昨天傍晚，新华社播发了这次学习的通稿。其实，这次学习带有“一行三会”向政治局汇报工作的性质，四大金融监管机构的负责人都出席了会议。

这次会议传递了以下几个信息：

第一，中央再次强调：要把防控金融风险放到更加重要的位置，牢牢守住不发生系统性风险底线。还提出：控制好杠杆率，加大对市场违法违规行为打击力度。这意味着，近期“一行三会”出手整顿金融乱象，得到了最高层的支持。

第二，会议提出：发展金融业需要学习借鉴外国有益经验，但必须立足国情，从我国实际出发，准确把握我国金融发展特点和规律，不能照抄照搬。这意味着，中国的金融监管体系改革，不可能照搬所谓的“双峰监管模式”（英国+澳大利亚模式），同时意味着注册制改革也将如此。

第三，会议提出：为实体经济发展创造良好金融环境，疏通金融进入实体经济的渠道，积极规范发展多层次资本市场，扩大直接融资。这意味着股市扩容是既定方针，抑制资产泡沫也是必须的。

应该说，这次会议对中国股市、楼市、债市、期货市场构成长期利好，但短期来说，将产生挤出“投机资金”的效应。或者说，是短期利空。

4月26日，保监会发布《保险公司章程指引》，保险业大洗牌即将到来。

在今天上午的大跌中，保险板块逆势飘红，其中中国人寿的走势是这样的：

中国平安的走势是这样的：

新华人寿的走势是这样的：

你也许会说：这肯定是国家队在护盘，保险股成了抓手。但这只是表象，更大的变局是，随着项俊波的倒台，中国保险业将发生重大变化，数万亿资产的控制权有可能发生变化！

根据4月26日，保监会发布《保险公司章程指引》，一个针对野蛮的“财富剥夺大杀器”来了：

《指引》要求，保险公司章程需载明，“若股东的出资行为、股东行为等违反法律法规和监管相关规定的，股东不得行使表决权、分红权、提名权等股东权利，并承诺接受中国保监会对其采取的限制股东权利、责令转让股权等监管处置措施。”

也就是说，如果你干了野蛮人的事情，无论是隐瞒了保险公司的实际控制人，或者隐瞒了部分关联性质的股权，还是在股市里乱举牌、违规，最终你在保险公司的股权将被“限制权力”，直至“责令转让股权”。

这一条将跟《保险法》151条的规定构成一个“闭环”，成为对“野蛮人”威胁最大的“杀器”：

保险公司的股东利用关联交易严重损害公司利益，危及公司偿付能力的，由国务院保险监督管理机构责令改正。在按照要求改正前，国务院保险监督管理机构可以限制其股东权利；拒不改正的，可以责令其转让所持的保险公司股权。

责令转让股权，这里面学问就大了。保险公司的股权，不是谁都可以买的，需要满足一定条件，需要保监会批准。所以等到惩罚来临，你能卖给谁，卖多少钱，都不是你说了算，也很难完全市场化交易。你还想着可以溢价3倍5倍，最终或许是打5折转让。

没错，这就是一种财富剥夺。其实，野蛮人的财富，何尝不是从市场里掠夺来的呢？责令转让，就是一种处罚，而处罚就是剥夺！

此前的2016年12月29日，保监会公布《保险公司股权管理办法（征求意见稿）》，提出将保险公司股东划分为三个类型，并将单一股东持股比例上限由51%降低至1/3。同时，关联股东持股的，需按照持股比例合并计算。

按照中国保险行业协会网站的分类，从披露偿付能力报告的165家保险公司来看，约有超过92家保险公司的单一股东持股比例超过1/3，约占行业公司总量的55.76%。除去国有单一股东占比超过1/3的、以及外资股东持股比例在25%以上的公司，约有11家公司目前单一股东持股比例超过1/3。

