• 项目
首页>>文章列表 >>行业研究
行业研究

2017中国移动电商行业研究报告 2017-06-16 14:54:04



一、中国移动电商行业发展背景



网络购物仍是零售主流渠道

 平均每100元社零消费中有约14元来自线上

根据咨询2016年中国网络购物市场数据,2016年中国网络购物市场交易规模为4.7万亿元,占社会消费品零售分析认为,网络购物行业发展日益成熟,各家网络购物企业除了继续不断扩充品类、优化物流及售后服务外,也在积极发展跨境网购、下沉渠道发展农村网络购物。在综合网络购物格局已定的情况下,一些企业瞄准母婴、医疗、家装等垂直网络购物领域深耕,这些将成为网络购物市场发展新的促进点。




网络购物市场进入移动消费时代
2016年移动端交易规模占比继续扩大;移动端成流量主来源
数据显示,2016年中国移动网购在整体网络购物交易规模中占比达到68.2%,比去年增长22.8个百分点,移动端
已超过PC端成为网购市场更主要的消费场景;与此同时,2016年,中国网络购物市场TOP10企业移动端用户增速远超PC端,App端用户增速达27.1%,PC端仅增长9.6%。艾瑞分析认为,用户消费习惯的转移、各企业持续发力移动端是移动端不断渗透的主要原因。 



二、中国移动电商行业发展现状





场景化和碎片化为移动网购主要特征

上下班路上和公共休闲场所场景网购比例上升

在网购的众多场景中,家庭和工作地点代表着完整的时间和固定PC网端,上下班路上和公共娱乐场所代表着碎片化的时间和移动网端;2014年到2015年在家购物和在工作地点购物比例分别下降4.9%和10.0%,而上下班路上和公共休闲娱乐场所占比分别上升5.1%和2.7%,这意味着用户消费行为场景的转移,场景越来越丰富,时间越来越碎片化。移动网购时代新的特点为新兴电商势力的发展带来了机会。







三、移动电商时代典型企业案例




四、中国移动电商行业发展趋势


垂直品类经济或人群经济成发展新趋势


移动电商将提供愈加精准的服务


随着国民经济快速发展,人民生活水平提高,各方面消费力量兴起。一方面,90后、女性等细分用户成为消费新动力;另一方面用户更加注重商品品质,更多选择符合自身特征的商品。在此基础上,基于特定品类和特定人群的垂直经济成为新的发展趋势。

例如(1)贝贝网围绕母婴人群发展的”妈妈经济“,基于特定人群,打造一站式购物入口;

(2)以易果生鲜


为代表的生鲜电商和以土巴兔为代表的家装电商崛起,基于垂直行业深入发展。其中,2016年中国生鲜电商市场交易规模超900亿,艾瑞预计2017年交易规模将超过1000亿元。








美国:2016-2045年新兴科技趋势报告 2017-06-16 11:08:18

前段时间美国公布的一份长达35页的《2016-2045年新兴科技趋势报告》。该报告是在美国过去五年内由政府机构、咨询机构、智囊团、科研机构等发表的32份科技趋势相关研究调查报告的基础上提炼形成的。

通过对近700项科技趋势的综合比对分析,最终明确了20项最值得关注的科技发展趋势。

该报告的发布一是为了帮助美国相关部门对未来30年可能影响国家力量的核心科技有一个总体上的把握,其二是为国家及社会资本指明科技投资方向,以确保美国在未来世界中的战略优势。

物联网

在2045年,最保守的预测也认为将会有超过1千亿的设备连接在互联网上。这些设备包括了移动设备、可穿戴设备、家用电器、医疗设备、工业探测器、监控摄像头、汽车,以及服装等。它们所创造并分享的数据将会给我们的工作和生活带来一场新的信息革命。

人们将可以利用来自物联网的信息来加深对世界以及自己生活的了解,并且做出更加合适的决定。

在此同时,联网设备也将把目前许多工作,比如监视,管理,以及维修等需要人力的工作自动化。物联网、数据分析、以及人工智能这三大技术之间的合作将会在世界上创造出一个巨大的智能机器网络,在不需人力介入的情况下实现巨量的商业交易。

但是,虽然物联网会提高经济效率、公共安全,以及个人生活,它也会加重对于网络安全和个人隐私的担忧。恐怖分子,犯罪集团以及敌对势力将会利用物联网作为新的攻击手段。而物联网中所包含的大量数据也会诱惑政府去实施针对人民的监控,从而进一步的引发隐私和安全之间的对抗。

机器人与自动化系统

在2045年的地球上,机器人和自动化系统将无处不在。自动驾驶汽车会使交通更加安全与高效,或许还会给共享经济带来新的动力。机器人则会负责日常生活中大量的任务,比如照顾老人与买菜,以及工业中的职责,比如收获农作物,维护公共设施等等。

而随着机器人的机动性、灵敏度以及智能的提高,它们将成为强大的战士,在战场上辅助、甚至替代人类士兵作战。人工智能软件则会被使用到商业上,例如从数百TB的数据里面提取有意义的信息,使商业服务自动化,以及替代诸如客服、教师等传统意义上 “以人为本”的职业。

但是,机器人与自动化也会带来许多的危机。数百万工作被机器取代的下岗职工将会给社会造成极大的冲击,导致经济与社会的不稳。自动化网络系统则会成为各个敌对势力相互攻击的主要突破口。在冲突中使用机器人和自动化系统则有可能造成极大的伦理和文化挑战。

智能手机与云端计算

智能手机与云端计算正在改变人类与数据相处的方式。比如目前的美国,大约有30%的网页浏览和40%的社交媒体是通过手机的。而这的原因之一就是具有各种可以测量天气、位置、光度、声音、以及生物特征的探测器的智能手机。

随着手机的威力越来越大,功能也越来越全面,移动网络的铺展也将加速。在2030年,全球75%的人口将会拥有移动网络连接,60%的人口将会拥有高速有线网络连接。

移动终端的发展以及移动网络的扩散,也会进一步推进云端计算的进展。云端计算可以在在零投入的情况下给用户带来大量的计算能力。在未来的30年里,基于云的移动计算端将会改变从医疗到教育的各行各业。

比如人们可以通过手机来进行体检并与云端的诊断软件直接沟通,人们也可以在手机上使用教育软件来学习新的技能,农民们甚至可以通过手机连接到实时气象数据,通过云端软件计算最优化的收割时间。

但是,这一切都需要极高的网络安全性、可靠性、以及流量。商业用户以及个人用户也都需要习惯把数据上传到云端中。

智能城市

在2045年,全世界65%-70%的人口将会居住在城市里。随着城市人口的增加,全球人口超过1千万的超级都市将会从2016年的28座增加至2030年的41座。大量的人口向城市流动将会给这些城市的基础建设,比如城际交通,食物和水源,电力能源,污水处理,以及公共安全系统等带来极大的压力。

