外界讨论中国物流成本最多引用的数据是：

中国物流费用占 GDP 比例为 18%，而美国等发达国家是 8-9%，中国是美国的两倍。从逻辑上来说是否说明中国物流成本比美国高 2 倍?

我们举一个例子：

一家医药企业和食品企业同样从上海到北京运输一票100公斤货物，运费同样是200元。可是100公斤药品的零售价格是2万元，而100公斤食品的零售价格是5000 元。

从这两家企业角度来看，这票货的运费占收入的比例是：医药企业1%，食品企业4%。从运输单公斤成本来说，这两类企业是一样的;可是按运费占收入比例来说，差距就是4倍！

在所有物流费率方式中，按重量公斤计价是最通常的费率，在很多国家的物流运量宏观统计中，也普遍使用重量作为统计。

行业内通常的做法是使用吨公里这个运输周转量来达到更合理的成本衡量，即吨公里成本这个指标：平均来说每一吨货物运输一公里的费用。

然而事实上物流服务是个非常复杂多样的行业，除了运输之外，还包含仓储、管理、打包、分拣、保价、代收货款等各种增值业务。理论上来说，需要对每一项服务费用的收费进行比较逐项比较才能得出一个全景的结论。

本文只是从运输的角度做一个分析，由于运输费用基本占物流总成本的一半以上，因此从近似角度来说，比较吨公里物流总成本基本能够反映整体物流成本的高低。

1.1中国物流成本占GDP比例为美国的两倍

中国物流成本占GDP比例为18%,是美国的两倍。我们需要把这个指标用公式拆分成三个部分：

可以看到，物流成本占 GDP 比例取决于三个因素：

单位 GDP 的货运量，平均运距，物流费率。产生同样一美元的 GDP，在不同的经济结构里产生的货运量是不一样的。

最后一个是同样一吨货物运输一公里的物流费率是多少。在这三个指标里，只有物流费率是衡量物流成本高低的合理指标，其他两个指标则取决于经济结构，地理结构和人口分布等因素。

1.2物流成本占 GDP 比例的影响因素对比

下面来看看中美关于这三个指标的对比：

1.2.1单位 GDP 货运量

美国的 GDP 大约相当于中国的一倍，但是货运量只有中国的三分之一不到。

每万美元 GDP 美国只需要 7.7 吨货运量，而中国需要 48.7 吨，美国大约相当于中国的六分之一。

中美经济的巨大差异相信从这些数据中已经显露无疑。这个指标的差异也造成了我们理解物流成本占 GDP 比例时的一个最大的障碍。

总体上来说，发达国家经济体的服务业产值比例都相对比较高，工业产值比例稍低，这会造成发达国家相对的单位GDP货运量较低，会对物流成本占 GDP 比例有下降作用。但并非绝对，例如印度总体非常落后，但服务业占 GDP 比例高达 55%，工业产值比例只有 26% 左右。

1.2.2平均运距

平均运输距离在中美之间没有特别大的差异：中美的地理面积相当，城市同样分布辽阔。中国425公里，美国552公里，美国比中国多30%。至于为何美国比中国多 30%，据猜测其中一个原因可能是：中国的长三角经济带和珠三角经济带承载了一半左右的中国经济，大量的物流在这两个区域内部流动，拉低了平均运距。

1.2.3单位物流总成本

最后这个指标才是客观衡量物流成本高低的指标，中国吨公里的物流总成本 0.09 美元，而美国为 0.21 美元，约为中国的一倍。

需要说明这个数据是把所有的物流总成本（包含运输，仓储，管理和其他增值服务）分摊到周转量的结果，并非简单的运输吨公里成本。

从这个指标来看，美国的物流成本远远高于中国。这也就是用不同逻辑标准得出的结论的巨大差异。

1.3初步的结论

我们可以先初步总结以上的分析：

（1）根据物流成本占GDP比例去衡量物流成本高低是一个过于简单的方法，很可能会被国家的经济结构等其他因素所干扰。

（2）中国物流成本占GDP比例是美国的两倍，主要原因是同样的GDP中国需要6倍于美国的货运量，这是由中美的经济结构所决定的。

（3）从单位周转量的物流总成本来比较，按照官方汇率转换统计，中国只有美国的一半左右。中国的物流成本看起来远远低于美国。

2、物流成本高的具体表现与分析

2.1国内物流成本高的具体表现

2.1.1国内流通成本有多高

举个例子：鲜奶是城镇居民需求量最大的食品之一。在北京朝阳区某超市,伊利金典纯牛奶每箱12盒、每盒250毫升,价格69元,相当于每升23元；荷兰荷高(Globemilk)全脂纯牛奶,每盒1升只售22.8元,比伊利金典还便宜。

“门道就在于,国产奶虽然只在国内转一圈,但流通成本还是太高了。”中国连锁经营协会秘书长裴亮说。所谓“流通成本”是指消费品离开工厂或田间至消费者手中这期间的成本,这不仅包含运输成本,也包括仓促、分销等成本。以国产乳制品为例,不仅要经过一级批发和二、三级分销环节,而且为了争到超市货架的好位置,往往还得交一笔不低的进场费、宣传费。据一些企业测算,国产乳制品流通成本占总成本的比例超过50%,而进口奶一般是一级代理商直通门店,有些产品由超市直接从原产地进货,没有过多中间环节。

在国内消费市场,商品零售价和出厂价差别较大的现象很普遍,多数是流通环节成本过高所致。

再比如在湖南长沙,雨花区某建材店的店主介绍,建材家居业流通环节加价严重,一些产品在建材市场的售价是出厂价5倍以上。国内家居建材商品的物流费用占销售收入的比例接近20%,而同类商品在欧、美、日的物流费用占比不到10%。

中国物流与采购联合会副会长贺登才说,从物流过程看,在运输、保管、管理三个物流环节中,我国流通成本高在保管、管理环节。去年,全国物流总费用为11.1万亿元,占GDP的15%左右,明显高于发达国家平均8%—9%的水平,其中保管费用占33.1%,管理费用占13%。与发达国家相比,我国物流保管费用是它们的2倍,管理费用是其3至4倍。物流成本占产品成本的比例,我国大约在30%—40%,而其他发展中国家约为15%—25%,发达国家一般为10%—15%。

从流通组织看,流通主体规模小、形式散、环节多、效益差,是国内流通业的顽症。全国供销合作总社经济发展部副部长马继红说,我国流通主体形式多样、性质多元,商品流通中多级批发、多级零售现象十分普遍。粗略计算,流通过程每增加一个环节,平均加价5%至10%,这些成本最终都会转嫁到零售价格。

2.1.2流通堵点到底有多少

京东集团副总裁傅兵说,一件商品由生产地流通到销售地,由一次次单线流通串联起来,所有单线成本加总形成综合成本。

傅兵认为,如果看单线流通成本,我国并不高,甚至比一些发达国家还低。这不难理解,一件商品无论是从城市到城市,还是从城市到农村,我国在人力等方面有明显优势。以快递费为例,国内1公斤以下单件快递收费是10至13元,而在美国,这笔费用一般在10美元以上。

国内商品流通成本高,主要就高在综合成本上。由于流通领域发展滞后,流通环节过多,很多明明可以直接从产地到销地的商品,经过几次不必要的“折腾”后,综合成本就蹿升一大截。

——标准不统一,由此产生大量不必要的搬倒腾挪。

“在一些产品运输中,海运、铁运、公运各有各的标准,各干各的。”青岛港海铁联运中心经理吕世鹏说,以运输食用油为例,铁路部门要求必须用指定的油罐和液袋,公路部门也有自己的规定,从海路转铁路或从铁路转公路,都要重新经过腾挪分装,时间、费用成倍增加。

中国物流与采购联合会的调查数据显示,在我国商品流通中,因不必要的搬倒腾挪产生的流通费用占流通总费用的25%左右,主要表现在海、铁、公多式联运比重低、甩挂运输进展慢等方面。欧洲国家的成熟国际港口中,海、铁、公多式联运比重占货物运输总量的30%左右,而我国的这个比重不到5%。

——信息不透明,“车找货”与“货找车”同时存在。

“一边车找货,一边货找车,两头接不上,只能干着急。”青岛邦达物流总经理李恒亮说,公司配送车辆把货物送达目的地后,理想状态是返程时也能运输商品,从而降低流通成本。但实际情况是,返程车辆经常找不到合适的货源,陷入“等还是不等”的两难:空车返程确实很浪费,但如果死等货源,成本也不低——每多等一天,人工、保险费用就增加5%左右。

物流需求并非没有,而是由于信息不对称,无法第一时间找到对路的车辆。受访的物流企业都提及一个问题:目前国内流通公共服务平台建设进展缓慢,导致物流供、需两端信息没打通,供需不能高效匹配,“车等货”与“货等车”并存。在一些物流公司,货运空载率接近40%,即使在货源充足的上海等地区,公路运输的空驶率也比发达国家高4倍。

——规划不合理,迂回成本和闲置成本造成大量浪费。

地方上虽然越来越重视流通基础设施建设,但实际资金投入仍不足,远低于对农业、工业领域的投入,企业自建占了很大比例,缺乏统一规划。在物流集散地之间的频繁倒腾,增加了很多不必要的成本。

南京港集团公司监事会主席刘凯军说,随着船舶大型化,港口经营本该集约化、规模化,但在一些港区,企业自建码头与公共码头共存,武钢的矿石不能在马钢的码头装卸,钢厂的码头不给水泥厂使用,只能来回运。加上布局分散、设施和设备空置,实在是太浪费。

——政策不协调,一些地方管理办法让物流公司无所适从。

“在运输环节,过路费、过桥费的运输成本占了20%以上,还有降低空间。”河南大象物流有限公司总经理靳海涛说,国家为鲜活农产品运输开辟了绿色通道,但各地在执行过程中,查得相当严苛,甚至有些不合理:鲜活的鱼虾可以免费,稍微有些冷冻的却不行；猪胴体可以免费,但分割后就不行；装多了不行,装少了也不行。若是送货到多个目的地,常常送到一半,由于车辆满载率不足,明明也没有装别的货,剩下的路途就不能免费了。

各地交通运输管理不统一,给物流企业增加了不必要的成本。比如,一车货,在A省不算超载,在B省却被认为超载；在甲市能进入主城区,在乙市就要绕行。乱收费乱罚款也较普遍。“因政策不统一、不协调造成的体制性成本,是最需要铲除的。”浙江八方物流贸易部经理舒亚玲说。

2.2原因与影响分析

2.2.1物流成本高的原因

我国物流成本高的原因是比较复杂的，既有物流业本身的问题，也有其他方面的问题。

第一，是产业结构和生产力布局，这是物流费用高的基础性因素。我们国家处于重化工阶段，但是资源主要在西部、北部，制造业集中在沿海，市场又在全国、全世界，西气东输、北煤南运、北粮南运等现象普遍存在，这个特点客观地决定了我们物流运输强度大、距离长。原材料运到东部，产品再运到中西部，全国产品大搬家。物是这样，人也是这样，每年春运潮就是这个因素。这首先还是产业机构和生产力布局的原因，当然也是历史形成，是客观造成的。

其次，是运输结构不合理和协动性不够，也推高了物流费用。据测算，铁路运输比公路便宜四分之一，水路比公路便宜三分之二，但是现在我们主要还是靠公路运输，铁路、水路运输方式使用率还比较低。内陆地区这个问题更严重，重庆市靠在长江边上，公路货运量占总货运量的86%，水运只占11.7%，铁路只占2.3%，也就是说，黄金水道没出黄金。同时，我国综合交通运输体系尚未完全形成，不同运输方式难以有效衔接，也影响了物流效率。目前，港口集装箱吞吐量80%以上靠公路运输，海铁联运仅有2%左右，远低于全球20%、美国40%的水平。建设长江经济带，就提到要注重发挥水运运量大、成本低、节能节地的优势，抓好综合立体交通走廊建设，提升长江黄金水道功能，建设快速大能力铁路通道、高等级广覆盖公路网和航空网络，加强各种运输方式与港区的衔接，大力发展江海联运、干支线直达和铁水、空铁、公水等多式联运。

再次，最后才说物流业本身的事。物流业的标准化、信息化、组织化、集约化程度低，特别是公路物流业的小、散、弱格局没有根本改变，行业集中度很低。我们国家现有1112万辆载重汽车，但是经营主体多少呢?722万家，只有一台车的个体运输户占公路运输市场份额的40%。由于信息化滞后，车找不到货，货找不到车的问题十分常见。即使是物流发达的上海，2011年货运汽车的空驶率仍然高达37%，是欧美平均水平的3倍。这些情况表明我们是物流大国，但还不是物流强国，全面提升物流业发展水平还有很长的路要走。这个事要提上议事日程，但是要真正解决问题还需要一个相当长的过程。

充足的运输鼓励市场竞争和较低的价格，廉价运输有助于开拓市场，让物流总成本更低是发展的需要，贸易的需要。

我们可以和欧美发达国家的过去、现在比较，也可以和巴西、印度等发展中国家比较，找出在不同的历史时期、市场环境、法律法规下影响物流的差异。

不管成本高低，都可以说我们赶上了物流发展的好时期，这得益于中国经济的发展惠及物流业，也让更多的货运老板们经过辛勤努力，能坐在屋子里指点物流，而不是拉着板车。

2.2.2高成本流通造成的影响

不仅加重消费者的负担,也成为企业开拓市场的主要障碍,消费端越远,流通成本越高,产品跑远了根本没有竞争力。

作为连接生产和消费的中间环节,流通不容小觑。一件商品从出发地到目的地,通不通、顺不顺、快不快,直接影响最终消费体验和消费意愿。过高的流通成本,不仅增加消费者负担,也不利于提升企业的市场竞争力。

以食品市场为例,流通不畅导致的“卖难买贵”长期困扰产销双方。

资料显示,近5年我国进口食品消费快速趋旺,年均增长率达15%。随着市场不断开放,进口食品将更多进入中国家庭,对国内市场影响明显,生产企业“压力山大”。

南京奶业集团财务部主管杨东认为,流通成本过高成为企业开拓市场的主要障碍。作为近代中国第一家牛奶企业,“卫岗”牌牛奶已有近百年历史,但现在“卫岗”奶集中在南京及周边城市销售,因为消费市场越远,流通成本越高。“如果跑远了,跟当地产品相比,就根本没有竞争力。”

流通提质增效对促进消费的作用十分可观。据测算,社会物流总费用占GDP的比重下降1个百分点,就可以节约7500亿元。节省下来的成本让利给消费者,将带来明显的拉动效应。

对物流企业而言,降本压力同样近在眼前。我国多数物流企业规模偏小,竞争激烈。去年全国物流50强的业务收入仅占物流总收入的10%左右。公路运输经营业户达810万户,其中个体户逾90%。从业者处处感受到生存危机。

中国物流与采购联合会会长何黎明认为,在现代商品社会,人们的日常生活就是一个供应链体系,许多消费者碰到的不方便、不称心、不安全,说到底是因为各种资源没有整合好,流程未优化,环节太多,成本太高。重塑产业链、供应链、服务链和价值链,可以明显提升居民生活品质和幸福指数。

3、物流成本高的解决对策

国内物流成本高，是一个讨论了多年的老话题。尽管这些年来我国针对畸高的物流成本出台过不少解决意见和方案，但物流成本仍然居高不下。这就值得我们深思，究竟该采取哪些有效措施促使物流成本尽快回归合理水平，以降低企业成本和消费者负担？

显然，物流成本高不仅高在某一个环节，而是多环节不合理。这就提醒有关方面在统一标准、信息透明、合理规划以及协调政策等多个方面一起下功夫。当然，这也是个涉及面大的系统工程，要想完成这个工程，关键要从两方面入手，一是法律法规，二是信息共享。也就是说，既需要法律法规来明确相关标准、规划、政策等，也要以共享思维降物流成本。

长期以来，我国物流系统法律法规比较分散，没有形成一个完整体系。虽然邮政法、道路交通安全法、合同法、快递市场管理办法等法律法规对物流环节有所涉及，但过于分散而影响实施效果。再比较他国，比如日本，就会发现我国的物流法律体系不完善，而且法律法规针对性不强。日本物流法律体系就比较专业。比如针对物流据点就有多部法律——大规模零售店铺布局法、流通业务城市街道整备法和汽车终端站场法等；再如针对运输环节，有货物汽车运输事业法、货物运输经营事业法、港口运输事业法等。从实施效果来看，针对性较强。

要想降低物流成本，完善立法是基础。除此之外，还需要运用共享思维、互联网技术，让整个物流系统尽快“共享”起来。比如说，很多蔬菜在农村“菜贱伤农”，而在城市却售价居高不下，原因在于产销两端均处于信息“孤岛”，需信息共享解决大问题。再比如，如果有一个专门平台既有货物信息又有车辆信息，“货找车、车找货”的问题很容易就解决了。从这个角度来说，国内物流业的信息化水平还比较滞后，物流企业之间以及从业者之间缺少一种共享精神。

物流业可以出现多个信息共享平台，共享经济的“蛋糕”很大。创业者、风投们可以把目光放在物流行业，用市场之力促进物流业降本增效。当然，让物流业实现数据、信息共享的同时，也要防止极端事件出现，如不久前顺丰与菜鸟之间的“数据断交”。

