月度归档:2018年05月

没了李彦宏与陆奇的百度联盟生态大会 是搜索的天下

李彦宏终究没能抵达现场。

5月22日,百度于海南海口举办第十三届百度生态联盟峰会,上午九点四十,百度创始人李彦宏通过 VCR  的方式在开场向与会者表达了不能抵达的遗憾与祝福。

李彦宏称,“各位联盟伙伴、商业伙伴,欢迎来到百度联盟峰会。很遗憾我不能赶到大会现场,跟各位朋友叙旧…仍希望通过科技的方式,与伙伴们一起,携手相见。”

百度高级副总裁、百度搜索公司总裁向海龙、百度搜索公司CTO 郑子斌、百度副总裁吴海峰、百度公益基金会负责人周达等人坐镇此届百度生态联盟峰会。

1、

向海龙上台分享关于新“视”线的主题演讲。

向海龙表示,技术的发展让视频成为最直接最高效的沟通方式,全民视频大爆发时代已经来临。至于过去视频应用一直没能成为主流记录方式,向海龙归纳为四个难点:

  • 生产难——视频生产需要专业设备;

  • 存储难——需要很大的存储空间;

  • 传输难——传输速度慢和流量资费贵使得传输成本高;

  • 检索难——基于语义理解和字面匹配的传统检索技术难以在视频这种信息载体上直接应用。


相对应地,随着智能手机、云端存储、4G网络、wifi、AI 视觉识别及语音识别等各个领域的技术革新陆续出现,原来视频不能成为记录主流模式的障碍已基本被打破。

此外,据雷锋网了解,基于百度 AI 技术具备的人体识别、形体美化、人景分离、语音识别、语音合成等能力,向海龙也在现场分别演示了“瘦身”、“分身术”、“变声”的特效示例视频。

接下来,他又介绍了百度如何让检索视频更准确高效——通过对视频的全景扫描,利用语音识别、人脸识别、物体识别等技术完整分析视频中的内容,将视频背景、人物、语言等信息进行组合,百度可以给每个视频生成一个独特的指纹,提升视频检索的效率和准确率。

向海龙指出,当视频具有丰富标签,未来直接通过文字、语音或图像,都可以快速实现大规模的视频检索。“哪怕突然有一首歌想不起来了,只要能哼唱一段,百度就能检索出这首歌曲的MV。”

2、

接下来上台的是百度联盟总经理李忠军,他表示,当前市场正处于触网人口红利消失、生态流量崛起的时代,“内容+运营”双驱动正在引领新移动互联网新发展。

此外,据雷锋网了解,智能终端、智能家居和智能汽车构成的新场景也带来了全新的流量来源,代表AI时代特征的软硬结合趋势愈加明显,催生了全新的联盟合作形式。而个性化推荐大脑、营销大脑、智能互动广告等技术赋能升级分发和变现能力,也让连接和商业变现更加高效。

李忠军介绍到, 2017年百度联盟与合作伙伴分享收益160多亿元,信息流、开屏联盟收益共享也超过20亿元,内容联盟平台双边收益共享近15亿元。

具体合作方式上,李忠军从三方面详细解释:

  • 其一,模式突破层面,百度联盟将为联盟会员搭建软硬一体的包含智慧终端、智能屏幕、生态流量在内的新流量联盟。

  • 其二,推进新智慧移动时代的生态升级。提供“新连接、新平台、新广告和新能力”生态升级。其中“新连接”,语音搜索、视觉搜索等前沿技术将实现 AI 搜索,熊掌号维度则担纲内容、品牌及服务高效连接,而基于用户画像、需求场景和内容理解的个性化信息流也将成为高效连接、提升流量的杀手级产品。

  • 此外,百度APP、好看视频等产品的渠道推广和用户激活,而百家号、百度贴吧等百度原生内容的内容联盟合作,加之百度全新打造的智能小程序,共同构建了百度联盟生态的“新平台”。


总之,雷锋网注意到,信息流广告、开屏广告、聚屏广告,组合成为百度联盟的“新广告”。深耕家庭、出行、生活服务、楼宇和影院五大场景,通过人脸、语音、VR等智能交互模式,快速落地AI赋能的聚屏广告业务。李忠军表示,预计到2020年,AI 屏幕占比将达到60%,每年广告变现收入可达100亿元。

去年百度联盟大会,百度创始人、董事长兼首席执行官李彦宏发表主题为“AI 时代的思维方式”的演讲,用两万字介绍了 From think Mobile to think AI  ,包括图像识别、语音识别、无人车、语音交互,以及人工智能在金融领域的应用等。

今年的百度联盟生态大会,百度高级副总裁、百度搜索公司总裁向海龙勉力介绍了百度的 AI ,剩下的时间与力度,全部交到百度搜索业务手中,一定程度上,这大概是未来一段时间里,百度集团的趋势走向。

雷锋网

机器感知、三维点云如何与深度学习擦出火花?| ICRA 2018

雷锋网 AI 科技评论按:ICRA 2018 正于近期在澳大利亚布里斯班举行。ICRA 全称为「IEEE International Conference on Robotics and Automation」(机器人与自动化会议),是机器人技术领域最有影响力的国际学术会议之一。雷锋网 AI 科技评论在去年曾赴新加坡参加 ICRA 2017,并带回融合产业与学术的专题丰富报道。详情可了解去年的 ICRA 2017 大会专题内容:https://www.leiphone.com/special/289/201705/592e37165105d.html

根据学术会议惯例,Workshops & Tutorials 将在大会正会前后召开。作为能够给予与会者宏观启迪及学术纵览体验的一项重要议程,持续一整天的 Workshops & Tutorials 自然早早吸引了不少学者前来注册参会。

今年 ICRA 2018 共有 1 个全天 Tutorials 及 22 个全天 Workshops;此外还有 3 个半天 Tutorials 及 9 个全天 Workshops。雷锋网 AI 科技评论从议程进行不完全统计,机器感知与控制仍然是 ICRA 2018 的关注重点。所有的 Workshops & Tutorials 中有近一半是围绕两个议程的讨论,而基于现实问题的应用探讨(包括道德伦理)也有 5 个相关议题。此外,仿生机器人、人机交互、自主系统构建等话题也是比较热门的关注方向。

雷锋网 AI 科技评论选取了其中几个研讨内容做简单分享,更详细的研讨内容可参考大会官网中关于 Workshops & Tutorials 的介绍:http://icra2018.org/accepted-workshops-tutorials/

由谷歌大脑两位女研究员 Anelia Angelova 和 Jana Kosecka 组织的 Tutorial「Deep Learning for Robotics Perception」从当前非常流行的一些深度学习网络入手,分享和探讨了机器如何借助机器学习更好感知周围的世界,并根据实际任务做出更加精准的反应。

值得一提的是,现场还配备了手语翻译人员,可以说是非常人性化了。

目前机器人需要处理多种感应模式,包括「是什么?在哪里?怎么样?」等问题,这就涉及到非常多的问题,比如三维重建,视觉测距、对象分类、人类/物体的姿态估计、语义分割、匹配,识别和本地化等。也就是说,机器人需要在这个过程中学会如何主动感知和控制。因此,深度学习的流行也为探索这一问题提供了一种值得借鉴和学习的方法。

最开始,机器人研究者采用神经网络的初衷是为了进行分类特征提取,但目前随着深度学习的广泛应用,数据驱动模式能够构建强大的端到端训练方法,如今已经可以拓展到更多的感知模式和视频检测上,并进一步构建神经网络架构工程在无监督或自我监督的训练方式中。

在 Tutorial 里,Angelova 先介绍了从视觉领域角度上,机器人在感知领域是如何做探索的。从视觉角度来看,分类与检测是目前机器人学最主要的两个相关问题。

  • 从分类入手,以 AlexNet、Inception、ResNet、DenseNet 等为代表的深度神经网络,在机器人领域又可分为物体分类及场景识别两种任务;

  • 从检测入手,R-CNN、Fast R-CNN、Faster R-CNN 为代表的深度神经网络走的是「Two-stage approaches」,即 Bounding box + classification 的方法;而以 YOLO、SSD、Retinanet 为代表的网络,采用的是「Single-stage approaches」,即 Direct「regression」to locations and classification 的方法。

基于深度神经网络的准确性及可行性,我们需要肯定深度神经网络对于机器人在感知上的探索。目前已知的一些网络体系架构也在快速发展,通过引入架构,标准的计算机视觉算法能够比较顺畅地应用于机器人技术上。

