广州知识产权法院的一个禁令挑起了头条和腾讯的新战火。

2月18日据《法制晚报》消息，广州知识产权法院裁定，“西瓜视频”的相关运营方——运城市阳光文化传媒有限公司、今日头条有限公司、北京字节跳动科技有限公司三家公司立即停止“西瓜视频”App直播《王者荣耀》游戏内容。

此案源于2018年“西瓜视频”的一次招募。

2018年，“西瓜视频”App公布《西瓜直播达人招募》公告，注明游戏类招募方向包括《王者荣耀》以及招募奖励等。

作为游戏直播的组织者，而非单纯的平台提供者，“西瓜视频”此举招致《王者荣耀》著作权人的反对。2018年11月，腾讯以侵犯其著作权、不正当竞争为由，将上述三家公司诉至广州知识产权法院。

根据我国《著作权法》及司法实践，游戏的著作权归游戏开发者所有，若未经游戏著作权人许可，利用游戏作品则涉嫌构成侵害著作权的行为。

法院认为，上述三家公司行为损害腾讯公司权益，攫取《王者荣耀》游戏的直播市场和用户资源，违反诚实信用原则和公认的商业道德。法院裁定，腾讯有充足证据证明西瓜视频App有直播《王者荣耀》的行为，相关公司自2019年1月31日起停止直播《王者荣耀》游戏。

这也是近年来，中国游戏直播行业的第一个行为保全禁令。

打开“西瓜视频”App可以发现，游戏直播页面已找不到《王者荣耀》的游戏直播，但《王者荣耀（海外版）》仍有直播存在。另外，《绝地求生》、《刺激战场》、《英雄联盟》等在内的游戏均存在直播专区。

跟时装一样，定位高端的腕表其实也有流行趋势，前几年流行的大表盘、快拆、定制化，今年依然有所延续。但最让人印象深刻的，当属下面这五个趋势啦。如果你今年准备入手新表，不妨以此作为参考噢。

赫柏林恒星系列，图片来源于赫柏林。

1、大玩高级色

颜色和材质一样，在制表领域里属于常说常新的话题。从前几年的蓝色风潮、绿色主打，今年依然势头不减，但今年开始萌芽的，是那些走低调内敛、越看越爱的高级色。那些不常见、饱和度不会特别高，但是一看就上档次的颜色，才是今年购表首选啦。

宝珀五十噚系列深潜器Bathyscaphe70年代日期及星期腕表

宝珀五十噚系列深潜器Bathyscaphe70年代日期及星期腕表，图片来源于YOKA。

五十噚有多热门就不用多说了吧，这款表所用的大型时标、阿拉伯数字、3点钟位置的星期和日期窗口，都是五十噚系列深潜器Bathyscaphe的招牌造型。全新五十噚系列深潜器70年代日期及星期腕表限量发行500枚，不仅具有1970年代表款的经典魅力。

宝珀五十噚系列深潜器Bathyscaphe70年代日期及星期腕表，图片来源于YOKA。

但是我想强调的是它的精致玄妙的渐变灰色，周边略显深邃，向中心聚焦出较为明亮的色调，从而令整个表盘的视觉效果更大，更为清晰、易读。越看越迷~~

汉米尔顿

全新爵士系列纤薄自动腕表，配备可替换皮革表带，图片来源于汉米尔顿。

爵士系列纤薄腕表外观简洁流丽，备有四种不同的拱形太阳光线纹表盘和表带色调组合可供挑选，可以说是一款很称职的日配表了。

全新爵士系列纤薄自动腕表，配备可替换皮革表带，图片来源于汉米尔顿。

今年的新品用了岩灰色表盘与樱桃红皮革表带形成鲜明对比；午夜蓝色表盘与棕褐色皮革相映成趣；青铜色表盘与黑色皮革缔造古典外观；白调香槟色表盘则搭配橄榄绿色表带。每一款都给人高级的视觉享受，关键是，它性价比很高，一点儿都不贵。

