• 项目
首页>>文章列表 >>行业研究
行业研究

金准数据 北京城市总体规划分析报告 2017-10-10 17:25:40

9月29日,《北京城市总体规划(2016年—2035年)》正式发布。相比草案,本轮规划期由此前的2030年改为2035年。城市空间结构由“一主一副、两轴多点”,改为“一核一主一副、两轴多点一区”。另外,为推进京津冀协同发展,新增单独章节,对支持河北雄安新区规划建设作出安排,提出建设以首都为核心的世界级城市群。未来还将一年一体检、五年一评估,以此对城市总体规划的实施情况进行实时监测、定期评估、动态调整。

金准数机为您具体分析《北京城市总体规划》报告。


一、报告内容

1、 建设什么样的首都

 战略定位:全国政治中心、文化中心、国际交往中心、科技创新中心。

 发展目标:国际一流的和谐宜居之都。

 城市规模:常住人口到2020年控制在2300万人以内,并长期稳定在这一水平;城乡建设用地规模到2020年减到2860平方公里左右,到2035年减到2760平方公里左右。

 空间结构:一核一主一副、两轴多点一区

2、怎样建设首都

1)核心区“两减一增一控”

核心区逐步降低人口密度,逐步降低建设密度,增加绿地和水域,加强建筑高度控制。

2)中心城区有序疏解非首都功能

· 疏解腾退区域性商品交易市场。严禁在三环路内新建和扩建物流仓储设施,严禁新建和扩建各类区域性批发市场。

· 疏解大型医疗机构,鼓励五环路内现有综合性医疗机构向外迁建或疏解。

· 严禁高等院校扩大占地规模,严控新增建筑规模、办学规模。


3)高水平规划建设北京城市副中心

·  构建“一带、一轴、多组团”的空间结构。

·  建设水城共融的生态城市、蓝绿交织的森林城市、古今同辉的人文城市。

·  坚持建管并举,努力使未来北京城市副中心成为没有“城市病”的城区。

4)构建高精尖经济结构

· 高水平建设三城一区,聚焦中关村科学城,突破怀柔科学城,搞活未来科学城,加强原始创新和重大技术创新。

· 重点实施新能源智能汽车、集成电路、智能制造系统和服务、自主可控信息系统、云计算和大数据、新一代移动互联网、新一代健康诊疗与服务、通用航空与卫星应用等新产业,全力打造北京创造品牌。



5)全域空间管制

· 划定城市开发边界和生态控制线,将市域空间划分为集中建设区、限制建设区和生态控制区,实现两线三区的全域空间管制。

· 永久性城市开发边界范围原则上不超过市域面积的20%。

· 生态空间只增不减、土地开发强度只降不升。

· 加强城乡统筹,把握好新市镇、特色小镇、小城镇三种形态的新型城镇建设。

6)缓解交通拥堵

· 打造一小时交通圈,到2020年轨道交通里程达到1000公里左右,到2035年不低于2500公里。

· 大幅增加城际铁路和区域快线(含市郊铁路)里程。

· 从源头调控小客车出行需求,鼓励发展新能源汽车。

· 建立停车资源登记制度和信息更新机制,利用科技手段提升停车位使用效率。

· 积极引导共享自行车、网约车、分时租赁等新兴交通模式健康发展。

 

7)提升环境品质

· 构建“一屏、三环、五河、九楔”的市域绿色空间结构。

· 到2020年建成区人均公园绿地面积达到16.5平方米,到2035年提高到17平方米。到2020年建成区公园绿地500米服务半径覆盖率达到85%,到2035年达到95%。

· 中心城区建设两道一网(绿道系统、通风廊道系统、蓝网系统)。

· 2020年PM2.5年均浓度下降到56微克/立方米左右,2035年大气环境质量得到根本改善,2050年达到国际先进水平。


8)完善购租并举的住房体系

· 增加共有产权住房与中小套型普通商品住房供应。

· 研究扩大租赁住房赋权,公共租赁住房向非京籍人口放开。

· 未来五年新供应各类住房150万套以上。其中,产权类住房约占70%,租赁类约30%。产权类住房中,商品住房约占70%,保障性住房约占30%。商品住房中,共有产权住房、中小套型普通商品住房约占70%。共有产权住房中,70%面向本市户籍人口,30%面向非京籍人口。

· 到2020年全市城乡职住用地比例由2015年的1:1.3调整为1:1.5以上,到2035年调整为1:2以上。

· 优化就业岗位分布,缩短通勤时间,创新职住对接机制,推进职住平衡发展。

9)提高民生保障和服务水平

· 深入推进学区制改革和九年一贯制办学。

· 做到各区都有高等院校和三甲医院。

· 一刻钟社区服务圈2020年基本实现城市社区全覆盖,2035年基本实现城乡社区全覆盖。

· 2020年城区家庭宽带接入能力普遍达到1千兆比特/秒(Gbps),移动通信实现4g网络全覆盖,成为5G首批试点商用城市。

 

(10)历史文化名城保护

· 加强老城和三山五园地区两大重点区域的整体保护。

· 推进三条文化带(大运河文化带、长城文化带、西山永定河文化带)的整体保护利用。

· 老城原则上不再拓宽道路,不再拆除胡同四合院。

· 保护和传承传统地名、戏曲、音乐、书画、服饰、技艺、医药、饮食、庙会等老字号文化资源。

· 构建看城市、看山水、看历史、看风景的城市景观眺望系统。

· 加强建筑高度、城市天际线、城市第五立面与城市色彩管控。

· 建筑设计要把控基调,体现多样性。建立责任规划师和责任建筑师制度。

·  建立街巷长制。

 


11)京津冀协同发展

· 建设以首都为核心的世界级城市群,实现北京城市副中心和雄安新区“两翼”比翼齐飞。

· 全力支持央属高校、医院向雄安新区疏解。支持市属学校、医院到雄安新区合作办学、办医联体。

· 支持部分在京行政事业单位、总部企业、金融机构、科研院所等向雄安新区有序转移。在雄安新区合作建设中关村科技园区。

· 借助筹办2022年北京冬奥会的契机,共建京张文化体育旅游带。

· 加强交界地区统一规划、统一政策、统一管控,防止城镇连片开发。

 12)规划实施保障

· 建立一年一体检、五年一评估的常态化机制,对总体规划进行实时监测、定期评估、动态维护。

· 建立规划实施的监督考核问责制度,对违反规划和落实规划不力的依法依规追究责任。


二、分析理解

2005年国务院正式批复《北京城市总体规划(2004年-2020年)》以来,国务院批复和总体规划得到了认真贯彻执行,在指导城市建设发展方面发挥了重要作用,规划确定的2020年发展目标多数已经提前实现,首都经济社会发展和城乡面貌发生了巨大变化,北京已经步入现代化国际大都市行列。

但是,经过十年的飞速发展,有些指标也早已突破了上版总规确定的2020年控制目标,一些深层次矛盾和问题逐步显现,特别是人口资源环境矛盾日益凸显,人口过多、交通拥堵、房价高涨、大气污染等“大城市病”十分突出。如何制定有针对性的治理目标和对策,需要从城市总体规划的战略性、全局性角度,寻求综合解决方略。

与此同时,首都发展也面临新的形势和重大机遇,经济发展进入新常态,京津冀协同发展战略的实施,规划建设北京城市副中心、河北雄安新区等重大战略决策出台,以及筹办2022年北京冬奥会、深入推进“一带一路”建设等,这些都将对首都未来产生重大而深远的影响,需要从长远发展角度进行统筹考虑,编制新的城市总体规划。

最为重要的是,党的十八大以来,习近平总书记两次视察北京并发表重要讲话,为我们做好新时期首都工作指明了方向。为全面贯彻落实习总书记视察北京重要讲话精神,系统谋划和回答新时期“建设一个什么样的首都,怎样建设首都”这一重大课题,依据国家有关法律法规和政策文件,北京市组织编制了《北京城市总体规划(2016年—2035年)》。


