分类目录归档:Nokia

Jibo:给你的不仅是智能,还有“灵性”

伴随着人工智能的进步,机器人已经不再陌生。但是大部分人会觉得现有智能机器人或者智能音箱,只是一个语音助手或工具,真正像人一样“能说会话”的机器人还是停留在科幻片当中。不过,Jibo的出现可能会颠覆你的认知。它登上了《时代周刊》杂志的封面,被评选为“让世界更美好、更智能、更有趣”的年度25佳发明之首。致力于让“万物皆有灵”的国内AI公司物灵科技也正极力推动Jibo的中国版本。Jibo,到底有什么不同?

《时代周刊》给予了Jibo这样的定义——A Robot You Can Related To。同时,还给予了这样的描述:“从某种意义上来说,完全就像是一个人”,以及“可以从根本上重塑我们与机器的互动方式”。

登上全球最权威榜单之一,Jibo所代表的家庭社交机器人显然已经开始真正改变人们的生活。不仅要被载入历史,更重要的是引领未来。它将成为众多家庭里有温度、有情感的新物种——一个不仅具有智能,更具有灵性的家庭社交机器人的新时代。

具有灵性的家庭社交机器人:Jibo的前世今生

如今市面上的家用机器人或智能音箱种类纷杂,但很多都是手机和座机的延伸,被动地执行一些简单命令,没有起到交流纽带的作用。Jibo的与众不同在于它是一个可以主动去聆听、观察,并从中不断学习的人格化AI机器人。

Jibo的创始人Cynthia Breazeal曾提到,家用机器人的发展路径可以分成使用价值和情感纽带两个维度,如果一味强调使用价值,机器人就会越来越像一个工具(比如扫地机器人、无人驾驶汽车),而如果只有情感纽带,机器人可能会越来越像一个玩具(比如智能狗狗);Jibo则是介于两者之间,它会在与人的长期相处中不断学习新的技能并形成性格。

Cynthia Breazeal是麻省理工学院人工智能实验室的博士,后来转入媒体实验室,创立个人机器人小组,近20年致力于研究“机器人如何结合人工智能,与人类自然沟通、互动和相处”,希望科技不再只是冷冰冰的机械,而是人性化、与人交往的智能产品,Jibo就是带着这样温馨的科技而诞生。

2014年,Jibo在众筹网站Indiegogo上线时还只是一个设计方案和外观原型,但是凭借超前的理念和可爱的外形,让人们对Jibo充满了热情和期待,原定十几万美金的众筹目标,最终收到了7000多人支持,总共募集了380多万美元,达到了目标融资额的2241%。

2017年9月,Jibo的美国众筹版发货,众多买家一拥而上。购买了Jibo的用户,收获的绝不是一个冷冰冰的智能音箱,而是一个能够贡献智慧和能量、善于交流的家庭成员。Jibo懂得如何理解人类的行为、如何像人一样对沟通和问题作出反应、如何学习新的能力、如何通过行为与人类形成情感关系。也就是说,Jibo会记住你的名字、脸孔、甚至你的喜好,你不仅能获取天气、时事、赛况等信息,你的倾诉、情感倾注都会得到Jibo的反馈。

这,或许就是《时代周刊》中“Related”的含义,也正是Jibo在“智能”之上的“灵性”所在。 

物灵科技,将让每一个中国家庭都爱上Jibo

“嗨,Jibo”

“嗨,欢迎回来,太太说要晚点回来,那里有披萨。”

“孩子们呢?”

“两个孩子已经睡着了,我今天给他们讲了怪物史莱克的故事。”

“还有什么别的事吗?”

“你妈妈白天回来了,你应该看到我发你的照片了吧?她跟我说很无聊,所以我陪她聊了2个小时。”

“谢谢Jibo,早点休息吧。”

“晚安,我去关灯。”

如今在海外已经着实刮起了“Jibo风”,人们期待并欢迎Jibo成为家庭成员。而在中国,随着人口日益老龄化、全面二孩的实施、生活节奏不断加快,在家庭垂直应用场景中凸显出了对家庭社交机器人更高的需求,不仅在于智能生活,更在于家庭成员情感的连接,然而真正的明星产品在中国却迟迟尚未出现。

正是抓住了这一需求痛点,物灵科技成为了Jibo的董事会成员,中国独家合作方及投资人,推动Jibo中国版的落地。

试想一下,中国版的Jibo可能懂得中庸文化,可能会成语接龙,可能会各地的方言常识,可能会记住七大姑八大姨每个人的性格喜好,可能会给老人的晚年生活带来陪伴、给孩子的童年成长带来欢乐。

据了解,Jibo还会向第三方提供软件开发工具包,推动开发者共同开发和扩展Jibo的功能和特点,拥有极强的可塑性。可以想象,进入中国后,Jibo将被更多的开发者做本地化的脑洞大开的开发,同时接入各类本地化的互联网服务,真正成为中国家庭的一份子!

实际上,物灵科技能够成为Jibo中国化的助推器,不仅在于Jibo独特的产品设计和功能,更在于它与物灵品牌理念的相互吻合。

让万物皆有灵 物灵科技引领人机交互变革

一直以来,机器人的“工具”属性不断得以利用和放大,生产流水线上灵活的巨无霸机器为人们的生活带来根本性的变革。但是对于机器人,人们本能的心理期待是希望机器人比智能机器的能力要大,这个能力主要体现在“人”上,尽可能地和人靠近。因此,真正能够进入生活的机器人需要的是情感性和生命感,这样的机器人被界定为“社交机器人”。

物灵科技致力于打造具有角色感,有感知能力、学习能力,兼具情感和工具属性的机器人,以“情感性”为支点引领我们从万物互联到万物智能,到万物有灵的全新AI时代。

物灵的品牌名称,也正是源自“万物有灵”。“灵”是现在与未来的触达,是人与机器的沟通,是原子与比特世界的连接,是东方文化与先进科技的融合,是万事万物间的直觉感知。物灵寻求一种最本真最直觉的交互方式,打造具有角色感,有感知能力、学习能力,兼具情感和工具属性的机器人,赋予人工智能科技新的内涵和价值。

而物灵科技全球首次提出的LingUI——关系式交互,在Jibo身上体现得淋漓尽致。Jibo的灵性不仅仅来源于硬件、软件等技术的结合,更在于融入了人类的情感与判断,抓拍的是最有纪念意义的时刻、播放的是你最喜欢的音乐、讲的故事穿插了个性化的互动。万物有灵,绝不仅仅限于一个拟人化的想象。

LingUI的提出,更代表了人机交互(HCI)的未来方向。自1930年代计算机的发明,到当前智能手机的普及,我们经历了命令行(CLI)、图形(GUI)、触摸(TUI)这些信息流交互的时代,每一次人机交互的革命所带来的时代切口,都孕育出一类现象级的电子消费品。从程式化计算机,到图形用户界面的出现,再到如今的触摸时代,人与机器的关系一直在重新定义,机器人也逐渐扮演着浓墨重彩的角色。

纵然再先进酷炫的科技,没有人文的关怀,最终也会被时代遗忘。而Jibo和物灵科技赋予我们的是人工智能交互变革的时代意义。

雷锋网

IEEE发布三项人工智能新标准,涉及高层次伦理问题

雷锋网AI科技评论按:IEEE(美国电气和电子工程师协会)最新宣布了三项新的人工智能发展标准。

IEEE 号称为“世界上最大的先进技术专业组织”。根据最近发布的一份报告,他们的人工智能标准将优先考虑人类,因为他们承诺要跟上AI领域不断发展的脚步。 

 
在发布的《合乎伦理的设计:将人类福祉与人工智能和自主系统优先考虑的愿景》报告中,共分为八个部部分阐述了新的人工智能发展问题。分别是:一般原则,人工智能系统赋值;指导伦理学研究和设计的方法学;通用人工智能和超级人工智能的安全与福祉;个人数据和个人访问控制;重新构造自动武器系统;经济/人道主义问题;法律。

