雷锋网

（图来自凤凰科技）

近日，日本软银决定斥资234亿英镑收购英国芯片设计公司ARM公司，此次收购价格相当于ARM去年营收的23倍，相当于2015年净利润的70倍。至于收购的动机，有媒体声称，“日本软银试图收购ARM与人工智能有关”，并言之凿凿“至于为何要收购ARM，便要从软银掌门人孙正义那个人工智能梦想开始。最近几年，软银一直在积极推进在机器人领域的发展，他们推出了Pepper人形机器人，并且还会不断提升公司的人工智能行业竞争力。”

那么事情的真相是否如媒体所言呢？

| ARM的主要业务有哪些?

ARM公司是国际IC设计巨头，ARM处理器占据了全球约95%的平板电脑和智能手机。和Intel直接卖芯片不同，ARM并不直接出售芯片，而是出售技术授权。ARM的产品线很长，有从系统IP、物理IP、GPU、视频解码、显示等产品。最广为人知是ARM的Cortex系列处理器。其中Cortex-A面向开放系统；Cortex-R面向嵌入式系统；Cortex-M面向各种微控制器；SC系列面向支付、电子政府、SIM卡等安全市场。这些产品成为ARM与Intel分庭抗礼的基石。

近年来，ARM积极扩展的是低功耗服务器市场，虽然在服务器市场尚未打开局面——在软件上生态依旧没能形成气候，在硬件上也遭遇Intel至强D系列芯片的狙击。但在人工智能方面，ARM却有不少动作。根据公司财报透露，公司内部有一项Blue Sky Program，仅在2015财年，ARM就部署了488位工程师投入到“ARM从未涉足过的产品领域”研发，而这个未涉足过的产品领域就是人工智能。而日本软银的条件中，会大幅增加ARM的员工数量，这些扩充的员工也会投入到人工智能的研发中。因此，如果始终将ARM看成局限于嵌入式芯片的IC厂商，就未免OUT了。

| 收购ARM和发展机器人产业的关系

机器人有三大核心零部件，分别是减速器、伺服电机、控制器，三者分别占机器人整机成本的35%、25%、15%，而且减速器和伺服电机市场份额大半被发达国家所占据——在减速器方面，日本Harmonic是谐波减速器领域的领军者，占据了约全球15%的市场份额；日本Nabtesco在ＲV减速器领域的全球市场份额约为60%。在伺服电机方面，日系公司约占全球市场份额的40%；西门子、博世、施耐德等德系品牌占据全球市场份额的30%左右。

（龙芯机器人控制器）

控制器相当于机器人的大脑，用来发布和传递动作指令，包括硬件和软件两部分：

软件部分主要是控制算法。硬件就是工业控制板卡，包括一些主控单元、信号处理部分等电路。真正能和ARM搭上关系的就是控制器所采用的芯片了，虽然ARM在控制器上一定市场份额，但控制器并非只能用ARM。实际上，基于Intel的X86芯片也能做机器人控制器，甚至还有基于龙芯的机器人控制器，此外，还有基于DSP和FPGA的工业机器人控制器。

因此，机器人控制器领域，X86、ARM、MIPS其实是处于同台竞技的时代，不存在X86在PC领域，ARM在手机、平板领域处于高度垄断地位的情况。因此，说收购ARM只是为了发展机器人产业，未免有些牵强附会。但说收购ARM和发展机器人产业毫无关系，也未免有失偏颇。毕竟在机器人控制器方面，ARM还是占据了相当大的市场份额的。

| 哪些芯片可用于人工智能？

人工智能是以计算为手段实现类似人类的感知或认知功能，或研究由此派生的问题求解器。用最简单的话说就是让机器模拟人的思维方式，使电脑能以类似人脑的方式进行思考、识别语音、识别图像、理解文章含义。

目前限制智能发展的核心因素两个：

一是算法上还没有达到完善，现在对智能计算的过程理解不够。

二是硬件性能不够。人脑有千亿神经元，百万亿突触构成的复杂网络，而现有芯片和这个还有多个数量级差距。

为了开发出性能足够强悍的硬件，科研人员采用了三类做法：研发神经网络芯片、DSP、以及GPU。

针对人工智能开发硬件，第一种做法是开发专门用于人工智能的芯片，也就是神经网络芯片。神经网络芯片可用于解决机器视觉、听觉和自然语言处理等领域的实际问题，可以用于卷积神经网路（CNN）、循环神经网络（RNN）和长短期记忆网络（LSTM）等处理语音和自然语言的网络，最典型的代表就是中国的“寒武纪”芯片、IBM的“真北”。

 

（寒武纪）

第二种做法是将传统的面向数字信号处理的DSP处理器架构用于处理神经网络（主要在运算器方面作了相应修改，例如低位宽和超越函数），这种用传统SIMD/DSP架构来适配神经网络的技术思想在国际上已有不少先例，甚至有成熟的产品，例如中国的“星光智能一号”、CEVA公司的XM4处理器、Cadence公司的Tensilica Vision P5处理器、Synopsys公司的EV处理器等。这种DSP仅可支持神经网络正向运算，无法支持神经网络的训练，和神经网络芯片相比有一定差距。

第三种做法是采用GPU，最典型的例子就是英伟达为人工智能定制的GPU，但这种GPU和神经网络芯片相比，有百倍以上的能耗劣势——以“寒武纪”的DianNao为例，DianNao为单核处理器，主频为0.98GHz，峰值性能达每秒4520亿次神经网络基本运算，65nm工艺下功耗为0.485W，面积3.02mm^2。在若干代表性神经网络上的实验结果表明，DianNao的平均性能与主流GPGPU相当，但面积和功耗仅为主流GPGPU百分之一量级。

那么ARM选择哪种做法呢？据消息人士透入，ARM已经在着手研发NPU和DSP，据说在软银收购ARM后，新增加的员工也将投入到这方面的研究中。将来，手机中的ARM芯片可能集成的不仅仅是CPU、GPU、DSP，还将集成NPU向大众提供和人工智能有关的服务。

| 结语

自谷歌“阿法狗”大战李世石后，人工智能一度炙手可热，俨然成为资本市场的宠儿，这也是中国“星光智能一号”明明是DSP，却要声称自己是神经网络芯片的重要原因。在最近负面消息缠身的情况下，向人工智能进军无异于是对资本市场释放一个利好的信号——毕竟“没有钱是万万不能的”，通过一些传媒和资本运作方式，提升自己的股价对于软银而言也是大有裨益的。

雷锋网注：作者铁流，微信公号tieliu1988。雷锋网独家文章，转载请联系授权并保留作者和出处，不得删减内容。

伊隆·马斯克想让太阳能基础设施变得更优雅性感。

更准确地说，正如其在“绝密计划”里说的那样，他想要建立“一个顺滑整合的、美观的太阳能屋顶产品”。不得不说，这是个好主意。

这个“绝密计划”于7月20日重磅发布，在描绘了特斯拉下一个十年的《特斯拉蓝图之第二篇章》（Master Plan, Part Deux）里，太阳能业务被他放在了四个所要谈及的要点的首位。

传统太阳能电池板：离“美”太遥远

我们不太能知晓马斯克所说的“太阳能屋顶产品”的确切意思。然而从他精心挑选的措辞来看，使用了“整合的、美观的”这样的词汇，由此我们可以猜测出大致的图景。同时，他也暗示了现在消费者使用的太阳能板产品确实不那么好看。

图自：Solar Panel Machines

马斯克是正确的。几十年来，使用太阳能设备也就意味着要把一堆像电脑显示屏样的东西粘到你的屋顶上。这并没有多糟糕，但显然也没有多棒。“一些人热衷于传统太阳能板的技术象征意义，但是这毕竟终将成为残遗物，就像已经徒具象征意义的Atari游戏机或车载电话。”一位Snøhetta公司的建筑师Aaron Dorf说道。Dorf还表示，在不远的将来，安装成本和电池效率将不再是多大的问题，“而马斯克非常聪明地指向了一个或许更加重要的开端－－美观性。”

同样注重“设计感”的其他同仁

特斯拉将不会是唯一一家把审美趣味提升至重要位置的公司。过去几年，太阳能板不仅价格更便宜，而且变得半透明、多彩、可具弹性，并且能十分巧妙地融进周围建筑物里而不被察觉。比如，总部位于布鲁克林的Pvilion公司，就设计出一款帐篷模样的太阳能搜集装置，不仅结构像帐篷，质感也类似于纺织品。另外，Sistine Solar公司有一款预计明年面市的“太阳能皮肤”板，将光伏电池件混合进瓦片和墙面里，从而与房顶的整体风格保持一致。Brooklyn Solarworks的联合创始人T.R.Ludwig表示，现在有一种很前沿的半透明“双面”电池板，它的光伏件能像三明治一样被夹在玻璃窗里，其两面都可以搜集太阳能，效率有很大提升，可以作为传统太阳能板的替代品。而且，这种设计“在审美趣味性方面更加小巧和圆滑，”Ludwig说道。

城市建设中对这种创新样式的需求正在扩大，建筑师正在越来越多地承担将建筑物翻新，并融进太阳能基础设施的任务。来自Koning Eizenberg Architecture公司的Brian Lane说道：“由于人们往房顶上放置的东西越来越多，同时还想要产出更多能源，所以希望能设计出以垂直的角度放置在屋顶的太阳能板，这将是目前的一项技术挑战。”

4年前，Lane的公司把洛杉矶的“28号大街基督教青年会”（28th Street YMCA）翻新了一遍。这个具有西班牙殖民复兴风格的四层楼建筑物，由美国著名非裔建筑大师 Paul R. Williams于1926年建造，曾在2006年被收入洛杉矶历史文化遗迹（ Los Angeles Historic-Cultural Monument ）名录，具有重要历史价值。当时的屋主希望在不破环原有风格的基础上使其更加环保。而Lane和他的团队将太阳能板垂直安装在了建筑物的后墙上，而不是像通常那样水平放置在屋顶。

图自：Los Angeles Department of City Planning

美观之外问题：安全和耐久性

除了设计上的需求之外，太阳能板还面临很多问题。首先是安全。Lane说：“当你开始跟消防部门协谈在屋顶安装太阳能板的时候，对方会问你如果它着火怎么办？”确实，太阳能电池的一个危险就是它电量太大，一旦着火十分危险。2013年美国新泽西州一座占地30万平方英尺的冷冻仓库失火焚毁，当地消防队长归咎部分原因于太阳能板。屋顶上700片太阳能板并非失火原因，但这让消防队长决定不登上屋顶灭火，因为只要在日光之下，太阳能发电就无法停止，现场电量太庞大可能会让消防人员涉险。

Ludwig表示，这样的火灾风险，使得自己在纽约这样的城市几乎拿不到安装太阳能板的许可。简化太阳能板的断电步骤，提升在火灾中的安全性是太阳能产业亟待解决的部分。

波士顿大学的Malay Mazumdar教授指出，传统方式建造的屋顶寿命是50年，而如今的太阳能板则需要每25年更换一次。“如果你要将屋顶和电池板融合在一起，你就需要问自己，25年后你愿意再重新换一遍屋顶吗？”Mazumdar教授说道。如果特斯拉想要设计出令人惊艳又能顺畅整合太阳能屋顶，那么他们就应该考虑增强其产品的耐用性。或者，退而求其次，至少是易于更换的。

另外，还有这些因素制约着太阳能产业的发展：光伏电池板与太阳的合适角度，电池板放置在旧建筑上的压力、成本与效率的平衡。我们假设马斯克这么多年来已经把这些方面都考虑到了，然而他新提出的“美观的、令人惊艳的、多合一系统”额外面临着巨大的设计挑战，而这个挑战也是业界的一些公司正在牟足劲儿解决的。

（题图为Kendal Jenner，图自：Vogue）

Via MIT Technology Review

雷锋网按：本文作者程炳皓（微信公众号：程炳皓），开心网创始人。

7月22日，开心网创始人兼CEO程炳皓发出了辞职信，宣告自己退出开心网并向开心网和开心人“说再见”。曾经红极一时的开心网社区在转型做游戏之后，最终曲线回归A股。在这8年的尾巴上，程炳皓写下了自己的反思。文章首发自程炳皓的个人微信公号，在征得本人授权后发布于雷锋网。

2008年我和几位新浪的同事创办开心网（北京开心人信息技术有限公司），到现在（2016年）我离开，一共八年，这是我对自己八年的总结和告别。

其实我思想上的总结都还远没有完成，这篇文字总结就还更加缺乏章法，但是我昨天受到众多朋友的热情关心和关注，手机电量很快用光，特别是媒体朋友提出很多问题，只好现在仓促贸然发出了。也许再过几年，我能再做一个开心网总结2.0。

开心网最辉煌的时候，已经被无数次解读（包括我自己的解读），我这里主要从不辉煌角度解读。

2009年，很多人都认为开心网有机会成为一家超级互联网公司，但是令我愧对投资人与员工的是，开心网却从2010年就开始用户活跃度下滑，最后转型成为一家手机游戏公司，不再是一家平台公司，2015年开心人公司利润有大几千万，这是开心人们聪明和奋斗的结晶，但是确实离09年看到的“最好的可能”相去甚远。为什么？

为什么离“最好的可能”相去甚远？

以下就讲一下，我看到的原因，但这肯定不是这个问题的最终答案，这只是我个人做的一个复盘，欢迎指正。

一、先从人身上找原因，我个人的局限：

我创业前没有全面统管过一条业务线，主要从事产品和技术管理工作，对于销售、市场、投融资、公司战略、公司治理、财务、法律，没有实际经验，有媒体评论说我“不够商务”。

没有重点管理过非产品技术类人员，比如销售、市场、业务拓展，这些人员的管理与技术人员完全不同，对我来讲有一个学习过程。

我喜欢给自己设定过高的目标。没有困难创造困难也要上。

典型的工程师完美主义者天性，对于不熟悉的领域，条件不确定的事情偏保守。

我本性情商很低，也不喜欢合作，更喜欢完全掌控地完成一件事，不喜欢谈判，不喜欢参加各种会议，也许我是轻度的“社交恐惧症”患者。

再下来，是我对业务的思考。

二、“假开心网”打败了真开心网吗？

当然不。虽然我们遭受了很大的损失，几千万本来应该属于我们的用户被劫持走了，这件事的处理凸显了我在刚创办公司时候商业意识的不成熟，如果此事能够避免，我们应该能够有更多资源和时间，会对公司运营带来很大帮助。尽管如此，我们的主流用户群仍然用真正的开心网，在2011年我们终于迎来法庭最终判决，假开心网关闭。

三、微博、微信的竞争

是微博、微信打败了开心网吗？我的回答：不是。微博、微信的用户群和我们的用户群很相近，对我们有很大的影响。但是我们的用户活跃度下滑，是产品自身的特性和生命周期导致。微博、微信的出现加速了这个过程，但这不是根本原因。

四、开放平台

有朋友认为开心网推出开放平台比较晚而且开放也不够，并认为这是开心网用户活跃度下滑的主因。我的意见：批评得很对，但是我不认为这是根本原因。身处互联时代，我们应开放做企业，我们每一个人也都要持开放心态，如果开心网的开放平台建设好，对于开心网毫无疑问会有很大帮助，我们当年这方面动作确实慢了，但是开放平台对于留住用户也只能起到辅助作用。我认为，真正最重要的原因，有两个：

1、偷菜停车，也有生命周期。

社交游戏，和传统游戏看起来有很大不同，乐趣的核心点在“社交”，其实应该称作“游戏社交”可能更合适。其用户遍及男女老幼，因为是横空出世地完全创新，用户一开始得到全新的体验，乐趣极强黏性极强传播极快，但是终究也会有生命周期。

最重要的是，这种社交游戏不像传统游戏，传统游戏可以不停地换新题材、新玩法，一直不停地做下去，而社交游戏的乐趣在于人和人的一种新形式的交互乐趣——善意的玩笑，这种善意的玩笑经历了几次改良创新——从朋友买卖到争车位到偷菜，人们对这种玩笑的笑感被用尽了。用户不是对一款社交游戏失去兴趣，是对所有社交游戏失去兴趣。2011年之后，市场上基本没有纯粹的社交游戏了，有的只是传统游戏加上社交元素。

这是开心网第一个“命门”。之前也有不少人提到，大家给出的解决方案是，“你应该专心做社交”。这就要说下一个产品上的命门，这一个命门，我没有听别人讲过，是我自己的分析，对错与否，看官自己品鉴。

2、熟人社交不是刚需，无法成为支撑一个产品的最大支柱。

论据，除了我们自己一路运营的体会，还包括中国市场的客观状况，事实上，之前除了我们，还有很多家公司致力于“熟人社交”，但是现在基本都已经不是主流产品。

我知道你要说，“微信”，解释是，微信的核心黏性是“通讯”，通讯毫无疑问是最刚的刚需，微信是在通讯这个刚需的支撑下，附属了朋友圈，也许用户花了很多时间在朋友圈，但是朋友圈不是核心黏性。

微博？微博不是“熟人社交”，也许上面有熟人互粉，但那不是主流。陌陌？陌陌当然不是熟人啦，名字都写了。

最后你要说“facebook”，对不起，我不生活在美国，对于美国的社交产品我没有足够的发言权，但是中美两国互联网发展这么多年的历史已经表明，两个国家的互联网产品不是一一对应的关系，关于这一点，我们有很多的经验教训，试举一例，中国市场的农场游戏，社交因素体现在“偷菜”，这也是重要的核心乐趣，但是美国facebook上面最火的农场游戏，社交体现在“帮忙和分享”，我们后来又推出了一系列社交游戏，体现这种“帮忙和分享”，用户的热度远不及“买朋友做奴隶”、“贴条”和“偷菜”。

