞。

现场进行分享的嘉宾，一方是计算机科学界的资深研究者：阿里巴巴认知计算实验室资深总监袁泉、英国伦敦大学学院教授汪军。另一方，则是国内顶尖的神经科学家：北京师范大学认知神经科学与学习国家重点实验室的吴思教授、清华类脑研究中心及麦戈文脑科学研究院研究员、博士生导师宋森。双方从不同的角度带来了一场关于计算机科学和神经科学的“智能盛宴”。

中国计算机学会秘书长史忠植、军事医学科学院研究员范明、中科院自动化所研究员余山、中科院自动化所研究员张兆翔、中科院计算所研究员韩银和、中科院计算机网络信息中心百人计划研究员赵地等多名专家，以及新智元百人会会员、阿里巴巴内部员工参与了讨论。

以下是大会内容：

计算机科学学者：人工智能的商业机制及跨学科创新趋势

作为本次研讨会的东道主，同时也是计算机科学一方的代表，阿里巴巴认知计算实验室资深总监袁泉率先进行分享。

袁泉此前的研究集中在个性化推荐算法和电商中的精准营销。他说，团队之所以会选择去研究让智能体玩星际，是因为这里面蕴含了当下人工智能在认知层面还没有很好解决的问题：比如，在不确定性下如何做推理与规划、多智能体协作完成复杂任务、短中长期收益平衡等。相比于AI下围棋这样的确定性问题，星际争霸的搜索空间要高10个数量级。

此外，袁泉介绍到：“从现实意义上来说，这项研究也是对阿里电商业务问题的抽象、具有广泛的应用场景。近几年由于无线端小屏化、用户时间零散化，为了粘住用户大多数产品背后都基于算法进行推荐，每个用户打开的手机淘宝、天猫都是千人千面的结果。但目前各产品中的算法Bot以独立推荐为主，如何使得多个Bots相互协作，为用户和卖家带来更多价值，在日常和双11中都是一个重要问题，同时在金融、量化等领域也存在类似情况。而星际争霸为研究这一问题提供了理想的模拟实验环境。”

那么，类脑研究这一领域对于通用人工智能的研发为什么这么重要？袁泉介绍说， 因为人脑是地球上已知的唯一实现通用智能的物体，人工智能的研究发展过程也无时无刻不受到人脑学习机制的启发， 如经典强化学习中的actor－critic算法与人脑中的多巴胺产生和作用于运动神经的机制非常类似；近期的神经图灵机、DNC等工作背后也受到大脑中记忆机制的启发。因此，研究认知智能是个多学科的交叉工作，我们从星际智能体的研究中深刻的感受到这一点，因此很必要参与此类的跨学科研讨会。

提到未来的方向，袁泉说，模仿学习（Imitation Learning）是一个很重要的突破方向。“从过去做推荐、广告都是基于大数据的机器学习，而人类婴幼儿的学习过程并不需要太多的数据，而是依赖小样本和举一反三的能力；就像原来在机器人领域一样，人拿着机器臂教它演示几次怎么倒水，它自己就学会了倒水。在星际中我们也进行了相应的研究，对加速智能体的学习速度、学会新的战术都有明显作用”。

论坛第二位分享的嘉宾汪军教授来自英国伦敦大学学院（University College London），这是一所孵育出了DeepMind的世界级名校，诞生过29位诺贝尔奖获得者。

他提出了人工集体智能（artificial collective intelligence）的概念，认为是人工智能的下一个大方向。

GAN（生成对抗网络）是通用人工智能研究中的重要技术。汪军教授在分享中详细介绍了这一技术，他说，GAN也是基于多智能体对抗的原理。

今年ICLR超过20%的Paper都在讲各种各样的GAN。汪军教授介绍说，使用GAN生成图像这项技术，他们最近刚发的paper可以做到8.34的score，是目前最高的，但生成的图像还没有达到非常高的清晰度。

2017年AAAI上，汪军教授所在团队发表文章，提出了序列化的生成模型——SeqGAN。主流的GAN只会生成图象，无法生成序列化的文本，主要的原因是因为离散的数据很难在神经网络中实现求导更新参数。SeqGAN（序列对抗生成网络）可以生成文字、特别是机器人对话问答，以及新闻报道、音乐、机器医生问诊等，为机器人写作提供了一个新的方法。

汪军教授提到，人工智能最大的挑战在于，怎么样让多智能体在一起在完成同一个任务的时候进行合作和竞争。竞争的话，又如何用数学的东西表达它，进而在这个基础上解决一些以前没有解决的问题。同时前沿的研究对用计算的方式探索人类的“意识”也是个新的方向，如弗洛伊德提出的自我、本我、超我等方式，如何一步步用人工智能的可计算方式进行逼近和研究，会非常有价值。

神经科学学者：脑科学的进展远超大多数人想象

在神经科学的学者中，清华大学医学院生物医学工程系及清华类脑研究院麦戈文脑科学研究院的宋森首先分享。

他认为，类脑计算要从两方面学习大脑， 一方面计算能力，另外一方面怎么造才能省电 。计算神经科学专家通常关心如何用数学模型解释脑科学的数据，人工智能专家关心如何向大脑学习，设计先进算法。类脑计算的专家还要考虑电力消耗问题。人的大脑能源消耗量很少，只有10瓦左右，而AlphaGo是在大型计算机上跑出来的，耗电高了6-9个数量级。

他说：“神经计算科学的历史进展受神经科学手段的影响是很大的。五六十年代单个神经的计算比较热门，到现在轴突搞得基本清楚。 但是，树突这块，也就是接收这块，以前认为就是简单接收信号求和，现在发现里面有复杂的计算，如今这一方面的研究较为热门。第二个方向，神经编码，从计算的角度来看，编码和动力学是两半。 从60年代到2000年持续有很多进展，我们大概了解了频率编码的特性，最近几年的热点是时间编码，还有一些新的特殊的编码形式。”

宋森介绍，几年来脑科学研究取得最大幅度进展的地方，是局部回路的结构和结构相关的动力学特征的研究。这方面取得进步主要的原因是最近有了很多解析回路的工具，可以回答类似“大脑每个脑区有多少种类型的神经元？它们如何连接？每种神经元的功能是什么？”能真正把这个电路图画出来，就是一个很大的进步。进而可以思考，能不能根据电路图挖掘出大脑如何做计算的？这就需要计算神经科学建模。

最后一个方向： 学习和记忆，显然是所有人都非常感兴趣的，而且可能是很难的方向，随着上面几方面每次的技术进展这个领域都跟随着有一些新的进展。 宋森介绍了自己在这上面的三个方面的工作：

1、从类脑计算机系统设计来看，大脑一个很大的特征是跨度很大，从很小的突触层次一直到整个大脑协同完成很复杂的功能，造一个在各个层次上像大脑的类脑计算机，也需要在各个层次进行研究。
2、大脑回路很重要的功能是存储计算一体化，这和冯诺依曼的架构不一样。其中最重要的计算单元如何设计，如何拼起来，在这方面他做了一些比较早期的工作，发表在2005年plos biology上。这个文章主要问的问题是大脑中基本的连接结构单元是什么?这个问题的答案目前在微观尺度上面还不是特别清晰。他们曾从四个神经元的连接数据中进行挖掘，最后发现是高度互连的神经元连接模式比随机更多。同时发现有一些连接很强，而不是所有的连接都差不多强。后人发现，这里面存在这些最小的单元--神经元簇（Cluster），而在稍微大一点几百个神经元上尺度上有一些像Hub和community一样的东西，这到底有什么计算意义？他们今年申请了一个自然科学基金课题，会对此进行研究。

3、随着AlphaGo的胜利，最近深度强化学习非常热门。那么大脑是如何进行强化学习的呢？大脑有个特点就是他进行的是阶层强化学习。这也可以对应到一个叫基底核的结构的解剖结构上。他的实验室在系统地解开相关回路。最近有一个有趣的发现是有一类神经元，似乎和心情不好的时候想寻找享受，如好吃的食物有关系。也许弗洛伊德说的各种下意识动机都可以用神经科学的方法解开。

北京师范大学认知神经科学与国家重点实验室吴思教授也带来他对通用人工智能与类脑研究的思考分享。

吴思教授的背景是计算神经科学，早年做过人工神经网络和机器学习。他说，计算神经科学研究有两个目标， 一是用数学方法和模型阐明脑的工作原理，二是为类脑智能提供新的思想和理论基础。

他认为智能不好定义，但类脑智能却好界定：即学习大脑的计算法则、框架、及硬件实现。

在分享中，吴思教授主要围绕动态信息处理来谈对通用人工智能和未来人工智能的看法。他认为，如果只是喂给神经网络东西，进行深度学习，这还不算智能。动态信息处理，包括空间和时间信息的加工，才涉及到智能的问题；如果只是条件反射，我们甚至都不需要大脑。而处理动态信息的关键就是预测。预测是图像理解，整合时间信息、补偿信号传输延迟、辅助主动视觉等信息加工的不可或缺的关键要素。

吴思教授说，目前为止神经系统已经发现了很多方法来做预测，这些预测算法对类脑智能处理运动信息有较大启示作用。

讨论：关于人工智能与类脑研究的4个关键问题

1、人工智能为什么要类脑？

我们唯一能看到的一个通用人工智能的样本就是脑子，这是一个简单的逻辑。

2、人工智能要如何从类脑研究中进行借鉴？

一个是原理驱动，脑科学研究中重要的原理运用到人工智能方面会有比较大的推动。比较典型的例子是深度学习，它借鉴了非常基本的原理，比如分层化处理等等。深度学习从一个层面证实了即便是部分原理应用都可以有很大的进展。其他大脑的基本原理，比如时间序列处理等，现在很多人工智能的算法里面并没有用上。

第二个，问题驱动。反过来从人工智能出发，看人工智能面临的问题是什么，哪些核心功能现在的方法不能解决，来看生物脑怎么解决这样的问题。神经科学研究了将近一个世纪，有很多的知识已经积累起来了，什么样的结构，什么样的动态规则，什么样的学习规则是脑子里面采取解决这些问题的，可以借鉴。不见得一开始就去做一个类脑计算机或者一个整体式的一揽子解决方案。

3、类脑芯片进展如何？

这里面有两个最关键的挑战，第一个挑战就是本身大脑的结构都不是特别清楚，在这种情况下想利用电子器件去做类似的结构出来是比较困难的。从结构上来讲，结构差那么一点可能功能谬以千里；第二个挑战，基本器件方面，电子器件和生物器件差别很大，它们俩模型不一样，电子器件计算很厉害，但是边计算边存储以前不行，现在忆阻器发现能让计算存储一体化，但是脑细胞肯定不止计算存储一体化，可能有其它功能没发现。

4、我们对大脑的了解有多少？

此前曾有人说，我们对大脑的认识只有3%。在本次研讨会上，嘉宾们对这一说辞进行了分析，认为我们很难用一个量化的方式来表示这一进度。因为，“我们连100%是怎么样的一种状态都不清楚”
*中心概况:阿里巴巴首次向外公布在人工智能“认知”层面上的研究成果。并受到牛津大学、韩国科学技术院、清华大学、上海交大等多个相关顶级研究机构的关注。阿里巴巴认知计算实验室资深总监袁泉在接受新智元专访时表示，当下，人工智能的每一个进步，几乎都受到了神经科学的启发，尤其是新一轮通用智能发展的中坚力量——基于神经网络的深度强化
过去半个世纪，全球资本主义形成了跨国公司主导的贸易体系：大资本吃肉，小企业喝汤。
(五)
现如今，跨国公司主导的全球化已经触顶。如果不能盘活小生意，世界经济将陷入不可逆的通缩。

盘活小生意，需要把原来被旧贸易体系分隔的小资生产者和小资消费者无缝对接起来。这是一种去中介，那些以往垄断渠道的跨国公司中间商，会在这个过程中被去化。

eWTP这盘棋，用“红”一些的口吻来表达，就是：全世界小资，联合起来!

