在美国上市公司中，科技公司正成为绝对的主角，他们业绩不断提升，市值不断增长，而其中的代表就是苹果、谷歌（Alphabet）、微软、亚马逊、Facebook五巨头。那么，它们又是如何赚钱的？就让第一海外金融的小编带着各位了解下其收入构成吧。

首先是苹果，这是全球第一只市值超过8000亿美元的公司，收入达2160亿美元，利润460亿，其收入中，63%来源于我们熟悉的iPhone，11%为Mac电脑、10%则是iPad，另外，其服务方面的业务也获得了11%的收入。

接着是谷歌，市值6510亿美元，收入900亿美元，利润190亿美元，广告收入构成了其收入中的88%，主要是Google AdWords和YouTube的广告，另外，如谷歌商店、安卓系统等服务型业务也为谷歌拿下了11%的收入。

从收入来源多样性来看，微软显得更加健康，这家公司市值5360亿美元，收入850亿美元，利润170亿美元。Office软件和服务是其最大收入来源，占比28%，而包括其云服务在内的服务业务占比22%，XBOX为代表的游戏业务占比11%，而我们熟悉的操作系统收入其实占比不过9%，另外广告上的收入占7%。

再看看电商巨头亚马逊，市值高达4550亿美元，收入1360亿美元，收入20亿美元。其中，电商业务带来了72%的收入，亚马逊的媒体业务可能超出大家预料，收入占比达18%，而其名扬天下的云服务收入也已经达到9%。

最后看看社交巨头Facebook，市值4340亿美元，收入280亿美元，利润100亿美元，这利润比很高啊。看上去脸书的收入构成比较单一，就是广告，占去了其收入的97%！

近年来，中国企业以低价向全球市场源源不断地输出钢材，而这些廉价钢材让美国人坐不住了。美国的一些钢材企业因此受到冲击，而标榜“美国第一”的特朗普政府更是认为从中国进口的廉价钢材会对其所谓的国家安全造成威胁，并企图对进口钢材施加贸易限制。

实际上，随着美国对中国输美钢铁产品频繁发起的贸易制裁措施，中国对美钢材出口已大幅下降。2016年，美国从中国进口钢材78.9万吨，2015年为216.1万吨，同比下降63%。目前中国钢铁在美国市场仅占不足1%的份额。另一方面，美国本土的炼钢业还算发达，足以满足其国防需求，因此也有底气和中国抗衡。

不过据美国《外交杂志》报道，美国人真正担心的是另一行业：铝业。大量来自中国的廉价铝材不仅“掏空”了美国的铝产业，而且又一次对美国所谓的国家安全构成威胁。那么到底怎么回事呢？

据报道，2001年中国加入世贸组织以后，中国铝材迅速进入美国市场，导致美国炼铝厂的数量从23个猛降至5个。2015年以来，有8个冶炼厂要么倒闭，要么缩减了生产规模。

相比之下，更令美国人忧心忡忡的是国家安全问题。制造某些型号的飞机，如波音公司的F-18和洛克希德马丁公司的F-35，以及装甲车都需要高纯度的铝材。但如今，美国国内只剩一家能够生产高纯度铝材的厂商了，那就是世纪铝业公司位于肯塔基州霍斯维尔的工厂。目前，该厂仅投入了40%的生产力，而与此同时，铝产品价格还在持续下跌。而在世界范围内，能生产它的炼铝厂并不多，而且其中大部分位于俄罗斯、中东和中国。

此种情形促使特朗普政府于4月26日发起了一项针对进口铝产品的调查，而同样在4月，他们对钢材也发起了同样的调查。

“显然，从国防的角度看，如此重要的材料却只有一家供应商，这是非常非常危险的，” 4月26日，美国商务部长威尔伯•罗斯在记者会上表示。

该项调查援用了一条冷战时期的贸易法规，即美国贸易扩展法第232节，它规定可以对与国家安全关系重大的冶炼行业采取特别保护。调查将会对美国能否生产可满足其战时需求的高纯度铝材作出评判。

以前，美国也曾对中国的进口铝产品征收超过370%的惩罚性关税。相比于征收关税，第232节规定所涵盖的救济方式也许要更广，可能包括配额或其他一些救济手段。不过，这仍然无济于事。

“这个行业真的残存无几了，”世纪铝业执行副总裁兼总顾问杰西•盖瑞表示，“目前，世纪铝业仅以40%的生产力在运转。正如商务部长罗斯所言，我们正处在失去最后一个炼铝厂的危急关头。”

实际上，中国经济供给侧增长的劲头仍在，二月份中国的铝材产量创下了295万吨的新纪录。

而另一个现实情况是，铝产品生产国的数量增长缓慢。随着许多国家都建立起了自己的钢铁产业，钢材生产已经在全世界铺开，因此大量的中国钢材会波及一大片国家，而铝材生产却只集中在少数几个电价低廉的国家。

“在这个问题上，钢铁更有发言权。我们已经落后一步了，”盖瑞说。“但是，美国铝产业的衰落要比你在钢铁产业上所看到的更加严峻。中国铝产业的扩张和美国铝产业的衰落都在加快步伐。”

中国制造大而不强，这句话是对了一半，的确有的中国制造产量非常大，营业收入也非常高，但是产值和利润都非常低，这个是事实。

2017年第一季度中国品牌手机份额占到世界48%，也就是人类每买两部手机，就有一部是中国品牌。但是如果论产值和利润，中国手机可就占不到48%了。

苹果公司2016年卖了2.15亿部iphone，占世界14.6%

中国三强华为+OPPO+VIVO 2016年卖了3.157亿部手机，占世界21.6%

三星公司2016年卖了3.11亿部手机，占世界21.2%

然而对比一下营收，2016年苹果来自iphone的营收为1394亿美元;三星移动部门的营收为894亿美元，华为+OPPO+VIVO三家都没有公布单独手机的营收，华为消费者业务收入为1780亿人民币，就算全部算成手机业务的收入，也就是258亿美元(6.9的汇率)，OPPO和VIVO的营收大约也就是200亿美元左右(估计值，VIVO低于OPPO)，那么三家之和也就是650亿美元。