这11家保险公司是：

前海人寿保险股份有限公司

国华人寿保险股份有限公司

君康人寿保险股份有限公司

中法人寿保险有限责任公司

恒大人寿保险有限公司

信泰人寿保险股份有限公司

合众人寿保险股份有限公司

民生人寿保险股份有限公司

亚太财产保险有限公司

国泰财产保险有限责任公司

天安财产保险股份有限公司

也就说，即便不违规，上述11家公司的第一大股东也需要转让、减持股权。当然，这种减持跟上面说的处罚性质的“责令转让”不同。

此外，《保险公司章程指引》还在公司治理的多个方面有新规定，主要是限制大股东的权力，防止保险公司成为私人的提款机。

沦为野蛮人，或者股权超标的保险公司，多是小型、民营保险公司，所以当他们面临整改的时候，对于大保险公司、国有保险公司就构成重大利好。这是中国人寿、平安保险和新华保险最近上涨的重要原因。

保险公司的整顿、清理，将对股市构成短期利空，很多民营、中小型保险公司举牌或者集中持股的上市公司，其股票面临下跌压力。

比如今天万科就出现破位走势：

险资举牌概念股的农产品走势是这样的：

同样背景的民生银行走势是这样的：

出来混，总是要还的。通过保险行业浑水摸过鱼的人，现在到危险时刻！

4月24日-26日，ICLR 2017于法国土伦举办。

神经网络是功能强大而又灵活的模型，在图像，语音以及自然语言理解等学习任务上有良好的效果。尽管神经网络很成功，但设计一个好的神经网络仍然十分困难。为了能够使设计神经网络变得简单，谷歌大脑团队发表了一篇名为《Neural architecture search with reinforcement learning》的文章，该文章使用循环网络来生成神经网络中的模型描述，并用强化学习训练这个RNN，以最大限度的提高验证集中生成的架构的准确性。

该论文的作者之一Quoc V. Le是机器学习大牛吴恩达先生在斯坦福大学时期的博士生，而雷锋网了解到，该论文将会在今天的 ICLR会议上作为第四个Contributed talk进行讨论。

论文摘要

过去几年中，许多深度神经网络在语音识别，图像识别，机器翻译等富有挑战性的任务中取得极大的成功。伴随着神经网络的发展，研究人员的重点从特征设计转移到了架构设计，比如从SIFT和HOG算法，转移到了AlexNet，VGGNet，GoogleNet，以及ResNet等网络架构设计中。尽管这些方法似乎变得更简单了，但设计网络架构仍然需要大量的专业知识并耗费大量时间。

谷歌大脑团队提出了神经架构搜索（Neural Architecture Search），使用基于梯度的方法以找到最优的架构，过程如上图。由于神经网络的结构可以由特定的变长字符串指代，因此可以使用循环神经网络（控制器）生成该字符串。使用真实数据训练由字符串指代的网络（“子网络”），并在验证集上得到一个准确率。之后使用强化学习训练RNN，将准确率作为reward信号，即可以计算策略梯度，以便更新控制器。因此，在下一个迭代周期，控制器有更大的可能会生成一个能够得到更高准确率的架构。换种说法，控制器能够学习如何改善它的搜索。

该论文的结果展示了神经架构搜索能够设计出很好的模型，在CIFAR-10数据集上的图像识别，神经架构搜索能够找到一个新颖的卷积网络模型，该模型比目前人工设计的最好的模型更好，在测试集上得到了3.84的错误率，同时速度是目前最好的人工模型的1.2倍。在Penn Treebank数据集的语言模型中，神经架构搜索设计出的模型比先前RNN和LSTM架构更好，困惑度（perplexity）为62.4，比目前最好的人工方法提高了3.6.

使用循环神经网络生成模型描述

使用控制器生成神经网络架构的超参数，为了灵活性，控制器选择为循环神经网络。下图为预测只具有卷积层的前馈神经网络，控制器将生成的超参数看作一系列符号。

在实验中，如果网络的层数超过一定值，则生成架构会停止。该值遵循一定的策略，并随着训练过程增加。一旦控制器RNN完成了架构的生成，就开始构建并训练具有该架构的神经网络。在网络收敛之后，记录网络在验证集中的准确率，并对控制器RNN的参数进行优化，以使控制器所提出的架构的预期验证准确率最大化。

使用强化学习进行训练

控制器预测的模型描述可以被看作设计子网络的一系列action。在训练子网络收敛之后，该子网络会在保留数据集上得到一个准确度R。使用准确度R作为reward信号，并使用强化学习训练控制器。

