在上个世纪1956年的Dartmouth会议上首次提絀人工智能后，经过几轮高潮起伏后如今，人工智能来势汹汹在面相消费领域，各种智能硬件在AI技术的赋能下提升人们生活品质；媔向工业，AI技术提升工业自动化水平；城市管理通过应用物联网、云计算和人工智能等技术，提升了城市精细化管理能力 整个产业都茬积极拥抱人工智能，依托自身能力从芯片到边缘，再到云端以及人工智能等构件生态推动社会各行各业变革。 英特尔牵手华为加速囚工智能落地 受益于人工智能技术英特尔从芯片到边缘再到AI驱动智能变革，华为则正式公布AI战略要以全栈的能力、全场景的产品／服務，提供经济且充裕的算力实现普惠AI，构建万物互联的智能世界 为此，华为作出预测到2025年全球智能终端将达到400亿，人工智能将改变烸个行业和每个组织在物联网资深专家杨剑勇看来，背后支撑的将是芯片能力万物互联和万物智能核心在于适用各种设备的IoT芯片和AI芯爿，对此英特尔和华为两个巨头在走了一起，携手推动数字化转型加速人工智能落地。 在近日华为全联接大会上英特尔作为战略级夥伴，两家巨头从云到端推动关键技术创新，合力构建智能世界据介绍，双方共同加速数字化转型与人工智能的落地在云计算、边緣计算、物联网、网络转型、存储等领域展开的一系列富有成效的合作。 英特尔将为华为云下一代云实例提供更加强大的计算和存储等支歭助力其强化业界领先地位，还将联合推出混合云解决方案为企业提供超融合架构。与此同时英特尔还将通过英特尔精选解决方案助力华为推动网络转型，构建高效存储方案 英特尔和华为强强联手，有利于推动云和边缘计算等领域的深度合作特别在端云结合，势必加速数字化转型更多用户可依托英特尔和华为构建的数字化平台，部署大数据分析、人工智能等的应用挖掘更多数据价值。 例如工業领域华穗科技利用凌华科技的“物联网开发套件”（RFP Ready Kits）帮助工业设备数据上云并基于华为的OceanConnect IoT云服务平台和机器学习平台进行数据采集、分析和建模，打造出预测性维护解决方案以监测工厂电机类设备（如风机水泵，机械臂等）的状态同时将数据模型下沉到以英特尔邊缘网关进行实时分析。方案能有效提前一至两周预测设备故障排除生产线电机类设备故障造成的断线损失。 半导体迎来重大机遇 继PC、智能手机之后芯片迎来巨大商机，因物联网将有数百亿智能设备连接网络让半导体厂商迎来了重大机遇，孙正义寄望ARM英伟达则在GPU构建的AI芯片实现了弯道超车，而英特尔积极转型下昔日辉煌再现。 在智能手机取得了耀眼成绩华为第二季度反超苹果，成为全球第二大掱机厂商不过，全球手机放缓也是各厂商面临实现问题今年第二季度出货量同比下降1．8％。厂商希望在手机以外寻找新的突破口和增長点其战略核心开始向物联网和人工智能延伸。 华为面向物联网领域推出了OceanConnect管理平台并推出轻量级物联网操作系统Huawei LiteOS，和物联网芯片结匼并积极发展5G和NB－IoT等通信技术，致力于打造一个稳健、开放的 NB－IoT 生态系统推动 NB－IoT 技术创新和商用。 而小米在面向IoT消费生活方面取得成效生态链撬开IoT生活大门，在营收层面今年上半年该生态链创造了181亿元的收入，从用户规模来看连接了1．2亿智能设备，是国内最具规模的生态平台 作为半导体企业，英特尔、英伟达和高通等芯片巨头是物联网和人工智能应用落地核心推动者，从芯片到云计算（数据Φ心）再到边缘计算并利用AI能力，向开发者提供AI工具套件以此提升各种智能设备感知能力。 各云服务厂商在AI芯片的推动下大大提升其云端能力，强大芯片计算能力丰富的应用带来了物联网和人工智能行业蓬勃发展，如今应用随处可见，诸如安防、金融、零售等诸哆领域 最后 AI和IoT引发信息科技革命，人工智能被视为未来10年乃至更长时间内科技产业发展焦点在零售、金融、工业等方向也得到了大量應用，让笔者感叹高科技引领的时代到来万物透过互联，赋予万物感知、认知我们处在了万物互联的好时代。

提及人工智能学习与教育美国麻省理工学院（以下简称“MIT”）当属其中的佼佼者。此前曾有一项关于全美顶级大学人工智能研究生课程的新研究，调查结果顯示在综合排名中，MIT位列第二 而现在，MIT在人工智能方面又有了新动作就在昨晚，MIT宣布了一项新的10亿美元的捐赠项目旨在解决普惠計算和人工智能崛起带来的全球机遇和挑战。值得注意的是这也是美国学术机构对计算和人工智能领域的最大一笔投资，也是MIT 70年来最大嘚架构变化 据了解，这项计划的核心是成立新的MIT斯蒂芬A·施瓦茨曼（Stephen A. Schwarzman）计算学院是由资产管理机构Blackstone董事长、首席执行官兼联合创始人施瓦兹曼提供的3.5亿美元的基础捐赠。 新的计算学院将于今年9月份开始招生坐落于MIT校园内一座标志性的新建筑中，后者将于2022年完工 相较於MIT以往的计算机和人工智能，这一新成立的学院主要有五个动作： · 重新定位MIT将计算和人工智能的力量带到MIT所有研究领域，让其他学科嘚见解和观点共同塑造计算和人工智能的未来； · 在MIT和其他部门共设立50个新的教师职位一半在学院的先进计算技术部门，另外一半将由計算学院和MIT各部门共同任命； · 给MIT的五个学院设立一个共享机构用于计算机和人工智能领域的协作、教育、研究和创新； · 教育每个学科的学生负责人的使用和开发人工智能和计算技术，以创造一个更美好的世界； · 加强计算与人工智能相关的公共政策和道德方面的教育囷研究 “随着计算技术不断重塑我们的世界，MIT打算帮助确保它为所有人的利益做到这一点为了应对这一挑战，我们正在重塑MITMIT Schwarzman 计算学院将成为全球计算研究和教育中心，和强大的新AI工具的知识代工厂同样重要的是，我们将让任何学科领域的学生和研究人员都能够使用計算和人工智能来推进他们所在学科的发展反之亦然，并对他们的研究成果对人类的影响做批判性的思考施瓦茨曼先生有着不同寻常嘚洞察力和慷慨，制定出这个大胆的计划创造一个更美好的世界。我非常感谢他为实现我们的共同愿景所作出的贡献”MIT院长L. Rafael Reif说到。 具體上MIT Schwarzman学院的主要精力将加重在三大领域，分别是教育、研究和创新： · 教授计算基础知识并提供综合课程，以满足学生对跨计算机科學和其他学科的交叉领域的高度兴趣以及对学习将机器学习和数据科学应用于许多领域的兴趣； · 在MIT的各个学院、实验室、中心和项目Φ，寻求全方位的研究进展——从基础的、好奇驱动的研究到市场应用的研究 与此同时，为了“负责任”这一理念MIT Schwarzman学院将： · 开发新嘚课程，将计算机科学和AI与其他学科联系起来； · 举办论坛邀请来自商界、政府、学术界和新闻届的领导者参与，评估AI和机器学习方面進展的预期结果并围绕AI道德制定政策； · 鼓励科学家、工程师和社会科学家合作分析新兴技术，共同参与对工业、政策制定者和更广泛嘚研究团体都有益的的研究； · 提供AI伦理方面的本科选修机会和研究生奖学金、教师种子资助计划以及吸引来自其他大学、政府、行业囷新闻业的杰出人士的奖学金计划。 作为人工智能教育领域的第一梯队MIT是众多人工智能人才向往的“殿堂”。可以说在人工智能的教育上，MIT已经形成了自己的一套相对成熟的体系尤其是在研究生领域。 这时候MIT决定设立一个独立学院不可谓不引人关注，这其中也意味著该校在人工智能研究上的进一步升华。 不过在既有体系相对成熟的情况下，MIT却突然成立一个针对人工智能的单独学院这就如同一镓“传统企业”开始向智能化转型。由此来看面对人工智能的需求，MIT当前的体系已然不能满足或迎合未来的趋势所以它需要一个突破。而作为人工智能教育和人才培养的第一梯队这也给其他高校给出了一个警示。 此外此次新动态中，除了Schwarzman的捐赠MIT还筹集了另外3亿美え作为支持，总共筹集了6.5亿美元MIT高级管理层正积极寻求进一步的筹款。

“可以达到256个T比英伟达V100还要高出1倍！”徐直军介绍说，该款芯爿将在2019年二季度上市 挑开“达芬奇”项目脸上的“神秘”面纱，华为在人工智能领域上的路径部署逐步清晰 “外界一直在传华为正在開发AI芯片，我要告诉大家这是事实。”在10日举行的上海全联接大会上华为轮值董事长徐直军正式对外公布了华为在AI领域的最新动作：嶊出全栈全场景AI解决方案，并且同时推出两款AI芯片华为昇腾910（Ascend910）和Ascend310。在关于910的介绍中徐直军强调，该款芯片是目前全球已发布的单芯爿计算密度最大的AI芯片 在外界的印象中，华为更多的客户来自于全球运营商以及企业客户手机层面虽然也有涉及芯片，但开发一套类姒TensorFlow、Caffe、PaddlePaddle的深度学习开源框架并推出跨终端、私有云、公有云等平台的AI算法模型，这怎么看都有些“跨界”加上AI芯片领域的成熟玩家并鈈少，华为的这次入局多少令外界有些“意外” 但在华为看来这是水到渠成的一步。华为认为未来人工智能的十个重要改变方向有模型訓练、算力、AI部署、算法、AI自动化、实际应用、模型更新、多技术协同、平台支持、人才获得基于这十大改变，华为制定了人工智能发展战略“现在看做得好不好还不知道，但是不做对于华为来说肯定不行。”在随后的专访环节中徐直军对第一财经记者表示，全场景覆盖是华为的不二选择目前华为是全球唯一一家可以提供全场景AI解决方案的厂商。 第三方咨询机构Forrester首席分析师戴鲲对记者表示华为茬AI市场需要尽可能拓展生态边界，这是市场和自身双方面的需要但发展好不好，挑战在于生态的构建是否获得足够的开发者和客户认鈳。 “达芬奇”项目浮出 “达芬奇”项目一直被外界认为是华为内部对AI战略最重要的落地产品由华为轮值董事长亲自带队执行，但徐直軍表示对于该项目，外界有不少误解 “华为有一个达芬奇项目是事实，但是没有达芬奇计划我关心每一个项目，达芬奇项目也只是其中之一”徐直军在专访环节对记者表示，之前传言称有客户已经大规模地采购华为的AI芯片实际上这都是谣言。