共享经济
1978年的论文里面第一次就有提到
小猪短租,最近拿到3亿融资
Ofo传言要倒闭,ofo与魔拜要合并,拖欠富士康工资的传言;那么该如何看待这个行情呢?
大体趋势是会扩张的,但是会遇到问题也是很自然的现象,需要解决很多痛点问题。他们只注重技术,并没有注重投资,融资能不能到位,财务和风控。资本能不能得到支持。资本也是惹火了的。需要对资本进行细分。创业者需要对资本好好利用,把财务结构调整好,能够始终使得资本是良性的,要能够活下去。
滴滴事件连续2件事件,滴滴到底做错了吗?
优步在欧洲均被追究刑事责任,包括香港和台湾,日本。(因为优步的无牌照服务),由此可见,中国的环境比较宽容。创业者要倍加珍惜国家的宽容政策。但若是监管过严,那么是不是会导致出租车数量不够。出租车的定位其实并不是必须部分,可以没有出租车,但是不能没有公共汽车,不可能满足所有人都需求。若是做网约车被撞了,可能保险公司不会进行赔偿。
着重监管、技术。
对于企业投资,好像并不是受影响。但是事情发生后能不能把问题解决,或者完善。这样后期企业就不会进行投资了。
滴滴司机一键报警,甚至司机不能被察觉。
平台需要承担社会责任和对客户负责任的责任,并且需要明确的态度。而且事情不能把所有的事情都推给监管方,例如一键报警。企业自身也需要做些科技创新的措施。
电子商务平台责任法最近也有更新。
Block chain(区块链)
共享创业公司出事,虽然投资公司从法律层面没有责任,但是从道德层面来看,其实还是还有很多问题。
共享经济的数据归属权?
例如小猪短租,现在没有一个标准的答案。现在在欧洲开始有人在界定。目前小猪短租就是不明确,现在还是模糊状态。说明未来的隐私保护还是会很吃香的。合作伙伴其实还有合作伙伴,这种说法还是很模糊的。也可以说属于消费者。但是目前在中国还是很模糊。共享经济还是得靠政府出一份力的。
2018年2月国家开始出台最近类似的法律。
数字经济
演讲者:CCF名誉理事长:李国杰工程院院士
中心点:需要排除左右的干扰,就是不能偏左,也不能偏右。
2017年电子信息产业收入18万亿,2017年全国GDP才82万亿。大数据相关收入仅为4700亿。占比如此之小,那国家还如此重视?
本质上是认知技术,决策技术。
大数据:规模大、影响大。大数据的作用不能只看GDP统计。更多在思想观念、还有认知方面的观点,这些并不好统计的,并不适合数字经济的统计。更多是对经济效率,用户体验这类有巨大提升。
2018.7时的统计数据
苹果(9360亿美元)
亚马逊 8800亿美元
Alphabet 8250亿美元
微软 8077亿美元
Facebook 6033亿美元
阿里巴巴 4872亿美元
公司市值越大,跟公司盈利,不就相当于母鸡和下单的关系。
看到这里,突然想到华为的市值,百度一下居然没有上市。还真的是闷声发大财啊。
数字智能仅仅是使能作用,还不能成为一项通用技术(类似电气)。并没有产生什么新的产业,只是提高效率,提升生产力。
我国现在人口红利逐渐消失,需要提升效率。目前只是吹的比较大,其实大数据和人工智能做的贡献并不大。目前TPF并不大,可以参考这个指数。其实表现挺差的。
2001-2003年中国技术效率的年均变化率是-0.02%,2008-2013年,中国大数据企业的技术效率平均变化率为5.9%,效率低是明显的短板。
大数据比高性能计算差了4,5个级别。比如Spark和Hadoop能效极低。目前噱头太大了而已。
目前人工智能仅仅处在信息时代,远远没有进入智能时代。只是人们对他期待太高了。
20世纪最伟大的工程技术成就:计算机仅仅排在第8名。而影响人类数千年的发明是油灯。
我国服务业的比重仍然偏低。仅仅百分之50,低于平均GDP的其他国家的水平。
全球上市2000强企业,美国有14家芯片公司和14家软件公司,中国没有一家。华为大概排5,6名,但是没有上市。我国人工智能基础层、技术层、应用层的人才数量:3.3%,34.9%,61.8%,后者是美国的数据(22.7%,37.4%,39.4%)。我国大多还是在应用人家的技术。
北京大学经济学院院长:孙祁详
1978年时,全中国共计有359万台电话,电话普及率0.38,不及世界水平的十分之一。2017年,移动电话每百人拥有102部电话,不包括座机。孙教授曾经是话务员,对这些数据比较清楚。
稿子一直在修改,可以看出他们都是一些很优秀的人。
经济学是研究资源的有效配置的一门学科。对供求关系进行了详细的剖析,讲的还是听深度的,有点不是很懂(对经济学的专业素养较高)。
从点对点变更为空间格局。提升了供需双方的能力和水平。
农业社会、工业社会、信息社会调整起来更加灵活和快捷。
信息不对称:bat、华为等类似大公司是否会滥用市场势力,其实也是一种垄断,是否会影响消费者的利益。市场的边界越来越模糊。
信息安全、网络安全,双刃剑(带来问题、和解决问题从来都是伴随着人类社会发展的)
现代经济学之父的亚当.斯密的《国富论》
人与技术、人与社会,人与自然,人的全面发展。不能光谈经济,也不能光谈技术,需要结合在一起。(需要努力)
CPU和XPU的未来之路
摩尔定律(18个月性能翻一倍)正在ending,but转化为多核,but,but,but it is not scalable(数量不能太多),why not Scale up the number of Cores?
