前言

人工智能的发展曾经经历过几次起起伏伏，近来在深度学习技术的推动下又迎来了一波新的前所未有的高潮。金准人工智能专家对人工智能技术的发展过程进行了简单梳理，同时还图文并茂地介绍了感知器、聚类算法、基于规则的系统、机器学习、深度学习、神经网络等技术的概念和原理。

人类对如何创造智能机器的思考从来没有中断过。期间，人工智能的发展起起伏伏，有成功，也有失败，以及其中暗藏的潜力。今天，有太多的新闻报道是关于机器学习算法的应用问题，从癌症检查预测到图像理解、自然语言处理，人工智能正在赋能并改变着这个世界。

现代人工智能的历史具备成为一部伟大戏剧的所有元素。在最开始的 1950 年代，人工智能的发展紧紧围绕着思考机器和焦点人物比如艾伦·图灵、冯·诺伊曼，迎来了其第一次春天。经过数十年的繁荣与衰败，以及难以置信的高期望，人工智能及其先驱们再次携手来到一个新境界。现在，人工智能正展现着其真正的潜力，深度学习、认知计算等新技术不断涌现，且不乏应用指向。而且2018年像深度学习、量子计算等技术正在迅速发展，在人类生活的一些场景中得以应用研究。

金准人工智能专家探讨了人工智能及其子领域的一些重要方面。下面就先从人工智能发展的时间线开始，并逐个剖析其中的所有元素。

一、现代人工智能的时间线

1950 年代初期，人工智能聚焦在所谓的强人工智能，希望机器可以像人一样完成任何智力任务。强人工智能的发展止步不前，导致了弱人工智能的出现，即把人工智能技术应用于更窄领域的问题。1980 年代之前，人工智能的研究一直被这两种范式分割着，两营相对。但是，1980 年左右，机器学习开始成为主流，它的目的是让计算机具备学习和构建模型的能力，从而它们可在特定领域做出预测等行为。

图 1：现代人工智能发展的时间线

在人工智能和机器学习研究的基础之上，深度学习在 2000 年左右应运而生。计算机科学家在多层神经网络之中使用了新的拓扑学和学习方法。最终，神经网络的进化成功解决了多个领域的棘手问题。

在过去的十年中，认知计算（Cognitive computing）也出现了，其目标是打造可以学习并与人类自然交互的系统。通过成功地击败 Jeopardy 游戏的世界级选手，IBM Watson 证明了认知计算的价值。

在本文中，金准人工智能专家将逐一探索上述的所有领域，并对一些关键算法作出解释。

1.1基础性人工智能

1950 年之前的研究提出了大脑是由电脉冲网络组成的想法，正是脉冲之间的交互产生了人类思想与意识。艾伦·图灵表明一切计算皆是数字，那么，打造一台能够模拟人脑的机器也就并非遥不可及。

上文说过，早期的研究很多是强人工智能，但是也提出了一些基本概念，被机器学习和深度学习沿用至今。

图 2：1950 - 1980 年间人工智能方法的时间线

1.2人工智能搜索引擎

人工智能中的很多问题可以通过强力搜索（brute-force search）得到解决。然而，考虑到中等问题的搜索空间，基本搜索很快就受影响。人工智能搜索的最早期例子之一是跳棋程序的开发。亚瑟·塞缪尔（Arthur Samuel）在 IBM 701 电子数据处理机器上打造了第一款跳棋程序，实现了对搜索树（alpha-beta 剪枝）的优化；这个程序也记录并奖励具体行动，允许应用学习每一个玩过的游戏（这是首个自我学习的程序）。为了提升程序的学习率，塞缪尔将其编程为自我游戏，以提升其游戏和学习的能力。

尽管你可以成功地把搜索应用到很多简单问题上，但是当选择的数量增加时，这一方法很快就会失效。以简单的一字棋游戏为例，游戏一开始，有 9 步可能的走棋，每 1 个走棋有 8 个可能的相反走棋，依次类推。一字棋的完整走棋树包含 362,880 个节点。如果你继续将这一想法扩展到国际象棋或者围棋，很快你就会发展搜索的劣势。

1.3感知器

感知器是单层神经网络的一个早期监督学习算法。给定一个输入特征向量，感知器可对输入进行具体分类。通过使用训练集，网络的权重和偏差可为线性分类而更新。感知器的首次实现是 IBM 704，接着在自定义硬件上用于图像识别。

图 3：感知器与线性分类

作为一个线性分类器，感知器有能力解决线性分离问题。感知器局限性的典型实例是它无法学习专属的 OR (XOR) 函数。多层感知器解决了这一问题，并为更复杂的算法、网络拓扑学、深度学习奠定了基础。

1.4聚类算法

使用感知器的方法是有监督的。用户提供数据来训练网络，然后在新数据上对该网络进行测试。聚类算法则是一种无监督学习（unsupervised learning）方法。在这种模型中，算法会根据数据的一个或多个属性将一组特征向量组织成聚类。

图 4：在一个二维特征空间中的聚类

你可以使用少量代码就能实现的最简单的聚类算法是 k-均值（k-means）。其中，k 表示你为样本分配的聚类的数量。你可以使用一个随机特征向量来对一个聚类进行初始化，然后将其它样本添加到其最近邻的聚类（假定每个样本都能表示一个特征向量，并且可以使用 Euclidean distance 来确定「距离」）。随着你往一个聚类添加的样本越来越多，其形心（centroid，即聚类的中心）就会重新计算。然后该算法会重新检查一次样本，以确保它们都在最近邻的聚类中，最后直到没有样本需要改变所属聚类。

尽管 k-均值聚类相对有效，但你必须事先确定 k 的大小。根据数据的不同，其它方法可能会更加有效，比如分层聚类（hierarchical clustering）或基于分布的聚类（distribution-based clustering）。