再详细讲一下，我们对于“熟人社交”的体会过程。事实上，开心网刚发布的时候，是一个熟人社交网站，我们一开始就想做一个“好玩”的网站，有一些好玩的小应用，但是没有社交游戏。我找了新浪很多同事来，大家一开始对这种体验很享受，新浪各种新老同事在开心网会师了，甚至有人“说程炳皓真奇怪，他从新浪辞职，却出去后给新浪做了个内部网”，但是一段时间后，活跃度开始下降，感觉是“大家没得聊了”，在各种探索中，我们注意到，我们开发的一些好玩的小应用，比如“动TA一下”“朋友印象”等，用户相对更喜欢。我们就越发沿着这种“好玩”的思路做，直到“朋友买卖”，这应该是中国第一个社交游戏，用户立刻蜂拥而上，我们知道“这回对了”，于是全力开发这种好玩互动的社交游戏，后来表现最好的有“争车位”、“偷菜”，但是其实我们做的远不止这几个。

在09年偷菜热潮中，我们也担心社交游戏的生命周期问题，所以我们一只手做新的社交游戏，另一只手想引导用户去社交。虽然有很多用户是为偷菜而来，但是北京、特别是上海的很多核心用户是有明显的社交行为，我们开发的非游戏应用“转贴”也成功吸引了很多原本只偷菜的用户。

但是随着偷菜等游戏的活跃度下滑，用户社交的活跃度也下滑。

我的体会是，用户上开心网主要目的是偷菜，上来后，因为我们在feed流里面强推社交信息（照片、日记等），用户也被朋友的照片日记吸引，去参与评论。

但是，当用户已经不想去偷菜的时候，一个人的熟人朋友数目有限，产生的内容和互动数量也越来越少。当时主要还是电脑上网，用户开始缺乏动力去频繁打开开心网查看是否有朋友的新消息。更加剧这一情况的因素有：老朋友在网上刚见到的惊喜也已经过去，不在一起工作生活的朋友缺乏持久的话题，同事和上司的存在又有一种无形的限制。

这可能就是开心网的另一个“命门”。

综上，如果以上分析成立，那么虽然开心网2008-2009年如烈火烹油，红得发紫，但其实产品上潜藏着巨大危机，而且微博已经在抢我们的用户，那时也刚刚开始移动互联网，用户在未来几年全都要换成移动设备，他在PC上使用的网站不一定延续到手机上，所以留给我们的时间并不多，我们必须要有更多的创新，而且要快，一刻也不能停留。

五、成功者的错误

但这是现在从上帝视角看过去的结论，在各种事情纵横交错之时，我们当年没有看这么清晰，而且，我们犯了“成功者的错误”，这些错误其实我自己创业前经常批评别人，但是轮到自己，一点没有进步。

成功者的错误心态：上帝之选。

作为成功者，我们总是愿意相信自己一定会成功，而友商，一定会失败。我们不愿意真正相信自己的成功其实无比脆弱，随时有可能失败。但是诺基亚从极盛到售出只有不到5年时间，市场、政府、以及我们自身，都随时可能发生我们根本无法预测的变化。

说白了，我们在情势好的时候，弥漫着骄傲情绪，情势差的时候，又迅速转成抓狂情绪。

成功者的错误方法：路径依赖。

成功本来有无数偶然因素，但是我们当年没有认识到这个，我们开始总结，给自己总结了很多光辉的理论，然后说，我们今后就还坚持这么干，扩大战果。

“学我者生，似我者死”，更何况是学自己。

一件事做对了，应该忘记它往前看。再回头一看，就已经不是了。

成功者的错误逻辑：因为我是……所以做……我们就要……

这貌似和亚里士多德三段论一样完美。

我们做了很多新产品，都不脱离“社交”，甚至很多都是“熟人社交”。

其实，身处这个剧变的时代，每隔2-3年一小变，每隔3-5年infrastructure（基础设施）就全变了，自己之前成功与否，自己是沿着什么路径做的，以及自己打下的那一亩三分地，相比外界，就变得不重要。

成功者的错误心态：一定要超越自己。

一家从高峰开始下滑的公司，背了一个巨大的包袱，过去的成功，可能转化为负资产。一方面，每天都是用户活跃度下滑，每天都有挫败感，士气低落；另一方面，又容易产生“你们看我再憋个大招”这种心态，失去了平常心。

所以，一家曾经成功又走下坡的公司，要再起飞，非常的难。有一段时间，我们的一位友商，经常在市场上散布“从来没有起来又下去的公司，再起来过，所以，开心网肯定完蛋了”，说得是有道理的。

机会与现实

现在重新以上帝视角审视2010年之后，开心人这家公司，该怎么做呢？我们本来有可能抓住哪些机会呢？

1、利用人气的聚集和熟人网络关系，做通讯功能。最好能与微软达成合作，掌控MSN，获得独立开发运营MSN的权利。——当然与微软达成这样的合作难度非常大。

实际情况：与MSN好像有过接触，记不清了。2010年开发IM，因为对手非常强大（你懂的），所以产品负责人对产品要求很高，没有完成。之后发现Kik，马上推出了我们的类似产品“飞豆”。结局？产品当然有巨大需求，只是赢的是微信。

2、扩展开心网的熟人社交圈子，发展出类似微博的功能。或者，在微博早期与之整合。

实际情况：我们很早就看到Twitter的价值，但我们也看到这个模式的风险，归结到“成功者心态”，我们一开始不想冒风险。

看到新浪微博做起来，对我们造成威胁，我们马上在10年做了一个微博，但刚发布就因为一些外部原因下线了。

在新浪微博早期谈过整合，但是我们团队的心态还是认为“我能”，所以没有达成。

3、做“交友”或“兴趣社交”，比如：知乎模式，在开心网内部，或者独立产品，用开心网的人气培养。

实际情况：做过一个产品算是兴趣社交，失败。现在回想是执行中的问题。

4、大力投入移动互联网，学习市场已有的成功模式，用开心网的既有流量和人气强推。

实际情况：12年才开始做与开心网无关的移动互联网新产品，而且主要是从社交概念出发，做创新产品。每个产品，从产品实现的各个环节看，水平都很高，但是均失败，可能还是失败在定位、概念。创新的风险是极高的，社交的概念其实不必坚守。

5、做网页游戏研发。在社交游戏团队基础上，分出团队做网页游戏业务，成立独立公司，使团队运作灵活也更好地激励，一开始背靠开心网平台支持，渐渐独立发展。

实际情况：没有做。

6、拓展海外市场。无论是开心网平台、社交游戏、网页游戏，都适合拓展海外市场。也应该成立独立公司运作。

实际情况：做了一段时间，进展不好，刚好其它项目缺人……

7、早日上市，这是一把双刃剑，但是上市后，可以获得更大的资源去拓展。

实际情况：一开始是想“大牛叉公司都是不急于上市，整天说上市多Low啊，能上市而不上市多特么酷啊，所以我们一定也是不着急上市”，后来公司准备上市的进程中，用户活跃度下滑，券商建议暂停就一直停了下去。

8、做真正的“开心农场”，与有线下能力的公司合作。

实际情况：没有做。当时想的是“不熟不做”、“专注”，做不好伤害品牌，这件事与我们用户活跃度的下降又没有关系……

以上有很多问题，都是被流行概念所害，教条主义害死人，尽信书不如无书，归根到底还是怪自己没有经验，更不够有勇气直面自己内心去取得答案，向外界求安全是最不安全的。

我们本来有无数机会可以得到好得多的结果，但是我没有，实在愧对开心人同事们，愧对投资人。

2010年到2011年，我们做了什么呢？

一只手，继续做社交游戏，希望新的游戏能再创辉煌，做得效果比较好的游戏有：超级大亨、开心餐厅、开心庄园、开心城市、开心人生……但是与偷菜相比都不可同日而语。

另一只手，做创新应用及平台。除了上面提到的，还有：

团购，那时过来的公司，谁没有做过团购呢，我们做了3个月，看到开始烧钱大战，我中止了。

O2O 应用，后开发中止。

想基于开心网发展出垂直应用，做了开心宝宝和一对儿（男女朋友社交），均失败。

集品，模仿Pinterest的图片收集社交。

美刻，模仿Path的私密社交。

以上两个产品都是模仿美国的最新出现的社交产品，不光是我们失败了，其它模仿者也没有大成功，当然模仿Pinterest界面的有两家后来很成功，但是他们都是做了中国式创新的，他们的皮是Pinterest，但内里不是。而我们只是简单粗暴地模仿，这表明我们当时已经很着急，这两个产品是11年下半年之后的事情。

直到11年底，我们觉得手游市场会起来，虽然当时还有很多行业中声音认为手游不赚钱，但我们觉得这可能是下一个"Big Thing"。虽然我自己之前没有做过网游，甚至我没有真正地玩过网游，但是我心高气傲，觉得自己学习能力超强，而且我刚工作玩“挖金子”、“俄罗斯方块”的时候，我也很喜欢玩啊。所以我想没关系，我很快就能设计出好游戏来。

同时，这个时候，我们的心态已经到了谷底，无产者失去的已经只是锁链了，好处是我们摆脱了那些成功者的错误心态和方法，从零开始，我逐步把公司主要力量都转去手游，赌了！

但是我又碰到新的问题，大半年后我只能承认，我无法热爱网游，我无法像很多人那样真心享受平行世界的乐趣，也自然无法成为一个优秀的游戏设计师。

这种情况下，12年13年是我非常艰苦的两年，直到13年下半年，我终于逐步看到钱的曙光。我们终于在手游海外市场，占住了一席之地。2015年游戏获得大几千万的利润，我也终于可以退出让专业的游戏人去掌控公司了。为何有这样的反转，我只能说，这是一个奇迹，是我们团队的奋斗和运气，不管你信不信，反正我信了。

团队

我要再多说一下团队，我们本来拥有一支优秀的团队，在公司快速发展的时候，团队心态积极向上，但是在开心网用户下滑的过程中，暴露出了我在团队建设中本来存在的问题。系统论中有一个结论：全体大于局部之和。但其实，优秀的团队，应该远大于个人能力之和。而我之前，过于关注个人能力，忽视团队因素，忽视平台对个人能力发挥的影响。

所以，很多同事，他们满怀期望，本来应该在开心网发挥他们的聪明才智，最后失望而去。再加上，我们从最开始的社交网络业务转到手游业务，有很多老同事不想从事新业务，也都纷纷离开了。此刻也只能是，再说一声，抱歉。

08、09年开心网振翅高飞，10、11年徘徊求索，12、13年向死求生，14、15年终于上岸。

写到这里，回想这当中许多年，自己犹如孤身站在一处悬崖上，前后左右天上地下均无出路，只能心中默念蒋百里先生为另一场八年抗争写下的名言“胜也罢，败也罢，就是不要同他讲和！”

为清晰文章结构，雷锋网在不违背作者本意的基础上添加了段落标题，转载请联系相关授权！

Pokemon GO的热度似乎已经有所下降了，不过这并不妨碍其成为最近一段时间最热门的游戏。从苹果AppStore最新的下载记录发现，这款AR游戏已经创造了一个AppStore一个新的纪录，成为发布后第一周内下载量最大的软件。

美国当地时间周五，苹果已经证实了这一消息，Pokemon GO上线后的第一周下载量就超过了所有的iOS软件。

上周二，市场研究公司SensorTower就曾表示该游戏全球下载量达到了3000万次，这是历史上达到1000万次下载量速度最快的手机游戏。其活跃度也超过了Facebook和Snapchat等热门软件。据了解，Pokemon GO已经为任天堂旗下的游戏公司Niantic带来了3500万美元的收入，而且任天堂的股价也因此一路高涨。

当然，苹果也是最大受益者。虽然Pokémon Go游戏本身下载是免费的，但是苹果要收取其在App Store上线的相关费用，而且苹果还会按大约30%的比例抽取用户的内购付费收入，按照现在AppStore的下载量，Pokemon GO将给苹果带来30亿美元的收入。

Pokemon GO最早与7月6日在美国、澳大利亚和新西兰三个国家首发，昨日日本地区也成为了亚洲首个解封的国家。截止到现在，Pokemon GO已经覆盖了全球30多个国家和地区，不过遗憾的是，Pokemon GO在中国的上线时间仍遥遥无期。

Niantic CEO John Hanke表示，Pokemon GO要进入中国，还需通过法令规范。

昔日巨头雅虎或作价50亿美元卖身Verizon

7月22日晚间消息，彭博社援引多位知情人士的消息称，Verizon Communications已接近与 雅虎 达成收购协议。

其中一位知情人士称，Verizon计划以约50亿美元收购雅虎核心的互联网资产。双方的谈判仍在继续，当前阶段这笔交易并不包含雅虎的专利资产。

此外，包括房地产业务在内的雅虎其他资产也在出售之列，但是否包含在Verizon交易中目前尚不得而知。

知情人士还称，Verizon和雅虎可能在未来数日内正式宣布该交易。其中一位知情人士表示，目前Verizon和雅虎正处于“一对一”的谈判状态，但尚未达成最终的协议，也不排除谈判破裂的可能。

苹果别哭！ Apple Watch销量减半

7月21日，IDC公布了2016年Q2全球可穿戴设备市场报告。数据显示，全球Q2 出货量为350万块，较去年同期的510万块下降了32%，首次同比下降。

而主力军苹果所受的“打击”则最为明显。首先从销量上看，苹果在第二季度的销量下降至160万块，减少了200万块；而从市场份额上看，上季度还是霸主，占据了72%，但现在下降到了47%。但尽管如此，苹果还是在比例上碾压了其它品牌的厂商。

IDC分析师 Jitesh Ubrani表示，“在2016年前半段，消费者对智能手表持观望的状态。”虽然在今年的WWDC大会上，WatchOS 3更新，但因为Apple Watch 2一直“犹抱琵琶半遮面”，也没能激发消费者购买新品的欲望。

但即使如此，苹果依然占据智能手表的第一把交椅，而因为苹果的出货量下降，尾随其后的三星、联想、LG、佳明都此消彼长，出货份额都有了大幅的上升。苹果别哭，虽然出货量下降不少，但第一把交椅还是你的。

红米Pro真机曝光，金属拉丝工艺

随着发布会的临近，红米Pro的配置已经没有什么秘密了，而且真机图也被网友曝了出来。今天中午， 百度红米贴吧有网友曝光了一组疑似红米Pro的图片，从图片来看红米Pro的包装盒是典型的小米风格，机身底部和顶部有白色天线条，而整个机身背部均采用了金属拉丝工艺制造。

此外，机身背面可以清晰的看到两颗后置摄像头，一上一下布局在闪光灯旁边。而机身背部由于采用了金属原色+拉丝工艺设计，光泽非常亮眼。Helio X25+OLED显示屏+双摄像头+前置指纹识别+金属拉丝机身，这样的红米Pro喜欢吗？

淘宝造物节登陆上海 VR购物Buy+首次开放体验

7月22日消息，淘宝首届造物节昨日在上海拉开序幕。其中， 阿里VR实验室GM Lab（Gnome Magic Lab）研发的Buy+——虚拟现实购物体验产品，在此次活动中首度向公众开放。

据悉，本次Buy+呈现了两个购物场景，分别是女包和男女内衣。只要带上“头盔”，立刻进入华丽的虚拟商店，浸入式的视觉体验瞬间把体验者同喧闹的展厅屏蔽开来，拿着手柄设备，就可以和友人一同逛街。360度观看包包，和导购机器人“小雨”交流，尝试不同的颜色尺寸，让模特展示内衣穿着效果，甚至还可以查看“买家秀”视频，跟朋友商量后就可以支付购买，几分钟的时间，一次优雅的VR购物轻松搞定。

毕马威2016年Q2风投报告出炉：人工智能最吸金

日前，顶尖会计师事务所中的“四大”之一毕马威（KPMG）和CB Insights共同发布了2016年第二季度全球VC风险投资报告。数据显示，在连续两个季度的下降之后，VC风险投资的交易金额较第一季度有小幅度上升，但是交易数量却接连四个季度下降。

在全球风投现状不景气的当下，人工智能仍保持着相对较强的承受力，这可以归因于一个事实，那就是AI技术支撑着无数创新行业的发展，从无人驾驶汽车到机器人咨询平台，AI技术在推动全球创新方面功不可没。

同样，虚拟现实领域的风投在2016年Q2季度也得到了明显的提高，全球风险投资者和虚拟现实技术公司公布了一项价值100亿美元，用于投资其相关创新项目的专项基金。

全球第一个“特斯拉城”将在澳洲诞生

澳洲墨尔本城郊的 YarraBend 社区即将成为世界首个“特斯拉城”！“城内”所有房屋的屋顶都将安装太阳能板与特斯拉的 Powerwall 家用电池储能系统，要将其打造为全澳洲最永续发展的社区。

YarraBend 社区由开发商 Glenvill 包办设计、开发与兴建，占地达 16.46 公顷，社区内预计会有 2,500 户，包括联排别墅、公寓等类型，房屋售价约在 112 万美元至 159 万美元之间。