可以看出量比别人大，收入却比别人低，收入都比不过，产值和利润更是比不过，这个就可以称之为大而不强。

然而作为世界第一大工业国的国民，我们要正确的理解大而不强这四个字：中国是全产业链国家，大而不强是和本行业全球最强者比较。

智能手机是个例子，我们说大而不强是和本行业最强的美国和韩国比较，但是比起其他国家我们是既大又强，没有任何其他国家能在产值和利润上超过我们，我们是世界第三强。

再比如工程机械，这也是我国被普遍认为大而不强的产业，英国KHL集团旗下的international construction 杂志公布的2016年全球工程机械50强，中国企业加起来销售收入占全球10.6%，从工程机械产业获取收入能超过我们的只有美国和日本，我们是世界第三，德国工程机械公司的收入占全球9.1%，虽然收入低于我国，但是其产值应该高于我国，也可以排我们前面，拿我们就是全球第四。

工程机械在国内网络应该经常被黑不如美国日本欧洲机械，但是呢我国再怎么差也是全球第四，还是那句话，全球发达国家都有24个，我国排世界第四其实已经不错了，只是我国是朝着超级大国去的，世界第四显然不能满足我们的追求。

大是强的基石，先有大，然后才会有强，有了高的产量，有了高营业收入作为基数，才有可能有高产值和高利润，你的营业收入只有一个亿，怎么可能创造三个亿的产值，一个亿的利润呢?

我国凡是领先世界的行业和企业，在本行业一定是营业收入最高行列，反之我国凡是没有发展起来的产业，其特征都是营业收入非常低。

我们今天从数据来看看，中国哪些行业和世界的差距最大，我们主要从观察中国进口的工业产品金额，从中也可以看出，我国应该把哪些产业的国产化排在最优先的地位。

2016年中国进口总额为15874.8亿美元，当然这里面大约三分之一是各种矿物原料和食品，例如2016年我们进口了各种水果和干果57亿美元，粮食和食用油438.6亿美元，也就是我们花了500亿美元左右进口食品。

和食品相比，我们进口的矿石原料和石油天然气更多，2016年中国进口了铁矿石576.6亿美元，铜矿206.7亿美元，煤141.5亿美元，原油1164.7亿美元，成品油111.4亿美元，燃料油26.4亿美元，天然气164.9亿美元。也就是我们花了差不多2200亿美元进口各种矿物原料。另外还买了原木162.1亿美元，固体废物180.1亿美元等等。

要搞清楚我们和世界顶尖水平的差距，还是要看工业制品的进口，2016年，中国进口工业制品为11773.3亿美元，占了进口额的74.2%。

我们看下进口的工业制品里面，有哪些是进口金额比较大的商品，这样我们也可以知道，中国最应该在哪些领域尽快完成产业升级，实现进口替代。

以下数据来自中国海关总署。

第一大进口工业品是集成电路，2016年进口了2271亿美元，占了整个工业品进口总额的19.3%

差距到底有多大?

2016年，中国第一大半导体公司海思半导体销售额为303亿人民币，按照6.9的汇率，43.9亿美元，而世界第一大半导体公司英特尔营收为549.8亿美元，相差12.5倍

当然，海思是纯设计公司，没有工厂，和英特尔这种设计+制造的IDM比不公平，那么我们就把海思和世界纯IC设计第一名高通比较，高通2016年营收为154亿美元，是海思的3.51倍

实际上，海思的芯片设计还是基于ARM的架构，

中国真正算得上完全自主可控的芯片龙芯，2015年销售收入只有1亿人民币，和英特尔是1000倍以上的差距。

芯片制造领域，中国第一大制造商中芯国际2016年销售额为29亿美元，世界第一大制造商台积电2016年销售额创纪录为297.65亿美元，差距为10倍

芯片封装领域，中国第一大封装厂长电科技2016年销售额191.55亿人民币，世界第一大封装厂日月光2016年营收为628亿人民币(2017年4月底按照新台币：人民币=4.377：1的汇率)，差距为3.28倍。

我们再看看上游的半导体生产设备，半导体生产设备不只是用来生产电子产品用的芯片，我们的LED灯，太阳能产业同样也需要。

全球第一大企业是美国应用材料公司，2014年营收79.4亿美元，而中国的龙头企业中国电子科技集团两大研究所四十五所+四十八所加起来营收为8.09亿人民币，相差63倍(2014年汇率按照6.4)

看了上图，坏消息是半导体生产设备我国世界市场占有率只有1%，好消息是半导体生产设备世界上的主要玩家也就是美国，日本，荷兰三家，其他国家都是渣渣，我国努把力就可以混到世界第四。

我们可以看出什么呢?

在芯片设计这个环节，我们和世界第一的差距是3.5倍

到了芯片制造这个环节，我们和世界第一的差距是10倍

到了芯片生产设备这个环节，我们和世界第一的差距是63倍

这说明什么呢，只有我们的下游国产需求方强大了，才能带动上游的发展，再说直白一点，如果海思，展讯，中兴微电子，华大，大唐等等这些IC设计公司发展不起来，那么中芯国际和华力微这些制造企业也就发展不起来;

如果中芯国际，华力微这些制造企业发展不起来，那么更上游的北方华创，中微半导体等半导体生产设备供应商也别想发展起来。

中国进口的第二大工业品是汽车整车和汽车零部件，2016年进口746.1亿美元，占工业品进口的6.34%

我们就查世界五百强数据，2016年财富世界五百强公布世界营收最高的汽车公司德国大众营收为2366亿美元，世界第二是日本丰田汽车公司，收入为2365.9亿美元，几乎不相上下。然而中国最大的汽车公司上汽集团收入是多少呢?1066.8亿美元。和世界第一的差距是2.22倍

然而上海汽车集团的营收基本来自合资品牌，我们以2017年第一季度为例子，上汽集团总共汽车销量为大约165.6万辆，其中上汽自主品牌汽车(不计算五菱)销量只有11.8万辆，比例为7.13%，而大众，丰田等几乎100%都是自主品牌

如果按照自主品牌产量对比，2016年销量最高的自主品牌公司长安集团128万辆，而世界第一是大众的1031.3万辆，世界第二是丰田汽车1017.5万辆。中国最好和世界最好相比，差距是8倍。