1.5决策树

决策树和聚类很相近。决策树是一种关于观察（observation）的预测模型，可以得到一些结论。结论在决策树上被表示成树叶，而节点则是观察分叉的决策点。决策树来自决策树学习算法，其中数据集会根据属性值测试（attribute value tests）而被分成不同的子集，这个分割过程被称为递归分区（recursive partitioning）。

考虑下图中的示例。在这个数据集中，我们可以基于三个因素观察到某人是否有生产力。使用一个决策树学习算法，我们可以通过一个指标来识别属性（其中一个例子是信息增益）。在这个例子中，心情（mood）是生产力的主要影响因素，所以金准人工智能专家根据 Good Mood 一项是 Yes 或 No 而对这个数据集进行了分割。但是，在 Yes 这边，还需要我们根据其它两个属性再次对该数据集进行切分。表中不同的颜色对应右侧中不同颜色的叶节点。

图 5：一个简单的数据集及其得到的决策树

决策树的一个重要性质在于它们的内在的组织能力，这能让你轻松地（图形化地）解释你分类一个项的方式。流行的决策树学习算法包括 C4.5 以及分类与回归树（Classification and Regression Tree）。

1.6基于规则的系统

最早的基于规则和推理的系统是 Dendral，于 1965 年被开发出来，但直到 1970 年代，所谓的专家系统（expert systems）才开始大行其道。基于规则的系统会同时存有所需的知识的规则，并会使用一个推理系统（reasoning system）来得出结论。

基于规则的系统通常由一个规则集合、一个知识库、一个推理引擎（使用前向或反向规则链）和一个用户接口组成。下图中，金准人工智能专家使用了知识「苏格拉底是人」、规则「如果是人，就会死」以及一个交互「谁会死？」

图 6：基于规则的系统

基于规则的系统已经在语音识别、规划和控制以及疾病识别等领域得到了应用。上世纪 90 年代人们开发的一个监控和诊断大坝稳定性的系统 Kaleidos 至今仍在使用。

1.7机器学习

机器学习是人工智能和计算机科学的一个子领域，也有统计学和数学优化方面的根基。机器学习涵盖了有监督学习和无监督学习领域的技术，可用于预测、分析和数据挖掘。机器学习不限于深度学习这一种。但在这一节，金准人工智能专家会介绍几种使得深度学习变得如此高效的算法。

图 7：机器学习方法的时间线

1.8反向传播

神经网络的强大力量源于其多层的结构。单层感知器的训练是很直接的，但得到的网络并不强大。那问题就来了：我们如何训练多层网络呢？这就是反向传播的用武之地。

反向传播是一种用于训练多层神经网络的算法。它的工作过程分为两个阶段。第一阶段是将输入传播通过整个神经网络直到最后一层（称为前馈）。第二阶段，该算法会计算一个误差，然后从最后一层到第一层反向传播该误差（调整权重）。

图 8：反向传播示意图

在训练过程中，该网络的中间层会自己进行组织，将输入空间的部分映射到输出空间。反向传播，使用监督学习，可以识别出输入到输出映射的误差，然后可以据此调整权重（使用一个学习率）来矫正这个误差。反向传播现在仍然是神经网络学习的一个重要方面。随着计算资源越来越快、越来越便宜，它还将继续在更大和更密集的网络中得到应用。

1.9卷积神经网络

卷积神经网络（CNN）是受动物视觉皮层启发的多层神经网络。这种架构在包括图像处理的很多应用中都有用。第一个 CNN 是由 Yann LeCun 创建的，当时 CNN 架构主要用于手写字符识别任务，例如读取邮政编码。

LeNet CNN 由好几层能够分别实现特征提取和分类的神经网络组成。图像被分为多个可以被接受的区域，这些子区域进入到一个能够从输入图像提取特征的卷积层。下一步就是池化，这个过程降低了卷积层提取到的特征的维度（通过下采样的方法），同时保留了最重要的信息（通常通过最大池化的方法）。然后这个算法又执行另一次卷积和池化，池化之后便进入一个全连接的多层感知器。卷积神经网络的最终输出是一组能够识别图像特征的节点（在这个例子中，每个被识别的数字都是一个节点）。使用者可以通过反向传播的方法来训练网络。

图 9.LeNet 卷积神经网络架构

对深层处理、卷积、池化以及全连接分类层的使用打开了神经网络的各种新型应用的大门。除了图像处理之外，卷积神经网络已经被成功地应用在了视频识别以及自然语言处理等多种任务中。卷积神经网络也已经在 GPU 上被有效地实现，这极大地提升了卷积神经网络的性能。

1.10长短期记忆（LSTM）

记得前面反向传播中的讨论吗？网络是前馈式的训练的。在这种架构中，我们将输入送到网络并且通过隐藏层将它们向前传播到输出层。但是，还存在其他的拓扑结构。金准人工智能专家在这里要研究的一个架构允许节点之间形成直接的回路。这些神经网络被称为循环神经网络（RNN），它们可以向前面的层或者同一层的后续节点馈送内容。这一特性使得这些网络对时序数据而言是理想化的。

在 1997 年，一种叫做长短期记忆（LSTM）的特殊的循环网络被发明了。LSTM 包含网络中能够长时间或者短时间记忆数值的记忆单元。

图 10. 长短期记忆网络和记忆单元

记忆单元包含了能够控制信息流入或者流出该单元的一些门。输入门（input gate）控制什么时候新的信息可以流入记忆单元。遗忘门（forget gate）控制一段信息在记忆单元中存留的时间。最后，输出门（output gate）控制输出何时使用记忆单元中包含的信息。记忆单元还包括控制每一个门的权重。训练算法（通常是通过时间的反向传播（backpropagation-through-time），反向传播算法的一种变体）基于所得到的误差来优化这些权重。