赫柏林Antarès恒星系列

赫柏林Antarès恒星系列，图片来源于赫柏林。

法国制表工作坊Michel Herbelin的Antarès恒星系列，拥有多款色系表带可供互换，多姿多彩，让你一秒摆脱单调。

赫柏林Antarès恒星系列，图片来源于赫柏林。

这款腕表采用这些表带的颜色在当下时尚生活中全新打造。薄荷绿，金丝黄，粉红糖果色，淡紫色、淡蓝色……就像时尚生活中的鸡尾酒调色，从中挑选一款适宜搭配，其时尚的整体外观能展现女性别致的心情，是一款女性搭配神器。

赫柏林Antarès恒星系列表带选择，图片来源于赫柏林。

2、跨界永无止境

现在各行各业都在玩跨界，确实，跨界可以碰撞出新的火花，跨界可以给双方带来新的契机，对于消费者来说，跨界也可以让人时刻保持新鲜感。今年的巴塞尔表展上，各种跨界依然层出不穷，甚至有些“脑洞大开”。比如说，你能想象得到一个手机品牌竟然找来了瑞士独立制表师跨界合作？一个瑞士制表品牌竟然找中国航天做跨界？从今年的跨界风行来看，对于制表来说，只要是有趣有意义的，做什么跨界都不算过分。

8848钛金手机巴塞尔2018纪念款

8848钛金手机巴塞尔2018纪念款，图片来源于8848。

今年表展“混”入了一款手机，但它并不是来凑热闹的噢，而是它真的跟腕表有关。8848今年与瑞士独立制表大师Kari Voutilainen跨界合作了一款手机，手机的背面就是用的Kari2007年首次获得日内瓦高级钟表大赏那款腕表的表盘为设计元素。

8848钛金手机巴塞尔2018纪念款，图片来源于8848。

很多人都对Voutilainen作品一表难求，这次有了合作款手机，是不是可以小小满足一下啦。

TAG Heuer泰格豪雅中国探月特别款腕表

长期以来，泰格豪雅一直关注人类太空事业的发展，倾力支持中国航天事业的辉煌进程，两款全新中国探月特别款腕表再次见证了泰格豪雅和中国探月工程的紧密合作。

玉兔号”月球车，图片来源于泰格豪雅。

泰格豪雅卡莱拉Heuer 01 CLEP特别款腕表灵感源自月球背面，限量发售100枚。其表带、表盘、计时器以及表圈都采用黑色设计，并饰有夜光时标。黑色的PVD精钢表壳直径43毫米，搭载品牌自制的Heuer 01计时机芯。深灰色喷砂表盘之上，覆有superluminova®夜光材料的黑色镀金刻度与指针一目了然。该款卓越时计独具魅力，令其佩戴者仿佛穿越太空，遨游于幽深的银河系。

泰格豪雅卡莱拉系列Calibre HEUER01自动码表，图片来源于泰格豪雅。

另一款动感十足的竞潜系列的CLEP特别款腕表搭载Calibre 5自动机芯，展现了人类征服太空的梦想。该款功能型腕表带有Aquaracer系列的标志性元素。表壳直径43毫米，单向旋转表圈以黑色陶瓷打造而成，防水深度达300米。黑色蛋白石表盘的9点钟位置设有精美月球图案，同时，精钢旋入式表背上也镌刻有月球图案，以此向与中国探月工程的合作致敬。

泰格豪雅Aquaracer Calibre 5 自动腕表，图片来源于泰格豪雅。

前言    

数据挖掘（Data Mining）是一门跨学科的计算机科学分支，它用人工智能、机器学习、统计学和数据库的交叉方法，在大规模数据中发现隐含模式，在零售、物流、旅游等行业有着广泛应用场景。

在数据爆炸的时代里，如何利用手中数据资源提高行业效率、提高行业质量，成为了众多企业决策者所关注的问题，数据挖掘也逐渐成为当下的热门研究领域之一，受到了谷歌、亚马逊、阿里、百度等科技巨头的追捧。