全中国自主品牌乘用车的2016年销量之和为1052万辆，历史上第一次超过了丰田的1017.5万辆和大众的1031.3万辆。也就是说，一个丰田或者一个大众等于全中国的自主品牌销量之和。

我们再看下汽车零部件，2016年按照福布斯的世界汽车零部件厂家百强榜，世界第一大汽车零部件公司是德国博世集团，营收448.25亿美元;而中国第一大汽车零部件厂家是延峰集团，营收112.42亿美元，差距为4倍。但是请注意延峰集团是做汽车内饰的，技术含量嘛有点尴尬。

全球汽车零部件前100名只有两家中国公司，还有一家是中信戴卡，营收24.3亿美元，和第一名的差距是18.45倍。

不过大家也别灰心，我国汽车零部件很多是在某集团下面的，比如山东潍柴的柴油发动机，就是潍柴集团下面的子公司，比如比亚迪自产自销发动机，奇瑞同样自产自销发动机，同样的还有浙江万向集团，万向不只是做汽车零部件，因此没有进入这个排名。

我们进口的第三大工业品是仪器仪表，2016年总共进口449.6亿美元，我国尤其是科研领域，非常依赖从国外进口高端科研设备，虽然国产仪器仪表近年来发展非常迅速，但是总体来说差距仍然非常大，例如基本上实验室的高端科研仪器还是依赖进口。

2016年我国仪器仪表整个行业的营收才9355.4亿元，而进口就有3000亿人民币以上，这个数字非常惊人。

我们进口的第四大工业品是初级形状塑料，2016年进口413.2亿美元，这个可能是大多数人没有想到的，初级形状的塑料包括各种以聚开头的化工品，例如聚乙烯，聚丙烯，环氧树脂，聚碳酸酯等等。

初级形状塑料里面有没有高科技产品呢，当然有，但是总的来说，这是个低端的工业产品。

2016年我国进口了2570万吨的初级塑料，其中聚乙烯994.3万吨，那么聚乙烯产品我国是从哪些国家进口呢，是以中东及东南亚国家为主，其中伊朗占比28%位居首位，沙特占比26%，位居第二，阿联酋占比18%，位居第三，接下来是新加坡，泰国，卡塔尔，基本都是第三世界国家。

再比如聚丙烯(包括丙烯-乙烯聚合物)2016年进口了457万吨，聚丙烯最近七八年国内产能大幅增加，2010年我国进口依存度(进口量占消费量比例)还高达34%，2015年已经下滑到了16%。我国进口的三大来源国是韩国，沙特，新加坡，其中韩国进口较为高端，主要用于电子制造业用。沙特进口基本通用料为主，便宜。新加坡进口用来做人造纤维等。

显示面板，这个我国进口第五大工业品，2016年进口总额为318.5亿美元，由于前面的初级形状塑料和仪器仪表都是个大类，所以也可以说液晶显示面板是我国进口的第三大工业品。

2016年我国第一大龙头企业京东方营收是688亿人民币，2016年世界第一大显示企业三星显示的营收是1632亿人民币(按照韩元兑换人民币165的汇率)，差距为2.37倍

上游的差距更大

中国进口的第六大工业制品是自动数据处理设备及其零部件，2016年进口了278.3亿美元。

大家可能在想这是个什么玩意儿，它包括工业和民用计算机及其零部件，例如硬盘，硬盘驱动，计算机，光盘驱动，显卡，声卡等等。想不到这个东西进口了这么多吧?

我们当年玩台式机的时候就在想，主机+显示器，就TM的机箱是国产的，从CPU，主板，硬盘，显卡，声卡，内存条全部是台湾或者外国的，这个今天有所好转，因为个人用的计算机销量在下滑，并且有的部件实现了国产化，例如显示器国产很多了，紫光和西部数据也成立合资公司了。国内也有例如长城科技公司，2016年营收691亿人民币。

实际上，今天大部分计算机整机和零部件生产都是在中国大陆进行，很多是台湾企业在大陆设的厂。

中国进口的第七大工业品是未锻轧的铜及铜材，2016年进口了263.8亿美元，不过这个主要是资源型的初级工业制品。

中国进口的第八大工业品是医药品，2016年进口了220.9亿美元，其实中国非常重视药物的国产化，因为保障14亿的人的健康并非小事，但是依然有药物需要依赖进口。

如果加上西药的原料，那么进口金额高达295.62亿美元，可以排在第六位。

中国进口的第九大工业品是飞机和航空器，2016年进口203亿美元，我们为什么要自主研发ARJ21和C919，因为这是进口排在前十的工业品。

在民用航空领域，如果非要和波音和空客对比，我们大飞机是零。不过2017年5月5日，大家也知道发生什么事了，C919首飞。

中国进口的第十大工业品是电子元器件，2016年进口了200.1亿美元，这个大家可能有疑问了，为啥进口金额比我们感觉的要低?

我们用的手机里面最值钱的是各种集成电路(包括手机处理器，DRAM，闪存，基带芯片，功率放大器，数模转换，射频器件等等)，例如让韩国三星和海力士利润暴涨的内存芯片，这个是算在集成电路进口里面;然后是显示面板很贵;然后是WIFI，蓝牙，天线，声学器件，摄像头模组(包括镜头)，电池，机壳金属件，触控马达等，这些大部分都国产化了。例如索尼的摄像头模组工厂，已经在2016年卖给了欧菲光。例如金属壳，比亚迪甚至还是三星的主要金属壳供应商之一。电池连苹果也用的中国欣旺达，德赛，ATL公司的电池。

倒是电容电阻这些电子元器件，我们水平还不高，依赖进口。

我们对比下中国和日本最大的电子零部件企业(不包含芯片和显示面板)，日本最大的电子零部件企业是京瓷，2017财年预计营业额为15200亿日元，按照0.0614的汇率，大约933亿人民币，而中国最大的电子零部件企业是亨通集团，2015年销售额为480.3亿人民币。差距大约在一倍左右。