1、规划期延长与“两个一百年”目标衔接

此次总规的主要特点之一,是以习近平总书记两次视察北京重要讲话精神为根本遵循,围绕“建设一个什么样的首都、怎样建设首都”这一重大问题来编制,进一步强化“四个中心”的城市战略定位。

根据此前草案,北京城市总规的规划期限为2016年至2030年,此次更改为2035年。《总体规划》确立了三阶段目标。近期到2020年,规划目标年2035年承上启下,远景展望到2050年,以与“两个一百年”奋斗目标进程更好地衔接。

近期规划年限对应建党一百周年,到2020年建设国际一流的和谐宜居之都取得重大进展,率先全面建成小康社会,疏解非首都功能取得明显成效,“大城市病”等突出问题得到缓解,首都功能明显增强,初步形成京津冀协同发展、互利共赢的新局面。到2035年,初步建成国际一流的和谐宜居之都,“大城市病”治理取得显著成效,首都功能更加优化,城市综合竞争力进入世界前列,京津冀世界级城市群的构架基本形成。

同时,远景展望呼应建国一百周年。2050年全面建成更高水平的国际一流的和谐宜居之都,成为富强民主文明和谐美丽的社会主义现代化强国首都、更加具有全球影响力的大国首都、超大城市可持续发展的典范,建成以首都为核心、生态环境良好、经济文化发达、社会和谐稳定的世界级城市群。

2、城市空间结构增“一核”“一区”

根据此前草案,北京的城市空间布局为“一主一副、两轴多点”,此次提出“一核一主一副、两轴多点一区”的城市空间结构。

总规提出,中心城区要降低人口密度,2020年中心城区常住人口规模控制在1085万人左右。而“一区”,是京津冀协同发展格局中西北部生态涵养区的重要组成部分,这是首都重要的生态屏障、水源保护地和“大氧吧”,是保障首都可持续发展的关键区域。


3、严守三条红线

新总规提出将严守三条红线,即人口总量上限、生态控制线以及城市开发边界。

人口总量上限位列三条红线首位,将按照以水定城、以水定人的要求,根据全市可供水资源量和人均水资源量,确定北京市常住人口规模2020年控制在2300万人以内,2020年以后,长期稳定在这一水平。

其次是生态控制线。将以生态保护红线、永久基本农田保护红线为基础,将具有重要生态价值的山地、森林、河流湖泊等现状生态用地和水源保护区、自然保护区、风景名胜区等法定保护空间划入生态控制线。



具体而言,2020年全市生态控制区面积约占市域面积的73%,2035年提高到75%。初步划定全市生态保护红线,占市域面积的25%左右。严格划定永久基本农田,2020年耕地保有量不低于166万亩,基本农田保护面积150万亩。

城市开发边界方面,2015年城乡建设用地规模是2921平方公里,2020年要压减到2860平方公里左右,2030年压减到2760平方公里左右。下一步将编制分区规划和实施方案,依据各区功能定位和资源条件,分解落实减量任务,制定减量计划。


4、新增章节支持雄安新区建设

根据此前草案,文本主体部分分为落实首都战略定位、优化空间布局、科学配置要素、加强历史文化名城保护等六个部分内容。

新总规显示,主体部分共分为八章,新增两章,分别为第六章“加强城乡统筹,实现城乡发展一体化”,以及第七章“深入推进京津冀协同发展,建设以首都为核心的世界级城市群”。

对接支持河北雄安新区规划建设,包含在第七章内。其提出,要努力形成北京城市副中心与河北雄安新区比翼齐飞的新格局。将建立与河北雄安新区便捷高效的交通联系。支持在京资源向河北雄安新区转移疏解,积极引导中关村企业参与河北雄安新区建设,在河北雄安新区合作建设中关村科技园区。

另外,促进公共服务等方面的全方位合作,支持市属学校、医院到河北雄安新区合作办学、办医联体,共同促进河北雄安新区建设完善的医疗卫生、教育、文化、体育、养老等公共服务设施。  


5、设42项指标评估城市发展

建设国际一流的和谐宜居之都,是总规确定的城市发展目标。此次规划还通过结合北京实际情况,借鉴国内外超大城市发展经验,贯彻创新、协调、绿色、开放、共享的发展理念,初步建立国际一流的和谐宜居之都的评价指标体系,共42项指标,以此对城市发展目标进程进行评估。据悉,42项指标涵盖备受关注的人口规模、PM2.5控制等目标。

例如,北京常住人口规模2020年控制在2300万人以内,2020年以后,长期稳定在这一水平。2020年城六区常住人口控制在1085万人左右。

生态方面,2020年全市生态控制区面积约占市域面积的73%,2035年提高到75%。到2020年PM2.5年均浓度由2015年的80.6微克/立方米下降到56微克/立方米左右,到2035年大气环境质量得到根本改善,到2050年大气环境质量达到国际先进水平。


6、首提减量发展以“疏解”为牛鼻子

这是新中国成立以来,北京第七次编制总规。

新版总规首次提出了减量发展的理念,改变了以往聚集资源谋发展的思维定式,以疏解非首都功能为“牛鼻子”,坚持疏解功能谋发展。规划通篇贯穿了疏解非首都功能这个关键环节和重中之重,通过疏解功能带动人口疏解,通过内部功能重组提升首都核心功能,实现城市功能和布局的优化,从而更好的发展。

不止是减,中心城区提出了“三减、三增、三严控”的建设管控要求。“三减”指中心城区要减少常住人口规模,减少城乡建设用地,减少产业用地;“三增”指增加居住用地,增加公共设施和基础设施用地,增加绿地等公共空间;“三严控”指严控规划总建筑规模,严控非首都功能增量,严控超高层建筑(100米以上)的高度和选址布局。

另外,本次规划编制更加注重以市民最关心的问题为导向,聚焦了人口过多、交通拥堵、房价高涨、大气污染等“大城市病”治理,从源头入手综合施策。


7、跳出北京看北京 立足京津冀协同发展

本次规划与以往还有一个很大的不同,就是跳出北京看北京,上升到国家发展需要的高度,立足京津冀协同发展,来规划北京的未来,提出要努力打造以首都为核心的世界级城市群。因此,规划用专门一章来强调深入推进京津冀协同发展,对支持河北雄安新区规划建设也作出安排。

以往的大城市总体规划基本上只讲自己区域范围内的事,这一轮北京总规专门有一个章节讲京津冀协同发展,是一个重要的创新点。这个创新点,最重要的是把北京放在京津冀协同发展这样一个大盘子,摆脱了“一城独大”、“一城独优”的传统发展模式。在讲到北京“两翼”的时候,一个是自己市域内的事情,一个是河北省的事情,两件事情同时写进北京的总体规划,恰恰说明北京的总体规划不能只管自己的一亩三分地,而是要同时考虑好区域的协同发展,帮助河北来发展好雄安新区,本身就是帮助北京。

金准数据 工业啤酒研究报告 2017-10-09 17:38:08

精酿啤酒的概念横空出世后,很多人不知道在处于什么目的之下,将工业啤酒当做是低劣啤酒的代名词,我真的特别想说,不要讲没有根据的话。

上面这张图完美地诠释了当今啤酒圈里的鄙视链。创造这条鄙视链的人犯了一个很大的错误,他狭义地定义了“工业啤酒”,在他的定义里,工业啤酒只是一个类型啤酒的代表。

这种比较是毫无意义的,也是毫无根据的,精酿啤酒是一种概念,德国啤酒是一种区域性啤酒,工业啤酒又是以生产方式分类的(与之对应的是手工啤酒),三个不相干的东西放在一起比较,毫无说服力。