一、数据挖掘与KDD

数据挖掘（Data Mining），是指从大量的数据中自动搜索隐藏于其中的有着特殊关系性的数据和信息，并将其转化为计算机可处理的结构化表示。

金准人工智能专家了解到，目前数据挖掘的主要功能包括概念描述、关联分析、分类、聚类和偏差检测等，用于描述对象内涵、概括对象特征、发现数据规律、检测异常数据等。

一般来说，数据挖掘过程有五个步骤：确定挖掘目的、数据准备、进行数据挖掘、结果分析、知识的同化。

数据挖掘过程基本步骤

1、确定挖掘目的

认清数据挖掘的目的是数据挖掘的重要一步。挖掘的最后结果是不可预测的，但要探索的问题应是有预见的。

2、数据准备

数据准备又分为三个阶段：

1）数据的选择：搜索所有与目标对象有关的内部和外部数据信息，并从中选择出适用于数据挖掘应用的数据；

2）数据的预处理：研究数据的质量，为进一步的分析做准备，并确定将要进行的挖掘操作的类型；

3）数据的转换：将数据转换成一个分析模型。这个分析模型是针对挖掘算法建立的。建立一个真正适合挖掘算法的分析模型是数据挖掘成功的关键。

3、进行数据挖掘

对得到的经过转换的数据进行挖掘。

4、结果分析

解释并评估结果，其使用的分析方法一般应视数据挖掘操作而定，通常会用到可视化技术。

5、知识的同化

将分析所得到的知识集成到所要应用的地方去。

数据挖掘的分类表

如上图所示，数据挖掘有多种分类方式，可以按照挖掘的数据库类型、挖掘的知识类型、挖掘所用的技术类型进行分类。

同时，数据挖掘也可以按照行业应用来进行分类，比如生物医学、交通、金融等行业都有其独特的数据挖掘方法，不能做到用同一个数据挖掘技术应用到各个行业领域。

数据挖掘是知识发现（KDD）的一个关键步骤。1989年8月，Gregory I. Piatetsky- Shapiro等人在美国底特律的国际人工智能联合会议（IJCAI）上召开了一个专题讨论会（workshop），首次提出了知识发现（Knowledge Discovery in Database，KDD）这一概念。

数据挖掘是知识发现的过程之一

KDD涉及数据库、机器学习、统计学、模式识别、数据可视化、高性能计算、知识获取、神经网络、信息检索等众多学科和技术的集成，再后来的30年间KDD逐渐形成了一个独立、蓬勃发展的交叉研究领域。

早期比较有影响力的发现算法有：IBM的Rakesh Agrawal的关联算法、UIUC大学韩家炜（Jiawei Han）教授等人的FP Tree算法、澳大利亚的John Ross Quinlan教授的分类算法、密西根州立大学Erick Goodman的遗传算法等等。

目前，数据挖掘已经引起国际、国内工业界的广泛关注，IBM、谷歌、亚马逊、微软、Facebook、阿里巴巴、腾讯、百度等都在数据挖掘研究方面进行了应用与理论研究。

2.13-2018KDD研究性论文投稿与接收情况

国际知识发现与数据挖掘大会（ACM SIGKDD Conference on Knowledge Discovery and Data Mining，简称SIGKDD）是数据挖掘领域的顶级国际会议，由ACM的数据挖掘及知识发现专委会负责协调筹办，会议内容涵盖数据挖掘的基础理论、算法和实际应用。

二、数据挖掘源于商业的直接需求

数据挖掘技术从一开始就是面向应用的，源于商业的直接需求。金准人工智能专家了解到，目前数据挖掘在零售、旅游、物流、医学等领域都有所应用，可以大大提高行业效率和行业质量。

举个例子，零售是数据挖掘的主要应用领域之一。这是因为由于条形码技术的发展使得前端收款机系统可以收集大量售货、顾客购买历史记录、货物进出状况、消费与服务记录等数据。

数据挖掘技术有助于识别顾客购买行为，发现顾客购买模式和趋势，改进服务质量，取得更高的顾客保持力和满意程度，减少零售业成本。

同时，同一顾客在不同时期购买的商品数据可以分组为序列，序列模式挖掘可用于分析顾客的消费或忠诚度的变化，据此对价格和商品的花样加以调整和更新，以便留住老客户，吸引新客户。