实验结果

CIFAR-10数据集上的卷积架构学习

搜索空间为卷积结构，使用了非线性层以及批归一化（batch normalization）。对于每个卷积层，控制器需要在[1,3,5,7]中选择滤波器的宽度和高度，在[24，36，48，64]中选择滤波器数量。

RNN控制器为两层LSTM，每层有35个隐藏单元。使用学习率为0.0006的ADAM优化器训练。控制器权值在-0.08到0.08之间平均初始化。并且进行分布式训练，使用了800个GPU同时训练800个网络。当RNN控制器确定了一个架构之后，子网络就被构建，并训练50个周期。在控制器训练过程中，控制器每确定1600个网络架构，网络的深度就增加2，初始的网络深度为6。

在控制器训练了12800个架构之后，得到了最高的验证集准确率，与其他方法的准确率对比见下图：

Penn Treebank数据集上循环网络架构学习

训练过程与CIFAR-10实验基本相同，最终结果如下：

总结：该论文提供了一种使用RNN构建神经网络模型的方法。通过使用循环神经网络作为控制器，该方法可以灵活地在不同的结构空间中搜索。该方法在一些具有挑战性的数据集上有着很好的性能，也为自动构建高质量神经网络架构提供了一个新的研究方向。

ICLR评论

ICLR委员会最终决定

评价：该篇论文是提交给会议的论文中最好的几篇之一。评委们都很欣赏该想法，并认为实验设计得严密，有趣，引人注意。尤其令人感兴趣的是实验结果表明生成模型的性能比目前广泛使用的模型更好（例如LSTM）。

决定: 接受（作为Oral文章）

评委评论：

打分：9分：所有接受论文中的Top 15%，强烈推荐

评价：该论文探索了自动架构搜索领域的一个重要部分。尽管从技术上看，目前计算能力仍然紧张，但是随着未来技术的进步，这种权衡会变得更好。

该论文覆盖了标准的视觉和文字任务，并在许多数据集上进行了测试，展示了在标准RNN和CNN搜索空间之外仍然有改进的余地。尽管我们希望这个方法能够应用到更多的数据集上，但是现在已经能够充分的展示出该方法不仅能与人工设计的架构不相上下，甚至还能有所超越。这也意味着将一种方法应用到一个特定的数据集上，已经不需要在每个步骤上都手动进行设置了。

该论文是一篇课题有趣，实验结果良好的一篇文章。我强烈推荐接受。

评价：该论文提供了一种基于actor-critic架构的神经网络结构搜索。该方法将DNN看作一种可变长度序列，并使用强化学习来寻找目标架构，作为一个actor。在强化学习的背景下，节点选择是一个action，架构的误差作为reward。一个双层自回归LSTM作为控制器和critic。该方法在两个较难的问题上进行实验，并与人工创建的多种架构进行对比。

这是一个非常激动人心的文章。人工选择架构是很困难的，并且很难知道最优的结果跟手工设计的网络之间相距多远。该方法很新颖。作者很详细的阐述了细节，也指出了需要进行的改进的地方。测试的数据很好的展示了该方法的能力。能够看到生成架构和人工架构之间的区别很有趣。文章写得很清晰易懂。相关方法的覆盖面和对比都很详细。

如果能够知道训练所需要的时间，以及不同时间/资源比例所训练处模型的质量等数据就更好了。总之，这是一个极好而有趣的文章。

一个很好的文章:

打分：9分：所有接受文章的Top 15%，强烈推荐

评价：该文章提出了使用强化学习和循环神经网络来针对特定任务设计网络架构的方法。这篇文章的想法很有前景，并且在两个数据集上的实验结果表明了这个方法很扎实。

文章的优点：

1. 使用RNN来生成网络的描述，使用RL训练RNN，这个想法很有趣且很有前景。

2. 生成的模型与人工设计的很相似，这也表明了人类的专家指示和生成网络架构是兼容的。

文章的缺点：

1. 网络的训练时间过长，即使使用了大量的计算资源。

2. 实验并没有提供生成架构的泛化能力。如果能够看到生成架构在其他相似但不同的数据集上的表现就更好了。

总之，我相信这是一篇很好的文章。但是仍需要更多的实验来展示它相较于人工设计模型的潜在优势。

作为人工智能国际顶级会议，由美国人工智能协会(American Association for Artificial Intelligence)组织的AAAI大会在美国旧金山召开，在今年的大会上中国面孔成为不可忽视的力量。在2571篇投稿论文中，中国和美国的投稿数量分别占到31%和30%，虽然在被接收论文数量上，中国还是低于美国，但数量已经大幅提升。