一旦国内物流成本回归合理水平，其减负效果不言而喻。所以，当务之急就是“完善立法+信息共享”双轮驱动。其中，实现信息共享相对容易一些，而相关立法也要快速跟上。

近日， 国际开源界顶级会议LC3（LinuxCon + ContainerCon + CloudOpen）首次在国内举行，阿里云首席架构师唐洪作为特邀嘉宾出席并发表主题演讲。其中第二部分，主要分享了阿里云目前的技术架构和亮点，以及在此基础上形成的广泛的阿里云产品生态。

金准数据从数据来源、数据源结构、数据变化程度和数据规模等4个维度对数据源进行分类，来介绍大数据平台架构技术选型与场景运用。本文要分享的大数据平台架构技术选型及场景运用偏向于工程方面。

一、大数据平台

大数据在工作中的应用有三种：

与业务相关，比如用户画像、风险控制等;

与决策相关，数据科学的领域，了解统计学、算法，这是数据科学家的范畴;

与工程相关，如何实施、如何实现、解决什么业务问题，这是数据工程师的工作。

如图所示，大数据平台第一个要素就是数据源，我们要处理的数据源往往是在业务系统上，数据分析的时候可能不会直接对业务的数据源进行处理，而是先经过数据采集、数据存储，之后才是数据分析和数据处理。

从整个大的生态圈可以看出，要完成数据工程需要大量的资源;数据量很大需要集群;要控制和协调这些资源需要监控和协调分派;面对大规模的数据怎样部署更方便更容易;还牵扯到日志、安全、还可能要和云端结合起来，这些都是大数据圈的边缘，同样都很重要。

二、数据源的特点

数据源的特点决定数据采集与数据存储的技术选型，我根据数据源的特点将其分为四大类：

第一类：从来源来看分为内部数据和外部数据;

第二类：从结构来看分为非结构化数据和结构化数据;

第三类：从可变性来看分为不可变可添加数据和可修改删除数据;

第四类，从规模来看分为大量数据和小量数据。

1、内部数据与外部数据

内部数据：来自企业内部系统，可以采用主动写入技术(push)，从而保证变更数据及时被采集。

外部数据：企业要做大数据的话肯定不会只局限于企业内部的数据，比如银行做征信，就不能只看银行系统里的交易数据和用户信息，还要到互联网上去拉取外部数据。

外部数据分为两类：一类是要获取的外部数据本身提供API，可以调用API获取，比如微信;另一类是数据本身不提供API，需要通过爬虫爬取过来。这两类数据都不是我们可控制的，需要我们去获得，它的结构也可能跟我们企业内部数据的结构不一样，还需要进行转换，爬虫爬取的数据结构更乱，因此大数据平台里需要做ETL，由ETL进行数据提取、转换、加载，清洗、去重、去噪，这个过程比较麻烦。爬虫爬过来的数据往往是非结构性的、文档型的数据，还有视频、音频，这就更麻烦了。

2、结构化数据和非结构化数据

结构化和非结构化数据在存储时的选型完全不同，非结构化数据偏向于文件，或者选择NoSQL数据库;考虑到事务的一致性，我们也可能选择传统的数据库。

3、不可变可添加数据和可修改删除数据

不变可添加数据：如果数据源的数据是不变的，或者只允许添加(通常，数据分析的事实表，例如银行交易记录等都不允许修改或删除)，则采集会变得非常容易，同步时只需要考虑最简单的增量同步策略，维持数据的一致性也相对变得容易。

对于大数据分析来说，我们每天在处理的数据大部分是不可变更的。正如Datomic数据库的设计哲学就是数据为事实(fact)，它是不可变的，即数据是曾经发生的事实，事实是不可以被篡改的，哪怕改一个地址，从设计的角度来说也不是改动一个地址，而是新增了一个地址。交易也是如此。

可修改可删除数据：银行的交易记录、保险单的交易记录，互联网的访客访问记录、下单记录等都是不可变的。但是数据源的数据有些可能会修改或删除，尤其是许多维表经常需要变动。要对这样的数据进行分析处理，最简单的办法就是采用直连形式，但直连可能会影响数据分析的效率与性能，且多数数据模型与结构可能不符合业务人员进行数据分析的业务诉求。如果采用数据采集的方式，就要考虑同步问题。

4、大数据量

大数据量：针对大数据量，如果属于高延迟的业务，可以采用batch的处理方式，实时分析则需要使用流式处理，将两者结合就是Lambda架构，即有实时处理、又能满足一定的大数据量，这是现在比较流行的大数据处理方式。

三、数据存储的技术选型

大数据平台特征：相同的业务数据会以多种不同的表现形式，存储在不同类型的数据库中，形成一种poly-db的数据冗余生态。

先把数据源进行分类，然后根据其特点判断用什么方式采集，采集之后要进行存储。数据存储的技术选型依据有三点：

第一点取决于数据源的类型和采集方式。比如非结构化的数据不可能拿一个关系数据库去存储。采集方式如果是流失处理，那么传过来放到Kafka是最好的方式；

第二点取决于采集之后数据的格式和规模。比如数据格式是文档型的，能选的存储方式就是文档型数据库，例如MongoDB;采集后的数据是结构化的，则可以考虑关系型数据库;如果数据量达到很大规模，首选放到HDFS里；

第三点是分析数据的应用场景。根据数据的应用场景来判定存储技术选型。

场景一：舆情分析

如图所示，爬虫将数据爬到Kafka里，在里面做流处理，去重去噪做语音分析，写到ElasticSearch里。会根据不同的场景选择不同的数据库，所以会产生大量的冗余。整个查询时间能控制在几秒以内。

场景二：商业智能产品

BI产品主要针对数据集进行的数据分析以聚合运算为主，比如求合、求平均数、求同比、求环比、求其他的平方差或之类的标准方差。我们既要满足大数据量的水平可伸缩，又要满足高性能的聚合运算。选择Parquet列式存储，可以同时满足这两个需求.

场景三：Airbnb的大数据平台

Airbnb的大数据来自两块：一是本身的业务数据，二是大量的事件。数据源不同，采集方式也不一样。日志数据通过发送Kafka事件，而线上数据则通过Sqoop同步。数据存储选择HDFS集群，然后通过Presto对Hive表执行即席查询。S3是一个独立的存储系统。

四、数据处理

数据处理分为三大类：

第一类是从业务的角度，细分为查询检索、数据挖掘、统计分析、深度分析，其中深度分析分为机器学习和神经网络;

第二类是从技术的角度，细分为Batch、SQL、流式处理、machine learning、Deep learning;

第三类是编程模型，细分为离线编程模型、内存编程模型、实时编程模型。

结合前文讲述的数据源特点、分类、采集方式、存储选型、数据分析、数据处理，我在这里给出一个总体的大数据平台的架构。值得注意的是，架构图中去掉了监控、资源协调、安全日志等。

左侧是数据源，有实时流的数据(可能是结构化、非结构化，但其特点是实时的)，有离线数据，离线数据一般采用的多为ETL的工具，常见的做法是在大数据平台里使用Sqoop或Flume去同步数据，或调一些NIO的框架去读取加载，然后写到HDFS里面，当然也有一些特别的技术存储的类型，比如HAWQ就是一个支持分布式、支持事务一致性的开源数据库。

从业务场景来看，如果我们做统计分析，就可以使用SQL或MapReduce或streaming或Spark。如果做查询检索，同步写到HDFS的同时还要考虑写到ES里。如果做数据分析，可以建一个Cube，然后再进入OLAP的场景。

这个图基本上把所有的内容都涵盖了，从场景的角度来分析倒推，用什么样的数据源、采用什么样的采集方式、存储成什么样子，能满足离线、内存、实时、流的各种模型，都能从图中得到解答。

五、案例分析

阿里云首席架构师唐洪的部分演讲内容：

下图我们看到的是一个规模迅速扩张的阿里云基础设施分布图，它是什么样的呢？首先，我们数据中心是按照地域来组织，尤其是在具体地区里边有这样一个网络，我们管它叫做Transfer network转移网络。另外，还有一个骨干网络，这是一个数据中心之间的网络，我们怎么样和用户，用户如何和我们数据中心进行连接的这样一个骨干网。

今天的阿里云数据中心可用地区全球分布，在大陆我们有6个地区，华北区3个，华南区1个，还有华东区两个，此外我们还有11个海外地区，分布在北美、欧洲和东南亚等地；另外我们有超过600个PoP节点，总共20TB/s的带宽处理能力。下面这张幻灯片显示出我们阿里飞天超大规模云计算操作系统的架构图，最底层的就是我们各个地区的数据中心。

在数据中心之上我们还有四个红框标准出来的模块，这些是构建分布式系统的最基础的组件，比如说分布式协同，还有安全管理，日志收集、监控、预警、追踪、诊断等等都在这一层。在这层之上，我们有两大系统，其中一个叫做盘古，负责存储管理，另一个叫伏羲，负责分布式的资源管理。实际上通过这两大管理系统，所有的数据中心里的计算、存储和网络等资源都可以作为统一的资源，进行调度、管理和存储等操作。在右面还有一个叫天基，负责基础设施管理和服务管理，大家可以看到，这是飞天系统里非常底层但也是非常重要的一部分，因为它实际上上面连接应用层，下面管理最底层的数据中心等硬件设备。所以它的重要性就是负责服务部署，扩展及服务器监控等，比如一些服务器有问题的时候，可以迅速找到并马上关掉它，然后下线分离它并把它单独处理。

然后，在这个红色的基础设施管理和资源管理层之上，就是我们的租户管理系统，主要有认证，还有授权、监控和计费等功能。在这之上，则是打包好的各种应用系统服务和调用，包括四大类：计算、存储、数据库和网络；另外还有各种中间件、服务协同及Serverless 计算等；此外我们还提供一些高级的服务功能，包括各种数据智能化服务，比如BI、AI和机器学习等，另外还有一些安全的服务。再上边那些橘黄框里的功能，实际上是提供数据交互服务的，比如说数据迁移，数据库同步，还有内容分发（CDN），还有高速通道，这是构建混合云的核心组件，能够让租户的自有机房和他们在云上的虚拟私网打通 。

最后，大家可以把最上面绿色的那部分看作云的应用层，我们管它叫做“云市场”。我们把这个Apsara称作为一个超大规模的云计算操作系统，之所以叫做操作系统的原因就是，实际上Apsara和一个单机的PC操作系统其实是很相似的。 最底层都是硬件，红的那层对应的是内核，在内核之上，今天所有的PC都是多用户的，有账户管理模块。 所有的这些蓝色的云服务对应于一个PC操作系统的系统调用、系统服务和原生应用。最后大多数的现代的操作系统，都有一个应用（Apps）商店。

在这篇文章中，作者首先介绍了一下神经网络、RNN和LSTM的基本概念，然后举例对比了三种网络的性能，并且进一步讲解了LSTM。

LSTM是神经网络一个相当简单的延伸扩展，而且在过去几年里取得了很多惊人成就。我第一次了解到LSTM时，简直有点目瞪口呆。不知道你能不能从下图中发现LSTM之美。

先简单介绍一下神经网络和LSTM。

神经网络

假设我们有一个来自电影的图像序列，然后想用一个活动来标记每张图像。例如这是一场打斗么？角色在交谈？角色在吃东西？

应该怎么做？

一种方法是忽略图像的顺序属性，把每张图片单独考虑，构建一个单张图片的分类器。例如，给出足够的图片和标签：

• 算法首先学习检测形状、边缘等低级模式

• 在更多数据的驱动下，算法学会将低级模式组合成复杂形态，例如一个椭圆形上面有两个圆形加一个三角形可以被认为是人脸

• 如果还有更多数据，算法会学到将这些高级模式映射到活动本身，例如有嘴、有牛排、有叉子的场景可能是吃饭

这就是一个深度神经网络：得到一个图像输入，返回一个活动输出。

神经网络的数学原理如图所示：

用RNN记住信息

忽略图像的顺序可以算是初步的机器学习。更进一步，如果是一幕海滩的场景，我们应该在后续帧中强化海滩相关的标记：如果有人在水中，大概可以标记为游泳；而闭眼的场景，可能是在晒太阳。

同样，如果场景是一个超市，有人手拿培根，应该被标记为购物，而不是做饭。

我们想做的事情，是让模型追踪世界的状态。

1. 看到每个图像后，模型输出一个标签，并更新其对世界的知识。例如，模型能学会自动发现和追踪信息，例如位置、时间和电影进度等。重要的是，模型应该能自动发现有用的信息。

2. 对于给定的新图像，模型应该融合收集而来的知识，从而更好的工作。

3. 
   

这样就成了一个循环神经网络RNN。除了简单的接收一张图片返回一个活动标记之外，RNN会通过给信息分配不同的权重，从而在内部保留了对世界的记忆，以便更好的执行分类任务。

RNN的数学原理如图所示：

通过LSTM实现长期记忆

模型如何更新对世界的认知？到目前为止，还没有任何规则限制，所以模型的认知可能非常混乱。这一帧模型认为人物身处美国，下一帧如果出现了寿司，模型可能认为人物身处日本……

这种混乱的背后，是信息的快速变换和消失，模型难以保持长期记忆。所以我们需要让网络学习如何更新信息。方法如下：

1. 增加遗忘机制。例如当一个场景结束是，模型应该重置场景的相关信息，例如位置、时间等。而一个角色死亡，模型也应该记住这一点。所以，我们希望模型学会一个独立的忘记/记忆机制，当有新的输入时，模型应该知道哪些信息应该丢掉。

2. 增加保存机制。当模型看到一副新图的时候，需要学会其中是否有值得使用和保存的信息。

3. 所以当有一个新的输入时，模型首先忘掉哪些用不上的长期记忆信息，然后学习新输入有什么值得使用的信息，然后存入长期记忆中。

4. 把长期记忆聚焦到工作记忆中。最后，模型需要学会长期记忆的哪些部分立即能派上用场。不要一直使用完整的长期记忆，而要知道哪些部分是重点。

这样就成了一个长短期记忆网络（LSTM）。

RNN会以相当不受控制的方式在每个时间步长内重写自己的记忆。而LSTM则会以非常精确的方式改变记忆，应用专门的学习机制来记住、更新、聚焦于信息。这有助于在更长的时期内跟踪信息。

LSTM的数学原理如图所示：

卡比兽

我们不妨拿《神奇宝贝》中的卡比兽对比下不同类别的神经网络。

神经网络

当我们输入一张卡比兽被喷水的图片时，神经网络会认出卡比兽和水，推断出卡比兽有60%的概率在洗澡，30%的概率在喝水，10%的概率被攻击。

循环神经网络（RNN）

在隐藏状态（Hidden State）为“战斗场景开始”的情况下输入神奇宝贝喷水进攻图，RNN能够根据“嘴中喷水”的场景推测图一神奇宝贝是在进攻的概率为85%。之后我们在记忆为“在战斗、敌人在攻击和敌人是水性攻击”三个条件下输入图片二，RNN就会分析出“卡比兽被攻击”是概率最大的情况。

LSTM

在长期记忆（Long-Term Memory）为“卡比兽喜欢吃竹子”、“每个战斗回合为一分钟”和“敌人在屏幕中央”，工作记忆（Working Memory）为“每个战斗回合为一分钟”“敌人在屏幕中央”的情况下，输入卡比兽被喷水的图片，LSTM会选择性处理一些信息。它选择性记忆了卡比兽的痛苦的表情，忘掉了“屏幕中央的是敌人”这条信息，得出卡比兽被攻击的可能性最大。

学会编码

有一种字符级的LSTM模型，可以通过输入的字符级序列来预测下一个可能出现的字符。我将用这种模型向大家展示LSTM的用法。

虽然这个方法看起来不成熟，但不得不说字符级的模型使非常实用，个人觉得比单词级模型还要实用一些。比如下面这两个例子：

1. 假设有一种代码自动填充器足够智能，允许手机端编程。

理论上讲，LSTM可以跟踪当前所用方法的返回类型，更好地建议返回哪个变量；也可以通过返回错误类型告诉你程序是否有bug。

2. 像机器翻译这种自然语言处理程序通常很难处理生僻术语。

怎样才能把之前从未见过的形容词转换成相应的副词？即使知道一条推文是什么意思，但怎样为它生成标签？字符级模型就可以帮你处理这些新出现的术语，不过这也是另外一个领域研究的事情了。

所以在一开始，我用亚马逊AWS弹性计算云EC2的p2.xlarge在Apache Commons Lang代码库训练了三层LSTM，几个小时后生成了这个程序：

虽然这段代码并不完美，但已经比我认识的很多数据专家编写的代码优秀了。从这里我们可以看出LSTM已经学会很多有趣且正确的编码行为：

可以构建class：优先放许可证，之后是程序包和导入包，再之后放注释和类别定义，最后是变量和方法。它也知道如何创造方法：需要遵循正确的描述顺序，查看装饰器是否处于正确的位置，以适当的语句返回无类型指针。重要的是，这些行为还跨越了大量的代码。

可以跟踪子程序和嵌套级别：如果语句循环总是被关闭的话，缩进处理是一个不错的选择。

它甚至知道如何创建测试。

此模型到底是怎样做到上面这些功能的呢？我们可以看几个隐藏状态。

这是一个神经元，看起来它似乎在追踪代码的缩进级别。在神经元以字符为输入进行读取，例如试图生成下一个字符的时候，每个字符都根据神经元的状态被标记了颜色，红色表示负值，蓝色表示正值。