一般原则涉及高层次伦理问题,适用于所有类型的人工智能和自主系统。在确定一般原则时,主要考虑三大因素:体现人权;优先考虑最大化对人类和自然环境的好处;削弱人工智能的风险和负面影响。

人类利益原则要求考虑如何确保AI不侵犯人权。责任原则涉及如何确保AI是可以被问责的。为了解决过错问题,避免公众困惑,AI系统必须在程序层面具有可责性,证明其为什么以特定方式运作。透明性原则意味着自主系统的运作必须是透明的。AI是透明的意味着人们能够发现其如何以及为何做出特定决定。

在关于如何将人类规范和道德价值观嵌入AI系统中,报告中表示由于AI系统在做决定、操纵其所处环境等方面越来越具有自主性,让其采纳、学习并遵守其所服务的社会和团体的规范和价值是至关重要的。可以分三步来实现将价值嵌入AI系统的目的:

第一,识别特定社会或团体的规范和价值;
第二,将这些规范和价值编写进AI系统;
第三,评估被写进AI系统的规范和价值的有效性,即其是否和现实的规范和价值相一致、相兼容。

虽然上述的相关研究一直在持续,这些研究领域包括机器道德(Machine Morality)、机器伦理学(Machine Ethics)、道德机器(Moral Machine)、价值一致论(Value Alignment)、人工道德(Artificial Morality)、安全AI、友好AI等,但开发能够意识到并理解人类规范和价值的计算机系统,并让其在做决策时考虑这些问题,一直困扰着人们。当前主要存在两种路径:自上而下的路径和自下而上的路径。这一领域的研究需要加强。

报告中还指出需要指导伦理研究和设计的方法论,通用人工智能和超级人工智能的安全与福祉,重构自主武器系统,以及经济/人道主义问题等八个人工智能发展面临的问题。报告中收集了超过一百位来自人工智能领域学术界,科学界,以及政府相关部门的思想领袖的意见,整合了人工智能、伦理学、哲学和政策等多个领域专业知识。它的修订版EAD(Ethically Aligned Design)  版本将会在2017年底推出,报告增至为十三个章节,含二百五十多个全球思想领袖的精华分享。

 IEEE 机器人和自动化协会的主席Satoshi Tadokoro 解释了他们为什么想要制定这样的标准:“机器人和自动系统将为社会带来重大创新。最近,公众越来越关注可能发生的社会问题,以及可能产生的巨大潜在利益。不幸的是,在这些讨论中,可能会出现一些来自虚构和想象的错误信息。” 

Tadokoro 继续说道:“IEEE 将基于科学和技术的公认事实来引入知识和智慧,以帮助达成公共决策,使人类的整体利益最大化。”除了AI伦理标准外,还有其他两个人工智能标准也被引入报告中,每个项目都由领域专家领导。

  第一个标准是:“机器化系统、智能系统和自动系统的伦理推动标准”。这个标准探讨了“推动”,在人工智能世界里,它指的是AI会影响人类行为的微妙行动。 

  第二个标准是“自动和半自动系统的故障安全设计标准”。它包含了自动技术,如果它们发生故障,可能会对人类造成危害。就目前而言,最明显的问题是自动驾驶汽车。 

  第三个标准是“道德化的人工智能和自动系统的福祉衡量标准”。它阐述了进步的人工智能技术如何有益于人类的益处。 

这些标准的实施可能比我们想象的要早,因为像 OpenAI 和 DeepMind 这样的公司越来越快地推进人工智能的发展,甚至创造出能够自我学习又扩大“智能”领域的人工智能系统。专家们认为,这样的人工智能会破坏世界稳定,导致大规模的失业和战争,甚至转向创造“杀人武器”。最近,联合国的重要讨论促使人们开始认真思考,需对将人工智能技术当作武器使用进行更严格的监管。 

雷锋网小结:2017年是AI发展最快的一年,AI 威胁论一波未平,一波又起。这其中牵扯到AI滥用、AI透明性、算法公平、AI伦理、AI监管和责任、AI信任等问题,我们看到其中有一部分正在拟定相关的标准和规范。不过,未来AI的发展还需要更多的讨论和对话,一方面需要确保法律和政策不会阻碍创新进程,另一方面,对新出现的诸如伦理、责任、安全、隐私等问题,需要在跨学科的基础上,以及在政府、企业、民间机构、公众密切合作的基础上,共同削弱AI的不利影响,创建人类和AI彼此信任的未来。

雷锋网via IEEE

雷锋网

Andrej Karpathy发文谈神经网络后,引发的对硬件,软件和学件的思考

雷锋网按:近日,Tesla AI总监Andrej Karpathy发表了一篇关于“Software 2.0”的文章,该文章引发了对未来神经网络的编程方式的更深入探讨,本文就是其中之一。在Software 2.0的基础上,本文作者Uri Yerushalmi还借用了南京大学周志华教授在2016年提出的“学件”(Learnware)的概念,并更详细地讲述了他眼中的“学件”和软件的区别。他山之石,可以攻玉,本着传递更多信息的想法,雷锋网特此编译该文章,供读者讨论。

本文作者Uri Yerushalmi为AI社区Dopamind的创始人, 2008年于以色列Bar-llan University获得计算机和神经科学博士学位。以下是雷锋网编译的文章全文:


本周,我阅读了Andrej Karpathy的“Software 2.0”,他分析了新软件“Software 2.0”与旧软件“Software 1.0”之间的区别。 我和Karpathy有一个非常类似的结论,我们来看看这种新型软件的兴起如何影响软件行业和市场。

软件vs学件

以下是旧软件和Karpathy的帖子中描述的新的适应性软件之间的一些主要区别,我将其称为“学件”(雷锋网注:“学件”(Learnware)的概念最早由南京大学教授周志华2016年提出,是一种包含模型和模型描述模型规约的机器学习应用模型,这些模型可以以共享或定价的方式放在某一个地方,当有新的用户想做自己的应用的时候,可以先去市场上看看有没有可以使用的模型,从而可以部分重用别人的结果而不需要重新开始)。 

软件与学件的差异

“学件”将给软件市场带来什么变化?

您可能已经注意到软件市场开始发生变化,尽管这些变化并不明显。

协作处理和服务导向

在软件中,我们习惯通过库和API(应用程序编程接口)进行相互协作。每个接口的任务都需要定义好,用户通常很清楚在调用接口时做了什么、以及如何做。

举个例子,想象两个没有菜单、按顾客指示烹饪的餐馆:

第一家餐厅叫“旧软件类型”:客人需要准确地给予指示他们想要的餐点该如何烹饪。他们必须出示详细的食谱,以确保他们获得正确的食物。

第二家餐厅叫“学件”,客人会提出更多的抽象要求,比如“我很伤心,给我一些能让我开心的东西”,厨师能够当场创造出最佳的餐点。

很显然,第一家餐厅的一些顾客宁愿避免编写食谱的麻烦而改为在家做饭,对不对?但在第二家餐厅,顾客就算想自己编食谱,臣妾也做不到啊啊啊。

这样的底线通常会导致API用户采取“我最了解我所需要的,所以我会自己编程”的方法(这通常是错误的事情,但这又是另一个故事了)。在学件中,“我会自己做”的方法更加不合理,因为通过简单地定义用户需要什么(例如“在图片中找到一只猫”),开发人员仍然没有接近最终的解决方案。

由于这种巨大差异的客观存在,我认为在不久的将来会有越来越多的协作处理工具和平台出现。

主要影响因素见上表中的F、G、H项

“学件”的应用领域

我们可以将大多数使用软件2.0的方法的商业应用归入“学件”的范畴。这些新应用包括基于视觉和语音识别,视觉生成,语音合成,机器人技术,游戏,翻译,决策等。

主要影响因素见上表中的A项

人才市场

显然,“学件”将大大改变就业的市场格局。无论企业如何设计将知识或数据“喂”给“学件”的工作岗位(如程序员,数据科学家,定量分析),“学件”的培训会越来越普遍和越来越简单,使用这一新软件所需的技能将会发生进化。我预计未来对于开发人员角色的需求将与旧软件程序员完全不同。