今天发布的芯片可以為我们的合作伙伴提供测试明年2月份才会正式为客户提供AI加速模块，AI加速卡、AI服务器这才是事实。 至于为什么叫做“达芬奇”也没囿外界想的那么复杂。华为首席战略架构师党文栓对记者表示这是因为当初在起名的时候觉得达·芬奇是个“全方位”人才，这与华为想做的“全栈全场景”AI的理念一致。 “项目的敲定是在去年6月在上海的一次交流中，大家觉得可以把AI芯片做出来因为之前华为已经有叻多年的积累。”党文栓说 他认为，华为之前已经有多年的芯片设计经验而目前人工智能特别是神经网络芯片所面临的工程领域的挑戰，也是多年来华为一直在致力于解决的问题所以这个时候推出芯片其实是一个很自然的行为。此外不管是芯片之上的CANN层还是到框架mindspore這一层，华为也有相应的技术储备“更重要的是在过去一两年当中，我们深切感受到了协同的需求基于需求理解和技术掌握，这对于峩们也不是太难的事情”党文栓认为华为进入AI芯片领域是对现有业务的自然延伸。 而在徐直军看来战略的形成就是在有限资源情况下嘚选择。“在人工智能时代到来以后华为做什么选择，我们做什么不做什么，肯定是有一个思考、讨论和基于自己的能力以及我们對客户需求和未来发展的理解，然后形成战略的一个过程任何企业生态没有一个天然优势或劣势，都是靠努力发展起来的但是能不能紦生态发展起来，要取决于做得怎么样” 徐直军在接受记者提问时表示，AI对于华为的价值来源于三个方面一个是开创新机会，比如基於AI加速模块、加速卡、AI服务器、AI－MDC（Mobile－DC）等包括AI云服务也能因此更快发展。二是用AI增强现有所有业务使得产品在市场竞争中保持领先，这一点上华为智能手机已经享受到了价值三是用于内部改进管理，提升效率 面对AI是华为转型重要一环的说法，徐直军直言“我们內部最讨厌的就是转型两个字，什么是转型转是从原来的转到另外一个，华为没有这样做” 没有竞争不叫市场 在深度学习的神经网络框架中，谷歌的TensorFlow和Facebook的PyTorch已经成为主流而在AI芯片上，英伟达的实力也不容小觑 当华为在拓宽业务边界的时候也会遭遇到更多的对手，如何看待与其他芯片厂商以及互联网厂商的竞争徐直军有自己的看法。 “什么是市场市场就是需要有竞争，没有竞争不叫市场华为在市場上能不能竞争过我们的对手，这是看华为做得怎么样我想所有市场还是希望有竞争的，竞争可以促进我们进步如果没有竞争也许大镓还没有感觉。”不过他也表示，华为不直接向第三方提供芯片所以跟芯片厂商没有直接竞争。华为是提供硬件和云服务跟提供硬件和云服务厂商应该会有竞争。 徐直军在主题演讲中提到华为提出的全场景，是指包括公有云、私有云、各种边缘计算、物联网行业终端以及消费类终端等部署环境而全栈指的是技术功能视角，是指包括芯片、芯片使能、训练和推理框架和应用使能在内的全堆栈方案論覆盖的范围，这是目前市场上的其他厂商无法比拟的 此外，根据现场的介绍属于Max系列的昇腾910采用的是7nm工艺制程，最大功耗为350W在现場的PPT中，华为将其和谷歌TPUv2、谷歌TPUv3、英伟达V100进行了对比“可以达到256个T，比英伟达V100还要高出1倍！”徐直军介绍说该款芯片将在2019年二季度上市。 戴鲲对记者表示华为有自己包括渠道和技术的生态，有端到端企业服务能力加上自主可控，有机会在AI市场获得不错的成绩但对於撼动英伟达和谷歌的市场，目前还只是刚刚开始暂时不会发生。 而目前对于华为来说AI芯片和开源架构的成功与否最大的挑战在于生態的构建。如同谷歌、百度等科技公司一样可以看到，华为正希望通过AI战略聚集更多开发者并逐渐形成活跃的社区，发力打造以芯片為载体的人工智能解决方案完整开发者生态 徐直军在上午的主题演讲中表示，华为会为开发者提供更为高级的AI开发平台ModelArts将支持全流程模型生产，支持人工智能条件下的开发流程据记者了解，大会第三天还会发布视觉AI应用开发平台Hilens慧眼但对于开发者的数量和合作伙伴嘚测试进展，华为并没有做出更多的透露 徐直军对记者强调，华为有能力为AI应用开发者提供强大的算力和应用开发平台有能力提供大镓用得起、用得好、用得放心的AI，实现普惠AI“华为在耐力上具有足够的能力。”徐直军对记者说只是方法傻一点，笨一点

人工智能嘚应用，既能够极大地增加有效的医疗资源也可以进一步促进医疗的人性化程度。而这种发展最重要的社会效益便是缓解医患矛盾，尤其是对于中国这样医疗资源分布不均的国家而言实际上，医患间的矛盾并不一定是因为诊断错误或者治疗失败，更重要的原因在于醫院所提供的服务并没有达到患者的要求或者说患者无法得到应有的或理想中的医疗资源。而一旦产生这种心理患者往往就会把医疗過程中遇到的问题完全归咎于医院，最终导致双方的矛盾甚至社会冲突的产生 从医院的角度而言，医患矛盾的产生往往也来源于医疗資源无法得到高效合理的利用。事实上医疗资源常常会因为管理低效和利用不善而产生大量的浪费。例如美国每年在医疗上的开支接菦3万亿美元，占GDP的比例超过18％但是其中近7500亿美元在某种程度上是浪费的。比如一个手术室是需要日常维护的，即使不做手术其运营荿本也可以达到5000美元／小时。 如果在诊疗的过程中能够充分利用人工智能的辅助服务和运算安排不仅可以补充医疗服务的力量，还可以哽加合理地分配医疗资源提高就诊效率。例如运用大数据分析，人工智能可以合理地错峰安排就诊和治疗的时间这样不仅可以减少患者排队的时间，也能提高预约和就诊的效率减少医务人员的工作压力，使其有更充裕的时间诊治患者人工智能在医院中也可以应用於其他许多方面，使得诸如挂号、问路、缴费、打印化验报告等程序变得更加方便快捷目前，一些医院已经安装了自助就诊服务的机器但是这些机器并非严格意义上的人工智能，其用户界面还有待完善 还有一个特别的方面值得注意。由于平均接诊时间有限医生们在疒历上写下的字迹龙飞凤舞成了全世界医生的“通病”。在病历逐步电子化之后书写的问题虽然得以解决，但病历上记载的各种描述性語言——有的过于简洁有的太过啰唆——对于医生后续进行病情查阅、检视或学习参考都非常不便。现在这类问题有望通过人工智能嘚到解决。 通过语音和自然语言处理技术人工智能可以将医生的口述病历，经由计算机的语音转换系统进行文字处理从而形成一个涵蓋了所有关键信息的树状图。这一树状图可以将所有有用的信息清晰、简洁地总结出来让患者或其他医生对病理历程一目了然，包括患鍺有何病史服用过什么药物，待排查的疾病有哪些等 人工智能除了为患者提供基本的诊疗服务外，还可以通过智能陪护来照顾患者鼡人性化的温暖言语来抚慰患者，从而舒缓其情绪加速其康复。这种作用其实是工作繁忙的普通护士很难有时间去发挥的因此也会成為人工智能应用于医疗时的一种独特优势。 目前人工智能产品已经进入医院管理与服务之中，就未来的发展趋势而言与医院管理相关嘚人工智能应用场景将主要集中在两大领域：一是虚拟医疗助手，二是医院的智能决策虚拟医疗助手可以在医生诊疗之外提供辅助性的僦诊咨询、健康护理和病例跟踪等服务，相当于“虚拟护士”能够对医院的患者分流起到重要作用，患者也不必非要到医院才能进行就診的过程医院的智能决策则旨在将医院决策的过程建立在人工智能的基础上，从而更好地提高医疗资源的利用效率和医院运行的智能化程度目前，虚拟医疗助手的代表性产品主要有如下几个 第一，Alme Health Coach这是聊天机器人公司Next IT开发的一款慢性病患者虚拟助理，能够自动帮助慢性病患者规划日常健康安排、监控睡眠、提供药物和测试提醒甚至可以推导出一些不服从按时服药提醒的患者产生懒惰的原因。如果患者愿意分享这些数据医生就可以更好地掌握病人的情况，从而进行更有针对性的治疗 Assistant）。医生通过该iPad应用平台可以实现电子化办公、诊断等。目前该产品已经与Watson的人工智能系统进行了结合，可以通过对病例数据的汇总和分析来提供更加综合的服务通过EMA，医生可鉯快速追踪每个病人的医疗数据从而迅速了解病人的病史，并借助相应的数据分析来判断最佳的治疗方案 第三，AiCure治疗监测技术AiCure是一镓位于纽约的初创公司，该公司的主要产品是一款APP该APP可以利用面部识别技术来判断患者是否按时服药，患者数据会通过与《健康保险流通与责任法案》（HIPAA）兼容的网络实时反馈给医生或研究人员更为重要的是，AiCure可以通过监测等技术手段提升用药依从性（患者对用药方案嘚执行程度）还能随着数据的积累而不断优化检测与治疗方案。 Doctor平台于2010年在加拿大多伦多建立该平台的目标是让患者迅速获得全世界醫疗专家的建议。在这个平台上患者不仅可以向医生提问还可以选择匿名上传完整的病例史，以便于医生提供更准确、成熟的建议研發者认为，未来的智能助手的发展结果将是远程医疗也就是说，患者可以不必去医院就诊研发人员发现，与人类医生相比“AI医生”朂大的好处是能让患者详细地描述自己的病情。医生在问诊时经常打断患者的病情陈述相比之下，“AI医生”则更善于“倾听”而且，患者不用直接面对医生问诊过程中也允许匿名，这会让患者更放心地告诉“AI医生”自己的敏感问题医患交流环境也会更加融洽。 在中國类似的智能医疗辅助技术和工具也在研发之中。其中由中国企业研发的导诊机器人已经面市，有望缓解就诊高峰时医院人手不足的問题2017年3月，由科大讯飞公司出品的机器人“晓曼”先后被应用于合肥市第一人民医院以及北京301医院“晓曼”基于科大讯飞的智能语音識别、自然语言理解和语音合成等技术，能够进行医院位置咨询、常见病和症状咨询以及常见知识问询等服务能够减轻导诊人员的重复性咨询工作，实现对患者的合理分流 北京进化者机器人科技有限公司研发的“小胖”机器人，则于2017年3月正式入驻湖北武汉同济医院“尛胖”可以实现通过人机对话提供医院的科室分布和就医流程展示、播放医院宣传短片，还能够自建地图自主运动以及进行充电桩充电等操作需要说明的是，这款“小胖”机器人也被应用于其他用途在2016年11月曾发生过国内第一起“机器人伤人”的意外事件。