互联网整个行业都在陷入被动且尴尬的局面。去年开始流行的“内卷”一词，恰如其分的描述了互联网的现状，比如抖音开始做外卖，微信强推视频号，一直硝烟弥漫的电商市场，更是激战在社区团购上。内卷背后也有人感慨，互联网到了尽头。支撑这一论述的是，移动互联网的人口红利已经消失，几款国民型APP用户增长都固定在了10亿这个级别，只能依靠自然人口的增长和迁移。这一幕如同刘慈欣小说《三体》里所描述的，智子封锁的地球科技一样，被信息干扰，或引导至错误方向发展，困在原地，做困兽之斗，无法自拔。“内卷论”与“尽头论”的流行，让我们看到，中国科技产业尤其是互联网，需要自己的“破壁人”计划，突破封锁，尤其是跳出原有的路径依赖。我们不应该只是一味的看到消费互联网的互联网产业，却不见更为广阔的产业互联网未来。科技的未来，不是消费互联网，而是产业互联网。黄奇帆在中国互联网大会上斩钉截铁地说，“今后十年是产业互联网时代”。互联网的未来是产业互联网，产业互联网的价值以及远景是怎样的？2021年8月18日的百度世界大会，告诉我们关于未来的某些可能性，从某种意义上来说，百度正在扮演着中国科技的“破壁人”角色。硬科技背后需要软实力沉淀和积累百度世界大会，是百度公司的一个传统，这既是百度向公众披露其运营和战略的路演，也是公众了解百度的一个窗口。2021年的百度世界大会与以往最大的不同，可能是，这一次百度发布了更多的“硬科技”产品。比如惊艳一时的百度汽车机器人，比如温情脉脉的小度智能巨屏电视、小度智能词典笔、小度主动降噪智能耳机Pro、添添旋转智能屏，以及宣布量产的百度第二代昆仑AI芯片“昆仑芯2”。一致的行业现象是，科技企业都在逐渐从它们软件的实力向硬件渗透。百度这些“硬科技”的背后，是其软件实力的支撑。比如，百度的“汽车机器人”，它需要多重能力：首先具备L5级别自动驾驶能力，不仅无需人类驾驶，而且比人类驾驶更安全；其次具备语音、人脸识别等多模交互能力，分析用户潜在需求，主动提供服务；此外，汽车机器人还具备自我学习和不断升级能力，是服务各种场景的智慧体。百度的这款“汽车机器人”已经达到了L5级别的自动驾驶，它是一辆没有方向盘汽车，这是自动驾驶的终极形态，无需人类驾驶的同时，还能有更多驾驶之外的服务。这也是命名“汽车机器人”的原因所在吧。又比如，小度发布的四款产品，是百度AI人格化和服务化两大发展方向上各种技术沉淀和积累的集中展现。譬如语音识别技术，百度的语音识别技术准确率达到了98%，甚至超过人耳水平。这四款是将语音识别技术、百度AI等与智能生活结合，针对不同场景开发的产品，用户可以通过语音控制家中的电器、窗帘、台灯，通过智能词典笔，可以识别翻译各种外语，通过添添旋转屏可以K歌、刷短视频、点外卖、在线支付等。小度这四款硬件科技，将百度APP智能搜索、百度健康医典、AI智慧社区等一些列内容沉淀与技术积累集合在一起。这一系列的硬科技的背后，延续了一句传统的老话，“科技以人文本”。值得注意的是，这一系列的硬科技产品的“爆发式”发布，绝非一蹴而就，严格来说，这是百度在AI领域持续投入超过十年的一次检验。百度的案例预示着，产业互联网是软硬结合的。互联网未来是产业基础，云计算+AI有人说，互联网的未来是云与智能，将两者的结合，可能就是AI。百度世界大会前一天，2021年8月17日，国务院签署并公布了《关键信息基础设施安全保护条例》，该条例与《网络安全法》相呼应，一系列法规的制定和执行落地，预示一点：互联网已经成为国民生活和国民经济的基础设施。这也意味着，云计算将是基础之一，在云计算的基础上，则是AI智能。云计算是对产业数字化的支撑，人工智能则是加速产业的智能化升级，“赋能千行百业”。云计算市场是目前国内一众科技企业中竞争最为激烈的，国际市场上有亚马逊、微软、阿里云、Google，国内除了阿里云，还有腾讯、华为。百度云起步较阿里云稍晚，但这并不妨碍它的后发优势。前不久百度公布了2021年第二季度财报， 云计算的增长尤为抢眼，它保持了同比71%的增速，领跑中国云计算市场，跻身第四。从2018年到2020年，百度云智能服务收入分别为30亿、64亿和92亿，按照71%的增速，今年将突破150亿元大关。百度云的“后发优势”，是云计算与AI的结合，百度采用了“AI云”作为标识与其他公有云做区别。可以将“AI云”看作是，“数字化底座”+“智能化引擎”的结合，这也意味着，AI云能够在制造、能源、城市、金融、医疗、媒体等领域，给客户数字化转型和智能化升级一步到位。体现在财务上，也许是，“AI云”毛利要远高于公有云。今年的百度世界大会，主题是“AI这时代，星辰大海”，李彦宏在直播中说，“AI，也是爱，是技术和温度结合在一起。”，“让每一个人都感受到技术带来的改变，这就是技术的价值”。AI的发展，一方面是融入到每个人的衣食住行，变得触手可及，另一方面则是产业智能化升级赋能。消费互联网与产业互联网的升级，体现在这一次百度发布的“百度大脑7.0”，百度大脑融合创新，降低门槛的优势。在泉州，百度为泉州水务搭建了“水务大脑”，百度智能云提供的AI用水量预测模型可结合历史用水数据、天气、季节等变化因素，精准预测用水量，实现按需供水。同时，加压泵站精准调压应用，通过分析运行工况，可动态调整泵站流量、压力、频率等参数，大大降低泵机功耗，科学准确调控水压。在新疆，艰苦的人力电力巡检工作也正在被百度AI代替。机器设备将拍摄的影像资料传回，通过AI技术可以快速判断线路是否存在故障，这样巡检效率得到了大幅提升，与此同时，巡检工人的工作环境也得到巨大改善，保障了边疆人民千家万户的用电安全。应该说，产业互联网是千行百业拥抱互联网，也是AI商业化的标志。透过这次百度世界大会，我们看到百度AI的商业化步伐明显加快，AI远比我们所预想的更快进入落地周期，与此同时，随着国内数字新基建的开启，有更早AI布局和更久技术沉淀的企业将在新的周期里全面提速。告别路径依赖，未来从畅想变现实随着滴滴因数据问题受到调查，新一轮的移动出行大战也上演了。与其他互联网不同的是，移动出行网约车大战，被认为是互联网改造传统行业的先声。这一轮出行大战，如高德、美团、T3等也重复着历史，延续了往日滴滴最为成功的补贴方式。很多互联网从业者未曾想过，这种疯狂烧钱的补贴，也是今天互联网备受争议和指责的原因之一。黄奇帆曾说，当前消费互联网领域的四个问题是：烧钱扩规模以取得行业垄断，利用人性弱点设计产品，利用垄断地位采集信息侵犯隐私，互联网杀熟。烧钱扩规模的前提是构建在存量市场。互联网的下一阶段，产业互联网这种烧钱扩大规模的方式或许不在适用，真正应该做的，是寻求产业的增量和效率最大化。如果将滴滴为代表的移动出行视为产业互联网的先声，那么出行领域的未来一定是更为智能的自动驾驶。财报分析师会议上，李彦宏确认，百度最新的robotaxi的软硬件系统，实现了60%的成本骤降，并且有望最快在2025年低于网约车。截至2021年上半年，百度Apollo自动驾驶出行服务已累计接待乘客超过40万人次,测试里程超过1400万公里，自动驾驶专利数量达3000件。李彦宏曾经分享过“3，30，3000”计划，即3年、30城、3000辆Robo Taxi，这是一个循序渐进的过程。从滴滴出行到百度的未来驾驶业务，我们可以看出，产业互联网与消费互联网的本质差异：滴滴为代表的移动出行，更多的是通过互联网的手段，做交易信息的匹配；未来的驾驶业务，则是在交易信息匹配的基础上，做更多产业端的供给侧结构性改革——通过智能化、数据化方式，降低供给侧的成本，提升消费端的体验和效率。百度的“汽车机器人”就是建立在Robotaxi技术和运营沉淀基础上，除了惊艳的“汽车机器人”，更让大众兴奋的可能是，百度发布的无人车出行服务平台——“萝卜快跑”。“萝卜快跑”并不是简单的为“Robotaxi”赋予一个中文名字这么简单，更为重要的是，Robotaxi象征着概念、研发和技术沉淀，“萝卜快跑”则意味着，经过8年发展，百度Apollo已经从技术验证阶段进入到规模化商业运营阶段。IHS 报告显示，预计整个共享出行市场的市场规模在2030年将达到2.25万亿元人民币，复合增长率在20% - 28%之间。在共享出行市场中，Robotaxi将占到60%以上，市场规模超过1.3万亿。这也意味着，未来出行市场将转向无人车服务场景。造车新势力与网约车激战的当下，萝卜快跑的上线显得格外有意义，这意味着，自动驾驶下半场的角逐已经开启，规模化商业运营成为行业发展的重点，这也是对传统网约车赛道的一次换道超越。百度Apollo在过去两年，分别在北京、长沙、广州、沧州四个城市运营，目前也增获25个城市的运营牌照，距离30城的计划又进一步。萝卜快跑的上线，随着城市、乘客、公里数的不断增加和累积，也会进一步优化百度汽车机器人的迭代和升级。也就是说，萝卜快跑兼顾了科技的商业现实和未来畅想。

内卷背后也有人感慨，互联网到了尽头。支撑这一论述的是，移动互联网的人口红利已经消失，几款国民型APP用户增长都固定在了10亿这个级别，只能依靠自然人口的增长和迁移。“内卷论”与“尽头论”的流行，让我们看到，中国科技产业尤其是互联网，需要自己的“破壁人”计划，突破封锁，尤其是跳出原有的路径依赖。我们不应该只是一味的看到消费互联网的互联网产业，却不见更为广阔的产业互联网未来。科技的未来，不是消费互联网，而是产业互联网。黄奇帆在中国互联网大会上斩钉截铁地说，“今后十年是产业互联网时代”。互联网的未来是产业互联网，产业互联网的价值以及远景是怎样的？2021年8月18日的百度世界大会，告诉我们关于未来的某些可能性，从某种意义上来说，百度正在扮演着中国科技的“破壁人”角色。硬科技背后需要软实力沉淀和积累百度世界大会，是百度公司的一个传统，这既是百度向公众披露其运营和战略的路演，也是公众了解百度的一个窗口。2021年的百度世界大会与以往最大的不同，可能是，这一次百度发布了更多的“硬科技”产品。比如惊艳一时的百度汽车机器人，比如温情脉脉的小度智能巨屏电视、小度智能词典笔、小度主动降噪智能耳机Pro、添添旋转智能屏，以及宣布量产的百度第二代昆仑AI芯片“昆仑芯2”。一致的行业现象是，科技企业都在逐渐从它们软件的实力向硬件渗透。百度这些“硬科技”的背后，是其软件实力的支撑。比如，百度的“汽车机器人”，它需要多重能力：首先具备L5级别自动驾驶能力，不仅无需人类驾驶，而且比人类驾驶更安全；其次具备语音、人脸识别等多模交互能力，分析用户潜在需求，主动提供服务；此外，汽车机器人还具备自我学习和不断升级能力，是服务各种场景的智慧体。百度的这款“汽车机器人”已经达到了L5级别的自动驾驶，它是一辆没有方向盘汽车，这是自动驾驶的终极形态，无需人类驾驶的同时，还能有更多驾驶之外的服务。这也是命名“汽车机器人”的原因所在吧。又比如，小度发布的四款产品，是百度AI人格化和服务化两大发展方向上各种技术沉淀和积累的集中展现。譬如语音识别技术，百度的语音识别技术准确率达到了98%，甚至超过人耳水平。这四款是将语音识别技术、百度AI等与智能生活结合，针对不同场景开发的产品，用户可以通过语音控制家中的电器、窗帘、台灯，通过智能词典笔，可以识别翻译各种外语，通过添添旋转屏可以K歌、刷短视频、点外卖、在线支付等。小度这四款硬件科技，将百度APP智能搜索、百度健康医典、AI智慧社区等一些列内容沉淀与技术积累集合在一起。这一系列的硬科技的背后，延续了一句传统的老话，“科技以人文本”。值得注意的是，这一系列的硬科技产品的“爆发式”发布，绝非一蹴而就，严格来说，这是百度在AI领域持续投入超过十年的一次检验。百度的案例预示着，产业互联网是软硬结合的。互联网未来是产业基础，云计算+AI有人说，互联网的未来是云与智能，将两者的结合，可能就是AI。百度世界大会前一天，2021年8月17日，国务院签署并公布了《关键信息基础设施安全保护条例》，该条例与《网络安全法》相呼应，一系列法规的制定和执行落地，预示一点：互联网已经成为国民生活和国民经济的基础设施。这也意味着，云计算将是基础之一，在云计算的基础上，则是AI智能。