然而亨通集团相当大一部分是做光纤光缆的。

我们不看亨通这种做光纤光缆为主的企业，中国最大的电子零部件企业是歌尔股份，2016年营收为193.5亿人民币，和京瓷有大约5倍的差距。同样的还有瑞声科技，2016年营收为155亿人民币，和京瓷的差距为6倍。但是歌尔声学和瑞声科技都是做声学器件的。

如果纯看做电容，电阻之类电子元件的中国企业，例如法拉电子，顺络电子，艾华集团，都只有十几亿人民币的规模，风华高新，三环集团规模大点，风华高新2016年营收也就是27.7亿，三环集团2016年营收28.9亿人民币。

我们对比下日本六大电子零部件企业之一的村田制作所，2017年预计营收为12250亿日元，大约752亿人民币，差距在26倍。

中国进口的第十一大工业品是医疗器械，2016年进口184.05亿美元。

中国进口的第十二大工业品是钢材，没错作为世界第一钢铁大国，依然有部分钢材需要进口，2016年进口131.5亿美元，说多也不多，说少也不少。汽车用的钢板进口的比较多，主要是有些在华外资车企也有固定的国外供应商。

另外还有农业机械，2016年我们进口了进口了120.78亿美元。

基本上，中国进口比较多的工业品，主要就是这13类，其他还有天然和合成橡胶87.1亿美元，其中合成橡胶有部分是高端产品。

另外新闻上比较关注的机床，进口的金额并不高，2016年我们总共进口才75. 1亿美元，因为我国一年整个市场机床消费金额为275亿美元，对外依赖度还是比较大的，进口依赖度27.3%。

另外网络上经常提到的工程机械，我国进口很少，2016年进口33.2亿美元，反而出口高达169.6亿美元，顺差136.4亿美元。

还有一个国民非常关注的工业机器人，这个市场其实很小，2016年预计全中国市场容量大约285亿人民币左右，就算100%进口，也就是40多亿美元，更何况去年国产机器人呈现爆炸式增长的态势。

通过对进口工业品的整理，我们可以看出什么呢，我们进口的工业品，有技术含量而且金额比较高的，集成电路2271亿美元，液晶显示面板318.5亿美元，航空器203亿美元，汽车整车和零部件746.1亿美元，仪器仪表449.6亿美元，电子零部件200.1亿美元，医药品220.9亿美元，自动数据处理设备278.3亿美元。

集成电路，汽车,仪器仪表，液晶面板四大类的进口金额遥遥领先，金额全部在300亿美元以上，分别占我国工业制品进口金额的11773.3亿美元的19.3%，6.3%，3.8%，3.5%和2.7%，合计高达32.1%。

其他的200亿美元级别的有医药品，自动数据处理设备，航空器，电子零部件，分别占比例为1.9%，2.4%，1.7%，1.7%，合计为7.7%

从上面的数据可以看出，这九类产品，集成电路的进口金额就相当于其他八类之和。

另外还有钢材进口了131.5亿美元，农业机械进口了120亿美元。

这些产业目前升级情况如何呢?

1:毫无疑问国家最重视的是金额最高，占了工业品进口五分之一的集成电路，

这个产业伴随着中国下游电子品牌的崛起，已经开始星星之火可以燎原之势，当然由于基数太低，落后会是长期现象，我们要做好长期作战的心理准备，我会写专文介绍。

2:汽车和零部件产业我不太担心，未来十年是中国自主品牌大逆袭的十年，国产零部件产业也必然随着自主品牌崛起，今年一季度国产汽车零部件公司业绩全部在猛涨。

3:同样受到国产电子品牌的带动，国产面板份额在飙升，而液晶面板的进口正在迅速下降，2012年顶峰的超过500亿美元，2016年已经下降到318亿美元，京东方净利润在连创新高

4:航空器大家也知道，ARJ21已经商用，C919也在试飞了，未来五年可以商用。未来是可以预期的，但是这个产业和集成电路一样，要做好10年，20年长期竞争的准备。

5：电子零部件产业，我国由于下游品牌的崛起，带动国产电子元器件在以20%的速度增长，平均四年翻一倍，但是这个产业同样基数低，还需要时间，这个我也会花时间写。

6：仪器仪表，大家都知道，我国科研仪器高度依赖进口，2016年我国规模以上仪器仪表公司的总收入才9355.4亿，而进口高达450亿美元，超过3000亿人民币，2016年我国仪器仪表公司收入增长为9.1%，利润增长8.2%，而进口下降了1.13%，形势是在向好的一面发展，但是差距还非常大，进口替代的空间广阔。

7：医药品工业，我国2016年国产医药制造业的企业收入为2.806万亿人民币，增长为9.7%，利润增幅更高达13.9%，而进口医药品+原料为超过290亿美元，增长为1.92%，国产的增长快于进口，也处于进口替代提升的趋势。

8：医疗器械2016年我国市场规模为3700亿人民币，增长20.1%，而2016年进口为184亿美元，增长为6.28%，进口的增长慢于国内市场的增长速度，说明进口替代也在进行中。

9：自动数据处理设备(计算机及其零部件)，2016年我国出口高达1374亿美元，下降9.8%，进口为273.8亿美元，下降1%左右。巨额顺差。

10： 还有钢材，我国2016年钢材产量超过11亿吨，而进口只有1300多万吨，主要来自日本，韩国等，进口依赖度只有1%，而日韩的进口，很多也是用于在华车企用钢。

11: 国产农机，2016年中国农机工业增加值增速7.7%，2016年全国规模以上农机企业主营业务总收入4516.39亿元，比上年同期增长了5.8%。规模以上农机企业实现利润总额255.24亿元，比上年增加了3.51亿元，增幅仅为1.39%。

农机在去年是属于不景气的，表现为利润增长慢，但是收入增长仍然有5.8%，相比下农机进口金额去年下滑了7.6%，仍然在不断进行进口替代。

当然还是那句话，差距还是很大，体现高端产品需要进口。

从上面可以看出什么呢，我国进口金额最高的13类工业品(不考虑初级形状塑料和铜材这两个技术含量较低的)，全部在快速的进行国产化替代，由于有的工业品进口比例高，有的进口比例低，因此国产化替代的速度各有不同。