每户房屋都会安装太阳能电池与特斯拉的 Powerwall 储能系统，每栋建筑的设计概念都建立于将对环境造成的影响降到最低，社区内还配有电动车充电站，而太阳能板产生的电力足以供应用户充电自家电动车。

微软将花25亿美元建其最大数据中心

美国西雅图时间7月22日，据外媒报道，微软将花费15-25亿美元在爱荷华州的西得梅因市建立170万平方英尺的数据中心，来支持其日益增长的云服务业 务。这将是从2008年以来微软在当地建立的第三个数据中心，届时将组成该公司在全美规模最大的数据中心。西得梅因市表示，这三个数据中心总计将尽35亿 美元，而仅有6万4千人口的西得梅因市 将会从这个新建立的数据中心获得至少3亿美元税收。

最近几个月，雅虎卖身的消息不绝于耳，几天前就传出电信巨头Verizon Communications和AT&T、几家私募股权公司、美国最大的网络零售抵押贷款公司Quicken Loans的联合创始人Dan Gilbert都将参与竞购，计划收购这家拥有搜索引擎、电子邮件、广告和媒体运营业务的公司。

现在看来，Verizon Communications要笑到最后了。据彭博社报道，多名知情人透露Verizon Communications已接近与雅虎达成收购协议。这家公司计划以约50亿美元（雅虎市值曾一度突破1000亿美元）的金额收购不包含雅虎专利资产在内的上述核心业务。目前，这笔交易还未得到上述两家公司确定，预计最快可能在未来几天内宣布。

值得注意的是，雅虎刚刚发布了最新一季的财报，财报显示，雅虎第二季度营收为13.08亿美元，去年同期为12.43亿美元；第二季度归属于雅虎的净亏损为4.4亿美元，去年同期为2200万美元，净亏损同比大幅扩大。

而其核心业务也无一例外都表现疲软。搜索业务营收为3.19亿美元，去年同期为4.22亿美元，同比下降24.4%；显示业务营收为3.96亿美元，比去年同期的4.10亿美元略有下降；其他营收为1.32亿美元，去年同期为2.16亿美元，同比下降38.8%。

业内人士普遍认为，第二季度学术严重亏损将影响雅虎出售的价格，而Verizon提出的50亿美元报价也在情理之中。如果Verizon与雅虎谈判成功，那么这将是雅虎作为上市最后一次发布财报了。

CEO梅耶尔上任的这几年，雅虎可以说是节节败退。在公司最近的几起并购中，轻博客Tumblr、视频广告初创型企业Brigthroll、移动服务公司Flurry以及时尚探索网站Polyvore的价值都已经大幅缩水。

今年2月，雅虎启动了重组计划，包括裁员约15%、出售非战略资产以及考虑“战略选项”。

一个真正的黑客，内心绝不平静。

如果你见到袁哥，几乎会怀疑上述判断。你很难把眼前这个和善，甚至有些木讷的大叔和那个当年依靠一段代码就可以随意出入所有个人计算机和服务器的“赛博空间之神”联系起来。

但请相信我，一旦走进他的精神世界，你会看到惊涛骇浪。

相比文字和语言，袁哥更习惯用数字和代码抒情。一个沉默的人不断向世界索要答案，屡次掀翻了人们对赛博空间的根本认识。

现实就是这么惊悚，我们爱这样的剧情。

【袁哥 袁仁广】

一支笔，一本书，一局棋

迷恋数学的人，身上都有一种冷峻的气息。当袁哥还是小袁哥的时候，确切地说在小学的时候，就已经每天捧着数学理论的书籍，站在呼啸而过的时间里。

我生在农村，家里条件并不好，所以我只能在小学图书馆或镇上的新华书店看我喜欢的书。幸好我关心的数学方面的书籍，销量都不是太好。一毛钱、两毛钱就可以买一本。但即使是这样，我也很难买得起，只挑最喜欢的、最厚的同时也是最便宜的那一本买回家。

到了中学的时候，袁哥已经开始看研究生的群论内容，《布尔代数》《对称恒等式》，你可以脑补同学们看他端着这些书时候的眼神。

买这些书，是需要代价的。

初中的时候，一支圆珠笔都是很好的文具了。有一次我和家里要了几毛钱想去买一支圆珠笔。但是正好我考试成绩很好，得到了学校奖励恰恰是一支圆珠笔。我告诉父母这就是我用钱买的笔，把省下来的钱买了一本书。

这次事件，以哥哥“告密”，袁哥被父亲暴打结尾。那个年代，精神的脱贫走到了物质脱贫的前面。袁哥虽因一本书挨打，显然运气还不算太坏。

对数学和逻辑的偏执，让他得以用独特的视角和世界相处。

我有个同学的哥哥喜欢下象棋，所以我对象棋残局很有兴趣。下残局的时候有一个重要的原则，那就是不能按照大多数人的思维考虑，而是要考虑所有逻辑上的可能性。比如在平时，你不会轻易拿车给别人吃，但是在残局里，你要考虑整个空间，其实每一步都可以抽象成布尔代数逻辑的一个步骤，用数学方法可以很好地解决这样的谜题。

 除了是残局高手以外，少年袁哥还是扑克牌谜题高手，脑筋急转弯高手。也许对于他来说，这个世界上没有比严密的逻辑更性感的事物了。

【时任山东大学校长，数学家潘承洞】

风语者

因为仰慕山东大学校长、数学大师潘承洞的名望，严重偏科的袁哥依靠数学和物理两门几乎满分的成绩有惊无险地考入了山东大学数学系。不过，到了大学的袁哥面临一个棘手的问题，那就是几乎所有的课程他都在高中阶段完成了自学。坐在课堂上发呆睡觉对他来说是一种折磨。

“我不想上大课，我喜欢自学，因为自学学得更快，也更深。”他的理由简单明了。袁哥在物色一个让他着迷的新世界，计算机就这样正式走进了他的生命。

1993-1997年是袁哥的大学时代，当时的赛博世界还没有像今天这样连接成浩瀚的海洋。计算机病毒往往通过软盘从一台计算机传播到另一台计算机。袁哥回忆，当时就是想“搞明白病毒这块儿”。一旦袁哥想搞明白某件事情，那就是真的要搞、明、白。你懂的。

由于病毒的特殊属性，往往它们都藉由计算机底层逻辑传播。“追随”病毒的袁哥，也来到了赛博空间的底层。《汇编语言》《计算机原理》《操作系统原理》《磁盘控制器原理》，一节课都不去上的袁哥整日泡在图书馆里看这些书。

学校里上机是要钱的，所以我不能总是待在机房。我在机房里用 debug 反汇编操作系统 BIOS 代码，遇到需要仔细研究的代码，我就用学校发的作业本手抄下来。有些代码翻译成高级代码没有几行，但因为我抄的都是底层的汇编代码，量非常大。后来我发现发的作业本都被我抄满了。

对于他来说，大学四年获得的最强技能，就是掌握了和计算机灵魂沟通的能力——二进制语言。对于计算机来说，二进制代码就像每个人用来思考的“乡音”，没有任何一种语言比二进制语言更能直指“机器之心”。如今的袁哥在看二进制代码的时候，可以自动脑补出高级语言的源代码，能够像这样以计算机的世界观思考的人，全世界并不多。他就像一个“风语者”，口中的一段抒情诗在普通人眼中却像一阵风。

计算机的底层原理很枯燥，但如果感兴趣的话，你发现掌握这个原理能够理解和控制计算机的基本运行，这很舒服。如果你的计算机原理底子好，稍微加一些投入，基本都能成为大牛。

袁哥斩钉截铁。

大学时代的袁哥不仅把各种编程语言烂熟于心，还从病毒身上见识了对这些语言最为诡谲精巧的运用。袁哥回忆道：

例如当时著名的幽灵病毒，可以自动变形，这就突破了依靠病毒特征码查杀的规则；

例如 DIR 病毒，可以彻底绕过防毒卡的机制，创造出一个新的感染方式。

“盗版贩子”往事

对袁哥来说，跳出这个赛博世界的所有禁锢，是他内心不灭的江流。除了攻破学校机房的防毒卡导致病毒肆虐以外，破解当时叼炸天的杀毒软件“KV300”也是他的行动之一。

【上世纪末最流行的杀毒软件（没有之一）：KV 300 杀毒软盘】

当时我在研究一个CPU运行的特别机制：DMA。一些信息由 CPU 直接传输，可能要等待很长时间，所以可以由 DMA 控制器直接控制内存实现辅助传输，为 CPU 分担一些工作。我发现这个机制是可以被利用的，因为每当 DMA 传输完成之后，会产生一个中断，如果在这个时候进行拦截，就可以解析出它对磁盘的操作内容。用这种方法循环往复，就可以把整个杀毒软盘的信息读出来，完全绕过了它的加密技术。

当时其他人做的破解盘，隔一段时间就会被江民公司封杀，但是我的破解盘，只要更新病毒库，就可以一直正常使用。

对于当年的“作品”，袁哥还是很满意的。以至于当他因为英语没过四级而拿不到毕业证和学位证的时候，他甚至想到，如果实在找不到工作，就去卖盗版盘算了。“人家正版卖260、360，我只要十分之一的价格，26、36，应该生意不错。”

上天没有给袁哥成为“盗版贩子”的机会，他还是在海信谋得了一份单片开发的职位。

一鸣惊人

熟悉另一位黑客启蒙者张迅迪的人都知道，因为供职的酒店最早接入宽带，他才走上安全研究道路，创立了黑客界的黄埔军校“安全焦点”。和张迅迪类似，袁哥接触互联网，是因为1997年海信就申请了网络专线，这使得袁哥可以在工作之余研究新的课题。这次，他想搞一下网络协议。你应该了解，按照袁哥的剧本，但凡被他“搞”，就一定被搞到外焦里嫩死去活来。

我学习网络协议的时候，就一边看书记忆，一边反汇编成二进制代码对照看。这就像学英语，一边背单词，一边做对话才能记得牢。

这个因为没考过英语四级而没毕业的黑客居然很有幽默感地拿英语举例子。

现实世界有无数种逻辑，而每一种逻辑，只要它存在，哪怕多么离奇，多么难以想象，可能都是改变世界的武器。袁哥抓住了一扇看起来怪异的逻辑之门。

在 Windows 9X 中，很流行网络共享文档。我研究共享协议代码的时候发现，服务端对客户端进行密码验证的时候，密码长度校验是以客户端发来的信息为准。这件事情看上去非常奇怪。因为经验告诉我们，密码有多长，一定是要以服务器上存储的密码为准的。我马上写了验证代码，从客户端发送信息，告诉服务器只验证一个字节，服务器果然就只验证一个字节。而一个字节只有256种可能，非常好破解了。

袁哥黑进了同事和领导的电脑，一边看着他们的工资条，一边慨叹世界的神奇，一边立志要做一个网络安全专家。

【windows 98 界面（谨供怀旧）】

这是他发现的第一个真正意义上的漏洞。从此之后，袁哥一发不可收拾。

• 他发现了名噪一时的 Windows 共享密码验证漏洞，可以随意访问共享文件；

• 他参与创建国内老牌安全公司绿盟，研究出很多高危 IIS 服务器漏洞，可以随意访问任何 IIS 网站服务器；

• 他研究每个个人电脑都使用的 RPC 协议，发现了很多严重的 RPC 服务缓冲区漏洞，可以直接突破所有 Windows 计算机的权限，实现远程入侵。

21世纪初，在迅速普及的互联网大潮中，很多技术爱好者登陆黑客论坛时，袁哥已经成为了黑客界的一盏精神灯塔。

一开始，袁哥积极地把发现的漏洞提交给微软，但彼时的微软并不是如今那个愿意为漏洞买单的微软，对方不置可否的态度让袁哥逐渐丧失了提交的热情，以至于2001年当袁哥发现了可以用来攻击任何一台电脑的 RPC 服务的致命漏洞时，他选择了沉默。直到两年之后，美国18岁少年杰弗里通过同样的技术制造出冲击波蠕虫病毒，席卷半个世界。

数据流——赛博世界的盗梦空间

虽然在2000年之前，微软对于白帽子的态度一直是冷漠的，但这并不妨碍袁哥对网络安全的探索。袁哥觉得，这是他人生最“高产”的时候。每天吃饭、睡觉、上厕所的时间都在想代码。他在考虑的最核心的命题是——能否用一个通用的安全模型来辅助甚至代替自己挖掘漏洞。

想要理解袁哥的工具，需要先了解漏洞的本质。

计算机的本质是程序处理。根据输入的数据不同，一串代码会在计算机内部打开无数不同的门，最终成为一个结果。而当输入的信息符合一定的特殊条件，它就会在计算机内部找到一扇奇特的门并且试图打开它。这时，赛博世界就会遭遇崩溃，一个漏洞就此产生。

也就是说，找到这个特定的代码，就找到了可以击溃系统的漏洞。所以漏洞挖掘有两个主要方向：

1、模糊测试。模糊测试是黑盒测试的一种，通过随机给系统一些数据，观察系统是否有异常反应。然而，一个系统是如此庞大，输入的信息又有无数种可能，这个可能性空间之广袤是指数级的。所以如果盲目测试，即使到宇宙毁灭，甚至都不能测试所有可能性的亿亿分之一。

2、白盒测试。通过研究系统的源代码或二进制代码，发现其中的逻辑漏洞和潜在问题。这种方法同样存在问题，那就是对于一个复杂程序来说，代码量之巨大已经超越了人的阅读能力。而且一个程序中有很多是描绘界面内容的代码，这不是漏洞挖掘者关心的，而在阅读之前，你是无法把这些无用的代码剔除出来的。

【软件运行的逻辑树示意图】

袁哥的工具结合了模糊测试和白盒测试，他称之为“数据流”的测试方法。

根据研究员的兴趣点，构造有针对性的数据，让系统进行处理。在处理的过程中，可以通过断点在调试器里查看程序运行的状态，而通过调试器里停留的代码，可以反向推测出是哪段代码在处理这段数据。用这种方法，不用通过大量的代码审计，就可以直接定位到关键的一段代码，对这段代码进行反汇编，就可以读懂它的“心思”。根据这段代码，可以推测出它的所有逻辑分支，从而根据这些全量的分支有针对性地重新构建新的数据，进行进一步的有针对性的尝试。

听上去似乎并不困难，然而这个系统的最难之处还未到来。

虽然你能看懂这段代码，但是你需要用数学的方法把这段代码的内容抽象出来，才能推演出它的所有逻辑分支，有些人类很好理解的逻辑，想要用程序自动化求解，就需要很复杂的逻辑描述。而且针对每一个细小的逻辑点，其后都可能跟随着极多的路径层级，在这种情况下同样有无数的可能性存在，这就涉及到约束求解的数学问题。

袁哥说。

正如盗梦空间中所展现的那样，袁哥对于数字和世界逻辑的深刻见解，在赛博世界最深处的 Limbo，在只有几个字节的腾挪空间里，给了他洞悉真相的判断。

上帝之手

2008年左右，微软难以抵挡无数漏洞的侵袭，开始逐步推出漏洞利用缓解措施。这类机制并不会减少漏洞出现，而是让漏洞的利用变得非常困难。它们就像一堵堵墙，你明知道漏洞就在对面，但是你却无法接近。包括 DEP、ASLR、emet，包括后来推出的 cfi 都是有效的漏洞利用缓解措施。

袁哥站在墙后面，准备“搞”一下。他突然觉得眼前的景象，像极了近十年前的一段记忆。

1997年的时候，宏病毒正在流行，这是一种利用脚本代码执行来搞破坏的病毒。由于病毒只能依靠文字属性的脚本进行攻击，所以包括金山在内的很多研究机构觉得这类病毒的破坏力非常有限，甚至说它“只能用来恶作剧”。

但袁哥不这么认为，他相信自己的判断：“宏代码虽然是解释执行，但解释执行也是执行，和机器码没有本质区别。”他写了几篇文章，证明了把二进制病毒代码编译成了纯文本格式的可能性。也就是说，一个攻击程序可以看上去完全是字母和数字的样子。这大概相当于把一把沙土通过改变原子的排列结构而转化成了金子，让人叹为观止。

时光又回到2008年，袁哥突然发现，自己在十年前提出的世界观有可能从更高的维度绕过所有的漏洞缓解措施。那就是，用脚本（文字）代码编写攻击程序，通过某种精巧的设计，攻击过程中根本不会触发微软用以防护的 DEP 芯片。

然而，把一串攻击代码变成纯文本说起来简单，实现起来却非常繁杂。

两三个月的时间，袁哥做了如下N件事：

• 通读了 JavaScript 和 VBScript 的详细原理，补齐了代码编译的短板；

• 找到了 IE 上的攻击漏洞；

• 尝试了无数攻击路径，配置了很多漏洞的攻击组合；

• 完成攻击代码的编写和调试。

这个攻击方法，通杀从早期的 IE 3 到彼时刚推出的 IE 9 之间的所有版本。甚至两年后 IE 10 推出的时候，在不改动一个代码的情况下， 仍然可以完成攻击。这就是袁哥最引以为傲的技术：DVE（数据虚拟执行技术 ），他本人称之为“上帝之手”。