随后,基于姿态估计和匹配、场景分割和密集预测、抓取及从视频中学习等四个方面,两位科学家展示了一些具体的研究成果及应用场景。

在三维点云及即时检测、多任务检测上,深度学习对机器人的研究也有着不少先进成果。Binh-Son Hua1、Duc Thanh Nguyen、Lap-Fai Yu、Sai-Kit Yeung1 及 Daniela Rus 组织了一个名为「Creating Annotated Scene Meshes for Training and Testing Robot Systems」的 Workshop,针对 3D 场景重建和标注的相关进展进行了介绍和探讨。与较为容易获取且数据量庞大的 2D 图像数据集相比,从现实世界中捕获,重建和注释 3D 场景并非一件容易的事情。

受限于点云本身的无序性,不同设备在不同位置扫描物体所获得的数据不尽相同,数据难以通过端到端方法来处理;点云本身也面临数据缺失的问题,比如被扫描模型往往会被遮挡。

针对无序点云数据的深度学习方法研究,目前进展还相对缓慢。在 CVPR 2017 上,斯坦福大学提出的 PointNet 是第一种直接处理无序点云数据的深度神经网络。团队通过在每个点训练一个 MLP,把每个点投到一个 1024 维空间上,并采用了 Max Pooling 层做为主要的对称函数,比较好地解决了顺序问题。随后斯坦福大学在 NIPS 2017 上的 Pointnet++,对 PointNet 做出了更多改进。

在本次 Workshop 中,学者们还探讨了数据捕获,实时和离线重建,自动和交互式注释,质量控制和基准测量指标等目前的热点问题。

组织者之一的 Daniela Rus 是 MIT 的 CSAIL 主任,在 2016 年的 CCF-GAIR 大会上,Daniela Rus 教授曾经作为大会嘉宾受邀做主题演讲。她曾表示,虽然深度学习已经取得了非常显著的成果,但研究者还面临深度学习的三个挑战。首先是深度学习需要大量的训练数据;其次是深度学习并非永远不会犯错;再者是它的可解释性。

不论是机器感知,或是以三维点云为代表的技术,在利用深度学习探索的过程中,必然还是会遇到同样的问题。而在深度学习与机器人学的结合中,人与机器人的相互协作与共同进步,也将成为每一年 ICRA 孜孜不倦的目标。「人类和机器人各有擅长的事情,我相信未来会是一个人与机器共同协作,互补对方短板的社会,我们也需要努力去创造这种社会。」

雷锋网

太尴尬了!Mobileye 的全自动驾驶测试车居然在媒体面前闯了红灯

雷锋网按:上周,被英特尔以 150 亿美元鲸吞的驾驶辅助系统明星公司 Mobileye 高调宣布加入全自动驾驶汽车的争夺战。伴随这条消息的是 Mobileye 庞大自动驾驶测试车队(共有 100 台测试车)的亮相,这些测试车将在 Mobileye 老家耶路撒冷的街道穿梭,更令人惊讶的是它们直接摒弃了激光和雷达这两样法宝,这恐怕是其他厂商想都不敢想的。

不过,好景不长,上周 Mobileye 的测试车却闹了乌龙,在当地电视台Channel 10试乘的过程中,测试车带着记者直接玩了一把心跳,径直从红灯下开了过去,幸运的是这次闯红灯并没有造成人员伤亡。从记者的摄像机记录的画面可以看出,闯红灯时车上的安全驾驶员居然毫无反应,他连刹车都没踩。


*视频来自当地媒体

事情发生后,Mobileye CEO Shashua 也赶紧出面解释,他表示,电视台摄像机上的无线收发装置产生了电磁干扰,直接影响了交通信号灯的收发机,导致信号异常。虽然车辆已经准确判断信号灯转红,但它却无视了该信息,直接按着收发机发出的信号行驶了。不过,Shashua 表示,Mobileye 已经对这一问题进行了修复。

“那种情况实在太特殊了。”Shashua 说道。“我们没能预见这样的问题。”除了修复这一问题,Mobileye 还在对硬件进行改进,以保证车载计算机免受电磁干扰,未来杜绝此类事件的发生。雷锋网了解到,眼下,Mobileye 的自动驾驶车队还在继续运营,它们也没受到任何来自汽车制造商的投诉。

被英特尔收购后,Mobileye 成了芯片巨头在自动驾驶战略上的重要棋子。同时,英特尔还将宝马和菲亚特-克莱斯勒拉入自己的阵营。虽然耶路撒冷的测试车队现在只靠摄像头打天下,但只要这套系统能验证成功,Mobileye 还是会考虑加入其他传感器以提高车辆冗余,在它们看来,雷达和 LiDAR 组合也能成为一套拥有独立运作能力的系统。如果两套系统协作,自动驾驶汽车安全性就能大幅提高。

不过,这种路线仍有其漏洞,虽然这样的双保险确实能在冗余上有较大进步,但谁也不能保证这些传感器的错误模式完全独立且毫不相关。

在上周的发布会上,Shashua 还信心满满地表示,“Mobileye 的目标是让车辆更快更平顺地从 A 行驶到 B,至于成本则要比人类司机更低。同时,我们的自动驾驶汽车能适应所有地形地貌,安全性比人类司机高 1000 倍,而且还不需要在路上做数十亿英里的验证测试。”不得不说,这目标定得相当高。

如今,Waymo 测试里程已达 600 万英里,模拟里程更是高达数十亿英里。与其相比,Shashua 的想法更加形式主义,他想将自动驾驶系统一分为二,然后对感知和决策两方面分别进行验证。

在去年 10 月份的一份白皮书中, Shashua 还写道,“传感器系统的错误很容易验证,因为它们是独立于车辆动作的,因此只用离线数据就能知道传感器系统是否发生了严重错误。”

当然,也有业内人士猜测,Mobileye 不像 Waymo 一样一步一个脚印搞测试,主要是其商业模式所限。如果它们也大张旗鼓地搞自动驾驶出租车,恐怕会动摇自己供应商的地位,失去大批量客户的订单。况且它们也没有与 Waymo 相当的财力和时间,有业内人士就指出,如果 Mobileye 要沿着 Waymo 的道路走下去,恐怕本世纪 20 年代下半段才能推出全自动驾驶汽车,到时候黄花菜都凉了。

*从左至右分别是英特尔 CEO Krzanich,Mobileye 主席兼 CTO Shashua 和宝马集团高管 Froehlich

在另一个问题上,Mobileye 也让人不放心,那就是它们的自动驾驶模型所作的设想与真实世界偏差较大。在 Shashua 看来,将两套传感器系统的数据进行融合不会产生新的错误,但业内专家可不这样认为,毕竟传感器融合可能会让错误率成倍上升。

据雷锋网了解,对自动驾驶汽车来说,交通信号灯一直都是感知技术中的一道难题,2016 年年末时,Uber 刚刚在旧金山上路的测试车就堂而皇之的闯了一把红灯。那次 Uber 没有怪电磁干扰,而是直接把锅甩给了精力不集中的安全司机。

即使强如 Waymo,也在红灯面前出过丑,不过该公司却表示当时是人类司机在控制车辆,为了顺利左转,司机闯了红灯。

要将自动驾驶功能赋予海量的传统汽车到底要花多长时间,还不得而知,业界发展也呈现出了参差不齐的状态。领头羊 Waymo 的测试车在某些地区,已经做到了可以取消安全驾驶员,而反观 Uber,则因为一起致命事故而暂时停止了自动驾驶测试。

Mobileye 的测试车队在红灯前“翻车”也透露出一个血淋淋的事实:现在没有厂商真正吃透了自动驾驶技术。不过,这次乌龙并不会阻挡 Mobileye 的脚步,毕竟这家公司在机器视觉上有很大的领先优势,而且它们的 EyeQ 处理器家族也是汽车市场上的佼佼者。

PS:6 项会员专享特权,全年 100 期精华内容,带你深入浅出看懂自动驾驶。如果想加入雷锋网「新智驾会员计划」,欢迎点击链接 :https://www.leiphone.com/aidrive/vip 或扫描海报下方二维码了解详情。

