• 项目
首页>>文章列表 >>行业研究
行业研究

金准人工智能 2018年6月中国数字经济指数报告 2018-07-20 15:28:08

前言

把脉数字经济发展,为数字经济领航中国新经济发展,有利于促进我国经济向形态更高级、结构更合理的方面演化。金准数据显示,2017年数字经济占GDP比重达到32.9%,数字经济在带动整个国民经济的同时,也让老百姓感觉到实实在在的收获。当前,数字经济已成为拉动我国经济增长的重要引擎,也是产业转型升级的重大突破口。

金准人工智能专家通过从宏观层面探讨数字经济与产业融合的发展前景,还从更深入的技术实践层面,对传统产业如何利用数字经济浪潮实现结构化转型进行深入探讨,分析大数据、人工智能、互联网+、云计算等新一代信息技术的发展前景,本文中,金准人工智能专家分析了我国数字经济指数,希望对相关产业的发展提供参考。

1.全国数字经济指数走势

2018年6月,我国数字经济指数环比下降2.5%,录得374。从表二可以看出数字经济指数各一级指数对总指数增长的贡献度,本月数字经济指数的下降主要由于融合和基础指数的下降,产业指数、溢出指数、融合指数和基础指数分别对总指数贡献6.4%、-0.5%、-2.6%和-5.9%。

2.全国一级指数变化


四个一级指数自2016年以来的变化见上图,2018年5月,产业指数继续高速上升,指数录得309,增长7.44%。本月溢出指数持续环比增长0.96%,指数录得113。本月融合和基础指数分别录得169和123,分别环比降低2.50%和1.65%。我国数字经济产业投入继续高速持续增长,其他产业对数字经济产业的利用深度开始持续回升,与实体经济的融合近期略有减缓,数字经济基础投入近期持续下降。

3.全国产业指数变化

我们对数字经济产业进行了细化,具体分为互联网+产业、大数据产业和人工智能产业,可以更加清晰的看出每个产业的具体发展情况。

2018年6月,互联网产业、人工智能产业和大数据产业指数分别为200、434和354,环比分别增长1.1%、8.7%和7.0%。大数据和人工智能产业本月继续保持高速增长,互联网产业增速显著放缓,三大产业指数差距逐渐扩大。

4.全国融合指数变化

工业、商贸业、服务业和金融等行业里数字经济和实体经济的融合体现为工业互联网、智慧供应链、共享经济和金融科技,我们根据这四个领域的劳动、资本和科技投入情况来衡量融合的程度。

2018年6月,工业互联网、智慧供应链、共享经济和金融科技领域指数分别为287、128、101和144,环比均出现下降,环比分别下降-0.6%、-0.5%、-4.4%和-6.6%,共享经济和金融科技领域指数降幅较大,近两个月金融科技领域投入降幅较大。

5.总溢出指数和制造业溢出指数的变化

2018年6月,我国制造业数字经济溢出指数持续回升,全行业的数字经济溢出指数略微下降,制造业溢出指数和全行业溢出指数的差距进一步缩小。制造业和全行业溢出指数分别录得105和113,环比增速分别为2.3%和-0.4%。

6.基础设施指数的变化

2018年6月,数据资源管理、互联网基础设施和数字化生活应用普及程度三个方面的指数分别为120、76和153,环比增速分别为1.3%,-23.3%和0.1%。数字化生活应用普及程度指数衡量数字化技术在社会中的应用情况,该指数近几个月增长放缓,从前两年的平稳匀速增长进入到稳定状态。数据资源管理指数本月继续小幅回升。互联网基础设施指数本月降幅较大,反映出我国互联网基础设施相关项目采购数量的持续下滑。

7.各省数字经济指数排序

2018年6月,数字经济指数前五名仍为广东、北京、上海、江苏和浙江,指数分别为1571、1293、1081、1004和824,其中广东数字经济指数环比继续上升,其余四省数字经济指数略有下降。前十名中,湖北、安徽位次上升,分别位于第八名和第十名,天津和福建排名下降。排名最低的五个省份仍是贵州、新疆、宁夏、青海和西藏,指数分别为64、40、26、19和16。

8.各省产业指数排序

数字经济产业指数度量大数据产业、人工智能产业和互联网产业本身的发展情况。从图8可见,2018年6月,全国各省信息产业指数排序保持稳定,前五名广东、北京、江苏、上海和浙江产业指数分别为4.00、3.65、3.27、2.95和2.78,相比上月均略有增长。前十名省份排序和上月保持一致。本月产业指数最后五名为海南、新疆、宁夏、青海和西藏,指数分别为0.58、0.36、0.25、0.18和0.16。

9.各省溢出指数排序

数字经济溢出指数度量当期其他产业利用数字经济产品作为中间品的比例,可以理解为数字经济产业对其他产业的推动作用。从图9可见,2018年6月,全国各省溢出指数排序,前五名为上海、北京、西藏、湖南和广东,指数分别为11.2、10.8、10.7、10.5和10.4,上海持续两月位居第一名。本月河南和浙江本月进入前十,取代青海和海南。本月后五名分别为宁夏、重庆、新疆、贵州和山西,溢出指数分别为7.9、7.8、7.5、7.5和7.4。

10.各省基础指数排序

数字经济基础指数度量从数据的获取、传输、存储和使用四个角度来度量数字经济基础设施的增长。从图10可见,2018年5月,基础指数前十名和上月保持一致。各省基础指数环比变化不大,前五名北京、上海、天津、浙江和福建,指数分别为0.86、0.82、0.80、0.80和0.79。后五名仍为宁夏、甘肃、西藏、新疆和青海,指数分别为0.59、0.59、0.56、0.55和0.51。

11.各省融合指数排序

数字经济融合指数从当期工业、商贸业、服务业和金融等行业里数字经济和实体经济的融合,具体体现为工业互联网、智慧供应链、共享经济和金融科技等方面,度量了融合的程度。

从图11可见,2018年6月,全国各省融合指数排序,前五名为广东、四川、上海、江苏和浙江,融合指数分别为49、40、40、38和38。本月四川融合指数超过上海和浙江,位居第二位,江苏超过北京和浙江,位居第四位。前十名中,山东、安徽排名上升,湖南、内蒙古排名下降。后五名为新疆、贵州、宁夏、青海和西藏,指数分别为27、22、22、21和17。

12.各地区数字化生活应用普及速度

本月,我们看各地区基础指数中的数字化生活应用普及程度及其增长情况。图12给出了各省2018年6月数字化生活应用普及程度排序和最近一年的增速,图13给出了各省2017年6月数字化生活应用普及程度排序和之前一年的增速。我们来看各省近两年数字化生活应用普及程度的变化。

从两幅图可以看出,当前,我国数字化生活应用程度最高的是北京、上海、天津、广东等经济发达省份,数字化生活应用程度较低的主要是欠发达地区,如西藏、新疆和青海等地。除个别省份外,在2016-2017,2017-2018年度,各省数字化生活应用程度增速均为正。

有意思的是,这两年,数字化生活应用程度增长最快的都不是发达地区,2016-2017年,数字化生活应用程度增长最快的是甘肃,而2017-2018年,增长最快的则是西藏。图中可见,数字化生活应用普及程度偏低的欠发达地区,其增长速度相互差异较大。而发达地区之间,数字化生活应用程度增长速度相差相对较小。

从图中,还可以看到一个现象,2016-2017年,总体来看,数字化生活应用普及程度高的地区,增速也快,普及程度低的地区,增速总体偏低。而到了2017年-2018年度,这种现象消失了。进一步分析发现,这主要是由于发达地区增速下降导致。从图中可见,2016-2017年度,排名靠前的省份该指数增速普遍在30%左右,而2017-2018年度,这些省份增速普遍下降到了10%左右,而欠发达地区两年的增速并未发生明显变化。
2016-2017年,数字化生活应用普及度最高的地区,普及的速度越快,但最近一年,这些地区普及的速度明显下降。这可能表明发达地区数字化生活应用程度已接近饱和状态,而欠发达地区还有较大的发展空间。


附录

A.1数据(20186月)

A.2数字经济指数的指标体系

总结

数字经济包含了很多新技术部分,在此基础上要实现各种各样数据的汇集,并在运用数据的过程中产生新算法,把这些算法再应用到服务中去,让数据在生产和商业中的作用得到有效发挥。无论是未来计算方向,还是数学模型,甚至特定的场景的依据是数据,要利用数据改变行业的生态及未来发展,在未来创新过程中做到快速抢先的地位。

金准人工智能专家分析,数字经济将彻底改变人类命运,但首先要了解清楚数字经济是干什么的、数字经济的服务对象是谁等问题。金准人工智能专家认为,在数字经济领域,有人指出大数据发展的软肋受限于资金、人才、缺创新,其实并不是,中国大数据发展的软肋是理念。

金准人工智能 2018行为经济学与人工智能研究报告(下) 2018-07-19 11:24:51

2.2.2中坚力量

l 马修·拉宾(Matthew Rabin)

拉宾因对行为经济学的基础理论做出开创性贡献而获得2001年美国经济学会的克拉克奖章(ClarkMedal)。其主要研究兴趣如下:

马修·拉宾(MatthewRabin),出生于1963年,1984年获威斯康星大学经济学与数学学士学位,1989年获MIT经济学博士学位。他以研究延迟行为和公平理论而知名,擅长利用复杂的数学模型来研究人类的各类经济行为。

在行为经济学崛起之前,主流经济学出于研究的需要简化了真实世界人们的各类经济行为,即假定人类的行为理性,而这一“简化”过的理论在真实世界的经济现象面前显得不那么调和。这让经济学家们将视野转向人类的行为因素对于经济决策等的影响研究。以便对主流经济学的部分假设做出修正和补充。拉宾在这一经济学分支上起到了独特的创建型作用。

拉宾研究发现,人们对周围环境的判断以及各类选择的效用评价上存在系统性的偏差,因此有必要在让人们在做出诸多决策之前经历一个强制性冷静阶段,以便人们脱离短期的强烈感情对于自身行为的偏差性影响。因为人们一旦做出不可更改的决定,而这种决定又是建立在“非冷静判断”的基础上,则很可能事后后悔。因此,对于各类冲动行为进行“冷处理”是必要的。而在人们对于当下与未来的效用感知差异上,拉宾发现,人们更在意当下的“效用”,即喜欢把正效用的事情当天做,而把负效用的事情拖到以后,而相当于未来的长期福利,人们则更在意短期福利。

l Sendhil Mullainathan

Sendhil Mullainathan是哈佛大学经济学教授。他研究过贫困、行为经济学和各种各样的话题,如贫困对精神带宽的影响,CEO薪酬是否过高,使用虚构的简历来衡量歧视等。他最近的研究重点是利用机器学习来更好地理解人类行为。

他与人合著《稀缺:为什么没有太多的意义》等书,并定期为《纽约时报》撰稿。

他创立了一个非营利组织应用行为科学组织ideas42,它将行为经济学对人类行为的复杂理解付诸实践,并将其用于设计更好的方法来解决从消费金融到国际发展等领域的问题。

他是麦克阿瑟“天才”奖的获得者,被世界经济论坛指定为“年轻的全球领袖”,被《外交政策》杂志评为“百强思想家”,并被《Wired》杂志(英国)评选为“50位将改变世界的人”。

以下是金准人工智能专家利用AMiner数据库对其论文进行挖掘,选取citation最高的几篇文章

l Volpp KevinG

Volpp KevinG是宾夕法尼亚大学健康激励和行为经济学中心的负责人。他关于金融和组织激励对健康行为和健康成果的影响的研究得到了众多奖项的认可,其中包括来自学术界的AliceS.Hersh奖;英国医学期刊小组奖;总统早期的科学家和工程师职业奖(PECASE);临床和转化科学协会的杰出研究人员奖,用于职业成就和对临床和转化科学的贡献等。

Volpp KevinG发表了超过175篇论文,这些论文是在美国和海外的雇主、保险公司、卫生系统和消费者公司的广泛测试上形成的,来测试不同行为经济策略在改善行为和结果方面的有效性。

以下是Volpp KevinG的主要研究兴趣:

以下是金准人工智能专家利用AMiner数据库对其论文进行挖掘,选取citation最高的几篇文章

l 朱宪辰

朱宪辰现任教于南京理工大学经济管理学院,为应用经济研究所所长、教授、博士生导师。兼任中国系统工程学会社会经济系统分会副理事长、中国数量经济学会常务理事、国防科工委国家信息中心注册咨询专家。长期从事制度经济学、管理科学与工程的教学与科研工作。

主要研究方向有:①个体决策信念调整与共同知识演化,该方向的研究对象是个体间形成的共同知识,以及作为共同知识内容的习俗规则和制度,研究任务是探究制度变迁;采用的方法是基于个体单元分析的信念调整实验和样本计量估计。应用领域是集体行动(collective action),如行业协会业主自治问题。②以行动机制作为制度、技术和产业变迁及区域发展的分析脉络是本方向的基本思路。针对产权制度变迁、交易习俗变迁、区域发展和产业集聚过程中的探讨内生解释模型。

l 史永东

东北财经大学应用金融研究中心主任,兼任中国金融学年会常务理事,中国金融工程学年会常务理事,中国金融学会理事,金融系统工程与风险管理国际年会常务理事,辽宁省金融学会常务理事,《金融学季刊》杂志副主编,《投资研究》杂志编委。主要研究方向有:金融工程、资产定价、风险管理、行为金融、微观结构.

教育部2006年新世纪优秀人才支持计划和辽宁省百千万人才培养计划百人层次入选者、辽宁省金融工程与风险管理创新团队首席专家,大连市优秀教师,享受大连市政府特殊津贴。

l 陆家骝

现为中山大学管理学院财务与投资学系教授、博士生导师;中山大学行为金融与金融经济学研究所所长;中山大学学术委员会委员。

先后在南京航空航天大学,南京大学和中山大学从事教学和研究工作,涉及的专业领域主要有:金融经济学、公司财务、货币经济学、新兴凯恩斯动态经济学。在这些领域出版学术专著有《货币分析的结构与变迁》、《行为金融学的兴起》和《现代金融经济学》等;在《经济研究》、《哲学研究》、《经济科学》等学术期刊发表论文100余篇.

陆家骝曾经先后在瑞典的Lund University和香港出席国际学术会议。1998年在美国Iowa State University作为期半年的访问学者;2002年在美国哥伦比亚大学(Columbia University)做高级访问学者;2005-2006年度在耶鲁大学管理学院(Yale School of Management)做金融学方向的富布赖特访问学者。

2.2.3领域新星

行为经济学是一门走在前沿的新兴学科,近年来,许多学生都投身于这一领域的研究,下面金准人工智能专家对几所学校中比较著名的行为经济学实验室学生进行简要介绍。

l 亚利桑那州立大学Economic Science Laboratory:

Ashley Sauciuc

亚利桑那州立大学PHD。她目前的研究兴趣利用了她在实验经济学中的技巧来研究问题,主要集中在管理会计、小组决策、动态契约设计和激励等方面。

叶伯汉

亚利桑那州立大学PHD。她对心理基金会如何影响个人决策和相关市场变化感兴趣。

使用实验来更好地理解个人和市场如何运作。目前的研究主要集中在收入不平等以及情感在决策过程中的作用。

l 乔治梅森大学The Interdisciplinary Center for Economic Science,ICES

Elif Ece Demiral

乔治梅森大学经济科学跨学科中心的经济学PHD。她的主要研究是将行为经济学与实证方法结合起来,研究性别、环境和财务决策的主题。研究重点是研究利用实验室和在线实验进行经济决策的性别差异,目的是帮助设计有效的政策,以减轻男性和女性不同的劳动力市场结果。

Arthur Dolgopolov

乔治梅森大学跨学科经济科学中心的经济学PHD。研究集中在实验经济学、算法博

弈理论、拍卖和机制设计。

l 苏黎世大学LaboratoryforSocialandNeuralSys-temsResearch

Thomas Epper

苏黎世大学经济系post-doc。主要研究方向包括用微观经济学、应用决策理论、决策理论等。

3.行为经济学在人工智能中的应用

人工智能不可能完完全全的理性,或者说不可能拥有无限的能力去解决所有的问题。在某些时候人工智能也必然会触碰到理性的极限,这些棘手的问题没办法被很好地解决。在这种时候我们就需要建造偏离理性行为的模型。扑克牌大概是复杂推理的一个很好的例子,其中包含很多未知信息与不确定性。最近研究者们运用博弈论成功探索出了人工智能机器玩德州扑克的算法。然而这项花费了几十年科研努力的人工智能技术目前仍然很局限,只能在双人玩家的模式下进行。而且现实世界里的情况要更复杂,完美的理性是不可能实现的。从这个角度来说,行为经济学理论能够为人工智能中存在的未知、不确定等提供可行的路径。金准人工智能专家将在本篇中讲述三个行为经济学在人工智能领域内的应用案例。