这就像在另一个更高维的空间里做出动作，所有人都无法看到动作的过程，只能承受动作的结果。

他解释说。

代码，在袁哥眼里只是一种工具。站在“上帝位置”的人，甚至可以用一首诗，一首每个单词都有意义的诗来击溃一个系统。所谓“谈笑间，樯橹灰飞烟灭”不过如此。

然而，这个游走在赛博空间的上帝终究还是触碰了人类的商业困境。2010年，微软想要用35万美金收购“上帝之手”——DVE 技术，但是这个技术在袁哥心中，远远超过这个价值。这个生意并没有成功，直到三年后，袁哥的好友，大名鼎鼎的黑客教主 TK 独立向微软提交了一套对抗技术，获得了那著名的十万美金。由于其中涉及到的技术和 DVE 技术有交集，微软才在某种程度上封堵了 DVE 攻击的一部分。

2014年，袁哥选择在互联网上公布 DVE 的技术细节，曾经的上帝降落凡尘。

【湛卢剑（一称湛泸）】

湛泸

袁哥在期待自己的下一个 DVE。

为此，这位改写了互联网安全历史的黑客宗师加盟腾讯，建立了全新的实验室，名曰“湛泸”。

袁哥告诉雷锋网：“湛泸，是春秋时代名匠欧冶子所铸名剑。‘仁义之剑，大巧若拙’是世人对湛泸的评价。”这也是已过不惑之年的袁哥的某种内心写照。他需要一把剑，一把能再次穿透云霄的剑。

对于袁哥来说，虽然自己的灵感和成绩无法被复制，但是他意识到，自己比以往更需要一个团队的配合。

现在的漏洞挖掘和利用已经到了比较高级的阶段，如果没有团队和一整套技术力量支持，有些东西靠一个人的力量是做不到的。

他说。

至于加入腾讯的原因，袁哥给出了简单的理由：“TK、吴石都在，我了解他们，对他们的为人都很认同。安全这个行业就是人聚人。”

2016年3月，湛泸实验室成立。袁哥站在赛博世界的边疆，等待新的战友。

那个让他成为上帝的瞬间，终会归来。

美国西雅图时间7月22日，据外媒报道，微软将花费15-25亿美元在爱荷华州的西得梅因市建立170万平方英尺的数据中心，来支持其日益增长的云服务业务。

这将是从2008年以来微软在当地建立的第三个数据中心，届时将组成该公司在全美规模最大的数据中心。西得梅因市表示，这三个数据中心总计将尽35亿美元，而仅有6万4千人口的西得梅因市 将会从这个新建立的数据中心获得至少3亿美元税收。爱荷华州的数据中心主要是为美国中部地区提供服务，建设工作将在下个春季开始。

本次微软继续扩张其数据中心在情理之中。微软7月19日的第四季度财报显示，微软“智能云”业务营收增长7%至67亿美元，核心云产品Azure营业收入增长了102%。云计算业务目前已经占到公司营收的三分之一，是微软及其股价增长的主要动力。

目前微软已经建立了26个数据中心，并另有8个在计划之中。中国地区，分别在中国北京、上海和香港建立数据中心，分别用于支持中国北部、东部和东亚地区的Azure服务。

Via Geekwire

apple.com

此前Kantar Worldpanel ComTech曾发布一份美国和欧盟四国（英国，德国，法国和意大利）的可穿戴设备报告。其中显示，在佩戴可穿戴设备的美国消费者中，有75%都选择了健身手环，智能手表的比重只有12.2%。而在欧盟四国中，只有6.6%的小伙伴选择佩戴智能手表。

这样惨痛的事实，果不其然在IDC的数据中显示出来了。

techradar

7月21日，IDC公布了2016年Q2全球可穿戴设备市场报告。数据显示，全球Q2 出货量为350万块，较去年同期的510万块下降了32%，首次同比下降。

而主力军苹果所受的“打击”则最为明显。首先从销量上看，苹果在第二季度的销量下降至160万块，减少了200万块；而从市场份额上看，上季度还是霸主，占据了72%，但现在下降到了47%。但尽管如此，苹果还是在比例上碾压了其它品牌的厂商。

IDC分析师 Jitesh Ubrani表示，“在2016年前半段，消费者对智能手表持观望的状态。”虽然在今年的WWDC大会上，WatchOS 3更新，但因为Apple Watch 2一直“犹抱琵琶半遮面”，也没能激发消费者购买新品的欲望。

但即使如此，苹果依然占据智能手表的第一把交椅，而因为苹果的出货量下降，尾随其后的三星、联想、LG、佳明都此消彼长，出货份额都有了大幅的上升。苹果别哭，虽然出货量下降不少，但第一把交椅还是你的。

via businesswire 头图via techradar

Flickr / waferboard

磕磕碰碰在所难免，缝针拆线更是人生里常见的经历。在万物皆可智能一下的互联网社会，将缝线智能化的想法，也就不足为奇了。

日前美国塔夫茨大学的研究者还真的研发出了一种新型缝线，它能够监测伤口的愈合情况，并将数据发送到医生端，而不仅是普通的皮外伤，器官甚至是骨植入物都可以用同样的原理进行监测。

在Microsystems & Nanoengineering杂志上，科学家们解释了这款缝线的原理。它是由棉花和合成纤维织物组成的，缝线为可以导电的材料组成，棉花上有导电油墨，而缝线因为接触了皮肤组织，结合其它材料，科学家们便可以利用涂层的缝线检测到皮肤所受的压力、温度、pH值、血糖水平等。而通过这些数据，医生就可以远程判断伤口的恢复情况了，数据支持移动端或PC端传输。

Patrick Collins/Microsystems & Nanoengineering

论文第一作者Pooria Mostafalu认为，线具有价格低廉、轻薄灵活的特点，而且可以通过它能传导液体的特性连接组织。

目前为止，可植入装置通常是二维的，即使是扁平的形状也需要专门处理，并且造价不菲。

Tufts / Microsystems & Nanoengineering

塔夫茨大学的纳米实验室主任Sameer Sonkusale表示，“这种基于缝线的设备可以用于外科植入、智能绷带进行监测、或做成织物进行个性化的健康检测。”

虽然这款缝线离量产还有一定距离，但至少从科技含量上看，它已经在普通纺线的基础上迈出了重要的一步了。

via The Verge & tufts.edu

我们可以这么说，让Slack拿出一笔现金并不是什么难事。在过去几年中，Slack一共融资5.4 亿美元，今年4月融资2亿美元时，估值达到38亿美元。所以，当一个处于迅速发展阶段的初创公司拥有高于自身所需的运营资金时，会发生什么事情呢？也许会对部分资金重新分配，比如设立一个基金来促进和支持慷慨激昂的开发者团体——Slack就是这么做的。去年，该公司宣布成立了一个8000万美元的开发者基金。今天，Slack公开了11家新的投资组合内的公司。

这是该公司第一次公开Slack基金投资公司的细节。从它所公布的名单中，我们似乎可以看见一个高度智能化的企业协作场景。因为，这些企业协作公司Slack投资组合内的公司，都与机器人相关。

打造智能化企业协作，为用户创造价值来证明其高估值

最新的数据显示，Slack高达38亿美元的估值，是以急速增长的用户群为基础的，其中包括了付费用户和免费用户。

我们可以简单地做一个计算。如果将Slack那个38亿美元的估值平均分给每个日活跃用户，那就是约每人1250美元，如果之分给每个付费用户，那就大约4085美元。可见，这是一个昂贵的聊天应用程序。Slack需要缩小付费用户和免费用户之间的差距来证明其高昂的估值，而Slack基金所希望提供的服务显然也是以此为目标的。 

Slack的忠实用户可能会为Slack辩护，该应用提供的服务远不止是工作情景的聊天。在Slack第三方应用商店App Dictionary中的600多个应用程序都可以为这一说法提供佐证——它们在7月前发布以来，实现了大约400%的增长。从这个角度看来，Slack听上去越来越像一个它所承诺的企业协作的“操作系统”，而不只是单纯的搞笑动图分享阵地。因为我们可以看见，Slack的这一笔投资都与机器人有关。

组合投资新方式：Slack最新投资的公司都“很机器人”

这种让硅谷回音效应过度反应的聊天机器人现象确实有点过了头，不是吗？毕竟，那么多已经向市面推出的机器人当中，但特别是那些给消费者传递消息的应用程序，着实让人有点……

但Slack 基金投资的公司的功能描述听起来似乎比之前所讲天气预报语音提示功能WeatherBug的故事要更有前途——像能够自行执行重复性任务来帮助人类提高工作效率的机器人。

比如Butter.ai，就是一款承诺能够巧妙地帮你找到所有隐藏在各种驱动器里的公司文件的机器人。而Birdly和 Sudo则能够从根本上降低用户需要登录的平台。

Slack基金目的通过使用Slack平台来帮助公司解决专业问题。它没有特别设定投资的目标数量，只是向那些为Slack研发应用的团队进行稳定的注资。这概念对于那些拥有大量用户的软件公司来说并不新鲜，十年前本世纪初，Yammer和Jive就曾这样做过，但最后没有成功。Salesforce目前的做法也是一个道理，该公司现在有一个庞大的风投和企业并购团队。Box和Domo目前还只是小范围尝试。而最值得一提的是，Slack的直接竞争对手Atlassian就打开了一个市场，从其投资的开发者团队中获得巨额现金回馈。

如果以一个愤世嫉俗的分析师角色来对Slack的投资进行分析，那么可以说，Slack看着似乎会获得最大额价值份额，与此同时那些投资组合公司的上涨空间大概也只是像Slack这样的水平。但是，新成立的初创企业会看到截然不同的结果。Butter.ai的CEO Jack Hirsch表示：“我们认为并非是Slack将获得所有利益，想象一下，如果是苹果公司向最优秀的应用程序开发商提供帮助，给予他们独家的支持，并介入他们的团队和资金安排……那境况就不一样了。Slack会超越这种生态系统，我们的团队也不怕和他们合作。”

以下是公布的投资组合的名单：

• Butter.ai是一款能够帮助用户轻松访问公司的所有资源内容的机器人，目前仍在内测阶段。

• Growbot让各种渠道或团体能够即时分享团队的“荣誉”或“支持”，提高团队的荣誉感和认可度。Growbot拥有 2000多个团队客户。

• Abacus是一个智能费用报告平台，使用数据和行为分析来自动化管理费用的生成和审批。

• Automat是一个连接人类知识技术与人工智能的平台，通过该平台，任何人都可以简便地创建一个对话机器人。目前正在内测。

• Birdly是一款连接开发者团队与Slack和Salesforce的机器人，能够帮助团队跟踪最新的销售指标，从而建立起透明的企业文化环境，让任何人都可以访问Salesforce的信息。

• Candor能够帮助用户改善工作中的人际关系，促进同事之间的人文关怀。目前Candor也处于内测阶段。

• Konsus能够提供按需服务，能够以7/24的模式根据用户需求帮助用户通过Slack找到合适的自由职业者，相当于一个共享经济平台。

• Lattice是一款员工绩效管理系统，可用于员工目标设定、OKRs组织测评、每周签到或连续性的反馈。

• Myra Labs专门提供应用数据编程接口（APIs），能够简化可扩展伸缩、可定制及不断改善的机器学习模式的创建和使用。其同样处于内测阶段。

• Sudo是一个机器人程序，能够在公司CRM（客户关系管理）系统之上提供一个自然语言界面。销售代表可以在会议结束之后发送Slack信息、电话呼叫、文本或电邮联系Sudo，然后Sudo会负责数据录入。

• Wade和Wendy是两个智能助手，旨在使招聘过程变得人性化。它们一个面向求职者，一个面向招聘方。Wade是求职者的一个值得信任的职业规划指导者，能够基于对用户的兴趣和经验的了解来为求职者推荐个性化的机会。Wendy可以视作企业的招聘助理，帮助公司筛选合适的人选，完成这一重复性、耗时多的工作。

人眼能看到的范围是有限的，如果你看着黑板上方的挂钟，那么你的目光聚集的地方就是焦点，而钟以外的物体将会自动变模糊。我们处于360度环绕的世界，但任何时人类只能看到120度视度范围内的事物，而且人的双眼只会聚焦在视野中不超过6度的小区域，周围则是模糊的，这就是我们看世界的方式。

英伟达正在开发上述模拟人眼视觉效果的眼球追踪技术应用在虚拟现实中，并在昨日公布了这项技术的最新进展，这将使得虚拟世界更具真实感。

VR硬件厂商的痛点

目前VR硬件厂商面对的问题便是玩家自己的计算机硬件满足不了显示设备高清渲染的需求，Oculus Rift仅仅渲染1k的分辨率就需配备1000美金以上的计算机才能正常运行，要让渲染的分辨率匹配现实世界的分辨率，单眼渲染必须达到8K，仅硬件配置这一项，就够厂商头疼的了。

为了解决这一问题，目前最被认可的方式便是结合眼球追踪的局部渲染技术。眼球追踪技术将渲染重心放在用户眼睛真正关注的画面上，因此对GPU的要求大大降低。

过去9个月，英伟达的大卫·卢克（David Luebke）和研究员试图在虚拟现实环境中模拟这种现象：对用户视线焦点的区域，设备将会进行全面渲染，但要降低焦外区域的分辨率。当玩家专注于画面的某个小区域时，眼球追踪系统就会不断调整渲染焦点。为了以90FPS（最低可接受的帧率）充分渲染某一画面，400万像素的画面必须每秒渲染近100次。只专注于渲染用户的视线聚焦处将大大减轻计算任务。

现有眼球追踪技术的应用

眼球追踪技术在虚拟现实研究中并不新鲜，眼球跟踪常见的实现原理：

　　1、根据眼球和眼球周边的特征变化进行跟踪

　　2、根据虹膜角度变化进行跟踪

　　3、主动投射红外线等光束到虹膜来提取特征

目前在虚拟现实领域中，日本FOVE公司开发出第一台使用眼球追踪技术的虚拟现实头显，FOVE在头盔的眼睛位置嵌入了两个红外线摄像头，摄像头放置在眼镜镜片下，既不会对视线范围产生影响，又能跟踪玩家的瞳孔活动。

对眼球追踪混合技术进行再深一步研究的公司还有Tobii，该公司与Starbreeze公司合作将眼球追踪技术融入了拥有5K画质和210度视场角的StarVR头显。

德国眼球跟踪技术公司SensoMotoric Instruments（以下简称SMI）在去年的开发者大会上展示了与索尼Magic Lab合作的远程眼球跟踪系统。并与三星合作期间推出在虚拟环境中可定性实时观察和录制视觉行为的应用安装包SMI Mobile Eye Tracking HMD Observation，和可提供注视行为的简单分析和分析软件包的SMI Mobile Eye Tracking HMD Analysis Pro。

HTC Vive，PlayStation VR目前尚未使用眼球追踪技术，Oculus创始人帕尔默·拉奇在接受采访时称眼球追踪技是未来VR技术的“最关键构成部分”，但接着说到目前上述眼球跟踪技术解决方案都还处于较低端的水平。

如何解决画面延时

正如Oculus创始人帕尔默·拉奇所说，虽然很多公司已经拥有这项技术，但眼球追踪技术的速度往往跟不上人眼运动的速度，渲染速度也并不完美，这导致画面显示总是存在时延，令用户感到不适。

去年5月英伟达专门针对虚拟现实设备中普遍存在的图像延迟状况， 推出了MRS（multi-resolution shading）以便加快渲染速度，该技术使得VR的渲染不再是将整个画面以相同的分辨率进行渲染，而是分成了几个不同的区域。焦点区域会以完整的高分辨率进行渲染；而画面的边缘则以更低质量进行渲染，再加上边缘的像素经过变形后的损失，可节省25%-50%的像素，理论上可提升一倍的渲染速度。

近日，英伟达与SMI合作后推出最新眼球追踪虚拟现实显示屏已可以250Hz的帧率实现准确、低时延的眼球追踪。卢克称这是他们的眼球追踪设备第一次能跟上眼睛的运动速度。

焦外分辨率协调

虽然延时问题得到一定的解决，但画面效果还存在欠缺。英伟达团队仍需要花很多时间去准确计算，将焦外画面的分辨率降低至什么样的水平才算最佳，才避免被观众注意到。在降低分辨率的过程中，任何闪烁都将带来干扰，焦外视觉很容易察觉到闪烁。如果焦外画面过于模糊，将会产生隧道视觉效应，感觉像是通过望远镜看画面。

为了解决这一问题，英伟达的研究员在近期发现通过增加焦外画面的对比度，同时降低分辨率，人眼就可以被“骗过”。

未来，英伟达希望这个发现能推动主流虚拟现实设备厂商将眼球追踪技术加入到产品当中。

或许对于“失业”者而言，分享经济能提供的最重要的一点，是可以让他们“更为得体”地度过这一段艰难岁月。

根据工业和信息化部网站日前发布的数据，中国钢铁产能利用率降至70%左右，钢铁协会统计重点大中型企业平均负债率超过70%。中国国务院2月4日发布文件指出，在近年来淘汰落后钢铁产能的基础上，从2016年开始，用5年时间再压减粗钢产能1亿~1.5亿吨并较大幅度压缩煤炭产量。这样的产能过剩引发了新一轮的国企改革，其直接结果是数百万国企员工将面临失业。

二十年来国企最大裁员潮

今年3月份，中国人力资源社会保障部发布报告称，此次国企改革将使130万煤矿系统人员和50万钢铁系统人员下岗，而这还仅仅是官方公布的保守数字。真实的情况可能比这更为严峻，据外媒路透社今年3月独家援引两位消息人士的话说，为响应国务院“去产能”的号召，中国拟在未来两到三年内从“僵尸企业”中裁减500-600万国企员工。