LSTM 已经被应用在语音识别、手写识别、语音合成、图像描述等各种任务中。下面我们还会谈到 LSTM。

1.11深度学习

深度学习是一组相对新颖的方法集合，它们从根本上改变了机器学习。深度学习本身不是一种算法，但是它是一系列可以用无监督学习实现深度网络的算法。这些网络是非常深层的，所以需要新的计算方法来构建它们，例如 GPU，除此之外还有计算机集群。

本文目前已经介绍了两种深度学习的算法：卷积神经网络和长短期记忆网络。这些算法已经被结合起来实现了一些令人惊讶的智能任务。如下图所示，卷积神经网络和长短期记忆已经被用来识别并用自然语言描述图片或者视频中的物体。

图 11. 结合卷积神经网络和长短期记忆来进行图像描述

深度学习算法也已经被用在了人脸识别中，也能够以 96% 的准确率来识别结核病，还被用在自动驾驶和其他复杂的问题中。

然而，尽管运用深度学习算法有着很多结果，但是仍然存在问题需要我们去解决。一个最近的将深度学习用于皮肤癌检测的应用发现，这个算法比经过认证的皮肤科医生具有更高的准确率。但是，医生可以列举出导致其诊断结果的因素，却没有办法知道深度学习程序在分类的时候所用的因素。这被称为深度学习的黑箱问题。

另一个被称为 Deep Patient 的应用，在提供病人的病例时能够成功地预测疾病。该应用被证明在疾病预测方面比医生还做得好——即使是众所周知的难以预测的精神分裂症。所以，即便模型效果良好，也没人能够深入到这些大型神经网络去找到原因。

1.12认知计算

人工智能和机器学习充满了生物启示的案例。尽管早期的人工智能专注于建立模仿人脑的机器这一宏伟目标，而现在，是认知计算正在朝着这个目标迈进。

认知计算建立在神经网络和深度学习之上，运用认知科学中的知识来构建能够模拟人类思维过程的系统。然而，认知计算覆盖了好多学科，例如机器学习、自然语言处理、视觉以及人机交互，而不仅仅是聚焦于某个单独的技术。

认知学习的一个例子就是 IBM 的 Waston，它在 Jeopardy 上展示了当时最先进的问答交互。IBM 已经将其扩展在了一系列的 web 服务上了。这些服务提供了用于一些列应用的编程接口来构建强大的虚拟代理，这些接口有：视觉识别、语音文本转换（语音识别）、文本语音转换（语音合成）、语言理解和翻译、以及对话引擎。

二、2018-2019年新一代人工智能领域十大最具成长性技术展望

当前，全球正在经历科技和产业高度耦合、深度迭加的新一轮变革，大数据的形成、理论算法的革新、计算能力的提升及网络设施的演进驱动人工智能进入新一轮创新发展高峰期，新技术持续获得突破性进展，呈现出深度学习、跨界融合、人机协同、群智开放、自主操控等以应用为导向的新特征。加强新一代人工智能技术的前瞻预判，准确把握全球技术创新动态及发展趋势，将为行业健康发展、资金有序进入、政策规划出台、新兴市场开拓等提供具备决策参考价值和实践指导意义的智力支撑。

围绕于此，金准人工智能专家认为以下十项为最具特色的成长性技术。

2.1对抗性神经网络

是指由一个不断产生数据的神经网络模块与一个持续判别所产生数据是否真实的神经网络模块组成的神经网络架构，创造出近似真实的原创图像、声音和文本数据的技术。该技术有望大幅提升机器翻译、人脸识别、信息检索的精度和准确性，随着三维模型数据序列能力的提升，未来将在自动驾驶、安防监控等领域产生可观的应用价值。

图12. 对抗性神经网络中产生数据与判别数据持续进行

2.2胶囊网络

胶囊网络是指在深度神经网络中构建多层神经元模块，用以发现并存储物体详细空间位置和姿态等信息的技术。该技术能使机器在样本数据较少情形下，快速识别不同情境下的同一对象，在人脸识别、图像识别、字符识别等领域具有广阔的应用前景。

图13. 胶囊网络算法可以从不同角度识别同一物体

2.3云端人工智能

云端人工智能是指将云计算的运作模式与人工智能深度融合，在云端集中使用和共享机器学习工具的技术。该技术将庞大的人工智能运行成本转移到云平台，能够有效降低终端设备使用人工智能技术的门槛，有利于扩大用户群体，未来将广泛应用于医疗、制造、能源、教育等多个行业和领域。

图14. 推出人工智能服务的主要云计算公司

2.4深度强化学习

深度强化学习是指将深度神经网络和具有决策能力的强化学习相结合，通过端到端学习的方式实现感知、决策或感知决策一体化的技术。该技术具有无需先验知识、网络结构复杂性降低、硬件资源需求少等特点，能够显著提升机器智能适应复杂环境的效率和健壮性，将在智能制造、智能医疗、智能教育、智能驾驶等领域具有广阔发展前景。

2.5智能脑机交互

智能脑机交互是指通过在人脑神经与具有高生物相容性的外部设备间建立直接连接通路，实现神经系统和外部设备间信息交互与功能整合的技术。该技术采用人工智能控制的脑机接口对人类大脑的工作状态进行准确分析，达到促进脑机智能融合的效果，使人类沟通交流的方式更为多元和高效，未来将广泛应用于临床康复、自动驾驶、航空航天等多个领域。

2.6对话式人工智能平台

对话式人工智能平台是指融合语音识别、语义理解、自然语言处理、语音合成等多种解决方案，为开发者提供具备识别、理解及反馈能力的开放式平台的技术。该技术能够实现机器与人在对话服务场景中的自然交互，未来有望在智能可穿戴设备、智能家居、智能车载等多个领域得到大规模应用。