?巨头主导的世界贸易正在垮塌

数据告诉我们：世界贸易萎缩、海运断崖下跌、龙头企业负增长。

波罗的海干散货指数

1、世界500强和中国500强企业榜单首现同步负增长。

2015年前者总营收下滑11.5%，后者下滑0.7%。其中中国500强是历史上首次出现营收负增长，而世界500强已有超7成企业营收下降。

中外500强是世界经济最强劲的龙头，它们的停滞，将传导到整个产业和金融市场。

2、2015年开始的全球贸易额增长趋近于零，但其中包含大量贸易套利行为。日本贸易振兴机构估算：2015年全球贸易总额实际减少13%。

3、世界两个火车头中国和美国贸易额都开始掉头向下。

金融海啸之后美国进出口贸易额持续复苏。到2014年比2007年危机发生之前增长19.38%。但2015年这种恢复性增长戛然而止，进出口额均减少1000亿美元以上。

2016年，美国货物贸易总额继续下降3%。

2016年中国进出口贸易总额3.68亿美元，以人民币计价同比下降1%，以美元计价同比下降7%。

4、世界贸易量99%通过海运进行，受贸易萎缩影响，海运和造船业断崖暴跌。

韩国第一大、世界第七大航运公司韩进海运正式申请破产。全球最大的航运巨头马士基2016年上半年马士基的净利润同比暴跌88%，利润仅为3.1亿美元，创下了次贷危机以来最差的业绩。

2016年全球造船业新接订单量持续减少，前11个月仅有419艘合计2609万载重吨，同比下降75%，跌至上世纪80年代以来的最低水平。

以上都是全球经济走向的晴雨表，龙头企业、龙头国家、海运贸易的共同下行，意味着全球性的总需求下降，而这种需求下降还是在全球央行放水加杠杆的背景之下。

旧的全球化其实已经开始终结，连锁反应是：贸易保护主义、民族主义开始抬头。

?钱流进了哪儿?全球各地的CBD

经济世界是不均衡的分布，也可以说是不公平的分布。

比如CBD经济，一枝独秀、一柱擎天，很坚挺。而它代表的，是跨国公司和金融资本，全球经济和贸易的传统中枢。

它们的壮大和中小企业的低迷，形成鲜明对比。

1、纽约

纽约建筑商会去年发布调查数据，到2016年曼哈顿将新建19座办公楼，新办公面积总计达到970万平方英尺。这是纽约市新建办公楼面积创25年新高。

2、伦敦

2016年伦敦在建办公大楼数量达20年之最：全伦敦地区有51栋办公大楼处于施工状态，远超过去10年平均数(19栋)，也打破之前最高纪录——2007年的37栋。

3、香港

香港连续3年蝉联全球写字楼租金最贵城市，但还继续上扬。

悦涛之前分析过，香港经济已挂。但由于地处中外贸易、金融、信息流的入口，写字楼市场需求稳定，空置率极低。中资外资机构竞相加持。

面对全港萧条的产业前景，这也是醉了。

4、东京

经贸萧条而CBD独好的最强证据在东京。从3年前东京CBD打破衰退气息，连续上行。

2013年开始，东京主要商圈一级写字楼空置率连续减少，到2014年，东京房地产市场交易规模十年来第一次跃居全球首位。

其中主要是写字楼市场上涨所带动的，比如苹果、摩根斯坦利、瑞穗银行等跨国企业对东京写字楼物业的增持。

?寡头资本主义，这样下去吃枣药丸

所以在今年的达沃斯论坛上，马云提出一个问题：

“钱是怎么来的?钱又去了哪?如果(货币放水的)钱不集中在华尔街，而被集中在美国中西部制造业当中，就会为美国创造更多的就业，并不是中国人偷走了美国人的就业机会，而是美国人整个经济结构发生了变化。”

但是每次货币放水都是优先流入了CBD为代表的大资本和跨国公司体系。导致资本主义体系内部的大资产阶级和小资产阶级之间贫富差距也在不断拉大。

马道长的意思是：财富不是没有，而是没有普惠和流通。

瑞士联邦理工学院曾收集由全球3700万家公司及投资方组成的数据库，分析了全球4.3万家跨国公司及股权关联，绘制出全球经济整体图景。

当团队深入探究所有权关系的网络时，他们发现网络的很大一部分都可以追溯到一个由147家联系更为紧密的公司所组成的超级实体。这147家公司控制了全球经济总财富量的40%，且所有权相关联。 其中大多数为金融机构。

以下是这147家联系密切的公司中的前20家。

1. 巴克莱集团(Barclays plc)

2. 美国资本集团公司(Capital Group Companies Inc)

3. 富达管理及研究公司(FMR Corporation)

4. 安盛集团(AXA)

5. 道富集团(State Street Corporation)

6. 摩根大通公司(JP Morgan Chase & Co)

7. 法通保险集团(Legal & General Group plc)

8. 美国先锋集团(Vanguard Group Inc)

9. 瑞士银行(UBS AG)

10. 美林公司(Merrill Lynch & Co Inc)

11. 威灵顿管理公司(Wellington Management Co LLP)

12. 德意志银行(Deutsche Bank AG)

13. 富兰克林资源公司(Franklin Resources Inc)

14. 瑞士信贷集团(Credit Suisse Group)

15. 沃尔顿企业有限责任公司(Walton Enterprises LLC)

16. 纽约梅隆银行(Bank of New York Mellon Corp)

17. 那提西银行(Natixis)

18. 高盛集团(Goldman Sachs Group Inc)

19. 普莱斯地产基金(T Rowe Price Group Inc)

20. 美盛集团(Legg Mason Inc)

也就是说，在旧贸易体系里，全球财富越来越向这些顶尖财团集中，全球央行放水，首先要通过这些服务器的处理，才能流进实体，最终收获最多利润的，也是它们。

这个骨干网，包括终端品牌、贸易渠道和金融资本的把控。

但是啊资本主义这样玩下去是药丸的。

?eWTP：小生意拯救世界

所以马道长直截了当地批判：

过去的全球化其实是由6500个跨国公司来控制的，而接下来30年的全球化应该服务于600万中小商业和中小服务业者。这是一种更包容的全球化。

言外之意：过去的全球化不合理、不包容、不能代表全球人民。

海外数字中枢(e-hub)在马来西亚大受欢迎

发达国家在全球贸易的优势不仅在生产和产品，还通过跨国公司垄断了全球贸易渠道(分销体

*中心概况:马云布道的eWTP(全球电子商务平台)，从长远看，其实是一种民间经济外交，它在挑战原有的世界贸易体系。同时，让一群发迹于乡野市井中的微小经济体走向台面。

(六)

阿里巴巴打假联盟在杭州发布《联合公报》，30家全球品牌作为联盟成员首次集体亮相，明确提出共建一个全球24小时无时差打假共同体。这也是迄今为止世界范围内首份聚焦打假议题的《联合公报》。

阿里巴巴打假联盟发布《联合公报》，联盟成员首次合影

发布公报前，联盟成员于4月11日进行了为期一天的闭门磋商，并达成共识：全球化趋势正在进一步加速商品和服务在世界各地的分发与流动，传统的单一打假模式已经不足以应对上述挑战，亟待品牌权利人、电子商务平台、执法主体联合起来，亟待全社会“像抓酒驾一样打假”，共同为实现一个更加健康美好的商业环境和社会环境而努力。

而在这场打假战役中，联盟成员一致认为大数据和云计算的力量将是克敌制胜的有效武器，也是制假售假分子的照妖镜。因此《联合公报》呼吁携手构建一个全球24小时无时差的打假共同体，借助全天候运行的大数据电子平台，将分散在各地各时区的打假主体统合起来，打破各自为政的旧有业态，建立打假世界的新秩序。

阿里巴巴知识产权保护总监叶智飞（王彦）发言

阿里巴巴首席平台治理官郑俊芳（灭绝师太）发言

作为发起人，阿里巴巴首席平台治理官郑俊芳（花名“灭绝师太”）提出，假货是人类社会的顽疾，打假是跟人性黑暗面的持久战，阿里巴巴愿意贡献十余年的打假经验与全世界的有识之士战斗在一起，以数据技术下的新模型为驱动，共同打击假货侵权，为改变整个社会的生态而努力，最终实现“让假货无处藏身”。

“联盟聚集众家之力，能加强对消费者的保护，是进步之举。我们品牌权利人将齐心于正义之道，共同打击犯罪。我们欢迎阿里巴巴打假联盟的倡议，并强烈期待看到积极的成果。”菲莫国际全球战略总监Matteo Mattei表示。

贝德玛首席法务官王莉萍发言

按照约定，打假联盟将向成员开放诚信投诉待遇、共建平台申请使用权、线下线索举报入口和线下案件情况咨询服务等一揽子资源，同时也要求成员跳出自身利益，切切实实地履行社会责任，譬如愿意就知识产权保护和打假工作展开经验分享、公众教育、社会宣传等工作等，推动全社会共同关注打假和知产保护议题。

*中心概况:阿里巴巴打假的倡议加强了消费者的保护，是进步之举，为改变整个社会的生态做出了努力和贡献。

(七)

不管是连续举办两年双十一晚会、日均PV数超一千万淘宝直播、以及阿里大文娱公司的正式成立，都说明了内容化已经成为阿里体系内部越来越重要的战略，现在阿里希望进一步扩展自己的内容场景，电视台成为了其新的目标。

日前阿里巴巴与北京卫视宣布达成”台网联盟“战略合作计划，北京卫视将把自己的剧场、综艺、广告时段的资源都开放给阿里，阿里将会利用这些内容资源做场景营销的新尝试，类似于去年浙江卫视播出的双十一晚会那样的节目效果。

例如双十一晚会中，当林志玲甩出风衣的那一刻，淘宝上的这个入口瞬间被猛戳了2.38亿次，由电视节目所带来的流量转化效果难以忽视。

在这次合作中，阿里的电商业务将通过阿里鱼平台完成和北京卫视旗下内容的连接，阿里鱼为2015年底阿里巴巴推出的娱乐营销板块，IP授权交易及整合营销是其主要业务，曾合作推出过《大圣归来》《功夫熊猫》《大鱼海棠》等IP衍生品，同时也是两年双十一晚会的操盘者。

为什么会选择北京卫视做为合作伙伴，毕竟湖南卫视和浙江卫视看起来拥有着基数更广的年轻用户。阿里鱼总经理应宏称北京卫视的收视率一直位居全国电视台收视率的前五之列，近年来推出的《跨界歌王》等节目也有着不错的口碑，借助北京在年龄偏大层观众的积累，也可以提升阿里在这部分人群中的渗透率，并且当一个用户开始上网时，其自然就会延伸出例如游戏、视频等服务。此外，阿里鱼也在尝试与其它卫视洽谈合作。

不过近年来，有线电视正面临巨大危机，随着越来越多的用户上网观看视频，电视的“开机率”不断下降。此前，国家新闻出版广电总局发展研究中心发布《中国视听新媒体发展报告》，首次量化了新媒体给传统广电媒体带来的冲击：北京地区的电视开机率从2010年的70%下降至30%，且收看电视的主流人群为40岁以上的人群，此后该趋势也并未完全扭转。

应宏认为，其实传统电视渠道的价值并没有衰落，只是电视内容的产品力在下降，例如连续两年“双11”晚会其实都被证明了，电视媒体仍然是最重要的主流媒体价值在。不管是从品牌曝光上，品牌营销上，还是最终“台网互动”产生的流量，以及产生的消费率，都有着较大的价值。“通过把电视产品升级，其价值仍然会被重新二次开发，或者三次开发，”应宏说。

此前春晚每年过亿的广告招商费依旧被厂商追捧，在某种程度上也说明了电视有互联网无法完成的事——让一亿人同时看广告。

根据阿里方面提供的数据显示，在2016年由江苏卫视播出的双十一晚会中当晚粉丝全场互动总数达74亿次，截至11日凌晨，晚会独家冠名赞助商上海家化子母品牌13家旗舰店涌进1300多万人，较晚会前增长1000%，其中佰草集旗舰店位列美妆第一；微鲸作为双11狂欢夜特约合作伙伴，晚会期间共有超过400万用户访问其店铺，是去年同期的105倍，其中手机端访问占比超过80%。

而阿里鱼联合北京卫视想做的是把出现在双十一晚会中的互动渗透到其日常的节目内容中，也就是说电视播放可以带来的巨大流量在双11晚会检验了两年后，阿里巴巴想要把这样的流量常态化了，阿里鱼将成为连接阿里巴巴商家资源和电视受众的桥梁。以双方合作的首个节目内容《跨界歌王》为例，其将在以下几个方面进行创新：

第一、台网互动，阿里鱼会提供很多互动的产品，交互的游戏。以“双11”晚会为例，红黑的PK是一个很好玩的互动的产品，未来阿里鱼将根据不同的综艺，不同的剧定制很多很好玩的互动的游戏，互动的产品，让观众看电视的时候有所谓的玩的过程，从边看到边玩；

第二，边看边玩边拿，就是拿一些福利，随时送到电视机前的观众；

第三，帮助节目内容会跟商业的连接，未来阿里可能会深度参与到北京卫视节目内容的研发和招商之中。

这相当于把电视收看人群转化为了阿里巴巴的互联网流量，并且阿里也能够借此将搜集用户观看数据，通过对地域分布、消费偏好、消费能力、消费时段的分析形成广告受众的群像，从而更明确地指导广告投放和衡量广告效果。

不过此次合作所付出的成本，阿里方面并没有做过多透露，这项合作目前尚处于“投石问路”阶段，具体效果还需后续检验。

*中心概况:阿里巴巴阿里鱼将成为连接阿里巴巴商家资源和电视受众的桥梁。以双方合作的首个节目为例，在多方面进行了创新。

(八)

Apple Watch 3D 数码表冠专利曝光

美国专利商标局近日公布了一项苹果 2015 年申请的，与 Apple Watch 有关的专利，专利显示全新数码表冠可以提供 3D 输入方式。

除了正常的旋转和下按外，新发明还可以让表冠上下倾斜移动，这就增加了用户与 Apple Watch 之间的交互方式。而苹果也可以利用这个手势开发相应的用户界面和触发事件，比如利用向下倾斜的动作快速启动某个应用，比如测量心跳。
IBM 推出企业级区块链服务“IBM Blockchain”

最近，IBM 公司为开发人员推出的首个区块链服务产品——“IBM Blockchain”。而现在，IBM 基于开源超级账簿项目又发布了首个代码集 Hyperledger Fabric，开发人员可以构建企业级技术。

据 IBM 公司透露，Fabric 区块链每秒能够处理超过 1000 笔交易。IBM 公司还补充称，利用全新的区块链服务，他们正在和科技公司 SecureKey Technologies、以及多家加拿大银行合作开发一个数字识别网络。该网络预计会在今年晚些时候推出，旨在帮助消费者访问诸如开设新银行账户、驾照申请、或是公共事业等服务时，更轻松地证明自身身份。

