• 项目
首页>>文章列表 >>行业研究
行业研究

金准数据 人工智能失控论讨论研究报告 2017-08-18 16:47:20

近期,Facebook方面表示,因其意识到机器人程序(bot)开始自行开发出人类无法理解的简略语言,为了防止机器人“失控”,公司将被迫停掉了其中一个人工智能实验项目。

但值得一提的是,今年5月份,Facebook公司刚刚启动了新平台ParlAI,该平台的目的就是能够实现AI研究人员与机器人、单个机器人之间以及多个机器人之间的交流,而如今却因为机器人之间实现“交流”而被迫叫停某些项目。

Facebook这两次大举措看似“自相矛盾”,却也表现出时下人们对于人工智能领域的态度,既希望其进一步发展,却也为人工智能的“失控”而担忧。

一、人工智能失控?

1、失控事件分析

上个月,Facebook 人工智能研究所(FAIR)使用机器学习方法,对两个聊天机器人进行对话策略迭代升级,结果发现它们竟自行发展出了人类无法理解的独特语言。研究者不得不对其进行了人工干预。

这一研究一经发布,迅速在网络和媒体上引起了广泛的关注和传播。但是也有人指出,这不就是一堆乱码吗?现在Facebook 的研究院已经停止了这一项目的研究,原因是“担心可能会对这些AI失去控制”。

这不是第一次发现 AI 偏离训练所用的英文,转向发展出新的更加有效的语言。虽然在人类看来,这些沟通更像是胡言乱语。但是,从AI 智能体的角度上看,他们实际上是有词义意义的。

正如Fast Co. Design报道,研究员注意到,系统中的聊天机器人(bots)完全放弃了用英语进行交流,但是,升级版的系统确实能够与其他的智能体进行交流。他们一起可以决定如何继续进行任何工作。一开始,他们所使用的词汇似乎是无法理解的,但是,通过长期的观察,研究者发现,这些词汇其实代表了智能体面临的任务。


例如,在一次交流中,两个进行对话的机器人——Bob 和 Alice,使用自己创造的语言来完成了交流。Bob 开始说:“I can can I I everything else”。Alice回答,“Balls have zero to me to me to me to me to me to me to me to me to。” 接下来的对话都是类似这样的句子。

虽然这些词语组合第一眼看上去没什么实际意义,但是,研究者认为,他们揭示了两个机器人是如何工作的,每一个词汇他们需要进行多少次处理。Bob的重复说明了他如何使用这一词汇,来想Alice传递更多的信息。如果用这种方法来进行阐述,那么它所说的那就好就有点像人们所说的“I’ll have three and you have everything else”。


看起来,似乎智能体们发现,英语的句子对于特定场景的理解并不是必需的。当下,以深度学习为主的AI 遵循的是“回馈”(reward)原则,智能体通过依照一系统特定的行为行动,会获得相应的利益(benefit)。但是,在这一场景中,继续使用英语并没能带来相应的回馈,所以智能体决定适应更加高效的方法进行沟通。

Facebook AI Research (FAIR)的研究员对FastCo. Designs说,“英语语言中,并没有所谓的回馈能让智能体来遵从。”FastCo. Designs报道称:“智能体会偏离自己人类能理解的语言,创造出自己的‘代码语言’。比如,如果提到‘the’ 5次,那么就是我想要复制这一术语5次。这和人类创造的缩写其实也没有多大的差别。”


其他的AI开发者也注意到了智能体会使用“缩写”来简化沟通。在Open AI,研究者成功地让AI机器人学会自己创造的语言。如果AI继续创建自己的语言,开发人员可能会在创建和采用新的神经网络时遇到问题,但是不清楚这是否会让机器实际上推翻其研发者。

然而,这些新的发展使得AI能够更有效地工作,并且如果他们在工作中学习新的AI创建的“缩写”,并保持最新的这种新的沟通方式,可以使研究团队长期受益。

AI会变成新物种吗?AI会毁灭人类吗?科幻电影里的场景真的会发生吗?其官方解释说,关闭的原因并非“失控”,而是无意义,“希望 AI 与人沟通,而不是相互沟通。”“两个机器人为实验性质,且并没有发明新的语言,因为他们还是在用‘i’、‘balls’、‘the’等英文单词沟通,只是没有了英语语法的这个激励项,创造了一种新的表达方式而已。”。简单来说,它们只是英语不太好。


二、关于AI威胁论的讨论

1、AI威胁人类生存

今日,华润董事长傅育宁称:人工智能已经威胁到了业务存亡。

华润有好几块业务都属于制造领域,有超过10万名以上的员工直接从事生产制造岗位。华润雪花在全国有98家生产工厂,水泥的生产基地和混凝土搅拌站加起来共有六七十家,医药在国内拥有40个生产基地、288条生产线,微电子、化工、纺织、怡宝、五丰等企业均有十几家生产工厂或基地。

当我们建设新工厂还在考虑人工成本的时候,国外的可口可乐、国内的海尔已经开始运营无人化的智能工厂;当我们的物流中心还在使用皮带传送分拣时,亚马逊早已开始使用模块化的机器人传送了。智能生产、智能物流和智能工厂。看似离我们很遥远,实则已经威胁到我们一些业务板块的生死存亡。

而人工智能的长期批评者——特斯拉CEO马斯克,日前在推特上发文再度对人工智能的快速发展表示担忧,他警告称人工智能对人类的威胁比核武器更大。他认为,人工智能将对公众构成威胁,因此政府应该将其列入监管范围,如同汽车、飞机、药品和食品一样。“如果你不担心人工智能的安全性,那么现在你应该担心。它比核武器危险得多,”马斯克在推特上表示。

除了担任特斯拉CEO外,马斯克目前还带领着太空探索公司SpaceX打造商业太空旅行项目。太空探索公司SpaceX曾于2016年4月完成人类历史上首次在海上对火箭进行回收。2017年8月14日,SpaceX公司第一次为美国宇航局(NASA)把一台超级计算机送往国际空间站。2016年底,在彭博全球50大最具影响力人物排行榜单中,马斯克排第11名。外界评论认为,马斯克不仅完成了私人公司发射火箭,同时还造出了全世界最好的电动汽车,并打造出世界上最大的网络支付平台。据传,电影《钢铁侠》就是以马斯克的故事为蓝本进行创作。

马斯克对人工智能的担忧也获得了微软联合创始人比尔盖茨以及知名科学家霍金的支持。

霍金曾多次公开发表过对人工智能的担忧。比尔盖茨则表示,他同意马斯克和其他人的观点,并且不理解为什么有些对此并不感到担心。比尔盖茨认为,虽然目前AI(人工智能)还没有达到超级智能的水平,但是几十年后,人工智能将强大到足以引起担心的水平。因此,他对人工智能长期的发展感到担忧。


2、人工智能“威胁论”为时尚早

“现在说机器有智能是没有根据的。”北京大学教授、中国工程院院士高文注意到目前有些对话型的智能机器人,通过了图灵测试,但他认为它们还不具备人的智能,“因为人的智能绝不仅是自然语言的表达。”他展示了《清明上河图》的一部分来解释:“一图胜千言,这幅图上所传达的信息实在太多了。”


在此前举行的“2017第二届语言与智能高峰论坛”上,高文院士做了题为《图灵视觉测试》的报告,提出“图灵视觉测试”是对图灵测试的自然拓展。他举了一个例子,一幅照片上有长条桌,上面摆满香蕉,周边有人。人看到照片后会描述:一个人站在香蕉面前;而机器则描述:香蕉周边有一群人。为什么机器与人的描述有区别?这是因为人对周边事物的识别是很自然的,虽然机器可以通过训练识别猫狗以及人脸,但是让机器多任务、多物种视觉识别目前还做不到。

因此,从所看所知完成概念提取,从所看所说中完成语言的描述,在所看所知所说中建立联系,才能完成智能的表达。其中,语言的理解比语言处理更难。

“人工智能不与语言结合,是无法发展的。”高文院士做了一个比较,人类从小到大的学习是把视觉、听觉、语言自然地结合在一起的,而现在对机器的设计却不是这样,有的只是在做语言,做视觉的则只做图像和视频。所以,人工智能研究也要回归本源,让机器对几种能力进行结合学习,从而推进计算语言学发展。

人工智能概念的提出已经有60多年,近几年,智能硬件、智能家居、智能汽车、智能机器人众多应用的出现,让人工智能发展又迎来一个春天。但是人们看到,虽然AlphGo可以战胜人类围棋高手,可是今年推出的高考机器人却在数学考试中考不过状元,有老师给出评语称“AI语文没学好,读不懂题目”。

而诸如“天冷了,能穿多少穿多少;天热了,能穿多少穿多少”,“乒乓球队,谁都赢不了;足球队,谁都赢不了”,机器也都还不能理解。

对此,中国计算机学会(CCF)中文信息技术专委会秘书长赵东岩教授解释,AI的一个重要部分是认知智能,包括理解、运用语言的能力,掌握知识、运用知识的能力,以及在语言和知识基础上的推理能力。认知智能又主要集中体现在语言智能也就是自然语言处理上。也就是说,只有通过自然语言理解,才能实现智能与人类的无缝对接,实现真正意义上的人工智能,他认为“自然语言理解是人工智能这座高峰上的一颗明珠”的比喻是非常恰当的。


此外创新工场李开复博士对于当前AI的发展看法,也提出过5个方面的具体观点:

● AI只是工具,离超级智能还很远;基于我投入AI领域的科研、开发、投资相关工作37年的经验,“超级智能”、“灭绝人类”这类耸人听闻的说法,根本没有切实的工程基础。

● 智库、科学家应该讨论AI安全问题、AI对社会的改变,但是科技圈的意见领袖不应该在这时误导大众AI要控制人类,让人类灭亡,这确实是不负责的说法。大部分的人已经对AI所知有限,这会造成更为错误不实的群众恐慌。

● AI可以为人类创造大量财富,甚至逐渐解决人类温饱问题;我们每个人也将获得更多的时间和自由,来做我们爱做的事情。

● AI真实会带来的问题是人类的失业,失业后可能的抑郁和丧志问题,还有贫富不均问题,人类社会目前所习惯的职业结构确实会发生显著的改变。

● AI会带给我们100%确定性的巨大机会,随着改变也会产生些必然的问题。此时去用概率极低甚至是零可能性的“超级智能”,误导大众恐惧AI,甚至约束AI,反而不去拥抱机会、解决问题,是没有道理的。


3、AI存在更值得讨论的问题

近期人工智能专家吴恩达表示,人类有更迫在眉睫的问题需要解决。

在近日《哈佛商业评论》的一次会议上,Andrew Ng和观众分享,比起那些关于人工智能取代人的恐慌,我们更应该担心的是机器学习带来的工作机会的流失。

“作为一名身在人工智能领域的从业者,我开发和推出了很多款的人工智能产品,但没有发现一条人工智能在智力方面会超过人的可行之路。”Andrew Ng说。“我认为,反倒工作岗位流失会是个大问题,我希望我们能对这一问题的解决引起重视,而不是成天沉醉在那些在科幻作品中才可能出现的场景。”

Andrew Ng曾参与过包括谷歌大脑团队在内的多个知名人工智能项目。虽然Elon Musk和Stephen Hawking等科技大佬曾多次提出过人工智能将超过人类的担心,Ng则认为这种情况在不远的将来是不会出现的。

并不是说人工智能超过人是不可能的,只是眼下还有更其他更迫切的问题。

“我私下曾与许多学术界的人工智能专家和开发人工智能产品的产业界朋友们交流过,他们都觉得一款新的人工智能产品的出现在一家公司就可能消灭数以万计个工作岗位,那么在多家公司就会更多。” Ng说道,“但有趣的是,那些工作岗位可能会被人工智能所取代的人们,他们并不理解什么是人工智能,更别谈获得理解人工智能所需要的培训,因此他们还意识不到自己的工作将被人工智能所替代的危机。”

Andrew说,虽然科技和人工智能对于创造财富来说是件好事,但要在此之上创建一个公平的社会,人类还是任重而道远。因此,他大力呼吁社会要提供更多的教育机会,特别是对于工作岗位面临人工智能威胁的人群。

“我认为现在是要重建教育系统的时候了,或者至少要给现有的教育系统增加一些新的元素,使工作岗位被取代的人,有机会获得找到新工作所需要的培训。”