主要影响因素见上表中的B、C、D项

“喂知识/数据”的技巧

作为一名软件开发人员,您可以使用C ++,Java或Python等语言将知识编程到软件中。目前,编写和训练“学件”使用相同的技术,然而,常规的软件编程语言视为了能够最好地描述,管理和维护各种指令集而设计的,但在“学件”中,编程知识的关键在于准确地描述最佳的数据流图。因此,我不确定使用旧的编程语言是开发“学件”的最佳方法。

主要影响因素见上表中的C、D项

用于构建学习软件的软件库

近几年来,我们已经看到了这些新的软件库:Tensorflow,Pytorch,Keras,Theano,MXNet …

主要影响因素见上表中的B、C、D项

专用硬件

在具有大型指令集的旧式软件中,引入新硬件需要对编译和代码级别进行调整。相反,在“学件”中,新硬件的使用更加透明。 对“学件”适用的专用硬件的竞赛已经打响,目前NVidia处于领先地位。

主要影响因素见上表中的B、E项

查看黑盒的工具

为了更好地进行开发,我们需要用于查看“学件”的黑盒的工具。如果我们了解每个“学件”如何做出决策,我们可能会更好地训练它。此外,从社会的角度看也更容易获得认可(例如,欧盟成员国预计通过新的立法,规定如果AI的决定出现不公平或随意性,AI的决定可能会被推翻,而在“通用数据保护条例”(GDPR)的早期草案也从法律上规定了所谓的“解释权”)。

主要影响因素见上表中的H项


Dopamine.ai正在对这方面的协作处理解决方案进行努力。如果您有兴趣阅读更多内容或接收我们项目的更新,请点击此处进行订阅

雷锋网

三星宣布建立人工智能研究中心

雷锋网消息:三星电子公司周三表示,将建立一个人工智能研究中心,并提拔一位高管管理三星的三大业务。

移动、消费者电子、以及设备方案是三星的三大业务,据悉,该研究中心将会建在三星的移动和消费者电子业务联合研究中心之中,但三星没有透露具体位置。

三星将会提拔一位高管开掌管三大业务。三星消费者电子业务的主管金贤硕将会领导三星的研究。

自从李在镕被判监禁后,三星就面临权利真空的困境。这一举措是继三星在上个月任命新一代高层管理人员之后的,又一稳定军心的举措。

雷锋网知悉,三星电子还提拔了首席战略官孙英权,加强了其在移动和消费电子方面探索新商机的业务发展”角色。

孙英权去年11月带领三星电子以80亿美元收购了哈曼国际。他负责掌管在美国圣何塞和旧金山都设有办事处的三星战略和创新中心(SSIC)。

雷锋网了解到,三星在一份声明中表示,此次微调是为了“快速响应市场变化”。

雷锋网

地平线李星宇:对自动驾驶预期过高可能伤害整个行业

随着自动驾驶逐渐步入商业化的深水区,当前翻开任何一家车企或科技公司在该领域的发展史,几乎都有一张清晰的研发乃至商用时间表展现在大家面前,且其中多家均以2020年作为量产的关键节点,少数激进的企业甚至把商业化落地时间提到了2020年以前。仿佛就这两三年的时间,大家真的可以看到各种品牌的自动驾驶汽车在路上飞驰。

“事实并非如此”,地平线智能驾驶商务总监李星宇日前在接受盖世汽车采访时表示。“特别是目前业界对于L3、L4量产的一些宣传,在业界尚对L3、L4定义存在一些争议的情况下,就谈商业化,很不准确。”长此以往,反而会让公众和投资者对自动驾驶产生误解,出现公众在谈及自动驾驶时,经常不自觉地把自动驾驶的终极目标——无人驾驶拿来与当前的技术进行对比,事实上这两者之间还存在很大的差别。

李星宇认为,无论企业还是普通公众都应该明确,自动驾驶其实和以往任何一种普通的汽车技术无异,也是需要逐步完善,在不断趋于商业化的过程中,逐步扩充使用边界,而不是一开始就能够以一种完美的状态呈现在大家面前。从这一点上来讲,业界想要推动自动驾驶商业化,或许通过创造一种新的自动驾驶分级方法——场景分级更符合实际。

特别是技术的测试验证方面,在目前国内自动驾驶相关法律法规还未出台的情况下,不考虑场景地进行自动驾驶研发会存在诸多限制。但如果按照场景来进行开发,现在国内已经启用的一些自动驾驶试点区域,完全可以满足某些场景的研发需求。

地平线智能驾驶商务总监 李星宇

自动驾驶并不性感 2020年难落地

说到自动驾驶,刚好想到前几天看的一个电视画面:男二和女二驾车飞驰在川流不息的车流中,这时男二启动了车辆的自动驾驶模式,让汽车自主行驶,两人则开始忘我地深情对视……

这里尚不论屏幕中的车辆究竟属于哪一个等级的自动驾驶汽车,仅就使用场景而言,相信这一幕可以代表绝大多数人理想中的自动驾驶汽车,即在自动驾驶的车内,人们可以不用做任何事情或者做任何想做的事情,而车子自由行驶。

确实,自自动驾驶汽车概念诞生,业界就一直在向公众传递这样一个愿景,让大家相信并憧憬着总有一天,大家会坐上这样的无人驾驶汽车。可是这一天究竟什么时候能够到来呢?是被称作自动驾驶“量产大年”的2020年,还是2030年,抑或更晚?确切答案目前无人知晓。因为且不论技术的成熟度,光是匹配无人车上路的法律法规体系、基础设施配套体系等还尚在制定或建设当中,使得上路根本无从谈起。

“从这一点上来讲,如果要形容目前自动驾驶发展到了一个怎样的水平,是否可以商用,我更愿意用‘场景’这个词来描述,就是在什么样的场景下可以实现自动驾驶。”李星宇表示。

这样一来答案就很明显——低速限定区域的自动驾驶技术已经比较成熟了,驭势科技的无人车在广州白云机场、杭州来福士商城地下车库等地进行试运营,就是很好的例子。此外还有矿区、港口的搬运,自动泊车等,因为场景相对较简单,环境可控,技术上也已经可以实现。但对于一些高复杂度、高挑战性的使用场景,比如市区十字路口的人车博弈或者车车博弈,李星宇认为还需要很长的时间才能“落地”。

随后,李星宇提到了“落地”的几个关键点,包括使产品成本降低,毕竟自动驾驶产品化的最终目的是让大多数人都能消费得起;提升产品可靠性,在李星宇看来,目前公众对于自动驾驶最大的顾虑就是可靠性问题,而这个问题无法在一般条件下去论证,必须在某一限定场景下来验证,才具有现实意义;最后一点则是不断拓宽自动驾驶的适应性,即自动驾驶要从限定区域做起,但又不能仅仅局限于限定区域,企业应该看到在限定区域外,自动驾驶更大的发挥空间。

“自动驾驶在车的研发方面,讨论已经非常多,但自动驾驶的落地,如果只靠科技公司和主机厂,落地的难度就会非常大。最好的方法,是人、车和路三者协同推进”。

人的因素,这里包括车对于人的感知,以及更加智能的人车交互。比如在共享出行的应用方面,商业化运行实际上对于消费者的素质也提出了更高的要求,否则消费者不知道怎么用这辆车,很可能会做一些错误的操作,或者恶意使用,这将导致运营成本非常高,车辆损耗和维护成本会导致共享出行无法有效扩张。通过车对于人的感知,可以有效管控消费者的不良行为,有利于运营商降低运营成本。