图片来自 123rf

IBM 获新专利，自动判断人与 AI 谁更适合驾驶

近日，一份被称之为管理自动驾驶车辆的“认知系统”的 IBM 的专利得以曝光：如果自主车辆遇到某种故障，IBM 这套系统会自动将控制权交给人类操作者。

IBM 表示，旗下科学家已经利用他们对认知的理解，以及认知在大脑中形成的方式和行为，来设计开发这种系统的。该公司表示，这项专利有自我学习能力，以认知能力为导向，根据驾驶员，乘客和其他车辆的行为不断学习并提供咨询；具有自我社会化能力，与其他车辆及其周边的世界相连接；具有完全自动化驾驶车辆的能力；具有自适应能力，自动适应乘客和驾驶者的个人喜好；具有自动整合功能，集成到物联网中，将交通，天气和交通事件与不断变化的位置联系起来。

乐视体育内部邮件称：拟推出体彩在线服务

近日，有媒体报道称乐视体育全体工作人员已经收到了一封由乐视体育彩票事业部发出的内部邮件，邮件称乐视体育彩票事业部拟在合适时机推出体彩在线服务，目前已上线内测版本，包含竞彩足彩玩法，未来还将上线大乐透、11 选 5 等高频玩法。

据了解，互联网售彩业务早在 2015 年之前就已经出现，只不过后来被财政部、民政部和体育总局定性为“非法彩票”，到现在，互联网售彩被禁已过去整整两年。此番乐视体育内部邮件所称“合适时机推出体彩在线服务”是否是嗅到了相关政策松动的信号？而近来危机重重的乐视体育又将变现的希望放在了彩票业务之上？

阿里巴巴在美扩张受阻，美议员呼吁调查蚂蚁金融

蚂蚁金融在 1 月份提出每股 13.25 美元的介个收购美国公司 MoneyGram。不过该提议现在有可能遭遇美国政府方面的阻碍，美国众议院两位共和党议员呼吁美国外商投资委员会对蚂蚁金融公司收购 MoneyGram 一案进行“全面彻底”调查。

国会议员 Kevin Yoder 和 Eddie Bernice Johnson 在给财政部长 Steven Mnuchin 的一封信中写道：“由于涉及到让中国人接手美国金融的基础设施，这项收购应该被谨慎评估。”两位议员表示，蚂蚁金融部分归属于中国国家机构，收购 Euronet 有可能导致外国政府控制美国的关键基础设施，并可用于“情报目的、位置追踪和寻找薄弱的易受攻击处。”

同时，Euronet 首席执行官 Michael Brown 也致信财政部长姆钦，表示蚂蚁金融的收购有可能威胁到美国国家安全。

《琅琊榜》、《花千骨》等剧诉豆瓣网侵权，索赔 95 万元

近日，有媒体报道称，《琅琊榜》《渴望》《花千骨》《北京无战事》《编辑部的故事》《产科医生》《雾里看花》等电视剧的著作权人以未经许可擅自向公众提供相关电视剧的截图、剧照和海报等进行盈利性活动为由，向豆瓣网提起诉讼，合计索赔 954200 元。

对此，豆瓣网回应称，这些剧照截图海报都是网友上传，主要目的是为了对电视剧进行评价而非盈利，网友们的这一行为不构成侵权。同时豆瓣网将这些信息显示在网站上，也是对其的一种宣传。豆瓣网表示目前已经将相关信息删除。

据了解，此七案在 3 月 30 号已合并审理，但法院没有当庭宣判。

*中心概况:阿里巴巴在美国收购被组，豆瓣遭《琅琊榜》等剧起诉。

(九)

凤凰科技讯 据《福布斯》北京时间3月30日报道，业内主流看法一直是传统零售商将会消亡，但电商巨头最近的举动表明情况并非如此。

这对零售行业意味着什么？亚马逊和阿里巴巴在进军实体零售业务方面有哪些不同之处？亚马逊和阿里巴巴进军传统零售业会对传统零售商产生怎样的影响？

亚马逊试水

1995年，亚马逊完成第一单网络图书销售交易，敲响了传统图书销售商的丧钟。在1998和1999年，亚马逊进军CD、DVD、玩具和电子产品销售领域，最终使Borders、Blockbuster和RadioShack陷入深渊。到了2015年11月，亚马逊宣布将开设传统书店。成功在西雅图、俄勒冈州和加利福尼亚州开设传统书店后，亚马逊考虑在下一轮开店潮中进军纽约、新泽西和马萨诸塞州。

随着亚马逊和其他纯电商公司的崛起，业内普遍对商品展览室蚕食零售商利润持悲观态度。事实上，虽然电商在持续增长，2016年它在零售总额中的占比仍然不足9%。随着商品展览室威胁的消退，零售商开始面临新的威胁：webrooming。Webrooming指用户在网上对商品进行研究，然后到实体店内购买。用户在沃尔玛、亚马逊和百思买等网站研究商品，然后到实体店购买相应商品。如果人们在某家零售商网站上研究商品，而到竞争对手的店内购买，这对零售商构成了威胁。

那么，亚马逊在培育消费者网购习惯20年，并成为商品展览室的最大受益者后，亚马逊为什么会开设实体书店呢？

总而言之，亚马逊开设实体店的动机是把它们作为商品展览室。亚马逊实体书店把书作为“诱饵”，吸引收入相对较高的用户进入书店，然后向他们展示Echo、Fire TV、Kindle和Fire平板电脑等更多商品。

亚马逊首席执行官杰夫?贝索斯(Jeff Bezos)没有披露过亚马逊开设实体书店的目的，但首席财务官布莱恩?奥萨夫斯基(Brian Olsavsky)透露了一点线索，“我们认为，书店是用户看到、触摸、试用，并成为我们设备粉丝的好途径，因此我们认为实体店蕴藏着巨大价值。”

事实上，书店能很容易地成为亚马逊现有物流系统的扩展，方便用户取包裹或退换商品。亚马逊在美国11所大学建有取包裹和退换商品的商店，相当成功。

阿里巴巴也进军传统零售业

在转向实体店方面，阿里巴巴没有采用商品展览室的方法，而是通过收购很快涉足传统零售市场。阿里巴巴首席执行官张勇在致股东的一封信函中表示，公司计划在业务中整合实体店，以克服纯电商固有的“巨大挑战”。

张勇在信函中表示，“未来最重要的机遇不是孤立地增加网络销售，而是帮助传统零售商升级到一种全新业态。作为一个整体，消费零售业正在经历由数字化改造推动的根本性变革。”

作为在实体零售市场上占领更高市场份额努力的一部分，阿里巴巴宣布与百联集团签署战略合作协议。按店面数量计算，百联集团是世界上最大的零售商之一，在200个城市拥有4700家店面，其中包括便利店、超市和药房。阿里巴巴还对苏宁投资人民币317亿元，领导一个联盟出价人民币179亿元使零售巨头银泰退市，并持股三江购物俱乐部。

亚马逊和阿里巴巴并不构成真正威胁

尽管有业内人士警告传统零售商应当为保护自己的领地而战，但传统零售商无需草木皆兵。亚马逊和阿里巴巴开设实体店尚处于试验阶段。由于在运营实体店方面有更多经验，传统零售商针对电商有很大优势。

但是，传统零售商绝不能对亚马逊和阿里巴巴开设实体店坐视不理，坐等它们完善自己的战略。亚马逊和阿里巴巴开设实体店，只是进一步证实所有零售商都需要采用混合商务策略。市场研究公司Gartner零售研究主管鲍勃?河图(Bob Hetu)，把混合商务策略称作是零售商成功的一个关键因素，“随着零售商采用统一的商务模式，用户预期也会随之发生变化。在横跨多个渠道购物时，用户会要求一致性和灵活性。用户将不会再容忍渠道间的不一致，渠道间的不一致会促使用户选择能提供真正统一体验的零售商。”(编译/霜叶)

*中心概况:
亚马逊和阿里巴巴一直对传统实体店避而远之，但它们最近一反常态，开始建立实体店。两家公司都纷纷采取措施，向混合商务公司转型——整合电商和实体店的各自优势。

(十)

3月28日-29日，以“飞天?智能”为主题的2017云栖大会深圳峰会在深圳大中华喜来登酒店盛大举行。在当天的创新创业专场上，阿里巴巴创新中心和创头条、五叶草共同发布了深圳市双创数据大屏，通过双创热力图上的双创主体和载体、投融资曲线、产业分布、云栖指数等多种数据维度，客观展示了深圳近几年的双创成果和发展趋势。

双创数据大屏是国内首个将双创发展状况进行指数化、可视化的产品，由 阿里巴巴创新中心 、创头条、五叶草共同研发。该产品通过大数据图表、热力图等多种维度，立体呈现一个区域甚至全国双创生态发展、产业格局及动态变化情况。

阿里巴巴集团副总裁、阿里云业务总经理刘松表示，历经了几年发展，双创的数据规模、丰富性和数据维度等方面，已经具备大数据价值。双创数据大屏基于双创大数据研发，可以为政府引导产业发展、产业研究、企业发展提供科学决策依据。

据了解，双创数据大屏的底层数据由创头条提供，创头条双创地图是目前国内最大的开放式双创生态地图。此前，创头条和 阿里巴巴创新中心 曾在该项目展开深入合作。创头条联合创始人李茂达表示：双创数据大屏作为国内领先的双创数据专业解决方案，本质上是双创服务工具，可应用场景很多，具有很高的行业价值和社会价值。

双创载体和投资机构主要集中在南山区

深圳双创数据大屏显示，南山区、宝安区、福田区是深圳双创指数最高的三个区域。其中，双创企业数量最多的是宝安区，其次是福田区和龙岗区；而双创载体和投资机构则主要集中在南山区。

企业服务、硬件、电子商务、金融“最热门”

从深圳创业公司的行业分布和企业数量来看，企业服务、智能硬件、电子商务、金融是创业“热门领域”；其次是汽车交通、本地生活和文化娱乐等行业；体育运动和快递物流的企业数量，在深圳创业领域中“最偏门”。

孵化器和众创空间2016增速最高

大屏左下角展示了北上广深等全国多个城市的双创载体近3年的动态发展情况。数据显示，截止到2016年，深圳市有国家级孵化器43家，非国家级孵化器188家，国家备案众创空间99家，非国家备案众创空间153家，国家大学科技园3家。其中，2016年深圳市非国家级孵化器非国家备案众创空间实现了数倍增长，在北上广深四城中增速最高。

投资曲线2016年创新高

大屏展示了自2015年8月至今的7个季度的投资曲线。数据显示，相比2015年，深圳的投融资数量在保持快速增长态势，其中2016年9月份以44笔成为年度高点。在所谓资本寒冬的环境下，深圳优质项目依然获得了投资机构的青睐。

云栖指数名列全国第四

大屏同时引入阿里云的“云栖指数”，该指数为云投资、云计算力、云上大数据、云供给、云需求等多项指标的均值。

数据显示，深圳市云栖综合指数达到了38.36分，在全国所有城市中名列第4。其中云创新指数占到广东省82%。而云计算力指数、云投资指数、大数据指数等也都在广东省绝对领先。

据合作三方介绍，可视化是大数据的重要应用方向，三方将以深圳市双创大屏为开端，结合全国各地双创发展特色，深入探索更多样的可视化解决方案，为双创发展提供有价值的工具和服务。

关于阿里巴巴创新中心

阿里巴巴创新中心 (Alibaba Innovation Center)是阿里巴巴集团基于互联网、云计算、大数据的科技类“双创”孵化服务平台，整合内外部优质资源，联合百亿资金，提供包括创业资金、场地、办公配套等硬件资源，以及资本对接、创业指导、税收减免、开发组件、分发推广、云服务资源等系列创业扶持，帮助百万创客追逐梦想。（官网： https://chuangke.aliyun.com ）截止目前，阿里巴巴创新中心已在超过22个城市部署32个创新中心孵化基地，累计为超过2000家创业企业提供云资源扶持及其他阿里系资源对接。2016年5月阿里巴巴集团作为唯一一家互联网公司入选国务院首批“双创示范基地”。

关于创头条

创投圈的今日头条。创头条（ www.ctoutiao.com ）是一家高成长的创投类资讯平台和创业服务机构，公司致力于通过大数据、互联网信息技术，以及专业的创业服务，助力创业创新企业发展，完善双创服务生态，服务产业升级和中国双创健康发展。目前平台覆盖千万级的泛创业人群，聚集了数十万中小微创业创新企业。旗下拥有双创地图、企业号、推广通等产品，其中双创地图是全国最大的开放式创业生态地图。

关于五叶草

五叶草大数空间隶属于数空科技，是 阿里巴巴创新中心 运营商、阿里云战略合作伙伴，合聚天下大数据创业创新兄弟，分焦未来新价值创造场景热点，通过五子登科、有理数工作坊、大数据直通车、大数据私董会、8弟淘创客集市等独创形式，为创客和社会各界提供双创服务、行业整体解决方案和人才培训服务，致力打造大数据人工智能领域的众智生态集市。

*中心概况:
阿里巴巴创新中心联合创头条发布国内首个双创数据大屏，屏透视深圳，双创全景。

(十一)