云计算是对产业数字化的支撑，人工智能则是加速产业的智能化升级，“赋能千行百业”。云计算市场是目前国内一众科技企业中竞争最为激烈的，国际市场上有亚马逊、微软、阿里云、Google，国内除了阿里云，还有腾讯、华为。百度云起步较阿里云稍晚，但这并不妨碍它的后发优势。前不久百度公布了2021年第二季度财报， 云计算的增长尤为抢眼，它保持了同比71%的增速，领跑中国云计算市场，跻身第四。从2018年到2020年，百度云智能服务收入分别为30亿、64亿和92亿，按照71%的增速，今年将突破150亿元大关。百度云的“后发优势”，是云计算与AI的结合，百度采用了“AI云”作为标识与其他公有云做区别。可以将“AI云”看作是，“数字化底座”+“智能化引擎”的结合，这也意味着，AI云能够在制造、能源、城市、金融、医疗、媒体等领域，给客户数字化转型和智能化升级一步到位。体现在财务上，也许是，“AI云”毛利要远高于公有云。今年的百度世界大会，主题是“AI这时代，星辰大海”，李彦宏在直播中说，“AI，也是爱，是技术和温度结合在一起。”，“让每一个人都感受到技术带来的改变，这就是技术的价值”。AI的发展，一方面是融入到每个人的衣食住行，变得触手可及，另一方面则是产业智能化升级赋能。消费互联网与产业互联网的升级，体现在这一次百度发布的“百度大脑7.0”，百度大脑融合创新，降低门槛的优势。在泉州，百度为泉州水务搭建了“水务大脑”，百度智能云提供的AI用水量预测模型可结合历史用水数据、天气、季节等变化因素，精准预测用水量，实现按需供水。同时，加压泵站精准调压应用，通过分析运行工况，可动态调整泵站流量、压力、频率等参数，大大降低泵机功耗，科学准确调控水压。在新疆，艰苦的人力电力巡检工作也正在被百度AI代替。机器设备将拍摄的影像资料传回，通过AI技术可以快速判断线路是否存在故障，这样巡检效率得到了大幅提升，与此同时，巡检工人的工作环境也得到巨大改善，保障了边疆人民千家万户的用电安全。应该说，产业互联网是千行百业拥抱互联网，也是AI商业化的标志。透过这次百度世界大会，我们看到百度AI的商业化步伐明显加快，AI远比我们所预想的更快进入落地周期，与此同时，随着国内数字新基建的开启，有更早AI布局和更久技术沉淀的企业将在新的周期里全面提速。告别路径依赖，未来从畅想变现实随着滴滴因数据问题受到调查，新一轮的移动出行大战也上演了。与其他互联网不同的是，移动出行网约车大战，被认为是互联网改造传统行业的先声。这一轮出行大战，如高德、美团、T3等也重复着历史，延续了往日滴滴最为成功的补贴方式。很多互联网从业者未曾想过，这种疯狂烧钱的补贴，也是今天互联网备受争议和指责的原因之一。黄奇帆曾说，当前消费互联网领域的四个问题是：烧钱扩规模以取得行业垄断，利用人性弱点设计产品，利用垄断地位采集信息侵犯隐私，互联网杀熟。烧钱扩规模的前提是构建在存量市场。互联网的下一阶段，产业互联网这种烧钱扩大规模的方式或许不在适用，真正应该做的，是寻求产业的增量和效率最大化。如果将滴滴为代表的移动出行视为产业互联网的先声，那么出行领域的未来一定是更为智能的自动驾驶。财报分析师会议上，李彦宏确认，百度最新的robotaxi的软硬件系统，实现了60%的成本骤降，并且有望最快在2025年低于网约车。截至2021年上半年，百度Apollo自动驾驶出行服务已累计接待乘客超过40万人次,测试里程超过1400万公里，自动驾驶专利数量达3000件。李彦宏曾经分享过“3，30，3000”计划，即3年、30城、3000辆Robo Taxi，这是一个循序渐进的过程。从滴滴出行到百度的未来驾驶业务，我们可以看出，产业互联网与消费互联网的本质差异：滴滴为代表的移动出行，更多的是通过互联网的手段，做交易信息的匹配；未来的驾驶业务，则是在交易信息匹配的基础上，做更多产业端的供给侧结构性改革——通过智能化、数据化方式，降低供给侧的成本，提升消费端的体验和效率。百度的“汽车机器人”就是建立在Robotaxi技术和运营沉淀基础上，除了惊艳的“汽车机器人”，更让大众兴奋的可能是，百度发布的无人车出行服务平台——“萝卜快跑”。“萝卜快跑”并不是简单的为“Robotaxi”赋予一个中文名字这么简单，更为重要的是，Robotaxi象征着概念、研发和技术沉淀，“萝卜快跑”则意味着，经过8年发展，百度Apollo已经从技术验证阶段进入到规模化商业运营阶段。IHS 报告显示，预计整个共享出行市场的市场规模在2030年将达到2.25万亿元人民币，复合增长率在20% - 28%之间。在共享出行市场中，Robotaxi将占到60%以上，市场规模超过1.3万亿。这也意味着，未来出行市场将转向无人车服务场景。造车新势力与网约车激战的当下，萝卜快跑的上线显得格外有意义，这意味着，自动驾驶下半场的角逐已经开启，规模化商业运营成为行业发展的重点，这也是对传统网约车赛道的一次换道超越。百度Apollo在过去两年，分别在北京、长沙、广州、沧州四个城市运营，目前也增获25个城市的运营牌照，距离30城的计划又进一步。萝卜快跑的上线，随着城市、乘客、公里数的不断增加和累积，也会进一步优化百度汽车机器人的迭代和升级。也就是说，萝卜快跑兼顾了科技的商业现实和未来畅想。

互联网整个行业都在陷入被动且尴尬的局面。去年开始流行的“内卷”一词，恰如其分的描述了互联网的现状，比如抖音开始做外卖，微信强推视频号，一直硝烟弥漫的电商市场，更是激战在社区团购上。内卷背后也有人感慨，互联网到了尽头。支撑这一论述的是，移动互联网的人口红利已经消失，几款国民型APP用户增长都固定在了10亿这个级别，只能依靠自然人口的增长和迁移。这一幕如同刘慈欣小说《三体》里所描述的，智子封锁的地球科技一样，被信息干扰，或引导至错误方向发展，困在原地，做困兽之斗，无法自拔。“内卷论”与“尽头论”的流行，让我们看到，中国科技产业尤其是互联网，需要自己的“破壁人”计划，突破封锁，尤其是跳出原有的路径依赖。我们不应该只是一味的看到消费互联网的互联网产业，却不见更为广阔的产业互联网未来。科技的未来，不是消费互联网，而是产业互联网。黄奇帆在中国互联网大会上斩钉截铁地说，“今后十年是产业互联网时代”。互联网的未来是产业互联网，产业互联网的价值以及远景是怎样的？2021年8月18日的百度世界大会，告诉我们关于未来的某些可能性，从某种意义上来说，百度正在扮演着中国科技的“破壁人”角色。硬科技背后需要软实力沉淀和积累百度世界大会，是百度公司的一个传统，这既是百度向公众披露其运营和战略的路演，也是公众了解百度的一个窗口。2021年的百度世界大会与以往最大的不同，可能是，这一次百度发布了更多的“硬科技”产品。比如惊艳一时的百度汽车机器人，比如温情脉脉的小度智能巨屏电视、小度智能词典笔、小度主动降噪智能耳机Pro、添添旋转智能屏，以及宣布量产的百度第二代昆仑AI芯片“昆仑芯2”。一致的行业现象是，科技企业都在逐渐从它们软件的实力向硬件渗透。百度这些“硬科技”的背后，是其软件实力的支撑。比如，百度的“汽车机器人”，它需要多重能力：首先具备L5级别自动驾驶能力，不仅无需人类驾驶，而且比人类驾驶更安全；其次具备语音、人脸识别等多模交互能力，分析用户潜在需求，主动提供服务；此外，汽车机器人还具备自我学习和不断升级能力，是服务各种场景的智慧体。百度的这款“汽车机器人”已经达到了L5级别的自动驾驶，它是一辆没有方向盘汽车，这是自动驾驶的终极形态，无需人类驾驶的同时，还能有更多驾驶之外的服务。这也是命名“汽车机器人”的原因所在吧。又比如，小度发布的四款产品，是百度AI人格化和服务化两大发展方向上各种技术沉淀和积累的集中展现。譬如语音识别技术，百度的语音识别技术准确率达到了98%，甚至超过人耳水平。这四款是将语音识别技术、百度AI等与智能生活结合，针对不同场景开发的产品，用户可以通过语音控制家中的电器、窗帘、台灯，通过智能词典笔，可以识别翻译各种外语，通过添添旋转屏可以K歌、刷短视频、点外卖、在线支付等。小度这四款硬件科技，将百度APP智能搜索、百度健康医典、AI智慧社区等一些列内容沉淀与技术积累集合在一起。这一系列的硬科技的背后，延续了一句传统的老话，“科技以人文本”。值得注意的是，这一系列的硬科技产品的“爆发式”发布，绝非一蹴而就，严格来说，这是百度在AI领域持续投入超过十年的一次检验。百度的案例预示着，产业互联网是软硬结合的。互联网未来是产业基础，云计算+AI有人说，互联网的未来是云与智能，将两者的结合，可能就是AI。百度世界大会前一天，2021年8月17日，国务院签署并公布了《关键信息基础设施安全保护条例》，该条例与《网络安全法》相呼应，一系列法规的制定和执行落地，预示一点：互联网已经成为国民生活和国民经济的基础设施。这也意味着，云计算将是基础之一，在云计算的基础上，则是AI智能。云计算是对产业数字化的支撑，人工智能则是加速产业的智能化升级，“赋能千行百业”。云计算市场是目前国内一众科技企业中竞争最为激烈的，国际市场上有亚马逊、微软、阿里云、Google，国内除了阿里云，还有腾讯、华为。百度云起步较阿里云稍晚，但这并不妨碍它的后发优势。前不久百度公布了2021年第二季度财报， 云计算的增长尤为抢眼，它保持了同比71%的增速，领跑中国云计算市场，跻身第四。从2018年到2020年，百度云智能服务收入分别为30亿、64亿和92亿，按照71%的增速，今年将突破150亿元大关。百度云的“后发优势”，是云计算与AI的结合，百度采用了“AI云”作为标识与其他公有云做区别。可以将“AI云”看作是，“数字化底座”+“智能化引擎”的结合，这也意味着，AI云能够在制造、能源、城市、金融、医疗、媒体等领域，给客户数字化转型和智能化升级一步到位。体现在财务上，也许是，“AI云”毛利要远高于公有云。今年的百度世界大会，主题是“AI这时代，星辰大海”，李彦宏在直播中说，“AI，也是爱，是技术和温度结合在一起。”，“让每一个人都感受到技术带来的改变，这就是技术的价值”。AI的发展，一方面是融入到每个人的衣食住行，变得触手可及，另一方面则是产业智能化升级赋能。消费互联网与产业互联网的升级，体现在这一次百度发布的“百度大脑7.0”，百度大脑融合创新，降低门槛的优势。在泉州，百度为泉州水务搭建了“水务大脑”，百度智能云提供的AI用水量预测模型可结合历史用水数据、天气、季节等变化因素，精准预测用水量，实现按需供水。同时，加压泵站精准调压应用，通过分析运行工况，可动态调整泵站流量、压力、频率等参数，大大降低泵机功耗，科学准确调控水压。在新疆，艰苦的人力电力巡检工作也正在被百度AI代替。机器设备将拍摄的影像资料传回，通过AI技术可以快速判断线路是否存在故障，这样巡检效率得到了大幅提升，与此同时，巡检工人的工作环境也得到巨大改善，保障了边疆人民千家万户的用电安全。应该说，产业互联网是千行百业拥抱互联网，也是AI商业化的标志。透过这次百度世界大会，我们看到百度AI的商业化步伐明显加快，AI远比我们所预想的更快进入落地周期，与此同时，随着国内数字新基建的开启，有更早AI布局和更久技术沉淀的企业将在新的周期里全面提速。告别路径依赖，未来从畅想变现实随着滴滴因数据问题受到调查，新一轮的移动出行大战也上演了。与其他互联网不同的是，移动出行网约车大战，被认为是互联网改造传统行业的先声。这一轮出行大战，如高德、美团、T3等也重复着历史，延续了往日滴滴最为成功的补贴方式。很多互联网从业者未曾想过，这种疯狂烧钱的补贴，也是今天互联网备受争议和指责的原因之一。黄奇帆曾说，当前消费互联网领域的四个问题是：烧钱扩规模以取得行业垄断，利用人性弱点设计产品，利用垄断地位采集信息侵犯隐私，互联网杀熟。烧钱扩规模的前提是构建在存量市场。互联网的下一阶段，产业互联网这种烧钱扩大规模的方式或许不在适用，真正应该做的，是寻求产业的增量和效率最大化。如果将滴滴为代表的移动出行视为产业互联网的先声，那么出行领域的未来一定是更为智能的自动驾驶。