雷锋网

互金启示录:流量思维的末路

雷锋网AI金融评论按:本文作者苏宁金融研究院互联网金融中心主任薛洪言,授权转载自公众号苏宁财富资讯。

最近一两年,互金行业的人很忙。忙于合规,忙于转型,动作不断,前景却越来越不清晰。

一方面,巨头发力金融科技赛道、创业平台掀起上市潮,全行业加速布局汽车金融和供应链;另一方面,短暂盈利后亏损魔咒卷土重来,资产荒、资金荒接踵而至。对P2P平台而言,备案的不断延期又使其迟迟无法摆脱不合规身份的尴尬。

很多人归之为强监管,在我看来,更根本的或许是行业发展逻辑遇到了问题:互联网的流量思维开始与金融格格不入。旧的已去,新的未至,才会显得忙乱。

(一)

2013年以来互联网金融的崛起,互联网机构的流量思维居功至伟。

在流量思维下,企业以追求市场份额最大化为基本目标,没有盈利约束,胆量和决心几乎就是成功的法宝。从实践来看,只要敢于营销投入,就能做大做强。

先从支付谈起。

互联网机构的流量思维,在支付大战中得到淋漓尽致的诠释,其中,出行领域的“支付+红包”大战,是最经典的战役。

2014年前后,为占据线下支付入口,微信和支付宝两家巨头分别下注滴滴和快的,玩起了补贴大战。仅2014年上半年,滴滴打车补贴金额超14亿元人民币,快的打车也补贴近10亿。

出行领域的补贴大战,很快延伸至线下扫码付场景中,支付巨头一边补贴商户,一边补贴用户,很快建立起市场壁垒。

整个过程中耗费的资金数额之大,让后续的互联网机构无力跟随,也让面临盈利约束的传统金融机构不敢跟随。

结果无疑是成功的。凭借补贴建立起来的入口优势,支付机构对内可以布局理财、消费金融业务,积累大数据,发力金融科技;对外可以为第三方导流,进行流量变现。

进退之间,支付机构不断夯实巨头的地位。而银行,则错失了移动支付的红利。

再看P2P领域。

借助“本息保障”机制,P2P平台把P2P理财这种高风险产品转化为“低风险”投资品——起码看上去如此,借助豪放的市场营销投入,行业很快崛起。

2015年之前的草莽时期,P2P平台的规模与市场地位,几乎就取决于其营销能力,谁敢在营销上花钱,便能快速崛起为一线平台。

规模做大后,很快对资产获取能力提出了要求,此时,一线平台开始出现分化。

一些平台,自建资金池、虚构资产,玩起了庞氏骗局,很快归于堙灭,典型的如e租宝和泛亚;一些平台,则大幅降低借款门槛、提高借款利率,用高利率覆盖高风险,虽然采取了激进的资产策略,但最终等来了现金贷风口,守得云开见月明。

如某平台,采取了极为激进的市场拓展模式,短短三年内从刚成立的小公司一跃成为行业前20的头部平台。其代价是,不良损失在营收中的占比一度高达50%以上,两年时间亏损数亿元。

最后再看商业银行的表现。

2013年起,面对互联网金融的强势崛起,商业银行开启了互联网转型之路,但结果并不理想。

原因不难理解。互联网机构追求市场份额,而商业银行秉持息差逻辑,一直未放弃对盈利的追求。追求盈利的,注定跑不过追求市场份额的。

盈利是企业经营的综合结果,不仅要兼顾规模、息差(净收益率)和不良(风控),还要管控营销费用和成本投入。在多重目标平衡下求发展,往往是摁下葫芦浮起瓢,规模上去了,不良和费用也上去了。

商业银行不敢壮士断腕,在竞争层面步步失利也就容易理解了。

(二)

在流量思维的加持下,互联网金融风头无两。一些错过最佳窗口的互联网巨头更是有样学样,以流量思维布局金融,做金融的初心也只是流量变现。

流量思维下,互联网金融的模式越来越互联网化。互联网金融≈互联网+金融,行业走到了“互联网”这个极端,也终于迎来了“物极必反”,互联网金融开始向金融行业的本质——风控和强监管——回归。

信贷规模扩张,不良风险如影随形。

信贷规模有其双面性,既能带来利润的大幅增长,也能通过大面积不良带来巨额亏损。

历史上看,信贷业务短时间内的规模扩张,几乎都被证明为灾难。互联网机构在信贷领域的探索,表面上风头很足,实际上距离不良大爆发的悬崖只有一步之遥,若非监管及时出手,免不了害人害己的结局。

以P2P为例,2014年,P2P行业迎来大爆发;2015年,平台便开始密集出现问题。如下图所示,2015年6月-2016年8月之间,平均每月有145家平台出现问题。一些头部平台的不良高达20%以上,中小平台不良状况更差,行业走到了崩溃的边缘。

2015年底,监管开始强势介入,行业高增长的步子慢了下来,月度成交额增速明显放缓。同时,现金贷“风口”崛起,高利率覆盖高不良,P2P平台终于大面积扭亏为盈,暂时具备了自我造血能力,转危为安。

支付行业,野蛮生长迎来强监管。

支付规模的快速上升不会带来潜在的不良风险,支付的问题在于直连模式下,支付机构自行承担起清结算职能,而支付清结算天然具有外部性——影响容易扩散,强监管必然如影随形。

在银行直连的闭环模式下,第三方支付处于枢纽地位,支付结算的安全与通畅,取决于支付机构自身的自觉和风控能力。实践中看,一些支付机构,并不让人放心。

2016年之前,第三方支付行业处于混战状态,个别小的支付机构一度出现挪用备付金等恶性行为,严重影响市场信心,成为社会整体支付清算体系内不可忽视的风险因子。

2016年之后,行业格局加速分化,巨头占据了绝大多数的市场份额,行业风险事件急剧减少,但业务规模的集中使得巨头具有了系统重要性,本身的经营稳健性成为支付体系潜的风险来源。

于是,支付行业很快便迎来了强监管。断直连、打击无证经营和不正当竞争——主要指补贴行为、确立小额普惠的定位,被纳入到主流清算体系中。

作为两大代表性业态,P2P和第三方支付相继回归金融本质——风控和监管,互联网的流量思维也就失灵了。

(三)

以P2P平台为例,流量思维在拓展借款人方面越来越无能为力。

大标模式被叫停了,以平均借款金额4万元计算,一个1亿元的大标撤出留下的窟窿,需要2500个小额借款人填补。不仅要填窟窿,还要保持成倍的高增长,难度可想而知。

本来,现金贷模式下,一边降低门槛扩大借款人群体,一边提高利率覆盖风险,倒也可以实现高增长。但现金贷新规后,36%的利率天花板、无场景依托现金贷的限制等,P2P平台整改合规后的产品体系已经不适用于现金贷客群,再无快速获客的渠道。

所以,P2P平台固然还可以通过不计成本的市场推广吸引投资者,但资产端找不到爆发式增长的路径,于是,天价“买”来的投资者不时陷入无标可投的境地,推广也没了意义。

而就第三方支付而言,“烧钱”“补贴”抢占市场份额的行为,更是被监管界定为不当竞争手段,再难成为拓客的利器。

除此之外,天时也不在了,随着网民渗透率的饱和,线上流量成本越来越高,流量思维越来越不经济。

从小米招股说明书披露数据看,互联网巨头的获客成本都在100元人民币以上,巨头有品牌效应,流量转化率比中小机构强很多,意味着中小机构的线上获客的成本只会更高。同时,相比巨头具有多元的业态进行用户变现,中小机构的单一产品变现能力差,与获客成本相比,用户的单次购买行为通常无法做到盈亏平衡,需要不断提高复购率,难度呈几何级数上升。


当一贯行之有效的打法失效的时候,从业者们便踏上了转型之路,不断探索新的模式与方向,没了一致步调,看上去又忙又乱。

物种在进化过程中,通过成千上万的基因突变来适应环境变化。物种持续优化,但基因突变的个体却不断遭受优胜劣汰的竞争。

行业的转型未尝不是如此。

多数情况下,转型都是在没有方向中寻找方向,大家分头探索,总会有机构找出一条路径,引领行业不断进化。

但站在单个机构的角度看,却并非好事,因为成功充满了随机性,大多数探索注定没有未来。

(四)

当新业态遇到旧规则的制约,我们习惯于站在新业态这边,呼吁打破常规。但历史学家威尔•杜兰特曾发表过不同看法:

“每100种新的思路,其中至少99种,可能连它们试图去取代的那些旧传统都不如。因为这些习惯和礼俗,是无数代人在许多个世纪的历史长河中形成的智慧与经验的结晶。”