与此同时，社交网络也是数据挖掘研究中的热门领域，比如新浪微博就是拥有海量数据的资讯平台。

截止到2017年12月，新郎微博已拥有接近4亿活跃用户，内容存量超千亿，“大V”的一举一动和社会热点话题都会引起大量的评论与转发，掀起一股“数据风暴”。

柯洁乌镇大战AlphaGo撼负后的微博热议

微博上每个用户的言论、转发内容等都蕴藏着用户个人的兴趣、话题等信息，文字内容本身的智能分析理解也是数据分析领域长久以来孜孜不倦追求的目标。

社会网络中的聚类被称为社区发现，许多精心设计的高效算法可以很好地处理上亿用户的大规模网络。

针对微博用户的海量数据，对其进行数据描述性可以分析群体的年龄、性别比例、职业等；对于平均数、中位数、分位数、方差等统计指标可以帮助我们粗略了解数据分布；回归分析、方差分析等方法则可以解释年龄、职业等因素是否会影响用户对某热门话题的关注程度。

此外，数据挖掘在旅游、物流、医学等领域都有着广泛的应用场景。比如数据挖掘可以对旅游客流的趋向有着准确的预知性，同时对于游客的喜好也有着直接性的掌握；从医学数据中寻找潜在的关系或规律，可以获得对病人进行诊断、治疗的有效知识，增加对疾病预测的准确性等。

三、人工智能与数据挖掘

数据挖掘从一个新的视角将数据库技术、统计学、机器学习、信息检索技术、数据可视化和模式识别与人工智能等领域有机结合起来，它组合了各个领域的优点，因而能从数据中挖掘到运用其他传统方法不能发现的有用知识。

一般来说，统计特征只能反映数据的极少量信息。简单的统计分析可以帮助我们了解数据，如果希望对大数据进行逐个地、更深层次地探索，总结出规律和模型，则需要更加智能的基于机器学习的数据分析方法。

所谓“机器学习”，是基于数据本身的，自动构建解决问题的规则与方法。数据挖掘中既可以用到非监督学习方法，也可以用到监督学习方法。

3.1非监督学习

非监督学习是建立在所有数据的标签，即所属的类别都是未知的情况下使用的分类方法。对于特定的一组数据，不知道这些数据应该分为哪几类，也不知道这些类别本来应该有怎样的特征，只知道每个数据的特征向量。若按它们的相关程度分成很多类，最先想到的想法就是认为特征空间中距离较近的向量之间也较为相关，倘若一个元素只和其中某些元素比较接近，和另一些元素则相距较远。

这时候，我们就希望每一个类有一个“中心”，“中心”也是特征向量空间中的向量，是所有那一类的元素在向量空间上的重心，即他的每一维为所有包含在这一类中的元素的那一维的平均值。如果每一类都有这么一个“中心”，那么我们在分类数据时，只需要看他离哪个“中心”的距离最近，就将他分到该类即可，这也就是K-means算法的思路。

K-means算法，在1957年由Stuart Lloyd在贝尔实验室提出，最初用于解决连续的图区域划分问题，1982年正式发表。1965年，E.W.Forgy发明了Lloyd-Forgy or。James MacQueen在1967年将其命名为K-means算法。

上图是以随机生成的数据点为例，k=3的K-means算法的迭代过程，其中五角星为聚类中心，点的颜色是其类别。在实际应用中，为了获得一个比较好的特征空间，使得“数据之间的相似性与他们在特征空间上的距离有关，距离越近越相似”这句话尽可能成立，我们往往会构建模型来把原数据变换到这么一个特征空间，然后使用K-means算法来进行分类。

3.2监督学习

不同于非监督学习，若已知一些数据上的真实分类情况，现在要对新的未知的数据进行分类。这时候利用已知的分类信息，可以得到一些更精确的分类方法，这些就是监督学习方法。

1）决策树模型

所谓决策树，即是一种根据条件来进行判断的逻辑框架。其中，判断的条件，即提出有区分性的问题，以及对于不同的回答下一步的反映，以及最终的决策给出标签。

决策树算法：

1.选取包含所有数据的全集为算法的初始集合A0：

2.对于当前的集合A，计算所有可能的“问题”在训练集上的F（A,D）：

3.选择F（A,D）最大的“问题”，对数据进行提问，将当前的集合由“问题”的不同回答，划分为数个子集；

4.对每个子集，重复b、c，直到所有子集内所有元素的类别相同；

5.在实际应用中，数据往往有很多特征，因此，“问题”往往是选取数据的某一特征，而“回答”则是此特征对应的值。

在决策树中，效度函数F（A,D）的选择非常重要。决策树的发展历史，也基本是围绕着F（A,D）的优化而展开。

2）kNN算法

只知道每个数据在特征空间下的特征向量情况下，可以对数据采用无监督分类方法K-means。如果我们拥有了其中一部分数据的标签，我们就可以利用这些标签进行kNN分类。