新零售在战略上，除了延伸线下的业务之外，阿里巴巴是否会有其他的战略考虑？

1、为什么要做新零售

这两天，马云爸爸在湖畔大学开课了，然后主动认怂，说自己在支付宝搞社交败给了腾讯。于是，各大媒体的标题是这样的：

《马云坦言和腾讯差距很大,支付宝2017年被微信超过？》

《马云反思支付宝圈子事件:与腾讯差得比较远》

《支付宝为何放弃社交梦?回归金融和商业》

可是，阿里巴巴真的放弃了社交吗？

事情回到大约半年前，马云在杭州抛出了“五新”的概念，并第一次在大众面前宣传“新零售”。阿里巴巴的CEO张勇也在各个场合为新零售进行宣传，此后，京东、小米、苏宁、国美等巨头纷纷站台新零售。

可是，吃瓜群众分析了半天，也没搞明白新零售到底是个啥？

好在阿里研究院的一篇《新零售研究报告》终于在不久前出台了，这就像武功爱好者终于看到了《葵花宝典》一样，各位新零售参与者，竞争者，研究者赶紧下载来看看。

结果这份报告仍然仅仅蜻蜓点水的说了一些概念，并没有深入的说明和实际的案例或场景解析，所以，大部分人看了之后依然是一知半解，云里雾里。

不过，从这份报告中，小商帮科技（公众号：xiaoshangbang）依然发现了一些最为重要的关键词，供大家一起来分析学习：消费升级、大数据、重构人货场、产生零售新物种、C2B生产、人工智能与物联网。

一脸懵逼？好吧，小商帮科技（公众号：xiaoshangbang）在下一章节中将用大白话和例子来说明。

我们在这一章中先讨论新零售为什么会产生？

随着广大群众的生活水平日益提高，群众们从性价比时代，慢慢开始转向体验经济时代，这个很好理解，因为一开始大家穷，买东西就要买性价比高的，可是这几年经济大发展之后，很多人有钱了，那么便宜就不一定是最迫切的需求，还要求更高的品质，更好的服务体验以及更个性化的产品。

这个时候网络的短板就出现了——体验经济很难在当前的网络状况下全部完成。

根据一些研究报告的分析，发现网络发展到现在，网络人口红利已经不再的情况下，零售业态的网络份额只占了20%左右，虽然阿里系占据了其中大约80%的份额，但即便这样，阿里系占国内的零售份额只有16%左右！超过80%的份额仍然是在线下完成的。

为什么呢？有好多原因，有老头老太不会上网的原因，有眼见为实的原因，有临时起意马上就要买到的原因。但最根本的原因，就是“消费体验”。

什么是消费体验呢？

老头老太不懂网络，甚至因为时代的原因，有的是文盲，但仍然可以很轻松的在零售店买到所需要的东西，这个是知识门槛上的体验。

我想立即买一样东西，走到楼下的小店或者购物中心就可以买到了，不用等待，这个是时间上的体验。

我想买点水果，到了水果店之后，可以自己挑选，品种、个头、好坏，一目了然，买了就走了，这是个性化需求+时间上的体验。

我带着孩子去Sopping Mall，先去培训机构上英语班，然后吃个饭，饭后让孩子在游乐场玩一下，玩好之后我去电影院看一场电影，这个是综合体验。这些体验很显然网络没办法做到。

而网络能做到什么呢？

价格更便宜：淘宝刚出来的时候，是中国经济正在起步快速发展的年代，那个年代的消费者大部分属于价格敏感型。随着中国经济的发展，消费者已经由价格敏感型，向体验型经济在过度，而且随着人力成本的提升，网店的宣传费用，物流费用的上涨，线上的价格优势已经越来越不明显，比如小米的雷军就宣称网络的成本已经基本上和线下一样了。

品种更丰富：网络能提供更多的选择，天南海北的产品随时都能找到。所以，网络在未来仍然是不可或缺的，但对于快消用品、水果而言，大部分人民并不需要那么多的品牌和种类，家门口就可以解决了，每次的购买相对于网络的价格敏感度也不高。美国的costco就采取了精选性价比最高的产品，不用客户动脑的方式，捕获了一批忠实的用户。

配送更便捷：网上购买各种各样的东西，不用出门也可以送到家里，非常的便捷。但如果购买日常用品，显然周边的商超更加的便捷，在网络价格优势不是特别明显的时候，绝大部分人群购买快消产品，依然会选择线下。

新零售为什么会在这个阶段产生呢？因为线上的增长已经出现了明显的滞涨！而与此同时，随着我们上面所写的消费体验要求的不断增强，线下的生命力却在不断爆发，优衣库、无印良品的线下销售出现了爆发式的增长，小区门口的小超市、水果店生意重新焕发了活力。

所以，为了自身的发展，也为了蚕食线下的业务，同时，技术上已经有了充分的准备，新零售势在必行。

2、到底什么是新零售

小商帮科技（公众号：xiaoshangbang）认为，新零售是以数据为核心，对供应链能力、物流能力、运营能力、支付金融能力进行重新整合，进行基于“人、货、场”整体框架的重构，以满足消费者全业态场景消费升级体验的新型商业模式。

这说的是什么鬼？好吧，我们用大白话来说：

新零售要打通线上和线下，把原来以场地为主的线下销售模式，变成以人为主的线上线下一体化销售模式，要做到这些，就要求解决方案提供商能够提供一体化的整合能力。而整合的核心，就是大数据。

经过这么多年的运营，阿里巴巴构建了国内最为完整的线上消费者消费行为数据，每个人的消费频次，消费商品，消费金额，信用，乃至于你的姓名，地址，手机号，阿里的大数据系统都非常的清晰。

同时，由于阿里是以第三方入驻为主的电商平台，因此，商家的各种行为它同样一清二楚：出货量，出货能力，商品类别，定价，发货地址，联系人，联系方式等等。有了这些数据，阿里将每个消费者和每个商家都进行了数据的精确重建，这是非常可怕的力量，哪怕国家层面，也没有能力得到这样完整的消费数据画像。

更可怕的是，阿里的蚂蚁金服，阿里云，都是目前互联网企业中细分领域绝对的龙头老大，菜鸟网络整合的物流体系也是业内的老大，数据流，金融流，商品流和物流，阿里在这4个方面都是国内绝对的龙头，这对于其他竞争对手是非常可怕的事情。

有了数据可以怎么来玩？这个报告里面没有，小商帮科技（公众号：xiaoshangbang）来猜测一下：

第一，是实现线上线下消费的无缝对接；

简单的说，对于大部分的商品，你可以在线买东西，然后到家门口的店里提货，也可以让家门口的门店送过来。你也可以到店里买东西，然后缺货的直接在店里定好，第二天通过其他门店或者最近的配送点给你送到家里。是不是非常方便？你的物流费也省了不少，商家的库存管理也会非常出色。

第二，是解决配送和假货问题；

阿里通过合作的门店，直接选择一些网上质量好，信誉高，性价比高的供应商供货，通过统一配送，与小区门口的店面进行合作，这个计划叫“零售通”。

通过“零售通”，一方面可以做B2B统一配送业务赚钱，另外一方面通过广泛的布局，能够掌握全国零售商品的物流大数据。此外，还有关键的一点，就是配送速度和假货问题。

一直以来，淘宝体系最让人诟病的就是假货和配送速度，而京东之所以能快速成长，很大的原因也在于配送速度快，假货相对少。

但新零售体系之下，产品通过精选之后，假货将大幅度减少，而直达小区的产品，在配送时将会更加快速。你可以在不同的阿里门店买东西，然后都不带走，之后通过阿里的配送体系从不同的地方将商品汇总到你的小区。

*中心概况:
阿里巴巴新零售的战略以数据为核心，对供应链能力、物流能力、运营能力、支付金融能力进行重新整合，进行基于“人、货、场”整体框架的重构，以满足消费者全业态场景消费升级体验的新型商业模式。

(十二)

张骏：大家下午好，感谢竺道，感谢各位的聆听，我今天是代表阿里巴巴，给大家讲一讲阿里巴巴的跨境业务也大家做一个介绍。

大家熟知的阿里巴巴也都是天猫、淘宝、阿里云非常耳熟能详的业务，在每年双十一的时候，连篇累牍的报道都在讲阿里巴巴淘宝一天的交易量如何，但是很少有人知道马云先生创办阿里巴巴第一个业务也就是alibaba.com，出发点是帮助中国中小企业做外贸做出口，是跨境B2B的业务，今天业务不断的升级不断的迭代，帮助中小企业做出口的平台，我们自己内部认为是帮助全球中小企业更好的做生意。

数据一定是互联网时代最大的价值

简单来讲，互联网现在这么火，我们“互联网＋”的概念，也提了很多很多，但是跨境B2B我们互联网是怎么来做的呢，我们做的就是“互联网＋”外贸的这样一个概念，如何“＋”，就是跨境B2B里面一个真正的含义所在了，其实我们一直相信，互联网的时代，是做数据的时代，现在不管说是Uber，还是滴滴，还是淘宝、天猫，最大的价值是什么？跟传统贸易不一样，就是因为有数据，平台的价值就是积累数据，所以我们相信，数据一定是互联网时代，最大的价值。所以我们在做互联网＋外贸的时候是需要大量的沉淀数据，沉淀买家的数据，沉淀卖家的数据，只要拥有数据了之后，才能真正帮助全球中小企业如何去做生意，做外贸也好，还是做内贸也好。所以大数据战略，也是阿里巴巴集团三大战略的之首，我们把数据看的比什么都重要。

阿里巴巴一开始是线上黄页的平台

回顾一下整个的互联网发展的历史，我估计今天看很多老前辈应该都在地方，应该对整个互联网历史发展还是比较了解的，就整个互联网我们经历了很长的这么一个演进的过程，特别是互联网快速发展也是快速迭代的过程。

第一代互联网尤其是第一代电子商务的平台，我们做的是一个什么事情呢？就是最简单的信息匹配，因为全球的信息，海量的信息在一块，信息不匹配的问题，到处都在，我们15年前，20年前每家会有一个电话簿，目的就是帮我们找到想找的人的电话号码。然后慢慢演进成我们的黄页，一本黄色的册子，上面有所有企业的联系方式，那叫黄页，后来做到黄页也就做成了线上的黄页，阿里巴巴我们一开始就是线上黄页的平台，只是一个简单信息展示的平台。

把用户培养成把阿里巴巴的平台当成空气和水，天天都在用

当互联网慢慢开始演进的时候，大家现在熟知的支付宝，和信息展示不一样的地方，就是因为它具备支付的功能，它实现了在线的交易。这是另外一个的本质的变化，但是现在支付，是不是仅仅满足于我们消费群体的需要，支付现在已经过去了，我们现在除了支付，必须要真正的给客户带来深层次的价值，你为什么让一个客户停留在阿里巴巴的网站上，不停留在京东的网站上，不停留在网易的网站上，就需要你做深层次的客户价值的挖掘，只有这样客户才会把阿里巴巴的网站，阿里巴巴的平台当成空气和水一样天天都在用。

所以我们认为现在的互联网，现在的电商以后必须要根植到为消费者做深层次的服务，不管说是2C还是2B的业务。

阿里巴巴的全球布局

简单看一下，可能大家对整个的Alibaba .com的平台，只是知道名字，但是不知道我们的业务现状是什么样。其实我们网站，现在说全球份额第一，我们也不去再讲，因为它就是绝对的第一，第二第三第四一直加到第十都没有它的市场份额大，覆盖超过全球200多个国家地区的买家和卖家，主流15种语言，我们正在做第16种语言的开发，在我们上面有活跃用户数量的已经超过128万的网店，不是简简单单说家庭的人员在开店，网店的背后代表一个企业，一个品牌，代表一个工厂，或者说代表一个产业。从大类来讲我们已经覆盖40多个大的行业，从大宗矿石，到宝石，到日常消费品，所有的行业，出了一些各个国家，法律规定的，不太可能涉足的或者涉及到高壁垒的行业，比如说黄金、医疗，比如说毒品我们绝对不会去碰的行业，冲刺到整个行业的每个领域。

特别是移动互联网的到来我们发现很多很多的应用平台，都已经互联网化了，都已经移动化了。在我们平台虽然是2B的平台，但是我们也是以这种2B服务企业主，服务2B用户的这么一个用户体验的角度来切入，我们已经从PC的版本，升级到了移动端的版本，现在我们在移动端的网站的流量，接近PC端的流量，也许在不久的2到3年之内我们可能整个的业务，都会依靠PC端来把业务往下走。

实现全球业务本地化

我们在全球有200多个国家也业务，但是我们只靠来自中国的平台是不是就够了呢？远远不够，我们现在在全球很多的地方，我们认为的一些战略国家，都在本地化，把我们的业务本地化，把我们的运营本地化，把我们销售和服务进行本地化，我们现在已经在全球30多个国家建立不同的销售和服务的网点，我们现在全球合伙人超过1000多人，这只是一个开始我们从去年开始全球合伙人的计划，我相信在今年保守一点我们可能到了3000人，乐观一点5000人到8000人努力，所以在我们大量全球合伙人提供本地服务的情况下面，我觉得我们客户价值会得到充分的保障。