这里有一个可以计算两个标签距离的神经元：

还有一个在TensorFlow代码库中生成的不同3层LSTM的有趣输出结果：

研究LSTM的内部结构

上面我们了解了几个隐藏状态的例子，不妨再聊得深入一些。我在考虑LSTM cell和它们的其他记忆机制。或许它们之间也存在令人惊叹的关系。

计数

为了探究这个问题，我们需要先教LSTM学会计数，所以我生成了下面这个序列：

aaaaaXbbbbb

这串序列中，在N个a之后跟着一个定界符X，之后又跟着N个字符b。在这里，1<=N<=10。我们用此序列训练带有10个隐藏神经元的单层LSTM。

正如预期的那样，LSTM在其训练范围内表现良好，甚至可以生成一些超过了训练范围的东西。

aaaaaaaaaaaaaaaXbbbbbbbbbbbbbbb

aaaaaaaaaaaaaaaaXbbbbbbbbbbbbbbbb

aaaaaaaaaaaaaaaaaXbbbbbbbbbbbbbbbbb

aaaaaaaaaaaaaaaaaaXbbbbbbbbbbbbbbbbbb

aaaaaaaaaaaaaaaaaaaXbbbbbbbbbbbbbbbbbb

我们期望找到一个隐藏的状态神经元计算a的数量：

为此我还专门构建了一个小型网页应用，它不仅可以在刚刚的基础上计算a的数量，还能计算b的数量。

此时cell表现很相似：

还有一件有趣的事情，工作记忆看起来像一个长期记忆的增强版，这在一般情况下是正常的吗？

答案是肯定的，这也和我们期望的完全一样。因为长期记忆被双曲正切激活函数限制了输出内容。下面是10个cell状态节点】的总览，我们可以看到很多代表接近0值的浅色cell。

相比之下，这10个工作记忆的神经元看起来更专注，1号、3号、5号和7号在序列的前半部分看起来都是0。

那我们再看看2号神经元，这里给大家展示一些备用记忆和输入门（Input Gate）。它们在神经元的每半部分都是稳定的——就像神经元在每个步骤都在计算a+=1或b+=1一样。

最终，我们得到了所有神经元的内部结构：

如果你也想为不同的神经元计数，可以看看这个可视化工具。

可视化工具链接：

http://blog.echen.me/lstm-explorer/#/network?file=counter

伯爵

还记得美国公共广播协会（PBS）制作播出的儿童教育电视节目《芝麻街》，里面有一个魔方吸血鬼样子设计的玩偶，叫伯爵。他喜欢数数，对计算机的兴趣没有边界。我就把这一部分的标题命名为伯爵好了。

现在我们看一个稍微复杂一点的计数器，这一次我生成了序列化的表单是：

aaXaXaaYbbbbb

上面这串序列的特点是N个a和X任意交叉排列，再加入一个定界符Y，最后加入N个b。LSTM仍需计数a的数目，这次也同样需要忽略X。

完整的LSTM链接：

http://blog.echen.me/lstm-explorer/#/network?file=selective_counter

我们希望得到遇到X时输入门是0的计数神经元。

上面就是20号神经元的cell状态。在还没有到达定界符Y时它会一直增大，之后一直递减直到序列的末尾——就像它计算的是num_bs_left_to_print变量，根据a的增量和b的递减不断变化。

它的输入门确实忽略了X：

有趣的是，备用存储器完全激活了不相关的定界符X，所以我们还是需要一个输入门。（如果输入门不是架构的一部分，想必神经网络将学会用其他方式学会忽略X）

那我们继续看10号神经元。

这个神经元很有意思，因为它只有在读取定界符Y时才可以激活，但它仍然试图编码目前在序列中看到的a。这很难从图中看出，但当读取到Y属于有相同数量的a的序列时，所有的元胞状态都是几乎相同的。可以看到，序列中a越少，Y的颜色越浅。

记住状态

接下来，我想看看LSTM是如何记住元胞状态的。我在再次生成一些序列：

AxxxxxxYa

BxxxxxxYb

在这个序列中，A或B后面可以接1-10个x，之后接入定界符Y，最后以开头字母的小写结尾。这种神经网络需要记住序列是否为一个A或B序列状态。

我们希望找到一个神经元，当记住这个序列以A开始时触发，另一个神经元会在记住它以B开始时触发。我们也确实找到了。

例如，这里有一个神经元A，当它读到一个A时，它会激活，并记住它，直到需要生成最终的字符为止。注意，输入门忽略了中间所有的x字符。

这里还有一个副本B：

有趣的是，直到网络读取Y定界符前，A和B的状态信息都是不需要的，但隐藏的状态还是会在所有中间输入中触发。这看起来有点“低效”，但也许是因为这个神经元还承担了计算x数量的任务。

复制任务

最后，我们看看如何让LSTM复制信息。

对于这个训练任务就，我训练了两层的LSTM序列：

baaXbaa

abcXabc

也就是说，这是一个由a、b、c组成的三个字符的子序列，后接定界符X，最后接一个相同的序列。

我并不确定复制神经元是什么样，所以为了弄清存储最初子序列部分的神经元，我查看了它们在读取定界符X时的隐藏态。因为网络需要对初始子序列进行编码，因此它的状态应该根据所学内容的不同显示不同的格式。

以下面这张图表为例，它绘制了5号神经元在读取定界符X时的隐藏状态。神经元显然能区分序列是不是以“c”开始。

再举一个例子，下图是20号神经元在读取X时的隐藏状态，它好像是把从b开始的序列都挑了出来。

如果观察20号神经元的cell状态，你会发现它几乎可以自己捕捉全部3个字符的子序列。在只有一个维度的情况下能做到这样，非常了不起。

这是20号神经元的cell在整个序列中的隐藏状态。注意它的隐藏状态已经在全部初始子序列中被切断。

然而，如果我们仔细观察会发现，每当下一个字符是b时，神经元就会被触发。因此与其说这个神经元代表的是一个从b开始的序列，不如说是下一个字符是b的预测器。

据我所知，这种模式似乎在整个网络中都保持着——所有的神经元都在预测下一个字符，而不是记住特定位置的字符。例如，5号神经元似乎是“下一个字符是c”的预测器。

我不确定这是否是LSTM在复制信息时学会的默认行为，或者是其他的复制机制也会这样做。

状态和门

为了真正了解不同LSTM中不同的状态和门的作用，我们换个角度重新讲讲上一部分。

cell状态和隐藏状态

我们最初把cell状态描述为一种长期记忆，而隐藏状态是一种提取和聚焦这些记忆的方法。

所以当记忆与当前无关时，我们期望隐藏状态可以关闭——前面讲的序列复制神经元就是这样。

遗忘门

遗忘门（Forget Gate）会丢弃cell状态的信息（0意味着完全忘记，1意味着完全记住），所以我们期望当它需要记住一些确切的东西时，它可以被完全激活；当不再需要这些信息时，它可以被再次关闭。

这就是我们看到的这个A记忆神经元：遗忘门在被触发时记住当它经过x时的A状态，当它准备生成最后的a时将关闭。

输入门（保存门）

输入门（Input Gate，我以前叫它“保存门”）决定了是否从新输入中保存信息。因此它需要在遇到无用信息时关闭。

这也就是选择性计数神经元所做的：计算a和b的值，但忽略不相关的x。

令人惊讶的是，我们的LSTM方程中没有任何地方指定了输入、遗忘和输出门的工作方式，神经网络会自学什么是最好的。

扩展

现在我们探讨一下LSTM是如何出现的。

首先，很多我们要解决的问题都是按时序或者一定顺序排列的，我们可以将过去的经验融合到我们的模型中来。但是我们已经知道神经网络的隐藏层编码着重要的信息，所以我们为何不把这些隐藏层作为从一个时间步传递到另一个时间步的记忆呢？因此，出现了循环神经网络（RNN）。

人类不会轻易地相信一些信息——当我们读到一篇关于政治的文章时，我们不会立刻相信我们读到的并把它当成自己的人生信仰。我们会选择哪些信息值得记住，哪些信息需要丢弃，哪些信息可以在下次阅读时提供一些决策依据。也就是说，我们想要学习如何收集、修正和应用信息。那我们为什么不让神经网络来学习这些呢？所以就有了LSTM。

任务都完成了，现在我们可以对它进行修改。

你可能会觉得LSTM区分长期记忆和工作记忆时傻傻的：为什么不合二为一？又或许你发现了独立记忆门和存储门有点多余。现在又有人提出一种新的LSTM变种，我们称之为GRU（Gated Recurrent Units）。

想了解更多GRU专业知识？这里有一份论文：

https://arxiv.org/abs/1412.3555

当决定记忆存储和集中你哪些信息时，我们不能单独依赖工作记忆，那为什么不能用长期记忆呢？所以我们又发现了Peephole LSTM。

Peephole LSTM Paper(PDF):

http://machinelearning.wustl.edu/mlpapers/paper_files/GersSS02.pdf

实现神经网络伟大复兴

让我们看看最后这个例子，我双层LSTM在特朗普的推特上训练。尽管这个数据集很“大”，它仍然学会了很多的模式。

比如，这是一个记录话题标签、URL和@的神经元。

这里还有一个专有名词检测器（注意：它不是只在遇到大写字母时激活）：

这是一个助动词+“to be”检测器（包括“will be”、“I’ve always been”、“has never been”等形式）：

这是一个引用属性：

还有一个MAGA（多智能体遗传算法）和大写的神经元：

下面是LSTM发布特朗普的推文声明——其实只有一个是真的，不妨猜猜看：

川普数据集在这里：

https://www.kaggle.com/benhamner/clinton-trump-tweets

总结

虽然本文的篇幅较长，且讲解内容较多，但LSTM仍然是一个没有止境的研究领域。如果你恰巧对LSTM感兴趣，那就钻进去好好研究吧。

金准数据认为，中国疾病谱从2010年开始向发达国家靠拢，在此之前基于传染病防治建立起来的、传统的医药工业、流通、服务格局开始产能过剩，而基于慢性病的新型工业、流通、服务的产能出现稀缺，肿瘤、心血管和精神类疾病占比将处于上升通道。

从投资的思维看，当前医疗健康行业处于风口之中，单个企业的价值已被挖掘充分，投资机构想要获取超额回报，必须找到“buy-and-build”机会的产业，这其中，药店既存在集中度提高、线上线下整合的机会，还有望充分享受药品产业链变革的模式红利。

1、健康产业投资分析

1.1健康产业现状分析

健康中国2030年的规划中已经提到，到2020年中国的医疗市场是8万亿的规模，但人均的医疗规模在全球还是非常小的占比。我们通过这些数据可以看到，当一个国家的人均GDP超过8000美元以后（图1），影响人均寿命的主要原因已经从传染疾病上升到了慢性病。当我们进入慢性病时代，从2010年开始，疾病谱的种类开始向发达国家靠近，意味着在此之前我们中国基于传染病的防治建立起来的传统的医药工业、流通、服务的格局已经开始产能过剩，而基于慢性病的新型的医药工业、流通、服务的格局出现了稀缺。针对这样的格局的转变，在疾病以及子行业两个维度都会出现大量的供需不平衡的局面，就会存在投资和并购的机会。

人均GDP超过8000美元，疾病谱将从传染病到慢性病转变

我们对中美两国的疾病的种类进行比较，如中国2011年的疾病发病率占比和美国2007年的疾病发病率占比，不难发现有些方面的疾病我们的占比更低，比如说肿瘤、心脑血管疾病和精神疾病方面。随着中国人均收入的提高，中国老百姓的疾病结构会逐渐地跟美国靠近，这也意味着这里面也存在着投资的机会。

1.2健康产业投资思路

我们把所有的投资机会分成三类，第一类是医疗产品驱动公司，它包括了药品及生物技术，然后是医疗器械和诊断制剂，它的核心就是产品和技术。第二类是医疗行业模式驱动型公司，包括连锁药房、医药电商、物流配送、医疗器械配送，它的核心是供给侧改革，就是供给模式变化带来的投资的机会。第三类是医疗服务提供型的公司，这实际上是新型的医疗服务机构，包括新型的私立的医疗机构、互联网医疗、远程医疗、公立医疗改制等等。

我们可以把市场上所有的标的按照这三个门类进行分类，然后在每个门类选取其中成功的因素和核心的环节。举个例子，在医药这个门类，可以看到我们分为新药研发的企业，还有强调工艺创新、提高药物质量的生产企业，还有产品线成熟、销售渠道能力强的企业。新药研发企业有研究全新药物的，也有在现有的基础上进行更新的企业。工艺创新、提高药物质量生产企业也会分为制剂工艺创新、制剂能力提升等等。医疗设备的分类我们也可以一类类地把它分下来。

但是这样分类还是不够的。我们刚才说的这些价值点，医疗行业的专家、分析员都可以看到、分析出来，所以我们不妨从另一个角度来看，这个角度我个人把它称之为第二层思维下的投资。这个概念是橡树资本董事长霍华德·马克斯在《投资最重要的事》一书中论述的。

第二层思维下的投资，就是说我们大家目前都能看到的这些企业的价值，其实作为一个投资机构来说是占不到任何便宜的，它的潜在价值已经被充分挖掘。这个投资机构如果想获取超额回报，必须能做到“buy-and-build”，也就是我们要能看到一些行业整合的机会，才能获取超额回报。

我们看到的整合的机会在哪里呢？这里我们再次举个例子进行数据分析。比如说我们看到药店行业，美国有7万家药店，平均连锁单店是1027家，有80%的药品是通过零售的渠道来销售的，而中国有43.6万家药店，平均连锁单店只有40家，药品只有23%是通过零售渠道销售。当然还有医疗器械、药企和流通等等方面，我们都可以和美国进行对标，通过这个对标我们可以发现，哪些行业存在“buy-and-build”机会呢？最明显的就是医药零售行业。

让我们来仔细分析连锁药房这样一个业态，我们可以看到存在着大量的线上线下结合的机会。

线上我们可以通过药房的移动APP，实现移动电商的O2O，可以实现轻问诊，通过小的硬件可以实现健康的检测和记录，可以通过定位服务来实现消费者到附近药店或者经过某一个物理点的商品推广，之后的大数据又能够为我们的消费者提供健康管理、互联网商业保险等服务，还能提供消费者的行为统计、精准的营销服务，这些都是在线上的行为。

在线下，实体连锁药店的机会在于，有传统的药店零售的业务，有中国特色的中医坐堂业务，我们还有代客煎药、代客送药的业务，还有健康咨询业务，同时线下药店还会有健康营养品的销售业务。所以说一个连锁零售药店是有巨大的线上和线下加在一起的机会，这些机会使得基石资本把眼光在这里面做了进一步的深层次的思考。

1.3第二层思维

刚才我们只是看到了第一层思维，即在移动互联网不断发展的中国，药店存在线上线下结合的机会。如果我们比较中美医药电商业务占药品零售额的占比，中国只占到1%，美国高达30%。

第二层思维是，如果我们进行行业整合，会有怎样的额外的经济效益产生？这里我们也对传统的医药产业链进行了分析。

我们会看到从药厂的产品出来之后，一直到终端消费者会经过非常多的层次，比如产品从药厂出来，会经过省会中心城市的医药公司，这个医药公司有两条通路，一条通路往下批发给地区、县级的医药公司，再往下批发到乡镇的医药站，各个区域的医药公司又批发到各地各层级的医院，形成这样层层批发的行为。如果说我们的连锁药店能够形成有规模的整合和协同的关系，可能我们能够绕开各种层级的批发，直接实现对上游的砍价实力，提升毛利率，最终给消费者以实际的收益，特别是中国消费者进入到慢性病管理的时代，连锁药店集中度的提升能给消费者带来巨大的节约。

如果我们把中国的医药连锁门店再次用数据进行分析，我们可以把它分成四个矩阵，从两个维度进行分析。第一个是单店产出，也就是单店的销售金额；第二是单店能服务多少人。

我们把中国所有省份的数据，按照这两个维度进行排序，排序完之后可以看到四个地区。从这四个地区可以看到，在右上角单店的产出非常高，同时单店的服务人数也非常高的区域，就是最有潜力的区域。我们可以看到上海、江苏、福建、陕西这些地方单店产出高，一个药店服务的人数又多，这是最佳的区域。还有需求薄弱区，一个店服务的人数比较多，可是它的单店销售比较少，说明这个地方的人均消费能力弱，如说广西、河南，这就属于需求薄弱区。右下角是竞争过剩区，单店非常多，服务的人数比较少，竞争激烈。

通过这样的角度可以看到，如果基石资本要进行这样一个产业的整合，我们应该在哪个领域进行着手呢？显而易见，我们应该在右上角的区域做一个密集的布局。

因此，大规模并购连锁药店，形成一定的规模，一方面可以提升和药厂的砍价实力，也可以把单个药店进行梳理和改造，让它作为一个社区医疗的服务点，让它作为一个医药O2O电商的服务点，让它作为一个中医轻问诊的服务点，让它作为各类健康营养品的销售点，这样为社区的消费者提供低价、优质的产品，最终这样的大型医药健康连锁集团还可以合适的方式进入到资本市场，为我们的投资者获取丰厚的回报。