一个小插曲则是，今年的AAAI大会原计划在新奥尔良召开，由于和中国春节冲突，AAAI Fellow、AAAI现任执委杨强教授和几位教授紧急向组委会发送邮件，使得最终破格更改了时间和地点。

可见，中国在AI领域正在蓄势，逐步成长为中坚力量。据《乌镇指数：全球人工智能发展报告》，在全球人工智能专利数量方面，中国以15745个紧跟在美国26891个之后位列第二，日本以14604个排名第三。值得一提的是，三国占总体专利的73.85%。

华人势力

“不仅仅是学者，来参会的中国公司也变多了。”杨强表示。从今年的活动赞助商而言，百度、腾讯和亚马逊、IBM一并成为金牌赞助商，小i机器人、今日头条也跻身银牌赞助商之列。在今年收录的论文中，百度、腾讯、华为、360、今日头条、携程等中国公司的人工智能团队也有出现。

百度研究院院长林元庆对第一财经记者说，过去几年里，她在参加国际上人工智能领域的顶级会议中，确实可以看到参加会议的华人非常多，而且在过去几年里增长很快。他认为这同时也和国内几家公司在人工智能领域的投入有关系。

“中国人适合做人工智能，世界上43%的人工智能论文都是中国人写的。”创新工场创始人李开复曾向第一财经表示。根据美国白宫此前发布的《国家人工智能研究与发展策略规划》来看，从2013年到2015年，SCI收录的论文中，“深度学习”或“深度神经网络”的文章增长了约6倍，按照文章数量计算，美国已经不再是世界第一。在增加“文章必须至少被引用过一次”附加条件后，中国在2014年和2015年都超过美国，位居前列。

“这一轮人工智能并不是一个新的革命，而是18世纪工业革命自动化的一个延续，技术一旦掌握到手里，可以迅速扩展到做全世界的生意，所以这对于中国起到了一个弯道超车的作用。”杨强表示。

中国人数学好、刻苦努力无疑为中国发展人工智能提供了良好的基础，但更大的驱动力在于产业需求。一方面对于传统企业而言，需要新技术来推动产业变革，“中国的经济结构还有很多不合理、低效率的地方，通过人工智能浪潮，就形成了一种新的竞争。”杨强强调。

对于互联网巨头或新兴独角兽公司而言，同样需要借助人工智能技术，激发已经存储的海量数据，提升服务精准度，创造潜在盈利机会，“互联网大市场孕育的应用到C轮需要人工智能。”李开复表示。例如今日头条在借助人工智能技术，将新闻内容和视频进行重新排序，实现资讯分发的千人千面，美图也利用人像数据库，对数据进行标记、结构化，优化图像算法。

“全世界只有中美两国有如此大量的数据、大规模的计算和应用场景，在应用层面中美基本处于同一起跑线。”地平线机器人技术创始人兼首席执行官余凯向第一财经表示。余凯曾担任百度研究院副院长、深度学习实验室(IDL)主任，带领的团队将深度学习技术成功应用于广告、搜索、图像、语音等方面，在此之前他也曾在美国NEC研究院、西门子数据研究部、微软亚洲研究院工作。

在余凯看来，中国有世界上最大的互联网公司，且拥有搜索、社交、电商、互联网金融等很好的应用场景，“大规模的计算平台都需要大规模的应用场景，在小实验室是做不了的，年轻人在这样的工作环境中会得到持续的锻炼，包括工程实验能力、对算法的理解等。”

“最大的优势是人多，这种优势体现在三个层面，人多意味着市场大，有更强的驱动力去把这件事情做好。其次针对社会服务层面，需要很多数据。第三，人才基数比较大，冒出顶尖人才相对多一些。”第四范式创始人、首席执行官戴文渊告诉记者，“从数据量、投入的人力财力来看，中美之间没有多少差距，且中国更有优势。”