金准数据将带您了解真正的工业啤酒是什么样子的。


一、工业啤酒与精酿啤酒

1、概念

精酿啤酒:限制年产量,追求啤酒风味的多样和个性。不计成本,通常选取上乘的原料,耗时较长。香味浓郁,口感醇厚,风味多样,适合慢慢品尝。酿酒狗、修道院、浅粉象等都是比较有名的精酿啤酒。

工业啤酒:产量大,,工业化生产,通过多种手段控制成本,原料低廉,酿造时间短。口感较淡,味道单一,适合大口饮用。平时听到的百威、燕京之类大多都是工业啤酒啦。


2、区别

1)酿酒原料不同

啤酒是以谷物、水为主要原料,加啤酒花(或酒花制品)经酵母发酵酿造而成,含有二氧化碳的低酒精度发酵酒。啤酒根据原料和发酵工艺,通常可以分为精酿啤酒和工业啤酒。常见的百威、嘉士伯、青岛和雪花等都是工业啤酒。

· 精酿啤酒:只使用麦芽、啤酒花、酵母和水进行酿造,不添加任何人工添加剂。与工业啤酒相比,麦芽含量更多,啤酒花添加更多,所酿造出来的麦芽汁浓度更高。通常,精酿啤酒酿造时不需要太多考虑成本,多数会选择上等的原料酿造而成。

· 工业啤酒:同样使用麦芽、啤酒花、酵母和水酿造而成,但为了追求成本,更多用大米、玉米和淀粉等原料取代麦芽。这样酿出的啤酒麦芽汁浓度非常低,口感偏淡。


2)发酵工艺不同

精酿啤酒和工业啤酒的发酵工艺也有所区别,通常精酿啤酒采用的是艾尔工艺(Ales,上发酵工艺),工业啤酒采用的是拉格工艺(Larges,下发酵工艺),二者最主要区别是发酵过程中酵母所在的位置和发酵温度不同。如图所示:

· 精酿啤酒:多为艾尔工艺,酵母在发酵罐顶端工作,浮在酒液的上方,发酵温度一般控制在 10-20℃。发酵罐通常较小,发酵结束后不进行过滤和杀菌处理。

· 工业啤酒:多为拉格工艺,酵母在发酵罐底部工作,沉在酒液的下方,发酵温度一般控制在 10℃ 以下。发酵罐较大,发酵结束后通常采用过滤和巴氏杀菌,增加啤酒的货架期(保质时间)。


(3)发酵时间不同

· 精酿啤酒:因为不需要太计较成本,所以发酵时间往往不会特别重视,不会太多考虑时间成本。最传统的精酿啤酒发酵时间可长达 2 个月,这样啤酒发酵充分,麦芽汁浓度更高,风味更为浓郁。

· 工业啤酒:对工业啤酒而言,时间就是金钱,因此工业啤酒发酵时间通常只为 7 天左右,这样发酵不会特别充分,导致麦芽汁浓度含量低,风味也更为清淡。


4)发展历史不同

精酿啤酒的发酵历史要长于工业啤酒的发酵,早在出现工业啤酒之前,就已经出现了精酿啤酒。

· 精酿啤酒: 一开始艾尔啤酒(精酿啤酒)由妇女生产,以保护她们的家人在恶劣的环境下(如瘟疫、饥荒、污染水源等)生存下来。在中世纪,大批人死于瘟疫,教会接手了啤 酒的生产。因啤酒的市场需求大增,利润也很高,精酿啤酒得到快速发展。当时,很多欧洲皇室也成立自己的皇家啤酒厂,酿造精酿啤酒。但随着制冷设备的出现, 质量稳定、不易变质和适合运输的工业啤酒开始流行起来。再加上玻璃制品的兴盛,透明酒杯中掺杂浑浊的艾尔啤酒就不怎么讨喜,人们越来越喜欢拉格啤酒(多为 工业啤酒)。

· 工业啤酒:19 世界 40 年代,德国巴伐利亚的啤酒酿造师将啤酒发酵工艺带到捷克的皮尔森,生产出世界上最早的黄金啤酒——皮尔森啤酒(工业啤酒),随着制冷的设备的出现这质量稳 定、不易变质适合大规模工业生产和运输的啤酒大行于世。随着交通方式的进步,很快皮尔森啤酒和皮尔森酿造法便在整个中欧普及开来。之后,欧洲流行的啤酒被移民者带到了美国,渐渐美国人也逐渐喜欢上这种啤酒,但由于美国的大麦较少,于是逐渐用玉米代替大麦用来酿造啤酒,再后来演变成用大米或淀粉等来代替大麦酿造啤酒,就形成了现在市面上看到的美国工业啤酒。


5)风格和营养价值不同

· 精酿啤酒: 精酿啤酒通常添加的麦芽、酵母和啤酒花种类和数量较多,可酿造出来的风格种类各异,有香气袭人的小麦啤酒、厚重的黑啤酒、琥珀啤酒以及水果啤酒等,全世界 按照种类划分,有近 100 种风格的精酿啤酒。这些精酿啤酒都具有浓郁的香气,高含量的麦芽汁,厚重饱满的口感,营养价值更高,售价高等特点。精酿啤酒酒精度多为 11 度以上,有些加烈精酿可达 20 度。

· 工业啤酒:为了统一的成品口感,通常工业啤酒酿造工艺和风格单一,再加上发酵时间极短,所以工业啤酒具有口感淡、气泡多、麦芽汁浓度低、啤酒花含量少和酒精度低等特点,其自然营养价值和售价也较低。

6)保存时间不同

· 精酿啤酒:多数精酿啤酒不进行过滤和杀菌处理,因此,精酿啤酒不太耐保存。多数精酿啤酒保质期较短,有些保质期仅为几十天。

· 工业啤酒:工业啤酒在发酵后期,会经常过滤和巴氏灭菌处理,保质期较长。一般工业啤酒保质期为 1-2 年,有些甚至可达数十年。


7)喝法不同

· 精酿啤酒:通常口感较浓郁厚重,酒精度高,适合慢慢品用。

· 工业啤酒:通常口感较淡,酒精度低,适合大口饮用。


二、应该如何看待工业啤酒

比如我们常见的 Brew Dog 的 Punk IPA都是工业啤酒。因为它生产规模化、质量标准化、它成本低廉化,这也是为什么几乎在全球都能喝到它的原因。再比如说美国的Goose Island,同样的道理,甚至是被奉为神明的 Dogfish Head。


上面几张图片都是 Dogfish Head 酒厂的照片,每一张都充满了浓烈的工业文明气息。

所以说,在工业化体系下生产出来的啤酒并不一定就是我们心里想的那个“工业啤酒”,工业体系下生产出来的啤酒照样可以非常好喝,所以对于那些妖魔化“工业”这两个字的人们,需要多了解一下“工业”的内涵。


工业啤酒没有错,只是时代变了

要知道所有事物的产生是有其一定道理的,我们往往站在自己的认知角度上而忽视了其存在合理的一部分。比如说“寡淡啤酒”的存在,在我国,由于特殊的历史环境,不得不承认,在某个时代,让更多人喝上啤酒要比让更多人喝上好啤酒更加符合当时的社会情况,当然这在我们现今所处的情境下是难以理解的。

大家都知道,中国是一个人多耕地少的国家,让国民填饱肚子一直以来是政府的首要责任。作为生产啤酒的主要原料大麦,它并非是粮食作物,所以在我国大麦并非是种植面积很大的农作物,有限的大麦种植也只是为了牲畜饲料所用。而作为国民消费领域中非常重要的酒精饮料行业内,啤酒担负起了非常重要的责任,如何用更少的粮食作物生产更多的产品就成了那时酿酒师的任务,于是乎大米、玉米甚至是淀粉就成了啤酒生产原料,当然这在当时是完全合理的,而且很长一段时间是没问题的。

