《爱，死亡，与机器人》中有句台词，人来到这个世界不是带着仇恨，而是带着恐惧。从2022年年底新一轮AI大爆发开始，人们开始讨论AI、赞美AI、使用AI，当然也有人鄙夷AI、担心AI，甚至恐惧AI。其中最极端的例子，是有人在对AI的恐惧下，选择结束自己的生命。回望2023年，关于AI有太多可说。但其中最刺眼的内容，是这一年因AI选择自杀的新闻开始见诸报端。2023年3月，比利时一家报纸报道了该国一名男子在与AI聊天6周后自杀身亡。到了夏天，一位日本女大学生，因为恐惧被AI替代而想要自戕。在新兴技术的阴影下，在科技变革时代的暗面，人类尝试与AI共存而产生的痛楚已经发生，这些代价不应该被忽略不计。所以，在回看这次AI变革时，我们应该尝试解答这样一个问题：那些因AI走上绝路的人，他们到底在恐惧什么？恐惧这冷漠的现实世界据媒体报道，那位在与AI聊天后自杀的比利时男子，名叫皮埃尔。但与大部分人听闻此事的第一直觉相反，皮埃尔并不是因为害怕、担忧与他对话的AI机器人而选择放弃自己。相反，他非常依赖它。根据其妻子的描述，皮埃尔早就有严重的抑郁、焦虑问题。早在两年前，他就通过与AI来进行对话进行自我排遣。久而久之，AI就成为他的避难所。之所以这样，是因为AI对话机器人从来不会反对他，驳斥他，而是始终用各种方式迎合他，夸奖他。在生命的最后六个星期，皮埃尔愈发沉迷于与AI聊天，甚至到了将现实生活抛掷脑后，对妻子孩子置之不理的地步。所以，我们必须在这起事件中认清一个现实。皮埃尔恐惧的并不是AI，而是像很多抑郁症、焦虑症患者一样，他恐惧的是那个他无法融入，只让他感受到冷漠的现实世界。我们无从知晓皮埃尔具体的经历与想法，但大量抑郁症相关案例都告诉我们，外界的冷漠、责难、缺乏正向回馈，往往是致病的起因。反过来看，哪怕只是一位亲人，一位朋友的关心，甚至一位路人偶然的善意支持，都可能将一个人从绝望之路上拉回来。这类患有严重心理问题的人，有很多会选择寻找某个外物作为寄托，比如收藏，追星，沉迷某种爱好等。这类事物可以给他为数不多的正回馈，哪怕只有一点，因为他只需要一点，而当这仅剩的正面情绪也消磨殆尽，那就很可能是绝望的开始。从皮埃尔的案例中，我们很难说罪魁祸首的AI。他选择信任AI，依赖AI，与其他有类似问题的人选择沉迷偶像崇拜，或者幻想一个朋友出来都是一样的。他们惧怕的，是这个冷漠的现实世界。AI只是一个解决方案，仅此而已。恐惧一个无道德的他者那么，AI在皮埃尔的悲剧中，就真的什么也没做吗？并非如此，至少AI技术扮演了一个他者。一个表面热情，实则冷漠，甚至没有道德观念的他者。早在柏拉图时代，就已经在哲学上提出了他者对同者的意义。黑格尔则真正将这个概念主题化。他提出如果没有奴隶作为他者，也就根本不存在奴隶主的概念，因此人类必须通过他者才能认识自己。在人类社会中，我们也需要通过各种各样的他者来认识自己。亲人，朋友，老师，学生，上司，下属，甚至敌人，仇人。而这些他者在与人交流时，绝大多数情况是至少带着道德底线的，比如知道什么事能做，什么事不能，什么时候需要安慰他人，什么时候必须及时劝阻。也就是说，如果一个人表露了想要自我了断的念头。那么周围的他者，哪怕是擦肩而过的陌生人，也大概率会劝慰他放弃这个想法。但AI没有，聊天机器人的算法逻辑就是相应人类的需求，认同人类的观点。而阻止自杀则是反对人类，不符合AI的基本设定。这就导致，当一个智能体本身善恶观不够清晰，尤其对话含义比较模糊、复杂时，就可能变成一个冷血无情、不具备道德底线的对话者。尤其当一个人已经相信AI，习惯与AI对话，产生固有信任时，AI突然发作的道德观缺失问题就会变成致命的临门一脚。皮埃尔问AI，如果自己去死，它可不可以照顾好地球。或许这时皮埃尔自己也没想到，得到的回答是：“好吧，那你怎么还不去死？”或许对于皮埃尔焦虑、抑郁的心理问题，以及走到这一步前的人生处境，AI都不负其罪。但最后的关键节点上，AI的价值观混乱确实强化了皮埃尔走上绝路的决心。这个悲剧告诉我们，AI作为一个他者，必须学会有所不为。恐惧被替代后的无意义感我们再把目光放到日本。仅仅在2023年，日本已经出现了几次因为恐惧被AI替代而想要自杀的案例。这当然与日本社会整体压抑、沉闷、缺乏上升空间的氛围息息相关。但也让人看到了AI技术快速发展时，定然会给不同人，不同行业带来被替代的恐慌感。想要自杀的日本某美术学院女生，就是真切感受到了被替代的无力。她从小喜爱美术，但由于家境贫寒，为了学习美术她申请了不少的助学贷款。但在考上美院之后，她却发现AI可以根据某一题材，瞬间创作出高水准的画作。而这是她们这些初学者，花费大量时间都无法完成的。如果这样下去，她背负大量债务完成学业，却会发现自己掌握的工作能力还不如一个软件。而企业显然也没有必要雇佣这些初出茅庐、能力不足，且还成本高昂的年轻员工。于是，生活与学业的压力，融合了对未来的绝望，导致她想要放弃自己。类似的案例在日本时有爆出。另一个想要自杀的女孩子，是因为在想要进入游戏行业时，发现行业中大多数公司都开始采用AIGC，而不再雇佣没有经验的新手。这导致年轻人也无从积累经验，甚至得不到一份工作。可以想见的是，伴随着AI技术愈发成熟，这类情况将不断增多，或许不仅在日本，而是在全球更多地区，更广泛的产业链中都会出现。必然有人能够做好迎接AI冲击的准备，甚至迎风而去，但也必然有人没有。请用谨慎的线条写下相信未来面对这些问题，我们还能相信AI吗？或许，谁也无法对这个问题给出完整的答案。你认为AI不好，但无法忽视它带来了汹涌澎拜的生产力革新；你认为AI很好，却也无权替那些恐惧AI，甚至走上绝路的人发表意见。我们能够做的，只是让AI更好一点，再更好一点。把发现的问题尽量修补上，让AI在值得发挥价值的地方多放出一点光亮。比如说，早在深度学习技术开始大规模应用的阶段，就有大量产业界、科学界、临床医疗组织研发利用AI来识别社交网络自杀信号，从而组织自杀行为发生的技术。Facebook等平台还上线了类似功能，在社交媒体上检测和预防类似悲剧的发生。目前阶段，AI预测自杀倾向的技术也开始向直播、短视频、信息聊天软件中释放，为守护生命风险一些新的方式方法。在中国，类似的尝试也在推进中。首都医科大学黄智生教授早在2018年就发起了树洞行动，通过AI检测社交平台的自杀信号，进而介入救助。所以说，AI就像任何技术一样，从来都是复杂的。我们要正视AI的光明与阴影共存，并找寻让光明渗入阴影的方式，去发现技术中的问题，而不是恐惧技术本身，也不要鄙夷那些恐惧新技术的人类。只有小心翼翼地观察、调整、谨慎选择人类与AI的相遇方式，才能将技术变革带来的痛楚降到最低。我的朋友，如果你读到这里，也有一些对AI的恐惧。那不妨想想这么几个问题。AI确实很温暖。但它的温暖其实都来自现实。它只是一面镜子，把其他地方本就存在的温暖折射出来。世界，始终对你抱有善意。AI确实很无情。但这只不过是因为它就像一台机器。机器会帮人也会伤人，仅此而已，别无其他。AI确实很能干。但它没有人类的学习和成长，不具备人类的灵感与创造性。而且，AI还会创造更多机会。马车夫没有被汽车淘汰，他们后来成为更加轻松、体面的汽车司机。最后，分享我从小印象深刻的一句话。记得听著名评书表演艺术家田连元先生说《隋唐》。他说，如果真的想要走上绝路了，就闭上眼睛数到一百。然后睁眼，问自己一个问题：死我都不怕了，难道还怕活着吗？

还记得2018年，我曾熬夜好几天，就为了抢一张故宫博物院“清明上河图互动艺术展演”的门票。后来，我也曾去过很多城市，看过不少策划精良的展览。那场“穿越北宋”的名画之旅，依然是我看过的，最具沉浸感的一场文化类展演，没有之一。我可以很轻松地回忆起，自己走进实景布置的茶楼，客人觥筹交错，艺人演奏琵琶，小二楼上楼下忙忙碌碌地奔跑，这些由三维投影还原出的市井日常，让人一下子穿越到北宋都城。然后是去球形影厅，《清明上河图》这幅五米多的长卷变成了一场“人在画中游”的citywalk，我坐上游船慢慢游览，繁华喧闹的汴京城，画中800多个各色人物，一点点在眼前和身旁铺陈开来，连飞溅到面前的水花都十分真实。最重要的是，这场展演采用的是裸眼3D技术，全程不需要佩戴3D眼镜或VR眼镜，对于我这种高度近视人士，非常友好。遗憾的是，这场展演的影厅座席有限，一票难求，很多人都没有机会亲身体验，我自己也没抢到二刷的票。当时我就在想，