这并不意味着Andrew 希望人人都学会写代码,但他以前也确实表示过希望有越来越多的人可以自己写软件。他表示,未来的夫妻小作坊店最好都能对使用的技术进行个性化定制,来更好地满足自己的需求。

Andrew也指出,解决人工智能危机工作岗位这一症结的良药并非是让人人都成为能实施人工智能项目的软件开发者。在他看来,一种解决方案是帮助这些人找到适合他们的工作。

“如果自动化导致焊接工作的消失,一些电焊工就能成为风力涡轮机的技师吗?当然不会。”提供一个普遍的基本收入,让每个人有一笔数额的资金来给自己充电,这是帮助解决缩小“科技贫富差距”的建议之一。Andrew也基本认同这个想法,但他说这样并不意味着要无条件的给人钱。

“我认为工作中的尊严感很重要,基本收入的某一方面其实是和工作的自我价值实现背道而驰的。”Andrew更希望的是建立一个基本的收入计划来支持人们的学习,从而帮助他们找到有意义的工作。

但这条道路也是曲折的。其中一个关键问题就是,有些人可能不想接受再培训了“一个经验丰富的电焊工老炮儿可能很难一时放下曾经的光环,重新去学习去转变一个新角色,这更多的会是情感上的挑战。”Andrew类比道,“这和我们平时遇到的问题是一样的,为了寻求更大的价值,曾经我是个搞Basic的程序员,现在还要再去学习Python。”



三、如何预防人工智能失控

在本月,OpenAI 的人工智能花了 10 分钟就打败了人类的 Dota 世界冠军。

OpenAI 位于旧金山的办公室里,研究人员 Dario Amodei 正在通过赛船冠军赛(Coast Runners)来训练人工智能。不过,这个人工智能好像有点失控了。

赛船冠军赛的游戏规则很简单,如果想赢,选手必须收集到最多的分数,然后跨过终点线。

Amodei 的人工智能玩着玩着有点过火了,它在不断地追求高分,非但毫无跨过终点线的意思,反倒为了要多转几个圈拿高分,它开始和其它赛船碰撞,或是在过程中自己撞墙爆炸了。

为了应对,Amodei 和 OpenAI 的同事 Paul Christiano 正在研发一套不仅可以自我学习,同时也愿意接受人工监控的算法。

Amodei 在告知人工智能,怎样的操作模式才更好)

在赛船游戏的训练中, Amodei 和同事将不时通过按键来指出人工智能的不当之处,告知人工智能,不仅要赢分数,同时也要跨过终点线。他们认为,这种包含了人工干预成分的算法可以确保系统安全性。

而在 Google 旗下 DeepMind 的研究人员也同意 Amodei 和同事的想法。两个团队,分别代表了 OpenAI 和 DeepMind,最近罕有地合作发表了部分人工智能安全方面的研究论文。

除此以外,Google 旗下的 Google Brain,以及来自伯克利大学和斯坦福大学的研究团队,都设有该方向研究课题,从不同方面考虑人工智能安全问题。

除了这种在自我学习过程中“搞错重点”的潜在危险,另一个可预想的人工智能危险在于“为了完成任务,拒绝被开发者关机”。

一般在设计人工智能时,研发人员都会给它设定“目标”,就像赛艇游戏中的“得分”一样。一旦人工智能将获得“分数”为终极目标,它可能会产生一个方法论——想要获得更加多的分数,其中一个方法就是不关闭自己,这样就能无止境地获取分数了。

伯克利大学的研究人员 Dylan Hadfield-Menell 和团队最近发布了讨论这个问题的论文。他们认为,如果在设计算法的时候,让人工智能对目标保持一定不确定性,它们才有可能愿意保留自己的“关机键”。他们采用了数字方式来尝试实现这个设置,目前还处于理论阶段。

除了人工智能自我“失控”,研究人员还在考虑黑客对人工智能的干预影响。

现代计算机视觉基于深度神经网络(deep neural networks),它通过学习分析大批量数据来形成对模式的了解。也就是说,如果要让计算机学会什么是“狗”,那就让它分析大批量狗的图片,并从中寻找规律。

Google 的 Ian Goodfellow 则认为,这种模式可能会为黑客提供“蒙骗”人工智能的机会。Goodfellow 和其它研究人员曾展示,只要修改图片中的几个特定像素,他们就能让神经网络相信图片中的大象是一辆汽车。

如果这个神经网络是应用在安保镜头的话,这样就问题大了。

即便你用了数百万张标志了‘人’的照片来训练一个物件识别系统,你还是可以轻易拿出系统和人工识别 100% 不同意的图片。我们需要认清这种现象。

Goodfellow 说道。虽然这些研究大多仍处于理论阶段,但这群致力于将意外扼制于摇篮的研究人员坚信,越早开始考虑这个问题越好。DeepMind 人工智能安全方面的负责人 Shane Legg说道:虽然我们还不能确定,人工智能将以多块地速度发展。但我们的责任是尝试理解并猜测,这种技术将有可能以哪种方式被误用,并尝试找出不同的应对方式。


四、总结

其实,对于人工智能的看法,一直有两种不同观点。以物理学家霍金、特斯拉CEO马斯克为代表的“威胁论”,认为人工智能会对人类带来冲击,甚至会“驾驭”人类;但是包括扎克伯格在内的技术派科学家,则认为“威胁论”毫无根据,是杞人忧天。

在金准数据看来,其实AI已经在不知不觉中渗透到了我们生活的各个部分。手机芯片、人脸识别,等等。对于一项新兴技术,我们的确该拥有忧患意识,不能完全相信放纵人工智能,但这不该是阻碍我们发展的脚步,毕竟这是诸多科学家60多年奋斗的结果。我们应该考虑的是,如果要防止这种情况出现,我们需要做哪些准备、采取何种措施,迎难而上、排除障碍。想好AI带来方便的同时会对我们的生活造成什么重大的影响,又该如何去降低甚至消除这些问题。我们应当满怀信心,憧憬着人与人工智能的融合:几个人运作一个公司,每个人都能率领成千上万个机器人,这些机器人做不同且擅长的事情。机器和人将成为一个共同的“军队”,不断地攻克堡垒,推动人类向更好的方向发展。

金准数据 租赁同权研究报告 2017-08-18 15:32:43

一、租赁时代到来

7月,万科董事局主席郁亮在接受新华社采访的时候说:2017年对于中国房地产来说,意义堪比1998年。

1998年,中国楼市发生了什么?那年的3月,朱镕基总理在“两会新闻发布会”上宣布:住房的建设将要成为中国经济新的增长点,我们必须把现行的福利分房政策改为货币化、商品化的住房政策,让人民群众自己买房子。整个房改方案已酝酿三年多。我们准备今年下半年出台新的政策,停止福利分房,住房分配一律改为商品化。

也就是说,1998年是中国楼市走向市场化的分水岭。此前,楼市基本上是“公有制”,政府建房、国有企业建房,职工以极低的价格租住。那时,中国基本上不存在“住不起房子”的情况,而只存在“分不到房子”的情况,住房矛盾非常突出。

市场化改革之后,房子成为商品,开发商出现了。于是,中国城镇化开始提速,城镇化+房地产+大基建”逐步成为中国经济的最重要推动力量。中国过去20年基础设施、城市面貌的大变化,都是依赖这个模式。

到了今天,这个模式难以维持下去。一是绝大多数中小城市,房屋已经过剩,而人口增长缓慢或者流失;二是房价跑得远比收入快,老百姓追不上了;三是楼市积累了明显的泡沫,以及民怨。

所以,从去年开始,国家开始提出“房子是用来住的,不是用来炒的”,以及酝酿建立“长效机制”。

而在7月24日,上海楼市迎来大消息!上海市宣布的两块“只租不售”(即使用用途只有租赁选项)土地。这意味着,中国楼市将发生重大转折:租赁时代来了,“住房公有制”在中心城市发挥主导作用的时代来了,楼市的价格体系将发生重大变化!



二、租赁新政

2017年7月,住房城乡建设部会同国家发展改革委、公安部、财政部、国土资源部、人民银行、国家税务总局、国家工商总局、证监会等八部门联合印发了《关于在人口净流入的大中城市加快収展住房租赁市场的通知》,要求在人口净流入的大中城市,加快发展住房租赁市场。广州、深圳、南京、杭州、厦门、武汉、成都、沈阳、合肥、郑州、佛山、肇庆等12个城市作为首批开展住房租赁试点的单位。同时广州、佛山、无锡等地亦相继出台加快发展住房租赁市场的政策。市场关注点普遍聚焦租赁市场収展对楼市及房价的影响、长租公寓迎来政策风口等,我们在《长租公寓,万亿市场待起航》亦做过专题分析。然而却鲜有涉及租赁土地供应加大,土地购置费的下滑对地产投资的影响。


1、理论上:房地产投资=土地购置费用+施工面积*单位时间单位建安成本

从投资构成来看,主要包括建安支出和土地购置费,无论是租赁用地还是商品房开发用地,均需要施工建设,但由于租赁用地地价更便宜,租赁用地占比提升将减少土地购置费,迚而影响房地产投资。从7月24日上海出让的两块租赁用地来看,楼面地价分别为5569元/平米和5950元/平,明显低于商品房开发用地出让地价。同时广州印发《加快収展住房租赁市场工作斱案的通知》,明确提到增加租赁住房用地有效供应,将租赁住房用地供应纳入年度土地供应计划。

尽管无锡、合肥等非试点城市目前已出台租赁住宅落户等政策,我们亦认为未来发展租赁市场将不局限于12个先行试点城市,但本文我们仅讨论12个试点城市加大租赁用地供应对全国投资的影响。

由于核心城市土地资源的相对稀缺,加大租赁用地供应意味着商品房开发用地的减少,而较低的土地出让金将通过减少土地购置费支出进而影响投资。在整体土地供应保持不变的假设前提下,12城加大租赁用地供应,理论上对投资影响如下:12城加大租赁供地对投资的负面影响==12城租赁供地占比*(1-租赁用地地价占商品房地价比)*12城土地购置费占12城房地产投资的比重*12城地产投资占全国比重当然加快发展租赁市场,除通过影响土地购置费影响投资外,中长期来看,随着租赁市场的壮大,可能存在对商品房市场的冲击和需求替代,进而影响商品房开収投资,但由于这块影响难以量化,本文并不考虑这方面影响。


2、试点城市土地购置费用占投资比重

剔除土地购置费用数据不可得的佛山和肇庆,2017年上半年其他10个试点城市土地购置费2624亿、房地产投资额为9914年,土地购置费占比26.5%。我们用10城市土地购置费用占比近似替代试点的12个城市。


3、试点城市地产投资占全国比重

从房地产投资占比来看,2016年12个城市合计房地产投资额20890亿元,占全国房地产投资额的20.4%。


4、租赁用地供应占比

根据北京2017-2021年住宅用地供应计划,5年全市住房建设需求150万套,其中产权类住房100万套,租赁住房50万套。从供地面积来看,计划供地6000公顷,其中租赁住房用地供应1300公顷,占比21.7%。

上海“十三五”计划住房用地供应5500公顷,其中租赁住房用地1700公顷,占比30.9%。预计新增供应各类住房12750万平斱米、约170万套,其中租赁住房4250万平斱米、约70万套,占比分布达33.3%和41.2%。

从福州2017-2021年度住宅用地供应计划来看,公租房供地占比10%。


5、租赁用地地价占商业用地比

由于租赁用地地价更便宜,租赁用地占比提升减少土地购置费,进而影响房地产投资。7月24日上海浦东新区张江南区出让的两块租赁用地来看,楼面地价分别为5569元/平米和5950元/平,明显低于商品房开发用地出让地价。相对临近的周浦镇西社区2016年4月出让居住用地楼面地价43607元/平米,考虑到过去一年多地价涨幅及张江南区的位置,保守按照5w/平米的开収地价估计,该租赁用地地价仅为正常居住用地的12%。


6、广州新政表明政府调控房市决心

2016年十三五规划第一年的两会上,总理的政府工作报告中出现了一个热词“租购并举”。“建立租购并举的住房制度”成为政府工作的重点。

什么是“租购并举”?简单来说,租购并举就是要把对房屋租赁提高到对房屋买卖同等的重视程度。即“租购并举”可以说是国家对房地产的战略,我们必须要意识到,将来有很大一部分人是租房子住的。