但令人怒其不争不幸的是,当进入到了二十一世纪,我国的啤酒工业依然没有改变这样的生产方式与运行模式,它们认为中国人依旧喜欢它们曾经酿制的那些啤酒,而丝毫没有意识到在全球化的影响下,更多优质的、与众不同的啤酒进入到中国人的视野中。在它们意识到这是一种追求个性、追求不同、追求品质的时代时,其实已经晚了,因为中国的啤酒工业给新兴消费者们的印象就是低劣、古板、不求改变的形象。

这是中国啤酒的不幸所在,并非是我们所经历的那些特殊历史环境,而是我们在那之后,整个世界都在试图改变时而我们却选择了沉默、不作为,现在我们为此得到的结果就是国民的不信任,而打破这种不信任,将要有很长的路要走。

所以说,真的请不要妖魔化“工业化”这三个字,错不在工业化,错在我们自己。我们离不开工业啤酒,更离不开啤酒工业,因为它在改变着这个古老行业的同时又催生出更多的创新,让这个古老的行业永远与昨天不一样。

金准数据 人工智能汽车驾驶行业报告 2017-10-09 14:03:26


大多数汽车制造商已经开始承诺,到2020年,至少半自动驾驶汽车可以上路。麦肯锡最新发布的报告告诉你,全自动驾驶汽车离我们到底还有多远?

自动驾驶概念车型NIO EVE

0. 自动驾驶的五个等级

要想搞明白这个问题,可能得先明确“自动”一词的含义。

“自动”其实指的是一个范围。国际汽车工程师协会(SAE)制定的标准,将汽车的自动程度分为五级:

  • Level 0:无自动化;

  • Level 1:驾驶员辅助。单个辅助驾驶系统能根据驾驶环境信息,以特定模式或者转向,或者执行加速、减速等操作,其他操作都由人类驾驶员完成;

  • Level 2:一个或多个辅助驾驶系统能根据驾驶环境信息,以特定模式同时转向或者加速减速操作,其他操作都由人类驾驶员完成;

  • Level 3:有条件自动化。一个自动化驾驶系统,能在动态驾驶中,全面承担驾驶任务,但在系统提出接管请求时,需要人类司机作出回应;

  • Level 4:高度自动化。即使在系统提出接管请求时,人类司机不能回应,这类系统也能在动态驾驶中全面承担驾驶任务;

  • Level 5:完全自动化。自己开车,在任何道路、任何环境状况下都不需要人类司机的介入。

虽然这两套标准划分的等级数不同,但最高等级描绘的场景均是“由无人驾驶系统完成所有的驾驶操作”,也就是我们定义的完全自动驾驶。

明确了自动驾驶的定义,我们来看看从目前状况到全自动驾驶之间,还有哪些槛。

1. ADAS面临的困境

自动驾驶功能的尝试,开始于高级辅助驾驶系统(Advanced Driver Assistance Systems),也就是常说的ADAS。处理复杂的路况及保证驾驶安全不是一件容易的事。为了完成这项任务,ADAS需要包含很多小分支,比如紧急制动、备用摄像机、自适应巡航控制和自动泊车等。

1)ADAS兼具前景+钱景

行业监管部门也开始要求在每辆车中纳入其中的一些功能。在全球范围内,ADAS系统的数量(例如夜视和盲点检测)从2014年的9000万辆增加到2016年的约1.4亿辆,仅两年就上升了50%。到2016年,ADAS总共创造了约150亿美元的市场。

ADAS系统近几年的需求增长、热点功能及增长率

从这张数据图可以看到,用户需求最强的是自适应前灯照明系统,其次是车道偏离预警系统和距离提醒系统。而环绕视图成为近两年增长最快的用户需求。

辅助驾驶系统的走俏受两方面因素的影响,一是上面所说的用户的需求增长,另一方面是系统价格的下降。麦肯锡最近的一项调查显示,对于配置不同的ADAS系统,司机愿意额外花费500至2500美元来购买。

ADAS看来要将“前景”和“钱景”具于一身了。

2)ADAS面临的挑战

辅助驾驶功能无疑会带来运输新时代,但行业仍需克服一些挑战才能实现自动驾驶。ADAS解决方案可以减轻驾驶的负担,同时也带来一个问题:司机过于信任新系统,可能会造成额外的安全事故。

这也不是凭空担忧。回想二十世纪九十年代安全气囊进入主流市场时,一些司机与乘客开始停止佩戴安全带,因此导致了额外的伤害和死亡。

同样,ADAS可能使司机过分依赖这个程序,可怕的是,目前的ADAS系统还并不完善。比如,系统并不能有效识别静止的物体,司机很有可能撞上前面静止等红灯的车辆或是其他路边静物。很多早期使用者意识不到ADAS是如此的局限。

此外,由于半自动驾驶汽车的司机可能会在驾驶中进行阅读、发消息等其他活动,因此当需要他们重新掌控自驾车时需要一段时间熟悉路况调整驾驶 。有证据表明,司机离开驾驶的时间越长,重新适应的时间就越长。

这就给自动驾驶汽车公司提供了新的难题,或许他们需要开发更好的人机界面降低这个隐患,而不是造成更多的事故。

2. 从辅助驾驶到全自动驾驶

1)五年后,自动驾驶会达到里什么水平?

高度自动化水平的实现离我们也没几年时间了,接下来的五年可能会出现SAE标准中的L4型车辆,也就是高度自动化水平——由无人驾驶系统完成所有操作,人类驾驶员不一定需要对所有系统请求做出应答。

辅助系统需要经过严密的测试才能最终投产,虽然工程师已经开始着手测试系统性能,但验证它可能需要数十年的时间。一是由于系统需要适应大量不同的路况,二是要保证在不同情况下的安全性。之所以达不到L5,就在于五年后我们不能保证系统能搞定任何环境设施和特征。

2)全自动驾驶?十年内看不到

鉴于目前的发展趋势,未来十年之内达不到全自动驾驶水平。

现在,硬件的发展水平已经快要满足自动驾驶的需求了,CPU和GPU也可以提供足够的计算力。所以,实现L5级别无人车的障碍,主要是开发所需的软件系统。

在上面麦肯锡报告图中我们可以看到,自动驾驶汽车的传感器需要包含许多功能,如全球定位系统(GPS)、激光雷达、摄像头、雷达、红外传感器、朝圣传感器、专用短程通讯DSRC、惯性导航系统INS、预先构建地图、测距传感器等。

3)直面系统软件问题

对于软件系统来说,以下三个问题亟待解决:

首先,无人车需要一个更好的人机交互界面,也需要更好地协调与其他无人车之间的关系。

其次,需要建立更好的无人车决策机制,让它们学会协调多种情景,执行不同的任务。

最后,我们还呼吁建立一个故障安全机制,在无人驾驶系统失效时也不会让乘客陷于危险之中。

这三个问题对现在的无人车系统来说是不小的挑战,也需要用冗长的时间进行测试。

3. 全面自动驾驶需要解决的问题

无人车在上路之前,需要解决的问题可不少。自驾系统需要考虑的要素有很多,包括分析、决策、定位、感知等方面的因素。

1)自驾系统三要素

在所有这些要素中,感知、地图构建和定位是最受研究人员关注的。

感知的目标是以最少的测试和里程实现可靠的感知水平。依靠雷达、声纳和相机感知环境中的其他车辆和物体。

而地图构建的两大方向又包括构建高清全景地图和构建特征地图。前者是为了使车辆沿着目标线路行进,后者使为了通过道路特征得以导航。

定位是通过识别车辆在其环境中的确切位置,有效决定去哪里该如何导航的关键步骤。这个也不难理解,目前手机上的各种地图一般均有定位功能。

2)决策系统

上述的必要因素如同人体内的器官,具备了这些器官人类得以生存,无人车具备了上述的要素也就具备了自动驾驶的能力——但是,人类还需要一个大脑指导行动,无人车当然也需要一个决策系统确定最终的行进路线。