财报分析师会议上，李彦宏确认，百度最新的robotaxi的软硬件系统，实现了60%的成本骤降，并且有望最快在2025年低于网约车。截至2021年上半年，百度Apollo自动驾驶出行服务已累计接待乘客超过40万人次,测试里程超过1400万公里，自动驾驶专利数量达3000件。李彦宏曾经分享过“3，30，3000”计划，即3年、30城、3000辆Robo Taxi，这是一个循序渐进的过程。从滴滴出行到百度的未来驾驶业务，我们可以看出，产业互联网与消费互联网的本质差异：滴滴为代表的移动出行，更多的是通过互联网的手段，做交易信息的匹配；未来的驾驶业务，则是在交易信息匹配的基础上，做更多产业端的供给侧结构性改革——通过智能化、数据化方式，降低供给侧的成本，提升消费端的体验和效率。百度的“汽车机器人”就是建立在Robotaxi技术和运营沉淀基础上，除了惊艳的“汽车机器人”，更让大众兴奋的可能是，百度发布的无人车出行服务平台——“萝卜快跑”。“萝卜快跑”并不是简单的为“Robotaxi”赋予一个中文名字这么简单，更为重要的是，Robotaxi象征着概念、研发和技术沉淀，“萝卜快跑”则意味着，经过8年发展，百度Apollo已经从技术验证阶段进入到规模化商业运营阶段。IHS 报告显示，预计整个共享出行市场的市场规模在2030年将达到2.25万亿元人民币，复合增长率在20% - 28%之间。在共享出行市场中，Robotaxi将占到60%以上，市场规模超过1.3万亿。这也意味着，未来出行市场将转向无人车服务场景。造车新势力与网约车激战的当下，萝卜快跑的上线显得格外有意义，这意味着，自动驾驶下半场的角逐已经开启，规模化商业运营成为行业发展的重点，这也是对传统网约车赛道的一次换道超越。百度Apollo在过去两年，分别在北京、长沙、广州、沧州四个城市运营，目前也增获25个城市的运营牌照，距离30城的计划又进一步。萝卜快跑的上线，随着城市、乘客、公里数的不断增加和累积，也会进一步优化百度汽车机器人的迭代和升级。也就是说，萝卜快跑兼顾了科技的商业现实和未来畅想。

互联网整个行业都在陷入被动且尴尬的局面。去年开始流行的“内卷”一词，恰如其分的描述了互联网的现状，比如抖音开始做外卖，微信强推视频号，一直硝烟弥漫的电商市场，更是激战在社区团购上。内卷背后也有人感慨，互联网到了尽头。支撑这一论述的是，移动互联网的人口红利已经消失，几款国民型APP用户增长都固定在了10亿这个级别，只能依靠自然人口的增长和迁移。这一幕如同刘慈欣小说《三体》里所描述的，智子封锁的地球科技一样，被信息干扰，或引导至错误方向发展，困在原地，做困兽之斗，无法自拔。“内卷论”与“尽头论”的流行，让我们看到，中国科技产业尤其是互联网，需要自己的“破壁人”计划，突破封锁，尤其是跳出原有的路径依赖。我们不应该只是一味的看到消费互联网的互联网产业，却不见更为广阔的产业互联网未来。科技的未来，不是消费互联网，而是产业互联网。黄奇帆在中国互联网大会上斩钉截铁地说，“今后十年是产业互联网时代”。互联网的未来是产业互联网，产业互联网的价值以及远景是怎样的？2021年8月18日的百度世界大会，告诉我们关于未来的某些可能性，从某种意义上来说，百度正在扮演着中国科技的“破壁人”角色。硬科技背后需要软实力沉淀和积累百度世界大会，是百度公司的一个传统，这既是百度向公众披露其运营和战略的路演，也是公众了解百度的一个窗口。2021年的百度世界大会与以往最大的不同，可能是，这一次百度发布了更多的“硬科技”产品。比如惊艳一时的百度汽车机器人，比如温情脉脉的小度智能巨屏电视、小度智能词典笔、小度主动降噪智能耳机Pro、添添旋转智能屏，以及宣布量产的百度第二代昆仑AI芯片“昆仑芯2”。一致的行业现象是，科技企业都在逐渐从它们软件的实力向硬件渗透。百度这些“硬科技”的背后，是其软件实力的支撑。比如，百度的“汽车机器人”，它需要多重能力：首先具备L5级别自动驾驶能力，不仅无需人类驾驶，而且比人类驾驶更安全；其次具备语音、人脸识别等多模交互能力，分析用户潜在需求，主动提供服务；此外，汽车机器人还具备自我学习和不断升级能力，是服务各种场景的智慧体。百度的这款“汽车机器人”已经达到了L5级别的自动驾驶，它是一辆没有方向盘汽车，这是自动驾驶的终极形态，无需人类驾驶的同时，还能有更多驾驶之外的服务。这也是命名“汽车机器人”的原因所在吧。又比如，小度发布的四款产品，是百度AI人格化和服务化两大发展方向上各种技术沉淀和积累的集中展现。譬如语音识别技术，百度的语音识别技术准确率达到了98%，甚至超过人耳水平。这四款是将语音识别技术、百度AI等与智能生活结合，针对不同场景开发的产品，用户可以通过语音控制家中的电器、窗帘、台灯，通过智能词典笔，可以识别翻译各种外语，通过添添旋转屏可以K歌、刷短视频、点外卖、在线支付等。小度这四款硬件科技，将百度APP智能搜索、百度健康医典、AI智慧社区等一些列内容沉淀与技术积累集合在一起。这一系列的硬科技的背后，延续了一句传统的老话，“科技以人文本”。值得注意的是，这一系列的硬科技产品的“爆发式”发布，绝非一蹴而就，严格来说，这是百度在AI领域持续投入超过十年的一次检验。百度的案例预示着，产业互联网是软硬结合的。互联网未来是产业基础，云计算+AI有人说，互联网的未来是云与智能，将两者的结合，可能就是AI。百度世界大会前一天，2021年8月17日，国务院签署并公布了《关键信息基础设施安全保护条例》，该条例与《网络安全法》相呼应，一系列法规的制定和执行落地，预示一点：互联网已经成为国民生活和国民经济的基础设施。这也意味着，云计算将是基础之一，在云计算的基础上，则是AI智能。云计算是对产业数字化的支撑，人工智能则是加速产业的智能化升级，“赋能千行百业”。云计算市场是目前国内一众科技企业中竞争最为激烈的，国际市场上有亚马逊、微软、阿里云、Google，国内除了阿里云，还有腾讯、华为。百度云起步较阿里云稍晚，但这并不妨碍它的后发优势。前不久百度公布了2021年第二季度财报， 云计算的增长尤为抢眼，它保持了同比71%的增速，领跑中国云计算市场，跻身第四。从2018年到2020年，百度云智能服务收入分别为30亿、64亿和92亿，按照71%的增速，今年将突破150亿元大关。百度云的“后发优势”，是云计算与AI的结合，百度采用了“AI云”作为标识与其他公有云做区别。可以将“AI云”看作是，“数字化底座”+“智能化引擎”的结合，这也意味着，AI云能够在制造、能源、城市、金融、医疗、媒体等领域，给客户数字化转型和智能化升级一步到位。体现在财务上，也许是，“AI云”毛利要远高于公有云。今年的百度世界大会，主题是“AI这时代，星辰大海”，李彦宏在直播中说，“AI，也是爱，是技术和温度结合在一起。”，“让每一个人都感受到技术带来的改变，这就是技术的价值”。AI的发展，一方面是融入到每个人的衣食住行，变得触手可及，另一方面则是产业智能化升级赋能。消费互联网与产业互联网的升级，体现在这一次百度发布的“百度大脑7.0”，百度大脑融合创新，降低门槛的优势。在泉州，百度为泉州水务搭建了“水务大脑”，百度智能云提供的AI用水量预测模型可结合历史用水数据、天气、季节等变化因素，精准预测用水量，实现按需供水。同时，加压泵站精准调压应用，通过分析运行工况，可动态调整泵站流量、压力、频率等参数，大大降低泵机功耗，科学准确调控水压。在新疆，艰苦的人力电力巡检工作也正在被百度AI代替。机器设备将拍摄的影像资料传回，通过AI技术可以快速判断线路是否存在故障，这样巡检效率得到了大幅提升，与此同时，巡检工人的工作环境也得到巨大改善，保障了边疆人民千家万户的用电安全。应该说，产业互联网是千行百业拥抱互联网，也是AI商业化的标志。透过这次百度世界大会，我们看到百度AI的商业化步伐明显加快，AI远比我们所预想的更快进入落地周期，与此同时，随着国内数字新基建的开启，有更早AI布局和更久技术沉淀的企业将在新的周期里全面提速。告别路径依赖，未来从畅想变现实随着滴滴因数据问题受到调查，新一轮的移动出行大战也上演了。与其他互联网不同的是，移动出行网约车大战，被认为是互联网改造传统行业的先声。这一轮出行大战，如高德、美团、T3等也重复着历史，延续了往日滴滴最为成功的补贴方式。很多互联网从业者未曾想过，这种疯狂烧钱的补贴，也是今天互联网备受争议和指责的原因之一。黄奇帆曾说，当前消费互联网领域的四个问题是：烧钱扩规模以取得行业垄断，利用人性弱点设计产品，利用垄断地位采集信息侵犯隐私，互联网杀熟。烧钱扩规模的前提是构建在存量市场。互联网的下一阶段，产业互联网这种烧钱扩大规模的方式或许不在适用，真正应该做的，是寻求产业的增量和效率最大化。如果将滴滴为代表的移动出行视为产业互联网的先声，那么出行领域的未来一定是更为智能的自动驾驶。财报分析师会议上，李彦宏确认，百度最新的robotaxi的软硬件系统，实现了60%的成本骤降，并且有望最快在2025年低于网约车。截至2021年上半年，百度Apollo自动驾驶出行服务已累计接待乘客超过40万人次,测试里程超过1400万公里，自动驾驶专利数量达3000件。李彦宏曾经分享过“3，30，3000”计划，即3年、30城、3000辆Robo Taxi，这是一个循序渐进的过程。从滴滴出行到百度的未来驾驶业务，我们可以看出，产业互联网与消费互联网的本质差异：滴滴为代表的移动出行，更多的是通过互联网的手段，做交易信息的匹配；未来的驾驶业务，则是在交易信息匹配的基础上，做更多产业端的供给侧结构性改革——通过智能化、数据化方式，降低供给侧的成本，提升消费端的体验和效率。百度的“汽车机器人”就是建立在Robotaxi技术和运营沉淀基础上，除了惊艳的“汽车机器人”，更让大众兴奋的可能是，百度发布的无人车出行服务平台——“萝卜快跑”。“萝卜快跑”并不是简单的为“Robotaxi”赋予一个中文名字这么简单，更为重要的是，Robotaxi象征着概念、研发和技术沉淀，“萝卜快跑”则意味着，经过8年发展，百度Apollo已经从技术验证阶段进入到规模化商业运营阶段。IHS 报告显示，预计整个共享出行市场的市场规模在2030年将达到2.25万亿元人民币，复合增长率在20% - 28%之间。在共享出行市场中，Robotaxi将占到60%以上，市场规模超过1.3万亿。这也意味着，未来出行市场将转向无人车服务场景。造车新势力与网约车激战的当下，萝卜快跑的上线显得格外有意义，这意味着，自动驾驶下半场的角逐已经开启，规模化商业运营成为行业发展的重点，这也是对传统网约车赛道的一次换道超越。百度Apollo在过去两年，分别在北京、长沙、广州、沧州四个城市运营，目前也增获25个城市的运营牌照，距离30城的计划又进一步。萝卜快跑的上线，随着城市、乘客、公里数的不断增加和累积，也会进一步优化百度汽车机器人的迭代和升级。也就是说，萝卜快跑兼顾了科技的商业现实和未来畅想。