未来的智能城市将利用信息和通讯技术(ICT),通过大数据以及自动化来提高城市的效率和可持续性。

比如使用分散探测系统将实时监视城市用水用电数据,通过智能电网自动调整配电设置;通过联网的交通信号系统以及自动驾驶系统来减缓车辆堵塞的程度;利用由新材料和新设计技巧所建的智能建筑来提高空调和照明系统的效率,减少能源浪费;使用屋顶太阳能板、小型风力发电机、地热发电,以及其他可再生资源提供干净的电力。

但是,在另一方面,没钱或者缺乏政治信念去投资这些科技的城市将会变得极其拥挤和肮脏,成为暴动和冲突的爆发点。

量子计算

量子计算是通过叠加原理和量子纠缠等次原子粒子的特性来实现对数据的编码和操纵。

虽然在过去的几十年里,量子计算只存在于理论上,近些年的研究已经开始出现有意义的结果。在未来的5-15年里,我们很有可能制造出一款有实用意义的量子计算机。

量子计算机的出现将会给其他的研究方向,比如气候模拟、药物研究、以及材料科学带来巨大的进步。

不过,最令人期待的还是量子密码学。一台量子计算机将可以破解世上所有的加密方式,而量子加密也将真正无懈可击。如今,量子计算机的许多技术堡垒已经开始被逐一攻克,虽然我们也许在21世纪40年代才会看到真正实用的量子计算机,但来自政府和业界的大量投资意味着量子计算已经迈过了转折点。

混合现实

虚拟现实和增强现实(VR和AR)技术已经在消费电子市场激发了极大的热情,各科技公司也迅速的开始进入这个市场。在2014年收购Oculus VR之后,Facebook将在今年推出他们首款VR眼镜。三星,索尼,宏达也计划在今年推出VR产品。资本的涌进代表了VR将会成为新一代的主流娱乐技术。当然,VR也有在娱乐之外的应用。美国第二大家居装饰用品公司Lowe’s(劳氏公司)正在开发名为Holoroom的一款3D增强现实科技。Lowe’s的客户将可以设计一个空间,然后使用Holoroom进入一个3D模型,体验他们设计的空间感觉如何。

虽然在历史上,市场对VR和AR曾有些过于膨胀的预期,如今的超高清显示,低价的姿势与位置探测器以及高清视频内容给混合现实科技打下了雄厚的基础。在未来的30年里,这些技术将成为主流科技。AR眼镜将把实时相关的信息给用户投放在现实中,而VR眼镜则可以通过融合视觉,听觉,嗅觉和触觉来实现深度沉浸的体验。

数据分析

在2015年,人类总共创造了4.4ZB(44亿TB)的数据,而这个数字大约每两年就会翻倍。在这些数据中隐藏了各种关于消费习惯,公共健康,全球气候变化以及其他经济,社会还有政治等等方面的深刻信息。可惜的是,虽然“大数据”成为了一个热点,但每年只有不到10%的数据会被分析。

在接下来的30年里,我们处理巨量的动态数据的能力将会逐渐提高。自动人工智能软件将会可以从散乱的数据中识别并提取有关联的信息。而这种数据分析的能力将会从商业应用扩散到普通人手里。

人们将会获得在生活中使用大数据的能力,并且通过这种能力来迫使政府以及各种机构对它们的政策负责。而这很有可能引起关于数据限制的冲突。超级个性化营销,政府对人民数据的监视,以及各大数据被盗案件的曝光则会引起数据所有权的讨论。各个敌对势力则可以利用被盗取的,从暗网中购买的,甚至是开源的数据来相互攻击。

人类增强

在接下来的30年里,科技将带领人类突破人类潜力的极限甚至生物的极限。由物联网连接的可穿戴设备将会把与实时有关的信息直接打入我们的感官中。外骨骼和与大脑连接的假肢将会使我们变得更加强大,为老弱病残恢复移动力。

装有探测器和嵌入式计算机的隐形眼镜或者被永久植入在体内的装备将给我们带来可以穿墙的听力,天然夜视,以及可以嵌入虚拟和增强现实系统的能力。益智药将会扩大我们的思维能力,改变工作和学习的方式。

当然,人类增强科技也会带来新的挑战。那些负担不起“升级肉体”价格的人群很有可能发现他们在增强经济里毫无竞争力。而增强科技的联网则会让我们的身体甚至大脑成为黑客的目标。对士兵的增强很有可能引发一场新的增强科技军备竞赛。

网络安全

网络安全不是一个崭新的话题。事实上,早在1991年就有人提出了“网络上的珍珠港”这一警告。但是在未来的30年里,随着物流网的发展以及日常生活中越来越多的连接,网络安全将会成为网络行业首要的话题。

目前,虽然世界上的网络攻击越来越多,但是它们大多数的目标都只是个人或者企业。而且这些攻击所造成的损失虽然很大,但是这些损失并不会扩散。而未来的世界将不会是如此的简单。

随着汽车、家电、电厂、路灯,以及数百万个其他的事物相互连接,网络攻击的后果也会越来越严重。国家、企业、以及个人的数据将会面临越来越隐蔽的攻击。有些甚至在数年后才会被发现。目前,人们可以想象出来最坏的情况就是“网络世界末日”– 在越发越疯狂越频繁的攻击下,整个世纪的互联网以及其中所包含的经济社会功能的崩溃。

社交网络

如今,大约有65%的美国人使用社交网络,而在2005年,这个数量只有7%。社交网络已经开始展现出改变人类行为的能力。但是在未来的30年里,社交科技将会给人们带来可以创造出各自微型文化圈的力量。

人们将会使用科技形成社会契约和基于网络社区的社交结构,从而颠覆许多传统的权力结构。比如政治舆论,由于目击者们可以直接在网络上揭露腐败和压迫而不用通过媒体的过滤,政府将会发现舆论越来越难被直接控制。或者企业责任,虽然企业可以通过社交网络直接接触到消费者,这些消费者也可以利用社交网络来突破营销的噪音,使企业对他们的产品和行为负责。

众筹和直播将会使内容创作进一步的民主化,从而模糊媒体人与观众之间的区别。而比特币以及其他加密货币也许会把货币和交易的控制从政府手中剥离,从此基于社会共识而不是政府的规定。


先进数码设备

由于计算机和各种数码设备在过去的60年里给人们生活带来的天翻地覆的改变,我们似乎已经忘了这些技术还比较新。个人电脑在1975年才出现在商店里,而当时的个人电脑有如今日的宜家,是作为一套零件卖给顾客的。用户需要自己把它组装起来,所有的程序也都需要自己编写。仅仅40年后,人们手中智能手机的计算能力就已经远超1969年把宇航员送上月球时的NASA了。在未来的30年里,这个趋势也将会继续下去。