全自动驾驶汽车可以为每一英里的旅行做出成千上万种决定,这种行为就叫做决策。目前构建决策系统可以有三种方法:

一是构建神经网络;

二是基于规则的决策,程序员需要输入进所有的if-then规则的组合;

三是混合决策法,程序员通过引入特定的神经网络来解决由集中的神经网络连接的单个进程,从而解决神经网络固有的复杂性,之后用规则进行补充。

在上面的三种方法种,混合统计法是当今最流行的一种决策方法。

3)测试和验证

自驾测试是公认的冗长的过程。工程师要把开发的无人车暴露在不同的路况下完成数万英里的行驶里程,来确定系统是否在按照安全的预期运行。这个“数万英里”的里程绝对不是好跑的——研究表明,无人车需要跑出2.75英里才能保证95%的决策正确率,而95%的概率离上路水平还远远不够。所以我们推测,假设无人车可以上路,大概需要跑出数十亿英里数。

为了更直观地表明这个概念,我们来做一道算数题。假设有100辆无人车每天24小时不停运行,每年365天,平均时速25英里,那么,需要十多年的时间才能跑完2.75亿英里。

所以,我们还需要一个虚拟的模拟环境,将现实世界的路测与虚拟模型结合,通过构建不同情况的模拟算法来证明无人车在不同情况下能够做出正确决定。

这种测试方法不仅降低了检测成本,更是大大节约了检测时间。

4. 让无人车来得更快一点

通过上面的分析我们可以发现,无人车的研究时间非常之久。但其实也不是不能将这些时间压缩。

无人车企业需要意识到,单枪匹马研究无人车的所有部件是耗时且极具挑战性的。因此,无人车公司找到了不同的合作伙伴分担手头的工作。转向研究综合系统也是一条很好的出路,但是车企需要额外注意保证驾驶的安全性能。


金准数据 亚马逊推广模式分析报告 2017-10-07 10:35:50

今年,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 中国商业智能行业研究报告 2017-10-06 07:43:54

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 借壳上市运作流程研究报告 2017-10-04 09:01:02

一、基本概念

1、借壳上市定义

借壳上市是指上市公司的母公司(集团公司)通过将主要资产注入到上市的子公司中,来实现母公司的上市,借壳上市的典型案例之一是强生集团借子壳。强生集团由上海出租汽车公司改制而成,拥有较大的优质资产和投资项目。近年来,强生集团充分利用控股的上市子公司--浦东强生的壳资源,通过三次配股集资,先后将集团下属的第二和第五分公司注入到浦东强生之中,从而完成厂集团借壳上市的目的。


2、借壳上市和买壳上市的相同与区别之处

买壳上市是非上市公司作为收购方通过协议方式或二级市场收购方式,获得壳公司的控股权,然后对壳公司的人员、资产、债务实行重组,向壳公司注入自己的优质资产与业务,实现自身资产与业务的间接上市。

借壳上市和买壳上市的共同之处在于,它们都是一种对上市公司壳资源进行重新配置的活动,都是为了实现间接上市,它们的不同点在于,买壳上市的企业首先需要获得对一家上市公司的控制权,而借壳上市的企业已经拥有了对上市公司的控制权。

从具体操作的角度看,当非上市公司准备进行买壳或借壳上市时,首先碰到的问题便是如何挑选理想的壳公司,一般来说,壳公司具有这样一些特征:即所处行业大多为夕阳行业,具体上营业务增长缓慢,盈利水平微薄甚至亏损;此外,公司的股权结构较为单一,以利于对其进行收购控股。

在实施手段上,借壳上市的一般做法是:第一步,集团公司先剥离一块优质资产上市;第二步,通过上市公司大比例的配股筹集资金,将集团公司的重点项目注入到上市公司中去;第三步,再通过配股将集团公司的非重点项目注入进上市公司实现借壳上市。与借壳上市略有不同,买壳上市可分为买壳--借壳两步走,即先收购控股一家上市公司,然后利用这家上市公司,将买壳者的其他资产通过配股、收购等机会注入进去。


3、卖壳上市和借壳上市相关概念

与一般企业相比,上市公司最大的优势是能在证券市场上大规模筹集资金,扩大公司及公司产品的知名度,以此促进公司规模的快速增长。因此,上市公司的上市资格已成为一种“稀有资源”,所谓“壳”就是指上市公司的上市资格。由于有些上市公司机制转换不彻底,不善于经营管理,其业绩表现不尽如人意,丧失了在证券市场进一步筹集资金的能力,要充分利用上市公司的这个“壳”资源,就必须对其进行资产重组,买壳上市和借壳上市就是目前充分地利用上市资源的两种资产重组形式。

买壳上市和借壳上市都是一种对上市公司壳资源进行重新配置的活动,都是为了实现间接上市,它们的不同点在于买壳上市的企业首先需要获得对一家上市公司的控制权,而借壳上市的企业已经拥有了对上市公司的控制权,除此之外二者在实质上并没有区别。

借壳上市和买壳上市的主要原因是国内IPO门槛太高或者一些政策方面的限制,一些公司不具备直接上市的条件,或者说直接上市成本高于借壳,就会采取借壳方式融资。


4、借壳上市企业的会计处理

针对部分有证券资格的会计师事务所反映,对于非上市公司通过购买上市公司的股权、实现间接上市交易应当如何进行会计处理存在一些理解差别,财政部会计司日前发布《关于非上市公司购买上市公司股权实现间接上市会计处理的复函》,明确相关问题。财政部在复函中明确,非上市公司取得上市公司的控制权,未形成反向购买的,应当按照《企业会计准则第20号——企业合并》的规定执行。

非上市公司以所持有的对子公司投资等资产为对价取得上市公司的控制权,构成反向购买的,上市公司编制合并财务报表时应当区别以下情况处理:交易发生时,上市公司未持有任何资产负债或仅持有现金、交易性金融资产等不构成业务的资产或负债的,上市公司在编制合并财务报表时,应当按照《财政部关于做好执行会计准则企业2008年年报工作的通知》(财会函[2008]60号)的规定执行;交易发生时,上市公司保留的资产、负债构成业务的,应当按照《企业会计准则第20号——企业合并》及相关讲解的规定执行,即对于形成非同一控制下企业合并的,企业合并成本与取得的上市公司可辨认净资产公允价值份额的差额应当确认为商誉或是计入当期损益。

非上市公司取得上市公司的控制权,构成反向购买的,上市公司在其个别财务报表中应当按照《企业会计准则第2号——长期股权投资》等的规定确定取得资产的入账价值。上市公司的前期比较个别财务报表应为其自身个别财务报表。


5、壳公司分类

1)实壳公司

保持上市资格、业务规模小、业绩一般或不佳、总股本和可流通股规模小、股价低的上市公司。

主营业务严重萎缩或停业、业务无发展前景、重整无望。

价值:实壳公司的价值由公司现有业务价值与壳资源价值两部分构成。


2)空壳公司

主营业务出现亏损,面临退市风险,利润来源为其他收益。空壳公司多为实壳公司在经营条件恶化的情况下转化而来。

价值:空壳公司的价值等于公司壳资源价值扣减公司进行债务重组、解决法律纠纷、不良资产剥离所需承担的成本。


3)净壳公司

上市公司将全部资产、负债、业务及人员等置出,不再从事原来的主营业务;只是存在于借壳上市交易的特定阶段,是上市公司的特殊状态。

价值:净壳公司的价值就等于壳资源的价值。


二、借壳上市的操作流程

在实际操作中,借壳上市一般首先由集团公司先剥离一块优质资产上市,然后通过上市公司大比例的配股筹集资金,将集团公司的重点项目注入到上市公司中去,最后再通过配股将集团公司的非重点项目注入进上市公司,实现借壳上市。与借壳上市略有不同,买壳上市可分为“买壳、借壳”两步,即先收购控股一家上市公司,然后利用这家上市公司,将买壳者的其他资产通过整体资产出售、配股、收购、新增股份吸收合并等机会注入进去。