互联网整个行业都在陷入被动且尴尬的局面。去年开始流行的“内卷”一词，恰如其分的描述了互联网的现状，比如抖音开始做外卖，微信强推视频号，一直硝烟弥漫的电商市场，更是激战在社区团购上。内卷背后也有人感慨，互联网到了尽头。支撑这一论述的是，移动互联网的人口红利已经消失，几款国民型APP用户增长都固定在了10亿这个级别，只能依靠自然人口的增长和迁移。硬科技背后需要软实力沉淀和积累百度世界大会，是百度公司的一个传统，这既是百度向公众披露其运营和战略的路演，也是公众了解百度的一个窗口。2021年的百度世界大会与以往最大的不同，可能是，这一次百度发布了更多的“硬科技”产品。比如惊艳一时的百度汽车机器人，比如温情脉脉的小度智能巨屏电视、小度智能词典笔、小度主动降噪智能耳机Pro、添添旋转智能屏，以及宣布量产的百度第二代昆仑AI芯片“昆仑芯2”。一致的行业现象是，科技企业都在逐渐从它们软件的实力向硬件渗透。百度这些“硬科技”的背后，是其软件实力的支撑。比如，百度的“汽车机器人”，它需要多重能力：首先具备L5级别自动驾驶能力，不仅无需人类驾驶，而且比人类驾驶更安全；其次具备语音、人脸识别等多模交互能力，分析用户潜在需求，主动提供服务；此外，汽车机器人还具备自我学习和不断升级能力，是服务各种场景的智慧体。百度的这款“汽车机器人”已经达到了L5级别的自动驾驶，它是一辆没有方向盘汽车，这是自动驾驶的终极形态，无需人类驾驶的同时，还能有更多驾驶之外的服务。这也是命名“汽车机器人”的原因所在吧。又比如，小度发布的四款产品，是百度AI人格化和服务化两大发展方向上各种技术沉淀和积累的集中展现。譬如语音识别技术，百度的语音识别技术准确率达到了98%，甚至超过人耳水平。这四款是将语音识别技术、百度AI等与智能生活结合，针对不同场景开发的产品，用户可以通过语音控制家中的电器、窗帘、台灯，通过智能词典笔，可以识别翻译各种外语，通过添添旋转屏可以K歌、刷短视频、点外卖、在线支付等。小度这四款硬件科技，将百度APP智能搜索、百度健康医典、AI智慧社区等一些列内容沉淀与技术积累集合在一起。这一系列的硬科技的背后，延续了一句传统的老话，“科技以人文本”。值得注意的是，这一系列的硬科技产品的“爆发式”发布，绝非一蹴而就，严格来说，这是百度在AI领域持续投入超过十年的一次检验。百度的案例预示着，产业互联网是软硬结合的。互联网未来是产业基础，云计算+AI有人说，互联网的未来是云与智能，将两者的结合，可能就是AI。百度世界大会前一天，2021年8月17日，国务院签署并公布了《关键信息基础设施安全保护条例》，该条例与《网络安全法》相呼应，一系列法规的制定和执行落地，预示一点：互联网已经成为国民生活和国民经济的基础设施。这也意味着，云计算将是基础之一，在云计算的基础上，则是AI智能。云计算是对产业数字化的支撑，人工智能则是加速产业的智能化升级，“赋能千行百业”。云计算市场是目前国内一众科技企业中竞争最为激烈的，国际市场上有亚马逊、微软、阿里云、Google，国内除了阿里云，还有腾讯、华为。百度云起步较阿里云稍晚，但这并不妨碍它的后发优势。前不久百度公布了2021年第二季度财报， 云计算的增长尤为抢眼，它保持了同比71%的增速，领跑中国云计算市场，跻身第四。从2018年到2020年，百度云智能服务收入分别为30亿、64亿和92亿，按照71%的增速，今年将突破150亿元大关。百度云的“后发优势”，是云计算与AI的结合，百度采用了“AI云”作为标识与其他公有云做区别。可以将“AI云”看作是，“数字化底座”+“智能化引擎”的结合，这也意味着，AI云能够在制造、能源、城市、金融、医疗、媒体等领域，给客户数字化转型和智能化升级一步到位。体现在财务上，也许是，“AI云”毛利要远高于公有云。今年的百度世界大会，主题是“AI这时代，星辰大海”，李彦宏在直播中说，“AI，也是爱，是技术和温度结合在一起。”，“让每一个人都感受到技术带来的改变，这就是技术的价值”。AI的发展，一方面是融入到每个人的衣食住行，变得触手可及，另一方面则是产业智能化升级赋能。消费互联网与产业互联网的升级，体现在这一次百度发布的“百度大脑7.0”，百度大脑融合创新，降低门槛的优势。在泉州，百度为泉州水务搭建了“水务大脑”，百度智能云提供的AI用水量预测模型可结合历史用水数据、天气、季节等变化因素，精准预测用水量，实现按需供水。同时，加压泵站精准调压应用，通过分析运行工况，可动态调整泵站流量、压力、频率等参数，大大降低泵机功耗，科学准确调控水压。在新疆，艰苦的人力电力巡检工作也正在被百度AI代替。机器设备将拍摄的影像资料传回，通过AI技术可以快速判断线路是否存在故障，这样巡检效率得到了大幅提升，与此同时，巡检工人的工作环境也得到巨大改善，保障了边疆人民千家万户的用电安全。应该说，产业互联网是千行百业拥抱互联网，也是AI商业化的标志。透过这次百度世界大会，我们看到百度AI的商业化步伐明显加快，AI远比我们所预想的更快进入落地周期，与此同时，随着国内数字新基建的开启，有更早AI布局和更久技术沉淀的企业将在新的周期里全面提速。告别路径依赖，未来从畅想变现实随着滴滴因数据问题受到调查，新一轮的移动出行大战也上演了。与其他互联网不同的是，移动出行网约车大战，被认为是互联网改造传统行业的先声。这一轮出行大战，如高德、美团、T3等也重复着历史，延续了往日滴滴最为成功的补贴方式。很多互联网从业者未曾想过，这种疯狂烧钱的补贴，也是今天互联网备受争议和指责的原因之一。黄奇帆曾说，当前消费互联网领域的四个问题是：烧钱扩规模以取得行业垄断，利用人性弱点设计产品，利用垄断地位采集信息侵犯隐私，互联网杀熟。烧钱扩规模的前提是构建在存量市场。互联网的下一阶段，产业互联网这种烧钱扩大规模的方式或许不在适用，真正应该做的，是寻求产业的增量和效率最大化。如果将滴滴为代表的移动出行视为产业互联网的先声，那么出行领域的未来一定是更为智能的自动驾驶。财报分析师会议上，李彦宏确认，百度最新的robotaxi的软硬件系统，实现了60%的成本骤降，并且有望最快在2025年低于网约车。截至2021年上半年，百度Apollo自动驾驶出行服务已累计接待乘客超过40万人次,测试里程超过1400万公里，自动驾驶专利数量达3000件。李彦宏曾经分享过“3，30，3000”计划，即3年、30城、3000辆Robo Taxi，这是一个循序渐进的过程。从滴滴出行到百度的未来驾驶业务，我们可以看出，产业互联网与消费互联网的本质差异：滴滴为代表的移动出行，更多的是通过互联网的手段，做交易信息的匹配；未来的驾驶业务，则是在交易信息匹配的基础上，做更多产业端的供给侧结构性改革——通过智能化、数据化方式，降低供给侧的成本，提升消费端的体验和效率。百度的“汽车机器人”就是建立在Robotaxi技术和运营沉淀基础上，除了惊艳的“汽车机器人”，更让大众兴奋的可能是，百度发布的无人车出行服务平台——“萝卜快跑”。“萝卜快跑”并不是简单的为“Robotaxi”赋予一个中文名字这么简单，更为重要的是，Robotaxi象征着概念、研发和技术沉淀，“萝卜快跑”则意味着，经过8年发展，百度Apollo已经从技术验证阶段进入到规模化商业运营阶段。IHS 报告显示，预计整个共享出行市场的市场规模在2030年将达到2.25万亿元人民币，复合增长率在20% - 28%之间。在共享出行市场中，Robotaxi将占到60%以上，市场规模超过1.3万亿。这也意味着，未来出行市场将转向无人车服务场景。造车新势力与网约车激战的当下，萝卜快跑的上线显得格外有意义，这意味着，自动驾驶下半场的角逐已经开启，规模化商业运营成为行业发展的重点，这也是对传统网约车赛道的一次换道超越。百度Apollo在过去两年，分别在北京、长沙、广州、沧州四个城市运营，目前也增获25个城市的运营牌照，距离30城的计划又进一步。萝卜快跑的上线，随着城市、乘客、公里数的不断增加和累积，也会进一步优化百度汽车机器人的迭代和升级。也就是说，萝卜快跑兼顾了科技的商业现实和未来畅想。

作者：韩信子@ShowMeAI教程地址：http://www.showmeai.tech/tutorials/35本文地址：http://www.showmeai.tech/article-detail/212声明：版权所有，转载请联系平台与作者并注明出处收藏ShowMeAI查看更多精彩内容本系列为吴恩达老师《深度学习专项课程(Deep Learning Specialization)》学习与总结整理所得，对应的课程视频可以在这里查看。1.欢迎(Welcome)深度学习改变了传统互联网业务，例如网络搜索和广告。但是深度学习同时也使得许多新产品和企业以很多方式帮助人们，从获得更好的健康关注。深度学习在医疗(读取X光图像)、个性化教育、精准化农业、自动驾驶等等方面表现都有着不错的表现。有很多人想要学习深度学习的这些工具，并应用它们来完成一些智能化应用，吴恩达老师的《深度学习专业课程》是一个非常好的资源和学习起点。AI是新的生产力。大约在一百年前，我们社会的电气化改变了每个主要行业，从交通运输行业到制造业、医疗保健、通讯等方面，如今我们见到了AI明显的令人惊讶的能量，带来了同样巨大的转变。显然，AI的各个分支中，发展的最为迅速的就是深度学习。因此现在，深度学习是在科技世界中广受欢迎的一种技术。以下为吴恩达老师深度学习系列课程，系列课程对应几门课程，它们主要内容和收益如下：1.1 第一门课要点专项课程中第1门课是神经网络和深度学习，内容主要是神经网络的基础知识，可以学习到：如何建立神经网络(包含一个深度神经网络)如何在数据上面训练他们一个小案例：用一个深度神经网络进行辨认猫对应的ShowMeAI总结文章为：2.神经网络基础3浅层神经网络4.深层神经网络1.2 第二门课要点专项课程中第2门课是深度学习方面的实践，学习严密地构建神经网络，如何真正让它表现良好，可以学习到：超参数调整正则化技术诊断偏差和方差高级优化算法(如Momentum和Adam优化算法)对应的ShowMeAI总结文章为：5.深度学习的实用层面6.神经网络优化算法7.网络优化：超参数调优、正则化、批归一化和程序框架1.3 第三门课要点专项课程中第3门课是结构化机器学习工程，会涵盖构建机器学习系统的策略。可以学习到：切分数据的方式(训练集、验证集，测试集)实验与诊断方法端对端深度学习改善深度学习的一些方法对应的ShowMeAI总结文章为：8.AI应用实践策略（上）9.AI应用实践策略（下）1.4 第四门课要点专项课程中第4门课是卷积神经网络，涵盖计算机视觉中最常用的神经网络结构CNN(s)，可以学习到：卷积神经网络结构典型CNN模型计算机视觉图像分类计算机视觉目标检测人脸识别图像风格转换对应的ShowMeAI总结文章为：10.卷积神经网络解读11.经典CNN网络实例详解12.CNN应用：目标检测13.CNN应用：人脸识别和神经风格转换1.5 第五门课要点专项课程中第5门课是序列建模，涵盖RNN神经网络及自然语言处理问题和解决方案。可以学习到：序列建模RNN循环神经网络词嵌入(word2vec、GloVe)情感分析注意力机制机器翻译对应的ShowMeAI总结文章为：14.序列模型与RNN网络15.自然语言处理与词嵌入16.Seq2seq序列模型和注意力机制2.什么是神经网络？(What is a Neural Network)我们常常用深度学习这个术语来指训练神经网络的过程。有时它指的是特别大规模的神经网络训练。2.1 房价预测案例吴恩达老师的课程从一个房价预测的例子开始。假设我们有一个数据集，它包含了六栋房子的信息(房屋面积和房屋价格)。我们想要拟合一个函数，根据房屋面积来预测房屋价格。通过线性回归简单的实现方式是一条直线。因为价格永远不会是负数，因此我们调整一下直线，让它弯曲一点，最终在原点结束。这条粗的蓝线就是最终的函数，可以根据房屋面积预测价格。可以看到，函数的一部分取值为0，而另一部分的直线对数据的拟合效果很好。2.2 ReLU激活函数我们把房屋面积(Size)作为输入($x$)，通过一个节点(一个小圆圈)最终输出了房屋价格(Price，$y$)。这个小圆圈实现了上面的折线表达式，视作一个单独的神经元(neuron)，这就是最简单的神经网络。这个折线表达式就被称作ReLU激活函数，全称为Rectified Linear Unit(修正线性单元)，其中rectify(修正)可以理解成$f(x) = max(0,x)$。在后续的神经网络教程中，大家会频繁地看到这个函数。上图所示为最简单的神经网络，更复杂的网络可以通过这个结构堆叠得到。你可以把这些神经元想象成单独的乐高积木，通过「搭积木」的方式可以完成一个更复杂的神经网络。2.3 房价预测案例 <更多特征>假如问题更复杂一些，我们有房子的更多信息：房屋面积(Size)卧室数量(#Bedrooms)邮政编码(Zip Code)周边富裕程度(Wealth)那么问题升级为下图所示的情况：图上每一个小圆圈都可以是ReLU的一部分，也就是修正线性单元，或者其它非线性的函数。