进入6月后，P2P关停潮袭来，不少投资者遇到提现困难和平台跑路现象，让工薪阶层辛苦工作转来的血汗钱被席卷一空、追讨无门。而近期P2P关停潮或仍将继续数年，未来存留下来的平台数量将大减。

3年后，平台数将仅剩目前的10%

中金公司在其最新报告中称，近期中国P2P网贷平台关停数量增加，预计P2P退潮或仍将持续2-3年。在满足监管合规要求基础上，再考虑运营成本的攀升，3年后正常运转平台预计不超过200家，仅为目前运营平台数量的10%左右。

报告预计，新一轮对P2P的监管细则及现场检查即将开启，或在2019年6月前完成进一步的整改验收。其后将进一步完善准入制度，或进行牌照发放监管，而不仅仅是备案。

目前大部分P2P网贷平台业务仍不合规，当前1836家运营平台中，仍有60%的平台尚未完成银行存管，即存在资金池和挪用资金的可能。

另有25%的P2P平台给投资人的年收益率大于12%，大概率给借款人带来极高的贷款成本和违约可能；还有期限错配、隐性担保、标的超额、信息披露等问题。

中金报告指出，本次网贷平台的爆雷潮主因有一下几个方面：

1）主打自融、虚假标的、资金池等庞氏骗局的平台在趋严监管下难以为继；

2）流动性趋紧导致贷款端（尤其大额）逾期率上升、平台累计的准备金难以足额赔付；

3）投资者资金流入放缓，导致存在期限错配的平台流动性问题凸显（6月行业成交量及余额出现“双降”）。

备案确定推迟 未来或发牌经营

央行副行长潘功胜近期发言称：

将再用1-2年时间完成互联网金融风险专项整治，化解存量风险、同步推进互联网金融监管长效机制建设，发挥互联网技术在提高金融资源配置效率和金融服务普惠性等方面的积极作用。

中金公司认为，原定于今年6月完成的P2P备案已确定推迟背景下（或因考虑到 存量违规业务消化难度大、各地具体标准不一等问题），监管本次发声一定程度上认可了P2P有其存在的一定现实意义，更表明了加速推进存量风险整治的决心。

该公司预计，新一轮监管细则及现场检查即将开启，或在19年6月前完成进一步的整改验收、并在此之后进一步完善准入制度，未来或不仅是备案，而是发牌监管。

P2P行业集中度上升 龙头公司或受益

近期P2P关停潮也导致在美股上市的国内P2P/网贷公司股价大跌。然而，这些公司的财务数据和业绩实际上保持了不错的增长，众多外资投行亦给与买入或增持评级。预计本轮P2P整治结束后，未来行业集中度将持续上升，行业龙头也需要直面挑战与机遇。

中金公司数据显示，目前行业前100家平台合计贷款余额占所有P2P平台的70%，成交量占所有平台成交量的75%，预计未来集中度仍将持续提升，行业或迎来良性发展。

不过，中金认为行业龙头面临的挑战依然巨大：

1）短期盈利能力受到影响：贷款余额限制下平台需要寻找更多机构资金合作或主动压缩规模；行业整顿带来获客、坏账及资金成本波动；准备金取缔而需与担保或保险公司合作加大成本等；

2）中期面临平台定位难题：作为信息中介而不得承担信用责任，需要依靠投资者风险识别能力的提升和借款者征信体系的完善；

3）长期或受传统金融机构和互联网平台下沉的冲击（目前，3亿信用卡人群，每年银行新发行信用卡>1亿张；目前蚂蚁花呗用户>1 亿）。

6月以来P2P频繁爆雷

6月以来，陆续有P2P平台“爆雷”，出现提现困难、甚至跑路的情况。据网贷之家统计，6 月P2P网贷行业问题平台数量达到63家（达2017年以来单月高峰）、当前正常运营平台共1836 家（历史停业及问题平台累计达4347家）。光是7月的第一周，爆雷的P2P平台就达40家，涉及资金超1200亿。

网贷之家显示，7月以来爆雷的P2P公司主要集中在江浙沪一带，而此前的“互联网金融创新之城”——杭州，近期也成为“重灾区”。

中金固收团队认为，杭州之所以成为“重灾区”，是因为当地是房地产市场与P2P紧密相连的典型。三个月前，杭州楼市进入摇号阶段。在6月21日这一天高峰期，涉及的资金约为727.06亿元。摇号验资所需的资金来源，包括自有存款资金、他人借款、拆迁赔偿款、企业周转资金、证券理财资金、民间借贷等。