2、人工智能技术在医学领域的应用与前景

2.1当前医疗领域深度学习应用热点方向

当前宣传的最火的就是深度学习。因为它的表征处理能力，可以很好的把很多现实问题转换成可以处理的形式。深度学习擅长处理的就是高维度、稀疏的信号。图像就是这些信号中一种有代表性的形式。医学影像处理应用很明显必然是一个热点方向。除了医学影像处理以外，临床里边还有很多其他问题域，比如时序信号处理、临床数据的信息提取等等，这些虽为很好的问题域，但都不及图像处理容易得到结果。

医学影像处理典型的四大类问题是：影像分类、目标检测、图像分割和影像检索等。都能对应到日常临床应用里的一些痛点的、比较浪费人力的问题。

2.2前沿研究成果

以下分享临床问题领域把握比较到位、得到的结果也比较好的一些论文。因为都是针对医学影像数据，采取的建模方法都是类似的，基本上是基于CNN做各种模型变换，最后得到结果。

（1） 基于乳腺钼靶影像的病变检测

乳腺钼靶是常见的乳腺癌早期筛查方法，它的诊断难度其实不算大。如果有一个模型能够有效地检查钼靶影像中间异常密度区域，就可以很好地降低人工筛查的工作量。在这篇文章里，达到的结果接近人类专家的平均水平，这是一个非常了不起的结果。

（2） 脑部核磁共振影像中的白质高信号灶分割

为什么关注白质高信号灶？因为一旦核磁共振上面发现脑白质里有异常信号表达的时候，很有可能说明，在未来的一段时间内患者容易发展出帕金森氏症，所以它是预测帕金森氏症的一个有力指标。这里最重要的是怎么能准确地分割出脑白质的高信号灶。这篇论文用的也是相对比较传统的模型组合，最后得到的分割效果接近了人类专家的水平，也是一个不错的结果。

（3） 基于皮肤镜照片的皮肤癌分类诊断

这是斯坦福做的之前引起较大影响的论文，结果已经达到了人类专家水平，甚至超过了大部分人类专家，接近了一些非常有经验的专家。而它用的结构却是非常传统。

深度学习模型本身就是一种具有非常强表达力的模型，那么我们再去构建很复杂的网络结构、增加很多参数的话，其实很可能会变成过拟合的状态，反而无助于结果的一般化。所以，最重要的是我们如何能拿到足够多的、有标注的、高质量的数据集。数据集的规模越大，数据质量越高，最后能达到的效果一定会越好。相比于机器学习领域中大家争先恐后地去寻找新的网络结构、新的激活函数、新的优化方法的趋势，我们在临床需求落地到具体场景时，更应该关注的是原始数据怎么取得，怎么能以比较低的成本拿到高质量的数据。因为只要解决了数据这一点，建模这一步上面，其实并不存在决定性门槛。

（4） 基于数字病理切片的乳腺癌淋巴结转移检测

这一篇是Google Brain给出的，对高分辨率的数字病理切片，基于Google Inception Net的网络结构去做特征提取，最后进行分类，然后刻画出来的乳腺癌细胞在组织上面的分布情况。它的检测效果达到了人类专家水平。且在与Google有合作的几个医院里，用训练集之外的真实数据去验证的结果仍然相当不错，这对于数字病理切片分割和性质的判断是很有应用前景的。

（5）基于眼底照片的糖尿病性视网膜病变检测

这篇是Google Brain的结果，仍然是以Inception Net为基础的模型结构。本身眼底镜影像相比于其他影像最麻烦的地方在于，眼底镜之间的数据异构性太大，不同人拍摄出来的眼底镜的曝光程度、偏心程度、视野范围，都有很大的变异性。如何很好的在预处理阶段尽可能的消除这些变异性影像，是它做的重要工作。最后达到的效果也是相当不错，判断视网膜病变严重程度的准确率和人类专家持平。

（6） 胸片骨减影应用

通常来说，面向的数据集都是断层扫描，因为断层扫描能够获得尽可能多的数据。但是，断层扫描单次检查对于患者的辐射量很大，用X射线要反复去切患者身体，辐射量要比做一次X光胸透大得多。我们想，有些患者是不是可以从单次胸透这种以很低剂量接受的检查的结果里面，发掘出来尽可能多的信息。胸透之所以提供信息量有限，是因为胸透是一个平面的叠加，把骨骼密度和人体里面软组织的密度分布情况，都叠加在一起，很难看清楚细节，谁也不知道这一部分吸收的X射线，到底是因为哪个组织产生的。

我们看软组织时，会希望把骨骼引起的影响给消减掉，也就是说把骨骼的影子去掉。怎么去除骨骼影这个问题很早就有人思考。医疗影像仪器制造商想了一个很聪明的办法，他考虑软组织和骨骼对于不同能量的X射线吸收特性不一样，那就先用低能量X射线拍一张，间隔很短时间后，再用高能量X射线拍一张，然后基于这两张照片上面不同组织的吸收特性不一样，做一个建模，然后利用数学方法把这个影减掉，这就是DES，也就是双能量数字减影技术。它可以拍出几乎看不到任何骨骼影子的软组织照片，但是DES技术有一个先天技术缺陷，是两次拍摄之间有一个间隔时间。

人是活着的，人体的组织在不停地蠕动，在间隔过程中，器官可能会变形，可能会移位，然后会造成DES技术拍出来的软组织照片有很多伪影，这个伪影会误导医生。在这个文章里面，它利用深度学习方法，基于单张传统胸透照片剔除其中的骨骼痕迹，得到的结果比传统DES摄影的软组织细节效果更好，也没有DES技术中产生的软组织伪影，这一篇文章是很有启发性的。

2.3医学数据处理方向、成果、挑战

（1） 医学数据处理方向

一是临床信息的提取。包括我们如何去把传统的非结构化文本病历进行电子化、结构化，转变成可分析、可处理的结构化数据。

二是掌握结构化数据。谁掌握了越多的可分析的结构化数据，谁就能做出越多的临床科研成果，数据是最核心的价值。零氪科技开发了Fellow-X自动结构化引擎，可以让95%以上通过HIS系统对接的电子病历，自动转化成可分析、可处理的结构化数据，极大的降低了结构化的工作量。还有剩下的只能靠人工部分，也设计了一个很好的双录入加QC的比对流程去处理那些很难处理的少量病历。

（2） 医学数据处理成果

基于结构化病历的数据，得到成果。其中包括肺部结节的检测模型、重要并发症的风险预测。现在做的是中性粒细胞减少症、血红蛋白减少症、血小板减少症这些的风险预测。它们是肺癌患者化疗后很容易出现的一种恶性并发症，一旦出现严重的症状可能会造成生命危险。如果应用了零氪科技的预测模型，可以提前预知患者出现严重并发症的风险如何，然后在化疗前就给予适当处理，降低出现严重并发症的风险。

（3）医学数据处理挑战

主要有三大块，一是优化目标的定义，也就是说问题本身的定义如何；二是可用数据，你能否拿到足够多的可用数据；三是模型的可解释性，如何处理对模型结果推理过程的置疑。

优化目标定义：之所以是一个问题，是因为临床上面很多问题的定义是模棱两可的，我们只能凭经验、凭一些医生的日常行为来粗略地去刻画这个问题，很难拿到一个数学上非常精确的问题定义。但是一旦问题定义不精确，最后对问题建模后的结果必然不对。所以优化目标的精确定义是非常重要的。

可用数据：即可用数据、高质量的数据集的重要性。

模型因果性、可解释性：这是与临床结合做研究的时候一个独有的问题。临床是和人的生命息息相关的，所以做的任何一件事情都要有理有据，都要有因果推论的关系。但是，我们做机器学习模型时，很容易陷入到直接对相关性进行建模的这样一个陷阱里。相关性建模涉及的两个因素未必有直接的因果关系，得出的这个模型，如何解释它最后结果的意义，是一个很难处理的事情。这一点就横亘在很多模型最后产品化、产业化的路上面，是一只拦路虎。如果不解决可解释性问题的话，就很难迈过这道门槛，把机器学习成果投入实际产业化。

1、前期工作

1.1什么叫APP

由于我们习惯以A-P-P三个单独英文字母，造成该词普遍被写成“APP”，事实上APP并非三个英文词的缩写，这样的说法是错误的。我们常指的APP是指移动应用程序（Mobile Application）简称也是Mobile App、Apps。一般是指设计给智能手机、平板电脑或其他移动设备运行的一种应用程序。

1.2原型设计

绝大多数的企业主（客户）并不懂得设计，也不懂得编程。讲了很多需求，前期也开展了很多调研，并给出了很多回答和专业的报告。最终都不如一张原型图来的实际。原型为他们展示出了APP的基本的模型，让他们明白它们的基本外观和运作的机制。原型是让APP开发变的更加容易。当APP设计师搞定一个行得通的原型之后，开发人员能够在这基础上拿出更加完善的代码实现方案。原型让参与者能够看到APP发布之后会是怎么样运作的。当设计和开发流程中有了原型之后，将提高效率，节省时间，降低成本。

1.3交互设计

当APP加入动态元素，可以让整个APP画面充满活力。UI设计加上动效配合图标，可以设计出一种用户在点击这个图标后，动态效果的引导，让这过程中的用户，知道点击后会得到一个怎样的结果。

增加用户使用app的逻辑性，增加内容的展示量，使用户有更高操作体验。

1.4产品经理

产品经理是做什么的？项目需要有人研究按钮放哪里比较好；项目需要有人背黑锅；项目需要有人统一思想。

网上有个段子是这样定义产品经理的。老大看的在云端程序员想的是地上美术画着画着就跑题运营只爱掰着指头算数据设计忙着在平行世界来回穿越这时候需要有个人把这些整合成一个面向用户的可用实体于是，产品经理PM（Product Manager）就此诞生。

产品经理首先要确定产品目标，其次将产品目标分解成为具体的产品特性，并且确定产品在使用过程中的产品体验（流程、交互、视觉效果、文案等）。然后产品经理要在产品实现过程中，确保规划的产品目标、特性和体验不走样。接下来，他要与市场和营销的团队合作，确保产品以合适的产品形象进入市场，并顺利到达产品目标用户。在产品发布以后，产品经理通过产品反馈、数据反馈等方式了解产品现状，通过市场分析、竞品分析等方式了解产品所处的环境，以此来制定产品改进计划，推动产品向前发展，从而达成业务目标。

1.5需求文档

重新编制代码的代价远远超过重写一份需求文档的代价，可见需求文档的重要性。需求文档包括以下几个步骤：

1、需求提出

2、需求描述

3、需求评审

最困难工作便是产品经理要编写出详细的技术需求，这包括所有面向用户、面向机器和其它软件系统的接口。如果做错，这将是会最终给项目带来极大损害，并且以后再对它进行修改也极为困难。

1.6章节小结

产品经理、需求文档、原型设计、交互设计。当以上工作都准备妥当，APP就可以进入下一个阶段了设计开发阶段。（sorry，准备工作没有提到启动资金筹备，软著申请，商标注册等等商务问题，这些是也很重要）

2、设计开发

2.1视觉设计

  提到视觉设计，常有的2类人就会出现。一类是高！大！上！科技感！炫酷！还有一类就是简约，干净，扁平化。个人意见视觉设计主要包括以下几点：

1、明确传达主意；（第一眼就能看出这是个干什么的APP）

2、有特色亮点；（不是博眼球）

3、有理念，可传承，风格统一，逻辑明确；

4、重价值，高转化。

  不管你的高大尚，还是扁平化，不符合产品理念都没用。

  视觉设计包括的范围很广：视觉传达设计、VI设计、Web设计等。这里的视觉设计主要指APP界面视觉设计，是产品原型视觉转化的过程。UX=交互设计师，GUI=视觉设计师，UE=用户体验。一般公司UI=GUI+UX+UE三合一标配，大公司有独立的岗位。

  个人认为那些受到束缚的设计师们还是要为产品价值和利益考虑，就会有更广阔得舞台施展你的才华。毕竟产品是服务大部分用户。

2.2程序开发

  一般项目都是原生开发。Android选用Java ，IOS选用Objective-C，Windows Mobile选用Visual C++。也有用H5开发的，现在流行混合开发效果更丝滑。

WebAPP与原生APP的的区别

1、WebAPP获取服务端数据频繁，页面跳转更加费力，不稳定感强；

2、WebAPP更小的页面空间，更大的信息记忆负担，有时候还被运营商的强行挂广告遮挡；

3、WebAPP交互动态效果受到限制，影响场景、逻辑；

4、WebAPP动画不流畅，css3动画消耗性能，影响体验；

5、WebAPP跨平台，一次成型多个APP成本低；

6、原生APP每种平台都独立开发稳定，成本高；

7、原生APP版本控制自由，维护麻烦；

8、原生APP响应速度快，交互好，画面流畅；

9、原生APP审核慢、要求多、流程复杂，影响你发布；

在你选择原生和H5的时候，提前考虑以下几个问题：

1. APP是否需要用到特殊功能，如摄像头，重力加速器等

2. 你预算是多少？

3. 数据刷新频繁度吗

4. 目标硬件设备是包含那几种。

这样能帮你选择到底是原生还是H5

2.3WebAPP 开发注意的几点

1、多浏览器的兼容性

2、底层服务的调取可能性

3、注意离线数据存储，减少数据请求频率。

4、考虑保存用户的哪些数据：设置、个人数据、阅读锚点、跳出页等。

5、避免动效与浏览器的交互冲突

6、按顺序异步加载

2.4前端工程师

  不管你用原生还是H5都需要个跨平台的管理后台。现在的前端工程师所涵盖的职责范围除了以前的HTML、JavaScript、CSS，还包含跨平台传值、nodejs、Hybrid App等多种职能

2.5章节小结

  大家都喜欢原生，常做的APP就是IOS和Android。首先你要有一批IOS开发，再加一批Android开发，然后分别配置一批QA工程师，即时你招的是全栈，时间成本和工资成本也不低。不谈成本和忽略开发过程的情况下，你以为1.0版本出来就完事了吗？没有明天继续！

3、运营推广

3.1上线前测试

  黑盒测试也称功能测试，黑盒测试就是程序外部结构，不考虑内部逻辑结构，主要针对软件界面和软件功能进行测试。如果从全面测试的角度来说分为：黑盒测试、兼容性测试、稳定性测试、安全性测试、耗电量测试、弱网络测试等。如果不具备这些条件，也可以用第三方免费平台来进行测试。

  分享几个免费测试平台，分别为:WeTest、testbird、Testin、BugTags等。

弱网络测试主要包含

1、2G3G弱网络信号场景；

2、市区低速郊区高速移动场景；

3、请求回应超时上行下行超时场景；

4、网络抖动场景；

测试出Bug ，需程序猿进行及时的Debug

3.2APP上线

  安卓应用市场比较多，不说国外的国内的就不少。但审核不严容易上架。

  如：360手机助手、腾讯应用宝、百度手机助手、91助手、安卓市场、豌豆荚、安智市场、锤子应用商店、小米应用商店、华为应用市场、OPPO软件商店、联想乐商店、魅族Flyme软件商店、应用汇、木蚂蚁、机锋网、N多网、优亿市场、UC+、移动MM商店、联通沃商店、天翼空间、新浪应用、搜狐应用、网易应用、淘宝助手等

建议：

1、统一注册账，不必都选，选几个必要的上；

2、准备APP的简介和不同像素软件截图（为适应不同手机型号320*480，480*800，720*1280，1080*1920、1536*2560等）；

3、基本信息（软件语言，平台，授权，类型，开发者信息，联系方式等）。

苹果就App Store但审核你懂的（各种要求够你忙活好一阵的）。

2017年被拒原因前10名：

1、标题中出现了关键词或相似词语堆砌现象（约占29.4%）

2、因ipv6网络下无法加载问题而被拒（约占15.1%）

3、应用标题中包含明显的品牌词（约占8.6%）

4、没有提供有效的测试账户或演示视频、硬件等（约占8.5%）

5、没有按要求使用应用内购买，而使用了“支付宝”等第三方支付方式（约占7.4%）

6、和App Store中某款应用的内容以及功能重复（约占7.1%）

7、开发商名称和App内的金融机构名字不匹配（约占6.5%）

8、仅支持微信登录（约占3.1%）

9、包含敏感内容（约占2.2%）

10、应用内支持彩票购买（约占2.1%）

Windows Mobile一般上架到windows应用商店。

3.3APP推广运营

  任何运营都是围绕“用户”展开，包括“吸引用户”和“留住用户”，说白了就是：让用户过来，并留下。

  运营的三个阶段：吸引用户、把用户留住、让用户掏钱；

  运营三大核心目标：扩大用户群、寻找合适的盈利模式以增加收入、提高用户活跃度。

  推广首先考虑的是产品定位，其次是目标群体习惯和属性，也要考虑公司配给的相关资源，量力而行。

3.4竞品分析

1、选择竞品，做好定位

2、竞品分析，得出结论

3、根据结论，得出建议和可行性方案

  有了竞品分析就可以定位产品目标是什么？产品的目标用户在哪里？使用的场景，年龄段等

3.5APP推广的初期要做好数据的监测和分析工作

  一般的思路为：全方面渠道推广——推广效果数据采集——根据数据调整优先度再推广。

  一般的方法为：应用商店，关键词，专题活动，流量交互，活动合作，资源交换，积分墙，广告位，第三方公司，校园地推。

  自媒体推广方式为：软文内容策划，百科文库问答，贴吧论坛，博客订阅号，蹭热点事件等。

  盈利模式一般包含很多种选择适合你的。主要有：广告费，会员费，竞价搜索，关键词，产品销售，风投等

3.6章节小结

  三篇笼统的概述了APP的调研开发运营工作。有些步骤不是很重要就没提了，希望得到大家谅解。

1、债券市场评级的意义

债券评级是将债券还本付息的可靠程度,用简单的符号展示给投资者的专门活动。债券评级的目的就是向投资者提供债券.我国债券评级业尚处在起步阶段。债券评级作为评级制度的起源,不仅是证券评级的核心业务,其做法也是其他评级的重要参考,债券的评级制度是债券市场重要的市场化机制之一,独立、公正、客观的债券评级制度对债券市场的发展、培育良好市场.