金融业在数百年的实践中形成的各类条条框框,固然有些不合时宜,但绝大多数何尝不是智慧与经验的结晶。

对互金平台而言,与其在日益严密的监管规则下继续横冲直撞,也许,接受现实,踏踏实实回归金融主业,不失为聪明的选择。

雷锋网

外媒称美国将撤销对中兴做出的禁售令,中兴回应称属实

雷锋网消息,5 月 22 日,针对外媒上传出的【美国将取消销售禁令】消息,中兴在回复国内一家媒体时表示【属实】;不过随后雷锋网发现,该媒体已经删除关于中兴回应的相关链接。

据华尔街日报援引知情人士的消息称,美国和中国已经同意就解决中兴问题达成一份框架协议,不过具体的细节还在制定中。华尔街日报还表示,一旦制定完成,美国将撤销对中兴做出的禁售令;作为交换中兴将不得不在公司管理、董事会席位方面做出改变,并将交上一笔为数不小的罚金。

不过该人士还表示,目前讨论还在进行中,而且协议还有可能中止。

5 月 19 日,在经历了两天的磋商之后,中美两国在华盛顿就双边经贸磋商发表联合声明,从声明的内容来看,双方在磋商中达成了共识,不打贸易战,并停止互相加征关税。虽然这一声明并没有直接提到与中兴事件有关的条款,但考虑到中兴事件与这次贸易争端的关联性,外界也一直在关注中兴事件是否会像两国经贸关系那样向好发展。

早在 5 月 13 日,美国总统特朗普曾经在 Twitter 上发布消息称已经指示美国商务部就中兴问题进行妥善处理,以便让这家中国企业回归业务轨道;实际上,由于美国商务部 4 月公布的禁售令,中兴的业务已经无法进行。而我国商务部也在 5 月初就中兴事件向美国商务部进行了严正交涉。

按照美国财政部长 Steven Mnuchin 在本周一接受 CNBC 采访时的说法,(对中兴采取禁售令)的目的不是切断其业务;但他同时也为特朗普之前发出的 Twitter 消息进行了辩护,这似乎意味着中兴要想获免似乎没有那么容易。

雷锋网

李斌准备好了,蔚来 ES8 也准备好了,你准备好为梦想买单了吗?

从去年 5 月 13 日第一辆 ES8 试制样车在南京工厂下线,至今已过去一年时间,这期间,蔚来(NIO)团队对这款他们寄予厚望的车型进行了十几次版本迭代。在目前这个时间节点,创始人李斌终于敢大大方方地将这款车交由用户和媒体进行试乘、试驾。

5 月 18 日,在北京中汽联赛车场,雷锋网新智驾和蔚来 ES8 有了一次非常亲密的接触。当然,此次我们见到的这批 ES8 还不是最终要交付给用户的版本,但已经非常非常接近。

蔚来联合创始人兼总裁秦力洪表示,这批车辆是第三批小批量量产车,在大规模量产之前,还有一次小批量量产,目前正在合肥的全铝工厂进行。 硬件方面,这款车已基本定型,可改动的空间不大;而软件方面,离最终交付的定版还差 1-2 次迭代。

此次试驾,蔚来还把简易版的 NIO House 搬到了中汽联赛车场,相关的“蔚来式”服务一应俱全,这也是这家企业一以贯之重视用户体验的表现。当天,李斌也来到现场,回应了一些关于 ES8 量产的质疑。

针对 4 月底进行创始版 ES8 交付计划推迟的情况,李斌称是考虑多方面因素以及为各地车辆上牌并进行测试验证工作的结果,并表示预计到 6 月份一些早期用户能拿到车。当然,去年 12 月 ES8 上市时承诺的今年 9 月底之前交付 1 万辆创始版 ES8 的计划并没有改变。

李斌透露,现阶段,合肥的工厂一天也就生产几辆车,完全完成量产爬坡的过程要到 8 月左右,整个量产正在循着试生产、爬坡、产品改进、生产一致性的质量保证这些步骤按部就班进行着。

在了解这些基础信息后,我们重点来看看蔚来这款国产最贵的电动汽车—— ES8 到底有哪些值得关注的点。这些可能会影响到你是否愿意掏钱买单。

X-Bar、心跳尾灯,蔚来家族设计能打动你吗?

照例,先从 ES8 的外观设计讲起。

这是一款 7 座大型 SUV,为了符合这一定位,ES8 的车身尺寸为长 5022mm、宽 1962mm、高 1756mm,轴距达到 3010mm,基本属于全尺寸。创始版车辆标配的轮毂尺寸为 21 英寸,基准版则为 19 英寸,基准版用户可以加价选配更大轮毂。

车辆前脸采用蔚来的家族设计语言 X-Bar,据称是全球单体镀铬面积最大的一体式汽车部件。X-Bar 下方是进气格栅,主要还是为了给安装在车头的空调系统散热,因为空调系统的前置,也导致了 ES8 并没有设计前备箱。当然,蔚来方面也希望用户尽可能少的打开车前盖,万一需要打开,最好由蔚来的工作人员来操作。

针对这一前脸设计,喜欢的人认为极具科技感,不喜欢的人认为“鲶鱼嘴”前脸有碍美观。不过,作为蔚来的家族设计语言,在短时间内应该不会发生大的改变。

ES8 采用了悬浮式车顶设计,从侧面看还是比较美观的;在车尾部分,蔚来的另一大家族设计语言“心跳式尾灯”登场,立体感十足;同时配备脚踢式自动开关后备箱门,具备智能感应能力。

因为是创始版车型,所以这批 ES8 的尾标上特别增加了 Founders Edition 的字样,这个特殊尾标据了解造价为 300 人民币。至于最后的交付版本,尾标应该还是会加上“江淮蔚来”。

针对创始版,还有其他两处用以展示用户个性签名,分别出现在车辆右侧的 B 柱上以及中控台的右侧。

ES8 采用了比较前卫的隐藏式门把手设计,按压某个门把手的右端,4 个门把手都会弹出,用户拉拽即可打开车门。蔚来的工作人员告诉雷锋网新智驾,当电子弹出机制出现故障时,用户可以通过拉拽门把手的左端机械式开门。

当然,因为 ES8 上配备了蔚来自研的自动驾驶辅助系统 NIO Pilot,所以在硬件方面增加了很多元素。最为明显的是位于车辆进气格栅位置的摄像头和毫米波雷达,此外,还有后备箱门底部的摄像头。

实际上,据雷锋网新智驾了解,蔚来总共为 NIO Pilot 配备的传感器硬件有 1 个三目摄像头、4 个环视摄像头、5 个毫米波雷达、12 个超声波雷达以及 1 个驾驶状态检测摄像头。最大的亮点是全球首装了 Mobileye EyeQ4 自动驾驶芯片。NIO Pilot 的基础版功能会标配到车上,之后还有很多的功能用户可以选配,将通过 OTA 的方式更新上车,今年下半年,用户便可以用上很多 NIO Pilot 的功能。

NOMI 和女王副驾,科技感和舒适感完美融合?

车辆内部的观感其实还不错,毕竟这是一款售价超过 40 万人民币的高档车型。最有趣的是,当你开门进入车内,人工智能助手 NOMI 会朝你露出笑脸。

蔚来将 ES8 的车内空间定义为“移动生活空间”:拥有女王副驾;创始版车型全车 Nappa 真皮包裹;首排座椅配备按摩、加热、通风、调节功能/后排座椅配备通风、调节功能;还有智能空气净化系统保证车内呼吸健康;此外,中控台下储物空间以及超大车主安全箱让用户不再担心物品无处可放。

这里不得不提 ES8 的女王副驾,这个特殊的设计成为了李斌在去年 12 月的上市发布会上着重讲的配置。女王副驾配备了腿托和脚托,脚托部分是牺牲掉了副驾前方的物品箱来实现的,整体舒适性非常不错,而且有背部按摩功能,绝对称得上“女王级”享受。

而且,副驾座椅除了可以电动向后滑之外,还能手动向后再滑一段距离,所以整个伸展的空间非常足,前排椅背几乎能够触到后排的座椅,便于副驾妈妈照顾后排的孩子。从这一点看,蔚来 ES8 就是为家庭用车而生的。

在主驾驶部分,ES8 整体的科技感还是比较强的。

配备了 10.4 英寸高清多点触摸中控屏、8.8 英寸液晶数字仪表盘,中控屏搭载了 NIO OS 人机交互系统,配备了基础的导航以及各类娱乐功能,可以通过内置的 Sim 卡进行 4G 网络连接。另外,ES8 还搭载了 HUD 增强抬头显示,可以显示迈数表和导航路径。在中控手托位置还有无线充电托盘。