如此巨量的资金抽血，自然有很多人需要从P2P中提取投资额，或者在P2P平台上进行借款，造成供需的失衡和瞬时的资金缺口，也就有了P2P平台的爆雷。

周五，中国央行进行1885亿元中期借贷便利（MLF）操作，今日有1885亿元MLF和200亿逆回购到期。

根据央行的公告，今日MLF操作均为一年期，利率3.30%，持平于上次。

央行今日暂停逆回购操作。昨日央行公开市场进行300亿元逆回购操作，全部为七天期，此前已连续五日暂停，中标利率持平于2.55%。截至昨日，逆回购操作量与到期量完全对冲，单日既无净投放亦无净回笼。

计入今日进行的MLF操作，本周，中国央行公开市场全口径将净回笼900亿元。

整体而言，目前资金面比较宽松，交易所和银行间质押式回购利率已突破前期低位，向2015-2016年的位置靠近。

国泰君安分析师李少君认为，流动性宽松预期再次泛起，市场资金面宽裕：

宽货币、紧信用环境持续。目前市场特征为宽货币紧信用。市场上资金面宽裕，MLF环比增长10%，但股市增量资金不足。资金供应端收紧，北上南下资金均减少，新增户数下降。需求端融资需求仍在增加，IPO的规模锐减和政策有关。

有观点认为，央行可能因杠杆率到了相对合意的位置，或许没有必要把资金面压得太紧。

但也有机构称应谨慎对待。华创证券固收团队指出，7月是传统的缴税大月，去年7月仅缴税因素就回笼基础货币超过万亿，这也是导致最近两年资金面“季末不紧季初紧”的重要原因。考虑到今年企业利润继续维持高增长，7月缴税对流动性的抽水效应不容忽视。

美国前财政部首席重组官Jim Millstein周四同意将他拥有的重组业务公司卖给Guggenheim Partners公司。这位投行老兵表示，下一轮经济衰退将在两年不到时间内爆发。

目前美国企业将面对更高的利率，这意味着债务过高的企业将需要比几年前较低利率环境下更大的现金流去偿还债务。

多位重组业务老兵都认为美国企业高债务引发的危机在即，历史也可能重演。

违约率冲高

5月，美国投行Jefferries重组部门老大及Moelis重组部现任负责人之一Bill Derrough就曾指出，目前债市一篇混乱，抵押债券发行量巨大，CCC评级的垃圾债极其受欢迎，投资者追求高收益率，而且没有美联储的介入，市场就不可能达到有序有效的平衡，这些现象都暗示着由债市引发的危机即将到来。

从瑞信研究报告中的图表来看，在2015年之前，债券违约率在1%至2%之间徘徊了几年，2015年开始飙升，冲到过5年来最高点。2018年开始后，违约率又开始冲高。这也验证了投资银行Greenhill & Co.重组业务部负责人之一Neil Augustine的说法。

即使经济增速没有下滑，整体信用水平没有改变，单看债券发行量也能预计，将会有更高的违约量。

Jim Millstein在彭博新闻的电视采访中提醒道，美国现在的贸易政策很容易导致企业投资下降，消费者生产者的花费也会升高；对于美国生产者来说，需求也会缩小。

此前，Guggenheim的首席信息官Scott Minerd表示大量的公司债务将导致违约率上升，失业人数增加，并在推文中重申他的观点。

市场低估了贸易政策对经济的影响。股市的上涨只不过是最后的狂欢罢了。投资者最好赶紧卖出。

以史为鉴

除了宏观层面对经济状况的担忧，Millstein还指出了下一次“危机”的具体的催化剂，也就是企业资产负债表中目前积压了很多过去十年累计的债务，而债务是在过去低利率环境下产生的。

Millstein认为美国企业债台高筑将使经济下滑，因为利率抬升将直接抑制投资。而且目前科技和工业企业的杠杆率过高，当经济增速下降时，这些企业将受到威胁，有可能进一步导致一个恶性循环。