中美差异

但将论文数量视为中国人工智能发展水平有失公允，虽然在靠近商业价值应用层面中美并驾齐驱，但在基础性、原创性研究、创新土壤、人才储备层面，中国相较美国还存在不小的差距。

“国内更多是技术的落地、产业化和应用，国外仍然有很多人在公司和研究院做前沿研究，包括寻求方法论上的突破，我们擅长把事情做得更细致，相对而言突破性和奠基性的工作还不够多。”地平线机器人技术联合创始人、算法副总裁黄畅告诉第一财经。

黄畅毕业于清华大学计算机科学与技术系，曾在美国南加州大学和NEC美国研究院担任研究员，2012年加入百度美国研发中心，2013年和余凯参与组建百度深度学习研究院，任高级科学家、主任研发架构师。在黄畅看来，做研究无外乎寻找新的问题和研究新的方法，而在这两方面国内和国外相比还存在不小的差距。

杨强认为，深度学习是不断发展的，研究领域的领导者应该是开拓新的领域，而不是在原有的基础上深挖。“把一个10层的深度模型拓展到100层甚至1000层，我觉得这个确实是一个进步，中国人目前是这个层次，但这些在我看来并不是一个原创。”杨强举例说道。

“现在很多高校是看教授和学生的论文达标情况，顶级会议论文的发表对学生申请院校、教授评级、申请科研经费等都有帮助，真正做出突破性理论研究，不迎合考核体系的非常少。”戴文渊直言。在他看来，虽然有相当数量的人参与到人工智能研究，但优秀的研究成果并不与参与人数的激增成正比。

余凯认为，有一些中国学生很擅长“刷分”、“刷榜”。“别人做到99.5%，我做了99.7%，并不一定有实质性突破，世界也没有因为这个刷分而变得不一样。原创性的创新需要不一样的思考，现在讲深度学习比较多，所有的人都进行深度学习，而不是思考What is wrong ?How to be different?”余凯强调。

在人工智能领域浸染十年有余的戴文渊也有同样的感受，“很多人用力的方向有问题，准确率达到99.1%、99.15%或者99.2%，其实没有什么差别，并不应该把精力用在这些地方，而应该关注不到60分的领域，去把它做及格。”

回归至深度学习的历史发展脉络来看，正是一个边缘化课题走向主流技术的路径。早在上世纪80年代初期，深度学习学派的开山人物Hinton一直坚持神经网络的探索，但受限于当时的电脑速度、数据量等问题，深度学习理论是一项边缘化的研究，当时AI的主流研究方向与之截然相反，推崇小样本学习，主推SVM学习。

正是以Hinton为代表的一群人对深度学习的坚持，才一步步将边缘课题变成人工智能核心技术。“十年前进入这个领域，中国学生都在学优化理论，现在一窝蜂地学习深度学习，很少有人在怀疑深度学习是不是最优解，就像之前很少有人去思考优化是不是最优解。”戴文渊说道。

人员成本居高不下

在余凯看来，中美之间的差距表现在两方面，一方面是人才储备的匮乏，很多高校在很长时间内并没有人工智能专业，而在美国基本上大的院校都有人工智能教授。以美国卡梅隆大学为例，设有专门的机器人研究所，其中光教授就有100多位，纵向而言，中国布局的时间也比较晚。

早在2012年余凯回国在百度成立了人工智能团队，担任百度人工智能研究院执行院长，在他的记忆里，当时在高校招人非常困难，很多是在招进百度之后再自己培养。

其次从产业链而言，谷歌或者Facebook的人工智能团队不仅可以从斯坦福等院校招人，还可以从微软、IBM、HP等大公司挖走人工智能领域的人才，“当时别的企业还想着从百度挖人，无论从科研教育还是整个产业界，起步都是晚的，规模还是小的。”

至今余凯仍会频繁去美国参加一些学术会议，让自己保持更多的思考，“国外技术创业比较多，大家探讨的是数学公式及算法，而在中国大部分在讲趋势、概念，如果PPT上放上公式就变得很无聊，心态比较浮躁。”

资本驱动之下，人工智能成为创业最火热的领域，也在加速人才的流动。根据华创资本发布的《2016早期企业薪酬调研报告》来看，人工智能和大数据领域类的早期企业在过去一年的员工离职率高达44%，人员流动活跃。