就在刚刚召开的中共中央政治局会议强调,“要稳定房地产市场,坚持政策连续性稳定性,加快建立长效机制。”

这是政府对于房市调控的指示,我们可以读到“稳”、“长效机制”这些关键词。回顾之前的政策,官方提出“长效机制”这个词,分别是2010年、2013年和2016年。这三个年份都是房价高涨的时期,政府通过“限购”、“限贷”、“限价”、“限售”等行政手段来临时调控,但这些都是短期行为。事实上,我们发现在短期调控稍有成效后,政策又会宽松,房价再次上涨,如此周而往复。

今年政府再次提到“加快建立长效机制”,再结合广州新政来看,可以感受到这次的“长效机制”并不是一时的口号,“租购并举”是长期建设的重点。广州新政就是“租购并举”战略的落实,这也是广州首次以文件的形式明确提出“租购同权”,意义重大。

当然,仅有政策还不够,还要有实实在在的土地供应。中金报告显示,土地供应结构已在发生变化。在住房供需紧张的一线城市中,北京、上海在未来5 年土地供应规划中均有提及租赁用地的供应指标,广州也提出将租赁住房用地供应纳入年度土地供应计划。



三、租赁带来的影响

1、租赁模式下,楼市逻辑生变

今年7月6日,上海公布了住房“十三五规划”,明确提出了:“落实市、区责任,以区为主,发挥区属国有企业功能,增加政府持有的租赁住房比例,起到托底保障和市场“压舱石”“稳定器”的作用。”


几天后,国家9部委联名下发了《关于在人口净流入的大中城市加快发展住房租赁市场的通知》,宣布圈定了广州、深圳、南京、杭州、厦门、武汉、成都、沈阳、合肥、郑州、佛山、肇庆等12个城市,搞住房租赁的试点。在这个文件里,也明确强调了两点:

1)《通知》要求人口净流入的大中城市要支持相关国有企业转型为住房租赁企业,以充分发挥国有企业在稳定租金和租期,积极盘活存量房屋用于租赁,增加租赁住房有效供给等方面的引领和带动作用。

2)要求人口净流入的大中城市搭建政府住房租赁交易服务平台,通过平台提供便捷的租赁信息发布服务,保障租赁双方特别是承租人的合法权益。“国企持有租赁住房+政府提供租赁交易服务平台”,就是未来大城市的租赁模式的基本特征。


而且,从上海、深圳公布的“住房十三五规划”看,未来政府持有的保障房、国企持有的租赁住房的总套数,将达到甚至超过新增住房套数的一半。这意味着,在人口大规模流入、住房矛盾比较集中的大城市,住房将在很大程度回归“公有制”。

换句话说,政府正在积极探索“长效机制”。在住房矛盾较大的城市,房子的定位越来越接近于“生活必需品”,类似“柴米油盐”,政府开始加大干预的力度,以图实现公平。但这不意味着完全取消市场的作用,开发商提供的市场化住宅,仍然会占到相当比例。

至于中心城市的楼市未来将如何发展?金准数据认为:人口显著流入的高级别城市,其优质住宅有长期投资价值,短炒的风险越来越大。政府在保障性住房和租赁住房上发力,主要目的是为了解决高房价带来的社会矛盾,抑制房价过快上涨。希望因此看到大城市房价崩溃,恐怕比较困难,这也不是政府的本意。毕竟,地方政府主要的运行成本,包括提供保障性住房的成本,需要从“土地拍卖+商品房”上收取。这两者是相辅相成的,不是矛盾对立的。

也就是说:中国即将在住房上进入“富人贴补穷人”的时代。


鼓励国有、民营的机构化、规模化住房租赁企业发展,鼓励房地产开发企业、经纪机构、物业服务企业设立子公司拓展住房租赁业务。人口净流入的大中城市要充分发挥国有企业的引领和带动作用,支持相关国有企业转型为住房租赁企业。住房租赁企业申请工商登记时,经营范围统一规范为住房租赁经营。公安部门要比照酒店业管理方式,将住房租赁企业登记的非本地户籍租住人员信息接入暂住人口管理信息系统,实现对租客信息的有效对接。加大对住房租赁企业的金融支持力度,拓宽直接融资渠道,支持发行企业债券、公司债券、非金融企业债务融资工具等公司信用类债券及资产支持证券,专门用于发展住房租赁业务。鼓励地方政府出台优惠政策,积极支持并推动发展房地产投资信托基金(REITs)。

上海率先执行“只租不售”模式的两块土地均交给国有企业打理,或许意味着国有企业未来在租赁时代会发挥更加重要的作用。从上海的情况做一个推演,想必未来在搭建租赁平台、提供租赁房方面,国有属性的企业也必将扮演顶梁柱的角色。从这个层面来看,万科又走在了所有房地产企业的前列。

但据金准数据分析,除了国有企业,民营企业其实并不是没有机会的。采取参股、入股合作等多种方式,一样可以在租赁时代大有可为。而且国有企业们也需要民企身上的活力,让租赁市场更加活跃,更加有效率。


此外,楼面价这么低会不会对未来房价产生重大的影响?应该说影响是有的,但并不是扭转性或者实质性的影响。在看待租赁市场和购房市场的时候,未来既应该统筹来看,又应该有一定的区别。

统筹意味着,租赁和购房的最终目的都是为了解决住的问题;有一定的区别说的是,租赁市场从目前的定位来看可以说有独立于购房市场的趋势。从价格体系来说,租房市场发达了,可以减轻购房市场的负担,缓解主要热点城市的购房压力,利用好热点城市中的存量房市场,起到间接降房价的作用。而这个降房价的作用是中长期的,并不是一蹴而就的,如果能够通过租赁市场的快速崛起,改变人们看待房子的观念,那可能房价才会有更大的改观。

从这件事中,其实我们最应该看到的是,地方政府在解决“房子是用来住的,不是用来炒”的方面,所下的决心。尤其如果更多的像上海本次采用的只租不售模式,土地财政方面,地方政府其实是放弃了很多可以获得的收益的。


2、交易情况


如上图是“租赁用地”的基本情况,它是今年7月4日上海国土部门宣布出让的。

金准数据对这两幅土地进行了分析,认为这与北京、佛山此前开创的,在竞拍中开发商自愿“100%自持”不同,从土地性质上界定为“租赁用地”,是一种创新。


据报道,7月4日下午14:00,上海首批公开出让的两幅租赁住房用地在上海市土地交易市场成交。两幅土地分别位于浦东张江和嘉定新城,采取“只租不售”模式,项目建成后,将至少提供1897套租赁住房房源。这标志着上海新增租赁住房用地供应已全面启动,上海积极推进购租并举住房体系建设迈出坚实一步。

此次成交的两幅地块,一幅位于浦东新区张江南区,土地面积约6.5公顷,可建建筑面积约13万平方米,由上海张江(集团)有限公司竞得,成交价格为7.24亿元,成交楼面单价为5569元/平方米;一幅位于嘉定区嘉定新城,土地面积约2.85公顷,可建建筑面积7.13万平方米,由上海嘉定新城发展有限公司竞得,成交价格为4.24亿元,成交楼面单价为5950元/平方米。此次竞得两幅地块的,均为国有企业。


此前,让大家充满疑问的是,究竟上海方面会如何操作“只租不售”模式。如果完全按照市场层面操作,那么房地产开发商很难只通过租金收入,覆盖成本,获得利润,现金流层面也会受到影响。

两块土地的最后拍卖的楼面价分别为:张江地块方面,成交楼面单价为5569元/平方米;嘉定地块方面:成交楼面单价为5950元/平方米

6000元的楼面价,最终开发商的成本是多少呢?

从房价公式中我们可以粗略推算出来。据房价公式:房价=土地成本(30%)+开发费用(10%)+建安成本(20%)+税费(15%)+利润(25%)


上述公式是房地产开发商卖房时候的公式,现在只租不售模式下,已经不适用了,尤其利润层面被清除,税费方面可能也会有优惠。也就是说,新的只租不售模式下,房屋成本应该是: 土地成本+开发费用+建安成本+税费(具体会有减少,姑且算作10%)

把楼面价6000代入新的房屋成本公式,那么会得到成本大概是12000。


四、租赁市场料将爆发性增长,房地产商何去何从

1、万亿级市场规模,租赁市场将爆发性增长

7月20号,住建部联合八部委发布《关于在人口净流入的大中城市加快发展住房租赁市场的通知》,有以下几点值得关注:(1)培育机构化、规模化住房租赁企业,并引导国有企业向此方向转型;(2)建设政府住房租赁交易服务平台,加强政府管控;(3)鼓励新增用地建设租赁住房,并积极盘活存量房屋用于租赁,同时鼓励金融对于房屋租赁的相关支持。

《通知》进一步点燃了政府将大力发展租赁市场的预期,这无疑是对租赁市场的政策利好,可以预计租赁市场将爆发性增长。

那么整个租赁市场到底有多大?我们来看中金研究部做的一组测算数据。根据国家卫生计生委公布的《2015年中国流动人口发展报告》,截至2015年末,全国流动人口达到2.47亿人,其中有67.3%的人选择租赁私房。

全国各城市租赁市场主要面向三类人群:(1)非本地生源且落户于就读地的高校毕业生;(2)流动人口中的非农人口,租房占比为52.3%;(3)流动人口中的农业人口,租房占比为69.8%。我们以高校毕业生和流动非农人口人均租房支出900 元/月,流动农业人口人均租房支出400 元/月估算,2015 年全国住房租赁市场规模达到近1.1 万亿元/年。


2、各大地产商已率先布局长租公寓市场

对于租赁市场的兴起,硬件标准良好、管理服务到位的长租公寓产品一直是其最受欢迎的方向。

目前来看,长租公寓主要是基于存量房的改造升级,并通过提供增值服务以吸引中等偏上收入水平的青年白领或办公族,因此租金一般较周边的传统私人出租房溢价50%~100%。

由于长租公寓品牌主要集中在外来人口多且购房压力大的一二线城市,中金研究部选取了20 个具有代表性的核心一二线城市,对各个城市中端以上房屋租赁市场进行了测算,核心20 个城市的中端以上住房租赁市场规模可达年租金2500 亿元以上,占到全国租赁市场蛋糕的20%~25%。但随着各城市积极推进租赁市场,预计长租公寓面向的群体将更为广泛,长租公寓占总租赁市场规模比例也将继续提升。其实,从2014年开始,一部分地产集团已经开始在一二线核心城市布局面对租赁市场的长租公寓产品战略,打造自己的长租公寓品牌。

对房企开发商而言,将长租公寓作为创新业务大力发展,一方面是国家对于自持物业的刚性要求,同时也是转型需要,更是可以联动房产销售业务,共享客户资源,获取稳定现金流,甚至实现资本运作的战略。而房企天然的优势,其身资金量雄厚,相比其他类型的企业在长租公寓这片蓝海中可以更快杀出。


2014年,万科在其30周年之际就提出了“城市配套服务商”的转型方向,确立要在十年内完成新业务探索与布局。2016年刚刚确立的“泊寓”品牌,在北上广深等13个城市纷纷落点,计划在2017年发展至15万间。“泊寓”将通过研究青年群体与租住习惯,创造可“寓”不可求的城市青年家,在为居住着提供安全、舒适、人性化体验的同时,还将探索邻里关系新模式,因此,整个项目面对大众市场,客群主要为年轻群体。

“泊寓”的模式是轻重资产结合优化配置,既有和项目持有方或经营方签订方签订长期租赁合同,也有收购获得物业产权或长期使用权来装修改造及运营管理公寓。

龙湖地产旗下的“冠寓”同样也是将租客的主题定位于年轻人,但较之万科,“冠寓”则把客群分了更细,企业中高层、白领、蓝领/学生等三类人群都有涉及。据龙湖CEO透露,冠寓是龙湖的“主航道”业务,将集中公司的优势资源着力发展。“冠寓”将从龙湖的老本营重庆出发,下一步将聚焦一二线目标城市12个,力争用三年时间,每年推出1万到1.5万间,第三年争取达到10亿元以上的收入规模。而龙湖将利用其在住宅产品和物业服务的高品质,打造全新的青年生活社区。