过去不乏相似的情形。2009年起，全球非金融公司的垃圾债激增58%，未偿还债务达37万亿美元，其中有两万亿美元债券评级为B1或低于B1级。2009年起，美国公司债总量增速49%，债券金额88万亿美元，其中大部分资金都用于企业股票回购。如果看公司债务占GDP的比例，再结合往年数据比较，这一比例已达到构成随后金融危机的水平。

这么一来，也许Guggenheim Partners收购Millstein的重组咨询公司能得到合理的解释：因为当经济真的衰退，危机到来时，传统银行业务收入必然骤降，但同时重组咨询业务将成为那时的创收大头。

近期多次上演“挂牌破净潮”的港股，本周迎来的挂牌上市公司似乎都涨得还不错。小米、映客等明星互联网公司本周上市交易以来，均延续了上涨态势。

小米港股早盘持续大涨 市值突破5100亿港元

周一在香港正式挂牌交易的小米，今日早盘继续上涨，涨幅9.55%，目前报21.1港元，市值突破5200亿港元大关，至5251.54亿港元。

按照小米招股价17港元来算，小米最高涨幅为23%。

尽管上市首日惨遭破发，但小米依然符合指标，获准快速纳入港股通参考指数“恒生综合指数”。成为香港恒生指数成分股之后，小米集团将成为沪港通投资标的，A股投资者可以借道港股通购买小米股票。

7月10日（上市后的第二个交易日），小米全天高开高走，盘中最大涨幅达14.86%，最高触及19.34港元，收盘涨幅收窄至13.1%，收报19港元，成交逾97亿港元，总市值逾4250亿港元。

雷军本周一在盘后的上市庆功宴上曾放豪言称，“要让在上市首日买入小米公司股票的投资人赚一倍”。

雷军表示：

过去小米路演的时候火得不得了，不停找我要额度。最后一两天遇到压力，整个完成路演定价，压力才真正开始，因为三大股指天天跌，跌的心都碎了。最近资本市场跌宕起伏，小米能够成功上市就意味着巨大的成功，上市也意味着巨大的挑战和沉甸甸的责任，上市仅仅是小米新的开始。

对于上市首日的破发，雷军在接受央视采访时直言“股价短期波动不重要，长期价格是最重要的。这次IPO从低点开始，未必不是好事。最重要的是调整心态，把公司做好。”

小米股价后市走势仍存分歧

对于小米集团股价后市，不同投资机构的观点仍有分歧。

Light Stream Research表示，现在很难确定小米是看涨还是看跌。他们认为，小米的利润结构不够清晰也不够完善，不足以充分收窄误差幅度以便对该公司作出非常有力的预测。建议投资者保持观望，该股可能大幅上涨或下跌。

而麦格理（Macquarie）则认为，小米能通过推出快速时尚的新产品，从而有能力从手机用户变现互联网收入，因此给出30港元目标价。这意味着，他们相信小米市值可达6700亿港元。

交银国际研究部主管洪灏在小米上市之前表示，小米的盈利模式尚未被证明，“小米还是在讲故事，但让投资人买单是另一回事。”

映客连续第二个交易日大涨

此外，昨日在港股上市的映客今天继续大涨，截至发稿时已上涨近16%至4.94港元，总市值接近100亿港元。

首日挂牌交易的直播平台映客，昨日开盘报4.32港元，较发行价3.85港元上涨12.21%，15分钟后，涨幅一度突破40%。

映客连续两日大涨，或与其估值被压低有关。映客通过香港IPO发行3.0234亿股股票，此前招股价在3.47~5港元之间，而最终发行价确定为3.85港元，仅比下限高10%。

此外，映客IPO超额认购1.67倍，相比作为小米10倍超额认购，以及此前平安好医生、阅文等热门港股数百倍的超额认购，投资者对映客的认购积极性偏弱。

全天候科技曾提及，映客过去三年连续盈利，2015年、2016年及2017年，映客经调整纯利分别为人民币150万元、人民币5.68亿元及人民币7.92亿元。按3.85港元的发行定价，映客总市值约77亿港元，折合人民币不超过65亿元。按2017年净利润计，PE仅为8倍出头。

有“视频三宝”之称的哔哩哔哩、爱奇艺、虎牙三家公司，在2017年全部亏损。

相比较为突出的盈利能力，映客在经营数据方面则出现滑坡。

根据招股书显示，映客拥有3680万主播和1.945亿用户。截至2017年，映客在移动端直播平台的市场占有率达到15.3%，位于行业第二，领先第三名0.3个百分点。