基于房屋面积和卧室数量，可以估算家庭人口(Family Size)。基于邮编，可以估测步行方便程度(Walkability)或者学校质量(School Quality)。在这个情景里，家庭人口、步行方便程度以及学校质量都能帮助预测房屋价格。我们把上图的神经元叠加在一起，就有了一个稍微大一点的神经网络。其中，$x$是4个特征输入(房屋大小、卧室数量、邮政编码和富裕程度)， $y$是尝试预测的价格。2.4 隐藏单元(Hidden Units)我们注意到，这个网络中的隐藏单元(图示橙色的小圆圈)，每个都是从4个输入特征来获得自身的输入。网络中第一个橙色结点代表家庭人口。注意，我们不会说这个结点取决于$x_1$和$x_2$，而是由神经网络自己决定这个结点是什么，是由4个输入进行计算得到的。当我们给到足够多的$x$和$y$数据（也就是足够多的训练样本）时，神经网络可以精准地学习从$x$到$y$的映射函数。3.用神经网络进行监督学习(Supervised Learning with Neural Networks)上面的任务是典型的监督学习，我们的数据中包含特征$x$和标签$y$(详见 图解机器学习 | 机器学习基础知识)。房价预测的例子中，$x$是房屋特征，$y$是房屋价格。同样的监督学习方法，借助于神经网络结构，已经被高效应用到很多场景，如下图所示：3.1 应用(1) Online Advertising 在线广告如今应用深度学习获利最多的一个领域，就是在线广告。神经网络非常擅长预测你是否会点开推荐的网页/视频广告，通过广告与用户信息建模，推荐最有可能点击的广告，进而给大型的在线广告公司带来丰厚的收入。(2) Photo tagging 照片识别打标得益于深度学习，计算机视觉在过去的几年里也取得了长足的进步。目前大家的相册照片，可以使用自动标注和智能识别的功能。(3) Speech recognition 语音识别深度学习最近在语音识别方面的进步也极其巨大，如今语音识别可以做到很好的一个效果程度，大家日常用的手机语音助手，都是它的典型应用。(4) Machine translation 机器翻译得益于深度学习，机器翻译也有很大的发展。如今大家可以轻松地借助于机器翻译，阅读不同语种的信息内容。(5) Autonomous driving 无人驾驶未来AI的一个极大应用场景就是自动驾驶技术，可以通过训练一个神经网络，来告诉汽车在马路上面具体的位置，进而帮助自动驾驶系统来判断和控制。3.2 神经网络的类型实际神经网络有着不同的结构，而这些典型的结构，也适用于不同的场景，例如：(1) 对于房地产和在线广告来说，可能是相对标准一些的神经网络(比如全连接的前馈神经网络，或者wide&deep这种组合网络)。(2) 对于图像应用，我们经常在神经网络上使用卷积(Convolutional Neural Network)，通常缩写为CNN。(3) 对于序列数据(例如音频和文本，含有时间成分)，经常使用RNN，一种递归神经网络(Recurrent Neural Network)。音频随时间播放，所以音频被表示为一维时间序列(one-dimensional time series，或称one-dimensional temporal sequence)语言(英语的字母或汉语的汉字)都是逐个出现的，所以语言最自然的表达方式也是序列数据，通常此类问题会使用更复杂的RNNs结构。(4) 对于更复杂的应用(比如自动驾驶)，其中的图片任务可以使用CNN卷积神经网络结构。但是雷达信息却需要使用不同的网络结构，这些结构可能是定制的、复杂的或混合的神经网络结构。3.3 结构图示上面提到的典型的几类网络，结构示意图如下。上图左：一个标准的神经网络上图右上：一个卷积神经网络(CNN通常用于图像数据)上图右下：循环神经网络(RNN通常用于序列数据)3.4 结构化数据与非结构化数据AI算法的有效应用，依赖于数据，我们先对数据做一个了解。首先数据可以分为结构化数据和非结构化数据。(详见 机器学习实战 | Python机器学习算法应用实践 对于两类数据的不同建模处理方式和 机器学习实战 | 机器学习特征工程最全解读 中对于结构化和非结构化数据的区分处理)(1) 结构化数据结构化数据通常指的是行列表格状的数据，一般存储在数据库中。例如在房价预测中，数据库中存储的数据集，有专门的几列数据字段指代卧室的大小和数量，这就是结构化数据。或预测用户是否会点击广告，你可能会得到关于用户的信息，比如年龄以及关于广告的一些信息，然后对你的预测分类标注。这就是结构化数据，意思是每个特征(比如说房屋大小卧室数量，或者是一个用户的年龄)都有一个很好的定义。(2) 非结构化数据非结构化数据是指比如音频、图像或文本等数据内容。这里的原始特征可能是图像中的像素值或文本中的单个单词。处理非结构化数据是相对较难的。传统的机器学习模型处理起来效果有限，而深度学习神经网络非常擅长做这个事情。计算机借助神经网络能更好地理解和解释非结构化数据。语音识别、图像识别、自然语言文字处理，这些领域的应用都有翻天覆地的提升。4.为什么深度学习会兴起？(Why is Deep Learning taking off?)推动深度学习变得如此热门的主要因素包括数据规模、计算能力及算法模型的创新。4.1 为什么深度学习能够如此有效？为什么深度学习能够如此有效呢？要回答这个问题，可以从数据量说起。如下图，横轴画一条直线，绘制出所有任务的数据量(Amount of Data)；竖轴画出机器学习算法的性能(Performance)，例如垃圾邮件过滤、广告点击预测、自动驾驶时位置判断等任务的准确率。根据图像可以发现，一个传统机器学习算法的性能，作为数据量的函数，是一条曲线。如图中所示，一开始，算法性能会随着数据的增多而上升；但一段变化后，它的性能就会达到瓶颈而难以提升。过去十年，我们遇到的很多问题只有相对较少的数据量。但假设横轴拉得很长很长，算法将不知道如何处理规模巨大的数据。数字化社会带来了巨大的数据量提升。相比于传统机器学习模型，深度学习神经网络更能在海量数据上发挥作用。下图展示的是不同的算法在不同数据规模下的表现：如果你训练一个小型的神经网络(Small NN)，那么这个性能可能会像黄色曲线表示那样。如果你训练一个稍微大一点的神经网络，比如说一个中等规模的神经网络(Medium NN)，它在某些数据上面的性能也会更好一些，如蓝色曲线。如果你训练一个非常大的神经网络(Large NN)，它就会变成绿色曲线那样，并且保持变得越来越好。因此，想获得橙色点较好的性能体现，需要具备以下两个条件：需要训练一个规模足够大的神经网络，以发挥数据规模巨大的优点需要海量的数据支撑我们经常说「规模驱动着深度学习的进步(Scale Drives Deep Learning Progress)」，这里的「规模」同时也指神经网络的规模——我们需要一个带有许多隐藏单元的神经网络，以及许多的参数及关联性。就如同需要大规模的数据一样。我们再回到上面这个图，在这个图形区域的左边(Small Training Sets)，各种算法之间的效果优劣并不完全确定，最终的效果很多时候取决于工程构建特征的能力以及算法处理方面的一些细节(详见 机器学习实战 | 机器学习特征工程最全解读)。而在上图的右边区域，我们可以看到随着数据量的增加，很多时候有着庞大参数的大型神经网络更能有优异的表现。在深度学习萌芽的初期，数据的规模以及算力/计算量，局限在我们对于训练一个特别大的神经网络的能力，无论是在CPU还是GPU上面，那都使得我们取得了巨大的进步。但是渐渐地，尤其是在最近这几年，我们也见证了算法方面的极大创新。许多算法方面的创新，一直是在尝试着使得神经网络运行的更快。4.2 sigmoid → ReLU讲一个具体的例子，神经网络方面的一个巨大突破是从Sigmoid函数转换到ReLU函数。我们在过往的深度学习神经网络中，经常会使用Sigmoid函数，这个函数在左右两侧的位置梯度会接近零，所以学习的速度会变得非常缓慢，而通过改变这个被叫做激活函数的ReLU函数(修正线性单元)可以很大程度解决这个问题。ReLU它的梯度对于所有输入的负值都是零，因此梯度更加不会趋向逐渐减少到零。能够使得我们训练神经网络的梯度下降(gradient descent)算法运行的更快。这是一个简单的算法创新例子。但是根本上算法创新所带来的影响，实际上是对计算带来的优化。所以有很多像这样的例子，我们通过改变算法，使得代码运行的更快，这也使得我们能够训练规模更大的神经网络。我们实际应用神经网络的过程，和下图比较一致：idea：凭借积累和直觉，对神经网络架构有新的想法。code：尝试写代码实现。experiment：在实验环境下测试它的效果，通过参考这个结果再返回去修改你的神经网络里面的一些细节。我们不断的重复上述操作，往复循环直到得到好的效果的模型网络。5.关于这门课(About this Course)吴恩达老师的专项有五门课程，目前正处于第一门课，关于第一门课的一些细节如下：第一周：关于深度学习的介绍。在每一周的结尾也会有十个多选题用来检验自己对材料的理解。第二周：关于神经网络的编程知识，了解神经网络的结构，逐步完善算法并思考如何使得神经网络高效地实现。从第二周开始做一些编程训练(付费项目)，自己实现算法。第三周：在学习了神经网络编程的框架之后，你将可以编写一个隐藏层神经网络，所以需要学习所有必须的关键概念来实现神经网络的工作。第四周：建立一个深层的神经网络。ShowMeAI系列教程推荐图解Python编程：从入门到精通系列教程图解数据分析：从入门到精通系列教程图解AI数学基础：从入门到精通系列教程图解大数据技术：从入门到精通系列教程图解机器学习算法：从入门到精通系列教程机器学习实战：手把手教你玩转机器学习系列深度学习教程 | 吴恩达专项课程 · 全套笔记解读推荐文章深度学习教程 | 深度学习概论深度学习教程 | 神经网络基础深度学习教程 | 浅层神经网络深度学习教程 | 深层神经网络深度学习教程 | 深度学习的实用层面深度学习教程 | 神经网络优化算法深度学习教程 | 网络优化：超参数调优、正则化、批归一化和程序框架深度学习教程 | AI应用实践策略（上）深度学习教程 | AI应用实践策略（下）深度学习教程 | 卷积神经网络解读深度学习教程 | 经典CNN网络实例详解深度学习教程 | CNN应用：目标检测深度学习教程 | CNN应用：人脸识别和神经风格转换深度学习教程 | 序列模型与RNN网络深度学习教程 | 自然语言处理与词嵌入深度学习教程 | Seq2seq序列模型和注意力机制