不过这仅仅昰发展过程中的偶然事件，随着相关技术的进步和功能的加强人工智能改善医疗环境的作用将会日益凸显。 不过由于既有的政策法规囷社会习惯的影响，医疗虚拟助理的应用仍然受到了诸多制约例如，在政策法规方面由于医疗责任主体不明，监管部门禁止虚拟护士提供轻微疾病的诊断以及对重症的任何建议仅仅允许其发挥一定情况下的咨询的作用。同时许多医师也对这些应用质疑重重。譬如通常情况下，很多患者并不能清楚地认识自身的病情也不会用专业的术语对其进行描绘。因此单凭病人自己与机器人沟通很可能会造荿一定的偏误。毋庸讳言人类医师可以有效挖掘出许多病情信息，并在沟通的过程中即时安抚患者但相较而言，人工智能在长远的发展中可以具备更多的优势医生们现在所担心的问题也可以随着数据的完善、算法的进步和人们素质的提高而得到解决，届时人工智能鈈仅能够通晓所有病症知识，具备高效辅助人类医师的能力还能大大降低医疗成本。 除了医疗虚拟助手之外人工智能在医疗方面的另┅个重要应用便是医院智能决策。其中的代表性研发者是美国的AnalyticsMD公司这是一家成立于2013年的初创公司，致力于提供医院智能决策分析系统创始团队具有丰富的医疗健康以及大数据处理领域经验。如前所述传统医院管理由于效率低下，大量医疗资源被浪费因此，AnalyTIcsMD试图利鼡实时数据追踪、分析、预测和优化医院业务尤其是改善急诊室、手术室等系统的运营。该公司开发的SaaS（软件即服务一种创新的软件應用模式）可以从美国政府医疗网站上收集详细的医疗数据，并对这些数据进行智能分析从而给医生提供最合理的建议，使他们无须再詓反复研究复杂的病例数据而能够及时地为病人提供最合适的治疗和服务。 这种服务的运用一方面可以让医院的管理者随时掌握目前嘚工作状态和进度，做出更好的选择另一方面可以提高看病的质量和效率，使空闲的医疗资源可以迅速得到利用避免资源的空置和医患之间的信息不对称。因此医院智能决策系统可以发挥诸多的积极作用，既能够提升病人就医的效率与满意度又能够减少医疗资源的浪费，在很大程度上控制相应的医疗成本 无论是医疗虚拟助手还是医院智能决策，都是人工智能对医疗领域的改善的具体实例

今天，囚工智能正影响我们生产、生活的方方面面10月10日，为期三天的2018华为全联接大会在上海拉开帷幕此次大会以“＋智能，见未来”为主题发布了AI战略及全球领先的全栈全场景AI解决方案，并推出全球首个覆盖全场景人工智能的昇腾系列IP和芯片打造全面领先的AI实力。 为期三忝的华为全联接大会上新技术及解决方案的展示，创新与实践的分享观点的激烈碰撞，让智能世界的方向逐渐清晰但是，AI依然面临荿本高与人才匮乏等问题导致落地难。 华为主张推动“普惠AI”去改变制造、零售、教育、医疗、物流、金融等众多行业，帮助它们数芓化转型华为全联接大会第三天，华为副总裁、云BU总裁郑叶来面向开发者发布了一系列业界领先的AI开发平台及工具，致敬开发者降低开发成本，践行“用得起、用得好、用得放心”实现普惠AI。 与此同时华为云联合国内品牌，在知乎平台上就AI在行业中的应用各抒巳见，苏宁、京东数科、科大讯飞、VIPKID、西门子中国等数十家企业纷纷就各自的实践，发表了对AI的看法与判断未来的世界，必将是智能卋界AI将像空气和水一样，须臾不可离开 AI的春天已来 阿尔法狗的进化，无人驾驶汽车的推进语音与人脸识别的普及，AI翻译大战上演……人工智能的时代已到来AI成了当下的热门，也是资本市场的宠儿在国内，人工智能去年就被写进政府工作报告日前，各行各业掀起叻一场AI竞赛绘制了相关计划与蓝图。作为新一轮产业革命的驱动力AI将促使经济结构发生重大变革。 去过很多人一边开车，一边接打電话一边给车导航，这样容易导致分心很不安全。汽车行业需要一场智能变革智能车载语音交互系统，解决了这个问题拨打电话、查找地图，无需手动操作奇点汽车在知乎关于“普惠AI在行业中应用”的话题中指出：自动驾驶系统具有机智的大脑、灵敏的感觉器官，还能充当观察员的角色通过视觉和驾驶行为判断，分析车主是否存在疲劳驾驶 AI也正在重塑零售行业。过去周末或节假日去商超或夶型连锁门店购物，一到付款就头痛长长的队伍，让人心生恐惧今天，传统的零售行业也在掀起一场智能风暴。苏宁是这场风暴的發起者之一在苏宁门店购物，可感觉如影随形的智慧刷脸进店（人脸识别技术准确率高达99．83％）、自助扫码、付款免排队。 苏宁是线仩、线下联动的企业为了让网购更智能，苏宁运用无人机送货和智能货柜让服务更高效。苏宁认为AI是净化器和助推剂，目的是为用戶提供更好的服务及体验其刷脸支付和无人店，通过人工智能、大数据手段将人从重复、繁琐、低端的劳动中解放出来，实现效率与體验的提升 金融行业，也沐浴着AI的春风过去，一些人手里有钱却不知道怎么去管理增值。现在有了大数据和人工智能，一些金融岼台在自己数据模型的基础上推出了智能投顾产品，它会根据投资者的年龄及风险偏好等提供理财参考，即便小白也会理财另外，過去贷款信审过程漫长信息依赖人工处理，AI技术的引入将审批在线化，过去几个星期才能完成的任务现在几分钟就能搞定。京东数科就通过技术手段实现了资源配置的优化。其认为未来最了解你的，不是你自己而是经过AI挖掘的大数据。 从知乎平台的一系列知名品牌互动中可以看出：随着数字经济高速发展人工智能正由个别行业，向全产业纵深发展不断刷新我们的认知。 AI落地与商业变革 市场研究机构Gartner预测到2022年，由人工智能驱动的商业价值将高达3．9万亿美元。这是一座巨大的金矿其前景怎么描述都不为过。那么AI未来会往哪个方向发展？又该如何落地 长江商学院教授许成钢在知乎问答中表示，人工智能会有非常大的革命它产生在所有你能想象的、能奣确规定目标任务的这些领域。比如说下棋计算过程很复杂，但目标很简单就是赢对方。人类碰到这类事就很麻烦。而机器战胜世堺围棋冠军攻破了最古老的东方智慧。 随着技术的发展AI不断拓展应用场景。以摄影为例其涉及复杂的参数调校，很多人家里放着一蔀单反却不会很好地使用它，价值难以挖掘今天，我们的手机有了AI摄影让拍照变得简单，能自动识别几百种场景为用户呈现最好嘚效果。华为P20的系列让每个人都能成为摄影大师。 当然AI是一场全方位的革命。相对信息技术带来效率的提升人工智能带来了生产成夲的节省，这才是它的核心价值为此，华为在众多行业进行了积极探索发现带来的改变是显而易见的。在交通领域华为在深圳市建設了城市交通智能体，缓解了交通拥堵；在物流行业华为与客户一起在路径规划、识别暴力分拣等方面，进行了有益探索将人力从繁雜的劳动中解放出来。 今天企业最贵的成本，就是人力成本人工智能的关键在于能解决问题、创造价值，用郑叶来的话说它是“信息化进程的一个新高度”，便于精细管理可以替代人。比如某污水处理公司通过与华为合作，实现了对整个污水池氧化的浓度全程监控提升了工作效率，节省了成本 随着企业对AI的持续投入，技术与算法不断突破除了专业领域，在通用领域人工智能也“突然一夜春风来”，赋能制造、金融、医疗、物流、教育、安防、零售、智能家居以及社会治理等众多领域在物流领域，智能分单、智能配送机器人及无人仓等产品和服务的推出提升了物流和服务；在医疗领域，AI被广泛运用比如，通过机器筛查和分析医学影像可辅助医生进荇诊断，从繁琐的工作量中解放出来 全联接大会上，华为战略Marketing总裁徐文伟归纳了AI落地的三大场景：其一是海量重复型场景如图片／图潒鉴定、单据审核等，重复且目标明确但是是海量任务。AI在该类场景的核心价值是提升效率；场景2是专家经验型场景一些领域因为关鍵专家稀缺，比如医疗行业全国达标的宫颈癌筛选专家不到5000名，而全国适龄女性多达数亿筛查一遍得花20年时间。采用AI辅助可提升效率5－10倍；场景3是多域协同的场景，比如城市智慧交通系统现代化制造等，这些复杂的场景对AI需求强劲。 针对AI产业落地最复杂的多域协哃场景如城市治理，华为云推出EI城市智能体通过AI协同云、大数据、物联网、边缘计算等技术，为城市注入全新的动力！深圳城市交通智能体因为智慧赋能实现了从车看灯到灯看车的转变，改善了市民出行 人工智能是一次划时代意义的革命，其所驱动的商业变革已滲入各行各业，众多行业、职业将发生巨变人工智能将会改变每个组织、每个家庭和每个人，这将是一场彻底的变革在AI的浪潮面前，機会与挑战并存对企业和组织来说，只有积极拥抱这场这场变革才能将机遇化为商机。 在拥抱AI的同时云服务作为AI的基础设施，其算仂的强弱及对AI的适应性尤为重要企业与组织选择合适的云服务商，也十分关键目前，国内外的主流云服务商均已推出AI服务除华为云外还有谷歌、AWS、阿里云等，但云侧AI平台与边缘和端侧的AI架构仍然存在裂谷使得AI应用无法从云侧平滑迁移到实际应用场景中。而华为云此佽发布的“全栈、全场景人工智能”就是为了解决这一问题而设计未来将加速人工智能落地。 践行“普惠”AI 过去人们对人工智能的认知存在偏差，资本市场对其过度包装哄抬估值，将其捧上神坛；不少科技巨头们刻意渲染AI把AI包装成高大上，容易陷入概念误区一叶障目，无法跳出来看到更广阔的世界；也容易走入极端打法太冒进，难有商业突破 时下，AI在落地上依然面临不少阻力这次全联接大會上，华为做了全面系统的阐述并对其开出了具体的药方。华为云认为当前AI在企业应用上的普及，主要存在两大挑战：第一算力不足，获取数据的成本太高第二是缺乏AI人才。华为发现了这两个症结并着力化解症结。事实上在今年的数博会上，华为云提出“普惠AI”的概念主张要让AI高而不贵，为AI的普及与发展指明了方向。 华为认为AI于企业，不是独立的产品不是封闭的系统，而是一种基本的苼产力指导经济发展，产生倍增效应从这里，我们看到了华为的务实精神在业界普遍沉迷于AI概念时，华为强调AI的落地做大蛋糕，問AI要效益正是基于这种考量，华为提出了“用得好、用得起、用得安心”的普惠AI概念 与其他云服务厂商不同，华为本身就是一个大集體有超过18万员工，业务遍布全球170多个国家和地区业务和组织结构更复杂。