数据之间的相似性与他们在特征空间上的距离有关。距离越近越相似，越可能拥有相同的标签。

假设我们已经有了很多既知道特征向量也知道具体标签的数据对于新的只知道特征向量却不知道具体标签的数据，我们可以选取离这个特征向量最近的k个已经知道标签的数据，然后选取他们中间最多的元素所属于的那个标签，作为新数据的预测标签。也可以根据他们与新数据的特征向量之间的距离加权（如最近得5分，第二近得4分等），取权重总和最大的标签作为预测标签。

kNN算法不需要构建模型或者训练，和K-means算法一样，往往是和某个构建特征空间的模型一起使用。

此外，还有回归分类、神经网络、朴素贝叶斯分类等等。

四、巨头们的数据挖掘之路

在当下，数据挖掘也逐渐成为当下的热门研究领域之一，受到了谷歌、亚马逊、微软、百度、阿里、腾讯等科技巨头的追捧。

1、谷歌

谷歌几乎每年都会发表一些让人惊艳的研究工作，包括之前的MapReduce、Word2Vec、BigTable，近期的BERT。数据挖掘是谷歌研究的一个重点领域。

2018年谷歌全球不同研究中心在数据挖掘顶级国际会议KDD上一共发表了7篇文章。

2、亚马逊

亚马逊公司近几年发展势头超级猛，前几年华丽的转身：从一个网上商店公司变为云平台公司再转变到目前的人工智能公司，亚马逊也在数据挖掘领域开始占有一席，尤其是在人才网罗、开源、核心技术研发。

2018年亚马逊在数据挖掘顶级国际会议KDD的Applied Data Science Track（应用数据科学Track）上一共发表了2篇文章，另外还有两个应用科学的邀请报告。

3、微软

微软是老牌论文王国，一直以来都在学术界特别活跃，因此在KDD上每年和微软有关的论文非常多，因此这里只统计了微软作为第一作者的文章。

金准人工智能专家了解到，2018年在数据挖掘顶级国际会议KDD上一共发表了6篇文章，另外还有一个应用科学的邀请报告，这些文章和报告都更多的从大数据的角度在思考如何更有效，更快速的分析。

4、阿里巴巴

阿里巴巴在电子商务方面做了大量的数据挖掘研究。尤其是在表示学习和增强学习做了几个很有意思的工作。

2018年阿里巴巴在数据挖掘顶级国际会议KDD上作为第一作者单位一共发表了8篇文章。

5、腾讯

2018年腾讯在数据挖掘顶级国际会议KDD上作为第一作者单位一共发表了2篇文章。

6、百度

2018年百度在数据挖掘顶级国际会议KDD上作为第一作者单位一共发表了2篇文章。

五、大数据与数据挖掘

大数据是近年随着互联网、物联网、通信网络以及人类社交网络快速发展的结果，成为一个交叉研究学科，和数据挖掘紧密相连。

大数据的迅速发展也使得数据挖掘对象变得更为复杂，不仅包括人类社会与物理世界的复杂联系，还包括呈现出的高度动态化。这使得很多传统数据挖掘算法不再适用，传统数据挖掘算法必须满足对真实数据和实时数据的处理能力，才能从大量无序数据中获取真正价值。

一方面大数据包含数据挖掘的各个阶段，即数据收集、预处理、特征选择、模式挖掘、表示等；另一方面大数据的基础架构又为数据挖掘提供上层数据处理的硬件设施。

大数据处理平台技术架构图

从技术架构角度，大数据处理平台可划分为4个层次：数据采集层、数据存储层、数据处理层和服务封装层。

除此之外，大数据处理平台一般还包括数据安全和隐式保护模块，这一模块贯穿大数据处理平台的各个层次。

结语

金准人工智能专家认为，随着大数据时代的来临，各行各业所积累的数据呈爆炸式增长，数据挖掘在各个领域的需求将会越来越强烈，与各个专业领域的结合也将会越来越广泛。无论是在科学领域还是工程领域、理论研究还是现实生活中，数据挖掘都将有着极为广阔的发展前景。