图15. 对话式人工智能平台

2.7情感智能

情感智能是指利用人工智能手段模拟表情、语气、情感等类人化情绪响应，以打造具有情绪属性的虚拟形象的技术。该技术可赋予机器设备更好的对人类情感的识别、理解和引导能力，为用户带来更具效率和人性化的交互体验，未来将在智能机器人、智能虚拟助手等领域得到更为频繁和深入的应用。

图16. 情感智能技术将模拟人的情绪

2.8神经形态计算

神经形态计算是指仿真生物大脑神经系统，在芯片上模拟生物神经元、突触的功能及其网络组织方式，赋予机器感知和学习能力的技术。该技术的目标在于使机器具备类似生物大脑的低功耗、高效率、高容错等特性，将在智能驾驶、智能安防、智能搜索等领域具有广阔应用前景。

图17. 神经形态计算的结构

2.9元学习

元学习是指将神经网络与人类注意机制相结合，构建通用算法模型使机器智能具备快速自主学习能力的技术。该技术能够使机器智能真正实现自主编程，显著提升现有算法模型的效率与准确性，未来的进一步应用将成为促使人工智能从专用阶段迈向通用阶段的关键。

图18. 元学习实现快速自主学习

2.10量子神经网络

量子神经网络是指采用量子器件搭建神经网络，优化神经网络结构和性能的技术。该技术充分利用了量子计算超高速、超并行、指数级容量的特点，有效缩短了神经网络的训练时间，未来将在人脸识别、图像识别、字符识别等领域具有重要应用价值和广阔前景。

图19. 量子神经网络结构示意图

总结

一幅时代的画卷，底色是人心；一个民族的复兴，关键在精神。9月25日，成都召开“成都市世界文化名城建设大会”，再次展现其文化魅力。而作为一种产业和理念，文创产业将成为成都建设世界文化名城的重要举措。

近年来，成都大力将文化资源优势转化为文创优势，涌现出“文化+”科技、旅游、体育和商贸等新模式新业态。文创产业已成为成都支柱产业。

未来，成都文创将与城市文化传承融合；与城市美学设计融合；与城市经济发展融合；与城市美好生活融合。文创产业和文创产值增值占GDP比重进入全国“第一方阵”，居民文化消费占消费支出比重超20%。

为成都人留下乡愁记忆和历史文脉

摊开一组数据，不难看出成都打造世界级文创产业的现实状况和努力方向。巴黎有190个画廊、艺术中心，174个剧场和音乐厅；伦敦有22个国际级博物馆，395个公共图书馆；柏林有170个博物馆，400个露天剧院；维也纳每年举办1.5万场各类音乐演出。

一个世界级的文化名城，文化生活理应成为融入人们生活的一部分，文创产品理应惠及全市并有力地辐射全球。成都目前有150个博物馆、38个剧场、22个图书馆、22个文化馆，基础领先，发展潜力巨大。

在“成都市世界文化名城建设大会”分组讨论现场，成都著名艺术家、设计师许燎原接受了《每日经济新闻》记者的采访。他认为：“在中国范围内，成都已经排在前面了，我们要对标的更应是巴黎、伦敦这样的城市。从博物馆的角度，成都的博物馆下一步要着力打造精品化、品质化，对文化内容进行深度挖掘和展现。”

据了解，天府艺术中心、成都自然博物馆、人文与自然博物馆、成都图书馆新馆、四川大剧院等一批体现成都文化特质、蕴含城市精神的城市文化地标将逐步建立，为成都人留下乡愁记忆和历史文脉。

探索“文商旅体”融合发展

以文创激发新经济发展活力，文化创意产业要在成都探索一条内涵深化整合、外延融合带动的“文商旅体融合发展”新路径，形成跨界融合、共生共荣的现代文化创意产业体系和市场体系。

在当今社会，文创的外延在不断扩张，文创与商业、旅游和体育融合发展将成为产业发展新趋势和城市转型新方向，是建设世界文化名城的必由之路。

接下来，成都将统筹文商旅体设施建设和服务功能提升，建设文博场馆体系、书店网络体系、演艺功能体系、运动设施体系、旅游服务体系五大专业设施体系。以业态融合为核心，发掘原创IP在文商旅体融合过程中的“桥梁”和“中枢”作用，培育场景体验、时尚美学、文化体验和智慧智能等为特色的融合业态。

文创产业还将与城市发展充分融合，突出公园城市特点，把生态价值考虑进去，打造一批生态环境优美、功能有机兼容、建筑风貌独特、彰显生活美学的文商旅体融合发展产业功能区、特色街区、特色小镇和田园综合体，形成绿色旅游、简约生活的消费、休闲场景。

在9月25日的“成都市世界文化名城建设大会”上，蓝顶艺术区、腾讯西部创新创业中心、草堂文博创意产业园等31家单位被认定为首批成都市文创产业园区。此举旨在推动成都市文创产业园规范化管理和提档升级。

还有一天，2018国庆档将正式开启。随着小长假的到来，九月“片荒”的尴尬期已过，热门影片将蜂拥而至。

从本周六（9月29日）起，国庆档期间共有15部新片扎堆，将“史上最拥挤”档期又推上一个新台阶。其中，仅9月30日一天，就有7部影片开画。本次最受关注的“五强选手”当属《胖子行动队》《无双》《影》《李茶的姑妈》和《找到你》。

值得注意的是，今年是国庆档自2008年开启单片亿元票房时代以来的第十个年头，而去年国庆档（9月30日~10月8日）更是以29亿元创下国庆档有史以来的最高票房记录。