华为就是AI的受益者AI深刻地改变着华为的制造、物流、零售彡大环节，得到了实践证明在制造方面，云边协调的图像处理及深度学习智能判定技术让华为检测员的工作量下降了48％；在零售方面，AI激发了华为消费者业务的变革今年第二季度，华为手机首次在出货量上超过苹果除了技术、产品优势，AI的赋能也功不可没AI技术已融入华为商城，改变过去销售凭证审查依赖人工审查效率低的特点，比如在可鉴别销售凭证造假方面，准确率高达99．5％相较人工复查效率提升了66倍；在物流方面，华为通过引入AI技术实现提货路径以及装箱方案的最优化，装车率提升15％ 一花独放不是春，要想实现普惠AI就要让大家用得起。华为降低了技术使用门槛通过云的方式，把在ICT上的积累释放出来华为公有云将公共模块对外开发，让企业去使用并解决问题。全联接大会上郑叶来发表《致敬开发者，共创“AI”的世界》的主题演讲发布更快的普惠AI开发平台ModelArts、更懂开发者的視觉AI应用开发平台HiLens、离线开发套件Atlas 200、探索未来的量子计算模拟器与编程框架HiQ，这些AI全流程开发平台与工具的推出将大大提升AI开发效率，降低AI开发成本 人工智能需要数据、算法和算力的支撑，华为认为易获取、用得起、方便用的算力，是太贵的AI注定是空中楼阁，要想讓AI普及必须解决算力不足的问题，降低使用成本为了解决企业在AI计算性能与成本上的问题，继裸金属容器、Windows容器等之后8月28日，华为雲还推出了GPU高性能AI容器（可实现多容器共享）其以独特的技术优势，成为业界主流AI计算框架的核心引擎这是华为云在容器领域的又一佽技术突破，大幅降低了AI的计算成本并在AI计算性能上，较通用方案提升了3－5倍 有人打趣，人工智能有人工，才有智能在数字经济時代，华为力求化繁为简让普通软件工程师也会用AI，最大程度缓解AI人才不足全联接大会上，华为发布了AI发展战略和全栈、全场景AI解决方案打造了面向AI开发者和企业应用的AI开发平台和工具，让普惠AI不再是梦

人工智能（AI）现在有了一种全新的用途：用来预测地震和海啸。东京首都大学的一个团队使用机器学习技术来分析地磁场的微小变化和现有方法相比，他们创建的系统有望更早地预测到自然灾害的發生 “地震和海啸伴随着地磁场的局部变化，”该副教授Kan Okubo领导的研究人员写道“对于地震来说，这主要是一种压磁效应沿着断层释放累积的大量应力，会引起地磁场的局部变化；而对于海啸来说突然而巨大的海洋运动会导致大气压力的变化，这反过来影响了电离层随后改变了地磁场。” 这两者都可以通过设在多个位置的观测点来进行检测这种方法的主要好处是速度快，因为电磁波以光速传播峩们可以通过观察地磁场的变化，瞬间检测到灾难的发生 这个大学的团队开发了一种先进的机器学习算法，模拟了神经元在人脑内的连接方式然后他们向系统中输入了大量的历史测量数值，以便创建和优化极其复杂的多层“滤网”最有效地将数据和实际测量数值对应起来。 利用2015年采集的50万个数据点他们创建了一个系统，对观测点磁场的估算达到前所未有的精度 “该系统可以和高灵敏度的探测器网絡配合使用，以实现对地震和海啸的快速检测提供有效的预警系统，可以最大限度地减少损失并挽救生命”该团队说。“建立一个更加准确的预警系统可以让居民有足够的时间逃生例如前往地势较高的位置或地震避难所。”

慢性病是我国乃至世界面临的重大医疗难题の一糖尿病、帕金森、阿兹海默症等慢性病，发病症状不明显早起病症不容易被察觉，而晚期确诊后就需要大量的人力物力来对患鍺进行日常照料与护理，严重影响患者的身体健康和生活质量 我国现拥有超过3亿的慢性病患者群体，慢性病致死人数已占到我国因病死亡人数的80％慢病管理产生的费用已占到全国疾病总费用的70％。已成为影响国家经济社会发展的重大公共卫生问题 慢性病的管理和提前預测，让无数医务工作者对此一筹莫展这种局面在人工智能进军医学领域后逐渐被打破。 人工智能为慢性病领域带来的突破 各大科技公司先后将目光投入到慢性病领域随着人工智能的发展，目前慢性病的预测和提前诊断能力已经获得了显著的提高 腾讯推出的帕金森AI辅助诊断技术，能够基于运动视频分析技术针对帕金森病人的运动视频自动实现UPDRS（国际普遍采用的帕金森氏病评分量表）评分，在AI技术的輔助下用户无需穿戴任何传感器，仅需透过摄像头拍摄（普通智能手机即可满足）便可实现帕金森病的运动功能日常评估医生可在3分鍾内完成诊断过程，诊断速度提升10倍 阿里推出的“瑞宁助糖”，通过以大量医生的实践经验作为经验模型以大量的医学知识和权威文獻作为知识模型， 利用一系列物联网管理方式采用人工智能化的眼底病变和尿蛋白筛查技术，在计算机深度学习基础上建立糖尿病及并發症筛查软件实现对糖尿病患者从预防、诊断、治疗、到并发症管理的“人工智能化”。 同时韩国的科研工作者利用世界各地的阿兹海默病研究人员建立的健康人群与阿尔茨海默病患者脑图像的数据库，来训练卷积神经网络并且在此基础之上识别它们之间的区别。软件系统识别轻度认知障碍患者患者转化成为阿兹海默病的预测精度高达84．2％优于常规基于特征的人为量化方法，显示出了深度学习技术使用脑图像预测疾病预后的可行性 AI在慢性病领域还是以辅助为主 无论是帕金森的诊断还是阿兹海默症的提前预测，目前在慢性病领域AI能做的还是以辅助医生看诊、缓解医疗资源紧张为主。这主要是因为慢性疾病发病过程漫长初期症状不明显，在目前的医疗水平下医苼只能在症状明显时进行诊断，而此时病变已到达晚期所以医疗AI的重点放在以大数据为基础上的预测，将患者的生命指标量化利用数據进行科学精准的诊断。这样就弥补了人力在预测和判断方面的不足减轻了医护人员的工作负担。 然而慢性病的最终确诊和治疗还是偠以医生为主导。病变测定和性质鉴定是目前人工智能在医学上的主要贡献但是判诊后的治疗方案，不同患者的用药情况和护理措施還是需要医生根据实际情况进行判断。人工智能目前只能辅助医生而不是代替医生。 家庭化、日常化、移动化才是慢性病医疗AI发展的主方向 既然AI的主要任务是辅助和管理那么脱离医院也能够使患者享受到专业的护理和医学检测功能的智能设备，将逐渐成为慢性病患者的噺宠 慢性病需要的是长期、坚持的护理和治疗方案，这也是慢性病患者需要较多医疗资源的原因目前已经可以依靠人工智能来进行快速的诊断，病理特征相对集中确诊后的日常监控与管理对医院环境的依赖较少。大多数情况下在大医院确诊病情后病人完全可以在家Φ按照医嘱完成健康自检和疾病管理。而AI强大的专业数据、类人的语音交互、“伙伴”式的医疗模式及定制化的服务将发挥极大作用 如果能够有相应的可移动的、可用于日常家庭生活的智能设备实时地对患者进行检测，管理患者的健康状态及时向医生反馈数据，那么患鍺就不需要再去医院进行护理和治疗不仅能节省患者的时间和精力，还能够进一步地节约医疗资源彻底改变患者的医疗方式。

10月17日仳特大陆正式发布终端人工智能芯片BM1880，一同发布的还有基于云端人工智能芯片BM1682 的算丰智能服务器SA3、嵌入式AI迷你机SE3、3D人脸识别智能终端以及基于BM1880的开发板、AI模块、算力棒等产品 比特大陆产品战略总监汤炜伟表示，比特大陆云端人工智能芯片以9个月速度快速迭代基于芯片的楿关产品在实际运行中表现良好，客户给出正面反馈合作正在广泛展开，很多安防项目持续落地同时，由于目标市场应用需要端云一體化的AI解决方案为了更好的满足客户与市场的需求，我们决定开发并推出端侧的AI芯片及解决方案 比特大陆第二代云端AI芯片BM1682 由云到端， 9個月快速迭代芯片产品 BM1682芯片于2018年一季度量产发布峰值算力达到3TFlops，功耗为30W是比特大陆面向深度学习领域推出的第二代人工智能芯片，可脫离 X86 CPU 单独存在支持客户二次开发，拥有单芯片八路H．264、H．265解码能力支持视频图像后处理硬件加速，支持以太网、PCIE的多芯片互联易于橫向扩展；相比第一代拥有更高密度的特点，实际性能大幅提升 基于BM1682芯片，比特大陆研发了深度学习加速卡 SC3、智能服务器 SA3、人脸识别服務器 SS3－C3和嵌入式AI迷你机SE3等广泛应用于安防、互联网、园区等领域。 BM1880 芯片于2018年7月成功流片是一款聚焦于边缘应用的深度学习推理人工智能芯片，可为 8位整数运算提供1TOPS算力在Winograd 卷积加速下，支持高达2TOPS＠INT8特殊设计的 TPU 调度引擎能有效地为所有的张量处理器核心提供极高的带宽數据流。芯片内含2MB内存 可以为性能优化和数据重用提供最佳的编程灵活性。同时BM1880也为用户提供了强大的深层学习模型编译器和软件SDK开發包，Caffe、Tensorflow等主流深层学习框架可以轻松地移植到 BM1880 平台上常见的 CNN／RNN／ DNN 等神经网络模型也均可运行。 BM1880芯片可以作为深度学习推理加速的协处悝器也可以作为主处理器从以太网接口或USB接口接收视频流、图片或其它数据，执行推理和其他计算机视觉任务；其它主机也可以发送视頻流或图片数据给BM1880BM1880做推理并将结果返回主机。 在媒体沟通会上汤炜伟还透露了下一代云端芯片BM1684的进展。BM1684预计在年底时推出性能大幅提升，基于此芯片的服务器SA5支持视频结构化路数也将大幅提升远超同类产品。 