债券评级是按一定的评比标准来对侦券还本付息的可靠性作出公正客观的评价。债券评级的目的是把该侦券的信用程度以评定的信用等级形式告之于众，让投资者了解各种债券的风险程度，然后由投资者自己选择是否投资该债券。

第一、债券的信用评级对证券市场的健康发展有着积极的意义。

债券市场的顺利发展有赖于投资者的信心，如果没有信用评级，市场上债券的发行、流通将在投资者完全不了解该债券信用的情况下进行，发行者一旦到期违约，无能力还本付息，将严重挫伤投资者对整个证券市场的信心。对债券进行信用评级，让债券的信用捏度为市场所有参与者所了解，让市场来决定该债券的发行和交易条件，可有效地保证侦券市场的稳定，保护了债券市场的基石投资者。

第二、债券的信用评级沟通了筹资者和投资者信息交流的渠道，有利于整个社会投融资机制的顺利运转。

证券市场上，不同的市场参与者掌握的信息是不对称的。债券的发行者充分了解该俊券的有关情况，而投资者知之甚少。由于不了解债券的质地，投资者不敢贸然购买，这种情况对发行者相当不利，它会造成位券发行的困难，并提高了融资成本。对公开发行的债券由公认的资俏机构进行俏用评级，由于信息公开，投资者能了解其信用程度，有利于作出投资选择，裔级别的债券可以以较低的筹资成本(如降低票面利率)，顺利地向社会发行，使整个社会的投融资渠道变得畅通。

第三、值券信用评级的制度有利于提高债券市场管理着的管理质量。

在债券市场发展初期，不少国家为了保证投资者的利益，常采用“额度限制”来控制发行数量，“有担保发行”来保障还本付息。但在证券市场迅速发展后，由于上市的债券越来越多，上述摘施都流于形式。为了加强对债券的管理，证券市场的管理者也需要有一种比较客观公正的评价指标来正确反映债券的质旦，便于管理者对证券进行审批和管理，同时，客观公正的评价标准有利于杜绝债券审批过程中的钱权交易、内幕交易，一些发达证券市场的债券在公开发行前要申报有权机构审批。上报的审批文件中，一家公认的资信机构的评级报告是必不可少的。

2、AAA级企业名单
金准数据注意到，一般意义而言，国内的债券市场评级是标准化业务。公司主体长期信用等级划分成 9 级，分别用 AAA、AA、A、BBB、BB、B、CCC、CC 和 C 表示，其中，除 AAA 级，CCC 级（含）以下等级外，每一个信用等级可用“＋”、“-”符号进行微调，表示略高或略低于本等级。

评级越高，意味着该企业抗风险能力、盈利能力越强，发债融资成本越低。国内的评级业务发展时间不长，各家评级公司所持有的牌照也不一样，出现了不少评级虚高的问题。

除了万达，你该记住这些AAA评级企业，都是站在金字塔顶端的企业，往往也是债券狗争抢的肥肉，只不过因为竞争过于激烈，某券商开始赔本做买卖，40亿的债承销费只收1万。

以下是AAA级企业名单：

编号 企业名称 评级 评级机构
1 TCL集团股份有限公司 AAA 中诚信证券
2 安徽海螺集团有限责任公司 AAA 中诚信国际
3 安徽省交通控股集团有限公司 AAA 大公国际
4 安徽省能源集团有限公司 AAA 联合资信
5 安徽省投资集团控股有限公司 AAA 联合资信
6 安信证券股份有限公司 AAA 联合信用
7 鞍钢股份有限公司 AAA 中诚信国际
8 鞍钢集团公司 AAA 中诚信国际
9 鞍山钢铁集团有限公司 AAA 中诚信国际
10 百联集团有限公司 AAA 上海新世纪

11 邦银金融租赁股份有限公司 AAA 联合资信
12 保利南方集团有限公司 AAA 中诚信国际
13 北大方正集团有限公司 AAA 联合资信
14 北方联合电力有限责任公司 AAA 中诚信国际
15 北京城建集团有限责任公司 AAA 东方金诚
16 北京城市排水集团有限责任公司 AAA 中诚信国际
17 北京国有资本经营管理中心 AAA 大公国际
18 北京海国鑫泰投资控股中心 AAA 中诚信国际
19 北京金融街资本运营中心 AAA 联合资信

20 北京金隅股份有限公司 AAA 大公国际
21 北京京能电力股份有限公司 AAA 联合资信
22 北京京能国际能源股份有限公司 AAA 大公国际
23 北京京能清洁能源电力股份有限公司 AAA 联合资信
24 北京经济技术投资开发总公司 AAA 联合信用
25 北京控股集团有限公司 AAA 中诚信国际
26 北京能源集团有限责任公司 AAA 联合资信
27 北京农村商业银行股份有限公司 AAA 联合资信
28 北京汽车股份有限公司 AAA 大公国际
29 北京市保障性住房建设投资中心 AAA 大公国际

30 北京市朝阳区国有资本经营管理中心 AAA 大公国际
31 北京市国有资产经营有限责任公司 AAA 中诚信国际
32 北京市海淀区国有资本经营管理中心 AAA 大公国际
33 北京市基础设施投资有限公司 AAA 中诚信国际
34 北京市首都公路发展集团有限公司 AAA 中诚信国际
35 北京市文化投资发展集团有限责任公司 AAA 中诚信国际
36 北京首创股份有限公司 AAA 中诚信证券
37 北京首都创业集团有限公司 AAA 中诚信证券
38 北京首都旅游集团有限责任公司 AAA 联合资信
39 北京同仁堂股份有限公司 AAA 中诚信证券

40 北京银行股份有限公司 AAA 联合资信
41 北控水务集团有限公司 AAA 上海新世纪
42 本钢集团有限公司 AAA 中诚信证券
43 碧桂园控股有限公司 AAA 中诚信证券
44 波兰共和国国库 AAA 中诚信国际
45 渤海金控投资股份有限公司 AAA 联合资信
46 渤海银行股份有限公司 AAA 联合资信
47 成都轨道交通集团有限公司 AAA 联合资信
48 成都农村商业银行股份有限公司 AAA 大公国际
49 成都市兴蓉环境股份有限公司 AAA 中诚信证券

50 成都市兴蓉集团有限公司 AAA 上海新世纪
51 成都兴城投资集团有限公司 AAA 联合资信
52 创兴银行有限公司 AAA 联合资信
53 大连港集团有限公司 AAA 中诚信国际
54 大秦铁路股份有限公司 AAA 联合资信
55 大唐国际发电股份有限公司 AAA 大公国际
56 大同煤矿集团有限责任公司 AAA 联合资信
57 大同煤业股份有限公司 AAA 中诚信国际
58 大新华航空有限公司 AAA 上海新世纪
59 电信科学技术研究院 AAA 中诚信国际

60 东北证券股份有限公司 AAA 联合信用
61 东方证券股份有限公司 AAA 中诚信证券
62 东方资产管理(中国)有限公司 AAA 上海新世纪
63 东吴证券股份有限公司 AAA 上海新世纪
64 东兴证券股份有限公司 AAA 联合信用
65 东亚银行(中国)有限公司 AAA 中诚信国际
66 福建省高速公路有限责任公司 AAA 中诚信国际
67 福建省能源集团有限责任公司 AAA 中诚信证券
68 福建省投资开发集团有限责任公司 AAA 中诚信证券
69 福耀玻璃工业集团股份有限公司 AAA 中诚信证券

70 福州城市建设投资集团有限公司 AAA 联合资信
71 甘肃省公路航空旅游投资集团有限公司 AAA 上海新世纪
72 甘肃省国有资产投资集团有限公司 AAA 大公国际
73 光明食品(集团)有限公司 AAA 上海新世纪
74 广东电力发展股份有限公司 AAA 中诚信证券
75 广东恒健投资控股有限公司 AAA 中诚信国际
76 广东省广晟资产经营有限公司 AAA 联合信用
77 广东省机场管理集团有限公司 AAA 大公国际
78 广东省交通集团有限公司 AAA 联合资信
79 广东省铁路建设投资集团有限公司 AAA 中诚信国际

80 广东省粤电集团有限公司 AAA 中诚信国际
81 广东温氏食品集团股份有限公司 AAA 联合信用
82 广东粤海控股集团有限公司 AAA 中诚信国际
83 广发证券股份有限公司 AAA 中诚信证券
84 广西交通投资集团有限公司 AAA 联合信用
85 广西铁路投资集团有限公司 AAA 联合信用
86 广西投资集团有限公司 AAA 中诚信国际
87 广州白云国际机场股份有限公司 AAA 大公国际
88 广州地铁集团有限公司 AAA 中诚信证券
89 广州港股份有限公司 AAA 大公国际

90 广州国资发展控股有限公司 AAA 中诚信证券
91 广州交通投资集团有限公司 AAA 中诚信国际
92 广州农村商业银行股份有限公司 AAA 大公国际
93 广州汽车工业集团有限公司 AAA 联合资信
94 广州汽车集团股份有限公司 AAA 联合信用
95 广州市城市建设投资集团有限公司 AAA 联合信用
96 广州市水务投资集团有限公司 AAA 联合资信
97 广州无线电集团有限公司 AAA 中诚信证券
98 广州银行股份有限公司 AAA 上海新世纪
99 广州越秀集团有限公司 AAA 鹏元资信

100 贵州高速公路集团有限公司 AAA 上海新世纪
101 国电大渡河流域水电开发有限公司 AAA 中诚信国际
102 国电电力发展股份有限公司 AAA 东方金诚
103 国电华北电力有限公司 AAA 大公国际
104 国电江苏电力有限公司 AAA 联合资信
105 国电山东电力有限公司 AAA 中诚信国际
106 国电资本控股有限公司 AAA 大公国际
107 国家电网公司 AAA 大公国际
108 国家核电技术有限公司 AAA 中诚信国际
109 国家开发投资公司 AAA 联合信用

110 国金证券股份有限公司 AAA 上海新世纪
111 国泰君安证券股份有限公司 AAA 上海新世纪
112 国信证券股份有限公司 AAA 联合信用
113 国药控股股份有限公司 AAA 中诚信证券
114 国银金融租赁股份有限公司 AAA 中诚信国际
115 国元证券股份有限公司 AAA 上海新世纪
116 哈尔滨银行股份有限公司 AAA 联合资信
117 海尔集团财务有限责任公司 AAA 联合资信
118 海航集团有限公司 AAA 上海新世纪
119 海南航空控股股份有限公司 AAA 上海新世纪

120 海通恒信国际租赁股份有限公司 AAA 上海新世纪
121 海通证券股份有限公司 AAA 中诚信证券
122 杭州市城市建设投资集团有限公司 AAA 联合资信
123 杭州市地铁集团有限责任公司 AAA 联合资信
124 杭州市交通投资集团有限公司 AAA 上海新世纪
125 杭州银行股份有限公司 AAA 中诚信国际
126 合肥市建设投资控股(集团)有限公司 AAA 中诚信国际
127 合景泰富地产控股有限公司 AAA 中诚信证券
128 河北港口集团有限公司 AAA 大公国际
129 河北建设投资集团有限责任公司 AAA 中诚信国际

130 河北交通投资集团公司 AAA 上海新世纪
131 河钢股份有限公司 AAA 中诚信证券
132 河钢集团有限公司 AAA 中诚信国际
133 河南交通投资集团有限公司 AAA 大公国际
134 河南能源化工集团有限公司 AAA 中诚信国际
135 河南省漯河市双汇实业集团有限责任公司 AAA 中诚信国际
136 河南省收费还贷高速公路管理有限公司 AAA 联合资信
137 河南投资集团有限公司 AAA 联合信用
138 黑龙江北大荒农垦集团总公司 AAA 联合资信
139 恒安(中国)投资有限公司 AAA 中诚信证券

140 恒安国际集团有限公司 AAA 中诚信国际
141 恒大地产集团有限公司(广州) AAA 中诚信证券
142 恒丰银行股份有限公司 AAA 联合资信
143 红星美凯龙家居集团股份有限公司 AAA 中诚信证券
144 红星美凯龙控股集团有限公司 AAA 大公国际
145 湖北能源集团股份有限公司 AAA 中诚信证券
146 湖北省交通投资集团有限公司 AAA 大公国际
147 湖北省科技投资集团有限公司 AAA 中诚信国际
148 湖北省联合发展投资集团有限公司 AAA 中诚信国际
149 湖北省长江产业投资集团有限公司 AAA 鹏元资信

150 湖南省高速公路建设开发总公司 AAA 鹏元资信
151 华宝投资有限公司 AAA 上海新世纪
152 华晨汽车集团控股有限公司 AAA 大公国际
153 华电国际电力股份有限公司 AAA 中诚信国际
154 华电江苏能源有限公司 AAA 联合资信
155 华电煤业集团有限公司 AAA 联合资信
156 华能国际电力股份有限公司 AAA 中诚信国际
157 华能澜沧江水电股份有限公司 AAA 大公国际
158 华能新能源股份有限公司 AAA 联合信用
159 华能资本服务有限公司 AAA 中诚信证券

160 华侨城集团公司 AAA 联合资信
161 华侨永亨银行(中国)有限公司 AAA 中诚信国际
162 华融金融租赁股份有限公司 AAA 中诚信国际
163 华润电力投资有限公司 AAA 中诚信证券
164 华润股份有限公司 AAA 联合资信
165 华润水泥控股有限公司 AAA 联合资信
166 华润医药控股有限公司 AAA 中诚信国际
167 华润置地有限公司 AAA 中诚信国际
168 华泰证券股份有限公司 AAA 上海新世纪
169 华夏银行股份有限公司 AAA 联合资信

170 淮南矿业(集团)有限责任公司 AAA 联合资信
171 徽商银行股份有限公司 AAA 中诚信国际
172 汇丰银行(中国)有限公司 AAA 中诚信国际
173 际华集团股份有限公司 AAA 中诚信证券
174 济南西城投资开发集团有限公司 AAA 联合资信
175 冀中能源集团有限责任公司 AAA 大公国际
176 加拿大国民银行 AAA 中诚信国际
177 建信金融租赁有限公司 AAA 中诚信国际
178 江苏凤凰出版传媒集团有限公司 AAA 上海新世纪
179 江苏交通控股有限公司 AAA 联合资信

180 江苏金融租赁股份有限公司 AAA 中诚信国际
181 江苏宁沪高速公路股份有限公司 AAA 中诚信国际
182 江苏沙钢集团有限公司 AAA 联合资信
183 江苏省广播电视集团有限公司 AAA 上海新世纪
184 江苏省广电有线信息网络股份有限公司 AAA 中诚信国际
185 江苏省国信资产管理集团有限公司 AAA 中诚信国际
186 江苏洋河集团有限公司 AAA 联合信用
187 江苏银行股份有限公司 AAA 中诚信国际
188 江西赣粤高速公路股份有限公司 AAA 大公国际
189 江西省高速公路投资集团有限责任公司 AAA 联合资信

190 江西省水利投资集团有限公司 AAA 鹏元资信
191 江西省投资集团公司 AAA 中诚信国际
192 江西铜业集团公司 AAA 中诚信国际
193 交通银行股份有限公司 AAA 中诚信国际
194 金地(集团)股份有限公司 AAA 联合信用
195 金融街控股股份有限公司 AAA 中诚信国际
196 锦江国际(集团)有限公司 AAA 中诚信国际
197 晋能集团有限公司 AAA 联合资信
198 九龙仓集团有限公司 AAA 中诚信国际
199 联想控股股份有限公司 AAA 联合信用

200 联想控股股份有限公司 AAA 联合资信
201 龙源电力集团股份有限公司 AAA 大公国际
202 泸州老窖集团有限责任公司 AAA 中诚信国际
203 洛阳栾川钼业集团股份有限公司 AAA 中诚信国际
204 绿城房地产集团有限公司 AAA 中诚信证券
205 南方水泥有限公司 AAA 上海新世纪
206 南京安居建设集团有限责任公司 AAA 中诚信证券
207 南京地铁集团有限公司 AAA 联合资信
208 南京东南国资投资集团有限责任公司 AAA 联合资信
209 南京禄口国际机场有限公司 AAA 中诚信国际

