数据资讯
  今天就是一年一度的七夕节了,作为中国传统的“情人节”,相信不少情侣已经想好如何度过一个愉快的七夕节,而没有对象的小伙伴怎么办?马云老师已经安排上了。   8 月 25 日消息,支付宝表示,对于七夕节缺对象的人,可以上支付宝搜“找对象”,马老师已经安排好。   通过搜索发现,原来马云老师所说的对象竟然是真的象。并且今天还是蚂蚁集团与云南省林业和草原局、西双版纳傣族自治州人民政府签署框架协议,就亚洲象保护达成合作的日子。   此前,马云在阿里巴巴内部发布《请大家想办法一起参与这件事》的倡议中就曾写道:“当前,云南总共有大象 320 头,其中仅在西双版纳就有 280 头,近年来,大象和人的冲突越来越大,不仅损坏农作物,这两年还伤害了很多百姓生命”。   马云当时还直接指定了阿里巴巴合伙人、阿里巴巴公益基金会理事长孙利军和千寻位置 CEO 陈金培担任项目负责人。 除此之外,他还呼吁员工一起动脑动手,把这个头疼的问题变成“好玩的公益”。 看来现在这个项目已经落实,   据了解,蚂蚁集团未来将整合经济体力量,从野生亚洲象监测预警体系建设、栖息地和廊道恢复、亚洲象肇事帮扶等方面展开相关探索,目标带动全社会共同参与,促进人象和谐发展。   这就是七夕节马老师送大家的(对)象,你喜欢吗?
互联网
2020-08-25 12:24:00
  腾讯科技讯,今年 2 月 20 日,腾讯与敦煌研究院联合推出了“云游敦煌”小程序。6 个月过去,小程序的累计独立用户访问量达到 422 万人次,游客总访问量 1751 万人次。   8 月 19 日,“文化遗产”保护管理与传承创新研讨会在敦煌举行,腾讯新文创研究院走进敦煌,向 100 多位专家学者讲述了云游敦煌诞生背后的故事。腾讯集团市场与公关部总经理、腾讯新文创研究院执行院长李航作了《新时代下先进科技与文化遗产的融合发展》主题发言。   他从以下三个方面讲述了先进科技对文化遗传传承的重要性:其一,科技与文化遗产融合发展的基础,是为文化遗产创造数字资产,创建数字世界的入口。最好的文物保存并不是束之高阁,而是让文化遗产通过科技与人心相连。通过“云游敦煌”这个数字入口,人们随时随地“逛”敦煌,千万里之外的敦煌就在身边。   其二,先进科技是思维,文化遗产是思想。思维传播思想,思想指引思维,二者是共同体。“云游敦煌”首创“今日画语”“一幅壁画+一个故事+一句箴言”让人每打开一次“敦煌”都能充分感怀善念。   其三,科技和文化遗产融合发展,将推动中国新文创发展,打造出有影响力的超级文化符号。“敦煌动画剧”“敦煌诗经”等电影、文学、游戏等数字内容正通过技术融合与敦煌产生化学反应。敦煌不仅是壁画,更是一种生活方式。    下附发言全文:   敦煌研究院以及各位文博、文保界的专家老师们,大家好!   非常荣幸受到敦煌研究院的邀请,来参加本次研讨会。今天的主题是“新时代下先进科技与文化遗产的融合发展”,这是一个让人肃然起敬的命题。   去年 11 月,我们来拜访敦煌研究院和赵院长,工作会上,我们热火朝天的讨论一个重要的议题:敦煌和腾讯如何合力打造一个敦煌小程序,我们把壁画和洞窟数字化,建设在腾讯云上,让国人在微信、在 QQ 上就可以随时随地的到访敦煌。   万万没想到,疫情的到来,完全阻断了我们面对面的项目推进,也阻隔了国人来游莫高窟。1 月 24 日,敦煌研究院宣布暂停开放莫高窟。1 月 26 日是大年初一,当天晚上,我们在评估过所有开发执行条件后,决定克服一切困难开工,把 3 个月之后才计划上线的敦煌小程序缩短到 3 周,在疫情期间、在全国人民都在家隔离的时候,就能上线。   这里特别感谢赵院长和研究院的老师们,大家一起从春节就打拼。大家的想法很简单纯粹,希望让敦煌的千年智慧能在这个最需要的时候,给国人陪伴。2 月 20 日,经历了三周的日夜兼程,敦煌小程序在微信和 QQ 上线,他有一个很美的名字“云游敦煌”。希望每一个人都能在云上畅游千年,在指尖触摸敦煌,在心头感悟智慧。   我们相信云游敦煌会火,但没有想到会那么火。上线一天,微信访问量就突破 200 万人次,更让人惊喜的是,项目刚上线之时,每五位访问首页的用户,就会有一位在朋友圈里分享这个小程序,这足以说明大家的喜欢。今年 6 月,云游敦煌有幸入选了国家文物局颁发的 “中华文物全媒体传播精品”。   几个月里,云游敦煌的国人已经有 1700 多万人次。在这个数据背后,我感受到了一种让人敬畏的力量,一种 1600 多年前的中国文化力量,如今依然光彩熠熠地吸引和指引着我们。   每一次来敦煌,我都心怀敬畏。和敦煌研究院合作也快三年了,我们的初心就是希望用科技传承好文化,让敦煌飞入寻常百姓家,让千年文化传承到下一个千年。这三年来,我和团队也有几点感悟,借此机会向大家分享和报告。   首先,科技与文化遗产融合发展的基础,是为文化遗产创造数字资产,创建数字世界的入口。去年,法国发生的灾难事件让世人警醒,流传千年的文化珍宝在灾害面前是脆弱的。除了加倍做好实物保护之外,文物的深度数字化很关键。首先是让实物的风采用现代科技手段得到最真实的记录,目前文物的高清超高清采集、3D 采集耗时耗力,还有很长的路要走。其次是通过云端存储,让数字文物得到更安全和长久的保存,甚至永存。   但我相信最好的文物保存并不是束之高阁,而是让文化遗产通过科技与人心相连,保存在每一个人的心中。云游敦煌就是在敦煌石窟的数字化和腾讯云保存这两个基础上,我们把入口设在微信和 QQ 的小程序里,希望每一天活跃在这两个社交软件的 12 亿人,能在想到和需要的时候,便捷的打开这个“数字入口”,跨越时空造访敦煌,感受敦煌艺术之美。   第二、先进科技是思维,文化遗产是思想。思维传播思想,思想指引思维,二者是共同体。博大精深的思想与亿万人的连接,需要科技作为桥梁。在新时代,文化遗产如何进一步走进现代人的心里、被铭记和传颂,需要创新的思维。   每一个洞窟、每一幅壁画、每一件文物都有深意,在时间碎片化越来越严重的今天,如果人每一天最多只能记住一个敦煌故事,我们应该如何设计云游敦煌,让游客看了又再来呢?   我们的创意、设计和敦煌老师们合作,首创了一个“今日画语”功能,作为云游敦煌的首页。我们将数量庞大的壁画做了取舍,每日只推荐“一幅壁画+一个故事+一句箴言”,让敦煌的每一个故事通过一幅图的形式呈现给用户,让人能每一次充分感怀善念。今日画语运用的是个性化推荐技术,为用户量身推荐,也就是说每一位不同的用户,每一天得到的壁画不同。用户还可以将每日获得的画语箴言转发到朋友圈,分享今天敦煌给他的思想启示。   通过这种创新方式,创造了独一无二的用户价值。我常常能看到很多媒体朋友在朋友圈里,每天一大早就分享他的今日画语和敦煌故事,这种社交分享会引发更多朋友的兴趣,吸引更多人来云游。今日画语也因此成为了目前云游敦煌里最受欢迎的功能。   懂得取舍、因人而异、心怀善念,正是得益于这些古人流传下来的智慧,成就了云游敦煌的设计,也让小程序获得了日均 10 万人次的访问量和 65% 的回头率。   第三、科技和文化遗产融合发展,将推动中国新文创发展,打造出有影响力的超级文化符号。当前,电影、游戏、文学等数字内容正在与 5G、人工智能、音视频等数字技术融合,他们之间不只是物理上的协同,而是产生了化学反应。数字内容与数字技术融合的结果,必将加速推动中国新文创的发展,让文化遗产成为更有影响力的超级文化符号。   今年 2 月云游敦煌上线后,我们就开始着手研究升级版“敦煌动画剧”,希望在看图文的方式之外,有一种更为生动的文化载体,比如通过九色鹿的故事,把敦煌文化带到千家万户。   赵院长精心挑选出 5 幅敦煌最有代表性的壁画,由腾讯影业出品,我们打造出 5 部精彩的动画短剧,并由赵院长、腾讯影业 CEO 程武先生领衔配音,讲述了壁画背后的动人故事。   我们还开发了配音功能,运用语音融合技术,让用户可以选择自己感兴趣的国王、王后等角色,为他们配音,自动生成一条自己的动画剧,分享到朋友圈。这种首创形式,不仅有趣,还让用户在配音的过程中了解敦煌故事细节,同时过足了戏瘾。上线一个多月,吸引了超过 15 万用户在线配音,观看量超过百万。一时间,敦煌动画剧成了一个大型敦煌故事朗诵现场。   2018 年 12 月,我们打造的敦煌诗巾项目,则开启了一种互动设计的创新模式。我们注意到洞窟窟顶的藻井非常美,但又常被人忽略,所以有了一个新的想法。研究院专家选取了来自敦煌石窟的藻井图案以及 200 多个壁画的细节纹样,我们将他们数字化之后,把这些元素提炼成丝巾上的图案,让用户自己当设计师,通过自由组合图案,创作专属的“敦煌诗巾”,还可以一键定制生产购买,不仅老少皆宜、自用送礼两相宜。   敦煌诗巾上线一天,吸引了 6 万网友参与创作,不到一个月,用户参与量超过 300 万。我们曾经在法国戛纳、伦敦和新加坡的创意节上展示了敦煌诗巾,效果非常惊艳,很多外国朋友赞叹敦煌和中国传统文化。这里分享一段视频。下个月,我们升级打造的新版本“云采丝巾”即将上线。新版本采用了腾讯图像融合等人工智能技术,可以在云上试戴自己设计的丝巾,相信大家会更直观的感受敦煌之美。   先进科技与文化遗产的融合发展,是一个很有价值的宏大命题,值得我们这一代人不断去探索。一方面,科技进步永无止境,不断推动人类社会发展;另一方面,文化是我们的精神财富,每处文化遗产都是人类难以复制的文明瑰宝。   科技+文化是人类发展的两股关键力量。腾讯作为一家以互联网为基础的科技和文化公司,将致力于以新科技推动新文创的发展,助力敦煌研究院等文博机构,打造为具有全球影响力的超级文化符号。   站在人类的历史长河里,我们这一代人有幸、有能力、也有责任参与其中,希望为千年文化的创新传承,尽一份力。谢谢大家!
互联网
2020-08-25 12:17:00
  在 2020 全球电竞运动领袖峰会暨腾讯电竞年度发布会上,腾讯云与王者荣耀职业联赛达成合作,双方将共同打造全球顶尖的电竞远程制播中心,为 KPL 赛事提供一站式远程制作能力,打造全新腾讯电竞技术体系生态。    支撑 KPL 赛事远程制作,制作云产品矩阵初见成效   腾讯云为王者荣耀职业联赛官方及其 MCN、内容创作者等提供包括云导播台、云剪等在内的一站式制作产品,其中包括直播推流、重播回放、在线剪辑、AI 智能剪辑和最终分发等系列需求。为线下传统制作方式提供新可能,同时,也提升了赛事内容整体制作的效能。   以近期的 2020 春季赛季后赛为例,在比赛直播中,视频制作方无需太多繁杂设备,就能将精彩画面清晰的以多镜头、多视角呈现给观众。   其中,腾讯云为 KPL 官方提供稳定高效的直播录制服务,帮助制作方直接将赛事视频录制存储到云端,方便视频制作人员随时取用。   此外,腾讯云为 KPL 赛事团队提供智能内容识别、标签编目、标签筛选等能力。在视频内容识别方面,建立俱乐部选手人物库,识别赛事视频中的选手人物信息,并提供语音、文本、物体及场景等智能内容识别服务。同时,帮助 KPL 赛事团队建立多级标签体系,为赛事视频关键时间点打上合适的标签内容,从而帮助内容制作方快速定位视频内容。   值得一提的是,腾讯云还提供了多种剪辑制作服务,包括智能剪辑、直播剪辑及普通剪辑等功能。在内容智能生产方面,建立王者荣耀内容训练模型,识别赛事视频中的精彩画面及转场信息,如击杀、团战、逃生等内容,从而提供人物集锦、精彩集锦及智能拆条功能,快速生成赛事视频中的精彩片段。同时,在赛事直播期间,提供便捷的直播剪辑工具,将赛事中的精彩片段快速裁剪生成,快速分发到企鹅号、微博等内容平台。   对比从前制作团队需要将赛事方审核好的视频下载到本地,再进行剪辑并发布,一站式的云端制作产品让赛事方、制作方的效率有了整体的提升,同时,让观众不错过任何热点和讨论环节,提升观赛体验感。   早在 2018 年初,腾讯视频云便联动 KPL、LPL、CFPL、PCL 等腾讯系电竞赛事,为游戏直播平台斗鱼、虎牙、B站、快手带来全新的解决方案。在技术方面,为平台提供 24 小时全链路护航服务;在解决方案方面,一键互动的产品解决方案,为平台带来更多商业化价值。   腾讯视频云负责人表示,从 PaaS 层流媒体服务的协同,到瞄准制作域全流程的打通,并最终打磨视频制作 SaaS 产品矩阵,正是腾讯视频云在泛游戏电竞领域持续的业务协同和深耕布局的结果。    不止于电竞,腾讯云在制作域的“生意经”   实际上,不止应用于电竞赛事单个领域,腾讯云在制作域的思考和布局由来已久。   一方面,在疫情影响下,线下内容和商业加速往线上迁移,包括在线办公、教育和电商直播等。在这个过程中,基于内容的线上制作、AI 智能内容生产等场景和需求越来越多。   另一方面,直播、长短视频是持续增长、百花齐放的内容产业。在行业发展的过程中,面对随之而来催生对相关产品技术的需求,如何提供更便捷的工具和服务,也是整个行业需要感知与思考的。   除大环境的影响、行业的发展外,腾讯云也希望利用腾讯独有的产品生态,如小程序打开即用的优势,融合线上制作解决方案,为行业带来更多新玩法与价值。   因此,腾讯云面向制作域,协同腾讯生态优势,为视频从业者提供包括云导播台、云剪、微剪等一站式 SaaS 制作产品矩阵,支撑包括在线教育、电商直播、电竞体育赛事等领域,目前已有包括小红书、年轮树等客户正式使用。   而在不断夯实流量型 PaaS 平台的同时,腾讯也在融合视频技术与生态优势,打造全平台视频 PaaS+SaaS 服务。除面向制作域推出的产品矩阵打造外,腾讯还推出包括更低延迟表现的快直播产品、针对企业培训及商业直播场景的直播 SaaS 产品。   IDC 发布的《中国视频云市场跟踪(2019 下半年)》报告显示,2019 年中国视频云市场中,视频云解决方案市场增速高于云基础设施市场,可以预见,未来随着音视频覆盖场景越来越广泛,视频云解决方案将成为视频云市场一块重要的衡量维度,而全平台视频 PaaS+SaaS 服务也将成为视频云发展的一条全新的路径。
互联网
2020-08-25 12:12:00
  澎湃新闻记者王心馨   不出意外,从中科院孵化出来的云从科技会成为国内 AI 四小龙里,最早上市的一家公司。8 月 18 日,云从科技正式向广东证监局提交了上市辅导登记,澎湃新闻从相关人士了解到,云从科技有望年底登陆A股科创板。   目前国内 IPO 市场,科创板已经成为了众多科技企业的首选。据 7 月 2 日普华永道会计师事务所发布的 2020 年上半年 IPO 市场相关数据报告,上半年A股 IPO 数量和融资金额较去年同期分别增长了 84% 和 131%,上半年A股共有 118 只新股上市,其中科创板有 46 宗 IPO。   未来,如果云从科技正式开启 IPO,其招股书与此前已经公开的旷视科技招股书之间的对比将成为一大看点。四小龙里“AI 第一股”能否在年内出现以及花落谁家预计也是市场关注的热点之一。云从上市后,市场对其估值如何和股价是否稳定也都值得关注。   可以作为参考的是,同为中科院出身的国内 AI 芯片公司寒武纪今年从提交 IPO 申请到完成上市,只用了 68 天。科创板首发上市当天,寒武纪股价涨幅一度超过 300%,股价市值过千亿元。   云从或成为 AI 四小龙上市第一股   在国内人工智能企业中,云从科技往往与旷视科技、商汤科技和依图科技并称“AI 四小龙”,四家企业均以 AI 领域计算机视觉技术起家,深耕 AI 技术在各领域的落地应用。   在这四家里,云从科技是最晚成立的一家。2015 年,云从科技孵化于中国科学院重庆研究院,专注于计算机视觉与人工智能,是首个同时承担国家发改委人工智能基础平台、应用平台,工信部芯片平台等重大项目建设任务、并参与国家及行业标准制定的人工智能企业。   2019 年底,云从科技完成股份制改革。值得一提的是,完成股份制改革后,云从科技的股权结构清晰。相较于其他三家有多轮外资投资,云从出生于中科院系,是一家纯内资股权结构,这也让它的上市之路可能会变得更加顺利。   从业务上来看,在金融行业里,云从科技已经稳坐“中国银行业第一大 AI 供应商”的位置。根据云从科技此前公布的数据,云从已服务 400 余家银行 14.7 万网点。   同时,云从科技的国内首个人机协同开放平台已经结合广州市地方资源、产业基础、营商环境及政策上先行先试等优势,在广州完成落地。   今年世界人工智能大会期间推出的轻舟平台,旨在将云从原本各个独立的 AI 应用能力和经验整合,复制,进而可以赋能更多的行业。   从金融到安防,再到人机融合、轻舟平台,云从科技目前的业务重点是将自己的技术快速复制落地。   旷视上市一波三折   实际上,在云从科技提出上市辅导登记前。旷视科技一度被认为会是四小龙里最早完成上市的一家。   2019 年前后,估值均达百亿以上的 AI 四小龙上市进程受到市场广泛关注。2019 年 8 月份,旷视科技向港交所递交 IPO 招股书,成为整个 AI 行业上市的信号。   从旷视公布的招股书看,旷视 2016 年、2017 年、2018 年营收分别为 6780 万元、3.132 亿元、14.269 亿元,年复合增长率为 358.8%。2019 年上半年,旷视营收为 9.49 亿元,同比增长 210.3%,亏损约 52 亿元。旷视在招股书中解释,亏损主要由于优先股的公允价值变动以及持续的研发投资。经过调整之后,旷视 2018 年实现了整体盈利,净利润为 3220 万元。   然而,旷视在港提交 IPO 后,进程并不顺利。在遭遇美国商务部实体名单禁令和新冠疫情影响后,旷视在港上市的进程一拖再拖,还传出已经中止香港上市进程的消息。   对此旷视在回复澎湃新闻时表示,科创板支持和鼓励“硬科技”企业上市,是中国科技企业发展的好机遇,旷视正在积极考虑。同时,中止港股上市消息不属实。   旷视 CEO 印奇随后也在接受媒体采访时表示,旷视科技没有终止上市计划,“会选择在更好的窗口期稳步推进上市”。   目前,经过多轮融资后,旷视招股书显示,蚂蚁金服成为旷视第一大机构股东,持股比例 15.08%;其次是淘宝中国控股有限公司,持股比例 14.33%;国风桥投资有限公司,持股比例 11.27%;Machine Intelligence,持股比例为 6.19%;AI Mind,持股比例 5.57%;深圳市国桥投资有限公司,持股比例 0.06%。   商汤、依图科技等待时机   商汤科技和依图科技也常有上市新闻传出,但这两家对上市传闻均采取不予置评的态度。   今年 3 月份,商汤辟谣了上市消息,表示公司一直没有 IPO 计划。根据彭博社最新报道,商汤目前已经完成了新一轮 15 亿美元的融资,投前估值达到了 85 亿美元。今年商汤的年销售预估能实现 90 亿元左右。   随后,关于商汤或在沪港两地上市的新闻再度传出,商汤科技方面回应表示不予置评。   商汤科技成立于 2014 年,创始人为香港中文大学信息工程系教授汤晓鸥,专注于计算机视觉和深度学习的原创技术研发。落地场景主要有智慧城市、教育、医疗、智慧零售、智能手机、互联网娱乐、汽车、金融等行业,平台型产品主要有 SenseMedia 视频内容审核平台、SenseFoundry 城市级视觉分析平台、SenseDrive 驾驶员监控系统、SenseAR 增强现实平台、SenseCare 智慧诊疗平台、SenseGo 智慧零售视觉平台。   依图科技 2012 年成立于上海。根据媒体此前的报道,在 2018 年,依图科技副总经理叶晗接受采访时曾表示,预计两年左右实现上市。依图科技创始人朱珑也曾表态,“条件合适将考虑在国内上市”。   从公开信息看,依图的主要技术落地集中在安防和医疗两大领域,且目前依图仍然集中在安防和医疗两个垂直领域里深耕。但在 2019 年 5 月,依图召开创办以来首场发布会,正式对外宣布其 AI 芯片业务的相关消息。
互联网
2020-08-25 12:06:00