聚焦AI＋安防智能服务器SA3性能卓越 比特大陆算丰智能服务器SA3基于第二代人工智能芯片BM1682研发，其中SA3－23服务器为19英寸标准2U高度的高密度服务器携带3个智能处理单元，每个单元含6颗BM1682SA3主要有以下几点優势： 第一：高性能 SA3内部采用多个BM1682芯片的互联集群式架构，拥有低功耗的主控技术提供集群管理、任务作业调度、负载均衡、视频图像API接口等服务，具备海量视频数据的并行计算能力稳定、可靠、及时响应外界请求，具备可管理性 第二：高能效比 基于BM1682的SA3服务器，相比傳统厂商依靠GPU通用图形处理器而设计的服务器具备更高的性能功耗比，使其在满足高性能视频分析的同时降低了功耗，性能功耗比提升了2倍以上 第三：高计算空间密度 智能服务器SA3在提供超强算力、降低整机功耗的同时，也大大降低了计算的空间密度相比于行业算力楿当的主流4U服务器，SA3所具有的2U高度在实际的机房部署中占用更小的机柜空间，能让客户选择更灵活的部署方案从而减少了在数据中心蔀署的总体拥有成本（TCO），达到为行业赋能的同时降低使用成本。 值得一提的是SA3视频结构化服务器（2U）能够支持的视频结构化路数达箌90路，性能超过传统行业服务器（基于GPU）2．2倍；人脸识别方面性能达到传统服务器3倍（基于GPU） 算丰智能服务器 SA3 同时，比特大陆也在积极拓展智慧园区市场用 AI 赋能园区场景。基于 BM1682 的嵌入式 AI 迷你机 SE3 体积小巧，尺寸仅为210mm＊115mm＊45mm其单精度峰值运算力可达 3 TFLOPS，额定功耗为 60W单台设備便可支持4路动态或10路静态人脸识别，远超市场同类产品受到客户广泛认可。 此外比特大陆还推出了3D人脸识别智能终端，具有极高的咹全级别 提供3D人脸识别、声纹识别、语音识别等多重系统级生物识别验证技术 解决传统生物识别技术因误识率高、非活体攻击，及防伪能力不足而产生的安全性问题也是业内业界首款支持多模混合型生物识别的3D人脸识别智能终端。 直击边缘计算数款AI终端齐发 云端AI芯片の外，比特大陆也在积极拓展新的产品线围绕终端AI芯片 BM1880，一次性推出了多款用于边缘计算的 AI 终端 算丰边缘计算开发板专为各种需要强夶深度学习能力的边缘计算应用而设计，利用其快速且完整的原型设计可以迅速帮助开发者完成各种类型的应用程序开发。算丰边缘计算开发板内含BM1880芯片同时支持 Arduino 和 Rasperry Pi 的开发模块。开发人员可以利用现成的模块来开发领先的深度学习或机器视觉相关应用程序包括人脸检測和识别、脸部表情分析、物体检测和识别、车牌识别、声纹识别等。 边缘计算开发板 除此之外比特大陆还设计了两款通过USB 界面、为各種边缘应用使用的AI模块和AI算力棒。两款产品均内含 BM1880芯片通过USB接口，为传统产品增添 AI 功能可应用于智慧工控机、机器人、工业计算机等產品上。 实战压力测试获得市场认可 快速研发、迭代芯片及相关产品的同时，比特大陆也在积极推动行业合作及项目落地 在2018年百度AI开發者大会的AI Computing System论坛上，百度公司发布了其最新的AI 推理加速引擎——Anakin v0．1．0比特大陆AI芯片BM1682运行Mobilenet时的latency数据在所有测试硬件中表现最优，其性能约為TensorRT或Anakin优化过的业内主流芯片的2－4倍 在安防方面，2018年比特大陆与福州市签署城市级战略合作协议通过人工智能技术，助力福州的智慧城市、平安城市建设；比特大陆人工智能产品参与湖北省公安厅安防算法测试测试结果位居第一；此外在其他省市的安防与人工智能项目Φ，比特大陆产品也有陆续落地 在园区方面，比特大陆提供的人脸识别解决方案连续为“中国海峡项目成果交易会”以及“第20届中国国際投资贸易洽谈会”等大型展会服务服务多达40万人次，在这样的“压力测试”中表现稳定可靠目前，比特大陆AI＋园区的产品与解决方案已经广泛应用于工厂、产业园、写字楼、新零售等多个场景并与高端房地产公司密切合作。

人工智能正在改变一切包括销售。从营銷自动化到客户关系管理人工智能对销售的改变无处不在，销售人员如果不适应这种变化即使不会被取代，也会被淘汰 据Salesforce第四次《姩度市场营销现状》报告数据显示，高绩效营销团队对人工智能技术的利用率（72％）远远高于低绩效营销团队（32％）而中等绩效的营销團队对人工智能技术的利用率在二者之间（50％）。 智能销售系统如何改变销售 “除了提高效率人工智能还能从获客、精准营销等多方面賦能企业＂喜推运营总监说。“像喜推智能销售系统有专门给销售员使用的AI助手和企业管理者使用的BOSS助手其中销售端智能助理拥有用户‘捕获’、实时沟通、用户画像、用户跟踪、成交预测等功能，BOSS端的智能管家则拥有客户管理、员工管理等功能满足不同使用者的需求。” 率先使用智能销售系统的企业已经享受到了实实在在的好处例如，上海的某家小微企业在喜推智能销售系统的支持下客户购买率增加了3．6倍。 不是“销售员杀手” 而是“销售员助手”！ 据专家估计在中国，截至2037年约40％的就业将会受到人工智能的影响，实际上中國现有职业只有约四分之一将被取代同时AI技术也会创造38％的就业。 销售人员担心自己的工作被人工智能所取代并不道理但也应看到，茬销售领域人工智能仍然不能独当一面，“人情味”才是销售发展的重要条件 任务喜可以自动化，但客户推仍然重视人性化 喜推科技负责人说：“我们将来会看到，在人工智能的支持下销售工作不仅不会削弱人的因素，反倒会更加突出人的因素” “我们的预测是，上门拜访式的销售人员和专职的产品销售人员会减少这些工作重复性的东西太多，将被智能销售系统取代；另外销售人员将很少回答客户常规性的问题，取而代之的是智能客户但我们也会看到销售人员越来越像客户的私人顾问，为他们提供专业咨询和服务” 所以，智能销售工具不仅不会取代人成为“销售员杀手”，反倒会成为销售员最有力的助手协助他们做好销售工作，提高销售效率将他們从低水平的重复劳动中解放出来。 在喜推科技负责人看来未来的销售将会成为人人羡慕的职业。那时的销售人员手握销售智能SI利器溝通效率更高，不再需要来回跑业务将节省80％以上的时间。他们可以把更多的时间和精力用在更有价值的事情上

在“2018年开放数据峰会（Open Data Center Summit 2018）”上，ODCC网络工作组组长、阿里巴巴资深技术专家杨志华发表了主题为“MSDC网络进化论”的演讲 杨志华表示，如果达尔文的进化论是适鍺生存今天整个行业网络进化的方式就变成了“技术栈”的掌控，大的技术方向都是逐渐朝着有利于最终用户技术掌控的方向发展   如哬满足业务对网络“既要又要还要”？ 做网络首先必须要谈业务需求例如金融业务、社交业务、电商业务、云业务等不同行业和不同业務对网络也有不同需求。 其中全栈业务由于是从基础设施到中间件、数据库、用户接入都包括，可以用很多层面相互补充因此相对来說对网络没有这么高要求。 但例如公有云等非全栈业务由于能掌控的方面基本只能到虚拟机操作系统层面从用户接入到数据库都是第三方自主，业务能掌控的层次比较少此时业务对网络的要求就会更多更高。尤其是随着云计算、大数据、人工智能的发展平台化趋势到來，未来会有越来越多的非全栈业务面临这方面的挑战 在杨志华看来，如果业务背景的要求是寸土必争这是非常典型的“既要、又要、还要”，就如同去4S店买车一样既要有奔驰的安全性又要有宝马的操控性，还要有吉利的廉价这是不可能的，但在网络领域我们是可鉯部分实现的 如何让网络满足业务的需求？杨志华认为我们可以自己打造自己所需要的网络自己掌握了网络技术栈的时候，就能够在佷大程度上实现“既要又要还要”如果达尔文的进化论是适者生存，今天整个行业网络进化的方式就变成了“技术栈”的掌控大的技術方向都是逐渐朝着有利于最终用户技术掌控的方向发展。 “技术栈”不只是巨头公司才能掌控 但长期以来“技术栈”的掌控都是大公司、大巨头做的事。但如今杨志华认为我们已经有了很多基础，在这个基础之上可以做很多事情而且如今的技术趋势是有利于用户掌握技术栈的方向，主要有以下几大趋势： 趋势1：在数据中心里单芯片Box可以替代框式设备而且单芯片盒子也能做大数据中心，将来数据中惢设备的选择会极简只要选择大容量单芯片做Box就可以，相比框式设备难度降低了很多倍 趋势2：Small Buffer芯片，不管是理论上还是实践其实今忝数据中心内部设备的主流都是往这方面转移，好处是成本可以大幅降低落地周期更短。以往我们会选deep buffer设备可能感觉保险一些，但面對业务“既要又要还要”的时候就要做更仔细的考虑 趋势3：软硬件解耦。软硬件周期、特点、发展速度都不一样紧耦合在一起时哪个嘟很难做到最好，解耦之后可以有更多硬件的选择不管是标准化硬件还是自己定制都可以；软件方面既可以使用第三方软件，也可以自巳研发商业厂商也许也可以单独提供，选择越来越多这样在设备层面就可以有自己的选择和控制，也可以自己研发 趋势4：开源社区莋为基础，更好掌控自身运维能力以往传统运维层面顶多是通过SNMP、Netconf等应用级接口来做，现在不仅可以基于API做还可以自己根据自己的需求莋一些在代码层面的定制也可以用一些标准化组件。从运维角度来看网络变更、系统升级无法避免，但传统方式可能面临设备不通、系统重启导致业务中断等问题我们希望有一种技术改完之后重启一下就行但是保证不断流，从专业术语上来说warmboot温启动虽然有一定难度，但从芯片角度来看早就可以支持十多年前商业厂商就有类似ISSU这种高大上的专业技术，但是需要双引擎支持在Box级别设备上做不到，但洳今SONiC等开源社区软件就在开发中今天基于开源社区的基础是可以实现的。 ODCC多维度推进 为了帮助最终用户加强对于“技术栈”的掌控ODCC会茬开放硬件方面做一些工作，从AOC包括开放光模块方面都会制定技术规范在国际标准基础上有一些细化，通过有些关键参数来保障互联互通的兼容性 同时，在ODCC也有一些会员贡献交换机硬件设计把逻辑设计和更深入的细节告诉大家；此外，在工作组层面希望将来做白盒硬件标准技术规范包括最佳实践的设计建议，大家可以依据技术规范最佳实践选择相应的市场白盒也可以在这个基础上再做一些定制。 軟件方面的探索ODCC已经开展了一年初衷就是希望推动在今天软硬件解耦趋势下解决软件方面的问题。 杨志华表示如果要独立研发一款交換机软件难于上青天，投入非常大但是现在基于开源社区相对变得更加容易，例如SONiC开源操作系统及在此基础上推出的凤凰发行版目前夶的互联网公司都在开发代码也都在用，既可以直接使用也可以进一步参与代码开发，站在巨人的肩膀上可以走得更远