什么是人工智能？人工智能（Artificial Intelligence），英文缩写为AI，它是研究、开发用于模拟和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。上个世纪50年代一次学术讨论会议上，当时几位著名的科学家从不同学科的角度探讨人类各种学习和其他职能特征，并研究如何在原理上进行精确的描述，探讨用机器模拟人类智能等问题，并首次提出了“人工智能”的术语。从此，人工智能这门新兴的学科诞生了。那场学术讨论会议，就是计算机科学史上著名的达特茅斯会议（Dartmouth Conferences）。人工智能的应用有哪些？1.电子游戏不知诸位读者中有多少人是游戏玩家，至少笔者是从游戏当中首次了解到“人工智能”这个概念。不同的游戏具有不同形式的人工智能，但是最可以表现强大AI的当属即时战略型游戏。其中由美国暴雪公司出品的《魔兽争霸》系列和《星际争霸》系列，在人工智能方面都有十分出色的表现。令人期待的是，谷歌AlphaGo的幕后的技术团队将会与暴雪公司合作，为游戏《星际争霸2》开发新的人工智能系统。届时，不知《星际争霸2》的游戏高手们将会迎来怎样的挑战。2.智能机器人对于智能机器人的研发，同样是如今十分火热的课题。机器人可以代替人类承担繁重的劳动、高危的工作。同时也可以供人们消遣娱乐。一个真正合格的机器人离不开一个智慧的“大脑”，也就是人工智能的控制指挥。3.人机对弈由于行为规则的严格约束，棋类竞技领域一向人工智能的乐土。早在1997年，IBM研发的国际象棋计算机“深蓝”就成功战胜了当时的世界冠军 加里·卡斯帕罗夫。今年年初，谷歌团队研发的AlphaGo面向更加复杂的围棋领域，打败韩国围棋冠军李世石，更加巩固了人工智能的地位。不禁回想起来，几年前笔者出于好奇也开发过一款中国象棋程序，可是由于自身技术不足，程序的棋力仅仅相当于初学者水平。不过那一次带给笔者的兴奋和成就感是无价的。4.自然语言识别相对于棋类领域的优势，人工智能在自然语言的理解方面则要吃力得多。主要因为人类的语言语法往往出于习惯，并不一定遵从于逻辑。谷歌公司的产品“谷歌翻译”就是基于人工智能技术实现的，虽然翻译效果仍然不是尽善尽美，但相对于同类产品已经算是很不错了。在智能聊天领域，微软公司于2014年推出了一款智能产品“微软小冰”。它借助于微软在大数据、人工智能方面的技术积累,通过理解对话的语境与语义，实现了超越简单人机问答的自然交互。此外，人工智能在指纹识别、人脸识别、地图导航、自动驾驶等方向都有很大贡献，在此就不做具体描述了。人工智能的评判标准是什么？要回答这个问题，就不得不先介绍另一个著名的概念：图灵测试。图灵测试是著名科学家阿兰·麦席森·图灵于1950年提出的。其内容是，如果计算机程序能在5分钟内回答由人类测试者提出的一系列问题，且其超过30%的回答让测试者误认为是人类所答，则该程序通过测试，表明该程序拥有接近于人类的智能。直白地解释一下，就如下图中的情景：图灵测试的参与者包含一名或多名评委，两名测试者。其中一名测试者是人类，另一名测试者是计算机程序。在评委不能直接看到测试者的情况下，由评委提出若干问题，然后根据回答做出自己的判断。时至今日，世界上只有一个智能聊天程序勉强通过了图灵测试，它的名字是“尤金·古斯特曼”。由此可见，人类距离实现真正意义上的人工智能，还有很长的道路要走。人工智能是如何实现的？在人工智能的研究早期，使用的算法相对比较原始，其中比较有代表性的实现算法是搜索算法。搜索算法，说得难听一些就是暴力枚举法。当人工智能需要作出决策的时候，会枚举出所有可能的选择，并按优劣为每一个选择做一个评分。最终，评分最高的选择被视为最优决策。IBM研发的深蓝就是利用了搜索算法，在走棋的时候会枚举出众多的棋局变化，对每一种局面给出相应的分数，最终选择走出一步程序认为最优的棋。但是，为了减少计算，深蓝并不会盲目地枚举出全部棋局，而是忽略掉一些明显是“送死”的选择。这种算法上的优化被称为“剪枝”。需要注意的是，图上的搜索算法仅仅是人工智能早期众多算法中的一种，并非全部。那个时候，机器学习的概念虽然早已被提出，但是还并没有现在这样广泛应用。如今的人工智能早已经今非昔比，机器学习以及深度学习成为了实现人工智能的重要手段。谷歌的AlphaGo就是通过三万多局专业棋谱数据的训练，以及与自身反复对弈，达到了足以击败围棋世界冠军的棋力。其中，机器学习可以简单理解为人工智能通过一定的学习来提升自我水平，具体知识可以参考拙作《漫画：什么是机器学习？》。深度学习可以理解为机器学习的一种“加强版”，以多层神经网络为原理，笔者计划在今后为深度学习单独发布一篇漫画来介绍。人工智能的等级划分按照智能的高低，人工智能可以分为三个等级：弱人工智能(Artificial Narrow Intelligence，简称ANI)强人工智能(Artificial General Intelligence，简称AGI)超人工智能(Artificial Super Intelligence，简称ASI)其中，弱人工智能指的是在单一领域具有一定智能的程序。现在人们所研究出的人工智能基本都属于弱人工智能这一层次，比如AlphaGo的专属领域是围棋，谷歌翻译的专属领域是翻译自然语言。但你没有办法让AlphaGo去烹饪料理，或者让谷歌翻译去击败桥牌高手。强人工智能，指的是拥有自我意识的程序，它们具有接近于人类的智能，可以像人类一样思考、学习、交流、解决问题。这种级别的人工智能，以现在的科技水平还远远实现不了。超人工智能，指的是在所有领域都凌驾于人类智慧的计算机程序，它们善于思考和创新，并且比人类更加聪明。如果在遥远的未来，真的实现了这样水平的人工智能，那么它们在人类面前，恐怕就是神明一样的存在。虽然强人工智能和超人工智能还并未真的出现，但是我们的科幻小说家和导演们已经凭借天马行空的想象力，把一幅幅光怪陆离的未来景象呈现给了我们。其中比较优秀的关于人工智能的电影作品有《终结者》、《人工智能》、《银翼杀手》、《我，机器人》、《机械姬》等等，众多作品蕴含了人类对于未来人工智能的期望、怀疑与恐慌，没看过的同学们推荐一看。遥想未来，当人工智能接近甚至凌驾于人类智慧的时候，它们将会怎样？是更好地服务于人类，还是给人类带来灭顶之灾，亦或是独立于人类，与人类互不干涉地共同生存？真希望有生之年可以看到这一天的到来。

采访嘉宾 | 吴结生 阿里云存储负责人主持人 | 霍太稳 极客邦科技创始人 CEO编辑 | 邓艳琴云原生正在重新定义存储，而存储只是基础软件领域中的一环。本期 C 位面对面，我们有幸邀请到了阿里巴巴高级研究员，阿里云智能存储负责人吴结生（Jason Wu），他亲历了阿里云存储技术高速发展的 8 年，此次，他将与 InfoQ 共同解读存储技术的现在与未来，以及他本人在职业生涯中面临的一些抉择和个人成长感悟。深耕基础二十年回顾 IT 技术发展历史，其每一个时期都有不同的焦点，往回推 30 年是高性能计算，推 20 年是搜索，推 10 年是云计算。先后在中科院计算所做超算，在 ASK.com 做搜索，在微软和阿里云做云存储的 Jason 自认为是一个职业选择上的幸运儿——高性能计算、搜索、云计算这三个关键技术的发展，他都未曾缺席。“到后面的话，AI 和机器学习可能是另外一个新的技术发展点。”现在的 Jason 又成为了 AI 和机器学习的乙方，他所负责的存储产品，正支撑着大数据分析、AI、机器学习、自动驾驶等新型负载。Jason 在 2008 年加入微软 Azure 团队，参与了 Azure 代码的编写，包括后续的运维和线上故障排查工作。“因为我不是最早的那一波，所以只能算是参与了 Azure 从 0.2 到 1 的过程，最早的那波 2007 年就在团队里了。我觉得那几年我还是非常幸运的，能够在早期阶段参与到这样一个大的产品和技术体系的演进中。”“我记得 2012 年的时候，我来阿里云这边面试，王坚院士问我说，你在 Azure 做了 4 年，你觉得你最大的成就是什么呢？我当时也没有怎么想，就说自己最大的成就是让这个系统变得更加稳定了一些。原来我可能一周要工作 7 天，每次出去的时候都要带着电脑一起，有时候可能开车开到半路就得找个星巴克去排查问题。2008 年到 2011 年这种情况很多，到 2012 年我们系统基本上就稳定了，这种情况就变少了，可以变成一周工作可能是 6 天或者 5 天，自己出去要带上电脑去排查问题的次数变得少一些了。”“后来据说博士对我这个回答还是很满意的，说在系统的初期阶段确实有很多问题要解决，有很多坑要填。”然而，拿到 Offer 的 Jason 并没有选择立即加入阿里云。“因为当时给我 Offer 的时候，有两个选择，一个是回到杭州，另外一个是让我回到硅谷，阿里云在硅谷有一支研发团队，想让我去带那个团队。”但他更倾向于留在西雅图。因此，直到 2014 年阿里在西雅图设立了 Office，犹豫了两年的 Jason 才接过这个橄榄枝，不过，最后让他做下决定的，还是因为看到了云计算在中国的前景。他认为，相较于芯片、操作系统，云计算是一个很适合中国做并且能做得比较好的技术。“但是今天我的认识发生了一些改变，其实芯片这个事情我们也可以搞一搞，像操作系统，阿里云也在做自己的操作系统。随着我们深入到芯片和操作系统领域，其实它可以把全栈打通做得更好。”在阿里云的经历：三个重大决策和教训从 2014 年到 2022 年，Jason 已经和阿里云走过 8 年的时间，成为了阿里云存储负责人。在这个过程中，他参与过许多重要的决策，也获得了许多经验和教训，接下来，他将跟我们分享三个小故事。2015 年最重大的决策，派最精英的人去写 SDK飞天系统如雷贯耳，但 2015 年的时候，阿里云对象存储的业务发展并不如意。“我们都认为自己的分布式系统很牛，我们的飞天操作系统很牛，我们的盘古很牛，我们的产品也就很牛，然后我们就推理出来说，因为我们有很牛的产品，我们的客户肯定会很喜欢来用。”但是实际情况并非如此，那么，原因到底是什么？“我们发现，我们后端是很牛，但是我们跟客户交互的那些东西确实做得不好，SDK 也不是很好，用户体验也就不怎么好。”“举个例子，你可能花了一个月时间在后面做了一个优化，让整个系统的性能提高了 50%，但可能就因为 SDK 里面某一段写得不那么好的代码，客户就有可能是拿不到这 50% 的优化。而我们后端这些做分布式系统的精英程序员体会不到这一点。”所以，离客户最近的那一段的路需要非常好，这是阿里云存储团队在 2015 年获得的最大的一个教训。“就好像某个人有一个豪宅，但进去的路遍布荆棘的话，其实大家进去的机会也就少了，所以你必须要把这些路给修好，对不对？像我们的 SDK，我们的控制台，这些东西实际上就是这些路。”痛定思痛，阿里云存储团队在年底做出了 2015 年最大的一个决策——派最精英的人去写 SDK，重点关注控制台的构建和响应时间，以及 NPS，即客户愿不愿意把购买的产品推荐给其他朋友。“我们把最精英的同学放在那个领域去工作，让 SDK 和控制台真正能够让客户能感受到易用、高性能，然后我们在这些细节方面做得更好，后来我们的业务也就起来了。”如果你也是一位开发者，还是一位后端同学，这个故事应该对你有所启发。从全链路角度出发，做好每一个细节，才能保证后端的优越能够被客户真正享受到。2019 年 3 月，阿里云存储团队的至暗时刻2019 年 3 月份，阿里云存储团队内部的至暗时刻。一个月内，阿里云发生了两起重大故障，一次是块存储 EBS 在华北 2 地域可用区 C 出现了一个重大故障，导致服务中断几个小时，造成多个 App 和网站瘫痪。紧接着一周之后，阿里云对象存储 OSS 也发生了一次 P1 级的故障。那一时刻，Jason 真正地认识到了什么叫“基础不牢，地动山摇”，一旦基础设施底座出现了问题，将给上层客户带来巨大影响。“我们需要把系统做得更稳定，把我们的服务质量，把我们的快速反应能力，把我们的故障恢复能力提升到新的高度。客户把身家性命都放到了阿里云上面，我们肯定要通过技术和服务给他提供一个永不宕机的系统，这是我们的责任。”哪怕是 3 年后的今天，整个阿里云存储团队都对这个月份记忆犹新。他们甚至会反复将这些案例告诉新来的同学，告诉他们，敬畏自己的每一行代码，每一个操作。2020 年，搜索推荐广告全面上云如今，阿里巴巴集团业务，尤其是搜索推荐广告（搜推广）业务的全面上云，对整个阿里云特别是存储团队来说意义十分重大。当初在做阿里云的时候，王坚院士有一个目标，就是阿里云能支持多个搜索引擎，不仅包括阿里自己的搜推广业务，也希望外部的搜索公司也能架构到阿里云上面，这意味着，云平台需要具备相应的能力去支撑搜索这个技术复杂的业务。“实际上，搜推广上云的过程有点曲折，我们从上云到下云再到上云，经过 12 年的发展才走到这一步，但最后我们在 2020 年证明这个东西是成立的，而且我们已经全部上云了，所以这也是在整个存储技术的发展里面非常可喜的一个成就。”当前存储面临的挑战和有趣的发现当前的存储技术已经获得了长足的发展，但一些技术趋势会带来一些新的挑战，需要通过全链路设计和架构的重构解决问题。首先是稳定性，这一挑战长期存在。过去，系统的可用性可能 3 个 9 就够了，但如今它已经提高到了 4 个 9、5 个 9，我们还不仅仅满足于此，期望能达到更优的稳定性指标。