在驾控方面,ES8 没有传统的档把,采用的是前后推拉旋转轴的设计,只有 R、D、P 三个档位。

当然,整个车辆内部最具科技感的还是蔚来推出的人工智能伴侣 NOMI(音同 Know Me)

一句话概括就是“懂车主、有温度,用动作、表情和声音创造亲密感”。它可以接收语音指令对车内的空调、车窗以及天窗等进行控制;可以通过车内顶部的鱼眼摄像头为乘客自拍;还能讲笑话做鬼脸,谁和它说话它就会看着谁;而且,你可以随便帮它改个喜欢的名字,而不是只能使用“Hi,NOMI”这样的唤醒语。

不过,现在的 NOMI 还有一些小问题,比如语音交互的反应不是那么迅速,转动时底座的电机声稍大。

据了解,现在的 NOMI 是 Mate 版本,未来还会有 Halo 版本出来,可能就不是实体的形态了。蔚来总裁秦力洪告诉雷锋网新智驾,接下来将会对 NOMI 的系统进行针对性训练,比如教它读懂方言。当然,NOMI 的系统也可以进行自学习,随着与车主相伴的时间越长,也会越懂车主。

运动性能出众的家庭用车?

讲完外观和内饰,当然不能少了性能。

作为一款电动汽车,用户最先考虑的还是其续航能力。蔚来官方给出的信息是,ES8 配备了 70kWh 液冷恒温电池组,综合工况续航里程(NEDC)为 355 公里,这一续航数据,算不上非常出众,但作为家庭用车,只能说“够用”。

不得不提的是这款车在配重 300 公斤的情况下百公里加速只需 4.4 秒,这得益于 ES8 配备了输出功率都是 240kW 的前后双电机,整车最大输出功率为 480kW,最高能提供 650 马力,峰值扭矩 840N·m。用户想要飙车的话,ES8 绝对能满足需求。

当然,跑得快是极致性能的一部分,刹得住同样重要。蔚来官方给出的百公里时速刹停的制动距离为 33.8 米,这在去年 12 月蔚来 ES8 的上市发布会上就已经明确。帮助这台车达成这样的制动性能,是布雷博的 4 活塞前刹车卡钳、博世的 iBooster 电助力刹车以及大陆的高性能定制轮胎共同作用的结果。

为保障驾乘舒适性,ES8 标配了前双叉臂式独立悬架及后多连杆式独立悬架,同时搭配主动式电控减震器,能够智能地对路况进行适配,响应的速度非常快,最高可以做到每秒 100 次的路面扫描。

另一方面,车辆在行驶过程还需要经历各种的转向动作,这对车身和底盘的质量提出了很高的要求。据介绍,ES8 整车采用了航空级全铝架构,抗扭刚度达到 44140N·m,而且配备了随速可变的电助力转向,这一块的性能得到保障。

针对电池和电机的防水性能,ES8 追求的目标是 IP67。蔚来表示,团队在防水密封性上下了非常大的功夫,这次试乘、试驾也特意设置了涉水通过。

运营服务网络的搭建

产品接近定版,量产交付在即,后续的运营服务成为了蔚来另一大重点工作。那么,李斌做好准备了吗?

答案是肯定的。

李斌表示,现在整个公司在全力以赴地建立服务网络,目前蔚来已经有 5800 多名员工,每周增加 100 人左右,主要是在运营服务端。其计划是今年在全国 169 个城市建立服务团队。

他透露,ES8 超过 5 个订单的城市有 170 多个。其中北、上、广、深、沪、杭、成、渝等地属于高需求城市,接下来,蔚来计划用 22 座 NIO House 完成上述等 46 个一二线城市的服务覆盖。

而关于换电站,李斌称蔚来从去年开始就在各个大城市中锁定场地,已经在北、上、广、深这些城市锁定了几百个可以布局换电站的场地,会根据当地用户的具体情况来进行换电站的建设。不过李斌也认为,使用电动汽车最好的体验还是在用户家中安装充电桩,所以这一块也是蔚来正花大力气推进的工作。

蔚来的原则是,充电桩优先,然后才是部署移动充电车和换电站。

说到移动充电车,李斌直言牌照其实是最大的限制,所以蔚来也在北、上、广、深等城市为这类车辆“屯”了几百张牌照,之后投放车辆时便能派上用场。

李斌准备好了,蔚来 ES8 也准备好了,你准备好为梦想买单了吗?

雷锋网

Python Matplotlib 绘图使用指南 (附代码)

雷锋网按:本文为雷锋字幕组编译的技术博客,原标题 Matplotlib Plotting Guide, 作者为 Prince Grover。

翻译 | 李振   于志鹏    整理 |  凡江


大多数人不会花大量时间去学 matplotlib 库,仍然可以实现绘图需求,因为已经有人在 stackoverflow、github 等开源平台上提供了绝大多数画图问题的解决方案。我们通常会使用 google 来完成绘图需求。至少我是这样。

那学 matplotlib 库有什么用?答案是:可以节约搜索时间。掌握 matplotlib 的速查表并了解其基本接口,根据个性需求从众多资源中编辑我们的绘图,从长期来看会节约很多的时间。

大部分内容取自以下 2 个链接,建议也去阅读一下。

https://realpython.com/python-matplotlib-guide/#why-can-matplotlib-be-confusing

https://s3.amazonaws.com/assets.datacamp.com/blog_assets/Python_Matplotlib_Cheat_Sheet.pdf

matplotlib 是一个基于 Python 的 2D 绘图库,其可以在跨平台的在各种硬拷贝格式和交互式环境中绘制出高图形。

  • 一个有趣的现象。为什么引用库总采用 import matplotlib.pyplot as plt 的方式呢?

    因为使用例如 pylab import * 或者 %pylab 是一个非常不好的方式,matplotlib 官方不建议这样使用,具体原因如下:

由于历史原因,from pylab import * 仍然存在,但是强烈建议不要这样使用。这样做会遮蔽 Python 的内置函数进而占用命名空间,导致难以追踪的 bugs。想要实现零输入获得 IPython 集成,推荐使用 %matplotlib 命令。来源https://matplotlib.org/users/shell.html#using-matplotlib-in-a-python-shell

使用 matplotlib 绘制不同类型的图像是很容易的,有很多文档和教程。最重要的是,了解最佳的绘图方式。如何使用 axes,subplots 等。这篇文章主要针对这些问题。

1.内联绘图和 % matplotlib 

%matplotlib 命令可以在当前的 Notebook 中启用绘图。这个命令提供一个可选参数,指定使用哪个 matplotlib 后端。绝大多数情况下,Notebook 中都是使用 inline 后台,它可以在 Notebook 中嵌入绘图。另一个选项是 qt 后台,它在侧窗口打中打开 Matplotlib 交互 UI 。

Matlibplot 提供了多种绘图 UI ,可进行如下分类 :

  • 弹出窗口和交互界面: %matplotlib qt 和 %matplot tk

  • 非交互式内联绘图: %matplotlib inline

  • 交互式内联绘图: %matplotlib notebook-->别用这个,它会让开关变得困难。

2.理解 matplotlib 对象结构

pyplot 是一个 matplotlib 面向对象的函数接口。

plt.gca()

它返回当前 plot() 关联的轴

如果不使用 plt.close(),则会显示出空的图形。因为在开始时使用了 inline 命令。

axis_id 仍然是相同的,但是当我们移动到另一个 Notebook 块时,plt.gca() 会发生变化。

Setter 和 Getter

Getter 和 Setter 方法用于捕获当前或任意 axies 以及对其进行修改。我们可能需要修改标题、颜色、图列、字体等。有两种方法:

1. 使用 fig.axes[i] 指定要抓取的 axes,使用 setter 的 getter 对 axies 对象进行调用。在上面的例子中,只有一个 axes,所以我们调用 axes[0]。

2. 我们可以直接使用 plt.bla() 调用当前 axis(其中,bla 可以是 title(),legend(),xlabel()等)。这是 matlibplot 面向对象的一种函数。这个函数让修改当前的 axes 变得容易。比 1 的方法更常用。

当我们使用 axes[i] 时,我们可以调用任何之前的代码块中的任何 axes 对象,但是调用 plt.bla(),会在每个代码块中创建新的 axes 对象,并只调用当前对象。因此,上面例子中,只在 plt.title() 被调用时,才创建新 plt 对象。