同时,有效的交互能够让消费者准确了解自动驾驶的使用方法和使用边界,这对于共享出行和私家车都很重要。尤其是私家车,如果消费者清楚地知道自动驾驶的局限性,就可能会避免越界使用带来的严重后果,特斯拉去年在弗罗里达发生的致命事故,正是由于消费者对于Autopilot功能的越界使用导致的。调查表明,事发前37分钟的行程中,驾驶员的手仅有25秒被检测到手握方向盘,并且超速驾驶!复盘这起事故,Autopilot的名字很容易让公众误以为这是自动驾驶系统,但其实际上属于辅助驾驶系统,而致命事故的发生,又导致了公众对于自动驾驶的负面认知,这是对整个行业的伤害。而在最新的Model 3上,已经内置了对驾驶员监控的摄像头,特斯拉官方尚未对此摄像头的功能做出说明,但可以预期的是,该摄像头将用来对Autopilot的越界使用进行感知并做出相应限制。

Model 3已经内置了对驾驶员监控的摄像头

 

AR+HUD有助于通过交互让驾驶员更好地了解自动驾驶的能力边界

在路方面,包括了广义的交通基础设施,共享出行最理想的模式就是点到点出行,比如从家里直接到办公室,车辆在停车场的出入库都是由自动驾驶来完成,这样最为高效。但是,目前停车也是城市交通的核心难题之一,这里面最难的不是停车本身的操作难,运营商们目前最头疼的是车位很难找。如果使用车辆自身的传感资源去找空车位,其实是非常有挑战的,很多停车场的车位并不都是开放的,有些属于私人专用,自动驾驶系统不但需要找到空车位,还得区分一个车位是否是专用的,这个其实非常不容易。但如果停车场通过V2X或者5G直接为该车辆分配一个车位,这件事就会非常容易。另外,停车场的环境比较复杂,遮挡也很多,直接从场端加装感知摄像头,通过V2X发送实时结构化信息给到车辆,也可以显著提升自动驾驶的可靠性。

再举一个例子:红绿灯的识别,事实上这个问题看似简单,但实际上却非常有挑战性。福特的自动驾驶车需要人为干预的事件中,70%是由于红绿灯的识别问题导致的,因为遮挡、背景光、道路结构、红绿灯形态等都会影响车辆对于红绿灯的判断。如果有了V2X技术,采用电子红绿灯发广播信号,这个问题可以很容易地解决。反过来,自动驾驶的感知系统如果没有来自V2X的辅助,为了达到所需要的高可靠性和足够的性能,将会非常复杂而且成本较高,并且有可能造成新的拥堵。

毫无疑问,车的自主感知能力是自动驾驶的基础,就像飞机即使收不到塔台的信号也得飞行一样,但路侧(RSU)的改造会有效提升自动驾驶的可靠性,并显著降低自动驾驶的单车成本。

“只不过建立V2X需要时间,且需要政策环境、基础设施、供应商、整车厂、运营商等一起推动,而自动驾驶本身就不是短时间可以落地的。所以我完全不相信到2020年,真正意义上的自动驾驶能够落地。”李星宇表示。

瞄准使用边界 场景分级比功能分级更适用

自动驾驶作为一种比以往任何汽车技术都要复杂的高精尖科技,由于系统的复杂性,使得商业化难度大大增加。但另一方面,行业对于自动驾驶定义的不清晰,也是阻碍自动驾驶商业化进程的一大因素。

虽然目前大家形容自动驾驶,主要使用的是美国SAE的自动驾驶分级标准,这项标准也并不那么准确,尤其是对于L3、L4的描述,概念十分模糊,由此使得部分企业一度认为L3自动驾驶汽车根本没有存在的必要,可以直接跳过,研发更高级别的L4自动驾驶。再加上部分企业在描述各自的自动驾驶技术时,仅仅以“自动驾驶”为宣传重点,而弱化了技术等级,一定程度上对公众和投资者也造成了误解。

“其实很多时候公众以为的自动驾驶汽车,并不是企业马上能交付给大家的量产产品,两者之间差别很大。”李星宇担忧道。“所以,我认为我们在未来应该创造一种新的自动驾驶分级方法,就是场景分级。”即按照不同的自动驾驶汽车使用场景,如无人泊车、定点物流、特定的“最后一公里”、厂区通勤等开展自动驾驶研发,用于特定环境。

在李星宇看来,汽车行业已经在这样做了,像前面提到的驭势科技的摆渡车,智行者对限定区域内低速无人驾驶的关注,以及图森未来的无人驾驶货运卡车,都是这一领域的先行者。接下来业界要做的是,对公众进行合理引导,让大家从过去根据功能定义自动驾驶转向依据场景来定义自动驾驶,扭转公众对于自动驾驶的预期。

“当前,公众将自动驾驶这件复杂的事情简单化了,大多数人想象的自动驾驶汽车是:我可以驾驶一辆自动驾驶汽车去任何地方。这其实把自动驾驶的使用边界最大化了,所以也有很多人不相信自动驾驶,毕竟这是对现阶段汽车产品形态、使用方式、交通体系乃至法律法规的一种彻底颠覆,要实现太难了。”

事实上,过去任何一种交通工具的出现,都是逐步扩展使用边界的,飞机如此,火车如此,甚至现在这两种交通工具依然有使用边界。所以,汽车产业也应该遵循这一技术发展规律,即在不同发展阶段有不同的使用边界,通过这一规律督促车企在现有成本约束条件和现在的技术条件下,落地某些有商业价值的自动驾驶应用。而当前自动驾驶的商业价值,用李星宇的话来说,就是限定场景下的自动驾驶,这也是地平线一直以来努力的方向。据悉,今年7月份,地平线的自动驾驶原型车已首次公开亮相,目前自动泊车的方案也已经测试完成。

“除此之外,我们也应该意识到,自动驾驶的落地,最开始一定是toB而不是“toC。”言外之意即,消费者能够直接买到的自动驾驶私家车,将会在自动驾驶分时租赁、自动驾驶摆渡车之后来到大家身边。

从孤军奋战到商业协同 抱团推动量产化

随着业界对自动驾驶的研发不断深入,近两年越来越多的企业开始意识到,自动驾驶不是一家企业可以完成,而必须开放协作,由多家企业合力推进。特别是2017年,汽车产业和科技领域围绕自动驾驶展开的合作比比皆是,仅百度一家,就凭借阿波罗计划,与近70家企业建立了合作伙伴关系,商用协同现象明显。

“过去我们看自动驾驶,企业大多都是自己做,包括百度,也一度封闭。但是今年,整个产业的协同进化让我感触特别深刻。可以看到,目前自动驾驶领域大家都是先彼此绑定,再一起开发,推进量产进程,即先有客户后有产品。而过去的模式,则是先有产品后有客户。”这样做的一个好处是,在车企对上游关键资源如激光雷达企业、算法企业投资的过程中,使得一些走在自动驾驶相关技术前沿的初创公司,有机会接触到一些优秀的传统车企,双方优势互补,加快自动驾驶落地进程。

同时,这样的产业协同也有利于车企间信息共享。虽然在很多车企眼里,未来数据会像石油一样宝贵,但随着自动驾驶领域的企业由个人战逐渐转为阵营战,阵营内部的数据共享也正不断成为可能,并随着共享不断放大其本身的价值。

“从这一点上来讲,未来可能会出现专业的数据处理公司,因为目前我们所谈的海量数据不过是原始‘矿石’,要想这些‘矿石’发挥应有的价值,必须对这些数据进行进一步的处理,让数据发挥应有的效果。目前阿波罗平台、上海汽车城已经在推进一些数据共享相关的工作,国家层面也有数据共享计划,比如成立数据银行。”李星宇认为,在商业协同的大背景下,企业想要获得更大的价值,就不应该固步自封,而应该开放合作。