因为存储受限理论
1ZB什么概念呢?
边缘侧(部署起来灵活)、云端(有延迟)
人工智能的过程:感知&建模&预测&决策
目前cpu的速度够用,也能提升。只是因为内存和存储的问题,导致目前速度难提升。若内存若优化后,速度很快地会上去。
端处理的原因:1.拿到数据第一时间需要处理;2.数据的隐私性,不能上传3.数据和云之间的连接不可靠的,不稳定的,有限的4.端需要有自己的决策,不能完全依靠云端。
不同家公司生产的芯片,例如GPU,这样对开发者开发难度太大了。该如何处理目前寒武纪cpu呢?
可能还是得需要一个过程吧。趋势应该是往更通用的过程发展。会有更通用的编程语言,编程范式会出现。
Cpu主要以64位的浮点运算,而xPU是专用芯片,通用性没有那么好。
算法好,在cpu上面跑的好。但是在GPU不一定好,想想自己的研究还是很浅。不要畏难,算法好不仅是技术好,而且还要服务架构好。(有一个人谈技术谈到太深了,被梅宏院士喷了,哈哈。华中科技大学的金海老师学乖了,说课后谈。迷之尴尬)
到底是软件定义一切还是硬件定义一切呢?
Xpu很难成功,GPU是一个例外。(这是一位老师的看法,具体技术细节没太听懂),就算你做出来了,而且还得有一个生态。GPU就是因为英特尔有个图像的生态,所以成功。
大部分还是更加支持软件定义一切。
应用驱动发展,软件定义一切,硬件改变未来。
GPU仅仅目前只是一个加速器,并没有说不要cpu。
未来xpu是作为协处理器呢还是干脆不要cpu呢?
生态环境有了之后,可以直接用仅仅用xpu。
Cpu会永生。
加速芯片仅仅是辅助的功能。
技术需求角度去看,通用部分和特定计算(计算极致),这样就出现了cpu和xpu。
产品形态,另外去看,产品定义的必要性。
Cpu+gpu,cpu+npu(手机里面),从技术需求和产品形态去看。(我个人也更加认同最后一个观点)
Xpu仅仅是一个加速器,不要听炒作,吹嘘的太大了。
软件工程50周年2018年
1.AI和可靠性工程的问题
软件定义一切
日志数据也可以做数据分析
AI真的可能会有危险?倒不是因为AI有情感,只是代码可能会有问题,也即是可靠性的问题。
可能设备上面贴上胶带,那么自动驾驶可能就会出问题。之前所设置的模型就会出问题。也即是软件测试(AI软件除错),李世石赢了阿尔法狗的那一局,也是有一步棋故意走的比较奇怪,模型的行为覆盖率非常难覆盖。
数据不同、网络不通、random去测试错误率
Software is eating the world, and AI is eating the Software.
- 未来5到10年,软件工程会出现什么问题,比较重要,有可能会被解决?
理论和实践结合可能会更多。
软件运行时间、用户体验、运维方面(三个方面都需要数据进行驱动)
微软:data driving 的企业文化(运用到软件开发里面去)
程序语义的深度理解
AI可以取代人工劳动力暂时还不能,因为软件可靠性的问题还很大。未来5到10年必须要有突破。更需要有规格化。可是自动驾驶又需要上路,所以还有很多问题需要解决。
哪一种是机器最可能可以取代人的?
测试是最容易被取代,但也不是完全取代,把测试人员一些琐碎而不复杂的工作可以作自动化。软件工程中越后面的东西越容易被取代。因为新的环境和新的工具出现时。
2000年之前,关注是需求较为稳定的大规模软件开发。 那个时候编码可以被取代。
2000年以后,关注是需求相对不确定的大规模软件开发。 这个时候需要采用敏捷、迭代式的,这个时候编码需要由人来做。
开发、部署、运维。
软件工程最想造出银带(银蛋)?
越是可定制的就是可替代的,越是与现实世界的则不可被替代。
机器还是和人工存还是比较好,这样可以更好提高生产力。
架构设计比较难取代。局部的好解决,系统性的不好解决。
开源代码的复用性会提高,而私有代码会减少
低时延数据中心操作系统
上海交通大学:陈海波教授
100ms amazon 10亿美元损失
500ms google 35亿美元损失
时延包括系统时延和网络时延
迁移数据>>迁移计算
SDN—SDX(发展到如今的SDX)
大数据人工智能:热点炒=》入门甜=》变革痛=》成功难
转型期=》需要去浮躁+去功利 知止而后有定,定而后能静,静而后能安,安而后能虑,虑而后能得。