无论如何，这将是中国国企二十年来最大规模的裁员计划。

（山西煤矿工人准备洗澡）图自：路透社

在目前中国福利保障不完善的情况下，对于那至少180万人来说，剩下的问题是：失去工作后，怎么办？

这些在短时间内释放大量的失业人员，普遍教育水平低且没有特殊专业技能，在中国大学毕业生都艰难寻找工作的情况下，他们的“再就业”显得更加困难。

被迫下岗和薪酬降低的国企人员显然也表达了他们的不满，总部在香港的中国劳工通讯提供的数据显示，去年一年中国境内罢工和劳工抗议活动次数达2,774次，约为2014年的两倍。这些失业人员的安置不当，可能会催生出更多的社会问题。

移动出行支持下岗工人“再就业”

贾光新原是武汉钢铁厂工作了27年的一名文职人员，在这次下岗潮中，很幸运地转岗到了青山区公安分局做辅警，然而收入一下子降了好多。考虑到还在上高中的女儿，思来想去，那就再找份兼职吧。他贷款买了辆雪铁龙爱丽舍，接入了网约车平台，做起了快车司机，目前已经接了几百单。

30多岁的赵昆2000年进入武汉钢铁厂，是一名一线的冶金工人，虽然没有下岗但工资下调到两千多。 去年底，他开始尝试兼职开滴滴快车，每个月有一万二三的收入，时间自由且生活可掌控，深思熟虑之后，他做出从武钢全身而退的决定，成为全职的网约车司机。

（主动辞职的赵昆）图自：腾讯图片

像贾光新和赵昆这样的并不是个案，移动出行因门槛较低、就业形式灵活，成为了很多人的新“职业选择”。 据统计，今年3月，武钢分流职工以后，至少7000名钢铁工人加入到滴滴平台司机的队伍中。

7月18日，滴滴出行发布《移动出行支持重点去产能省份下岗再就业报告》（下称《报告》）中声称， 截止到2016年5月底，滴滴为17个重点去产能省份提供了388.6万就业机会（含专快车和代驾）。388.6万人是个什么概念？人社部统计数据显示，2015年年末，我国城镇登记失业人数为966万人，388.6万人占其四成。

而且，在物资条件匮乏，经济表现不甚理想的地区，快车司机数量反而更多。《报告》称，去产能地区的司机的地域分布上，除东部占比8%，西南部28%（108.8万），中部26%（101万），西部和东北三省各占19%，各有73.8万。

《报告》中17个重点去产能省份的30个重点城市

在这388.6万就业机会中，曾供职于去产能行业的司机为101.9万人，曾是无业人员的司机有123.1万人，曾是军人的司机有17.9万人。原是煤炭钢铁行业的司机大约为53万人中，山西、四川、黑龙江煤炭钢铁司机占比最高。

这些来自去产能行业的网约车司机中，有14.6%已从这些企业下岗转而成为全职司机；有85.4%在平台上兼职。大多数人把网约车司机作为找到新工作之前的过渡职业。

不仅是滴滴，优步（Uber）也做了类似研究。6月23日，人民大学劳动人事学院课题组对外发布了《平台经济与新就业形态：中国优步就业促进研究报告（2016）》，报告选取了北京等9个城市15478个优步司机作为研究样本。

调查的样本中，26.7%的平台司机在开优步之前属于下岗失业人员。根据该比例推算，中国优步理论上可为数百万名下岗失业人员提供获得收入的机会。司机群体中有32%的下岗失业人员来自于煤炭、钢铁等过剩产能行业，一半以上产能过剩行业的下岗失业人员把开优步作为唯一的收入来源。

Tech In Asia近日对中国国企下岗员工转为网约车司机进行了报道，在这篇文章下面，一位读者评论道：“鉴于中国煤矿行业极高的危险性，我觉得滴滴司机显然是非常好的一份临时工作。虽然报酬并不多，但至少比在黑暗里慢慢窒息等死强吧。”

离开旧有的国企王国，成为网约车司机，似乎成了大部分国企下岗职工的选择。在中国经济转型期，互联网分享经济正在默默发挥出它的力量。

分享经济下的“得体”

近年来，分享经济创业企业成为全球资本市场的投资热点。根据 Crowd Companies 的统计，2010-2013年全球流向分享经济的投资额累计43亿美元，2014年和2015年两年的投资额分别为85亿美元和142.06亿美元（合计227亿美元），两年内流入分享经济的风险资金规模增长了 5 倍多。

据《中国分享经济发展报告2016》显示：

• 中国近几年分享领域获得风险投资的企业数量和融资金额也出现了爆发式增长。仅在2015年滴滴出行已经公布的融资总额就已经超过229.45亿人民币，美团网、蚂蚁金服分别获得融资总额138.6和121亿人民币。

• 2015年中国分享经济市场规模约为19560亿元。分享经济领域参与提供服务者约5000万人左右，约占劳动人口总数的5.5%。参与分享经济活动总人数已经超过5亿人。

• 不仅是互联网出行市场，以家政行业为例，都是以灵活就业群体为主，全国家政行业大约有65万家企业，从业人员超过2500万。

这些庞大的数字意味着社会上一些职业能力较弱的人员有越来越灵活的兼职机会，缓解找到正式工作之前的经济压力，而这正是最初催生分享经济的动力之一。正如哈佛大学商学院教授克里斯托弗•马科斯（Christopher Marquis）所言，最初在 Lyft 或 Airbnb 上登记出租自己汽车和房屋的人，主要是由于对深陷2008年金融危机的绝望，人们不得不寻找其他赚钱的途径以补贴家用。

对于这批国企下岗工人而言，共享经济似乎为他们提供了“庇护所”，避免重复上一次国企改革的悲剧。

上世纪90年代的国企改革，使得中国第一轮下岗潮汹涌而来。至少有1000多万国家职工失去赖以生存的“铁饭碗”，不少双职工家庭夫妇二人都失去了工作，家庭被绝望的氛围笼罩。

或许对于“失业”者而言，共享经济能提供的最重要的一点，是可以让他们迅速通过网上平台找到临时工作，从而“更为得体”地度过这一段艰难岁月。

题图自：Credit Suisse

提到自动驾驶，我们总会想到特斯拉和Google等国外大佬，但却忽视了咱天朝的“地头蛇”们。其实，殊不知，1992年中国就诞生了第一辆真正意义上的无人驾驶汽车了。这些年来，中国在自动驾驶取得了长足的发展。对于中国人来说，提到无人车，我们不得不提到百度。他对于我们的意义，就像Google对于美国的意义一样。而有一个人，被百度誉为“中国无人驾驶第一人”，他就是倪凯。

 百度无人驾驶第一人

百度的无人驾驶项目于2013年起步，由百度研究院主导研发，其技术核心是“百度汽车大脑”，包括高精度地图、定位、感知、智能决策与控制四大模块。2014年，百度和宝马签署战略协议，双方将在无人驾驶领域展开合作。去年，百度首次亮相了无人驾驶汽车，是百度无人驾驶汽车团队耗费了两年时间的成果，由百度研究院主导研发。

而倪凯是百度研究院高级科学家，主导无人驾驶和无人飞机项目。

倪凯的履历非常全球化，清华大学本硕，后在美国最好的理工学院之一佐治亚理工学院取得计算机博士，毕业之后先后加入微软、百度工作。倪凯无论在上学期间还是在工作期间都参与了众多人工智能项目，包括清华无人车研发项目、微软三维地图和HoloLens增强现实眼镜的研发项目。

倪凯在微软期间还曾经是微软机器人项目组的成员，和知名的软件设计师George Chrysanthakopoulos 共同工作。微软机器人项目是微软创始人比尔•盖茨的委托下，由比尔•盖茨智囊团成员领导的一个小规模团队秘密研发的机器人开发平台。

后来倪凯加盟百度，成为百度无人驾驶项目的技术领军人物，从项目成立开始倪凯全程主导了百度无人驾驶项目，并通过百度在高精度地图、定位、感知、智能决策与控制四大模块以及人脸识别等技术方面的优势，在短短两年时间内达成上路测试的目标。2015年12月10日，百度无人驾驶汽车在北京开放高速公路完成了首次自动驾驶路测。

 抛弃百度，加入乐视

而虽然倪凯一手打造了百度的无人车，但是他现在的身份却是乐视超级汽车（中国）智能驾驶副总裁。2016年3月16日，乐视宣布原百度无人驾驶负责人倪凯加盟乐视汽车，任乐视超级汽车（中国）智能驾驶副总裁。

对于倪凯离开百度的原因，外界有很多解释，而最为靠谱的一个是这样的： 2015 年底，百度内部进行集团架构重组，新设无人车事业部并将其明确为百度的终极目标之一，在公司内部与互联网金融事业部、移动服务事业部、糯米事业部等并驾齐驱的业务板块。经过这次调整，百度无人车事业部总经理职位由百度高级副总裁王劲兼任。据知情人士透露，这是导致倪凯离职的直接原因。

我们对于牛人的关注总是这么多，与此同时，有关谷歌和特斯拉争相挖掘倪凯的消息在媒体上传播开来。

而如果传言是真的，为什么被这么多牛逼哄哄的公司挖的倪凯选择乐视呢？

业内人士的分析如下：

首先，相比起百度，乐视在汽车产业链上具有更加完备的覆盖。作为汽车生态开放的提出者和首倡者，乐视在宣布“ SEE 计划”近两年来，已经在智能互联网电动汽车研发、生产制造、销售、车联网、充电策略、售后服务、汽车共享及社会化运营领域完成了全产业价值链的布局。其次乐视在汽车产业上具有更强大的战略纵深。在加盟乐视后，倪凯将获得更为广阔的施展空间，而智能驾驶技术本身也将被融入整个乐视生态中，实现跨界化反。

同时，乐视在人才方面的优势也不可忽视。在倪凯加盟之前，乐视在汽车领域已经吸引了一大批汽车业内资深人士加盟，完整覆盖了包括企业管理、生产制造、技术研发、市场公关等环节。据悉，乐视在智能驾驶领域也已经建立了一支强大的研发团队。在加盟乐视后，倪凯能够得到丰富的协同资源，在技术研发以及应用方面更加游刃有余。

此外，倪凯将在乐视拥有更多更丰富的角色。在百度供职期间，倪凯担任百度深度学习研究院高级科学家。尽管他是百度无人驾驶项目的负责人，但并未得到李彦宏的重视与尊重。

加入乐视后，担任乐视超级汽车智能驾驶（中国）副总裁的倪凯将迎来更自由的体系环境，能够将他的战略设想进行实践。贾跃亭曾强调，战略决定组织，组织决定成败。这或许也是吸引倪凯加盟乐视的一大重要因素。　　

乐视的无人车计划

今年4月20日，乐视在北京召开了一个4小时的发布会，不但有超级电视、超级手机还有压轴的超级汽车，亮瞎了很多人的眼睛。

发布会上，乐视掌门人贾跃亭与乐视超级汽车联合创始人、全球副董事长丁磊以“易到用车”的方式揭开了LeSEE品牌的首款概念样车的神秘面纱，并于现场演示自动驾驶功能，配合内容服务方面向汽车领域的延伸，乐视生态与智能出行紧密结合。

智能汽车最能体现智能化的系统层面，乐视应用商店汽车版将与乐视EUI深度打通，实现APP一键安装，高度适配车载环境，致力于在汽车场景中融入更多生活所需的信息和元素，例如基础地图导航功能之外的新闻、音乐、影视、支付、养车、违章等信息，此外，乐视应用商店汽车版的应用跨屏功能将极大拓展后座屏的娱乐性，使用户在出行时也可享受包括视频在内的多种娱乐内容。

更加令人关注的是，在乐视420发布会后的媒体群访环节，贾跃亭明确表示，未来的超级汽车同样存在“免费”的可能性，并且定位于“D级”豪华轿车的乐视超级汽车在上市之后，也会是一个令人惊喜的定价，乐视超级汽车能否重演“生态反哺硬件价格”的好戏，无疑是未来最值得期待的焦点。

420发布会后，有人对乐视此款酷炫的概念车赞不绝口，但更多人却对它口诛笔伐。很多人认为此次乐视是在玩概念，真正要量产还是道阻且长。但不管怎么说，梦想是要有的，在打造无人驾驶汽车期间，乐视汽车生态也交出了令人惊叹的成绩单：

• 　　投资充电桩企业和易到用车

• 　　与阿斯顿·马丁成立合作合资电动车公司

• 　　乐视第一代超级汽车由阿斯顿·马丁代工

• 　　CES上宣布与美国初创电动汽车公司Faraday Future达成战略合作

• 　　首款概念车FFZERO1亮相并斩获多项国际大奖

• 　　全球研发布局完成

• 　　与北汽、东风、比亚迪达成了“乐视车联”战略合作协议

• 　　超级汽车首款概念样车亮相北京车展

•        由乐视和战略合作伙伴 FF共同设立“FF & Le Future”人工智能研究院

乐视汽车团队目前已经网罗了一批重量级人物：比如，丁磊是上汽集团原副总裁、上海通用汽车原总经理，目前他出任乐视超级汽车全球副董事长，执行董事，中国及亚太区副董事长、CEO兼总裁等职，并同时兼任乐视控股高级副总裁；一汽大众原生产总监FRANK STERZER负责汽车生产制造方面的相关业务；广汽丰田原副总经理高景深、英菲尼迪亚太区原总经理吕征宇也都成为公司副总裁。而倪凯在无人驾驶及深度学习领域有着深厚积淀，能够充分得到发挥。有了倪凯的加盟，乐视有望在短时间内取得突破。

不过，一直被众多人吐槽的乐视超级汽车最终是否会如期实现量产，时间将是见证人。

越南战争后，美国和越南政府一直在进行失踪和阵亡士兵遗体的搜寻工作。1998年，美国专家通过DNA测试发掘并辨认了最后一名失踪美国士兵，但对于越南一方来说，等待辨认的士兵人数还有30万之巨，此外还有无以计数的平民尸骸不知葬身何处。

“战争已经过去几十年了，许多参战士兵的亲属都正在老去，”越南科学技术研究院主管说道。“因此，我们辨认遗骨，让亡魂得以安息的工作需要加快了。”

为了完成这项任务，越南政府还专门拟定了Project 150计划，投资5000亿越南盾（约合2500万美元）升级了本地DNA测试实验室的设施，准备在2020年前辨认出至少70000名越南阵亡士兵的遗骸。据悉，这些升级后的设施将于今年年底正式投入使用。

新一代DNA测序技术（NGS）

如果该计划推进顺利，就能向世界展示先进的测序技术在取证领域的巨大作用。据悉，新一代测序技术未来将取代使用了三十年之久的“桑格测序（NGS）”，利用该技术，越南的科学家可以从那些已经被破坏严重的遗骸中获取必要的信息。

近些年来，NGS技术已经发生了翻天覆地的变化，在测序通量突飞猛进的同时，测序成本直线下降。2014年Illumina 公司发布的新型测序系统已经可以用千元成本测序完整的人类基因组，最多每天能测序 6000亿个碱基对。

而要完成这项计划，科学家们首先要建立一个数据库，这里会存储超过100万越南人的生物样本，包括唾液、头发和血液。未来，这些样本会成为“参考数据库”，科学家可以通过DNA比对算法找到死者与数据库中样本的联系，以便确认其家人。不过这一过程可不简单，通常要识别一个阵亡士兵的身份，需要比对3-6个相似的参考样本。

除了DNA辨认，有时越南政府还会让家属参与现场辨认。毕竟某些配饰、记号和历史痕迹证据也非常重要。

但其实影响DNA存留的因素很多，其中就包括温度和时间。穴居人的骨头在恒温恒湿的稳定环境中可以存储数万年，但越南的潮湿闷热气候却无法提供这种环境，残骸中DNA的降解速度非常快。因此，仅靠组织样本来辨别阵亡士兵身份已经变得不太可行。所有，他们需要和其他技术公司进行合作，其中就包括医学诊断数据库巨头Bioglobe和国际失踪人员委员会（ICMP）。

Bioglobe已经与欧洲测序公司QIAGEN达成了合作，它们将帮助科学家处理那些已经被土壤中微生物污染过的骨头和牙齿（DNA存留明显变少）。ICMP则主要负责遗骸挖掘阶段的指导，这样就能避免越南科学家将不同的骨头弄混。此外，ICMP在性别区分上还非常有一手。

NGS的广泛应用前景

在下一代测序技术不断进步的同时，它的应用也越来越广泛。据该领域专家介绍，下一代测序在临床领域的应用快速增涨。研究数据显示，新一代测序市场将于2020年达到48.92亿美元，复合年增长率达到20.7%。

在应用类型上，NGS市场可划分为肿瘤研究、遗传筛查、传染病研究、药物和生物标志物发现、分子流行病学、农业和其他方面的应用。

据悉，越来越多的研究者选择下一代测序的多基因panel对肿瘤进行研究，或者通过外显子测序鉴定潜在的药物靶点。在诊断儿童遗传学疾病时，人们也逐渐抛开了传统的诊断方法，转而使用全外显子组测序。