“冠寓”的模式前期以租赁其他物业的轻资产模式为主,后期会加大自持比例,未来将以2:8的轻重比的资产模式去拓展业务。

另外绿城、保利、金地、绿地等房企开发商也纷纷已各自模式进入长租公寓市场。


3、应对租赁市场新蓝海的五大战略要点

租房租赁的规模化和专业化发展是未来的大势所趋。从我们日常的接触情况来看,很多转型中的房企,面对租赁市场的态度一直是迟疑、犹豫,没有大规模投入的决心。

可面对未来,中国进一步城镇化的进程大概只有10多个点的空间,总体新房开发市场容量必将日渐萎缩,城市更新和存量改造将日趋成为主战场。有句行话说:只有大城市,才有房地产。而未来的大城市发展趋势,城市更新必不可少。

如今,一个新的万亿级市场正在打开,要想在这个市场获利,转型中的地产商必须下定规模化发展的决心。


1)打造租赁品牌,与母品牌销售联动,共享客户资源。比如万科的“泊寓”,龙湖的“冠寓”,他们积极打造面对青年人的社区,更像是培养未来的潜在购房客户。

2)与O2O租赁平台合作,对接资源,实现联合和优势互补。比如阳光城和寓见的合作,阳光城像寓见提供房源,寓见负责进行标准化运营和管理。

3)与长租公寓品牌成立合资企业,把专业的事情交给专业团队去做。比如绿城和优客逸家的合资,优客逸家依托绿城的储备房源,推出长租公寓产品。

4)集群化布局,平台化发展,充分放大窗口效应。从国际长租公寓市场发展经验来看,真正靠传统的二房东式的租金差价获得收益的比例只占到项目总收益的40%,而另外60%的收益都是来自于针对于租客装修、日常管理等需求的配套增值服务。而这种需求,在少量点状布局的长租公寓项目上难以获利,不过一旦规模化发展后,大规模定制需求产生的消费利润将非常可观。

5)金融化操作长租公寓。借助资本市场的力量运作长租公寓产品是当下所有品牌公寓运营商的共识。市场上,没有哪家成熟的品牌公司是完全通过自有资金的投入进行规模扩张的。典型案例比如世联行运作的“红璞”公寓。前期通过融资,投资长租公寓,通过运营形成良好回报后,再打包通过发行ABS、Reits等金融产品变现,形成金融通道,使自己成为一个物业资产管理公司。这样通过杠杆融资和后续证券化的方式,实现了资金从投入到产出的闭环,也大幅提高了自有资金的利润率。


金准数据 房车露营地规划设计研究报告 2017-08-16 15:41:16

一、房车露营地规划设计概述

房车露营地在欧美国家很普遍,并发展成熟,具有完整的管理运营体系与星级划分标准。汽车营地的游客主要分为房车游客、自驾车游客、住木屋或旅馆的游客、纯帐篷游客4种。

在国内汽车露营地作为一个新型产业才刚刚开始,主要是依托所处景区或附近景区经营,只为游客提供简单的服务,远不能满足蓬勃发展的自驾车旅游市场需求,也达不到国际标准。所以房车营地的规划设计不单单是摆放几辆房车。

金准数据整理出一个遵循规划的选址、功能布局、布局模式等综合考量的,完整房车露营地设计。


1、营地产品的选址

营地的选址主要满足环境、交通、区位及用地面积四个条件,优美的环境、便捷的交通、优越的区位条件和充足的项目用地是营地成功的必要条件,但是,不同类型的营地对条件选择也需有所侧重。


环境:地势开阔平坦、通风及排水良好,生态环境优美,紧邻自然人工水域。

交通:国外营地间隔为250-300公里,车程约4个小时,营地距当地中心城市150-200公里,车程2.5-3公里。

区位:交通便利、依托景区或旅游城市。

用地面积:没有固定要求,因地而制。


2、营地产品的功能分区

房车露营地根据其类型、自身特色及目标客源市场的消费特征设置有不同的功能区,一般而言,都设有综合服务区、宿营区、休闲娱乐区等。

除以上三大功能分区外,营地还会根据自身资源市场需要等对功能区进行延伸或完善,增设度假、旅游地产等功能分区,提供分时度假等服务。


3、营地产品的规划模式

房车露营地规划受道路交通、地形地貌、植被、光照、通风等自然环境影响,尤其是露营区对场地的地形、坡度、排水等要求较高,另外房车露营地的规划设计必须满足房车顺畅通行的基本功能,规划时都应结合地形地貌、自然资源等特征分区布置。

金准数据分析,房车露营地总体规划按空间布局一般分为以下三种模式:均匀发展型、辐射型、主轴线型。

1均匀发展型


均匀发展型场地布局

特点:该布局模式的管理中心一般布置在场地的中间或入口处,方便对整个营区的管理。设置中心位置的功能包括:服务中心、综合服务区、房车维修服务部等。露营区为游客提供露营休息的场所,通常较规整的分布在服务区周围。娱乐活动区布置在露营地一侧或周围,主要的娱乐活动和露营区相对独立。


优点:充分利用土地、易于管理、成本低,容易组织交通,道路通常都相互平行,易于识别方向。

缺点:露营区的景观通常比较单一、乏味,缺少变化和情趣。


适合建设条件

● 场地本身比较平整、形状也较规整,像广阔的平原、低缓的丘陵、海滨沙漠、辽阔的草原等。

● 适用于一些用地比较紧张的旅游景区,充分发挥其布局紧凑,节约土地的优势。


2辐射型


辐射型场地布局

特点:该布局模式房车露营地的管理中心和服务设施中心都建在整块场地的中心或是各块地的连接处,以方便对整个营地各个区进行管理和提供服务。各个露营区根据场地的地形和环境特点,不规则的分散布置于管理区和服务区周围。


优点:将分散又相对集中的零散地块有机结合起来,根据地块的自然条件灵活选择场地用途。露营区独立、景观各异,还可结合环境在露营区内增加娱乐活动场。


适合建设条件

● 景区内可利用空间成辐射型分布,如一些森林、河流冲击沿岸等。

● 台地为主要地形的地区所形成的可用场地形成不连续的成片状分布,片状土地之间距离和高程相差不大。

● 丘陵地带可以用来露营区的辐射状空间布局的缓坡地带。

● 具有相对复杂地形的景区

● 景区内有分散的资源需要保护

● 对营区的露营环境要求较高,景观具有变化和特色的景区。


3主轴线型

主轴线型场地布局

特点:有一条主道路,各个露营区或活动娱乐区都分散布置于主道路两侧。


优点:各个露营区几乎都很独立,可结合所处环境特点开发出完全不同的露营特色;可选择性强,易于周边生态环境的营建。

缺点:布局非常分散,较难管理,服务设施布局也较为困难,对于一些必要设施,每个露营区都需布置,成本较高。


适合建设条件:适合在风景游览路线较长的大型风景旅游区或景点比较分散的山地环境中建设。


4、营地产品的具体设计建设

房车露营地建设需与外部公共道路相连通,在营地范围内设置入口区、停车场、管理服务区、营位区、游憩区等主要区域。各区域相对独立,且又相互呼应相互作用,形成整体的营地产品组团。其中营位区布局设计是整个营地产品的核心特色区,有以下布局类型:


1集中式布局

营地用地紧张且地势平坦,一般采用紧凑的联排式布局。


优点:占地面积小,容量大。

缺点:对场地平整度要求高,且营地密度大,旺季时会给人拥挤的感觉,缺乏必要的私密性,很难提高露营环境的品质。


2组团式布局

用地稍宽裕的营位区可采用组团式布局。由数个营位组成的组团散布在营区中,游车行道组织和连接起来。


优点:布局较为紧凑,且具有一定的灵活性,营位排列方式节省道路面积,从而节约投资。

缺点:营位距离近,容易相互干扰,圆形组团与自然的融合性较差。


3皮圈式布局

以不规则环形形式的道路将各个营位串联起来,通常为单行道环线,各个环线再由上一级道路并联起来,整体布局形式像一个个衔接在主干道上的橡皮圈。


优点:对自然环境的适应性强,可以顺应自然地形改变环线形状;单向环线便于组织交通;营位间距被拉大,空间较为开敞,露营者心里舒适度增强,露营活动品质提高。

缺点:道路面积较大。


4树枝式布局

由主要车行道延伸出的枝状尽端式道路将各个营位串联起来,通常为双向车道,超过30米的尽端式道路末端设回车场。该布局适用于受到诸多自然条件限制的狭长地形,如山谷、河岸等。


5围合式布局

沿着道路周边布置营位,并以道路围合出较大而开阔的活动空间,用作集体活动或帐篷营位等,适用于较为规则的平整场地。

6混合式布局

在实际的房车露营地规划设计中,由于场地大多数位于自然环境当中,用地形式尝尝不规则,且地势起伏等情况较多出现,单一的布局形式不能满足实际的布局要求,这时需要根据实际地形特点综合运用两种或多种布局形式以达到空间利用率最高,并与自然环境恰当融合的目的。


二、我国的自驾车房车营地规划设计分析

1用地问题

一般营地建设的占地面积较大,而且一般都需要建在生态敏感、自然条件较好的地区。但我国对于营地建设土地的使用规定尚不明确,同时土地使用成本较高成,企业和投资商在对土地进行规划和使用时所需要办理的手续繁琐甚至无从下手。

在我国土地利用类型中,没有专门的营地用地类型,而自驾车房车营地更多地是为旅游者服务的旅游设施,这就造成自驾车旅游营地在获取建设用地时存在不少困难。

还有农业用地也存在类似的问题,水资源利用规定等问题。首旅的王蓓黎说,现在拿地成本很高,即使在大西北,拿地也很难,划拨难,这对营地建设制约很大。

金准数据认为,一般营地搞得好的,要么就是这个投资人是能人,能拿到地;要么就是政府有需求,对于一般的投资商来说很难做到,所以投资商需要一个公平的政策环境。


2营地规划和建设标准缺失

汽车露营旅游的发展离不开露营地的建设,但我国目前的营地数量稀少,规模较小,严重制约着汽车露营旅游的发展。

近年来,中央和地方政府都出台了不少支持房车和露营地发展的政策,而且国家体育总局和国家旅游局以及地方旅游行政管理部门也制定了不少关于露营地的标准、规范和要求。

譬如2013年国家体育总局颁布的《汽车露营营地开放条件和要求》和2015年国家旅游局颁布的《休闲露营地建设与服务规范第2部分汽车露营地》以及长三角地区三省一市联合发布的《房车旅游服务区基本要求》。


此外,一些房车俱乐部和民间组织也出台了关于露营地建设的相关标准,如中天行俱乐部的《中国营地建设标准》;中国汽车运动联合会露营分会的《中国体育休闲(汽车) 露营营地标准》;全国汽车自驾游管理办公室的《全国汽车自驾游基地标准》等等。应该说这些标准的出台已经产生一些作用,但现在的问题,诸多标准的起草和发布,造成了多头管理的困境。

目前,我国的营地建设正处在初级阶段,大多数城市和旅游景点都没有建设符合国际露营标准的宿营地,正式挂牌的营地数量远不能满足汽车露营旅游发展的需要。

纵观我国现有的汽车露营地,用水、供电、卫生、安全、私密性等方面还有待进一步完善,各个方面的质量也有待提高。以上种种缺陷在一定程度上阻碍了汽车露营旅游的普及,现在开始兴建营地,需要建立一个完整的体系,需要投入大量的时间和大量的资金。


其次,营地服务缺少品牌意识。我国现有的汽车营地多建设在城市郊区或远离旅游风景地,或者是在乡村荒地上建立,配套设施还停留在最基本生活基础设施上,与普通的居民小区没什么区别,有些甚至还没有居民区那么便利,不属于真正意义上的营地,更谈不上品牌服务,这如何能让消费者提得起旅游的兴趣呢?