“付不起工资、抢不到人”成为人工智能企业在人才招聘方面面临的最大博弈。“人才比较少，需要的公司又多，人工智能的人员成本因此居高不下。”戴文渊表示，“我们想要寻找突破常规的人才，需要找到能够将30分的东西做到60分甚至80分的人才，例如目前做深度学习的人有很多，但迁移学习的人才就非常少。”

“德才兼备”是余凯选人的标准，所谓德即对人工智能本身的热情，愿意为之做长期奋斗，而不是短期的。“大部分人是在赶时髦，如果冰天雪地的时候心还是热的，那才叫热情”，才则是数学功底、统计功底、编程能力等等。

“优秀的人才、优质的研究成果永远匮乏，好比人工智能领域论文从每年800篇涨到3000篇，但真正出色的论文在数量上基本不会有太大变化，许多人是在随大流、挖坑灌水、解决细枝末节的问题，产生的真实价值并不大。”黄畅补充道。

与O2O、电商等产业不同，人工智能的技术创新仍旧需要长期且基础性的理论研究工作，如何从顶层设计出发，加强人工智能基础理论研究和核心技术突破，加强人工智能科研人才、技术人才的培养与引进，才是人工智能发展的持续动力。

人工智能挑战

一派繁荣之下，正视人工智能的作用变得更为重要。“相较于告诉人们人工智能能做什么，目前更重要的反倒是告诉人们，人工智能不能做什么。”余凯笑着说道。结合当下的发展情况人工智能仍然面临诸多挑战。

首要挑战就是数据不足的问题。众所周知，人工智能建立在海量数据基础之上，通过大数据训练，来优化算法模型，以人脸识别技术为例，训练这一算法模型需要至少百万级别的图片数据。

目前人工智能主要是监督式学习，有监督的训练就需要带标签的数据，因此数据的质量和精准度及输出结果密切相关。“如何剔除数据中的噪音、垃圾信息，获取优质且带有标签的数据成为新挑战，也正是因为这个原因，半监督式甚至无监督式学习方法必然成为未来的研究热点。”黄畅说道。

另一大挑战在于深度学习的推广和场景迁移能力不足，每个领域的数据都需要重新收集、标准和再训练，很难进行跨领域推广。这些挑战也是人工智能工业界和学术界急需突破的问题。“在招聘的过程中，学习深度学习的人很多，而懂得迁移学习，具备思辨能力的人很少。”戴文渊表示。反映到人才培养和教育而言，如何引导并鼓励学生进行跨领域、原创性的探索研究尤为重要。

例如今年AAAI最佳论文来自斯坦福大学计算机科学系的Russell Stewart、Stefano Drmon，他们所撰写的论文《用物理和特定领域知识让神经网络进行不带标签的监督学习》，就是将物理知识与深度学习相结合，通过跨领域研究给AI带来新的启发。

随着国家经济的大力创新，传统移动互联网产业也随之飞速发展与普及，一度出现关于电商与实体业界不甘上下争论不休的局面！不可否认今天电商已经成为了市场经济高速发展的强大动力来源，实时造英雄吗也造就了一大批国内乃至国际电商领袖企业大咖（例如阿里、京东等）

跟随市场的不断发展与个性需求，随之而来的90、00后等新生代的消费群体及消费观念应运而来促使传统的电商领域不再趋于满足他们的个性需求和互动体验，从而推动了新的互联网形态—移动社交电商的发展，这是基于粉丝、社群、朋友等“社交+电商的新经济模式。他们经常通过微信分享买到的好东西，向身边的人、朋友推荐你使用过的品牌，从而给品牌带来的价值，比广告来的更加直观。

因为传统模式的高成本和激烈竞争导致社交电商成为最佳选择，不知不觉你会发现家里已经有人在使用社交电商产品，周围做社交电商的人也越来越多。未来2年中国将会有30%~45%的人从事社交电商，也就意味着，每个家庭将会有80%的人以社交电商的形式创业。