3.1网络营销中的行为经济学

2016年,杜克大学行为经济学家丹·艾瑞里(DanAriely)撰文《在线公司如何让我们共享更多,消费更多》。经济学家Ariely用行为经济学理论分别对亚马逊Amazon、Netflix、团购Groupon、Zynga、Facebook和苹果的网络营销做了分析。Ariely认为,虽然是网络营销,但营销的本质千百年来都未改变,就是利用人类的弱点,获取最大利益。

利用心理学的洞察力,行为经济学家已经可以解释为什么消费者会更多的买售价0.99美元的东西,而不是1美元的东西(左数效应)。为什么消费者热衷于办理健身会员资格,却从不去使用(乐观偏见)。为什么消费者很少会退回购买的商品(购后合理化)。网络巨头们,从亚马逊到Zynga,都在使用类似的伎俩让消费者不停地访问网站,玩它们开发的游戏,购买它们的商品。以下金准人工智能专家将详细阐述它们是如何利用人们的心理来获得最大利益。

3.1.1亚马逊

消除小摩擦可以从根本上改变一个人的决定。关于这个判断的最好例证来自于埃里克·约翰逊(Eric Johnson)和丹·古德斯滕(Dan Goldstein)的研究。在这项有关于器官捐献的研究中,两人提供了两种选项:一种是人们可以选择死后捐献器官,默认是不捐献;另一种是默认死后捐献器官,但人们可以很方便地退出。调查发现:前者的器官捐献率在40%,而后者高达80%。这就是默认的巨大力量:人们在做事情时总有一个明显的倾向,选择阻力最小的方法。

对于很多人来说,亚马逊网站的功能都是默认的,并且它已经存储了我们的信用卡和地址信息。如果我们问人们,在其他网站重新输入这些信息会花去他们多少时间,得到的答案多半是“不会很多”。大多数人都不会把时间看得很重要,但就在决定购物且不会考虑过多的几秒钟内,输入这些信息的障碍看起来令人生畏,所以我们还是默认选了亚马逊。

亚马逊还为运费问题创造出了两个智能解决方案。对于网上购物来说,这一直是最大的心理障碍。首先就是它的免运费政策,只要商品价值超过25美元,亚马逊就免费送货。随着消费者添加额外的书或CD以避免运费时,原本只卖出一件商品的亚马逊变成了卖出两件商品。

更有趣的机制是亚马逊高级会员(Amazon Prime)。只要每年交上79美元的初始费用,就可以享受美国境内两天内免费送货的优惠。我怀疑这项服务让消费者更多的消费,原因有三个。首先,一旦知道一家商店可以免费送货,消费者就不大会去另外的地方购买。其次,一旦上了亚马逊,运费就不再是心理障碍,所以冲动性消费就不大能受到抑制。最后,我们都是提前付款,这就成了已支付成本。所以为了让交易更加划算,我们会在网站上购买更多的商品以分摊投资。

3.1.2 Netflix

Netflix建立了一门价值数十亿美元的生意,它只是基于一个很简单的道理:人们对逾期附加费很反感。在传统的音像租赁店,顾客一直在做两种选择:要么多交费用;要么退回已经超期,但还没看过的电影。除去可以不付逾期附加费,Netflix还提供了详细的电影选择,每位用户都可以建立一个个性化的“队列清单”。Netflix似乎是创建了一个智能系统,使得用户可以看到他们想看的电影。

但实际上,Netflix用户看过的电影要比他们预期的少得多。这对Netflix不坏,它节约了邮费,增加了利润。原因之一就在于Netflix迫使用户主要以未来想看什么电影为依据,但用户在预测未来喜好这方面却表现得不是很好。

丹尼尔·里德和两位合作者为此写出过一篇漂亮的论文。论文展示了人们原则上想做的事和马上想做的事之间存在差异。他们要求受访者从一份电影清单中选择,里面既有高雅的影片(《辛德勒名单》)也有低俗的影片(《我的表兄维尼》)。如果在几天后问他们想看什么影片,大多数人选了高雅影片。但如果立即问他们想看什么影片,大多数人选了低俗影片。原则上,我们都想看严肃的影片,比如说法国电影,但今晚不行!因此我们的电影“队列清单”变得雄心勃勃,充斥着曲高和寡类型的电影,而不是我们自己想看的。

现在Netflix提供了在线观看服务。随着网上流媒体的兴起,我们已经不局限于看自己想看的电影。相反,我们感觉自己付了钱,可以在任何时间看任何电影,即使我们根本看不了那么多。

3.1.3 Groupon

Groupon等团购网站掀起的最大革命不是提供大幅度的折扣,而是使它们的用户没有了以往优惠券使用者的那种尴尬。实际上,优惠券使用者的污名真实存在且非常广泛。《消费者研究》(Journal of Consumer Research)上最近刊载的一篇文章发现,人们总是将使用优惠券的人描述成贫穷的、小气的,甚至是优惠券使用者自己也这么想。随着Groupon的兴起,人们开始接受使用优惠券,社会对此的认知度大为改观。

涉及到更改人们行为习惯时,群体行为的认知是一股强大的推动力。加州大学洛杉矶分校的诺亚·戈尔茨坦(Noah Goldstein)几年前曾经进行过一项研究:如何鼓励宾馆客人重复使用毛巾。在一项实验中,在测试的房间内放置两种不同的标语牌。第一种是单纯的生态呼吁,称重复使用毛巾有利于环保,结果是有35%的客人照做了。第二块标语增加了社会线索,“几乎有75%的客人都参与到这项活动中来,通过重复使用他们的毛巾尽一份力”。结果有44%的客人照做。

Groupon的时间限制是它的另一项秘密武器。消费者只有一天的时间决定是否购买优惠券以享受折扣。通常,就算我们当时不买,也不能保证以后也不会买,我们可以随时改变主意将东西买回来。但有了Groupon后,我们的选择变得十分清晰。这不仅仅是现在不买的问题,还在于现在不买以后也买不到。遵照这种选择,许多消费者都会考虑不买的话他们会有多么后悔。因为人们都不喜欢后悔,所以会更多地倾向于购买。

3.1.4 Zynga

一旦人们开始建立农场,他们就会对其进行投资,因而它的价值也水涨船高。越是复杂、越是困难、越是耗时,我们就会越喜爱自己的创造物,也就对相关游戏越发感兴趣。

社会因素又增加了另一种强迫行为。这些游戏中的很多行为都和互惠性有关:别人给予你有用的东西,也期望你能有所回报。经济学家已经认识到,互惠性拥有非常强大的力量。尤其是恩斯特·费尔(Ernst Fehr)做了很多开创性的工作,他将其称之为“信任游戏”。在这个游戏中,一名玩家被要求做出选择:收下10美元或是将40美元交给第二个玩家。如果第一个玩家选择后者,那第二个玩家也会被要求做出选择:是将收到的钱全部留下,或是和第一个玩家对半平分。

按照常理,第二个玩家应该选择将钱全部留下,如果这样的话,那第一个玩家在一开始也应该收下10美元。但当人真正地参与这个游戏时,他们的信任和互惠要远远大于预测中的常理。别人对我好,我就要有所回报,在Farm Ville中就变成了花更多的时间玩游戏。

3.1.5 Facebook

在国外,大多数Facebook用户都在围绕着“涂鸦墙”打转:这是一片用户创立的公共区域,但其他用户也可以添加。在Facebook的宇宙中,任何人都是“朋友”,用户会感受到一种特别的强制力,让他们在涂鸦墙上发帖,回复别人对所发帖子的回应,并进行交流。

我们希望自己的涂鸦墙可以反映自我。这与我们拥有的个人物品相类似,是反映我们人格的窗口。心理学家山姆·戈斯林(Sam Gosling)研究得出,从个人物品中获得的信息比花时间和物品主人相处得到的信息要多得多。涂鸦墙的功能基本相同,是一扇展现自我的窗口。

用户想展示的是一个介于真实和梦想中的自我,这也成为了用户不断关注和更新涂鸦墙的持续动力。

但也许Facebook最容易上瘾的特点是,它能以相对廉价的方式提升自己的地位。当年Facebook上线礼品服务的时候,人们就质疑,有谁会花1美元购买虚拟礼物给朋友。但在这项服务推出的前十个月,就有2400万份服务被发送。原因就在于因为自己的慷慨和收到别人的礼物,我们可以获得巨大的社会资本。

3.1.6苹果

如果你是一个苹果客户,你会注意到在iTunes和应用商店购物会遇到这种情况:要过几小时甚至几天后,购买凭证才会发到邮箱。造成这种局面的原因可能是苹果为了减少交换费,在批量处理信用卡交易。但这也能为苹果带来额外的福利:经济学家认为,延迟减少了支付的痛苦。

想象一下,你拥有一间餐厅,你计算出一道主菜20美元,能吃20口,一口一美元。但要是你规定:允许顾客每吃一口付50美分,没吃过的不收钱。这个交易听起来不错,但这样吃饭不会有什么乐趣,所以大多数人宁愿按正常定价支付,由于支付和消费同时发生,我们获得的满足感相对较少。苹果应用商店的模式有点像上面说的按吃了几口付费。但整个交易机制,钱自动从信用卡扣除,购买凭证要稍后才能拿到。这种把支付和消费分离的措施减少了支付的痛苦。

虽然延迟收钱对苹果有好处,但它在定价上已经犯了错误:应用卖得太便宜了。有一种经济现象称为锚定,指的是消费者愿意出的钱是有限的,或是说框限在第一次给他们的报价之内。一旦价格定了,就很难再被动摇。许多应用的开发耗费了大量时间,但是在应用商店内,这些应用的预期价格不能超过4.99美元,很多都是0.99美元。

苹果如何避免这种情况呢?对于新人来说,应该不允许向他们开放免费应用。哪怕应用价格低到10美分也好。实行免费的政策太过激进,会减弱人们购买的欲望。

3.2在线教育

在线教育已经是一个炙手可热的领域,在线教育平台除了TED-Ed,还有未获投资就营收7000万美元的Lynda.com和针对特定领域的KhanAcademy和OpenEnglish等。他们利用不同面向和特点吸引用户学习,就像现实中教着同样课程的不同大学那样。除了一些非盈利教育平台,如何在线上教育中盈利也是在线教育领域正在探索的问题。

3.2.1 Knowmia——众包视频平台

在智能手机兴起之前,Flip Video这一摄像产品曾经引起一股视频拍摄热潮,并在2009年被Cisco收购。在Flip Video逐渐淡出人们视线的时候,联合创始人Ariel  Braunstein和Scott Kabat依旧钟情于视频并开始将他们的目光投向线上教育。随着视频技术的成熟,人们的学习方式也开始转变。而真正的学习也不仅是看看公开课这么简单。

要建一个在线教学视频平台,一定要考虑学习者和教学者的需求,对于学习者来说,教学内容的聚合和审核非常重要,只有这样才能保证平台中视频的质量。而对于教学者来说,平台需要考虑视频个人供应商的能力,应该帮助教学者让视频制作或教学计划的制定更简单。两位Flip Video创始人推出的学习应用Knowmia——众包视频平台,就旨在帮助老师找到或创造线上视频课并优化学生的学习体验,综合考虑了学习者和教学者的需求。

Knowmia软件可以帮助全世界老师组织和制作视频课程,并提供给用户(学生)更个性化、有效和便宜的网上教学。这个平台目前提供了超过7000堂的免费课,包括一系列不同的科目,如代数、化学、美国文学、语言学习。Knowmia上视频的长度大多从1分钟到10分钟不等,目前主要来自YouTube和Vimeo。为了提升平台中视频的质量,Knowmia不仅集合现场视频,还聘请了自己专属的老师,对存在的视频内容做审查,同时还为教学内容添加数据,包括加入一些笔记、板书以及测验,而且老师还会根据视频内容对视频进行关键词标签标记,根据内容及所需的能力级别对视频进行分类。

他们的目标显而易见:提供一个教学视频内容的集中地,就像YouTube教育频道或者Khan Academy最新的CS教育门户网站那样,让用户可以通过具体的关键词搜索到更符合自己目标的教学视频。这也很容易让人联想到TED新的教育平台,它让老师和教育工作者可以利用网站自身的视频内容制定独特的课程计划。相比起来,Knowmia看起来更主流一些,通过老师群体的“编委会”审核,平台可以阻止一些质量差的教学内容流入网站。因为对于教育网站——尤其对于众包教育视频网站,如果教学内容出错会很容易误导别人,就像Wikipedia那样。

两位创始人计划对平台视频内容保持免费,但网站可能会对它的补充型学习工具进行收费。例如它即将推出的“Mini Courses”功能,配合视频课程包括教师评价及测验反馈的功能,这也会让教育工作者更好地衡量教学进度并保留材料。而参与Mini Courses的教师会从中获得一定的提成。

对于教学者来说,除了可能在收费项目中获利外,Knowmia还努力降低教师制作视频或教学内容的门槛。Knowmia推出了针对教师的教学材料制作平台:Knowmia iPad应用。

通过这个应用,教师可以简单地制作与教学内容有关的视频和PPT材料,作为学习内容或辅助工具。只要按下录制键并对内容进行编辑和拖拽转动,有关原子运动或者有顺序的教学内容就能很快制作出来,这个过程可以说是傻瓜式的。团队将这个app称为“针对教师的iMovie软件”,能让教学工作者创造交互性强的多媒体教学内容。

3.2.2易趣课堂

国内易趣课堂引入行为经济学的另类商业模式。益趣课堂提供的课程中有些可以直接免费学习,另一些则需要预付学费。例如,我想学习《密码学入门基础》这门课程,就需要先按课程时长预付38、58或78元的课程费用。在选定课程时长后,页面会显示该课程的结束时间。如果在计划时间内完成课程,那么你预付的学费将被返还,反之将被扣除。

怎样判定你是否完成学习目标呢?益趣课程采用了在很多游戏中常见的关卡解锁模式,只不过游戏关卡被换成了待学内容的章节。只有学完前面的章节并完成配套测试后,下一章节的内容才会被“解锁”。同时每个章节都有最短学习时长,如果你想打开页面后马上关掉,试图以此蒙混过关是不可能的。

将这种模式引入在线学习是益趣课堂中最大的亮点,但内容则可能成为其当前的软肋。目前益趣课堂提供的所有课程内容都是利用网络搜集整理而成,并且以传统“文字+图片”的形式呈现,也有部分课程包含视频内容。如果传统的学习方式是让你产生惰性的诱因,那你在益趣课程可能会交不少学费。不过懒惰所致的扣费,也正是该服务的主要收入来源。

从长远来看,在线教育平台只有给学习者带来更多的实际价值,才可能构建起良性发展的生态系统。所以可以考虑在该服务中引入两个机制:一是像Udemy所做的那样,让公众来创建富媒体内容,使课程更加丰富;二是设立捐赠机制,让真正有收获的学习者自愿把预付的学费捐赠出来。最后平台与第三方的内容创建者再把所有收入拿出来按比分成即可。

3.2.3 MOOC

大型开放式网络课程,即MOOC(massive open online courses)。2012年,美国的顶尖大学陆续设立网络学习平台,在网上提供免费课程,Coursera、Udacity、edX三大课程提供

商的兴起,给更多学生提供了系统学习的可能。MOOC平台之所以能够收到广泛的欢迎,与其充分融入了心理学、行为经济学的知识有着密切的关系。

MOOC知识点视频长度符合心理学节奏。其教学将课程内容细分为若干知识点,每个知识点视频长度为10分钟以内或10-15分钟,从教学心理学的角度来看,这个时间长度相比于传统课堂教学的每节课45分钟,更有利于学生能够充分集中注意力,不至于产生疲倦感,从而有效激发学习者的学习热情。同时也可以赋予同学更多的自主决定权,选择属于自己的路线和速度。

MOOC教学充分考虑网络学习者的学习习惯,让学习者感同身受。提供课程的老师需要根据学科特点和学习需求来设计开发课程,满足学生不同的学习体验。大多数课程在课程开始之前会开展前测问卷,并且对学生的动态观察贯穿课程的始终。以随时满足学生在不同学习阶段的不同需求。MOOC会根据课程科目定位采取不同的学习方式,如理工科课程中编程类课程会偏重于操作式的学习方式,在操作中增加学生的学习趣味,调动学生的积极性。

文科课程则偏重于情景式的学习,让学习者感同身受。另外,对于每一阶段的教学视频,MOOC会嵌入相应的测验题目,以提高学生的学习质量,使得学习者投入学习的热情大大增加。

3.3共享交通

3.3.1 Uber供给端运营

Uber利用了不少行为经济学的技巧来运营“供给端”,具体如下。

2017年3月,遭遇多方危机的Uber曾召开记者会宣称,公司在改变自己的文化,再也不会容忍那些个人能力很强、但不善于团队协作的人。而且更值得一提的是,他们声明自己也会改善和司机之间的关系。因为在此之前,Uber公司曾因支付问题和管理太过随意,导致司机们极为不满。但实际上,这家公司在背后正进行一套行为科学实验,驱动司机们配合公司一起成长。

在企业管理模式上,Uber带来了巨大创新,这个平台上的司机已经成为真正意义上的独立经营者,而不再是按时间表工作的传统雇佣工。但是,平台对这些劳动力缺乏掌控。所以,Uber不惜招聘几百位社会科学家和数据科学家,试图解决这样一个矛盾:如何在减小用工成本的同时,尽可能保障司机的驾驶热情?