而在欧洲已经有6000多个大大小小不同等级的露营地,即使是在我国的台湾省也已经拥有118个国际标准的汽车露营地。

金准数据认为,由于没有全国性营地建设规划,缺乏标准引导,地方和企业对在哪里应该建设营地、建设什么类型、什么规模的营地感到非常迷茫,这一方面导致有的营地建设先天不足,后期无法经营下去,另一方面导致营地重复建设、盲目建设问题严重。


3营地经营困难、效益较差

随着汽车露营旅游的发展,涌现了一些自驾旅游、汽车营地企业和相关的俱乐部,在一些地方这种企业没有合法的经营身份,在企业注册的时候,找不到相关部门,而且工商注册商号中没有露营地这一项。这使得部分企业和露营地不得不变换身份,无法专项专职的合法经营。

现有的一些露营地存在配套服务设施不健全、安全保障缺乏、相应的旅游信息不对称等问题。产生这些问题的原因主要是由于露营地是一个新生事物,环保、消防、工商部门在批准的时候无法可依,造成许多营地经营的合法性和合规性出现偏差,随时随地就可能面临被取缔或停业。

另一方面,由于营地建设处于起步阶段,多数营地建设内容单一,功能配套不是很完善,再加上前期投资较大,回收期较长,多数营地经营企业效益较差,但由于看到了未来的发展前景 ,都在咬牙坚持经营。


4应急救援和设施安全保障问题

露营地一般建在地势平坦、开阔,依山傍水的自然环境区,可能会遇到雷雨大风、山洪、泥石流等自然灾害,在交通、路况和气象的信息发布不及时的情况下,营地对于应急措施和安全防范的考虑尤为重要。

其次,我国在路标的指示、加油站的布局与汽车维修服务等方面,还存在着许多有待改善的地方。有些地方的公路标识、路线指引、旅游地图等交通信息都不够详细,与露营者的期望存在一定差距。

最后,急救救援设施欠缺,缺乏安全保障。目前我国的安全救援组织能力十分薄弱,无法适应汽车露营旅游的需要,露营者遇到异常天气、突发疾病、交通事故等意外事件时往往难以得到及时救助。


三、国外房车露营地设计实例

1)乡村型露营地——美国加利佛尼亚Visalia/Sequoia KOA


地理:位于加利福尼亚维塞利亚,有大片的草地,营位绿树成荫。

娱乐设施:泳池、排球场、骑马场、儿童游乐场、游戏室、酒吧、遛狗区、K9宠物公园。

生活设施:有线电视、Wi-Fi以及家具齐全的空调小木屋。

周边玩乐:有红杉&帝王谷国家公园、约塞米蒂国家公园、探险乐园、维塞利亚市区游览、埃克塞特古老的画满壁画的建筑。

开放时间:全年开放


2)五星级露营地——美国拉斯维加斯IVM Resort

地理:距拉斯加维斯世界顶级休闲娱乐、购物运动、美食餐饮中心,Mead河、Hoover大坝仅有几分钟车程。

占地16.6公顷,400余个露营点。

特色:浓郁的热带风情。

风景:【查尔斯顿山】高耸入云的山峰、红岩石峡谷的绚丽多彩的颜色都是人们亲近大日然、放松心情的很好选择。

生活设施:高级别的水、污物、电力接口,移动电视、电话、免费无线网络等。

娱乐设施2个九洞高尔夫球场、室外网球场、台球室、棋牌室、游泳池、漂流池,还有Spa馆、健身房、按摩室、桑拿室、豪华大理石淋浴间以及图书馆及剧院。

精彩活动:露营地还会不定期为游客准备丰富多彩的节目、活动。


3)海滨型露营地——美国佛罗里达州Fiesta Key

地理:佛罗里达群岛的中心,是美国最受欢迎的度假胜地之一。

环境:占地28英亩,被一整片郁郁葱葱的植被环绕,让人颇有身处热带的感觉。

娱乐设施:游泳池,餐厅,沙滩酒吧,免费WiFi,Spa馆,钓鱼台,漫长的海岸线,宠物区,商店,码头,沙滩,可出租的小船,游乐场。

周边玩乐:在墨西哥湾游泳&潜水&看日出、去长礁岛州立公园骑行&徒步&钓鱼&遛狗,玩沙滩篮球&排球&掷马蹄铁游戏,去夏威夷风情酒吧&酒吧餐厅。



4)山地型露营地——美国亚利桑那州Verde Valley

地理:美国亚利桑那州佛得河河畔,恰好就是这沙漠高地的一片绿洲。

环境:占地300英亩,北面是壮丽的红岩山谷,西面是明格斯山脉,南面是Hackberry山脉,阿尔坎塔拉葡萄园等。

周边玩乐:到著名的杰罗姆鬼城,在佛得河泛舟,塞多纳自由行,或者就在露营地附近品酒,总之这里处处都充满了神奇和冒险。

娱乐设施:活动中心,儿童游乐场,信息中心,宠物区,商店,水疗中心、免费WiFi,徒步旅行俱乐部等。

5)森林型露营地——美国俄亥俄州Homerville KOA

环境:位于一片美丽的自然风景区内,小径蜿蜒,舒缓的小溪静静流淌。有两个钓鱼的池塘,营地有大面积的绿地树林,里面有各种野生动物,沿着小径,会有专业人士引导参观种类繁多的野生动物,如野生火鸡、鹿、狐狸及近90种的鸟(包括鹰、鹤及其他一些濒危物种)。

生活设施:大型户外泳池、湖边小木屋、清新草地及营位等。

娱乐设施:历史悠久的谷仓是营地娱乐的中心,谷仓的顶部是300年前的手工砍制的木梁,现场音乐会,艺术手工课,主题周末等活动都会在这里举行。

周边玩乐:马蹄赌场、俄亥俄Amish部落、赛车道42、铁路博物馆等。

开放时间:每年4月20日-10月21日


6)河畔型露营地——蒙大拿州Billing KOA

风景:比林斯市(Billing)独有的高雅相思木、黄石河(Yellowstone River)沿岸的独特风光,不仅使Billing KOA露营地成为露营爱好者心目中的胜地,还让营地多次获得相关部门的嘉奖和肯定。

生活设施:超大型豪华天井式房车营位、居家式洗手间、美食服务和相思木露营小屋。

娱乐设施:高尔夫练习场与俱乐部。

周边玩乐:黄石国家博物馆、急流冒险基地等等。


金准数据 中国商业智能行业研究报告 2017-08-14 17:21:07

一、商业智能概述

1、商业智能行业概念界定

商业智能(BI,Business Intelligence)概念的提出可追溯至1958年,通常将其视为把企业中现有数据转化为知识,帮助企业做出明智的业务经营决策的工具。

过去的商业智能不能给出决策方案,也不能自动处理企业运行过程中遇到的问题。借助于人工智能与其他相关学科的技术进步,现代商业智能已能在特定场景中实现商业经营的智能化与自动化。

因此,金准数据聚焦于将人工智能技术用于商业智能决策,尝试对人工智能在商业落地的真实现状进行说明,凸显AI技术(不包括智能语音、计算机视觉等感知智能)在现阶段应用的价值。


2、商业智能与大数据

1)大数据为商业智能的发展提供土壤

互联网、移动互联网高速发展,海量、高维度且可实时接入更新的数据随之而来,为机器学习等前沿技术在各领域中的探索及落地提供可能,进一步拓展了被服务人群且显著提升服务质量。

另一面,产业缺乏通用标准约束,数据在采集及流转过程中污染程度不一,数据加密不规范引致的数据泄露时有发生,数据孤岛亦成为企业业务发展的掣肘(如金融方面,企业多为基于自身平台积累的独有数据做征信,评分适用范围将大大受限),通用标准的建立需要政府及产业界的共同努力。


(2)从数据驱动认知,到数据驱动决策

智能技术的运用一方面将拓展大数据的应用场景,从帮助业务人员认知到实现企业最优决策,另一方面,自然语言处理的进步也正在解决人机交互的部分问题,自然语言查询、自然语言生成都将进一步释放商业智能的效率和价值。

(3)商业智能主要应用领域

类比人类智能,人工智能可分为赋予机器语音、图像等感知能力的感知智能和赋予机器思考能力的认知、决策智能。认知能提升感知(如对语义的理解判断将提升机器的语音识别率),感知也会辅助决策(如智慧商超中机器视觉对客流属性、消费行为的观察、记录可辅助商超做出营销决策),本报告聚焦于认知智能在商业场景中的应用情况。

3、中美商业智能环境对比

过去的几十年中,中国科技智能环境不如西方几乎成了很多人的刻板印象,但在如今的商业智能领域,我国从“中国制造”到“中国智造”,从奋起直追到弯道超车,已进入商业智能领域第一方阵,成为发展最快的国家之一。

总的来说,由于中美文化差异、人口差别、工作强度不同等因素,相比美国,中国将技术落地的加速度更快,新兴商业模式拓展力强,但业务的发展仍缺乏全面性与标准化。目前,中国通过单点突破弯道超车,并开始重视精细化运营,由局部最优逐渐向全局最优靠拢。


4、中国商业智能所处环境

(1)政策环境

2015年人工智能进入爆发期以来,国家陆续提出多项意见与规划,特别是2017年“一带一路”会议、全国两会均将人工智能列入未来发展规划中,以及2016年国家将人工智能列入“科技创新2030项目”以及“十三五”重大工程,使得人工智能在中国政治、经济、学术等领域成为重中之重,引来中国人工智能最好的时代。


(2)经济环境

中国凭借工业化发展促使经济快速增长,2010年之后工业化进程逐渐到达顶峰,随之而来的是劳动力和财力逐渐向生产价值较低的生产部门转移,生产总值的降低导致了经济增速的下降。随着经济增速下降,无法在短时间内找到新的经济增长点,内部问题集体产生了爆发,产能过剩,高杠杆,房地产高库存和金融风险等问题扑面而来。

这就意味着中国面临着一次重要的经济转型,摆脱传统的高污染低效率的粗放型发展模式,同时,现今政府多次强调供给侧结构性改革,从质和量上提升经济增长,在政策的支持下,高附加值、知识和技术密集型的产业将会重点培养,结合高科技技术,提升企业精细化运营、降低运营成本、增加企业受益。


(3)技术环境

AAAI(The Association for the Advancement of Artificial Intelligence)是人工智能领域顶级的综合性会议,会议论文涉及机器学习、自然语言处理、搜索、规划、视觉、知识表达等人工智能各分支的学术探讨和应用研究。

2017年AAAI大会收到论文2571篇,创下新高,中国学者的论文提交量与录用率均达到国际一线水平,与美国持平。收录论文不仅有来自高校学者,还有来自百度、腾讯、华为、360、今日头条等企业研究人员,如百度的《Collaborative Company Profiling:Insights from an Employee’s Perspective》——从员工角度出发,尝试利用AI让企业人力价值最大化。国内企业与高校间的合作也愈发紧密,腾讯即有与香港科技大学的实验室合作,高校可利用企业的海量数据与测试平台,企业则可将创新性成果落地实践。

尽管目前AI的商业应用中国并不落后甚至在某些维度领先美国,但在原创性研究、创新土壤、人才储备方面,中美仍有较大差距。

4、商业智能产业链分析

(1)产业链

本报告中,金准数据侧重于智能技术在商业场景中的应用,即产业链的中游和下游。关于产业链的上游,传统IT厂商和云服务厂商可为技术、产品及服务提供者赋予计算、存储等基础设施支持, ERP、CRM等信息系统可帮助企业有效记录其资源及业务数据,数据整合者的第三方数据则可丰富智能分析的数据维度。


(2)产业图谱


(3)商业智能行业投融资梳理

商业智能应用场景众多,包括营销、金融、交通等领域,各领域涉及企业众多,行业集中度较低。

融资方面,2012-2016年最为火热,其中,2015年融资次数达到31次,同时有两家新三板挂牌企业,是2012-2016年中融资次数最多的一年;从融资轮次来看,大部分融资尚处于早期的天使轮、A轮阶段;另外,从企业所涉领域来看,服务于金融领域的企业最受资本市场青睐。


二、商业智能核心技术剖析

人工智能正在重塑科学、技术、商业、政治以及战争,而大众对技术的认知程度和该技术的重要性相比显得远远不够。即使只有工程师和机修工有必要知道汽车发动机如何运作,每位司机也都必须明白转动方向盘会改变汽车的方向、踩刹车会让车停下。

另外,当今人工智能的各个分支其实在五十年前就已有相关基础,当时的一些科学家认为,人工智能的所有问题都将在十年内解决。但事实是直到今天,很多问题仍悬而未决并难以解决。过高的预期引致不当的失望,人工智能历史上的两次冬天无疑阻碍了技术、产业发展的步伐,并让踏实做事的人受到伤害。