全球这么多的行业，我们到底是怎么来做的？做平台最大的一个好处，就是你覆盖面广，最短的一个弊端也是覆盖面太广了，我们没有办法做一个放之四海而皆准的平台，所以我们会有战略取舍，首先我们会从行业里面一定是把全球最优质的，特色的，有竞争力的行业卖家发展到我们平台上来，这部分卖家的利益和他的客户价值肯定会得到保障，其实也是我们整个平台的核心价值，我们不希望说，在我们平台上，你去印度，找一个中国的商品，或者说你去中国找一个非洲的商品，去非洲找一个美国的商品，

这样我们平台价值体现不出来，我们希望在我们网站上我们有海量的信息，提供给大家，但是更重要的我们是要提供精准匹配的海量信息，所以我们会在各个国家，各个行业来进行业务的取舍，每个国家我们就把它真正有特色的行业的商家挑选出来。

阿里巴巴助力“印度制造”

其实做事情，不光是阿里巴巴在做，阿里巴巴虽然有点号召力，但是我觉得事情和各个国家政府和各个国家推动产品出口的宏观政策是紧密相关的，大家也知道随着G20在杭州召开，各个国家的领导人，特别是对外贸出口的问题，非常的关注，其实包含印度国家，印度我们莫迪总理一直提出来，印度制造，数字化印度，我们到底怎么来实现，其实平台，就可以很好的帮助大家来实现，我们真正的本土化制造，促进外贸怎么来发展，把我们各个国家自己有特色的商品，推到全球去，我们现在跟很多的国家都签署战略框架合作协议，批量把我们真正有价值的，这种商家迁移到我们的平台上来，因为在海外的一个实际的情况，很多的商家不太懂互联网，特别是我们2B的商家，不太懂互联网，我们传统的模式，参加法兰克福的展会，通过展会接触到商品信息，但是更多的还是靠线下的传统方式。

所以在阿里巴巴各个国家政府我们达成战略合作的同时，我们希望政府给我们的企业做背书，我们可以想像中国人和英国人做事，印度人和印尼人做生意，最大的问题是什么，彼此没有见面，没有信任，我相信由政府的做背书信任会大大的加强，所以政府背书在阿里巴巴里面非常重要的，有了政府背书以后，阿里巴巴的平台核心价值就可以发挥的更好，，今天恰好是印度和中国的互联网对话。

在印度我们会帮助印度的买家，和印度的卖家，来做一个事情，大家都知道印度最近三五年是莫迪总理的推动下，政府的强烈刺激下，整个的国家经济建设，包括底层的一些建设，对于外国的商品，对于中国前10年，20年，这种经济改革盖房的基础设施建设的需求，有同样的需求，所以我们希望通过我们的平台，第一个把中国大量有竞争力的商品和印度市场急需的商品，通过线上的形式推到印度去。第二个实现印度政府做的印度制造，帮助印度的中小企业把他的特色商品，卖到全球去，卖到中国来，卖到美国去，卖到日本去，我在印度拜访一个很小的作坊，十几个人，在印度有低廉劳动力的前提下面，和他有一些创造性、艺术性和传统设计感的这种思维相结合，把废物进行回收利用，设计出来比如说我们常用的笔记本，设计出来我们的这种家具用品，或者说设计出我们红酒的酒瓶套子，这样的生意通过我们互相在欧洲、美国、迪拜收到大量的订单，跟我开玩笑说每天早上的第一件事情不是刷牙洗脸，而是去网上看一看有没有买家留言，要他的货，有没有买家进行下定单，他觉得中国绝大部分的供应商比他更勤奋，他要拿到更多的订单，必须要勤奋早起。

从中国到印度：阿里巴巴物流实践

给大家看一下我们的业务流程，我们以中国到印度的这么一个物流为例，中国的商品首先我们在阿里巴巴的网站上我们有一个展示的平台，就像我们在万达里面租了店铺一样把你的所有的商品展示出来，同时我们会提供相应的配套服务，什么叫配套服务，是不是在网站上我找到了卖家，找到了买家就可以，远远没有达到，只是我们刚才讲的电商的第二个层次，第二个阶段，我们需要做的是第三个阶段，只要我们有好的商品就不愁销路，第一我们平台帮助大家找到买家，第二我们的平台帮你解决物流的问题，供应链的问题，帮你解决信用的问题，帮你积累数据，帮你解决和金融对口的问题。甚至帮你解决到了印度怎么去派送的问题，所以我们的卖家，就高枕无忧了。我们只要真正的去做我们擅长做的事情，我们中国为什么很多公司，好的产品出不去，因为它不懂外贸，不懂报关的流程，不懂国际谈判，没有资金去参加大规模的这种线下的商务活动，配备活动，所以说在我们的平台上面，我们可以提供从卖家到买家，端到端的一揽子的服务，这样的话我们平台给客户带来的价值才是最大的。

但是有一个很现实的问题，大家都知道我们为什么搞这样的论坛，第一促进双方经验的交流，第二个因为各个国家的发展水平，互联网发展水平还很不平衡，在国外最大的一个问题不是说没钱，不是说大家不愿意去干，而是我们意识还没有到位，所以说当我们认识了问题之后在全球推出一个寻梦的项目，我们通过各种手段、方法、游学、培训线上线下结合的方式，帮助我们本地来孵化这种能力。

第二我们在全球首次推出了电商人才的培养计划，我们现在已经在将近8个国家，培训了阿里巴巴专属的这种国外经过认证的讲师，已经有100多名，超过我们认证的学员已经有1万多名，在必要的前期基础工作的推动下面我们的业务会走得更快。

所以最后简单的总结一下，整个我们B2B的战略大图，我们是从客户价值出发，帮客户解决他所关注的每一个问题，就是每一个环节，第一个就是信息，信息是最基本的，有了信息之后，其实我们就需要在线帮他来实现交易，完成了交易之后，我们如果能帮他提供端到端，门到门这样的服务的话，那么他的基本问题就解决了，那么服务其实包括我们的报关服务，清关的服务，还有物流的服务，到最后你所有的信息数据沉淀下来，其实我们能给商家带来什么，更重要的是一个信用的建立，不信任就是因为没有信用，有了信任之后，信用就迎刃而解，所以我们基于大数据的前提下我们会把商家、买家和卖家，大量的各方面有价值的数据沉淀下来，帮助我们建立信用，这样我们反哺到金融方面的需求。

阿里巴巴不是帝国

今天早上记者采访的时候问，阿里巴巴和其他的公司最大的不一样是什么？我觉得最大的不一样就是阿里巴巴不是一个帝国公司，我们很多企业做大了就做成了一个帝国，现在很多人看阿里巴巴就像一个帝国，阿里巴巴来了怎么办，阿里巴巴来了对很多人都是有好处，第一经验不错，第二阿里巴巴做业务一定是生态的模式，我们给客户带来10块钱的收益，我们的生态挣2块钱的生意，阿里巴巴挣5块钱的收益，在共赢的模式下，生态才会繁荣昌盛。

引用最后的，因为最近整个的不光是在中国其实全球都在提EWTP的概念，所以我们今天一直在布局全球买全球卖，阿里巴巴有B2B有B2C，有跨境B2B，有跨境B2C，所有的业务我们都是为了实现一个梦想，马总去年在G2Z提出的EWTP梦想，真正让全球中小企业实现天下没有难做的生意，谢谢大家！

*中心概况:
阿里巴巴B2B事业部海外供应商发展部总经理张骏在第二届中印互联网对话大会详细介绍阿里巴巴的全球布局和跨界规划，并表示阿里巴巴不是一个帝国。

(十三)

阿里巴巴于近日在杭州举办的内部技术大会会议内容正式对外公布，会议上， 阿里巴巴宣布正在启动一项代号“NASA”的计划 ，将面向未来20年组建强大的独立研发部门，储备核心科技。

之所以将“新技术”取名为“NASA”，马云表示，这是因为阿里巴巴未来20年的愿景是构建世界第五大经济体，而该经济体必须建在新的技术基础设施和技术思考之上，就像美国航空航天局NASA驱动人类科技和生活极大进步一样，阿里巴巴希望建立自己的“NASA”，担当未来的责任，让新经济体未来能服务全球20亿消费者，创造1亿就业机会，帮助1000万家企业盈利。

据品途商业评论了解，这是阿里巴巴在提出“五新”战略后——新零售、新金融、新制造、新技术、新能源——首次公布其在“新技术”层面的战略规划。

消息称，“NASA”计划将面向机器学习、芯片、IOT(物联网)、操作系统、生物识别五大核心技术展开。其实这五个核心技术的本质就是人工智能。马云说，“以前阿里巴巴的技术只跟着业务走，是‘兵工厂模式’，但手榴弹造得再好，也造不出导弹来。现在必须思考建立导弹的机制，组建崭新的团队，建立新的机制和方法，成立新技术研发体系，聚焦核心领域的研究。这些研究的目标是为了解决10年、20年后的困难。为此阿里巴巴将全力以赴。”

至此，国内人工智能领域终于正式迎来了除百度之外的第二大巨头玩家。

百度AI与阿里AI

众所周知，国内AI的最大玩家仍然是百度。据了解，百度在人工智能方面的人才储备量是国内所有公司之最。陆奇的加入更是让百度在短短几个月内发生了翻天覆地的变化：裁撤医疗移动事业部、成立度秘事业部、全资收购渡鸦科技、合并自动驾驶部门....

不可否认，从人工智能领域大规模布局的速度来看，国内没有第二家公司能与百度相比。但品途商业评论采访过的几位人工智能领域专家纷纷表示，看不懂百度的AI。

一位不愿具名的人工智能专家曾对品途商业评论表示，百度模式本质上和Google差不多，核心业务都是基于搜索。而下一代“搜索”形式肯定不在PC和手机上，而是在基于“语音交互”功能的任何物体上。

所以Google在AI上的布局都是为“搜索”服务的，Google之所以做Google Home音箱和语音助手Assistant，是因为担心亚马逊的Echo音箱和语音助手Alexa会威胁到Google搜索业务的未来，而Google在自动驾驶等与搜索业务关系不大的技术上的研发更多是基于情怀的尝试，能不能做成不会对Google造成影响。

但是看百度的玩法，你琢磨不透他的核心目的在哪里，百度的AI布局太泛，看不出是在为“搜索”而服务。

相比之下，阿里这次宣布大规模进军人工智能，所涉及的领域和最终目标都比较清晰，是基于马云2012年提出的“电商、金融、数据”计划一步步推进的。电商业务已经上市，金融业务发展良好，而且不断传出即将上市的信号，剩下的就是数据业务。

而马云认为，大数据包含两个概念，一个是大计算，另一个是云数据，一个是爹，一个是妈，生下来的孩子是人工智能。所以，在马云眼里，布局人工智能就是在布局大数据。

在云数据方面，马云认为阿里巴巴已经掌握了全世界最多、最珍贵的数据资源，而在大计算上，阿里云提供的公有云计算服务已经比较成熟。所以，在软件技术相对成熟的前提下，阿里巴巴想要将云数据和大计算结合起来，做底层硬件基础设施，最终实现软硬结合的人工智能底层技术解决方案。这也是为什么阿里选择在“机器学习、芯片、IOT、操作系统、生物识别 ”这些领域投入研发的原因所在。

一方面，阿里巴巴只会做底层通用技术解决方案，而不会在设备或应用层面发力。另一方面，品途商业评论也从多方了解到，阿里巴巴“NASA”战略的实施或将由阿里云主导，未来“NASA”中的项目如果实现了开放平台化，也将通过阿里云平台对外输出。

马云的“阴谋”

“NASA”战略如果实现，马云口中的技术基础设施将成为阿里巴巴庞大的赚钱机器。

电商平台如此，阿里巴巴不赚消费者的钱，只是提供线上零售的基础设施，它赚的是所有生意人的钱;金融平台如此，蚂蚁金服不赚投资者的钱，只是提供线上金融基础设施，它赚的是合作商户、有贷款需求的企业的钱;云服务也如此，阿里云把传统企业的 IT 基础设施搬上了云端，它赚的是无数有服务器使用需求的企业的钱。

现在，马云要来赚未来所有人工智能公司的钱。确切的说，赚的是未来所有人工智能产业链中下游公司的钱。打个比方，绝大部分电脑和手机厂商都要用到英特尔和联发科提供的芯片技术;雅虎、谷歌、脸书崛起的前提是思科这样的公司早早地为他们准备好了足够成熟的网络基础;而研究机器学习领域的人工智能公司，需要用到英伟达提供的GPU芯片。“NASA”计划的实现，将可能让阿里巴巴成为像英特尔、思科、英伟达这样的公司。

这样的公司在模式上有一个共同点：出售具有高技术附加值的产品或方案。也就是马云口中的基础设施。

知名科技媒体人沃尔特?莫斯伯格曾经表示，“如今的创业公司，即便他们足够优秀，最终也只能被巨头吞并，成为其产品中的一项功能。即便不被收购，得以繁荣发展的创业公司往往也只能在巨头控制的平台上小有成就，还得向这些巨头支付分成。

例如， 刚刚上市的Snapchat母公司Snap 曾在2013年拒绝了Facebook高达30亿美元的收购邀约。但它如今的业务却要依赖谷歌的云计算服务，以及苹果和谷歌的移动应用平台。很多小企业必须向平台公司支付这样的‘巨头税‘。”

