来自台湾媒体的消息称，台湾三大领先的智能手机厂商华硕、HTC和宏碁均无法完成其2016年销售目标。华硕今年的智能手机出货量预计为2000万部，低于2500万部的销售目标。HTC去年的手机出货量为1800万部，业内估计其今年销量在1000万部到1200万部之间，其在中国大陆、美国、欧洲市场的出货量均处于不断下滑的趋势之中。排在第三的宏碁，原定1000万部的出货量也仅完成了一半。同时，自从去年从印度市场退出之后，宏碁也在考虑从菲律宾等东南亚国家退出。 据HTC上个月发布的2017年度第二季度财报显示，今年第二季度，HTC营收161亿新台币（约合人民币35.5亿元），净亏损额为19.5亿新台币（约合人民币4.3亿元），这已经是HTC第九个季度亏损据日前美媒爆料，王雪红执掌的HTC有意引进策略投资人，或分拆、出售VR事业，与谷歌（Google）接触探询可能性。 早在很多年前，台湾手机厂商曾经是智能手机的一股重要的推动力量，尤其是HTC，在2011~2012年间。2011年4月前后，HTC市值首次超越诺基亚。在那个时候，HTC是很骄傲的。在2011年第3季度的时候，HTC是全美最畅销的智能手机品牌。而如今，HTC在台湾之外的市场不断下滑，在大陆的市场份额已经可以忽略不计，即便在台湾本土，根据日前台湾发布的手机销售排行榜，HTC甚至已经被进军台湾的OPPO超越。 而HTC等手机厂商当初的辉煌，更多是搭上了Android早班车的红利。HTC当时成为谷歌最早的合作伙伴，也是最早加入Android阵营的手机厂商，也因此拿下了Android市场的第一波红利，然而HTC却过于迷失在自身的成功辉煌之中，忘记了自身核心竞争力缺失的现实，重点进军高端市场，却欠缺根基来自支撑它的品牌溢价，而HTC在品牌溢价层面、技术专利层面、营销层面、销售网络、价格方面，当前相比华米OV也没有优势可言，在系统层面与产业链布局层面，早已被苹果三星远远甩开了距离。 而华硕较早抢进智能手机市场，也曾有过辉煌时刻，比如在2015年的时候，华硕ZenFone 2手机是市面上第一款配备双通道4GB内存的智能手机，在2015年的国际消费电子展上也曾经风光过，但问题在于，华硕后来的手机发展之路总是慢人一拍。在大陆市场，华硕却没有深耕与重点布局，导致错失了内地智能手机增长的高峰期与黄金期。 加之华硕身上有太多PC时代的品牌印记，内地消费者对华硕手机欠缺认可度与熟知度。而华硕进军印度市场的时候，小米、联想、OPPO及vivo等厂商早已先发制人，早早已经在印度市场深耕并建构起销售网络与渠道，当前印度市场竞争激烈，留给华硕的机会也不多了，可以说，华硕又一次错失印度市场。 华硕手机的衰落也在于在高端市场过于冒进，比如说，到了华硕ZenFone 3时代，华硕在配置上虽然有高通最新处理器，但却将旗舰机型的售价拔高到了5000元档位，导致高端市场遭遇到了与HTC同样的困境——即重心转移到高端市场之后，但品牌与各方面的综合实力并不足以支持它的高售价，并且错误的认为高配置就是高端旗舰，而且应该卖高价，而忽略了用户对其整体手机的创新体验的认可以及品牌溢价能否支撑。 台湾还有个手机厂商叫宏基。宏基原本是全球第二大PC生产商，早在2008年，宏碁收购台湾知名智能手机制造商倚天资讯股份有限公司，从而正式进入智能手机市场，不过长期以来，尽管宏基在手机领域采取WP系统和安卓系统手机双向发展策略，但始终没有搅出大的声响。 去年有数据显示，宏基手机目前在全球智能手机市场份额仅有0.04%，虽然早在2008年就踏入智能手机市场，但是可以看出宏基始终不得其门而入，也未能抓住智能手机市场红利窗口，以至于宏基手机一直都处于乏人问津的状态。去年年底，宏基宣布退出印度手机业务市场，不断缩减手机业务比重。直到今天，估计也没有多少人知道宏基原来也卖过手机。 台湾手机厂商的陨落，在于它们本身没有长板，而短板太多。无论是HTC、华硕，还是宏基，它们本质上都是依赖代工产业发家，其本身的基因就刻上了太重的代工印记与硬件思维。过于着重产品的硬件制造而忽视了产品设计与创新以及软件的优化。在产品的更新迭代上对时代潮流把握不准，在创新设计层面与软件体验层面，缺乏基因。而智能手机越到后期，就越注重软硬件体验、工业设计、产业链、品牌、渠道、营销、产品创新等诸多方面的综合实力。 而随着大陆手机产业的崛起，台湾手机厂商在市场、渠道、技术与供应链等手机产业各方面的优势几乎全部丧失，在市场方面，没有庞大的本土市场作为主战场与依附，国际化拓展能力有限，而台湾手机产业没有对外的市场辐射的能力。 在大陆市场又缺乏渠道网络以及市场策略与产品优势、价格优势，进军海外市场实力与专利不足，在核心高端元器件方面，台湾手机厂商又缺乏自主生产的核心零部件。与此同时，台湾手机厂商没有苹果的操作系统顶层的封闭生态系统，没有三星的垂直一体化产业链布局，既缺乏对于产业链掌控、议价能力以及产品创新与品牌本身的核心竞争力，也没有从芯片、摄像头、传感器、CPU、面板、存储器和处理器等硬件层面的核心技术优势。 但同时，台湾手机厂商均没有认清自身的综合实力以及清醒看到整个行业竞争对手逐步强大不断抢夺市场份额的事实，也没有去认真分析学习竞争对手的长处，在智能手机市场发生翻天覆地变化的时候，一直不知变通固守原有的旧思维站在原地。 而我们也很难在HTC、华硕、宏基等台湾厂商身上看到对创新研发的重视，在国际视野与长远格局上均有所欠缺，HTC是一个典型，在其巅峰时刻，并未及时补齐其自身在工业设计、研发、供应链与专利等各方面的短板，导致迅速被其他厂商赶超。 总体来说，也与台湾的大环境相关，整个台湾在代工界虽然有富士康这样的典范，但在整个科技产业格局中，台湾科技行业的影响力逐步式微，智能手机行业的技术、人才、资本、产业链重心均不在台湾，导致其对外的辐射力越来越弱，台湾手机厂商的衰落与影响力越来越弱也就不难理解了，总体而言，台湾手机厂商的衰落原因，也值得国产手机厂商引以为戒。 靠谱众投 kp899.com：您放心的投资理财平台，即将起航！ ...

2006年，埃隆·马斯克在特斯拉官方博客上发表了一篇题为 “特斯拉汽车的秘密计划” 的博文。他表示要推动一场电动汽车革命，实现社会可持续运转。十年过去了，当年的豪言壮语如今兑现几何呢？ 近日，特斯拉公布了2017财年第二季度财报，亏损持续扩大引发关注。与此同时，其销量表现、尤其是在华销量越来频繁得被人提及。实际上，特斯拉第二季度产量25708辆，与去年同期相比增长了40%。而凭借ModelS和ModelX车型22026辆的高出货，特斯拉上半年总出货量达到了47077辆。相比去年同期增长53%。 值得一提的是，尽管市场销售形势大好，特斯拉却仍未公布任何中国市场销量数据。“特斯拉在华销售额2017年会达到20亿美元。”一位不愿具名的业内人士表示。而特斯拉在华销量渐入佳境，实则在2月22日的特斯拉发布的2016全年财报中就已初见端倪。 2016年财报数据显示，特斯拉中国当年销售额达10亿美元，约占特斯拉全球销售额的15%。尽管仍无法与其全球最大市场——美国的42亿美元本土销售额相提并论，但结合2017年中国市场前两个季度的交付量而言，被马斯克寄予厚望的中国市场终归似乎终于开始了稳健增长。 有行业人士对记者表示，2016年中国电动汽车销量达50.7万辆，已超过美国成为全球最大的电动汽车市场，继续挖掘中国市场潜力已经成为特斯拉销售团队未来的工作重心。他同时预计，到2020年会有100万辆特斯拉上路，特斯拉正在用它的方式颠覆整个汽车工业。 大摩再挺特斯拉销量 中国销量秘而不宣 特斯拉2017财年第二季度财报显示，公司营收27.90亿美元，净利润亏损4.01亿美元，与去年同期的净亏损2.93亿美元相比继续扩大；归属于普通股股东的净亏损3.36亿美元，高于去年同期的亏损2.93亿美元。 事实上，由于产能始终不能达到盈亏平衡的要求，造成特斯拉自2003年成立以来，绝大部分的时间都处于亏损的状态，仅有两个季度实现盈利。以2013年-2016年为例，3年累计亏损18.43亿美元，平均下来每年亏6亿美元。 与之形成鲜明对比的是，特斯拉前6个月订单辆与交付量却强势增长。数据显示，2017年前6个月，特斯拉共计生产新车51126辆，其中第二季度车辆生产新车25708辆，交付量达22000余辆，同比增长53%。值得一提的是，特斯拉仍然没有公布中国市场销量数据。 记者查阅市场研究公司JLWarrenCapital数据得知，特斯拉中国2017年第一季度共向中国出口了4799辆ModelS&X，成为特斯拉继美国本土之外的另一个增长极，交付量同比增长了350%。如果今年剩余时间能保持这样的增速，特斯拉今年向中国市场的出口量将达比去年翻番。而根据特斯拉4月初披露的一季度25418辆交付量，特斯拉中国在其全球市场的占比将逼近20%。 《证券日报》记者另据机动车交通事故责任强制保险数据发现，2017年的特斯拉在国内既有总量的提升，也有结构的改善。前4个月，特斯拉国内上牌数为2552辆，明显高于去年的1599辆。其中北京仍是销售主力，上海的增量最大，深圳的需求也有显著提升；而在大中型城市，尽管增速不如特大城市快，但需求也呈现一定增长。 对于特斯拉目前在华销量状况，乘联会秘书长崔东树表示，2017年的特斯拉表现较2016年同期有明显改善。相信随着特斯拉的国产化，其市场表现会进一步提升。 与此同时，近日摩根士丹利(MorganStanley)发布了一项关于电动车的最新调研报告，报告预计，在2020年之前，特斯拉Model3以及即将发布的“ModelY”车型将能够占到全球电动车销量的一半左右，且这种主导地位会在未来至少十年的时间内“牢不可破”。 市值曾超福特和通用 在华建厂或只是时间问题 2017年对于特斯拉来说也是至关重要的一年，特斯拉首款量产且价格平民的Model3即将全面交付，投资者今年也将在特斯拉的股份提升了30%；而腾讯此前也曾宣布认购其5%的股份。 记者注意到，股价最高点时，特斯拉市值曾一度相继超过福特、通用，成为全美市值第一的车企，这一现象不仅令特斯拉欢呼雀跃，也让世界电动汽车行业颇为振奋。要知道相比福特、通用动辄数百万的销量数据，特斯拉只相当于他们的1%左右。特斯拉的快速成长在一定程度上也预示着世界电动汽车产业前景可期。 也正是有了2017年以来销售的强劲增长，让市场和越来越多的分析人士和投资者相信，特斯拉会与中国本土品牌建立合资企业，在中国生产电动汽车，从而避开25%的关税和17%的增值税，同时可以享受中国政府的补贴。 事实上，特斯拉与中国本土品牌建立合资企业的时间尚不得而知，特斯拉也从没有确切披露相关信息。然而有消息称，特斯拉正在与不同中国城市的潜在合作伙伴洽谈合作事宜。 作为佐证的是，早在2014年马斯克就表示，特斯拉将于2017或2018年开始在中国本土生产电动汽车。因为马斯克本人也知道，如果不在中国本土成立合资企业，特斯拉在中国市场的销售成本要高得多，也会面临更多限制。 有业内人士表示，特斯拉独特的直产直销模式和零预算营销在很大程度上是得益于新能源、高科技的光环和“钢铁侠”马斯克CEO的名气，但是为客户创造轻松的购车体验、积极建立和利用顾客的品牌忠诚、挖掘顾客心理进行创意营销等，确实值得其它品牌加以借鉴的。 靠谱众投 kp899.com：您放心的投资理财平台，即将起航！ ...