1)同理心的增长

2016年初,大概由100人组成的Uber小队专门负责司机的注册事务,让他们更多地上路接单,完成从“需求端增长”到“供给端增长”的变化。

但是,光靠增加司机数量来满足日益增长的需要,已经很难行得通,于是Uber团队最终选择了一个简单粗暴的解决方案,给司机发广告。Uber开始在App界面内,通过广告的形式请司机到Uber即将覆盖的地方去。如果你以为只是发发小广告,那你还是太小看这个平台了。在部分地区,有些男性运营人员甚至会用女性口吻编写这样的催促短信,因为他们发现这样做效果更好。原因也很简单,Uber的司机绝大多数都是男性。不过这样的日子没过多久,Uber官方开始担心这些小伎俩会使司机反水,去到竞争者Lyft那里,毕竟Lyft在司机中的口碑更好。于是,Uber软化了那种“要求式”的语气,也减少了推送信息的频次,此后的信息更多只是一种单纯的正向鼓励。

但是几乎就在同时,Uber发现了一个更严重的问题——新司机做不长久就开始流失,甚至有新司机在完成25个订单之前就离开平台。于是,Uber设定25单之后新司机会获得额外奖励。有些城市为了阻止这种趋势,也开始给司机推送一些简单的鼓励:你快要完成一半的任务了,加油!

关于同理心的探索并没有到此为止。在心理专家和电子游戏设计师的帮助下,Uber改变了鼓励机制。这次的改变起源于竞争对手Lyft,2013年,Lyft雇佣了一个咨询公司,试图寻找一种方法去刺激更多的司机“跑起来”。这家公司组织了一批新注册的司机充当志愿者,实验结果发现,与其告知司机们已经赚到了多少,还不如刺激他们其实少赚了多少。

2)期望理论

当司机尝试注销的时候,这个App会马上告诉他们,距离赚到某个金额只差一笔小钱了。这些信息利用了另外一个广泛适用的行为模式去驱使司机驾驶更长时间——期望理论。

其实Uber发送给司机的那条短信,其精妙之处在于,这些司机并不需要在脑内先形成一个精确的收入目标。这样的目标是在行进中不断变化的,而且总是比当前的结果高一点点。

不论什么时候,Uber都会在App内向司机展示他们在当前一周完成了多少单,赚了多少钱,登入了多长时间,乘客评分是多少。所有这些数值都在刺激着司机完成这场游戏。

Uber为了鼓励司机上路所发的一条信息,内容是“你距离赚到40美元只差6美元了。确定还要注销登录吗?”)“这就像电子游戏”,一位在芝加哥地区的老司机说,“我有时候在瞥到自己的数据后,甚至因为想达成目标,不得不打起精神来再干一会儿”。

3)预先派单

Uber司机在结束当前订单之前,会被预先派发新的订单,“预先派单”缩短了乘客的等待时间,所以乘客不需要等10分钟路程以外的司机,而是会被在2分钟左右路程、送走上一波乘客的司机接单。如果你不是一个司机,你可能不会认为这样的创新有多大意义。但你一定用过视频App观看节目,想想看,如果一个节目刚刚播放完毕就马上自动加载下一集,你要多大的克制才会主动停下来。司机也一样,他们对“持续派单”就有类似观看电视剧根本停不下来的感觉。而且Uber给司机设置的“默认状态”,恰好都是“持续接受预先派单”,即便你不想这样接单,也只能暂停这个功能,而没法完全关闭它。所以在某种程度上,Uber产品经理起到和社交游戏开发者同样的作用。

3.3.2滴滴打车

1)用户画像

滴滴快的“土豪式”补贴背后,其实也有着它自己的精打细算。随着两家公司的合并,行业已经从粗暴的跑马圈地走入了精耕细作的时代,要花更少的钱获取更多的用户。

精准营销的前提是对用户的清晰认知。以简单的代金券发放为例,滴滴和快的的历史数据呈现出两大类四种不同的消费习惯。代金券敏感型:发代金券才用、发代金券用的更多;代金券不敏感型:发不发都用,发代金券也不用。在滴滴和快的的用户画像系统中,上述四种群体会被分别冠以屌丝、普通、中产、土豪的标签。针对四类客群的运营策略也会全然不同,最直接的就是代金券的刺激频率以及刺激金额,而对“代金券”免疫的土豪群体,则更多地需要在服务上做文章。

在实际场景中,影响乘客对应用软件使用黏度的因素要远比代金券复杂得多,在这种情况下,滴滴快的对用户的“贴身跟踪”就能及时发现薄弱环节,因此从用户打开软件到退出使用,其间的每一步情况都被快的记录在案:哪一天退出的,哪一步退出的,退出之后“跳转”到什么软件等等。

据此,滴滴快的也实现了用户另外一个纬度的归类,分清哪部分是忠实用户,哪部分可能是潜在的忠实用户,哪些则是已经流失的;更进一步来看流失的原因:因为代金券没有了流失?软件体验不好流失?还是等车时间太长而流失?——这些都是下一步精准营销的依据。对于滴滴快的而言,用户分析不仅仅是针对乘客,也包括司机、出租车公司的所有相关方。尽管基础信息大同小异,都包括人的基本信息、信用、行为信息等,也有一些通用的刺激手法,比如积分、礼物等。不过,不同的用户画像对应了不同的刺激程度,并且结合不同的场景,还是有许多特殊的营销安排。

杭州市场就是一个很典型的例子。基于司机的地理位置信息,滴滴快的发现每天中午或者是每天晚上10点以后,司机都会聚集在一些固定的地点,可能休息或者就餐。所以滴滴快的就会在这些场所提供一些工作餐或者是优惠食品,通过线下的活动来提升司机和滴滴快的的合作关系。

2)更精确地匹配供需

维护好用户只是一个基础,最终目的是为了打通供需,生成更加优化的服务和产品。这也正是数据之于打车软件此类O2O行业的重要性所在。数据能解决一个核心问题:供需双方的智能匹配。

其实很容易理解,公交、出租车、地铁都是对不同出行人群不同需求的对号入座,不过这种被称之为“粗暴式”的分类法应用起来效率低下,以一个司空见惯的打车场景为例,在路边拦车,可能许久都没有空车经过,或者是好不容易等到车,司机问了地址之后还可能拒载,呈现一种杂乱无章的状态。

而在海量的数据基础之下,出行的需求可以被不断细分,而且是实时匹配。例如一个乘客下单之后,需求方的用户图像和需求同时被识别,结合供方的车辆条件和位置地图进行第一轮筛选,不过这个看似正常的订单却不一定符合实际,因为有一些订单发出来是司机不愿意接的,比如高峰时段的拥挤路段,那么在这个时候就要进行订单评估和内部调节,结合历史数据制定一些刺激措施、叠加“乘客自行出的小费”来诱导司机,这样一个符合供需双方胃口的“合理”订单就生成了,下一步要做的就是实时调度,要考虑当时的交通情况、车的朝向、车速、附近是否有突发性事件等因素,选择最为优化的方案。

完成了以上的步骤之后,滴滴快的才会把用车需求和奖励方案推送给经过层层筛选之后的出租车,这样居民打车的成功率大大提升了,而且所用的时间更短。“这是以前所有的产品做不到的,因为不能洞悉消费者的心理。在大数据应用下,消费者和供给方能够省略中间环节直接议价,这是一个模式上的变革性的突破”。而最终海量的议价数据将提炼成为一种“商业情报”,来推动新的产品和新服务的推出,比如智能定价系统,以从机场到望京这一段司机不愿意接的单为例,可能70%的乘客额外加了20块钱,少数人加了30块钱,而有的只愿意加10块钱,那么系统整合分析以后会得出21元钱是一个更合适的议价,那么最终的定价可能消费者和司机双方都可以接受。

以这样的逻辑推导生成的产品才更能有的放矢,因为其生成不是来自于企业对市场的臆断,而是直接提炼于供需双方的心理预期和真实需求。

“回程单”的产品创设就是一个很典型的例子。最初是滴滴快的的数据分析发现一个异常的数据现象:司机的抢单意愿率在某一个时点会骤然下滑,过一段时间又会反弹,日日如此。通过对这个特殊节点分析,滴滴快的得出一个司机运营的特殊场景,即司机收工的时间,接下来就是针对性地解决,因为不管司机是交班还是回家,肯定有一个固定的方向—这一点可以通过历史数据分析出来。那么滴滴快的要做的就是把同样去往这个方向的乘客分配给对应的司机。这样做是否就一定见效?所以下一步就要评估效果,看回程单是否真正提高了司机的抢单意愿,确定之后才能作为常规产品推出。

产品的细分应用场景将会越来越依赖于大数据分析,从数据中洞察需求与商机,再结合大数据提供应用解决方案,将变成未来产品迭代的常规运作模式之一。这也是滴滴快的产品的生成逻辑。


4.人工智能与行为经济学的交叉趋势

4.1关注热点

4.2整体趋势

整体来看,未来的行为经济学研究有以下趋势。

一是行为经济和行为金融理论的构建。人类行为是复杂的,行为经济学和行为金融理论本身的构建也是复杂的,构建行为经济学和行为金融理论体系时,理论的适用性、合理性,理论的模型化,理论应用的局限性、敏感性,理论对现实的解释度等都是今后研究的关键。

二是行为经济学研究将促进心理学传统和实验经济学的融合。经验证据表明,特定的心理现象,例如有限理性、受限理性、受限的自利行为和不完全自我控制,是一系列市场化结果背后的重要因素。目前,虽然行为经济学在这方面的理论还不是很多,但是通过其发展,最终有可能取代传统经济理论的一些要素。

三是行为经济学的跨学科交叉研究。认知科学、心理学与经济学研究的结合已经引起经济学家的高度关注,这也是今后行为经济学发展的必然趋势。在其发展过程中,行为经济学将广泛运用到政治、法律和经济等领域,逐步形成比较成型的行为决策理论、行为金融学等等。

4.3交叉创新笛卡尔智能分析

首先,我们选取BehavioralEconomics领域近期热度,全局热度最高,相关性最强的9个相关领域作为研究对象,具体包括:

1.Behavioral Economics

2.Decision Theory

3.Social Choice Theory

4.Behavioral Finance

5.Economics Effect

6.Neuro Economics

7.Voting Behavior

8.Risk Aversion

9.Prospect Theory

其次,我们选取ArtificialIntelligence领域近期热度,全局热度最高,相关性最强的11个相关领域作为研究对象,具体包括:

1.Artificial Intelligence

2.Neural Networks

3.Machine Translation

4.Machine Learning

5.Modeling and Simulation

6.Deep Learning

7.Nature Language Process

8.Planning and Scheduling

9.Computer Vision

10.Control Methods

11.Data Mining

通过对人工只能领域和行为经济学的知识图谱的计算,再对两个领域的细分子领域进行笛卡尔乘积进行热点挖掘,本报告挖掘了历史数据和未来趋势预测两部分内容。其中历史数据主要探讨最近10年(2007年至今)的研究状况;趋势预测仅以未来3年为周期来探讨。

领域较差热力值由交叉研究的论文的citation等数据加权计算得出,热力值越高,表明这两个交叉子领域交叉研究越深入和广泛。

每个交叉热点中的研究学者,发表论文,中外学者和论文对比等数据均可以获得。用作展示时,研究学者和论文分别按照交叉领域研究影响度和论文相关度作为默认排序。

学者研究影响度由交叉领域内论文量,h-index等计算得出;论文相关度由交叉领域内论文的关联程度和引用数量等计算得出。

5人工智能和行为经济学研究领域交叉分析

由图5可以发现,人工智能和行为经济学历史交叉领域前五位分别为:

1.Decision Theory & Artificial Intelligence

2.Decision Theory & Date Mining

3.Decision Theory & Neural Networks

4.Decision Theory & Machine Learning

5.Economics Effect & Neural Networks

根据AMiner数据预测分析,Decision Theory & Artificial Intelligence、Decision Theory & Machine Learning和Decision Theory & Date Mining将会持续期研究热度,Economics Effect & Neural Networks和Economics Effect & Date Minings研究热度也会有所增加。

2017年行为经济学家获得诺贝尔经济学奖引起轰动,毕竟在之前的多年来,其都不被主流的经济学家所认可和接受。由此也可以预期到行为经济学的未来繁荣趋势。就本质而言,行为经济学与传统经济学的区别在于理性人的假定。传统经济学认为人或市场总是完全理性的,不会受到认知偏差情绪等因素的影响,但在实际生活中并不成立。这就是理论决策和实际决策产生差异的地方,也是行为经济学之所以值得研究的地方。即便是在人工智能时代,我们生活中存在的让人不易觉察的非理性行为,都无法完全避免,这就是行为经济学的立足所在。

金准人工智能专家预测人工智能会代替未来很多人的工作,能解决一些结果不确定性的问题,即引用各种模型来帮助进行判断和决策,提高原来判断的准确性。但是,人工智能不会替代人的思考,人的思考会考虑到自身的所有权,因此人工智能在发展过程中势必要融入行为经济学的因素,以谋求更精确的发展。

金准人工智能 2018行为经济学与人工智能研究报告(上) 2018-07-19 11:24:38

前言

行为经济学是借鉴心理学相关理论和实验经济学手段,结合对新古典经济学的批判性吸收,所发展起来的对现实经济活动进行解释和预测的一门社会科学。行为经济学起源于20世纪70年代,经过约半个世纪的发展,已经步入西方主流经济学的行列,是西方经济学发展的新方向。为了突破已有经济学理论的现实局限性,行为经济学借鉴认知心理学的基本原理,基于有限理性的假设,将心理因素重新纳入到经济模型之中,考察在心理因素的影响下,经济行为的特征与规律。前景理论是行为经济学的理论核心,主张经济当事人是通过损益来评价决策结果,这种损益评价显著依赖于参照点的选择,即更在意相对水平而非绝对水平。启发式认知偏向与框架效应则是行为经济学的理论内核,损失厌恶、锚定效应与过度自信则是前景理论观点的三个表现。

行为经济学研究学者分布广泛,主要分布在美国,其次是中国和英国学者。已有一大批学者获得诺贝尔等顶级荣誉,反映出行为经济学已经得到主流经济学的接受和认可。从全局的热度来看,socialeconomics等是行为经济学整体持续关注的热点。economicmodel、selectionbias等则是最新兴起的研究领域。近期关注的重点则是集中在networkgames、economicmodel、selectionbias、votebuying等领域。未来的行为经济学研究将会朝着行为经济和行为金融理论的构建、促进心理学传统和实验经济学的融合、跨学科交叉研究等方向发展。

行为经济学应用广泛,在如今崇尚人工智能的时代,行为经济学理论能够为人工智能中存在的未知、不确定等提供可行的路径。例如亚马逊、苹果等公司等网络营销网站,易趣课堂、MOOC等网络学习平台,Uber、滴滴等共享交通中都充分借鉴了行为经济学的优势和特点。研究根据交叉创新笛卡尔智能分析对两个领域进行交叉分析,其中,动态规划和人工智能是结合最为紧密的两个领域,主要分布在国防科学技术大学自动化研究所、波士顿大学等研究机构中。研究认为,人工智能会代替未来很多人的工作,能解决一些结果不确定性的问题,即引用各种模型来帮助进行判断和决策,提高原来判断的准确性。但是,人工智能不会替代人的思考,人的思考会考虑到自身的所有权,因此人工智能和行为经济学的融合势必将为人工智能的发展赢得更精确的发展。

1.行为经济学的概念

1.1行为经济学产生背景

最早的西方经济学思想可以追溯至古希腊时期色诺芬、柏拉图的经济论述,之后经历了威廉·配第、大卫·休谟、亚当·斯密和大卫·李嘉图等为代表的英国古典政治经济学理论,以及马尔萨斯、萨伊和约翰·穆勒等经济学家的发展,然后到马克思、恩格斯政治经济学的创立以及马歇尔为代表的新古典经济学的诞生,再到凯恩斯主义和货币主义、供给学派的发展,最后到新古典经济学的兴起,以“理性人”假设和均衡分析为基础的传统经济学建立了较为完善的理论宏图。经济学的基本意义是对现实世界的经济活动进行解释和预测,然而,近几十年来,现实经济活动中出现许多传统经济学“失效”的现象,行为经济学正是基于传统经济理论的局限性逐步得到发展。