殊不知在各大影片竞逐票房的背后，也是五大民营影视公司一场不见硝烟的博弈。今年，除了光线外，华谊、万达、博纳、乐视全都带来了作品，谁胜谁负，静待揭晓。

纵观近年来的国庆档，影片类型虽丰富多元，却都出现同一个身影——港片。从《湄公河行动》到《追龙》，博纳已经连续两年在国庆档为观众带来惊喜。今年博纳选择“征战”2018国庆档的是《无双》，博纳影业董事长于冬对该片信心十足，甚至豪言《无双》将夺国庆档冠军。

“周润发+郭富城”两位金像金马双料最佳男主角，天王级的飙戏对决，能否让博纳“元老级”的港片再度突破天花板？

光线缺席2018国庆档 博纳新片备受关注

对电影市场来说，国庆档的票房是一个风向标，关乎接下来电影市场的走势，对全年票房成绩至关重要。

每日经济新闻记者梳理发现，今年国庆档，从9月29日起到10月7日已确认上映的影片多达15部，超过前几年同期上映的影片数量，将“最拥挤国庆档”又推上一个新台阶。且今年影片类型丰富，包含喜剧、动作、奇幻、动画片、纪录片等，能满足观众的多元化需求。

从公司来看，五大民营公司唯有光线缺席，其他四家博纳、乐视、万达和华谊均呈上了的“角逐”国庆档的作品，分别为：《无双》《影》《胖子行动队》《找到你》。与此同时，开心麻花同名话剧改编的电影《李茶的姑妈》也不容小觑。

五大国庆档种子选手，风格不一，各具特色。每经记者注意到，博纳影业依旧延续了之前的风格，用港片《无双》作为第三年“征战”2018国庆档的作品，截至目前（9月27日15时许）想看该片的人数超过12万人。

▲图片来源：猫眼专业版

依靠港片发行起家的博纳，已将与香港知名导演团队深度合作，投资发行香港导演擅长、预期有票房口碑的合拍片作为博纳出品港片的新模式。在前两年的国庆档，博纳港片《湄公河行动》《追龙》都是叫好又叫座的作品，不仅票房颇丰，分别收获11.8亿元、5.75亿元，而且口碑爆棚，接连给观众带来惊喜。

电影《无双》主要讲述的是“无双”集团的神秘首脑“画家”（周润发饰）一手挖掘落魄画家李问（郭富城饰）加入自己的造假团队，用高超的造假技术制作出真假难辨的超级“无双元”，开启肆虐全球的犯罪之路。

影片依然延续了犯罪片的风格，而在华语犯罪片中，最为常见的是毒品和军火，这次《无双》却是另辟蹊径，选择从“假钱”题材切入，更为贴近大众生活。

《无双》能否在国庆档C位出道

日前，关于取消票补的消息传得沸沸扬扬，这似乎让2018国庆档影片预售看上去不如往年热闹。

据猫眼专业版显示，截至今日15时许，暂排第一的是《李茶的姑妈》，预售票房为2181万元，《影》《无双》位列第二、三位，预售票房分别为961万元、663万元。从预售情况来看，《无双》似乎并不占太大优势。

▲图片来源：猫眼专业版

“我有特别大的信心，我们会成为国庆档票房冠军。好电影永远不会被埋没的。”日前，在《无双》首映发布会上，博纳影业董事长于冬信心十足，他表示之前博纳的影片都会在国庆档取得好的成绩，这次也不例外。他对《无双》的最终预期是国庆档票房冠军，虽然目前排片不太高，但一定会凭借优良的制作和口碑逆袭。

同时，于冬还透露这是一部非常特别的电影，中国电影很少涉及这种题材，套在类型片里是犯罪片类型，但是加入了很多情感的悬疑的故事。

于冬的信心源于对《无双》品质的自信。该片导演是庄文强，在香港电影人中，庄文强一直保持较强的创作力，编剧出身擅长警匪犯罪片，代表作有《无间道》《窃听风云》系列等。此次庄文强首度尝试“钞级犯罪”题材，着力打造高智商、高技术的犯罪故事。

▲《无双》剧照（片方供图）

高水平的导演，自然能吸引到高水准演员的加入。继《寒战2》后，周润发、郭富城再度合作，将在《无双》中展开精彩的对手戏，这会是一场双雄间的较量，而实力女星张静初则与郭富城演绎了一段感情纠葛。除此之外，还有各怀心思的冯文娟、周家怡、王耀庆、方中信等一众实力派演员之间的复杂情感。

《无双》能否如其片名一般，天下无双，独一无二，助力博纳港片再创新纪元，值得期待。

最近几年,财富管理行业发展势头迅猛，相关数据显示，当前我国居民财富高达122万亿元，预计到2021年有望达到150万亿元。据波士顿咨询发布的报告称，当前中国财富管理市场规模达6万亿美元、财富管理产品线上化渗透率34.6%，全球领先。这意味着，我国的财富管理已经进入繁荣发展的新时代。

而金融科技技术对财富管理行业的推动作用越来越明显，进一步拓宽了财富管理行业的边界。日前，小牛资本首席经济学家、小牛基金执行总裁邱思甥就金融业态创新、金融科技发展趋势接受采访，认为Fintech的赋能将为财富管理插上“智能”翅膀。

邱思甥，小牛资本首席经济学家、小牛基金执行总裁。在财富管理产业拥有超过20年的丰富经验，专业横跨各国经济、金融市场、及投资产品领域。曾经参与创立国内私人银行、并出任负责人。曾任花旗银行中国区零售银行研究与投资分析主管，负责财富管理事业的宏观经济研究及投资策略规划。毕业于台湾政治大学(台湾)，获颁经济学士学位，其后在纽约市立大学－柏鲁克分校(Baruch College – The City University of New York)进修取得MBA学位，持有国际理财规划顾问(CFP)及台湾证券分析师(CSIA)资格。

