吴晓波:预见2021(跨年演讲 —— 08 超级城市大赛鸣枪)

33 篇文章 1 订阅
15 篇文章 1 订阅

面向2021年,我们仍然要以一颗勇敢的心,使出全部的力量往前冲,不要回头,如此一来,我们将看到原本看不到的东西。

08

超级城市大赛鸣枪

attachments-2020-12-0HFR0aE85fed572bebd33.png
超级城市的定义建立在人口数据上,人口超过1000万的是超级城市。

欧洲有多少个城市人口超过1000万?两个半,伊斯坦布尔、莫斯科和半个伦敦,伦敦有近900万人口。美国有多少城市人口超过1000万?半个,纽约840万人。中国有多少个1000万人口城市?16+7个,7个是人口已经超过800万,还在快速增加,未来五到十年内会成为千万级人口的城市。

今天中国的城市化运营和城市治理,跟中国制造业企业和互联网公司所面临的情况是一样的,我们的前面是没有对标物的。

上海的对标一定不是纽约,深圳的对标一定不是硅谷,中国的城市化在欧洲和美国根本找不到对标物,我们加在一起20多个,美国和欧洲加在一起不到5个,对标什么呢?所以中国的超级城市在未来十年的发展也会走一条非常具有中国特色、值得我们长期关注的道路。

这23座城市的选取标准是人口,那么中国有多少城市一年的GDP超过1万亿呢?17座万亿城市,7座准万亿城市。

attachments-2020-12-WTgLr3Rw5fed4ed03d82d.png
把人口过1000万和GDP过1万亿的城市叠加在一起,在这两个榜单上同时出现的城市有多少座呢?18座,它们占到了全国人口的17%,GDP总量占到全国的32%。它们的未来发展代表了中国城市化和区域经济发展全新的可能性。

同时中国正在沿海地区建设几大城市圈,北方叫做京津冀,东部叫做长三角,南方叫做粤港澳。

对标全球六大城市圈,把中国沿海三大城市圈和美国东北部、美国西部、东京大都市圈进行对比发现,今天全世界第一大城市群是美国东北部的以纽约、费城、波士顿和华盛顿为代表的老美国,中国长三角的经济总量在未来三年内大概率会超过美国东北部城市群,成为全球第一大城市群,粤港澳大湾区的经济总量将超过东京大都市圈。

attachments-2020-12-wKB12S2n5fed56e198d02.png
中国的“巨国效应”让这个国家在全世界经济学家面前变得越来越陌生和越来越眩目,同时也给我们带来了更大的挑战,为我们企业和城市的发展带来了更大的可能性。

我们今天来到的城市是厦门。如果40年前来厦门,厦门的脑门上写着四个字:海防岛城,是台海的前线,根本不是发展经济的地方。然后小平同志画了一个圈,搞了四大特区。今年是深圳特区40年,也是厦门特区40年。

attachments-2020-12-xSJAL4JU5fed56ceaa54a.png
今天来到这座美丽的海滨商业城市,看到40年发展的景象是什么?她的经济总量上升到全国第32位。厦门地方国有企业中居然有3家国企进入了世界500强,这个数据仅次于上海。40年来,厦门的货物贸易年均增长18.1%。

下面这个数据真的应该给厦门鼓掌,经济那么发展,空气质量居然在中国排在第四位,第一名是拉萨,第二名是海口,第三名是舟山,第四名是厦门。后面这个应该给予更大的掌声,厦门注册志愿者超过70万,占常住人口的1/6,说明厦门市民的素质非常高。
attachments-2020-12-nclGMqBs5fed56b52ccae.png
一个幸福的城市除了要有很好的产业和经济以外,更关键的是有很好的空气,有非常善良的市民。

去年和今年,吴晓波年终秀的联合主办单位都是厦门建发集团,建发早年只有七八个人,只是一个窗口单位,随着厦门特区40年的发展,建发也不断改革创新,40年来经历了六个发展阶段,如今位列世界500强第234位。

attachments-2020-12-6k0VFQwh5fed56a4846b3.png
建发的供应链业务位居全国前列,供应链业务经营主体建发股份进口钢铁全国第三,粮油饲料全国第二,浆纸全国第一,葡萄酒全国第一。在出口部分,鞋类全国前三,出口俄罗斯服装全国第一。

在过去几年中,我们在互联网企业看到的变化,在建发身上同样看到。通过加强在智慧供应链上的投入,通过多年积累优势形成的全赋能型服务等,它从一家传统贸易商开始转变成为一个全球供应链的整合者。

attachments-2020-12-qauraZzn5fed563e1d0d1.png
在超级城市发展的过程中,我们会问,到哪个城市去创业?我们的孩子去哪个城市居住?我们把自己的生命托付给哪个城市?两个字:年轻。一座有未来的城市一定是有很多年轻人的城市,有年轻产业的城市,有年轻钱的城市,同时需要有年轻心态的政府。