  每经记者任飞   每经编辑肖芮冬董兴生郑直   短视频平台,已经越来越成为热门影视剧重要的宣发阵地。比如在抖音平台上,近期热播的《以家人之名》《八佰》《三十而已》等官方账号接连入驻,并不断推出相关片段。   具体到票房已突破 10 亿大关《八佰》,不仅通过陆续放出的预告、片段、宣传片来维持热度,还通过 KOL 对电影进行多方解读,以吸引潜在受众。   电影《八佰》进行短视频宣发   短视频平台已经开始向影视行业进军。近日,快手关联公司新增多条商标信息。据启信宝统计,其中包括“快手影业”相关商标,此举引发外界对其进军电影行业的猜想。   事实上,此前快手一直在电影宣发中扮演着重要角色,基于“社交 +AI”优势,公司拓展参投、参与发行主流电影并非不可能。不过,目前电影行业的参投份额溢价转让现象突出,加大了投资人的参与风险。未来,快手继续搞电影宣发还是参投大片,值得关注。   千亿估值再添影视概念   快手在完成 2018 年E轮 10 亿美元融资之后,企业估值达到外界宣称的 180 亿美元,随后在腾讯战略投资结束后,快手进入 Pre-IPO 阶段。其中,仅 2019 年就吸引了包括腾讯、云峰基金、淡马锡在内的多家机构投资,投资规模超过 40 亿美元,2019 年底估值到达 286 亿美元。   外界在感慨其融资迅猛的同时,也发现了相关平台在后直播时代下的流量红利。在杀入短视频领域之前,快手以直播为主,有媒体报道称,2018 年快手的直播用户渗透率高达 60% 以上,直播付费渗透率也高达近 20%,2019 年直播打赏收入将不低于 100 亿元人民币。   图片来源:每经记者谭钰涵摄   显然,这与几乎处在同一赛道的抖音营收结构存在差别。公开报道显示,2018 年快手的广告收入仅 20 亿元人民币左右,不足抖音的 20%;2019 年快手的广告增速很快,但与抖音仍有一定差距。   不过就盈利的灵活性而言,广告的商业化程度显然比依仗直播间私域流量变现来得快。因此,快手在最近的融资中,明显加大了其商业化布局的速度,先是与腾讯加大游戏业务合作,然后在 2019 下半年投资知乎和十字星动漫,并孵化鸭蛋、喜翻扩充产品生态和变现方式。   可以说,在上市之前,快手的业务触角已经伸向游戏、直播、动漫等多个领域,并不断充实其作为千亿估值的内在能量。而近期,快手又开始在影视行业拓展自己的业务触角。   启信宝信息显示,近日,快手关联公司北京达佳互联信息技术有限公司新增多条商标信息,其中包括“快手影业”相关商标,申请日期均在 2020 年 7 月,国际分类涉及通讯服务、网站服务、广告销售、社会服务等。   图片来源:快手 app   事实上,这已经不是快手进军影视行业的首秀。早在去年 9 月份,快手的运营主体北京快手科技有限公司经营范围就出现变更,新增电影发行、电影制作。不过当时并没有明显提及“快手影业”,此举是否会像其他互联网公司,如电商、手机商、社交平台等成立影业公司,备受外界关注。   参投大片还是继续搞宣发?   相关公司其实并不鲜见,小米影业、58 同城影业、聚美影视、当当影业、苏宁影视、陌陌影业等均是“外行出身”,但部分已开启投资影视剧作,而这对于已有流量基础的互联网公司来说,其实并非难事。   特别是在短视频兴起后不久,快手和抖音一样,成为影视宣发的主要阵地,比如《一出好戏》和《碟中谍6》均在快手平台进行宣发。当然,这些只是营销层面的动作,快手新增电影制作发行,并注册“快手影业”商标,释放的是想往影视上游进发的信号。   越来越多的影片选择短视频宣发图片来源:快手 app   对此,快手品牌相关负责人在接受每日经济新闻(微信号:nbdnews)记者采访时未对此事进行解释,不过记者发现,快手的第一部合作并在线上发行的院线电影《空巢》曾定档今年 5 月 10 日在快手影视独播。   尽管影片的整体热度还比较有限,但不难看出,不满足于停留在电影片段传播、表情上线等短视频宣发层面,短视频平台已经开始尝试积极深入布局影视行业,涉及制作到播出,加上疫情推动使得这种趋势更加明显。   如若快手开始投资电影,这将吹响短视频第一次进军影视上游的冲锋号角。   需要指出的是,连续领投快手的腾讯或许会是推动其影视发展的力量之一。虽然腾讯控股快手、将其全面并表的可能性较小,但在业务上加深合作还是有很大可能的——腾讯旗下有腾讯影业、企鹅影视,加之阅文收购的新丽传媒都已在影视行业站稳脚跟,快手有望在腾讯系影视投资中分一杯羹。   图片来源:快手 app   即使快手不依赖腾讯,基于其在文娱行业的影响,相信也会有影视公司愿意给予快手一定的投资份额。不过有分析指出,由于投资电影是第一出品方拿出的电影版权份额出售,所以票房分红拿大头的第一出品方同样承担风险也是大的。   分析指出,如果出现某些电影因为部分原因无法上映,电影的第一出品方会按照所签署合同的条例给予投资人赔偿并退还认购本金,具体的赔偿看所签署合同。此前已有不少因在份额转让中出现溢价导致投资失利的案例,因此,如何在先投资后出售的游戏规则中把握投资的成功率是关键,也是对参与影视投资新秀的极大考验。   记者任飞 编辑肖芮冬董兴生郑直 肖勇杜波
互联网
2020-08-26 08:18:00
  杨净 发自 凹非寺   量子位 报道 公众号 QbitAI   原标题:清华硕士在家造了一辆车,从设计到加工一个人完成,轻松穿沙漠爬岩石,还人人可拆装   别人毕设画画图写写论文,他的毕设造了一辆车?!   它是酱紫的。   在岩石上也能轻松行驶~   是不是有内味了。   最近,在「清华大学美术学院线上毕业展」上,出现了这样一个作品,一辆 可驾驶 、 可拆装 的全地形车。   清华官微也忍不住点赞。   不少网友惊呼:太酷了!有网友由衷佩服,这完成度……难怪人家能上清华。   马少平教授给他点赞。   「毕设造车」的这位同学叫做 许梦家 ,来自清华大学美术学院工业设计系,他的硕士毕设题目为《基于「共享车库」概念的 Kit 教学车及相关系统设计》。   这辆车最大的特点就是 模块化 和 可拆装 ,从岩石到沙漠地形只需要更换 悬架 ,既节约了制作成本,可以亲自上手组装。   耗时不到半年,因疫情在家造了这么一辆炫酷的车,各中困难可想而知。   连他的导师严扬教授都说,毕业设计作品完成的过程本身就是一段 励志 的经历。    不到 6 个月,独立造出了一辆车   从去年 12 月开始,不到 6 个月,在家打造了这样一款 全尺寸 、 可拆装 、 可驾驶 的全地形车。   整个过程,全是许梦家一个人完成。   当然,如果仔细算的话,焊接的时候还有一个电焊师傅在旁边帮忙。   工业设计系教授、许梦家的导师 严扬 对此评价道, 仅仅利用家里的简陋制作条件,高质量地完成这样的可驾驶、全尺寸实车样机设计与制作,设计者需可的困难可以想象。   许梦家自己提到,在造车时,遇到最大的困难就是,单件制作成本和制作工艺的限制。   但也有办法,他采用「外购」和「自己设计加工」相结合办法来完成样本的制作。   像电机、电池、电控这些都是可以外购的。而自己的设计加工的部分,就利用 手动铣床 、 3D 打印机 等设备来制作。   与此同时,挑战又随之而来。   比如,当设计尺寸、形态和外购件尺寸不相符时,为了减少制作成本,必须另行设计制作与之相匹配的连接件。   印象最深的就是 油泥模型制作 。   许梦家需要将油泥一点一点敷上去,然后再按照模型来刮,因为体积比较大,所用的设备又比较简陋,整整花了 1 个月 的时间来完成。   其中,由于模型左右两边并不是规则的图形。为了保证车身左右两边形状对称,车企一般会采用 数控铣床 、 三维扫描仪 的方式来实现,但自己只有 手动铣床 。   于是,就利用两个激光水平仪这个 土办法 来实现,就像这样…   实在不行,他还制作一个 「截面卡板」 。   许梦家说, 造车 是一件很复杂的事情,虽然自己在去年七八月份开始设计,等到 12 月正式开工,之前设计的模型很多地方就需要修改,一边造,一边改~   整个过程也没有专门技术人员参与,他需要一边学习其他专业知识,一边自己上手操作加工。   于是,在不断面对困难,解决问题的情况下,不到六个月的时间就造出了这么一辆「还算满意」的汽车。   跟最初的想法相比,许梦家认为算是达到预期了,尤其又是在时间有点赶的情况下,虽然还有一些细节需要改进。   而除了这种「全地形车」,还有卡丁车、摩托车也都在这次作品展中出现。   他的初心当然不止于造车,造车之后,真正要做的是「共享车库」的落地。    共享车库?   许梦家说,欧美的「车库文化」,就是他毕设课题的由来。   在国外,车库就像是一个孵化「创新」的摇篮,很多企业都是从车库里开始的。   比如,我们熟悉的苹果、福特、惠普……也就自然而然的形成了一种文化。   那如果放在中国,「车库文化」有没有可能实现呢?「共享车库」或许可以做到。   而连接人和车库之间的一个载体,那就是一个 可拼装的车 Kit 。   取名为 Kit,许梦家给出了这样一个原因: Kit 就是组装工具的意思。取名为 Kit,也意味着不同于一般车辆,该车是可以给用户带来快速组装升级体验的。   就拿这次的 Kit 钢制全地形车来说,作为全地形车,能爬岩石、穿沙漠是基本的要求,那么为了增加动手体验,他就设计了「模块化」的悬架组件。   「模块化」的实现,主要是针对不同的地形,对应的车身底座就有所不同。从岩石到沙漠,只需要更换悬架就可以实现。   毕业之后,许梦家表示,他还将继续优化这个项目,让「共享车库」真正落地。    「小时候的梦想」   造出了真正意义上的1:1 全尺寸的车,也算是实现了许梦家儿时梦想。 我小时候的一个梦想,总想着什么时候能做一台 能开 的车。   难能可贵的是,随着长大,这个梦想没有消逝,反而在大学和研究生经历中得到了“积累”。   他本科就读于北京工商大学产品设计系,随后保送至清华大学美术学院。对于从小就喜欢汽车的许梦家而言,在大学本科期间,也没有闲着。   在 2015 弹力方程式赛车国际设计锦标赛上,当时才大二的他,带领着 3 名同学代表北京工商大学参加比赛。   弹力方程式赛车国际设计锦标赛,始创于美国艺术设计中心学院工业设计专业研究生经典课程。   要求参赛团队以 16 英尺(约 40 厘米)的橡皮筋作为唯一动力,设计一辆远程遥控车辆,并进行比赛。   最终,他们这支「梦之队」夺得了中国赛区的冠军,随后又在美国总决赛上,获得「爬坡竞速赛」第一名的佳绩。   而在进总决赛的 14 支 队伍中,有 11 支 队伍都是来自美国艺术设计中心学院等美国高校的工业设计专业的研究生。   作为北京工商大学 首支 参加这项比赛的本科生团队,就获得如此佳绩,队长「许梦家」就负责其中的大头——赛车制作。   他首先从轮胎入手,在确定轮胎形式之后,再来设计车辆并寻找合适的材料来进行实物制作。赛车的重要零件都是由他来完成,复杂一点的委托工厂生产,这样就完成了整个赛车的组装。   从小时候喜欢汽车,到随后的赛车制作,再到现在真正造出了一辆车,他的追逐梦想之路一直都没有停过。   或许,也正是这样早早锁定、找到自己的人生方向,让许同学从此不同。   但许梦家坦承,这并不容易。 找到自己人生方向很难,一定要多尝试,找到自己喜欢做的事,然后就尽力去做。   这让人想到硅谷钢铁侠马斯克前段时间对青少年的勉励:   Believe yourself and Try~    参考链接:   https://mp.weixin.qq.com/s/B8qFRLWjRXDHTbnSeZ6vVA   https://exhibition.ad.tsinghua.edu.cn/   https://mp.weixin.qq.com/s/WevaT9bJpalfvuIDWngPoA
互联网
2020-08-24 18:29:00
  图片来源@视觉中国   文丨脑极体   上个月,即使是对太空探索再漠不关心的人,也都差不多知道今年是火星大年了。而从 7 月中旬到 8 月中旬,正好就是两年多才会遇到的火星探测窗口期。   因此我们就看到,7 月份的后半个月里,阿联酋、中国和美国接二连三地成功发射了各自的火星探测器。   (佛罗里达州卡纳维拉尔角发射基地)   土豪之国阿联酋率先出手,在 7 月 20 日将世界上第一颗火星气象卫星“希望号”发射升空;中国的“天问一号”火星探测器紧随其后,在 7 月 23 日发射升空,这次要通过一次发射实现“环绕、着陆、巡行”三项任务的创举,一举跨入火星探索第一队列。而美国的“毅力号”也在经历多次延期后,也终于在 7 月 30 日成功发射升空。这次“毅力号”的亮点是带了一架名为“机智”(Ingenuity)的无人直升机,首次挑战在火星的自动飞行。   就在“天问一号”火星探测器发射成功后,有媒体询问马斯克:“你觉得中国有没有可能先你一步把人类送上火星?”而马斯克淡定的回应:“那就比赛开始吧。到时候来火星后一起喝一杯。”   马斯克这个身家百亿却把豪宅卖光的“穷人”,目标就是要“移民”火星。据说,马斯克造汽车、造火箭、挖隧道,还有搞能源公司,用赚来的钱和研究出的技术,为“火星移民”做准备,并计划在 2050 年送 100 万人上火星。   对于我们这些整天在地球忙忙碌碌的人类来说,可能会非常好奇:火星到底有啥独特的魅力,吸引这么多国家投入巨资去做探测?还吸引着马斯克这样的科技狂人要去搞什么“火星移民”?现在我们距离火星移民还有多远呢?   不如带着这些疑问,我们“假装”到火星探索一番吧。    为什么要探测火星?   人类开始太空探索的第一站是月球,第二站就是火星。一来是火星的状况与地球最为相似,二来是火星是太阳系里探索难度最低的行星。   火星的直径约为地球的二分之一,体积约为地球的 15%,质量约为地球的十分之一,重力就只有地球的三分之一。火星也有自转和公转,一个火星日约为 24.6 小时,与地球接近,但一个火星年约是 687 个地球日,约是 1.8 个地球年。   因为火星的自转轴和公转轨道有一个 65°的斜角,因此也有和地球一样四季的变化。可能是由于火星重力过小的原因,火星大气非常稀薄,主要成分是二氧化碳,还有少量的氮气,氧气可能都已逃逸到太空当中。大气压极低,只有地球的1%。这些导致火星的昼夜温差极大,赤道和南北极的温差也更大。最有特点的是火星沙尘暴,爆发时可以遮天蔽日,风力是地球最高级台风的数倍,但是因为气体稀薄,只能卷起浓浓的黄沙。比地球阔气的是,火星有两个天然卫星。因为大气层稀薄、重力小等原因,火星有着远比地球高数倍的山峰、大的多的陨石坑和巨大峡谷这些地貌。   (太阳系最长的火星水手峡谷,长度约 4500 公里)   由于在太阳系里,火星与地球的环境已经是最为接近,所以,探索火星的起源、演变,更能帮助人类了解地球的形成和演化,预测地球的演化趋势。据推测,火星之前有可能和现在的地球一样,只是经过几十亿年的演化才成为今年这个寒冷星球。相比较另一颗离地球也很近的金星相比,高温、炙热的金星接近地球的过去状态,而寒冷的火星更接近地球的未来状态。这也是当年那本情感畅销书《男人来自火星女人来自金星》用来包装的噱头吧。   当然,探索火星的现状也非常重要,除了对火星地形地貌、地质结构、大气气候等环境的探测,最重要的一个任务就是探索火星上面有无水和生命的存在。当然,即使发现火星生命,应该还达不到“火星人”的地步。   不管是出于对地球末日的恐惧,还是对征服星辰大海的渴望,移民火星成为众多科学家和企业家的理想目标。   由于当初美苏太空争霸的激烈竞争,火星探测从上世纪 60 年代就已经开始。截止到今年 6 月底,人类一共进行了 44 次火星探测。刚刚发射的这三个火星探测器还在前往火星的途中,准备开启它们的火星之旅。   因为每 26 个月会出现一次“地火相会”的窗口期,这时火星会成为距离地球相对最近的一颗行星,所以也就成了地球人最执着、研究最多的一颗行星。在这一时期进行火星探测的发射能够节约大量的燃料和飞行时间,所以有探测能力的几个国家会在这一窗口期扎堆发射火箭去火星。    火星探测是如何实现的?   20 世纪的火星探测,主要被当时处于冷战中的美国和苏联所垄断。第一轮火星竞赛,美国更技高一筹,将苏联甩在后面。随着 1996 年,美国的海盗一号、二号探测器的着陆器在火星表面进行土壤采样,没有发现任何的有机分子和生命存在的迹象,第一阶段的火星探测宣告结束。   到了 20 世纪 90 年代,美国又重启了对火星的探索热情。在 1996 年,美国开始实施“火星生命计划”,先后成功发射了“火星全球勘测者”和“火星探路者”探测器,以确定火星上是否存在生命。其中,“火星探路者”携带了世界第一辆火星探测车“旅居者”。这期间,俄罗斯和日本的火星探测计划则都已失败告终。   到 21 世纪后,欧洲航天局、印度也开始了火星探测,其中欧洲和印度取得了成功,打破了美国、苏俄对火星探测的垄断。由于航天技术的提高,火星探测的成功率也大幅提高,减少了很多“有去无踪”的火星探测计划。尽管如此,目前火星探测的成功率也只有 43%。   1996 年 12 月,美国发射的“旅居者号”火星探测车,成为第一台成功着陆火星的机器人车辆。最初设计的寿命为 7 天,但实际运行了 95 天。旅居者号能够以每分钟一米的速度前进。   2004 年 1 月,“机遇号”火星探测器发射升空,此后在火星漫游了 14 年。在执行第 1151 个任务日的时候,太阳能板被风吹干净,使得发电功率可以提升到 800 瓦时每天。   机遇号   “机遇号”在火星开始了漫长的马拉松行走,经历了老鹰撞击坑、弗拉姆撞击坑、维多利亚撞击坑,到 2015 年 3 月 24 日,终于完成了标准的 42.195 公里的火星马拉松。此后开始频繁出现故障,最终失联。   2004 年发射升空的“勇气号”,和“机遇号”是一对姐妹花,它的任务是探测火星上面是否有生命和水,最终“勇气号”真的找到了火星存在水的证据。   2011 年美国成功发射了第三代火星探测车“好奇号”。它是由核电池供电,其装备的科学仪器质量是上一代的 15 倍。好奇号在不懈努力下,终于在岩石中发现了有机物,甚至还发现火星有大量的固态水。2018 年,美国的“洞察号”火星探测器在火星安全着陆,首次对火星进行深度“体检”,深入研究火星内部,揭示岩质天体形成等问题。   除此之外,美国的火星探测计划还对火星大气层、极地地区进行了探索。美国目前成为对火星探测次数最多、成果最多,也是最有可能最早进行火星移民的国家。   (“毅力号”准备降落的杰泽罗陨石坑,可能存在过火星生命迹象)   现在“毅力号”正在飞往火星的途中,如果一切顺利,“毅力号”将在明年 2 月份在火星赤道以北的杰泽罗陨石坑登陆,继续探寻火星可能存在过的生命迹象和气候地质特征。而中国的“天问一号”也将在火星开展首次的着陆和巡行,开启中国的火星探测之旅。    火星移民还有多大难度?   火星探测已经再一次如火如荼地展开,但是火星移民其实还没有明确的时间表。聊到火星移民的时候,就不得不先聊聊如何在火星建立可供人类生存的基地了。   移民火星,就是要在火星建立适合人类生存的火星基地。从介绍火星的内容里,我们也看到了,火星的生存环境比地球上最严酷的沙漠、南北极都严酷很多倍。那么想要建设这种火星基地就必须建成具有空气、水、土壤,然后温度适宜、能量稳定的密闭空间。   在 2015 年科幻片《火星救援》里,人类已经成功的移民火星了。当时影片中男主马克因为遭遇意外,独自一人呆在了火星。他是如何让自己活下来呢?   他有一个在火星风暴中幸存的居住舱,有同伴逃离前留下来的一些食物。而他短期要克服的险境就是要避免居住舱的生态系统崩溃,也就是氧气系统要维持循环、水系统要维持循环。长期要克服的问题就是如何获取足够的食物。   火星上不缺阳光、二氧化碳。火星也不缺土壤,但是缺有机物,这个他通过自产“农家肥”解决了。植物生长还缺水,尽管火星上已经探测有大量固态水,但基本都在两极冰盖,主人公没法搞到手。后来男主马克想到用化学反应,让氧气和氢气燃烧产生水。就这样种下土豆块的五十天后,马克的土豆苗奇迹般的长了出来。男主凭借成功地“种出土豆”成功的移民了火星。不过最后脆弱的生命系统还是崩溃了,因为一点意外,舱门爆炸,土豆苗很快就被外面的严寒给冻死了。   想象照进现实,现在人类要想在火星实现这样的居住舱,当然也未必不可能,只是可能太烧钱,可能是数万亿美金的成本,目前人类可负担不起这样的开销。   (火星基地想象图)   马斯克同学之前做过一个设想,与其搞这么费事的移民基地,不如把火星本身搞得跟地球一样就好了。他计划说在火星引爆一万颗氢弹,把火星两极的二氧化碳给释放出来,把火星搞得温暖一些。   不要说一万颗核弹炸火星这种疯狂计划行不通,再就是能否达到预期效果还不好说,别把火星弄成更为寒冷的“核冬天”,就更难移民火星了。   还是聊聊在火星建基地的可能性吧。火星基地想要实现系统自循环,那就不能完全依赖地球的各种物资供应。火星上不缺阳光、土壤和水,关键问题是如何把这三个元素给充分利用起来,形成火星基地的自循环呢?   不久前,Nature 发表了一个日本研究者的新发现,就是通过一种含铝的催化剂,进行光解水,把水变成氢气和氧气,效率高达惊人的 96%。我们知道,氢气和氧气,一个人清洁能源,一个是人类生命必须品。只要解决了火星固态冰的开采问题,那么移民火星不是梦了。   不过话又说回来,这个技术的难点可能在这个催化剂的成本和完成反应的成本上。如果这玩意儿的成本远远低于化石燃料,生产工艺又简单,那么地球的气候危机也就避免了。   当然,如果这项技术未来可以成熟应用到火星移民上,以此来建立火星基地的生命循环系统和能量系统,只要这些成本低于从地球上运输物资的成本,那自然是可以接受的。   在 NASA 的计划里,他们希望宇航员在 2024 年重返月球,然后再开始前往火星的旅程。这次“毅力号”已经在为人类登陆火星做准备。在登陆之后,“毅力号”将展开一个火星氧气原位制造利用实验,通过利用火星大气中的二氧化碳和太阳能,来制备纯净氧气,作为未来火星宇航员的呼吸来源和火箭燃料氧化剂。   (“毅力号”探测车的科学实验装置)   说到底,火星移民的本质既是一个技术问题,也是一个商业问题。任何一个技术环节的进步都有可能带来商业成本的大幅降低。   埃隆·马斯克在年初立下的“2050 年百万人上火星”的 Flag,跟他一直以来希望将“火星移民”商业化的方式有关。现在 SpaceX 的星舰计划正在执行,根据计划,可能会在 2030 年之前,SpaceX 与 NASA 一起合作,将人类送上火星。但这仅仅可能是一次类似于登陆月球一样的短暂停留,能否在此后开展大规模的人类移民,这就要看商业化运作的 SpaceX 能否将成本大幅降低。   而对于最早一批火星移民者来说,他们极有可能是“有去无回”的。不过,马斯克也信誓旦旦的说,“火星上会有大量工作的。”对于这样一个移民的后代,马斯克确实有一种“宇宙之大,何处都是家”的冒险者精神。   《三体》作者刘慈欣曾经感慨,人类说好要去探索星辰大海,结果却躲进了互联网里,享受更为虚拟的世界。   在大刘的畅想中,他希望有那么一天,描写太空航行的科幻小说已经变得平淡无奇,前往火星和小行星带已经是一件稀松平常的事情,无数人在太空中谋生……而浩瀚宇宙仍然是一个无法想象的存在,承载着我们无穷的想象力。   现在,“希望号”、“天问一号”、“毅力号”的成功发射,无疑给了我们一次仰望星空的机会。希望在地球上终日忙碌的我们,也能做一做太空探索的梦想。   如果一切顺利的话,我们大部分人可能在有生之年,可以看到人类的第一批冒险者开启了太空之旅。而你或你的后代会不会成为其中的一员呢?   希望到时候的船票不要太贵就好。