人们将会拥有更多的计算能力以及更广的数码资源。移动网络和云计算将会给人们带来几乎无限的内存和计算能力。虚拟技术和基于软件的系统将会允许政府和企业在不需要昂贵的硬件升级的情况下迅速的调整升级IT系统。

从衣服到建材,数码产品将会更广泛的融入到日常生活中。在此同时,新科技将会改变我们与科技之间交流的方式。语音界面已经被广泛应用在智能手机中,而姿势界面则允许我们无声的与计算机通讯。最终,人脑-电脑界面将会允许我们用思想控制数码设备,使它们成为我们身体的一部分。


先进材料

在过去的10年里,材料科学的突破给我们带来了许多种先进的材料。从可以自我恢复和自我清理的智能材料,到可以恢复原本形状的记忆金属,到可以利用压力发电的压电陶瓷材料,到拥有惊人的结构和电力性能的纳米材料,这些都是材料科学家的成功。尤其是纳米材料,它有着广泛的应用价值。

在纳米尺度(少于100纳米),普通的材料比如碳,将会呈现出独特的性能。石墨烯,一种由碳原子构成的只有一层原子厚度的二维晶体,强度是钢的100倍,能够高效的传导热和电,并且几乎透明。

纳米材料有着无数种应用,比如作为引擎或其他机械表面的低摩擦力镀膜,作为高强度合成材料来建造汽车和飞机,轻便的防弹背心,以及高效的光伏材料。

在工业应用之外,制药企业也正在研究作为靶向分子的医疗纳米粒子用于治疗癌症。在未来的30年里,纳米材料以及新型材料,比如泡沫金属以及陶瓷复合材料将会被用在从衣服,到建材,到车辆,到公路以及桥梁中,无处不在。

太空科技

太空行业正在进入一个从上个世纪60年代后就从未出现过的发展阶段。新的科技,比如机器人,先进的推进系统,轻便的材料,增加制造,以及元件小型化正在减少把人和物送入太空的价格,而这则会开启太空探险的新机会。

SpaceX,Arianespace,Blue Origin等太空行业的新人已经带来了例如可回收火箭等颠覆式创新。

在未来的30年里,科技的研发将会带领人类将重返月球。在此之外,更加伟大的探险,比如人类登录火星也是,以及新型基于太空的行业,比如在开采小行星中的矿物也都有可能出现。

虽然探索甚至殖民太空是现代人来长久的梦想,但是对太空设施的需求很有可能加大地球上的冲突。随着更多的国家开始依赖天基设备,对太空的控制将有可能成为一个全新的爆发点。天基武器不再是不可能,而反卫星也将成为未来战争的一部分。


合成生物科技

早在孟德尔发现遗传的基础规律,以及埃弗里-麦克劳德-麦卡蒂实验证明DNA是遗传物质之前,人类已经进行了几千年的通过选择性育种以及杂交来操纵植物和动物的遗传基因了。

随着我们对遗传学认知的加深,我们已经可以通过搭建新的DNA来实现无中生有,创造出新的生物。基因改造农作物则是此项科技的先锋。但是在此同时,我们正站在一场生物革命的突破口。当我们跨入生物科技的新时代时,生命将会成为信息,如同电脑程序的代码一样,可以被改写的信息。

科学家正在开发一种可以分泌生物柴油的海藻,这种海藻的DNA中则被编写了数千GB的数据。在未来的30年里,合成生物科技将制造出可以探测到毒素,从工业废料中制造生物柴油,以及通过共栖来给人类寄主提供药物的生物。但是,合成生物也会带来生物武器和难以控制的入侵物种等巨大的危险。


增材制造

增材制造(3D打印)已经在工业界作为制造限量设计原型的技术而被使用超过30年了。但是,在近十年里,3D打印技术获得了惊人的发展。如今,随着3D打印机价格的下降以及大量开源工具和付费模型的出现,世界上已经出现了一个庞大的“创客”群体,无时不刻的在突破这项技术的极限。

在2040年,3D打印技术将改变世界。新一代的3D打印机将可以融合多种材料,电子元件,电池以及其他原件。人们将会利用3D打印技术制造工具,电子产品,备用零件,医疗设备等各种产品,并按照自己个人需求来实现真正的“私人订制”。

军队的后勤将变得更简单,因为装备和补给可以在当地直接打印。物体将会变成信息,而网络盗版将会代替现实偷窃。而恐怖分子以及犯罪集团将会使用难以追查的原材料来打印武器,探测器,以及其他装备,给社会安定造成极大的隐患。


医学

在未来的30年里,各种科学技术上的突破将改变医学。通过基因组学,我们将会得到真正的私人药物。在未来,癌症,心肺疾病,阿兹海默症,以及其他目前看似无救的疾病将会由针对患者个人基因的药物来治疗。

人类将可以通过DNA培养出来移植所需的器官,从而灭绝等待配型以及排斥反应等很可能致命的情况。生物假肢将会被直接连接到神经系统上,从而提供与真实触感极其相似的感官。

机器急救人员以及例如控制性降温的肢体存活技术将会大幅度延长救援的“黄金时间”。科学家们将找到衰老的原因,从而增加人类的寿命,涌现出一大群非常健康并有活力的“老人”。

另一方面,发达的医疗设施的价格将会给各国的医疗系统带来更大的压力。穷人与富人之间的救命资源也会出现极大地不均。而且随着人类寿命的增加,年轻人与老人之间对于工作以及资源的竞争则会加剧。抗药性极高的超级细菌也会给世界各地的人们带来极大的危险。


能源

在未来的30年里,全球能源需求预计会增长35%,我们则正在面临着一场能源革命。新的采油技术,比如水力压裂以及定向钻为人类添加了大量可开发的油田和气田。而这直接颠覆了世界石油市场,使美国从世界上最大的石油进口国变成了最大的石油生产国。

与此同时,可再生能源,比如太阳能和风能的价格也开始接近与石油。就拿太阳能来说,在过去的10年里,太阳能发电的价格从每瓦8美元降低至这个数字的十分之一。在此之外,还有核能这个抱有争议但从未停止开发的能源。新一代的核反应堆设计宣称远比之前的更安全,也会产生更少的核废料。

不过,虽然使用清洁能源可以帮助我们减缓全球气候变化,但是围绕着用于生产电池,光伏,以及其他元件的稀有资源的新的纠纷与摩擦也会出现。石油经济的消退也会在中东和北非引起经济和社会的严重不稳,进一步加深当地的武装冲突。