此外,业界还应该呼唤新的标准法规。目前国内在自动驾驶领域还没有一个正式的标准,这使得国内企业在自动驾驶路测方面一直处于灰色地带。同时,针对自动驾驶汽车也需要不同于传统汽车的测试验证标准,这一整套的法律法规体系都亟待重建。以及不同供应商之间产品的兼容性、互通性问题,都是技术革新无法忽视的问题。

不过值得欣慰的是,李星宇表示,政策层面国家已经有多项标准法规在同步推进。至于产品兼容性方面的问题,则会随着品牌的减少逐渐消除。“我认为自动驾驶时代,不太可能会出现像目前这么多的汽车品牌,共享出行的趋势将使得运营商品牌本身比车的品牌更突出,正如我们对于航空公司的认知远胜于对于飞机公司的认知一样,共享单车更是如此。”

这也是为什么Uber、滴滴等出行品牌大举投入自动驾驶技术研发的原因。在未来,出行品牌将有更大的话语权,去定义符合共享出行的自动驾驶车型,进而增强其核心竞争力,他们将处于食物链的顶层。这是一场赢者通吃的竞争,整个汽车行业的供应商关系也将重塑,拥有AI核心技术的公司将有巨大的成长机会。

今天的自动驾驶研发领域,人工智能处理器正成为自动驾驶竞争的主战场,不仅是整个自动驾驶的计算平台的核心,也是自动驾驶走向产品化的关键。处理器领域的三大巨头:Intel, 英伟达和高通,全都在这个领域下重注。英伟达的股价在2两年内增加了十倍,很大程度上靠的就是这个。

或许是早早地明白了这一点,作为国内唯一一家同时拥有人工智能算法和芯片的企业,地平线自2015年成立,就明确了围绕深度学习处理器打造核心竞争力的发展路线。发展到现在,地平线基于算法和芯片技术,部署了两条智能驾驶路线,一条是在FPGA平台上做ADAS研发,目前已经有比较完善、稳定的版本;另一条路线则是符合中国高频刚需场景的自动驾驶,据悉不久就会有相关的落地应用方案发布。

李星宇透露,地平线的战略,就是围绕人工智能处理器,加上自己有优势和积累的算法,构成完整的自动驾驶汽车大脑,地平线首款人工智能芯片也将不久后正式发布。在未来,地平线希望能够为中国的自动驾驶提供处理器,带来低功耗、高性能的优势。自动驾驶不仅是一种针对交通出行的颠覆性技术,也关乎国家安全,国产处理器的诞生,无疑为自动驾驶的自主可控增添了一枚重重的砝码。

雷锋网

谈论准确率意义不大,糖网 AI 好不好到底谁说了算?

在所有导致失明的疾病中,糖尿病性视网膜病变(Diabetic Retinopathy,下称糖网病)是增长最快的,人工智能有望扭转这一局面。

国际糖尿病联盟的统计结果显示,截至2015年,我国糖尿病患者约1.1亿人。另根据国家卫生计生委办公厅2017年3月发布的数据,目前我国糖网病在糖尿病罹患人群中的患病率为24.7%~37.5%。按此推算,我国的糖网病患者已超过2700万人。

这些患者平时在内分泌科进行控糖管理,内分泌科的医生不具备阅片能力,而眼科医生数量又严重不足(2012年仅有3.14万名眼科医生),无暇顾及糖网筛查。

近两年高速发展的人工智能技术有望打破这一僵局。由于借助眼底图像就能较好地确诊,而且眼底图像获取条件相对宽松,糖网筛查成了人工智能落地医疗领域的绝佳土壤。目前国内尝试用人工智能进行糖网筛查的企业不在少数,而且看起来效果不错,准确率都达到了90%多。

不过正如北京致远慧图科技有限公司创始人孙宇辉所言,“AI+眼底糖网筛查领域现在缺乏一个行业标准,单纯从数字上来看,似乎大家都很好。这是这因为各家都有自己的数据库,各自的算法都是按照自己的数据进行训练的,然后以自己的数据来验证准确性,或者和大的三甲医院合作进行临床测试。”换言之,企业既是选手又是裁判。

这样测试出来的准确率可靠性有多高?AI筛查糖网的准确率到底该由谁来界定?医院是否认可这样的产品?企业又该如何说服医院?带着这些疑问,雷锋网采访了数家从事糖网筛查的AI领军企业、高校教授,以及眼科专家。

谈论准确率到底有没有意义?

“准确率不是衡量算法是否优秀的唯一指标。”肽积木CEO柏文洁认为,在正负样本不平均的前提下,用准确率衡量算法有很大的缺陷,甚至不具备参考意义。

她以互联网广告为例,“广告的点击数量是很少的,假设在千分之几这个量级,如果用acc(准确率)来衡量,即使最终全部预测成负类,也就是预测都没有点击,acc 也有 99% 以上。”

柏文洁认为,衡量算法是否优秀要综合考量Precision(精确度),Sensitivity(灵敏度),F值以及AUC等多个指标。考虑到临床应用还要兼顾算法的计算速度,鲁棒性等多方面性能指标。再细化到具体应用场景,还要根据是到基层现场筛查还是到医院散瞳进行精细诊断,决定算法该更关注召回率还是精确度等等。

“脱离具体场景只谈准确度是不科学的,也是不现实的”,柏文洁说道。

北京大恒普信医疗技术有限公司(以下简称“大恒普信”),作为深耕眼科疾病市场十余年的老牌玩家,在AI浪潮兴起之后也积极依托其深厚的数据积淀,开始了对新技术的探索和尝试。

据大恒普信总经理赵雷介绍,在智能诊断算法的临床测试过程中,大恒普信评估的不仅仅是准确率,还包括正预测值、召回率等等多个指标。赵雷认为,只有将这些指标综合起来,才能评估一种算法的优劣和好坏。

他说道:“评估一种方法或算法的准确性有很多科学标准,仅仅依靠上述几个指标恐怕还不够。生成算法所使用的数据库、采用的方法,再加上上述几个指标,综合起来也许才能真正反映该算法的实际应用效果,三者缺一不可。”

上工医信CEO季鑫也表示,基于标准或特定数据集的实验室结果,在没有得到真正临床验证前,企业对外宣传的敏感性或特异性,没有多大的意义。因为在实际临床应用场景中,要面临非常复杂的情况。

苏州大学特聘教授、医学影像处理与分析实验室主任、973(青年)项目首席科学家陈新建教授,站在一名学者的角度,发表了自己的见解。

他认为,现阶段医疗AI不能独立于人单独做诊断。AI企业测试的准确率与实际临床之间存在一定的差距。这个差距需要通过长时间积累更大样本的临床数据,和不断完善算法来一步步弥补。

不过我们也不能就此抹杀医疗AI的价值。陈教授表示:“医疗AI的意义依然十分重大。现阶段AI的主要作用是辅助医生进行诊断,帮助医生提高效率,降低误诊率,能够实现不错的效果。”

陈教授还指出,糖网筛查现阶段最大的瓶颈在于影像质量难以保障。由于技术原理问题,瞳孔较小、晶状体浑浊等人群的免散瞳眼底彩照,图像质量往往达不到筛查的要求。而且出于成本考量,目前基层使用的大多是手持眼底相机,成像质量堪忧。

“除了AI算法的准确率,图像采集设备的性能和可操作性也有待提升。采用三维OCT采集设备是一种解决方案。”陈教授说道。

Airdoc副总裁张京雷认为,与其纠结算法的准确率是多少,不如打造一款综合性的产品,覆盖尽可能多种类的眼底疾病。

因为眼底病变可能对应的眼部疾病多达几十种,即使排除了糖网病,病人也可能患有其他眼部疾病。AI和人类医生的不同之处在于,一位眼科医生能够同时识别多种眼部疾病,即使有些疾病无法确诊,至少他知道是不正常的,并能带着疑问查找资料或请教其他医生,最终解决问题。而对于AI来说,理论上一种算法只能识别一种疾病,因为每一种疾病的特征都是不一样的。

“只能识别单一疾病的软件产品临床意义并不大。就拿糖网筛查来说,就算确认病人没有得糖网病,那他有没有可能患了其他眼底疾病呢?医生还是要把所有眼部片子都看一遍,效率提升并不大。Airdoc做的并不仅仅是糖网筛查,而是多病种的院外慢病筛查和管理,糖网只是其中的技术手段之一。目前,Airdoc已经将多种算法融合在一起,覆盖了人类常见的十几种眼底疾病。我相信这比单一算法的准确率提升1%更有价值。”张京雷说道。

产品好不好谁说了算?