有的工业品，国产化程度很低，例如仪器仪表，医疗器械，进口依赖度都在30%以上，航空器里面的大型民用航空目前甚至国产几乎为0，而集成电路则是重中之重，不仅金额最大，而且进口比例高达90%以上。

另外我们一直关注的机床工业，2016年我国机床消费金额为275亿美元，国产机床产业收入总体增长3.6%，达到229亿美元，进口为75亿美元，下降12.8%，进口比例为27%，

机床工业作为国民眼中惨兮兮的产业，仍然在有条不紊的逐步进行国产化替代，虽然这个有条不紊，在我看来还是太慢了。

除了这些进口工业品大类外，我国还进口了很多初级工业品，例如2016年进口纸浆122.4亿美元，纺织纱线和织物167.4亿美元，矿物肥料和化肥24.1亿美元等等，这些初级工业制品，很多是来自资源国家的初级工业工厂的产出，我国进口是合理的，中国的发展还是要让世界雨露均沾比较好，这也是中华文明实现和谐世界人类大同应该有的理念。

去年四月被 Salesforce 收购的 MetaMind 仍然在继续进行自然语言领域的前沿研究。近日，其研究博客发布了一篇文章，详细介绍了一种用于文本摘要提取的深度强化模型（deep reinforced model），机器之心对这篇博客进行编译介绍，并在文后附带了相关的研究论文摘要。论文链接：https://arxiv.org/abs/1705.04304机器之心发布过的 MetaMind 的其它文章还有《MetaMind 发布论文：借助动态记忆网络 DMN 让机器更好地像人类般推理》和《MetaMind 深度解读 NLP 研究：如何让机器学习跳读》。

近几十年来，获取新信息的方式发生了根本性变化，也带来了越来越多挑战。信息的获取已不再是瓶颈；瓶颈在于我们是否有能力紧跟信息的步伐。我们都必须通过越来越多的阅读来获取关于工作、新闻和社交媒体的最新进展。我们研究了人工智能在信息大潮中帮助人们提高工作能力的方法——答案之一是让算法自动归纳长文本。

怎样训练能够产生长句、连贯和有意义的摘要的模型仍然是一个有待解决的研究问题。事实上，即使是最先进的深度学习算法，生成任何长文本也是很困难的。为了使模型能够成功地生成摘要，我们引入了两个独立的改进：一个更加语境化的词生成模型和一种通过强化学习（RL）训练摘要模型的新方法。

两种训练方法的结合使得系统能够创建相关且高可读性的多语句长文本（例如新闻文章）摘要，并在之前的基础上实现了显著的提升。我们的算法可以对各种不同类型的文本和摘要长度进行训练。在本文中，我们介绍了我们的模型的主要贡献，并概述了文本摘要特有的自然语言挑战。

图 1：我们的模型的示例——由新闻文章生成多语句摘要。对于每个生成的词，模型重点关注输入的特定词和之前生成的输出。

提取式摘要（Extractive Summarization）与抽象式摘要（Abstractive Summarization）

自动摘要模型可以通过以下两种方法实现：通过提取或抽象。提取式模型执行「复制和粘贴」操作：它们选择输入文档的相关短语并连接它们以形成摘要。它们非常稳健，因为它们使用直接从原文中提取的已有自然语言短语，但是由于不能使用新词或连接词，它们缺乏灵活性。它们也不能像人一样改述。相反，抽象式模型基于实际的「抽象」内容生成摘要：它们可以使用原文中没有出现的词。这使得它们有更多的潜力来产生流畅和连贯的摘要，但因为需要模型生成连贯的短语和连接词，这也是一个更难的问题。

虽然抽象式模型在理论上更强大，但在实践中也常出现错误。在生成的摘要中，典型的错误包括不连贯、不相关或重复的短语，特别是在尝试创建长文本输出时。从已有模型来看，它们缺乏一般连贯性、意识流动性和可读性。在本任务中，我们解决了这些问题，并设计了一个更稳健和更连贯的抽象式摘要模型。

为了理解我们的新抽象式模型，我们首先定义基本构建块（building block），然后介绍我们新的训练方式。

用编码器-解码器模型读取和生成文本

循环神经网络（RNN）能够处理可变长度的序列（例如文本），并为每个短语计算有用的表征（或隐藏状态）。网络逐一处理序列的每个元素（在这种情况下，即每个词）；对于序列中的每个新输入，网络通过该输入和之前隐藏状态的函数输出新的隐藏状态。从这个角度讲，在每个词处计算的隐藏状态是所有之前读到的单词的函数输出。

图 2：循环神经网络通过对每个词应用相同的函数（绿色）来读取输入语句

RNN 也可以用类似的方式产生输出序列。在每个步骤中，RNN 隐藏状态用于生成添加到最终输出文本的新词，该词将被用作该模型的下一个输入。

图 3：RNN 可以生成输出序列，并重使用输出单词作为下一个函数的输入。

输入（读取）和输出（生成）RNN 可以组合在联合模型中，其中输入 RNN 的最终隐藏状态被用作输出 RNN 的初始隐藏状态。以这种方式组合，联合模型能够读取任何文本并从中生成不同的文本。该框架称为编码器-解码器（encoder-decoder）RNN（或 Seq2Seq），它是我们摘要模型的基础。另外，我们用双向编码器替代传统的编码器 RNN，它使用两个不同的 RNN 来读取输入序列：一个从左到右读取文本（如图 4 所示），另一个从右到左读取。这有助于我们的模型更好地表示输入语境。

图 4：编码器-解码器 RNN 模型可用于解决自然语言中的 sequence-to-sequence 任务（如摘要）

一种新的注意及解码机制

为了使我们的模型输出更连贯，我们允许解码器在生成新单词时回顾部分输入文档，这种技术称为时间注意（temporal attention）模型。与完全依赖自己的隐藏状态不同，解码器可以通过注意函数（attention function）整合不同部分的输入语境信息。调整注意函数，以确保模型在生成输出文本时使用不同部分的输入，从而增加摘要的信息覆盖度。

另外，为了确保我们的模型不产生重复信息，我们还允许它回顾解码器之前的隐藏状态。用类似的方式，我们定义内部解码注意函数（intra-decoder attention function），它可以回顾解码器 RNN 之前的隐藏状态。最后，解码器将来自时间注意模型的语境向量（context vector）与来自内部解码注意函数的语境向量相结合，在输出摘要中生成下一个词。图 5 展示了在给定解码步骤中这两个注意函数的联合过程。