互联网
2020-08-24 18:13:00
  腾讯科技讯,8 月 24 日消息,据 YTG 电竞俱乐部官方微博宣布,即日起,YTG 电竞俱乐部正式更名为 KS.YTG 电竞俱乐部,快手已完成收购 YTG 战队,正式进军 KPL 职业联赛。   快手方面表示,未来将继续发力电竞领域,打造游戏电竞内容生态。
互联网
2020-08-24 18:00:00
  Fedora 项目 宣布更改默认的文件系统 ,从 Fedora 33 起,默认文件系统将从 ext4 替换为 Btrfs。开发者称,Btrfs 文件系统已经稳定而成熟,支持现代特性如数据完整性、SSD 优化等。切换到 Btrfs 后将使用单分区磁盘布局,内置的卷管理。   开发者称,Facebook 在其生产系统的数百万台机器上使用了 Btrfs,对比了 Btrfs 与 ext4 和 XFS 的稳定性。Facebook 使用 Btrfs 改进生产系统中的消费者存储硬件质量,能在硬件发生故障前检测出问题。   Fedora 33 预计将在 10 月左右发布。
互联网
2020-08-25 12:00:00
  20 世纪 50 年代和 60 年代,计算机视觉并没有被看成重头戏,人们认为视觉系统很容易复制,而教计算机下棋更加困难。但是现在,AlphaGo 已经击败围棋冠军,IBM Watson 也在 Jeopardy 中击败人类竞赛者,而大多数计算机视觉软件最多只能完成 3 岁儿童的任务……   理论与实践不断证明,人类视觉神经非常复杂,计算机视觉实现并非易事。计算机视觉研究从上世纪 50 年代兴起之后,也历经了狂欢、冷静,又重新燃起希望的阶段。   本篇编译整理自计算机视觉相关文章,介绍计算机视觉各阶段的理论支撑与外部舆论变化。    最早的人工智能想象   大多数人都认为,是现代人创造了人工智能的概念,实际上远古祖先也提出了思考型机器人的理论。   大约 3000 年前,荷马描述了火神赫菲斯托斯(Hephaestus)的故事。赫菲斯托斯用黄金塑造了机械侍女,并赋予她们理性和学习能力。在无人驾驶汽车问世之前的几个世纪,古希腊作家阿波罗纽斯(Apollonius)用想象力创造了塔洛斯(Talos),这是一个青铜自动机,负责保卫克里特岛。   但这些历史性的叙述并不能准确描述当今正在开发的人工智能的种类。因为尽管现在大多数人工智能程序无法将其目标任务之外的知识概括化,但是对于本身给定的预期,他们已经达到或超过人类水平。    人的视觉与计算机视觉   人类视觉系统非常特别,超过 50% 的神经组织直接或间接地与视觉有关,其中超过 66% 的神经活动仅为处理视觉。今天人们对视觉、知觉的了解大部分来自 1950 年代和 1960 年代对猫进行的神经生理学研究。   上世纪 50 年代初期,哈佛医学院的两位神经科学家 David Hubel 和 Torsten Wiesel 在猫的视觉皮层上进行了一项实验。通过研究神经元对各种刺激的反应,两位科学家观察到,人类的视觉是分级的。神经元检测简单的特征,例如边缘,然后输入更复杂的特征,如形状,最后再输入更复杂的视觉表示。基于这些知识,计算机科学家就可以专注于以数字形式重建人类神经结构。    早期乐观   人工智能领域成立于 1956 年在达特茅斯学院举行的夏季研讨会上,来自不同领域的科学家们聚集在一起,以阐明并发展关于“思维机器”的观点。   1960 年代,大学开始认真进行计算机视觉研究,并将该项目视为人工智能的奠基石。   麻省理工学院的神经科学家戴维·马尔(David Marr)在 70 年代出版了一本《VISION》,汇集了一些方法,作出了可检测的预测,提供解决神经科学问题的框架,并激发一代年轻科学家研究大脑及计算。该书提出了一种用于研究生物视觉系统的计算范例,并介绍信息处理系统的三个不同分析层次概念,即计算理论层次、表示形式和算法层次、以及实现层次。他们分别指向:计算的目标是什么;解决问题、实现目标的陈述与流程;这些表示和过程的物理实例化,例如如何在神经元中完成特定任务。这三个层次划分的意义是,研究者从视觉系统的宏观表示出发进行思考,而不是查看如单个神经元式的微观实体。   Marr 建立了视觉表示框架,任何视觉系统感知到的强度,都是四个主要因素的函数:几何形状,意指形状和相对位置;可见表面的反射率和绝对吸附特性,即物理特性;照明,即光源;相机,包含光学。   早期研究人员对相关领域的未来非常乐观,并提倡把人工智能作为一种可以改变世界的技术。一些人预测,一代人的时间内就会创造出像人类一样聪明的机器,这种炒作为研究人员赢得了数百万美元的公共和私人资金,研究中心在全球涌现。但是由于接下里的发展未能达到人们的高预期,国际上的人工智能开发工作受到了限制。    AI 视觉的冬天   研究人员以极大的乐观度,将公众的期望提高到了令人难以置信的高度,却未能体会到他们为自己设定的挑战的难度。当研究人员承诺的预期未能达成时,这个研究领域遭到了猛烈的批评,和严重的财务挫折。   早期的计算资源在技术上无法跟上科学家提出的复杂问题,即使是最令人印象深刻的项目也只能解决微不足道的问题。此外,大多数研究人员都是在孤立的小组内工作,缺乏比较有意义的,可以推进该领域科学进展的方式。   有一则故事可以反映当时研究人员的美好预期、以及预期落空后他们自身及和外界的失落与嘲讽。   1966 年,美国计算机科学家、麻省理工学院 AI 实验室联合创始人马文·明斯基(Marvin Minsky)获得了暑期津贴,聘请了一年级的本科生杰拉尔德·苏斯曼(Gerald Sussman),让他花费整个夏天的时间把一台摄像机与计算机连接起来,并让计算机描述它看到了什么。“不用说,苏斯曼没有在截止日期前完成,”Motion Metrics 的机器学习开发人员 Hooman Shariati 曾说,“在接下来的四十年中,视觉成为人工智能领域最困难、最令人沮丧的挑战之一。正如机器视觉专家贝特霍尔德·霍恩(Berthold Horn)曾经指出的那样,苏斯曼选择不再在视觉领域工作。”   到 70 年代中期,政府和公司对人工智能失去了信心,行业资金枯竭。数学家詹姆斯·莱特希尔(James Lighthill)1973 年发表了一篇论文,批评早期人工智能研究,这为后来英国政府撤回对该领域的支持奠定了研究基础。   随后的这段时间被称为“人工智能的冬天”。虽然 20 世纪 80 年代和 90 年代研究还在继续,也有过一些小规模的复兴,但人工智能基本上被被归入了科幻小说的范畴,严肃的计算机科学家都避免使用这个词。    卷积神经网络出现与多伦多大学的突破   随着互联网成为主流,计算机科学家有了可以访问更多数据的权限。计算机硬件在继续改进,成本则在下降。80 年代到 90 年代,基本神经网络和算法得到改进。   1998 年,Bengio、Le Cun、Bottou 和 Haffner 在一篇论文中首次介绍了第一个卷积神经网络 LeNet-5,能够分类手写数字。   卷积神经网络可以做到平移不变形,即使对象的外观发生某种方式的变化,也可以识别出对象。卷积神经网络通过监督学习和反向传播对输入到卷积网络中的数据做训练,并反复、自我校正。和同样可以做反向传播的深度神经网络相比,卷积神经网络的特殊之处在于神经元之间的链接结构和独特的隐藏架构的方式,这是由人类视觉皮层内部的视觉数据处理机制启发得来的。此外,CNN 中的图层按照宽度、高度和深度三个维度进行组织。   卷积网络最重要的属性之一就是,不管有多少层,整个 CNN 系统仅由两个部分组成:特征提取和分类。通过对特定特征的选择,以及通过前馈链接增加空间不变性,这也是人工视觉系统如 CNN 非常独特的原因。   (视觉皮层和卷积神经网络有许多相似)   深度神经网络研究应用也有进步,并且使人们信心大增。2012 年,人工智能在 ImageNet 大规模视觉识别挑战(ILSVRC)上取得突破。   ILSVRC 是一个年度图像分类比赛,研究团队在给定的数据集上做视觉识别任务,评估算法准确性。2010 年和 2011 年,ILSVRC 获奖者的错误率一直在 26% 左右。2012 年,来自多伦多大学的团队带来一个名为 AlexNet 的深度神经网络,实现了 16.4% 的错误率。在接下来的几年中,ILSRVC 的错误率下降到了几个百分点。    基于 AI 的计算机视觉的未来   当下,人们已经知道,视觉能力是人类承担的生物学生最复杂的任务之一,对计算机视觉的研究和预期也更加贴近世界。同时,基于对人类视觉能力了解的深入,计算机视觉研究人员也在不断更新算法和理论。   CNN 已经广泛用于需要处理视觉和空间信息的系统中。但随着人工智能需要解决更高级的问题,对计算和电力资源的增长需求成为 CNN 最突出的问题之一。研究人员的注意力也在逐渐转向尖峰神经网络 SNN,这是一种新型的 ANN ,受大脑神经动力学的启发,具有事件驱动,快速推理和省电的特性,也被认为是第三代神经网络。   接下来 SNN 要优化解决的一个问题是视觉注意 VA 与智力。人类可分散的注意力使得人能同时执行多个任务,注意力转移可以使人快速访问新信息。视觉注意力研究的核心目标是要使处理的视觉信息量最少,以解决复杂的高级任务,例如对象识别。   计算机视觉任务主要涉及处理静态图像,人类眼睛在检测到场景变化向大脑传递信息——这是一个事件,生物视觉系统的这一关键特性允许将注意力选择性地集中在场景的显著部分上,从而大量减少需要处理的信息量。   假设针对一张人在草地上打高尔夫的图像。传统的传感器中,数据以帧的形式传输,图像上的所有内容都要经过处理,而重要的信息是人的运动,以及带动的球杆和球的运动。这时,基于事件的传感器并不会读取每个像素并且以恒定速率发送帧,而是在检测到像素局部亮度变化是,从每个像素异步发送数据包或事件,从而减少计算、传输的数据和功耗。   研究人员认为,CNN 非常适合静态图像中的对象识别,但它缺乏动态特性来处理基于事件的传感器的实时数据集。因此,SNN 被寄予厚望。   现在人工智能已经无缝集成到日常生活的多方面。研究人员表示,近年来,人工智能在许多研究领域都取得了巨大的成功。像 AlphaGo 这样的游戏系统已经使用强化学习来自学,助听器使用深度学习算法过滤掉环境噪音,这些技术甚至为自然语言处理与翻译、对象识别以及模式匹配系统提供了动力,我们已经对谷歌、亚马逊、iTunes 等提供的类似服务习以为常。这种趋势也丝毫没有放慢的迹象,人们可以用计算机自动化执行许多小的重复性任务以节省时间。   尽管人工智能领域取得了令人难以置信的进步,但计算机视觉的应用仍有很长的路要走,因为距离计算机可以像人类一样地去解释图像还需要很长时间。就像文章开头提到的那样,AlphaGo 早已击败了人类围棋冠军,计算机视觉的识图能力仅相当于一个 3 岁的小孩。   参考链接: https://www.motionmetrics.com/how-artificial-intelligence-revolutionized-computer-vision-a-brief-history/ https://becominghuman.ai/from-human-vision-to-computer-vision-how-far-off-are-we-part1-3-b35d37a196a4 https://becominghuman.ai/from-human-vision-to-computer-vision-a-brief-history-part2-4-fcb1565d5492 https://becominghuman.ai/from-human-vision-to-computer-vision-convolutional-neural-network-part3-4-24b55ffa7045 https://becominghuman.ai/from-human-vision-to-computer-vision-towards-spiked-based-visual-intelligence-and-neuromorphic-913e5de21bf9
互联网
2020-08-25 11:50:00
  使用一款流行的 iOS 软件开发套件开发的多款应用程序中,发现了能够窃取广告内点击收入的恶意代码。根据 网络安全公司 Snyk 发布的报告 ,在广告平台 Mintegral 的 SDK 中发现了这些恶意代码。而该 SDK 已经被超过 1200 个应用使用,这些应用每月的下载量合计达 3 亿次。   与其他广告相关的 SDK 一样,Mintegral 套无需花费太多精力或进行额外的编码情况下,允许开发者在其应用中嵌入广告。Mintegral 在 iOS 和 Android 上都向开发者免费提供了该 SDK。   根据 Snyk 介绍,iOS 版本的软件套件包含恶意功能,会静静地等待用户点击任何不属于 Mintegral 网络的广告。当点击注册后,SDK 会劫持推荐过程,并使其看起来用户实际上是在点击 Mintegral 广告。   该恶意代码被称之为“SourMint”,正在从其他广告网络中窃取应用收入,许多应用程序使用多个广告 SDK 来实现其货币化策略的多样化。   苹果在给 ZDNet 的邮件中表示,已经与 Snyk 安全研究人员进行了交流,没有看到任何证据表明 SDK 对用户造成了伤害。苹果指出,第三方 SDK 能够加入恶意功能,这也是它在 2020 年晚些时候发布的 iOS 14 中首次推出一系列注重隐私和安全的机制的原因。
互联网
2020-08-25 11:35:00
  经常外出坐高铁的同学一定见过这样的画面:两段高铁链接处通常是“嘴对嘴”,很多人好奇,为何不直接增加车厢,偏偏要采用这样的设计呢?   据中国高铁官微介绍,这种“嘴对嘴”的设计学名叫动车组重(chóng)联,是一种常见的运行方式,即将日常运行的两列单组动车联挂在一起开行,运力可以增加一倍。   重联的“联”意味着统一列控,形成电气、网络、制动系统的联动联调,并不是简单的连接。由于动车组在很多方面都是整体设计考量,因此不能像传统列车那样加挂或解编车厢。   动车组重联前,两组车停放于指定位置,机械师打开列车前端头罩,伸出自动车钩,检查确认无异常后,由司机以慢速进行连挂操作。   两列动车组连挂后能正常进行网络通讯,重联才算成功,随后还要进行试拉试验。车头参与重联保证了两列车解编后的独立运转能力,拥有可灵活解编的优点。   今年暑运以来,多地客流大幅增长,铁路部门就利用动车组重联最大限度满足广大旅客的出行需求。   需要注意的是,由于重联动车组前列和后列互不相通,上车时不要走错车厢。   当然,重联动车组的能力毕竟有限,随着京沪高铁等线路客流持续增长,扩大动车组列车编组才是快速提升输送能力的有效措施。于是,长编组和超长编组复兴号就诞生了。   据悉,时速 350 公里 CR400BF-A 型 16 辆长编组复兴号每列定员达到 1193 人,是 8 辆编组的两倍多,旅客可在全列车内通行。   时速 350 公里 CR400AF-B 型和 CR400BF-B 型复兴号动车组扩展到 17 辆编组,定员 1283 人,全长 439.9 米,可绕标准田径跑道一圈还多。17 辆编组复兴号增加了一节二等座车厢,与 16 辆编组相比,载客能力提升了 7.5%,能够进一步提高输送能力。
互联网
2020-08-25 11:25:00
  据《金融时报》周一援引印度政府官员和行业高管的话报道称,当地政府担心中国对其网络基础设施的投资。不过,与其直接刚性禁止华为,印度政府更有可能悄悄地将这家中国科技巨头的网络设备从主要网络架构中移走。   报道中提到,一位印度高级政府官员表示,当涉及到大型公共合同和关键基础设施时,他们更愿意选择非中国公司,这个信息已经传递给了印度企业。   据悉,目前印度对华为产品的替代工作也在开展当中,比如 Reliance Jio 正在开发自己的 5G 设备,Bharti Airtel 正在与爱立信合作,沃达丰印度曾与华为合作进行 5G 试验,国有的 BSNL 通讯公司则正在将中国供应商拒之门外。   其实在这之前,印度媒体就给出消息称,华为和中兴通讯预计将被排除在印度的 5G 推广计划之外。目前,华为印度、Reliance Jio、Bharti Airtel、BSNL、Vodafone India 和印度政府新闻局均没有立即回应评论请求。   之前,印度曾对外宣布,该国研发出 100% 国产 5G,上述 5G 系统是由印度信实工业(Reliance Industries)董事长穆克什·安巴尼(Mukesh Ambani)的说法,一旦 5G 设备在印度得到证明,Jio Platforms 可以将系统出口到国外,供全球运营商使用。
互联网
2020-08-25 11:14:00
  在今年六月份,拜腾汽车因融资超过 84 亿仍造不出量产车被央视点名。作为造车新势力之一的拜腾汽车,也因此在国内更为“出名”。   随后,拜腾汽车 CE0 戴雷临时组织召开了中国区全体员工电话沟通会,宣布拜腾汽车将暂停中国内地业务,并表示会妥善处理员工工资,仅保留约 100 名员工留岗值守。不过,此时的拜腾汽车并为完全停摆。   8 月 24 日,有媒体报道称,拜腾汽车已经申请注册成立新科技公司,命名为“盛腾”,预计 8 月底领取法人营业执照。   同时,新科技公司拟融资 20 亿元加速量产M-Byte,目前一汽集团等股东方正在积极推进该项融资。   据了解,在今年 7 月份,由于运营资金压力,拜腾中国区(不含中国香港)所有公司于今年 7 月 1 日起停工停产,并进行内部重整。   此外,有知情人士透露,拜腾汽车准备将于今年 9 月份进行全速重启,以此来推动量产车的落地。事实上,此次拜腾汽车也不是说说而已。   拜腾汽车的量产工作也有了实质性的进展,据中国招标采购信息网公告,拜腾汽车“年产 30 万套新能源汽车关键零部件项目弱电自控系统工程增项劳务合同”招标项目已经落定,南京中时江建设工程有限公司于 8 月 22 日中标。   不过,由于量产车迟迟不能推出,资本市场对于拜腾汽车也逐渐失去了耐心,当前C轮融资尚未到位,这也使得拜腾汽车在 9 月份的“重启”面临着不小的难度。   而对于此次拜腾汽车成立新公司,有业内人士表示,很可能是换个身份重回资本市场“吸金”融资,来重回造车赛道。
互联网
2020-08-25 11:11:00
  Chrome 团队也开始尝试 Rust 了。在 Chromium 官网近期发布的文档中,“ Rust 与 C++ 的互操作性 ”作为一项尚待解决的挑战被提出。   现阶段,Chrome 工程师很清楚 C++ 是第一位的,并且“在可以预见的将来仍然是代码库的统治者”。他们认为,若使用 Rust,需要令其与 C++ 相适应,而不是让 C++ 反过来配合 Rust。当前 Chrome 团队所探索的,正是 Rust 能否,以及如何调用 C++ 代码。   从目前的研究成果来看,Chrome 团队已摸索出了几条调用 C++ 函数的重要方式,包括尽量避免使用“unsafe”字眼、使用 cxx 一类的库扩大支持、实例化 C++ 对象并安全地传递所有权等等。不过,待解决的问题和难点也还有很多。   今年五月份的时候, 谷歌工程师曾对 Chrome 历年来的安全漏洞进行分析 ,发现 70% 都是内存安全问题。因此谷歌计划尝试对一些“安全”语言展开探索,Rust 就位列其中。   Chrome 团队对 Rust 仍处于调查和摸索阶段。他们表示,如果这种互操作性是可能的,将考虑 Rust 在 Chrome 中的广泛使用,并将“通过强大的生产质量解决方案来实现这一目标”。
互联网
2020-08-25 10:59:00