行为经济学是借鉴心理学相关理论和实验经济学手段,结合对新古典经济学的批判性吸收,所发展起来的对现实经济活动进行解释和预测的一门社会科学。经济活动中的当事人是有限理性的。其行为决策并不符合传统经济学“理性人”假设下的贝叶斯法则,即并不能总是达成完全理性状态下的最优解,而是会受到直觉、背景、情感等因素的影响,经济个体的决策过程存在启发式认知偏差、框架效应等特征。行为经济学与传统主流经济学并不是从属的关系,可以将它视为主流经济学的最新演进与发展。随着行为经济学近年来在国际经济学界的广泛探讨和不断发展,其相较于传统经济学更加贴近现实经济世界的优势愈加明显,在多个学科领域都得到了拓展应用。

实际上,关于行为经济学的思想早在亚当·斯密的《道德情操论》中便已有所体现,凯恩斯在其经典著作中也有关于心理倾向和非理性的论述,并提到了人的“动物精神”,只是并未得到充分的展开和关注。如果从丹尼尔·卡尼曼与阿莫斯·特维斯基的经典论文发表算起,行为经济学已经有了三十多年的发展历史,至今已有大量的行为经济学著述涌现,涉及到从经济学基本理论、实验经济学、管理学到神经经济学、博弈论、金融学和制度经济学等众多领域。进入21世纪以来,有乔治·亚瑟·阿克洛夫、丹尼尔·卡尼曼、弗农·史密斯、托马斯·谢林、彼得·戴蒙德等多位行为经济学家先后获得了诺贝尔经济学奖。可以说行为经济学推动经济理论迈上了新台阶,正在成为国际最前沿的主流经济学研究领域。

1.2行为经济学与心理学

传统经济学基于完全理性的假设,将参与经济决策的行为主体视为冰冷的“信息处理机器”,认为行为主体能够获取决策所需的全部信息,且具备完美的评算和推理能力。也就是说,传统经济学将心理因素视为经济决策的内生变量,认为心理因素不会对经济决策产生系统性的影响。然而,随着经济活动的日趋复杂,完全理性下的经济学模型对于许多经济现象的解释力日趋乏为,已有的经济学模型无法有效地解释行为主体的非理性行为。

为了突破已有经济学理论的现实局限性,行为经济学借鉴认知心理学的基本原理,基于有限理性的假设,将心理因素重新纳入到经济模型之中,考察在心理因素的影响下,经济行为的特征与规律。但行为经济学对于心理学更多的是思想上的借鉴,而不是对其理论的机械移植,心理学的引入不是最终目的,只是手段,它自始至终都是为经济学不断拓展其理论的现实解释力而服务。在考察心理因素对于经济行为的影响时,行为经济学基于认知心理学“信息加工”的思想,将行为主体“心理决策过程”的作用流程转化为“信息加工的过程”,着重分析心理因素对于信息加工过程的影响,以此提出与现实决策相匹配的描述性模型。

1.3行为经济学相关理论阐述

1.3.1对传统经济学的有力质疑:有限理性

在新古典经济学的基本假设中,人是没有任何情感、利他和直觉等因素的“理性人”,把人描绘的就像机器一样,这一假定与现实中的人并不相符。针对新古典经济学中“经济人”假设的3大基础:人的纯粹自私利己、无限的信息处理与计算能力、完备的外部信息,赫伯特·西蒙(Herbert Simon)提出了强烈的质疑。他基于认知心理学的研究得出,经济活动中的当事人在决策时面临两大约束,即复杂的外部环境约束和自身认知能力有限的约束。因此,当事人不能满足“理性人”的标准,而且无法准确知悉自身的偏好序。即使每一次选择的成本和收益可以精确地计算,也很难实现理性假设下的最优决策。那么,经济活动中的决策者不是经济意义上的“完全理性”,而是“有限理性”的。西蒙提出的有限理性假说在一定程度上动摇了新古典经济学的根基。西蒙认为由于人个体自身知识的局限以及个人和社会关系的局限,现实经济活动中的人是有限理性的,其决策及行为并不能总是依照新古典理论中效用函数所表述的达成客观上的最优解。

关于有限理性还有一种值得参考的观点,把有限理性分三个层次或者方面来理解:第一,从哲学思想出发的疑问,理性能认识什么?不能认识什么?即认为人本身存在的局限性,这种理解也得到了哈耶克(Hayek)的认同;第二,类似于西蒙的观点,即人本身的认知局限和环境约束导致了有限理性,这一层面的观点是经济学家探讨最多的;第三,有限理性是人们“理性的选择”,该观点认为由于信息成和心智成本的存在,经济个体权衡了达到完全理性所要付出的各种成本以及能获取的收益差异,主动放弃经济意义上的理性,最终其行为决策依然是有限理性。总而言之,无论从哪一个层面来看,新古典经济学的“理性人”假设都遭到了有力质疑,从经济理论的符实性要求来看,有限理性假说显然更符合现实中人的特点。

1.3.2理论的核心基础:前景理论

在西蒙之后,多位经济学家都对新古典经济学的“理性人”假设提出了质疑,并对传统经济学进行了更深层次的批判。斯托维斯基认为显示性偏好理论不能支撑个体决策模型,他认为经济学研究应该引入科学实验,通过对行为和人本身的观察来研究,应当注重心理学事实,他通过一系列实验指出,人们的行为目标受到来自某种内在激发(arousal)的影响;乔治·卡托纳主张通过主观心理来分析宏观经济波动,他认为预期决定着宏观经济变量的变化,而预期则取决于人们的心理因素,为研究宏观经济的微观基础提供了非常重要的思路和方法,值得一提的是,美国密歇根大学著名的“消费者信心指数”的建立就是基于他的这一研究的。不过,行为经济学直到卡尼曼和特维斯基1979年发表《前景理论》一文才真正兴起。

经济学分析的核心问题或起点是“选择”——经济当事人在不确定条件下的决策,之前的一些经济学家虽然明确指出了新古典经济学中的决策模型与现实不符,但是并没有提出合理的选择模型,卡尼曼和特维斯基则对此给出了明确解答。他们首先运用大量实验证明了新古典经济学中“理性人”假设与心理事实不符,然后基于前景理论提出了价值函数和概率权重函数,以此作为全新的效用函数,来论述人在不确定条件下的现实决策过程和机制。

首先,卡尼曼和特维斯基在其前景理论中建立的价值函数与新古典经济学评价结果时采用的效用函数不同,他们认为经济当事人是通过损益来评价决策结果,这种损益评价显著依赖于参照点的选择,即更在意相对水平而非绝对水平。另外,当事人对损益的评价是递减的。关于在面临不确定条件时的概率分布,前景理论认为当事人的主观概率结果可能与客观概率结果不一致,因此设置了一个权重函数来表达这种评价,在此基础上构造的概率权重函数就是非线性的,区别于新古典经济学中的线性概率权重函数。

总的来说,卡尼曼和特维斯基的前景理论可提炼出3个要点:

前景理论首先指出偏好的完备性、传递性公理与心理事实存在出入,人们的实际决策遵循启发式原则,而且存在框架效应的影响,人的“完备理性”假设是不成立的。

② 人们对于决策结果的评价与参照点有关,即损益的相对水平要比绝对水平更能引起人们的关注。

③ 价值函数在收益区间和损失区间分别是凹函数和凸函数,同时也存在显著的损失厌恶特征。

在前景理论的基础上,卡尼曼和特维斯基以及更多的主流经济学家展开了大量的后续研究,对经济学的发展产生了重大影响,使得行为经济学在主流经济学界获得了重要地位。

1.3.3理论的内核:启发式认知偏向与框架效应

行为经济学要解决的首要问题是人在不确定条件下如何决策。卡尼曼和特维斯基的前景理论给出了不同于传统经济学的观点,他们认为,在不确定条件下的决策可以视为经济当事人对不同的前景(prospect)进行选择。这种选择可以简化为两个阶段:首先,当事人通过不同的“启发式”程序对前景进行编辑,进而生成对不同前景的简单表示,以便进行评估;其次,在编辑的基础上,依照价值函数评估不同的前景进行选择,做出决策,整个过程存在两个关键的特征:启发式认知偏向和框架效应。

1)启发式认知偏向

卡尼曼和特维斯基认为,经济当事人在进行选择时普遍采用“启发式”的决策程序,当事人并非是完全理性的,而且由于计算能力的有限和心智成本的存在,当事人更倾向于通过直觉、推断的方式进行选择。“启发式”决策可以分为3类模式:

代表性启发模式:该模式指人们在面临不确定条件下的选择时,倾向于假定未来的情形和结局会重复或者类似于以往具有“代表性特征”的案例,从自身经验或者过往事例中寻找与当前情景类似的“代表”作为决策依据,忽视事件本身发生的基本概率;

② 可得性启发模式:它描述的是个体决策时的概率估算与其获取信息的难易程度有关,潜意识认为熟悉的事件发生的概率更大;由事件的可追溯性、被搜索集合的有效性、想象力、幻觉相关所造成的可得性偏向为可得性偏向的四种表现形式。

锚定与调整启发模式(锚定效应):人们在对特定事件进行估算和判断时,很容易将最近接触到的某一数值作为参照点,在此基础上进行调整从而得出答案,这种与现实情境无关的因素就像“噪音”一样影响着人们的认知和评价。

经验规则在“启发式”决策程序中经常被应用,就像“拇指规则”一样。由于自身能力局限、环境约束或者心智成本等因素的影响,人们在实际决策过程中很难去依照贝叶斯法则寻求最优解,而是倾向于通过直觉和推断,加以力所能及的运算进行选择。那么,由于这种“启发式”决策偏向的不完全理性,不可避免的会产生认知偏差,进而出现行为决策与理性条件下最优结果偏离的现象。

2)框架效应

框架效应(Framingeffects),指人们对一个客观上相同的问题的不同描述导致了不同的决策判断。框架效应的概念由卡尼曼和特维斯基于1981年首次提出。框架效应的典型例子如“亚洲病”问题。框架效应说明经济当事人的决策依赖于情景和描述,或者将其称作背景依赖,即形式的变化影响个体的偏好和决策,由此导致人们的行为决策出现与完全理性下决策不符的偏差。

1.3.4理论的具象:损失厌恶、锚定效应与过度自信

前景理论中一些典型的论点具象化,可以分为损失厌恶、锚定效应与过度自信3个现象阐述。

1)损失厌恶

古典经济学家亚当·斯密对损失厌恶有过描述,它是指对于经济当事人而言,在绝对量相同时,损失带来的痛苦超过收益产生的快乐。卡尼曼和特维斯基通过前景理论的价值函数刻画了消费者的损失厌恶心理。传统的消费理论假设人们对不同商品的偏好不受个人现有禀赋或消费经验的影响,而前景理论假设各种不同形式的偏好依赖于参照点,即人们在已有消费基础上承受损失的厌恶远远胜于从增加的新消费品中所得的快感,这在无差异曲线上表现为位于初始禀赋点(参照点)上的一个拐点。

(2) 锚定效应

锚定效应是人们在对某人某事做出判断时,易受第一印象或第一信息支配,就像沉入海底的锚一样把人们的思想固定在某处。作为一种心理现象,沉锚效应普遍存在于生活的方方面面。第一印象和先入为主是其在社会生活中的表现形式。

1973年,卡纳曼和特沃斯基指出,人们在进行判断时常常过分看重那些显著的、难忘的证据,甚至从中产生歪曲的认识。1974年,卡纳曼和特沃斯基通过实验进一步证明锚定效应:首先让一组实验对象看着标有0-100数字的占卜轮转到的某一个点,然后让其比较联合国中非洲国家的数量与所看到的数字的大小,再给出其猜测的确定值。虽然占卜轮的数字是随机的,但是实验结果却显示被试者给出的猜想结果受到这一数字的显著影响。这一现象说明人们在认知和判断时会受到某一参照点的影响,其所处的情景或者脑海中难忘的例子会影响心理状态并决定认知和判断,进而产生行为决策上的偏差。

3)过度自信

心理学家的研究表明,大多数人对自己的能力和所能获得的知识的准确性存在过度自信。具有成功经验的交易者会高估其对于成功的贡献,并由此产生持续膨胀的自负。人们在经验性环境下对自己的判断一般都表现出过度自信的特征。个人的自信程度在很大程度上决定个人经验对于决策的影响,由过度自信引发的市场现象便是反应过度,投机性资产的市场价格会偏离其基础价值。另外,与反应过度相对的是反应不足现象,表现为市场个体对于某些重大信息反映迟缓、滞后,这两种因素都会导致市场出现波动。

1.3.5理论的衍生:行为博弈论

和传统博弈论不同,行为经济学从人自身的心理特质、行为特征出发,去揭示影响选择行为的非理性的情感因素。行为经济学家为了弥补传统博弈论理性人假定的不足,他们提出了“行为博弈论”。与传统博弈论相对,行为博弈论考虑人类非理性因素,研究参与人实际上做出什么行动。

根据Einstein对理论方法的定义,作为研究不同信息条件下行为人如何进行互动决策的经济理论,博弈论应当尽可能准确地预言和解释经济现实活动;当经济现实与理论模型的结论不一致时,研究者的工作方向就是改造模型,提高其实证效用。这一思潮引致了行为博弈论(behavioral gametheory)的出现,其最初的研究对象就是现实行为人对标准博弈论预测的背离现象。

标准博弈理论的“经济理性”假设假定了现实行为主体能力以外的复杂思维过程,假设所有博弈参与者都符合三个条件:其一,策略思考(strategic thinking),即在对其他参与者将如何行动的分析基础上形成信念(beliefs);其二,最优化(optimization),即对于给定信念选择最优反应;其三,均衡(equilibrium),即参与者调整信念和最优反应至达成相互一致。但是,现实的博弈参与者并不都是经济理性的,并且,由于博弈参与者是相互影响的即使只有极少数的博弈参与者违背经济理性,其他理性参与者的行为也会随之改变,理想化均衡也同样无法实现。因此,经济现实并不能满足标准博弈论对博弈参与者的假定条件。为了延伸博弈论对现实活动的解释,应当在有限理性(bounded rationality)的前提下重构标准博弈论。如果说,标准博弈论提供了有关经济理性的行为人如何行动的理论,那么,行为博弈论就试图探讨行为人如何在理想的经济理性和现实的有限理性之间进行折衷,以求达到准确解读有限理性的行为人在现实约束中如何行动的目的。

作为实验经济学与标准博弈论的融合,行为博弈研究,尤其是正式模型的构建遵循三个原则,即精确性(Precision)、一般性(Generality)和实验规则(Empirical Discipline),其中精确性和一般性是博弈论的基础标准,而实验规则是实验经济学的基石。

1)精确性

由于博弈论的研究结果表现为对未来的明确预测,因此研究者不难发现对标准理论背离的实例。许多实验文献都报告了与博弈模型的标准研究结论相背离的实验数据,而困难之处在于以这些实验数据为基础构建与标准博弈论精确性相当的理论。行为博弈研究希望用1-2个自由参数表示差异化行为人的行为灵活性(BehavioralFlexibility),同时用具体数据(而不是主观直觉)来说明参数价值。

2)一般性

标准博弈论均衡分析广泛影响和应用的原因是其使用通用数学语言并适用于多种不同的博弈类型,行为博弈研究也试图获得与标准博弈论类似的一般性。虽然许多心理学研究者认为行为与特定情境相关,不可能用一种普遍理论说明所有情境,行为博弈研究仍然致力于探寻一种适应尽可能多的博弈类型的一般行为理性状态。值得注意的是,在寻求一般性的过程中,符合多个不同数据类型的典型模型并不一定具备一般性,而仅能够部分完成一个一般性模型所要达成的目标。

3)实验规则

行为博弈研究的基础数据基本都是经由实验取得。博弈实验对博弈预测的敏感因素进行了严格的控制,包括博弈参与者知道什么、什么时候行动、各自的支付是多少等等。如其他的实验室科学一样,博弈实验的关键在于通过实验控制来区别哪种理论更加有效,然后再使用该理论进行一般事件的研究。行为博弈研究就是要在标准均衡概念失效的情况下,以实验控制为主要手段,实验数据为基本依据,通过不断地试错与修正建立能够对博弈参与者的未来行为进行准确预测的理论。

1.4行为经济学发展历程

20世纪70年代

20世纪70年代开始,一些心理学家和经济学家开始合作,运用心理学的研究方法和新的认知心理学理论,系统研究经济学的基本理论问题。认知心理学家丹尼尔·卡纳曼和经济学家阿莫斯·特沃斯基在研究中吸收实验心理学和认知心理学等领域的最新进展,以效用函数的再造为核心,彻底改变了西方主流经济学(特别是新古典经济学)中的个体选择模型,将心理学的研究视角和经济科学结合起来,不再单纯地仅用外界因素来解释人们复杂的决策行为,而是考虑他们决策时的心理和行为特征,并激发了其他行为经济学家把相关研究领域拓展到经济学的各主要分支,从而形成了真正意义上的“现代行为经济学”流派。