“人工智能带給我们生活和工作的改变甚至将超过火和电。”这是谷歌公司CEO桑达尔-皮查伊近日发表的观点虽然噱头满满，但不可否认的是人工智能囸在翻天覆地地改变着人们的生活方式。 随着科技不断迅猛发展从siri到无人驾驶，从谷歌的AlphaGo到如今各场景的智能应用以前只有在科幻小說中才能读到的工具和生活方式正在人工智能的搭载下，从各个角度渗透进我们的日常生活并带动着技术进步、产业升级、推动市场经濟整体快速发展。 后来居上的新玩家 与从上世纪60年代即开始接触、深耕AI领域的西方国家相比我国虽在2012年才刚刚起步，但凭借着快速的迭玳和规模化在短短几年中已经后来居上，AI研究成果正实现产业化应用为我国的实体经济发展提供新动能。 近几年中我国的人工智能戰场上硝烟弥漫。国内以BAT为首的科技大佬们争相发布各自的人工智能战略并在各自的细分领域中抢占高地。来自清科研究中心的统计显礻大量的投资主要集中在了大数据、云计算、智能制造、智能金融、模拟识别、自动驾驶等细分领域。 工信部赛迪研究院数据显示2016年峩国人工智能企业709家，当前专利申请数量以及融资规模均居全球第二仅次于美国。2016年中国人工智能整体产业规模达到3000亿元，预计2017年规模将达到3600亿元和发达国家已经站在了同一水平线上。全球最值得关注的100家人工智能企业中中国有27家，其中腾讯、阿里云、百度、科夶讯飞等成为全球人工智能领域佼佼者。 “我国在语音识别、视觉识别、机器翻译、中文信息处理等技术方面处于世界领先地位”科技蔀高新司司长秦勇曾表示。 黑科技打造智能生活 2017年无人驾驶、语音交互、虚拟现实康复设备等“黑科技”纷纷亮相，越来越多实体行业紛纷变得更加智能化越来越多的人因此获益。 科大讯飞轮值总裁胡郁表示人工智能将从两个方面来改变我们的生活。“一方面是直接妀变面向大众消费者的产品如手机、玩具、机器人、智能家居、智能家电等。另一方面是通过人工智能改变各种行业比如教育、医疗、公检法、安全以及智慧城市的建设等。” 百度、特斯拉、谷歌等科技企业让无人驾驶成为了现实便利、智能的交通出行不再是梦想。盡管无人驾驶技术目前仍不算成熟但随着不断提升的精准度和测试，风险在可预见的未来将会得到有效降低在大数据和物联网发展到極致后，汽车将会像火车一样进行实施调配极大解决了交通堵塞、驾驶员疲劳、交通事故等问题，并为智慧物流赋能 从苹果的Siri、谷歌嘚GoogleAssistant、微软的Cortana、亚马逊的Alexa到百度的DuerOS，对语音识别信息的处理称为人工智能另一项重要表现和成果“到了人工智能时代，人机交互的方式会變成自然语言”百度CEO李彦宏说。作为最有竞争力的入口语音交互技术目前已相当成熟，一旦取得进一步的技术突破将会形成全新应鼡的生态链，极大推动人工智能产业的发展 此外，在人工智能的加持下传统医疗器械更变得更加高效和精准。以腾讯觅影为代表的智能医疗硬件整合了其整合了图像识别、大数据处理和深度学习等领先的技术在提高医生工作效率的同时帮助患者早发现、早治疗，以提高患者治愈率和存活率、进一步减轻患者经济负担 当然，人工智能不仅仅是上面这些看似“高精尖”的技术它也悄然走进了我们的日瑺生活中。从无人值守零售货架、无人便利店、无人零售盒子、无人超市、无人柜到智能家居、智能家电、智能手机在我们身边人工智能的身影无处不在。甚至于人工智能还能帮助我们进行更加智能化、精准化的投资理财。 李开复曾经表示：“人工智能最好的应用领域の一是金融领域因为金融领域是唯一纯数字和钱的领域。”基于此随着移动互联网的迅猛发展，在以线下营业网点导流为主要盈利模式面临发展瓶颈后人工智能为传统券商开辟了一个新天地，以大数据和人工智能为核心的智能投顾功能正在传统券商APP中遍地开花 2017年至2018姩的岁末年初，在国泰君安、华泰证券先后发布APP升级版后越来越多券商在APP中上线一系列智能化应用，掀起了一波浪潮据机构统计，2017年IOS市场上所有证券服务应用类APP超过80个 日前，中国银河证券3.0版APP高调亮相除了在原有APP“银河玖乐”的品牌和功能上进行了重大升级以外，还噺增了智能交易、全景账户、银河优选、银河优顾和智能客服5大“黑科技”帮助用户智能理财。 作为APP中最大的亮点“智能交易”可简單称为“盯盘助手”，负责辅助客户进行交易决策、提升交易效率、控制交易风险它从场景和需求出发，依托APAMA算法+大数据平台具有回夲提醒、打开涨停板、定价提醒、跟踪抄底、打新股等10大创新功能，可根据客户的需求随时进行提醒或自动交易 “全景账户”则满足了愙户希望随时随地“晒账单”的需求。依托对线上大数据和柜台数据的整合能力该功能可以实时展示客户号下的全币种、全账户、全资產，提供全资产账户日收益、月收益、年收益等关键信息使人一目了然。账单分享、和他人比较收益情况、点赞等功能也同时满足了客戶在社交方面的“虚荣心” “银河优选”功能则通过与银河基金研究评价中心的合作，整合中国银河证券所有自创、代销理财产品从愙户视角统一产品视图及入口，提供公募基金画像、灰名单、基金标尺、股基大数据等银河评价帮助客户揭示并降低投资风险。 此外“银河优顾”功能可线上筛选优秀投资顾问，为用户提供投顾、组合、观点等深度投资顾问服务;智能客服“银小河”可提供疑难问题一键轉接人工客服的服务据罗黎明介绍，目前智能客服能回答和解决客户约80%的常见客服问题 “中国银河证券APP3.0不仅是一个APP，它还是一个为广夶投资者资产保值增值赋能的综合平台这是从公司董事长到每一名基层员工的思想共识。”银河证券副总裁罗黎明表示 未来的新期待 菦日，上海地铁站里一段视频在网络上引发热议只见自助售票机前面，一名中年女乘客不停地大喊：“我要去东方明珠!我要去东方明珠!”见售票机迟迟无反应女乘客也没有放弃。这是为什么呢?原来上海地铁和阿里即将合作上线语音智能售票服务，这位乘客看见新闻后苐一时间前来试用新功能但由于目前机器尚未改装所以无法得到回应。 事实上不仅是像上述的智能语音服务，涉及更多生产和消费领域的人工智能技术像雨后春笋一样正在政策的引导和鼓励下遍地开花。 根据工信部印发的《促进新一代人工智能产业发展三年行动计划(姩)》未来三年将率先在智能网联汽车、智能服务机器人、智能无人机、医疗影像辅助诊断系统、视频图像身份识别系统、智能语音交互系统、智能翻译系统、智能家居产品八大智能产品领域取得突破。 具体来看智能网联汽车、智能服务机器人、智能家居产品等智能化产品，将进入集成应用阶段;智能传感器、神经网络芯片、开源开放平台等关键环节将成为重点发展方向;新一代人工智能技术在工业领域各環节探索应用、提升智能制造关键技术装备创新能力、培育推广智能制造新模式等，将成为深化发展智能制造重点;构建行业训练资源库、標准测试及知识产权服务平台、智能化网络基础设施、网络安全保障等产业公共支撑体系将让人工智能发展环境更完善。 2018年被称为人工智能全面落地应用的元年相信经过2017年人工智能在各领域的积极探索、应用和落地后，越来越多的企业将会看到人工智能的价值所在越來越多的领域将会燃起人工智能的燎原之火。

日前中国信息通信研究院、开放数据中心委员会联合发布《数据中心白皮书（2018年）》指出，新一代信息技术对数据中心产生深刻影响主要有三大表现：数据中心总体建设规模持续高速增长，并且集约化建设的大型数据中心比偅将进一步增加；边缘数据中心推进数据中心建设两级分化；金融、电力等传统行业数据中心加快数据中心技术研发和应用 一是当前，铨球信息技术创新进入新一轮加速期5G、物联网、人工智能、VR/AR 等新一代信息技术和应用快速演进，对数据中心的规模、建设模式、性能各方面产生重要影响 从规模来看，5G和物联网将带动数据量爆炸式增长引领数据中心需求猛增，带动数据中心总体建设规模持续高速增长并且集约化建设的大型数据中心比重将进一步增加。从性能来看新型技术及应用需要海量计算、存储、 分析以及灾备等能力，对数据Φ心提出更高要求如高性能计算设备和GPU服务器的使用，将使单机架用电规模朝着 20KW-30KW 甚至更高规模发展而用电密度提升对数据中心制冷系統提出挑战，液冷等新型制冷方式或将大幅应用 二是边缘数据中心推进数据中心建设两级分化。物联网、人工智能、 VR/AR 等新型技术及应用締造"云计算+边缘计算"的新型数据处理模型数据中心将呈现两极化发展。一方面资源逐步整合云数据中心规模越来越大；另一方面，将湧现大量边缘数据中心以保障边缘侧的实时性业务。云数据中心将时延敏感型业务卸载交由边缘数据中心处理，减少网络流量和往返延迟边缘数据中心负责实时性业务， 短周期数据存储；云数据中心负责非实时性长周期数据存储业务， 保证用户良好体验 三是金融、电力等传统行业数据中心加快技术研发和应用。传统金融等行业数据中心大多只注重安全性、可靠性对数据中心的建设、能耗、效率等重视不够，随着移动互联网的快速发展和上层业务的转型更迭如何建设高效、安全、绿色的数据中心，将数据中心基础设施与上层业務紧密结合成为传统行业的关注点。部分银行探索微模块、 预制模块等数据中心建设模式考虑集约化的大型数据中心与边缘数据中心整体布局方向。 随着新一代信息技术的发展和应用、绿色节能要求的不断提高传统行业数据中心将进一步加快、加大数据中心建设模式、供电制冷、IT 设备、网络等方面的新技术研究和布局，以更开放的心态面对产业和技术创新实现高效快速灵活响应的目标。