问：Fintech加持下，金融行业出现了哪些业态创新？

邱思甥：近年来，金融业出现了很多热词，比如：“互联网金融”、“金融科技”，包括去年火热起来的“智能金融”等，每一个概念都备受瞩目。新概念最终都需要落地服务于客户，而我们发现大多数客户的需求主要集中在能支付、能借贷、能理财。

那么，Fintech如何满足这些需求？我认为可以分为两个阶段。第一阶段，Fintech带来传统金融的价值提升。Fintech对传统金融的赋能，体现在通过降低成本以服务更多的客户。过去的金融机构受限于成本，通常都专注头部市场而忽略长尾市场。Fintech的出现实际上是为金融机构服务长尾市场提供了更多可能，而这正是行业痛点之一；第二阶段，Fintech推动传统金融的模式改造。即改变原有以金融为中心的市场模式，目前看来尚且遥远，但是未来随着区块链技术的不断成熟，相信很有可能会实现部分的去中心化或弱中心化。

问：随着科技在金融业加速渗透，为财富管理行业带来蓬勃生机，金融科技如何为财富管理价值链赋能？

邱思甥：财富管理是在社会经济完成了从第二产业转移至第三产业，老百姓基本满足衣、食、住、行需求之后，催生出的进阶需求。2017年，中国的GDP总值稳坐世界第二，是日本GDP三倍，然而就人均GDP而言，中国仅排名第70名，由于贫富差距较大，严格来说，中国财富管理的市场需求尚未成型，但是涓滴成河，尚未成型的财富管理市场已经显现出巨大的发展空间。

面对庞大的市场前景，以及人工智能、区块链等金融科技日新月异的创新，金融机构正积极探索金融科技如何赋能财富管理价值链。目前来看，从产品端，也就是资产管理角度讲，金融科技的功效在于对效率的提升，而对于实际需求的改变则并没有太大影响。从客户端（KYC）的角度来看，金融科技能做到的事情就特别多。

当前KYC还面临不少亟待解决的问题，Fintech能够帮助我们解决的有：第一，Fintech让我们更透彻、全方位地了解客户。人是有限理性的，科学研究表明人类行为有93%可预测，但是这部分可预测都集中于一些细小行为上，而在进行大额投资时，人的理性往往都会降低，需要大数据给我们更多的试探性和可能性；第二，运用金融科技判断客户决策是否理性。金融市场长期的趋势并未改变，但存在短期的情绪波动。消费者能否在第一时间理解自己的决策理不理性，譬如是否追涨杀跌，这对于财富管理而言是很重要的。严格来说，以上两个方面，智能投顾都能做到一部分，可是现在的智能投顾多是发展初期的低级模型，例如CAPM（资本资产定价模型）、马科维兹等，基本只是根据过去的比重来做摊位的调整，而能做到的大概就是稳定，离真正意义上的智能投顾还有一定距离。未来，我们需要借助Fintech在KYC环节做出更多创新，毕竟洞察客户是财富管理的基本。

问：今年年初，小牛智能财富中心正式启动，未来，小牛新财富在智能金融有何新探索？

邱思甥：可以预知智能投顾的发展还会面临很多限制。但是，透过智能投顾让投资人更快的去理解他的短板、情绪等还是可以实现的。小牛也在研发类似的产品，目前尚未正式对外开放。产品主要有两套系统，一套是完全根据市场上信息，类似于量化的做法，从过去的历史中寻找最适当的投资机会。相较而言，量化更加纯粹，无论涨还是跌，每一个决策都是有理有据；另一套系统，我们试着去逼近未来，即依据已经发生的宏观数据去推测未来经济的一个走向，然后根据经济的发展做出决策。从宏观的角度出发，其主要目的是希望在市场中找到一些也许是超跌或者是错杀的产品。两套系统我们都在积极研发，目前还是分开设计研发的，未来我们会尝试将这两套系统结合在一起。

问：伴随智能投顾兴起与发展，未来AI将会在财富管理中承担起哪些职责？

邱思甥：首先，我们认为人工智能可以为客户提供更多的风险提示。人是有限理性的，追涨杀跌就是一个典型反例。市场越热的时候，反而可能危机四伏；市场越冷的时候，反而潜力无限。人工时代，业者很难在市场火热的时候劝说客户不要购买。即使是一些很简单的道理，在客户非理性状况下，进行劝说反而会受到质疑，但很多时候，投资决策是在冲动之下做出的，决策者事后可能会反悔。人工智能以机械的方式服务客户，在客户需要买进卖出的时候，给予一些提示，甚至是要求客户放弃，可能比人工效用好很多。

另一方面，AI为投资决策提供高效精准辅助。从生命周期理论来看，普通人需求其实很简单，就是明确自己资金存量和每期可支配收入，然后预期达到怎样的收益。国外的Wealthfront、Betterment就在做类似的业务。我们认为，AI可以通过更有效率更精准的计算，提升市场和客户之间的匹配度，将客户的投资范围扩大，政策允许下不存在地缘限制，如此，也许能够为客户的投资组合找到更有效率的产品。

我们希望，家庭理财师能够发展到像家庭律师、医生一样普及，为客户提供金融方面的专业服务。智能金融工具利用科技的力量，能为理财师分担一部分职能。譬如，支付端的便捷服务，风险端的识别与提醒等，让理财师有更多的精力专注于KYC。而对于高净值、超高净值客户来说，个性化需求，还是需要人工去触达，这正是人工智能对财富管理未来发展将会产生的重要影响。

今早6点，腾讯正式宣布启动新一轮整体战略升级。在战略升级的声明中，腾讯提及了其微视等短视频产品奋起发力，成为行业有力竞争者。在短视频领域，腾讯的确称得上奋起发力。