图 5：由编码器隐藏状态和解码器隐藏状态计算得到的两个语境向量（标记为「C」）。使用这两个语境向量和当前的解码器隐藏状态（「H」），生成一个新的词（右）并添加到输出序列中。

如何训练模型？监督式学习 VS. 强化学习

要训练这个模型并应用于新闻文章等真实数据，通常的方法是使用教师强迫算法（teacher forcing algorithm）：一个模型在生成一个摘要时使用参考摘要（reference summary），并且该模型在每生成一个新单词时会被分配一个逐词误差（word-by-word error，或「局部监督/local supervision」，如图 6 所示）。

图 6：用监督式学习训练模型。每个生成的单词得到一个训练监督信号，通过与同一位置的正确摘要单词进行比较来进行训练。

该方法可用于训练任意基于循环神经网络的序列生成模型，具有非常好的结果。然而，对于我们的特定任务，正确的摘要不一定要按照逐字来匹配参考序列。你可以想像，对于同样的新闻文章，两个人可能在风格、单词或句子顺序上产生不尽相同的摘要，但仍然认为摘要是好的。教师强迫算法的问题是：一旦产生了前几个单词，训练就会被误导：严格遵守一个官方正确的摘要，但不能适应一个潜在正确但不同的开头。

考虑到这一点，我们可以比教师强迫的逐词方法做得更好。这里可以应用一种称为强化学习（RL）的不同类型的训练。首先，强化学习算法使模型生成自己的摘要，然后使用外部评分器（scorer）来比较生成的摘要与正确摘要。这个评分器然后向模型表明生成的摘要有多「好」。如果分数很高，那么模型进行更新，使得这些摘要更有可能在将来出现。否则，如果得分低，模型将受到惩罚，并改变其生成过程以防止生成类似的摘要。这种强化模型擅长得出用于评估整个序列而不是逐词预测的摘要分数。

图 7：在强化学习中，模型没有对应每个预测词的局部监督信号，而是用基于整个输出和摘要参考的奖励信号（reward signal）进行训练。

如何评估摘要？

评分器到底是什么？它如何分辨出一个摘要的「好坏」？由于要人手动评估数以万计的摘要在很大程度上是耗时并不切实际的，因此，我们使用一种名为 ROUGE（Recall-Oriented Understudy for Gisting Evaluation）的自动评分指标。ROUGE 通过对比摘要中将生成的摘要中的匹配子短语和实际数据的参考摘要中的子短语来运作，即使它们并不是完全一致的。不同的 ROUGE 变体（ROUGE-1、ROUGE-2、ROUGE-L）都以相同的方式工作，但使用不同的子序列长度。

尽管 ROUGE 分数与人类判断总体上有很好的相关性，但 ROUGE 最高分的总结不一定是最可读或最自然的。当我们仅通过强化学习来训练模型使 ROUGE 得分最大化时，这就成为一个问题。我们观察到我们具有最高 ROUGE 分数的模型也会生成几乎不可读的摘要。

为了发挥两个领域的优势，我们的模式同时受到教师强迫和强化学习的训练，能够利用词级和整个摘要层面的监督使摘要具有连贯性和可读性。特别是我们发现 ROUGE 优化的强化学习有助于改善回调（即所有需要总结的重要信息实际上已经被总结），并且词级学习监督能确保良好的语言流畅性，使得摘要更连贯可读。

图 8：监督学习（红色）和强化学习（紫色）的组合，演示了我们的模型同时学习本地和全局奖励并同时优化可读性和整体 ROUGE 分数的方法

直到最近，CNN / Daily Mail 数据集中的抽象摘要的最高 ROUGE-1 分数是 35.46。结合解码器内部注意 RNN 模型的联合监督和强化学习训练，这个分数提高到了 39.87，并且，如果仅是强化学习，该分数为 41.16。图 9 显示了我们和其他的现有模型的摘要分数。即使我们的纯强化学习模型具有较高的 ROUGE 分数，我们监督的+ 强化学习模型具有较高的可读性，因此它与该摘要任务更加相关。注意： 由于使用稍微不同的数据格式，Nallapati et al 的结果与我们的和其他数据格式不能直接相比，但仍然给出了很好的参考。

图 9： CNN / Daily mail 数据集的摘要结果，比较我们的模型与现有的抽象式和提取式方法

样本输出

对于真正的摘要，这样大的改进意味着什么？现在我们来看一些根据数据集拆分的文档形成的多语句摘要。在 CNN / Daily Mail 数据集上训练后，我们的模型和它更简单化的基线生成了以下示例。正如你所看到的，这些摘要已经大大改善，但是还需要更多的工作来使它们完美。

图 10：我们的模型生成的更多的摘要例子，对比同一篇文章的人工撰写的摘要

为了说明我们在文本摘要方面的主要贡献带来的影响，图 11 显示了如果不考虑内部注意力和强化学习训练，我们模型的输出是如何离题的。

图 11：我们的模型生成的示例摘要，有和没有我们的主要贡献。原始文章中不存在的新词将以绿色显示。摘要中重复的短语显示为红色。

结论

我们的模型显著提高了在多语句摘要生成方面的最新技术水平，优于现有的抽象式模型和提取式基线。我们相信，我们的贡献（解码器内部注意模块和组合的训练目标）可以改善其他的序列生成任务，特别是较长的输出。

我们的工作也涉及诸如 ROUGE 等自动评估指标的限制，这表明需要更好的指标来评估和优化摘要模型。一个理想的度量指标在摘要的连贯性和可读性方面应与人类的判断相一致。当我们使用这样的指标来强化摘要模型时，摘要的质量可能会进一步提高。