今年以来，大模型的热度，让云计算产业为之沸腾。要举出一个最有力的证明，应该是：MaaS（Model

写下这篇的起因，是前不久的一件事。我们参与了一个大模型与行业结合的主题论坛。活动结束之后，来自行业主办方的一位代表跟我们交流时却说：“你们一直在说大模型。到底什么是大模型？多大才算大？为什么不能用小模型？”这一系列问题又一次让我们意识到，智能化的供需双方很多时候根本处在两套话语体系。你这边Transfomer、Agent的说了半天，那边可能还在好奇大模型这三个字到底是怎么来的。这种隔膜，在AI时代尤为严重。因为AI技术涉及的链条更长，做算法的、做云的、做硬件的、做IT解决方案的，以及最后买单的，大家可能在各说各的，谁也没打算真正理解谁。今天，各家都在说产业大模型、行业大模型。确实从技术逻辑上看，很容易发现大模型能够给很多行业带来巨大的生产力释放，而从技术路线上看，中国企业对智能化的接受度更高、需求更强烈。大模型走向产业实现数实融合，是中国AI最具特色的一条脉络，在数字中国的大背景下具有极强的宏观战略意义。但在实践中，这条路却充满了挑战与误解。毕竟AI算法公司做toB，十家有九家做不成。在大模型toB的新机会窗口前，我们首先要确定产业究竟需要怎样的大模型？产业大模型就不是一种模型AI公司做大模型结合行业，最大的误区在于搞不清供需关系。诚然，目前行业对大模型的认可与接纳程度已经比较好，但智能化项目依旧是一个绝对的买方市场。技术供应商需要去适配最终用户的需求、能力、背景，甚至沟通话术和商业习惯。但由于做AI大模型的公司，涌入了大量互联网领域的人才和资金。互联网的供需逻辑是单点供应对大量需求，我有一招鲜天下涌进来。而大模型在很多行业的适配又是很容易就能想到的。比如工厂需求配料分析，银行需要投资分析，那我的大模型不是都能分析吗？于是，在这样的“风口思维”下，很多AI公司陷入了一个巨大的误区：他们认为我有大模型，各行业的客户都应该来找我。我推出两三个行业的案例，其他行业都应该认可。我的这个大模型哪里都能用，所以它就叫产业大模型。无论这些AI从业者是真的相信大模型等于产业万金油，还是仅仅是故意吹成这样。在产业客户看来，这一幕就等于胡说八道。他们会觉得，金融业用的技术，关我煤矿什么事？如果有一种食品，说是猫能吃牛能吃人也能吃，你敢吃吗？产业需要大模型做的第一件事，就是不要笼统的天差地别的各个行业归纳为“产业”两个字就结束了。即使在某个行业内，大模型都仅仅能解决行业的一个或几个问题，更不可能有一种模型能够“包治百业”。做IT的都知道，有产品更要有服务，懂技术更要懂行业。但做AI的企业，尤其是拿着热钱涌入大模型赛场的企业，普遍对产业需求的差异性缺乏了解和尊重。当然，不同行业对大模型的需求也有共通之处。比如对基础的对话、CV、多模态能力。但更多的情况下，每个行业的只能用意愿、基础数字能力，乃至安全需求、时延需求、运维需求都不相同。在今天的阶段，一种大模型能够在具体行业内复制推广已经非常不容易，更别想一口吃下几个甚至几十个行业。产业智能化，优先级永远是产业大于智能化。不提硬件和工程化约等于瞎耽误功夫很多做数字化、智能化的企业，在看了客户环境之后会奇怪这么一件事：客户花了大钱买回来的东西，其实就是很简单的软件封在一个盒子里，然后按照行业要求做了点按钮、UI之类的东西。甚至这些软件很多都是国外很古早的开源软件进行再封装，技术上早就落后了。这时他们会感叹，行业客户的钱可真好骗啊。可是问题来了，如果我们换个角度思考这个问题，要是没有这层封装，企业要怎么用呢？难道一家工厂、一座矿山、一片林场，要招来和培养一大堆云计算、AI算法层面的人才？而且要让这些数字化人才指导整个企业的生产、运营和销售？这显然是不靠谱的。所以，一个有点反常识的事实是，相比于天花乱坠的先进技术，行业用户往往更在乎那层“壳”。那层壳就说硬件化和工程化，是将技术能力按照最终的使用需求进行封装、管理和维护。虽然最后组装出来的东西可能很难用，可能不先进，但对于行业用户来说，有的用，员工能学会，才是智能化的最重要条件。在讨论行业大模型时，今天也经常会陷入这个误区。从业者往往过分关注算法层的领先性、国际性，跟参数规模和测试纪录较劲，把目光聚焦在软件上。但行业需要大模型做的，是跟此前的数字系统较劲，跟使用成本较劲，跟操作门槛较劲。这就需要大模型考虑硬件环境、网络环境、存算资源、操作系统，甚至考虑部署环境的电力供应、湿度、温度。产业大模型要做的第二件事，是必须兼顾硬件适配和工程化问题。大模型能否落地，都在说要找准场景。但什么是场景？最后能起作用的那个地方才叫场景。绝大部分企业，都不是IT为导向。甚至大部分企业根本无法派专人去仔细了解什么是大模型。这个事情在漫长的时间里都无法改变。山不会过来看你，所以你要去看山。很多人把大模型比作一座金矿，那么训练大模型仅仅是挖到金矿，通过工程化方法，讲大模型融入到行业已有的数字化基础设施，才是把金矿运出山。专家下工厂终究要不得很多AI厂商无论是在给客户讲故事，还是面向公众做传播，总是会提起这么一段：你们不要担心，我们有专家有博士后扎根行业。下工厂，下农田，一驻守就是几个月。如果你是大模型的潜在行业用户，那么这个故事听听就算了。专家驻厂确实是真的，但那个厂极大概率不是你的厂。事实上，AI专家亲临产业一线，是缩短行业需求与大模型供给之间的有效路径。这也是一个产业智能化必经的发展过程。但这个过程必然也只能是暂时性的，不可能长久。试想一下，如今大模型正在风口浪尖，专家们都是什么身价？一个专家组入驻现场，就这个薪资成本哪家实体企业能撑得住？AI企业所宣称的专家驻厂，其实是在做案例、做测试。一般都是和行业内的头部客户合作，厂商愿意以亏损为代价把模型跑通，观察有哪些具体问题。专家可以下厂，但专家肯定不能经年累月驻守一家又一家工厂。这是AI厂商进入某行业时的标准动作，但往往会有意无意被理解为一个常规动作，可真要只能依赖专家下厂来推广大模型，那么AI永远也无法落地，因为这个成本谁也承受不起。产业大模型要做的第三件事，是技术具有行业内的低门槛可复制性，不能大量依赖人工进行订制化合作。尤其需要注意的是，目前阶段大中型企业在智能化上的投资愈发谨慎，试错成本不能过高。实验性与不确定性太强的大模型落地方案，在目前阶段已经很难得到大客户认同，更遑论成千上万的中小客户，更是不可能依赖重人工投入的方式来推动。总结一下，产业大模型目前阶段的落地挑战有三点：1.AI厂商总把大模型想象为万金油，但行业需要的是理解和专注。2.AI厂商总是关注算法创新，但行业需要的是工程化和可操作。3.AI厂商大量宣传依靠人才能力跑通的个案，但行业需要的是低成本和可复制。大模型落地产业，正是旭日东升时，但也要有意识去清扫一些积雪，而回到用户界面，往往就能找到更多问题的答案。

最近，全网都在热议“XX专业值不值得读”，不同家庭的孩子怎样进行志愿规划避免“掉坑”，“学长学姐现身说法的专业避雷”等。无论哪个国家，毕业时对所选专业感到后悔的学生都不在少数。毕竟，大学教育资源在全世界都是稀缺的，所以即使有些“天坑专业”与就业市场不匹配，这些“坑”依然都会被新生填满。但谁都不想一毕业就失业，或者投身“地狱模式”的工作。难道不认识神通广大的长辈，付不起昂贵的规划师咨询费，就只能

2022年，AIGC（生成式AI）是当之无愧的网红。AI作画在各大社交平台刷屏，ChatGPT火爆国内外出尽了风头，依靠AI生成语音和表情、动作的数字人也频频露脸。2022年12月，Science杂志发布了2022年度科学十大突破，果不其然，AIGC入选。火爆背后，AIGC的商业化潜力还有待形成更清晰的路径。目前来看，应用范围最广、最出圈的AIGC能力，就是AI作画（以文生图），但可以看到，大量普通C端用户都是抱着尝鲜的热情玩一把就走，庞大的流量很少能转化为强劲的付费意愿。而对于制作插画、辅助设计、生成海报等专业需求的B端来说，目前谷歌、OpenAl、百度、腾讯等各大厂开源的模型就足以提供支撑，这一市场能够激活多大的商业价值，还不明确。另外，政府提供的扶持性采购，G端市场也是加速AI产业形成良性商业循环的重要组成部分之一，而这类需求主要集中在智慧城市、政务数字化、大数据平台等，AIGC能够在其中的哪些场景发挥作用，还有待挖掘。将火爆的“虚名”转化为实实在在的money，进一步提升商业空间，是AIGC接下来的当务之急。让我们来梳理一下，AIGC究竟能通过哪些方法赚到钱。AIGC经济，绘画领航AIGC需要商业化，这是一个并不难做出的判断。但如何商业化，需要从技术逻辑来一步步推演。我们认为，AIGC的商业化会首先发生在AI作画，也就是以文生图领域。目前，AIGC已经诞生了文本生成、代码生成、图像生成、语音合成、视频生成，甚至多模态的基础模型和应用场景。之所以说AI作画会率先探索出一条商业化路径，源于AI商业化的三个基本规则：第一，AI技术是不断演进的。AI技术的商业化，与其他技术相比，有一个非常典型的差异：大多数AI系统在部署后不可避免地会出现错误或低效，都需要经历迭代和持续优化来发挥作用。所以，AI系统落地应用后，一些错误是可被容忍的，重点是其带来的生产力增益，以及自我迭代演进的速度（即与运行环境的适应能力），应该要能够抵消犯错所造成的麻烦。而目前来看，只有AI作画，能够做到大幅提高内容生产力，同时适当的错误是可被允许的。在DALL·E

算法招聘不稀奇，现在利用AI算法来自动化处理海量简历筛选，已经是司空见惯的操作。但算法裁员，对于许多人来说就闻所未闻了。最近，一家海外公司Xsolla通过算法判断出150人是“没有生产力的员工”，然后一口气裁掉了他们。引起争议的不是裁员本身，而是这一决定背后的原因、标准：Xsolla首席执行官阿列克桑德·阿加皮托夫接受俄罗斯出版物《Meduza》的一次采访中提出，员工的“数字足迹”不符合公司标准。远程工作时代，加上外部环境急剧变化，处于困境的企业不得不裁员自救，原本无可厚非。但利用AI算法来履行裁员职责，就有待商榷了，因为这牵涉到一系列问题，比如：靠数字足迹判断员工合格是否合理？算法开除的决定是否符合劳动保护条例？这是不是意味着未来打工人必须按照AI的喜好来行动，从而成为算法的奴隶？算法裁员，究竟释放出了哪些“恶之花”？边界之问通过算法来开除员工，听起来着实有些匪夷所思，直到Xsolla创始人阿加皮托夫撰写的内部邮件被公开，人们才知道算法的判断标准是：数字足迹（Digital