新型武器

在未来的30年里,数种新型武器技术将出现在战场上。除了目前正在开发中的非致命武器以及能量武器之外,数个国家也正在开发可以阻绝军事行动能力的反介入和区域阻绝武器(A2AD)。A2AD技术包括反舰弹道导弹、精密制导反车辆反人员武器、反火箭炮、火炮和迫击炮系统(CRAM)、反卫星武器,以及电磁脉冲武器(EMP)。


有些技术,比如精密制导武器,属于基于现有科技的突破。中国就正在开发可以摧毁航空母舰的先进反舰弹道导弹。而有些技术则属于崭新的主意,比如2015年由美国防部高等研究计划部(DARPA)所开发的EXACTO自导子弹。随着中国,俄罗斯,美国以及其他国家斥巨资推进军队现代化,新一代的高科技军备竞争正在揭晓。


食物与淡水科技

在未来的30年里,淡水和食物的缺乏将会在世界上制造更多的冲突。大约全球25%的农地已经由于过度耕作,干旱,污染等原因造成了严重退化。

在未来的几十年里,最乐观的预测也指出主食谷物的价格将会提高30%。但那是最乐观的情况。如果全球气候变化、需求,以及资源管理的失败按照目前的趋势继续下去,价格提高100%也是可能的。

在2045年,全球超过40%的人口将会面临缺乏水源的问题。这一切问题的解决方式只有科技。

海水淡化、微型灌溉、污水回收、雨水收集等科技将会减缓人类对淡水水源的需求。基因改造农作物以及自动化将会允许农民使用更少的土地来出产更多的食物。食物和淡水将会成为新的科技热点,也会成为新的冲突爆发点。

对抗全球气候变化

根据目前的数据,在2050年,地球表面的温度将增加1.4至3摄氏度。就算我们采取了一些极端方式来减少温室气体的排放,气候的惯性也会引起温度的提高。而地表温度的提高则会带来一系列的恶果,比如海平面的提高给海岸城市所带来的危险,农作物产量的下降所引发的饥荒,干旱导致数百万人缺乏饮用水,以及洪水所造成的数十亿损失。

在未来的30年里,这些危机将会引导各方投资研究可以减缓气候变化所带来的影响的科技。在近期,这些科技将包括在地图上标出有洪水危险的系统,以及可以抵抗干旱的基因改造农作物。在更长远的时间里,也许会出现野心更大的科技,比如可以从大气中提取二氧化碳和甲烷等温室气体,并在把它们安全的储存在地下的科技。


但是,如果气候变化的趋势是增加3度这种最坏的情况,它给地球气候所造成的巨大影响将难以减缓。在这种情况下,极端的地理工程手段很有可能是避免极度恶劣气候的唯一方式。科学家们就曾提出在大气层中散布硫或者氧化铝来减少抵达地球表面的阳光。不过,这些手段还处于理论阶段,风险非常大。

BAT-AI人才大数据报告 2017-06-16 10:27:59

报告背景

随着国内国际经济局势转变、人口红利快速消失,中国经济急需寻找新的增长引擎。而基于人工智能的智能应用带来的巨大生产力提升潜力,被社会各界广泛看好。国内科技企业中百度、阿里、腾讯作为行业领军角色,已先后建立起自己的人工智能(AI)人才研究院,践行本土化“硅谷-斯坦福”模式,重点培养和发掘本土人才,其人才战略颇具参考价值。

基于此,在充分保障数据安全的前提下,国内领先的一站式大数据招聘服务平台e成科技,其人才大数据研究院调研了截止2017年4月e成大数据平台中百度、阿里巴巴、腾讯(BAT)三巨头的人工智能相关人才数据,发布《BAT人工智能领域人才发展报告》。对三家企业的AI人才现状,通过大数据进行精准挖掘和深度解析,并为三家企业的AI人才画像,解析企业AI人才需求特征,及高级人才市场走向,希望能为国内人工智能全行业的人才培养提供参考。


报告目的

本报告的研究对象是已拥有成熟互联网产品的三家国内科技巨头,他们在原有业务类型基础上对AI领域进行拓展。借此报告,希望能够对成熟企业AI人才架构、人才想法和策略进行探讨,并为国内企业AI人才发展轨迹提供参考价值。


核心结论

• AI人才储备:百度领衔,阿里巴巴、腾讯奋起直追。

• AI人才职能布局:百度重搜索、阿里优策略、腾讯重分析。数据化mapping凸显BAT人才架构,AI职能辅助企业核心业务的指向性明显。

• žAI人才薪酬与稳定性:百度晋升快、腾讯最稳定、阿里巴巴独占薪酬高地。数据化的雇主品牌特征更直观表现BAT各自发展模式。

• žAI人才流动性:互联网企业AI人才互有流动,华为或成最佳跳槽目的地。

• AI人才培养与择业:国内AI人才培养北大清华稳坐头名,硕士学历为平均入行门槛。



报告说明

本报告选取人工智能(AI)岗位职能关键词进行筛选,经过数据清洗对保留的1,604份简历样本进行分析。

▊这些人工智能样本涉及到的岗位职能包括:

算法、机器学习、自然语言处理、数据挖掘、搜索开发、spider开发、图像识别、语音识别、推荐系统、系统算法工程师、图像算法工程师、数据分析、数据仓库、matlab建模工程师 等关键词,基本涵盖了现阶段人工智能细分领域的人才结构。

为便于更多维度的详细统计分析,我们将14个单独职能划分为三大类:

• 算法策略类:算法、机器学习、自然语言处理、数据挖掘、图像识别、语音识别、推荐系统、系统算法工程师、图像算法工程师、matlab建模工程师。

• 工程类:搜索开发、spider开发。

• 数据分析类:数据仓库、数据分析。


算法策略侧重于方法研究、工程类侧重于项目实现、数据分析则重对数据的解析。



AI时代市场营销生存指南:8大应用方向,无限搜索与超级个性化 2017-06-15 15:23:08

AI 已经撕掉了科幻的标签,切实影响着我们的生活。但对于营销技术(MarTech)而言,AI 的采用还处于起步阶段。

 

关于 MarTech

 

MarTech(Marketing Technology,营销技术)正在急剧地改变着营销活动。利用营销技术,营销人员正在加快一对一营销活动的自动化。他们不仅使营销的内容更有针对性,而且使沟通的时机、频率和渠道都更具针对性。

 

现代营销人员利用基于人工智能的指令、信息选择以及内容生成技术,通过所有媒体推送个性化信息。


随着过去 20 年无线和虚拟技术的出现,商业有了突飞猛进的发展。而现在,推动这一势头的最大力量就是 AI 与机器学习(AI / ML)的完美结合。这一 10 年的前半阶段主要聚焦于大数据的利用,而目前在商业尤其是销售和市场营销方面,AI 技术也在以同样的采用率逐渐成为主导。AI 提供的前景——基于 AI / ML 算法上运行的智能软件将多快好省地执行任务——为 MarTech 带来了新的发展机遇。


然而,有一个问题还有待回答——

 

AI 何时能真的在营销和销售方面超过人类的表现?虚拟助理何时会接管人类营销人员和销售代表?