因此,金准数据认为,我们有必要对商业智能技术的概念模型、发展现状与应用前景进行客观认知,了解它的能力与边界。


1、机器学习

1)概述

将数据输入计算机,一般算法会利用数据进行计算然后输出结果,机器学习的算法则大为不同,输入的是数据和想要的结果,输出的则为算法模型,即把数据转换成结果的算法模型。通过机器学习,计算机能够自己生成模型,进而提供相应的判断,实现某种人工智能。工业革命使手工业自动化,而机器学习则使自动化本身自动化。


(2)发展历程

在《终极算法》一书中,多明戈斯将机器学习分为五大学派:符号学派、联结学派、进化学派、贝叶斯学派、类推学派,引起热议。但发展至今,机器学习各学派彼此相遇、交融,已难以做清晰划分。

另一方面,工业实践中问题的解决往往依赖于具体场景下对多种算法的综合利用,学派归属则无足轻重。尽管机器学习在20世纪80年代才成为一个独立的学科门类,进而在人工智能问题中大施拳脚。

但在人工智能进入属于机器学习的鼎盛时期以前,在人工智能诞生之初的推理期、知识期即有机器学习的用武之地。因此,金准数据仅结合人工智能不同发展阶段的主流思想特点,对当时机器学习的主要方法做以下图介绍。


支持向量机、朴素贝叶斯、决策树、神经网络等经典算法


深度学习、强化学习、迁移学习等热点技术

机器学习中的统计方法研究,用到的数学主要是概率统计。其实,其他数学分支在机器学习中也有应用,例如微分几何在流形学习上的应用,微分方程在归纳学习上的应用。相对而言,代数的应用可能更广,但代数一般作为机器学习的基础工具来使用,例如矩阵理论和特征值理论,又如微分方程求解最终往往归结为代数问题求解。

而彭实戈院士的倒排随机微分方程理论之预测金融走势,可谓是用高深数学推动机器学习新模式的好例子。但从宏观的角度看,陆汝钤院士指出,深刻的、现代的数学理论的对机器学习的介入程度还远远不够,数学对机器学习新模式、新理论、新方向的参与值得期待。


2、人工智能、机器学习及深度学习的相互关系

近几年掀起人工智能热潮的深度学习,属于机器学习的一个子集,在思想和理论上并未显著超越二十世纪八十年代中后期神经网络学习的研究,但得益于海量数据的出现、计算能力的提升,原来复杂度很高的算法得以落地使用,并在边界清晰的领域获得比过去更精细的结果,大大推动了机器学习在工业实践中的应用。

但值得指出的是,深度学习的应用范围还很有限,统计学习仍然在机器学习中被有效地普遍采用。另外,人工智能不是一种特定的技术方法,所有方法都是在对人工智能这个课题进行研究的产物。机器学习和象征着理性主义的知识工程、行为主义的机器人一样,是人工智能的一个分支。

博弈论、运筹学、控制论、信息论、仿真优化、多主体系统学习、群体智能、统计学以及遗传算法等许多领域也有关于机器学习的研究,如运筹学中的近似动态规划即对应强化学习,而在经济学和博弈论中,强化学习被用来解释在有限理性的条件下如何出现平衡。

在实际问题的解决中,人工智能的方法如机器学习等,往往只是其中一环,问题的完整解决依赖于对博弈论、运筹学等多领域、跨学科的知识思想的融会贯通。




3、知识图谱

伴随Web技术的不断演进与发展,在先后经历文档互联和数据互联之后,人类正在迈向基于知识互联的新时代。知识互联的目标是构建一个人与机器都可理解的万维网,使得人们的网络更加智能化。旨在描述真实世界中存在的各种实体或概念的知识图谱,凭借其强大的语义处理能力与开放互联能力,可为万维网上的知识互联奠定扎实基础。

就覆盖范围而言,知识图谱可分为应用相对广泛的通用知识图谱和专属于某个特定领域的行业知识图谱。通用知识图谱注重广度,强调融合更多的实体,主要应用于智能搜索等领域。行业知识图谱需要考虑到不同的业务场景与使用人员,通常需要依靠特定行业(如金融、公安、医疗、电商等)的数据来构建,实体的属性与数据模式往往比较丰富。


4、运筹学

运筹学是一门用量化分析的方法做决策与优化的科学和艺术,它为管理决策提供智慧,并以自己的智慧解决管理决策问题。体现运筹学思想和方法的某些早期先驱性的研究工作,可以追溯到20世纪初期,如1908年丹麦工程师Erlang提出的电话话务理论(运筹学中排队论的起源)。

运筹学是一门应用性很强的学科,在研究和解决各种复杂的实际问题中综合使用代数、统计学、计算机科学、模拟(仿真)等各种方法,不断得到创新和发展,至今已成为一个包括许多分支的庞大的学科。在大数据时代,数据科学结合运筹学尖端理论是实现数据驱动的科学决策的坚实基础。

最早期的较为正式的运筹学活动出现在第二次世界大战时期,有一批英国的科学家着手研究利用科学方法进行决策,以最佳使用战时资源,当时的工作小组将自己的工作称为Operational Research(简称OR)。

战后的工业复苏时期,运筹学思想被引入民用领域,用来应对组织中与日俱增的复杂性和专业化所产生的问题,大幅提升了生产力。虽然运筹学的大部分实践应用产生的效益小于下表所列案例,但这些典型反映了大型的计划完善的运筹学的研究可能带来的重要影响。

商业智能典型应用场景

1、广告营销

商业智能在广告营销领域的主要应用为精准营销与个性化推荐,两者均通过用户数据,对用户贴标签,并基于产品特征与投放需求,建立不同的决策模型进行营销;两者最大的不同在于,精准营销用于引流获客阶段,以短信或优惠券的方式进行营销,提升响应率,优化企业运营;个性化推荐用于留存促活阶段,使得消费者在最合适的时间,以最恰当的方式,获得最合意的产品、资讯以及服务的推荐。


2、电商

商业智能在电商领域的主要应用为商品组合、定价策略、促销管理等多方面的优化,可归结为收益管理,即指在适当的时间和地点下,以合适的价格向不同的用户提供最恰当的服务或产品,以实现资源约束下,企业收益最大化的目标。收益管理最早起源于航空运输业,当时的民航处于价格管制状态,为解决旅客误机导致的座位虚耗、企业收益流失,出现了“超售”思想,除航空业外,收益管理也广泛应用于酒店服务、电子商务、交通出行以及物流运输等领域。

高量级SKU及日销量使得定价管理日益复杂,基于经验的传统批量定价方案已难以覆盖电商平台的多维度场景,不合理定价频繁出现,商业智能的定价方案可通过对交易数据、行为数据、竞争数据等多维度数据的整合分析,找到不同场景下的最优定价和销售策略,以差异化定价、动态定价、组合定价等方式对传统批量定价进行优化;促销管理的实施办法是通过挖掘促销规律,基于促销规律与敏感度对商品进行分类,并结合市场发展与企业目标建立促销优化模型,确定促销方式,在不增加流量投入的前提下提升销售收入



3、交通出行

路径优化是指如何找到从出发地到达目的地之间最短时间、最优价格的最短路径;订单分配研究的是供需匹配问题,结合多维度影响因素(例如路途距离、路况、骑手骑行速度、需求时间段等)匹配需求和供给。

另外,除路径优化与订单分配外,电商领域中提到的定价优化也应用于交通出行,例如网约车定价,但与电商不同的是,网约车因其需求的及时性要求较强,账号共享性弱,使其拥有更大的个性化定价空间。


4、供应链

物流系统分为多层,包括入库前的仓库地址选择、入库时的策略以及销售预测、入库后的库存优化、仓储优化、清仓以及出库时货运分配、配送路线规划等。其中,仓库的选择和物流的配送是供应链管理的核心,在某地区开展新业务时,如何设定枢纽的数量、枢纽位置等对最终运送的成本有着很大的影响;配送路线规划涉及到我们在交通出行领域中谈到的路径优化与车辆调度问题,通过结合实时需求、时间窗口、承重限制等因素,对送货路线进行制定,最小化成本与时间,实现物流智能化高效运营。


5、金融风控

金融的本质在于给风险定价,对于风险及时且有效的识别、预警、防控一直是金融机构的核心。金融风控强调数据与技术,智能风控企业结合高维度的大数据,利用决策树、神经网络等机器学习技术,针对信贷评级、授信、贷后预警,反欺诈等场景提供解决方案,传统金融机构由过去的以经验或小量数据对风险进行把控,到现在以大数据及技术进行风控,实现金融风控升级。

但同时,精细化运营全覆盖也是风控市场需考虑的关键点,即从系统的第一层出发,做全流程的金融风控,识别真正符合金融产品的优质客户,当潜在用户的信用存在风险时,应从营销端就避免引入此类风险用户。


6、投研分析

商业智能在投研分析中的应用可与食材料理类比,将原始数据比喻成料理中的原料A,A被清洗择选后成为可用烹饪原料B,参考不同料理食谱,对B进行制作,最终生成佳肴,映射于投研分析领域中,清洗择选方法包括去重、数据排序、实体发现、实体关联、领域知识图谱等,食谱即不同算法与模型,最终生成可视化投研报告。与人工分析生成的报告不同,机器人报告最大的优势在于生成快、可以清晰明了的将大量数据进行罗列呈现;智能机器的效率相对高,但目前仍缺少创造性,在投研分析领域,机器人与分析师的协同合作将提升分析质量与效率。

7、智能投顾

智能投顾,顾名思义即人工智能+投资顾问。传统的投资顾问相当于私人银行中的客户经理通过与客户的深度沟通,结合客户个人的风险偏好和理财目标,传达给后台技术人员制定理财配置模型,再由客户经理将此方案给到客户;智能投顾可被理解为将私人银行的后台标准服务线上化。相比传统投顾,智能投顾拥有可简化流程、适合全民理财、可定制短/中/长多周期投资方案、可进行风险预警等优势,同时也面临客户对机器的弱信任感问题、现阶段政策以及所需客户财务状况全面性等限制与挑战。


8、智能客服

传统客服业是典型的人力密集型,在商业智能时代,传统客服由人力密集向人工+机器智能升级,通过电话客服、网上客服、App、短信、微信以及智能机器人终端等产品与客户进行语音或文本的互动交流,理解客户业务需求,语音回复客户提出的业务咨询,并根据客户语音导航至指定业务模块,大大优化了客服咨询效率。

据金准数据分析,智能客服目前的成熟应用主要在售后阶段,以重复性问题标准化回答为主,未来智能客服业的应用将继续升级,由现在的“以问题为中心”转变为“以用户为中心”的智能语音助理,由现在服务于企业/商家的机器人转变为服务于每一个用户。


四、商业智能的挑战与未来

在大数据的背景下,商业场景中任一问题的解决,往往是多学科思想的交融,而非对单一方法的依赖。在计算机科学、人工智能、运筹学、博弈论等诸多学科领域的综合与交叉中,一个个贴合实际业务场景的解决方案应运而生,使得商业智能切实优化企业决策方式,助力业务增长。

融合也表现在人工智能的各分支上,如关于语义网的研究,自然语言理解、机器学习、人机交互都很重要。最后,任何一种学习算法都有自己的优势和局限,所谓的解决一切问题的终极算法,很有可能是对现有算法的兼容并包。当然,如何让各算法相遇相融并在不大幅降低效率的前提下提升通用性,仍是一个非常复杂但值得探索的难题。

在人工智能成为产业界、学术圈、投资人以及媒体关注的焦点以来,大众对深度学习等技术尤为关注。但在工业实践中,对具体业务场景的理解与对实际问题的界定,与采用何种模型、算法同等重要,前者在很大程度上决定了后者是否能够有效降低企业运营成本或者帮助相关业务增加收入,这是技术能够落地、产业得以升级的关键。

AAAI2017中,Uber人工智能实验室主任Gary Marcus即表示当前飞速发展的深度学习等技术可能只是在不断逼近通用人工智能的一个局部最优点,而这样的逼近方式可能让我们错过那些真正更好地实现通用人工智能的方法。因此,在运用技术解决某个问题之前,绝不应先入为主地认定要是用某个具体的机器学习算法,而应首先对业务场景加以分析,抓住核心问题要素,这是做出最优技术选择的前提。

商业智能业务应用的落地需要建立在完善的数据整合、管理之上,再由相应的算法、模型基于高效的计算框架将数据转化为可视化的业务规律,进一步驱动或直接生成企业决策,因此商业智能是一项系统工程,算法设计、架构搭建、系统配合、流程控制、质量监督、危机处理等缺一不可,项目工程经验非常重要。

另一方面,类比国际顶级SaaS企业Salesforce,其产品通用功能大概只占50%,产品背后依然有大量供应商及自身服务团队结合客户差异化的场景做定制服务,因此尚处早期的商业智能领域,在很长一段时期内,服务方式仍将以定制化的解决方案为主(尤其面对大企业的时候),以SaaS等标准化的产品为辅,并在部分场景中以PaaS服务接入客户ERP、CRM等信息系统,快速、低成本地将商业智能赋能于企业。



金准数据 关于人民币汇率贬值与经济通缩的关联分析 2017-08-14 14:34:21

    未来可能因资本规模化流出会导致人民币汇率贬值。金准数据AI平台的逻辑是人民币汇率贬值不会导致输入性大通胀而是会导致严重的大通缩。

     金准数据AI平台认为因为资本出逃会导致人民币基础货币(外汇占款)萎缩。因此这里的核心因素是资本规模化出逃,其次是人民币基础货币萎缩。

 

      为什么资本要出逃呢?