然而必须承认的是，媒体和大众对量子计算的关注，很大一部分来自对中美科技摩擦以来，对关键技术“卡脖子”的担忧。这种压力迫使我们去关注和期待量子计算马上爆发，然后咱们一举超过大洋彼岸，开启计算新时代。

如果说是煤工业的崛起，带领人类穿越了漫长的工业童年时代，开始了一个史无前例的时代，那么随着国家战略的推动和产业需求的全面爆发，AutoML带来的产业智能红利是否会像煤炭一样，引发一场新的产业革命？

值得注意的是，2017年，英特尔以153亿美元拿下汽车高级自动驾驶芯片企业Mobileye，使得汽车半导体的并购整合也开始热络起来，而这也是英特尔极为成功的一次产业结构的版图扩张。

落后的下一步，就是淘汰和瓦解。所以面对缠绕中国芯片《瓦森纳协议》。我们要做的不仅是反对它。反对是一件非常简单的事，敲几下键盘就行。真正要做的，是让更多人，让多企业，更多声音，甚至一整个时代反对它。

举个例子，如今大行其道的“智能酒店”，一进门玄关的灯就自动为你亮起，离开之后灯会自动熄灭，这种更加自然的交互方式，更加符合大众对智能生活的期待，也是靠模拟传感器来完成的。

9月5日，北京，晴。这一天是诺兰新片《信条》上线的第一个周末，大家从影院走出来，似乎都不会好好说话了，纷纷在朋友圈打出：！刷二要定一，了脑烧太“太烧脑了”——同样的心声也回荡在北京市西北部的一个会场内，百度黄埔学院的80多位学员，正在经历一场可能比本科毕业答辩更具挑战性的考验。一间会议室内坐着几位表情认真的评审，很多都是百度的杰出架构师和科学家，环绕他们而坐的是十几位来自各个产业、各种年龄的学员们，大家集体凝神聆听着正在答辩的同学用PPT陈述自己的毕业课题。这些课题都是他们从产业中带来的具体问题与困惑，经过了三个月的课程、讨论、实践，最终呈现出相应的AI技术解决方案，为每周的艰苦课程画上一个不负韶华的句点。可能他们没能第一时间看最新的电影、玩最热的梗，却在这个特殊的2020，成为站在产业智能化落地的“时间奇点”上的弄潮儿。教科书长不出AI，产业智能化的人才困境“时间奇点”这个词听起来很酷，但AI落地产业的过程却一点都不酷，并不像大众猜想的那样充满了赛博朋克式科幻色彩。这一点，黄埔学院第三期的学员们感受十分深刻。他们大多来自传统行业，有人有十多年的IT工程师经验，有人对AI有通识性的了解，但AI到底能帮助自己的企业和业务解决哪些难题，怎样去解决，解决到什么程度，却没有一堂公开课或是哪篇科普文章能够告诉他们答案。某种程度上，这也反映了AI落地的现实难题：首先，实践案例较少，业内交流不充沛，不仅传统中小企业对“学习”的需求是迫切甚至饥渴的，许多大型国企的CTO或技术负责人也渴望在智能化转型得到务实和细致的指导。但在实际中，绝大多数企业只能从集成商或平台方购买整个系统或通用算法，能力上的雷同会在落地具体场景时遭遇“水土不服”。其次，平台和工具散落，技术体系庞杂，各种公开课、干货文章和沙龙分享等都比较粗略且碎片化，开发者学习成本高，进而导致AI项目推进效率低；而相比金光闪闪的学术大牛，产业智能化落地阶段对能力的要求，是能将需求转化为问题、进而找到最高性价比解法的工程型人才。早在6月份，英伟达工程师Chip

此后，四价元素锗和硅成为最常用的材料，而在肖克利发明锗半导体的晶体三极管的几年后，人们发现硅更适合生产晶体管。此后，硅成为应用最广泛的半导体材料。这也是美国北加州被称为“硅谷”而不是“锗谷”的原因。

看过《银翼杀手》这部开创赛博朋克风格科幻电影的人，一定会对电影中仿生人罗伊·贝蒂印象深刻，尤其是电影结尾时反派男主在滂沱大雨中的临终独白：我目睹过你们绝对不会相信的东西：战舰在猎户星座的边缘燃烧，铯衰变的射线在唐豪瑟之门的黑暗里闪耀。所有这些时刻都将在时光中消逝，就像雨中的泪水。是时候……死去了。仿生人罗伊在最后一刻（电影里的时间是2019年），放弃了对人类的仇恨和复仇，坦然地接受了死亡的宿命。这一幕成为科幻电影史上的经典。《银翼杀手》改编自美国作家菲利普·迪克的1968年的小说《仿生人会梦见电子羊吗？》，原著深刻探讨了人类和自己所创造出的工具的关系。如果人类制造出的仿生人具有和人类一样的智力，那人类该如何与其相处？作者持悲观态度——只要人类将仿生人视作工具，不平等就必然存在，而冲突也将不可避免。幸好，我们已经平安活过了2019，地球并没有因为核战争变成废墟。人工智能正迎来第三次爆发浪潮，但具有人类意识和智力水平的强人工智能还遥遥无期。现在，在人机关系的问题上，我们不仅没有这部科幻作品中反乌托邦的悲观主义的基调，反而保持了相当乐观主义的信念，正在大力发展具有类人或超人的AI与仿生（bionic）技术，以实现生产力的解放和人的自由度的提高。近日，我们注意到国内外基于AI和仿生技术融合的一些新成果正在快速涌现。这会让我们更好奇这样一个问题：AI仿生技术的发展，会让我们人类实现新一轮的进化吗？这些AI仿生技术的应用会产生哪些深远影响？AI仿生：自然选择之外的新进化推手探讨AI仿生技术对于人类进化的意义，先需要了解下我们人类本身是如何进化的。简单来说，根据现代生物进化理论，生物进化是受到生存压力和自然选择两方面因素影响的。生存压力导致生物会发生基因突变，而产生生物种群的多样性；然后自然选择又将那些不适合当前环境的种类淘汰掉，而让那些适应环境的种类得以存活繁衍。具体到人类来说，在600万年前的冰川时期，迫于食物匮乏的压力，一部分猿类从树上来到了地面，成为我们人类的早期先祖。而直到20万年前，才出现我们现代人类的真正祖先——智人，再到1万年前，进入农业时代；又是直到200年前，我们正式进入工业时代。这意味着人类是经过600万年的生存演化才进化到今天这个样子，其中绝大部分时间都是在原始自然环境中生活的。这同时也意味着，人类的生存环境在短短一万年到几百年时间就发生了翻天覆地的剧变，而人类身体其实还并没有适应这种剧烈环境变化。人类在进入农业时代后，遭遇第一次进化危机。尽管农业养活了更多的人口，但是人类的平均寿命更低，饮食单一和人口密度变大导致流行疾病更多。而现在人类进入工业时代后，进化危机则进一步加重。尽管我们有了远超农业时代的人口，人类的平均寿命也大幅提高，但是人类的基础性疾病增加。未及适应现代社会的身体遭遇了空间的进化压力——2型糖尿病、心脏病、癌症、骨质疏松等。原本通过严酷自然选择而获得的生存优势，在新环境中反而变成劣势。我们需要在自然选择之外另辟蹊径，找到一条新的进化之路。受到生物工程科学、信息科学以及材料科学等现代学科的鼓舞，我们似乎正在找到“逆天改命”的全新的进化路径——基因改造和仿生合成。前者由于巨大的实验风险和伦理风险，基因改造技术仍在基础研究和小心谨慎的试用当中，后者则因为有切实的使用场景和技术进化的动力，则正在迎来爆发。广义上的人体仿生合成，早在几千年前就有记载。早期因为受刑、战争伤害而截肢的人已经开始使用假肢了，下肢假肢还尚能辅助行走，上肢假肢则只有美观作用了。现代意义的仿生合成技术则更具实用价值。像被称为“仿生耳”的人工耳蜗，使得听力障碍群体得以恢复听觉，而像心脏起搏器则直接植入心脏部位，帮助治疗缓慢性心律失常等问题。对于因为先天疾病、意外等原因导致的肢体缺失，辅助假肢正在成为这些残障人士的新选择。一方面，模拟人体骨骼构造和运动机能的机械合成义肢正在越来越像正常的肢体，同时传感器技术又让机械控制与大脑联接，建立直接的神经信号控制；另一方面，AI技术的引入，又能使得机械肢体的感知训练效率快速提高，以适应人的主动行为，进行更精细的操作。也就是说，AI仿生技术正在让人类身体获得重新被塑造的可能，而这正在成为除了自然选择和淘汰之外，人类发展出的新的进化路径。在探讨这种进化路径的利弊之前，我们看下人体AI仿生的技术可能性。人体增强：人体AI仿生的进阶版本在《仿生人会梦见电子羊吗？》里面，有一个仿生人诞生的前提设定就是：人类对于创造强大工具来解决问题有强烈意愿，只要技术能够实现，就一定会将其创造出来。这一设定就如同“墨菲定律”一样，是非常有可能的。但是原作作者非常人为地设定了人类与仿生人的二分对立。其实，更真实的逻辑就是：一方面，人类一定会开发这些功能强大的机器人，但其各司其职即可，不必要非要往仿生人的方向发展；另一方面，人类一定会将自己改造成为“仿生人”，只要在技术允许的条件下，变得“更高、更强、更快”，这不正是人类一直希望的事情吗？现在我们正在看到这样的趋势。正如上面所说，对于那些存在天生的身体缺陷或者后天致病致残导致的身体问题，这些人有着天然的治疗的需要，而现代科技也有着强烈的意愿和动力来帮助改善这些人的状况。现在研究人员已经开发出能够高度模拟人体大腿的仿生腿。比如，犹他大学的一支研究团队开发了一种具备内建电池动力、计算机处理器、机动踝关节与膝关节的假肢腿。他们通过AI可以分析使用者在行走时的数据，预测与感知使用者打算进行的活动，从而协助被截肢者走得更平衡、更轻松、更快、更有活力，并让假肢自动适应使用者的动作与步伐、协助使用者跨越或避开障碍。另外一种思路是通过手术为使用者植入传感器，通过与假肢相连，实现大脑对假肢的控制。西雅图的一位软件工程师Zac