映客平均每月活跃用户数2525万，该数据与2016年二季度相比不但没有增长，反而在后退。而平均每月活跃主播数量72.9万，该指标连续6个季度负增长，只有2016年三季度的十分之一，滑坡明显。

今年6月，中国进口显著减少，但出口仍然保有活力，实现了11.3%的高于预期的同比增长。

几乎所有品类的商品，进口量相比5月均有下滑，仅有精铜、煤炭、三废材料进口量环比有所上升。

不过需要警惕的是，目前的出口仍然相对稳固，或许与贸易紧张情绪令企业提前订单有关。汽车出口就在贸易形势的影响下，提前兑现了部分销量，6月出口翻倍。

6月当月，铜矿砂及精矿进口同比攀升24.61%，煤炭进口同比扩大17.90%，至2546万吨。

大豆6月进口量环比回落，相比5月减少10.19%。5月，中国大豆进口量环比增加四成，同比增1%。

原油进口量在6月重现同比下滑，降幅4.89%，至3434万吨。今年4月，中国原油进口量创下历史新高的3946万吨，5月进口量回落，但相比上年同期仍维持增长。

原油进口回落意味着炼油厂的需求回落，下游产品涨幅不及原材料，6月炼厂开工率偏低。

出口形势相对乐观。受到汇率变动的影响，按金额计的纺织品出口虽然环比有所下滑，但同比大幅上升，扫去此前出口重挫的阴影。

中国汽车及汽车底盘的出口6月增幅惊人。同比增长106.67%，环比也上升了84.16%。美国政府威胁对汽车征收进口关税，从出口来看，企业赶在关税生效前提前兑现交易。

汽车零配件的增长也有明显上升，同比增近11%。此外，船舶的出口亦有上升。

前言

人工智能是一个跨领域学科，旨在创造出智能机器。我们相信，AI将会成为促进数字化、数据社会的强大催化剂。这是因为，如今我们周围的一切，从文化到消费产品，无一不是智能的产物。

1.研究与技术突破

1.1迁移学习

我们通过学习示例来训练机器学习模型解决任务。但是，为解决一个新的任务，需要使用专门的新数据重新进行训练。迁移学习可以让经过训练获得的知识应用于新任务中。

迁移学习：从Image Net训练模型预测目标，检测皮肤癌

迁移学习能够对人类患者的危险皮肤病变进行自动、最先进的检测。

GoogleInceptionV3网络首先在Image Net上接受训练，再使用129,450张临床图像进行重新训练以检测2,032种不同的皮肤病。它可以学习仅基于像素输入和疾病标签对图像进行分类。结果显示，该模型优于21名斯坦福皮肤科专家。

1.2AI硬件新前沿

半导体在促进AI发展中的角色。

半导体（或芯片）是AI研究和应用进步的关键驱动因素，这是因为AI模型经常需要训练大量数据来学习特定任务（如图像识别）。

GPU成为AI模型训练的得力助手，很大部分原因是其能提供比CPU更强大的并行计算能力。这意味着更快的训练速度和迭代。

硬件之战：更多GPU会让训练速度更快，构建规模更大、功能更强大的模型。

AI硬件对深度学习意义重大。AI模型性能随着数据规模和模型参数提高，计算量提高。

毫无疑问，GPU越来越受到开发者的欢迎。

然而，GPU更擅长处理图像任务，并进一步扩展到高性能的计算和AI任务。

训练时虽然广泛使用GPU，但它却并不擅长推理。虽然大多数情况下，GPU性能优于CPU，但数据中心大量的CPU使其成为一个有用且广泛使用的平台。例如，在Facebook，GPU基本上被用于线下训练，而不是实时用户数据处理。

处理器内核时钟频率没有变得更快，摩尔定律产生的能量有限。

GPU和新型硅片的租金价格太高，意味着计算资源会受限于资金预算。

虽然谷歌的TPUv2价格更贵，但是模型训练速度更快，更加经济。

在GoogleI/O2018上，谷歌发布了第三代TPU。

在2018年5月的GTC上，英伟达发布了HGX-2，可同时用于高精度要求的科学计算和低精度要求的AI负载任务。

很多企业在开发定制AI芯片，包括IC（集成电路）供应商英特尔、高通、英伟达等，科技巨头和HPC（高性能计算）供应商谷歌、亚马逊AWS、三星等，IP供应商ARM、新思科技等，中国创业公司寒武纪、地平线机器人等，以及全球的创业公司Cerebras、Wave Computing等。