不破不立。 智能投顾是个舶来品。2010、2011年，美国西海岸涌现了第一批 robo-adviser机器人投顾，随即风靡全球。2014年，robo-adviser 以中文名“智能投顾”出现在中国市场。2015、2016两年，行业进入快速发展期，创业公司和传统金融机构接连布下棋局。 但由于市场、消费者、技术等多方面都还未准备妥当，行业一面是舆论声势的火热，一面是客户端、市场表现未及预期。继招商银行摩羯智投的推出，它以为它等到了春天，没想到等来了质疑。 然而，时间线拉到2017年，一切又是新的景象。 近期金融机构的动作加快，兴业银行、江苏银行、光大银行等相继推出它们的智能投顾。其中，不少机构都是与智能投顾公司合作开发的产品。 群雄逐鹿 实际上，自2016年开始，不少智能投顾公司就向B端机构落地。 据知情人士透露，目前每家技术提供商暗地里的竞标、争抢客户变得更加激烈，还冒出了很多不知名的非主流的同业。一部分是原来的P2P公司，理财产品摇身一变“智能投顾”；一部分是原来主打财经媒体、社群的公司。 业内机构统计显示，截至今年3月，国内号称在做智能投顾，或者智能理财的公司大约有200家，其中至少180家为原来的P2P公司。而自7月监管部门下发《关于对互联网平台与各类交易场所合作从事违法违规业务开展清理整顿的通知》以来，经济日报报道称，据不完全统计，数十家智能投顾平台已被处理。 研发智能投顾，意在中国财富管理市场。目前，我国的财富管理市场还未成熟，未来的业态可以参考欧美。“形成多个梯队，每个梯队之间的量级相差三分之一或二分之一。”林常乐说。 各有所长的两派代表，对于行业的最终格局都是雄心勃勃。传统金融的背景人士认为，其掌握着成熟的财富管理技术、投资引擎，又有用户金融数据的积累。创业公司从AI能力切入，认为他们是最有可能实现全AI驱动产品的。“金融机构保留着大量传统业务，不太可能会将大量资金和人力投入新业务的长期开放，并承担3~5年无法盈利甚至失败的风险。” 引用香港中文大学张晓泉教授的话，“智能投顾处于跑马圈地阶段，类似于早期互联网时代出现了数不胜数的搜索引擎。当时没人知道哪家会赢，现在也是如此。” 虚张声势？ 时间是筛子，最终会淘去一切沉渣。 在智能投顾最通行的定义中，往往带着“人工智能、机器学习、大数据”、“现代投资组合理论”、个性化定制组合、自动化交易等术语。在这些高频词的渲染下，智能投顾似乎成为最前沿技术的具象产品，理性、绝对智慧、颠覆性…… 但国内外皆有声音表达了他们对于市场盛行的智能投顾概念的不以为然。 机器人投顾是金融机构设计的提供自动化投资建议的系统，美国巴布森学院（Babson College）管理及信息通信系教授Thomas H. Davenport 撰文称。同时他指出，有不少（美国）从业者并不喜欢该流行词。摩根士丹利相关项目负责人 Jeff McMillan 更是直接表达了他对于robo-adviser术语的厌恶，“人类在财富管理领域中有着无可替代的作用，这样的系统都是顾问和客户间关系的补充。”据介绍，摩根士丹利的机器人投顾主要人力顾问间接发挥作用，“robo”元素只占总体的一小部分。 “相较而言，国外从业者还比较modest，自称为‘robo-adviser 机器人投顾’，而国内更通用的是‘智能投顾’，不太恰当，水分十足。” 现任清华金融科技中心兼职教授的林常乐介绍，他在普林斯顿攻读运筹与金融工程系博士学位期间，参与了美林证券投顾后台架构设计，毕业后成为首席架构师。他直言道，“目前中国的‘智能投顾’，既不智能也不投顾。” 市场上存在一些“智能投顾”，就是由“APP+现代投资组合理论”组成。据林常乐透露，这样的开发成本最多是10万美元。而当初美林开发智能投顾时，第一期的预算是2900万美元。“APP开发和现代投资组合理论不值钱也不花钱，真正的价值是背后的投资引擎技术和大数据解决方案。” 而追根溯源，行业的乱象从诞生之初就已经如影随形。鼻祖Betterment、Wealthfront是行业中典型的创业公司代表。松禾远望基金合伙人田鸿飞曾撰文表示，它们的发展模式沿袭了传统互联网公司的做法，投入了大量资金做市场和运营，在获取客户的同时，也导致获客和吸收资金成本居高不下。 林常乐是INFORMAS（运筹最高学术组织）机器人投顾板块主席，此前在国外时组织参与过多次学术会议，对于美国创业公司有过一定的了解。他表示，此类创业公司做得不算成功，他们对于投资咨询和财富管理理解不深入，专业度欠缺。财富管理业务是投行的掌上明珠，拥有其他业务无法比拟的高ROE，也是抢占高净值客户的渠道，是金融机构升级换代过程中一块无法舍弃的蛋糕。 “但他们不赚钱，说明他们做得并不算是真正的财富管理。”那么，在财富管理过程中，一个真正的投顾是什么样的？ 林常乐介绍道，投顾与客户产生深入的交互，挖掘各方面的金融需求，例如短期投资、长期养老、教育基金、家庭生活等。此外，还会了解客户的投资期限、风险偏好、回报预期等维度。投顾要做的就是，给出合理方案，将需求转化为管理资金。 而以上这些要求，在弱人工智能阶段，智能投顾还无法实现。以问卷为例。一般来说，在启用智能投顾之前，会要求用户进行五到十数道问卷来了解用户，并据此生成投资组合建议。 林常乐介绍，问卷不能再增加更多的问题，因为那时候用户回答的不准确性会更高，“智能投顾公司更多是去猜测用户需求"。这方面，银行和券商等金融机构会更有优势，因其掌握用户更多更精准的金融数据。 “总的来说，智能投顾可以拆解为两方面：一是用智能化的方式了解、服务客户；二是在后端投资引擎技术，这直接决定了公司的财富管理水平。 目前的机器人投顾，实际上是试图利用已发展多年、比较成熟的投资引擎技术，加上互联网交互外壳，为客户提供自动化财富管理服务。” AI不AI，不是最重要 目前，行业中声音最响亮的还是早期创业公司。今年上半年的新产品在业内激起的水花并不算大，大多由传统金融机构推出，比如兴业银行、江苏银行阿尔法智投、光大银行光云智投，而交通银行、华瑞银行、华夏基金正在研发中。为什么金融机构乐于开拓智能投顾？ “开源节流”，林常乐在采访过程中多次提及这四个字。他介绍道，在美林证券从一个零售券商转型财富管理机构过程中，借助了许多科技手段，解决了一些问题。例如采用标准化投顾管理，应对不专业的人力投顾，同时能够降低人工成本，扩展服务边界和范围；又如利用大数据识别精准用户解决咨询问题，节约人力，提高客户转化和留存。 智能投顾有助于金融机构完成财富管理业务升级。“券商的经纪业务就是渠道业务，再向上升级就是财富管理业务。银行的零售业务也同理。”因此，各大券商纷纷设立财富管理中心，甚至是将经纪业务部门直接更名；国内外商业银行建立起资管全资子公司或者事业部。 我国财富管理行业还处于快速发展中，国际市场起步更早，整体已处于平缓期。以美国为例，财富管理行业的现状是，前五大公司占据一半以上份额，马太效应增强。但中国前列资管公司市场份额比例却在不断降低，越来越分散。理财魔方CEO袁雨来表示： “当资产供货商越分散，竞争越激烈，从互联网角度就越适合做渠道的生意。智能投顾从商业模式上恰恰是聚集C端用户和资金的渠道。” 袁雨来在访谈中也特别强调互联网行业最看重的指标，“我们的客户留存达到了90%，超过了行业平均值”；“我们的AI基因比较强，我们更愿意在C端深耕去追求一个成为行业领头羊的机会，我们想成为一家真正靠AI驱动的，价值500亿的个人财富管理公司”。 招商银行摩羯智投是国内银行业的首款智能投顾，常与这些活跃的智能投顾同台争芳。2016年12月，一经推出的摩羯智投引来极高的关注度。根据招商银行8月公布的最新数据，摩羯智投已经成长为国内最大的智能投顾，规模突破50亿。 而引用业内人士的观点，摩羯智投资产管理规模跃居第一，渠道优势发挥了最大的作用，“和人工智能没有什么关系。” 据了解，摩羯智投强调“人+机器”模式，机器在数据处理和模型化方面发挥作用，而一百个投资组合实际上由上百人人工操作。 从产品维度而言，摩羯智投算不上真正成功的“智能投顾”，还表现在亏损率高，且申购费等费用无折扣。但是不可否认的是，摩羯智投成为金融机构研发智能投顾的领头羊，招商银行因其创新性、开放性，极大地推动了国内金融科技的发展进程。“我真心感谢招商银行！” 某智能投顾从业者表示。 弱人工智能的能力有限定领域，要求必须定义清楚目标和问题。在这个过程中，智能投顾不为“人工智能”而智能，更关键的是将财富管理服务普惠化。 还值得一提的是，理财魔方近期宣布，开发出了行业首款全AI驱动的智能投顾产品“千人千面”，不允许人为干涉投资结果。该实现了“千人千面”个性化投资组合推荐的产品是他们迭代过的第二版本，去年光是开发就花了8个月，此后一直在调优，直到今年5月才正式上线。