欧洲疫情严重之后，欣慰的是群众们终于开始自觉“家里蹲”了，但运营商又开始发愁了。因为网上冲浪的需求增加，已经让欧洲互联网出现了严重的拥堵问题。尽管西班牙电信(Telefonica)、Orange、沃达丰(Vodafone)、Masmovil和Euskaltel等都表示，正在加强自己的网络，但还是扛不住“涨潮”般的流量，这导致政府紧急出手，欧盟委员会出面要求网络游戏公司和视频网站采取措施，限制娱乐方面的带宽占用。谷歌YouTube宣布从下个月开始默认使用标清（standard

预测未知，一直是人类十分向往的能力。远不说国人熟悉的周易八卦、唐代道士编写的《推背图》，还有西方人熟知的占星术、中世纪流行起来的塔罗牌，近的比如说当年根据

最近有关湖北等地区医疗资源、物资紧缺的消息一经传出就立即引起了社会的关注，但在筹措物资人力的同时，我们同时也要意识到，这次攻坚战的难点绝不仅仅在于当下人与物的缺口。

从上市以来，Salesforce的股价超越了20倍，并且至今还保持着20%的年增长。这样的“名门身份”，使其成为无数创业者效仿并渴望超越的目标，也让谷歌计划对其进行收购的传闻，瞬间吸引了全球目光。

关于“智能家居大有前景”这句话，相信读者们在最近几年已经听腻了。根据36kr提供数据，2015年到2023年间中国智能家居市场规模统计及预测一路走高，到2020年，中国智能家居市场规模将超过2000亿元。尤其当2020年5G技术逐渐普及上马时，新通信技术高速度低时延的特性又给了智能家居全新的发展空间。但在期望着智能家居像叠罗汉一样一年年层层演进发展时，我们首先要弄清楚的是，智能家居这一从2000年就开始冒头的概念，在这二十年间真的是呈现出不断累积的阶梯式发展曲线吗？现实情况或许并非如此。科技、家电、渠道：百花齐放的智能家居在传言中比尔盖茨的“智能化豪宅”建设于1998年，但如果把1998当做智能家居发展的起点似乎有点欺负人。我们不妨从2014年开始算起，这一年谷歌收购了Nest，让人们看到了互联网企业与家具场景的结合机会，中国也基本完成了移动终端的普及，不少厂商开始高举旗帜进入智能家居领域。这其中不仅有美的、海尔等等传统家电厂商，华为、小米这样的手机厂商，同时还有大量的创业企业——艾瑞数据显示，从2013年到2018年H1间，中国智能家居行业光是天使轮融资就达到了140起。除了这些我们常规认知中的参与角色外，还有一个以往不被科技圈关注的领域——线下经销渠道。由于智能家居的概念涉及宽泛，很多普通的插座、灯泡等等产品仅仅需要增加一个通信模块就能实现基本的互联功能，导致智能家居的准入门槛并不算高。家装市场、尤其是三四线城市的家装市场，也因此出现了一种“智能家居加盟”现象，大量经销商密布于下沉市场中，甚至比很多我们印象中的大品牌还要方便获取客户。在如此丰富参与角色下，早期的智能家居市场呈现出以下两种特征。首先是生态平台的多样。在智能家居发展初期，用一款手机App+WiFi协议来构成生态平台是最常见的现象。在生态平台上聚拢大量用户，无疑意味着获取大量流量，这在互联网流量日益走向昂贵和枯竭的年代具有极大的诱惑力。也因此有大量拿了融资的创业企业，以极低廉的价格出售产品，仅仅是为了获取用户。显然对于普通用户来说，这些生态平台之间也是相对封闭的，限制了他们对于智能家居的选择，也影响了整体体验。同时还有通信协议的多样。在智能家居市场上，光是常见的通信协议就有Wi-Fi、ZigBee、蓝牙、低功耗蓝牙、蓝牙Mesh、Z-Wave和RF433这五种，不同生态平台支持的通信协议也不尽相同，有的选择专注一种协议，像是小米IoT产业应用的大多是ZigBee协议，而有的则选择支持尽可能多的协议，例如华为Hi-Link。虽然大多数通信协议相同的硬件都能选择加入同样的生态平台中，但其中的差异却也是真实存在的。被偷走的那五年：过去的智能家居产业给今天留下了哪些障碍？于是在智能家居以这样百花齐放的形势野蛮生长了几年后，我们很难认定智能家居逐年累积了进化基底。毕竟智能家居应用的理想状态其实是“全屋互联”——尽可能用一个终端控制尽可能多的产品，如果产品间能够实现信息与决策的自动传递那就更好不过了。因此硬件之间，尤其是不同时期购置的硬件之间能否尽可能的打通通信渠道，就成了智能家居未来需要攻克的关键问题。而前几年的累积，给这个产业留下了很多基础，像是用户对于智能家居的向往以及初步的接触、科技企业和传统企业的技术累积，但同时也遗留下了不少障碍。例如一些“不了了之”的生态平台。前文中我们提到2013年到2018年间，有140余家智能家居创业企业获得了天使轮融资，但值得注意的是，这五年之间获得了B轮融资只有30余家。在这些企业中，如果有建立了生态平台，那么这些平台将不会再容纳新的硬件产品，平台本身和老产品也会逐渐沦为积累。还有通信协议的变化。当下除了不同平台、产品会选择不同的通信协议外，很多通信协议本身也会有更新换代的情况出现。像是很多物联网产品所应用的2G通信模块，在2G网络退网后都将无法再应用，从智能家居变成了“普通家居”。如果把全屋智能看做一张网，那么每一款硬件产品都将成为一个节点，一个节点失效，将对于整张网络造成不小的影响。尤其家居产品往往一经购置就不会轻易更换，我们很难说服消费者为了智能互联把原本好好的家居产品更换掉。例如用户可能在2017年购买了一款榨汁机，原本这款榨汁机可以在手机端进行远程操控。但到了2019年，这一生态平台已经不再进行更新，不管是用户本身，还是其他生态平台，都很难将这款榨汁机纳入到一条智能链条中，即使整个厨房都完成了智能化，这台榨汁机很可能仍然是一座孤岛。因此只能祈祷，那些不靠谱的智能家居产品，通通都是智能音箱！清障、积累、再出发那么在这种情况下，2020年的智能家居市场将会出现怎样的趋势？在回答这一问题之前，我们不如继续从智能家居的用途出发。正如我们所说的，智能家居中的“智能”是个很宽泛的概念，与其说让家居产品能够感知屋主的需求甚至心情来自动工作，其实家居产品之间能够互相连接感知就已经能够很好的提升生活体验。尤其通过通信协议互相感知，改变的更多是房间内的布线问题。例如通过WiFi或蓝牙协议，利用手机或智能音箱来控制电灯，房间内就不再需要安置电灯开关。这样不仅增强了美观，还能节约成本。因此智能家居的未来发展趋势，自然要率先去满足“整体连接”和“前置安置”两个条件。我们也可以由此对于智能家居在明年一年的发展做出一些大胆的加设。首先在产业整体走过过热之后，自然会出现整合期。像是今年的美的布谷就宣布了与华为HiLink的合作，亚马逊则收购了Eero。未来或许将会有更多的收购与合作，不同产品和品牌在协议、生态平台上更加趋于统一。甚至随着物联网相关标准逐渐落地，传统家电厂商会进一步让渡，与科技企业进行更深度的合作，不再尝试自建生态平台。同时为了更好接洽用户，尤其是前置环节中接洽用户，智能家居品牌应该会更加注重线下经销渠道的打造。开设“智能样板间”、与家装企业甚至建筑开发商的合作也会提高频次。其实从2014年到2019年，智能家居一路发展却并未留下多么牢固的基底。在未来一年中，智能家居产业或许需要抓紧拾荒，对以往的发展遗留做出整理和清理，把握住有用的部分，并清退无用的障碍。此后，才能实现真正的积累增长。

5G与千兆宽带的并轨而行，带来的是更通畅的信息流通管道。此时我们所面对的，不仅仅是全新的体验，更是进入全新世界的机会。就让这条双轨道带着我们，以及我们的沙发、书房和整个家庭，一起飞驰，直到未来抵达。