210 南京市城市建设投资控股(集团)有限责任公司 AAA 中诚信国际
211 南京市国有资产投资管理控股(集团)有限责任公司 AAA 中诚信国际
212 南京市河西新城区国有资产经营控股(集团)有限责任公司 AAA 联合资信
213 南京市交通建设投资控股(集团)有限责任公司 AAA 上海新世纪
214 南京铁路建设投资有限责任公司 AAA 上海新世纪
215 南京新工投资集团有限责任公司 AAA 上海新世纪
216 南京银行股份有限公司 AAA 中诚信国际
217 南京紫金投资集团有限责任公司 AAA 中诚信证券
218 内蒙古蒙电华能热电股份有限公司 AAA 中诚信国际
219 宁波城建投资控股有限公司 AAA 中诚信国际

220 宁波开发投资集团有限公司 AAA 中诚信证券
221 宁波市轨道交通集团有限公司 AAA 上海新世纪
222 宁波银行股份有限公司 AAA 中诚信国际
223 宁波舟山港股份有限公司 AAA 中诚信国际
224 宁波舟山港集团有限公司 AAA 中诚信证券
225 攀钢集团钒钛资源股份有限公司 AAA 中诚信国际
226 平安不动产有限公司 AAA 上海新世纪
227 平安不动产有限公司 AAA 联合信用
228 平安国际融资租赁有限公司 AAA 中诚信国际
229 平安银行股份有限公司(原) AAA 中诚信国际

230 平安证券股份有限公司 AAA 联合信用
231 平顶山煤业(集团)有限责任公司 AAA 大公国际
232 平顶山天安煤业股份有限公司 AAA 中诚信证券
233 普洛斯洛华中国海外控股(香港)有限公司 AAA 上海新世纪
234 青岛城市建设投资(集团)有限责任公司 AAA 大公国际
235 青岛港(集团)有限公司 AAA 大公国际
236 青岛港国际股份有限公司 AAA 大公国际
237 青岛国信发展(集团)有限责任公司 AAA 联合信用
238 青岛啤酒集团有限公司 AAA 大公国际
239 青海省国有资产投资管理有限公司 AAA 大公国际

240 青海盐湖工业股份有限公司 AAA 大公国际
241 清华控股有限公司 AAA 中诚信证券
242 瑞穗银行(中国)有限公司 AAA 中诚信国际
243 三井住友银行(中国)有限公司 AAA 上海新世纪
244 厦门港务控股集团有限公司 AAA 上海新世纪
245 厦门国际港务股份有限公司 AAA 上海新世纪
246 厦门国际银行股份有限公司 AAA 联合资信
247 厦门国贸控股集团有限公司 AAA 中诚信国际
248 厦门航空有限公司 AAA 联合资信
249 厦门建发股份有限公司 AAA 联合资信

250 厦门建发集团有限公司 AAA 中诚信证券
251 厦门金圆投资集团有限公司 AAA 联合资信
252 厦门路桥建设集团有限公司 AAA 中诚信国际
253 厦门市政集团有限公司 AAA 联合资信
254 厦门翔业集团有限公司 AAA 联合资信
255 厦门象屿集团有限公司 AAA 联合资信
256 山东钢铁集团有限公司 AAA 大公国际
257 山东高速股份有限公司 AAA 中诚信证券
258 山东高速集团有限公司 AAA 鹏元资信
259 山东广电网络有限公司 AAA 大公国际

260 山东黄金集团有限公司 AAA 上海新世纪
261 山东黄金矿业股份有限公司 AAA 联合信用
262 山东能源集团有限公司 AAA 中诚信国际
263 山东省财金投资集团有限公司 AAA 上海新世纪
264 山东省国有资产投资控股有限公司 AAA 中诚信证券
265 山东招金集团有限公司 AAA 中诚信国际
266 山东重工集团有限公司 AAA 联合资信
267 山西焦煤集团有限责任公司 AAA 中诚信国际
268 山西晋城无烟煤矿业集团有限责任公司 AAA 联合资信
269 山西太钢不锈钢股份有限公司 AAA 大公国际

270 陕西煤业化工集团有限责任公司 AAA 联合资信
271 陕西能源集团有限公司 AAA 大公国际
272 陕西省投资集团有限公司 AAA 大公国际
273 陕西延长石油(集团)有限责任公司 AAA 联合资信
274 陕西有色金属控股集团有限责任公司 AAA 中诚信国际
275 上海百联集团股份有限公司 AAA 上海新世纪
276 上海城投(集团)有限公司 AAA 中诚信国际
277 上海城投控股股份有限公司 AAA 上海新世纪
278 上海地产(集团)有限公司 AAA 上海新世纪
279 上海电力股份有限公司 AAA 中诚信证券

280 上海电气(集团)总公司 AAA 上海新世纪
281 上海东方明珠(集团)股份有限公司 AAA 上海新世纪
282 上海东浩兰生国际服务贸易(集团)有限公司 AAA 上海新世纪
283 上海复星医药(集团)股份有限公司 AAA 上海新世纪
284 上海广播电影电视发展有限公司 AAA 上海新世纪
285 上海国际港务(集团)股份有限公司 AAA 上海新世纪
286 上海国际机场股份有限公司 AAA 中诚信国际
287 上海国际集团有限公司 AAA 上海新世纪
288 上海国际集团资产管理有限公司 AAA 上海新世纪
289 上海国盛(集团)有限公司 AAA 上海新世纪

290 上海国有资产经营有限公司 AAA 上海新世纪
291 上海华信国际集团有限公司 AAA 中诚信国际
292 上海华谊(集团)公司 AAA 上海新世纪
293 上海建工集团股份有限公司 AAA 上海新世纪
294 上海金桥(集团)有限公司 AAA 上海新世纪
295 上海金桥出口加工区开发股份有限公司 AAA 上海新世纪
296 上海陆家嘴(集团)有限公司 AAA 联合资信
297 上海陆家嘴金融贸易区开发股份有限公司 AAA 上海新世纪
298 上海南汇发展(集团)有限公司 AAA 上海新世纪
299 上海农村商业银行股份有限公司 AAA 联合资信

300 上海浦东发展(集团)有限公司 AAA 上海新世纪
301 上海浦东发展银行股份有限公司 AAA 联合资信
302 上海汽车集团股份有限公司 AAA 中诚信证券
303 上海上实(集团)有限公司 AAA 上海新世纪
304 上海申迪(集团)有限公司 AAA 上海新世纪
305 上海申通地铁集团有限公司 AAA 上海新世纪
306 上海世博发展(集团)有限公司 AAA 上海新世纪
307 上海世茂股份有限公司 AAA 联合信用
308 上海市信息投资股份有限公司 AAA 上海新世纪
309 上海松江城镇建设投资开发有限公司 AAA 中诚信国际

310 上海隧道工程股份有限公司 AAA 中诚信证券
311 上海同盛投资(集团)有限公司 AAA 上海新世纪
312 上海外高桥资产管理有限公司 AAA 上海新世纪
313 上海文化广播影视集团有限公司 AAA 上海新世纪
314 上海银行股份有限公司 AAA 上海新世纪
315 上海张江(集团)有限公司 AAA 大公国际
316 上海张江高科技园区开发股份有限公司 AAA 上海新世纪
317 上汽通用汽车金融有限责任公司 AAA 联合资信
318 申能(集团)有限公司 AAA 中诚信国际
319 申能股份有限公司 AAA 中诚信国际

320 申万宏源集团股份有限公司 AAA 中诚信证券
321 深业集团有限公司 AAA 联合资信
322 深圳高速公路股份有限公司 AAA 联合资信
323 深圳航空有限责任公司 AAA 中诚信国际
324 深圳能源集团股份有限公司 AAA 大公国际
325 深圳市地铁集团有限公司 AAA 大公国际
326 深圳市机场(集团)有限公司 AAA 联合资信
327 深圳市机场股份有限公司 AAA 中诚信证券
328 深圳市燃气集团股份有限公司 AAA 中诚信国际
329 深圳市水务(集团)有限公司 AAA 中诚信国际

330 深圳市特区建设发展集团有限公司 AAA 中诚信国际
331 深圳市投资控股有限公司 AAA 中诚信国际
332 深圳市盐田港集团有限公司 AAA 中诚信国际
333 神华集团有限责任公司 AAA 联合资信
334 神华宁夏煤业集团有限责任公司 AAA 中诚信国际
335 盛京银行股份有限公司 AAA 联合资信
336 世茂房地产控股有限公司 AAA 中诚信证券
337 首都机场集团公司 AAA 中诚信国际
338 首钢集团有限公司 AAA 大公国际
339 四川成渝高速公路股份有限公司 AAA 中诚信证券

340 四川川投能源股份有限公司 AAA 中诚信国际
341 四川发展(控股)有限责任公司 AAA 中诚信证券
342 四川高速公路建设开发总公司 AAA 中诚信国际
343 四川省交通投资集团有限责任公司 AAA 中诚信国际
344 四川省铁路产业投资集团有限责任公司 AAA 中诚信国际
345 四川省投资集团有限责任公司 AAA 中诚信证券
346 苏宁云商集团股份有限公司 AAA 中诚信证券
347 苏州城市建设投资发展有限责任公司 AAA 中诚信国际
348 苏州工业园区国有资产控股发展有限公司 AAA 中诚信国际
349 苏州工业园区兆润投资控股集团有限公司 AAA 大公国际

350 苏州市轨道交通集团有限公司 AAA 大公国际
351 太原钢铁(集团)有限公司 AAA 联合资信
352 泰康保险集团股份有限公司 AAA 中诚信国际
353 特变电工股份有限公司 AAA 联合资信
354 天津滨海新区建设投资集团有限公司 AAA 联合资信
355 天津渤海国有资产经营管理有限公司 AAA 联合资信
356 天津港(集团)有限公司 AAA 大公国际
357 天津港股份有限公司 AAA 中诚信国际
358 天津轨道交通集团有限公司 AAA 联合资信
359 天津市地下铁道集团有限公司 AAA 联合资信

360 天津泰达投资控股有限公司 AAA 中诚信国际
361 同方股份有限公司 AAA 联合资信
362 万华实业集团有限公司 AAA 中诚信国际
363 潍柴控股集团有限公司 AAA 联合资信
364 乌鲁木齐城市建设投资(集团)有限公司 AAA 中诚信证券
365 无锡产业发展集团有限公司 AAA 联合资信
366 无锡城市发展集团有限公司 AAA 大公国际
367 无锡市国联发展(集团)有限公司 AAA 中诚信国际
368 无锡市建设发展投资有限公司 AAA 上海新世纪
369 无锡市市政公用产业集团有限公司 AAA 上海新世纪

370 武汉地铁集团有限公司 AAA 中诚信国际
371 武汉钢铁(集团)公司 AAA 中诚信国际
372 武汉金融控股(集团)有限公司 AAA 联合资信
373 武汉市城市建设投资开发集团有限公司 AAA 联合资信
374 物产中大集团股份有限公司 AAA 中诚信国际
375 西安城市基础设施建设投资集团有限公司 AAA 中诚信国际
376 西安高新控股有限公司 AAA 中诚信国际
377 香港上海汇丰银行有限公司 AAA 中诚信国际
378 新开发银行 AAA 中诚信国际
379 新希望集团有限公司 AAA 中诚信国际

380 新希望六和股份有限公司 AAA 联合资信
381 新兴际华集团有限公司 AAA 联合资信
382 兴业金融租赁有限责任公司 AAA 中诚信国际
383 兴业银行股份有限公司 AAA 上海新世纪
384 兴业证券股份有限公司 AAA 联合信用
385 徐工集团工程机械股份有限公司 AAA 中诚信证券
386 徐工集团工程机械有限公司 AAA 中诚信国际
387 雅砻江流域水电开发有限公司 AAA 中诚信国际
388 兖矿集团有限公司 AAA 大公国际
389 兖州煤业股份有限公司 AAA 中诚信国际

390 阳泉煤业(集团)有限责任公司 AAA 大公国际
391 宜宾市国有资产经营有限公司 AAA 中诚信国际
392 永城煤电控股集团有限公司 AAA 中诚信国际
393 永隆银行有限公司 AAA 中诚信国际
394 远东国际租赁有限公司 AAA 中诚信证券
395 远东宏信(天津)融资租赁有限公司 AAA 上海新世纪
396 远洋地产有限公司 AAA 中诚信证券
397 远洋集团控股有限公司 AAA 中诚信国际
398 云南白药集团股份有限公司 AAA 鹏元资信
399 云南白药控股有限公司 AAA 上海新世纪

400 云南省城市建设投资集团有限公司 AAA 联合信用
401 云南省公路开发投资有限责任公司 AAA 大公国际
402 云南省建设投资控股集团有限公司 AAA 联合资信
403 云南省能源投资集团有限公司 AAA 中诚信证券
404 云南省投资控股集团有限公司 AAA 中诚信国际
405 渣打银行(中国)有限公司 AAA 上海新世纪
406 长城证券股份有限公司 AAA 联合信用
407 长沙市城市建设投资开发集团有限公司 AAA 大公国际
408 长沙市轨道交通集团有限公司 AAA 中诚信国际
409 招商局地产控股股份有限公司 AAA 中诚信国际

410 招商局港口控股有限公司 AAA 中诚信国际
411 招商局集团(香港)有限公司 AAA 中诚信国际
412 招商局集团有限公司 AAA 中诚信国际
413 招商局轮船股份有限公司 AAA 中诚信国际
414 招商局蛇口工业区控股股份有限公司 AAA 中诚信国际
415 招商银行股份有限公司 AAA 联合资信
416 招商证券股份有限公司 AAA 中诚信证券
417 浙江沪杭甬高速公路股份有限公司 AAA 联合资信
418 浙江吉利控股集团有限公司 AAA 东方金诚
419 浙江省国有资本运营有限公司 AAA 联合信用

420 浙江省交通投资集团有限公司 AAA 联合信用
421 浙江省能源集团有限公司 AAA 中诚信国际
422 浙江省铁路投资集团有限公司 AAA 联合资信
423 浙江省物产集团有限公司 AAA 中诚信国际
424 浙商银行股份有限公司 AAA 中诚信国际
425 振华石油控股有限公司 AAA 中诚信国际
426 郑州宇通集团有限公司 AAA 中诚信国际
427 中储粮油脂有限公司 AAA 中诚信国际
428 中广核风电有限公司 AAA 联合资信
429 中国宝武钢铁集团有限公司 AAA 中诚信证券

430 中国保利集团公司 AAA 中诚信国际
431 中国北车股份有限公司 AAA 中诚信国际
432 中国北方工业公司 AAA 中诚信国际
433 中国兵器工业集团公司 AAA 中诚信证券
434 中国诚通控股集团有限公司 AAA 联合资信
435 中国船舶工业集团公司 AAA 联合信用
436 中国船舶重工集团公司 AAA 大公国际
437 中国大唐集团新能源股份有限公司 AAA 东方金诚
438 中国第一汽车集团公司 AAA 中诚信国际
439 中国电力财务有限公司 AAA 联合资信

440 中国电力国际发展有限公司 AAA 中诚信国际
441 中国电力建设股份有限公司 AAA 大公国际
442 中国电力新能源发展有限公司 AAA 中诚信国际
443 中国电信股份有限公司 AAA 联合资信
444 中国电信集团公司 AAA 中诚信国际
445 中国电子科技集团公司 AAA 联合资信
446 中国电子信息产业集团有限公司 AAA 大公国际
447 中国东方电气集团有限公司 AAA 中诚信国际
448 中国东方航空股份有限公司 AAA 大公国际
449 中国东方航空集团公司 AAA 大公国际

450 中国葛洲坝集团股份有限公司 AAA 联合信用
451 中国葛洲坝集团股份有限公司 AAA 上海新世纪
452 中国葛洲坝集团有限公司 AAA 上海新世纪
453 中国供销集团有限公司 AAA 大公国际
454 中国光大集团股份公司 AAA 中诚信国际
455 中国光大控股有限公司 AAA 中诚信证券
456 中国光大银行股份有限公司 AAA 中诚信证券
457 中国国电集团公司 AAA 大公国际
458 中国国际海运集装箱(集团)股份有限公司 AAA 中诚信国际
459 中国国新控股有限责任公司 AAA 中诚信国际

460 中国海洋石油总公司 AAA 中诚信国际
461 中国海运(集团)总公司 AAA 联合资信
462 中国航空工业第一集团公司 AAA 中诚信国际
463 中国航空工业集团公司 AAA 中诚信国际
464 中国航空集团公司 AAA 中诚信国际
465 中国航空技术国际控股有限公司 AAA 大公国际
466 中国航空技术深圳有限公司 AAA 中诚信国际
467 中国航空油料集团公司 AAA 联合资信
468 中国航天科工集团公司 AAA 联合资信
469 中国航天科技集团公司 AAA 大公国际

470 中国核工业集团公司 AAA 联合信用
471 中国核工业建设股份有限公司 AAA 中诚信国际
472 中国核工业建设集团公司 AAA 联合资信
473 中国核能电力股份有限公司 AAA 中诚信国际
474 中国恒天集团有限公司 AAA 大公国际
475 中国华电集团财务有限公司 AAA 大公国际
476 中国华电集团公司 AAA 联合信用
477 中国华电集团资本控股有限公司 AAA 大公国际
478 中国华能集团公司 AAA 联合资信
479 中国华融资产管理股份有限公司 AAA 中诚信国际