在问到实现全AI的关键技术时，袁雨来多次用了“保密”回应。 而对于“市场上没有人做到全AI产品”的结论，他说，“各家都没有公开技术白皮书，但从是否做到了为每个用户个性化的配置和调仓就可以很容易反推出来。” 画皮与乱象 如今行业形成三足鼎立态势——初创公司、传统金融机构、互联网金融公司各占山头。其中，最现象级的莫过于，层出不穷宣传自己“智能资产配置服务”的P2P公司。 不愿透露姓名的业内人士表示，“在P2P领域，有一些辅助用户进行P2P分散投资和进行期限管理的工具型方法，但是离‘智能’，还有一定距离。” 因为P2P作为非标资产，对于风险的量化和风险定价还难以有效度量，并且P2P领域的信息披露大多不透明，很难对标的资产的风险变化进行动态的监控，更谈不上有效的调整。 这是从技术层面出发，指出P2P资产无法为人工智能所需要的分析规则和数据等条件。而从财富管理的角度讲，业内人士指出，资产按照风险收益的属性不同，会有权益类，类固收，货币和另类的分类法，如果要进行有效的资产配置，上述4类资产都要根据客户的风险承受能力，在流动性等方面的需求进行适当的配置。 “在这些分类中，P2P可以算作高风险的类固收资产，而仅仅用一类资产是无法进行有效的资产配置和财富管理的，这样会让用户的整体财富暴露在某一类资产的系统性风险之下。” 田鸿飞这样描述其看到的“画皮”现象。在他们了解20多家智能投顾公司后，发现产品的配置简直是五花八门。 “有的配P2P资产、有的配小贷，还有人拆信托、拆私募，做MOM、FOF模式的也有。剥开皮后，看各产品都不一样，很多时候不知后面卖的什么东西。” 此外，Fintech另一大热的领域——区块链和ICO，与智能投顾可以说处在同样的境地，野蛮生长，乱象丛生。据悉，创立于2014年的蓝海智投，于近期成立了蓝海数币资本，为数字货币市场提供全方位专业金融服务，并披露了ICO计划。 蓝海智投创始人、CEO刘震在接受媒体采访时，回应道“金融，赚的就是未知的钱。”一位从业人士来对此的评价是，“这是典型的金融人士，想要赚快钱”。 而现在ICO的泡沫已经被戳破。9月4日央行等七部委发布公告，宣布“ICO本质上是一种未经批准非法公开融资的行为，涉嫌非法发售代币票券、非法发行证券以及非法集资、金融诈骗、传销等违法犯罪活动。”ICO利益各方暂停币种交易、推进清退方案，整个ICO代币市场火速降温。蓝海数币资本也在公告第二天宣布退币。 2B or not 2B，that's a question 合规风险始终是达摩克利斯之剑。这也成为一些智能投顾公司收缩或者放弃C端业务，转向服务B端机构用户的重要缘由。他们通过开发智能投顾工具，提供给金融机构使用。比如初始2C的财鲸、弥财、蓝海智投等，都于去年开始拓展2B业务。此外，高企不下的流量成本、谈不上有效的中国市场、投资者认知教育程度不高等问题，都促使他们由C转B。 据林常乐介绍，金融机构相当务实，“智能投顾”这个概念对金融机构而言并不重要， 真正帮助金融机构进行“开源节流”的整套解决方案才重要，包括智能化系统、大数据解决方案和一些联合运营的咨询方案。要做到这些，必须同时具有先进的技术与关于投顾领域的深刻业务理解。“比如在数据分析方面，要求我们的数据科学家比做业务的人还懂业务，明确展示出变量背后的业务逻辑。” 但矛盾的一点是，在C端未能验证成功的智能投顾，如何说服B端机构采用呢？因为不管2B还是2C，归根结底还是2C。 总的来说，银行和券商等机构都有意愿尝试。业内人士透露，金融机构选择技术合作商的标准就是看是否解决问题，用数据和事实验证效果。而最具说服力的事实就是该产品的C端表现。 技术风险 从更具体的技术风险角度来说，必然涉及智能投顾产品的核心——算法和模型。模型给出的投资策略是否与客户风险偏好相匹配，是衡量智能投顾产品的重要条件。模型需要训练和验证，需要对样本数据的模拟不断地学习、记忆，并修正算法。 中国银行原副行长王永利曾在一次公开演讲中谈到，智能投顾至少还存在以下两个方面的潜在技术风险： 第一是由于样本是历史数据，当出现“黑天鹅”事件时，机器学习和自然语言处理可能会失效。人工系统中并未载入类似的事件和后果，也无法从历史中学习到相关模式的处理方案。 这一点在今年上半年多数量化投资基金业绩低迷状况中得到印证。数据统计显示，一季度，在2017年前成立的68只量化基金中有42只取得正收益。然而进入二季度后，仅21只量化基金收益为正，47只收益告负。二季度量化基金的平均收益率为负。在历史重复出现之外，创新也在发生，新的历史在生成。 第二个风险是样本也会“说谎”。机器学习擅长发现数据间的相互关系，而并非因果关系。这将造成误判，从而给投资者带来损失。 理财魔方的联合创始人马永谙却认为，这并不可以归纳为“技术缺陷”。因为从理财的角度来看，面对“黑天鹅”事件，资深从业人员也很难准确预判，而更需要考虑的是如何尽可能将风险控制在投资者可以承受的范围内。 很多创业者把创业称为“孤独者的游戏”，智能投顾的发展也同样孤独。王永利表示，产品要达到预期的效果，还需要不断地积累数据，提升数据分析能力，算法和模型的效果也需要在较长周期内进行检验。 结语 立足于各自背景的各方，能发展出各具优势的产品，而从另一个侧面来看，也有相应的缺憾。 上海金融信息行业协会秘书长李娟在某次论坛对话中提到，他们协会一直有对从业机构的员工人数、男女比例和年龄做统计分析，然后发现，“很多小微贷企业的年龄层次在28岁到25岁之间，这样年龄层次设计出的智能投顾一定是小型消费金融；如果是券商、基金、信托、银行等，产品设计部门年龄会偏大，做出的产品更契合该年龄阶段。” 因为人工智能是全学科技术，关联生物学、心理学、身体功能学等学科。人才就应该通过全学科的培育和孵化。 靠谱众投 kp899.com：您放心的投资理财平台，即将起航！ ...

私募股权基金的GP和LP如何分配收益是股权基金协议中的核心内容。通常的约定是LP支付给GP2%-3%的年度管理费和盈利20%的管理分红。但即便是这些常见的约定，其实相差甚远。 年度管理费，基数不同 股权基金计算年度管理费看似相近，都在2%-3%之间，但实际上并不相同。有的以实缴出资额作为计算基数，有的按认缴出资额计算，有的直接安排了各个年度的管理费点数，也有的更为复杂一些。以下是笔者比较了几个知名基金关于管理费基数的规定。 管理分红，方式不同 第一种方式：整体分配，先回本再分利 私募股权基金投资的项目不可能个个盈利。盈利的项目若先行按“二八”原则分配，如遇到项目亏损则可能导致某个项目的投资本金无法全部收回。为了确保分配给GP的投资收益为净盈利，许多基金约定投资本金必须先回收，确实有了盈利才能分配给GP管理分红。这种分配方式也称“先回本再分利”，这种分配方式更为倾向保护LP的利益。在此种情形下GP盈利的周期显然要推迟了。 例如某有限合伙协议就利润分配约定如下：“在经营期限内应先回收本金，也即普通合伙人在基金全部回收实际出资额(本金)之后方可提取管理绩效分成。也即当基金实际取得的现金收入超过基金实际出资额(本金)后，普通合伙人有权按照下列计算方式参与分配投资项目增值部分纯利作为其业绩奖励： 期内业绩奖励 = 基金纯利 X 20% 基金纯利= 基金现金收入-基金实缴出资额” 第二种方式：按单个项目分配，预留保证金 按单个投资项目分配，同时GP将其取得的管理分红的部分预留在股权基金中作为保证金，在其他项目亏损时用于回拨补亏，也是股权基金中一种比较常见的分配方式。预留作为保证金一般占管理分红的40-50%。 例如：某有限合伙协议约定：“当某个投资项目实现退出，且该项目收入超过项目成本×(1+8%×该项目的投资年数)时，即对超出部分的20%计提为对普通合伙人的业绩奖励，其中50%部分可以予以实际分配，另外50%作为风险准备金留存于本企业并专户管理，在合伙企业存续期满时用于业绩奖励清算的差额补偿。” 第三种方式：按单个项目，并核算单个项目成本 也有个别基金按单个项目分配，但同时核算并扣除单个项目的投资本金、管理成本和之前亏损项目确认的本金亏损部分。 例如某有限合伙协议约定，“对于基金可分配资金中的项目投资收入，应扣除i基金已退出项目的投资本金中按出资比例计算由该有限合伙人承担的份额;ii此前普通合伙人已经确认的基金持有的亏损项目投资本金损失中按出资比例计算由该有限合伙人承担的份额;iii该有限合伙人实际出资额中分摊到该项目的管理费用。然后，20%分配给普通合伙人，80%在有限合伙人之间按实际出资比例分配。” 靠谱众投 kp899.com：您放心的投资理财平台，即将起航！ ...