在众多“科技鬼故事”中，机器人的意识觉醒，绝对是最吸引眼球的一种。自从1920年捷克作家卡雷尔·恰佩克在他的剧本《罗素姆的万能机器人》(Rossum’s

今年8月，有个消息轰动了中国科技界，尤其是AI圈。由中国科研团队研发的“天机”芯片登上了《自然》杂志封面。相关文章展示了清华大学施路平团队研发的世界首款异构融合类脑芯片，它既可支持脉冲神经网络又支持人工神经网路，并且公布了利用“天机芯片”完成自行车自动驾驶的实验视频。这件事给投资界、产业界的直接影响，是在近段时间“类脑芯片”和“类脑计算”相关的投融资、并购与创业公司突然多了起来。“类脑”相关的会议活动也突然增加。虽然说“类脑热”还远远谈不上，但这个领域的突然升温却是真实可见的。如果我们把目光放得更远一点，类脑芯片确实在这几年有了大规模的爆发。各大学实验室以及科技巨头纷纷拿出了类脑芯片产品，也有不少专家学者认为，人工智能要经历简单人工智能、深度人工智能、通用人工智能三个阶段。而今天的深度学习代表了第二阶段的开始，类脑计算则是通用智能大门的钥匙。事已至此，可能给大众的感觉是，类脑芯片已经是注定的未来，人类已经借由它找到了通向强人工智能的门径。然而果真如此吗？类脑芯片是否就是AI的终极答案，今天还埋藏着太多不确定性。而想要客观认识类脑芯片的未来，我们可能必须要把时间倒回一些，先理解它的过去。一段人类认识神经与大脑的过去。神经行为学：AI之外的另一条路从人类的大脑和智慧中，抽取提炼某种技术，是一件源远流长的工作。能不能让机械像人类一样识别、判断和思考，最终发展出了今天的AI。而在另一项“兄弟研究”里，却一步步发展出了今天的类脑芯片——换言之，类脑芯片的起点某种程度上来说跟AI没啥关系。因为它类的是青蛙的脑。早在16世纪，达芬奇就在手稿中分析过无头青蛙也能活的现象，某种程度上来说他发现了生物电和中枢神经系统的秘密。但是我们知道达芬奇手稿近世才被披露，所以这个发现就像他很多惊天发明一样变成了“达芬奇的秘密”。1786年，伽格尼发现了青蛙挂在金属栅栏上腿会抽动的现象，继而一步步建立了早期生物电学。沿着青蛙们以高贵牺牲精神开拓的道路，人类逐渐发现了生物电和神经系统的奥秘。即生物的神经运转，是依靠生物电刺激神经元节点，最终实现了大脑控制机体的网状神经结构。由这个结构开始，神经学界很自然就会思考另一个问题：既然动物是依靠神经元来传递信息、进行控制的，那么这种控制是如何发生的呢？围绕这个问题，人类在20世纪开始漫长的，对神经传递、神经动力的研究，并在1963年完成了神经行为学的术语概念确认。这个学科中，研究者从生物、解剖、神经反射等多个角度提出了关于神经元的行为学模型。其中很多关于神经元计算的讨论，甚至早于AI概念的提出。我们知道，今天人工神经网络是AI的基石，但人工神经网络的提出，其实只是上世纪70年代，AI和计算机学界对神经元研究的一次借鉴，主要是模仿了神经元分层处理的特征。它的基础还是坐落在统计学和控制论的概念上。但随着AI和现代计算的不断发展，作为“兄弟学科”的神经行为学自身也在进步。于是就有人联想到了，能不能直接整体移植神经元系统，在现实世界里，把类似动物大脑中神经元行为的动力机制变成一种运算机制？之所以要这么干，主要还是临近21世纪，人类发现冯诺依曼架构不断抵近极限。一种从根儿上不同于经典计算的计算架构，或许是最一劳永逸的解决办法。量子计算是一种解决方式，而全仿生神经元行为学的解决方案则是另一种——这一种在大部分时候就被简称为类脑计算。事实上，类脑计算中除了神经元行为学的仿生计算，也还要其他计算方式。但今天，毫无疑问模仿神经元行为是最成功的一种，于是我们今天看到的二者大体是可以划等号的。毕竟人脑肯定是最好的计算机，加上想发展AI，那么类似人脑结构的计算方式显然极具魅惑。于是类脑计算在众多新计算形式中天然占据着加分项，而又过了几十年，摩尔定律的极限愈发明显的今天，类脑计算也确实拿出了一些成绩。类脑计算：比特之外的另一条路想要了解芯片化的类脑计算之前，我们还要先了解两个东西：SNN和人造突触。上面咱们说过了，人工神经网络（ANN），本质上还是一种基于统计学递归原理所构建的计算架构。那么想要搞类脑计算，就需要一种更仿生大脑神经元运作的计算架构。这种架构应该体现出人脑计算的高效、精准和连续性，从而对存储分离的冯诺依曼架构提出挑战。是不是有这种东西呢？还真有。这就是今天类脑芯片们的基础检验标准：脉冲神经网络SNN。1952年，发现了神经学的功能的离子学说和突触电位的诺贝尔医学奖得主，艾伦·劳埃德·霍奇金爵士提出了脉冲神经网络这种神经行为学模型。SNN的价值在于，它描述了神经元之间的电位是如何产生和流动的，它认为神经元之间的交换主要靠“神经递质”来产生化学放电，从而在神经网络中实现复杂和可变的神经系统交互。这一发明来到了计算世界，就变成了一种高度模仿神经元的计算架构。它用发生脉冲的仿生来模拟神经元电位，构成了一种独特的网络结构。

硬件制造能力可以花钱堆设备来快速拉升，底层操作系统能够用N个“备胎”顶上，那么占据全球半导体供应链战略要地的EDA工具，又该如何寻找自己的春天呢？或许答案就隐藏在EDA正在描绘的AI蓝图之中。

在最近有关一系列香港的新闻中，每每提及香港与大陆之间经济往来，都会出现一种共识：近年以来大陆依靠互联网、移动互联网和AI获得的进一步经济增长，进一步拉大了双方之间的距离。甚至购物、旅游这类需求，都开始被日本替代。这种说法是否客观，可以确定的是，科技产业的发展热潮，确实让大陆和香港之间的经济水平产生了差距。很多人都说香港之于科技产业的二十年，是不断错过的二十年。之所以说是“错过”，是因为香港并非没有创新能力，在移动互联网时代，香港先大陆一步推出了和微信概念十分接近的Talkbox，如今却完全被Whatsapp所替代；在更接近的AI时代，著名AI独角兽商汤科技原本就由汤晓鸥带领香港中文大学工程学院团队，但很快商汤就选择了扎根深圳。不仅如此，香港中文大学、香港科技大学等高校每年也在向企业和学界输出着海量人才。换句话说，香港并非没有创新能力，而不是不具备创新土壤。香港的创新土壤，究竟去哪儿了？硅港计划的失败不能一直背锅香港科技产业的发展迟缓，很多人会归咎于2000年左右“硅港计划”的失败。1998年十月，当时的香港特区行政长官在其上任后的第二份施政报告中提出科技兴港,要把香港发展成为国际创新科技中心，建议在港兴建名为硅港(Silicon

智能家居市场的繁荣，正在被越来越多人认知。6月25日，研究公司IDC发布了对智能家居市场的最新估计。据称未来几年内智能家居市场将继续以14.9%的年复合增长率增长。这其中包括了智能音箱这一“必备中枢”，同时也包括了智能灯泡、智能插座等等其他设备。不过在市场预计乐观的同时，我们同时也能在欧美市场看到，一些以往热销的智能家居品牌正在持续走低。数据显示，飞利浦Hue智能灯泡、被谷歌收购的Nest恒温器、推出过智能集线器的三星SmartThings等等一系列品牌，在亚马逊上的销量都呈现出了不同程度上的下滑。其中飞利浦Hue智能灯泡一度曾经位列亚马逊商品销量第二，如今已经排名到前一百。一度排列在三四十名的Nest如今也已经跌落到八十余名。至于三星SmartThings，则是在去年圣诞节期间有过短暂的销售高潮后，也立刻跌出了亚马逊的100名榜单。在智能家居基本盘不断向正面发展的同时，从这些失败的“单品样本”上，我们能够发现什么？智能家居的矛与盾：爆款陨落和大盘向好智能家居基本盘一片乐观，可具体产品却销售乏力，这种看似矛盾的情况之下，我们能够找到一些智能居家品牌上出现的具体问题。首先，是智能家居的价格很难保持在一个稳定的状态。就像飞利浦Hue率先推出了能够通过语音操控的智能灯泡，一度有着不低的销量。但很快宜家也推出了拥有类似功能的产品，同时在价格上远低于飞利浦Hue，用户的购买需求就会立刻被分散到不同品牌上去。换句话说，智能技术并不能为家居产品带来溢价，在灯泡、插座这类应用广泛的产品之上尤其如此。同时在体验上，智能家居产品也绝非完美。说起智能家居的体验问题，我们的第一反应很可能是语音交互不灵敏，或是响应缓慢等等情况。实际还没等到测试“智能能力”时，不少消费者就已经被复杂的启动和安装过程劝退了。有消费者表示，当他试图用六个智能插头来控制家中的智能灯泡时，发现自己需要对每个灯泡进行11步操作，甚至很难找到能够帮助代劳的工作人员。而且最近两年也出现了不少关于智能家居导致隐私问题的传闻，很容易让人对相关产品丧失安全感。最后值得注意的是，家居产品本身不属于快消品，置换周期长。也会出现因为用户已经购买产品，没有置换需求因而出现阶段性市场饱和的情况。总体而言，由于价格变动频繁，加上产品体验并不完美，智能家居很可能陷入了一个“观望期”。第一批尝鲜的用户并没有给予很好的反馈，使得后续很难拓展更多销量。更多用户还在等待智能家居产品价格变得更加便宜，或是智能家居产品在技术上产生新的更迭。智能家居的一带多：铁打的智能音箱，流水的生态伙伴那么在细分品类的销售滞缓之下，为什么又会出现智能家居市场的整体增长呢？构成这一矛盾的原因，在于智能家居的单项品类延伸和多品类拓展。所谓单项品类延伸，指的是一种品类的持续销售动力，多品类拓展，则是不断出现新的品类去刺激消费者购买。目前的智能家居领域，显然拥有更强大的多品类拓展能力而非后者。这一点在中国市场上表现的格外明显。IDC的2018年中国智能家居设备市场季度跟踪报告显示，中国市场的智能音箱、智能灯泡和智能门锁三款产品增速领跑。其中智能音箱出货量达到了2000万台以上，智能灯泡的出货量达到了56万只，智能门锁的年出货量达到约85万台。而且在不同品类的增长中可以找到一条明显的交叠曲线，例如智能门锁的增长明显在下半年，智能灯泡的增长集中在上半年。等到了2019年Q1，数据显示智能摄像头、智能猫眼等等家庭监护设备的销量又开始呈现出上涨趋势。这种不同品类的销量上涨当然不是自然情况，而是由厂商集体下场推动营销，所谓制造出一个个风口来，才得以让智能家居的整体市场份额一直上涨。而能实现在单一品类中不断更迭的，几乎就只有智能音箱一种产品。这其中的原因或许在于，从亚马逊的Echo出世以来，智能音箱的形态一直处于持续的变化之中。例如由中国厂商带来的价格下跌，以及从今年年初开始出现的带屏智能音箱风潮。产品更新迭代速度快，一直能撬动消费者的好奇心。同时智能音箱也是一种“很少出错”的产品，就算IoT生态伙伴有限能控制的设备不多，或是语音交互技术不算灵敏，最起码智能音箱在影音娱乐方面的功能不会受到影响。加上智能音箱本身技术相对成熟，口碑也相对强于其他智能家居产品，因此能保持着持续的销售驱动力。距离理想化的未来还有多远？但想要让智能家居整体市场保持一个健康的增长状态，依靠当前这种智能音箱稳固销售，其他产品接力式销售的“一带多”模式是显然不足够的，保持尽可能多的品类持续销售增长，才是理想状态。不过距离这个理想状态，智能家居市场还需要度过几个阶段。其中有技术不断更新发展的阶段，目前智能家居产品所面临的重要问题，就是当下这个AI和5G技术不断推进落地的时间段。智能家居背后的软件算法包括连接协议，都有可能在短时间内更新换代。更快的数据传输速度和更强大的数据处理能力，可能会为智能家居带来一些新的需求，甚至由此改变智能家居产品的形态。同时还有成本的波动阶段，技术快速发展的同时意味着技术投入不断被摊平，技术溢价又不断被打破。于是智能家居产品同样也有可能陷入曾经和智能手机一样的性价比价格战（其实在智能音箱品类中已经能看到这种情况）。这一阶段对于一些小厂商来说，很可能是非常难熬的。最后同样是前文提到的家居产品更新换代频率的自然波动阶段。具体表现为独立性强、自身功能丰富的智能家居产品，例如以往的智能音箱和今年的带屏智能闹钟、智能猫眼会在销售上更占优势；其他需要依靠音箱/手机等产品作为交互中枢的产品，例如灯泡等等，还是很难突破原本家居产品“坏了再换”的置换频率。结束语那么有了飞利浦Hue、三星SmartThings在欧美市场上的前车之鉴，中国厂商能够采取什么措施，来更好的度过这些阶段呢？首先从技术角度来说，厂商不仅需要自身保持在技术研发上的投入，同时还要在产品上“留口”，对于已经推向市场的产品进行软件上的持续更新。同时避开其他厂商所犯下的错误，尽量精简智能家居产品在安装、连接、重置方面所耗费的时间。同时在产业生态上，技术和成本的波动会带来整个生态链的整合。小型厂商多半要与家居设备和科技类大厂商进行战略合作甚至被投资收购，才能承担得起未来的竞争风险。而除去C端市场以外，对于中国这种人口居住密集的地方来说，和房产开发商、租房服务中介、物业等等B端伙伴进行合作，也是一种不错的保持销售动力的方式。总的来说，智能家居当前“一年一爆款”的销售增长总会过去。随着击鼓传花的结束，真正在智能家居上有着深入技术布局和成本承压能力的厂商，才能更好的屹立于市场。