根据新智元此前为大家介绍过的牛津大学的调查报告,AI 将分阶段接管人类工作,具体取决于所需的专业性和精确度。例如,智能助手将在 2024 年之前接管翻译任务,而可能需要长达 45 年的时间才能在要求手术般精确的基于直觉的任务中替换人类。本世纪中叶,营销人员和销售代表或者会得到 AI 驱动的智能助手的协助,或者会被它们 PK 掉。


不必担心,这对商业和人类都是件好事。我们的大脑不必再为了得到一个结论而去苦苦压榨那些数据和数字。事实上,AI 将解放人类的大脑,使它们从事更有创意的工作。执行过程中的失败率将会降低,而对客户的针对性将大幅度提升。


在这篇由四部分构成的文章中,我将讨论商业技术中 8 个核心的 AI 应用门类,带大家了解认知和预测学习对理解消费者行为的作用和意义,以及 AI 在达成业务目标的过程中达到或超越人类的前景。


今天为您带来的是第一部分。



通过无限搜索发现“一切”

预计达成年份:2031


 

营销人员使用 AI 来破解在线营销的迷宫。从查找相关图像到追溯重要信息的来源,AI 能够识别出模式并根据现有数据提供对未来事件的预测。每次搜索将基于历史数据、预测性分析和建议快速进行。

 

使用搜索引擎搜索“一切”现在有了一个新的含义——“无限”搜索。


谷歌爬虫和网页抓取工具通过互联网用户的眼睛来索引动态内容。搜索引擎的AI 能力可帮助营销人员贯彻“用户第一”的逻辑——识别关于特定主题的、为访问者提供了最大价值的相关网站和页面,并将其置于顶端。


自从谷歌开始使用 Rank Brain 来诠释 AI 筛选出的“大量”查询后,客户使用搜索引擎的体验得到了显著提升。现代搜索引擎现在通过内容开发和建立链接提供更为全面的用户体验,以显著提高搜索结果。预测性的产品推荐会自动填充搜索库来管理和适应浏览习惯。这将提供更好的以移动为中心的搜索,轻松实现个性化。

 

基于复杂的搜索意图算法,AI 驱动的引擎将拥有无限搜索能力(infinite search)。每个 AI 算法都将提升搜索在客户决策中的价值(该决策树由意向、调研、比较、交易和体验构成)


为了在特定网站上搜索相关内容,与其他网站相比,用户在某些网址上会停留更长时间。但是,有一些 URL 可能没有出现在前 10 页内。而且,域名权限和搜索引擎优化(SEO)的竞争又如此激烈。


到2025年,AI 将消灭掉大部分“搜索”和“网上冲浪”,在不到五秒钟的时间内提供准确的点对点结果。


购买查询

 

客户在什么阶段真正表现出了购买的意图?AI 将通过追溯首次网络购买查询来帮助营销人员精确地找到这个时间点。



最重要的是,AI 在营销中可以经由搜索引擎提升品牌的独立形象,并基于购买查询和广告点击将客户带到品牌的购买页面。




营销自动化中的 AI ——高速发展

预计达成年份:2025年



营销人员举双手赞成使用营销自动化来实现最终的业务目标。尽管营销技术正在被迅速采用,但首席营销官尚未证明自己在这一技术上的投资是合理的。虽然企业计划在未来几年扩大其在 MarTech 上的预算,以实现 100% 的自动化,但投资回报率仍然是一个关键因素。毕竟部署和执行营销自动化也需要人力资源。




AI 可以在营销自动化的多个关键环节替换人力,比如电子邮件、社交媒体、数据管理、内容分析、CRM 和搜索等。这种替代可以直接导向与用户建立更紧密的业务连接。


Boomtrain 的智能营销平台(Smart Marketing Platform)利用 AI,使营销人员能够与用户数据无缝连接。预测分析的强大功能使全方位营销工作变得流畅无误。这种组合对于 B2B 营销尤其重要,因为它提供了基于统一客户数据和行为细分的1 对 1 体验。


AI 为客户提供实时的个性化见解。基于对营销人员的实时推荐,营销自动化工具可以创建定制的内容,为客户和潜在客户带来个性化的数字体验。


例如, 可以完美定制电子邮件营销活动,以满足每个 B2B 客户的选择和品味。 如果你有客户数据,自然语言生成(NLG)平台,比如 Wordsmith 可以以任何规模、格式和语言提供内容。



AI 与个性化


AI 现在被用于策划个性化内容,以与B2B 潜在客户进行互动。为 lead nurturing (可以理解为培养中的潜在销售对象)提供个性化内容使销售机会增加了20%。在未来一段时间,文本分析和自然语言处理技术是营销自动化革命的关键。目前,营销技术中使用 AI 实现个性化推荐的最优秀应用是电子邮件营销。根据 Boomtrain 的报告,个性化电子邮件的打开率超过了 60%。通过添加一个 AI 引擎来处理电子邮件,个性化对打开率的提升达到了228%!


这是AI驱动的个性化电子邮件的工作原理,



紧跟在电子邮件营销之后的是借助 AI 技术实现的个性化视频广告。个性化视频帮助营销人员快速编织出完美的品牌故事。Innovid 的视频体验套件(Video Experience Suite)就是一个提供创意相关的个性化视频的经典平台,能够提高投资回报率。与客户的行程同步,基于意图数据的视频体验平台能够显著改善业务成果。


如果再进一步,将个性化视频广告缝合到电子邮件营销活动中,可以关注一下 Jivox。电子邮件中AI 驱动的个性化广告将超过人类策划的跨平台创意项目。

机器学习掀起材料革命,人工智能或将颠覆人类科研方式 2017-06-15 15:11:23

发现一种新的材料是非常艰难的过程,通常要经历无数次失败,偶尔在机缘巧合之下取得成果,还要费劲功夫反向检测这种新材料的性质。但有一批材料科学家转换思路,使用计算机模型和机器学习算法生成海量假想的材料,建立数据库,从中筛选出值得合成的材料,再通过检索这些材料可能拥有的性质进行具体应用测试,比如将这种材料用作导体表现如何、用作绝缘体性能又如何、这种材料是否具有磁性、那种材料的抗压力是多少。

 

2016年5月5日,Nature 将一篇机器学习算法改变材料发现方式的论文放上封面,并提出“从失败中学习”:哈佛大学研究者利用机器学习算法,用失败或不成功的实验数据预测了新材料的合成,并且在实验中机器学习模型预测的准确率超过了经验丰富的化学家,这意味着机器学习将改变传统材料发现方式,发明新材料的可能性也大幅提高。