      金准数据AI平台认为这就是我国的准货币体系的本质因素决定的。在我国的准货币体系中,其本质是债务为储蓄背书原则,也就是说,我国当前M2中除去流通中的现金M0部分,就几乎都是各类储蓄存款,我国各项存款超150万亿规模,但在我国整个银行系统中,包括所有商行甚至央行,却总共只有23万亿的准备金(基础货币)为如此大规模的储蓄存款来背书,剩下的大部分存款规模,则是由社会各类间接融资债务的债务人来为其背书,一旦中债危机爆发,那么所有的债务人将失去其为储蓄存款的背书能力,从而导致银行存款出现巨大的安全风险,因为这个规模实在太大,央行和政府无有效的救助办法,所以我国的准货币体系的本质是银行大量的储蓄存款其实均处在不安全的巨大风险之中(无法足额兑付导致巨大的挤兑风险)。这个客观事实,是被社会显著忽视和无视了的,这也是美银和HK李很早就撤离中国大陆的原因,其他各大资本在资本管制加强时,撤离会受限制,资本管制虽然有抑制危机爆发速度的作用,但从根本上无法化解这个危机,因为我国社会1.5万亿美元规模的融资外债,5000亿美元规模的货币互换,还有大量合法的FDI,和正常合法的进口需求,都需要使用外汇,而这所有的外汇需求导致的购汇操作,产生的效果都是一样的,至于热钱外流这里也就不提了。金准数据AI平台认为这里的核心因素就是中债危机的爆发。

      中债危机为什么一定会爆发呢?

      金准数据AI平台认为首先我国社会的融资债务规模巨大,所有的间接融资和部分已经被统计的社会直接融资(仍不包括部分影子债务)的规模就已超160万亿规模了,为基础货币的5倍规模以上,全社会所有的债务偿还去杠杆,必须最终都会来源于一个因素上,就是消费市场的买方购买行为及买方货币的支付转移,可是现在社会上大量的间接融资掠夺了社会普通消费者,大量的直接融资掠夺了相对富裕的中产和部分富裕群体,那么社会上的买方的购买支付能力将萎缩和消失,卖方则一定无法套现去杠杆,这是存在于经济生产和消费市场中的死循环,无解,所以中债危机一定会以猛烈破坏性的方式来爆发,而没有有效的化解办法。我国目前仍在涸泽而渔掠夺消费市场。

       针对基础货币萎缩的问题,我国央行是否可以通过各种方式新增人民币基础货币的发行呢?可以,但在另一个逻辑上,央行大规模释放基础货币,在本质上却是做空自己外汇储备的行为,而我国央行无法发行美元等其他外汇,这会导致人民币货币主权信用危机。因此随着我国外汇储备及外汇占款的降低,就会抑制央行继续发行基础货币的冲动了。

       所以,在经济市场(消费市场的买方支付能力消失),金融市场(资本流入转为资本流出及融资成本上升),货币体系内部(M2极限理论及商行流动性紧张,央行基础货币萎缩)等等因素,均处处存在无法化解危机的死结。没有任何有效的办法化解危机。一场中债危机爆发之后引发的巨大通缩必然来临且无法侥幸避免。而通缩对于债务经济体来说,其破坏威力远大于大通胀。将会导致全社会被动去杠杆,各类资产价格继续雪崩。PPI和CPI均会出现大幅度的负增长。

      金准数据AI平台认为当前各大资本在经济市场因消费需求萎缩的前提下,不会进入实体经济投资,因为经济市场买方需求和支付能力快速萎缩和消失,会令投资的收益会大幅度降低,因此大量的资金在各类总满足零和原则的金融市场里交易投资、投机,如股票市场,债券市场,期货市场,各类直接融资市场,各类投机物品如比特币,莱特币,以太币等等市场。所以,当前各类金融市场的交投火爆就是这个原因导致的,一旦这类金融资产市场被玩坏,那么资金没有好的去处而外流时(美元加息缩表可以引导资本外流),则会加剧这个危机的来临速度和破坏程度。

      以上金准数据AI平台仅从中债危机爆发之后导致资本外流,导致我国基础货币萎缩的因素上推导未来导致大通缩的逻辑,这里还只是其中一个因素,导致未来大通缩是多因一果而非一因一果的关系,另外,中债危机爆发导致融资资金的实际债息远远高于资金的盈利能力,则会导致社会信用创造消失,这里从货币流速上来思考则更会导致严重的通缩形成和深化发展。

     总之从金融,经济,社会融资与货币流速,基础货币的供应等等问题上,金准数据AI平台均可推导得出未来必然大通缩。

     在央行的资产负债表中,目前有8.5万亿人民币对其他存款性公司债权方式释放的基础货币,这是目前央行频繁通过SLF,MLF,再贷款等等工具补充商行流动性所在的项目。在资本外流外汇占款萎缩了超5万亿人民币规模的基础上维护了央行资产负债表的稳定甚至扩张。那么未来央行资产负债表会如何发展呢?

      金准数据AI平台认为,首先,央行不可能主动紧缩货币,因为只要央行紧缩货币就是紧缩基础货币。则会导致商行流动性紧张和债务经济体资金链断裂,债务危机,金融危机,经济危机就此爆发。

     其次,未来中债危机一旦爆发之后,将会导致央行快速被动缩表。

     金准数据AI平台可以作一个很极端的推演。

      假如中国市场上160万亿的M2中,只要流出其中16分之1约10万亿人民币资本,将会导致外汇占款萎缩10万亿(外汇储备也将萎缩约超1万亿美元规模),这个时候,很多商行将被迫破产,央行是不会让自己对商行的再贷款变呆坏账的,因此将动用法定准备金直接冲消对其他存款性公司债权,同时中债危机的爆发,经济萎缩及萧条,各路融资的实际债息会远远高于资金的收益,各类融资需求消失,SLF,MLF已无续作必要。因此,一旦中债危机爆发,央行资产负债表会从外占和对其他存款性公司债权上双向快速缩表和萎缩。为应对商行的大面积破产,央行或许会将法定准备金充当存款保险金应对危机,保护民生。同时大银行将向吞并中小银行这个方向发展。中国金融体系将变成银行变得大而少,而不是朝小而多这个方向发展。

     最后的结果,首先是中债危机明确爆发之后导致央行被动被迫快速缩表,其次是人民币货币信用的提升与回归,却会建立在人民币汇率大贬值的基础之上的。

     这是很难令人想象的一个判断。但这是金准数据AI平台对未来央行货币体系大走势的一个预测,并很有可能成为客观事实。


金准数据 亚马逊推广模式分析报告 2017-08-11 16:54:15

今年6月,沃尔玛已经要求一些技术提供商,不要使用亚马逊的云服务。看来,亚马逊收购全食超市、切入线下零售后,美国零售企业几乎疯狂了。事实上,贝佐斯的亚马逊帝国“疆域”有多大呢?金准数据带您走近亚马逊。

一、亚马逊的商业疆域

上面一张图算是对贝佐斯建立的商业帝国做了一个概括,左边是以亚马逊为主体收购的业务,右边是贝佐斯个人投资的业务,看几个知名的。

Alexa,全球著名的网站流量统计、分析数据服务商,Alexa排名也是全球最权威的网站影响力参数。

IMDB,喜欢电影的朋友都知道,全球著名影视评分网站,豆瓣的电影评分雏形就来自于它。


Zappos,美国最大的网上鞋类销售网站。

Lookout,移动安全服务商。

Juno,美国著名生物医药公司。

Business Insider,著名商业媒体。

Twitter,一个广受欢迎的社交网络及微博客服务的网站。


还有两个重磅的:

《华盛顿邮报》:美国最具影响力的报业集团之一。

蓝色起源:贝佐斯也在造火箭,虽然看起来比马斯克节奏慢了很多,但是慢工出细活,而且贝佐斯的强项是迅速规模化,让我们拭目以待。

从收购来说,全食超市自然很“费钱”,137亿美元;Zappos花了12亿美元,不过主要是股票折价交易;Alexa用了2.5亿美元;至于影响大、读者多的IMDB,1998年贝佐斯就拿下了,当时花了6000万美元;而《华盛顿邮报》的收购也是2.5亿美元。

而在投资上,一次性开销方面花费最大的是1.5亿投资Lookout;Juno花了1.34亿美元(此前还投过3400万),这两笔投资都是2014年发生的。而在机器人方面,贝佐斯早在2008年就开始投资了。对Rethink Robotics公司的投资从第一次的500万开始,后面不断追加多轮投资,而这家公司的货物分拣机器人,对亚马逊显然极具实用价值。

贝佐斯还是多家知名公司的早期投资人。如日中天的Google当年的天使投资人就是贝佐斯。1998年他投入了100万美元在稚嫩的Google上;而如今市值庞大,正在重组管理团队的Uber,在2011年也曾经获得贝佐斯3700万美元投资;另一家这几年势头不错的短租独角兽Airbnb,更是在2011年获得过他1.16亿美元的投资。

从这些投资,你可以看出,贝佐斯的商业嗅觉还是非常敏锐的。

贝佐斯的商业帝国庞大,但是他一直扎实慢慢推进构筑,他不会高调的伸张什么“生态”或者生态化反,当你明白过来的时候,他已经牢牢的掌控大局,敏锐的商业嗅觉,扎实的做事风格,这样的贝佐斯,在开始“新零售”之路的时候,又怎能不让沃尔玛们瑟瑟发抖呢?


二、亚马逊当前业绩

1、销售很强大,利润太微薄

今年4月,亚马逊公布了今年第一季度的财务报告。从总体数据来看,亚马逊本季度的表现不俗,超过了华尔街预期。同时,亚马逊的图书业务依然发展迅猛,Kindle的销售也够强劲。不过,这份报告也揭露了亚马逊目前商业模式的一个瓶颈,以及亚马逊今年的一个战略走向。

尽管亚马逊所有的重头业务在这个季度的销售量和营收都有所增长,但是,亚马逊整体的利润空间还是很窄,净利润也有所下滑。

亚马逊本季度全球的利润率是 1.5%,低于一年前的3.3%。而苹果在本季度的利润率则高达44.7%。尽管拿这两个风马牛不相及的数据作比本身意义不大,但是,这也从侧面说明了两个公司在业务和商业模式上的区别。

对苹果来说,它只要专注于那几个明星产品即可。电子产品本身的利润空间是比较可观的,同时,苹果通过产品的高端定位以及生产外包,进一步扩大了利润率。而做电商的亚马逊什么都卖,而且必须通过各种途径来销售它的产品,以保证盈利。由于不同产品的利润率不同,而实体零售牵涉到各种组织和物流成本,它的实际利润空间还比较有限。

幸运的是,亚马逊的数字产品并没有实体商品的其他成本,所以Kindle系列有望扩大亚马逊的利润空间。而且,这个战略似乎也确实起到了作用。今天,comScore就发布报告说,Kindle Fire的市场份额占到了Android平板电脑的一半以上。尽亚马逊通过Kindle和Kindle Fire本身并没有赚到什么钱,但是这两款产品却帮助亚马逊迅速扩张了它的消费者市场,促进了其数字和零售产品的消费。