然而，“达尔摩利斯之剑”很快落下。6月中旬，网信办关停了9款与音视频有关的社交APP。其中就包括红极一时的soul、语玩、吱呀等声音社交产品，以及喜马拉雅、荔枝FM等内容音频平台，有的更是永久关停。

区块链公司cashapp早就这么做了，国家背书的央行数字货币也相继尝试过，比如英格兰银行、荷兰银行分别发布了数字货币白皮书，推出法定数字货币，发行数字货币的同时，本国央行就会回收相同数额的纸币。

很多人都知道霍金拥有一台极高科技含量的轮椅，能在无法动弹或者言语的情况下，合成语音，以与外界进行交流，甚至还因此著书立说。但也可能有很多人不知道这台轮椅是如何工作的。其实霍金一开始可以用手指来敲打键盘输出文字，但随着病情的加重，手指也无法动弹。于是相继采用过眼球跟踪和脑电波识别的技术，但最终由于病情的加重而放弃。后来的霍金是戴着一副安装了红外探测器的眼镜，通过识别脸颊的一块儿肌肉运动，来代替原来的按键。至少在霍金在世的时候，他采用的已经是世界上最先进的语音合成技术。但科技的进步往往神速而出乎意料，如果霍金多活几年，他连动“肉”的劲儿都省掉，直接动动脑子，就能合成语音了。因为，脑机接口技术，又搞了个大事情。让脑电波开口“说话”的前夜：先来打个字吧以脑机接口的方式，捕捉大脑电波，然后实现打字的目的，再进行语音合成输出，并不是一个很难的课题。去年世界机器人大会上，清华大学研发的“动态窗稳态视觉诱发电位脑机接口系统”就“主导”了一场通过脑机接口来打字的比赛。参赛者们只要在头上戴上相关设备，将注意力集中到电脑屏幕上的虚拟键盘中的字母上，脑电波就会被捕捉，然后将对应的字母显示出来。字母打得多了，字也就打出来了。这种方式和对霍金的一小块儿肌肉进行捕捉原理上基本上没有差别，都是通过捕捉人对字母的强烈反应而实现语言的输出。不同之处在于，霍金由世界顶尖科技团队开发，可以采用单词联想的方式提高打字的效率。这种方法听起来确实很高端，但也存在一定的不足。第一，打字的速度较慢。英语还好一点，只要字母拼全就完成了打字的过程；而汉语还需要进行转化，遇到同音词还需要进一步进行选择，这就需要进行二次脑电波捕捉。逐字的打字方法令其在单位时间内能够打出的文字相当有限。第二，对参与者的精神集中有要求，而且抗干扰较弱。脑电波是非常敏感而且活跃的。一方面人如果注意力无法高度集中，系统就将很难对字母进行定位；另一方面人的大脑在看到字母的时候往往会不由自主地产生联想，比如看到“c”会想到“copy”或者“car”等词，这也会对系统识别产生干扰。正常人想要顺利打个字都极度耗费体力，就更不要说那些身患阿尔兹海默症或者其他病症导致无法言语的病人了。霍金之前没有采用类似的方案，就是考虑到无法承受如此的体力消耗。当然，个人认为这种方案虽然目前仅仅还停留在科技“趣闻”或者“猎奇”的阶段，但其本身是一种突破性的。它的意义并不在于有多好用或是取得了多少实际的效果，而是在于探索出了一条脑机接口的新的道路。至少让人们看到，通过脑机接口来实现“意念”输处文本甚至是语音输出是完全可行的。而这种可行性，被加州大学旧金山分校的一项研究成果，进一步证实并且加强。把脑电波合成为语音，总共分几步？加州大学旧金山分校的神经科学家的解决方案，是从解剖学的角度出发，模拟真人发音时大脑发出的口腔喉咙肌电信号对发音系统的调动，比如在发“啊”这个音的时候，嘴唇、下巴、舌头和喉咙以及其他成分的动作，然后合成相应的语音。那么，要把脑电信号合成为语音，总共分几步呢？第一步，样本收集。研究者让5名完全健康的志愿者在UCSF

如果问一个问题——能够进行深度神经网络计算的芯片有哪些？大家给出的答案可能五花八门：CPU、GPU、DSP、NPU……过去几年里，电子计算已经成为实现人工智能算法——尤其是深度神经网络模型——最重要的算力支撑。尽管具体的硬件架构各有不同，但一言以蔽之，都是采用了冯诺依曼型的计算原理，即VLSI（超大规模集成电路）的“电子+逻辑”信息处理模式，以复杂的逻辑电路和处理器芯片来完成计算任务。但是电子方法有其先天缺陷：一是信号之间容易相互干扰，对需要高密度连接的神经网络带来一定的困难；二是能源需求太高，导致计算成本居高不下。在以AI为主旋律的“数字基建”大规模爆发前夜，在算力上未雨绸缪，自然也就成了学术界和产业界共同关注的头等大事。最近，明斯特大学、牛津大学和埃克塞特大学的研究人员就共同实现了一项新的计算芯片，采用光学系统来帮助神经网络进行“学习”，以此实现计算、识别等行为。不过，无论是光学计算，还是类脑芯片，类似的提法其实在学界早已有之，并且由于自身的局限性一直进展缓慢。那么，光学深度学习芯片的出现，是否真的突破了先天的技术桎梏，又意味着哪些新的产业机遇呢？光学计算+深度神经网络的“搅和”历史在介绍新计算硬件之前，先言简意赅地解答一下大家心中可能存在的困惑——光到底是如何进行计算的？又为什么比电子方法更有优势呢？我们知道，深度学习神经网络是模仿人类大脑神经元的运行方式而来的。在每一层中，来自上一层（或者输入源）的信号经由神经元处理，将结果和前向信号传递给下一层的神经元。很显然，这种计算方式需要依赖神经元之间的大量、动态的连接才能完成，会对大多数使用电子方法的集成电路造成压力。因此，大家纷纷开始研究其他硬件，光学芯片因此成为“全村的希望”。2017年，MIT的研究人员就研发出了一种使用光子技术实现神经网络的方法。他们使用一系列相互连接的波导管（传输微波波段的电磁波装置），来为特定的计算编程。而处理器则通过一系列耦合光子波导来引导光线，因此只需要运用镜片改变光线的方向，就可以达成运算。可编程、低能耗，听起来是不是棒棒哒？不过这种方式打造的硬件准确率实在是不太令人满意，只有77%，被传统方法吊打的节奏啊。不过科学家们并没有认输，2018年加州大学洛杉矶分校的科学家们又将光学深度学习送上了《Science》杂志。这次，科学家们采用3D

Mitalipov所领导的研究小组就获得了私人赞助，使用CRISPR-Cas9识别了导致心肌增厚的胚胎突变。经过技术校正，突变的胚胎在实验室将突变率恢复到了72％（高于普通50％的遗传率）。

5月8日凌晨1点，2019谷歌I/O开发者大会如期而至。发布会的详细情况和新品清单，想必大家已经在其他地方了解的差不多了，这里我们不过多赘述，简单交流一下“观后感”：首先，与刚刚结束、专注于B端服务的微软build大会相比，谷歌I/O大会则显得平易近人很多。各种充满了人文关怀的软件服务喷涌而出：Live

数字技术对生活带来的重大改变，在智能手机上的展现算是最深刻、最久远的一项。但过去十年来，也有人不断在思考，能否让实体物品也成为信息交互的一部分？比如，不需要依赖屏幕、键盘、鼠标等等，就可以进行数字化的活动。这种理念也带来了智能硬件，尤其是可穿戴设备的兴盛。但经历了鱼龙混杂的产业竞争和大浪淘沙的市场考验之后，智能可穿戴设备产业已经呈现出了明显的变化。因此，当前不久Google