使用计算机模型和机器学习算法的好处在于,失败的实验数据也能用作下一轮的输入,继而不断完善算法。伦敦帝国学院研究副院长、材料科学家 Neil Alford 以观察者身份发表评论,这种做法代表了实验科学和理论科学的真正融合

 

加州大学伯克利分校的材料科学家 Gerbrand Ceder 在接受 Nature 记者采访时说,使用机器学习算法有望大幅提高新材料发现的速度和效率。Ceder 是最早开始使用计算模型和机器学习生成假想材料的科学家之一,他以化合物磷酸铁锂为例:磷酸铁锂最初于 20 世纪 30 年代被合成,但当时世人并不认为这种材料会有多大用途,直到 1996 年科学家发现磷酸铁锂大有取代现有锂离子电池的可能。


哈佛大学的研究者采用计算材料科学思路,使用“失败”数据,成功完成了这篇被选为本期 Nature 封面的论文。


有了机器学习,再也不怕失败了


  • 论文标题:Machine-learning-assisted materials discovery using failed experiments

  • 作者:Paul Raccuglia、Katherine C. Elbert、Philip D. F. Adler、Casey Falk、Malia B. Wenny、Aurelio Mollo、Matthias Zeller、Sorelle A. Friedler、Joshua Schrier、Alexander J. Norquist

  • 来源:Nature 533, 73–76 (05 May 2016) doi:10.1038/nature17439


使用失败实验在机器学习辅助下进行材料发现(摘译)

 

对诸如有机模板合成的金属氧化物、金属有机骨架(MOF)和有机卤化钙钛矿等无机-有机杂化材料的研究已经持续了数十年。水热法和(非水)溶剂热合成已经产生了数千种新材料,这些新材料几乎包含了元素周期表中的所有元素。然而,我们仍未充分理解这些化合物的形成过程,对新化合物的开发主要依靠试探性合成。在Materials Genome Initiative的推动下,计算机模拟和数据驱动的方法成为对实验试错方法的替代选择。三个主要的策略是:基于模拟来预测材料的电荷迁移率、光生伏打性质、气体吸附能力和锂离子嵌入等物理性质,从而确定那些有前景的合成对象。通过整合高通量合成与测量工具,从大规模实验数据中确定材料的结构-性质关系。基于诸如沸石结构分类和气体吸附性能等相似的晶体结构,对材料进行聚类。


在这里,我们展示了用反应数据训练机器学习算法,继而预测模板合成的钒亚硒酸盐结晶过程的反应结果。我们使用未发表的“黑暗”反应信息,这些反应信息来自那些失败或未成功的水热合成实验。我们从实验室的笔记本档案中收集了这些信息,并运用化学信息学技术为笔记本中的原始数据添加了理化性质描述。我们用由此产生的数据训练机器学习模型预测反应能否成功。当使用先前未经测试的、市场有售的有机砌块进行水热合成实验时,我们的机器学习模型获得了比传统人类策略更好的效果,并成功预测了有机模板合成的无机物的形成条件,成功率达 89%。对机器学习模型进行反演后,可以揭示出关于成功产物形成条件的崭新假设。


实验中机器学习模型反馈机制示意图




图1|“黑暗”反应的反馈机制示意图。使用从历史反应数据中产生的机器学习模型推荐可供执行的新反应,并产生关于结晶过程的假设,这些假设可以被人类解读。另,SVM 是支持向量机的缩写。来源:Nature 533, 73–76


机器学习模型超越传统人类策略


图2|关于模板合成的钒亚硒酸盐晶体形成的实验结果比较,以胺相似度为横轴。深色条表示机器学习模型的预测,浅色条表示传统的人类策略。产生了多晶和大单晶产物的反应分别显示为蓝色和绿色。纵轴显示了反应出现所指示的结果的概率。机器学习模型比人类策略更成功地预测了晶体形成的条件,无论用模板合成的胺数据库中已知实例时所具有的系统相似性如何。来源:Nature 533, 73–76


支持向量决策树



图3|从 SVM 中得到的决策树。椭圆表示决策节点,矩形代表反应结果容器,三角形代表被切除的子树。箭头上的数字对应于决策属性的测试值。每个反应结果容器(矩形)对应一个特定的反应结果值(“3”或“4”,如图所示)。括号中的数字是正确地分配给该容器的反应的数量(任何被错误分类的反应都用正斜杠标识)。分数值表示反应具有不确定的结果,这是由决策树的较高位置的属性值缺失导致的。那些包含了大多数成功反应的容器被分为三个不同的组(分别用绿色,蓝色和红色阴影标示)。每个彩色子树定义了一组有助于单晶形成的特定反应参数。通过审查这些条件,可以得出相应的化学假设,这些假设分别对应于低、中和高极化胺。来源:Nature 533, 73–76


算法生成的假设及其化学三维结构模型




图4|对从模型中产生的三个假设及每个假设结构的图示。单晶形成所需的实验条件很大程度上取决于胺属性。小的、低极化的胺需要不存在与之竞争的 Na+ 离子,也需要较长的反应时间,以避免无机砌块沉淀。球形、低投影尺寸的胺则需要包含 VOSO4 等试剂的 V4+ ,因为它们不能直接从常见的 V5+ 前体中产生 V4+。长的三胺和四胺要求草酸盐反应物,以改变无机次级砌块的电荷密度。这三个假设分别对应于图 3 中的绿色、蓝色和红色子树。


我们的机器学习方法使我们能够利用包含历史反应的化学信息,并阐明支配反应结果的因素。机器学习模型对先前未经测试的有机胺的预测准确率,超过了依靠多年来形成的化学直觉所实现的准确率此外,我们的方法以可验证的假设形式揭示了支配反应结果的化学原理,它能更成功地制造新化合物,也能产生有用的化学信息,这代表了试探性反应的革新性进步


AI 真能发现神奇材料吗?


计算材料科学还是一门新兴的学科,其主要推动着就是上文提到的加州大学伯克利分校的材料科学家 Gerbrand Ceder 受人类基因组计划的启发,Ceder 想到了使用高通量数据驱动的方法进行材料发现。Ceder 认为,人类基因组本身并非能作为疾病治疗的方案,但却可以为医学提供研发疾病治疗方案的海量基本定量数据——材料科学是不是也能借鉴遗传科学的方法,用“材料基因组”(该词为 Ceder 所创)编码各种化合物呢,就像 DNA 碱基对编码蛋白质等各种生物材料一样?