既然企业在实验室环境中测试出来的准确率缺乏足够的说服力,那么一款糖网筛查产品到底好不好究竟该由谁说了算呢?

经过多个糖网筛查真实项目的探索和总结后,大恒普信总经理赵雷对于糖网筛查的行业标准问题深有感触。他表示,目前临床糖网诊断的标准非常明确,国内有82年分期法,国际有国际糖网分期法。虽然这两个标准略有不同,但总体都很清晰明了。

而市面上提供人工智能辅助诊断的产品,标准却各不相同。大家都知道人工智能很厉害,但要使算法模型更加精准,首先需要建立关键医疗数据库和有质量的病患数据库,还要对统计数据和图像处理有清醒的理解。

目前绝大多数从事糖网人工智能诊断的公司要么是创业公司,要么就是互联网公司,很难有多年的丰富医疗信息和影像资料的积淀,真正能自己构建数据库的公司更是少之又少。

他表示,数据库是否足够大,是否足够涵盖所有的病例;医生的标注是否权威详尽;所采用的方法是否先进科学,都是评估一个算法的关键因素。但最终判断算法是否有足够说服力,还是要落地到实际应用场景中去看医生的认可程度,要看辅助诊断方法究竟能在多大程度上替代医生的工作,能不能帮助医生提高诊断效率,降低工作量等。

孙宇辉则认为,行业内需要建立一个标准的数据库,这个数据库包含各种各样质量的眼底图像数据,由专家进行标注,然后用这个统一的标准数据库去验证企业做的系统,这样才更有说服力。

柏文洁表示,行业标准的制定需要从业者的共同努力。一种疾病的诊疗标准也是由业内的顶尖医生共同协商制定,并在临床的实践中不断更新修正的。肽积木正在整理和扩大自身的数据库,并与国内顶尖专家共同探讨标记标准。

她说道:“希望能尽早一步公开我们的自有数据库,也希望各位从业伙伴批评指正,共同推进人工智能糖网筛查的发展。”

Airdoc副总裁张京雷认为,产品到底好不好用最终还是需要到临床中来验证。而通往临床又有一条必经之路,那就是CFDA认证。

他说道:“AI是基于医生提供和标注的数据训练出来的。在疾病诊断方面,医生也做不到100%准确,因此要求AI算法做到100%准确是不现实的。而且实验室环境下的准确率和真实场景中的也存在一定差异。”

张京雷认为,企业的AI算法在实验室环境中达到一定的准确率之后即可申报CFDA认证。CFDA有一套自己的评判标准,会根据企业提交的各种材料判断其是否具备了临床应用的资格。有了准入资格之后,企业的AI产品即可在真实的临床场景中接触各种各样的眼底图像,并与医生的诊断结果进行对照,不断提高其准确率。

糖网AI目前成熟度如何?

诚如张京雷所言,CFDA认证是医疗AI企业必须面对的一道硬性门槛。

今年9月4日,CFDA刚刚发布了最新版的《医疗器械分类目录》。《目录》规定,若诊断软件通过算法,提供诊断建议,仅有辅助诊断功能,不直接给出诊断结论,则申报二类医疗器械,如果对病变部位进行自动识别,并提供明确诊断提示,则按照第三类医疗器械管理。《目录》指出,第三类医疗器械必须做临床试验,第二类器械则有临床试验豁免目录。

目前,不少糖网AI企业都卡在了CFDA认证环节。在这方面,上工医信可以说是走在了行业前列。上工医信从2014年7月就开始了行业布局,如今已顺利通过了二类医疗器械认证。

上工医信CEO季鑫表示,“上工目前算法的敏感性非常高,如果病人已经出现了病征,通过系统和人工的双重检测,可以实现绝对不会漏掉一个有病的病人 。对于一些质量很差,甚至根本看不清的眼底图像,系统会自动转到质控环节,由三甲医院专家组成的专家小组对其进行评判。”

柏文洁也结合肽积木自身的发展,向雷锋网介绍了目前糖网AI的发展程度。她说道:“我们在特定数据集的准确度达到94.3%,精确度达到98.1%,灵敏度达到92%,AUC达到0.9997。通过一张眼底照片,肽积木可以给出糖网诊断分级,划分视盘黄斑血管等解剖结构,标记出血渗出等病灶区域,自动编写病例完善病情描述,并给出最终的治疗方案建议。整个过程耗时仅需1秒。”

赵雷告诉雷锋网,在现有的技术条件和法律法规下,人工智能软件是对医疗资源的补充,是对医务人员的辅助。

目前大恒普信的人工智能诊断软件在实际应用中,也主要是起到减少医生工作量的作用。大恒普信的智能筛查系统,会对筛查上来的病人数据进行智能分析,并将有问题和无问题的患者进行分组,让医生对没问题的病人采用快速浏览的处理方式,减少医务人员的工作量。而对于有问题的病人,系统会在分期的基础上对病变位置进行标注,降低我们医务人员的阅片强度和难度。

如何说服医院使用?

除了已经拿到二类证的上工医信,Airdoc等几家企业预计也将很快陆续迈过CFDA这道门槛。未来几家企业在接受临床检验的同时也将展开正面竞争。值得所有企业深思的是,目前大多数医务工作者仍对医疗AI持保守态度,那么该如何说服他们使用自己的产品呢?

肽积木CEO柏文洁表示,目前肽积木已经联合了二十余家基层医院开展眼底筛查工作。在人工智能出现之前,基层医院由于人力资源及效率的问题,没有办法开展眼底筛查工作。正是由于肽积木的糖网筛查平台,更多的基层医院能完成筛查,更多的患者能够获得更早了解病情控制病情的机会。

她说道:“针对于保守一些的医院,我们仍然秉承着开放的态度,乐于同医院分享我们最新的科研进展及行业动态。现在从政策趋势来看,国家食品药品监督管理总局组织修订了《医疗器械分类目录》,新增决策软件类目。科技部也召开《新一代人工智能发展规划》项目启动会,整体都是利好消息。随着相关政策的完善,肽积木也会早日完成相关类目的申请审批,让更多的医院能够放心地使用我们的产品。”

大恒普信总经理赵雷认为,在当前医疗资源紧张、患者医疗意识提升的社会大环境下,对糖网筛查人工智能辅助诊断的需求会越来越强烈。因此并不是企业“教育”医生使用AI系统,而是医院和医生迫切的需求驱动企业不断改进和完善系统,以更好地为他们服务。

他表示,现在各大公司的关注重点可能有所偏颇。糖网筛查应该重在筛查和后续管理,这不是临床医院而是各级CDC等公共卫生部门的工作。只有各级公共卫生部门承担起防盲、防低视力等工作后,糖网筛查AI才有可能大规模应用。

“不过打铁还需自身硬,一款好的产品是关键”,赵雷说道。

Airdoc副总裁张京雷对于商业推广问题,也有着非常清晰的认识。他表示,医疗AI的推广必然会面临阻力,任何新技术的推广都是如此。近两年随着AlphaGo连续战胜国内外围棋高手,大多数医生对AI的态度已经有所改观,但这并不意味着医生就愿意接受医疗AI产品。