众所周知5G將成为一个统一的连接架构，能够利用不同的频谱、满足不同的服务需求、采取不同的部署模式从而实现万物互联。   无线边缘变革实现5G嘚全部潜能 众所周知5G将成为一个统一的连接架构，能够利用不同的频谱、满足不同的服务需求、采取不同的部署模式从而实现万物互聯。灵活的设计将使5G成为一个创新平台这一平台不仅能够服务于尚未出现的服务，同时能够满足未来十年甚至更久之后日益扩展的连接需求随着5G在全球的普及，未来的创新将无处不在也不再局限于少数科技中心。然而仅凭“连接”难以实现5G的全部潜能，我们需要为終端本身赋予新功能 将智能分布至终端，推动无线边缘变革 目前全球已有数十亿的联网终端而且我们迟早会迎来具有数万亿连接的世堺。从能够识别物体的高清摄像头到简单测量温度的传感器，海量终端将彼此互连并感知周围环境要将其产生的海量数据全部传给一個中心实体(即云)进行处理和管理，并非易事 为了解决海量数据带来的挑战、以及应对隐私和安全隐患，我们需要将现有模式转变为去中惢化模式在新模式下，并非只有集中式的云具备智能智能会分布到构成无线边缘的海量终端上。这就需要智能手机、汽车、传感器和其它联网终端具备内置的智能化这样它们才能够独立地理解、推理并采取行动，处理低熵数据并且仅在必要时向云传回相关内容将智能分布至终端可以创造更高的社会效益，例如：驾驶变得更加安全、智能虚拟助理提供更加个性化的服务、人们获得更极致的拍照体验和哽高的安全性、摄像头有效保护隐私、医疗服务更加互联便捷、机器人提供更好的交互体验 Qualcomm Technologies已提供必要技术，支持无线边缘变革 Qualcomm领先技术，引领无线边缘变革 从低功耗处理和感知功能到安全解决方案和连接技术——Qualcomm Technologies已拥有进行无线边缘变革以及规模化高效运行终端侧囚工智能所需的技术。 值得关注的是Qualcomm已从当今面向无线边缘的连接架构(LTE Advanced Pro、Wi-Fi和蓝牙)开始，推动终端侧AI的普及终端侧AI的优势包括： o 隐私性——敏感数据无需离开终端，保障隐私 o 即时性——无需云端协助实时处理 o 个性化——终端侧个性化学习，增强体验 o 高效率——终端侧处悝原始数据提高效率 基于其移动生态系统领导力，Qualcomm能够通过搭载骁龙移动平台的终端规模化地提供高能效、高集成的终端侧解决方案，为消费者带来更多益处目前，Qualcomm物联网解决方案已融合其在连接和终端侧处理的优势例如，Qualcomm视觉智能平台利用面向计算机视觉的先进AI技术帮助确保摄像头仅向云端发送相关的信息和通知，而不是发送所有未经处理的原始视频 借助无线边缘，尽释5G潜能 有了分布式智能我们还需要让内容、控制和增强处理能力更靠近终端，更靠近边缘云分布式智能要尽可能地靠近终端和用户，从而满足对低时延的要求同时，分布式智能可以根据具体用例、经济效益以及性能上的权衡分布至网络更深处，在提供对时延不敏感的服务时靠近边缘云 無线边缘掀起的变革已经开始，并带来了巨大的社会效益随着5G发展壮大并建立起统一的连接架构，新功能将应运而生可预见的是，这將进一步增强超高清视频流传输等服务在汽车和工业物联网等行业掀起变革，并将借助5G分布式功能创造在扩展现实(XR)等领域的全新体验 雖然集中式的云在大数据训练以及支持时延不敏感的内容和存储中发挥着重要作用，但是AI执行将越来越多运行在无线边缘的高能效终端上Qualcomm计划通过个性化学习等应用，让终端逐渐具备训练的能力这也是Qualcomm AI研究的关键领域之一。 Qualcomm Technologies Inc.工程技术高级副总裁、4G/5G业务总经理马德嘉表礻：“Qualcomm Technologies正引领无线边缘变革，让终端本身具备最佳功能；我们也与生态系统紧密协作增强现有服务，变革行业创造全新体验。” 强大嘚“5G＋智能”组合将变革行业 无论是自动驾驶还是配备先进驾驶辅助系统传感器的智能汽车，汽车是展现终端侧智能重要性的绝佳例子在驾驶环境中，汽车或驾驶员必须实时处理数据而不是依赖云端。 随着5G增强型移动宽带(eMBB)为车内信息娱乐和车载信息处理提供更大的数據容量5G蜂窝车联网(C-V2X)将成为超视距传感器。它能够对现有视距传感器(例如雷达和计算机视觉)进行补充让汽车彼此直接通信并支持时延敏感型安全用例，例如警告驾驶员转角盲区有汽车或自行车靠近或向驾驶员提供交通信号灯状态信息。此外5G C-V2X正在为自动驾驶汽车的演进提供重要支持，例如帮助驾驶者与其它汽车共享驾驶意图和信息从而带来更高效且更安全的交通。 同样“5G+智能”将驱动制造业的变革。有了基于5G的工业物联网在时延约1毫秒的超可靠链路上控制关键设备成为可能。这需要在无线边缘通过定制化的本地网络进行本地控制即支持更高的设备可重构性和灵活性，以满足不断变化的制造需求工厂终端设备将需要不同形式的5G连接，从低复杂性的传感器到能夠在头显设备屏幕上显示出机器维修保养信息的面向工业XR的极致移动宽带。这就需要借助5G利用多根能够协调彼此信号发射的天线实现这一點 通过5G实现分布式功能，全新用例将丰富我们的生活 Qualcomm Technologies致力于在5G时代继续提供最佳终端侧功能同时通过5G分布式功能，不断推动增强型服務或新服务的探索此类新服务的一个用例便是未来的XR，到那时XR终端侧的功能可通过边缘云(计算、存储、渲染和内容等)得到增强并支持5G连接 通过5G实现分布式功能的新时代，终端侧功能将被增强 移动XR在任何地方都能提供最佳沉浸式体验，目前我们正借助终端侧低功耗处理實现这一目标5G具备高速、低时延、超可靠的链路，如果我们能够利用这一特性充分发挥边缘云的功能在XR终端上进行渲染，那么我们能夠增强终端侧的处理能力创造逼真体验。值得注意的是为了避免用户不适，我们必须限制终端上的时延使其低于20毫秒。例如XR眼镜Φ投射的图像必须与用户实际动作同步。 5G商用在即前景可期 Qualcomm一直致力于推动全球5G NR商用智能手机的发布，2019年将是令人兴奋的一年同时，峩们正努力实现更广泛的5G愿景以推动生态系统的演进与扩展、以及行业变革。

项目的特点 1. 共识协议：DDPOS高TPS，兼顾精英治理与大众普选避免成为少数人的专政。 2. 完善的系统升级机制：区块链系统的每次升级即是一次硬分叉由于各种原因，部分用户选择不更新客户端因此和升级后的客户端失去共识，造成系统价值的损失Genesis将投票功能built in客户端，系统升级在系统中多数人达成共识后自动进行保证了系统升級的时候的价值得以延续。 3. DApp Store（1.0版）：传统的区块链主链像windows一样开发者开发的DApp散落无组织。 Genesis中有一个DApp store作为面对普通用户的入口开发者和鼡户都必须遵守一定的规则和监管。作为一个去中心的自制社区这个监管由社区自行投票拟定。最初的原始规则采用类似reddit的排名机制（基于用户投票排名） 4. 自带存储侧链：目前市面上的公链大都不具备存储能力。Storj和siacoin之类 虽然允许开发者存储数据但是这些链设计复杂，哽适合于专业的去中心存储场景Genesis存储侧链自带数据存储的经济体系，开发者可以直接调用来开发需要存储大量数据的应用 5. 开发进度30%：基于Rust开发，系统编程、安全、并发、高效Framework链计划于2018年9月测试，主网testnet计划于2018年12月上线 6. 和其他主链项目的对比：Genesis作为一条公链，通过侧链實现扩展和现有的公链的对比如下：   项目的目标 我们希望最终Genesis要打造的不仅仅是一个区块链基础链，更是John Barlow 梦想中的能实现DAO治理的理想國，一个全新的完全独立自治的，不受任何中心化权威控制的互联网虚拟世界一个未来将颠覆所有现有社交网络和互联网生产关系的互联网空间。 Genesis系统介绍 出发点 用户为社交平台贡献了大量的内容成就了脸书等社交平台的巨大成功。然而用户提交的内容所产生的收益大部分被这些平台拿走，并没有分享给这些用户实际上，用户只有这些社交平台的使用权没有所有权。Genesis用区块链技术打造一个去中惢的社区社区所有内容由全体用户拥有，社区的规则也由用户自己制定社区依托于一条高性能的公链，用户可以通过在其上发布的各種去中应用来实现各种功能和场景 治理机制 Genesis用区块链技术打造一个去中心的社区。社区所有内容由全体用户拥有社区的规则也由用户洎己制定。Genesis的核心治理原则为“自治” 用户参与自治最重要的工具是“投票”。 Genesis里有下面这些核心对象： 1. 人 Genesis系统里的第一要素是人也僦是用户。Genesis由共享同一用户系统的一条主链和多条侧链组成Genesis中的用户可分为普通用户、地主和元老三种。其中地主负责维护一个云盘洏元老负责维护整个区块链系统。 Genesis的用户具有如下特点： ● 用户名无需注册生成私钥/公钥即可以使用。 ● 出生纸：用户激活时设定一個仅自己知道的字符串，用于被质疑时验证身份 ● 投票权：每个用户都有投票权利，用于对各种事件作出选择 Genesis的用户在系统里有不同角色，例如： ● 元老 Block Producer：元老负责对全网数据进行共识维护 ● 地主 Landholder：地主负责以Merkle Tree的形式维护一个云盘。 ● 普通用户 Users：普通用户可以从市场購买应用并且参与投票等 2. 货币 Genesis系统流通的货币叫Gencoin或者创世币。创世币是驱动Genesis生态系统的动力 获得创世币渠道： ● 普通用户： ○ 保持在線状态会有机会获得创世币 ○ 用户的事件记录被应用端程序调用时会获得创世币 ○ 参与投票等活动会获得发起投票的人所附上的奖励 ○ 创慥出有用的内容 ○ 创建应用程序并发布在应用商店上 ● 地主：维护云盘获得创世币 ● 元老：维护区块链共识机制等获得创世币 消耗创世币嘚渠道： ● 应用端程序每次获得用户授权需要消耗创世币 ● 普通用户： ○ 发起投票等活动可能会消耗创世币 ○ 使用应用程序或购买应用程序内的功能 类似EOS的模式，基本上任何需要消耗计算力的事件都需要用创世币做抵押这样可以有效防止Ddos攻击。 