以下为相关论文的摘要介绍：

论文：A Deep Reinforced Model for Abstractive Summarization

用于抽象式摘要的基于注意 RNN 的编码器-解码器模型已经在短输入和输出序列上取得了良好的表现。但是，对于更长的文档和摘要，这些模型通常会包含重复的和不连贯的短语。我们引入了一种带有内部注意（intra-attention）的神经网络模型和一种新的训练方法。这种方法将标准的监督式词预测和强化学习（RL）结合到了一起。仅使用前者训练的模型常常会表现出「exposure bias」——它假设在训练的每一步都会提供 ground truth。但是，当标准词预测与强化学习的全局序列预测训练结合起来时，结果得到的摘要的可读性更高。我们在 CNN/Daily Mail 和 New York Times 数据集上对这个模型进行了评估。我们的模型在 CNN/Daily Mail 数据集上得到了 41.16 的 ROUGE-1 分数，比之前的最佳模型高出了显著的 5.7 分。其也是第一个在 New York Times 语料库上表现良好的抽象式模型。人类评估也表明我们的模型能得到更高质量的摘要。

近日，微软研究人员 Bhaskar Mitra 和 Nick Craswell 在 arXiv 上提交了一篇名为《用于信息检索的神经模型（Neural Models for Information Retrieval）》论文，论文概述了神经信息检索模型背后的基本概念和直观内容，并且将其置于传统检索模型的语境之中。论文的目的在于为神经模型与信息检索之间架起桥梁，互通有无，加快神经信息检索技术的发展。机器之心对该论文进行了编译，论文链接见文末。

信息检索（information retrieval，IR）的神经排序模型使用浅层或深层神经网络来根据查询（query）对搜索结果进行排序。传统的学习排序的模型是在手工标注的信息检索特征上使用机器学习技术，与之相反，神经模型可以从原始文本材料（这些材料可以弥合查询与文档词汇之间的差距。）中学习语言的表征。不同于经典的信息检索模型，在可被部署之前，这些新型机器学习系统需要大量的训练数据。该教程介绍了神经信息检索模型背后的基本概念和直观内容，并且该教程也会把它们置于传统检索模型的语境之中。我们以信息检索基本概念介绍和学习文本向量表征的不同神经、非神经进路开始。然后，我们回顾一下使用预训练的没有端到端学习信息检索任务的神经项嵌入（term embedding）的浅层神经信息检索方法。之后我们会介绍深度神经网络，讨论热门的深度架构。最后，我们会回顾目前用于信息检索的 DNN 模型，并以讨论的形式对神经信息检索未来可能的发展方向进行总结。

近十年来，计算机视觉、语音识别和机器翻译的性能获得了超乎想象的提升，研究领域和现实世界应用领域见证了这一切。这些突破大部分由近期在神经网络模型方面的进步所推动，这些神经网络通常有多个隐藏层，我们称之为深度架构。诸如会话代理（agent）和玩游戏达到人类水平的代理这样令人激动的全新应用也相继出现。现在，信息检索社区也开始应用这些神经方法，这将为提升最先进技术或者甚至在其它领域实现突破带来可能。

信息检索的方式有很多。使用者可以文本查询的方式表达其信息需求，这里所谓的文本查询方式可指键盘键入、选择一个查询建议、声音识别或者图像形式查询，甚至在有些情况下需求不太清楚也可以。检索可以涉及对现存内容的部分进行排序，这些部分可以是文档或简短的文本答案，也可以是通过组合新的答案来具体化检索信息。信息需求和检索结果或许都使用了同样的方式（比如，检索文本文档以响应关键词查询），亦或也有不同方式（比如，使用文本查询进行图像搜索）。检索系统可能会考虑用户历史、物理定位、信息的时间变化或者排序结果时的其它语境因素。这些因素也可能帮助用户形成其的意图（比如，通过自动完成的查询或者查询建议）并且/或者可以帮助用户提炼出更易于检查的简练的结果总结（summaries of result）。

神经信息检索指的是将浅层或深层神经网络应用于这些检索任务之上。该教程目的在于介绍神经模型，其回应查询以进行文档排序，这是一项重要的信息检索任务。一条搜索查询通常可能会包含一些词语，然而文档的长度会根据特定的场景而改变，从几个词到成百上千个句子甚至更长。信息检索的神经模型使用文本的向量表征，通常这包含了大量需要调整的参数。带有大型参数集的机器学习模型通常需要大量的训练数据。不同于传统的学习排序的方法（这些方法在一个手工标注的特征集上训练机器学习模型），信息检索的神经模型通常可以将查询（query）和文档（document）的原始文本（raw text）作为输入。学习文本的恰当表征也需要大量数据训练。因此，不同于经典信息检索模型，这些神经方法非常需要数据，数据越多，性能越好。

文本表征可通过非监督或监督方式习得。监督式方法使用诸如标注的查询文档对（query-document pairs）这样的信息检索数据来习得一个表征，其专为手头任务进行端到端优化。如果没有足够的信息检索标记，那么非监督式方法可仅通过使用查询和/或文档来习得一个表征。在非监督学习方法中，不同的非监督式学习设置可能会导致不同的向量表征，这些表征不同于它们在被表征对象之间所捕获的相似度概念。当应用这些表征时，应该仔细考察非监督学习设置的选择，因此，我们可以产生一个适合于目标任务的文本相似度概念。传统信息检索模型比如潜在语义分析 (Latent Semantic Analysis，LSA）可以学习密集的词和文档的向量表征。神经表征学习模型和这些传统方法享有一些共性。几十年来，我们对这些传统方法的大部分理解都可以被扩展成这些现代表征学习模型。

在其它领域，神经网络的进步已经由特定的数据集和应用需求所推动。例如，数据集和成功的架构因视觉对象识别、语音识别和游戏代理而迥然不同。尽管信息检索与自然语言处理领域有一些共同特征，但是它也面临自己的一系列特殊挑战。信息检索系统必须处理可能包含未见过词语的简短查询（short query），以此来和不同长度的文档进行匹配，找到可能包含了大量不相关文本的相关文档。信息检索系统应该在查询（query）和表明了相关性的文档文本中学习模式，即便查询和文档使用了不同的词汇，甚至即便模式是专用于任务（task-specific）或语境（context-specific）的。