华为手机内部已经确定了2019年的目标，试图赶超三星，成为全球最大的智能手机制造厂商。

据报道，华为正增强智能手机芯片解决方案供应的自足性。华为与中国台湾的半导体供应链一直保持合作关系。2月份之前，海思半导体还要求其IC封装、测试和芯片探测合作伙伴提供额外的产能支持。

同时，华为要求与之合作的中国台湾供应链合作伙伴将其业务迁往大陆，并在今年底之前完成。目前，华为已要求台积电、日月光等供应商将部分生产线转移到大陆。

去年以来，华为的进攻姿态显露，无处不体现这一雄心勃勃的目标。

2018年7月份，华为首次超越了苹果公司成为全球智能手机第二大经销商，彼时，全球咨询公司IHS的分析师格里特·施奈曼便表示，华为旗下的旗舰产品的高端功能越来越多。华为在欧洲和亚洲也“获得了越来越多的品牌认可”，这使得该公司在很多价位的产品上可以挑战三星公司。

2018年底，华为又迎来了智能手机销售量破2亿的喜讯。2018年12月25日，华为发布公告称，华为旗下手机出货量已经突破2亿台。而2017年，华为手机的货量则为1.53亿台。

在去年华为终端全球合作伙伴及开发者大会上，华为常务董事、消费者业务CEO余承东表示，预计2019年华为手机出货量要超过2.5亿台，而2020年将达到3亿台。

但纵观2018年智能手机整体出货数量，华为还未能超越苹果，仅位居第三位。

美国当地时间2019年1月30日，IDC发布了2018年全球智能手机出货量统计数据报告。数据显示，2018年，三星在出货量为2.923亿台，排名第一，销量同比下滑了8%；排名第二的苹果去年的出货量为2.088亿台，同比下滑了3.2%；华为以2.06亿台的整体出货量排名第三，比2017年多卖出5000多万台，同比增长了33.6%。

由此看来，在手机销量上华为若想拔得头筹，或许还需要做出一番努力。

什么是新闻？它究竟是一件商品还是一件奢侈品？你能否量化它，抑或只有定性的手段才顶用？在互联网时代，什么可以让对于民主而言至关重要的报纸和新闻继续发挥作用？能否找到一种商业模式来维持它？其承包商（purveyor）究竟会是那些在价值上持不可知态度的、依赖于优化算法来控制我们的注意力的技术专家，还是依旧会留一些位置给传统的编辑判断？

吉尔·艾布拉姆森（Jill Abramson）在《真相批发商》（Merchants of Truth）一书里试图系统性地回答上述这些问题，书中故事的主角是两大最具潜力的传统媒体挑战者——BuzzFeed和Vice，以及传统媒体中久负盛名的两大宿将——《纽约时报》和《华盛顿邮报》。

在先败一阵的情况下，传统媒体从新媒体那里吸取了教训：《纽约时报》和《华盛顿邮报》的新闻平台起初坚决捍卫新闻界的“政教分离”原则，认为新闻绝不能沾染商业，且在报道的安排和处理过程中绝不使用分析工具——这两条对他们的新对手而言都不成问题。渐渐地，他们开始认识到世界已经变了，自己也必须跟上脚步。

但新贵也同样有过不少惨痛的教训。Vice没能看到的一点是，它的成长同时也意味着它将面临高标准的审视，一方面是媒介伦理，另一方面是更广泛意义上的办公室文化。BuzzFeed则被人发现在悄悄地、批量地删除旧时的尴尬推文，且因其四处剽窃素材而面临着“收割内容”（content farming）的指控。此外，这两家也慢慢开始面对残酷的经济现实，错失盈利目标也令投资人相当失望。二者承诺的野蛮生长，到头来被证明是难以为继的，考虑到它们高度依赖于Facebook的不透明性及其捉摸不定的新闻推送算法，这种不可持续性更显得尤其突出。