由于新设备的引入，新业务、新负载、新技术的不断面世，整个系统的架构都在发生着变化，对底层有了更高的要求。比如云原生带来了快速弹性的拉取，在没有本地存储加速的情况下，底层将遭到巨大的冲击。换句话说，磁盘的物理能力是否能完美支持存储虚拟化的技术？“虽然今天的磁盘容量已经变得很大，但如果把性能跟容量相除，你会发现一个有趣的现象，磁盘的单位容量上的性能实际上是在往下降的。”Jason 给我们举了一个例子：“比如，原来大家可能用的是 4T 的磁盘，几年前，它变成了 8T，现在它可能是 20T。而 HDD 磁盘的其他维度的指标基本上是恒定的，IOPS 大概在 120~150 左右，带宽大概在 150～200M 左右。但磁盘的容量从 4T 到了 20T，已经增加了 4 倍，但它另外两个维度的指标都没有变化，所以你如果把这些性能指标除以容量的话，你就会发现整个曲线是往下走的。”如果把一块 20T 的盘通过资源的复用以及云技术，用多租户的方式分享给更多的用户，会发生什么？“一块 20T 的磁盘，我给每个客户 4T，这样就相当于 5 个 4T 的盘，每个客户都希望自己能享受到 120～150 的 IOPS。但实际上这个盘的物理能力没办法支撑这样的存储虚拟化的 1 变 5 的能力的，所以今天对我们来讲这是一个很大的技术上的挑战，我们需要去解决。”多租户的情况下还有资源性能隔离的需求，如何做好互不干扰的能力，如何把硬件的能力全部使用出来，如何降低成本，这都是存储领域的经典问题，只不过在今天这样大规模的云环境下面，所有的问题都被放大。阿里云存储的进化方向面对以上挑战，阿里云存储团队接下来的发力方向是什么？除了进一步提高系统可用性，Jason 透露，他们将面向数据湖、机器学习、AI、自动驾驶、搜推广等新型负载进化，一是对外发布一个更高速的基于盘古的分布式文件系统，该系统目前服务于阿里集团内部的搜推广业务。二是继续做好文件储存 CPFS，其在 AI 计算和自动驾驶场景都有落地应用。值得一提的是，阿里云自研的分布式存储系统“盘古”去年入选了世界互联网领先科技成果。另外，他们还将联合阿里云其他产品，给客户提供优质的数据管理和数据治理能力。并且聚焦高性能网络，自研网卡和磁盘，网络、磁盘和服务器之间的软硬一体设计的持续演进。“其实我们在未来有两个主战场，一是向下做深基础，在磁盘、网络和服务器设计方面不断创新，寻找全栈多点技术融合的机会，二是面向用户做产品设计。举个例子，阿里云、AWS 过往在做 EBS 产品设计的时候，每一块盘都给一个固定的性能指标，如果用户要变更到另一个性能指标，就要进行变配操作，用时长达几分钟甚至十几分钟，十分影响用户体验。因此，阿里云重新设计推出了 ESSD Auto PL，即在设定的底线之上，可以进行无级变速；也就是说，用户根据自身的业务需求，可以自由上升和回落，不用再去过多考虑容量资源的调配。这个设计对产品和研发来说是一件极具挑战的事情，但也印证了阿里云自身的文化主张，把复杂留给自己，把简单交给别人。”个人成长漫谈在技术之外，Jason 也给我们分享了他自身的一些小故事。谈时间管理由于在西雅图、硅谷和国内都有团队，Jason 需要频繁往返于国内和西雅图之间，疫情之前，Jason 每年回来 4、5 次，每次呆 1 个月时间，而在疫情之后，频率就变成了每年回国一次，一次呆 3、4 个月。我们很好奇，在这样的情况下，Jason 这样的大咖是如何做时间管理，怎样去高效工作的。Jason 表示，自己也是程序员出身，后来才做的管理工作。在做程序员的时候，时间相对连续集中，除了自己写代码和调试代码的时间，最多需要参加一些设计测试，但在做了管理以后，一个最明显的变化就是会议的增多，有一些必须参加的重要会议。此外，还有一些在日历上显示不出来的时间开销，比如要花更多的时间跟团队的同学交流，以及跨团队的沟通。“我现在给自己定了一个小目标，每个月至少要跟 5 个不是直接向我汇报的同学沟通，这样的话，你可以了解他们的一些想法，也能了解这个团队。”“其实还有一部分可以补充，你要花很多的精力去为团队或者为整个领域去寻找一些志同道合的人，要花时间去跟他沟通，给他讲你们的想法，等待合适的机会，让他们加入你的团队。”谈压力在繁忙的工作中，Jason 面临着许多压力，最主要的压力还是来自于怎样保障系统的稳定性，给客户提供一个稳定可靠的运行状态。这一点看起来很简单，实现起来却非常难，特别是在超大规模的分布式系统里面。“当系统出现抖动或者小故障，各种不可预测的情况发生，客户的业务可能受损，我们怎么样能够快速恢复系统，对客户的影响降到最低点。很多时候我们是在跟时间赛跑，这是我当下最大的压力。”当谈到是否有 KPI 的时候，Jason 说自己的 KPI 非常简单——系统没有 P1 故障，永远在线，客户的数据在阿里云上不丢不错。“基础不牢，地动山摇”，在交谈中，Jason 多次提到这句话。谈解压Jason 会从身体和心态两个方面去缓解自己的压力。平时，他喜欢一些体育运动，比如足球。在西雅图，他一周会踢两次，一般都是晚上踢，周五晚上正好是国内的周六，可以错开时间。随着球龄的增长，他在球队的位置不断后移，除了守门员，从前锋到中后卫都踢过。“这一块能够让自己的身体状态比较好，也可以应付更多压力，至少你得有一个好的身体去熬夜排查问题。”在心态上，Jason 建议用发展的眼光看待问题，当故障发生的时候，不是第一时间去责备人，而是去优化系统、流程、团队协作，等等，避免下一次故障的发生。而后举一反三，排查其他模块和系统里是否有类似的漏洞以便改进。Jason 曾告诉自己的团队，“一个强大的产品，或者一个非常强大的系统，它很多时候是随着故障而成长起来的。”系统是在犯错中成长的，人也是。“但是每一次故障对客户产生的影响，我们也是非常心痛的，我们觉得这些事情其实可以做得更好，所以在这样一个不断相对螺旋上升的过程中，我们让整个系统能够达到我们想要的那种永不停机的状态，我觉得这种心态对我们缓解压力还是有帮助的。”谈学习在工作之余，Jason 也会给自己安排一些学习时间，关注 USENIX、OSDI、SOSP 等顶级会议上发表了哪些 Paper，Facebook（现在叫 Meta）、Twitter、Amazon 和 Google 等公司发了哪些工程方面的 Blog。“InfoQ 的很多文章我也看，还有极客时间，我觉得 InfoQ 还是一个非常好的社区、IT 技术交流中心。有时候，我也会去看一些知乎上的问答，我觉得也是非常不错的。”从国际性的顶级会议确实可以找到一些前沿技术趋势，甚至能看到国家创新的聚焦点。我们也看到了一个积极的现象，目前，国内有许多老师和研究生，包括阿里在内的企业，在这些顶级会议上发表的高水平文章越来越多，这也反映出我国的研究水平的上升。据了解，阿里连续资助了多届存储领域优秀论文的宣讲，Jason 告诉我们，虽然见效缓慢，但是学术研究绝对是值得长期投入的，因为在很多时候，一种理论的突破才会让整个行业有更大的发展。达摩院的建设就是阿里在中长期技术研究上的投入，而阿里云存储团队本身也在做一些技术预研方面的工作，每年都会与多家高校合作，招收实习生，一方面希望给高校学生提供一个业界真实的工作环境，同时也希望通过一些联合研究项目，让高校师生更深入地了解工业界，衡量解决问题的方案。达摩院这样的机构或者组织越多，对工业界的突破越有利。谈成就感Jason 认为，做工程师和做管理，从成就感的程度上看可能差不多，但感受到的方式不太一样。做工程师的成就感，来自于系统上线且稳定运行，服务了很多客户。而做管理者，更多是来自于团队发展，你看到团队的同学成长起来了。因为负责存储业务线，他还有一个成就感来自于客户的反馈，“客户觉得这个东西很好，我还想推荐给其他人用，我的这种成就感就会更多一些。”谈选择在谈到过往的重大抉择的时候，Jason 告诉我们，自己也有一些迷茫的时刻，但不多。“其实很多时候你就像一个天平里面，只要在哪一边加一根稻草，就可能把你的迷茫给打破了。”说到这里，Jason 给我们讲了自己换工作的故事。他博士毕业后的第一份工作在 ASK.com，Base 阳光灿烂的硅谷，如果要去微软，就要搬到雨水和阴天都很多的西雅图，所以他有些犹豫。但一想到西雅图的房价比硅谷的房价要至少低一半，“我找到了一些心理上的平衡。”谈目标在工作上的目标，Jason 给自己制定了 OKR，其中有一个 O 是没有 P1 故障，以及一些很宏大的目标。“我们有些目标是实打实要完成的，有些目标就是一个牵引。”Jason 坦言，自己的个人目标其实也有一些没有实现，2021 年，他给自己定了一个跑完 365 迈的目标，但最后大概只跑了 100 迈。“我原来说每个月至少要跟 5 位不是汇报给我的同学沟通，我觉得这个也没有完成得那么好，大概完成了 60~70%，也就是说可能平均下来每个月也就 3~4 位同学，没到 5 位。”团队发展尤其是海外团队建设方面的目标，Jason 认为也没有特别达标，一方面是由于疫情影响，一方面是因为当下的技术趋势，整个海外人才市场竞争非常激烈。2022 年，Jason 希望疫情能逐渐结束，争取多回国一些时间，此外，他也希望多增加一些和家人去休假的时间。谈成长2022 年，极客邦的主题是“无限生长”，Jason 分别从个人成长、技术成长、非技术成长三个维度来解读了这个词。他认为，不管是在遇到不擅长的事情的时候，能够主动担当；还是从各种各样的反馈中，拿到有用的东西，让自己变得更好；又或是不局限于现有的思路，做产品创新，给客户带来更多价值，这都是无限生长。这和阿里内部推崇的“打破边界”有异曲同工之意。“从合作的角度来看，如果你做了一个东西，你不仅能自己用，还能推广给别人，让其他产品或者团队使用，让你的模块或者代码发挥的价值更大。”“其实你如果去看那些成熟的技术的发展，整个团队实际上你都可以认为是在攀不同的高峰，就像我们做 ESSD 这样一款产品，我们是业界第一个提出来做 100 us(微秒) 延迟的块存储团队，并且还立下了 100 万 IOPS 的目标，2018 年，我们发布了 ESSD，我们把这个目标达到了，到目前我们也一直处在性能领先的地位。今年我们又给自己定了一个目标，延迟要做到 80，我们还有一款新产品可以做到 30。”这种对技术的追求，也在鼓励着开发者们打破现状，做出创新，让自己跟着业界技术趋势去成长，把技术目标变成产品，让产品更加具备竞争力，服务好更多的客户，无限生长也体现在这里。非技术方面的成长，则包括如何做项目管理、跟团队沟通、提高团队合作能力，将自己变成团队战斗力提升的驱动力。“我们在阿里云这边经常会讲一句话，就是要一起拼、一起赢。我觉得我们包括我的团队，或者包括阿里云的文化，技术文化或者组织文化，其实都跟无限生长非常契合。”结束语我们从交谈中发现，Jason 是一位非常朴素的工程师，正如千千万万在基础软件领域默默坚守的从业者，他们的努力灌注出一代又一代坚实的底层基础设施，成为上层业务的强有力支撑，让企业在数字化转型浪潮中迎接未知的挑战。他的成长经历也印证了我们的观点——底层未必不能做到顶层，国产基础软件领域大有可为。而长期以来，基础软件都是 InfoQ 重点关注的领域，越深入越能看见国产基础软件背后的巨大价值，这也是 DIVE 全球基础软件创新大会诞生的初衷。如何面向新型负载从上而下做好大数据体系升级？6 月 22-24 日，QCon 全球软件开发大会将落地北京国际会议中心，关注下一代大数据系统架构、分布式数据库、云原生数据湖。此外，还有业务架构、Rust、WASM、可观测、业务安全合规、产品设计、大前端新基建、组织管理等多个热点专题，与你一起探讨技术新趋势。了解更多软件开发与相关领域知识，点击访问 InfoQ 官网：https://www.infoq.cn/，获取更多精彩内容！