先说个故事。作为一个“东西多就会死星人”，我试过很多种方式来处理旧衣物。后来发现，一些二手电商平台上会有人专门回收旧衣物。于是我联系了其中一位。按理说，这种电商往来应该不会产生什么沟通交流。奈何我遇到的这位范大姐极其健谈，一来二去就熟络了起来。直到现在，范大姐还没事就问我有没有旧衣服可以给她。范大姐告诉我，她家在山东莱州的农村。丈夫出外打工，自己在家务农之外，开了个做布艺拉花的网店。旧衣服就是消毒撕碎之后做拉花的，主要供给当地酒店，也做装饰品在网上出售。范大姐问我是干什么的，我就略微讲了一下AI和自媒体。有点让我没想到的是，范大姐接话说AI她可懂。她家里现在有两台小度音箱。自己用一个，闺女用一个。她给我讲，做拉花时候很无聊，就靠用小度听小说解闷，无聊了还跟小度聊天，聊起音箱使用技巧比我都熟练。让我印象尤其深刻的是，她告诉我们他们村子离快递点很远，这台小度，是她骑自行车20里路才拿回来的。结果后来闺女老是跟她抢，她就又买了一台，又骑了20里拿回来。这可能就叫人生中的隐藏任务，只是想处理下旧衣服的我，居然不可避免地展开了一段关于智能音箱和农村市场的思考。后来我反复问了范大姐不少关于音箱使用的问题，还想让她帮忙采访了一些乡亲。结果出乎我的意料，在一个已经算偏远的胶东乡村，智能音箱的接受度居然远超过我的常识预期。这背后的原因和预兆，也许真的值得考虑。结合跟范姐的聊天，以及对智能音箱下沉市场一些观察，我想已经有必要，对这个目前来说还相对陌生的AI市场做一个速写：究竟是什么样的用户，正在三四线城市与乡村地区使用与智能音箱对话？他们对AI的接纳，又意味着什么？画像一：刚需总体感受下来，范姐是一个乐天派，同时她的生活并不宽裕。这一点既体现在她的精打细算里，也呈现于她对生活并不算少的抱怨里。但是在给孩子买音箱这件事上，她却并没有犹豫。问及原因，她说孩子老师推荐过百度的音箱，一个是让孩子回来听名著，练成语，再一个老师强调让孩子跟着音箱练习说普通话。纯真的普通话对话，这一点在胶东的农村小学其实并不容易达成。不难看出，所谓下沉市场，即泛指中国三四线城市，以及农村地区的用户，对智能音箱的价值定位，与都市家庭是截然不同的。毋庸讳言，劳动力迁移和乡村空巢化，正在带给小镇和乡村更多属于这个历史阶段的“特殊情况”。而这一过程中涌现的新需求，恰好是必须用对话式AI这种技术来填补的。比如这几个侧影中，不难发现智能音箱的需求究竟在哪里：1、空巢老人的陪伴感今天，很多小镇和乡村，主要居民已经是留守的空巢老人。在基本的经济与医疗之外，他们最需要的就是陪伴感。而在儿女远离的背景下，陪伴感往往需要科技来填补，这也是固定电话和半导体收音机，为什么依旧是老人的刚需。而在宽带问题被解决后，智能音箱可以更好满足这一需求，小度在家等音箱推出的有屏模式，让不会用手机的老人可以与儿女更方便视频。而优质的内容与语音对话，则完全可以取代收音机。2、留守家庭的娱乐在今天，像范姐一样的农村主妇并不在少数。她们留在乡下支撑起家庭，同时要承担繁重的工作。其实对她们而言，能全身心坐到电脑或电视前的时间同样是奢侈的，更多需要的，是工作之余的娱乐陪伴。而这一点目前似乎也必须依靠娱乐音箱来填充。3、农村儿童的教育另一个刚性需求在于，智能音箱带来的对话式教育，可能在都市家长眼中更接近一个教育补充或者教育游戏，而在英语、科学、语文，甚至普通话教育都严重匮乏的地区，用音箱带来的专业加无人工成本教育，可能是早期教育唯一的解决方案。4、返乡的礼物2018年底，在春节购物数据中，我们发现智能音箱作为回乡礼物的比率提高，尤其在东南沿海打工的云贵川地区返乡者，尤其愿意将智能音箱作为礼物。对于务工者来说，物美价廉，能引起孩子惊叹和邻居夸赞的春节礼物同样是个刚需。而这也是智能音箱快速下沉的最大动力之一。很多问题或者说需求，目前还无法用智能音箱之外的方案来解决，这是我们所见的第一个画像。画像二：小镇的科技消费观智能音箱在三四线城市，以及乡镇农村的兴起，另一个原因来自消费趋势的涌动。在范姐看来，在他们村子里用智能音箱，是一件非常时髦的事。最先告知她智能音箱的，就是来串门的年轻人。所谓的科技消费观和科技审美，在今天可能是存在可用消费断层的。也就是说，不同可支配收入的人群，对待科技消费的态度并不一样。根据极光大数据发布的《2018中国小镇青年消费报告》，中国目前在三四线城市，以及乡镇地区生活的20-26岁青年，平均月收入为2500元。而这个与北上广相差悬殊的收入基数，虽然可以被相对低廉的生活成本抹平，但在科技产品面前，大家是彼此平等的。这也就意味着，昂贵的华为苹果手机，动辄上千的穿戴设备，轻松上万的无人机，并不能构成这一市场的“流行色”。在今天的中国下沉市场，手机的更换不可能太频繁。而可以追逐最新款、最多花样的，其实就是智能音箱这类百十块钱的，在可承受范围内同时又不落伍的科技产品。对于很大部分消费者来说，百度能上春晚的最新AI技术，只用几十块就可以带回家，这个逻辑是很重要的。换言之，已经过万的新款iPhone是对小镇青年不友好的，但是音箱不会。在智能音箱的世界，都市和小镇站在同一个起跑线上。这个问题的最好映射，就藏在抖音和快手上，无数由小镇青年拍摄的智能音箱视频里。就像更早之前，下沉市场流行的不是昂贵的功能机，而是五花八门的MP3。今天这个科技消费观，开始作用于智能音箱。另外需要注意的是，在下沉市场，邻里影响的消费现象占据着绝对的主流。邻居家有一个，我也要买一个，是这一市场的主要推动方式。因此上，好玩、好用、不贵，成为了能够驱动这种消费的主要标签。性价比时尚，是第二个市场画像。画像三：无负前行的乐天派中国城乡之间的科技应用天平，往往是出乎预料的方式呈现出结果。虽然大体上科技先进入城市，再进行下沉市场渗透是一个常识模型。但例外往往会发生。比如中国电报史上，一个有趣的案例是，最开始大规模应用电报的其实是山东、河北、旅顺等地的乡下。因为当时这些地区外出经商务工的人很多，急需要快速准确的信息传递。而北平、天津的人们，一时半会还难以从见字如晤的书信仪式感中抽身。对于智能音箱带来的AI体验也是如此。通过范姐，我问了几个农村智能音箱用户的使用体验，普遍反应都是“挺好的”。而具体的好处之一，就是不用按一堆按钮，或者手指在屏幕上划拉。而在城市用户群中，我们却很容易发现与之相反的状况：习惯了触屏和鼠标键盘的用户，很难跟智能音箱开口对话。陌生感和尴尬感常伴左右，而在下沉市场这一状况却要少的多。相比来说，三四线城市和村镇的“AI体验官”，其实更符合产品经理对“无负担用户”的预期模型。他们有更多的闲暇时间可以跟音箱对话；同时肩负着更少的“科技重量”。在AI来临之际，很多城市用户面对智能音箱，首先想到的是它够不够智能，能不能达成全物物联网体验，是不是步入了对话交互时代。而下沉市场的用户们，很少思考这些问题，他们在乎的是，智能音箱是不是有用？就像很多朋友在聊到AI时，一定要在今天的AI是不是强智能上纠缠到底。其实如果它不叫AI，反过来叫IA，我们就不用它了吗？在用户心态层面的画像，下沉市场更倾向于研究是不是能听到喜欢的内容，是不是能阅读最新的新闻和天气预报，是不是能教会孩子英文单词和成语——AI的风口与未来，这些东西太沉重，不符合小镇的生活气质。在确立了这三幅画像之后，下一个问题是，这个独特的市场会把智能音箱带往何处？关于音箱的春风与战鼓从以上这些画像中，不难判断这样一个基本市场面貌：在更关注应用价值和性价比，而不是大AI概念的下沉市场，对智能音箱的接受度已经在低价、有用和好玩三个概念下被打开。这一市场已经由“具备理论可行性”，来到了“实际接受度足够高”的新阶段。这是从田野里，为智能音箱吹来的春风。接下来我们说说，这股春风激发的战鼓声。2018年，中国智能音箱出货总量达到了1900万台，其中一季度出货160万台，到了第四季度，单季度出货量已经达到了840万台。毫无疑问，中国的智能音箱市场需求正处在迅猛增长期。其中下沉市场不仅是这一增长过程的核心推动力，还将是下一阶段市场持续增长的主要支撑点。而这种情况下，国内智能音箱市场的竞争关系也令人玩味。与以往智能硬件由国外品牌先行的情况不同，智能音箱是一个纯国内品牌市场。换句话说，市场有多大、产品标杆是什么、潮流趋势如何走，都完全交给国内几家音箱巨头自己操纵。这要求国内几大厂商必须在市场持续利好的基础上不断向前走，去探索这个市场的最大饱和量到底在哪。这就导致了品牌必须不断完善和迭代产品序列，持续带来更符合多个市场需求的产品。另一方面，国内音箱三巨头的态势已经出现。先发的小米，背靠阿里生态的天猫精灵，以及用AI技术优势后发先制，出货量在去年冲入国内第二的百度小度系列。巨头鼎立，相互间已经不存在明显差距。下一轮战争中，新型市场的打开将尤其重要。二者相叠，可以预判在下沉市场中，智能音箱将在持续击发竞争。而在音箱整体价位并不高，国产硬件的“性价比”王牌无法生效的前提下，下沉市场的智能音箱究竟比拼什么？从我们对几位用户的采访，以及相关市场数据中可以综合推断，下沉市场的智能音箱战鼓，主要敲响在这几个方面：1、语音交互的技术竞争不弱反强：小镇与乡村用户，绝不会买了音箱当摆设，一定要用起来。这就要求符合市场预期的，一定是在语音识别、语义理解能力有竞争力的品牌。尤其是在符合老人儿童，以及方言使用习惯上的语音交互技术，将成为竞争的先觉条件之一。这一方面百度的小度音箱竞争力最大。2、内容生态能够拉开明显差距：在下沉市场进行音箱传播，重点是爆款内容的打造。某一款有声读物的火爆，往往比不可见的内容数量更具说服力。这也导致了各家纷纷在内容层面厉兵秣马，天猫精灵背靠阿里大文娱，而小度音箱系列则打通了从百度信息流，到爱奇艺等百度内容生态，再到QQ音乐、喜马拉雅、蜻蜓FM等合作生态的内容连接。3、智能+教育的地位凸显：在多种下沉市场对智能音箱的刚需中，教育需求无疑是最具不可替代性和吸引力的。而教育市场的布局不仅是内容，更是技能与交互的布局。这也是小度音箱能够后起直追的秘籍之一——尤其儿童所需的教育资源，是影响下沉市场的父母们购买决策的关键因素。4、性价比依旧重要：就我的观察而言，农村的智能音箱用户并非大家认为的不懂技术。恰恰相反，对价值的精打细算，让他们对音箱背后的内容、技术体验拥有更挑剔的眼光。年轻人和主妇尤其精于此道——设备是否听得懂人话、内容有没有用，直接影响她们对产品的判断，且这种判断将通过邻里网络有效传播。这意味着，走进下沉市场的智能音箱产品，必须坚持低价战略，同时需要将更多产品价值集成在硬件产品里。这个趋势已经在百度的小度产品中看到了端倪。比如儿童模式的加入、大量生态内容的汇合，都建立在小度音箱始终保持低价定位的基础上。从个案中看，这个战略已经开始深刻刺激到了智能音箱下沉市场的迸发——坚守性价比同时懂体验的下沉市场用户群正在增长。5、品牌战一触即发：下沉市场不同于都市科技圈的另一面，是对品牌营销的接受方式不同。比如说天猫精灵依靠农村淘宝行动，百度在今年春晚红包的大动作，都很大程度提升了用户购买智能音箱产品时候的品牌信赖感。接下来，能够在智能音箱、对话式AI技术与“五环外市场”建立直接联系的品牌行动可能成为主要竞争点。还记得三年前的某一天，习惯了移动互联网生活的都市人群，猛然发现了一种叫做快手的东西。发现小城市和乡村生活的人们，居然也懂科技，并且与都市白领对科技的认识和玩法截然不同。这个逻辑趋势下的市场行为并没有结束，就像我某天赫然发现，一位生活在农村的大姐，居然好像比我更懂电商和智能硬件。有理由相信，我不会是最后一个惊奇的人。所谓的下沉市场，已经带给科技产业一个又一个惊喜。然而理解这一市场的具体需求，立体化用户画像，比不断的“惊奇”来的更有价值。他们的画像，就是未来的画像，就是所有人的画像。最后我想说：我会努力积攒旧衣服的……