张京雷认为,在漫长的职业生涯中,很多医生已经熟悉了自己劳动强度和工作流程。AI技术的引入必然会改变他们原有的工作流程,增加学习成本,这是医生所不愿意看到的。打动医生的关键在于,要让他们先接触和熟悉AI,认识到这个产品是对他们有益的。

为此,Airdoc采取了两大策略:一是在部分医院开展试点,免费为试点医院提供设备和软件,让他们先体验,其他医院在和试点医院交流的过程中也能建立起一定的认知;二是在中高级医生云集的医疗学术会议上布置展台,供医生前来体验。

“但这样覆盖到的医生数量还是极为有限。”张京雷说道:“医疗领域非常相信‘大腕’的意见,如果能让这些‘大腕’先接触并慢慢接受——至少不排斥AI,对于AI的推广应用是大有裨益的。”

但说到底,打铁还需自身硬,医疗AI能否被医生接受主要取决于两点:一、是否安全;二、能否真正给医生带来帮助。安全性的问题相对容易解决,只要产品通过了CFDA认证就能免除医生的后顾之忧。“实用”二字则不大容易实现,因为对医生来说“锦上添花”是不够的,必须“雪中送炭”。

张京雷认为糖网AI的最佳落地场景并非大医院,而是基层社区。虽然糖网AI也能帮助大医院的医生提高效率,但一方面要改变医生原有的工作流程,另一方面无法给医院带来患者“增量”。大医院没有足够的动力花费大量的资金和人力引进新技术。

基层的糖网筛查市场则相对空白。近年来国内正在大力推广基层社区的糖网筛查工作,但苦于眼科医生人手不足,即使从基层采集了大量的眼底图像,也没有人来阅片。企业通过和政府、卫生部门、医院合作,免费为基层社区提供糖网筛查服务从而切入市场,既解决了政府和卫生部门的燃眉之急,又能给医院精准导流,带来病人“增量”。无论站在任何一方的角度来说,都是乐见其成的。

张京雷表示,Airdoc正在把绝大多数眼底病,和可以通过眼底照片及其他无创数据采集手段获取数据并进行有效管理的慢病,都通过院外筛查的方式早期发现并导入规范治疗。

他说道:“这是我们独特的商业模式,也是Airdoc和其他公司最大的不同。”

陈新建教授除了是知名学者,也是苏州比格威医疗科技有限公司的创始人和首席科学家。站在企业家的角度,陈教授认为,眼科人工智能落地的前提是医生或者筛查终端要对AI有足够强的需求。相比较而言基层医院比三甲医院更需要AI辅助诊断。

对于基层眼科医生来说,AI自动诊断用于OCT意义要比用于眼底彩照更大,原因在于二维眼底彩照的诊断难度较低,看一张照片也只需要几秒钟;而三维OCT的学习曲线要长的多,很多基层医院医生很难很好地掌握,读一个片子所需的时间也长得多,AI对于医生降低误诊率、提高效率的帮助更为显著。

从筛查角度来说,OCT除糖网外,还能筛查青光眼、老年黄斑变性等几乎所有眼底疾病,筛查范围比眼底彩照大的多;适用人群除糖尿病人群外,还包括高度近视眼、“三高”人群、中老年人群等,适用范围也大的多,更适合应用于基层医院或体检机构。目前苏州比格威医疗科技有限公司的AI已经在多个体检机构和基层医院得到应用,取得了很好的效果。

雷锋网总结

综合几位嘉宾的观点来看,虽然目前糖网AI还缺少统一的评估标准,但其价值是毋庸置疑的。未来AI完全能够胜任“医生助手”的角色。

随着相关政策逐渐明晰,糖网AI产品将逐渐走出实验室,接受实际临床的检验。大量临床数据的验证又将反过来进一步推动糖网AI产品的进步。

商业层面,企业对于自己的“变现之路”也有了更加成熟、深入的思考。我们完全有理由对糖网AI的未来充满信心。

雷锋网

确认15.88亿美元收购高田,均胜电子将跻身全球汽车安全巨头

今年2月,有消息称均胜电子旗下子公司美国百得利安全系统公司(KSS,现也称均胜安全)正在与日本汽车安全厂商高田株式会社(TAKATA)商讨收购事宜,一旦收购协议达成,均胜将再对一汽车安全领域巨头完成鲸吞,并一跃在全球汽车安全领域成为相当的话语权者。

如今,这个野心已经初步达成。

据雷锋网了解,11月21日,均胜电子在晚间公告中称,旗下KSS公司与高田双方已完成协议签署,收购破产程序中高田除硝酸铵气体发生器业务以外的资产,价格不高于15.88亿美元。根据公告,公司在卢森堡设立新公司均胜安全,并拟以KSS股权对其进行增资,此次收购将以均胜安全为主体。

此番均胜电子不仅以自有资金收购高田资产,同时引入国投创新管理的先进制造产业投资基金共同参与,据盖世汽车,后者为公司新引入的“国家队”战略投资者。未来,均胜安全还计划引入全球战略投资者,以满足全球业务整合以及资金需求。

均胜电子表示,通过对高田主要资产的收购,KSS将实现产能的有效扩充并满足新增订单的需要,同时将进入日系整车厂商供应体系。高田现有的主、被动安全技术对KSS也是进一步补强。

均胜电子在完成目标资产收购后,客户集团保证为目标资产的持续运营提供支持,客户提供的订单总量约为210亿美元,其中2018 年预计订单量超过50亿美元。

此前在汽车安全领域,美国天合汽车(TRW)、日本高田(Takata)、瑞典AutoLiv和KSS被并称为业界公认的四大厂商。其中,高田公司在全球安全带和安全气囊市场占有20%份额。如今,均胜已完成对其中两家大厂的吞并整合,业界人士称,这将使其一跃跻身全球汽车安全领域巨头。

公开资料显示,均胜电子成立于2004年,总部宁波,前身是一家以汽车功能件为主业的零部件企业,2015年开始为特斯拉供应部分传感元器件。去年完成对KSS和TS的收购后,均胜电子希望在业务、市场和资源等方面产生互补和协同效应,成为汽车电子、汽车安全,特别是主被动安全、HMI、自动驾驶、汽车信息和车联网领域的全球范围内的供应商

雷锋网

特斯拉烧钱有多快?看完这则数据大家都沉默了

雷锋网11月23日消息  据彭博社近日报道,特斯拉 CEO 埃隆·马斯克(Elon Musk )上周曾表示,特斯拉公司正在设计一款新的跑车,可在1.9s内即能加速到60英里/小时。虽然这一数据喜人,但这里还有一个投资人需要关注的数字——特斯拉的烧钱速度。

据彭博社一项数据显示,在过去的12个月里,这家电动汽车制造商平均每分钟即「燃烧」了8000美元,换算一下,即每小时烧钱48万美元。按照这一速度,特斯拉将于明年的8月6日(周一)耗尽目前的现金储备。若再说的精准一点,即美国东部时间8月6日2:17分。

特斯拉融资数据

这样一计算,相信大多数人都会认为特斯拉「岌岌可危」。事实上,在那些长期跟踪特斯拉的分析人士看来,该公司这种极其危险的烧钱速度应该不会持续下去。而据雷锋网了解,特斯拉目前正在增加其重要产线 Model 3的产出,这需要大量的资金来支撑。

不过,投资人似乎并不担心这点。从特斯拉近期的股票上涨情况来看,本周二已上涨近3%,每股涨至317.81美元,市值达到530亿美元。相比之下,福特汽车的市值为480亿美元。

与此同时,特斯拉对新资金的需求已开始在上周显现。当马斯克发布新款车型时,他要求客户在预订新车时预付车款,而这辆新车可能在几年内都无法交付。

拿创始人系列 Roadster 举例,当时客户先交的预付订金即达到25万美元,该辆车型直至两年多以后才能交付。而创始人系列 Roadster 订单上限为1000辆,这就意味着它们可为特斯拉创造 2.5 亿美元的收益。对于普通版 Roadster,特斯拉则向客户一共收取了5万美元的订金。