成为平台级公司，向生存在其上的其他公司提供技术基础设施，收取分成或其他费用。这就是阿里巴巴模式，也是马云没有明说的“阴谋”。

*中心概况:
阿里巴巴在提出“五新”战略后——新零售、新金融、新制造、新技术、新能源——首次公布其在“新技术”层面的规划。

google
1.google与Paypal合作移动支付，外传将有并购案

PayPal 与 Alphabet 在 18 日通过了一项新协议表示，未来 Android 手机用户将可通过绑定 PayPal 帐户进行移动支付，不仅如此，外界猜测，此重大合作背后隐含着并购的可能性。

现今，原本习惯于刷卡的消费者逐渐开始拥抱电子钱包，其使用近场通讯技术来实现智能手机与零售支付终端的交易。然而科技巨头 Google 所推出的电子钱包却并未引起关注，其 Android Pay 不仅面临来自苹果的竞争。且在 2 年前，最大的 Android 手机制造商三星也独自为其设备推出了支付系统Samsung Pay，所以此次 Google 与 PayPal 合作将有很大的意义。

PayPal 当初从母公司 ebay 分拆出来，就是为了能更好的进入电子支付市场，而此次的合作将能让 PayPal 帐户直接在 Android 4.4 以上版本的系统中运行，并使用移动支付功能。这也是 PayPal 首席执行官 Dan Schulman 近期一直在筹谋的策略，其致力于与银行、信用卡发卡机构和电商探讨合作，让 PayPal 不仅只是网站上的付款按钮，而能变成直接用于实体商店的多功能金融工具，让用户能进行跨国汇款跟移动支付。

而与 Android Pay 的合作将能有效增加 PayPal 在零售商店的覆盖面，Schulman 认为这是让用户使用 PayPal 的频率提升的关键。 PayPal Braintree部门副总裁 Aunkur Arya 也指出，这是进入移动支付生态系统的理性策略，双方具有互补价值，所以伙伴关系就会发生。不过有趣的是，PayPal 目前并没有进入 Apple Pay 的系统，但实际上目前 Apple Pay 才是在移动支付应用上最广的合作对象。

所以此次 Google 与 PayPal 之间加深合作关系，加深外界对于并购的猜测。DA Davidson 金融咨询研究部主管 Gil Luria 表示，两家合作若能继续加深，未来合并的潜力就越高。不过目前 PayPal 与 Google 的发言人都拒绝对并购一事发布任何评论。 除此之外，PayPal 也开始与 Facebook 等其他第三方电子商务业者进行合作，就第 4 季的财报来看，其营收达 29.8 亿美元相当不错。

PayPal and Google Get Cozy With New Digital Wallet Partnership
PayPal teams up with Android Pay for mobile payments
（首图来源：新浪科技）

延伸阅读：

换个视角看电子支付：Apple Pay 绑卡 41 万张与计程车司机的 4 元手续费
比特币未死，日本零售业将用于移动支付
【5 分钟 Fintech】从电子支付到比特币，无现金经济渐成型
如需获取更多资讯，请关注微信公众账号：Technews科技新报

2.google Wifi路由器出现连接频繁中断问题 谷歌提出临时修复方案
据外媒报道，自3月以来，一些Google Wifi用户称其设备经常出现连接频繁中断问题，而修复只能暂时解决问题。Google目前仍在就此问题寻找“最终解决方案”，但同时该公司率先提供了一些解决方法。在上个月将Google Wifi更新到9202.35.8版本之后，许多客户已经注意到，他们的设备会经常出现连接中断问题。

在重启设备后恢复Wi-Fi连接的情况下，这个问题在几个小时后再次出现。受该问题困扰的人士指出，即使是执行硬重置，也不能完全解决这个问题。

Google过去几个星期内一直在调查这个问题，但截至昨天，该公司表示仍然在为此问题寻找“最终解决方案”。同时，该团队还为部分客户提供了临时修复方案：

1.尝试使用不同的帐户设置Google Wifi。这可能意味着创建一个新的Google帐户，或使用家庭成员的Google帐户通过Google Wifi应用设置Google Wifi设备。

2.断开无线Windows 10设备或Xbox设备（或通过以太网连接）。在几种情况下，断开任何Windows 10设备或Xbox设备已经使Google Wifi网络再次恢复而不会中断。

今年2月，Google曾不慎擦除了一批 Google Wifi 和 OnHub 设备的配置文件。

3.打造自己的搜索引擎google自定义搜索设置
首先申明学习和参考自 如何为每个研究专案建立一个Google 自订搜寻引擎？ 。

然后申明全程需科学上网，看见Google大家应该都下意识的应该。

然后然后你要有一个Google账号啊混蛋。

先来说说什么是Google自定义搜索吧。根据Google官方的定义翻译成中文是这样的：

您可以包含一个搜索引擎在您的网站，以帮助您的访客找到他们要找的信息。因为自定义搜索是基于谷歌的核心搜索技术，你可以确信你的用户越来越高的质量，相关的结果。您可以自定义大量的搜索引擎，其中包括：

适用于您的网站的外观和感觉的搜索框和搜索结果页
使用搜索功能，如改进，自动完成，和促销，以提高用户的搜索体验
通过将与你的搜索引擎理解你的用户的行为谷歌分析
让钱从你的搜索引擎谷歌的AdSense
好吧，官方有点扯到蛋了，然后又到了小白解释时间了：

简单的说就是可以设置Google搜索在特定的一些网站内进行搜索，以便快速地搜寻到在相关网站内自己想要的结果。主要用途一般有：

内嵌到网站中，借助Google实现站内搜索功能
自定义网站搜索范围，实现个人自定义搜索，如特定网站论文检索、相关电影网站资源搜索等等
然而我要设置的就是后者，以 搜索软件 为目的吧。为什么呢？因为现在市面上各种软件市场鱼龙混杂，不信你自己搜一个试试，看图看图。请TM告诉我到底在哪里下载。

我还没有把各种广告截进去。所以好的软件和好的软件下载地址不容易到达。但是热爱分享的互联网上还是有一些大神的软件分享博客或者个人博客还是做的非常良心的。除了会有一些什么破解版修改版优化版的软件之外，网站提供的下载体验和阅读体验也是极致的。（广告不清楚因为可耻的用了广告屏蔽插件，罪过）

在开始设置前，先来放个效果图。

设置过程

打开 Google自定义搜索 ，点击添加按钮按钮添加。
我之前添加过所以已经有结果了。

填写要搜索的网站和名字。

要搜索的网站填写你希望在哪些网站内进行结果的搜索，有说明。语言看你需要，名字看你有多任性。
以下是我添加的我认为不错的有保障的软件推荐和分享网站：

这样就算设置和创建好了，可以点击公开网址看看了。但是呢，这和开头的效果图还是有差别的，且往下慢慢看。

点击控制台，进行更多的设置。主要实现的功能是：实现搜索关键词时在搜索结果中，对于我们填写的网站的搜索权重增加，然后也可以仅仅搜索范围局限于我们填写的网站（之前的结果就是这个）。这样有什么好处呢？当搜索一些关键词的时候有可能在填写的网站中没有结果，而在其他网站中找到了，也就是在搜索范围外，这个时候可以将这些网站加入到添加的网站中。相当于对自己的自定义搜索范围进行查漏补缺。

先将搜索设置为：搜寻整个网路，但特别强调收录的网站。

新建标签页。选择搜索功能->优化->添加，以此添加分页标签。

选择仅具有此标签的网站。

添加网站到标签中。先选中打钩网站，再点击标签选择要加入的标签。（ 注意：不能全选，要一个一个打钩，且必须先选择打钩再选择标签 ）。现在再去点击公开网站然后搜索是不是效果就有了呢，但是显示方式还不太一样。

更改界面显示方式。外观->布局->全宽。然后大功告成！

最后我想说的是所有选项都是中文，意思大都都明了，自己探索折腾打造自己的搜索引擎吧，骚年！

短网址

网站结果不错咯，然后只是网址长了点，怎么办，缩短网址。这个时候百度算是有点用处了（它的短网址可以自定义）。

好的软件搜索短网址 ：

http://dwz.cn/BetterSoft （百度短网址）
https://goo.gl/lQ0rLe （Google短网址）
然后再来分享一下我设置的其他搜索引擎吧。

电影资源搜索 （一些电影资源网站搜罗）
Android资源搜索 （收录相关安卓资源网站）
（放原文里了，有兴趣的点击 原文 查看，还给了网址干货）
搜索中完善，完善中搜索！

为了更优雅地活着。

原文链接： http://www.lxxself.com/post/yu-dao-liao-jiu-fen-xiang/2015-07-01

4.Google更新Google Earth,web版不支持Firefox
为了庆祝本周末的地球日，Google 地球软件 释出了 一个大的更新版本 Google Earth V9， V9 设计能运行在浏览器上，但只支持 Chrome，不支持其它浏览器如 Firefox。使用其它浏览器访问 earth.google.com/web ，会返回错误信息，推荐用户下载 Chrome。为什么 V9 只支持 Chrome？因为它是使用只有 Chrome 支持的技术 Native Client 开发的。V9 的主要变化是名叫 Voyager 的导游观光功能，向用户提供不同区域的 YouTube 视频、 360°内容、街景和地标。导游功能由科学家和纪录片制作者引导，其中包括 BBC 的 Planet Earth 团队。Google Earth 桌面版仍然停留在 V7，但包含了 Web 版没有的测量和记录功能。
5.Google home可声音识别不同用户，最多6人共用
BI中文站 4月21日报道

谷歌 (微博)已经对其智能扬声器Google Home进行最新升级，现在它可通过声音识别不同用户，最多可支持6名用户共同使用。这意味着，对于房子里的每个谷歌用户来说，都可以通过Google Home得到定制答案。

这是个很小但却非常重要的升级。以前，每台Google Home只支持1个谷歌账户。这意味着，无论谁向Google Home要求获得个人信息，比如即将到来的约会、电子邮件、信息、音乐播放列表，它都会提供注册账户设置的信息。换言之，对于Google Home和Amazon Echo这样的设备来说，最大的短板之一就是切换账号很难。

现在，谷歌通过最新升级解决了这个问题。使用Google Home的绑定应用设置个人账户后，这款智能扬声器可将每个账户通过声音识别与特定用户联系起来。为此当你使用唤醒短语“OK, Google”，并查询问题或给出指令时，Google Home会为该账户提供个性化响应。

谷歌表示，当用户设置账号时，这款设备使用了语音识别技术，即软件可检测用户的声音特征。这应该有助于减轻你的担忧，谷歌实际上并未标记你的语音模式。谷歌发言人表示：“现在这种识别依然不免存在错误，但我们会继续改进系别，它会随着时间推移变得越来越好。”

Google Home是谷歌利用语音控制、机器学习以及人工智能等技术的整体战略的重要组成部分。Google Home得到谷歌智能助理Google Assistant的支持，后者也将出现在谷歌Pixel手机和三星Galaxy S8等新的Android手机上。

谷歌首席执行官桑达尔?皮查伊（Sundar Pichai）非常看好语音识别和人工智能的前景，并将它们视为未来计算的关键因素，但他没有透露该公司如何利用这些技术赚钱的细节。 （综合/金鹿）

6.Google Earth的大版本更新，想让你沉醉在美丽的地球
Google地球在世界地球日当天发布了最新的一次大版本更新，给这款Google的这款老牌口碑产品带来了全新的理念。

不管你以前有没有玩过，最新的这款Google地球想要给你的体验是比在朋友圈好的多的“虚拟旅游”体验，同时Google地球也在这个版本与Google地图的差异化变得更明显。

因为Google说了，地图是为了让你找到，而地球是为了让你迷失，想想如果能在上班焦虑期间，对着电脑屏幕稍微“迷失”一会，应该也不是什么坏事。

Google地球首次发布是在2001年6月，当时的界面还是2D复合的，能够提供的街景和细节都非常有限。16年后的现在，Google地球发布的版本已经是第九版，在前些年短暂测试了3D版之后，Google地球终于迎来了一个细节更为丰富的3D版本。

Google在主页导览上用一个55秒的视频短片让你感受一下用3D视角环游世界的感觉：

新版的Google地球页面上，左侧有五个图标，搜索、航海、骰子、标签、和分享。这里面只有航海和骰子需要你认真了解，其他的不用说你应该知道怎么用。

第一个是航海图标（Voyager），顾名思义，航海家代表的是探索世界，Google在最新版本中跟BBC和Digital Globe等等一些内容生产商合作，把故事放进这个巨大的地球仪里，讲解世界各地令人难以置信的自然多样性，充实浏览的信息量。

比如说和芝麻街合作的一个主题，芝麻街的生产商就展示了全世界各地的Muppets玩偶，Google地球上可以显示Muppets的居住地址，还能展示和该地区相关的文化故事——这与你在现实中旅游非常相似，当人们游走在世界各地的时候，欣赏的不止是那里的自然风光和名胜古迹，更多的是附着在这些景色上的文化标签。

Google地球在这一点上，甚至能够做到比你在实地旅行中体验到的更多：

在这一版的Google地球上，你可以前往远在坦桑尼亚的简?古多尔研究所（Jean Goodall Institute），在上班休息的间隙就能感受一下做黑猩猩专家的感觉。 Google地球同时还提供小范围的环境对比，并通过比较2005年至2014年的图像，可以了解森林恢复工作的效果。