数字经济蓬勃发展的今天，越来越多的用户已经从“上好云”，走到了“用好云”的这个阶段。如果说在“上好云这个阶段，大多数用户关心的是如何在成本上获得更好的回报。那么在上好云这个阶段，更多的用户开始思考，如何在云平台上支持更多、更复杂、更有价值的数据分析场景。3月 31 日，阿里云全球数据湖峰会上，阿里云从“湖管理、湖存储和湖计算“这三个方面，为观众带来了“数据湖 3.0” 的重磅升级方案。为用户呈现数据湖在各行各业多场景的融合方案和实践，共同推动产业数据湖的发展浪潮。阿里巴巴集团副总裁，阿里云计算平台事业部负责人贾扬清认为，云原生让数据湖加速迈入 3.0 时代，而数据湖已经成为企业数据应用创新的标配。由于数据应用体量持续增加，数据分析的开放性和多样化也在持续地增加，这也标示着数据湖的应用已经进入深水区。企业如何系统地实现湖存储、湖计算和湖管理是企业能否实现业务创新与增长的关键。阿里云云原生企业级数据湖，帮助这些用户实现对新的数据化的赛道进行赋能，助力业务在云上创造更多新的可能性。借助它，任意门科技高效地支撑了各种业务数据分析场景，通过数据湖提供上百Gbps 高吞吐能力，满足业务数据分析对于弹性扩展吞吐的需求。同时数据湖也提供了存算解耦合架构和多存储类型的，让任意门科技具备更灵活的成本优化空间。“AI 和大数据的融合，驱动企业创造业务价值。基于数据湖存储OSS的冷热智能分层能力，可实现成本降低95%。”阿里云基础产品资深产品总监 Alex Chen 如是说。以映客互娱为例，采用数据湖的解决方案，在技术层面支持了其业务从单一直播平台向泛娱乐生态的转型。据了解，映客互娱将阿里云数据湖体系与自研的大数据中台打通，对产品矩阵进行技术上面的支撑。成功实现了在只配备最前线运营人员和少量的客户端研发的情况下，可实现数据的运营，挖掘其背后的价值。在智能物流领域，嬴彻科技是一家业务聚焦于干线物流场景的自动驾驶技术和运营公司。基于云数据湖实现自动化物流，将数据GPU的利用率提升至70%—80%，而资源仅提升14.5倍，帮助其以最低的成本将自动驾驶训练速度提升24倍。在阿里云看来，数字经济转型的大环境下，生态伙伴也已经开始从单纯的信息提供商开始向数字经济的服务商转型。数据湖带来的能力是能够帮助我们的伙伴打开这扇门最好的钥匙。大会现场，阿里云与德勤、恒生、软通动力等20+合作伙伴，首次面向外界联合发布产业数据湖生态圈，共同利用数据湖解决方案的能力，为行业用户畅想数据更多可能性提供创新支点。阿里云透露，2020年至今，已超过1万个客户在云上构建数据湖。未来，阿里云希望同伙伴一起，将云原生数据湖渗透到各行各业，推动更多企业实现数字创新。

资讯小鹏回应汽车自动辅助驾驶失灵近日，湖南岳阳一位小鹏汽车车主邓先生称，他在国道上开启自动辅助驾驶行驶十几公里后，突遇一辆侧翻在道路上的汽车，没有任何报警和减速，车子径直撞了上去，发现异常后有紧急踩刹车，但汽车没有任何反应。同时根据车主提供行车记录仪显示，撞击前加速度数值有上升现象。对此，小鹏汽车回应称，事故发生后，通过电台碰撞监测，客服人员第一时间致电客户询问情况，并给予协助指引。初步判断为车主在使 ACC+LCC 过程中，没有保持对车辆前方环境的观察并及时接管车辆所致。经当地交警部门调查判定后，结论亦符合上述情况。小鹏汽车售后体验专员称，车辆说明书上有写对静止物体的识别是有比较大的失败的概率的，愿意送一年延保遭到邓先生拒绝。目前双方协商仍未达成一致。华为员工利用公司系统 Bug 越权访问机密数据被判刑，华为出具谅解书近日，有关“华为员工越权访问机密数据被判刑”的消息引起热议。该名员工被指控，其于 2016 年至 2018 年间越权访问机密数据并牟利。中国裁判文书网显示，华为员工易某在 2016 年 12 月 27 日至 2018 年 2 月 28 日期间，多次通过邮箱将华为公司多个供应商共 1183 个线缆类编码物料的采购价格发送给上市公司、华为的供应商金信诺。在 2012 年至 2017 年 6 月 30 日期间，易某收受金信诺购物卡共计 7000 元、篮球鞋 5 双（价值 16437.6 元）。易某发现 ERP 系统中的 POL 采购小程序存在漏洞，通过特定操作绕过权限控制查看系统数据，获取线缆物料的价格信息，并将非法获取的价格数据以发短信、打电话、发电子邮件的方式告知金信诺，从而帮助金信诺公司在华为公司的招标项目中提高中标率。法院判决被告人易某犯非法获取计算机信息系统数据罪，判处有期徒刑一年，并处罚金人民币 2 万元；继续向易某追缴违法所得共计人民币 23437.6 元，依法予以没收，上缴国库。针对该案件，华为有关人士回应《证券日报》表示：“公司已出具谅解书，以官方为准。” 金信诺证券部人士对证券日报表示：“公司在 2018 年已对内部涉事员工的违纪行为进行了处理，这仅是个人行为。”该人士还称，此前公司与华为确实有合作，但对于现在是否仍是华为供应商，需要进一步核实。大手笔！英特尔计划投资 30 亿美元扩建 D1X 工厂据路透社报道，4 月 11 日，英特尔正式启动扩建其位于美国俄勒冈州的 D1X 工厂，投资额高达 30 亿美元。英特尔此举旨在加速技术开发，重新获得芯片行业的领导地位。据悉，D1X 工厂扩建面积为 27 万平方英尺，完成后 D1X 工厂的规模将增加 20%，由此产生的额外产能将用于帮助其开发下一代工艺技术。英特尔表示，这次升级将使公司使用巨大的新型制造工具来生产先进的芯片，之后英特尔将在全球其他工厂复制这一模式。英特尔 CEO 帕特里克·格尔辛格表示：“俄勒冈州一直是我们全球半导体研发的中心，新的空间将增强我们为实现 IDM（集成器件制造）2.0 战略所需的能力。”又一自动驾驶创企获融资，长城旗下毫末智行宣布完成数亿元 A+ 轮融资4 月 12 日，InfoQ 获悉，毫末智行宣布获得 A+ 轮数亿元融资。本轮融资由中银集团投资有限公司（以下简称“中银投”）领投，首程控股跟投。毫末智行方面表示，募得资金将持续加强毫末智行的自动驾驶研发投入和人才体系建设。毫末智行成立于 2019 年，从长城汽车技术中心智能驾驶前瞻分部独立而来。其核心团队一部分来自长城内部的智能驾驶研发团队，一部分来自百度、华为等科技公司。长城汽车车辆安全工程研究院院长、长城汽车技术副总工程师、长城智能驾驶系统开发部部长张凯担任毫末智行董事长；长城汽车智能驾驶总监甄龙豹担任毫末智行首席交付官 CIO；前百度智能汽车事业部总经理顾维灏去年 2 月加入，担任毫末智行 CEO。据悉，这是毫末智行近期获得的第二笔融资。2021 年 12 月底，毫末智行宣布完成 A 轮融资近 10 亿元，投资方为美团、高瓴创投、高通创投、首程控股、九智资本等。一辆自动驾驶出租车违章后“逃逸”，看懵美国警察....近日，一则网传视频显示，通用汽车旗下自动驾驶公司 Cruise 的一辆无人驾驶出租车，在美国旧金山被当地警方拦下了，因为该车辆在行驶过程中没有开前灯。当警察试图与司机交谈时，发现车内竟然没有人。警察上前试图打开车门，无果后返回警车。但突然，该车辆自行启动并驶离现场，而警车随后又将其逼停并再次来到无人驾驶车辆周围查看情况。随后，Cruise 方面在一份声明中表示，该辆自动驾驶车辆并不是为了逃避警察的追捕，它是想找一个更安全的地方停车。Cruise 表示，旧金山警察局拦停该车辆的原因是因为没有开大灯，并表示警官联系了 Cruise 的相关工作人员解决了该问题，并且没有开出罚单。该公司称，目前正与旧金山警察局密切合作，包括为执法人员提供在特殊情况下可以拨打的电话号码，并研究了日后执法者该如何与自动驾驶车辆互动。阿里云人事大变动 ： 中国区总裁辞任，多名高 P 离职据 21 世纪经济报道，阿里云发生人事大变动，中国区总裁辞任、多名高 P 离职。多方消息人士透露，阿里云正在进行新一轮组织架构调整：阿里云中国区总裁任庚（M6）将离职，该职位由阿里云中国区副总裁黄海清接任，统管中国 16 个战区。此外，集团副总裁、云智能销售管理与生态发展部总经理郭继军（M6）已在走离职流程，生态+销管体系暂时由蔡英华直接代管。阿里副总裁李飞飞等高管的麾下也有数名 P9/P10 中高层骨干在近期辞任。消息称 Meta 将于 2024 年前推出第一代 AR 眼镜4 月 13 日, 据报道，知情人士称，Facebook 母公司 Meta 计划在 2024 年之前推出第一代 AR 眼镜。2026 年，Meta 将推出第二代产品，重量上会更轻，设计将更先进。2028 年 Meta 还将推出更完善的第三代产品。知情人士称，Meta 的 AR 眼镜项目被称为“Project Nazare”，将独立于手机而工作，意味着无需借助手机的计算能力。海康威视：过去几年人才内卷严重，实体企业在互联网大厂面前竞争力弱4 月 15 日晚间，海康威视发布年度业绩报告，报告显示，海康威视 2021 年营业收入约 814.2 亿元，同比增加 28.21%；归属于上市公司股东的净利润约 168 亿元，同比增加 25.51%；基本每股收益 1.81 元，同比增加 25.26%。4 月 16 日，海康威视举行 2021 年年度暨 2022 年第一季度业绩说明电话会议。谈及费用问题时，海康威视称在过去几年里人才的内卷非常严重，实体企业在互联网大厂面前显得竞争力非常弱。海康威视表示：“我们采取了一些措施包括用涨薪来应对人才的竞争，今、明年还会继续保持一贯的风格，费用会有一些上升，费用率要靠公司的收入增长来解决，同时我们特别关注的毛利率问题，我们也会比较理性的去看待这个事情。”俄罗斯超算将使用自研 CPU据英国媒体报道，俄罗斯将自研高性能超算系统 RSK Tornado，使用本土公司研发的 ARM 处理器。此平台将由大型系统集成商 RSC Group 开发，该公司表示 RSK Tornado 可以平等使用两种不同的处理器架构，从 x86 切换到 ARM 也不受影响，并与俄罗斯开发的存储系统协同工作，一个机架中可有安装 104 台服务器。IT 界热评新闻美国科技巨头员工薪酬排行：谷歌员工收入最高近日，美国各大科技公司提交给美国证券交易委员会（SEC）的财务文件披露了公司员工在 2021 年的收入。文件显示，去年谷歌员工在所有大型科技公司员工中收入最高，员工年薪中位数为 29.59 万美元。Facebook 母公司 Meta 员工的平均薪酬也接近 30 万美元，位居第二。Twitter 薪酬紧随其后，员工年薪中位数为 23.26 万美元；排名第四的是英伟达，员工平均薪酬为 21.75 万美元；Netflix 员工平均薪酬为 20.17 万美元；微软员工平均薪酬为 17.69 万美元。值得注意的是，苹果和亚马逊的员工收入远远落后于同行，中值分别为 6.83 万美元和 3.29 万美元，这主要是因为两家公司中从事零售和物流业务的员工比例很高。何小鹏、余承东为上海供应链发声，上海已发布企业复工复产疫情防控指引4 月 14 日晚间，小鹏汽车 CEO 何小鹏在微博发文称，“如果上海和周边的供应链企业还无法找到动态复工复产的方式，五月份可能中国所有的整车厂都要停工停产了。” 4 月 15 日上午，华为消费者业务 CEO、智能汽车 BU CEO 余承东在朋友圈发文称，如果上海不能复工复产，5 月之后所有科技 / 工业产业涉及上海供应链的，都会受到重大影响。4 月 16 日，上海经信委发布了《上海市工业企业复工复产疫情防控指引（第一版）》。继成为推特最大股东后，马斯克下一步想买下推特4 月 14 日，特斯拉 CEO 埃隆·马斯克更新了提交给美国证券交易委员会（SEC）的 13D 文件，文件显示，马斯克提出以现金方式、以每股 54.20 美元的价格收购推特已发行普通股。文件称，马斯克已于 4 月 13 日发送信件给推特提出了提议，表示将以每股 54.20 美元的价格收购“非马斯克所持有的全部推特已发行普通股”。文件提到，若这一拟议交易完成，推特普通股即可符合从纽约证券交易所退市的要求。推特方面在一份新闻稿中证实，其已收到马斯克主动提出的上述提议。推特方面称，董事会将仔细审查该提案，以做出符合公司和所有股东最佳利益的行动方案。