在充满谜团的影视行业这个名利场中，即使是正午的阳光也会遇到阴影。 这不，以制作良心剧闻名的正午阳光公开发表业务调整公告，称将取消艺人经纪业务，未来公司将更加专注于内容创作。公告一出，又立即引发包括艺人、粉丝、普通观众在内的一场喧嚣的声浪。的确，人红是非多，有或明或暗各方利益潜伏其中的影视江湖，无数隐秘的细线牵制其间，聚光灯下的任何一个动作，都被躲在暗处的猎食者反复反刍咀嚼，参与者自发地开始排演一出真实的以利益为底色的大戏。 具体到有形的个人来看，对正午阳光的掌舵人侯鸿亮而言，取消经纪业务是他早就有的一个念头;对靳东王凯等当红艺人而言，资源多了，要考虑的东西也多了，自立门户也顺理成章。而更进一层从行业层面来看，影视制作与艺人经纪兼备的这种业内常见的“两头蛇”模式，可以说矛盾逐渐暴露，原有产业体制已经无法兼容两种业务共同发展，如何找到双方都能接受的方式解决影视制作与艺人经纪之间的“囚徒困境”考验着业内人士的智慧。 实际上，放到更广的视域来考察，艺人与原有母公司的聚合分离可以如一般人想的那样用合作与背叛来定义，只是这两个如光滑鹅卵石的词汇在剥去附着在其上的人事纷扰之后，呈现的只是自然界生命体演化的正常逻辑：从微观到宏观的生命现象都遵循着合作、背叛、再合作这样的模式在演进着。有时候正是背叛者打破僵局，促进了行业的发展。当然一些艺人的出走表面上没有“背叛”一词表达的那么激烈。 断臂逻辑 正午阳光在公告中，简述取消经纪业务的原因是：“面对市场日益严苛的要求和观众越来越高的期待，我们意识到需要把更多、甚至全部精力投入到内容创作中;而正处于事业上升期的艺人们，也需要更加专业的个人规划与长远的战略布局。” 这一决定对旗下艺人的影响各有差异。对靳东和王凯这样的当红艺人来说，单飞是摆脱了某种无形的束缚，未来的路更宽广。而对于刘敏涛、刘奕君等尚未成名的艺人则影响较大，毕竟他们羽翼未丰，更需要公司资源的支持。 让自己辛苦捧红的艺人选择单飞，如同巴塞罗那俱乐部放走梅西、内马尔，其对原有组织的带来的震荡可以想见。对于正午阳光的当家人侯鸿亮来说，做出这个决定无疑需要很大的胆识与勇气。考量其决策背后的逻辑，既有个人的情怀与使命感，也有资本长袖在背后的舞动，更有行业发展面临拐点的必然。 首先，坚持内容取向是此次决策的主要原因。从侯鸿亮个人来看，作为一个理想主义者，从1996年开始做制片人至今，其专注内容的取向一直未变。其早先曾表露出对资本与市场的天然抵触情绪，2014年，在山影启动上市的前一天，他选择离职，加入没有体制羁绊的市场化公司正午阳光。之所以能拍出《琅琊榜》《伪装者》《欢乐颂》等爆款剧作，在于他在挑选剧本方面有自己独有的逻辑，而不是考虑去迎合市场;在剧组的前期筹备上，要求没有完整的剧本就不开机。这与很多影视公司把主要精力放在寻找IP与小鲜肉演员上有很大不同。因此，在侯鸿亮的价值天平上，当红艺人从来不是分量最重的一方，只能根据剧情需要来找艺人，不可能根据艺人来筹划内容。毕竟像靳东这些艺人也是因为《伪装者》等作品才走红的。 其次，当红艺人对公司主业造成了干扰。正午阳光2014年组建经纪业务，至今不过三年时间，旗下艺人十余人，真正的当红明星只有靳东和王凯。从体量来说，经纪业务可说是个鸡肋。但正是这个体量不大的业务，近年在舆论等方面给公司造成了越来越大的压力。靳东与王凯两人走红后，两大粉丝阵营之间、粉丝与管理层之间出现了各种纠葛与纷争，而正午阳光被认为在处理公关危机方面缺乏手段，由此给公司影视制作与品牌声誉带来各种负面影响。如王凯在《琅琊榜》播出后因为性取向问题遭到一波炒作，其粉丝对正午阳光没有拿出得力的公关应对策略平息不良影响非常不满;两家阵营粉丝经常互相比较，认为自己的偶像得到的支持少，在出演剧目上也多有计较。而且伴随着正午阳光的上升势头，出现了或明或暗的抹黑正午阳光的声音，有说其抹黑《人民的名义》的，有说其雇佣水军黑《孤芳不自赏》的。侯鸿亮等管理层原来只顾埋头影视剧作，不曾想到还有如此多的盘外招，专心影视创作的氛围遭到破坏。此番与麻烦不断的艺人切割，也可以远离是非之地。 但除了这些个人恩怨性质的因素，背后资本的取舍或许是更决定性的力量。对于正午阳光来说，经纪业务本来规模不大，但粉丝的介入导致公司商誉存在很大的风险敞口，这对于成为其第一大股东的华人文化产业基金等投资机构来说是个潜在的不稳定因素。而正午阳光也正在寻求IPO上市，为减少负面因素做出此番切割也并不意外。毕竟近年影视公司因为明星入股、收购明星壳公司频频被曝光，监管方面也趋于收紧，某些情况下明星成了是非篓子，成为急于上市公司的负资产。而且华人文化产业基金今年入股全球最大经纪公司CAA，其在经纪行业也具备了可嫁接的资源。另外，由于资本的介入，正午阳光制作单越来越长，有开始粗制滥造的嫌疑，其最近推出的《外科风云》与《欢乐颂2》都不如预期，而以精良制作一炮打响的《战狼2》也给管理团队和资本方一个警醒：步伐不能迈得太快否则会扯着蛋，打造精品内容才是王道。 经纪行业基因突变前兆？ 正午阳光虽然表面看是主动切割经纪业务，但在业内人士看来不如说是一种无奈。他们碰到的也正是业内无解的影视制作与艺人经纪的囚徒困境：影视制作总是力图压低演员片酬，而经纪总是希望为艺人争得利益最大化，两者在利益取向上存在冲突。 以侯鸿亮为首的正午阳光管理层都是影视制作出身，长于剧本选择、内容定位等，但对于艺人经纪业务的管理却非其所长。如前面所述，靳东王凯等艺人走红后拥有的资源增多，其牵涉到的粉丝资源管理半径与管理难度都成几何级数增长，如何安抚粉丝、摆平不同艺人间粉丝的争执与计较，正午阳光的管理团队都拿不出有效的解决方案。随着矛盾的累积，新旧矛盾互相激发、催生出更多的次生矛盾，导致各种恩怨情仇随着某部新剧的推出而瞬间爆发。 之所以管理难度大，根本上还是因为现有艺人经纪体制的缺陷。早期的演员作为单个人的存在生存环境比较脆弱，尤其是很多艺人都是刚出道的年轻人，要在职业生涯期间走出上升通道，需要强有力的资源支持。此时人脉深厚的经纪人正好帮他们打点一切，除了影视制作，其它工作之外的婚恋、生活等各方面都由保姆式经纪人包办。由此造成艺人对经纪人的某种人身依附。如2000年知名经纪人王京花带领40多名艺人跳槽华谊兄弟，华谊之后成立经纪业务部门，2005年王京花与华谊解约，带领旗下陈道明、刘嘉玲等多名艺人跳槽到橙天，三年后再次自立门户。可以看出有势力的经纪人如以前的军阀豪强，自带“武装”形成一个利益团体。这种游击性质的经纪团体对于管理正规的影视公司来说是个很大的挑战。一旦利益分配不均就带队出走，给公司股价及商誉带来很大负面冲击。 实际上，从今年上半年影视公司半年报也可以看出，艺人出走对影视上市公司运营产生了很大的影响。如唐人影视今年上半年营收1.3亿元，同比减少64.32%;归属公司股东的净利润3720万元，同比下降70.94%。其去年的业绩丰收离不开旗下胡歌、刘诗诗等知名艺人的流量号召力。但唐人影视旗下艺人刚走红就出走似乎已成死循环。刘诗诗去年底与公司合约期满后不再续约，今年初胡歌宣布暂别影视圈出国求学，蒋劲夫则与公司发生纠纷。虽然唐人影视认为艺人经纪收入占公司整体收入只有10%左右，但旗下连损三员大将，其未来影视剧制作势必受到很大影响。 为了稳住走红的明星，一些影视公司通过股权、经纪约等形式将艺人与企业利益进行绑定，但这种单纯的利益纽带并不牢固，因为这种绑定只认利益大小，不讲人情道德等因素。不像旧时代戏剧界培养行业人才，多是从小由师傅带大，而且各个门派各有自己的风格，帮派家法规矩很严，自立门户也有成形的规矩，如今的艺人在影视公司捧红后可以期满走人，没有那么多道德层面的考虑。另外，资本扎堆涌入也给他们提供了多种更诱人的选择。有些明星宁可不要原公司的股权，而选择成立自己的工作室或公司。如杨幂就是放弃欢瑞世纪近千万元股权激励，还带走部分主打的新生代艺人和湖南卫视平台资源，打造出以其为核心资源的嘉行传媒。 综上可以看出，以往被经纪绑架的艺人如今可选空间越来越大，他们羽翼丰满之后开始探索行业的新路径。原来附着在影视公司管理架构下的行业体制已经跟不上经纪行业发展的步伐，一方面影视市场需要大量优质的艺人，但是陈旧的培养体系却无法供应足量的人才，造成演员片酬天价现象，一方面分离出来的艺人资源需要找到新的组织形式，以实现商业价值的最大化。近期部分新型经纪机构探索更专业的要素服务，它们把经纪人原先包揽的各种工作逐一分解，如宣传有专门的媒介专才负责;发行有专门的发行机构，法律签约也有专业的律师行负责。业内人士指出，如好莱坞那样制作机构与经纪业务分离将会成为趋势，影视工业化需要的重程序、重分工势必取代经纪行业旧有的人情为主的管理风格。 出走：一种更高层次的群体合作 正午阳光取消艺人经纪，背后的本质还是人力资源重组的一种新形式。对于内容创意的影视行业来说，人力资源无疑是行业内最有价值的资产之一。与生物演化规律一样，艺人经纪行业也有自己独特的基因，会像细胞裂变一样自我繁衍，艺人经纪会以一种自组织的方式演化。 在影视制作与艺人经纪混合的两头蛇时期，双方处于囚徒困境的博弈之中。要解决这种囚徒困境，需要一点宽容的态度，才能和平相处。如果双方总是选择以牙还牙，则永远无法合作。只有“宽容的以牙还牙”，在对错误妥协后才能继续合作。事实上如生命演化一样，组织演化也是合作到背叛，然后再合作，如此周而复始。侯鸿亮本身其实也是从山影“背叛”出走的一个例子，如果没有以前的出走，也没有正午阳光今天的辉煌。而其与山影的合作也在更高的层次上展开了。 从群体选择的角度看，艺人经纪的出走某种程度上是理性的。有生物研究证实，在过去的几亿年中，在某一被局限的地理范围内生存的蜗牛，与它们分布广泛的亲属种类相比，更容易走向灭绝。但背叛者虽能够在一个群体之内获得胜利，然而在群体层面，由合作者构成的群体却能胜过背叛者构成的群体。具体到艺人经纪行业，艺人成立工作室或公司短期能够获利，但是要持续性发展，根本上还得与影视行业内其它产业要素充分合作，如此才能给整个行业的繁荣提供可能，否则只能导致行业的四分五裂。 以前影视公司旗下的艺人，是靠直接互惠生存，即“我的行为依赖于你曾对我做过的事情”，而到了好莱坞模式下的独立经纪公司时代，变成了间接互惠，即人们是在一个群体内进行互动，我对你采取的行为，也依赖于你曾经对他人做过的事。如有人总结的，直接互惠看脸，间接互惠看名：以前调动艺人看人情关系，重脸面;以后艺人流动看别人对你的评价，重视品牌声誉资产，艺人变成如区块链中一个节点，要经过验证才能加入这个网络。 如此，正午阳光与艺人的合作，或许将在一个更高层次展开。 靠谱众投 kp899.com：您放心的投资理财平台，即将起航！ ...