该教程的目标是在传统信息检索研究的语境里介绍神经信息检索的基本内容，用可见的实例展示关键概念和描述关键模型的一致性数学标注（notation）。第二部分会给出一个信息检索的任务、挑战、量度和非神经模型的调查。第三部分会提供简要神经信息检索模型的概览与信息检索的不同神经方法的分类。第四部分介绍学习项嵌入（term embedding）的神经和非神经方法，这些方法不使用来自信息检索标签的监督，而是聚焦在相似度概念上。第五部分调查了合并这些信息检索嵌入的一些特殊方法。第六部分介绍了目前在信息检索中使用的深度模型的基本情况，包括了热门架构和工具包。

第七部分调查了一些在信息检索中实现深度神经网络的特殊方法。第八部分是我们的讨论，包括未来的工作与结论。

图 ：ACM SIGIR 大会上神经信息检索（IR）论文的百分比——该数据通过对论文题目进行手动筛查计算获得——其清晰展示出该研究领域的热门程度正在逐年上升。

由于神经信息检索正在成为一个新兴领域，所以我们撰写了该教程。神经信息检索领域的研究出版物正在逐渐增多（图），与之同步增长的还有相关话题的研讨会 [42–44]、教程 [97, 119, 140] 和大会 [41, 129]。由于这种兴趣是最近不久才产生的，所以部分有信息检索专长的研究人员可能对神经模型不太熟悉，而其它熟悉神经模型的研究人员又可能对信息检索不太熟悉。所以该教程的目的即通过描述当下正在使用的相关信息检索概念和神经方法来弥合这条缝隙。

南京政府今日发布进一步加强房地产市场调控的通知，要点如下：

加大住宅用地供应，2017-2021年全市计划供应5150公顷，年均计划供应量比2016年增加47.1%；

购房人新购住房在取得不动产权证后，3年内不得转让；

客户积累大于可供房源的商品住房项目，房地产开发企业及其委托的代理销售机构应采用由公证机构主持的公开摇号方式公开销售商品住房，摇号排序，按序购房，摇号排序名单现场公示。

一个月前，住建部和国土资源部联合发布的通知中首次明确土地供应调控的定量指标，要求各地要根据商品住房库存消化周期，适时调整住宅用地供应规模、结构和时序。而南京属于“加快供地节奏”的城市，库存消化周期小于6个月。

而本月初，上海市住建委也下发《关于进一步加强本市房地产市场监管规范商品住房预销售行为的通知》，明确要求新开盘商品住房采取由公证机构主持的摇号方式公开销售。当时中新网指出，或有其他城市跟进这一新楼盘摇号销售的模式，楼市销售监管上预计有更多措施出台。

经历了一周股债商“三杀”行情的洗礼之后，监管层开始安抚市场。

央行今日在一季度货币政策执行报告中表示，加强金融监管协调，有机衔接监管政策出台的时机和节奏。稳定市场预期，把握好去杠杆和维护流动性基本稳定的平衡。“缩表”并不一定意味着收紧银根，4月份央行资产负债表已重新转为“扩表”。

另外，央行的安抚动作还包括今日开展4590亿元MLF操作，包括6个月和一年期，中标利率不变，分别为3.05%、3.2%。央行MLF资金将连续10个月净投放，为迄今最长的投放周期。央行旗下媒体《金融时报》昨日援引监管人士称，央行近期正在召集“一行三会”加强监管政策的沟通协调、统筹推进。

同样是在今日，银监会也发文指出，在监管政策的实施上，银监会开展监管行动的同时，也充分考虑银行业风险实际，科学把握力度和节奏。在开展监管行动同时，充分考虑银行业风险实际把握力度和节奏。自查督查和规范整改工作间安排4至6个月缓冲期，为银行实现合规达标预留时间，同时对新增、存量业务实行新老划断。

对于监管密集发文影响市场情绪的问题，银监会审慎规制局局长肖远企今日在发布会上表示，近期监管文件并无新规定，市场对此没必要紧张。

监管风暴的威力

4月以来，“一行三会”密集发声，盯防重点领域风险、打击违法违规行为，治理保险市场乱象，坚持引导行业回归风险保障本源。多举措维护国家金融安全。监管风暴之下，股债商“三杀”行情频频上演，A股沪指连续5周下跌，本周一度下跌逼近3000点关口，10年期国债收益率持续走高，本周一度突破3.70%。铁矿石、焦煤等期货多日大跌。

对于金融监管风暴的影响，高盛和摩根士丹利曾惊呼，中国周期繁荣正在接近顶点。摩根士丹利还指出，受利率上行、金融监管趋严影响，将上证综指12个月目标位从4400点下调至3700点。

直到昨日，媒体曝出监管部门向银行发文，了解银行间金融市场同业拆借、贷款、票据等利率情况，同时央行就MLF向金融机构进行询量，股债市场才开始止跌回升。今日，A股沪指继续反弹逾0.7%，10年期国债收益率一度下行至3.60%，期货市场趋稳反弹。

央行：有机衔接监管政策出台时机和节奏

央行在今日报告中的“安抚”表态主要包括以下3点：

1、继续实施稳健中性的货币政策。高度重视防控金融风险，加强金融监管协调，有机衔接监管政策出台的时机和节奏。稳定市场预期，把握好去杠杆和维护流动性基本稳定的平衡。有序化解处置突出风险点，切实维护国家金融安全。强化价格型调节和传导，完善宏观审慎政策框架，畅通政策传导渠道和机制，促进金融服务实体经济。

2、“缩表”并不一定意味着收紧银根，在资本流出背景下降准会产生“缩表”效应，但实际上可能是放松银根的，因此不宜简单与国外央行的“缩表”类比。由于第一季度“缩表”受季节性及财政收支等短期因素影响较大，从目前掌握的数据看，4月份央行资产负债表已重新转为“扩表”。

3、稳步推动债券市场双向开放，给境外发行人和投资人创造更加友好、便利的制度环境。进一步完善人民币汇率市场化形成机制，保持人民币汇率在合理均衡水平上的基本稳定。支持人民币在跨境贸易和投资中的使用，积极发挥本币在“一带一路”建设中的作用。

加强宏观审慎管理，有效防范跨行业、跨市场的交叉性金融风险。在控制总杠杆率的前提下，把降低企业杠杆率作为重中之重，支持市场化法治化债转股。逐步探索将更多金融活动和金融市场纳入宏观审慎管理。