此外，NGS检测有两大优势，它既可以帮助人们确定治疗方案，也可以为患儿父母评估他们未来子女患同样疾病的风险。实际上，用下一代测序进行（致病基因）携带者筛查，是NGS 的“杀手锏”。

现在的滴滴一心想终探索出一条可行的国际化之路。而事实上，在Uber和滴滴抢占中国市场的同时，滴滴还在美国投资了Uber本土最大的竞争对手Lyft、Uber印度市场最大的竞争对手Olacabs、Uber东南亚的最大竞争对手Grab。很明显，滴滴希望在全球出行市场与Uber一较高下，并且最终获得比Uber更高的估值。

而对Uber来说，将优步与滴滴合并，也是一个并不明智的选择。Uber能获得不可思议的高估值很大程度上建议立在「唯一覆盖全球市场」。而一旦将优步卖给中国的竞争对手滴滴，这将意味着Uber那套在全球范围的扩张手段，在全球最大的出行市场没办法行之有效。

昨日，大洋彼岸彭博社一则“滴滴优步合并”的传言刷爆了朋友圈，这则言之凿凿的小道消息一经爆出，就在业界引起了轩然大波。

但传言一经传出，双方都很快进行了否认。滴滴方面表示：“我们并无类似计划，也不对市场留言做过多评论。”而中国优步高级副总裁柳甄在微信朋友圈中表示，合并一事“纯属谣言，增长很快，我们很忙，无暇回复。”

至于滴滴会和优步为什么会合并的理由，在业界卡看来无外乎有三：

其一，两家公司公司有不少共同投资者，有合并的基础存在。

其二，持续很长时间的补贴大战，给两家公司的资金造成了巨大的压力。

其三，滴滴和优步合并后将彻底垄断中国出行市场，增加双方的想象空间。

上面的这些理由看上去逻辑都非常正确，再考虑到近年来市场第一和第二合并已经并不是什么新鲜事，不少人选择相信了这个传闻。但如果深究，我们会发现滴滴和优步的合并更多的还是不靠谱。

一、不惧竞争，两家公司目前都不缺钱

如早前那些合并公司不同的是，无论是Uber还是滴滴目前都不缺资金。双方在近三个月通过股权融资、债权、高息贷款分别拿了几十亿美金。

Uber目前融资额已经达到150亿美元，投资方包括一批风投机构、对冲基金以及主权财富基金，有沙特阿拉伯公共投资基金、广汽集团、中国人寿、百度、万科等等。7月8日，Uber通过高收益率杠杆融资11.5亿美元。

而滴滴则在今年5月获得苹果10亿美元投资后，融资总额已经超过50亿美元，背后是阿里、腾讯、创业投资公司DST等国内一批资本力量。今年6月中国人寿保险公司还花近6亿美元投资了滴滴出行。

按照易到CEO周航的说法，去年整个专车市场全年烧了200亿元人民币。但今年的补贴市场已经开始冷静，专车市场进入比拼效率阶段。滴滴、Uber刚融的现金储备足够再打一年，合并稀释股份的基础并不存在。

当然确实存在有投资人不想补贴站继续下去的可能性，尤其是双方共同的投资人，肯定不太乐意优步和滴滴双方继续撕个你死我活，因为看不到尽头的烧钱补贴大战，其实是烧着他们的钱。但由于目前滴滴和Uber股东较为分散，管理层具有较大话语权，双方是否会向资本市场妥协存在极大的变数。

二、优步是滴滴子集，合并意义不大

双方严格意义上来说，现在的合并成本非常高。目前两家公司都是几百亿美元的估值，滴滴拿债权融资，Uber拿贷款同样说明其股价高到很少人能接盘的节奏。对两家仍然处于亏损的企业，接盘吃下对方都需要很大的勇气。假如真的合并，那么势必会交换股份。投资者早前提出“优步并入滴滴，而Uber成为滴滴小股东这一方案。”

现在有一个关键的问题在于，滴滴愿不愿意接受优步。我们知道Uber专注打车领域，在全球市场取得了绝对领先地位，并且延伸了一些基于出行的生活服务，例如UberEATS。目前滴滴虽然主要在中国市场，但滴滴想要做的是基于生活出行的全产业链。两者之间虽然存在一定差异，但殊途同归，都是围绕出行市场延展出更多的想象空间。

Uber中国战略负责人柳甄本月曾表示，“优步计划到明年底在中国超过滴滴。我们认为这一目标无法实现。滴滴在用户中深入人心；它拥有稳固的市场份额优势，要归功于滴滴与本地的出租车服务合作，而优步只提供专车服务。滴滴还提供了其他交通出行选择。例如饮酒后的车主可以通过滴滴叫来代驾。”

我们需要注意的一件事是，优步虽然是Uber的中国分公司，但从产品上看，优步和全球市场的Uber还是存在一定差异。优步在中国最重要的产品人民优步和滴滴出行的快车功能基本相似。优步很大程度上也只是滴滴的子集，或者只能说是滴滴快车的竞争对手。这种合并，本身就不对等。

三、双方牵扯利益过多，谁都不肯认输

虽然滴滴和优步拥有不少共同投资人，这也被当成是两家公司可能合并的一个依据所在，但我们要明白的一件事是双方之间不同的投资人其实更多。在资本市场，投资者同时投第一、第二其实是很正常的事情。像阿里巴巴和京东在电商市场掀起了一波又一波的大战，可谓是形同水火，但双方仍然有共同的投资人。

面对合并的传闻，滴滴战略负责人朱景士近两日则明确表示，“今年4月10号滴滴第一次突破1000万单一天，而到目前日订单已突破1600万单，一个季度增长60%速度迅猛。同时，目前滴滴四百余个城市中已有近三百个盈利，很快将整体盈利。在几乎中国所有城市，滴滴都领先竞争对手，在出行行业中，滴滴一定会成为唯一胜出者。”

而今年6月UBER创始人特拉维斯·卡兰尼克在中国出席一论坛时，曾经明确表示，UBER和滴滴不会合并，并表态这场发生在两家中美互联网公司间的出行服务大战远未结束。

金沙江创业投资董事总经理朱啸虎在6月28日的网易未来科技峰会表示，“本人3年前作为第一个进入Uber旧金山总部全球作战会议室的中国投资人，就曾建议TK投资滴滴5%的股份，把中国市场完全交给滴滴，可惜TK胃口太大！随着双方军备竞赛的进一步升级，牵扯的战略利益方越来越多，合并的可能性已经几乎没有.......双方的战略投资人越来越复杂，而且每个人都有自己的诉求，我觉得要谈合并的可能性几乎已经没有了。”

四、合并其实是双输，直接扼杀彼此想象空间

表面上看，滴滴和优步的合并将会使中国出行市场诞生一个超级巨头，但如果我们深究两家公司的战略来看，合并无疑其实是双输。

先简单分析一下两家公司的业绩。

今年1月，滴滴出行对外公布2015年全平台订单总量达到14.3亿，超越了Uber在去年圣诞节实现的累计10亿订单数。而Uber全球CEO特拉维斯 · 卡拉尼克7月19日则宣布Uber的总订单量实现20亿的新里程碑。再据朱景士公布滴滴最新数据推测，“今年4月10号滴滴第一次突破1000万单一天，而到目前日订单已突破1600万单”，滴滴出行截止7月的总订单量应该大致和Uber相当。

我们再看两家公司的估值对比，上个月，Uber在沙特阿拉伯获得了价值35亿美元的主权财富基金，该基金对Uber公司估值达到625亿美元。而5月，苹果则向中国打车应用巨头滴滴出行投资10亿美元，此时的滴滴出行的估值攀升至280亿美元。

这就造成了一种反常的现象，Uber和滴滴同样专注出行市场，但两者在体量上总体相当，甚至滴滴在总订单量上可能已经完成对Uber反超的情况下，滴滴的估值却不及Uber一半。我们可以分析这是因为两家公司模式、技术上存在一些差异，但更多的因素恐怕还是“Uber是一家国际化的公司”。

这也是为何滴滴在已经占据中国出行市场之后积极开拓海外市场的关键原因所在。现在的滴滴一心想终探索出一条可行的国际化之路。而事实上，在Uber和滴滴抢占中国市场的同时，滴滴还在美国投资了Uber本土最大的竞争对手Lyft、Uber印度市场最大的竞争对手Olacabs、Uber东南亚的最大竞争对手Grab。

很明显，滴滴希望在全球出行市场与Uber一较高下，并且最终获得比Uber更高的估值。从这个角度来说，滴滴很难接受和优步的合并，因为一旦合并，势必会达成某种妥协，减缓甚至停止海外扩张的步伐。

而对Uber来说，将优步与滴滴合并，也是一个并不明智的选择。Uber能获得不可思议的高估值很大程度上建议立在「唯一覆盖全球市场」。而一旦将优步卖给中国的竞争对手滴滴，这将意味着Uber那套在全球范围的扩张手段，在全球最大的出行市场没办法行之有效。当Uber在积极开拓美国之外的市场时，这样的消息传出，很可能会导致Uber全球估值出现恐慌性崩塌。

总结来说，滴滴和Uber之间的竞争，这绝不同于早前的58和赶集、携程和去哪儿、优酷和土豆，两者之间不仅是在全球范围内展开争斗，更是两种不同模式之间的争斗。这种不可调和的矛盾之下，我想合并的可能性真的挺低的。

雷锋网注：转载请联系授权并保留作者和出处，不得删减内容。

联合编译：黄鑫，章敏，陈圳，

为什么我离开了自己的学术工作

扰流警报：对我来说，离开了自己的学术工作是一个二体问题，但也是个二体机遇。有许多人问我为什么要这么做，因此我觉得有必要说明一下自己的想法，希望不会存在太多自我偏见。所有的决定，都是我在权衡了利弊后做出的，当然了，这些都是我个人观点，与其它的东西无关。

首先，让我告诉你我是如何进入到学术圈的吧

1997年到2001年，我都在斯坦福大学攻读应用物理博士学位，不过那时候我只是在校园里上课，因为我是施乐帕克研究中心Bernardo Huberman教授的指导选课学生（Bernardo是斯坦福大学的顾问教授）。在我快要毕业的时候，Bernardo教授为我提供了一份在惠普实验室的工作（恰逢他要离开），于是我在那里工作了四年。一直到2005年，密歇根大学的Mark Newman教授给我写了一封信，并为我提供了一份工作岗位。当时我在回信中写道“我可不想回到大学当一名教授”，但是Mark Newman教授在回信中告诉我，他觉得我擅长学术研究。我是通过Mark Newman教授的工作与他相识的，那时候我觉得他的成就斐然，因此就相信了他的判断（后来与他有了更多接触，让我发现他的工作简直完美，但是在其他方面可能并不尽如人意）。但不管怎样，我申请了在密歇根大学的工作岗位，并且得到了这份工作，可是之后我跟丈夫TJ说道：“虽然我要在密歇根工作，但我们并不能把家搬到那里。”我的丈夫非常体贴，他说，这些问题都会解决的。我们确实也都解决了很多问题。TJ在福特公司找到了一份研究工作，而我则开始了在密歇根大学的学术生涯（信息/中心学院复杂系统研究/及电子工程与计算机科学专业）。六年后的一次休假，我回到了加州（我在伯克利和Facebook之间的时间是分开的）。在我的假期结束后，密歇根大学允许我多休假一段时间，于是我待在了Facebook，当时我的丈夫TJ则负责福特硅谷研究实验室（后来该实验室从福特公司剥离，成为了一家独立的初创公司）。在我的放假期满之后，我开始向助教职务过渡，并且通过Coursera教学平台，继续在密歇根大学教书，同时我也能在Facebook公司继续自己的全职工作。这就是我如何变成一个“辍学教授”的故事。

你会有很多优秀的同事，但是你不得不努力尝试与之交流、与之合作

（更新：看到这个文章之后，我的很多密歇根大学信息学院的同事都插嘴纠正，表示信息学院的社交环境还是非常好的。我相信他们，所以我认错——如果你在密歇根大学信息学院的话，你会有很多与同事交流、合作的机会！）

在帕洛阿尔托研究中心、惠普实验室、以及现在的Facebook，如果你需要定期和同事交流，可以直截了当的走到他们的办公室或办公桌前。很多时候，你们可以聚在一起吃个午饭，老实说，我真希望密歇根大学也有这样的氛围，特别是当我第一次面试之后，能和每一个人都有一次长时间的聊天。但是，现实并非如此，绝大多数老师都“隐藏的很深”，他们要么自己在家工作，要么在“其他”办公室，甚至有些同事会把自己办公室的门紧紧锁住。在我入职后的几周，终于在教师楼对面的办公室里发现了一个“好”同事，我冲过去打招呼。他堵在门口，不断的说见到我很高兴，也欢迎我来到密歇根大学，但是他手头上有很多工作需要做，因此无法和我聊天。同样是在我入职后的几周，终于通过电子邮件收到了课程委员会主席的回信——当时我向他提出建议，希望能够开设一门新课程。因为我从来没有教过课（即使在做助教的时候也没有教过），所以我希望能够亲自咨询一些授课老师，希望能够从中获得更好的反馈。他表示自己在三周内有时间。当我开始在下一学期教课之后，我变成了和同事一样的人，把办公室的门锁的紧紧的。令人困惑的是，一些教学经验非常丰富的老师，比如前文提到的Mark Newman教授，经常会把办公室的门虚掩，如果你敲门并得到允许的话，才能进去和他聊天。他们是如何做到这样的工作氛围？我不知道。

随着时间的推移，我开始获得了一些定期合作者，而且我很喜欢和他们一起工作。但是其他人，我只是和他们在课题委员会见面时才说上几句话。同时，我意识到，让我和学生在课堂中多讨论十分钟问题时，就会有人走过来，让我们离开房间。然而，当校委会开始讨论哪些事情学生能做（而不是不能做）的时候，大家的忽然变得热情高涨，各种想法此起彼伏。每个走进校委会的学生都会被吓得不轻，因为他们会受到各种与学习无关的盘问，而我几乎没有时间和其他同事讨论学术问题，我知道，唯一能和他们讨论研究问题的，将会是下一次论文答辩。我应该说，密歇根大学信息学院应该非常清楚地意识到这些问题，所有的办公室设计都不应该上门锁，鼓励大家多合作、多互动。不过很无奈，当我作为嘉宾在其他高校做讲座的时候，发现他们教师办公室的门也都是紧紧关闭的，而那些定期与我见面的人也告诉我，他们每次来密歇根大学的原因也只是为了见我、与我交流，不会和其他老师有任何交集。实际上，外部访客（比如嘉宾或是应聘者）是最有资格判断一所学校、或是一个学院的工作环境究竟是好是坏。

如果能控制自己的话，在大学授课应该是最有回报的一件事，即便你没能这么做

在惠普实验室工作末期，那时候的我非常沮丧。即便我为了论文在奋笔疾书、即便我的论文被引用的次数最多，但是日子非常难熬。我不确定自己的工作是否有价值，更不知道自己会有什么样的工作成就。一旦我开始教课，所有的问题都烟消云散了。每一节课、每一个试验，我都能得到反馈，知道我把知识传授给了其他人，这让我感到非常兴奋，感到自己非常重要。当学生告诉你，从你那里获得的知识能够在其他地方应用，你会感到非常欣慰。这种感觉很好，非常好，不管是短期，还是长期。

但是做老师会消耗你大量时间，而且，也并不是每个学生都会对你心存感激（保留的说）。我知道有些非常好的课程被差老师给糟蹋了，每次上课，他们会放上几张幻灯片，讨论一些概念，然后让学生轻松拿到成绩。但这不是我的教学方式，我在大学教书时，喜欢做一些规模不大的讲座；我学会收集一些问题集合。因此在我的课堂上，会花上好几个小时时间去清理数据集合，或是基于模型建立某个代理程序，甚至会让学生编写一些数据读取脚本。因此，在我的数据课程里，学生们可以明白生活中各种对象之间的关系，比如吊带/数学团队/啦啦队之间的关系，年龄和幸福度/睡眠之间的关系，等等；而在我的社交网络分析课上，学生们可以模拟很多处理流程，比如点击一个按键之后，会引发什么样的社交网络效应；而在我的基于agent建模课上，我会为学生编写一些shell脚本，让他们按照一些随机指标模拟股票市场交易。这个过程非常有趣（尤其是对我来说），但这需要我花大量精力去准备，而且对有些学生而言，他们并不会感激我所做的这一切。我的自控力其实并不好，即便我教授数据分析课程好多年时间了，当一个新数据集合出现，比如一项关注互联网因素的皮尤调查，我就会情不自禁地部署一份作业。而且，我还会让同事把他们的研究数据告诉我，希望能够在不同的课程上建立联系。更糟糕的是，我通常会在上课前一天晚上去做所有事情，因此很多教学材料并没有组织的很好。
无论如何，我还是非常感激密歇根大学让我能够通过Coursera在线教育平台继续教书，因为我真的很怀念教书。

当然还有另外一种教学模式——指导研究生。这是一项很有成就的工作（因为你可以看到学生变成熟，并且知道自己研究领域的方向，他们中的很多人会有一个非常好的未来，甚至以后可能会和你一起工作），当然也有沮丧（当你发现，自己其实扮演的是“文字编辑”的工作角色，而不是亲自投身到研究工作中去）。更重要的是，这份责任是非常可怕的，一个人的未来和职业轨迹可能就取决于你：不仅仅是他们是否会完成自己的博士学位，不仅仅是你能否对他们写论文给予帮助，更不仅仅是帮助他们写一份推荐信，让他们找到一份学术工作。