以往看一个人是否吸毒要通过检测他的唾液、尿液或毛发来进行，但取样工作往往并不容易。近日，英国一家公司成功研发出通过指纹快速检测吸毒的技术，为吸毒检测提供了一种便捷的筛查手段。 指纹收集器和读出装置。 整个检测过程十分简单。人们只需把手指放在这个指纹收集器上按5秒钟，随后检测人员再把收集起来的指纹放到读出装置中进行分析检测，不到10分钟就能判断出这个人是否在最近几天内吸过毒。 据研发人员介绍，人在吸毒后，毒品中含有的一些物质会通过新陈代谢在汗液中排泄出来，而这项技术正是通过检测分析指纹中携带少量汗液的成分，从而判断出一个人是否吸毒。 在研发公司看来，与传统的吸毒检测方法相比，新技术有不可比拟的优势。 公司首席执行官沃克。 公司首席执行官沃克：我们研发的这款指纹检测吸毒系统，具有革命性的意义，因为它使用起来特别简单。此外，与传统的检测吸毒的方法，比如唾液和尿液检测法相比，指纹检测吸毒技术，既雅观又是非侵入性的。 研发人员表示，这项技术的应用范围十分广泛。 公司研发人员耶茨。 公司研发人员耶茨：这项技术可应用于军队的抽查和路边筛查，以及支持戒毒康复工作。还可以用于工作场所的人员检查，以及用于死亡早期的原因检测。目前这些检查每年都要进行上百万次，所以这项新技术的应用范围非常广泛。 靠谱众投 kp899.com：您放心的投资理财平台，即将起航！ ...

　　最近，四川第二大券商华西证券再次披露了《招股书》，冲刺IPO，不过随后，该招股书又被从证监会网站上撤下。这距离其2015年6月首次递交《招股书》，已经历了26个月的排队。 　　而野马财经注意到，IPO备战路上的华西证券，可谓命途多舛。 　　2015年，华西证券因为资管业务、两融业务为关联公司融资，不仅导致了数亿元的损失，而且连吃证监会两记警告；2016年，直投业务又出现新的问题：被投企业资金链断裂，老板失联；此外，公司对经纪业务依赖严重，2016年营收占比为57.1%，远高于行业32%的水平。 　　多重因素之下，已经等待两年有余的华西证券，能够实现自己的敲钟梦吗？ 　　过度依赖经纪业务 　　华西证券成立于2000年，注册资本金21亿元，老窖集团及泸州老窖合计持有华西证券35.66%的股份。 　　截至2016年12月31日，华西证券净资产为120亿元，规模列为全国证券公司第二梯队；共有 75 家营业部，其中 57 家位于四川、重庆地区，经纪业务的发展一定程度上依赖四川、重庆地区的经济发展水平和金融环境。 　　而且，梳理几大板块占营收的比重，可以清楚地看到，华西证券存在过度依赖经纪业务的情况。 　　《招股书》披露，证券经纪业务收入2015年占总营收的比例为74.9%，2016年为57.1%。相比之下，根据中证协最新统计数据，129家证券公司2016年的券商主营业务中，2015年经纪业务净收入占营业收入仅为47%，2016年为32%。华西证券所占比重几乎相当于其他券商同期平均水平的两倍。 　　对于经纪业务占比过高的问题，野马财经向华西证券董秘办求证，对方表示一切以《招股书》为主。 　　 　　更加重要的是，从收入状况来看，华西证券各项业务表现都不尽如人意。2016年华西证券营收27亿元，同比下降55%；2016年净利润16.5亿元，同比下降28%。 　　其中，资产管理业务下滑幅度最大，2016年为公司贡献只有972万元，同比下降74%。 　　而后，证券经纪业务下滑也较多。2016年，证券经纪业务收入为23.7亿元，同比下降56.7%；经纪业务，主要盈利模式是基于交易量和佣金率进行收费，熊市中的交易平淡自然也导致经纪业务不景气，和2015年牛市时不可同日而语。 　　再者，2016年，华西证券另一大主营业务证券自营业务，实现收入1.9亿元，同比降幅亦高达 44%。 　　当然，野马财经注意到，华西证券投行业务在2016年，实现了49%的增速。 　　并且，证券经纪相关业务的惨淡并不是个例。 　　受股灾的影响，2016年以来，券商行业集体遭遇寒冬。多家券商的营收和业绩都遭遇挫崖式下跌。历经熊牛变天的轮战中，看天吃饭依然是券商行业难以跨越的鸿沟。 　　尴尬的“直投业务” 　　直投业务，一直以来被看作是券商利润的“一块肥肉”。 　　这一业务在国际大投行收入中占比丰厚，远高于经纪业务的比重，而实际上，两种业务具有周期互补性，在经济动荡中，两种业务匹配发展可以极大增强公司的抗风险能力。 　　因此，直投业务也被国内券商看作未来业务发展的重要方向。 　　券商做直投业务，主要是通过出资设立的子公司使用自有资金进行股权投资或者债权投资，类似于VC、PE。 　　例如华西证券，其直投业务平台为华西金智投资有限责任公司（以下简称“金智投资”），注册资本金为2亿元。金智投资官网显示，金智投资重点投资方向为资源性行业、农业产业化龙头企业、品牌消费品与服务业、新型材料与装备业、节能环保业等。 　　“努力把金智投资打造成为西南地区最具影响力的券商直投公司，使直投业务成为公司的重要收入来源之一。”华西证券《招股书》披露称。 　　不过，从实际状况来看，想要实现该目标，任重道远。 　　2016年，金智投资实现营业收入273万元，净利润-3587万元。在金智投资官网上并未见到有任何与被投项目相关的信息，但野马财经发现金智投资至少曾经参与了2个项目，且项目均存在问题。 　　2014年，金智投资参与了当地龙头企业南江县百草中药材有限公司（以下简称“南江中药材”）的投资，后者是一家中药材公司，还上过当地的电视台，依托南江的富饶之地，欲耗资36亿元打造产业园。 　　华西证券副总裁李小平现场表示，力争三年内百草中药上市，把南江百草药业打造成国内、国际品牌上市公司。 　　然而第二年，南江中药材的实际控制人苟素英就发生失联，金智投资作为其中唯一的一家机构投资者，和许多民间投资人一样，变成了南江中药材的讨债人，入股的500万元股权投资以及1620万元的预付投资款等，直接打了水漂。许多民间投资人申诉无门，向当地政府进行举报。 　　 　　野马财经还注意到，据《成都商报》消息，金智投资还是四川一家猕猴桃科研、种植、价格等产业的公司——四川伊顿农业科技开发有限公司的第八大股东，2014年挂牌转让手中持有的伊顿农业股权，但没有找到接盘侠，之后伊顿农业资金链吃紧，2016年中新网还报道称伊顿农业拟伦敦上市，赴海外融资，目前没有最新消息。 　　华西证券早在2016年9月通过董事会决议，已经对四川伊顿农业判了“死刑”。上述两项投资，华西证券对此进行全额计提减值准备，金额合计 3541万元。 　　针上述情况，野马财经向华西证券进行求证，截至发稿前，并未得到官方回应。 　　上述直投项目的失败，究竟是“遇人不淑”还是能力问题？ 　　北京一家投资机构人士张诚对野马财经分析称，“ 直投占华西证券营收比例很小 ，对其影响不大。不过，从结果来看，该投资公司的判断能力和专业能力不足。” 　　在证券行业看天吃饭的大环境下，业务多元化发展并不顺利的华西证券，能够闯关成功吗？我们拭目以待。 　　靠谱众投 kp899.com：您放心的投资理财平台，即将起航！ ...