重要观察:我们通常在当前 axis 对象上调用 plt.bla(),这种语法使得每个代码块中的 axis 对象都是新创建的。但是通过调用 fig.axes[0],我们也可以从任何代码块中处理之前的 axes 对象。

这是 stateless(object oriented) 方法,并可以自定义,当图像变得复杂时,这样做很方便。

所以,我建议是使用 fig,ax = plt.subplots(_) 先解压 axes 和 figure,并给它们分配给一个新的变量。然后,可以对这些变量使用 Getter 和 Setter 方法进行绘图中的更改。此外,这使得我们能够在多个 axes 上做工作,而不是只在一个当前 axes 上。pyplot 使用 1 次创建子图,然后使用 OO 方法。

结论:从现在开始,我使用 plt.subpots() 来完成不同的绘图。(如果有人认为这个观点是错误的,请纠正我)

3.matplotlib 图像剖析

来自: https://matplotlib.org/faq/usage_faq.html

4.绘图的基本例子

如何作图的基本例子,涵盖面向对象绘图的各个方面。请仔细阅读。

总结上面的例子:

  • 我们创建 1 行和 2 列的图形。即,1 行和 2 列中的 2 个 axes 对象。

  • 我们分别自定义 ax1 和 ax2。可以看到,我们可以将 Y-ticks 移动到右边的第二图形中。

5.二维网格的绘制

subplot2grid

需要做什么?

观察下面的绘图格式。

思路是把上面的图形考虑成为 2×4 网格。然后将多个网格分配给单个图以容纳所需的图形。

重点:

  • 我们可以使用 subplot2grid 定制我们的绘图布局。

  • 我们可以用 plt.figure() 创建无 axes 对象的图形,然后手动添加 axes 对象。

  • 我们可以使用 fig.suptitle() 来设置整个图形的总标题。

6.颜色,颜色条,RGB 数组和颜色图谱

我们已经介绍了 ax.plot(),ax.scatter(),ax.bar() 和 ax.hist() 等基本图形操作,另一个更常用的函数是 ax.imshow(),它用来显示彩色图或图像/RGB 数组。


7.线条样式和线条宽度

改变线条宽度、颜色或风格。

8.基本的数据分布

EDA 过程中的必要操作。

9.二维数组的等高线图和颜色网格图

热像图(颜色网格图)和等高线图在很多情况下都有助于可视化 2D 数据。

10.图像的调整、修改边缘坐标和标度

最后调整细节,让绘图变得更好看。

11.标度的限制和自动调整

需要注意的事情:

  • 填充(padding)自动设置 X 轴或 Y 轴网格标度

  • 我们可以使用 xlim,ylim 设置 x,y 的刻度限制

12.技巧

13.轴线

14.结束

博客原址: https://www.kaggle.com/grroverpr/matplotlib-plotting-guide/notebook

雷锋网雷锋网

雷锋网

大出行产业链中的变革机会,一个严重被低估的市场 ——“汽车分时租赁”

雷锋网新智驾按:本文作者刘晓宇,来自华峰资本,雷锋网获得授权进行发布。

文章讨论要点:

  • 国内汽车分时租赁,是否有诞生超级独角兽的机会?

  • 为什么前两年很多公司都做不好,滴滴之前的尝试也没有成功?

  • 分时租赁关键点在哪里?

  • 投资人最经常问到的问题有哪些?

  • 2014年至今,汽车分时租赁的融资情况,是怎么样的?

一、国内汽车分时租赁,是否有诞生超级独角兽的机会?

我们认为,汽车分时租赁的市场是毋庸置疑的,下面从供需缺口,市场空白,以及分时租赁如何填补几个角度分析。

1、从需求端来看,还远远未被满足:

  • 比较国内与其他地方一线城市居民每日使用机动车出行的次数。以上海为例,现有运力需提高90%,才能达到伦敦的机动化出行水平。

  • 刨除对轨道交通和公交的需求,单看小客车出行的需求满足情况。据统计,平均每天由于小客车需求未被满足而分流到其他交通工具的比例有5-10%。以北京为例,每日小客车的出行总需求是2420万次,除去私家车、大客车、出租车和黑车等,有500万次是未被满足而分流到其他交通工具的。


  • 我国城市化发展进程中,对运力需求将不断增长,且日趋多元化。2018年,中国城镇化水平将达58.3%,还会有8.14亿的城镇居民,相应增加52%的出行需求。另一方面,目前中国公共交通及出租车的年总运力仅为4.1亿人次/天,距离需求的满足尚有较大距离。

2、从供给端来看,国内供给不足,而且道路资源已接近饱和:

  • 私家车方面,我国目前有证无车人群达2.5亿人,每年新增拿证人数平均3000万人。人均资源保有量低,可提升空间大。相比美国人车保有量达到8/10,中国仅仅为1/10。


  • 运营车辆方面,运力的供给远远低于人口的增长速度,尤其一线城市。以北京为例,从2005年~2015年,北京常住人口从1538万增加至2170.5万,年复合增长率约4%,而相应出租车供给量,仅仅从6.6万增加至6.8万辆,年复合增长率仅0.3%。

  • 基础设施的建设和拓张需要时间,道路资源已接近饱和,城市交通拥堵严重,因此,不可能单纯靠粗放式的增加供给来满足需求。2014年北京市统计年鉴统计,北京的车均道路面积仅为31平方米,远低于纽约、东京等国际主要城市。

从供需关系上来看,目前运力需求远大于运力供给,供给又不可以靠单纯增加车辆数来解决,矛盾日益严重,新的出行方式迫在眉睫。

网约车解决的是供需两端效率匹配的问题,对运力的提升亦遇到瓶颈。而汽车分时租赁切入的的是私家车的应用场景,是产业链的结构变化,对供给侧的彻底改革,崭新并且更巨大的机会。

3、按里程划分,10~100公里市场空白,分时租赁满足的正是这一市场的需要,这里引用险峰观点和举例,同时也是现在行业公认的看法:

实际用户需求场景举例,北京市民王先生住北京五彩城橡树湾,在国贸上班,两地距离25公里。不开车情况下,下班回家有两种选择:

1)公共交通:需要花费7元,1个小时14分钟,中途换乘两次,前后步行15分钟。

2)打车:最少需要花费70元,50分钟,直接到家。

是否存在一种兼顾价格和便利性的出行方式呢?答案是分时租赁,这个场景里,30元直接开回家。

二、为什么前两年很多公司都做不好,滴滴之前的尝试也没有成功?

1、中国市场发展史

2、汽车分时租赁有他独有的属性,与单车不同,重资产、重运营、初期起步难、每个城市的情况也不同。一下子导入大量资金和流量在汽车分时租赁领域的作用并不大。

从单车模型现在和两年前的对比能看出来,无论是成本,还是收入,较之前都有了比较大的变动,原因主要有:

  • 宏观环境的变动:15年到18年间,各个地方政府都相继出台多项新规和指导意见,鼓励“分时租赁”;社会结构发生了变动,90、00后年轻人共享概念接受程度高,不再一味追求对于工具化汽车的拥有权;养车和购车成本攀升,超一线城市上牌难、限号等问题。

  • 成本环境变动:大量4-6万的新能源车辆进入市场,单车日均成本降低;国家补贴停车位,停车成本降低;充电桩建设日益成熟,并且高度配合分时租赁企业,充电和调度成本降低。

  • 收入环境变动:新能源汽车质量和续航能力的不断提高,单车日均收入增加;产品功能丰富,提升用户体验,摸索额外收入模式。

三、分时租赁关键点在哪里?

1、运营能力:需要强精细化的线下运营能力。

2、核心资源端:

3、强资产周转能力:汽车分时租赁重资产的属性,对于资金的调动和周转就变得更加重要。

4、产业链重塑能力:分时租赁是整个产业链重塑的中间环节,单靠一方力量,撬动力量薄弱,成本较高,所以需要“抱团取暖”,缓解“重资产”、“重运营”的压力,还能共同建立更强的竞争壁垒。

四、投资人最经常问到的问题有哪些?