20世纪80年代

20世纪80年代开始,以理查德·泰勒为首的一批经济学家开始沿着卡纳曼和特沃斯基研究的方向进行研究,并取得了许多令人欣喜的成果,如罗伯特·希勒(RobertShiller)、梅·斯德特曼(Stateman)、谢夫瑞(Shefrin)、德·庞特(DeBondt)、爱德华兹(Edwards)等。1986年,在美国芝加哥大学召开的经济学研究会议上,多数论文都运用了心理学的方法和理论来解决经济学问题。该次会议的召开是行为经济学发展历程中具有里程碑意义的事件。

20世纪90年代

20世纪90年代,由卡尼曼和维特斯基等人引领的行为经济学思潮得到主流经济学家的认同,并逐步吸引了众多一流的经济学家加入到行为经济学的研究行列。与此同时,大学校园的学生也开始表现出对行为经济学的浓厚兴趣。哈佛、耶鲁、斯坦福、芝加哥、加州理工、普林斯顿等许多著名学府都设立了专门研究机构,并在顶级的经济系、商学院开设相关的主干课程。在权威杂志和国际学术会议上,行为经济学也成为了热点议题。众多优秀经济学家的投身和参与表明行为经济学已汇入经济学的主流。

21世纪

2002年10月9日,行为经济学的先驱者丹尼尔·卡纳曼因为“把心理学研究和经济学研究结合在一起,特别是与在不确定状况下的决策制定有关的研究”而获得诺贝尔经济学奖。卡纳曼运用心理科学对传统经济学研究进行了大胆创新,分别对传统经济学“经济人”的无限理性、无限控制力和无限自私自利等三个假定进行了修正,并进一步提出了既非完全理性、又不是凡事皆自私的“现实人”假定,开创了行为经济学研究新领域。至此,行为经济学的重要地位得到确立并进入了一个新的鼎盛发展时期,行为经济学步入西方主流经济学的行列,并代表着西方经济学发展的新方向。


2.行为经济学专家

2.1行为经济学专家

2行为经济学领域研究学者全球分布

全球学者区域分布如图2所示,可以发现,行为经济学相关的学者主要集中在北美、欧洲和东亚地区。总的来看,在行为经济学领域,美国远远领先于其他的国家和地区,属第一阶梯。中国、英国、加拿大和德国属第二阶梯。国内学者分布如图3,相关学者主要集中在北京,东南沿海地区分布也较多,这与当地高校数量及质量以及开放程度有重要关系。

3行为经济学领域研究学者国内分布图

2.2行为经济学代表专家

2.2.1领军人物

国外

l 乔治治·阿克洛夫((George A. Akerlof)

乔治·阿克洛夫(George A. Akerlof)1940年出生于美国康涅狄州纽黑文;1962年,在耶鲁大学获得学士学位;4年后在麻省理工学院获得博士学位。他曾担任伦敦经济学院货币银行专业的经济学教授、经济顾问委员会高级经济学家、布鲁金斯小组经济问题高级顾问和美国经济联合会副主席;现任加州大学伯克利分校经济学教授。因运用不对称信息理论研究市场经济所取得的成就,获得2001年度诺贝尔经济学奖

他的理论研究范围集中在金融市场、宏观经济学、货币政策、贫困和失业以及种族歧视、犯罪、家庭问题等,在这些领域都有着大量的研究文献发表,最引人注目的是他的不完全信息论。他于1970年发表的论文《柠檬市场:质量不确定性和市场机制》首先提出信息不对称和逆向选择。这篇文章具有典型的开创性特点,介绍了一种简单但深刻且普遍的观点,并对无数有趣的观点进行了广泛的运用,成为信息经济学最重要的文献之一,也奠定了他获得此次诺贝尔经济学奖的基础。

阿克洛夫对市场和信息不对称的分析对现代微观经济理论意义深远。他把信息经济学引入经济学领域,开创了逆向选择理论。他的模型可以被用来解释许多抵消信息不对称负效应的社会制度的出现,深化了我们对真实市场现象的了解,改变了经济学家对市场运作方式的认识,动摇了新古典经济理论的基础。他提出的不对称信息理论促进了具体的信息市场发展为解决不完全信息问题的市场,使市场达到产出的社会效率水平。其他学者使用和扩展了他的模型,用于分析组织和制度,以及诸如货币和就业政策等宏观经济问题。如今,不完全信息模型已成为经济学家工具库里不可或缺的工具之一。与此同时,阿克洛夫关于失业理论方面的研究也相当深入,他采用效率工资模型解释了非自愿失业存在的原因。

以下是金准人工智能专家利用AMiner数据库对其论文进行挖掘,选取citation最高的几篇文章。

l 罗伯特·希勒(Robert J. Shiller)

罗伯特·希勒(Robert J. Shiller),1946年生于底特律,美国经济学家,耶鲁大学经济系著名教授,当代行为金融学的主要创始人;被视为新兴凯恩斯学派成员之一;2013年诺贝尔经济学奖获得者。其主要研究兴趣如下:

罗伯特·希勒1972年获得麻省理工学院经济学博士学位,曾获1996年经济学萨缪森奖(Paul A. Samuelson Award),2009年德意志银行奖(Deutsche Bank Prize)。希勒教授也是顾景汉奖学金(Guggenheim fellowship)获得者。目前是卡魏施有限公司和宏观证券研究有限公司的创始人之一。

希勒教授在经济学的研究工作遍及金融市场、行为经济学、宏观经济学、不动产、统计方法以及市场公众态度、意见与道德评判等领域。需要特别指出的,希勒教授是行为金融学领域的奠基人之一。有别于传统金融学研究中“理性人”假设,行为金融学研究侧重于从人们的心理、行为出发,来研究和解释现实金融市场中的现象。目前,行为金融学已经成为金融学研究中最为活跃的领域,行为金融学的研究方法和部分结论已经得到越来越多的专业人士的认可。

希勒教授著作颇丰,除了在各种经济学与金融学权威杂志上发表的大量学术性论文外,希勒教授还有许多专著问世。在他1989年撰写的《市场波动》(MarketVolatility麻省理工大学出版社出版)一书中,希勒教授对投机市场的价格波动作了数学分析和行为分析;而在其1993年写的《宏观市场:建立管理社会最大经济风险的机制》(Macro Markets: Creating Institutions for Managing Society’sLargest Economic Risks,由剑桥大学出版社出版)则提出了多种新的风险管理合同,如国民收入与不动产期货合同,引领了一场适应现代人生活水平的风险管理领域的新的革命,此书获得1996年美国教师保险与年金协会-大学退休证券基金萨缪尔森奖。尽管这两本著作中大量的金融术语以及高深的数学工具令大众读者望而生畏,但其学术价值得到了学术界的一致认可。

l 丹尼尔·卡尼曼(Daniel Kahneman)&弗农·史密斯(Vernon L. Smith)

他们二人因为在行为经济学和实验经济学研究方面所作的开创新工作,获得2002年度诺贝尔经济学奖。

丹尼尔·卡尼曼,普林斯顿大学教授。卡尼曼1954年在以色列的希伯来大学获得心理学与数学学士学位,1961年获得美国加利福尼亚大学伯克利分校心理学博士学位。先后在以色列希伯来大学、加拿大不列颠哥伦比亚大学和美国加利福尼亚大学伯克利分校任教。自1993年起,卡尼曼担任美国普林斯顿大学心理学和公共事务教授。他较为关注工作心理的判断和决策,以及行为经济学方面的问题。其研究兴趣如下:

弗农·史密斯,实验经济学之父,2002年诺贝尔经济学奖获奖者。1927年出生于美国堪萨斯州的威奇托,1955年获得哈佛大学博士学位,现拥有普度大学、马萨诸塞大学和亚利桑那大学教授头衔。自2001年起,史密斯担任美国乔治·梅森大学经济学和法律教授。他是该学校第二位获诺贝尔经济学奖的教授。1986年该大学的詹姆斯·布坎南因公共选择理论获奖。资本理论、金融、自然资源经济学和实验经济学等领域是其关注点。主要研究兴趣如下:

l 查德·塞勒(RichardThaler)

美国芝加哥大学教授理查德·塞勒因其在行为经济学研究中的突出贡献,获2017年诺贝尔经济学奖。他是经济学的奠基者,行为经济学和行为金融学领域的重要先驱者,是继丹尼尔·卡尼曼后第二位因行为经济学领域的开创性贡献获得诺贝尔经济学奖的学者。其主要研究兴趣如下:

他将心理学与经济学结合,建立了新的研究框架来理解和预测经济决策行为。塞勒的贡献主要包括建立心理账户理论、计划者-执行者模型、有限理性行为的实证方法、自我控制问题的新框架以及在社会偏好研究中取得的主要成果,以帮助人们重新认识公平在价格决定和个人合作中所发挥的作用。其中最重要的在于塞勒提出以行为经济学为基础的经济政策如何帮助经济主体进行更合理的决策。

塞勒在过去近四十年的研究中,在理论上和实证方法上为行为经济学的发展奠定了基础。他所建立和发展的理论分析和实证研究工具帮助了解和预测人类的经济行为,并产生了明显的累积效应。行为经济学的研究在激发大量研究者发展完善相关理论和实证检验方法的同时,也帮助这一传统的边缘领域转化为当代经济学研究的主流领域。

以下是金准人工智能专家利用AMiner数据库对其论文进行挖掘,选取citation最高的几篇文章

l 托马斯·谢林(Thomas C. Schelling)

托马斯·谢林(Thomas C. Schelling)在2005年与罗伯特·奥曼(RobertAumann)共获诺贝尔经济学奖。其主要研究兴趣如下:

美国经济学家托马斯·谢林出生于1921年,30岁时谢林获得了哈佛大学经济学博士学位。之后他在哈佛大学肯尼迪学院担任政治经济学教授达20年。此后,他在美国马里兰大学公共政策学院和经济系担任教授,并获得退休名誉教授称号。

谢林的著作为博弈论(乃至整个经济学)带来了丰富的社会文化内涵。谢林意识到,理论应该关注行为体所处的社会文化背景,而不能仅仅关注人性的功利。他将自己对政治学、心理学和社会学的洞见融入到博弈论的分析之中,以避免理论对现实的抽空。因而,同大多数博弈论分析相比,谢林的博弈论思想拥有丰富得多的社会内容。例如,他很早就意识到,行为体选择特定战略不仅仅是出于维护自身声誉的目的,它也同行为体遵循某些道德原则、建立自尊或表现宽容和慷慨等考虑紧密相连。他最著名的书是《冲突与微观世界策略》和《宏观行为》。

l 彼得·戴蒙德((Peter A. Diamond)

2010年诺贝尔经济学奖获得者,世代交叠模型的提出者。其主要研究兴趣如下:

彼得·戴蒙德生于1940年,1960年毕业于耶鲁大学,获得数学学位;1963年获得麻省理工学院经济学博士学位。在近40年的经济学研究生涯中,戴蒙德教授曾担任多家国际权威经济学杂志的编辑或副主编,经济计量学会会长、美国经济学会副会长等学术职务。

戴蒙德教授的研究领域非常广泛,尤其是在宏观经济学、公共财政问题以及社会保障问题等领域中,著述甚多,颇有建树。戴蒙德对于构造宏观经济的微观基础做出了开创性的贡献,特别是他建立的世代交叠模式,在研究债务问题、最优税收问题以及推动现代动态长期宏观经济分析等方面取得了突出成就。20世纪年代以来,戴蒙德提出了一套搜索均衡理论,把总供给总需求、货币、价格、劳动力市场均衡和商业周期等重大问题纳入一个完整的理论体系中。社会保障问题也是戴蒙德关注的问题之一,他的许多观点不仅在理论界影响很大,而且对于美国政府社会保障政策的制定产生了重大影响。可以说,在当今美国和国际经济学界,其是一位相当活跃、举足轻重的经济学家。

l 科林·凯莫勒(Colin F. Camerer)

2017年9月,因对行为经济学和神经经济学进行了开创性研究,荣获经济学领域2017年度“引文桂冠奖”。其主要研究兴趣如下:

科林·凯莫勒出生于1959年,为美国加州理工学院教授,著名行为经济学家,《行为博弈》一书的作者。凯莫勒于1977年在约翰·霍普金斯大学获得学士学位,于1979年在芝加哥大学获得硕士学位,并随后于1981年在该校获得博士学位。

凯莫勒主要从事经济学与认知心理学的交叉研究,这一研究旨在从心理学和神经生物学层面更好地理解个体决策制定的基础,以此来提升经济行为模型的真实性。在凯莫勒的研究中大量使用了实验方法(有时也使用现场实验),以此来考察人们在博弈及市场环境下究竟是如何行为的。

以下是金准人工智能专家利用AMiner数据库对其论文进行挖掘,选取citation最高的几篇文章

国内

l 汪丁丁

汪丁丁,著名经济学家、教授,是北京师范学院(今首都师范大学)数学学士(1982年)、中国科学院理学硕士(1984年)、美国夏威夷大学经济学博士(1990年),也是浙江大学跨学科社会科学研究中心学术委员会主席、东北财经大学行为与社会科学跨学科研究中心学术委员会主席、《新世纪》周刊学术顾问和《财经》杂志学术顾问。

汪丁丁倡导“个体生命的自由”,研究领域包括发展经济学、制度经济学、宏观经济学、数理经济学、资源经济学、行为经济学、经济学哲学、经济学思想史、制度分析基础、博弈论基础、微观经济理论、资本理论、经济增长与发展理论等。

曾发表论文《演化社会理论引言》、《跨学科的范式》、《凸性与均衡稳定性》;出版著作《盘旋的思想》、《情境笔记》、《在市场里交谈》等。2016年1月29日,汪丁丁作品《行为经济学要义》入选“2015年度影响力图书”推荐年度财经类作品。

l 叶航

叶航,经济学教授,博士生导师。浙江大学经济学院经济学系主任,浙江大学跨学科社会科学研究中心主任,浙江大学语言与认知研究中心副主任、浙江大学经济与文化研究中心副主任、《新政治经济学评论》杂志副主编。长期致力于经济学跨学科研究,涉及领域包括行为经济学与实验经济学、神经经济学与神经伦理学、演化博弈论与演化动力学、演化心理学、社会生物学、人类社会行为的计算机仿真;在此基础上创立了广义效用理论,把道德、正义、情感、信仰等传统上属于非经济的人类活动与人类的经济活动纳入一个统一的分析框架,从而可以使我们更深刻地认识人类行为的整体性及其相互关系。

他在Journal of Artificial Societies and Social Simulation、《中国社会科学》《经济研究》《管理世界》等国内外学术期刊发表论文150余篇;出版《经济学三人谈》《理性的追问》《神经元经济学》《走向统一的社会科学》《宏观经济学》《现代经济学》等著、译作和教材10部;承担教育部哲学社会科学后期研究重大项目,教育部基地研究重大项目等各类研究课题15项;曾获浙江省第十届、第十四届哲学社会科学优秀研究成果二等奖、浙江省高等学校三育人先进个人和浙江大学教书育人标兵称号等。

l 周业安

周业安,现任职中国人民大学经济学院教授、博士生导师,国内《经济研究》、《管理世界》在内的多份学术期刊匿名审稿人。主要研究领域为行为和实验经济学、公共经济学以及公司金融。

目前已经出版了多部学术著作,并且在《中国社会科学》、《经济研究》、《管理世界》、《世界经济》、《经济学季刊》等核心学术期刊上发表七十余篇学术论文,《上海证券报》和《中国经营报》等报刊长期专栏作者。和他人共同主编了《中国经济学》,由上海人民出版社每年出版一辑;共同主编经济学前沿、金融学前沿以及行为和实验经济学三套译丛(由中国人民大学出版社出版)。主要著作有《金融市场的制度与结构》(2005年,中国人民大学出版社)、《地方政府竞争和经济增长》(与李涛合著,中国人民大学出版社,2013年)等。

曾获得中国高校人文社会科学优秀成果奖经济学一等奖、北京市哲学社会科学优秀成果一等奖等省部级以上科研奖励九项,曾入选2005年度教育部新世纪优秀人才支持计划等。

以下是金准人工智能专家利用AMiner数据库对其论文进行挖掘,选取citation最高的几篇文章

l 贺京同

贺京同,南开大学经济学院经济研究所教授,西方经济学专业博士生导师。主要研究领域有行为经济学;宏观经济分析与预测;博弈论及现代资产定价理论;知识产权经济学;虚拟经济理论与实践等。主要讲授课程有行为经济学(包括行为博弈理论、行为金融等)、数理经济学、高级宏观经济学、现代资产定价理论;无形资产评估理论与实务、计量经济学和复杂经济系统分析与智能化建模理论等。

研究课题有经济稳定增长前提下优化投资与消费的动态关系研究、全球金融危机背景下调整需求结构、转变经济增长方式的政策研究、当代行为经济学最新发展研究——对西方经济学前沿理论的批判与借鉴等。

世界杯热点报告 移动端时代下的新趋势 2018-07-18 13:22:50

前言

2018世界杯于2018年6月14日至7月15日在俄罗斯举行,这是世界杯首次在东欧国家举行。包括东道主在内,此届世界杯共有32支队伍参赛,分成了8个小组进行小组赛。世界杯从小组赛到最终的决赛共有64场比赛,将在莫斯科的11个城市的12个球场举行。