“我准备考虑一个问题：‘机器能思维吗？’”—阿兰.图灵，1950，《Computing Machinery and Intelligence》 前段时间在忙着炼丹（Deep Learning），还有几场大数据培训，很久没有动笔了。今天想和大家谈谈人工智能（Artificial Intelligence, AI），2017可谓人工智能元年，AI领域风投和创新、创业风起云涌，深度学习研究和应用持续火爆，以Facebook小扎和Tesla钢铁侠为代表的大佬们站队互掐，AlphaGo的成功营销与Watson的失败应用，国内BAT纷纷推出人工智能战略等等…这一波大数据驱动的AI热潮，发展势头强劲。下图是从我培训课件里截的，称之为四位一体看数据技术（Data Technology, DT），可以说AI高烧是大数据发展的必然。 图1 四位一体看DT 从上图可以看出，这些年从物联网，云计算，大数据到现在的人工智能，一个比一个热，这是DT前沿信息技术发展的大势，其内在的逻辑联系和发展趋势使然，终极目标直指人工智能。这就好比我们人体一样，物联网（移动互联网）构造了眼耳鼻舌身等感官，大数据是各种感官获取的感受信息，云计算是记忆存储，人工智能就是我们的认知决策。IT和DT技术发展本质是在拟人化、智能化，智能时代一定会到来是毫无疑问的，但是，发展过程也不要太乐观。本文作为《论大数据的泡沫、价值与应用陷阱》的姊妹篇，就来说说人工智能发展面临的问题和挑战。 1人工智能源起：图灵的智能之问。 我在前文《论大数据的泡沫、价值与应用陷阱》有讲到：“大数据时代，我们周围充斥着各种不同的理论、知识、信息和噪音，数据爆炸式增长和科技高速发展所带来的冲击，加大了未来的不确定性。当我们接收的数据和信息越多，面临的选择就越多，如若不善于过滤、挖掘和处理，对各种决策就可能会造成负面影响，当然也会放大我们对未来不确定性的恐惧。如何从混沌中发现规律，成为预测未来的“先知”，抑或是少出几只黑天鹅？是历代人类的梦想，不管是古人的占卜、算命还是现在的专家系统、商业智能、数据挖掘、机器学习、人工智能、智慧地球、智慧城市等技术和应用，都源于我们对未来不确定性的恐惧。”如何降低决策过程中的不确定性，通过智能技术进行前瞻预测是关键，不管是物联网、大数据、云计算还是DT偌大的技术生态体系，其核心都是为这一目标服务。从这个角度讲，传统商业智能应用90%失败这一论断是有道理的，因为基础的数据管理和常规的统计分析，不能称之为智能，换句话说没有成熟机器学习技术的支撑和成功应用，要说多智能那就是忽悠（后面我会讲IBM Watson的问题）。 机器如何智能，系统如何智能，可谓仁者见仁智者见智。我们先来看图灵是如何定义这一问题的。作为计算机科学和人工智能领域的先驱，图灵在1950年发表的著名论文《Computing Machinery and Intelligence》中，详细讨论了机器能否拥有智能这一问题，但也只是个开放性的讨论，其实图灵也未能定义什么是智能（但提出了著名的“图灵测试”）。在1956年的DARTMOUTH学术会议上，AI被正式提出，定义为：“研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门技术科学。通过了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，人工智能可以对人的意识、思维的信息过程进行模拟。人工智能不是人的智能，但能像人那样思考、也可能超过人的智能。智能涉及到诸如意识、自我、思维、心理、记忆等等问题。”由于我们对人类智能本身还知之甚少，所以人工智能的发展比预想的要慢很多。图灵当时也做了个比较乐观的预测，他预测在2000年左右，机器极有可能会通过“图灵测试”，拥有初步的智能行为，现在看来这一时间是延后了，从当前自然语言处理领域的发展现状及问题来看，要解答图灵的智能之问，还需要AI研究人员多年的努力。 2人工智能泡沫：神经网络“三起三落”的启示。 从历史来看，重大科学的研究往往呈螺旋形上升的过程，不可能一蹴而就。经历过“三起三落”的人工神经网络，能够在换马甲为深度学习后成功逆袭，正是机器学习领域几十年来积累诞生的重大科学研究和工程应用成果，当前深度学习被看作是通向人工智能的关键技术，被寄予厚望。 图2 神经网络的“三起三落” 我在10多年前对神经网络和支持向量机两个机器学习方向都有过粗浅的学习和了解，见证了神经网络研究三起三落其中的一段时光，见证了以支持向量机为代表的浅层学习技术的火爆，但却始终少有看到机器学习技术真正走出实验室，直到最近几年，神经网络换马甲为深度学习后成功逆袭，使得机器学习领域这几十年来积累的成果，得以逐渐走出实验室，在学术界研究和产业界应用都一鸣惊人，并有望引领人工智能关键技术的跨越式发展。 图3 人工智能的泡沫 但从另一方面看，神经网络的三起三落也就代表了人工智能的三个泡沫期，这给过分热衷深度学习技术与人工智能研究应用的人来讲，也是该降降温的，期望越大，失望越大，毕竟深度学习技术没有想象中的那么强大，至少在智能算法层面的突破很有限（主要靠的还是大数据和计算力）。换个角度看，深度炼丹术的兴起，会不会是因为机器学习算法研究几十年迟迟无重大进展，神经网络算法的一点小改进（正好遇到了大数据与GPU）就被当做了救命稻草？ 或者说即使神经网络的深度架构碰巧撞到了类脑学习机制，但我们能全面解码它吗？不太了解神经科学的研究水平，这个需要大家去悟了。 3人工智能价值：弱AI不弱，强AI难强。 AI目前的发展还处于弱AI（Artificial Narrow Intelligence ，ANI）阶段，但弱AI并不弱，如阿尔法狗一样，虽然只擅长某一方面的智能，但在这方面已然超过人类了。近年来，弱AI已经极大促进了信息化与智能化的发展，在很多领域提高了生产效率。如工业机器人、医疗机器人、智能问答、自动驾驶、疾病诊断、自动交易等系统工具，极大提高了生产力。弱AI不能像人类一样靠理性或感性进行推理和解决各方面（哪怕很简单）问题，机器只不过看起来像是智能的，其实只是既定程序的执行而已，只能解决某一方面的问题（就像下围棋不能代表会下象棋），不会有自主意识，不会有创造性。而强AI（Artificial General Intelligence ，AGI）的定位是在各方面相当于人类或者超过人类，也称为通用人工智能。 现阶段的人工智能研究和应用主要聚焦在弱AI，强AI的研究可以说还是停滞不前，难有进展。强AI能否实现还是未知，但要论人工智能的价值，我认为很有必要对两者进行对比，首先我个人是不支持发展强AI的，除非对其有绝对的控制能力，除非人类遇到了全球性灾难或需要星际移民，不然强AI出世就很可能是另外一种原子弹，绝对是弊大于利。弱AI帮助人类，是我们的好助手，能提高我们的生产效率和生活水平，强AI超过或代替人类，将是大部分人类的“终结者”，至少是劳动终结者，总不可能几十亿人都去从事艺术职业吧？当然弱AI发展也会面临这一挑战，但更可控和缓和很多。 4人工智能应用困境：先要搞清楚几个关键问题。 随着机器学习、深度学习和人工智能相关技术（强化学习、迁移学习、对抗学习等）的高速发展。阿尔法狗与人类顶尖棋手的人机大战，也注定成为人工智能的里程碑事件，当AI变得越来越复杂，越来越聪明，以至于在多个领域全面超越人类的时候，那时的AI会是提高人类生产力和生活质量的好助手？抑或是彻底控制奴役人类的天网？现在还难以下结论，但可以肯定的是接下来数十年里AI对人类生活造成的冲击将是巨大的。不管是技术层面还是产业应用层面，要对人工智能领域有个全面准确的理解和把握，可以说十分困难。下面提几点个人认为比较关键的问题供大家探讨。 （1）现在是人工智能的“黄金”时代吗？ 这个问题乍看是废话，现在AI这么火，当然是黄金时代啦。从人工智能的三起三落来看，现在是处于技术和产业发展的波峰。而这一热潮的兴起一是得益于深度神经网络技术的发展，二是通过物联网和移动物联网等技术，大数据的爆炸式增长成为常态。三是大数据分析预测是解决不确定性问题的必然，大数据条件下的复杂性问题，越来越难以应用传统建模技术加以解决，而客观世界的复杂性，传统的机械模型更是难以分析和预测。 图4 农业时代到智能时代 工业时代通过机械动力优化，放大了我们的体力，我们得以改造物理世界；智能时代通过算法优化，放大了我们的脑力，将极大改造我们的脑力世界。从人类社会发展大趋势来看，现在称之为AI黄金时代并不为过。但这里有个不确定性，那就是AI技术发展的瓶颈问题，深度学习技术能否担当重任，能否一鼓作气有更大的突破，或者几年后又得停滞不前几十年，都有可能。但可以肯定的是，对弱AI来讲，现在是再好不过的黄金时代，兴起的投资热潮也是看到了各个垂直领域应用弱AI的极大潜力；对强AI来讲，面临的技术瓶颈短期内难以突破，不过有没有可能多年后冒出个终极算法，全面解决类脑学习问题？不是没有可能，只是几率很小。 （2）人工智能的应用成熟度？ 尽管人工智能的发展已经超过50年，但仍然还处于一个比较早期的发展阶段，其应用主要集中在弱AI和垂直行业相结合的领域。从产业链上看，人工智能产业链包括基础支撑技术（如大数据、云计算等）、人工智能技术（机器学习、深度学习等）及人工智能应用（语音、对话、识别等）三个层面，其中基础技术支撑由数据中心及运算平台构成，即计算智能阶段，包括数据传输、运算、存储等；人工智能技术是基于基础层提供的存储资源和大数据，通过机器学习建模，开发面向不同领域的应用技术，包含感知智能及认知智能两个阶段，感知智能如语音识别、图像识别、自然语音处理和生物识别等，认知智能如机器学习、强化学习、对抗学习、自然语言理解等；人工智能应用主要为人工智能与传统产业相结合，以实现不同场景的应用，如机器人、无人驾驶、智能家居、智能医疗、智能问答等领域。从上述几个方面可以看出，AI产业链的应用成熟度取决于关键技术在垂直领域的突破，如果想靠大规模投资来快速推进AI技术的突破是不现实的，而是要反推，技术成熟一个再应用一个，这样比较稳妥。 图5 谷歌产品线应用深度学习技术 （3）人工智能的技术成熟度？ 这一波人工智能的发展，大数据处理、深度学习和GPU计算三个方面的技术起到了关键的推动作用。大数据的采集、基础管理和云计算、GPU计算等技术应该说比较成熟了。突破智能的难点还是在机器学习。我在前文反复提到过，不谈机器学习的智能技术多是在耍流氓。