基于 Python 的顾客细分 在这篇文章中,我要谈的东西是相对简单,但却是对任何业务都很重要的: 客户细分 。客户细分的核心是能够识别不同类型的客户,然后知道如何找到更多这样的人,这样你就可以…你猜对了,获得更多的客户!在这篇文章中,我将详细介绍您如何可以使用K-均值聚类来完成一些客户细分方面的探索。 我们的数据 我们使用的数据来自 John Foreman 的《智能数据》。该数据集包含了营销快讯/电邮推广(电子邮件发送报价)和来自客户的交易层面数据(提供的数据来自客户期望和最终购买)这两个信息。 Python import pandas as pd df_offers = pd.read_excel(“./WineKMC.xlsx”, sheetname=0) df_offers.columns = [“offer_id”, “campaign”, “varietal”, “min_qty”, “discount”, “origin”, “past_peak”] df_offers.head() 交易层面的数据… Python df_transactions = pd.read_excel(“./WineKMC.xlsx”, sheetname=1) df_transactions.columns = [“customer_name”, “offer_id”] df_transactions[‘n’] = 1 df_transactions.head() K-均值快速入门 为了细分客户,我们需要一种方法来对它们进行比较。要做到这一点,我们将使用K-均值聚类。K-均值是一种获取一个数据集,并从中发现具有类似性质点的组合(或簇)的方法。K-均值的工作原理是,最小化各个点与各簇中点之间的距离,并以此来进行分组。 想一个最简单的例子。如果我告诉你为下面这些点创建 3 个组,并在每个组的中间绘制一个星星,你会怎么做? 可能(或希望)是这样的… 在K-均值中,“ x ”的被称为“重心”,并指出(你猜对了),给定簇的中心。我不打算详细讲述K-均值实际上是怎什么样运作的,但希望这说明会给你一个不错的想法。 将客户分类 好吧,那么,如何我们的客户该怎么分类呢?因为我们试图更多地了解我们客户的行为,我们可以用他们的行为(根据他们是否在收到报价后进行了采购),以此将有类似想法的客户分类在一起。然后,我们可以研究这些群体,来寻找模式和趋势,来帮助我们制定未来的报价。 我们最需要的就是一种比较客户的方法。要做到这一点,我们要创建一个矩阵,包含每个客户和他们是否回应了报价的一个 0/1 指标。在 Python 中,这是很容易做到的: Python # join the offers and transactions table df = pd.merge(df_offers, df_transactions) # create a “pivot table” which will give us the number of times each customer responded to a given offer matrix = df.pivot_table(index=[‘customer_name’], columns=[‘offer_id’], values=’n’) # a little tidying up. fill NA values with 0 and make the index into a column matrix = matrix.fillna(0).reset_index() # save a list of the 0/1 columns. we’ll use these a bit later x_cols = matrix.columns[1:] 现在创建簇,我们将使用 scikit-learn 库中 KMeans 的功能。我任意选择了 5 个簇。我一般的经验法则是,我进行分类的记录数至少是类别数的 7 倍。 Python from sklearn.cluster import KMeans cluster = KMeans(n_clusters=5) # slice matrix so we only include the 0/1 indicator columns in the clustering matrix[‘cluster’] = cluster.fit_predict(matrix[matrix.columns[2:]]) matrix.cluster.value_counts() 232 122 420 015 311 dtype: int64 簇可视化 一个很酷的技巧,这可能是学校没有教你的,主成分分析。它有很多用途,但今天我们将用它来将我们的多维数据集转化到一个二维数据集。 你问为什么要这样做?一旦它在二维中(或简单地说,它有 2 列),它就会变得更容易绘制! 再一次, scikit-learn 发挥作用了! Python from sklearn.decomposition import PCA pca = PCA(n_components=2) matrix[‘x’] = pca.fit_transform(matrix[x_cols])[:,0] matrix[‘y’] = pca.fit_transform(matrix[x_cols])[:,1] matrix = matrix.reset_index() customer_clusters = matrix[[‘customer_name’, ‘cluster’, ‘x’, ‘y’]] customer_clusters.head() 我们所做的就是我们把 x_cols 列设定为 0/1 指标变量,我们已经把他们变成了一个二维的数据集。我们任取一列,称之为 x,然后把其余剩下的叫 y。现在我们可以把每一个点都对应到一个散点图中。我们将基于它的簇编码每个点的颜色,可以让它们更清晰。 Python df = pd.merge(df_transactions, customer_clusters) df = pd.merge(df_offers, df) from ggplot import * ggplot(df, aes(x=’x’, y=’y’, color=’cluster’)) + geom_point(size=75) + ggtitle(“Customers Grouped by Cluster”) 如果你要搞点花样,你也可以画出各簇的中心。这些都存储在 KMeans 实例中的 cluster_centers_ 变量。确保你也可以将簇心转换为二维投影。 Python cluster_centers = pca.transform(cluster.cluster_centers_) cluster_centers = pd.DataFrame(cluster_centers, columns=[‘x’, ‘y’]) cluster_centers[‘cluster’] = range(0, len(cluster_centers)) ggplot(df, aes(x=’x’, y=’y’, color=’cluster’)) + geom_point(size=75) + geom_point(cluster_centers, size=500) + ggtitle(“Customers Grouped by Cluster”) 对簇更深的挖掘 让我们在簇中更深入得挖掘吧。以第 4 簇为例。如果我们挑出簇4,并将其与余下的客户比较,我们就可以开始寻找可供我们利用的、有趣的方方面面。 作为一个基准,看看簇4与其它簇的葡萄品种对比。事实证明,几乎所有的Cabernet Sauvignon(赤霞珠)都是由簇4的成员购买的。另外,簇4中没有一个人买了Espumante(意大利苏打白葡萄酒)。 Python df[‘is_4’] = df.cluster==4 df.groupby(“is_4”).varietal.value_counts() 你还可以细分出数值功能。例如,看看为何4号簇与其它簇在min_qty的平均值上表现迥异。似乎簇4的成员都喜欢大批量购买! Python df.groupby(“is_4”)[[‘min_qty’, ‘discount’]].mean() 结语 虽然它不会神奇地告诉你所有的答案,但分群是一个很好的探索性尝试,可以帮助你更多地了解你的客户。有关K-均值和客户细分的更多信息,请查看以下资源: INSEAD Analytics Cluster Analysis and Segmentation Post Customer Segmentation at Bain & Company Customer Segmentation Wikipedia 本文由 伯乐在线 – 高冷的精神污染 翻译, toolate 校稿。 英文出处: Greg 。 本文采用「CC BY-SA 4.0 CN」协议转载自互联网、仅供学习交流,内容版权归原作者所有,如涉作品、版权和其他问题请给「 我们 」留言处理。
数据分析
2016-03-19 16:19:00
  北京时间 8 月 25 日消息,据《商业内幕》杂志报道,抖音海外版 TikTok 起诉特朗普政府的诉状显示,甚至在美国总统特朗普介入前,微软公司竞购 TikTok 美国业务的努力已经到了与 TikTok 母公司签署“无约束力意向书”的地步。意向书一般是企业之间在展开收购尽职调查之前所签署的协议,表明谈判已经进入后期。 图注:TikTok 早就与微软签署意向书   起诉书显示,字节跳动与微软在今年 7 月 30 日签署了这一意向书(注:诉讼书显示字节跳动在 7 月 30 日向美外资投资委员会通知签署意向书一事),考虑微软可能会收购 TikTok 美国业务,成为 TikTok 美国业务的可信赖技术伙伴。然而,就在一天后,美国媒体在 7 月 31 日报道称,特朗普计划下令要求字节跳动剥离其 TikTok 美国业务股份。不久后,媒体报道称微软有意收购 TikTok 美国业务。接着,微软确认了这一收购意向。   TikTok 在起诉书中称,在特朗普的封杀计划被曝光前,其母公司字节跳动已经与微软签署了初步协议,以便让 TikTok 不受制于特朗普的行政令,继续在美国运营。这表明,微软试图收购 TikTok 美国业务的努力已经运作了一段时间了。   微软不予置评。TikTok 尚未置评。
互联网
2020-08-25 10:53:00
摘要:许多高级程序员瞧不上VBA。因为程序员是有鄙视链的:汇编 >C >C++ >Python >Java及C#及PHP(这三者相互撕) >VB >HTML。在这长长的鄙视链中,甚至都没有VBA的位置。 可是, Excel +VBA是图灵完备的(谢谢 @Octolet的精辟总结),所以被程序员用来耍酷的各类性感语言能实现的大部分功能,Excel+VBA都能实现,而且往往是以更高效更快捷的方式,在这里不谈效率和优雅。而且考虑到大部分普通群众是没有编程环境的(各种依赖各种包,各种OS各种编译环境,还有IDE),然而使用VBA,只需要打开装机自带的Office,然后按下Alt+F11就自动进入编程和执行环境;甚至可以更简单的通过录制宏来解决写程序的问题,只需要在简单的代码基础上修修补补就可以执行。再考虑到VBA和Office各软件的完美整合,所以在便捷性方面,VBA是无可比拟的。最后,Office+VBA的分享性和移植性很强,任何测试通过的程序放到别的机器上也可轻易执行;而其他程序,哪怕是一段最简单的“Hello World”,也不一定。因此本文讨论各种通过Excel+VBA能实现的各种炫酷功能(也会拓展到Office+VBA),主要是为Professional Service以及各行各业不写程序但是又严重依赖于Office的职场人士服务的。 曾经有一个朋友和我说,“Excel根本不需要编程,像我这样的Excel大牛靠函数和自定义函数能解决所有的问题。”对于这样的评论,我想起自己小学时的一段经历。因为不能理解虚数i(i^2 = -1)的价值,问我爸i有卵用我爸说,“等你长大了,遇到更多的问题,就知道i的价值。” 1、自动打印 刚进职场的新人,只要爸爸不是李刚,基本都做过影帝影后(影=印,各种复印打印的体力劳动)。特别是咨询投行服务行业,在某次给客户的大汇报或者大忽悠会议之前,花数小时或者整晚来打印数个文件,并不是天方夜谭。而且这件事情是对着同样一堆不断修改的文件,会经常不断重复发生。我加入BCG的第一个项目,就是帮助某大型企业从上到下设计KPI体系并实施。从上到下涉及到几十个部门,大概有100多张的KPI表格需要完成,这些KPI表格分布在各个Excel文件里。我们4个咨询顾问的任务: 设定好KPI的基本格式,然后每个顾问负责几个部门,在Excel里不断修改KPI表格,打印出来后去各个当事人及其领导那里讨论并修改 每周把所有的Excel文件中的KPI表格归集在一起,按顺序分部门打印出来,并需要多份,找负责该项目的HR头儿汇报进度和情况 这里面有个费时费力的环节,每周需要在多个Excel文件中找出目标Worksheet,然后选定合适的区域作为输出的表格,按照一定的格式和一定的顺序,打印出这100多张表格。之前我们全是凭借人力,每周由一个Analyst把所有最新的Excel文件收集在一起,然后挨个打开文件选中合适的Worksheet,选中区域设置好格式进行打印。每进行一次,几乎耗费一两个小时,还不能保证不出错。 于是写下了我的第一个VBA程序,而且基本上是宏录制之后来改的,没有使用参考书及搜索引擎,全靠F1和自动提示,所以贴出来特别纪念一下。实现的功能就是将上述的人肉实现的功能全部自动化。按下一个妞,就慢慢等着打印机按顺序出结果吧。 后来这个程序的升级版是:调度多台打印机,进一步提高效率,以及将打印机卡纸造成队列错误的概率降到极小的范围内。 2、制作图表及GIF动画 图表制作是每个Office一族的必备任务,制得一手好表格,绝对是升职加薪和偷懒放风的利器。在回答( 黄焖鸡米饭是怎么火起来的? – 何明科的回答 ),就利用Excel+VBA做出数张炫酷的信息地图,利用VBA为每个省的图形涂色。 (涂色部分来自于网上的一段程序,制作GIF动画的是自己完成的) 同时,为了进一步增强炫酷结果,还利用VBA将这些连续变化的图表做成了GIF动画,可惜知乎不支持GIF的显示。 3、制作复杂的分析图表 下图是研究各个车型之间的用户相互转换关系,因为要将一维的转化率向量,变成两维的矩阵,所以使用了如下的复杂公式。 =IF(ISERROR(OFFSET($C$2,MATCH(CONCATENATE(ROW(A4),”-“,COLUMN(A4)),$D$3:$D$600,FALSE),0)/OFFSET($C$2,MATCH(CONCATENATE(ROW(A4),”-“,ROW(A4)),$D$3:$D$600,FALSE),0)),””,OFFSET($C$2,MATCH(CONCATENATE(ROW(A4),”-“,COLUMN(A4)),$D$3:$D$600,FALSE),0)/OFFSET($C$2,MATCH(CONCATENATE(ROW(A4),”-“,ROW(A4)),$D$3:$D$600,FALSE),0)) 同时为了用颜色的深浅来表示转化率的大小关系而便于比较,使用了VBA对下面的矩阵进行着色。当然有人肯定会说可以使用条件化格式,但是使用VBA保持了最高灵活度和效率。 4、根据格式化信息,生成标准的word文件 这是帮朋友实现的一个项目,他们实验室是研究某类事故并对重大事故进行鉴定,最后发布word版的正式报告。之前的工作流程是在专业的软件中完成计算和仿真,最后按照正式报告八股文的行文,把各种关键信息填进去,最后写成word文件。写报告的过程枯燥而没有技术含量,但却要反复进行。通过下图的Word+VBA,完成主要的交互界面并连接计算软件。在通过简单的交互获取主要信息后,在后台完成计算并将主要信息填写入八股文的word模版,最终完成报告,同时将结构化的信息存入Access数据库。 希望有机会和 @Raymond Wang 和 @金有元 等大律师合作,将Termsheet的书写及Termsheet到SPA及M&A等的法律文件书写工作彻底自动化。 5、通过Excel管理分布的任务流,并将Excel表格输出到Powerpoint 这是协助某国际大型汽车制造厂完成新品牌及其新款车型上市,面临车型即将断档的窘境,该新车型的上市非常关键,不能错失时间节点。然而,新车型上市涉及到无数分支:制造、产品、市场、渠道、营销、公关、财务等等,同时还要协调欧洲的两个总部以及中国的两个分部。这次咨询的核心任务就是项目管理,总控整个大项目的进度,并每周向中国区的CEO汇报进度并发掘出易出现问题的关键节点以调配资源。我们4个咨询顾问分配下去各自负责几个部门或者项目分支,和团队一起规划流程、画甘特图、确认里程碑及时间点、安排负责人等等。当每天回到办公室大家将进度汇总在一起的时候发现了挑战及难点,每条任务线并不是独立发展的,而是各条任务线交织在一起并互相影响。 某些核心人员在多个任务线出现。比如:负责预算的财务人员,几乎要出现在各条线中负责相关预算的审批环节 某些任务线的里程碑是其他任务线里程碑的必要条件而相互关联。比如:新车的下线时间影响发布会的时间,相关法规测试的通过又影响车辆的下线时间等等 当任务线增多以及任务线之间的交叉越发频繁的时候,汇总的任务将会几何级数增加,这就是我们在项目过程中遇到的问题。于是我利用Excel+VBA完成了这个工作的自动化。主要实现的功能: 自动将4个顾问手中分散的Excel文件汇集在一起形成一个大的总表,如下图 各顾问手中的表格是按照部门维度来划分的,汇总后需要按照不同的维度来输出不同类型的表格,比如:按任务线输出表格、按责任人输出表格、所有延误任务的表格、所有需要资源重点投入任务的表格等等 在此基础之上,还要将上面提到的各种维度下的所有表格(大概有200多张),按要求格式粘贴到PPT中,每周提交给中国区的总部进行汇报和评估。密密麻麻的表格如下图。于是,我又写了一个程序将Excel中的表格输出到Powerpoint中,将一个秘书每次需要数小时才能完成的工作,简化成了一键发布,并可以在Excel中完成对PPT的更新。 这个项目的程序量不小,近似于写了一个迷你版的Microsoft Project来进行项目管理。 最后,下图中密密麻麻的PPT每周需要更新一次,每次都是快100张的工作量,然而基本上都是靠Excel来自动完成更新的。因为PPT的模版每次变化不大,我将这些模版记录下来,每周更新的时候只要根据Excel中最新的数据更改PPT中的数据即可。 6、根据结果倒推假设 一般的Financial Model都是根据重重假设计算最终结果。而在为某顶级手机品牌服务的过程中,我们却遭遇了逆向的尴尬。本来是根据地面销售人员的一定服务水平,计算所需要的销售人员数量;结果在项目过程中,总部已经确定好了销售人数的Head Count,转而要求我们根据HC确定服务水平。然而,服务水平不是一个单变量,是由零售店的覆盖率、销售拜访频率、拜访中的服务深度等多重因素来决定的,同时还可以根据一线至无线城市来变化。于是只好再次寄出Excel+VBA法宝。先根据常规思路建立好Financial Model,得出HC的初步结果。然后写VBA程序,根据不同的情景、不同的优先级以及不同的权重来调节零售店的覆盖率、销售拜访频率、拜访中的服务深度等多因素,同时设定这几大因素的可接受范围,逐步逼近HC的预设值。 如果没有程序,以前基本是靠人工手动调节来凑结果,而且因为各种情景的不同,还需要多次调节。而通过程序,基本是自动完成,还可智能得设置优先级及权重,无需人工参与。 7、海量下载Bloomberg数据并完成分析 通过Bloomberg的VBA API,海量下载数百只目标股票的tick data以及order book。 并根据实现构建好的数学模型,在后台完成计算,将上述的实时数据转化成每只股票实时的trading cost,实时展现在交易员最常用的Excel界面中,方便交易员评估当下的交易成本以便于优化交易策略。 8、结语 计算了一下,我在BCG做了三年咨询顾问,大概写了几万行VBA程序(都是自己手工输入的,没有复制拷贝和系统自动生成),每个项目一千至几千行程序不等。最后将Excel用成了中控界面,类似EMACS,在Excel可以随意操控全公司的打印机、Word、Powerpoint等等,自动完成各种任务以及数据更新和抓取。因为Excel的数据更结构化,所以将其作为中控平台,比Word和Powerpoint更有优势。 最后,这些程序中的一些公共模块,打包给了BCG Global IT,BCG给了我一个Sponsorship去Stanford GSB读书。程序的注释行里面有我几个好朋友、亲人及导师的名字,祝他们一生平安。 本文为专栏文章,来自:数据冰山,内容观点不代表本站立场,如若转载请联系专栏作者,本文链接:https://www.afenxi.com/10455.html 。
数据分析
2016-03-18 23:09:00