2018年6月,广电总局发布声明要求任何机构或个人不得在中国大陆地区通过电视、广播、互联网、移动通讯网、IPTV、互联网电视、移动媒体电视、各类应用软件上进行世界杯的直播或延时播出。但中国观众可以通过三个授权平台观看世界杯:中央电视台、优酷、咪咕。中央电视台的渠道包括有线电视、PC端、移动端。优酷和咪咕的渠道包括PC端与移动端。

媒体与网友都开始关注世界杯。网络讨论的内容不仅仅是球赛本身,球员也是讨论的热点。金准人工智能专家在本文中对世界杯球迷画像进行了分析,金准数据调查显示,22.5%认为自己是每天都关注世界杯的死忠粉,28.6%的观众则是只关注热点赛事的佛系球迷。而近五成观众则表示自己是凑热闹的伪球迷。世界杯的影响已然超出专业球迷范畴,成为全民热情参与的文化符号。


1.移动应用世界杯效应

世界杯开赛刺激移动直播应用用户增长

金准人工智能专家分析认为,作为2018俄罗斯世界杯中国地区转播版权方,央视旗下两款直播应用——央视影音、CCTV5在世界杯开赛后迎来用户数迅猛增长,CCTV5应用周覆盖指数连续两周增速超过50%,而新媒体版权方咪咕视频应用周覆盖指数增速同样超过10%。在开赛两周后,世界杯直播应用周覆盖指数告别快速增长,用户规模趋于稳定。

世界杯移动直播应用周覆盖指数环比增速

广告虽然略显洗脑但是有用

本届世界杯的一大热点话题是移动应用也玩起了洗脑广告无限轰炸的套路,知乎、马蜂窝旅行、Boss直聘都在世界杯转播中进行了广告投放。虽然广告内容引发吐槽,但是大规模的广告投放对于应用用户增长仍然起了正面作用,三款应用周覆盖指数整体保持正增长态势。

世界杯热门广告应用周覆盖指数环比增速

夜猫子永远是铁杆球迷自带属性

本届世界杯最主要的两个开赛时间是晚上22时和凌晨2时,在大众人群准备休息、设备活跃度开始下降时,铁杆球迷却刚要开始狂欢,设备进入活跃状态,小时平均活跃指数由下降转为上升。虽然本届世界杯比赛时间安排对中国球迷来说已相对友好,但是熬夜永远是铁杆球迷的必修课。

铁杆球迷24小时平均活跃指数对比

冷门迭出引爆关注,日本队自带流量

德国、西班牙两队分别爆冷输给韩国、俄罗斯的对决是半决赛前最受关注的比赛,两场比赛战报在网易新闻客户端中浏览量最高。日本队虽然止步十六强,但其击败哥伦比亚的比赛位居赛事关注度第三,而出局后整洁的更衣室又引发网友大讨论,关于日本队更衣室的讨论在世界杯新闻内容中热度最高。

多玩法的世界杯,九大球迷群体共狂欢

88年的世界杯历史中,俄罗斯世界杯将会因为诸多黑科技的应用和全面数据化而被历史铭记。除体验黑科技外,中国球迷在本届世界杯中也体验了全新的由央视指定的新媒体官方合作伙伴——优酷带来的“99种世界杯玩法”。“99种世界杯玩法”让中国球迷足不出户就能深度参与各种世界杯狂欢活动,酣享2018俄罗斯之夏。

广州、福州的球迷在世界杯期间最“忙”,看球,评论,抢红包一个都不能少!而深圳、济南的球迷则被评为“最壕球迷”,使用流量也观看比赛!坚守午夜赛的广州、南宁的球迷则成为被大数据授予了“世界杯劳模”称号!上海和长春球迷多了一点点佛系的味道,TA们大部分人只观看20点以前的比赛。专一只看颜的——“花痴球迷”非真性情和耿直的西安和成都球迷莫属了 !被红包雨淋湿最多的球迷则分布在广东和福建。多元化的北京的球迷更喜欢花式,跨界聊球,上海和贵阳的球迷,则更喜欢央视的专业解说!东莞和温州的“精明人”最多,短短几分钟集锦的就Get了整场赛事关键点!

不同于往届世界杯,今年的世界杯有了更多的玩法,除了看球之外,讨论球,抢红包雨,各种玩法都要参与。

通过数据发现:贪财球迷中男生占比高达84%,女生仅仅占比16%,而进一步对比花痴球迷的分布,我们可以看出:女性占比将近一半,俗话说:输赢不重要,看颜才最重要!

对于习惯听专业解说的球迷而言,坚守听央视的解说已成为了一种情怀。在世界杯期,我们看到专业球迷主要分布在30岁以上占比超过57%,TA们中更多是老球迷,而喜欢听花式解说的娱乐球迷主要分布18~29岁,占比超过58%,对于年轻人更言,他们更喜欢相对不寻常的聊球方式。

跨界+花式聊球,优酷在2018世界杯除了邀请韩乔生、董路专业的解说之外,还邀请包括鹿晗、李响等跨界明星及陈一发等电竞明星带来的花式聊球。优酷数据显示:白岩松和韩乔生成为优酷网友最喜欢的两位聊球嘉宾。

最精明球迷: “生意人”,生活却是很规律!同时我们发现他们使用手机在早上7~8点之间出现了第一个小高峰,早早复习一下进球的集锦, 13点打开手机刷一刷最新的资讯,剩下的时间不是在谈生意就是在谈生意的路上,从22点之后慢慢呈现下滑的趋势。

2.移动应用球迷画像

85后、90后男性是世界杯观赛人群主力

据金准人工智能专家统计,在俄罗斯世界杯移动端观赛人群中,26-35岁男性是占比最高的群体。足球仍然是男人的浪漫,世界杯观赛球迷人群中男性占比是女性人群的2.5倍。年龄分布中,26-35岁人群占比为49.9%,构成了观赛人群的主体。

OPPO、vivo是世界杯观赛人群最常用安卓品牌

金准人工智能专家调查发现,在世界杯观赛人群安卓设备品牌分布中,OPPO、vivo、华为居于前三位,OPPO、vivo品牌占比合计超过48%。安卓设备价格分布中,100-1999元是最受世界杯观赛人群欢迎的设备价位。

世界杯观赛人群分布与区域人口特征相符

地域分布上,世界杯观赛人群主要向东部人口大省集中,广东、山东、河南、江苏等人口大省在世界杯观赛人群省份分布中也居于前列。

在城市分布中,北京、上海、重庆三个人口超过2000万的城市包揽了世界杯观赛人群城市分布前三位。

世界杯观赛人群都是移动应用活跃用户

作为世界杯移动直播的受众,世界杯观赛人群都是移动互联网的活跃用户,视频类、通讯社交类等类别应用覆盖率要高于大众人群。除此之外,世界杯观赛人群对于金融理财、新闻、汽车服务、餐饮等类别应用的安装率都要高于大众人群,而只在健康美容类应用上要低于大众人群。

德国队三十年老球迷占比最高

在阿根廷、巴西、德国等强队观赛人群中,英格兰队、巴西队最受女球迷青睐,法国队最受“钢铁直男”球迷欢迎。在各年龄段偏好中,19岁以下年轻球迷更喜欢西班牙、英格兰,而46岁以上老球迷更偏爱德国、巴西这两支传统豪强球队,86年的桑巴军团、90年的德意志战车是老球迷们永远的美好回忆。

英格兰、法国比赛观众在大城市集中度更高

在一线城市及典型二线城市中,英格兰、法国队观赛人群集中度更高。各队观赛人群中北京、上海两地人群占比差异不大,而英格兰、法国观赛人群中广州、深圳等城市人群占比要明显高于其他球队,两队球迷更多的向大城市集中。

英格兰、法国比赛观众消费娱乐更为活跃

除视频、通讯社交外,游戏、金融理财、餐饮等类别应用在英格兰、法国比赛观众中覆盖率要高于其他球队。而在线下消费中,英格兰、法国比赛观赛人群在各消费类别中的活跃度也要明显高于其他球队观赛人群。

英格兰、法国比赛观众更偏好中高端机型

在典型强队观赛人群中,英格兰、法国比赛观众对于2000元以上价位手机接受度更高,两队球迷也共同偏好OPPO品牌设备。而德国、巴西球队观赛人群对于华为、三星品牌设备接受度更高。

3.世界杯球迷生活

搜索热度:看球、彩票、世界杯等关键词搜索量大涨700%+,毛豆、啤酒搜索量上涨超过40%,酒吧成为最热看球场所

酒店看球:世界杯期间预订酒店的用户中,学生占三成,25岁以下用户占比过半,比赛时段内送往酒店的外卖订单上涨21%

在家看球:比赛时段内送往住宅楼的外卖订单较平日上涨18%,男生最爱点炸鸡、烤串,女生则偏爱小龙虾、卤味。

球队偏好:阿根廷和巴西参赛的场次,上海、杭州和成都订单上涨最明显;英格兰和德国参赛的场次,广深两地订单小幅走高。

梅西、内马尔等超级球星比赛的场次,夜间外卖较平日上涨17%。

酒吧看球:酒吧订单较平日上涨15%,清吧最受消费者欢迎,订单较平日增加18%。

酒吧之城:北京、广州、上海酒吧订单增幅超过50%,北京三里屯和上海五角场成为最热观赛商圈。

出行+消费:世界杯期间,夜间周末出行订单较平日上涨18%,去往酒吧、KTV等娱乐场所的订单上涨14%。

俄罗斯现场观战:4月以来,赴俄罗斯观赛热度一路上升,现场观战的球迷主要是受教育程度较高的单身男性白领。

64场比赛战罢,2018年俄罗斯世界杯落下帷幕。法国队时隔20年再夺冠。

金准人工智能 养老机器人产业研究报告 2018-07-17 09:50:36

前言

 

目前,65岁以上的老年人口占我国总人口数17.3%,随着老年人口的增加,适龄劳动人口的减少,中国的养老的压力也越来越大。与此同时,随着国内机器人产业的兴起,机器人养老成为了新的探索方向。在政策上,机器人养老也得到了大力的支持。据《机器人产业发展规划(2016-2020年)》所规划,机器人将在5年内走入养老服务业。清华大学机械工程系的张文增教授也表示,机器人养老是一个非常重要的主题,未来市场将是海量的。

尽管有政策的支持,学界和玩家们也纷纷看好该其前景,但目前机器人养老的市场情况却不容乐观。少数玩家针对养老这一特殊场景推出了更垂直的解决方案,而大部分的玩家都选择与儿童产品通用的方案,忽视了老年人这一人群的特殊属性。在此之下,机器人在养老市场的场推广上也却步履维艰,To B方面以医院和养老院两个场景率先形成小规模的初级市场,To C方面声势甚微。

近日,金准人工智能专家发现,无论是学者还是行业从业者对机器人养老的前景都持看好态度,甚至有海外企业涌入国内市场,但国内市场却存在着鱼龙混杂、大部分企业谈概念等突出问题。金准人工智能专家将起底机器人养老产业现状,深入分析众玩家打法和产品设计情况,以及市场需求与产业发展方向。

 

一、国内市场早期入局玩家

国内方面,目前入局的玩家并不多,大部分企业都处于试水和初步布局阶段。在应用场景上也主要分为家庭、养老院和医院三大典型场景。在市场早期,金准人工智能专家发现一些较为积极的早期入局者,如广东礼宾机器人、柚瓣机器人和优必选智慧养老克鲁泽Cruzr机器人。

1.广东礼宾机器人

 

 

医院是机器人养老的重要应用场景之一,成立于2015年的广东礼宾医疗科技股份有限公司,目前就将市场重心放在了医院上,希望解决养老的一点刚需,陪伴老人度过漫长的护理期。据其CEO周全胜介绍,他们已经在机器人养老上做了三年,目前年出货量大约8000台。除了采购一些厂商的机器人本体外,自己也在开发硬件,并推出了小宝和精灵两款硬件产品。

2.新松家宝机器人

 

 

去年11月,辽宁德沃与沈阳新松联合开发了一款智能养老服务机器人。今年年初,新松也展示了用于养老的家宝机器人,包含智能看护、亲情互动、远程医疗、家政服务等功能。同时,可以对老人身体健康状况进行实时监测,构建用户管理、健康检测、慢病管理、生活陪伴、家庭医生助理、紧急警报等服务在内的应用解决方案。此外,这款机器人还可以与家人视频通话、向老人推荐养生菜谱、规划旅游线路等。

3.柚瓣机器人

 

 

去年,重庆柚瓣家科技有限公司与机器人本体厂商康力优蓝合作,推出了专门陪伴老人的机器人——“柚子”。这款机器人以康力优蓝的“小优”机器人为本体,搭载了柚瓣家科技的养老系统解决方案。在功能上,通过接入的第三方内容可以实现,听戏听歌等娱乐陪伴,同时,通过与外接医疗仪器相连,进行健康管理、测量血压血糖、提醒用药,远程呼叫等,最突出的功能是进行视频双向监控,可以监控老人状况、保姆是否悉心照料。

目前,这款产品主要在重庆市的养老院进行推广,据康力优蓝CMO赵博韬介绍,目前,该项目的提货量已达5000台。此外,也有其他向老年市场推广的渠道商进行相关咨询。

4.优必选智慧养老方案——克鲁泽Cruzr

 

 

国内人工智能独角兽公司优必选科技也在养老机器人市场上进行布局。据介绍,优必选以智能服务机器人克鲁泽Cruzr为本体,提供了一套智慧养老的解决方案。据优必选方面负责人吐露,根据前期市场调研和用户反馈,克鲁泽Cruzr计划在养老院等场景中的应用比较广泛。

在产品优化方面,克鲁泽Cruzr主要针对老年人提供健脑练习、情感交流、“零”学习成本唤醒、自主查询、数据分析以及运动指导等内容。

此外,还有天津哈士奇机器人科技公司、深圳市汉伟智能技术等公司也推出了智能养老机器人产品。

5.海外企业在中国的探索

 

 

日前,金准人工智能专家还通过上海国际机器人展会了解到一家名为甜甜圈机器人的日本企业。据该公司中国区负责人李中会表示,日本甜甜圈机器人株式会社由日本软银投资,与日本知名企业NEC、日立、安川电机、JAFCO、三井物产等公司有战略合作关系,主要面向老人看护市场。目前,该公司正在筹建中国部门,去年11月还加入山东阿兰图灵公司的阿兰图灵人工智能小镇项目。该公司表示,2018年将向海外市场发展,中国是首选方向。

去年6月,有消息称,护理用机器人的最大厂家安川电机,在与中国企业美的合作,拓展中国市场。希望借助安川电机的机器人制造技术,结合美的对中国市场熟悉,进行中国市场的拓展。金准人工智能专家从美的机器人处获悉,该项目已暂停一年多了,具体原因对方没有透露。

金准人工智能专家认为,海外有竞争力的机器人企业涌入,将会刺激国产机器人企业在养老机器人市场上的探索,同时也将刺激国内市场更加规范。

 

二、养老机器人市场的三大突出问题

2013年开始,中国成为了世界最大的机器人应用市场。据金准数据预测,预计2015-2018年全球服务机器人市场总规模约394亿美元,四年年均复合增长率21.07%。2018年全球服务机器人市场总规模将近130亿美元。可以说,中国的养老机器人市场非常广阔。然而,环顾养老机器人市场,却存在着玩家少、产品针对性差且不专注、市场推进缓慢等问题。

 

上文我们看到一些在此市场早期布局的企业,他们也都推出了针对老年人特点和需求的解决方案呢,而为了抢夺一部分老年市场,大部分的玩家做法是将儿童产品与老年产品混为一谈。在电商平台,我们能看到这种做法的产品比比皆是。

需要正视的问题是,儿童产品更注重教育属性,而老年人作为成年人更注重实用性。两者在内容上具有较大的差异性,老年人由于肌体能力、学习能力的下降,接触高科技的门槛较高。对于线上购物、线上支付、叫外卖、线上滴车、信息查询等年轻人习以为常的科技服务的操作能力,甚至是认知都非常弱。

因此,在现阶段机器人的技术和能力达不到帮助老年人端茶倒水、翻身排便的时候,将这些实用性的功能集成到机器人产品中,尚可解决一点养老的刚需。

老年人对互联网的接触较少,因此,在老年市场上,推广渠道是一个重要因素,此外,价格是影响市场推进的另一个重要因素。

 

三、养老机器人产业的市场机会

面对这样一个庞大的市场,如今半温不火的状态,不禁让人追问,机会在哪,如何破局?金准人工智能专家带着这样的疑问,与研究学者、机器人厂商和养老专业人士进行了探讨。

清华大学机械工程系的张文增教授表示,机器人养老是一个非常重要的主题,而且未来市场必是海量的。目前养老服务机器人的一个困境是机器人跟手机的差别并不大,只是移动着的手机,但在发声交互方面的进步很大。但在养老的实际场景中,操作物体认识一个亟待解决的重要问题,目前抓握能力尚需人遥控并且做复杂的编程,如果在这一方面能够再进一步开展深入研究,研发出相关产品后,在养老机器人等细分市场将有迅速点燃市场的极大可能性。