目前在Voyager的页面上大概有四十多个可以选择冒险的故事，从旅游、自然，到文化、历史，你可以先去看看世界上最戏剧性的山脉，再去寻找世界上最不可思议的沙滩。

第二个新图标是骰子（I Feel Lucky），这个功能是Google搜索引擎早期提供的一个非常受欢迎的功能，它带给人探索无限未知领域的新奇乐趣。这个功能很像一个随机的任意门，使用Google搜索人应该都对这个按钮比较熟悉，这是Google的一个老传统了，点击这个按就会被传送到随机的网页上。在Google地球上也是一样，点击幸运就会被传送到世界上任意一个遥远的角落，你也不用担心自己不认识这个地方，界面右边的知识卡就是一个随行的维基百科。

对于那些想要玩一会Google地球但是又不知道该去哪的用户，就点骰子试试吧，快速点击还能获得在地球上跳来跳去的体验。

目前被Google放置了知识卡的地点大约已经有20000个，Google表示这个数字还会继续增加，你可以在虚拟世界里瞬间传送的地方会越来越多。

还有一点重要的是，以前的Google地球只能在PC端的应用程序使用，但新版的地球仪可以Chrome浏览器就直接访问，未来会逐渐增加对主流浏览器的支持。在手机端上，还是Android的用户可以先玩上了，针对IOS的版本估计还得等些日子。

新功能的增加其实是让Google地球有了更多的教育性，所以如果你的老板看到你Google地球上跳来跳去的时候也别慌张，不妨镇定自若的回答，我在做一些自然环境调研。

更多内容，关注品玩微信号：

wepingwest

限量开放入群申请…… PingWest品玩的老朋友了？何不扫码加客服进群聊

7.靠广告赚钱的Google,却要让自家的chrome浏览器屏蔽广告
有没有遇到过这种情况，打开一个网页，要像玩打地鼠小游戏一样先把各种广告关掉，然后才能安心的浏览网页。

就连以广告作为很大一部分收入的 Google 都对各种恼人的广告忍无可忍了。

据华尔街日报报道 ，Google 正准备计划在移动版和桌面版的 Chrome 浏览器中引入广告拦截设置，而且可能会默认为所有用户启用。

这项功能的加入，使得 Google Chrome 浏览器可以自动识别和删除“好广告联盟”（Coalition for Better Ads industry group）行业组织定义的任何和所有“不合规矩”的广告，包括弹出式广告，自动播放的视频，以及所谓的预置式广告，或者全屏显示的广告，而且在用户打开网页之前，以上那些广告就都已经被屏蔽掉了。

不过，报道也称 Google 还没有作出决定使用何种方式来处置不合规矩的广告。其中一个，也是较为激进的方式是，就算用户浏览的网页上包含一个违规的广告，Chrome 也会屏蔽在此网页上出现的所有广告，这样做的好处是可以确保网站所有者将所有形式的广告标准化。

另一个方式则比较温和，就是仅阻止违规的广告，但是这样做可能并不能满足大多数用户的诉求，但也不排除这两个方法 Google 都不使用。

对于整个业务在很大程度上受互联网广告收入影响的 Google，在全球使用率最高的自家浏览器中考加入虑广告拦截功能，听起来可能有点违背常理。

笔者认为，有这么一种可能性，Google Chrome 支持浏览器插件，很多被违规广告困扰的用户都选择使用第三方插件来屏蔽广告，但是很多第三发插件又都是收费的，而且还有一部分插件可能并不安全，有可能会泄露用户的隐私，这些插件对于 Google 来说很难规范和控制，如果为用户提供了浏览器自带的屏蔽广告功能，在满足用户诉求的同时，也可以间接的控制第三方插件的使用。

（Google 自己的广告）

虽然目前 Google Chrome 会在页面发出恶意广告的警告，但很多广告还是会弹出，当前 Google 还是把是否屏蔽广告的权利放在了用户的手里，但可以预见的是，Google 有很大可能会主动屏蔽那些违规广告。

不过，毕竟自家广告的投放量也是很大的，Google 当然也不会主动屏蔽自己的广告啦。

（部分图自： The Verge ， Android Headline ， Gify ）

8.Google与yandex两年对峙之路走到尽头：Google认罚并允许第三方软件Android进行预安装
Google就反垄断诉讼与俄罗斯反垄断局（FAS）达成和解。

俄罗斯互联网巨头Yandex在2015年曾对Google提起诉讼，认为Google滥用其市场垄断地位扰乱市场秩序，违反反垄断法。因为Google阻止第三方公司应用在Android上提供服务，迫使制造商在设备上捆绑Google应用，包括Gmail、Google搜索和Google Play。如果手机制造商希望提供一项Google服务，则必须提供Google地图、Gmail等一些相关的Google服务。简而言之，手机设备厂商必须预装整套谷歌服务，并将谷歌设为默认搜索引擎。而俄罗斯当地互联网搜索引擎巨头Yandex本身就运行一些热门应用，Google的阻止竞争对手进行预安装的作法显然动了Yandex的奶酪。

2015年9月，FAS裁定Google在Android上捆绑策略违反俄反垄断法，2016年3月，莫斯科仲裁法院维持了 FAS 之前的裁决，认定Google确实滥用其市场地位并扰乱市场。2016年8月，FAS宣布对Google处以4.38亿卢布（700万美元）行政罚款，并被下令改变与设备制造商的协议。

近日，Google 同意在俄罗斯将其服务从 Android 系统中解绑，并将支付4.38亿卢布的罚金 。作为和解协议的一部分，Google将不再“在俄罗斯Android设备上阻止其它应用程序预安装” ，FAS发布的声明表示，Google不得限制任何竞争搜索引擎和应用程序的预安装，Google不会强迫将Google搜索作为唯一的搜索引擎进行安装，Google将不再执行与协议条款相抵触的部分内容，最后，Google将致力于保护第三方的权利，将其搜索引擎纳入选择窗口。

FAS还表示，Google将为其Chrome浏览器构建一个“主动选择”窗口，将为俄罗斯的现有Android用户提供选择其它默认搜索引擎的选择，通过空间下载技术（OTA）对软件进行更新。此外，Google将构建一个新的Chrome小部件，以取代现有的Google搜索小部件。当第一次启动Chrome时，用户将看到一个选项来选择Yandex搜索或Google搜索。与Google达成商业协议的其他搜索引擎提供商也会出现在选择列表中。

Yandex 首席执行官Arkady Volozh在发表的公开信中表示，Yandex作为欧洲最大的互联网公司之一，也是俄罗斯领先的搜索和移动应用提供商，访问平台对Yandex至关重要。技术平台对Yandex（以及其它公司）的创新发展有着不可忽视的作用。但是只有允许访问第三方开发者，这些平台才能够充分开放以促进竞争。Yandex与Google的和解协议对维护技术生态至关重要。

2016年4月，欧盟也指控Google在欧洲移动市场滥用了其主导地位，给Android设备制造商和网络运营商设置了不公平的限制。可以预见，俄罗斯Android反垄断的成功会蔓延到欧盟等地区。

9.Google是如何吞噬这家网站的？

编者按：这是一则反映Google对小企业影响力的 故事 。CelebrityNetWorth.com，一家提供名人身价信息的小网站，因为不愿意配合Google免费提供数据，被搜索巨头直接拿来主义，使得网站流量1年之内下降了65%，公司裁员了一半。所有打算靠搜索流量谋生的创业者都要好好想想，如何才能不被人掐住脖子，如何才能与大象共舞。包括Google在内的内容聚合者更应该好好反思，小心引起寒蝉效应。

Google 搜索结果里的 Featured Snippets 小卡片直接显示答案，用户就比较不用从搜索结果里点击链接了，这也导致很多依赖搜索引擎引流的网站的访问量大幅度下降

诞生于2008年的CelebrityNetWorth.com之所以出现，是因为学金融的Brian Warner在一家数字媒体公司工作时很好奇Larry David值多少钱。

“说实话，我想知道Larry David到底有多少钱。我想《抑制热情》刚刚回归，于是我想‘上帝，他一定从《宋飞正传》赚了很多的钱。’我去Google查了类似‘Larry David净值’这样的东西，结果出来的都是垃圾。”

按照CelebrityNetWorth.com的说法，Larry David现在的身价是4亿美元。Warner承认这不是确切的数字，但这个数字不是他和自己的员工随便乱想出来的。他们翻看了房地产交易、数额较大的购买和薪水支付，有时候甚至还跟名人或者名人的代表联系求证。弗洛伊德?梅威瑟的身价Warner估计是被Google最多的，这位以花钱大手大脚著称的拳王甚至给网站传了自己资产账户的截图。

不过Warner警告说：“我不建议你把我们的这些数字用到诉讼案上面去。但我绝对可以打包票的是，在名人身价方面任何时候我们的资料都是你在互联网上能找到的、最准确的信息。”

名人身价多少这个问题火了，火到2012年Warner可以连原来的工作都不要全身心投入到这个网站上。他说网站最高峰的时候一度拥有12名员工。

然后Google插了一脚进来。

大部分时候Google的表现都是像图书管理员一样。你提出问题，它引导你去到web上有可能找到答案的地方。

在接受“Google会不会犯错”这个问题查询时Google的直接回答

但是过去5年的时间里，Google一直在进行当圣人的实验。输入问题，然后你可能会在搜索结果页面顶部看到一个方框，里面用加粗体标注了相关问题的答案。复活节是什么时候？谁赢得了《美国好声音》？狗可以吃寿司吗？

搜索“狗可以吃寿司吗”返回的Featured Snippet（精选摘要）片段，截图时间是2017年4月17日

这些回答当中有一些包括了源自Google编撰的Knowledge Graph（知识图谱）数据库的信息。大部分数值型和日期型的问题答案都出自这里，此外有些答案是从Google所信任的维基百科抽取出来的。

但有些回答是没有办法人工编撰的，而是利用算法从网上抽取出来的。这些叫做“Featured Snippets（精选摘要）”，在过去已经给Google惹来了麻烦，因为该搜索引擎无意间突出显示了一些带有种族主义、性别歧视或者明显错误的回答。

最终目标是增强用户进行Google搜索的体验……

2014年，Warner收到了一封Google的邮件，询问他是否对免费让该公司访问他的数据来给知识图谱取材感兴趣。

以下是这封邮件的片段：

我们收到了大量有关名人身价方面的搜索查询。有人让我找一个权威的来源，现在我正在研究Net Worth of Celebrities数据集的信息源。最终目标是增强用户进行Google搜索的体验……我正在评估你的网站，你的收集看起来似乎挺全面的……如果你能共享一小部分数据集，也就是大概10位名人的元数据到电子表格里面的话，将有助于我和我的团队评估，看看是否符合我们的条件。

如果同意的话，这将意味着对名人身价的任何Google搜索都将返回抽取出来的答案。答案将包括到Warner网站的链接，Google向他许诺说此举将有助于网站打响品牌。但这也会急剧削减他的流量。大多数人只是想知道数字，对于这些数字是怎么得出的并不在意。所以Warner拒绝了。

他说：“我不知道这对我们有什么好处。我要给它打上一个大大的问号，就好像说‘嘿，让我们挖走你手上最值钱的东西，那些你花了好几年数百万美元才搞到的东西，然后免费给我们好显示出来。’所以最后我们回应说‘我们对这种做法感到不舒服。’”

“但随后他们更进一步把数据取走了。”

Warner说，2016年2月，Google开始展示CelebrityNetWorth数据库中25000位名人的精选摘要。他之所以知道是因为他故意在数据库里面添加了几位假名人（他的朋友）的资料，为的就是想看看这些人会不会被Google当作精选回答弹出来，结果真的是这样。

Warner说：“我们的流量马上急转直下。2017年1月跟2016年1月（当时整个月他们的内容还没有被剽窃）的流量相比，我们的流量下降了65%。”Warner说自己被迫裁掉了1半员工。（在被询问到这种损害自身最好信息来源的举动是否搬起石头砸自己的脚时，Google拒绝发表评论）。

Celebrity Net Worth用了Google的广告网络，于是他试着通过那一块的联系方式接触Google。最后并不走运。当他意识到Google很多的精选摘要并没有把CelebrityNetWorth的名字放上去时，他沮丧的心情遭到了双重打击。很多链接跑到了其他网站，比如房屋抵押网站Bankrate.com，可笑的是甚至那些网站也把CelebrityNetWorth作为自己的来源。

搜索“梅威瑟身价”直接从Bankrate.com提取出来的答案，而这个答案Bankrate.com其实是援引另一来源的。

Warner承认，如果网站搜索流量太过倚重Google，而它的研究成果轻易就能被转化为数字的话，搭建这样的网站是有风险的。但他仍然认为Google的做法是不公平的。他说：“如果精选摘要还留下不走，没关系。我对此已经不再计较。但我百分之一百认为我们对此应该是有功劳的。”

Google决定小企业成败的能力显而易见。之前其实也发生过类似的事情，去年该搜索引擎添加了“当地企业名片（Local Business Cards）”，这个东西基本上就是高亮显示地区企业的搜索结果。其结果是，致力于让自己的网站在Google排名靠前的当地企业突然被更新更频繁的网站挤到了一边。2011年Google+的推出也对小型企业有类似的效应，毁灭性的Panda更新也是这样，这项升级本来是想打击垃圾内容网站的，可最后把小型网站的一切都搞砸了。