  许多人都知道,谷歌在 Chrome 离线页面中暗藏了一款由霸王龙作为主角的横版跳跃游戏。不过近日,MSCHF 战略负责人 Daniel Greenberg 在接受 TheVerge 采访时称,他们已经为这款极易上瘾的游戏带来了使之更加真实的更新。据悉,该游戏由 MSCHF 与 100 Thieves 联手打造,允许玩家控制霸王龙使用多种武器。   尽管 T-Rex 能够挥舞多种武器,但其中也有一些陷阱,盲目使用可能会造成一些自我伤害。从某些玩家的反馈来看,《Dino Swords》很像是早年经典的 Web 浏览器游戏(Flash 主导网页小游戏的时光)。   100 Thieves 首席执行官 Matthew“Nadeshot”Haag 补充道:“作为 Chrome 上经典的恐龙赛跑游戏的一个补充,《Dino Swords》能够在 T-Rex 奔跑时调用 26 款武器装备”。 (传送门: https://dinoswords.gg/ )   如图所示,《Dino Swords》中的许多武器都在向某些经典视频游戏致敬,某些用处很大、某些只是花瓶、甚至暗藏了难以解锁的彩蛋。感兴趣的朋友,可点击上方链接去体验一番。
互联网
2020-08-25 10:48:00
  根据美国证券交易委员会今天披露的细节,库克在上周五直接向一家身份不明的慈善机构赠送了 10715 股股票。如果按照上周五收盘价计算,这笔金额超过 500 万美元;如果按照本周一收盘价 503.43 美元计算,库克捐赠的价值约为 540 万美元。   由于这些股票并没有被卖出,因此没有对该笔转让进行申报价格。目前尚不清楚库克的这部分股票赠送给了哪家慈善机构,不过库克此前曾多次向人权组织进行捐款。企业领导人有义务披露所拥有的股票的动向,但不需要公开报告慈善交易的接受者。   库克曾在 2015 年和 2018 年将苹果股份包转给了未公开的慈善机构,这些慈善机构的身份没有被披露。这位苹果 CEO 目前控制着 837374 股实益拥有的苹果股票,这些股票由一个私人信托基金持有。
互联网
2020-08-25 10:40:00
2010年,美国各大媒体报道了这样一则新闻: 在南卡罗来纳州的多切斯特县,警察通过智能电表收集上来的各户用电情况分析,抓住了一个在家里种植大麻的人。 这件事引起了美国社会的广泛讨论: 大数据 能够如何帮助我们解决过去的难题,以及这项技术对未来社会会产生什么样的影响? 毒品问题是美国社会的一大毒瘤 到了 大数据 时代 私自种植毒品者的好日子就快到头了 问题描述:毒品问题一直是美国社会的一大毒瘤 过去美国政府一直把缉毒重点放在切断来自南美洲的毒品供应上,但仍然无法完全禁止毒品泛滥。 其中一个很重要的原因就是,提炼毒品所需要的大麻,种植起来非常容易,甚至可以自己在家种植。 美国马兰州巴尔第摩市当地的一些穷人把房屋的门窗钉死后,在里面偷偷用LED灯种植大麻,因偏僻荒弃,这里很快成了毒品种植者的天堂。 在环境优美,生活水准高的西雅图地区同样发生了这样的情况。 在西雅图把门窗钉起来种毒品自然是行不通的,但是毒品种植者也有办法。 有一家人花了50万美元,买下了一栋周围种满了玫瑰花的豪宅。这栋四卧两厅的大宅子其实没有人住,占据里面的是658株盆栽大麻。 房主每年卖大麻的收入,不仅足够付房子的分期付款和电费,而且还让他攒够了首付又买了一栋房子。 类似的情况在美国、加拿大均有发生。 据估计,仅加拿大的不列颠哥伦比亚省,每年这种盆栽大麻的收入就高达65亿美元,在当地是仅次于石油的第二大生意。 ▼是否对这一类街区进行重点排查是否就能解决问题呢? 答案并不如我们想象的那么简单。 由于种植毒品的人分布的地域非常广,而且做事隐秘,定位这样种植毒品的房屋的成本非常高。 再加上美国宪法的第四修正案规定“人人具有保障人身、住所、文件及财物的安全,不受无理之搜查和扣押的权利”,警察在没有证据时不得随便进入这些房屋进行搜查。 因此,过去警察虽然知道一些嫌犯可能在种植毒品,也只能望洋兴叹,这使得美国的毒品屡禁不止。 但是到了大数据时代,私自种植毒品者的好日子就快到头了。 截至2011年,仅俄亥俄一个州,警察就用类似的方法抓到了60个这样的大麻种植犯罪嫌疑人。 ▼大数据是如何帮助警察提高定位效率的呢? 过去,供电公司使用的是老式电表,只能记录每家每月的用电量。但是从十几年前开始,智能电表的普及,不仅能够记录用电量,还能够记录用电模式。 因LED灯需日夜开启,种植大麻的房子用电模式和一般居家是不同的,只要把每家每户的用电模式和一般居家用电模式进行对比,就能很容易地圈定出一些犯罪嫌疑人。 在这个美国警察查处毒品种植的案例,我们看到了大数据思维的三个亮点: 第一是,用统计规律和个案对比,做到精准定位。 第二是,社会其实已经默认了在取证时,利用相关性代替直接证据,即我们大数据思维所说的, 强相关性代替因果关系 。 第三是,由于采取了机器,执法的成本,或者更广泛地讲,运营的成本,在大数据时代会大幅下降。 美国一半小型企业(包括餐馆等)寿命不超过5年 大数据如何帮忙? 大数据在商业活动中从细节到整体,再从整体到细节双向的流动,使得我们不仅能够利用大数据对商业进行整体提升,更能够精确到每一个细节。 这在互联网公司已经不是什么稀奇事,不过即使在所谓的传统行业里,大数据也能帮助我们做到这一点。 我们不妨看看下面的例子。 戴维是硅谷地区一位创业者,他喜欢根据技术发展的大趋势寻找特定领域里的商机。 问题描述:美国一半小型企业(包括餐馆等)寿命不超过5年,酒吧也是如此。 戴维在一年里走访了美国100多家酒吧,发现它们之所以经营不下去,除了一般所说的经营不善,更重要的是大约23%的酒都被酒保们偷喝了。 ▼那么酒保们是如何偷喝掉将近1/4 的酒的呢? 这其实很简单: 主要是酒保们趁老板不在的时候偷喝酒,或者给熟人朋友免费的和超量的酒饮。 比如小王是酒保,小李是他的朋友。 这天小李来到酒吧时,小王看老板不在,就给小李倒上一杯没有算钱。甚至即使老板在,小王本来该给小李倒4两酒,结果倒了6两。 由于每一次交易的损失都非常小,不易察觉,因此在过去酒吧的老板必须盯紧一些,如果有事离开一些,只好认倒霉。 开过小餐馆的人都会有这样的经验,自己是否在店里看着,对营业额的影响特別大,因此做这种餐饮买卖的人特别辛苦,稍微不注意就开始亏损。 ▼针对酒吧老板的这些麻烦,戴维设计了一套解决方案。 改造酒吧的酒架,装上可以测置重置的传感器,以及无源的射频识别芯片(RFID) 的读写器,然后再在每个酒瓶上贴上一个RFID的芯片。 这样,哪一瓶酒在什么时候被动过,倾倒了多少酒都会被记录下来,并且和每一笔交易匹配上。 酒吧的老板即使出门办事,也可以了解酒吧经营的每一个细节。 当然,戴维提供的服务如果只是停留在这个层面,那么更像是一个“万物联网”(Internet of Things,简称 loT)的应用,与我们所说的大数据其实关系并不大。 ▼戴维对酒吧的改造带来了一个额外的好处,就是积累了不同酒吧比较长时间的经营数据。 在这些数据的基础上,他为酒吧的主人提供了一些简单的 数据分析 。我把他提供的服务概括为以下三个方面: 首先,分析每一家酒吧过去经营情况的统计数据,有助于酒吧主人全面了解经营情况。 在过去,像酒吧这样传统的行业,业主除了知道每月收入多少钱,主要几项开销是多少,其实对经营是缺乏全面了解的。 至于哪种酒卖得好,哪种卖得不好,什么时候卖得好,全凭经验和自己是否上心,没有什么分析。 戴维提供的数据分析让这些酒吧老板首先对自己的酒吧有了准确的了解。 其次,为每一家酒吧的异常情况提供预警。 比如戴维可以提示酒吧老板某一天该酒吧的经营情况和平时相比很反常,这样就可以引起酒吧老板的注意,找到原因。 在过去,发生这种异常情况时老板很难注意到,比如某个周五晚上的收入比前后几个周五晚上少了20%,老板们一般会认为是正常浮动,也无法去一一检查库存是否和销售对得上。 有了戴维提供的数据服务,这些问题都能及时被发现。 最后,综合各家酒吧数据的收集和分析,戴维会为酒吧老板们提供这个行业宏观的数据作为参考。 比如从春天到夏天,旧金山市酒吧营业额整体在上升,如果某个特定酒吧的销售额没有增长,那么说明它可能有问题。 再比如,戴维还可以提供不同酒的销售变化趋势,比如从春天到夏天,啤酒的销置上升比葡萄酒快,而烈酒的销售平缓等。 这些都能够帮助酒吧老板们改善经営。 *本文根据吴军《智能时代第四章:大数据与商业》内容整理而成,有删节,该书由中信出版社出版。 来源:混沌研习社文|吴军 (硅谷投资人、丰元资本创始合伙人、计算机科学家、《浪潮之巅》作者) 本文采用「CC BY-SA 4.0 CN」协议转载自互联网、仅供学习交流,内容版权归原作者所有,如涉作品、版权和其他问题请给「 我们 」留言处理。
数据分析
2017-02-17 10:10:00
  来源于活体生物的生物药物应用前景广阔,尤其是因为它们可以根据个体患者的独特需求展开个性化治疗。不过,它们通常很难通过皮肤注射,因为皮肤是一种新皮下注射针头的设计部位。由于生物制剂通常都是高度浓缩的,所以它们往往非常粘稠--以至于有时无法通过一根标准的注射针。相反,它们通常要被稀释,然后通过静脉注射一段时间才能进入人体。   但这意味着患者必须前往医疗机构,这对生活在偏远地区或贫困国家的人可能是一项艰巨的任务。   无针喷射器是一种替代方法,但它相对昂贵,所以不太可能在贫穷国家得到广泛使用。   相反,麻省理工学院(MIT)的科学家们开发了一种原型皮下注射针头,这种注射器包含两个桶--一个套在另一个桶里。内桶包含粘稠的药物,外桶则包含生物相容的润滑液体。两个桶被同时激活按在一个柱塞里。   当药物流出内桶时,它会被涂上一层薄薄的润滑剂。这使得两种液体很容易通过针头。在实验室测试中,即使是最粘稠的药物也只需要1/7 的注射力。这种注射的还一个好处是,当生物制剂穿过针头时几乎不会受到剪应力的破坏。这意味着该技术还可以在 3D 生物打印领域找到应用,以此来用于挤压脆弱的细胞和生物组织。   这项研究的参与者之一 Vishnu Jayaprakash 指出:“既然这种方法很简单,就没有理由不能帮助解决我们从工业界听到的一个新兴问题。基础工作已经完成。现在只是要把它应用到不同的配方上。”   相关研究报告已发表在《 Advanced Healthcare Materials 》上。
互联网
2020-08-25 10:34:00
摘要:本文来自创新工场创业公开课。用户增长始终是困扰 APP 开发者的一大难题,其中一个很重要的问题就是没有对你的应用进行分析。没有意识到为什么用户 留存率 偏低。从用户获取到收入这个步骤入手,对整个过程进行监控,用数据化的工具进行分析,是问题的良好解决途径之一。 诸葛 IO 创始人孔淼就会基于 AARRR 模型和一些具体案例,来为我们解析为什么要用数据去铺垫产品运营。 精细化的数据运营 第一个,为什么要用精细化运营数据这张图是年初的时候 TalkingData 的一个报告,大家可以看到,整个年龄分布从 90 后到 80 后到 70 后以下,其实整个分布已经越来越均匀了。大家想一下,差不多在 1999年 第一波互联网浪潮到 2004年web2.0 到 2009年 左右的移动互联网浪潮的时候,当时主要人群主要是 80 后,并没有现在分化得这么明显。 第二个人群城市差异化,大家可以看到一二三线城市的增长速度,意味着人群包括像城市整个沉降越来越快,如果有来自小城市的朋友都知道,现在回家看,大家使用智能设备已经越来越多了。大家再想一下,这三个浪潮的时候,最开始使用互联网的人主要是一二线城市的人,而现在这个图是一个金字塔,三四线人才是一个更有价值的部分。 第三个网络环境,从最开始,早期用塞班的人都知道,大家可能就用 opera 浏览器,用 S60 手机各种省流量,UC 浏览器讲究的是内容。大家看到随着网络环境的改善和优化整个体验变得很重要,用户交互体验变得很重要。 最后一个是根据每个人装的应用列表来看,北京打车偏多,上海理财,广州是游戏,深圳是视频。从表面上来看是几个类型的差异,背后刚好反映的是各个城市人群的生活节奏,包括个人作息时间,个人消费能力等等。这意味着什么呢,这意味着现在包括使用你的应用人群已经越来越差异化了。 举个简单的例子,即使你是做母婴类的,使用者是妈妈,一二线城市的妈妈和三四线城市的妈妈她们消费能力是有差异的,她们平时生活作息时间也是有差异的。意味着她们在使用你 APP 的时候,整个使用行为肯定是有差异的。 所以回到最开始讲到的三波浪潮时期,大部分公司只关注三件事,从 Traffic 到 users 到 revenue,从流量到用户到收入。大家想一下最开始互联网广告赚钱方式并没有现在垂直电商这么多的方式,最开始简单的就是投广告,广告带来流量。包括去 PC 上做 SU 优化,做很多事都是为了扩大人群,扩大流量,带来更多的用户,通过用户产生收入。这在用户群单一的且技术有限的情况下,是有用的。 但是现在很多 APP 的开发者会发现一个很头疼的问题,就是为什么我们的量增不上去,觉得自己做了很多努力还是没有太多的用户,这里面有一个很重要的问题,就是你没有分析你的应用,没有意识到为什么用户留存率偏低。包括现在很多产品会去换量,A 产品跟你换 5000 量,B 产品换到 3000 量,你简单认为 5000 大于 3000 对不对,有些公司稍微再精明一点会去看留存率,即使是留存,大家想一想,每个应用的核心事件不同,知乎就是看帖子,京东是是加入购物车,搜狐视频是看视频。 原来的留存是什么,是打开一个应用,但简单的打开一个应用也不能成为衡量你留存的一个标准。这个时候也就意味着衡量留存时要把用户区分价值来看,真正给你带来产生收入是互动比较强烈的用户,其实你最后衡量这个渠道带来的用户,5000 大于 3000 也许你衡量有哪些人看了视频,有哪些人做了核心事件比例有多少通过这个衡量也许是 3000 的比较大。换过来说,这时候是不是意味着 3000 就是好的,也不一定。最后产生收入要看 UP 值,也许是 5000 的价值比较高。这一件事到底有什么结论,要通过用户的行为往下深入细分,再得到结论。 流量时代何时走向终结 这个是前一段时间 36kr 的一篇文章《流量是在何时走向终结》,它的观点就是以前流量经济在于洗,我不停的去找,有当量的渠道去换流量,现在已经是讲究粉丝经济了,要养,要找到你的用户人群特点。 举个简单例子,跟一线竞争对手扛不赢的时候,你会发现的收入来源大多数来自于三四线小城市,这个时候你没有必要去刷网上的第一位,因为你的核心人群是你的三四线小城市,这个时候你的目标要定向为他们的活动区域比较大的地方就可以了。养粉丝这一块很典型的比如唯品会,唯品会最开始做得比较好的时候就是用二线的品牌去吸引了二三四线城市的人。 AARRR 模型 回到刚刚那个模型流量到用户到收入,我们应该关心的是流量来的是什么样的用户,流量怎么来的用户。用户到收入这个过程到底做了什么,用户是如何产生收入的。 这个时候我要讲到一个经济话语的基础,不得不提到的就是 AARRR 模型。第一个是 Acquisition,即用户的获取。Acquisition 是用户的激活,Retention 是大家很熟悉的,留存,留存的人 referral 会帮你制造传播,再下一步就是收入。 关于用户获取大家应该很熟悉。比如扫码关注,或者你去搜一个关键词,做一个 SEO 优化,或者你找别人换量,或者是别人在某科技博客上写一篇软文带来一些量。再就是社会化分享,通过分享把用户吸引过来,这些都是用户获取的过程。 用户激活,激活就是注册成为你的用户,有一些人到你这来了以后,核心是要他注册账号,如果没有账号体系,你可以认为他来到你的应用就跳过这一步了。像知乎,在首页有一个注册,读文章读到一半的时候也会弹出一个注册。 用户留存就很简单了,持续去使用你的应用。我们建议把这个留存再往下深入,你要把你的人群分层,比如你是一个电商应用,留存就要分四层来看。第一层是浏览商品的留存的人,第二是加入购物车的人,第三是是产生了订单的,第四是完成支付的。分不同层面的意义来讲留存,这就是细化留存。 Referral 就很熟了,用户觉得应用不错,愿意把它分享到社交网络,到社交网络以后带来更多的用户,这就是一个传播的过程,传统意义就是你的东西很有价值。比如卖一个很好的软件,你告诉他用的很不错,就是口碑营销,是最传统的传播方式。前不久我在微博上看到一个知乎的分享,这就是典型的传播方式。 最后就是收入了,大家看一下整个过程,这是我摘自于国外很有名的 PPT 的图,是一个典型的漏斗,用户获取来的人是最多的,用户激活是一部分,用户留存到用户传播最后到用户收入这是一个漏洞,在分析问题时候是要找到这个漏洞的瓶颈在哪儿。 当你发现产品有问题的时候,这个时候要做的一件事就是分析从用户获取到收入这个步骤中,到底哪一步是最大的问题。现在很多人有问题的时候会做很多操作,其实是不利的。因为这会同时改变很多因素,最好的方式是首先要监控起用户获取到收入的整个过程,用数据化的工具来监测这个过程。 先找到 OMTM,这个概念是来自于《精益 数据分析 》这本书,里面讲到一个很重要的分析方法论叫做 OMTM(one Metric That matters)。在找瓶颈的时候往往有一个非常重要的因素,只要解决了这个问题,就会带来快速的提高。本身你的产品在迭代,不可能一下子解决所有的问题,你做很多操作的时候,到底是哪个产生因素还是不知道,从分析上来讲是不合理的。 常用分析方法 有哪些常用的分析方法呢第一个,其实就是用户获取和用户激活。比如像知乎,知乎注册有多种方式,有一种是来自于你的首页注册,还有一种是你读到一半弹出一个注册框,这是多种注册方式。大家想一下,如果用现有的一些工具是做不到的,因为他最多是给你做渠道和版本上的区分,这时候你去衡量这一部分用户转化率和行为的时候,需要结合业务逻辑条件。比如注册来自读文章的页面或者是注册来自于首页,这些都是结合业务的商业条件,这是需要精益化的数据工具才可以做到的。 分析的过程就是一个典型的漏斗,第一步两个漏斗,第一个漏斗是从首页访问注册的人,第二个漏斗是看文章的,他读文章读到一半弹出一个注册窗口,第二步就是他去读文章,比较这个漏斗看哪一步更有价值,这就是典型的漏斗。漏斗就是很多过程,你要分析这个过程缺口在那里。 拆分用户使用应用这个过程的时候,用户不会完全按照你的逻辑来走,很多地方就会卡住了,跳出了,这个时候要找到这些点来优化它。有一句话大多数做产品的人是靠猜测和直觉,大家想一下自己的产品是不是靠产品经理拍脑袋决定的功能,有没有考虑这个功能的持续使用性。 第二个是更多的转化趋势。刚刚解释过了用户留存,留存不像以前了,第一天是新增用户,某一个条件背后来的用户,第二天第三天有没有持续用这个应用,变成了每一个应用都有你的核心价值体现。比如说你是一个游戏类的,那就是有没有玩游戏,如果你是一个像图片类的,就是有没有看图片,京东的有没有产生订单有没有支付成功,要把原来的应用再细化一下,这也是要结合你的业务,这也是精细化分析工具能做到的。 这就是自定义留存,下面通过例子来讲如何更深入的分析。在做产品分析的时候,并不是把多少数据库拿来,这样是盲目的。核心是要回到刚刚的逻辑,即从用户获取到用户收入,并可以细化拆分。比如分享的流程,微信某个行为的触发人群,你有一个细的目标去分析,这个时候的分析往往是有效的。 更深入地分析从何下手 使用工具的时候,不要盲目的为了布点而布点,加入太多的数据量,最后分析量太多是不行的。 比如某一个版本我要去布点的时候,就去跟踪几个关键的过程,步入这一步,我的用户获取很少,铺的流量有限,但是我这里面是有一些社交分享的功能,这个时候我应该想到怎么样提高社交分享率,才能够在 referral 有一个更多的用户获取。这个时候就分析为什么他不会分享。 之前有人讲了一个例子很有意思,他们当时发现最后点赞的人分享频率是最高的,后来提了一个方案,听说点赞和分享搭在一起更配,这也是一个漏斗这一步提高了,分享率就上去了。一些硅谷的典型例子,往往就是在小的过程去优化一点能带来一个大的效益改变。 更深的分析从何下手呢,这就是一个案例,这个案例应该会有很多产品中枪,为什么我拿这个案例,因为暴走漫画是我们一个很好的客户,当时我问他第一句是,你的分类排序是按照什么排的,他说数据库取出来的数据就是这样排的。大家可以看到,当你的功能模块,这样一些分类,从上往下排的时候,这个时候用户访问点击率从上到下不是对等的,点上面的肯定是高于点下面的人,因为这个是用数据支撑看到的问题。 这个时候大家想一下,大家可以看到上面有很多分类,每一个分类点进去以后这个用户有没有持续看这个分类里面的漫画,这个比例一定是不等于从上到下的数据,正常做优化的时候,你先要掌控。 因为 APP 展示页面有限,每一个关键部位都是有它的价值,这个时候要明确横向从上到下的点击比例。第二个,每一个点进去的用户有没有持续使用这个分类,在这个分类里面看这个分类的漫画,显然这个比例肯定是不一样的。这个时候下面有一些是高于上面的,持续用这个分类的比例是高于上面的,这个时候要根据数据把下面提多上面去。 举个简单例子,科幻根本没有人看,放在这么好的位置,我发现每次点进去都是新用户,老用户根本不点,下面有一个比如叫什么恐怖,访问率非常高,用户持续使用率非常高,这个时候应该提到用户在第一层找到的地方,把差的内容如果数据可以了再提上去,这就是典型的数据去运营产品的思路。 硅谷产品经典案例 最后讲一下硅谷产品的经典案例 Quora,Quora 是典型的从用户获取 AARRR 模型,Quora 和知乎的问题是一样的——分享的很多,注册的很少。用户激活的比例偏低,怎么办呢。这时候想到一个办法,他发现很多人读文章会读完的,大家做了一个措施,读文章一半的时候弹出一个窗口,也就是后来知乎的做法。 