你可以在晚上和周末，做想做的事情

你可以把所有的时间都用在教学上，这并不新奇，这仅仅是它的一部分。你的学术日会被无数的任务愉快地充实，其中只有极少的一部分需要进行实际研究。这是委员会的工作，但它是有界的。然而，一旦你的工作量足够了，你会被不断的要求审查文件和建议。我统计了一下，在一年中，我已经审查了80篇论文+建议。80篇啊！！连拒绝这种数量的请求都是一个苦差事。无论何时，当你认为有1到2个小时的时间，去做一些你喜欢做的事情时，更多可能的事情如：一个逾期的审查或推荐信将呈现在你眼前。有一个有趣的故事：一位在Fcaebook的同事曾经请求一个著名的学者进行合作。据报道，学者笑着说：你知道我在这方面干了多久了吗？一天中，我的所有工作就是写推荐信。

现在，或许对大多数学者来说，介绍信并不是什么大问题。我不知道你是否曾经读到过Jon Kleinberg. Jo的介绍信，正如你可能知道的，他是一个公认的天才，敬爱的老师，以及（我现在知道）慷慨的合作者。在这些成就之下你可能会认为，他很少有时间写这种富有说明力的3-4页的信件——不仅可以描述学生和他们论文的所有优秀品质，还可以给出比学生给更好的学生独立工作总结。但结果并不是这样，他写出了这样的推荐信。而我呢？，绞尽脑汁，尽可能的拖延，然后发整个晚上去完成一份推荐信，最后只能通过将字体调大的方式，将它扩展成两页。我甚至都不询问信件的使用权，因为那些需要相当长的时间。更有趣的故事：在某些方面，UofM将他们的学生旅行补助表格更改成了在线格式。在这之前，纸上有两行线，你需要写为什么学生要去这个会议，如“有论文，需要出席”，而现在你需要在介绍信中附带一份pdf说明：“有论文，需要出席”。我意识到写信时，时间是如何被消耗的，是在10月份我儿子出生不久之后。在11月和12月份，请求我写推荐信的人多到爆，而我唯一想方设法要完成的工作，就是写完这些信。

你是你自己的代理人

作为教授，你肯定有一个老板。他们会要求你做事情，比如教特别的课程，得到更多的基金，参加议会。可是一旦你做了这些事情，自己的世界就几乎都被约束了。你会得到教学评分，并且你的课程建议会由一个委员会进行审查，可是一旦你在教室里面，你就是主持人。你选择要从事的研究，并且寻求外界的认可，因为这是最终最重要的事情。你发表你喜欢的东西，随意发费你的补助金。相比之下，在工业界，你也有一个老板。你需要准时向你老板报道。你的老板可能非常的酷，非常的鼓舞人心（就像所有的事情里面都有我），但你总是揣测他们对于你工作的看法，以及他们是否支持你的工作。你也要让你的出版物得到拥护（Facebok在这方面特别的cool，它在工业不需要无所不在，无时不在）。然而在研究实验室，没有人会检查你的时间，而且你可以在家里工作，在学术界，只要知道你的学生和其它依赖你的人的处境，你就可以消失几天，人们都习以为常。

这都是关于你和你的工作

无论你在学术界做了什么，都是关于你和你的工作。到处旅游，谈论你和你的工作，写下你和你的工作。尽管同意书写，我也直截了当的认为：你要做你喜欢的事，（最终）你得到钱，你做了事，你是这大事件中的一部分。你的学校，到处跑时你都代表着它，但从属关系是次要的。无论在哪里，你都做着一样的事情。对比之下，你是公司的一部分时，你就是它的一部分。在会议上你代表着它，在朋友和陌生人面前你也代表着它。在HP研究所工作时，每一次谈话我总是会被问到：“为什么HP关心科学网络”（追溯到2003年，在那时每一个人都关心科学网络不是吗？）在文学界，外部的认可都是你努力的结果：如果你写了一篇好的论文，你的文章会被引用，或者你可能会收到奖励，或者你会被邀请到一个讲座进行更多的探讨。如果在你大学中，其它的研究员做了非常了不起的事，你或许会感到自豪，但最终与你关系不大。对于外界来说，你不仅要对工作负责，还要对其它体验过产品（虽然你没有从事过）的人负责。这有点混乱。

在工业方面，你是最大的，最有效的机器。这是一个你的努力将归零的机会，但这也一个，现存的机器和商品都将是你同事的机会。你的努力将成倍增加，并有相当大的影响（将由许多人体验）。也就是说，得到一些真正“在那里”的东西是更容易的（尽管在学术界，许多人都认可他们的技术，或分拆创业公司，以这种或那种方式，使世界变得更美好，例如我的朋友Amy Herr）。

问题不仅是你不想做的事，同时也是你想做的事太多

研讨会：回到我在Xetox PARC和HP Labs的日子，一个星期内，我需要参加1-2个研讨会。特殊情况时（例如Stephen Hawking 或者Persi Diaconis进行演讲），我要去Stanford并且做相关的事。其余的时间，我去进行我自己的工作。在UofM时，不仅有许多顶级部门的部门研讨会，还有许多相关的跨学科的研讨会，和所有与我的研究有关的领域。如果你的工作是在如“网络科学”，便有幸在同一周有，相关的会谈，CS，复杂的系统，经济学，社会学，政治学，公共卫生和一些跨学科研讨会，包括第一年作为教师你被鼓励去做的（这是一个主要的时间污点，如果你，像我一样，在招聘学生和管理你的工作人员的资源方面特别糟糕，你也会忘了为它申请教学学分）。甚至没有进入招聘季节时，更多的发言者就来了，我被要求（或要去）和他们见面。

多所大学合作：有一些与调查结果相关的作者来自于多所大学，这并影响工作。我仍然不认为，多所大学这一方面，是真正的问题所在。我认为，如果你是有特殊能力的科学家（可能在更高的位置），和有更好的想法的人（更可能是在他们的大学以外有吸引力），你自然会最终以高影响力的工作，弥补大学的影响。然而，许多资助机构都认为：让5所大学一起进行同一件事，是非常重要的。虽然我很喜欢来自其他大学的同事们，但在实践中，这产生了更多在个人旅行时需要的会议，每周一次或每周两次的进行电话会议，并且大部分的费用仍然由一个大学提供。在娱乐时间，我不确定额外的协调费用是值得的。

我在SI期间，许多令人兴奋的发展正在进行中。首先是专业化的“集群”，然后是专家，然后是不同的专业，然后是联合大学/专家，然后是一个本科生专业，然后是与公共卫生合作项目，然后是大量的新课程（因为你可以想象，该领域发展非常迅速）。这样的话更不要用说，招聘可以跟上所有的这些发展。回到教学方面，也就意味着：很多的课程没有课本，并且它的成份是不断发展的（一年后，一个社会媒体课程肯定是过时的）。这并不是，你从课本中准备了一些课堂讲稿的情况，或者从教科书中分配问题（添加一些你自己的东西），然后很多年一直教同样的东西（我认为我的大学物理教授大部分时间所做的事）。

学术作品失控了。我认为在引述Higgs的同时，人们会说道：以现在的标准，他将永远也不会获得任期，因为他没有发布足够的论文。我认为以现在的标准，我也无法得到PhD，甚至无法进入研究院。作为一个本科生，我做了一些研究，但没有任何的出版物（或者只有一个）。在4年PhD期间，我只发布了4篇论文（在研究院的2年中，只报告一些新的研究成果的论文，是无法存活下来）。现在，我不知道一个学生怎么会有如此稀少的出版记录！我们写的越多，产生的审查内容就越多。

在它变得无趣之前，旅行是有趣的。

很幸运，我能在这个新兴的领域工作。但也是这个原因，我不得不去参加会各种各样许许多多的聚会。首先是会议：例如，WWW，Collective Intelligence, ICWSM, NetSci, WebSci, CSCW, 复杂网络的研讨会，社交媒体的研讨会，众包，经济学和网络，计算社会科学，社会计算等等…..。接下来还有大学邀请的讲座，大学讲座十分的受欢迎，因为它可以使你有机会与有趣的人单独相处。接着还有国家科学基金会（NSF），这至少需要花费1-2年，毕竟对掌握资金的人说不，绝对不是明智之举；此外，还有你能说的上话，新的跨学科资金领域。然后是由多个大学支持的项目会议。所有的这些会议加起来时间长达1-2个月，一些我知道的同事，他们甚至要参加更多的会议。开始去新的地方，接触新的人是令人十分兴奋的事情。但紧接着我就开始失眠了。这不仅仅是时差的问题。因为无论去哪里，我都得凌晨4点起床，然后在半梦半醒的状态下参加会议。我很恐惧预定旅行和报销收据。我能想象在之前可能会有其他人员帮忙处理这些事情，但是现在都是网上办事，我们或多或少（就个人情况而言）需要靠自己处理相关事宜。

我一直被告知要养成说“不”的美德。你不必自己亲自处理出差的所有事宜。但是，正如我所提到的一样，自己组织一次研讨会，并且邀请人们做各种各样的事情，例如，参加项目会议，在会议上发言等等。可是你知道吗？尽管没有人对此说“不”，但是这个“不”是一个我们愿意相信或是渴望的传奇。然而，在行业中你真的有事时，能更容易说出“不”。

接下来我会讨论:一些旅行是否真的必要。10年前有人告诉我Steeven Strogatz从不旅行。确实我从未在任何一个会议遇见过他。然而，现在看他的网页，我们能看到他即将有一个演讲邀约，和想联系他演讲的联系方法。无论如何，大约5分钟以前，我以为他已经解决了。他待在家里，写一些重要论文和书，并得到了应得的荣誉。在同一时间，我花了一年的时间奔波于不同的地方，试图收购一些我们喜欢的论文（一个是基于信任，另一个是基于焦点和生产力）。人们会对此拍手叫好，并称赞这是个“有趣的谈话”，但最终论文并未被采纳。或许我应该像Strongatz一样待在家里。也许那时我就能在纽约时代杂志上发表论文，让99%未曾见过的客人露面，接着让人们空前的关注数学。以上仅仅是在个玩笑。

技术还不是你的朋友。

邮件会以各种各样的方式成为你的敌人：学生发邮件进行求助论文或是其他，国外资金机构要求你为他们评估建议，以色列教师要求另一个委员会的成员成为他们的学生，自由撰稿者会请求你为他们写稿，但能否刊载还不一定，创业公司寻求建议等等……。与此同时，办公的时间十分的少。我会建议学生找一个合适的办公时间来进行讨论，但在大部分办公时间里，几乎没有学生过来。所以我得到了一大堆的邮件。我试图把更多的时间放在谷歌团队，毕竟在这一领域学生可以自己解决大部分的事情，但是情况并无改善。发邮件是一件相当容易的事情。除非是必须打电话，或是亲自拜访，要求就会下降一个等次。

我曾试图尽量多地使用教学技巧：网上论坛，LectureTools（具有非常强大的功能，能把你的幻灯片缩成一个图像，然后可以在网站上手动翻阅；接着能插入一个测验，对参加的学生进行试验，所有这些过程都在1000个鼠标点击之内或是更少）等等方法。但是所有的这些都是增加而不是减少工作。只有一次我为讲座准备手写笔记，并把它们写在黑板上。

虽然不使用幻灯片就这样进行准备，有一点伤脑筋，但是这仅仅是我在准备幻灯片的一小部分时间，接着再把笔记打印出来（尽管打印是一个暂时阶段，因为我觉得现在没有人会想用纸质的），把笔记与教学大纲联系起来，并上传到相应的文件夹，最后生成PDF格式。

平衡工作和生活十分的困难，除非工作就是生活。

你可能注意到在上述的抱怨中，学术生活有许多的工作，但其实不然，生活就是工作。我曾考虑过所需的时间，以及做这些事的超人。曾经在许多次的周末我都有做过计划，但一想到我还有很多评分工作需要做，论文的截止日期就要到了，或是在出城旅行之前下周课程还未做准备后，我都不得不羞怯的食言。在学校的时候，我还没有做过任何周末出游计划。我也确定了不仅仅是我一个人是这种情况。我们的一些女同事，每隔一段时间就会组织一次高效率的购物之旅：我们会全都挤进一辆汽车，去卖些便宜的蔬菜和便宜的衣服，几个小时之后就会回来。但是我们不得不计划哪几周出去，因为一旦遇见教学或是资助计划截止日期，出城旅行的计划就会泡汤。紧接着还会发生一些新的意外的事情，但只有极少数的人才能成功。

我在HP实验室工作时，有一些嗜好。我会在就近的大学区域内学习焊接和加工。我会去航海，冲浪或是划船。有许多周末我会去远足。帮忙打理花园。现在我在Facebook上迷上了木工，周末也会和家人一起去露营。当我开始教师工作时，除了工作之外就没做其他的事情（除了在夏天时会打理一下花园）。说到夏天，我可以去克罗地亚进行旅游。上午去海滩，中午和下午工作。我离开时会带一些大多数美国人不会带的东西—夏天的海滩就就像我童年时期所经历的一样。但实际情况却不太一样。在夏天会有许多的会议，我试图在这些会议中挤出我的假期。假期一般是在6月4号左右，因为这是Ford的强制性休假。我可能会在克罗地亚呆3周左右时间，所以当时我下定决心全身心的投入休假。不幸的是，计划总会和NSF的截止日期撞上（例如，CAREER或是CISE的应用），此外学生也会尽力捍卫自己的权利，尽管他们可以在其他的时间就做这些事情。当然我一定会去海滩，尽管我知道还有几百页的论文需要看或是订正，或是一些其他萦绕在我脑海的事情。这显然不是休息，并且十分的有压力。

说到压力，当面对压力时，我不是一个十分风趣的人。你知道快乐的醉汉和酒鬼之间的差别吗？当然也有许多的人十分擅长于处理压力。就拿Michael Bernstein来举例。你可能会遇见他因为各种各样的截止日期，在最近的3天内只睡了3个小时，但他依旧能对你兴奋的谈论接下来的研究。但我是一个暴脾气，易紧张的人。我没有耐心，容易闷闷不乐，经常跑去浴室。另一方面，我没有太多的生存危机，但有更多的邻近危机或是截止日期需要担心。过去的几年，可以说是我的黄金时期，充满了兴奋感：发表论文呢，与我领域相关的顶级人物在UofM或是会议上交流，教授成千上万的学生。但当我回顾我的美好岁月时，并没有充满学术成就，反而是一些与朋友在湖中或是河边闲逛的慵懒日子。在Caltech的日子，我也是一样的懒散。我们很高兴曾有一段疯狂的日子，充斥着各种各样的课程，并且学习了第二专业，我很自豪我成功的熬了过来，并乐意对任何愿意聆听的人指出这一点（等一下，我是又在吹嘘加州理工学院吗？但是最最美好的时光是入学前的背包旅行，坐在休息室里，参与一些恶作剧或是传统，并游历加利福利亚州，亚马逊或是犹他州。

作为一个可以与孩子共处的教授，提供了便利，但却有时间上的限制

在业内肯定有机会和动机努力工作。我见过许多教育型或是非教育型的事业都蓬勃发展。我认为在学术界或是工业界，许多过度工作都是自己造成的。我们仅仅是那一类人，喜欢工作，并对于我们所追求的问题充满激情，同时我们总是想做得更好。

所以如果你还在这两个职业之间纠结？选择可能会有所不同。尽管在这两个职业之间进行切换是可能的，但同时进行是相当困难的。如果你正视图做出决定，祝你好运。如果你已经做了决定，那么就请坚持下。

 via：原文

PS : 本文由雷锋网独家编译，未经许可拒绝转载！

美国时间2016年7月21日，英伟达发布了售价高达1200美元（人民币超过8000元）的最新显卡Nvidia TITAN X，并把第一个显卡送给了他——Andrew Ng（吴恩达）。

美国时间2016年7月21日6:00 PM，在斯坦福教师俱乐部中，英伟达与百度美国研究院举行了一个小规模的ARIFICIAL INTELLIGENCE MEETUP（人工智能聚会），会上请到了Andrew Ng（吴恩达）——现任百度美国研究员首席科学家，也是现代人工智能研究奠基人之一，以及百度硅谷实验的的Bryan Catanzaro和Eric Battenberg。

交流会上发布了最新显卡Nvidia TITAN X，其具体参数如下：

11 TFLOPS FP32

44 TOPS INT8 (新的深度学习架构)

12B晶体管

3584 个CUDA 1.53GHz核心  (之前的TITAN X中只有3072 个1.08GH核心 )

比之前的TITAN X快了60%

最大超频状态下高性能表现

12 GB的GDDR5X内存 (480 GB/s)

在这次发布会中，英伟达提到：

每个人都有自己的英雄，Andrew Ng（吴恩达）——深度学习的先行者，现任百度美国研究员首席科学家就是我们心中的英雄之一。现任英伟达CEO黄仁勋（Jen-Hsun Huang）选择在斯坦福大学与深度学习专家举行一个小规模的交流会，在会上发布当下性能最强悍的GPU，并且把第一个Nvidia TITAN X显卡送给Andrew Ng（吴恩达）！