Google推进直接答案的后果远不止是依赖搜索流量的小型企业主受影响。Google2014年发给Warner的电子邮件让我们稍微了解了一点Google挑选可信来源的办法是什么样的。Google自己当然不会回答这个问题，但基于这封电子邮件，Google的内容审查应该是相当薄弱的，相对于数据是否正确，Google似乎对数据是否机器可达更感兴趣。而精选摘要（利用算法从web挑选出来的答案）的门槛甚至还要更低，因为看起来任何在搜索结果中排名足够靠前的网站都足以充当Google标准答案的来源。所以你才会搜到一大堆结果说奥巴马正在组织一场政变，或者说地球是平的，或者女人是邪恶的，或者这位艺术家发明了电子邮件。

还应该引起注意的是，知识图谱和精选摘要的答案所提供的文字也会被Google的语音助理和Google Home大声宣读出来——他们迫不及待推出显然带有瑕疵的功能的动机很大一部分就因为此。

截止到写稿时，“Larry David的身价”以及“Larry David值多少钱”的查询返回的都是9亿美元，但来源都是Business Insider。Business Insider的故事说“据估计”Larry David身家有9亿美元以上，并且链接到了财富市场洞察机构Wealth-X的一份新闻公告。然后再引用了CelebrityNetWorth稍低一点的4亿美元，并且引用Larry David在跟Charlie Rose对话时的说法，当时他说自己身家连5亿美元都不到。

2017年4月17日Google搜索“Larry David净值”的结果，这个结果似乎出自Google编撰的知识图谱数据库。

这个数字远谈不上决定性，但Google似乎愿意为此背书——不管是Google自己编撰的知识图谱还是不那么严谨的从web抓取答案的精选摘要都是这样（精选摘要通常附带有“关于本结果”的说明，而知识图谱的回答就没有）。

2017年4月17日搜索“Larry David值多少钱？”的结果，上面显示了自动从web抓取的精选摘要。

Google的答案总是在变，有时候会有改善，但并不总是这样，而且Google也没有具体说明过自己是如何处理用户通过知识图谱和精选摘要内置的“反馈”表格提交的评论的。

关于本文Google进行了如下的回应：

精选摘要是对搜索查询的自动算法性匹配，回答摘要是出自第三方网站的。这些网站汇总精选摘要的底部显示，用户可通过Google搜索的精选摘要点击链接直接进入这些网站。我们一直致力于改进算法，并且欢迎对不准确的信息提供反馈，用户可通过点击精选摘要右下角的“反馈”按钮分享自己的意见。

在Warner把这个故事分享给我的2周之后，他注意到精选摘要做出了改变。Google展示的抽取结果似乎变少了，精选摘要显然剔除了不那么出名的名人的信息。CelebrityNetWorth的流量涨回来了，尽管还没有恢复到原先水平。他说：“我还不能完全打开香槟，因为如果你经历过我在过去2年所经历的一切的话，你就会知道对于Google所做的事情永远都不要高兴得太早。这可能只是他们在推出比以前还要糟糕的东西之前的一次缓期执行罢了。”
10.拆解Google的优劣势：需要偷师亚马逊AWS

近几年来，Google一直致力于企业云计算领域的发展。在一个多月前的云计算大会上，Google还请来了上万诸名分析师，客户和合作伙伴等，了解有关Google Cloud的最新动态，其中就包括分析公司Forrester。最近 Forrester发文分解了Google云的优势与劣势 ，雷锋网 (公众号：雷锋网) 对要点总结如下：

Google Cloud作为公有云供应商，在企业市场对一些科技类的公司会有很大吸引力。

Google主要与亚马逊AWS，微软Azure和IBM在云平台领域竞争。在外界的印象中，与企业领域中的许多其他供应商相比，Google的技术无疑是领先的。只是这不能成为决定性因素。Google拥有良好的IaaS平台，但其PaaS功能仍落后于AWS。Google还做不到打败AWS或Azure，但随着全球扩张，它有可能成为强大竞争对手，特别是对企业市场的科技类公司。

而Google Cloud目前最大的客户也是前段时间刚上市的Snap，双方在年初时签署了一份为期五年的价值20亿美元的云服务使用合同，而领先Google一步的微软Azure去年营收也才27亿美元左右。如Snap这类科技公司会出现爆发性的扩张，抓住这类头部用户或许不能让Google超越AWS，但立稳脚跟是毫无疑问的。

Google Cloud把人工智能作为云服务的特色。

Google认为，认知能力会成为云服务的下一个增长点。所以它的战略也是利用其巨大的数据量，来帮助客户获得可用于提高收入的分析能力。如果执行得当，这会给Google带来很强的竞争优势。为了加强人工智能方面的功能，Google去年底聘请了斯坦福人工智能实验室主任李飞飞。

但把学术能力转化为业务成果并不容易。在合作伙伴生态系统的帮助下，Google可能会创建一个与IBM Watson竞争的认知云平台。Google Cloud早期的AI客户包括空客，Evernote，汇丰银行和USAA。

Google Cloud在提供垂直行业的分析和特定业务处理技能上，较为落后。

它是一家技术提供商，行业的拓展主要依赖拥有垂直行业知识的合作伙伴。为了取得进展，Google需要理解B2C和B2B之间的差异，理解企业客户有差异性的要求与期望。但公平的说，Google也没有假装自己拥有这种行业的专业知识。

另外，Google还需要展示出自己在全球范围内扩展其产品的能力，而且要阐述清楚如何满足不同的监管和合规性挑战。

Google Cloud的系统集成商（SI）合作伙伴会主导它向企业提供的服务。

希望得到业务流程解决方案的公司，往往会考虑提供平台服务的供应商，比如IBM。这一点上，Google很明显在向AWS偷师，要知道就在几年前，AWS也同样面临怎么说服企业客户的问题。

AWS的做法是，选择向企业销售按需工具包，从而避开与IT部门的冗长谈判，也免去了涉及到系统集成商的昂贵的部署交易。AWS还打造了一个解决方案与SI合作伙伴网络，让他们在平台上构建和运行服务，并代表自己给企业解释业务。

像AWS一样，Google也在努力同SI建立自己的合作伙伴生态系统，从而帮助他们向企业销售方案。

虽然Google已经与埃森哲，德勤和普华永道建立了合作关系，但相比AWS显然还不够，它也仍在试图建立更加可扩展的生态系统。Google目前在这方面已经落后于竞争对手，不过在追赶中也有丰富的资源。

Google Cloud必须改进其营销模式，以吸引更多的买家。

Google毫无疑问是一家优秀的科技公司，但是Forrester分析师出席这次活动的主要印象是，Google Cloud在向企业传递信息方面，还有很大的提升空间。

虽然Google Cloud此前发布了100项更新公告，但这通常不是企业客户筛选新的战略合作伙伴的方式。要在云计算上有所突破，Google恐怕要改变一下讲故事的方式。Google Cloud或许应该更多谈谈其服务给企业带来的成果，展示如何带动收入增长，并且把技术功能打包成套件出售。

雷锋网版权文章，未经授权禁止转载。详情见 转载须知 。
11.Google发布了一款高颜值伏特加，这是怎么回事？

业务遍布全世界的巨头企业往往都擅于在自己公司所在的不同地区推出当地服务。Google 也不例外。但就在最近，这家科技公司发布了一个自己的伏特加品牌，并推出一款伏特加酒。乍一看，这还真是一条令人摸不着头脑的消息。

项目的策划方是 Google 校园华沙分部，看到这里也许你能些许猜到事情是怎么发生的： 2015 年 11 月，这间由 Goolge 资源所支持的创业学院落户于于华沙市中心一座百年历史厂房——The Koneser building 内。这座建筑于 2013 年扩建、改造完成，现在是一座综合创意中心，内部设有餐厅、购物中心、办公室和住宅等设施。

图片来自：@campuswarsaw

Google 的工作人员希望设计一款能代表华沙校园历史的礼物，该项目也是创业学院品牌形象建设的一部分。

Google 校园联合华沙当地设计工作室 Studio Redkroft 一起设计了这款名为 Old Style Flavored Vodka（传统口味伏特加），黑刺李风味。采用 Google 华沙学院的黄色六边形标志，Redkroft 的设计师赋予了酒的外包装以极简的平面化设计风格。最后用丝网印刷工艺印刷在白色、灰色及黄色的纸张上，并附上了开瓶指南和问候卡。

“几十年来，Google 华沙学院的办公室所在的 The Koneser building 都是一座伏特加工厂的核心区域，现在，这个空间内装满了令人陶醉的创业热情。”Google 工作人员在问候卡上如此写道。

Google 华沙学院是 Google 继伦敦创业学院和特拉维夫创业学院之后开设的第三家创业学院，其合作对象辐射整个中、东部欧洲（Cee region）的创新行业。

这是 Google 在 2011 年开始设置的一项初创公司孵化项目。其结合了创业学院和联合办公两种功能，其中设有课堂、办公室、会议室、咖啡馆等。

Google 利用自己的技术和人力资源，向注册学员输送技术工程师和创业辅导人员。只需要在网上填写报名表，人们就可以报名参加 Google 学院提供的创业辅导课程，每个会员也可以免费使用其中的场地举办自己的活动。

目前，这样的创意学院总共有 6 家，另外 3 家分别位于韩国首尔、巴西圣保罗和西班牙马德里。

Google 华沙创意学院目前还没有正式发布这款伏特加的任何购买渠道。只有其合作伙伴才有可能在特殊节日里获得这件特殊的礼品。

题图继未标注出处图片来自：Studio Redkroft，摄影：Maciej Miloch
12.Google出了款亲手表 纯粹用来做医学研究用的
张智伟

从Google分拆出来的生命科学部门Verily，前几天在官方博客展示了它研发的第一款智能手表Study Watch。

和我们所熟悉的Moto 360等产品不同，这款医学研究用手表并没有采用Google的Android Wear操作系统。即便是跟手机蓝牙配对之后，也只能用来传输各项人体生理监测数据，没办法接收通知和提醒。

Study Watch | 图片来自Verily

作为Verily精密医学项目的一部分，Study Watch手表内部集成的传感器种类比市面上的普通智能手表更多。

除了可以监测心率和惯性运动，它还可以用来监测人体的ECG心电图和皮肤电活动。

按照之前Verily的设想，最好能有一种随身设备可以每分钟连续对人体进行心电图监测。

这么做的意义在于，可以了解某个患者心脏的兴奋、传导和平息过程，为临床诊断和康复提供关键依据。

类似的心电图测量产品其实早在几年前就出现了。

以初创公司AlicveCor为例，它设计的便携式心电图测量器可以和iPhone连接，通过金属片测量手指表面的皮肤电获得生理数据。

AliveCor的心电图测量方法 | 图片来自AliveCor

不过，在医学上这种测量方法的准确性还没有被大范围接受。

这款 Study Watch手表的背面，可能也采用了类似的金属片测量方案。

由于采用了功耗极低的圆形电子墨水屏，Study Watch的屏幕能保持常亮显示。Verily官方宣称它的电池续航时间可达一周。

具体到实际应用方面，Verily 表示会将这款手表用在疾病的基线研究和个性化帕金森症诊疗上。

题图：Verily

本文来源：好奇心日报 责任编辑：郭浩_NT5629
13.Google亚马逊相继开放语音API ，这是要挣钱的节奏

雷锋网 (公众号：雷锋网) 消息，亚马逊在本周三表示，其数字助理Alexa背后的人工智能和语音识别软件现在向所有云计算客户开放。

这项服务被亚马逊称为Lex，已经在去年12月份的云计算会议上公布过，但尚未广泛投入应用。Lex使用了与Alexa相同的机器学习技术，它的算法让应用程序能够进行对话和处理语音和文本。

亚马逊的Lex服务允许开发者依靠语音识别和深度学习技术，开发对话应用。开发者可以不用重新造轮子，直接调用接口就行。

这也表明，亚马逊计划在向Alexa平台做了大量投入后，想获得回报。曾有分析显示，在三年内Alexa可能会带来高达100亿美元的收入。其他创收方法还包括出售Echo产品线设备，或者通过Alexa让用户在亚马逊上购物。

对AWS来说，将Lex开放给更多客户可以使其规模化。很多公司没法轻松且大规模地开发具有语音识别和自然语言理解能力的应用程序。如果AWS与Lex能成功，会有越来越多的应用把AI嵌入其中。

Google，微软和Facebook都在兜售他们的人工智能平台。像大多数技术一样，能接触到最多的开发者和应用，AI平台获胜的几率就越大。

无独有偶， 就在前一天Google云也向所有用户开放语音接口Cloud Speech API ，并且新版本的语音软件在准备性上有所提升，可以完成转录和语音命令等任务。Google之前已经发布了一个测试版本，但有一定的限制，只能在限定的产品中使用。

根据Google的说法，新版本的软件也更快，可以使用更多的文件格式，能更准确地转录音频。除了转录外，该软件还用于语音命令，用语音来控制其它设备和服务。

Google大部分资金来自广告和搜索，并将企业产品（如云服务）视为未来收入增长的主要推动力，但这方面仍落后于亚马逊和微软。新版Google语音软件是尝试成为更有竞争力的云服务商的一个例子。这也是在与亚马逊，Facebook和苹果的技术竞赛中，炫耀自己AI能力的方法。

除了语音API，Google还有其他预先训练的机器学习模型，可用于视频分析，图像分析，文本分析和动态翻译。

在价格方面，亚马逊会根据为开发者处理的文本和语音的量进行收费。Google暂时未知，但应该会采用同样的方式。另外，根据Google的说法，现在语音的主要使用场景是语音控制（如车载导航）以及语音分析（多用于呼叫中心）。