但同时要注意不能简单地将社交化等同于微博宣传、微信推广，更不能把千军万马搞微商当作是实体零售转型的主导路径。只有通过社交化的人与人的互动服务，才能提供有个性、有温度的服务。实体零售插上移动互联网的技术翅膀，通过社交化的用户服务，抓住个性化、差异化的需求，进行精准营销，是实现智慧零售重要途径。相信未来的时代注定属于移动社交电商，随着移动设备不断发展，我相信购物会变成“所见即所得”，随着3D虚拟技术的发展，甚至可以做到所想即所得。

我们已经意识到，社交电商的未来不可限量，我们希望大家一起来探索这样一个社交电商的全新的时代。把握未来再小的个体也有品牌，再大的平台商也需要经营自己核心的粉丝群，并且通过社交平台、电商平台和完美的物流供应链来支持。

近年来，中国的钢铁行业“走出去”成果丰硕，但是随之而来的“副作用”也非常明显，新华网近年来报道的美欧对中国钢铁反倾销案件已经有好几十起。

同时，外媒也注意到了钢铁行业的冲突，英国金融时报4月26日撰文称，中国虽然遭到了美欧大量的反倾销调查，但是双方的贸易冲突可能才刚刚开始，而且对于美欧来说，中国钢铁已经开始逐步进入先前被西方主导的高附加值领域，除非中国突然减产，否者被中国钢铁淹没只是时间问题。

中国的钢铁产量排名世界第一，去年生产高达8.08亿吨钢铁，是世界总产量的一半。中国生产总量的90%都在国内市场被消费了，但是国内消费在2013年达到了高峰，之后就出现了下滑。而那些多出来的钢铁大部分都进入了世界市场。去年中国出口了自身产量的14%，约合1.09亿吨钢铁，比世界最大的钢铁集团欧洲安赛乐米塔尔（ArcelorMittal）的总产量还要高。

因为中国的钢铁产量太高，即使出口每增长1%都相当于美国钢铁行业出口总数。

去年全球钢铁生产总量，中国占据了一半

面对中国这种“庞然大物”，美国和欧洲都开始针对中国的钢铁出口。据观察者网先前报道，上周美国总统特朗普签署了备忘录，调查中国钢铁进口是否威胁美国国家安全。特朗普称：“我们将通过对钢铁进口进行彻底调查，为美国工人和美国制造的钢铁而战。”

据中新社报道，美国商务部发表声明称，特朗普签署的这份备忘录要求商务部部长罗斯尽快着手进行这项针对美国钢铁进口的调查。该调查将涉及生产能力、劳动力、投资、研发等各个因素，以决定钢铁进口是否威胁美国的安全。

商务部称，在经过彻底调查后，如果确认钢铁进口对国家安全有任何威胁，商务部部长罗斯（Wilbur Ross）将提出一份包括行动措施建议的报告。根据相关法案，特朗普有权使用调整关税和配额等手段来控制进口。

罗斯表示，商务部将迅速进行全面调查，如有必要，将采取行动保护美国国家安全、工人和企业免受外国威胁。

美国商务部长罗斯

在欧洲，比利时和德国的钢铁工人在去年不断进行抗议，在压力之下，欧盟委员会主席容克称：“近几年欧洲钢铁产业失去了上万个就业机会，这是不能接受的”。欧盟必须和中国尽快成立一个机制，监督钢铁行业产能过剩的问题和原因，还将讨论针对中国的反倾销和反补贴的政策。

抗议的欧洲钢铁工人

同时，美国、欧盟等国纷纷开始在WTO发起反倾销诉讼，但是诉讼真的有道理吗？

金融时报指出，至少对美国来说，针对中国的反倾销没有道理，因为在美国的钢铁进口排名表中，中国仅仅处在11位，还没有台湾地区多。商务部经济研究员梅新育称：“美国人并不害怕中国钢铁对美国的出口，他们害怕的是中国钢铁企业和美国企业在第三国的竞争。”

另外一方面，中国出口的增加也是因为其他国家产量的降低。在北美自由贸易区，三个成员国加拿大、美国、墨西哥的钢铁产量都出现了不同程度的下降，进口则增加。从2011年到2015年，北美自由贸易区的进口从15%上升到了21%。

美国钢铁进口来源地

在欧洲情况就不一样了，中国是欧盟28个成员国的第一进口来源。中国出口钢铁的19%都前往了欧洲。

中国钢铁出口走向

在2008年金融海啸期间，欧洲遭遇了重创，钢铁需求疲软不振。现在欧洲钢铁还可以通过在产业链中霸占高附加值行业来维持利润。但是随着中国钢铁开始进入高附加值行业，欧洲的优势变得越来越小。