再看这次新发布的Sime电动卡车,企业需为其支付5000美元订金来预订,然而该辆卡车直到2019年才会生产。目前已有国际零售巨头Walmart 和加拿大杂货连锁店 Loblaws 公开表示有意预购Semi卡车。

然而,这些订金和特斯拉的庞大资金需求比起来简直微不足道。由于要大举投资生产 Model 3,特斯拉一个季度就烧掉了10多亿美元。而我们都知道,Model 3售价3.5万美元,看起来短时间内并不太可能会为特斯拉带来回报。

彭博行业研究高级分析师 Kevin Tynan 表示,无论(特斯拉)可以再维持十个月还是一年,他们都亟需获得新的资本。Tynan还表示,特斯拉需要在2018年年中之前至少筹集20亿美元的新鲜投资。

不过,特斯拉也表示,其有足够的资金在明年3月前完成生产5000辆Model 3的目标。特斯拉在11月1日写给股东的公开信中称,在这一日期后,公司预计将从运营活动中获得“大量现金流”。特斯拉CFO Deepak Ahuja 也表示,随着Model 3相关支出降低,公司的资本支出应该也会降低。

对此,特斯拉发言人不予置评。

Via Bloomberg,雷锋网编译

雷锋网

魅族全面屏手机照片曝光:侧面指纹+小圆圈回归

今年,各大手机品牌都在追赶全面屏,一直没有动作的魅族也曝光的一款全面屏手机。

雷锋网获悉,微博网友@数码闲聊站 曝光了一组魅蓝全面屏手机照片。

圆润机身加圆角屏幕,阔别已久的小圆圈以屏内虚拟键的方式回归,正面底部没有指纹识别实体键。

然而我们也没有看到通常的背部指纹识别,摄像头之下是第一个硕大的闪光灯,所以背后有三个开孔。

那么指纹去到哪里了呢?

原来是放到了侧面,在手机的右侧有一个很明显的凹陷设计,有足够的长度。

据说,HTC也在准备侧面指纹全面屏手机。


雷锋网

今日头条:去年10亿扶植短视频 今年10亿沉淀深度问答用户

 11月22日,2017年今日头条创作者大会,今日头条创始人、CEO张一鸣公告了今日头条及旗下平台最新进展:

  • 1、今日头条及旗下平台短视频产品日均总播放量过100亿;

  • 2、头条号总数超过120万,成为第一智能内容平台。

 张一鸣表示,今日头条进入内容变现的粉丝红利期,接下来会在内容付费领域进行多方尝试。

 

短视频全域布局

据雷锋网了解,今日头条在短视频领域的布局始于去年年初。

  • 2016年年初,今日头条内部团队孵化了一款15秒的原创生活小视频社区,命名火山小视频;

  • 5月12日,同为今日头条旗下的火山直播宣布iOS版不再更新到AppStore,原火山直播合并至火山小视频,用户可使用原账号体登录;

  • 9月,头条在日本上线了海外短视频产品Topbuzz Video,张一鸣表示,目前Topbuzz Video在美国、巴西、日本等国家都取得了不错的成绩;

  • 12月,“火山小视频”正式上线,目前日均播放量达到20亿;

  • 今年2月,头条全资收购美国短视频应用 Flipagram;

  • 6月,头条旗下独立短视频APP“头条视频”升级为“西瓜视频”;

  • 8月,上线海外版产品Tik Tok;

  • 11月,完成对音乐短视频产品musical.ly的收购

雷锋网此前曾有报道,Musical.ly在被头条收购后,其创始人杨陆育表示,“头条的推荐算法技术将有助于Musical.ly在业务方面取得进一步的突破。同时,抖音和 Musical.ly 调性相近,双方分别在中国和北美市场取得了成功,并购之后,(二者)将能更好地发挥品牌协同作用。”

2016年的头条号创作者大会上,张一鸣宣布,未来12个月,将拿出10亿元人民币补贴短视频创作,同时给予每一条优质原创短视频至少10万次加权推荐。

14个月过去了,2017年头条号创作者大会上,张一鸣公布,今日头条旗下所有短视频产品总播放量超100亿。并宣布今日头条将从智能推荐走向智能社交,正式开启粉丝红利。

截至2017年10月,据雷锋网了解,今日头条加上西瓜视频的日均视频播放量达到30亿,相比去年同期的10亿次增长170%,速度甚至高于今日头条客户端的日活跃用户增长。

其中,音乐短视频产品“抖音”目前日均播放量达到10亿;小视频和直播产品“火山小视频”日均播放量达到20亿。

如今,在今日头条以及旗下的火山小视频、抖音短视频、musical.ly、topbuzz video等平台上,日均总播放量已经超过100亿,包括OGC、PGC以及UGC在内的短视频发布量超过2000万条。

从智能推荐到智能社交

除了短视频布局外,这次创作者大会另一个重点,是今日头条将从智能推荐时代走向智能推荐和粉丝分发相结合的”智能社交”时代。

张一鸣认为,“智能社交”将是社交媒体的2.0时代,将成为整个内容行业的趋势。通俗来讲,张一鸣所谓的“社交”,即通过内容吸引粉丝用户,进而挖掘商业价值,实现内容变现。

由此,张一鸣宣布,头条推出“千人百万粉”计划,计划未来一年,扶持1000个具备100万粉丝的账号。

据雷锋网了解,此前今日头条已经尝试通过两种新的内容体裁,探索智能社交推荐方式:

去年,今日头条上线“微头条”,让所有头条用户,特别是普通人通过发布短内容,与人互动、建立关系,获得粉丝。

今年6月26日,上线问答频道并推出独立产品“悟空问答”。实际上,悟空问答的前身是已经在今日头条APP孵化上线运营一年多的头条问答,升级主要是为了加强品牌辨识度,开拓独立运营能力。

这两者对于构建今日头条粉丝生态意义重大,据雷锋网了解,头条号作者可以通过短内容和问答内容快速获取更多粉丝、更高频次地触达粉丝、与粉丝更直接地互动,从而提升帐号的粉丝价值。

截至目前,悟空问答已吸引超1亿名用户入驻,日均提问数超3万个,回答数超20万个,总阅读量达2亿人次。在过去的一年中,斥重资签约超2000名答主,签约成本从最初的每月1万元,增长为每月超过1000万。

2018年,头条将向悟空问答投入10亿元,用以签约至少5000名各专业领域的回答贡献者,以及通过问题赞助、回答红包等方式刺激普通用户在悟空问答社区贡献他们的知识和想法。

对于微头条,今日头条将推出400亿流量扶持计划。计划每天拿出1亿多流量,全年约400亿,使优质微头条用户在冷启动早期享受流量保底,快速积累第一批粉丝。

此外,针对“千人百万粉”计划,今日头条高级副总裁赵添介绍了今日头条帮助创作者涨粉的多种措施:

  • 提升粉丝在推荐系统中的权重,上线“关注”频道,用户在此频道里,看到的都是已关注的头条号发布的微头条和问答内容;

  • 给新入驻微头条和悟空问答的优质用户提供“冷启动流量包”;

  • 加大“推荐关注卡片”出现在信息流中的频率,将优质帐号主动推荐给可能感兴趣的用户;提供关注红包等运营工具。

内容创作最终总要落地变现的,张一鸣表示,内容变现的漏斗中,每个环节都依附着多种变现方式:

  • 基于流量,有广告分成和平台补贴两种方式。

  • 基于粉丝,有商业植入、电商导购两种形式。

  • 有了大量粉丝,就进入到了用户这个阶段,粉丝变成了作者的客户,出现了电商、直播打赏、内容付费等几种形式。

前两者头条之前都有过尝试,如头条广告分成、千人万元签约、商品功能等。而作为最有价值的付费用户部分,将是头条未来重点试水的领域。

雷锋网