1、油车 or 新能源车

车辆选择是不同环境下战略选择问题,不能一概而论,更不是决策关键点。油车经济模型更好,但长期来看,新能源车更具优势。超一线城市或者特殊城市,由于政策导向原因,更适合新能源车;其他城市,新能源车的基础设施和技术还不是很完善,油车更具优势。

2、一线城市 or 二三线城市

行业初起时,多数企业选择以北京作为起步城市,但作为特殊城市之一,限牌,无法快速上量;城市面积大,人流分散,无法形成有效密度;运营成本相比其他城市高得多,等等。这些都导致北京、上海等特殊城市作为重点城市是很不划算的。

其他一线城市,从对机动车运力需求的角度来说,同比发达国家,一线城市的运力缺口更大。从定价的角度,分时租赁的定价还取决于当地的出租车定价,一线城市的定价空间更大。再者,一线城市跑通,覆盖到周边城市,可复制性强,一旦形成跨城市、城市群级别密度,对企业来说是决定性的战略壁垒。二三线或者旅游城市,成本较低,无限牌顾虑,竞争压力小,面积相对可控,较容易打造有效密度,并形成相对垄断,但未来模型是否可以复制到一线城市还有待验证。

3、“X2X”(随去随还) or “A2B”(定点还车)

我们认为,模式选择与导致的使用场景密不可分,目前还处于市场教育阶段,应该基于固定场所,先向固定人群提供特定服务,再发散到全场景。

两种模式殊途同归,终局都是用户随去随还。要依据不同城市、不同运营环境具体情况具体分析选择适合的方式。

4、未来市场终局是怎样的?

关于这个问题的回答,欢迎感兴趣的投资人和产业朋友来和我们一起见面或者私下交流。

五、2014年至今,汽车分时租赁的融资市场情况是怎么样的?

企业融资轮次方面:

2014年至今,汽车分时租赁企业超100家,其中拿到A轮融资的27家,拿到B轮融资的6家,拿到C轮融资的1家。(不算B+轮,如果算B+轮是2家)

融资事件方面:

2014年之间分时租赁总融资时间67起,其中2014年9起,2015年12起,2016年13起,2017年22起,2018年截止至今已有11起。

市场中已参与布局的投资方:

我们认为,汽车分时租赁必然会成为巨头必争的战场,但由于资金和流量并不占绝对优势的特点,市场巨大,小公司同样有机会,在这个赛道的新起之秀里也一定会出现超级独角兽企业。

雷锋网新智驾推荐阅读:《上海汽车城董事长荣文伟:国内汽车分时租赁发展现状与趋势解读》

雷锋网

马斯克公布新版Model 3价格;微信内测版新增微视同步入口;iPhone SE 2信息曝光 | 雷锋早报

马斯克公布新版Model 3信息,7.8万美元起售,续航500公里

近日,伊隆·马斯克在推特发文,公布了新版高端Model 3规格和定价。其表示,新版双电机全轮驱动(AWD)Performance版Model 3可在4.5秒内从零加速到96公里,最高时速225公里,续航里程可达500公里。

马斯克称,新款Model 3起售价7.8万美元,这包括“所有选项、车轮、油漆等(除了Autopilot)成本”,同时,他表示:“新版Model 3和宝马M3差不多,但要快15%,而且更容易操作,可以在赛道上击败任何同类产品。”

国内新闻

蚂蚁金服投资者被要求须同意不投资腾讯、京东等控制的公司

此前,蚂蚁金服据传将完成100亿美元新一轮融资,估值1500亿美元,5月21日,《华尔街日报》援引知情人士报道,融资协议显示,投资蚂蚁金服投资者须同意,对于腾讯、京东、美团、拼多多等主要竞争对手所控股的公司,不投资或不增持股份。

一些投资机构对此表示不能接受,美国最大对冲基金之一老虎基金(Tiger Fund)已经宣布退出蚂蚁金服此轮融资。根据《华尔街日报》早前消息,参与这轮融资的还有美国华平投资、凯雷集团、新加坡国有投资公司淡马锡以及加拿大退休金计划投资局。

微信内测版新增入口,朋友圈视频可同步至微视

微信Android版向用户推送了6.6.7内测版本,其中一项更新内容为:登录过微视的用户在发布视频时,会在状态发表页默认出现同步入口,用户拍摄的视频可自动同步至微视视频库。

这是5月18日微信官方发布《微信外部链接内容管理规范》后,腾讯扶持微视的又一动作。

5月21日,微信发布《关于升级外链管理规则的补充公告》,称决定删除上述公告中关于视听节目内容外链的规定,并表示,平台将进一步与开发者研究方案,共同做好视频内容质量和合规性管理。

小米8信息曝光,“刘海”屏支持面部识别

雷锋网消息,5月21日,小米官方宣布5月22日上午有要事相告,硕大的“SJS”字母被解读为“三件事”。不出意外,明天小米可能会公布小米月底新品发布会的详细信息。此前小米官方已经确认将在深圳发布新品,主角是年度旗舰小米8,还可能发布小米7和小米手环。有媒体曝光,小米8会采用刘海屏,和其它国产刘海屏手机不同的是,小米8的“刘海”内集成了3D结构光技术,不仅拥有前置摄像头、听筒、距离传感器、光线感应器,还内置了红外镜头、Flood红外泛光、Dot景深镜头等元件。这项“黑科技”最重要的应用是面部识别,其安全性要比传统面部识别更高,可应用于移动支付没有问题。

配置方面,小米8将搭载高通骁龙845处理器,这颗芯片基于先进的10nm LPP工艺制程打造,采用Kryo 385架构、八核心设计,CPU主频为2.8GHz,GPU为Adreno 630,安兔兔跑分达到了27万。当然,像8GB LPDDR4X内存、UFS 2.1闪存等旗舰规格也会被用在小米8上。然而也有媒体指出,以上配置都是猜想,纯属恶搞,究竟如何,还要等确切信息。

京东天工计划3.0公布,发布三款AR硬件产品

5月21日,京东“智享无界”——京东“天工”计划3.0暨AR无界创新联盟发布在北京举行。

会上,京东宣布联合英特尔、沃尔玛、唯品会、联想、卡姿兰等数百家AR行业和零售行业合作伙伴成立全国首个AR无界创新联盟,致力于用AR技术打造线上和线下全新的购物场景,通过增强现实视觉体验的形式来为消费者创造购物的新鲜感和乐趣,用“体验式”购物方式进一步提升消费感受。

同时,京东还首次发布了AR试妆镜、AR试衣镜、AR智能眼镜三款AR硬件产品,宣告全面开启AR线下场景赋能。

百度分拆国际事业部,成立小熊博望独立运营

5月21日,百度宣布分拆旗下国际事业部中的全球移动应用及DAP广告平台业务,融资成立新公司小熊博望并独立运营,由原百度国际事业部总经理胡勇任CEO。

据雷锋网了解,小熊博望本轮融资由深圳市创新投资集团有限公司(简称“深创投”)领投,深创投及其关联基金与机构合计持股53%。百度希望通过独立运营方式,引入外部资金和资源支持,进一步释放优质业务潜力,而其作为小熊博望的重要股东,也仍保留较大比例股权。

同时,百度还将成立新国际事业部,由高级总监张成焕任总经理,继续向百度总裁张亚勤汇报。新国际事业部旗下产品包括百度海外版AI输入法Facemoji、Simeji和AI推荐引擎工具等,主要聚焦AI应用落地,同时也将为DuerOS与Apollo等百度核心业务出海夯实基础。

商汤科技、阿里巴巴及香港科技园联手成立AI实验室

雷锋网消息,5月21日,人工智能创业公司商汤科技、阿里巴巴集团及香港科技园公司宣布合作成立“香港人工智能实验室”。 这是继5月14日中央宣布系列政策,推动香港加强与内地的科技合作,创建国际创科中心后的一个重大举措。 5月15日,商汤科技创始人汤晓鸥教授出席了由香港特别行政区政府主办的内地与香港科创合作研讨会。通过三方合作,结合内地在人工智能核心技术与应用场景上的积累,以及香港在人工智能前沿学术研究上优势,在推动香港人工智能产学研协同发展的同时,也为内地和香港的科技交流搭建了一个平台。

国际新闻

iPhone SE 2信息曝光,窄刘海

福布斯新鲜给出了号称是iPhone SE 2的三围资料图,进一步确认了刘海,这款手机的手感和iPhone 5S类似,这样的话,屏幕看起来大小不会超过4.5寸,预计在4.3英寸左右。然而,刘海的宽度仅有18.7mm,比iPhone X窄接近10mm,原深感系统必然是要被缩水了。这款产品或许将出现在6月4日的WWDC上。