第二个推荐相关的文章和用户。这也是一样的,你发现留存率比较低的时候,用户在应用里互动比较少的时候,你应该想一些别的办法。Quora 就想到了,怎么增加用户的留存,用户读到这篇文章的时候我给他推荐一些相关的文章,很多人觉得这件事靠后,其实它能够提高一些转化率的,这个时候推荐相关文章比如说最近股市哪个股票好下面有一个相关的文章,点进去的人会很多。点进去的连续进去,就增加了下一步的可能,就越有可能成为你的新用户了。 LinkedIn 很有意思,LinkedIn 从 200 万到 2 亿的增长是非常快的,这源于 growth hacking 的策略。他当时发现很多人在搜索引擎里面搜自己的名字,搜不到结果,这个时候他想到一个办法,你在 LinkedIn 里面可以创建公开个人资料,这个个人资料可以被搜索引擎做 SU 优化被检索到,这个时候很多人会发现了这个功能,整个 LinkedIn 的用户增长就上去了,因为大家都想提高自己在搜索引擎的曝光,这个点被大家把握住了。他在研究整个用户获取到收入这个漏斗的时候,发现第一步是一个瓶颈,他源于这一步提高了第一步的留存。邀请联系人和动态通知,现在大家来看我也做了,我想问你做社交分享做这些事的人,你为什么这么做,你是抄别人的,第一个想到的这个人是分享过的。 我再讲一个非常差的案例,前不久我在脸谱网出来的一家公司帮他分析产品,他也是用别人的分享,他的产品送你 50 元红包,我说朋友圈看到你这个东西的时候,人家第一步对你的产品名字是有认知障碍的,不知道你是什么,送他红包的时候当然不会点了,点击率会偏低很多的,他是卖零食的。我告诉他,改成我送你 50 元可以免费买零食之类的,转化率是不是会上去。 Facebook 和推特这里面有两个概念,AHA 时刻,大家可以去 TD 上搜一个东西叫做 Facebook 的 growth 团队做的一个分享,AHA 时刻在国外叫 AHA moment,Facebook 和推特也遇到了这个问题,好多人注册了不留下来,其实就是用户获取到用户激活到用户留存这部分,后来经过数据分析发现当一个新用户十天能达到 7 个好友的时候,这个留存率是最高的,这一件事很多产品团队没有数据分析意识是不会想到的,这一件事其实是可以分析出来的,这些人的整个行为分布和使用是有规律在里面的。推特用户关注达到 30 个人,这也是符合逻辑的,刷的量太少了就不会有人使用了。 从用户获取到激活,刚刚 Quora 想的办法是增加了一些途径,推特的办法是优化了体验,优化了注册流程。 Dropbox,growth hacking 的发明者就是当时的 Dropbox,Dropbox 是我认为做 growth hacking 当中做得特别好的一家,大家看现在很多的网盘学它的邀请注册送空间。刚刚我提到了优化的一个方法是增加途径,或者优化体验,这一种就是属于诱导。给用户更多的诱导性去提高这一个转化率。 Dropbox 当时送 500 兆空间,后来国内网盘都请他来做。但是他这 500 兆空间也不是那么简单的,我看了 Dropbox 的一篇分析文章,因为 Dropbox 是有付费用户比的,他算过这个付费用户比,算出来一个新用户能带来多少回流比,算出来是 500 兆空间,从这个成本中能达到多少的营收。 第二点,Dropbox 很聪明的,也可以激发大家的一些想法。他当时发送邮件给注册没有下载客户端的人还是回到那个模型,他发现用户激活到用户留存比较低,这个时候怎么提高,他想了一下,他发现有一部分人激活以后准备下客户端没有下走了,大家想一下这是很正常的情况,有的人可能网络有问题,或者是有什么事,就把浏览器窗口关掉了,走了。 这个时候他发了一个文件,把那些注册了没有下载客户端的人,并不是 Dropbox 的客户,他就通过发送邮件去挽回,发现这个回流比还不错的,最后通过这样一个方式让这个比例提高了。有人会觉得可能提高的不多,但是大家想一下百分比乘以你的用户基数,任何一点点,因为每一个新用户还可能带来更多的用户,这些小的细节点将来都可能成为你产品改进的空间。 今天讲的这些就是分享一些关于,首先为什么做这一件事,其实也是从当初的流量到用户到收入的模型,不要再去想有没有办法,应该往下走,应该把步骤拆细,流量来了,是什么样的用户,用户做的什么事,哪些事需要往细了看,去分析这些事情,他做这些事的时候每一个核心步骤到底完成了没有,或者说根本就是你做的不好,这个东西是伪需求,这些全部要分析透彻了,这些都是可以用数据分析出来的。 最后去分析这些问题我不建议大家自己去构建团队,因为你要有 ETO 工程师,算法工程师,运维工程师,需要有服务端工程师,要有一堆成本,这个我建议大家用一些像 Mixpanel,恩特麦崔科斯(音译),这是国外的。国内的诸葛 IO 还是挺不错的,每一个产品都有使用的人群找出哪一个更合适你。 作者:创新工场 来源:36氪 原文链接:http://36kr.com/p/5038378.html 本文为专栏文章,来自:诸葛IO,内容观点不代表本站立场,如若转载请联系专栏作者,本文链接:https://www.afenxi.com/3062.html 。
数据分析
2015-11-20 20:21:00
  据外媒 CNET 报道,美国宇航局(NASA)近日表示,一颗称为 2018 VP1 的小行星将在 11 月 2 日——也就是美国大选的前一天靠近地球。它甚至可能进入我们的大气层,但它并不会对地球构成威胁。密切关注这些太空岩石的 NASA 小行星观察组织周日在推特上发布了一些保证。   小行星 2018 VP1 的直径大约为 6.5 英尺(2 米)。“它目前有 0.41% 的几率进入我们星球的大气层,但如果它进入了,由于它的体积极小,它将会解体,”NASA 说。   自从 2018 年在圣地亚哥附近帕洛玛天文台的 Zwicky 瞬变设施发现该小行星以来,今年的飞掠将是小行星对地球的首次近距离飞掠。但是,尽管科学家称该事件是近距离的,这颗太空岩石仍将远离地球:距离将超过 26 万英里。
互联网
2020-08-25 10:27:00
机器人 和 大数据 已经改革了电商行业,而下面这4个公司将在这场变革中起到重要作用,极大影响2018年的电商模式: 无人机投递: Flytrex 无人机配送方式已经出现,只是实行的地区有限。而无人机物流公司Flytrex,将逐步改变这一局面。 今年该公司在冰岛推出了全球首个全自动无人机投递系统,将AHA电商公司某些产品的平均投递时间缩短了75%以上,同时节省了60%的物流成本。 自主式无人机可以在密集的城市导航,配送成本每英里0.8美元,远远低于卡车运输。 这家总部位于特拉维夫(以色列港市)的公司正在努力向全球其他地区扩张。但是在美国市场短期内不会有太大进展,无人机在这里依然受到严格监管。 把娱乐变成一种购物体验: SPOTT Spott的技术生成交互性内容,让用户能够搜索节目和电影中的场景,以准确找到使用的某个产品。从厨房炊具到精致套装,这家位于芝加哥的Spott 公司会跟用户分享产品的品牌和价格信息,方便人们快速购买。 这种影响不仅体现在电商方面,也给内容营销和娱乐方面带来巨大变化。 多亏了Spott,衣柜和道具部门即将成为好莱坞的主要收入来源,而娱乐和商业之间的界限将会越来越模糊。 将亚马逊物流机器人带给每一个电商企业:6 River Systems 位于马萨诸塞州沃尔瑟姆(Waltham)、由前Kiva公司高管创立的6 River Systems公司创造了一款先进仓库机器人Chuck。当电商公司在物流中心或仓库安装Chuck时,配送速度会比传统货车分拣快2-3倍,而成本却降低一半。 Chuck通过把仓管人员准确引导到所需产品位置,让物流人员能够非常迅速地分类和处理库存。 像许多机器人公司一样,Chuck也通过汇总数据,为企业带来价值,使仓库经理能够做出更明智的决策,加快分拣过程,这是物流行业的难题。 最后一公里配送:Common Sense Robotics 目前供应链依赖于规模经济。另一家以色列公司Common Sense Robotics(CSR)想要改变这一点。 CSR利用先进的AI和机器人技术,让零售商能够在临近最后一公里交付的战略位置储存和处理大部分库存。而不是像当前零售商,把库存储存在远离人群的郊区大型仓库中。 该公司希望其最后一公里物流中心成为渴望跟上亚马逊配送速度的零售商的首要选择。它能为卖家提供按需物流服务,同时大幅度降低配送成本。 本文采用「CC BY-SA 4.0 CN」协议转载自互联网、仅供学习交流,内容版权归原作者所有,如涉作品、版权和其他问题请给「 我们 」留言处理。
数据分析
2017-11-21 13:25:00
  分析公司 Sensor Tower 指出,自 2018 年发布以来,《绝地求生》(PUBG)已成为移动平台上最成功的的游戏之一。去年手游版本的收入已经超越了 PC 版本,达到了 13 亿美元。除了大陆地区的 1.5 亿《和平精英》玩家,《PUBG》移动版还拥有超过 6 亿的下载量和 5000 万活跃用户。   取决于用户使用的设备类型,在即将于 9 月 8 日到来的 1.0 大版本更新中,《PUBG》手游版有望将游戏帧率提升 30%、并将延迟降低 76% 。   此外该游戏在视觉和设计上迎来了大幅修改,包括大厅主界面,以及针对跳伞、冲刺等游戏内动作的重制。 开发团队在新闻稿中称:无论是微粒、延误、大风、枪口闪光,还是附加的瞄准镜交互,每个镜头都变得更加逼真。 照明系统和质感的升级,可让植被、天空和水面都栩栩如生。模型和纹理质量的改进,也能够带来更真实的质感和高品质的体验。   值得一提的是,《PUBG》手游版还计划在 11 月举办一场《PUBG Mobile》全球冠军锦标赛(简称 PMGC)。   届时来自美洲、欧洲、东南亚、中东等地区的职业选手将可争夺 200 万美元的奖金,然而受 COVID-19 疫病全球大流行的影响,观众们或将无法亲临比赛现场。   如果一切顺利,该联赛将于 11 月下旬启动,并在多个工作室内进行。
互联网
2020-08-25 10:20:07
  AI 给我们的生活带来了许多乐趣,从 AI 美颜到 AI 变脸,再到今年火爆全网的 AI 修复 1929 年 老北京生活的 3 分钟影像资料 和 全球首个 3D 版 AI 合成主播 。这些新鲜有趣的应用为什么在 2020 年火爆全网?背后推动力是什么? 火爆B站的 AI 修复老北京影像--盲人"爵士"乐队 全球首个 3D 版 AI 合成主播新小微,图片来自新华社   北京国际广播电影电视展览会(BIRTV)2020 期间的一场媒体活动上,NVIDIA 专业可视化亚太区业务主管沈威表示,传统“离线式”渲染、预录式的内容无法加入更多互动和特效的直播视频内容已经不能够满足当前广播电视行业的需求,尤其是当下的 AI 时代。利用 NVIDA GPU 的实时光线追踪技术及深度学习技术,可以为广播电影电视行业带来更多不一样的体验。    AI 带给广电行业的两大变革   修复老北京生活影像和 3D AI 主播恰好代表了 AI 给广播电影电视行业带来的两个变革——对过去缺损画面、素材残缺像素的“无中生有”,以及实时渲染带来的更强互动性。   NVIDIA 中国区高级技术市场经理施澄秋表示:“我们看到广电行业的趋势是从 OTT(流媒体服务)向 SVOD(视频点播)过渡,并且市场也在蓬勃壮大。在这个增长过程中,要么内容极剧爆炸、要么让老影片有更高分辨率。”    GPU“无中生有”修复过去   7 月份火遍全网的 1929 年的老北京生活视频,不仅用 AI 对视频进行上色、补帧、提升了分辨率,还通过时代原声还原了老北京味。这个视频的火爆离不开新的 AI 算法 DeepRemaster,当然也需要有强大硬件作为支撑。   为图像处理而生的 GPU 是不二的选择。据悉,NVIDIA 有一项叫做 NGX 的技术,先用像 DeepRemaster 这样自动完成画面修补、美化和降噪的 AI 算法对 GPU 进行训练,然后 NGX 就能“无中生有”来做画面插帧、超级分辨率、慢动作等。   施澄秋对雷锋网表示,对于插帧而言,如果用传统的人工方式来做,一天只能做2-3 帧,借助基于 GPU 的 AI 技术后,一天的插帧和修复可以达到百万帧级别,这是一个巨大的效率提升。   AI 插帧还能在大幅缩短周期的同时实现更好效果。施澄秋以很多电影中都有千军万马的场面举例,如果用一匹马复制,不仅呆板而且运动轨迹都一样。但用人工的方式周期长且成本高,借助 NGX 技术,就可以得到形态各异的马。   AI 插帧能让老视频有更好的流畅度,达到 1080P 甚至 4K、8K。借助 AI 插帧和着色技术,还能够实现超级慢动作。超级慢动作是用超高帧率的摄像机(120 桢/秒、240 桢/秒)拍摄视频,然后再以低帧率(30 桢/秒、40 桢/秒)播放。   但很多素材比如用手机拍摄的突发新闻本身就只有 30 桢/秒的帧率,如果做慢动作就会像放幻灯片一样卡顿。利用 NVIDIA NGX 的“无中生有”技术生成帧间像素,就可以得到非常平滑逼真的慢动作。   帧率决定着视频的流畅度,分辨率更直接的影响着观感。“SUPER-RES(超级分辨率)不是新概念,以前要实现 SUPER-RES 可能需要非常昂贵的硬件,且制作周期非常长,现在利用我们的 NGX AI 技术就可以做实时 4K 分辨率的超级分辨率。” 施澄秋表示。   那效果如何?当虹科技就基于 NVIDIA 图灵(Turing)架构 GPU 推出了离线超级分辨率产品,支持标清转高清/4K、高清转 4K/8K 等。借助 AI 算法训练高频细节,实现高保真缩放。 当虹科技 AI 超分技术   还有强氧科技的 DaVinci Resolve,这是一款融合了专业 8K 剪辑、调色、视觉特效和音频后期制作工具。能够通过插补帧做慢动作,惊艳的自动调色,也能做匹配内容、物体自动移除等。    值得注意的是,当虹科技和强氧科技都提到了 NVIDIA 实时光线追踪 GPU 的性能优势。 根据当虹科技给出的数据,不同的 NVIDIA GPU 的 AI 超分深度学习推理性能相比 CPU 有 10 倍到 25 倍不等的性能优势。   强氧科技给出的 4K BRAW、6K BRAW、8K BRAW 的测试显示,NVIDIA 的 Quadro RTX 6000 相比 CPU 也有 2 倍左右的性能优势。    GPU 实时渲染增强互动性   “无中生有”技术更多的是对已有视频素材的增强,面向未来,GPU 带来的是互动效果的增强,让广电的单向推荐也借 GPU 的 AI 功能变成双向智能推荐。   文中开头提到的 AI 合成的主播,其实 2018 年就已经有,但受限于当时的 AI 技术以及计算、渲染能力,那时的 AI 主播只有面部表情,没有肢体动作等。因此,今年全国两会期间进行新闻资讯播报的 3D 版 AI 主播新小微一亮相就获得了极大的关注。 图片来自新华社    GPU 的实时渲染能力决定着数字人的逼真程度,据悉,要实现一个特别写实的数字人,脸部的模型、加上毛发等面数接近 500-600 万。这个量级上,要做到面部表情、整个身体实时驱动,需要帧率保持在 50-60 帧之间,因此算力是主要的瓶颈所在。   博采传媒前期部总监沈辰奇也表示:“2017 年我们推出了国内第一部全部用 GPU 渲染而成的动画电影《昆塔:反转星球》,GPU 渲染比以前用 CPU 渲染的成本优秀太多,但仍然是我们制作流程的一个瓶颈。”   施澄秋说:“GPU 在 3D 建模、3D 图形图像电视广电素材的片源制作中非常有优势。图灵架构的 RTX GPU 非常擅长实时渲染,能够满足数字人的渲染能力和算力要求。另外,交互式、对话式 AI 也可以应用到数字人中。”   尝到了 GPU 渲染整片的甜头,博采传媒在继续探索纯第二部 GPU 渲染动画时,想要实现基于 Unreal Engine(虚幻引擎)实现虚拟场景的反向投射。投射屏的尺寸规划是 800 平米,驱动这个巨型屏用 NVIDIA GPU 进行实时渲染测试还是有点慢。    “我们最后选择了 NVIDIA RTX 8000,利用 nDisplay 技术,实时驱动 1.8 亿个像素点。在实际拍摄时,摄影基地的景深和透视的变化完全同步匹配。这其中革命性的意义在于把后期合成的环节砍掉,做到所见即所得。”沈辰奇指出。   解决了拍摄背景的问题,博采传媒开发了一个基于超写实的数字人项目,可以用于代言、直播等。 基于虚幻引擎的天气播报,图片来自 unrealengine   数字人是给观众带来不一样的体验,Epic Games 的虚幻引擎则帮助创作者更好的创新,它被越来越多地用来做实时预览、特效预中期预演、后期预演等。 Epic Games China 商务发展经理徐良安表示:“虚幻引擎不仅可以让所有参与制作的人员都可以实时修改,实时看到效果,具有很大的灵活性,还能大大节约成本。”   虚幻引擎和 nDisplay 技术不仅可以用于线性内容拍摄,还可以把场景分单元或者分组投射到不同屏幕上并进行融合,在演唱会上让观众和表演者能够更好的互动。Epic Games 也和美国著名说唱歌手 Travis Scott 合作,在《堡垒之夜》游戏中进行演出,让粉丝可以一边玩游戏一边观看演唱会,实现了很好的传播。    实时渲染正在打破行业的边界。 新奥特产品中心总监王宁也表示:“去年开始,4K、8K 的内容越来越广泛。以前我们是通过 CPU 进行渲染加速,CPU 能处理更多线程,但实时渲染能力不强,所以我们选择了 NVIDIA 的 RTX 系列 GPU。特别是像我们石墨超清在线需要实时呈现到大屏幕的,需要 GPU 的显存能力。”   除此之外,基于 GPU 的 AI 也能应用到智能插播广告,通过 AI 算法插入5-10 秒的广告,既不影响观众的收看体验,也让广电的互动变成双向互动。    SDI 转向 IP,高清视频的时代即将到来   性能更强的图灵架构 RTX GPU 是让老北京视频、数字人在 2020 年备受关注的重要因素,但这些 AI 应用能否普及还有一个关键因素——视频传输。 NVIDIA Mellanox 高级市场开发经理陈龙指出,1080P 以前,广电行业的视频传输靠 SDI (Serial Digital Interface,数字分量串行接口)。随着 4K 和 8K 业务的兴起,SDI 不能满足 4K 视频 8G-9G 的传输带宽需求。   如果用 4 根 3G 带宽的 SDI 传输 4K 视频,成本变高且组网复杂。直接换 12G 带宽的 SDI,由于高速信号在 SDI 铜缆中传输距离和速率成反比,只能传输大概 50 米的距离,不能满足广电行业需求。8K 的最低带宽需求将达到 25G-140G,SDI 更难以满足需求。    “我们判断,SDI 转向数据中心里的 IP 解决方案是大概率事件,后者不仅成本比定制化 SDI 成本更低,带宽也更高。” 陈龙介绍。   但 SDI 转换为 IP 解决方案之后,终端 CPU 处理协议栈的负载就会大幅上升。为此,Mellanox 的网卡集成了 Rivermax 技术,解决 SDI 转 IP 化之后传输标准的问题,也就是通过这个技术发送符合 SDI 要求的数据。另外,借助是 Kernel Bypass 技术,将协议栈的大量负载放在网卡,大幅降低 CPU 的负载。   还有 Frames 技术,网卡把接收到的每一行像素整合成一张图片后再传输给 CPU,也可以降低 CPU 的使用率。Mellanox 的网卡也支持虚拟化和云化,能够满足高清视频传输的稳定性要求,也有助于开拓更广阔的市场。   IP 解决方案优势明显,但也面临一层的链路、二层的逻辑链路、三层路由转发、报文缓存等问题,带来了故障的排查就非常复杂。这需要 What Just Happened 技术,实时监测交换机的状态,以及网卡内部的一些信息,有助于故障的诊断和排查。   陈龙说:“要 IP 化,只需要将价格昂贵的 SDI 加速卡换为 Mellanox 的网卡,可以支持 10G、25G、50G、100G、200G 乃至 400G 的传输带宽。 当设备 IP 化之后,不仅解决了传输带宽不够、传输距离过短的主要的痛点,还降低了整个设备的采购成本。除此之外,因为本身 IP 是一个弹性的管道,在 IP 之上能够传输任意格式的报文。”   雷锋网了解到,Mellanox 已经与全球各大视频解决方案合作商开发了不同的产品,打入了 NBC、BBC、CNN 等著名的视频内容提供商。    雷锋网小结   广电行业正在越来越多地探索与 AI 的结合,基于更强大的 GPU 和优化的技术,AI 正越来越多的应用于提升分辨率,包括降噪、插帧、插植等应用中,让珍贵的旧视频焕发新的生命力,再次吸引大家的注意力。同时,GPU 更强大的实时渲染能力也让直播或者视频内容的制作增加了更多互动和特效,更加灵活和高效的创作方式打破了行业的边界,为未来的创新奠定基础,当然,这里面还需要 SDI 专向 IP 解决方案,满足 4K/8K 的视频传输需求。   面向数据中心的安培架构 A100 GPU 已经在 5 月推出,安培架构游戏 GPU+Mellanox 网卡又会把专业可视化行业引向何方?