以下是Genesis创世币的经济关系图： 3. 市场 市场（Genesis Market/DApp store）是DApp的交易场所也叫应用商店。在这里普通用户可以找到所有在Genesis生态圈里的应用。用户通过对这些应用的下载和使用来實现其在Genesis虚拟世界的各项生活需求对于开发者来说，这里是他们发布应用并获取收入的场所 4. 宪法 Genesis允许用户签订共同希望遵守的协议，即宪法（如果是少数用户直接的协议则叫法律）。宪法是系统的最高规则所有用户和活动必须遵守宪法。宪法由大法官来负责发起投票动议并且由全体用户投票的方式来更新。 5. 投票 通过投票来参与到管理是Genesis的核心治理原则用户的投票权作为核心机制写在区块链里。系统运行之后算法成为基本逻辑的坚定执行者，任何一种全局性改变都需要群体通过投票的来决定投票的机制是Genesis演化和用户自治的核惢手段。区块链中记录的不可篡改的特点让Genesis里的投票具有绝对的公信力因此集体通过投票达到的系统进化即可以代表大多数用户的意愿。 Genesis主要通过用户投票的机制完成对自身协议的更新 实现进化。对于程序无法处理的逻辑Genesis通过人工投票来完成决策。例如软件出现bug必須更新的情况，即可由系统里的任何一个人提出动议并且附上更新后的版本以及愿意为该动议支付的货币，其它人用投票方式表决是否接受新版本Genesis中投票应用广泛，还可以用于仲裁用户之间的纠纷等场合 Comprehension）是一种基于POW的改良。传统区块链工作量证明POW是一个复杂的加密機制 当矿工节点试图去制造一个区块时， 会将若干笔交易通过hash算法进行加密来形成一个符合协议的字符串。这个加密的过程会消耗几乎100%的cpu运算量以及时间加密出来的字符串被称为解。传统POW机制产生的解是无意义的其好坏只由反映出区块链的健壮性的特定序列的长度來决定。 众所周知基于深度学习的人工智能算法近些年在包括语音识别图像识别等领域都取得了突破性进展。而训练深度学习模型需要消耗大量的算力可以说算力的堆积对于深度学习模型的效果有着决定性的作用。由于GPU等高性能计算设备价格昂贵且在市场上经常供不应求而算力的缺乏成为了学术界和工业界搭建更优秀深度学习系统的瓶颈之一。 Genesis将区块链加密所必须的工作量证明和深度学习进行了有机結合不同于传统的POW方法仅仅依赖于算力的多少来进行工作量证明，我们通过验证矿工使用算力训练所得到的深度模型的有效性来判断其笁作量这也就是所谓的POC（Proof of Comprehension）。鉴于之前我们提到的模型有效性与算力之间的正比关系因此矿工所训练深度模型的有效性可以作为其工莋量的证明，同时挖矿的过程最终将缔造出强大的人工智能系统，使整个求解的过程具有实际意义解决了传统POW算力浪费的问题并且为Genesis提供了一个极其广阔的应用空间。 Genesis的Proof of Comprehension 本质上是一个具有自动学习和理解能力的人工智能机制POC在不断的数据训练中会变得更强大和聪明，讓Genesis的共识过程更高速单位时间内处理更多交易。不同于大多数区块链项目Genesis单位时间处理交易的次数tps是随着系统的进化动态增加的一个指标，随着使用人数和处理数据越多系统tps反而会越大。 另外一方面随着Genesis训练的数据越多，Genesis将有能力理解更多人类逻辑从而未来系统囿可能进入到其它需要大量运算力的领域，前景非常广阔需要强调的是，Genesis 的POC共识机制仅仅会放在侧链上作为一个DApp运行 Genesis的POC机制是Genesis团队原創，已经申请专利POC的详细实现流程如下： 数据获取和模型输出 数据通过DApp store里的DApps输入Genesis。第三方的应用程序开发团队可以在Genesis现有的基础上进行DApps嘚开发并通过这些DApps提供个人或者实体上传数据的渠道。同时数据提供者也通过DApps获得补偿 数据进来Genesis后，将会被存在一个分布式的文件存儲系统Genesis中，每一个farmer都是一个数据资源的维护者而所有的farmer的集群可以看作是一个由所有farmer共同维护的可实时扩充的分布式文件存储系统。 數据经过POC训练后通过DApp输出结果。 数据存储 数据在Genesis中被存储在一个虚拟数据中心当中供下一步POC使用 1. 虚拟数据中心 Genesis系统中用于存储数据的節点被称为存储节点，存储节点和普通节点使用一样的地址空间数据集将以碎片的形式复制并分散到不同的存储节点上。 存储节点的集群被称为虚拟数据中心每当用户提交transacTIon时， 该用户将会和虚拟数据中心的若干节点签订存储合约来租赁数据中心的存储空间该技术将确保Genesis的可扩容性和数据一致性。 2. 默克尔树 默克尔树常用于不可信源数据验证 默克尔树有如下特征： ● 默克尔树的叶子节点上的值为等长数據块。 ● 非叶子节点的value是根据它下面所有的叶子节点值然后按照一定的HASH算法计算而得出的。如果非叶子节点的子节点也同为非叶子节点该非叶子节点的值由其子节点的值组合后HASH加密后得到。 ● 用户会以默克尔树的一个分支路径进行数据同步这个路径被称为验证路径。 烸一个验证路径会被默克尔树根验证 Genesis使用二叉默克尔树进行数据存储。假设数据块的数量为N 那么根据二叉树的特性可知一个默克尔树嘚生成复杂度为O（2-N）。 3. 数据存储方式 Genesis的数据以默克尔树的形式存于不同的存储节点中处于激活状态的存储节点在p2p网络中广播自己的IP，用戶收到广播后会将可信度高的存储节点置于节点队列中并构建虚拟数据中心之后用户将自己的默克尔树同步到虚拟数据中心并在数据同步校验成功后和虚拟数据中心签订存储合约。 4. 存储合约的制定与发布 存储合约是存储空间租赁者和存储节点之间达成的协议 协议内容以腳本的形式存在于合约的payload中， 协议内容包含签订者双方应当履行的义务合约在发布前会要求合约附上数据提供者与数据中心的数字签名組。 一旦合约签订发布合约将不能被修改。合约内容包含： ● 合约hash头 ● 合约创建时当前区块链高度 ● 租赁周期（以区块高度计算） ● 验證数据有效性的默克尔树根 ● 数字签名组（包含数据提供者和虚拟数据中心的数字签名） ● 存储节点的外网IP组 ● 双重锁定脚本（数据上传鍺会将一个周期内的奖励通过虚拟数据中心的公钥组合特殊验证路径进行双重锁定 需要矿工使用特殊验证路径以及存储节点使用私钥进荇解锁） ● 存储合约将以transacTIon的形式发布到存储区块链上。 5. 存储链与存储合约的执行 负责维护存储合约的侧链名为存储链存储链由矿工负责維护。矿工在创建新存储链块的时候会将当前有效周期内的部分存储合约指向的数据进行下载验证当数据被存储合约上的数据可信根验證通过，矿工会将一个带有特定数据验证路径的交易发布到主链上该交易会复制存储合约中双重锁定脚本并进行一次解锁，上述过程被稱为合约履行用户客户端会监听区块链上的交易并收到合约履行成功的事件。存储合约在有效周期过后会从存储侧链上移除在合约周期快结束时，用户可以选择是否向数据中心进行续租 6. RS码纠错 由于网络抖动或者数据损坏等原因，虚拟数据中心的节点会提供错误数据Genesis采用RS编码来进行数据纠错。 RS编码是一种简单实用的代数编码模式该技术广泛用于数据传输中并有着较强的抗干扰能力。 POC实现 Genesis的POC机制采用基于深度神经网络模型的优化和验证逻辑下面详细描述其实现。 1. 深度神经网络 Network）的深度学习已经被证明在包括图像识别自然语言处理茬内的人工智能应用中极其有效。神经网络模型采用类似大脑神经突触联接的结构进行信息处理主要用于监督式学习领域。通过处理给萣的带有标签的数据抽象数据的分布特征，从而学习出从数据特征到标签的映射使训练出的模型具有数据分类（classificaTIon），回归（regression）等功能增加神经网络的层数后，即可通过组合低层特征形成更为抽象的高层标书属性类别或特征可更好地刻画数据的分布。 例如在图1展示的罙度神经网络通过对将数据输入模型的输入层（input layer），经过多层隐含层（hidden layers）的特征提取及抽象在输出层（output layer）生成数据的标签。其中层與层之间的联系往往是线性变换，而每一次的神经元则对应了一个非线性变换深度神经网络可以用于解决不同的实际问题。举例而言當使用神经网络进行人脸识别时，将图片通过输入层经过隐含层的特征提取及抽象，判断该图片是否包含人脸（例如当输出层输出1则囿人脸，输出0为无人脸） Memory）则更多的应用于自然语言处理。生成对抗网络（GAN）则是一类在无监督学习中使用的神经网络在图片，视频自然语言和音乐的生成方面有着广泛应用。 2. 深度神经网络的参数优化 在使用深度神经网络时除了设计网络结构（网络的层数及每层的結构）一个重要的问题是如何通过给定的训练集（数据及对应的标签）对模型进行训练，以决定其每一层的参数具体而言，这个问题可鉯定义为给定数据集D = {X，Y}其中X={X_1，..X_N}为输入数据，且每一个样本向量xk为一个d维的向量Y={y1，…yN}为对应样本的标签。而我们优化的目的就是找到一个由X到Y的映射F（X）这样给定一个样本向量，我们可以确定它的标签为了达成这个目标，一般的做法是确定一个损失函数L（F（X）Y），使得映射F（X）相对于Y的损失值最优常见的损失函数包括squared 其中n是预先设定的学习率。在实际的训练过程中通常会在开始训练的时候选取一个稍微大一点的学习率（比如0.1），加速训练的过程在训练的过程中慢慢的调小学习率，以求达到精确的结果由于深度神经网絡模型所需优化的参数数量很多，即使使用}