作为机器学习的子领域，深度学习虽然很牛，但它还是神经网络那套算法理论，几十年前就提出来了，换句话说还是在啃老本啊。不管是支持向量机、贝叶斯、决策树等浅层学习算法，还是深度网络衍生出来的深度强化学习、迁移学习、对抗学习等，大部分理论、算法在几十年前的人工智能教材上都能找到，唯一不同的加了个深度，有强大的计算力支持，能处理大数据了。 图6人工智能与机器学习 近年来的人工智能开源框架更是基本等同于深度学习，虽然TensorFlow、Keras、MXNet等深度学习框架备受开发人员推崇，但还是缺乏完整的人工智能技术链，深度学习被捧得太高不是好现象，传统的知识库、专家系统和规则式AI与深度强化、迁移、对抗等学习的融合才是AI发展的正途，另外从芯片、算法、平台、架构到应用等方面来看，弱AI要全面开花落地都还有较长的路要走。再就是浮夸风问题，一些科技媒体抱着Arxiv的某篇论文，就能说解决了某重大应用问题，十分不严谨。如果要给AI技术成熟度打个分的话，个人认为总分100分的话最多算70分，而且还是抱了深度学习的大腿。至于深度学习技术发展的后劲如何，短时间内是否发展成为Musk所说的那样可怕，那要看IT巨头们机器农场中深度网络的工程能力和“进化”速度了，没有大数据资源和大规模计算资源的一般研究机构和人员是很难知晓的。 （4）大数据如何助力人工智能？ 在提这个问题之前，大家可以思考一下，有没有非数据驱动的智能？换句话说，如果没有大数据，除了专家系统和规则式AI，人工智能怎么发展？能否在智能学习方面有所突破？现阶段的AI多是数据驱动的AI，因为没有数据的喂养，就没有深度学习的成功。数据驱动的AI离不开大数据，大数据与AI是一种共生关系：一方面，AI基础理论技术的发展为大数据机器学习和数据挖掘提供了更丰富的模型和算法，如深度神经网络衍生出的一系列技术（深度学习、强化学习、迁移学习、对抗学习等）和方法；另一方面，大数据为AI的发展提供了新的动力和燃料，数据规模大了之后，传统机器学习算法面临挑战，要做并行化、要加速要改进。当前的弱AI应用都遵从这一技术路线，绕不开大数据。 那么怎么做非数据驱动的AI呢？传统的规则式AI可以说是非数据驱动的，更多靠人工内置的经验和知识驱动，不过它最大的问题也是要人工介入，而且很难具有学习能力，靠的知识、记忆和经验建立的规则体系。强AI的目标是机器智能化、拟人化，机器要完成和人一样的工作，那就离不开知识、记忆和经验，也离不开通过知识、经验和记忆建立起来的认知体系（经验规则、知识本体）。从这个角度讲，强AI要实现只靠深度学习还不够，但也不能绕过深度学习，通过深度学习进行物理世界基础知识的初步监督式或半监督学习（幼儿要人教），深度学习掌握的知识必须要能存储记忆并形成经验规则，只有这样遇到新的问题之后，才能智能响应（小孩通过知识经验的积累，不再需要人教而能自我学习）。这需要学习、存储、记忆、推理和构建知识体系，所以说强AI短期要实现很困难。 （5）深度学习的“深”与“浅”？ 首先我们来看深度学习的“浅”，深度学习的核心理论还是基于浅层神经网络的堆叠，核心技术本身并无新意，Hinton也只是做了有限的改造和提升。另外，伟大的东西往往很简单，好比爱因斯坦的EMC方程，深度学习是一种朴素、简单、优美而有效的方法：像小孩搭积木一样简单地构建网络结构；性能不够，加层来凑的朴素思想，这种标准化、易用性的处理架构，极大降低了机器学习的难度，当然最关键还是应用效果。从这个角度理解，深度学习并无深意，只是对传统浅层神经网络做了少量改造。 再来看深度学习的“深”，在我看来，深度学习绝不只是几个具体算法、模型那么简单，而是一种仿人脑多层异构神经元连接网络的机器学习思想、方法论和技术框架（可能会从传统机器学习学科中分离出来，传统浅层学习模型的深度化是一大研究趋势）。各类深度学习网络的变异、进化、融合，结合GPU超级计算将是未来现实大数据条件下大规模机器学习的重要方向，特别是海量多模态大数据条件下的机器学习，没有深度架构只靠浅层学习，将无法支撑大数据条件下自动特征学习、模型的有效表达和记忆存储。当然，深度学习在当前看来是通向现实人工智能的一条有效途径，但不应该是一种包罗万象的解决方案。尽管深度学习的能力相比传统机器学习技术很强，但和真正的人工智能目标相比，仍然缺乏诸多重要的能力，如复杂的逻辑推理、知识抽象、情感经验、记忆和表达等。不过深度学习发展现在还处于初级阶段，能否真正实现类脑计算解码还需要时日加以验证；另外，随着深度学习的网络形式和深度架构的逐步演进， 与基于经验知识库的规则式AI相结合，能否形成终极的类脑学习框架，让我们拭目以待。 （6）Tesla钢铁侠和Facebook小扎到底在争个什么？ 前段时间，Tesla钢铁侠Musk与Facebook小扎进行了一场谁不懂AI的嘴炮对决，大佬们纷纷站队，貌似支持小扎的大佬要多一些？他俩到底争个啥，在我看来绝不是单纯的AI技术问题，而是在讨论强AI的可能性和强AI的觉醒时间。李嘉诚邀请阿尔法狗创始人戴密斯·哈萨比斯(Demis Hassabis)给他讲课，日本软银孙正义计划几百亿只投资人工智能相关项目，都是在押宝这一问题。其实弱AI与强AI的二元划分不是太合理，我们都知道技术的发展是个量变到质变的过程，弱到强之间难有技术分水岭，就像神经网络的三起三落，十年前没有大数据支持，神经网络学习效果不佳就说他弱吗？现在换了个马甲，因为有大数据了，学习效果好太多了就说它强吗？某一方面的技术不能说明问题，一个领域的突破性发展往往是一系列关键技术的改进在推动，缺一不可。 图7 人类发展进程曲线 那么大佬们当下关注的关键问题-强AI何时到来？这也是小扎和钢铁侠争论的焦点，这个时间节点能否预测呢？首先看下上图的人类发展进程曲线，这个曲线表达的是核心意思是，我们的发展进程是经历突变还是渐变多一些？这个还真不好说，原子弹发明之前，大部分科学家预测短期不可能，至少要几十年，也有科学家预测只需要几年，人工智能的三起三落也是，前几十年的乐观预测都失败了，未来几年会不会产生突变呢？谁也说不准，首先我们不能以深度学习技术现有的局限来推断其未来的发展潜力，就像我们不能预测Hinton是在2006年提出DBN，而不是1996或是2026？另外强AI能否觉醒，这得看未来数年里，是否有Arxiv上的某篇论文提出了机器学习的终极算法？或是Facebook机器农场中的某个深度网络全面解码了人脑的学习机制，抑或是谷歌机器农场中的某个深度网络通过本体学习和记忆产生了初级意识。 5人工智能五大门派对决：Watson vs. AlphaGo 上文说到，强AI的可能性，强AI何时能实现？是以小扎和钢铁侠为代表的大佬们，关于谁更懂AI展开嘴炮的焦点。要回答这一问题，首先得搞清楚AI技术发展的现状和瓶颈，下面就通过当今世界最顶级的两个AI系统，阿尔法狗（Alphago）和沃森（Watson）的对比分析，来深入探讨这一问题。 AlphaGo采用的核心技术我在前文《阿尔法狗（AlphaGo）彻底战胜人类意味着什么》中有深入分析，简单来讲，其基于深度学习+强化学习+蒙特卡洛树决策的组合式学习方法（或者说学习框架）应用说摸到了类脑学习的边，其学习下棋分为三个阶段：（１）通过对棋谱的深度学习完成策略网络的构建，采用深度学习技术训练一种有监督学习型走棋策略网络，类似于我们的观察学习获得的第一反应。（２）通过自我对战强化学习来提高博弈水平，采用强化学习技术来优化先前的走棋策略网络，通过自我博弈的强化学习迭代结果，来提升前面的策略网络。即与之前的“自己”不间断训练以提高下棋的水平，这个过程有点类似于人类的巩固学习和理解贯通阶段。（３）通过深度回归学习构建估值网络，用来预测自我博弈强化学习数据集里局面的预期结果，即预测那个策略网络的局面会成为赢家。结合蒙特卡洛树（MCTS）搜索压缩搜索空间，降低了搜索时间复杂度， MCTS决策有效结合了策略网络和估值网络，类似于人类的判断决策过程。 Watson的系统架构如下图，IBM 关于 Watson的宣传资料提到，Watson原来只有1个 “深度问答”的API，现在已经有42个API应用于36个国家的几十个行业，内容涵盖文字图像识别、自然语言理解、专业知识学习、人类情绪分析等各个领域。通过其技术架构分析，可知Watson 的核心功能是文本挖掘和知识问答，核心技术采用了基于统计学习算法和规则式自然语言处理（NLP）技术。从这个角度讲，IBM Watson的学习能力是十分有限的，依靠的海量非结构化大数据，加知识规则匹配，其重点宣传的认知智能是基于自然语言的情感分析和语义理解，是否采用了更为先进的深度学习算法不得而知。可以肯定的是网上关于Watson系统的负面评价却不少，医疗智能诊断AI的失败，暴露出了不少问题，比如需要几个月时间进行繁重的训练，专家们需要给系统喂养海量条理清楚的数据（未经整理过的数据一般不能用，这是浅层学习模型的硬伤，而深度自动特征学习在一定程度上改善了这一问题，但还有相当大的技术瓶颈需要突破），而且不能在不同的数据集之间建立联系（这点是Palantir大数据系统的强项，详见前文《大数据独角兽Palantir之核心技术探秘》）。 图8 IBM Watson架构 几十年来，人工智能技术研究的五大门派（如下图）一直以来都在彼此争夺主导权。 (1)符号派：使用符号、规则和逻辑来表征知识和进行逻辑推理，最喜欢的算法是：规则和决策树。(2)贝叶斯派：获取发生的可能性来进行概率推理，最喜欢的算法是：朴素贝叶斯或马尔可夫。(3)进化派：生成变化，然后为特定目标获取其中最优的，最喜欢的算法是：遗传算法。(4)类推派：根据约束条件来优化函数（尽可能走到更高，但同时不要离开道路），最喜欢的算法是：支持向量机。(5)联结派：使用概率矩阵和加权神经元来动态地识别和归纳模式，最喜欢的算法是：神经网络。 图9 人工智能五大门派 通过上述比较分析，可以看出AlphaGo与Watson的优劣。AlphaGo的技术框架通用性更好，深度学习能力更强，而Watson更多采用的传统规则式AI技术，虽然有自然语言文本等非结构化大数据优势，但没有关联挖掘和深度学习能力，其智能化水平有待提高。另外，通过AlphaGo与Watson核心技术架构的对比，在大数据条件下，联结派和符号派AI谁更牛高下立见，但都有各自的优点和缺点。根据Domingos的观点，机器学习五大门派有望交叉融合产生终极算法，但是时间上却难以推测。个人认为，未来联结派和符号派的融合会是大势所趋，基于自动特征抽取和规则关联推理的深度学习，与基于知识经验的终身学习相结合，是AI进一步发展的关键技术方向。 