大型云服务商在制造专用AI硬件，并大幅提高预算支出。

传统计算机视觉通过检测物体来描述视觉场景。AI模型进行物体像素关联（语义分割）或识别展示物体（分类）然而，检测出图像中的物体还不足以理解真实场景。AI模型在进行基于目标理解描述视觉场景任务时犯了明显的错误。真正的视觉场景理解需要理解动作和常识，使用深度学习和标记目标动作的视频来学习常识是一种可行的方法。

1.3大规模视频理解数据

创建训练机器学习模型理解视频的数据集。创建描述感兴趣的动作的视频，例如假装扔下一些东西。如果深度学习模型能够识别和消除视频中行为中的细微差别，那么它具备了关于世界的常识。这也被称为“直观物理学”（intuitive physics）。

1.4文本语义理解

深度学习模型实际上可以理解视频中的动词和名词。

机器还可以通过学习从不同视角理解视觉场景。如果机器学习模型可以正确地预测同一场景的另一全新视角，它就获得了这个场景的内化知识。

1.5目标导向的强化学习：以游戏为例

Alpha Zero表明深度强化学习可以通过学习击败世界围棋冠军。

Alpha Zero是一个无人类干预或历史玩家数据输入，通过自我对弈即可预测从一特定棋盘位置走棋输赢概率的AI系统。让人震惊的是，Alpha Zero系统超越所有其他版本的Alpha Go（基于两套神经网络），经过40天的训练即超越人类最高水平。

Open AI的多代理强化学习系统学习复杂的实时战略游戏《魔兽争霸2》。

Open AI Five是由5个RL代理组成的团队，通过强化学习自我对弈优化游戏策略每个代理的神经网络经过强化学习训练都可观察局部和高维环境来生成长期动作规划。这些强化学习代理可以组团打败人类玩家，它们采取的多样化行动和大范围地图互动十分引人关注。

1.6怎样保证模型训练无偏见？

机器学习偏见例1:刻板印象

土耳其语中性别是中立的，但是谷歌翻译会在英语-土耳其语转换时产生性别区别，反之亦然。

例2:种族歧视

当训练数据中未合理标识皮肤颜色时，计算机视觉系统会做出冒犯性的种族偏见的行为，比如一些人脸识别系统无法识别黑皮肤的人。

受训练数据影响，机器学习会产生5种分配偏倚。典型的偏见来源于训练数据没有合理地代表多样性或被标记有偏见的标签。

1.7调参的可解释性

与所有软件一样，ML模型也需要调参，但是却很难解释原理。许多ML，尤其是DL模型，很多完全就是“黑盒子”。

可解释性可以证明机器学习的推理是“正确”的。

在计算机视觉中，模型可以解释一个具体的标签是由哪个像素推导而出（例如，哪个像素是狗）。这样，我们就可以知道模型到底是真的正确学习了还是因为某些错误的原因偶然得出了正确的预测标签。

下一步：用简单易懂的语言解释决策的合理性

结合文本生成基本原理和注意力视觉化可以深入解释决策原理。

对于特定问题和图像，Pointing和ustification Explanation(PJ-X)模型预测答案和多模态的解释都指向决策的视觉证据并提供文本。多模式解释可以生成更好的视觉和文本解释。

1.8对抗攻击

对抗攻击意味着现实世界中将存在严重的安全风险

受到对抗攻击之后，原来可以检测到穿越斑马线行人的计算机视觉系统就再也“看”不到他们了。

当自动驾驶车辆上路之后，这显然会造成巨大的安全隐患。

1.9谷歌Auto ML自动学习

谷歌的Auto ML自动学习系统可以找到计算机视觉任务的最佳模型。Auto ML遍历架构搜索空间，找到两个可以集成到一个优于所有现有人造模型的最终模型（NASNet，右图）的新单元设计（正常和缩小，左图）。