所以中国的超级城市大赛在2021年会进入白热化阶段,这又是一个非常长期的中国区域经济发展的过程。

我们在2020年的岁末,将近12点,再过24小时,即将告别2020年,我们很难忘记2020年,但是我们也希望永远不要返回这么充满灾难的一年了。

希望2021年的中国经济真的能够如同我们在数据上和趋势上看到的,实现一个决定性的反弹,希望在2021年中国的产业智能化能够继续往前迈出更坚定的步伐,希望中国的消费品市场会出现越来越多受年轻人喜欢的空间和商品。

attachments-2020-12-HJZL1Zro5fed566969d08.png
2021年,我们也仍然会面临很多曲折,面临很多到今天都没有办法想像、预见的种种陷阱、种种挑战。

但是在岁末之时,我们仍然要以一颗勇敢的心对自己说,面向那个2021年,要加倍使出全部的力量往前冲,不要回头,如此一来,我们将可以看到原本看不到的东西。

我的演讲结束了,谢谢大家。

attachments-2020-12-eaXEwlWp5fed55e8c611c.png

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
1 目标检测的定义 目标检测(Object Detection)的任务是找出图像中所有感兴趣的目标(物体),确定它们的类别和位置,是计算机视觉领域的核心问题之一。由于各类物体有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具有挑战性的问题。 目标检测任务可分为两个关键的子任务,目标定位和目标分类。首先检测图像中目标的位置(目标定位),然后给出每个目标的具体类别(目标分类)。输出结果是一个边界框(称为Bounding-box,一般形式为(x1,y1,x2,y2),表示框的左上角坐标和右下角坐标),一个置信度分数(Confidence Score),表示边界框中是否包含检测对象的概率和各个类别的概率(首先得到类别概率,经过Softmax可得到类别标签)。 1.1 Two stage方法 目前主流的基于深度学习的目标检测算法主要分为两类:Two stage和One stage。Two stage方法将目标检测过程分为两个阶段。第一个阶段是 Region Proposal 生成阶段,主要用于生成潜在的目标候选框(Bounding-box proposals)。这个阶段通常使用卷积神经网络(CNN)从输入图像中提取特征,然后通过一些技巧(如选择性搜索)来生成候选框。第二个阶段是分类和位置精修阶段,将第一个阶段生成的候选框输入到另一个 CNN 中进行分类,并根据分类结果对候选框的位置进行微调。Two stage 方法的优点是准确度较高,缺点是速度相对较慢。 常见Tow stage目标检测算法有:R-CNN系列、SPPNet等。 1.2 One stage方法 One stage方法直接利用模型提取特征值,并利用这些特征值进行目标的分类和定位,不需要生成Region Proposal。这种方法的优点是速度快,因为省略了Region Proposal生成的过程。One stage方法的缺点是准确度相对较低,因为它没有对潜在的目标进行预先筛选。 常见的One stage目标检测算法有:YOLO系列、SSD系列和RetinaNet等。 2 常见名词解释 2.1 NMS(Non-Maximum Suppression) 目标检测模型一般会给出目标的多个预测边界框,对成百上千的预测边界框都进行调整肯定是不可行的,需要对这些结果先进行一个大体的挑选。NMS称为非极大值抑制,作用是从众多预测边界框中挑选出最具代表性的结果,这样可以加快算法效率,其主要流程如下: 设定一个置信度分数阈值,将置信度分数小于阈值的直接过滤掉 将剩下框的置信度分数从大到小排序,选中值最大的框 遍历其余的框,如果和当前框的重叠面积(IOU)大于设定的阈值(一般为0.7),就将框删除(超过设定阈值,认为两个框的里面的物体属于同一个类别) 从未处理的框中继续选一个置信度分数最大的,重复上述过程,直至所有框处理完毕 2.2 IoU(Intersection over Union) 定义了两个边界框的重叠度,当预测边界框和真实边界框差异很小时,或重叠度很大时,表示模型产生的预测边界框很准确。边界框A、B的IOU计算公式为: 2.3 mAP(mean Average Precision) mAP即均值平均精度,是评估目标检测模型效果的最重要指标,这个值介于0到1之间,且越大越好。mAP是AP(Average Precision)的平均值,那么首先需要了解AP的概念。想要了解AP的概念,还要首先了解目标检测中Precision和Recall的概念。 首先我们设置置信度阈值(Confidence Threshold)和IoU阈值(一般设置为0.5,也会衡量0.75以及0.9的mAP值): 当一个预测边界框被认为是True Positive(TP)时,需要同时满足下面三个条件: Confidence Score > Confidence Threshold 预测类别匹配真实值(Ground truth)的类别 预测边界框的IoU大于设定的IoU阈值 不满足条件2或条件3,则认为是False Positive(FP)。当对应同一个真值有多个预测结果时,只有最高置信度分数的预测结果被认为是True Positive,其余被认为是False Positive。 Precision和Recall的概念如下图所示: Precision表示TP与预测边界框数量的比值 Recall表示TP与真实边界框数量的比值 改变不同的置信度阈值,可以获得多组Precision和Recall,Recall放X轴,Precision放Y轴,可以画出一个Precision-Recall曲线,简称P-R
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值