福布斯:印度区块链革命走出银行领域,延伸至土地记录与私营企业

点击上方
“蓝色字”
可关注我们!








暴走时评: 随着印度数字化的普及,区块链技术已经得到了许多人的喜爱。而现在,区块链技术在持续得到印度个银行支持的同时,各邦政府和私营企业也在越来越多地探索区块链,帮助改善治理、提高业务流程效率并确保透明度。该国对数字革命的强烈倾向已经渗透到经济的核心。随着政府利用其影响力支持这种试验性技术,这就为这项技术快速发展成为主流提供了机会。


作者:Sindhuja Balaji    翻译:Clover

随着印度数字化的普及,区块链技术已经得到了许多人的喜爱。区块链技术继续得到印度各银行的持续支持,而各邦政府和私营企业也在越来越多地探索区块链,帮助改善治理、提高业务流程效率并确保透明度。

比特币出现之后,区块链技术开始在该国崭露头角。虽然加密货币的合法性与真实性正在该国经历着激烈的争论,但是技术公司已经开始将重点转移到区块链技术的实用性上来了。具体而言,印度的银行已经开始开发机构内概念验证项目来尝试区块链技术。据普华永道报告显示,56%的印度企业倾向于将区块链作为其核心业务的一部分,而该技术将影响的三个关键领域则为:支付和资金转移基础设施、数字身份管理和交易后结算。


不仅为银行而生

然而,分布式分类账本系统的吸引力远远超出了金融服务领域。具体而言,区块链在印度的房地产交易中的实施就将产生革命性的影响。印度土地所有权无法保证所有者的完整权利。此外,房地产交易以书面形式完成,但信息更新不够频繁,这就导致了无数的产权纠纷。据PRS立法研究(PRS Legislative Research)发布的论文显示,将土地记录联网的速度一直都很慢,而且提出了一个确定的土地所有权举措,该举措则涉及到一个按时间顺序记录印度的土地产权变化的高效,或者是数字化的方法。

法律专家认为,这就是区块链技术可以发挥决定性作用的领域。印度为银行业与房地产等多个行业提供服务的最大律师事务所之一Trilegal的合伙人Rahul Matthan认为:

“土地记录和印度的任何其他登记处一样,都是中心化的并保持在次级登记员的办公室里。这些文件的内容可能会被更改或篡改。而如果土地文件存放在分布式分类账本上,就不可能篡改它们。”

尽管印度政府重复强调了其对于通过印度土地记录现代化计划(DILRMP)将实现土地记录数字化的兴趣,但是分布式分类账本的实施首先要将现有的土地记录数字化,并为未来的交易设定先例,以确保交易记录合法并得到政府批准。

Matthan表示:

“在现有登记处之上构建技术层的机会是无限的。这使得人们能够轻松快速地执行审计等任务。由于个人资料可以加密,买方或卖方的身份也可以得到保密。房地产交易的未来在于自动化且无需中间机构参与的智能合约。”

使用区块链进行土地交易关系到印度电子治理这一更大的任务。尽管许多邦政府都在探索这项技术的使用,但是安得拉邦已经在其部门内开展了测试,一路领先。该邦正在与Snapper Technologies与SimplyFy等初创企业合作,在整个管理流程中实施区块链。去年初,瑞士初创企业WISEKey与安得拉邦政府合作研究区块链概念验证(PoC)。该邦已经在土地记录及运输部门开展了区块链试点项目。安得拉邦信息技术顾问J A Chaudhry说道:

“网络安全是重中之重,尤其是政府正在迅速采用数字平台。区块链技术是保证所有数字和金融资产安全的唯一信任协议。贯穿全部政府部门实施区块链,我们就可以确保总理莫迪的数字印度倡议的完整性。”

Chaudhry补充表示,安得拉邦政府正在努力整合其自己的电子治理计划,并确保在2019年年底之前将所有资产都转移到区块链之上。


野火燎原之势

与此同时,区块链的漏洞也给正在测试以PoC取代过时业务流程、节省时间与运营成本的印度主要私营公司产生了严重影响。

印度企业集团马恒达(Mahindra Group)与IBM在2016年开发了一个区块链解决方案,彻底改变印度马恒达连锁店的供应链融资。印度国家证券交易所(National Stock Exchange)首席技术官Sankarson Banerjee在一次会议上表示,该机构看到了使用分布式分类账本技术来降低运营成本的巨大价值。印度最大私营银行之一的YES Bank表示,他们已经实施了一个多节点区块链交易,根据金融科技初创企业Cateina Technologies编写的智能合约,为Bajaj Electricals实现供应商融资数字化。Bajaj Electricals公司董事长兼执行董事Shekhar Bajaj表示,“YES BANK的区块链解决方案使我们能够通过银行的供应商融资及时处理供应商付款,无需繁琐的纸质文件以及人工干预。这一解决方案还使我们与供应商能够实时跟踪交易的状态。”