Federated learning分散数据获取和模型训练

谷歌使用Federated learning训练其移动键盘预测模型Gboard。

2.全球人才供需分布

人才供给：Element AI预计全球有22000名AI研究者和工程师拥有博士学位。

全球仅有3000名可用的AI人才劳动力；亚洲市场紧追西方市场；中国同业互查公开发表数量超过美国。

Element AI预计全球有5000名高级AI研究者。

美国是全球AI人才的温床，岗位空缺10k，是人才交流最集中的地方。

人才分布：众所周知，谷歌是最大的AI人才雇主。

2017年ICML6.3%的论文的作者来自谷歌/Deep Mind。

今年ICML论文作者来自谷歌/Deep Mind的论文数量相比2017年翻了一倍。

2017ICML谷歌贡献的论文最多。

在NIPS大会，谷歌&Deep Mind论文作者数量占主导。

需求：机器学习工程师薪水持续上涨。据金准人工智能专家了解，刚出校门的博士生或有若干年工作经验但教育水平低于博士的AI专家年薪可以达到30万-50万美元，或通过持有公司股票可能得到更高的薪水。

在Deep Mind，员工规模扩大到400名，成本达到1.38亿美元，每名员工成本约为34万5000美元。OpenAI2016年为研究负责人Ilya Sutskever支付了190万美元的薪酬，为Ian Good fellow支付的薪酬超过80万美元。金准人工智能专家估计，AI行业薪资水平较2014年翻了一倍。

3.行业：知识产权集中在巨头

关于AI的知识产权，毫无疑问聚集在几大巨头公司：GAFAMBAT（谷歌、苹果、Facebook、亚马逊、微软、百度、阿里巴巴、腾讯），它们每年的研发费用达数十亿美元。

尤其是云服务巨头，正在通过API建起各自的城墙。比如谷歌通过其云生态投入大量资金宣传ML服务，亚马逊、谷歌等公司也在做着同样的事情。

在实际应用行业当中，人工智能发挥了什么作用？最近一部爆口碑的电影《我不是药神》，天价药物的存在，寻找仿制进口药，无疑反映了医药行业发展进程慢且药品价格昂贵。

谷歌Tensor Flow在机器学习框架之战中胜出，但是战局变化迅速。

这意味着谷歌赢得了开发者的拥护，借此打造了一条云服务通道，让一代开发者和研究人员使用他们的技术并不断改进。他们的开放战略也解决了一些潜在的竞争对手。然而，实践者却感觉到这一领域潜藏巨大的不确定性。选择错误的框架会产生严重的后果，不仅包括重构成本。

3.1医药行业

目前，医药行业的发展进程慢且价格昂贵。在医疗行业，机器学习可用于开发新药，或者改变现有药物的用途。例如苏格兰初创公司Exscientia，目前已跟葛兰素史克公司达成合作；用机器学习进行药物研发的公司insitro等。在保健行业，机器学习可用于医疗成像、液体活检等。金准人工智能专家预计相关公司产品通过临床试验和监管检测之后将会采取更多行动。

3.2政府和国防

另一个重要行业是政府与国防（Government and defense）。比如中国政府继续推广使用计算机视觉监控软件。2017年末，中国共有1.7亿台闭路监控器。此监控网络将在3年内将增长至4亿台。成立4年的商汤科技遥遥领先，2018年5月获得C轮融资后估值超过了45亿美元。

谷歌则因与五角大楼合作军事项目Project Maven遭到抗议，其中谷歌4500多名员工联合签署公开信要求谷歌停止该协议。

受剑桥分析公司丑闻事件影响，个人数据隐私问题成为焦点，数据保护和匿名成为人们关心的话题。其中欧盟的GDPR已于2018年5月生效，以保护用户数据隐私。在数据保护和信息匿名方面，机器学习可以作用于：人工数据合成和混淆敏感数据。

3.3卫星数据

随着微型卫星的发展，部件成本和发射成本降低，向地传输架构逐渐完善，卫星数据的成本随之降低，分辨率和频率不断提高。在卫星数据领域，机器学习可用于保险、金融和农业。

3.4网络安全

云计算、移动设备和更多联网供应链意味着网络攻击的风险在增加。但是，网络安全从业人员的缺口却越来越大。机器学习能够以灵活的方式从过去的攻击中学习，并自动进行处理，节约时间。在网络安全领域，机器学习可用于网络和终端安全、内部威胁检测。

3.5库房自动化

电商的发展对库房分拣提出了更高的要求，劳动力和库房空间的稀缺也促使电商采用更多的机器人。零售商在亚马逊收购kiva以及对该领域的投资之后做出了反应。在库房自动化领域，机器学习应用包括机器人、库房管理系统等。