在广东礼宾机器人CEO周全胜看来,机器人在养老上的应用,主要有医疗、应急和生活服务三个方面,但都依赖线下资源。同时,以目前的技术来看,机器人的应用还是要依赖于前后端的配合。因此,他认为现阶段应先解决一点养老的刚需问题,如在医院陪伴老人度过漫长的治疗期。优必选和康力优蓝等则将重心放在了养老院上,更多的通过在B端的合作,拓展市场。

北京普乐园养老院院长闫帅告诉金准人工智能专家,能与远程医疗对接的机器人还是很需要的,对于先阶段可以链接血压计、血糖仪等设备,也接入了外卖、淘宝、打车软件等内容,可以做视频监控,可以移动的机器人产品,可以考虑采购,但会考虑价格问题,毕竟相比之下价格更低的智能音箱也可以做到一部分功能。同时,闫院长也表示,更希望这种价格略高的产品,能以共享的方式提供。

 

四、先行者日本的经验

说到人口老龄化和机器人产业,首先会让我们想到邻国日本。日本是世界上老龄化问题最严重的国家之一。早在20世纪七八十年代,日本就已经步入老龄化社会,也是最先迈入老龄化社会的亚洲国家。中国的老龄化进程比日本要晚了二十年左右的时间,在日本实践中证明有效的产品,大都可以拿到中国来使用。

为了解决养老压力,日本采用了大数据与机器人结合的方式,大数据主要是将老人病例电子化,将检查结果、用药情况上传到云,避免医院重复性检查,同时可以根据数据预测患者罹患疾病的情况,及时对症下药。

机器人方面,日本的养老机器人主要有物理辅助机器人和社交辅助的机器人两类。物理辅助机器人是养老机器人市场较为高阶的产品,参与过为老年人提供介护服务的人都知道,介护中最艰难的是排便,其次关键的问题还有按时翻身以防生褥疮、对老人掉下床造成骨折和死亡事故提供警报、检测病人呼吸、心率等指数。

 

 

物理辅助机器人方面,日本松下公司推出的可由床变成轮椅的机器人Resyone、日本理化研究所(RIKEN-SRK)人机互动研究中心和日本住友理工公司在2015年推出的护理机器熊“Robear”等。社交辅助的机器人,主要负责和老年人进行互动,成为陪伴在其身边的伙伴,如Paro、Pepper、Babyloid和Ludwig等。

工业机器人四大家族之一的安川机电,目前也在用很大精力研发护理机器人,并且已经开发出了能够让病人锻炼手、腿等的机器人,通过不断在机器上活动,能让减弱或者丧失的运动功能重新获得运动能力。

需要提出的是,日本属于社会养老、政府养老为主,因此在机器人养老的推动上更加积极。

结语:抓住老年人刚需才能打开市场

养老是一个经久不衰的话题。家庭、医院和养老院将是三个典型场景。就中国的市场情况来看,家庭养老将持续想当长的阶段,所以机器人想要在养老上应用,应抓住老年人的刚需。

就目前市场上的产品来看,入局机器人养老的玩家较少,具有针对性的产品也较少,更多的玩家为了抢占市场,采用与儿童市场同一的方案,混淆了市场,不利于老年市场的拓展。

从市场需求来看,养老院对与养老机器人的需求是存在的,但是养老机构与机器人企业在沟通上相对缺乏,如果能双向推进相互的交流,该市场将有望迅速打开。

 

金准人工智能 中国智能音箱市场及业务模式研究报告 2018-07-16 16:39:23

前言

 

2014年,亚马逊发布了内置人工智能助手Alexa的智能音箱Echo,这标志着一个家庭自动化新时代的到来。在近四年的时间里,亚马逊的Echo音箱一直主导着智能音箱市场。

现在,智能音箱的普及程度越来越高,智能音箱也越来越商品化,而且成了一种全球性的现象。早期进入智能音箱市场的亚马逊正在失去它的市场份额——不仅仅是因为它的竞争对手谷歌,还有中国新兴的智能音箱玩家的出现。

金准人工智能专家将目光转向低成本、高容量的智能音箱市场,探讨新的商业模式是如何模糊市场竞争路线的。

 

金准数据显示,2017年第一季度,亚马逊智能音箱的全球市场占有率高达80%,紧随其后的谷歌有19%,阿里巴巴和小米的市场占有率均为0%。而到了2018年第一季度,数据发生了明显变化:亚马逊的智能音箱在全球的市场占有率下降至28%,“后来者居上”的谷歌占到36%,其次是阿里巴巴12%的市场占有率、小米7%的市场占有率。

金准数据显示,中国是全球第二大消费市场,仅在2016年就达到了4.3万亿美元的消费支出(美国以12.5万亿美元排名第一,日本以2.7万亿美元排名第三)。根据金准人工智能专家观察数据显示,中国智能家居市场在2018年将达到近230亿美元。智能音箱和人工智能语音助手正成为这一市场中不可或缺的一部分。

 

随着中国智能家居市场的升温,谷歌和亚马逊等老牌企业正面临新的竞争。

金准人工智能专家将深入了解新兴市场的参与者、合作伙伴、商业模式,以及中国在推动低成本、高产量的智能音箱市场方面所扮演的角色。

一、美国公司没给中国市场提供足够的服务

不论是亚马逊的Echo音箱还是Google Home智能音箱都没有渗透进入中国市场。

除了美国科技公司在中国面临的严格监管之外,中国的自然语言处理也很复杂(有130种方言和30种书面语言),这使得语音识别成为了一个巨大的挑战。

在美国的大型科技公司中,只有苹果的智能助手Siri支持普通话。该公司的Homepod智能音箱目前只支持英语,还没有在中国进行发售。

这让中国市场得不到美国企业的充分服务,而本土企业正在利用这一点。

智能语音是中国政府在全国首批人工智能应用领域的四大主要关注焦点之一,另外三个领域是医疗保健、智能城市和自动驾驶汽车。

中国的大型科技公司已经在中国大举投资。阿里巴巴在中国年度购物盛会“双十一”中以15美元的价格开始发售其天猫精灵智能音箱。百度最近将其在中国发售的智能音箱产品之一的价格从39美元下调至14美元。

这些低价格使得小公司几乎不可能参与市场竞争。

二、中国智能音箱价格大战,热度不减

经历了2017年的大爆发之后,2018年智能音箱市场热度不减:新的品牌不断涌入,市场竞争愈发激烈;产品不断丰富,百箱大战正式打响,高中低端产品布局逐渐成型;差异化细分市场开始布局,带电池的便携音箱、屏幕音箱和主打儿童市场的智能音箱产品面世;硬件配置方面芯片从通用向专用发展,语音专用芯片增多并逐渐实现量产。
继去年双11后,价格战再度来袭,低价mini音箱迅速普及,推动智能音箱618促销期销量大增。金准人工智能专家线上监测数据显示,2018年618期间(18W24-18W25),智能音箱销量为28.7万台,销额为0.7亿元,均价为263元。销量虽不及去年双11的百万量级,但从消费者购买意愿看,消费需求是存在的。金准人工智能专家预测,2018年中国智能音箱市场规模将达到525万台。

 

 

 

 

 

 

 

 

三、新兴商业模式模糊了竞争界限

进入智能家居市场的中国企业正在部署一种双重商业模式,以获取全球市场份额,并在中国扩张业务:

首先,他们与美国科技公司合作,将他们的硬件搭载微软小娜和Alexa等人工智能助手,在中国以外的地区销售智能音箱。

其次,他们正在与中国的智能语音创业公司合作,或者公司内部开发对话式的人工智能软件,在中国境内销售,而美国的科技公司在中国市场面临着严格的限制。

金准人工智能专家总结了一些公司采用这些方法的例子。

1.联想

为了进入智能音箱市场,联想与亚马逊合作,在美国推出内置Alexa软件的智能音箱。在推出之时,该公司的智能音箱价格比同等规模的亚马逊Echo音箱要低50美元,而且据说音质也更好。

这符合亚马逊最近与第三方硬件制造商合作的趋势,即将Alexa的语音软件作为服务出售,从而扩大Alexa的市场渗透率和用户基数。

为了进一步提高其硬件能力,联想与领先的音响设备制造商哈曼卡顿合作,生产音质更好的音箱。三星子公司Harman Karson也与亚马逊建立了合作关系,以销售自己的Alexa音响,这进一步模糊了全球竞争的界限。

但对于在中国国内的销售而言,联想则是利用人工智能创业企业AISpeech开发的语音识别软件,开发了单独的音箱模型。

2.MOBVOI

谷歌在2015年投资6000万美元支持Mobvoi,这是该公司首次直接在中国投资。这家创业公司生产语音手表、音响和智能镜子。

 

Mobvoi的智能发言人TicHome在全球范围内配备了谷歌助理,但在中国,谷歌仍然面临严格的限制,Mobvoi出售其智能音箱,并内置了自己的语音对话软件。

(注:谷歌本月收购了中国电商巨头京东的少数股权。这两家公司曾讨论在京东购物网站上出售Google Home音箱,虽然目前还不清楚谷歌在中国采取何种模式扩张业务,以应对目前的市场限制。)

京东也是最早推出智能音箱的中国厂商之一,这款名为DingDong的智能音响采用了领先的语音识别公司iFlytek的人工智能软件。

3.小米

独角兽公司小米是中国领先的手机公司之一。(独角兽”公司是指成立10年以内、估值超过10亿美元、获得过私募投资且尚未上市的企业。智能菌注:小米公司已于2018年7月9日在香港上市。)

该公司正在开发自己的人工智能助手,与亚马逊的Alexa合作,并有可能整合微软小娜,推出新的智能音箱产品线。

这一合作可能会让一直在智能音箱竞赛中远远落后于谷歌、亚马逊和苹果等美国科技公司的微软在市场中获得一席之地。

除了智能手机和扬声器,小米还在中国销售各种各样的消费电子产品,包括智能电视、吸尘机器人、智能灯具,甚至还有电饭煲。

考虑到它对人工智能的关注(它最近组建了一个500人的人工智能团队),我们可能很快就会看到它的人工智能助手问世。

四、语音市场中的百度、阿里巴巴和腾讯

中国最大的三家科技公司——百度、阿里巴巴和腾讯——正将自己定位为在从医疗保健到无人驾驶汽车等一系列行业的人工智能领域的全球领导者。智能音响是这三家公司共同关注的领域。

1.百度

百度希望其DeurOS平台成为全球主要的会话人工智能软件,与亚马逊Alexa直接竞争。

在今年第四季度,百度推出了一款名为“Raven H”的智能音箱,它的名字来自于去年被百度收购的人工智能助手初创公司Raven Tech。

尽管百度的智能音箱在其对话的人工智能平台DuerOS上运行,该公司同时也依靠外部伙伴进行硬件设计。Raven H公司与瑞典一家名为“Teenage Engineering”的公司合作,发明了一种与市场上其他公司都不一样的音响。

下面是Raven H的照片,还有一个由Teenage Engineering公司拥有专利的无线扬声器。

 

去年,百度还收购了总部位于美国的自然语言处理创业公司kitt.ai,该公司曾得到亚马逊Alexa基金的投资。在今年第一季度,该公司在中国境外地区推出了第一款搭载DuerOS系统的商用硬件产品:在日本推出了一款集智能音箱、智能台灯和投影仪三大功能为一身的产品。

DuerOS受到的是中国数据的培训,但百度在2011年收购了日本输入法编辑器Simeiji后,百度获得了理解并支持日本用户的对话和语法的条件。

百度也在韩国申请专利,且已在韩国有了专利技术,同时它也在为进入东南亚市场做准备。

例如,一项名为“基于人工智能和终端设备的人机交互方法”的专利(如下图所示)似乎将语音识别和面部识别技术结合起来,就像亚马逊的Echo一样,将其应用到类似于消费者的机器人设备上。

除了美国和中国等主要消费市场外,该公司在日本和韩国申请了该专利。

2.阿里巴巴

阿里巴巴宣布,自2017年7月正式推出以来,已售出超过100万台天猫精灵智能音箱。

天猫精灵使用人工智能语音助手AliGenie,与亚马逊的Alexa进行竞争。AliGenie类似于Alexa,用户可以给AliGenie添加至少100种技能,还可以通过AliGenie在阿里巴巴的电子商务网站上用自己的声音购物。据The Verge报道,这些命令中有许多可以通过说出“天猫精灵”来激活。

AliGenie可以通过手机摄像头识别物体,包括4万个药品包装、儿童书籍封面和更多的东西。其医疗保健功能主要针对中国老龄化人口和视力障碍人群。

除了智能家居外,阿里巴巴还在为10万间万豪国际酒店客房配备智能音响设施,提供礼宾服务。

3.腾讯

最近,Tecent加入了智能音箱竞赛,但它的强大之处在于其微信的用户群,其微信用户群有近10亿人左右。

它的智能音箱Ting Ting将可以访问微信的应用和服务,比如发送语音信息,免提。

腾讯语音在美国申请的专利超过了50个结果,包括语音处理和认证方法。

五、与美国争夺市场份额

对智能音响主导地位的竞争并没有放缓。

来自中国企业的廉价音响可能日益威胁到正在研发硬件的美国大型科技公司,迫使它们专注于人工智能软件开发。

但即使是在人工智能软件领域,两国的科技巨头也瞄准了同样的市场和合作伙伴。

例如,亚马逊与之前提到的Harman Kardon合作,销售装有Amazon Alexa的Harman智能音箱。而百度已经与Harman单独合作,将其对话人工智能平台DeurOS整合到Harman的汽车中。

Sonos最近推出了与Alexa集成的智能音响,计划在2018年底前支持苹果的Siri和谷歌助手。Sonos也在与中国的初创公司Rokid合作,以解决中文支持的问题。

在智能音响方面,中国企业无疑在国内拥有优势,但在全球范围内,它们面临的最大挑战是,与Facebook、亚马逊、微软、谷歌和苹果公司相比,它们缺乏外语用户数据。

它们在智能家居领域的国际扩张,可能将取决于在特定市场上的合作或收购大数据公司,类似于百度在日本推出其人工智能助手阿拉丁时的做法。

为了实现这些目标,更多的国际合作、投资和收购可能正在酝酿之中。

总结

智能物联时代,层出不穷的各种智能设备不断推向市场。但不得不说的是,智能音箱的产品设计发展越来越趋于同质化,各家产品几乎没有太多特色,大同小异,在这样的环境下,价格战这个看似行之有效的策略又出现了。市场最终给出了答案,国外市场上,亚马逊和谷歌的音箱最为畅销,HomePod今年一季度只销售出60万台,天猫精灵和小爱同学月售几万台。

金准人工智能专家认为,一方面,互联网企业低价倾销造成了热闹的景象,但用户真实需求还未形成,智能音箱产品主要针对的就是“90后”及更小的人群生活方式的改变,需要等他们有了“稳定的”居住环境才会渐渐成型。

另一方面,从音箱产品本身来看,好音质的音箱从来都不缺,价格较贵的才有品质体验。对于非专业生产音箱的互联网公司来说,再主打好的音质也难以达到专业级别。而被赋予智能定义之后,是增加了产品的卖点,但如果把尚未突破语音语义技术瓶颈的语音助手硬加“智能中控”的定义,难免被怀疑真实性。“发明者对于产品的定位非常重要,智能手机市场最初的高端定位也是由发明者三星、苹果等厂商决定,而智能音箱的发明者亚马逊从最初设计,到产品进入市场,都没有将其定位为高端家居产品,后来追随者想要改变这一定位,非常困难。”

 

金准人工智能 2018年区块链行业研究报告 2018-07-13 19:27:36

前言

区块链行业在2018年继续高歌猛进,数字货币、ICO等热点事件频出,但在热度不减的背后,依然有很多行业参与者对区块链相关概念、市场现状以及竞争格局缺乏整体认知。金准人工智能专家通过对全球区块链行业进行全面梳理和分析,希望帮助行业参与者洞察区块链行业发展轨迹,洞见行业未来发展趋势。

一、全球区块链行业现状

1.区块链基础知识

区块链是一个由不同区块构成的去中心化的分布式数据库。


由不同区块构成

1.1关于Hash

Hash(哈希)是计算机可以对任意内容计算出的一个长度相同的特征值。区块链的哈希长度是256位,只要原始内容不同,对应的哈希一定是不同的。

哈希的计算耗时,主要由难度系数决定。在每一个区块头中,都包含一个难度系数,这个值决定了计算哈希的难度。

区块链协议规定,使用一个常量除以难度系数,可以得到目标值,难度系数越大,目标值就越小。

哈希的有效性跟目标值密切相关,只有小于目标值的哈希才是有效的,否则必须重算。由于目标值非常小,哈希小于该值的机会极其渺茫,可能计算10亿次,才算中一次。这就是采矿如此之慢的根本原因。