不过,还有一个原因不能忽视:亚马逊将大笔的资金都投资在公司的未来发展上了,而这是亚马逊一贯的作风。

上市公司应该尽自己最大努力保证公司具有长远的发展、使股东利益最大化,这已成为业内信条。而亚马逊在这方面堪称典范,而它现在依然是全世界增长最快的公司之一。


2、大投资

亚马逊的投资回报率下降到了12%。但是,不得不说,亚马本季度的几项投资都算是长远投资。

Kindle Fire可以说是亚马逊的第一个明星产品,而它本身就是一笔投资。在前面我们已经说过,亚马逊通过卖Kindle Fire本身挣不到钱,但是这是亚马逊占领消费者市场很重要的一步。而这一步现在已经算是成功了,那些购买Kindle Fire的用户确实也消费了更多亚马逊的媒体产品,而后者才是亚马逊赚钱的利器。

除此之外,亚马逊本季度还花了7.75亿美元收购Kiva系统。亚马逊管理库房的机器人都是由Kiva生产。所以,在这次收购之后,亚马逊就可以建造自己的机器人。这笔收购的价格不菲,但是,Kiva的机器人能举起重达3000磅的货物,像蜜蜂一样成群地在仓库里来回穿梭忙碌。而且,仓库的电脑控制系统会指挥机器人把最畅销的货物放到最前面,把用来搭配销售的货物放到同一个货架上。Kiva System创始人Mick Mountz表示,Kiva可以让每小时处理的订单量达到传统方式的2-4倍。所以,这种高效的仓储管理可能会为亚马逊的产品销售带来更大的利润空间。而且,亚马逊现在也可以依靠出售这些机器人给其他公司来挣一笔。


3、招兵买马

但是,奇怪的是,亚马逊却并没有因此而减少雇人。实际上,亚马逊本季度的第三大投资便是:招了9400名员工,而这是亚马逊有史以来规模最大的一次季度招聘。根据亚马逊CFO的消息,大部分新招的员工都是在运营和客户服务部门工作。


按理说,Kiva的机器人应该会为亚马逊减小不少的劳动力,为什么亚马逊还需要大规模招人呢?部分原因是,亚马逊的这种业务模式随着其规模的扩大,人工劳动也会扩大。


三、推广方式解析

亚马逊推广的两种方式:站内推广、站外推广

1、站内推广

亚马逊的官方站内推广方式主要分为两种方式,一种为非报名类,另外一种为邀请类推广。

非报名类推广:亚马逊依据商品搜索量和销售趋势决定推广的产品,会在首页为该产品做一个宣传,非报名类活动不需要报名,亚马逊会根据自己的算法来决定展示什么产品给消费者看。

邀请类推广:亚马逊会定期的组织某个主题的促销活动,活动会有严格的筛选条件,活动是邀请制,亚马逊会邀请符合其规定的卖家参加活动。如果你没有获得邀请却想参加活动,你可以通过客户经理去申报参加秒杀或者促销活动。

这类推广方式是亚马逊根据自己的算法来帮助卖家做一些推广活动,想要获得此类机会,你就得符合亚马逊相关的要求。


1)非报名类活动,亚马逊会根据自己独特的算法抓取卖家某款产品参加活动,一般会抓取listing排名靠前的产品,与产品的销量有直接关系,需要提高listing的排名。

可以从以下几种方式去优化listing:

价格:价格方面相对于同类型的产品便宜,或者有优惠时,排名会靠前。

物流:尽量选择亚马逊的FBA发货,这样会对listing排名有帮助。

评价review对listing的排名也很重要,提高review的好评率,至于想快速提高,你懂的!

销量:产品的销量与listing的排名成正相关。

上架时间:新产品会受到亚马逊一定程度的照顾。

2)邀请类的活动:这类的活动门槛就更高了,只有极少数的卖家才能得到这样的机会,只有那些listing做的好,而且转化率高的店铺才能获得这类机会。在此之前,你只需要做好店铺各方面的优化,提高排名,等到有机会的参加活动的时候,通过活动带来更多的流量就行。

2.亚马逊站外推广方式:通过亚马逊网站以外的方式获得推广流量

站外推广的方式多种多样,没有绝对的好坏之分,适合自己产品的站外推广方式才最好的方式。

1)社交营销引流

比较常用的营销引流社交平台有Facebook、Twitte、Pinterest、Quora、askfm、Slideshare等等活跃的社交平台。社交营销引流你得有粉丝,通过和粉丝的亲密互动以及有趣的问答都能增加粉丝的粘度,从而带动你粉丝经济的发展。


2)搜索引擎推广

比较常用的搜索引擎推广方式有谷歌、Bing、Yahoo,一些当地的搜索引擎也是不错的流量来源。要想使你的搜索引擎推广达到最优的ROI,就得优化好你listing的关键词,关于关键词的寻找方式请参见: 17b2c:亚马逊产品关键词怎么找?


3)博客引流

自建n多个博客来帮你引流,至于多少个,那就看你自己的选择了。首先,你可以使用爬虫等软件抓取slickdeal,fatwallet等网站的数据,同步更新到你的博客上,在这些产品信息中放上你自己的产品。通过这种方式慢慢的聚集人气和粉丝,为你的产品引流。如果你觉得做博客太麻烦,你可以和一些比较有名的博主合作,让他帮你的产品引流。


(4)Deal站引流

Reddit流量较大,但是转化率却并不高。有Deal的大流量,你投放广告是不会亏本。 根据自己产品的调性,选择不同国家的Deal站来投放广告。

加拿大:Redflagdeal ,法国:dealabs ,英国:hotukdeal ,Wowcher ,Kgbdeals ,西班牙:tringa, LetsBonus , 俄罗斯:mysku . 美国: dealnews,http://woot.com 日本:kakaku,ponpare等 等。


(5)Coupon站引流

品牌做得好的coupon站的影响力会比较大.卖家们可以在在各大coupon站内投放文字、banner广告,按点击付费。 Retailmenot站排名很高 ,是允许免费提交coupon的,效果还好。还有部分coupon站也可以。

·你只有加入Amazon联盟才能进入更多的coupon站。


6)视频网站引流 主流的视频网站引流方式有YouTube,Dailymotion,Vimeo等视频分享网站,亚马逊上面的热销品以及价格低的产品比较适合在上面做引流。

(7)网红引流

国外的网红一般都有自己的社交网站和博客,如果你能找到网红合作,那你不用愁店铺的流量和销量,一般比较大的网红都有自己的亚马逊店铺。你还可以去MODE找,MODE是一款海外比较火的女性时尚APP,聚集了大量的网红。


8)论坛引流

寻找一些中等的论坛,和论坛主合作,为你开辟单独的品牌专区。或者你还可以找一些论坛的大V帮你推荐。


金准数据 资产管理行业研究报告 2017-08-11 11:00:25

     金准数据AI平台认为资产管理公司(Asset Management Corporation,AMC )是国务院在借鉴国际经验的基础上成立的以解决不良资产为目的的金融性公司。以收购、管理、处置商业银行剥离的不良资产,以最大限度保全资产、减少损失为主要经营目标。四大资产管理公司分别是中国东方资产管理公司(对应接收中国银行的不良资产)、中国信达资产管理公司(对应接收中国建设银行和国家开发银行的不良资产)、中国华融资产管理公司(对应接收中国工商银行的不良资产)、中国长城资产管理公司(对应接收中国农业银行的不良资产)。

     金准数据AI平台认为四大AMC的主要业务模式分为以下四种:

      第一种模式,从四大资产管理公司实践看,最简单的方式就是买断,银行将不良资产打包后,批量转让给资产管理公司,根据资产包的规模,资产管理公司可以采取一次性买断或分期买断的方式,分期买断的方式可以从一定程度上减轻资产管理公司的资金压力。

      第二种模式是合作处置。在政策性接收国有银行不良资产的阶段,资产管理公司对债务人有了初步的了解,但是并不能深入产业,现阶段可以联合同行业优质企业,对不良资产进行重组,最终实现利益共享。

      第三种模式是反委托处置。资产管理公司买断银行不良资产包后,将资产的收益权卖给信托计划或券商资管计划,资产的所有权仍归属于四大资产管理公司,同时资产管理公司继续负责不良资产的处置。这一模式中,资产管理公司可将资金成本提前回收,解除资本占用,而风险则由投资者自己承担。

      第四种是不良资产证券化。资产管理公司从银行买断不良资产包后,通过测算现金流,采取折价的方式,以信托计划作为SPV,然后发行重整资产支持证券,向投资者出售。至于不良资产后期的管理,仍然可以委托资产管理公司进行管理。

      以下,金准数据AI平台以中国华融(2799.HK)举例说明。

      中国华融资产管理公司成立于1999年,是中国政府为应对亚洲金融危机、化解银行体系金融风险和推动国有银行和国有企业改革发展而组建的四大资产管理公司之一。2006年以前,中国华融对口接收和处置中国工商银行的不良资产。2006至2012年,公司进入商业化转型时期,并在2012年完成股份制改革,成为由财政部、中国人寿保险(集团)公司共同发起设立的国有大型非银行金融企业。目前,中国华融服务网络遍及全国30个省、自治区、直辖市和香港、澳门特别行政区,设有33家分公司(营业部),旗下拥有华融证券股份有限公司、华融金融租赁股份有限公司、华融湘江银行股份有限公司、华融国际信托有限责任公司、华融期货有限责任公司、华融融德资产管理有限公司、华融置业有限责任公司、中国华融国际控股有限公司等多家平台公司,对外提供不良资产经营、资产经营管理、银行、证券、信托、租赁、投资、期货、置业等全牌照、多功能、一揽子综合金融服务。


                          图1 中国华融的股权结构


       中国华融2016年总资产达到1.4万亿元,自2012年以来年均复合增长率达到46%。2016年实现净利润(不含少数股东权益)196亿元,同比增长35%,亦保持着行业领先地位。资产大规模扩张的同时,公司的盈利水平依然保持在行业较高水平,2016年实现ROE约18.4%,2015年的ROE较低主要是受当年在香港上市摊薄的影响。目前,穆迪、标准普尔和惠誉分别给予A3、A-和A的评级。

图2:中国华融的资产规模及盈利水平


     金准数据AI平台认为从收入构成来看,中国华融的核心业务部门包括:不良资产经营、金融服务以及资产管理和投资,2016年三大业务部门的收入占比分别为52%、25%和22%,税前利润占比分别为52%、23%和25%。

图3:中国华融的收入分布

                 图4:中国华融的盈利分布


       从华融数据来看,近两年来处置类业务周转率提高,但项目处置的IRR有一定下滑。2016 年处置不良债权资产总额/期初不良债权资产总额的比值高达1.98,项目收购半年即完成处置,回收成本;而2015 年、2014 年的数据分别为1.42 和0.94,项目处置周期被大大缩短。处置进度加快,资管公司的议价能力被压缩, IRR 有下降趋势,2016 年为15.9%,三年平均IRR 为17.37%。

图5:中国华融收购处置类业务经营状况


      金准数据AI平台认为,目前,不良资产行业已由原来的四大AMC垄断局面,逐步变为“4+2+N+银行系”的多元化格局。其中,“2”代表两家地方AMC。去年10月,银监会为地方AMC政策松绑,允许有意愿的省级政府增设一家地方AMC,并取消不良资产不得对外转让的限制。

麦肯锡公司的研究报告指出,中国不良资产市场或将迎来爆发式增长。一方面,传统金融机构持有的不良资产规模正在持续上升,预计2020年将达到约4.8万亿元。另一方面,非金融机构应收账款规模不断攀升,回收周期不断延长,对于资产及债务重组的需求日益高涨,其不良资产规模也在飞速扩张,预计2020年可为资产管理公司提供约0.8万亿元的市场。

              图6:中国银监会批准设立的地方AMC公司列表


      地方AMC中国与传统4大AMC在职能分工上有所区分,主要区别在于地方AMC仅能处置当地区域内的不良资产,且其持有的不良资产单笔规模较小,处置难度相较四大AMC而言较方便。但金准数据AI平台认为地方AMC因其成立时间较短,投资能力等方面存在不足,议价能力会受到一定制约。

                           图7:四大AMC与地方AMC主要区别对比


      总体而言,金准数据AI平台认为地方AMC的设立打破并缓解了原先不良资产主要以四大AMC为主的格局。各路地方AMC纷至沓来,可以有效提高不良资产的处置效率,提升不良资产的周转速度,降低不良资产的处置风险。