 

2003 年,Ceder 研究组创建了一个量子力学计算数据库,用于预测金属合金最有可能形成的晶体结构,因为这是发明新材料的基础。在过去,即使使用用超级计算机也需要通过多次反复长期大量试错找到合金的基态。但在 Ceder 研究组 2003 年发表的一篇论文中,他们描述了一种捷径:研究人员首先计算出一些常见二元合金晶体结构的能量,建立小型数据库,然后设计了一种机器学习算法,这种算法可以从上述数据库中提取模式,继而预测出新合金基态的可能值。结果表明,Ceder 研究组设计的这种机器学习算法表现良好,大大缩减了计算时间。

 

2006年,Ceder 在 MIT 开始了 Materials Genome Project,用改进后的机器学习算法预测能用作电动车电池的锂材料。2010年,该计划的数据库里已经包含了2万种计算机预测的化合物。另一方面,Ceder 研究组成员 Stefano Curtarolo 在 2006 年去了杜克大学并在那里建立了自己的实验室——Center for Materials Genomics,专门研究金属合金,Curtarolo 研究组与其他两家研究机构合作,逐渐改进 2003 年的机器学习算法并拓展数据库,构建了 AFLOW 系统,能计算已知的晶体结构并且自动预测新的晶体结构。

 

2011年6月,白宫宣布斥资几亿美元进行 Materials Genome Initiative(MGI),由此开始计算材料科学这门学科成为主流。如今,除了 Ceder 的 Materials Project,还有原 Ceder 研究组成员、现杜克大学材料科学家 Stefano Curtarolo 的数据库 AFLOWlib,以及西北大学材料研究者 Chris Wolverton 在 Ceder 思路启发下,用自己研发的算法和模型建立的数据库 Open Quantum Materials Database(OQMD)。


这3大数据库都含有从材料科学界广泛使用的无机晶体结构数据库中提取的5万种材料,这些都是曾经被制造出来的固体,但其导电性和磁性尚未被彻底研究。其不同之处在于:Ceder 的 Materials Project 侧重沸石、锂电池相关以及金属有机骨架结构材料,并以较高的标准衡量是否将计算机预测的材料纳入数据库;Curtarolo 的 AFLOWlib 是最大的数据库,包含 100 多万种材料和几十万种假想材料,但相应的里面也不乏只能存在一瞬间的材料;Wolverton 的 OQMD 有大约 40 万种假想材料,其中钙钛矿相关的尤其丰富,此外正如名字中 Open 那样,用户可以下载整个数据库。

 

目前这3大数据库都在用各自的方法不断补充数据、完善算法,但离理想还有很大距离。当前的机器学习算法相对擅长预测某种晶体是否稳定,但在预测吸光性和导电性时则会出现很大误差。不过,Materials Project 已经发现了几种有望超越现有锂离子电池阴极材料性能的材料,以及有可能提高太阳能电池能量转化率的金属氧化物。都柏林三一学院的研究人员使用 AFLOWlib 预测了 20 种可用于制作传感器或计算机存储器的磁性材料,并且成功合成了其中的两种,同时经实验证明其磁性与预测非常接近,相关论文已经在 Nature 发表。

 

欧洲也有类似的计算材料计划:由瑞士洛桑联邦理工学院(EPFL)为首的一批计算材料科研机构共同组建了 MARVEL,EPFL 的材料科学家 Nicola Marzari 是该项目的负责人。Marzari 正在使用新的计算平台制作一个叫做 Materials Cloud 的数据库,主要用于搜索石墨等由一层原子或分子组成的“二维”材料,这类材料可以在纳米电子、生物医学设备领域得到广泛应用。Marzari 的 Materials Cloud预 计今年晚些时候启动,学界也对此表示了普遍的关注。据 Mzrzari 预计,到 Materials Cloud 开放时,系统将会得出大约 1500 种有望进入试验阶段的二维材料结构。



人工智能帮助科学家发现新材料。

 

不过,计算材料的发现也不全是好的结果:EPFL 中心的计算化学家 Berend Smit 及其研究组筛选了计算机预测的 65 万种材料后得出结论,当前用于存储甲烷的材料基本已经是最好的了,纵使得到改善,存储效率也只能微量提升,这说明美国寄希望于重大技术突破(如使用纳米多孔材料存储甲烷)而设定的能源目标很可能是不现实的。

 

目前,Ceder 和 Curtarolo 都在努力开发更好的机器学习算法,从已知化合物合成过程中提取规律。Marzari 告诉 Nature 记者,材料科学已经从手工时代进入了产业化阶段,虽然现在市面上还没有计算材料得到应用,但他相信十年后不仅会有,而且可能会有很多。


不过,就连支持使用计算机和机器学习生成假想材料的科学家也指出,要从假想材料到现实落地还有很长一段距离。首先,现有数据库所含有的材料数据本身就不多,连现有已知材料都没有收录完全,更被说计算机生成的材料了。其次,这种用数据驱动的发现方法并不适用于所有的材料(目前算法只能预测完美晶体)。再者,即使计算机生成了一种极有前景的材料,要在实验室里将其合成、制为实物也仍然可能需要花费很长时间。Ceder 对 Nature 记者说,计算机随时都在生成有趣的新材料,但有时候半年多时间都无法在实验室里将其制造出来。换句话说,在理论上合成一种材料相对简单,但要在实验室里把它做出来很难。

 

但是,材料科学家对于发现新的化合物充满信心,他们相信还有数不清的新材料有待合成,而这些新材料将对电子工业、能源产业、机器人产业、健康医疗和交通运输带来巨大改变。


【美限制中国AI投资】以安全名义封锁技术,BAT华为项目或受审 2017-06-15 15:04:14

根据路透社发表在《纽约时报》的报道,几名现任或前任美国政府官员称,美国似乎正准备加强对中国在硅谷投资的审查,以更好地保护对美国国家安全至关重要的敏感技术。


中国资本在过去几年如潮水般涌入硅谷。美国的这一举措可能会阻碍新兴技术初创公司的快速增长。然而据传出这则消息的路透社报道,现任和前美国官员都认为,这一举措对于和国家安全息息相关的新兴敏感技术来说是十分必要的。


不久前美国防部发布报告,声称中国在通过合资、少数股权和早期投资获取美国的敏感技术。



CB Insights数据显示,自2011年初以来,大中华地区(中国台湾,香港)的投资者已经参与了679美元的技术交易,共计18.2亿美元。 2012年至2015年,中国投资者在美国科技公司的交易活动上涨了4.5倍。 2016年前9个月,中国投资者共参与了160项美国科技交易,总额达3.5亿美元。


根据BBC的报道,下面是一些可能被进一步审查的近期交易的例子:


  • 百度收购计算机视觉公司 xPerception

  • 阿里巴巴对增强现实开发者 Magic Leap 的投资

  • 华为与美国加利福尼亚大学的 AI 研究伙伴关系

  • 腾讯收购特斯拉股份,该公司正在进行无人驾驶汽车的设计


2016年中国公司对美国企业的几笔大投资(来源,CBInsight):



在早期阶段接受了中国投资的公司可能会被从与国防部合作的名单中排除出去。


一位特朗普政府的官员称,美国正在考虑给 Committee on Foreign Investment in the United States (CFIUS) ——一个出于国家安全理由对外资收购美国公司进行审查的机构——更多的权力以停止“中国的掠夺性做法”。


CFIUS 由财政部领导,包括九名常任理事,包括国防、司法、国土安全、商务、国家和能源部门的代表。


参议员 John Cornyn 正在起草立法,使 CFIUS 有权阻止技术投资。该法案将使 CFIUS 加强对被认为潜在威胁到国家安全的国家的买家的监督。它还将要求五角大楼在硅谷和其他部门的帮助下,确定哪些技术应该进入到 CFIUS 的审查。


中国政府对美国此举进行了回击。中国外交部发言人陆慷周三说:“我们希望美国能为中国企业在美国投资提供良好的环境。”


利益攸关的主要技术是可用于军事援助无人机项目的人工智能。图像识别算法是硅谷新兴的热点,市场分析人士指出,从事这项工作的公司已经引起了中国投资者的极大兴趣。


国防部长 Jim Mattis 星期二在参议院听证会上表示,CFIUS 和处理外国对美国敏感技术公司投资的整体架构是“过时”的。


Mattis 说:“为了应对当今的情况,它需要更新了。”


在全球 AI 竞赛中,许多专家开始相信中国已经超越美国,这要归功于中国政府对相关研究项目和举措数十亿美元的投资。


百度最近与中国政府合作,创建了一个人工智能实验室。


“这是新一代计算的竞赛,”战略与国际研究中心资深研究员詹姆斯·刘易斯(James Lewis)对《纽约时报》表示,“不同的是,中国似乎把这当成了一场竞赛,而美国没有。”


国防部长 Mattis 星期二在参议院听证会上说,对外国向美国敏感技术公司投资的处理方式是“过时”的。


中方:勿用政治干扰商业并购


6月14日的外交部例行新闻发布会上,外交部发言人陆慷对此回应:正常的商业并购就应该按照商业原则和市场规律办。我们主张外界不要对这些商业并购案作过多政治解读,更不要进行政治上的干扰。中美经贸合作本质上是互利共赢的,希望美方能够为中国企业赴美投资兴业提供良好的环境。事实证明,中美之间良好的贸易投资合作关系能够为双方都带来实实在在的好处。



据悉,美国还以国家安全为由把手伸向了邻居加拿大。中企海能达正在收购加拿大高科技企业诺赛特(Norsat),而美国国会12日警告此事将威胁到美国的国家安全,并敦促五角大楼“马上评议”美国军方与诺赛特公司的合作。


五角大楼发布的报告称,在2010年至2016年的7年间,中国投资者通过1000多项投资协议,对处于研发初期的美国技术投资了大约300亿美元。而侧重研究人工智能、自动驾驶汽车和机器人的美国起步公司,在引资方面几乎不受限制,而中国就利用这个方便之门,注资这些美企。


NYT 报道:唯一能做的是让中国 AI 人才留在美国


令人在意的是,《纽约时报》报道末尾指出,有美国官员建议改变移民政策,让中国研究生在完成学业后能够留在美国,而不是把他们的专业知识带回到中国。


Menlo Futures 董事总经理 Venky Ganesan说:“我们唯一可以做的事情就是让他们留在这里,在这里建造技术——不要回到自己的国家,与我们竞争。”


五角大楼那份未发布的报告还提出了一些曲线救国的方法比如改变移民政策让中国研究生在完成学业后能够留在美国而不是把他们的专业知识带回到中国。


Menlo Futures 的管理总监 Venky Ganesan 很认同这种将最好的人才留在美国的办法。他说


我们能做的最重要的事就是给他们绿卡让他们留在这里在这里做技术研发而不是让他们回到自己的国家与我们竞争。


网友评论:禁止中国投资,可能构成禁止中国 AI 研究员参与,而这将对美国构成损失


相关新闻一出,马上激起了讨论。新智元对《纽约时报》报道,还有 Reddit 上针对《纽约时报》报道的评论做了归纳总结。


整体来说, Reddit 网友评论还是客观的,尽管也有人反讽,“我们干脆也禁止使用 ResNet、Faster-RCNN 这样的中国 AI 模型算了”。


目前排名第一,也即获得赞同最高的评论来自 tensor_every_day20 的网友——据悉,如果禁令真的颁布,将会毫不留情(toothless),其中一个原因就是 AI 信息在网络上是自由传播的,比如开源网站 Github、论文预印版网站 arXiv 以及其他科研交流设施。不过,tensor_every_day20 认为真正值得关注的,应该是美国政府想要实际控制能够切实规模化研发 AI 技术的“机构”(institution)。有关 AI 的原始想法尽管有用,但实现起来必须要结合专业人士、硬件基础设施、运营经验等资源。由此,tensor_every_day20 认为,对于想与企业在国家安全层面进行合作的美国政府或军方,外国投资就是一项十分复杂的因素。


这个观点得到了许多认同。Reddit 网友 rumblestiltsken 表示,除此之外,大量有用的数据也是关键。“即便是巨头,标注大量杂乱无章的数据也是一项大工程……在某个领域谁率先把这个做好了,谁就有一大优势”。


网友 Steven__hawking 表示,五角大楼并不真正关心神经网络架构有什么实质性进展,他们担心的只是如果有哪家初创公司开发出超强劲的某种技术(比如破译密码的通用解决方案),这家初创公司会不会把这种技术交给敌对方手里。


对此,Reddit 网友 VordeMan 的观点可能代表了美国一种非常普遍的心声。VordeMan 表示,虽然不太希望这样的禁令真正颁布——公开合作才是往前发展的正道——但政府的做法也情有可原(I do get why the government could be concerned)。VordeMan 认为,禁令可能类似应激反应,并没有真正搞懂局势。


此外,关于禁用 ResNet 等模型,Reddit 网友的争论也值得一看。在有人抛出一开始的观点后,马上有人回应,ResNet 和 Faster R-CNN 都是在微软这家美国公司里写的。但随即就遭到反驳,网友 epicwisdom 说:“ResNet 论文的 4 位作者都是中国人(生在中国,长在中国)。”


不过,epicwisdom 接下来说的话才是要点——“禁止中国投资(investment)很容易构成整体上禁止中国研究人员/工程师参与,而这将是一大损失”。

金准数据2017中国三四五线城市车主洞察报告 2017-06-15 11:03:09