1、借壳过程基本环节

第一步:取得壳公司的控制权

有三种方式取得公司的控制权:

● 股份转让方式:收购方与壳公司原股东协议转让股份,或者在二级市场收购股份取得控制权;

● 增发新股方式:壳公司向借壳方定向增发新股,并达到一定比例,使收购方取得控制权;

● 间接收购方式:收购方通过收购壳公司的母公司,取得实现对上市公司的间接控制权。


第二步:对壳公司进行资产重组

其中分为两个方面:

1)壳公司原有资产负债置出

实施借壳上市,通常需要将借壳对象全部资产、负债及相应的业务、人员置换出去,可以根据资产接受方与借壳对象的关系分为关联置出和非关联置出。

关联置出:向借壳对象大股东或实际控制人进行转让,或者由借壳企业的大股东接受。

非关联置出:想与借壳对象不存在直接控制关系的第三方转让,往往需要支付一定的补偿


2)借壳企业的资产负债置入

借壳企业将全部(或部分)资产、负债及相应的业务、人员置入借壳对象中,从而使得存续企业即为借壳企业,可以根据借壳企业资产上市的比例分为整体上市和非整体上市。

整体上市:借壳企业全部资产、负债及相应的业务、人员均被置入借壳对象;

非整体上市:借壳企业未将全部资产、负债及相应的业务、人员置入借壳对象。


2、借壳的方案

方案一:股权转让+资产置换

1)壳公司原控股股东将所持有的壳公司股份通过股权转让协议方式协议转让给拟借壳上市企业,后者以现金作为对价收购该部分股份;


2)借壳方完成对上市壳公司的控股后,与上市壳公司进行资产置换,收购其原有业务及资产,同时将拟上市的业务及资产注入上市公司,作为收购其原有资产的对价;

● 本方案常见的辅助交易:注入资产的评估值高于置出资产,差额部分作为上市公司对大股东的免息债务,无偿使用若干年。


方案二:股权转让+增发换股(又称反向收购)

1)壳公司原控股股东将所持有的壳公司股份通过股权转让协议方式协议转让给拟借壳上市企业,后者以现金作为对价收购该部分股份;

2)借壳方完成对上市壳公司的控股后,由上市壳公司向拟借壳上市企业的全体(或控股)股东定向增发新股,收购其持有的拟借壳上市企业股权;

3)上市壳公司向其原控股股东出售其原有的业务及资产,后者以现金为对价收购该部分资产。

● 本方案常见的辅助交易:增发新股收购拟借壳企业股权时,属于换股合并的,须给予反对本次交易的上市壳公司流通股股东现金选择权。


方案三:股份回购+增发换股

1)壳公司向原控股股东出售全部业务及资产,同时回购并注销原控股股东所持有的上市壳公司股份;原控股股东所持壳公司股份不足以支付壳公司原有业务及资产的,以现金补足;

2)上市壳公司向拟借壳上市企业的全体(或控股)股东定向增发新股,收购其持有的拟借壳上市企业股权;增发换股后,拟借壳上市企业的控股股东成为上市壳公司的新控股股东。

● 本方案常见的辅助交易:为了补偿上市壳公司原流通股股东的流动性溢价,有时会在借壳完成后由拟借壳企业股东或上市壳公司对其按一定比例进行送股。


方案四:资产置换+增发换股

1)上市壳公司将全部业务和资产转让给拟借壳企业的控股股东,并同时向其增发新股,换取其所持有的拟上市企业股份;

2)拟借壳企业控股股东取得壳公司的原有业务和资产后将其转让给壳公司原大股东,以换取后者所持有的壳公司股份,双方差额部分以现金补足。

● 本方案常见的辅助交易:与方案三一样,为了补偿上市壳公司原流通股股东的流动性溢价,有时会在借壳完成后由拟借壳企业股东或上市壳公司对其按一定比例进行送股。


方案五:资产出售+增发换股

1)上市壳公司将原有的全部业务及资产出售给其控股股东,后者以现金为对价收购这些资产;


2)上市壳公司向拟借壳上市企业的全体(或控股)股东定向增发新股,收购其持有的拟借壳上市企业股权;

● 本方案常见的辅助交易:为确保上市壳公司小股东的利益,壳公司原控股股东收购壳公司原有业务及资产时通常会支付比较高的对价,作为补偿,接受定向增发的拟借壳企业股东在借壳完成后会向壳公司原股东支付一笔额外的现金。


3、借壳上市流程

1)前期准备

● 收购方聘请财务顾问机构;

● 协助公司选聘其他中介机构,一般包括会计师事务所、资产评估机构、律师事务所等。

● 对公司业务及资产进行初步尽职调查,协助公司起草资产整合计划,确定拟上市资产范围;

● 财务顾问根据收购方需要寻找适合的壳公司,并初步评估壳公司的价值;

● 制定谈判策略,安排与壳公司相关股东谈判,制定重组计划及工作时间表。


2)制作申报材料

● 重大资产重组报告书及相关文件;

● 独立财务顾问和律师事务所出具的文件;

● 本次重大资产重组涉及的财务信息相关文件;

● 本次重大资产重组涉及的有关协议、合同和决议;

● 本次重大资产重组的其他文件


3)证监会审核

● 壳公司根据规定申请停牌,向公众定期披露进展情况;

● 交易结构、价格等经壳公司权力机构的批准和授权;

● 按证监会要求申报相关文件;

● 对证监会提出的反馈意见进行及时的解释;

● 由重组委委员投票决定对项目的行政许可。


4)实施借壳方案及持续督导

● 经证监会批准后,对置出、置入资产交割过户;

● 对涉及的资产进行重组;

● 重组后企业人员的安置;

● 壳公司债权债务的承继;

● 对董事会等权力机构进行改组,加强对上市公司的控制力;

● 根据重组情况,独立财务顾问对上市公司进行一至三个会计年度以上的持续督导;

● 培养公司下属的其他优质业务及资产,逐步将资产注入上市公司,扩大上市公司的市值规模,促进资产证券化;

● 在满足法律法规及证监会规定条件的情况下,以配股、非公开发行等方式进行再融资,补充上市公司的流动资金。


三、借壳时候会考虑到的问题

上市的直接成本和潜在成本、审批难易程度、后续融资能力、锁定期、要约收购等共性条件,也要考虑拟上市企业和壳公司的行业特点、财务状况、所有制类别、经营能力、谈判能力等特性条件。通过以上需要考虑到的问题,再进行选择适合借壳的方式。

此外,如何识别有价值的壳资源,是买壳或借壳企业应慎重考虑的问题。企业要结合自身的经营情况、资产情况、融资能力及发展计划,选择规模适宜的壳公司。壳公司要具备一定的质量,不能具有太多的债务和不良债权,具备一定的盈利能力和重组的可塑性。买壳公司不仅要获得这个壳,而且要设法使其经营实现扭转,从而保住这个壳。买壳公司在买“壳”上市或“借壳”上市前应作充分的成本分析,即要考虑短期投入又要考虑长期投入。

购买壳资源成本包括三大块:取得壳公司控股权的成本、对壳公司注入优质资本的成本、对“壳”公司进行重新运作的成本。其中重新运作的成本又包括以下内容:(1)对“壳”的不良资产的处理成本。大多数通过买“壳”上市的公司要对壳公司的经营不善进行整顿,要处理原来的劣质资产;(2)对壳公司的经营管理作重大调整,包括一些制度、人事的变动需要大量的管理费用和财务费用;(3)改变壳公司的不良形象,取得公众和投资者的信任,需要投入资本进行大力地宣传和策划;(4)维持壳公司持续经营的成本;(5)控股后保持壳公司业绩的成本。为了实现壳公司业绩的稳定增长,取得控股的公司,必须对壳公司进行一定的扶植所花的资金。