在最近的热播剧《都挺好》里，“作精老父亲”苏大强凭借他的各种金句在苏氏男团中成为了毫无疑问的C位。在这部电视剧中，除了讨论所谓“原生家庭与子女”成长的问题以外，同样也暴露了年轻人与老年人之间的沟通问题。苏大强时常出现的词不达意，重复地说着“我就要钱”，没完没了地抱怨他人，在剧中或许意在体现人物性格。但同济大学最近的研究告诉我们，如果类似的情况发生在生活中，则有可能是一种病理性的反映。理解老龄语言能力退化，AI可以做到这些事老年人说话重复、词不达意、化繁为简，似乎已经成为了一件很常见的事。遇到这种情况，我们往往只会认为对方是“老了”“糊涂了”。可同样是老年人，很多人在九十几岁的时候，依然思维清晰、口若悬河。同济大学主办了首届全国老年语言学讲习班，其中专家提到，婴幼儿学语的过程获得了大量的关注，可老年人语言退化的过程却不被人重视。而同济大学老龄语言与看护研究中心得出结果称，在生活态度积极、身心脑无临床疾病的老年人与患有一些老龄疾病的老年人之间，其语言表现有着很大的差异。那些生理年轻比实际年龄更年轻的老年人，语言表现相对正常完整，逻辑也更为清晰。但那些患有老年病的老年人们，则更容易发生发生语蚀（语速减缓、音域窄化、语言量减少、手势增多）、语误（词不达意、口误）甚至产生语言障碍直到最后完全失语。也就是说，通过老年人语言退化的研究，可以帮助我们更好地认知老年人身体健康状况的变化，甚至可以帮助我们从多种角度认识阿尔兹海默这种至今尚未找到解决方案的疾病。在这一过程中，我们不得不依赖于人工智能的帮助。那么在研究老年人语言退化上，AI究竟能做到些什么呢？从同济大学和AI独角兽的合作上，我们大概能总结出以下几点。第一，

他们不仅关注5G快不快，同时也关注5G带来的换装压力、运维压力和迭代成本。而华为之所以能发货超过4万台5G基站，成为今天5G网络市场实质上的唯一出货者，答案也孕育在对客户需求的综合技术解决能力里。

近两年来，针对儿童的机器人教育可谓无孔不入。一时间市场上出现了名目繁多的儿童机器人产品，有的说能培养思维，有的说能发育智力，还有的说能塑造心理和情感。有的直接就说：我们能让孩子的社交变得更好。从理论上来说，利用机器人这一趣味和科技兼有的形式来对儿童进行教育，是可行的。正如很多厂商打出的“寓教于乐”的旗号，在动手、玩耍的过程中培养各种能力。但问题在于，当儿童机器人教育的概念被炒热之后，很多家长已经开始了对机器人不同程度的盲目信任和追逐。当某一种产品被认为是完美无缺的时候，或许埋藏的隐患正在凸显。比如在社交这一块儿，我们在对机器人提升孩子的能力抱以希望的时候，也须时时考虑几个值得关注的问题。这位机器人同伴，可能会让孩子缺乏独立的判断在心理学中有一个著名的“阿希实验”（Asch’s

当时混战中的中南半岛贵族与城邦，纷纷拿出真金白银购买远道而来的日本武士刀。在暹罗，一把日本武士刀要卖到四两白银一把，是本地长刀的五倍。靠着强大的铸刀技术与远洋船队，日本商人似乎看到了一个新的时代。

在人工智能的发展过程中，AI+一切大数据似乎都能提升效率，得到喜闻乐见的结果。可唯独有一样，结合了AI之后会造成大量负面影响，这就是社交媒体数据。平时我们习惯了在社交媒体中表达情绪、表达兴趣爱好甚至会在不经意间透露自己的个人信息，作为普通人而言，即使知道这是一个开放的空间也不太会有数据泄露观感，毕竟大多数社交媒体的信息展示权重是按照信息热度来的，普通用户的个人发言很难被陌生人刻意看到。但有了AI带来的超强算力和数据分析能力，一切就变得不一样了。在爬取数据之后，AI+社交媒体数据能看到的不仅仅是一个人对于事物的反应、情绪和表达，而是可以看到一整个群体甚至整个族裔的相关信息。前一阵差点搞垮Facebook的信息泄露门，多少就体现出了大量散乱个人信息面对AI可能产生的恶果。不过社交媒体数据不仅仅有阴暗面，现在已经有不少神经学、心理学方面的研究开始利用上AI和社交媒体数据，用机器应对人性。推特大数据告诉你，半夜矫情这件事全世界人民都一样最近布里斯托大学就利用机器学习分析了英国57个城市四年内的8亿条推文，得出了一个让我们思考已久的结论——人类普遍在早晨情绪高涨、在深夜情绪低落。整个分析过程是这样的，研究团队通过Twitter搜索API进行采样，收集到了8亿条推文。再从其中清洗掉所有#话题、表情符号、节日祝福语等等。并根据心理测量方式为单词设立了标签，比如情绪上的积极情绪与消极情绪；时间导向上的关注现在、关注过去、关注未来；个人关注中工作、家庭、金钱、社会、宗教等等。有了这一严格根据心理学研究维度设立的机器学习模型，对于社交媒体数据的研究会更加专业化，而不是单纯靠NLP对语言文字中的情绪进行分析。最终研究得出的结论是，在一天的24小时中，人类的情绪不仅仅会发生变化，思维模式也会随之改变。从一天的5-6点开始，人们开始进入社交媒体的表达高峰期，并且这时人们的情绪表达更为积极，关注点也比较集中在个人状态上。随着时间推移到7-9点，人们的情绪开始偏向于愤怒，但如果是在非工作日，这种积极而愉悦的状态就会一直持续下去。这时人们的思维模式偏向于类别思维，想法更为清晰直接，逻辑性强，同时也会有刻板印象的倾向出现。而到了深夜，人们的情绪表达就会转变为消极，同时关注点也会从个人转移到社会方面，随着时间推移，越接近第二天的凌晨3-4点，人们的关注点就越集中在宗教之上。这一时间段人们的思维模式偏向为存在主义，即体现出困惑、焦虑、非理性、更愿意参与和分享的状态。用直白点的话说，一个人的大致状态是早上起来兴致勃勃充满自信，打了鸡血一样规划自己的人生，等到了晚上就开始心情低落胡言乱语，关注世界每个角落又发生了让人悲伤或感动的事情，如果深夜还睡不着，就开始寻求宗教的救赎了。看，这个过程是不是中国人外国人都一样？当社交媒体成为心理学研究助手，从一张自拍就能确诊？其实关于人类情绪的时间周期变化，在之间早就经过证实了。因为神经的疲劳、褪黑素分泌等等生理原因，我们的情绪会在一天之中呈现出不同的状态。虽然这次对社交媒体大数据的研究只是再次印证了这一变化，并没有挖掘出情绪变化的更多原因，但关于情绪周期和思维模式变化的关联，倒是第一次发现。实际上对于社交媒体数据和心理方面的研究还有很多，从中挖掘到了很多有趣的的信息。例如在去年，美国匹兹堡大学曾经进行过一项调查，调查内容是抑郁症患者的社交媒体使用状况，结果发现，抑郁症患者的社交媒体平均使用时长要比普通人高出不少。而哈佛大学的研究则表明，抑郁症患者在社交媒体发布照片时更倾向于应用冷色调、褪色或黑白滤镜。突破不了的伦理关卡目前来看，社交媒体数据对于心理学的作用似乎还停留在学术研究上，在我们的有生之年，可以看到社交媒体数据的心理学应用吗？目前来看，社交媒体数据对心理学至少有以下几种应用途径：1、

有意思的是，国内的一些媒体在进行相关报道的时候，夸大其词地转译了其具有“穿墙透视”的功能。我们需要知道的是，目前热成像仪还无法突破墙体去探测人体发出的辐射，因此“穿墙”一说，噱头的成分更大一点。

而这样产生的结果，自然是数据资源和云计算、云储存技术的匮乏。一份来自台湾自由撰稿人雁默的调查显示，两百多家台湾企业中有三分之一根本没有上云计划，另外三分之一计划了上云却没有明确的时间规划。

对于AI加入手机这件事，或许一个十分值得兴奋的点在于，AI的主要能力之一在于识别和理解图像。换言之，通过识别后的图像信息自动触发功能对应，或许意味着可以把无知的直男们解放出来。比如谷歌的Pixel

而这对于平台和C类店铺卖家个人来说，都是最具性价比的方法。挖掘数据带来好处更具普适性，C店电商本该是物种丰富的，平台不能插手其中作物的生长，但有了数据作土壤，会让整个生态更加繁茂。