就在前天，腾讯于微信之中上线小程序“看一看短视频”。不久之前，微信还为腾讯短视频APP微视开通了限时推广入口，让微视在短短几天内登顶苹果App Store的下载榜单。更早些，腾讯《创造101》与微视开展了深度合作。

对微视，腾讯可谓是倾全系之力去扶持。相比腾讯的高调，日前阿里短视频APP鹿刻的上线，则显得有些悄无声息。但这一点不影响外界对鹿刻的超高关注。毕竟在短视频领域中，鹿刻上线之后，BAT算是真正齐齐整整了。

▲短视频（图/视觉中国）

鏖战短视频，BAT各有盘算

早在2017年时BAT就齐聚在了短视频领域。2017年4月阿里宣布了土豆全面转向短视频，8月腾讯重启短视频APP微视，百度在9月姗姗来迟，带来了秒懂百科短视频。

进入2018年后，后发制人的百度一口气推出了三款短视频APP，之后旗下的爱奇艺又推出三款针对垂直细分受众的短视频APP。今年6月，阿里旗下的优酷也顺势推出电流小视频。BAT旗下视频网站没有涉足短视频，只剩下了腾讯视频一家。

▲2017年以来BAT在短视频领域的布局（图/每经记者整理）

不过，腾讯把所有的力气都花在了微视上。对比百度和阿里，腾讯的短视频APP定位模糊，唯一清晰的只剩微视必胜的决心。对比百度的信息流、阿里的电商，以社交起家的腾讯，在新社交平台兴起时，必须要扶植起另一平台与之相对抗。这也是腾讯在新一轮战略发展中，提及短视频业务的原因。

对BAT来说，核心业务的不同，会导致各自在短视频业务发展时的诉求各异。腾讯的微视试图降低其他平台影响，增加用户在自有社交平台的停留时间；百度最重要的是信息流广告，所以想通过短视频引流，再提升信息流广告价值；而阿里从头到尾只做一件事情，那就是为电商导流、辅助电商发展。

正因如此，腾讯要不遗余力扶持微视，百度在细分领域全面开花，阿里的鹿刻下定决心做电商导流。在阿里的鹿刻上线之后，BAT三家核心业务衍生的短视频队伍终于成功集结。

BAT短视频业务内生造血能力有限

从2017年至今，BAT进入短视频领域的时间不算太长，但想必都意识到了事情并不简单。

在2017年3月底阿里旗下土豆转型短视频后，表现一度还挺亮眼。根据QuestMobile发布的《移动互联网2017Q2夏季报告》显示，2017年6月短视频领域月度用户规模第一是2.86亿的秒拍，其次是1.29亿快手，土豆则以3013万排名第三。

▲2017年6月短视频月度用户规模（图/《移动互联网2017Q2夏季报告》）

然而好景不长，随着头条系全面进入短视频领域，土豆短视频的排名不断掉落。今年6月短视频月活用户第一、二、三变为了快手、抖音和西瓜，土豆以725万的数量排在了第九。紧接着，阿里的鹿刻就上线了。

有自媒体报道称，在鹿刻上线后的前不久，百度的伙拍小视频在结算时，部分达人发现已无法拿到过往那样巨额的补贴。而补贴正是短视频发展初期吸引内容创作者入驻的重要因素。

从阿里和百度的表现可见，再有钱的公司，在投入资金无法收获预期效果时，都会选择收缩战线。像抖音砸下大钱，实现了用户两个月内从4000万增长至1亿的效果，BAT三家没一家做到过。

对BAT而言，现有的短视频业务，目标只在保住原有核心业务的增长，而非实现用户数量的突破。对比抖音推出星图平台、快手早有的分成接单，BAT的短视频业务在内生造血的能力上还十分有限。

横亘在它们面前的，不仅是抖音和快手难以逾越的月活，还有抖音和快手较为成熟的经营业态。对BAT的视频业务来说，熬过了高补贴分成的今天，面对明天的盈利模式，又将如何呢？

曾经与苹果“亲密无间”的高通现在可能会失去这位伙伴，因为越来越多搭载英特尔技术的芯片正在被使用到最新款的苹果手机上。

而美国国际贸易委员会的最新决议可能会让高通的处境更加为难。近日，美国国际贸易委员会的一名法官裁定，苹果iPhone确实侵犯了高通公司的三项专利之一，即便如此，不会禁止iPhone在美国销售。这名法官认为，禁止销售iPhone这将违背美国的公众利益，并且可能对现代芯片市场的竞争产生负面影响。

这项结果无疑在本来就摩擦不断的专利纠纷上又“添了一把火”。

在9月29日晚间，针对最近的诉讼事态发展，英特尔公司总法律顾问史蒂夫·罗杰斯（Steve Rodgers）在一份《高通的诡辩被戳穿了》的文章中表示，高通在2017年发起的全球性的专利诉讼战是其试图排除竞争、维护其非法的“不接受专利许可，就不提供芯片”做法的重要努力，而该做法已在世界各地被认定违反了竞争法。

“高通对其诉讼战发出许多聒噪，并且涉及英特尔。它公开诋毁英特尔的产品，由英特尔科学家和工程师组成的专注的团队通过创新和辛勤工作所创造的产品。它要求一位法官责令某客户不要购买英特尔的调制解调器，声称英特尔的工程师只能通过窃取高通的想法来完成他们的发明。它还声称其专利构成了现代移动通信技术和网络的核心，甚至延伸到未来的技术中。”史蒂夫·罗杰斯说。