区块链本质上是一种叠加了多种技术和通信协议的、具有普适性的互联网底层软件基础架构利用去中心化和去信任方式集体维护一本数据薄的可靠性技术方案。

1.2区块链核心技术解读

1.3三种常见的共识算法

1)工作量证明机制(Proof of Work,POW)目前大部分数字资产使用这种算法,如比特币、以太坊。区块的产生需要一定的算力,即计算设备每秒能进行哈希运算的次数。一台设备的算力在全网算力中所占的比重即由这台设备创建新区块(挖矿)的概率。目前众多平台组织各个节点进行联合挖矿,这些平台称为矿池。

2)权益证明机制(Proof of Stake,POS)目前小部分数字资产使用该算法,如未来币、黑币。此机制引入了“币龄”概念。一个节点拥有一定的数字资产,每持有单位数字资产一天则积累一个币天的币龄,节点所拥有的币龄在全网币龄中所占的权重即由此节点创建新区块的概率。

3)股份授权证明机制(Delegated Proof of Stake,DPOS)该算法较为成熟的应用有比特股。在DPOS机制下,每一个持有数字资产的节点可以对全网络节点进行投票并由此产生101位代表,这101个超级节点彼此的权利是完全相等的。若代表不能按时生成区块则会被除名并被新选出的代表取代。



1.4区块链三种类型

按类型划分,区块链可分为公有区块链、私有区块链和联盟区块链三类:

公有区块链是最早的区块链,一般适合于虚拟货币、面向大众的电子商务、互联网金融等B2C、C2C或C2B等场景。

私有链的应用场景一般是企业内部,如数据库管理、审计等。私有链的价值主要是提供安全、可追溯、不可篡改、自动执行的运算平台,可以同时防范来自内部和外部对数据的安全攻击。

联盟区块链适合于机构间的交易、结算或清算等B2B场景。例如在银行间进行支付、结算、清算的系统。

1.5区块链行业发展阶段

截至目前,区块链行业大致经历了货币、合约和治理三个阶段,整体上仍然处于发展的早期阶段。

1.6数字货币、智能合约和社会治理

数字货币为起点,相关应用和支持软硬件为区块链1.0。主要包括以比特币为代表的虚拟货币,是区块链技术目前最成功的应用。

智能合约就是“可编程合约”,或者叫做“合约智能化”,其中的“智能”是执行上的智能,也就是说达到某个条件,合约自动执行,比如自动转移证券、自动付款等,这将是区块链技术重要的发展方向。

智能合约面临问题:①目前的数字资产化程度不足。智能合约的应用依赖于资产数字化,资产数字化后才可通过编程的方式完成资产流动。②智能合约自身的实施方案仍不成熟,安全性有待商榷。

由更广阔应用场景覆盖社会生活的方方面面,在各类社会活动中实现信息的自证明,不再依靠某个第三人或机构获得信任或建立信用,提高整个系统的运转效率。

目前,商业应用项目爆发出现,但仍未大规模落地。

区块链≠数字货币≠虚拟货币≠代币≠Token≠ICO

提起区块链,很多人会和数字货币、虚拟货币、代币、ICO来划等号,但实际上,这几个概念是完全不同的,有着本质的区别:

数字货币:数字货币是一种等同于法定货币的互联网价值表达方式,即现金数字化,是一种虚拟与实体之间的转换,法定货币的一种功能上的延伸,如微信和支付宝支付的货币。

虚拟货币:虚拟货币的作用是让用户提前支付一笔钱,购买这个企业发行相对应产品的货币,比如Q币、微币、点券、京豆等都在虚拟货币的范畴。虚拟货币实际上相当于积分,其实是用法定货币购买的。

代币:像比特币、以太币、莱特币等在不同区块链的技术下产生的相关币种,我们统称为代币,官方名词叫加密数字货币。代币的“代”是代名词的“代”,比如“比特”币、“以太”币、“莱特”币等。

Token:在英汉词典中,Token的确可以翻译成代币,但区块链的Token却含有太多的意义,它可以是资产、标记、奖励机制、密保令牌等,所以二者之间的关系是这样的:Token>代币。

ICO:Initial Coin Offering缩写,意为首次币发行,区块链公司通过提供代币或虚拟货币销售来筹集资金,通常以主要的“门户货币”比特币和以太币为计价货币。代币随后在加密货币交易所中进行交易,根据公司提供的产品、消费者吸引力和投资者投机行为,在名义上价值上升或下跌。

1.8区块链行业大事记

2.区块链行业规模

2.1市场规模


2.2融资规模

ICO是最受欢迎的融资方式,但存在“资本过剩”的风险ICO是目前区块链领域除传统风险机构投资外采用最多的融资方式,在区块链和全球互联网的驱动下,也更加全球化。

2017年,全球区块链产业ICO融资额高达350亿元,而传统风险投资融资额约50亿左右,ICO融资额是传统风险投资融资额的7倍。研究机构CBInsights向投资者发布警告称,“ICO热潮存在‘资本过剩’的风险。”

2.3投融资地区分布

美国区块链投融资热度全球领先,中国区块链项目获投数量和平均融资额持续数年走高从投资规模看,据金准人工智能专家统计,2012年以来,美国比特币和区块链初创公司共获得了大约270笔投资,融资金额达到了10亿美元,占比为55%,全球最高。排在第二的英国为6%,新加坡为3%,中国、日本和韩国分别占比2%。


根据工信部发布的《2018中国区块链产业白皮书》显示,2017年中国区块链相关项目融资额总额超过12.7亿元,融资事件54起,而仅2018年第一季度,区块链领域的投资事件数量就达到了68起,这一规模甚至超过2017年一整年。

2.4投融资领域分布

金融依然是最热被投领域从区块链项目类型看,金融是区块链投资最热的领域,信息通讯领域其次,之后是底层技术与基础设施、文娱、能源、教育等。


注:数据截至2017年2月,信息与通讯领域主要包括交易平台、钱包、支付、媒体、咨询、数据分析、数字签名等项目。

2.5全球重大区块链投融资项目

2.6区块链行业的顶级VC

3.区块链行业竞争格局

从企业数量看,中国全球领先,专利数量是各方参与竞争的基石全球区块链企业数量自2012年以来以超过65.2%的复合增长率快速增长。据金准人工智能专家统计,目前中国有区块链企业456家,是全球区块链企业最多的国家。从专利数量看,中国和美国同样在全球处于领先水平。

2017年全球406个区块链相关专利申请中,有225项来自中国,占比高达55.4%,美国有91项,排名第二,澳大利亚以13项排名第三。

公司层面,中国的阿里巴巴以49件专利数量成为全球区块链专利数量最多的公司。

国内外巨头纷纷布局区块链,赋能生态打开区块链技术想象空间区块链技术日益火爆,IBM、亚马逊、微软等国外巨头互联网公司已纷纷布局。切入点既有搭建底层技术平台服务企业,也有为自身平台用户提供透明、安全的交易信息等,除此之外还有布局未来潜在方向,如物联网等领域。为了避免丢失在区块链上的话语权,国内人人网、网易、迅雷、暴风、360、美图、腾讯、阿里巴巴、小米、京东、百度等多家公司已经入局区块链。这其中,BAT三大互联网巨头无疑最受大家关注。

二、区块链行业应用发展现状

区块链技术引发了全社会的广泛关注和讨论,涉及领域众多,应用场景范围不断拓展区块链涉及金融、供应链、工艺、医疗等30多个行业,几乎包含了全球社会经济体系的所有领域。

金准人工智能专家认为,金融业被视作区块链落地的最佳场景,是各家技术提供商必争之地区块链技术可以解决传统金融行业中的众多痛点。

本报告中,金准人工智能专家选取金融领域下的数字货币、银行、跨境支付和供应链四个维度进行分析。

1.数字货币

区块链技术发展至今最为成熟和广泛的应用数字货币作为区块链产业链条上的重要一环,目前受关注度最高。区块链的火热,很大程度上是受到数字货币的影响,因为它离钱最近,很多的“造富”神话均来源于此。

1.1数字货币市场总览

截止到2018年5月30日,coin market cap显示全球加密货币有1634个,市值TOP10加密货币包括:Bitcoin、Ethereum、Ripple、Bitcoin Cash、EOS、Litecoin、Cardano、Stellar、IOTA以及TRON。

全球数字货币市值在17年大涨后又剧烈下降,截至18年5月整体(市值和交易量)逐渐趋于稳定。

2017年,数字货币经历了一波爆发式增长,总市值从2017年年初的1767.4亿美元狂飙至年末的5597.6亿美元,暴涨30倍。

然而,进入2018年后,数字货币市场又很快出现剧烈回落,截止到2018年5月30日,coin market cap显示全球加密货币总市值为3362亿美元,24小时交易量192.4亿美元。

比特币市值占整体数字货币总市值近四成,相比去年同期有所下滑。

截止到2018年5月30日,coin market cap显示比特币市值达到全球数字货币总市值的38%,而去年同期这一数字接近50%。

Top5数字货币占据了整体数字货币市值的70%。

市场情绪仍看多2018年下半年走势:

金准人工智能专家分析,虽然进入2018年后,数字货币市场整体处于下跌趋势,但市场对2018年下半年仍旧看好。根据火币区块链针对全球个人及机构投资者的情绪调查发现,90%的投票者认为未来半年的数字资产总市值会上升,其中71.4%的投票者对市场很有信心,认为未来半年数字货币市场的市值将会大幅上涨30%以上。

1.2数字货币交易所

亚洲数字货币交易所数量最多,其次是美国在整个数字货币的利益链条上,数字货币交易平台(交易所)扮演着重要角色,它不仅充当区块链投资的一二级市场连接器,还让项目方和普通投资者也能够通过平台连接起来,从而形成一个完整的利益生态链。

截止到2018年5月30日,coin market cap显示全球数字货币交易所的数量高达11080家,其中,币安、OKEX和火币Pro是24小时交易量最大的三家,其他比较知名的交易所包括Bitfinex、ZB网等。

金准人工智能专家分析认为,法币交易成为各国监管的重中之重,目前币币交易仍是主流。

1)法币交易所

法币交易所允许用户将法币转换为数字货币,一般这类交易所可以交易的数字货币和法币种类都比较有限。

①涉及法币交易往往触及当地的银监法规,有时候即使政府允许银行也不允许,规定比较严。

②法币交易所需要同时囤积法币和数字货币,在法币已经交换完成的情况下,交易所风险较大,所以一般选取比较稳妥的大币种。

2)币币交易所

币币交易所允许用户将已经拥有的数字货币转换成其他数字货币,整个交易过程不涉及任何法币。这类交易所在全球的数量比较多,因为相对监管比较松,而且交易所本身责任和负担都比较轻,主流的币币交易所包括币安Binance,被收购前的Poloniex,Cryptopia等。

金准人工智能专家认为,去中心化的交易所是未来趋势。

3)去中心化交易所

优势

没有中心化实体可以对交易进行干涉,不会给任何交易人员带来任何不公平优势。

比起中心化交易所本身产生人力成本带来的盈利需求,去中心化交易所的交易费用完全遵照市场动态平衡,一般较中心化交易所低许多。

1.32018年以来全球数字货币领域重大事件


1.4数字货币钱包

金准人工智能专家认为,去中心化的多功能跨链数字钱包将成为区块链在金融服务领域的主流应用之一。由于中心化的数字货币交易所多次出现遭受攻击的情况,数字钱包的安全性将会越来越重要。

1.5全球各地区对数字货币态度不一

目前,区块链领域还处于乱象丛生的阶段。由于涉及到数字货币这一条离钱最近的产业链,因此相比于以往的其他风口,来得似乎更猛烈和疯狂。尤其是在ICO引发的诈骗事件频发的背景下,需要依靠相关监管政策的出台来规范产业健康发展。

进入2018年以来,各国对数字货币监管的重视程度越来越高。

美国:大多数数字货币交易发生在法律灰色地带,美国证券交易委员会正逐步加强对数字货币市场的监管。

英国:英国金融市场行为监管局(FCA)针对ICO和数字货币风险发布警告。FCA表示,ICO是高风险、投机性强的投资活动。若ICO落入FCA的监管范围,将具体情况具体分析。

韩国:韩国是对数字化货币态度最严格的国家之一。韩国民众对数字货币非常狂热,也催生了一些黑暗交易,韩国政府对数字货币的态度从暧昧转向成全面干预,甚至准备进行全面封杀,近期韩国接二连三的下发政策,禁止开放匿名加密货币。

俄罗斯:同意了对比特币等数字货币挖矿及供应进行正式监管,俄罗斯副财政部长表示,俄罗斯央行和财政部就数字货币交易问题达成一致。他表示,最终将由中央银行作出决定。

日本:日本是对数字货币态度最开放的国家之一,刚刚向11个交易所颁发了牌照,即在日本进行数字货币投资交易是获得允许的。

中国:出台了很多管制措施,如取缔数字资产交易所和ICO,禁止在线访问海外交易平台。在香港地区,管理者采取了更加宽松的策略,但是它禁止交易平台在未被官方允许的情况下把数字货币像证券那样进行任何交易。台湾地区正在观望。

南非:尽管南非央行已经表示将研究出台“适当的政策框架和监管制度”,但南非的市场监管机构并不监督数字货币或数字资产交易所。

德国:德国金融市场监管机构已经发布了指南,联邦金融监管局将对代币进行“严格的逐个检查”以确定其合法性,而不仅仅是发布管理该活动的宽泛的规则。

中国的94政策影响全球数字货币市场,各方对数字货币前景的观点不一。

政策:2017年9月4日,中国出台政策明确禁止数字货币的发行与交易。

影响:数字货币出现震荡,非主流的数字货币纷纷下架,导致资金金涌向主流数字货币,因此价格居高不下。

2.银行

区块链可以解决银行流程的痛点,与其“被革命”,不如先拥抱。

全球银行巨头积极布局区块链。

区块链可以实现信息的不可篡改,从根源上杜绝了数据作伪的可能性。由于银行对真实数据的要求远远高于其他行业,区块链在金融方面很高的应用价值,吸引了国内外银行巨头的积极布局,目前布局方式主要有三种:

1)强强联合:组建联盟,制订行业标准领先银行组成联盟,合力打造区块链技术开发的行业标准,共享资源和成果。如R3区块链联盟等。

2)广泛撒网:通过投资等方式参与不同项目发展通过投资等方式参与到不同项目的发展中,可以更快速的跟进技术发展和迭代。

3)内部驱动:结合自身业务场景推进技术应用银行针对自身业务应用场景,自建技术团队研发探索。

3.跨境支付

区块链解决方案使得B2B跨境支付的速度和效率得到提升跨境支付也是当前被行业普遍认为区块链最能发挥价值的应用领域。传统跨境支付存在多个痛点:需要经过开户行、对手行、代理行、清算行等多个组织机构,每个机构都有自己的账务系统,因此速度慢、效率低。

区块链:

利用无地域限制的通用数字资产作为支付媒介,减少中间流程利用去中心化共享账本技术,减少清结算效率。

4.供应链

基于区块链的溯源和供应链金融,未来空间巨大。

区块链对供应链领域的变革主要有供应链溯源和供应链金融两个切入点。

据金准人工智能专家测算,在全球范围内,区块链技术在供应链金融业务中的应用能帮助银行一年缩减运营成本约135-150亿美元、缩减风险成本11-16亿美元;买卖双方企业一年预计能降低资金成本约11-13亿美元,降低运营成本16-21亿美元。

三、全球区块链行业发展趋势展望

从互联网+到区块链+

区块链+和互联网+是完全不同的两条线

互联网改变信息传递和知识获取,区块链改变价值传递和定价规则。区块链不单是技术的创新,更是商业逻辑的改革。所以区块链不是互联网的升级版本,而是全新的一个链条,链接一切有价值的事物。

区块链和互联网的发展路径不会简单重复,但大致趋同。先从基础设施工具软件开始,到游戏娱乐、通信社交、电子商务、衣食住行,最后和传统行业结合。

区块链独有的分布式数据库,使人和人之间有了真正的信任和公平。

区块链技术仍在不断迭代和演进,研究需跟进,投资需谨慎

金准人工智能专家分析认为,区块链是产业进化过程中的一种技术,和云计算、大数据、人工智能一样,是推动人类进步的基础设施,作为行业参与者,我们应该理性看待区块链,既不能片面否定它,也不能无限夸大它。

总结与展望

全民狂欢时更应冷静学习和研究。

我们看到,在区块链行业快速发展的同时,也有一些盲目投资,跟风炒作的现象出现。特别是进入2018年以来,全社会对区块链的认知进一步提高,但实际上在全民狂欢的背后,很多人对区块链仍然似懂非懂。区块链的基础理论和技术研究仍处于起步阶段,许多更为本质性的问题研究并没有跟进。

泡沫也是推动技术革命的催化剂,最好的时机是等泡沫破灭,一切需要时间来选择。