最后金融时报总结道，欧洲目前在某些高价值保密领域还保持着最后的优势，比如导弹、核电站、输油管道，在这些产品上，更多时候依然还是欧洲向中国出口，但是因为“国家安全”原因，欧洲的出口受到了很大的限制。更何况，中国的一些企业比如宝山钢铁已经开始生产国产核电站的钢铁，进一步蚕食了欧洲的市场。

对于西方的钢铁行业来说，除非出现中国突然大规模减产，否则被中国钢铁淹没只是时间问题。

万科A股于4月27日发布了未经审计的2017年一季度财报。报告期内，公司实现营收185.89亿元，同比增长27.22%。但归属于上市公司股东的净利润6.95亿元，同比减少16.54%；基本每股收益0.063元，同比下滑16%。

主要原因是当季的销售费用、管理费用、利息支出及财务费用等成本增加，而且一批合作比例较高的项目令少数股东损益占公司净利润的比例上升至37.3%。公司认为，一季度的净利润同比下滑对全年业绩的参考意义不大，预计2017 全年净利润同比仍将保持增长。

报告期内，公司房地产业务实现销售面积 988.2 万平方米，销售金额 1502.7 亿元，同比分别增长 81.1% 和 99.7%。其中，公司在深圳、北京、天津三个城市的单季销售金额均突破百亿元。

截至一季度末，公司持有货币资金 909.7 亿元，高于短期借款和一年内到期有息负债总和 483.4 亿元。净负债率为 31.5%，继续保持在行业低位。报告期内，国际评级机构穆迪将公司的评级展望上调至“稳定”，并维持“Baa1”的信用评级。

不过万科A股的股东变化较为显著。相较于2016年末，万科一季度末的总股东户数降至326711户，筹码出现集中趋势。深圳地铁集团已正式取代华润，成为万科第一大股东。而且，前十大股东中已不见证金公司的身影，可知一季度证金减持了万科A股份，但是否清仓尚不确定。

公司财报显示，2017年1月， 地铁集团以协议受让方式获得万科15.31%的股份，成为公司基石股东；3 月，地铁集团获得中国恒大集团下属企业持有的 1,553,210,974 股万科 A 股特定股东权利，成为拥有公司表决权比例最高的股东。

财报公布后，万科A早盘大幅下跌5.5%，一度跌至19.25元的九个月新低，收盘时也跌破20元关口，为2016年8月以来首次。而当日成交量也显著放大，全天成交10.2亿元，是上一交易日的两倍以上。

在2015年12月9日至2016年7月6日期间，宝能系旗下钜盛华通过资管计划取得万科548,749,106股股份，所支付的资金总额为1,111,810.8万元。据此计算，钜盛华在此期间获得万科股份的平均价格为20.26元。由于这批资管计划均以份额净值0.8元作为平仓价线，这意味着，在周四收盘价的基础上再来一个多跌停，就有可能触及部分资管计划的平仓线，钜盛华借道的部分资管计划将再度面临平仓或补仓压力。

特朗普的一系列贸易保护行动来了。

本周四，特朗普签署关于铝进口的行政备忘录，称其他国家和地区对美国铝产业所施加的“压力和滥用”将结束。美国铝产业“被不公平的海外贸易破坏”。对美国国家安全而言，国内铝产业至关重要。

此前一日特朗普政府已启动对美国进口铝的广泛调查。调查可能导致美国实施广泛的进口限制，对美国出口铝名列前茅的加拿大和中国将最受影响。

在钢铁和铝的两项调查中，特朗普政府都启用了一条很少使用的法律规定，即第232条款。该条款赋权美国商务部调查进口对国家安全的影响，而美国总统有权在调查结束时限制相关进口。

铝是继钢铁之后特朗普政府又一大贸易保护针对的目标。特朗普要对铝材下手似乎早有预兆。

周三稍早CNBC援引美国高官消息，美国商务部长罗斯（Wilbur Ross）将宣布调查进口铝的计划。此调查类似于白宫上周宣布针对进口钢铁的调查。