原来早在2012年，Andrew Ng（吴恩达）就将GPUs应用到人工智能领域。之后用它建立有史以来第一个深度神经网络，然后通过观看1000万个YouTube视频来训练这个人工智能神经网络。在观看了超过20000个不同的物体后，使用深度学习算法的人工智能开始能够认出“猫”的图片。Andrew Ng（吴恩达）当时接受采访时提到“与其让一大帮研究人员努力去探索如何发现图像边缘，不如直接将一大堆数据一股脑儿丢给人工智能算法，让软件自身从数据中进行学习。”在那之后，GPU在深度学习中的应用不断加大，到目前为止深度学习系统的运行速度已提高了近50倍。

Andrew Ng（吴恩达）与其他研究学者通过使用GPUs来进行深度学习给整个业界带了翻天覆地的变化，所以英伟达认为第一个TITAN X显卡给Andrew Ng（吴恩达）相当有意义。

在交流会中Andrew Ng（吴恩达）认为就像100年前电力的发明改变了整个工业界并且持续带来技术革新一样，接下来的十年里人工智能（ARIFICIAL INTELLIGENCE）将会持续改变并革新所有行业。但是在人工智能（ARIFICIAL INTELLIGENCE）行业中，使用最尖端的研究设备是非常必要的。Andrew Ng（吴恩达）认为如果你能拥有一台2倍速度的学习机器，那你的研究出成果的速度也会提高2倍。这是否意味着当下的深度学习已经到了拼硬件、拼财力的程度了？

与此同时，与会人员超过500位学者、研究员以及学生全部聚集在斯坦福教师俱乐部中。当黄仁勋宣布发布最新一代的GPU时，他们全部都变得十分兴奋、激动并马上拿起手机拍照分享。这是为什么呢？

因为目前在深度学习领域中，GPU发挥了相当重要的作用。以前需要大量的CPU以及超级计算机进行的运算工作，现在只需要少数GPU组合就可以完成。这大大加速了深度学习领域的发展，为神经网络进一步发展提供了计算基础。熟悉深度学习的人都知道，深度学习是需要训练的，所谓的训练就是在成千上万个变量中寻找最佳值的计算。这需要通过不断的尝试实现收敛，而最终获得的数值并非是人工确定的数字，而是一种常态的公式。通过这种像素级的学习，不断总结规律，计算机就可以实现像像人一样思考。如今，几乎所有的深度学习(机器学习)研究者都在使用GPU进行相关的研究。

深度学习是利用复杂的多级「深度」神经网络来打造一些系统，这些系统能够从海量的未标记训练数据中进行特征检测。 虽然机器学习已经有数十年的历史，但是两个较为新近的趋势: 

海量训练数据

GPU 计算所提供的强大而高效的并行计算能力

这些大大促进了机器学习的广泛应用。人们利用 GPU 来训练这些深度神经网络，所使用的训练集大得多，所耗费的时间大幅缩短，占用的数据中心基础设施也少得多。GPU 还被用于运行这些机器学习训练模型，以便在云端进行分类和预测，从而在耗费功率更低、占用基础设施更少的情况下能够支持远比从前更大的数据量和吞吐量。

将 GPU 加速器用于机器学习的早期用户包括诸多规模的网络和社交媒体公司，另外还有数据科学和机器学习领域中一流的研究机构。 与单纯使用 CPU 的做法相比，GPU 具有数以千计的计算核心、可实现 10-100 倍应用吞吐量，因此 GPU 已经成为数据科学家处理大数据的处理器。例如下图中使用GPU加速深度学习与CPU进行对比：

Ian Lane 教授 —卡耐基梅隆大学

借助 GPU，预先录制的语音或多媒体内容的转录速度能够大幅提升。与 CPU 软件相比，执行识别任务的速度超级高可提升 33 倍。

在这些领域中，GPU确实是非常适合的，这也体现在所有的这些工业界的大佬如BAT、Google、Facebook等等都在使用GPU在做训练。做深度神经网络训练需要大量模型，然后才能实现数学上的收敛。深度学习要真正接近成人的智力，它所需要的神经网络规模非常庞大，它所需要的数据量，比做语言识别、图像处理要多得多，希望Andrew Ng（吴恩达）在收到这份礼物后能用它来进一步加速深度学习领域的发展。

与此同时，也有部分人认为虽然利用GPU来进行深度学习为人工智能领域做出了相当巨大的贡献，但是这也造成了现在几乎所有的相关学者都在追捧深度学习。诚然利用更先进的GPU、更快的运算速度就能实现比前人更好的实验结果，也更容易发表文章，但是这对于整个行业的进步是最好的么？这类观念也不由得让人思考，深度学习的未来该往哪个方向走。

PS : 本文由雷锋网独家编译，未经许可拒绝转载！

via Nvidia Blog Twitter

对于全球范围的创业者和风投机构来说，持续半年多的资本寒冬所带来的影响似乎仍然在持续。

日前，顶尖会计师事务所中的“四大”之一毕马威（KPMG）和CB Insights共同发布了2016年第二季度全球VC风险投资报告。数据显示，在连续两个季度的下降之后，VC风险投资的交易金额较第一季度有小幅度上升，但是交易数量却接连四个季度下降。

总的来说，在刚过去的第二季度里，全球风投共完成1886宗交易，总资金达到274亿美元。其中，北美交易数达到1117宗，资金为171亿美元；欧洲完成385宗交易，达到28亿美元；而亚洲则完成交易343宗，总资金达到74亿美元。

交易总金额上升而交易数量下降的原因主要在于一些行业巨头，如照片分享应用Snapchat、滴滴出行以及Uber的融资规模巨大，占到第二季度风投总量的较大比重。事实上，在北美，光是Uber和Snapchat就募得逾45亿美元的投资，而北美全球总募集金额才为171亿美元。

然而在本季度，尤其是受英国退欧公投的影响，导致许多投资者停止大量的投资；以及即将到来的美国总统选举也导致美国利率的隐性增长；同时，中国经济的停滞同样增加了投资者的顾虑，这些都对全球风投现状带来了不利影响。

下面让我们来看看下这篇由KPMG International和CB Insights共同发布的报告的主要内容。

全球分区总体情况

全球交易活动明显放缓，北美交易量明显下降

2015年在风险投资交易的数量和金额上都是一个巅峰年，相比之下，2016年则冷静了不少。虽然交易金额有小幅度的上升，但是交易数量及活跃程度已经连续第四个季度下滑。

其实在2015年第四季度和2016年第一季度，全球投资交易活动已明显减少，然而在2016年第二季度，这一数据已经持续跌破到1886，同比下降了6％。尤其是在北美洲表现更为明显。北美交易数量在经历2016年第一季度的小幅上升后，在第二季度又出现了下降的迹象，交易数只有1117，这是自2011年第二季度以来的历史最低，不过交易金额却上升至171亿美元，这得力于一些大型企业的融资金额巨大。

英国脱欧对欧的影响力有待考量

在2015年，欧洲风险投资的资金筹集和交易活动曾出现过鼎盛时期，共计有1600单交易，总价达到140亿美元。而截止到目前，今年欧洲共募集63亿美元投入到750单交易中。

第二季度的交易金额同比上一季度骤减了40%，但是交易量却有缓慢回升。从现在的运行率来看，居于2014年和2015年交易活动和投资的中列，由此看来英国脱欧对欧洲风投的全盘影响还有待考量，现在下结论还为时尚早。

不过，大部分投资者都承认他们下意识地认为英国脱欧并不是一个正确的选择。一些投资者对于英国脱欧采取观望态度，希望再考量一段时间再进行交易或者投资，毕竟英国脱欧之后有太多的不确定性了；也有一部分人表示这也可能带来一些新的机会，基于利益优先的考虑，交易仍会照常进行。

亚洲交易量下降12%，种子交易份额小幅上升

近年来，亚洲交易活动数量及金额都保持着平稳上升，然而2016年却出现了下滑的趋势。截至目前，2016年共筹得146亿美元用于732宗交易中。今年第二季度的交易数量也比上一季度下降了12%。自2016年第一季度以来，虽然大部分平台的数据都在下降，但亚洲的种子交易相对稳定，相比前一季度的33％，2016年第二季度亚洲种子交易份额小幅增长至39％。

交易放缓，未来不容乐观

科技公司所占比重最高，医疗次之

报告显示，在全球风投交易公司中，科技公司占了最大的比例。自2015年第二季度至2016年第二季度，一直保持占比在70%以上；其次是医疗公司，在9%到12%之间浮动。在科技领域中，又以互联网和电子通信公司所占比重最大，超过交易类型的一半以上。 

独角兽企业现状不容乐观

据KPMG International和CB Insights共同发布的季度数据显示，在过去四个月内全球共诞生了7家独角兽企业（估值超过10亿美元且成立一年的初创企业），但也有17家企业不及市场预期，遭遇了“掉价事件”（down event），也就是说公司以一个较低的估值进行融资或被收购。这一数据已经比上一季度好了太多，只是不像去年两位数的增长那么夸张罢了。独角兽企业诞生数量在去年第三季度达到一个高点，当时共催生了25家。

KPMG负责人Brian Hughes表示，由于现在全球风投交易活动的发展十分缓慢，更换投资人这样的事情就显得尤为慎重。很多在2015年进行首次公开募股(IPO)的备受瞩目的科技企业目前的交易股价仍然低于其发行价，这使得未上市企业的估值承受了不少的压力。再加上市场对中国和欧洲经济问题的担忧，这些不利因素都会持续带给风投机构不少压力，使得全球投资活动受阻。

全球各科技领域投资趋势
“人工智能，虚拟现实”备受瞩目

在过去的五年中，人工智能的风投经历了快速的增长，从2011年的2.82亿美元到2015年的24亿美元，包括Google、GE（美国通用电气公司）、Intel、三星在内的全球风险投资者都在此领域十分活跃，预计明年也将持续保持进一步增长的趋势。在全球风投现状不景气的当下，人工智能仍保持着相对较强的承受力，这可以归因于一个事实，那就是AI技术支撑着无数创新行业的发展，从无人驾驶汽车到机器人咨询平台，AI技术在推动全球创新方面功不可没。

同样，虚拟现实领域的风投在2016年Q2季度也得到了明显的提高，全球风险投资者和虚拟现实技术公司公布了一项价值100亿美元，用于投资其相关创新项目的专项基金。这项基金也为后续的全球风险投资者在此领域的下注提供了借鉴意义。预计VR领域在不久后的将来会实现指数型的上升。

数字医疗，安全防御发展平缓

与前一季度相比，数字医疗的交易数量和交易金额都出现了下滑的迹象，其中交易数量跌至104起，下降了24%，交易总额下降3%。而安全防御则出现了轻微回升的现象。令人宽心的是，与今年相比较的标准是各项数据创下多个纪录的2015年，因此出现些许收缩并不令人过于惊讶。

CB Insights联合创始人兼CEO Anand Sanwal 称未来数个季度的交易活跃度都难以提升，但是部分交易能将投资总额保持在一个较高的水平。在很大程度上，这些大手笔交易可以掩盖市场疲软的现状，使之看起来较为健康。“虽然交易金额总量看起来糟糕，尤其是与2015年第三季度相比，但是从一个更长的时间段来看，交易数量和金额总量还是非常健康的。换句话说，天还没有塌下来，未来是充满可能性的。”

过去几个月，机器人程序一直是在互联网上热议的话题。

微软、Facebook等科技业大公司都在向开发者开放了自己的人工智能平台。这些开放的工具和平台意味着，业界向人工智能应用大众化迈出了重要的一步，也是令人兴奋的一步。

不过，对于这些企业而言，过去几年企业高层管理者一直面对的各种行业挑战，在这股机器人程序热潮又进一步加剧了。不少有进取心的企业都自知，如果企业需要执行一项人工智能战略，就要让这项技术贯穿业务始终，然而，他们所面临的挑战其实才刚刚开始。

革命性技术

这些企业明白，人工智能是一场重大的业务整合，具有革命性的意义，最终将覆盖企业经营的方方面面，从客户服务、商业智能与分析、销售到客户关系管理（CRM），甚至内部知识管理和人力资本管理（HCM）。

很多进取心积极的企业高管意识识到，人工智能部署的战略性决策将全面影响未来数年的业务。因此，他们不会掉以轻心对待决策，而是采取了观望的态度。

不过，这类决策目前已经不得不提上最新日程。倘若正如微软和Facebook宣布的那样，机器人程序是新的应用，那么有理由预计，很快我们就会目睹机器人程序与相关电子商店的爆发式增长，犹如一场不折不扣的寒武纪生命大爆炸。新生代应用将开发自然语言处理器、语调分析器，以及其他归集到人工智能覆盖下的智能功能。

假如你正要决定人工智能会适用于未来企业组织的哪个组成部分，外界对机器人程序的诸多焦虑和迷惑现在就可能挫伤你对后应用时代的一切热情。企业急于采用人工智能，以免同这个越来越以机器学习与认知计算为动力的世界脱节。机器人程序可能为他们提供一个有吸引力的渠道，迈出低风险的第一步。

如果要应用机器人程序的话，企业同样需要警惕

毫无疑问，机器人程序会被用于处理大量数据，也会应用、执行很多支持自动化的工作任务。对于一些无需人类、或是无需让计算机进行大量认知工作的小规模工作任务，机器人程序会是完美的解决方案。

这没有什么新奇的，但我们要面对的是一个机器人程序泛滥的世界。实际上，大部分我们最初和企业的互动都可能会以某种形式的机器人程序进行。这意味着，企业需要制定一种策略和框架，理解机器人程序何时会是企业内部有效的解决方案，何时需要更深入地融入智能系统。

当许多企业开始研究人工智能及其对企业发挥的作用时，机器人程序会是一种得力的方式。和笨拙的内置应用和推送通知不同，机器人程序和简讯应用满足了现有的用户需求。它们也是开始利用对话类用户体验并在此过程中形成业务案例的绝佳方式。也许最吸引人的是，它们承诺会很容易生成并维持。

机器人程序和即时信息应用可能是我们所说的那种“硬编码”智能，即它们服务的用例是预先判定的，而且预先写好了脚本。出于这个原因，这类程序和应用非常不堪一击。当你要求它们走出自身舒适区时，它们会变得非常挑剔。

很多企业会因为能迅速开发一个机器人程序而受到吸引，但他们不久就会提高要求。开发者喜欢终端用户体验的概念，可最终还需要更高水平的智能去实现这一概念。比如，机器人程序无法亲自告知它们何时有无问题。特别是这类程序无法自我分析，这就带来了它们是否满足商业目标的问题。

随着企业深入研究人工智能，更严重地依赖人类分配机器人程序执行的自动化任务和通信，机器人程序也会提出规模化的挑战。除非哪家机构准备一直增加某些任务所需的机器人程序，（以满足需求的升级次数维持那些机器人程序运转），否则该机构就会很快发现，需要更强大的智能系统，在那种系统中，机器人程序只是一个进入和联络的端点。

企业机器人程序的“不止一种”准则

假如你要权衡，机器人程序会不会是有效满足本公司需要的解决方法，不妨考虑一下我归纳的“不止一种”准则，它可以为你带来帮助。这种思维框架有助于指导决策者判断，机器人程序何时正适合完成一项任务的自动化智能，以及何时需要提高智能水平。

不止一种对话：

机器人程序和即时信息应用是呼叫和应答的机制。他们立即接收，及时回复，大部分是统一的回应。一旦你的用例到了某个时候开始需要真实对话，就意味着讨论要想继续下去，自然希望用户予以解说，或者随后做出选择。这时就需要进一步整合的解决方案。机器人程序和即时信息应用不擅长来来回回的真实语境对话。那种对话依托领域专业知识进行，需要更深入地开发人工智能，要比自然语言处理互动的研究还深入。

不止一个步骤：

机器人程序和即时信息应用并未运行一种基础领域和语言的精密模型，有了那样的模型，它们才能代表用户执行复杂的任务。旅游日程安排是机器人程序应用最常见的实例。而对于从保险资格查询到理财建议、客户服务询问等更多任务，当你的业务流程有不止一个目的地，或者不止一个可接收的结果，机器人程序都需要帮助。

不止一个系统：

机器人程序和即时信息应用未必能整理来自不止一个记录系统的信息。它们未必有这种智慧，只能在自身高度协调的单一数据库或订阅数据上运行良好。面对不同的数据结构和/或不同的网络服务，机器人程序和即时信息应用不会有较好的表现。因为不同的数据结构或者不同的网络服务混合在一起，会不可避免地让它们不知所措。对企业而言，由于记录系统很多，他们必须动用人工智能，以达成有效的解决方案、传递正确的信息，所以可能需要智能系统进一步整合。

不止一个领域：

假若需要跨领域，机器人程序和即时信息应用都无能为力。应该建一个垂直型的单一命令模型，命令的数量确定，而且是从统计学角度看常见的命令。和教导一台电脑怎样穿越多个知识领域相比，这种建模的方法容易得多。有鉴于此，机器人程序和即时信息应用最适合用于满足单项服务和单一环境的需求。

毋庸置疑，未来几年机器人程序将对企业发挥重要作用，成为客户更熟悉的互动形式。对那些寻求着手应用人工智能的企业来说，机器人程序可能是一个不错的起点，因为他们开始懂得自身需求，也开始充分了解人工智能可以在企业内部施展多大的本领。在这个企业人工智能的萌芽期，同样重要的是，决策者要以战略的长远眼光思考，智能系统将如何与企业的方方面面融为一体，并让企业旧貌换新颜。

VIA VB