互联网
2020-08-25 10:06:00
OFweek医疗科技网讯 11月14日上午,由OFweek中国高科技行业门户、高科会主办,OFweek医疗科技网承办的“OFweek 2017(第二届)中国医疗科技大会” 精准医疗 专场正式开幕。在11月13日上午的“OFweek2017中国高科技产业大会(CHIC2017)”中,德国汉堡大学教授、德国汉堡科学院院士张建伟与国际医学与生物工程院院士张元亭以 人工智能 话题为背景,详细的介绍了未来医疗科技在人工智能领域的发展方向。而在11月13日下午“OFweek 2017(第二届)中国医疗科技大会”的健康 医疗大数据 专场中,中国科学院大学教授吴健康、哈尔滨工业大学教授关毅、华为云生态解决方案部长蒋国文、视见医疗董事长陈浩、肽积木科技医疗事务官符妍以及金蝶医疗创新研究院院长易延华等六位专家为我们共同分享了健康医疗 大数据 领域的发展方向以及未来挑战。与此同时,11月14日会议现场气氛活跃更甚,数百名业内人士再次共聚一堂,与行业专家以及企业代表积极互动,共同探讨精准医疗领域的发展热点以及难点问题。 OFweek 2017(第二届)中国医疗科技大会会议现场 在精准医疗专场中,IEEE院士、香港城市大学教授孙东首先登台致辞,对于机器人在未来医疗领域的发展进行了简单的介绍。随后,孙东院士在“应用机器人技术实现精准细胞手术”专题演讲中,通过肿瘤发展过程引出了细胞机器人的概念,并提出了细胞机器人所面临的挑战。对于细胞机器人的发展以及现状,孙东院士表示:“细胞机器人已经经历了器官到细胞层面的重大改变,通过对单细胞进行修复整合,然后放大增值数百万两集,并通过细胞传输到指定的部位。”随后的演讲中,孙东院士表示,细胞机器人操作缺乏精度、效率较低以及成功率较低等也成为了目前亟待解决的问题。对于未来的操作器形式,孙东院士详细介绍道:“未来的操作器将为以下三种,其一,激光操作器,主要通过机器人控制光粒在体内追踪单细胞;其二,机械操作操作器,如探针操作,其对于精度要求很高,人工无法实现,只能依赖机器操作完成;其三,电磁操作器,主要通过电磁力控制机器人完成手术操作。”在演讲过程中,孙东院士通过肝癌治疗的研究的详细案例,提出了光镊操作系统以及精准量化机器人微注射系统等先进技术,并在最后总结道:“细胞手术机器人代表了医疗机器人的发展前沿,其未来应用将极大程度的促进精准医学与再生医学的发展。” IEEE院士、香港城市大学教授孙东 上海大学快速制造工程中心主任、教授胡庆夕通过精准医疗概念生成的背景引出了“3D打印在生物精准医疗领域进展”的专题,并以3D打印技术在骨科领域的发展为例,详细的说明了3D打印在精准医疗领域的进展状况。从3D打印技术在医疗领域的市场发展状况来看,人体组织以及器官的市场供不应求之势成为其发展较快的主要因素。那么3D打印在精准医疗领域的目前研究状况如何呢?对此,胡庆夕教授介绍道:“3D打印制备生物支架是目前医疗领域应用较多的技术,它属于宏观技术。而电纺丝技术则属于微观技术,两者各有优缺,而如何更好的结合使用便是我们现在研究的课题。”最后,胡庆夕教授表示,3D打印技术未来将成为生物精准领域对于组织和器官修复最有效的手段,它也是生物精准领域未来的发展方向。 上海大学快速制造工程中心主任、教授胡庆夕 在“生物医学材料测试挑战”专题演讲中,Keysight纳米产品应用专家赵晶主要通过原子力显微镜、纳米压痕仪、纳米拉伸仪以及桌式场发射扫描电镜等设备产品详细的介绍了生物医学材料在精准医疗领域的测试应用。随后,赵晶专家以活体细胞影像图、牙齿纳米压痕测试、单丝纤维应力应变曲线以及细菌扫描电镜图像等为例精彩的分享了对应生物医学材料的应用过程。最后,赵晶专家总结道:“生物医学材料应用越来越广泛,未来我们将继续研发更多的产品以应对精准医疗领域的挑战。” Keysight纳米产品应用专家赵晶 在“突破心血管疾病精准医疗的生物标志物研究和个性化用药指导”主题演讲中,南科大乐土精准医学研究院助理执行院长李光磊主要以心血管病为例,详细的分享了诱因、精准检测以及个性化用药指导等研究成果。对于心血管病治疗面临的挑战,李光磊院长表示,目前心血管病治疗主要面临两大挑战,其一,心血管病发病速度较快,治疗来不及;其二,心血管病人对于药物依赖性过高,影响生活质量。随后,李光磊院长对于心血管病的诱因也做了简单的总结,她表示:“心血管病发生的诱因分为外因和内因,外因主要由生活习惯、环境以及饮食等因素产生,内因则为遗传因素。最后,李光磊院长介绍了个性化用药指导的模式,她表示,由于每个人遗传与环境因素不同,他们对于药物的反应也是不同的,所以我们可以通过一个简单的评估测试,为你选择最适合你的药,这样才能最有效的解决自身的病症。” 南科大乐土精准医学研究院助理执行院长李光磊 最后,郑州大学第一附属医院主任、教授张毅以“精准肿瘤免疫治疗”为主题做了精彩的演讲。演讲之初,他对于PD1、CAR-T和TCR-T的临床进展进行了简单的介绍。张毅教授表示:“精准肿瘤免疫治疗是目前最火的领域之一,相比过去的靶向治疗,精准肿瘤免疫治疗直接针对免疫系统来攻击肿瘤,其方式更有效,结果更明显。”随后,通过一系列临床试验治疗过程,张毅教授再次为我们展现了精准肿瘤免疫治疗的“神奇”疗效。对于国内精准医疗的发展状况,张毅教授表示,国内拥有较为丰富的临床资源,但仍需要和更多行业内的企业相合作,以此共同促进国内在精准医疗领域的发展。 郑州大学第一附属医院主任、教授张毅 下午,在互联网医疗专场中,南京军区福州总医院主任陈金雄首先登台致开场词,并在“互联网医疗再思考”为题的演讲中,具体阐述了目前互联网医疗的发展趋势以及未来挑战。在演讲过程中,陈金雄教授以共享单车的发展为例,提出了需求、连接、信任、安全、管控手段以及随时随地等精准医疗未来发展流程。对于互联网医疗发展的挑战,陈金雄主任说道:“目前互联网医疗发展受到质疑的主要因素是数据不足,而未来诊断级智能可穿戴设备会是互联网健康医疗发展的一个爆发点。”随后,陈金雄主任表示,未来在国家医疗政策不断颁布下,随着医疗大数据和精准医疗的不断融合,将会对传统医疗模式进行颠覆,这为医疗行业打开了更具想象力的发展空间。 南京军区福州总医院主任陈金雄 “康复机器人将成为为新兴的康复治疗技术”。上海交通大学所长、教授曹其新在“基于云平台的下肢康复训练机器人系统”主题演讲中说道。对于下肢康复机器人研发与推进模式,曹其新总结以下九项技术,其一,治疗康复一体化技术;其二,物联网技术;其三,康复量化技术;其四,云+大数据+AI技术;其五,新概念技术;其六,智能感知技术;其七,人因工程技术;其八,智慧个性化服务技术;其九,康复效果专家评估技术。同时,曹其新教授表示,随着国内各项政策的不断推动,加之中国广阔市场的优势,中国的大量实验应用数据以及康复机器人专利申请数量正在不断增多,对于国内欧美垄断的康复机器人市场正在不断发起冲击,凭借技术上的不断突破,未来中国有望在康复机器人等市场实现弯道超车。 上海交通大学所长、教授曹其新 在“生理指标的智能监测”主题演讲中,中科院计算所主任、教授朱珍民首先对可穿戴设备现状进行了简单的说明,并将其进行了详细的归类。随后,朱珍民教授对12类可穿戴设备在医疗领域的应用进行了一系列介绍。演讲过程中,朱珍民教授推出了生命体征指标测量、血流指标测量以及血糖浓度测量等技术,他表示,这些技术可以很好的检测出身体健康指标。最后,朱珍明教授总结道:“未来我们将通过打造全国的健康数据中心和健康管理平台,获取个人健康长期队列数据,以此来监测人体的生理指标。” 中科院计算所主任、教授朱珍民 华大基因互联网中心副总经理官鑫在“基因+互联网,精准健康从我做起”主题演讲中,以基因四大组成部分类比扑克四色,更加生动的阐述了基因多样性的来源。而对于基因与环境的关系,官鑫表示,疾病的产生离不开基因与环境因素。在基因与互联网模式发展中,官鑫主张推广基因健康互联网平台,通过种种系统相互配合,共同促进基因与互联网的发展。以遗传基因为例,官鑫建议道:“希望每一对父母在怀孕前都能做孕前检测,通过基因检测可以对基因遗传的风险进行评估与分析,以此减少基因遗传病症的发生。”通过一系列临床实验结果表明,基因检测可以大幅度降低或者减少基因遗传病症发生的风险。 华大基因互联网中心副总经理官鑫 最后,神念科技香港GM兼全球技术VP Kelvin Soo以“生物传感器在医疗健康领域应用”为主题做出了精彩的演讲。Kelvin Soo表示,生物传感器可以通过检测脑电波和心电图的形式,将身体健康数据呈现出来。随后,Kelvin Soo以LifeBeat以及cardiostick产品为例,通过对产品采集的数据进行对比,详细的介绍了生物传感器在医疗领域的应用。 神念科技香港GM兼全球技术VPKelvin Soo OFweek 2017(第二届)中国医疗科技大会精准医疗专场专家合照 随着各专家演讲结束,为期两天的“OFweek 2017(第二届)中国医疗科技大会”也圆满落幕!在会议结束后,现场观众仍旧意犹未尽,纷纷与演讲嘉宾面对面交流互动,探讨实际遇到的问题以及对行业的愿景。 本文由 OFweek 投稿至 数据分析网 并经编辑发表,内容观点不代表本站立场,如转载请联系原作者,本文链接:https://www.afenxi.com/49048.html 。
数据分析
2017-11-16 06:06:00
  微软创始人比尔·盖茨正在积极倡导和推动碳中和社会(Carbon-Neutral Society),以帮助抵御气候变化的影响。本周一在谈到未来如何在不释放温室气体的情况下继续出行,他提供的解决方案是--使用清洁的电力来运行所有的车辆,并且使用更廉价的替代燃料。   盖茨表示:“为了防止气候变化的最坏影响,我们需要在 50 年内使每个经济部门的温室气体净排放量达到零。这就意味着我们的日常出行需要非常多的创新”。   盖茨表示美国当前最严重的排放问题就是交通。虽然电动汽车可以用于短途旅行和日常通勤,并且开始逐步取代传统汽车、公交车和垃圾车,但是它们无法用于长途旅行或重型旅行。所以,像客机、货船和 18 轮车等都需要廉价的替代燃料。   盖茨对由植物或农业副产品制成的生物燃料持乐观态度,但他说:“在成为现实的、具有成本效益的长途运输选择之前,它们还需要更多的创新。通过利用电力将水里的氢分子与二氧化碳中的碳结合起来,我们可以创造出一种可以在现有发动机中使用的液体燃料。这个过程中使用的二氧化碳是直接从大气中捕获的,所以燃烧电燃料不会增加整体排放”。
互联网
2020-08-25 09:55:00
BDP个人版是一款在线 数据可视化 分析神器,无需安装下载,具备无缝的数据对接、强大的数据处理、灵活易用的可视化分析、几十种酷炫图表、数据实时更新等优势,帮你搞定各种数据问题。数据实时更新,让你告别重复的分析工作,并用实时数据指导工作,不断提升业绩,实现数据驱动运营。 经过了长久的等待,大家期待的 “双十一&两周年”大狂欢 终于来了! 我们再次强调一下本次的三大 惊喜活动 ! 一、1折白菜价,9.9元尽享VIP特权 9块9,一杯奶茶都买不到吧? 但在BDP你可以得到 本地同步神器 再也不用手动更新本地数据啦 还可以 接入微信公众平台 时刻掌握公众号运营情况哦 还能得到 地址转经纬度功能 帮你实现屌炸天的gis地图 …… 9块9就能享尽众多会员特权,很值吧~ 【活动规则】 未购买过会员的用户首购可享银钻(原价99元)1折价—9.9元,限购一个月,金钻不参与此活动。 二、金银钻年费半价,全年仅此一次 除了上述的1折竟然还有半价? 超大容量、同步客户端 直连数据库、支持超多第三方平台…… 少抽几包烟,少去一次无聊的聚会 就可以获得极致的 数据分析 体验 为你升职加薪之路打下坚实的基础 花六个月的钱就享受全年VIP特权 一年仅此一次的机会还不抓住? 【活动规则】 所有用户均可参加金银钻年费半价活动,包括已参与1折购的用户。 注:活动一、二可同时享受 三、分享专属故事,好礼免费拿 只需一键分享就可轻松得到豪礼~ 将故事分享给好友或朋友圈,系统根据好友点赞数形成排行榜并提供相应的奖励: 注:凡获奖者均可得到附有wuli大BOSS签名的获奖证书哟~ 下面给大家一些本次活动的剁手攻略保证大家得到 最大优惠 ! 剁手攻略 1、前两个活动都想要参加的小伙伴注意啦!只有先买“9.9元银钻”再买“年费半价”才可以哟~切记 2、活动期间可别花“冤枉”钱,因为自定义购买7-11个月会员,你会发现他们比“年费半价”更贵。总之,抢年费半价就对了,因为它性价比最高。 3、想要参加活动三的小伙伴们记得分享H5到朋友圈,召集更多小伙伴们为你加油点赞,会离豪礼更近一步哟~ 活动时间:2017年11月8日00:00—11月14日21:59 另外,大家不要忘了 双十一当天 的 “ BDP首次线下分享会 ” ,数据大咖齐聚,为你解答数据分析问题,助力数据驱动! 看得出我们这次活动是下了多大血本么! 是的,老板说一定要献出我们最大的诚意~ 保证活动真实有效,拒绝套路从BDP做起! 提高原价再打折的事我们绝对不做! 本文为专栏文章,来自:海致BDP,内容观点不代表本站立场,如若转载请联系专栏作者,本文链接:https://www.afenxi.com/48822.html 。
数据分析
2017-11-08 22:38:00
  明天和特朗普的“嘴炮”封禁,你永远不知道哪一个会先来?   从华为到 TikTok、微信,特朗普的封禁举措从未停止,政治形势极不稳定。在如此背景之下,开源社区也存在着一定隐患;毕竟,全球最大的开源社区 GitHub 早已被微软纳入麾下。   不过,在使用国外开源社区的同时,我国也一直在着手搭建属于自己的开源社区,并在近期有了新进展。    工信部官宣,「码云 Gitee」出道   7 月 14 日,工信部公布了“2020 年开源托管平台项目结果”,选定依托「码云 Gitee」 建设中国独立的开源托管平台。   公告显示,该项目是由 10 家单位组成的联合体中标,包括私营企业和学校机构,具体如下: 深圳市奥思网络科技有限公司; 华为技术有限公司; 奇安信科技集团股份有限公司; 浪潮电子信息产业股份有限公司; 苏州棱镜七彩信息科技有限公司; 国家工业信息安全发展研究中心; 工业和信息化部电子第五研究所; 北京理工大学; 西南科技大学; 中国电子技术标准化研究院。   对于工信部的结果公示,码云 Gitee 在其博客中也给出了回应,并称“国内开源生态建设进入快车道”。   公开信息显示,码云 Gitee 是开源中国推出的基于 Git 的代码托管服务。除此以外,码云 Gitee 也提供开源软件的发布和沟通社区,供开发者在其中进行技术交流与沟通。   2016 年,该平台推出企业版,提供企业级代码托管服务,成为开发领域领先的 SaaS 服务提供商。   推出七年来,码云 Gitee 已为超过 500 万名开发者和 10 万家企业提供了服务,平台托管的开源项目已超 1000 万。   目前,码云 Gitee 已成长为国内首屈一指的代码托管平台,同时也是世界范围内规模第二大的代码托管平台。   尽管码云 Gitee 已取得亮眼的成绩,但对比全球最大的开源社区 GitHub,还有较大的进步空间。   据 GitHub 2019 年 11 月公开的报告,GitHub 在全球范围内已拥有 1 亿个存储库。另外,最新数据显示,其社区开发人员已约达 5000 万。    GitHub 计划入华   如果说建设中国独立的开源托管平台是“未雨绸缪”之举,那么,GitHub 为了应对政治风险计划入华的操作则是具有“前车之鉴”的“后车之师”。   2019 年 12 月,英国《金融时报》曾报道,GitHub 公司首席运营官 Erica Brescia 在接受采访时表示,由于担心美国政府的限制,GitHub 正在考虑在中国成立子公司。   从美国政府迄今为止采取的封禁限制措施来看,GitHub 对中国封杀也不是不可能的事。   而 GitHub 也确实曾因为政治因素对包括俄罗斯、伊朗、叙利亚、古巴在内的国家实施断供举措,封锁了开发者的账户。   尽管美国封禁措施不断,但 Erica Brescia 的态度来看,GitHub 是重视中国市场的。   在 2019 年,Erica Brescia 就多次来访中国,与开发者们举办见面活动。不仅如此,GitHub 在中国的首次活动也是由 Erica Brescia 亲自主持。   有了其它国家被封的前车之鉴,Erica Brescia 在采访中提出了“入华新方式”。   她指出,GitHub 计划在探寻“合资企业和在中国托管 GitHub 内容的可能性”之前,先考虑在中国设立一家外资全资子公司,从总经理级别开始招聘员工。   Erica Brescia 还补充说到,GitHub 已经与中国工业和信息化部和公安部的官员见过面。她认为,中国总体上一直在围绕开源进行战略性推动,因为开源提供了一种在不依靠专有技术的情况下与软件开发世界的其他部分联系的方式。   不过,自去年年末的采访之后,GitHub 计划进入中国一事便无其他动态更新。   事实上,Erica Brescia 看重中国市场的背后原因并不难得知——中国是 GitHub 在亚太地区最大的市场,也是全球第二大市场,是除美国外开源使用最多的国家。   据微软 Azure CTO 办公室首席项目总监 Stephen R. Walli 此前在演讲中透露,中国用户在 GitHub 上的注册数量呈持续快速增长,仅在过去一年就增长了 37%;高于美国的增长速度。   另外,从开源项目的贡献数量来看, GitHub 发布的 2019 年度报告贡献最多者为中国香港。在开源项目之外,从公共和私人贡献来看,亚洲的开发者社区在 2019 年的增速迅猛;而其中 31% 的亚洲贡献者来自于中国。    Gitee 与 GitHub,不是非此即彼的选择   码云 Gitee 成为“官选之子”后,不乏有声音称其为“中国版 GitHub”,认为码云 Gitee 是 GitHub 的替代品。   对于此种观点,码云 Gitee 官方曾亲自下场回应,澄清与 GitHub 存在区别。   GitHub 表示,如果简单粗暴地回答码云 Gitee 和 GitHub 社区版之间的区别,那就是码云 Gitee 的私有库也是完全免费的。   码云 Gitee 的增值服务主要来源于企业版这一产品线,码云 Gitee 称是“水到渠成的决定”,并对这一决定做了一番解释: 一来已在代码托管服务方面积累多年,大大小小的问题都经历过,耐造、稳定;二来我们的 geek 团队对协作开发也积累了很多经验和思考,“工欲善其事必先利其器”。 没有足够好的团队协作开发工具,那就做一个。 项目管理、代码管理、文档协作一站解决,最重要的是,一切都围绕代码而存在,产品规划好、任务分解好,开发接了任务码好代码,直接通过 Pull Request (PR)通知测试和审查人员,直接对比代码版本变化、充分讨论,PR 通过后任务直接关闭…… 图源: 搜狐   在企业版方面,码云 Gitee 也作了更进一步的区分。   码云 Gitee 指出,两者企业版的差异性首先是定位,再具化到功能侧重和提供方式上。具体来看: GitHub for business 仍然是立足于代码托管功能,上下游的功能主要通过集成其他服务提供商而实现(当然,这也是生态使然); 码云企业版则针对国内中小型开发团队敏捷开发实践需要,除了代码托管功能之外,重点强化了与代码联系最密切的项目/任务管理和文档功能(技术文档协作、知识沉淀),以及持续集成(内测阶段)。   在区分之余,码云 Gitee 也说明了其存在是基于本土开发者需求的特殊性——语言、国内开源软件需求独特性、编程普及化。   语言方面不难理解,对本土开发者来说,相对于国际性社区,本土社区中的中文交流更为畅快,且更具效率。   其次,国内 IT 行业有自身特点,这决定了国内开源软件需求的独特性,比如小程序,用平板练毛笔字等具有中国特色的开源项目。   再者,随着编程普及化,越来越多人可以参与其中,将其开源小项目进行分享。在这一层面,码云 Gitee 相对于 GitHub 会更具优势。   事实上,无论是码云 Gitee,还是 GitHub,都有其各自存在的意义,并不是非此即彼的选择。   正如码云 Gitee 在其文章中所说——开源生态建设,并非朝夕之功,是个聚沙成塔的过程。而这一过程,需要国内外社区的合力。   虽然开源社区可能会受到政治因素的影响,但希望这一天永远不要到来。   参考资料:   【1】 https://www.zhihu.com/question/50212423/answer/250263597   【2】 https://blog.gitee.com/2020/08/17/gitee-gxb/
互联网
2020-08-25 09:48:00
11月2日消息,36氪获悉,汽车互联网服务平台汽车之家推出战略级产品——车智云。汽车之家表示,该产品系行业内第一款真正意义上为车企高管量身打造的智慧大 数据产品 ,“车智云” 涵盖“智策、智赢、智造”三大应用场景,可以提供包括“销量预测”、“竞争格局”、“营销漏斗”、“传播监测”、“线索分析”、“产品规划”、“配置策略”、“产品改款”在内的八大产品,覆盖企业发展全生命周期的数据服务。不仅能推动车企战略、营销、研发等全价值链的升级,还能帮助车企“以用户为中心”战略的全面落地。 在此之前,由于数据的匮乏和低效,车企不得不花费数月的时间,等待一份调查报告的出炉。然后再进行相应的细节决策。但现阶段用户汽车消费需求在发生快速变化,传统调研的方式往往跟不上需求变化的节奏,导致决策或由高层“拍脑袋”决定,或晚于需求变化速度,错过最佳机会。 汽车之家介绍,背靠汽车之家丰富精准的 大数据 平台,“车智云“的核心使命就是要帮助车企搭建起一个高效的“智慧决策”体系,利用 大数据 + 人工智能 的技术来帮助战略规划、产品研发和市场营销实现高效决策,确保企业的战略规划赶在市场变化之前,最终助力厂商缩短研发周期、实现高效营销。 量身打造的数据产品,帮助车企智慧决策 车企每年都要投入大量的经费用于研发,一款新车光研发费用就得十几亿,如想开发一个能覆盖主流市场的车型结构,研发费用肯定得过百亿。问题是投入巨资打造的车型,一旦没能抓住用户的需求痛点,那对企业绝对是致命的。汽车之家基于大量真实的用户口碑数据构建的“产品规划”数据产品,有助于车企快速准确的掌握用户痛点,研发出更符合用户需求的产品。 车企的采购、排产、铺货等都需要围绕销量预测展开,一旦预测太高或太低,都会给车企造成巨大损失。汽车之家基于海量用户购车前2到3个月在线上看车、选车、购车等行为数据,构建的“销量预测”产品可对市场的消费趋势、销量变化等进行更准确的判断,有利于车企优化营销策略、降低库存成本。 车企发布每款新车至少需要安排几千万元,甚至几个亿做营销,如果车企一年推四五款,少则两三个亿,多则二三十亿,但打水漂的新车营销案例在汽车行业屡见不鲜。汽车之家基于自身严谨的用户转化分析体系,提炼的“营销漏斗”产品不仅能助力车企更好评估自己的营销效果,还有助于车企更高效地找到自己的潜在用户,进行精准营销。 车企的核心诉求在卖车,车卖好卖差很大程度上取决于集客能力,其中至关重要的是销售线索。众所周知,汽车之家最核心的价值之一,就是能帮车企收集到大量真实的销售线索,并基于此提炼的“线索分析”产品助力车企全方位掌控销售状况,制定有针对性的市场策略。 精准大数据赋能汽车生态圈,打造完整产业闭环 未来,大数据和 AI 技术无论是在汽车、医疗、金融、教育还是其他领域,必将会爆发出巨大的社会效益。汽车产业作为潜力巨大的传统产业,所缺乏的也并非是生产能力,而是优质高效、能精准匹配消费者需求的服务能力。以往车企获取的调研数据往往是单次、局部、缺乏联系的,分析后常常会遇到两类尴尬:“重复已知结论”或“制造无用信息”。 大数据时代 ,数据集中到了大型的互联网平台,类似汽车之家这样十多年深耕汽车垂直行业的大平台,积累和提炼了海量的真实用户行为数据。由于其业务既覆盖了汽车消费者购前、购中、购后等各大重要环节,又与车企战略规划、产品研发、营销推广、销售和售后服务等全价值链高度结合,因此利用这些海量的、精准的用户行为数据,助力车企打造完整产业闭环,对于车企来说更是弥足珍贵。 业内分析人士指出,“车智云”的诞生,意味着一个新时代的开始,将加速车企调研、战略规划、市场营销和产品研发等由传统时代向智慧时代的转型升级,就像智能手机逐步替代非智能机,为车企等客户提供更全面、更精准、更高效的大数据服务。 本文由 汽车之家 投稿至 数据分析网 并经编辑发表,内容观点不代表本站立场,如转载请联系原作者,本文链接:https://www.afenxi.com/48776.html 。
数据分析
2017-11-06 08:30:00
  美国当地时间 8 月 24 日(周一),TikTok 正式在美国对特朗普政府提起诉讼,主张废除特朗普 8 月 6 日发布的行政令,并主张禁止商务部实施该行政令。   8 月 6 日,美国总统特朗普援引美国《国际紧急经济权力法》(IEEPA),要求受美国司法管辖的个人和实体,在 9 月 20 日(行政令颁布 45 天)后不得与字节跳动及其子公司进行任何“交易”。    行政令四项违宪、三项越权   TikTok 诉状指出,该行政令及美国商务部与之相关的任何实施细则都是违宪和违法的。   第一,该行政令的流程违宪:未就 TikTok 封禁给予字节跳动和 TikTok 通知,且未提供申诉的机会,违反了美国宪法第五修正案关于正当程序的规定。   第二,该行政令颁布的基础不合法,构成越权:IEEPA 授予美国总统为保护国家安全、外交政策及经济,基于应对“异常状况和特殊威胁”的国家紧急状态,对经济交易进行限制和管控的权力。该行政令通篇使用了“潜在”、“可能”、“据报道”此类含糊的表述,并未有字节跳动造成实际威胁的证据。   第三,该行政令扩展打击范围至字节跳动,构成越权:该行政令要求个人和实体不得与字节跳动及其子公司进行任何“交易”,但即便是所谓的“威胁”也仅指向 TikTok,而 TikTok 只是字节跳动众多业务中的一项。   第四,该行政令限制个人沟通交流及信息材料传输,构成越权:这一点直接违反了 IEEPA 的规定,IEEPA 明确规定禁止行政行为阻碍个人信息沟通和交流。   第五,该行政令所依据的 IEEPA 本身违反了“禁止授权原则”,构成违宪:IEEPA 的授权过于模糊,未明确总统行使裁量权的指导性或约束性原则,因此违反了美国宪法的三权分立原则。   第六,强制要求就 TikTok 美国资产出售向美国财政部支付报酬违宪:这一点违反了宪法第五修正案关于限制政府权力剥夺私人财产的规定。   第七,该行政令禁止 TikTok 在美国运营,构成违宪:TikTok 的代码为受美国宪法第一修正案保护的言论,而完全关闭 TikTok 美国运营远远超出了为保护政府利益所需的必要措施,违反了第一修正案关于言论自由的规定。   此次诉讼,由 TikTok 和字节跳动联合提告,诉讼对象包括美国总统特朗普、美国商务部长罗斯和美国商务部。    特朗普政府无视证据拒绝沟通   诉状透露,自 2019 年 10 月的近一年时间里,字节跳动一直在试图与美国政府积极沟通。但根据 CFIUS 的记录,该机构曾多次拒绝与字节跳动就其提出的担忧进行接触。   字节跳动在 2017 年收购了 musical.ly,该标的企业总部位于中国,只拥有非常有限的美国资产,是一家中国公司。2019 年 CIFIUS 考虑调查这一收购交易时,字节跳动已经放弃了 musical.ly 非常有限的美国资产中的绝大部分。   2020 年 3 月,CFIUS 在经过 5 个月的司法管辖权评估后,告知字节跳动计划进行正式调查,又 3 个月后,于 6 月 15 日启动了调查。   在最初获悉 CFIUS 调查意向后,字节跳动就开始针对 CFIUS 的问题提供大量文档和信息,其中包含能够说明 TikTok 美国用户数据安全得到了保障的详细文档。   在积极提供证据文书的同时,TikTok 也在积极提出减少国家安全担忧的解决方案。   然而,CFIUS 最后拿出的调查结果彻底无视了上述 TikTok 提供的确实证据和积极解决方案。其表述为:字节跳动收购 musical.ly 的“交易存在国家安全风险,没有任何可以解决这些风险的缓解措施”。   事实上,CFIUS 一直没能明确给出支撑起上述结论的证据,“基于的是过时的新闻”、“完全没有提及实际已经存在的缓解措施”。同时,CFIUS 还在法律规定的审查期结束前,就终止了与字节跳动的一切正式沟通。   “这个行政令是在滥用 IEEPA,是在美国大选前推动更广泛反华言论的借口”,起诉书指出,“它不可能成立”。   按照此前美国总统获 IEEPA 授权发布行政令的先例,总统获得授权的条件有:美国处于战时或紧急状态时,面临“异常或特殊的威胁”。满足这两个条件,总统才可以援引 IEEPA 发布行政令,规范国际经济交易。   美国前总统们以此方式对伊朗和朝鲜等国实施过制裁,当时的目的是:”抵御国际恐怖主义和大规模杀伤性武器扩散”。   相较之下,用于打击一个互联网产品的 8 月 6 日行政令“是对过去法律援引范围的刷新”,更是“史无前例"地不能明确定位,行政令打击对象对国家安全构成了何种异常或威胁。    一场几无胜算的挑战   在遭遇史无前例的总统行政令封杀前,TikTok 实现了在美国和全球的爆炸性增长。目前,TikTok 已覆盖超过 200 个国家,全球下载量超过 20 亿次,在美国拥有月活跃用户超过 9100 万。   诉状强调,TikTok 在平台治理上也采取了业内顶级安全措施,来确保用户的隐私和数据安全。诉状指出,TikTok 的安全措施级别与美国电商公司及金融机构等同。在数据收集、数据存储、数据访问、数据传输、源代码安全等方面,均有严格的控制流程。   7 月 29 日,TikTok 宣布成立透明度中心,使内外部专家可以实时观察 TikTok 的内容审核、检查算法源代码。“这种透明的行为是其他主要社交平台所无法比拟的,并使 TikTok 领先于行业。” 诉状指出。   超越行业的安全并未帮助 TikTok 躲过蓄意围剿。随着 2020 年总统大选的临近,TikTok 在美国的增长与特朗普政府的反华政治言论相吻合。美国也明显加强针对中国的公司的围剿。   企业就 IEEPA 上诉美国政府的行为颇为罕见,也几无胜算。   此外,TikTok 的美国员工针对特朗普行政令的集体诉讼也在进行中,理由是总统行政令将侵犯公民获得劳动报酬的基本权利。   分析显示,一旦 TikTok 美国业务关停,用户利益将受到损害,也有可能发起集体诉讼。   据悉,公司已经做好关停 TikTok 美国业务的最坏打算。因为关停涉及到 TikTok 在美国的 1500 多名员工和数千家合作伙伴,公司正在紧锣密鼓评估关停后员工、用户、合作伙伴等合法权益的受损情况,同步做好保障预案。
互联网
2020-08-25 09:40:00
近日消息,影视 大数据公司 “艾漫科技”刚刚完成了由Bilibili投资的B轮融资,融资金额为5000万元人民币。资料显示,“艾漫科技”成立于2010年,是一家大 数据挖掘 及整合营销服务商,其主要基于影视娱乐 大数据 ,并以联合运营的方式参与影视娱乐项目的投资立项、剧本策划、演员筛选等环节,以及为互联网用户提供娱乐社交平台服务。 关于艾漫科技 北京艾漫数据科技股份有限公司成立于2012年,核心团队既有来自清华、北大的技术基因,又有腾讯、AC尼尔森、光线等文化创意产业背景。公司基于影视娱乐大数据,与影视客户一起,以联合运营的方式参与影视娱乐项目的投资立项、剧本策划、演员筛选等环节,同时向互联网用户提供娱乐社交平台服务,是一家致力将高新技术与创意文化产业相结合,以科技引领娱乐的创新型互联网公司。 艾漫数据具有雄厚的技术实力,在自然语言处理、大 数据挖掘 等领域拥有多项自主知识产权和核心技术。 公司的战略是基于一个平台打造两条业务线 ,To B业务将获得的诸多影视娱乐数据信息,应用到To C产品中,提高用户粘性和提升用户量;To C产品的各种娱乐互动功能以及精准用户行为数据,为To B业务提供支撑,对提高影视作品的收视或票房起到促进作用,最终形成B2C2B闭环。 艾漫获得 CCTV、华谊、乐视、万达、慈文、中金源、东方卫视、北京卫视、腾讯等20余家合作伙伴的一致认可。 网址:http://www.iminer.com 本文由 艾漫 投稿至 数据分析网 并经编辑发表,内容观点不代表本站立场,如转载请联系原作者,本文链接:https://www.afenxi.com/48774.html 。
数据分析
2017-11-04 12:05:00
【来源:博客园】美国绕过5G搞6G,可行吗?