480 中国华润总公司 AAA 联合资信
481 中国黄金集团公司 AAA 中诚信国际
482 中国机械工业集团有限公司 AAA 联合资信
483 中国建材股份有限公司 AAA 联合资信
484 中国建材集团有限公司 AAA 联合资信
485 中国建银投资有限责任公司 AAA 上海新世纪
486 中国建筑第八工程局有限公司 AAA 大公国际
487 中国建筑第二工程局有限公司 AAA 中诚信国际
488 中国建筑第七工程局有限公司 AAA 联合资信
489 中国建筑第三工程局有限公司 AAA 中诚信国际

490 中国建筑第五工程局有限公司 AAA 中诚信国际
491 中国交通建设股份有限公司 AAA 大公国际
492 中国节能环保集团公司 AAA 大公国际
493 中国金茂控股集团有限公司 AAA 中诚信国际
494 中国科学院控股有限公司 AAA 中诚信国际
495 中国蓝星(集团)股份有限公司 AAA 大公国际
496 中国联合网络通信有限公司 AAA 中诚信国际
497 中国旅游集团公司 AAA 联合资信
498 中国铝业公司 AAA 中诚信国际
499 中国铝业股份有限公司 AAA 中诚信国际

500 中国民生投资股份有限公司 AAA 上海新世纪
501 中国民生银行股份有限公司 AAA 大公国际
502 中国南车集团公司 AAA 中诚信国际
503 中国南方电网有限责任公司 AAA 大公国际
504 中国南方航空股份有限公司 AAA 联合信用
505 中国南方航空集团公司 AAA 联合资信
506 中国能源建设集团有限公司 AAA 上海新世纪
507 中国农业发展集团有限公司 AAA 上海新世纪
508 中国普天信息产业股份有限公司 AAA 中诚信证券
509 中国商用飞机有限责任公司 AAA 上海新世纪

510 中国神华能源股份有限公司 AAA 中诚信国际
511 中国生物技术股份有限公司 AAA 中诚信国际
512 中国石化财务有限责任公司 AAA 联合资信
513 中国石油化工集团公司 AAA 联合信用
514 中国石油天然气股份有限公司 AAA 联合信用
515 中国石油天然气集团公司 AAA 中诚信国际
516 中国水电工程顾问集团有限公司 AAA 中诚信国际
517 中国水利水电建设集团公司 AAA 大公国际
518 中国铁建股份有限公司 AAA 中诚信证券
519 中国铁路总公司 AAA 中诚信国际

520 中国铁塔股份有限公司 AAA 中诚信国际
521 中国通用技术(集团)控股有限责任公司 AAA 上海新世纪
522 中国投融资担保股份有限公司 AAA 联合资信
523 中国外运股份有限公司 AAA 上海新世纪
524 中国外运长航集团有限公司 AAA 大公国际
525 中国网络通信集团公司 AAA 中诚信国际
526 中国网通(集团)有限公司 AAA 中诚信国际
527 中国五矿股份有限公司 AAA 中诚信证券
528 中国西电集团公司 AAA 联合资信
529 中国信达资产管理股份有限公司 AAA 中诚信国际

530 中国医药集团总公司 AAA 联合资信
531 中国银行股份有限公司 AAA 大公国际
532 中国银河证券股份有限公司 AAA 大公国际
533 中国邮政储蓄银行股份有限公司 AAA 中诚信国际
534 中国邮政速递物流股份有限公司 AAA 中诚信国际
535 中国有色矿业集团有限公司 AAA 中诚信国际
536 中国长安汽车集团股份有限公司 AAA 大公国际
537 中国长江电力股份有限公司 AAA 中诚信证券
538 中国证券金融股份有限公司 AAA 中诚信国际
539 中国中材股份有限公司 AAA 中诚信国际

540 中国中材集团有限公司 AAA 中诚信国际
541 中国中车集团公司 AAA 中诚信国际
542 中国中化股份有限公司 AAA 中诚信证券
543 中国中化股份有限公司 AAA 中诚信国际
544 中国中化集团公司 AAA 中诚信国际
545 中国中煤能源股份有限公司 AAA 联合资信
546 中国中铁股份有限公司 AAA 联合资信
547 中国中信有限公司 AAA 中诚信国际
548 中国中药控股有限公司 AAA 联合资信
549 中海地产集团有限公司 AAA 联合信用
550 中航发动机控股有限公司 AAA 中诚信国际
551 中航高科技发展有限公司 AAA 中诚信国际
552 中航国际控股股份有限公司 AAA 中诚信国际
553 中航国际租赁有限公司 AAA 中诚信国际
554 中航航空电子系统有限责任公司 AAA 中诚信国际
555 中航机电系统有限公司 AAA 中诚信国际
556 中合中小企业融资担保股份有限公司 AAA 联合信用
557 中核财务有限责任公司 AAA 中诚信国际
558 中化化肥有限公司 AAA 中诚信国际
559 中交投资有限公司 AAA 中诚信国际

560 中金黄金股份有限公司 AAA 联合资信
561 中联重科股份有限公司 AAA 联合资信
562 中粮集团有限公司 AAA 联合资信
563 中燃投资有限公司 AAA 中诚信国际
564 中融新大集团有限公司 AAA 联合信用
565 中泰证券股份有限公司 AAA 中诚信证券
566 中文天地出版传媒股份有限公司 AAA 联合资信
567 中芯国际集成电路制造有限公司 AAA 中诚信国际
568 中信建投证券股份有限公司 AAA 中诚信证券
569 中信银行(国际)有限公司 AAA 中诚信国际

570 中信银行股份有限公司 AAA 大公国际
571 中兴通讯股份有限公司 AAA 中诚信国际
572 中银国际证券有限责任公司 AAA 联合信用
573 中银集团投资有限公司 AAA 联合资信
574 中银消费金融有限公司 AAA 联合资信
575 中远海运发展股份有限公司 AAA 联合资信
576 中远海运控股股份有限公司 AAA 联合资信
577 中远海运能源运输股份有限公司 AAA 中诚信证券
578 中证信用增进股份有限公司 AAA 联合资信
579 重庆两江新区开发投资集团有限公司 AAA 上海新世纪

580 重庆农村商业银行股份有限公司 AAA 中诚信国际
581 重庆市城市建设投资(集团)有限公司 AAA 上海新世纪
582 重庆市地产集团有限公司 AAA 中诚信国际
583 重庆市轨道交通(集团)有限公司 AAA 联合资信
584 重庆市水务资产经营有限公司 AAA 中诚信国际
585 重庆水务集团股份有限公司 AAA 中诚信证券
586 重庆长安汽车股份有限公司 AAA 联合信用
587 珠海格力集团有限公司 AAA 联合资信
588 珠海华发集团有限公司 AAA 联合资信
589 紫光集团有限公司 AAA 中诚信证券
590 紫金矿业集团股份有限公司 AAA 中诚信证券

3、AA级企业名单

AA+是仅次于AAA评级的，偿债能力较强，投资风险很小，据不完全统计，目前中国有841家，以政府融资平台公司和国有企业为主，民企能干到AA+,那是相当了不起。这些企业当然也算是金字塔顶端的企业，也是做债的承揽争抢的对象。

以下是AA+企业名单：

4、2017年我国债券市场信用风险发展趋势

（1）我国宏观经济面将保持平稳增长

展望2017年，在英国脱欧、意大利修宪公投失败等风险事件的影响下，全球经济的缓慢复苏态势面临较大的不确定性。当然，同时存在一些积极因素，如美国经济持续复苏，特朗普政府计划通过减税、加大基础设施建设刺激经济增长，未来预期良好，日本2016年12月制造业PMI终值以全年最快速度扩张，经济复苏也有望向好发展。金准数据分析，对中国而言，虽然面临着复杂多变的国际政治经济环境，但近期已呈现企稳筑底态势，未来也将通过进一步的减税降费、加大基础设施建设投资以及刺激消费等措施维持经济的平稳增。

（2）行业继续分化，部分行业信用风险将进一步暴露

2017年，在宏观经济基本面保持相对稳定的背景下，产能过剩行业、房地产行业以及国企、城投企业的信用风险将进一步暴露和释放。2017年是我国供给侧结构性改革向纵深发展的关键之年，过剩行业“去产能”将继续推进，煤炭、钢铁行业企业的经营继续承压，信用风险较大；为了防范楼市风险以及进而引发的系统性风险，9月以来房企债券融资收紧政策陆续出台，在未来楼市周期性转冷和已发债券集中到期的情况下，房企尤其是中小房企的经营风险和违约风险加大；国企、城投企业与地方政府的信用关联性弱化，《地方政府性债务风险应急处置预案》的出台使得城投债的刚兑信仰进一步被打破，信用风险有所上升。

（3）我国债券市场将进一步发展和完善，风险管控继续加强

2016年以来，监管层继续鼓励债券市场的扩容和发行便利化，加大对绿色债券市场发展的支持和鼓励，进一步促进债券市场对外开放，2017年主要趋势将得以延续，我国债券市场发行量将继续稳步增长。其中值得关注的有PPP项目资产证券化的发展、高收益债能否推出、熊猫债扩容速度，以及提高类平台发行人以及房地产、过剩产能行业的债券发行门槛等的影响。

2016年以来，监管层陆续出台相关政策，强化信息披露，设计“交叉保护”等条款加强投资人保护，推出CDS、CLN信用风险对冲工具，预计在2017年将发生更大作用；评级行业监管预计会进一步加强；私募市场风险的暴露，地方私募市场面临整顿；债券市场交易对手风险暴露，需要加强监管；债转股将逐步实施，企业的财务杠杆将有所控制。这些措施都将对债券市场风险产生重要影响。

（4）级别调整将更加频繁，风险识别向基本面分析回归

在供给侧结构性改革向纵深发展的背景下，不同行业以及企业之间的信用风险分化将进一步加剧，债券市场违约事件频发，投资者对违约事件反应强烈，监管层出台诸多举措管控风险，加强对评级行业的监管。在市场和监管的双重压力下，为更好控制风险，为投资者服务，评级机构应加大级别调整力度，及时调整级别以反映和揭示信用风险，债券市场信用等级调整趋势将继续。

在级别调整依据方面，风险识别将向宏观、行业和企业的基本面分析回归。行业景气下滑导致公司经营基本面恶化是发生信用风险事件的重要原因之一。这两年的经验已经表明，行业景气度下降的一些行业，或者强周期的企业，或者中小企业，违约风险高。评级机构应该对每个行业的风险等级做出一定的评判。另外，对行业风险的展望要加强研究，能够为市场提供更多这方面的产品。

企业经营不善等自身因素是信用风险发生的直接原因。流动性压力(现金流管理)、盈利能力、债务负担或杠杆、融资环境、突发事件都可能引发企业违约事件的发生。近年来，不少融资工具是加杠杆的，如明股实债、部分私募基金、信托产品等。

金准数据认为，在此背景下，违约率、级别调整与宏观经济、行业走势以及企业自身财务实力的联系日益紧密，外部支持因素的影响将弱化。

（5）中国债券市场违约事件的发生趋于常态化，刚兑信仰将进一步打破

尽管信用风险的增加对企业通过债券市场进行直接融资产生不利影响，但是信用风险的存在是市场经济发展的客观规律，违约是信用债市场的重要组成部分，是宏观经济和行业周期性变化下的必然反应，出现违约事件也是成熟市场普遍具有的特征之一。从长远来讲，打破债券刚性兑付有利于市场参与者加强对信用风险的认识及重视程度，进而采取有效措施预防和管控风险。非系统性信用风险事件的发生对于建立市场化的定价估值体系、完善市场风险分散分担机制以及提高评级的实际价值有积极意义，监管、市场对违约的认识进一步加深。只要不发生系统性、区域性风险，违约就是可以容忍的，政府支持、救助、兜底的概率在下降，除非有恶意逃废债。投资者也开始真正关注违约，开始接受违约。因此，市场经济条件下必然存在的违约现象就会逐步常态化。

截至2016年底，我国债券市场将于2017年到期的主要信用债规模近4万亿元，这还不包括当年内新发且于当年内到期的短融和超短融。随着债券的到期，企业的风险会受到检验，违约风险就可能暴露。2016年以来债券市场违约事件明显增加，表明市场规律作用下的违约事件发生已经逐步成为常态，在未来债券市场发行量稳步增长和债券集中到期的情况下，违约将更加常态化。

在对违约债券的处置上，我国已经进行了各种探索，包括收购兼并、企业重组、债务重组、破产清算等。违约债券已经产生实质损失。投资者除了要关注违约风险外，对于损失风险会进一步关注。公募债券市场共有36只(310.20亿元)债券发生违约，约240亿元尚未完全兑付，回收率约为23%。刚性兑付的信仰进一步打破。

1、报告概述

1.1核心数据：

► 2016年中国“共享经济”市场规模达39450亿元，增长率为76.4%。► 2016年我国分享经济的提供服务者人数约为6000万人，比上年增加1000万人；分享经济平台的就业人数约585万人，比上年增加85万人。► 2016年度共享经济交通领域金额最大一笔融资是6月16日滴滴出行获得的45亿美元。

► 截至2016年12月，网络预约专车用户规模为1.68亿，比2016年上半年增加4616万，增长率为37.9%。

► 在2016年1月1日至6月17日，共有10家众筹平台完成融资，总计融资金额约为31000万元。

► 2016年度共享单车领域单ofo完成了5次融资。

► 2016年，共享单车呈现近10倍规模发展。

► 2016年4月18日，C2C众包物流人人快递宣布完成5000万美金B轮融资。

► 2016年全国众筹行业共成功筹资224.78亿元，是2015年全年成功筹资额的1.97倍，是2014年全年全国众筹行业成功筹资金额的10.42倍。► 截至2016年12月底，全国众筹行业历史累计成功筹资金额超350亿元，达363.95亿元。

► 2016年中国在线旅游分享住宿市场交易规模预计可达到89.4亿元，相比2015年交易额增长80.6%，分享住宿市场规模持续上升。

► 2016年外卖市场爆炸式发展，交易规模约1524亿，相比2015年的459亿增加了232%。

1.2核心观点：

► 预测：“共享经济”市场规模将逐年增长，符合社会发展规律。

► 共享网约车: :网约车与传统出租车差异竞争融合发展、共享经济在交通出行领域的实践具有重要意义、交通分享业务扩大化。

► 共享单车：未来趋势猜想：区域垄断，军阀割据、市场分层，立体布局、一统江湖，一家独大。

► 共享房屋：国家利好政策支持、个性化度假旅游需求日益旺盛 、管理制度层面将趋于规范、轻资产模式运营利于实现低投高收、轻社交时代的非标住宿促进和谐社会。在线旅游分享住宿行业投融资多集中在A轮及以前，在线旅游分享住宿领域仍大可挖掘。

► 共享餐饮：由于监管趋严，共享经济概念下的私厨共享，在经历前一阶段的爆发式增长后，最近陷入了艰难境地。大批私厨平台相继停止运营。

► 共享物流：众包模式为企业的创新发展提供强劲的驱动力、众包模式为传统生产与生活领域营造共建共享的普惠环境、货运O2O迎来最好的时代。

► 共享金融：P2P网贷行业大洗牌不可避免，业务类型更加多样化。P2P网贷平台将在现有基础上进一步拓宽业务范围，尤其是供应链金融和消费金融等领域。移动端成为资金主要入口。

网络众筹将进入快速发展期。奖励众筹成为未来一种新的消费方式。公益众筹将从根本上改变公益慈善领域的现行格局。在BAT等大型公司纷纷进入的情况下，中小众筹平台将向垂直型、专业化方向发展。

1.3去年（2016）中国共享经济行业图谱

1.4市场规模稳步增长：互联网使分享高效

据中国电子商务研究中心监测数据显示，2016年中国“共享经济”市场规模达39450亿元，增长率为76.4%。2014年后，中国“共享经济”市场规模增速放缓。经历过爆发式增长与市场选择、政策调控，“共享经济”模式正在以更加合理的速度逐步扩散。2016年我国分享经济的提供服务者人数约为6000万人，比上年增加1000万人；分享经济平台的就业人数约585万人，比上年增加85万人。

2、共享交通

共享交通模式主要有共享租车、共享驾乘、共享自行车、共享停车位等多种类型，也是共享经济目前在全球范围影响最广、争议最多的一个领域，共享交通出行模式致力盘活社会上闲置的车资源、司机资源、停车位资源等，提升交通闲置资源的利用率。

2.1.2016共享经济交通领域图谱

2.2滴滴出行夺魁

2016年网约车领域仅滴滴、优步中国、神州专车、叮叮约车就融资近百亿美元。

2016年度共享经济交通领域金额最大一笔融资是6月16日滴滴出行获得的45亿美元，投资方为中国人寿、Apple苹果、阿里资本/阿里巴巴、腾讯产业共赢基金/腾讯、招商银行、软银中国。

2016年1月4日，优步Uber中国完成B轮融资,金额20亿美元,投资方为海航资本、中国人寿、太平洋保险、广汽集团、中信证券、万科集团、民生银行(民银国际)、宽带资本、双湖投资，融资金额排在第二位。