为区块链高级管理人员和开发人员提供解决方案和培训的Blockchain Monk公司创始人Karthik Iyer表示,区块链的发展过程中最大阻碍之一就是可扩展性。

“区块链已经从一个被炒作的技术概念转变为企业的附加价值。而且,区块链也可以帮助印度吸引外资。这项技术在印度的发展尚处于起步阶段,但可以适应大型企业和政府流程的需求。”

最近成立的印度区块链基金会(BFI)重申了区块链一定会在印度站稳脚跟的信念。BFI旨在推动印度的区块链举措、构建社区,并促进初创企业为不同的业务对技术进行扩容。

该国对数字革命的强烈倾向已经渗透到经济的核心。随着政府利用其影响力支持这种试验性技术,这就为这项技术快速发展成为主流提供了机会。

本文仅代表作者个人观点,不代表区块链铅笔的立场,不构成投资建议,内容仅供参考。

3分钟了解什么是区块链?(中文动画)|(英文动画教程

3分钟了解什么是DAO?(中文动画)|(英文动画教程)

3分钟看懂以太坊和智能合约?(中文动画)|(英语动画教程)

3分钟了解比特币挖矿和区块链共识机制?(中文动画)|(英文动画教程)

3分钟了解公有链和私有链(中文动画教程)|(英文动画教程)

3分钟了解区块链的六层模型(中文动画教程)|(英文动画教程)

什么是区块链英文版(动画教程)

肖风:区块链与另类资产配置

逐鹿区块链!详解三大巨头BAT区块链战略布局

麦肯锡报告:区块链对保险行业的影响

八张图表解读区块链的未来发展

震惊全球的The DAO黑客事件全程回顾

Circle获得包括IDG、百度、万向在内6000万美元融资




关注本公众号后,进入公众号

回复关键词可以查阅资料,以下是部分关键词

回复 WEF ,查看《WEF:世界经济论坛认为区块链是互联网金融行业的未来报告》

回复 智能合约 ,查看《巴克莱银行报告》

回复 moody ,查看《穆迪120个区块链项目报告》

回复 SWIFT ,查看SWIFT《区块链对证券交易全流程产生的影响及潜力》报告

回复 论文11 ,查看论文《可扩展的去中心区块链》

回复 埃森哲2 ,查看埃森哲《区块链每年可以为投资银行节省120亿美元》报告

回复 联合国报告 ,查看联合国报告《数字货币和区块链技术在构建社会和可信金融之间扮演的角色》

回复 用户特性 ,查看普林斯顿大学首本比特币教科书初稿《比特币用户的特性(Characteristics of Bitcoin Users)》

回复 普林斯顿 ,查看普林斯顿大学首本比特币教科书初稿《比特币和数字货币技术(Bitcoin and Cryptocurrency Technologies)》

回复 IMF,查看国际货币基金组织报告《Virtual Currencies and Beyond: Initial Considerations》

回复 DTCC ,查看美国存管信托清算公司报告《DTCC: 拥抱分布式》

回复 广发 ,查看报告《科技前沿报告:区块链:正快速走进公众和政策视野》

回复 川财1 ,查看报告《川财证券:区块链技术调研报告之一:具有颠覆所有行业的可能性》

回复 川财2 ,查看报告《川财证券:区块链技术调研报告之二:区块链技术进化论-区块链技术的国内实践和展望》

回复 桑坦德 ,查看桑坦德银行报告《The Fintech 2.0 Paper: rebooting financial services》

回复 拜占庭 ,查看《拜占庭将军问题详解》

回复 论文1 ,查看论文《比特币闪电网络:可扩展的离线即时支付》

回复 论文2 ,查看论文《比特币骨干协议》

回复 论文3 ,查看论文《数字货币是否应该进入Barbados央行国际储备货币组合中》

回复 帮助 ,查看本公众号全部关键词列表





点击下方 “阅读原文” 查看更多 页面出现后再点击“来源”可以查看译文原文链接  
↓↓↓
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、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挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、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挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
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