  美国政府一直对丢掉在第五代通信技术(5G)领域的领导地位耿耿于怀。美国之音网站 22 日称,美国有意通过“跨越式发展”,以绕过 5G 加大投资 6G 的方式,超越中国在 5G 技术的优势。但接受《环球时报》记者采访的通信专家 23 日对此表示,这种跨越式发展“不太可能”。   多国重金下注 6G   报道称,美国政府去年新设立的对外金融投资合作机构“美国国际开发金融公司”首席执行官博勒透露,美国将通过“跨越式发展”,投资 6G 遏制中国在通信技术领域取得的领先地位。博勒说:“我们更感兴趣的是下一个潮流是什么。我们感兴趣的是 6G,因为美国和其他国家将在这里占据主导地位,中国不会通过补贴统治这一领域。”   公开报道显示,6G 的数据传输速率可能达到 5G 的 50 倍,时延缩短到 5G 的1/10,在峰值速率、时延、流量密度、连接数密度、移动性、频谱效率、定位能力等方面远优于 5G。近年来韩国、美国等多国均已开始布局 6G 技术。韩国三星公司今年 7 月发表的 6G 白皮书预测,2025 年将启动 6G 技术的标准化,2028 年投入商用,2030 年正式提供服务。   美国一些研究机构也在致力推动 6G 研发。美国国家科学基金会的“频谱创新计划”倡导建立国家无线频谱研究中心,目标是超越 5G 等技术,“制定一条发展路线,通过有效利用和共享无线电频谱,确保美国在未来科学和工程领域的无线技术、系统和应用中发挥领导作用”。美国国防部高级研究计划局自 2016 年开始同多家科技公司组成投资集团,资助由 30 多所美国大学组成的“大学联合微电子学项目”,推进电子领域的革新发展;其子项目之一为“太赫兹与感知融合技术研究中心”。而太赫兹被认为是 6G 数据传播的关键之一。   6G 不只是解决速度快   美国能否跳过自身技术不占优的 5G 部署、直接实现 6G,从而“跨越式发展”?通信专家项立刚 23 日对《环球时报》记者表示,这种可能性不大。项立刚介绍说,从 1G 时候的移动通信技术到 2G 时的数字时代直至 3G、4G 时代,所需技术都是逐步积累的过程。而且 5G 之所以受重视,是因为它带来的变化不仅限于通信领域,而是将通信技术应用于智能制造、智能交通等产业中,最终使得社会管理体系、通信体系等终端产业得以大发展。“5G 技术不是简单的通信技术而是一个完整智能化社会体系,美国 6G 通信技术很可能做得比 5G 好,但如何跳过与 5G 联动的其他产业发展却是道难题。事实上,没有 5G 网络,就无法实现智能制造、智能交通等多领域的配套发展。”   项立刚表示,国内的通信专家认为,6G 目前不能单独组成通信网络,未来的通信技术是以 5G 技术为核心,用 6G 做补充,让 5G 技术变得更加完善。现在甚至连 6G 究竟是怎么样的技术都没有定论。外界认为,尽管有 6G 比 5G 快 50 倍等各种描述,但截至目前还没有办法详细描述 6G 是怎么样的,可能需要等到 2023 年才有答案。他表示,“6G 技术的本质不是解决速度快的问题,而是解决万物互联、智能化的问题。”   需要什么核心技术   那么 6G 需要发展哪些核心技术呢?美国将主要精力集中于太赫兹领域,因为该技术理论上数据传输速度更快。但项立刚表示,盲目追求传输速度可能并不是未来方向。为了让数据传播变得更快,需要更大的带宽。无线电波的特性决定了其频率越高,带宽越大,但传播损耗越大,覆盖距离越近。我们先后使用了长波、中波、短波和毫米波。目前毫米波已暴露出它的局限性,即只能近距离通信。理论上波长更短的太赫兹可能实现更大带宽,但它的绕射和抗干扰能力很差,只能局限于非常近的通信,甚至连大雾都能对其造成影响,“太赫兹技术的商业应用十年内未必能看到希望”。   从 5G 技术发展需要完善的角度而言,项立刚认为,6G 的发展有以下方向:首先,5G 基站体系难以覆盖到海面、偏僻雪山等地方,因此需要建立起卫星系统作为补充手段;其次,网络智能化进一步发展,由于基站耗电量很大,5G 时代比 4G 时代速度提供了 10 倍,但耗电提高了 3 倍,而降低功耗需要波束赋形技术,其中人工智能将占据很重要的角色。项立刚认为,中国在 6G 研发保持领先的可能性很大,首先是中国有庞大的市场;其次无论是政府还是企业对研发积极性都很高,进行大量的人力、物力投入,中国通信行业的研发人员技术水平也很高;第三是中国对 6G 技术的产业支持和法律法规方面都给予支持,比如为无人驾驶颁发牌照等。
互联网
2020-08-25 09:30:00
随着高速带宽、移动互联网的快速发展,以及各类智能终端的普及,海量的数据无时不刻不在被传输,作为海量数据的存储和交换中心, 数据中心 正在发挥着数据“核心枢纽”的作用。 海量数据的存储与传输,带动了各行业对于数据中心的需求,但同时也对数据中心提出了全新的挑战。在云计算、 大数据 和 人工智能 的时代,为了应对市场、技术和用户需求的发展,数据中心正在面临从政策、技术、产业链、服务应用等全方位的变革。 政策密集出台 引导行业有序发展 近几年,数据中心的增长潜力开始爆发,产业规模年增长率超过30%,数据中心建设呈现爆发性增长,由此带来的数据中心盲目建设、布局不合理,节能水平差等问题逐渐暴露,严重影响到了数据中心产业的可持续增长。 另一方面,随着数据中心市场的持续火热,一些寻求向高精尖领域转型或拓展自身业务体系的传统企业开始将目光转向数据中心领域,以江苏沙钢、广东榕泰、南兴装备、精功科技、宁波建工等为代表的传统企业巨头纷纷通过收购现有IDC服务商的方式进军数据中心市场。 随着市场经济的推动,以及用户需求的激增,数据中心市场呈现空前繁荣的同时也埋下了野蛮增长的隐患。为此,政府自2013年以来,从多方面出台政策,并对数据中心建设中暴露的问题和市场准入资质等进行调控和引导,极大地规范了我国数据中心的有序发展。 新兴产业,推动产业技术升级 当前,数据中心作为海量数据的存储和分发平台,其灵活性、可拓展性将变的尤为重要。但是在传统数据中心中,由于资源之间彼此独立且没有资源移动性的要求,所以在灵活的性、可拓展性等方面已经无法满足现有云服务用户的需求,因此,基于云服务的需求,传统数据中心正在快速向云数据中心转化。 除了云计算正在推动数据中心的转型与升级,随着大数据和人工智能逐渐进入应用阶段,其对数据中心的影响已经凸显。如何基于大 数据分析 数据中心能源的合理调配;如何利用人工智能技术实现数据中心的自动运维等问题逐渐成为数据中心运营和管理者所要思考的问题。 在当前这个快速发展和创新的时代,数据中心产业正处在变革的风口浪尖之上,如何把握新机遇、新挑战,实现产业全新升级的同时助力相关产业蓬勃发展。 2017年12月20-22日,由工业和信息化部通信发展司、中国信息通信研究院、云计算发展与政策论坛、数据中心联盟指导,中国 IDC 产业年度大典组委会主办,中国 IDC 圈、CloudBest承办的第十二届中国IDC产业年度大典(IDCC2017)将在国家会议中心举行。 届时,大会将围绕“从1到N”主题从数据中心技术创新、IDC及云计算国际合作,安全运维,云服务市场监管政策,数据中心云化,金融科技,金融数据中心等多方面去解读和探讨数据中心的发展之路。 IDCC2017大会官网:http://idcc.idcquan.com/ 本文由 IDCC2017大会官网 投稿至 数据分析网 并经编辑发表,内容观点不代表本站立场,如转载请联系原作者,本文链接:https://www.afenxi.com/49644.html 。
数据分析
2017-11-03 22:25:00
10月25日,由《数据猿》主办的“2017金融科技数据驱动金融商业裂变价值峰会”在北京悠唐皇冠假日酒店举行。本届峰会从 数据智能 的角度,聚焦 “数据如何驱动金融商业裂变”,从消费金融、供应链金融以及金融前沿科技三大角度深入探索数据智能为金融领域带来的变革。 「金猿奖」是由数据猿发起并创办,凭借 大数据 垂直行业媒体的独特视角和优势,针对大数据垂直行业的文章、案例、产品、人物等设置的奖项。峰会前期,数据猿邀请了 金融大数据 领域内优秀企业及领军人物、投资人、业界专家学者,共同以“大数据在金融领域的商业价值探索”为主题进行了约稿、案例、产品征集。 经过两个多月的时间,数据猿专栏收到了大量的案例,经过内部筛选选出了20个案例,再交由业内专家组成的评审团进行科学系统地评定,最终选出了10篇金融科技优秀案例。随着互联网技术工具的强劲发展,人们发现, 人工智能 、大数据和云计算作为一个整体,正在推动金融服务领域的颠覆式创新和重塑,没有什么形式比案例更能直观展示企业真实的贴身服务能力。 本文由 数据猿 投稿至 数据分析网 并经编辑发表,内容观点不代表本站立场,如转载请联系原作者,本文链接:https://www.afenxi.com/48683.html 。
数据分析
2017-10-27 04:16:00
  埃隆·马斯克(Elon Musk)旗下美国太空探索技术公司 SpaceX 正在加速研发和测试其星际飞船,其首批太空乘客将在 2023 年 1 月份开始绕月之旅。最终,这种飞船将搭载 100 名乘客前往月球、火星甚至更遥远的太空深处。   星际飞船由太空舱和火箭组成,其首批乘客包括日本富豪前泽友作(Yusaku Maezawa),他正在资助 SpaceX 对星际飞船进行改进。前泽友作的绕月之旅将持续一周时间,这将是自 1972 年以来人类最主要的一次月球旅行。星际飞船不会降落在月球表面,而是绕月飞行。   图:SpaceX 星际飞船升空渲染图   前泽友作设想将自己的第一次太空之旅变成一次艺术冒险,名为“Dear Moon”。他说,当设想自己喜欢的艺术大师如果有机会进入太空他们会做什么时,他产生了进行“Dear Moon”冒险的动机。想象下毕加索(Picasso)安迪·沃霍尔(Andy Warhol)、迈克尔·杰克逊(Michael Jackson)或者约翰·列侬(John Lennon)登上月球的情景。他曾说过,这些都是他最尊重的艺术家。   前泽友作没有公开哪些艺术家会受到欢迎,但他可能希望他们来自各种工艺领域,如表演者、电影导演、画家以及发明者等。他表示,可能想要欢迎来自世界各地的六到八位艺术家进行此次绕月之旅。当这些人返回地球后,将被接洽以制作些东西,这些艺术作品将激励我们所有人内心的远见卓识。   马斯克提到,他对前泽友作预订首次太空之旅任务以帮助支持星际飞船的改进表示感谢,因为这位富豪支付的分期付款数额足够巨大,将“对支付星际飞船的成本和改进产生实质性影响”。马斯克甚至称,前泽友作的资助有助于让普通民众前往不同的星球。   SpaceX 目前正在美国南德克萨斯州博卡奇卡小镇上制造星际飞船。专家们正在使用不同的材料生产模型,并进行各种测试。本月早些时候,名为 SN5 的星际飞船模型进行了 150 米海拔的短程低空试飞,这种模型可以由单独的猛禽发动机完美地发射和着陆。   目前,SpaceX 各团队正准备对星际飞船原型 SN6 进行与 SN5 相似的测试,并进行海拔 20 公里至 100 公里的试飞。SN6 可能在本周起飞,每次试飞都会使星际飞船更接近最终目标。
互联网
2020-08-25 09:23:00
  腾讯科技讯,8 月 25 日消息,据最新 SEC 文件披露,腾讯在贝壳找房 IPO 中购入其 800 万股 ADS,总购买价为 1.6 亿美元。   贝壳于 8 月 13 日正式登陆纽交所,股票代码为“BEKE”。贝壳此次 IPO 发行价定为 20 美元,筹资金额为 21.2 亿美元。截止北京时间 8 月 25 日凌晨,贝壳收盘价为 46.06 元,较发行价上涨 130.3%。   招股书显示,贝壳在多轮融资当中,先后吸引了腾讯、高瓴、软银等知名机构成为其股东。
互联网
2020-08-25 09:18:00
10月25日,由《数据猿》主办的“2017金融科技数据驱动金融商业裂变价值峰会”在北京悠唐皇冠假日酒店举行。本届峰会从数据智能的角度,聚焦 “数据如何驱动金融商业裂变”,从消费金融、供应链金融以及金融前沿科技三大角度深入探索数据智能为金融领域带来的变革。 「金猿奖」是由数据猿发起并创办,凭借 大数据 垂直行业媒体的独特视角和优势,针对大数据垂直行业的文章、案例、产品、人物等设置的奖项。峰会前期,数据猿邀请了 金融大数据 领域内优秀企业及领军人物、投资人、业界专家学者,共同以“大数据在金融领域的商业价值探索”为主题进行了约稿、案例、产品征集。 经过两个多月的时间,数据猿共收到了百余家企业的产品投递,经过内部筛选选出了36个产品稿件,再交由业内专家组成的评审团进行科学系统地评定,最终选出了10个金融科技优秀产品。为了鼓励金融科技领域的各项创新,会上,“金猿奖 · 2017金融科技优秀产品奖”正式颁发(排名不分先后): 1、百融金服——百融信贷决策审批系统 百融信贷决策审批系统作为集成式、一站式的风控服务平台,基于百融金服的大数据和风控云等技术理念,结合机器学习和 人工智能 算法的新科学,从数据规则、审贷规则集、风控模型等不同层面帮助客户实现包括贷前审核、贷中监控和贷后管理的整个全生命周期的风险管控,降低风险运营成本,提高批贷资产的质量,为客户保驾护航。 2、金融魔方——金融魔方企业钱包 金融魔方企业钱包在金融牌照合规的基础上,链接银行、保险等金融机构核心业务系统,将合规的金融账户、金融产品、交易支付系统、风控、清结算系统等复杂功能集成为一套成熟、合规、可一键接入的金融SDK。企业通过调用SDK可快速构建集支付、清分账、余额充值、担保交易等于一体的钱包账户,定制理财、消费信贷、保险等金融产品。 3、恒丰银行——恒丰银行实时智能决策引擎 恒丰银行实时智能决策引擎是恒丰银行业务策略管理解决方案的核心产品,该产品让策略业务人员轻松高效地配置出风控、反欺诈、实时营销等场景下实时、准实时的决策模型/规则,实现在实时流数据的驱动下,基于海量数据进行成千上万个决策模型/规则的计算任务,满足高并发、低延迟的应用场景需求。 4、聚信立——蜜蜂和蜜罐报告 蜜蜂报告通过用户授权后,对借款人基本信息通过海量的数据交叉验证,对借款人进行身份核实、验真。通过借款人授权后的电商信息,整理和借款人消费有关的行为记录,判断借款人消费能力、资产状况、可能的收入及还款能力,从而判断借款人的信用风险;通过借款人授权后的运营商信息,获取借款人半年内的通话记录详单,判断借款人社交关系网络。 5、91征信——91征信 91征信专注解决多重负债问题,通过分布式数据库方式实现网络借贷数据共享,完整展现借款人负债详情。91征信采用了分布式数据库处理方式,在技术上讲,是向征信网络“区块链”化靠拢;从应用上讲,是通过实时精准数据产生倍增价值;每一位91征信联盟用户既是数据的使用者,也是数据的提供者,通过实现共享创造联盟生态链效应;91征信已覆盖近600家联盟机构,超过8000万借款人。 6、氪信——XBehavior 信贷风险评估产品 XBehavior是一套基于用户移动设备行为采集,使用高维的行为语言处理技术,最终为金融信贷场景提供实时的信贷风险评估的产品。氪信利用自身在风控行业的积累和领先的机器学习技术,帮助客户挖掘自有数据价值,构建零成本的风控能力,是适应于金融机构“互联网+”新业务模式下精准有效的风控解决方案。 7、神策数据——神策分析 神策分析(Sensors Analytics)是一个深度用户行为分析平台,支持私有化部署、基础数据采集与建模,并作为PaaS平台支持二次开发。此外,还提供大数据相关咨询和数据驱动完整解决方案。 8、天眼查——天眼查 天眼查是人人都能用的“商业调查工具”,核心功能为“查公司”、“查老板”、“查关系”。目前,天眼查收录了全国超1.2亿家市场主体信息,除了上市信息、企业背景、企业发展、司法风险、经营风险、经营状况、知识产权等64种数据维度信息展示外,天眼查独特的“关系梳理“能让用户直观地看清关联实体及其背后的商业关系。 9、网智天元——金鹏汽车金融大数据风控系统 金鹏汽车金融大数据风控系统一站式完成车贷审批流程。一套系统集多项功能,风险识别功能,给予权威精准的可视化风险预警信息提示。自动决策功能,有效针对新车贷款、二手车贷款业务,给予差异化定价提示。“金鹏”基于大数据科技、决策树规则引擎、深度学习等多项核心技术,有效针对新车贷款、二手车贷款等业务,提高风控效率。 10、众安科技——众安科技X-model反欺诈 众安科技智能数据产品基于海量数据源和资深实战经验,为客户提供精细化风险管理及定制化模型搭建服务。通过人工智能、云平台、大数据等技术和各类金融机构无缝对接,打造“金融+场景+技术”的跨界融合,提高金融机构的服务水平,降低运营风险,为各类金融机构赋能。智能数据产品根据企业对不同深度的技术支持需求,从数据接口调用,到深入的联合建模,覆盖了智能数据应用和交付的各种方式。 本文由 数据猿 投稿至 数据分析网 并经编辑发表,内容观点不代表本站立场,如转载请联系原作者,本文链接:https://www.afenxi.com/48680.html 。
数据分析
2017-10-27 04:12:00
专栏

数据资讯

数据学院

数据百科