2.3出行方式多样化：超两成网民约专车

据中国电子商务研究中心监测数据显示，截至2016年12月，网络预约专车用户规模为1.68 亿，比2016年上半年增加4616万，增长率为37.9%。

网约车新政细则落地，政府鼓励网约车业务规范发展，明晰对专车业务的定位，并将逐渐加强、细化对行业的管理办法。

受政策影响，网约车运营成本大大增加，2016年下半年的网约车用户规模增速并不快，但交通共享依旧是未来大趋势。

2.4交通共享大趋势解析

网约车与传统出租车差异竞争融合发展

多地网约车细则正式公布，相比征求意见稿有许多修改，尤其在车辆规格的要求上多地都有所放宽。听取了社会公众反馈后的政策放宽既稍向网约车从业者的利益倾斜，又使其与传统出租车规格有所区别。帮助两者差异竞争、融合发展。此后网约车运营有法可依、获得合法地位的同时将受到监管、规范，这对乘客而言是保障，对行业、市场是选择与优化。

共享经济在交通出行领域的实践具有重要意义

网约车作为国内共享经济在交通出行领域的代表性行业，源起于大城市交通服务供需不平衡，以及限行限购、开车烦、打车难、养车贵、用车不及时等现实问题，是对现有社会资源的再分配，体现了共享经济的发展趋势。有利于资源优化有效利用、有利于减少浪费，降低对环境破坏、是有利于营造良好的创新创业环境。

交通分享业务扩大化

在充足人气和快速发展的技术支持、日新月异的迭代创新以及持续升温的资本热捧下，未来交通分享市场的用户及覆盖城市的数量必将持续扩张；整合多种出行方式的一站式分享服务将出现，进一步改善人们的出行体验。

未来将展现出更高水平的包容性，吸引更多不同地域和年龄的用户参与其中。此外，未来的交通分享将进一步扩展维度并延伸服务链，开展停车、加油、洗车、保养、保险等方面衍生服务，进行更多跨界合作与创新。

3、共享单车

3.1去年（2016）共享单车异常火热

2016年为共享单车发展元年。大量资本涌入共享单车领域。2016年度共享单车领域单就ofo就完成了五次融资。2017年3月1号更是完成了高达4.5亿美元的D轮融资。

2016下半年，TMT领域最疯狂的资本盛宴转移到了共享单车，分享这场共享单车盛宴的玩家们已达数十家，百车大战的局面拉开。

3.2共享单车行业格局将定

据中国电子商务研究中心监测数据显示，共享单车领域异常火热。截止2016年年底，共享单车用户规模达1886.4万人，相比于2015年245万人，呈7倍的爆发式增长。预计2017年用户规模将达到4965万人，共享单车行业格局将定。

3.3共享单车行业热门平台解读：ofo 、摩拜

3.4共享单车大趋势解析

区域垄断，军阀割据

不同企业在不同的区域饱和投入单车，让对手望而却步，从而形成区域垄断性优势。由于空间上的占领需要时间，因此大巨头来不及吃掉全国市场，就发现很多区域市场已经被其他对手瓜分完毕。最终，全国形成军阀割据的态势，各自为政，谁也消灭不了谁。

市场分层，立体布局

根据城市层级不同，可以划分为一、二、三线市场。当一些巨头集中火力在含金量高的一线市场火拼时，还有一些对手会乘机占领二线市场。最终可能的局面是，一线市场和二线市场各有巨头，各自占据分层市场。

一统江湖，一家独大

由于市场容量不大，前期资产投入重，无论军阀割据还是市场分层，都不是最佳结果。分散只会导致大家集体走向平庸，而资本也没有退路。因此，最终在资本的驱动下，大鱼吃小鱼，小鱼吃虾米，合并成一家巨型公司，共享单车之战宣告结束。

4、共享房屋

中国电子商务研究中心认为，目前国内在线短租共享领域主要存在以下三种主要模式 ：

C2C开放平台模式：该模式以小猪短租为代表，类似于国外的Airbnb模式 。

B2C开放平台模式：房源主要由平台控制，统一装修，统一管理，房租收入由平台和房东按一定比例分成，典型代表如途家网等。

“产权共享+换住共享”的二维共享模式：该模式以 “我享度假” 为代表。这个模式的核心在于分权共享。

4.1去年（2016）共享经济住宿领域图谱

4.2.共享房屋融资

2016年共享经济房屋租赁领域发展较为平稳，且有往好的方向发展趋势。获得D轮以上融资的公司仅有途家网及小猪2家企业，另外住百家在2016年4月挂牌新三板。在线旅游分享住宿行业投融资多集中在A轮及以前，在线旅游分享住宿领域仍大可挖掘。

4.3住宿市场前景看好

据中国电子商务研究中心监测数据显示，2016年中国在线旅游分享住宿市场交易规模预计可达到89.4亿元，相比2015年交易额增长80.6%，分享住宿市场规模持续上升。

2016年住房分享市场交易额约243亿元，同比增长131%。主要住房分享平台的房源数量超过190万套，用户总人数约3500万人，发展态势良好。

4.4共享房屋大趋势解析

未来市场潜力巨大

国务院常务会议明确提出放宽在线度假租赁、旅游租车等“互联网+”新业态的准入和经营许可。未来市场潜力巨大，房屋租赁规模扩张将进一步加快。从目前潜在需求和资源供给的潜力看，未来五年整体市场规模（包括房源数、用户数、交易额等）有望保持50%以上的年均增长速度。平台盈利模式多样化。

个性化度假旅游需求日益旺盛

随着人们生活水平的提高，旅游需求增长迅速，旅游业快速发展直接带动住宿需求，短租市场发展前景广阔。尤其是近年来，以家庭、朋友、甚至是“驴友”为团队组合模式的出游日渐成为新潮流，互联网助推新型旅游模式。相较传统跟团游、享受标准化的酒店服务，这些自由行的出游者对住宿也有了更多样化、个性化的需求。

轻社交时代的非标住宿促进和谐社会

非标住宿更注重轻社交属性即陌生人之间的轻快交往。酒店住宿房门一关住户之间没有任何交集，非标住宿的短租民宿，不管是合租还是整租，房东们都愿意分享自己的时间、技能、知识、当地生活经验，给用户深层次的社交体验。

此外，短租平台上也提供交流的社区版块，例如途家的“遇见有趣的人，体验不一样的家”版块，木鸟短租的“出门在外的一千零一夜”，房东和房客可以在这里分享自己的故事，实现知识共享、经验交流，促进人与人之间美好关系的形成，有利于和谐社会的构建。

5、共享餐饮

中国电子商务研究中心认为，目前私厨类共享产品分大致可以分为以下三个模式:

模式一：“私厨+ 配送”类似于O2O外卖的模式

家庭主妇(煮夫)们先申请成为私厨，然后在平台上创建自己的店铺和菜单。用户在私厨店铺里点菜下单后，再由平台或物流公司完成配送。目前做的比较好的有 “觅食”、“回家吃饭”、“丫米厨房”、“妈妈味道”等。

模式二：“家厨+ 堂食”

该模式类似于“家宴”，私厨们在平台上发布美食邀约，列出美食清单、预约时间和人均单价等，用户如果对美食感兴趣，则可以报名组团入局。典型的产品有“我有饭”、 “隐食家”等。

模式三：美食菜谱类社区

这个模式虽然目前还没有切入该市场，但却不可小觑，典型的产品包括“下厨房”、“豆果美食”、“味库”等。

5.1去年（2016）共享经济餐饮领域图谱

5.2大批共享经济平台离场

2016年虽然有不少餐饮平台参与融资，但受环境、制度影响，很少是以共享经济名义出现的。由于监管趋严，共享经济概念下的私厨共享，在经历前一阶段的爆发式增长后，最近陷入了艰难境地。北京市食药监局明确，回家吃饭、丫米厨房、吃几顿等私厨模式涉嫌违规之后，小e管饭、妈妈的菜等大批私厨平台相继停止运营。

5.3餐饮市场规模持续增长

据中国电子商务研究中心监测数据显示，2016年外卖市场爆炸式发展，交易规模约1524亿，相比2015年的459亿增加了232%。2016年下半年交易规模虽然较上半年增长率有所下降，但整体交易规模呈上升趋势。受市场环境及制度影响，大批私厨等共享经济平台纷纷离场，共享经济餐饮行业面临严峻考验。

5.4餐饮外卖大趋势解析

餐饮分享模式遭挑战

2016年食药总局发布了《网络食品安全违法行为查处办法》，提到“只有取得许可证的实体餐饮店才能在网上接受订餐，没有实体店的不能在网上销售餐饮产品，餐饮企业必须保证在网上销售的餐饮产品与在实体店销售的餐饮产品质量是一致的”。

餐饮创业门槛提高

严格落实网络餐饮服务第三方平台的责任，包括确保在平台上展示的餐饮企业的许可证是真实的，确保在送餐的过程中食物不被污染，确保消费者提出的投诉得到及时处理。新规下，不仅是私厨共享平台和O2O订餐平台受到挑战，整个互联网+餐饮的创业的准入门槛，也将大大提高。

外卖O2O依然处于井喷阶段

外卖O2O依然处于井喷阶段，用户的消费能力增加也导致了其从价格敏感转向了品质敏感，也在反过来倒逼整个外卖行业的质量提升，安全、餐饮品类、物流等等通通需要全面的提升。

单品和垂直类外卖之所以在后期受到投资青睐正是因为其能够更为专注的做到从安全到物流的各项品质服务，而其服务的用户也偏中高端，有着更高的消费能力与黏性，可以最早实现盈利，继而成为投资的新宠。

6、共享物流

共享物流模式就是指通过共享物流资源实现整个物流体系的资源优化配置，从而提高物流系统效率，降低物流成本，推动物流系统变革的模式。共享物流模式目前主要指全民快递服务，即利用个人空闲时间，实现快递配送，也是一种新的生活体验方式。

据中国电商物流快递网企业数据库监测显示，中国已成为全球第一快递大国，而电商物流衍生出多种业态，并朝着多元化、智能化、开放化、国际化方向发展：

众包物流：京东众包、人人快递、饿了么“蜂鸟”、美团众包、我快到、 51送、闪送、E快送等；

货运O2O：1号货的、云鸟配送、货车帮、罗技物流、蓝犀牛、速派得、运满满、货拉拉、福佑卡车等。

6.1去年（2016）共享经济快递物流领域图谱

6.2去年（2016）物流行业融资火热

截止2016年12月，众包物流、货运O2O等物流领域共有14家主流平台获得了融资。物流行业整体发现态势良好。

2016年1月11日，供应链配送服务商云鸟配送宣布完成C轮融资，融资额为一亿美金，由华平投资集团领投，红杉中国、经纬中国、金沙江等原有投资方跟投。

6.3共享物流大趋势解析

众包模式为企业的创新发展提供强劲的驱动力

众包模式将打破企业的边际，促进多方有能力的企业或个人之间在多项业务上开展跨地区、跨行业的创新协同，这将会大幅提升传统行业的创新能力，同时降低创新的成本。

如在家电行业，海尔集团在帝樽和天樽系列空调的研发过程中，前期通过互联网平台与数十万用户实时互动，提取用户对产品的共性需求，然后利用众包平台对接全球超过100万个领域专家和上千家全球一流的研发机构，产品推出后便广受市场好评。

众包模式为传统生产与生活领域营造共建共享的普惠环境

众包模式推动了全行业的创新供给和信息资源的开放共享，激发了社会多方主体参与生产与生活领域相关工作任务的积极性，与此同时大幅提升了企业的服务能力和普惠程度，使服务方式更加多样、服务内容更加丰富、服务供给更加高效。

货运O2O迎来最好的时代

物流作为一个复合型服务产业，以基础姿态支撑着医药、金融、零售、餐饮、生鲜、上门等服务行业。

随着移动互联网对各行各业的改造、升级与优化达到瓶颈，线下交付所对应的物流行业还没得到质的改变。物流行业亟需互联网的改变，货运物流迎来了最好的时代。而O2O行业本身做的事情是对供应链的改变和重塑，物流作为供应链的核心与基础是其中的关键环节，接受O2O改造是必然趋势。

7、共享金融

共享经济与互联网金融的诞生，皆是为了满足资源的最优配置。前者包括了所有资源，而后者是满足资金的最优配置。区别在于，共享经济中除了营利性的商业之外，也有公益的成分，而互联网金融的发展必须解决商业可持续原则。

► 众筹领域：代表平台有淘宝众筹、京东众筹以及苏宁众筹。

► P2P网贷领域：代表平台有拍拍贷、陆金所、微贷网等。

7.1去年（2016）共享经济互联网金融领域图谱

7.2众筹领域融资

进入2016年以来，互联网众筹行业的发展速度明显快了很多，直接反映在众筹平台受资本市场的青睐程度，仅上半年就有数十家平台获得A轮或者B轮融资。在2016年1月1日至6月17日期间，共有10家众筹平台完成融资，总计融资金额约为31000万元。

7.3众筹平台逐年递增

据中国电子商务研究中心监测数据显示，2016年全国众筹行业共成功筹资224.78亿元，是2015年全年成功筹资额的1.97倍，是2014年全年全国众筹行业成功筹资金额的10.42倍。

据可测数据统计，2014年众筹行业成功融资21.58亿元，而在2013年及之前全国众筹行业仅成功筹资3.35亿元。截至2016年12月底，全国众筹行业历史累计成功筹资金额超350亿元，达363.95亿元。

7.4 P2P平台逐年递增

据中国电子商务研究中心监测数据显示，2012年至2015年P2P平台数逐年增加，而2016年全国P2P平台2448家相较于2015年减少了985家，全年正常运营平台数量维持逐级减少的走势。由于平台整改的脚步尚未停歇，预计2017年网贷行业运营平台数仍将进一步下降，合规平台将上涨。

7.5共享金融大趋势解析

作为一种快速变化的新型业态，共享金融的未来发展存在着相当大的不确定性。随着国家关于互联网金融的一系列政策的出台和监管的加强，以及市场竞争的演化，未来共享金融的发展还是有迹可寻。

主要如下：一是在经历了疯狂的市场进入高潮后，目前的平台倒闭潮还会延续一段时期，同时合并潮和行业大洗牌也将随之而来。二是与平台的变化趋势相反，共享金融的规模将继续快速增长，但增速会呈递减趋势。三是随着互联网和智能手机普及率提高，共享金融参与者的规模将不断扩大。

P2P网贷发展趋势：

一是行业大洗牌不可避免。未来不能符合监管要求的、业务违规的、实力薄弱的平台将会出局.

二是业务类型更加多样化。P2P网贷平台将在现有基础上进一步拓宽业务范围，尤其是供应链金融和消费金融等领域。

三是移动端成为资金主要入口。智能手机高普及率、强大的功能以及便捷性，使得P2P网贷资金端的竞争从PC端转向移动终端。

四是金融监管将进一步加强。未来监管部门将进一步细化政策，并结合大数据技术强化对平台的监管。

网络众筹发展趋势：

一是政府的扶持以及大众化参与，将使股权众筹进入快速发展期。

二是各类预售和营销与众筹的结合，使得奖励众筹成为未来一种新的消费方式。

三是公益众筹将从根本上改变公益慈善领域的现行格局。

四是在BAT等大型公司纷纷进入的情况下，中小众筹平台将向垂直型、专业化方向发展。

8、共享充电宝

8.1共享充电宝领域融资

2017年3月底以来，小电科技、来电科技、Hi电等相关企业相继宣布获得亿元级别的融资，行业火热的势头不亚于共享单车。

据不完全统计，目前共享充电宝领域已有十余家创业公司入场。在投资层面，3月底至4月上旬，腾讯、鼎辉资本、金沙江创投等超20家资本巨鳄机构入局。累计携大约3亿元资金涌入到共享充电宝领域。

8.2共享充电宝模式对比

模式一：移动模式下的移动共享，代表是“来电科技”

人和充电设备都是可以移动的。主攻大场景大设备，包括商场、高铁、火车站、机场、景点、医院等人流量大的地方，一台单机设备可放几十个充电宝。

模式二：固定场景下的移动共享，代表是“街电科技”

主攻小场景，场景包括餐厅、咖啡馆、酒吧等，一般单柜有6个或12个充电宝。

模式三：固定场景下的固定共享，代表是“小电”

主打的是每一张桌面。线机一体，桌面上有共享充电宝时，不需要交付押金，扫码付费后就可以直接充电。

8.3共享充电宝未来发展战略

跑马圈地，占领市场

目前共享充电宝还处在起步阶段，该阶段最主要就是如何快速抢占市场，积累稳定用户。这也是网约车以及共享单车在发展前期花费大量资本所做的事。在前期，平台拼的是效率，拼的是资本。只要有了稳定的用户，未来的盈利就不是大问题。

大力推行信用免押金租赁

共享经济模式目前存在最核心的问题就是信任问题。而目前共享模式的押金无疑是新用户不能进入的最大阻碍，共享单车结合芝麻信用分大力推行信用免押金，共享充电宝也可以做到，目前街电、来电都是芝麻分600分以上免押金。尽管来电将“芝麻分600以上免押金”在机柜上展示，但是很多用户并不知道街电的信用免押金。

硬件性能提升

硬件水平是满足用户需求的基本要素，也是平台竞争的依靠。不论是充电效率、使用时长、充电安全性等都会给用户带来不小的影响。可以说优秀的硬件会给用户带来良好的体验。因此提升硬件水平，使用户充电更加高效、安全，对于用户的忠诚度有积极地影响。