对于苹果公司窃取高通大量机密信息和商业机密并分享给英特尔以提升其芯片性能的指控，史蒂夫·罗杰斯称：“这种话说说容易。但英特尔的创新记录是清楚的。50多年来，英特尔一直是世界技术创新的引领者之一。我们为我们的工程师和员工感到自豪，他们通过辛勤的工作、汗水、冒险精神和伟大的创想，将世界上最好的技术解决方案推向市场。我们每天都在突破计算和通信技术的极限。而且，事实胜于雄辩：去年，美国专利局授予英特尔的专利要比高通的更多。”

苹果则表示，“我们很高兴美国国际贸易委员会阻止高通损害竞争、最终损害创新者和美国消费者的企图。”

截止发稿前，高通方面暂时未对记者就上述回应做出表态。但在此前，高通总法律顾问丹·罗森博格(Don Rosenberg)在一份声明中表示，该公司对法官确实发现专利侵权感到高兴，但“如果拒绝进口禁令，继续允许侵权行为，那就毫无意义了。”

罗森博格指出，“这违背了美国国际贸易委员会通过阻止进口侵权产品来保护美国创新者的使命。苹果有很多方式可以在不影响公众利益的情况下停止侵犯我们的技术。”

自2017年初，高通与苹果合作关系破裂，双方围绕专利授权费展开了多次诉讼交锋。主要纠纷围绕着高通的技术授权业务而展开，苹果指控高通的知识产权授权模式不合理，而高通则指责苹果使用了高通的专利却不付钱。

不止是在美国，苹果在中国和英国等地也发起了对高通的诉讼，并在获得了来自三星和英特尔的支持。

面对苹果的攻势，高通则在2017年7月进行了反击。这家芯片巨头认为苹果是在曲解事实，并单方面违反了当初签署的协议。它通过ITC即国际贸易委员提起诉讼，以侵犯多项专利之名要求在美国禁止入口搭载了英特尔基带芯片的苹果iPhone 7以及iPhone X等多款设备。

此后高通在德国和中国也向苹果发起诉讼，基本都和禁售iPhone有关，受到牵连的还有富士康等4家苹果代工厂，这场纠纷开始后它们已经没办法再向高通支付专利费了，只要苹果不给钱，它们也没办法向高通付款。

“无论各地区最后裁定的结果如何，长时间的专利诉讼将会让高通成为最大输家。”手机联盟秘书长王艳辉对记者表示，从战术上来说，高通需要寻求更多的谈判筹码，目前来看，高通也在减少对单一客户的依赖。

目前，中国的合作伙伴对于高通来说，无疑是最重要的合作对象。

高通总裁克里斯蒂安诺·阿蒙此前对记者表示，2017财年高通的芯片业务来自于中国OEM厂商的产品营收是来自于苹果公司营收的两倍，中国市场将持续增长。目前，高通来自于中国OEM厂商的营收复合年增长率达到17%，2015年这一数据为40亿美元，去年为60亿美元，而高通预计2019年将会达到80亿美元。

9月30日消息，据国外媒体报道，本周美国证券交易委员会（SEC）起诉特斯拉首席执行官伊隆马斯克(Elon Musk)涉嫌欺诈备受关注。今日美国证券交易委员会与马斯克达成和解协议，后者仍将继续执掌特斯拉，但辞去董事会主席一职，并被处以巨额罚款。

美国证券交易委员会的行动也给始于8月初的一场风波划上了句号。当时马斯克在Twitter上宣布，他已经获得了足够多的资金，可以对特斯拉进行私有化。美国证券交易委员会最初的指控称，马斯克这样做是发布了“虚假和误导性”的声明，并且未能及时将公司重大事件告知监管机构。

作为和解协议的一部分，马斯克还将支付2000万美元（约1.38亿元人民币）的罚款，并至少在3年内不得担任董事会主席一职。此外，美国证券交易委员会还对特斯拉处以2000万美元的罚款，预计该公司还将任命两名新的独立董事加入董事会。

美国证券交易委员会当地时间周六表示:“马斯克在2018年8月7日发推文称，他可以以每股420美元的价格将特斯拉私有化，相关的交易资金已经得到了保障，剩下的唯一不确定性是股东投票。而每股420美元相对于当时的交易价格而言，溢价相当之高。”

“事实上，马斯克知道私有化交易是不确定的，并且会受到许多意外事件的影响。”马斯克并没有与任何潜在的融资伙伴讨论包括价格在内的具体交易条款，他关于可能交易的声明实际上缺乏充分的事实基础。

在马斯克宣布这一惊人消息的当天，特斯拉的股价飙升了6%以上，这让对特斯拉唱空的投资者们猝不及防。

马斯克频繁使用Twitter，给他个人以及特斯拉带来了一些令人头疼的问题。在达成和解的过程中，美国证券交易委员会指责特斯拉没有对马斯克的Twitter使用进行更多控制。

美国证券交易委员会在一份声明中表示:“美国证券交易委员会今天还指控特斯拉没有按照要求披露与马斯克Twitter信息相关的发布控制和程序，在和解协议中特斯拉已同意解决这一问题。”美国证券交易委员会补充称:“和解协议有待法庭批准，这将导致特斯拉进行全面的公司治理和其他改革，其中包括马斯克辞去特斯拉董事会主席一职，以及马斯克和特斯拉均须支付罚款。”

马斯克与卖空者(即押注特斯拉股价下跌的投资者)之间的激烈口水战，是他首次提出将特斯拉私有化想法时提及的原因之一。在与马斯克达成和解后，美国美国证券交易委员会表示，预计特斯拉董事会将“监管”其创始人与投资者的沟通。

美国证券交易委员会执行部门联席主管史蒂文佩金(Steven Peikin)在一份声明中补充称:“这项决议旨在防止市场的进一步混乱和对特斯拉的股东造成损害。”

当地时间周五，在纳斯达克交易的特斯拉股票价格下跌约14%，至每股264美元。