诺基亚手机制造商HMD获1亿美元融资

据36氪报道,5月21日,诺基亚手机制造商HMD宣布获得1亿美元融资,公司估值超过10亿美元。

HMD成立于2016年12月,总部位于芬兰,拥有诺基亚智能手机、功能手机和平板电脑等生产授权,公司总裁和首席执行官均为原诺基亚高管。

市场策略上,从入门机到中端机,HMD在不同价格区间都有产品发布,以尽可能覆盖更多消费人群。过去一年,HMD共卖出7000万部诺基亚手机,其中功能机销量居全球第一,智能机也进入全球前十。近期,HMD针对中国市场推出了智能机新品Nokia X6,并在深圳开设了实验室。

Lyft有意进军共享电动滑板车业务:与Uber等企业竞争

据美国科技媒体The Information报道,美国打车服务商Lyft有意在旧金山开展共享电动滑板车业务,与Uber和一众共享出行服务创企竞争。根据The Information获得的电子邮件,当地一家咨询公司近几周代表Lyft与旧金山官员接触,寻求获得开展共享电动滑板车业务的许可。另有知情人士透露,Lyft已经开发出自家电动滑板车的产品原型,目前仍处于初期阶段。

Lyft发言人对此消息拒绝置评。

雷锋网

谷歌“量子霸权”遭阿里量子新研究质疑,谷歌如此反驳

谷歌新发布的Bristlecone芯片或许足以谷歌的量子计算研究人员策划一场派对,但来自中国的竞争对手阿里巴巴的新成果可能会使其派对推迟。中美公司在一个前沿的物理边界上的竞争表明,国家以及公司之间的竞争越来越激烈,它们都希望能够创造一种新型的难以想象的强大电脑。

现代计算机使用以比特为单位的“1”或“0”表示数据,称为经典比特。量子计算机用微妙的量子力学效应来表示比特数据“0”和“1”,量子比特也由此出现,但量子力学效应在20世纪初期使爱因斯坦和其他物理学家困惑不解。另外,量子力学效应只在极低的温度和特别细微的范围内才能被检测到,这使得量子比特获得了一种叠加状态,即同时有效地表示 “1” 和 “0”,进而允许量子计算机在进行复杂计算时可以走捷径。有证据量子计算可以帮助进行化学模拟,谷歌和其他一些人认为机器学习也能得到提升。

谷歌的量子霸权计划

今年3月,谷歌推出一款名为Bristlecone的芯片,目标是成为量子计算的里程碑。谷歌称,Bristlecone是第一个具有超越任何传统计算机计算能力的量子计算系统 ,这将成为“量子霸权(Quantum supremacy)”的标志,量子霸权指的是量子计算设备在实现某一个应用上超越最厉害的传统计算机。该研究团队的领导人John Martinis还表示,它今年可能会实现“量子霸权”,更新了此前在2017年实现量子霸权的预测。

Google的Bristlecone芯片拥有超导电路制成的72个量子比特,是迄今为止最大的量子芯片,超过了IBM的50量子比特和英特尔的49量子比特。谷歌的研究人员计算出这足以在超过任何范围的常规电脑的情况下运行一个精心挑选的演示问题,实现量子霸权。

自2006年起,Google一直致力于量子计算,最初使用加拿大D-Wave的硬件。2014年,Google将整个加州大学圣芭芭拉分校(University of California, Santa Barbara)研究团队的全部十几个人都纳入麾下,包括研究团队领导人John Martinis,并建立了自己的量子硬件实验室。

不过谷歌最近关于实现量子霸权的言论让该领域的其他一些人感到厌烦,他们认为建立里程碑是一个决定性的时刻,这样的表述可能会夸大量子计算机实际的发展进程。英特尔首席技术官Mike Mayberry本周告诉WIRED,他认为该技术是一项为期10年的项目。IBM表示它可以在五年内成为“主流”。

阿里巴巴的质疑与谷歌的反驳

对于谷歌将在2018年实现量子霸权的乐观态度,阿里巴巴的研究成果提出了质疑。阿里巴巴的研究人员利用一系列功能强大的服务器来模拟Google新芯片的运作,并对美国公司已发布的计划提出挑战。结果提醒人们,现有的计算机架构的性能还未完全发挥出来,并暗示谷歌计划用其量子芯片进行演示的结果不会超过传统计算机。阿里巴巴量子实验室主任施尧耘说:“很多人都希望这款处理器能够实现量子霸权,但我们的结果表明,这种期待可能过于乐观。”他表示阿里巴巴是通过设计更好的方法,即将模拟量子计算操作的任务划分给许多共同工作的计算机获得的成果。

阿里巴巴的研究结果让科罗拉多大学的教授Graeme Smith发出了一条由一串“哇”组成的评论。Smith告诉WIRED,谷歌的Bristlecone似乎是最有能力的量子芯片,但阿里巴巴的研究结果表明这种芯片的错误率仍然过高。他说:“这表明我们不会在短时间内看到他们实现量子霸权。”

阿里巴巴量子研究人员新的结果表明,谷歌发布的Bristlecone计划无法实现量子霸权。他们认为,需要更低错误率的芯片。对此,在一封电子邮件中,谷歌研究员Sergio Boixo告诉WIRED他欢迎这样的研究,但关于这篇论文的结果有很多“问题”。其他人认为它们是值得注意的。 “游戏规则已经开始改变了。”南加州大学教授Itay Hen说。

Google的Boixo还反驳说,阿里巴巴的模拟的方法不够详细无法作为最后的结论。更好的模拟方法,比如阿里巴巴的研究也是谷歌一直致力于研究测试量子霸权的新方法的原因,Boixo称其不应该要求大规模的硬件升级。南加州大学的Hen说:“这反过来会刺激研究人员试图从传统计算机中榨取更多性能。我确信游戏规则会发生改变。”

量子霸权竞争加剧

实现量子霸权将是一项科学突破,而不是量子计算机准备好规模应用的证明。不过实现量子霸权有助于谷歌在激烈的竞争中立足。IBM,英特尔和微软等竞争对手想要将量子计算机出租或出售给戴姆勒和摩根大通等公司,这些公司正在探索用机器如何改进电池和成本的模型。

据雷锋网了解,IBM 在2016 年就开发出了具有 5 位量子比特的量子计算机,并把它提供出来作为量子计算云服务供研究者使用。2017 年 11 月,IBM 又宣布发布新型的 20 位量子比特的量子计算机。IBM 还表示,他们的研究人员们已经成功开发出了一台 50 位量子比特的原型机,以往观点认为达到 50 位量子比特的量子计算机就可以模拟传统计算机的所有操作

微软在2016年宣布计划斥巨额资源开发量子计算机的原型产品。2018年3 月 29 日凌晨微软宣布发现马约拉纳费米子的存在证据,下一步会将费米子转化为量子,并希望在今年年底实现这一目标,在 5 年内向其他企业提供可用的量子计算机。

对量子计算最大的赌注恐怕来自英特尔,2015 年英特尔宣布将向荷兰代尔夫特理工大学的量子技术研究项目 QuTech 投资 5000 万美元。英特尔专注于硅量子点技术经常被称作人造原子。

阿里巴巴在量子计算领域的崛起非常迅速,阿里巴巴在 2015 年开始关注量子计算,并和中科院合作成立了亚洲首个量子计算实验室。2018 年2月中科院量子信息与量子科技创新研究院与阿里云宣布,11 量子比特超导量子计算服务在量子计算云平台上线。2018年5月,阿里巴巴量子实验室施尧耘团队宣布成功研制当前世界最强的量子电路模拟器,名为太章。

阿里的迅速崛起显示出中国的技术雄心,腾讯和百度也先后于2017年和2018年开始对量子计算的研究。雷锋网也了解到,中国政府已承诺投入100亿美元建设一座新的国家量子实验室。

当然,这些项目是日益增长的国际竞赛的一部分:欧盟正计划在量子研究领域投资11亿美元。美国方面,尽管白宫办公室的科学和技术政策在特朗普的领导下大幅缩水,但该研究团队在12月获得了第一位量子计算专家,来自于马里兰大学的研究员ake Taylo。

阿里巴巴的施尧耘并不否认量子霸权的重要性,但他建议谷歌和其他量子计算研究人员应该更加冷静。他说:“对于设备物理学家来说,担心什么时候到达霸主地位就像是担心你的孩子什么时候会比你的狗更聪明一样,只要你专注照顾好他,事情就会发生,即便你不确定是在什么时候。”

雷锋网编译,via wired

雷锋网