这一过程没有停止。2019年1月，艾布拉姆森的新书于英国发布仅仅一星期之后，BuzzFeed便裁掉了一部分新闻编辑。仅在纽约一地即有43名记者丢掉了工作，其广受好评的全国新闻以及全国安全平台也彻底被关掉了；英国与澳洲分部将近一半的职员被解雇；西班牙分部的行政人员也难逃厄运；法国分部的办公室已经被拆除。颇为残酷的是，最近这波裁员持续了将近一个星期。凡此种种，为新旧媒体的故事写下了相当黑暗的终章：这些公司一度自以为破解了怎样做好数字新闻的问题，如今却重重地摔在了地上。

至少从理论上讲，艾布拉姆森在讲述故事时的最大优势，是其与相关行业的紧密联系。她曾在2011年至2014年间担任《纽约时报》的执行编辑，之前还担任过总编，这一经历使她在一个重要的时刻成为了业界重要人物。艾布拉姆森对业界新贵们有相当尖刻、透彻的观察，她曾轻蔑地把Vice的创始人沙恩·史密斯（Shane Smith）称作“信口雌黄的沙恩”（Bullshitter Shane）。然而，她对《纽约时报》观感已经近乎于崇拜，这在某些时候有损于她的客观性。艾布拉姆森正确地批评了纽时记者朱迪斯·米勒（Judith Miller）在伊拉克战争前夕的一系列难称严谨的报道中使用匿名信源的做法，但她自己在书中回忆职业生涯时，却也有诉诸来自朋友和同事的匿名引述，在谈到自己2014年愤而离职时尤其如此。

她肯定地表示“对任何叙事而言，哪怕它小心翼翼地尊重事实，并且尽最大努力采用上帝式的、第三人称的记者-历史学家口吻，本质上也仍是主观的”，但针对其审视《纽约时报》的眼光尚不够超然一事，却仅有轻描淡写的致歉。更令人担忧的是，她对某些话题的论述不禁令人怀疑她在书中其它部分的信源可靠性和准确性，尤其是涉及Vice的那些篇章。艾布拉姆森着墨颇多的一名职员阿莉尔·杜海姆-罗斯（Arielle Duhaime-Ross）就在Twitter上抱怨称，某一提及到她的段落当中“犯了六个错误，还有不少不当的暗示”，包括艾布拉姆森曾将自己错认为跨性别者。

另一名曾供职于Vice的记者丹尼·戈德（Danny Gold）则称书中某句一笔带过的话为“彻头彻尾的谎言”，这句话没有提及他的本名，且暗示说他在报道非洲埃博拉疫情爆发时过于草率，且没有正确地穿着防护服装。Vice高级编辑、从事现场直播的记者托马斯·莫顿（Thomas Morton）则写了一篇口吻不甚客气的长文，指责书中“几乎句句都有硬伤”并表示“时间序列混乱无比，堪称祖父悖论（grandfather paradox，即“回到过去杀死自己祖父之后的某人是否还存在”，主要与哲学和物理学有关——译注）的绝佳案例”。

艾布拉姆森在Twitter上回应称，这些错误来自未经改正的样稿，但杜海姆-罗斯后来说，尽管正式出版的书里没有再误判她的性别，但其它一系列谬误仍未消除。作者和读者的关系乃是基于信赖的，我们不得不追问：艾布拉姆森在重述诸多事件及其参与者的思想时，究竟有没有做到真实可靠？

从最起码的意义上讲，这本书的讽刺之处在于，它批评的就是媒体不按章法行事，但出版商本身也没有对其做好事实查验工作。更糟糕的是，与她不动声色地谴责Vice的文化氛围时类似，艾布拉姆森在论及Vice的时候口吻也相当轻蔑，这一点看起来至少是局部成立的。她所指出的Vice身上的大部分问题，如性侵等等，其实也广泛地存在于别处，这本书的大方向或许还算不错——但对于一本谈论真相之运作机制的书而言，单单号称“求真”，乃是远远不够的。

在极端高温和高压环境下锻造了数千年的天然钻石，每克拉可以卖到2000美元以上。而如今中国公司掌握的先进技术，可以在几周甚至几天内生产钻石，并且与天然产品几乎没有区别。