6如果强AI觉醒，我们将走向何方？ 最后做点展望，人工智能技术毫无疑问会改变我们的世界，越是强大的技术，其自身发展的速度（指数级）也是难以想象和预测的，当谷歌的自动驾驶狗（已行驶超200万公里）、医疗狗（DeepMind各种疾病诊断AI已初现身手）、翻译狗（谷歌几十种语言的自动翻译）、军事狗（Boston Dynamic机器人）、金融狗…等各种狗连成一片的时候，工业机器人很可能会走出牢笼，变身各种机器助手进入到我们家里和办公室里，而AI的服务端则会像电力一样提供源源不断的智能信息服务，到时我们的社会究竟会变成怎样，这不是一个单纯的技术问题，特别是面对强ＡＩ技术的研发和应用，我们应该重视其对社会、经济、政治产生的深远影响。假如有一天强ＡＩ真的觉醒，对于人类的未来，可以说是吉凶难测，这取决于我们的技术管控和团队协作等能力，还取决于更重要的一点，那就是人性。 最后列几则关于ＡＩ发展的正反方观点，难说谁对谁错，具有代表性，供大家思考。 李开复：“类人机器人只是科幻，人形机器人将马上进入千家万户的说法，简直是无稽之谈。人工智能擅长对目标明确的工作进行优化（但是不能创造，没有感情）；机械控制的发展速度较人工智能软件的发展要缓慢得多；传感器虽然得到迅猛发展，但价格昂贵、体积偏大且太耗电。机器人的开发要牢记实用性这一原则：机器人或能创造效益，或能节省成本，或能提高生产，或可以提供娱乐。过度担忧可能导致大众忽视AI正在带来的巨大机遇，也会让更多更紧迫的AI问题没有得到关注，这只会捡了芝麻丢了西瓜。未来十年，AI将大规模地取代那些依靠人力的、重复性的、分析性的岗位。因此，我们要肩负起创造更多社会服务性岗位的职责，而不是空想或谋划一个充斥着“不适用于人类”职位的社会…” 扎克伯格：“人工智能威胁人类的观点“相当不负责任”，未来五到十年，人工智能会大为改善人类生活质量。人工智能已经在诊断疾病方面提供帮助，自动驾驶汽车也是人工智能改善人们生活的一种表现。科技应用一直都利弊兼有，创造技术的时候需要小心，但有人主张要放慢人工智能的研究步伐，其动机确实值得怀疑。” Elon Musk：“我认为，我们对待人工智能应当非常谨慎。如果让我猜测，人类最大的威胁是什么，那么就是人工智能。因此我们需要非常谨慎。我越来越感觉到，这里应当有一定的监管，或许是在全国层面，或许是国际层面，这只是为了确保我们不会去做一些蠢事。” 比尔盖茨：“我和那些担心超级智能的人同处一个阵营。起先，机器将帮我们做许多工作，更不用说超级智能。如果控制得好，人工智能应该会非常有利。不过，几十年后人工智能会强大到足以令人担忧的地步。在这一点上我赞同Elon Musk等人的看法，而且我不明白为什么一些人会对此仿佛若无其事。” 马云：“我认为人工智能，你是改变不了的，这是一个巨大的趋势，你只能改变自己。为未来来讲，三十年也好、五十年也好，人类的冲击一定会非常之大，而且一定会非常疼痛的，任何高科技带来的问题，带来好处也会带来坏处。有一点是肯定的，未来的机器一定比你更了解自己，人类最后了解自己，是有可能通过机器来了解的，因为我们的眼睛是往外看的，IT往外看的，但是DT是往内看的，往内走才是有很大的一个差异。至于前段时间比较热门的AIphaGo，人跟围棋下，我在深圳互联网大会上讲了一下，我认为这是一个悲剧，围棋是人类自己研究出来，自己玩的东西，人要跟机器去比围棋谁下得好，我第一天就不会比，就跟人要跟汽车比谁跑步跑得快，那不是自己找没趣吗，它一定比你算得快。” 王垠：“很多人喜欢鼓吹人工智能，自动车，机器人等技术，然而如果你仔细观察，就会发现这些人不但不理解人类智能是什么，不理解人工智能有什么局限性，而且这些“AI 狂人”们的心，已经严重的机械化了。他们或多或少的失去了人性，仿佛忘记了自己是一个人，忘记了人最需要的是什么，忘记了人的价值。这些人就像卓别林在『大独裁者』最后的演讲里指出的：“机器一样的人，机器一样的心。”每当提到 AI，这些人必然野心勃勃地号称要“取代人类的工作”，“节省劳动力开销”。暂且不讨论这些目标能否实现，它们与我的价值观，从一开头就是完全矛盾的。一个伟大的公司，应该为社会创造实在的，新的价值，而不是想方设法“节省”什么劳动力开销，让人失业！想一下都觉得可怕，我创造一个公司，它最大的贡献就是让成千上万的人失业，为贪得无厌的人节省“劳动力开销”，让贫富分化加剧，让权力集中到极少数人手里，最后导致民不聊生，导致社会的荒芜甚至崩溃……” 参考资料： 1. 什么是人工智能？《NEWTON科学世界》2014年第3期 2. 论大数据的泡沫、价值与应用陷阱。http://www.datagold.com.cn/archives/7052.html 3. 阿尔法狗（AlphaGo）彻底战胜人类意味着什么？http://www.datagold.com.cn/archives/7591.html 4. 我为什么不在乎人工智能。http://www.yinwang.org/blog-cn/2017/04/23/ai 靠谱众投 kp899.com：您放心的投资理财平台，即将起航！ ...

如何治疗癌症，这一直是医学家的一大难题。现在，一种新技术或许能让人类在治愈癌症的道路上更进一步。科学家发明出一种纳米机器，可以精确地钻透并杀死癌细胞。 （图注：绿色部分为纳米机器钻孔的轨迹。） 这是一种纳米级的微型机器，可以像钻头一样旋转，由光能驱动，速度极快。它可以钻透细胞衬里，在短短60秒的时间内杀死一个癌细胞。 这项研究的测试在英国的杜伦大学进行。研究人员花费了1-3分钟，使用纳米机器钻透了人类前列腺细胞的细胞膜，完全杀死了这个细胞。该研究被发表在了《自然》杂志上。 纳米机器可以有效地对抗一系列癌症，包括目前抗拒治疗的癌症等。 杜伦大学的罗伯特·帕尔博士（Dr. Robert Pal）认为，纳米机器可以有效地对抗一系列癌症，包括目前无法治疗的癌症。他说：“我们正在努力实现我们的愿望，即使纳米机器来靶向打击癌细胞，如乳腺肿瘤和皮肤黑素瘤，包括对现有化学疗法有抗药性的细胞。一旦这项技术得到发展，它将可以为非侵入性癌症治疗提供方向，并大大提高全球的癌症生存率，为患者谋求福利。” 当被激活时，机器上的马达可以旋转钻入指定细胞中。在大学的实验表明，纳米机器也可以找到指定细胞但不钻入，等待激活后再进行钻孔动作。他们发现，纳米机器每秒需要旋转2-3百万次才能进入细胞。 靠谱众投 kp899.com：您放心的投资理财平台，即将起航！ ...

半年前，宣亚国际公告，计划收购蜜莱坞（映客），市场猜测不断。昨日，宣亚国际抛出重组草案，令人惊叹，变相卖壳玩的是炉火纯青。 简单交代一下资料，宣亚国际的控股股东宣亚投资持有映客0.7423% 股权，这次宣亚国际28.95亿计划收购43.3508% ，收购完成后，宣亚国际就拥有了映客的控股权。 在这场收购中，大家最关心的应该是映客的估值——60.6亿。以及，映客的赚钱能力，2016年净利润4.8亿，今年第一季度净利润2.44亿。可以说，映客这家成立不过 2 年的公司，在直播风口上迅速膨胀。 但是，关于这次重组方案，应该还有一些细节，更值得思考。 现金交易规避监管 这一次，宣亚国际借钱现金收购，完美规避了并购审核。宣亚国际的总市值 72 亿，而映客的估值是 60.6 亿，从下表来看，无论用什么方式，这次收购必将构成重大资产重组。 通常来说，上市公司重组，会以「发行股份+现金」的形式进行收购，但是，发行股份意味着要通过并购委员会审核，众所周知，去年以来，关于互联网、影视等行业的并购监管趋严，像映客这么高的估值，恐怕很难通过审核。 这时候，重点来了，宣亚国际不发行股份，根据并购分道审核机制，现金交易不需要过会，这样从法律层面讲，即使监管层觉得标的公司存在泡沫，也只能发发问询函，并不能因此直接叫停。 换句话说，无论映客 60.6 亿的估值是否存在泡沫，只要宣亚国际的股东大会、董事会批准了，这场收购就势在必行。 而目前进展是，本次交易已经宣亚国际董事会和蜜莱坞股东会审核通过，尚需取得公司股东大会的审批及通过中国商务部经营者集中反垄断审查。 举债重组 既然是借钱，就会有债主。资金来源很重要。因为银行贷款不得用于收购股权，除非是专门的并购贷款，但总额不超过收购金额的 50 %，且要银行审核。 而宣亚国际的办法是——向股东借钱呀！公告原文是「宣亚国际本次交易的收购资金总额计约28.95亿元，均来源于宣亚国际四个股东拟提供的长期借款」 从形式来讲，这个模式没硬伤。按照宣亚国际的逻辑，映客是个赚钱小能手，映客原股东承诺，2017、2018年、2019，净利润分别不低于4.92 亿、5.75 亿、6.65 亿。利润高，偿还债务的现金流就充沛。 看这是一个挺划算的买卖。你以为，宣亚国际的的心理活动很是：映客是赚钱的，收购刺激股价上涨的可能性更大，到时候再融资买回债务，或是拖过一年并购期，再发股就不算借壳？ Tooyoung，Toonaive！ 距离借壳一步之遥 虽然是现金收购，但是交易完成后，收购资金只是在映客原股东手里转了一圈，又回到了宣亚国际身上。而宣亚国际为此付出的代价，就是股权。 画了一个非常丑的图，希望你们能看明白。 下面是宣亚投资增发股份的操作，经过这次操作以后，映客团队成功拿到宣亚国际29.93%的股权，等同于变相卖壳，但是不需要过会，手法相当高明（如果嫌麻烦，可以直接看最后一段）。 重点来了（敲黑板），在这次交易之前，宣亚国际主要股东为宣亚投资、橙色动力、金凤银凰、伟岸仲合。其中， 控股股东是宣亚投资（持股37.5%），张秀兵、万丽莉夫妇合计持有宣亚投资100%的股权 。 交易完成后，原映客股东要增资入股，具体是奉佑生、廖洁鸣和侯广凌合计持有宣亚投资42.01%的股权；侯广凌、廖洁鸣和映客常青合计持有橙色动力42.01%的出资比例，映客远达、映客欢众合计持有伟岸仲合42.01%的出资比例，映客常青和映客远达合计持有金凤银凰42.01%的出资比例。 也就是说，交易完成后，映客的原股东，通过宣亚国际的四大股东，合计持有宣亚国际 29.93%股权。 而宣亚国际目前的实际控制人，张秀兵夫妇只有 21.75%。虽然，收购草案中注明，映客团队不会谋求控股权，但交易完成后，他们就会成为事实第一大股东。 一旦，未来映客团队达成一致行动人，那么就将意味着宣亚国际从此易主。 靠谱众投 kp899.com：您放心的投资理财平台，即将起航！ ...