除了考虑上述成本外,由于我国普遍存在上市公司财务报表的粉饰现象,还存在信息不对称,壳公司隐瞒对自己不利的信息,存在相当的不明事项等问题,因此在买壳时,还应充分考虑壳资源的风险。企业决策层在决定买壳上市之前,应根据自身的具体情况和条件,全面考虑,权衡利弊,从战略制定到实施都应有周密的计划与充分的准备:首先要充分调查,准确判断目标企业的真实价值,在收购前一定要从多方面、多角度了解壳公司;其次要充分重视传统体制造成的国有公司特殊的债务及表面事项,考虑在收购后企业进行重组的难度,充分重视上市公司原有的内部管理制度和管理架构,评估收购后拟采取什么样的方式整合管理制度,以及管理架构可能遇到的阻力和推行成本;最后还要充分考虑买壳方与壳公司的企业文化冲突及其影响程度,考虑选壳、买壳及买壳上市后存在的风险,包括壳公司对债务的有意隐瞒、政府的干预、中介机构选择失误、壳公司设置障碍、融资的高成本及资产重组中的风险等。

金准数据 人工智能对金融行业生态影响报告 2017-10-03 07:40:49

金融被认为是人工智能落地最快的行业之一,智能金融也已经列入国家规划。如今,无论是传统金融机构还是新金融机构,都在快速应用人工智能技术,包括信贷业务审核、风险防控等多个核心领域。未来,人工智能在金融业还有哪些应用?对我们的生活又将带来怎样的改变?


一、人工智能技术在金融行业的应用

1、人工智能技术在金融领域应用场景

从目前人工智能技术支持能力和市场实际应用情况来看,基于语音识别的技术最为可能优先在金融行业进行应用。市场和同业已经具有成熟的商业运营案例和业务框架,技术实现难度较低,可迅速实现商业价值。

金准数数据结合目前行业发展趋势、按照人工智能技术分类,综合分析了我国智能金融技术服务公司的服务和产品,梳理出涉及智能客服、智能投顾等应用场景如下。

1)智能客服

利用语音识别与自然语言处理技术,打造智能的客服机器人,通过整合集团对外客户服务渠道(包括电话、网页在线、微信、短信及APP等),提供在线智能客服服务。

一是可以为座席提供辅助手段,帮助客服快速解决客户问题。客服机器人通过实时语音识别和语义理解,掌握客户需求,并自动获取客户特征和知识库等内容。还可通过个人网银、掌上银行、微信公众号等,推出个人金融助理等功能;

二是可以基于语音和语义技术,可对电话银行海量通话和各种用户单据数据进行识别和分析,挖掘分析其内在价值,为客户服务与客户营销等提供数据与决策支持。同时,这些数据还可以供智能客服系统进行自动学习,生成知识问答库,为后续客服机器人自动回复客户问题提供参考与依据。


2)智能投顾

智能投顾,是目前最热门的智能金融应用场景之一。智能投顾最早在2008年左右兴起于美国,又称机器人投顾(Robo-Advisor),依据现代资产组合理论,结合个人投资者的风险偏好和理财目标,利用算法和友好的互联网界面,为客户提供财富管理和在线投资建议服务。

中国目前的智能投顾大部分还停留在交易执行环节,投顾服务主要为资产管理和投资顾问,投后服务涉及较少。根据美国金融监管局(FINRA)2016年3月提出的标准,理想智能投顾服务包括:客户分析、大类资产配置、投资组合选择、交易执行、组合再选择、税负管理和组合分析。传统投顾和智能投顾都是基于以上七个步骤,只是实施的方式不同,而智能投顾本质上是技术代替人工实现投顾。

然而,智能投顾并不是一个新概念,因为算法基础早在20年前就已然扎根成型,而智能投顾近年来的发展主要得益于大数据和计算力提升。目前智能投顾与人工智能的关系更多处于概念阶段,智能投顾实现了策略的个性化、配置的合理化以及流程的自动化,有“智能”但离“人工智能”尚远。


3)人脸识别与安全监控

计算机视觉与生物特征识别技术,让机器可以更准确的识别人的身份与行为,对于帮助金融机构识别客户和安全监控都有很多便利。

一是可以利用网点和ATM摄像头,增加人像识别功能,提前识别发现可疑人员、提示可疑行为动作,也可以帮助识别VIP客户;

二是可以利用网点柜台内部摄像头,增加对员工可疑行为识别监控,记录并标记疑似违规交易,并提醒后台监控人员进一步分析,起到警示作用;

三是可以在银行内部核心区域(如数据中心机房、金库等)增加人像识别摄像头,人员进出必须通过人脸识别及证件校验方可进入,同时对于所有进出人员进行人像登记,防止陌生人尾随进出相关区域,实现智能识别,达到安全防范的目标。


4)预测分析与智能投顾

机器学习与神经网络技术使机器能够通过数据的分析处理去自动构建、完善模型,提前判断事务变化趋势和规律,并提前做出相应的决策。

一是使用深度学习技术,学习海量金融交易数据,从金融数据中自动发现模式,如分析信用卡数据,识别欺诈交易,并提前预测交易变化趋势,提前做出相应对策;

二是基于机器学习技术构建金融知识图谱,基于大数据的风控需要对不同来源的数据进行整合,检测发现数据当中的不一致性,分析企业的上下游、合作、竞争对手、子母公司、投资、对标等关系,主动发现并识别风险;

三是借助机器学习,通过数据筛选、建模和预测对融资企业或个人信用打分;通过提取个人及企业在其主页、社交媒体等地方的数据,判断企业或其产品在社会中的影响力和产品评价;并通过数据分析和模型预测投资的风险点。实现在放贷过程中对借款人还贷能力进行实时监控,从而及时对后续可能无法还贷的人进行事前的干预,以减少因坏账而带来的损失;

四是运用人工智能技术,采用多层神经网络,智能投顾系统可以实时采集各种经济数据指标,不断进行学习,实现大批量的不同个体定制化投顾方案,把财富管理这个服务门槛降到一个普通的家庭人群来使用。


5)智慧机器人

运用机器人技术,一是可以在机房、服务器等核心区域投放24小时巡检机器人,及时发现处理潜在风险,替代或辅助人工进行监控;二是可以在网点投放智慧机器人,可对客户进行迎宾分流,进行语音互动交流,根据客户知识库内容进行标准业务咨询和问答,减少大堂经理的重复性工作。同时通过前端采集客户数据,可开展精准营销工作。此外,增强银行服务的科技创新感和服务新体验,为银行服务的转型升级注入全新的因素。


2、智能金融

“智能金融”指人工智能技术与金融服务和产品的动态融合,通过利用人工智能技术,创新金融产品和服务模式、改善客户体验、提高服务效率等。其参与者不仅包括为金融机构提供人工智能技术服务的公司,也包括传统金融机构、新兴金融业态以及金融业不可或缺的监管机构等。这些参与者共同组成智能金融生态系统。

智能金融本质上是人工智能技术驱动的金融创新。从金融角度来讲,智能金融的发展依附金融产业链,涉及从资金获取、资金生成、资金对接到场景深入的金融资金流动全流程;从科技角度来讲,智能金融发展是,基于人工智能技术的智能风控、智能投顾、智能投研、智能支付等智能解决方案,对银行、证券、保险等金融业态的创新。