其实目前世界上绝大多数工业用钻就是在中国制造的。截止2017年，中国的人工钻石产能，已连续十多年稳居世界首位，占全球总产量的90%以上。

钻石及采矿行业独立分析师Paul Zimnisky表示，中国每年生产大约100亿克拉用于工业领域的钻石，但国际珠宝用途的人工钻石供应现在每年仅有几百万克拉。

Zimnisky认为，哪怕只是将中国工业用钻产能的极小一部分升级为制造珠宝用途的钻石，都会对国际钻石供应产生巨大影响，导致钻石价格暴跌，重塑整个全球钻石业。

安特卫普世界钻石中心(Antwerp World Diamond Center)发言人Margaux Donckier也提到，中国乃至亚洲是人造钻石的主要生产地：“虽然合成产品仅占消费者市场的3%至5%，但份额正在迅速增长。”

另外，根据摩根士丹利的行业预测，至2020年，合成钻石在珠宝级别的小克拉钻石市场中占比将达到15％，在珠宝级别的大克拉合成钻石市场中的占比也将达到7.5％，合成钻石的市场空间在进一步增大。

值得注意的是，合成钻石并非假钻石。河南理工大学理化学院副教授臧传义表示，人工钻石是一种工业合成钻，又叫培育钻石或生长钻石，它是仿真天然钻石生长的原理，让碳在高温高压的环境下生成的：

“打个通俗的比方，天然和人工的区别就好比河流里的冰跟冰箱里的冰的区别。 ”

这也并非一家之言，美国联邦贸易委员会（FTC）在2018年发布的珠宝指南中，就从钻石的基本定义中删除了“自然”一词，并且不再推荐使用“synthetic（合成）”来称呼实验室生产的钻石。这意味着合成钻石的地位得到空前提升。

同年5月，全球最大的钻石生产商戴比尔斯也宣布涉足合成钻石领域，推出合成钻石品牌灯箱（Lightbox Jewelry），并于9月份开始正式在官网上对外售卖。而其子公司元素六（Element Six）投资9400万美元建造的人造钻石工厂也正式动工，该工厂生产出的人造钻石将被直接应用于新品牌。

这一举动无疑在中国业界引起震动。他们表示，这对人工钻石行业是一个巨大推动，有利中国人工钻石加速开拓市场。大型人工钻石企业河南黄河旋风钻石事业部经理胡军恒就对新华社表示，“从目前的销售数据上来看，利好已经显现，2018年最后一个季度的人工钻石销售量明显上升。”

而Zimnisky也预计，中国企业可能很快就会与戴比尔斯展开竞争。

2019年以来，外资持续流入中国市场，近日不少机构预期，2019年流入中国资本市场的外资规模将再创新高，不仅是股市方面，债市也将同样迎来大笔资金流入。

花旗银行日前发表报告表示，2018年全年中国资本市场迎来了1200亿美元的创纪录外资流入，预计2019年流入中国资本市场的外资将上升至2000亿美元，再创新高。主要因为今年A股有望迎来MSCI纳入因子的进一步上调，以及国债纳入彭博巴克莱指数也将正式落地，为外资涌入打开通路。

摩根士丹利上周也发布了《中国资本流入的转型》的新兴市场经济和策略研报，报告称，随着中国对外开放水平的提升和市场改革的深化，2019年A股外资流入规模将创纪录，预计流入规模合计将达到700亿至1250亿美元，远高于此前三年350亿美元的平均水平。长期来看，A股外资流入规模将逐步正常化，稳定在每年1000亿至2200亿美元左右的规模。该行还预计，中国的境内公司债券至2030年将有3000亿至4000亿美元的资金流入，但大部分资金会在后期体现。同时，大摩修正了对人民币汇率的预期，报告预计2019年年底美元兑人民币汇率将升至6.55，随着人民币汇率CFETS指数的逐步升高，至2020年年底美元兑人民币汇率将达6.30。

国盛证券分析认为，外资涌入中国资本市场的原因主要有三：首先，目前中国的资产配置中外资占比较低，存在“水往低处流”效应；其次，中国资本市场对外开放进程加速；最后，经过2018年的调整，A股估值接近底部，长期来看，还有数万亿增量资金等待入场。

日本瑞穗银行分析师则表示，2019年开年以来，北上资金大幅提升，在MSCI公布决定之前，A股权重上升的预期已经引发大量外资通过沪、深股通提前“跑步入场”。此外，沪伦通有望在今年开通，进一步为外资大举进入A股市场打开通路。