截止2017年8月底,我国主要的智能金融技术服务公司有164家,集中分布在北京、上海、广州、浙江等较发达的省份。其中北京公司数量最多,拥有80家。截止到2017年8月31日,共有125家公司获得融资,总融资额已超过250亿人民币。据数据显示,智能金融公司投融资集中度比较高,最活跃的资本机构为IDG资本,且位于社会网的中心;商汤科技为明星公司,投资关系数量最多;同盾科技、智齿客服、量化派等几家公司投资关系数量也较多,是社会网中的重要连接点。


二、人工智能为金融行业生态带来的影响

云计算、大数据等技术的成熟催化了人工智能技术的进步与发展。深度学习在算法上的突破则掀起了人工智能浪潮,使得复杂任务的分类准确率大幅提升,从而推动了计算机视觉、机器学习、自然语言处理、机器人技术、语音识别技术的快速发展。人工智能在某些领域将彻底改变人类目前的生产模式,取代更多人、更多重复性的工作,劳动密集型的工作将完全由机器人来完成,人力将投向更具价值的事情。

金准数据整理出,对于金融领域来讲,人工智能主要的几点影响:

1、服务模式更加个性化、智能化

在传统技术模式下,受人力资源和数据处理能力的影响,金融行业往往只能对少数高净值客户提供定制化服务,而对绝大多数客户仅提供标准化服务。而人工智能的飞速发展,使得机器能够更逼真地模拟人的功能,使批量实现对客户的人性化和个性化服务成为可能,这对于处在服务价值链高端的金融将带来深刻影响,将对目前银行沟通客户、发现客户金融需求的模式发生重大改变。

金融产品、服务渠道、服务方式、风险管理、授信融资、投资决策等都将迎来新的变革。在前端,人工智能技术可以用于服务客户;在中台,人工智能技术可以支持授信、各类金融交易和金融分析中的决策;在后台,人工智能技术可以用于风险防控和监督。总而言之,人工智能技术将大幅改变金融现有格局,使金融服务(银行、保险、理财、借贷、投资等方面)更加地个性化与智能化。

2、高效赋能金融业

金融行业数据全、规模大、维度多、可数据化的程度高,这为人工智能与金融的结合提供了有利条件,两者极易迸发出火花。

一个传统的贷款业务可能需要2至3天来审批,而一个基于人工智能模型的自动审批方案可能只需要几秒钟就可以完成。不仅如此,一些金融行业的目标非常明确、痛点比较强,便于发挥机器学习、模型与变量提取、再应用于高效判断的人工智能核心价值。

比如,过去需要人工分析客户的消费习惯、历史账单,去筛选哪些用户是分期付款的潜在用户或较容易接受信用卡分期建议。现在,基于在历史数据中隐含的有效规则,人工智能可以更快、更准确地筛选出目标客户。因此,数据化程度较高、更容易建立判断规则、场景较为单一的金融业务,更容易与人工智能结合,例如客户信用分析、反欺诈、客户营销、智能投顾操作等。


3、可降低交易成本

借助人工智能,金融业取得了多项突破,其中最为引人关注的,是在交易成本上的成果。目前,人工智能可以替代一部分人工,降低人力成本;延长交易时间,提升交易效率,进而降低交易成本。

传统金融机构主要依靠线下门店人工审核客户风险,成本随业务量线性增长。大多数互联网金融企业虽然引入了规则引擎、风控模型,但传统技术手段往往只能对客户的某几个特征进行判别,很多信息仍然需要人工分析、判断,成本难以降低。

而随着大数据风控能力的提升和普及,金融机构可以搜集更多维度、更加垂直精细的大数据,从而构建立体完整的用户画像。通过人工智能手段,能够将掌握的各种维度数据进行整合、筛选、计算,从而挖掘出有效的特征。充分利用人工智能技术和大数据,搭建具有全流程360度自动判别的风控体系,可以极大减少人工成本。

更重要的是,用人工智能审核用户和订单,不仅能够提高效率,也能提高审核的准确率。一方面,机器可以处理海量数据,不受感情影响,也不会感到疲劳,能够降低人为造成的审核失误;另一方面,机器能发现审核专家可能都无法发现的高危情况。举例来说,当一个正常用户下单时,其浏览页面时长、下单间隔等会呈现出不规则特点;而如果一个用户下单时出现“离群特征”(比如规律性下单),这部分用户就属于“高危用户”。这种“离群特征”凭借审核员肉眼往往很难发现,只有通过机器学习,经过大量的计算分析才能做到。


4、促进金融机构推陈出新

金融机构通过购买智能金融技术服务公司产品或与科技公司合作等方式来利用智能金融推陈出新。

银行业是受智能金融冲击最大的金融机构之一。银行业作为信息化程度非常高的行业,对IT系统的依赖度非常高。现在,大部分银行基于IaaS平台(基础设施即服务)、PaaS平台(平台及服务)以及数据平台开展包括渠道、开放、存贷款业务、风控、运营等各项活动。

目前,智能金融主要应用于银行业的渠道、开放、风控以及运营四个大方面。除此之外,银行业务端智能金融也开始渗透。例如,应用于客户平台的生物识别技术(刷脸认证)、应用于存款业务的智能投顾等。

现在,银行业应用智能金融双管齐下:一方面,银行自身发力,2013年开始,纷纷成立网络金融部,开展新业务;另一方面,与互金巨头合作,提升技术水平。

三、发展前景

1、未来发展

金准数据认为,智能金融未来发展将围绕智能化、场景化和个性化展开。

智能化为基础,可分为三个层次:第一层次为Robot,即可以实现简单的数据收集整理工作(助理分析师);第二层次为Smart,即可以实现数据的简单分析(初级分析师);第三层次为Intelligent,即可以实现数据的决策支持和深度洞察(高级分析师)。

场景化,指智能金融将驱动金融业态不再局限于“金融”标签,而是转变为一种深入各场景的生活标签,摆脱以往“高冷”的形象,变得更贴近生活。

个性化,是相对标准化而言的,虽然智能金融或许不能实现完全的因人而异,但智能金融驱动的金融服务和产品的创新,将为人们提供更多元化的选择,这就是一种相对的个性化。

此外,为确保每一位用户的账户安全、保护所有客户资金的安全,风险防控很可能成为未来金融业应用人工智能的一个核心落脚点。

为确保每一位用户的账户安全,京东金融建立了包括设备识别、人机识别、生物识别3大技术以及异常登录模型和账户等级模型在内的全方位账户安全体系,用于判断当前登录是否产生风险、判断当前用户行为偏好等。京东金融自主研发了整体的人机识别体系,它从6个维度对一次实际登录行为进行不同维度的判定。比如在手机端,通过手摁在屏幕上的力度来判定是不是本人;在PC端,则通过评估鼠标的轨迹是否规整,来判断是否真正遇到恶意攻击。

可见,借助人工智能,金融行业的发展日新月异。但作为一个新兴学科,人工智能的应用领域有限,在金融领域的应用也处于起步阶段。不过,一项技术都有一个从起步到推广,再到成熟、普及的过程,随着技术的成熟,应用成本可能也会逐步降低。相信人工智能未来在金融领域会有更广泛的应用。


2、迎接挑战

智能金融也存在很多挑战,例如,大众对智能金融的认知有偏差,存在信任危机。

目前,人工智能还处于“弱人工智能”阶段,智能金融出现时间也比较短。虽然我们常听到类似“摩根大通使用全球第一款机器人执行金融交易”或者某科技公司与金融机构开展合作等新闻,但这并不是智能金融技术公司的常态。大部分智能金融还处于概念阶段,距离其真正落地还有很多问题待解决。媒体等对于智能金融过于夸大事实,使得大众的期望值比较高。

然而,大众在与智能金融应用实际基础过程中,智能金融的实际情况并不能满足大众过高的预期,可能会导致不当的失望,造成信任危机。

除此之外,智能金融还面临通信、系统、架构安全性风险加大、监管机构鼓励创新与风险控制不平衡、市场竞争家具、数据不能有效应用等挑战。