3.6蓝领手工操作

计算机视觉部件成本降低，技术提高，这意味着机器人的价格将会比各种蓝领工人的手工操作成本更低。机器学习可用于房屋建造、清洁、安保等。

3.7农业：室内和室外农场

2050年，全球人口将从76亿增长值96亿，粮食产量需要提高70%才能满足需求。农场和温室里配备机器人、控制系统、联网设备成为解决粮食问题的新途径。机器学习可用于温室控制系统、立体农场、农作物和动物健康监测、农作物收割等。

3.8自动化

在自动化领域，机器学习可用于共享自动驾驶车辆、最后一公里物流自动化、仿真环境、街道地图和软件开发自动化等。

3.9金融

在金融领域，机器学习可用于资产管理、信用贷款、预防诈骗。企业自动化机器学习可用于机器人处理自动化、文件数字化、软件开发自动化。

3.10材料科学

在材料科学领域，机器学习与医药行业的应用相似，可用于学习材料科学发现的规律。

4. 公众对自动化的态度调研

根据两家美国大型调研机构调查结果显示：民众越来越意识到自动化对工作的影响，18%的美国人表示他们知道有人因为自动化失业，薪资或工作时长减少。

年轻人、兼职、西班牙人和美国低收入人群反映受到影响最大。自动化将引起不公正的担忧越来越大。

布鲁克林研究所调查显示:

对AI的乐观程度

大部分人认为AI会改善生活

但AI也会牺牲隐私

并且AI会消灭一些工作岗位

大部分人认为AI是对人类的威胁

应该由政府监管

虽然美国目前仍然是AI领头羊

在公众对自动化态度调研这一部分，金准人工智能专家的调研结果显示：虽然美国目前仍然是AI领头羊，但认为中国在AI领域将在十年内赶超美国。

那么，美国劳动力市场实际上有什么变化呢？金准人工智能智能专家调查发现，这些变化主要体现在以下几个方面：

① 美国自动化程度虽然提高，但失业率却达17年来最低

② 常规工作发展停滞

③ 工资水平提高落后于工作岗位增长

④ 劳动产量与每小时报酬不成正比

⑤ 劳动力所得份额稳步下降

⑥ 工人收入变动幅度加大

自动化在导致美国劳动力市场现状中起到多大的作用不得而知，关于机器学习对劳动力市场的影响也出现了两极分化的观点：

其中一种观点认为无需担心，历史上科技进步总会创造更多的工作，这次也不例外；另一种观点则是忧心忡忡，认为这次革命与以往不同，人类将会创造更多智能，减少薪酬较高的工作，新增的工作岗位数量将少于消失的工作。

总结与展望

金准人工智能专家预测，在未来一年：位于中国的实验室取得重大研究突破。DeepMind成功应用RL学习在《星际争霸》游戏中取得突破性成果；深度学习继续仍然是讨论的焦点，重大替代方法不会出现；使用机器学习发现的第一种治疗药物在试验中产生积极的结果；总部位于中国和美国的公司收购欧洲机器学习公司的总额超过50亿美元；经合组织国家政府阻止总部位于美国或中国的技术公司收购一家领先的机器学习公司（估值>1亿美元）；争抢台湾和韩国半导体公司明显成为中美贸易战的一部分；一家大型研究机构因地缘政治原因未公开重大研究成果，因而“走向黑暗”。

F.P.Journe为élégante女式腕表系列增设多个珠宝表款，表壳和表盘均镶嵌钻石和贵重宝石，饶富女性气息。

全新表款配备40毫米铂金表壳，表壳呈扁平的酒桶形，密镶钻石和贵重宝石如红宝石、蓝宝石、沙弗莱石或黑钻，搭配缎面表带。表盘同样密镶贵重宝石，小时环则密镶钻石；至于黑钻版本则以镶钻表盘搭配密镶黑钻的小时环。折叠式表扣同样镶有钻石。

F.P.Journe花了八年时间来研发这枚饶富革新意念的机芯，成就一枚精确、有创意，而且佩戴舒适的电子机械式腕表。它拥有相当长的动力储备，可以支持腕表无止息运作8-18年不等（视乎使用情况而定，倘若腕表一直处于备用状态，其动力储备可长达18年）。

它拥有十分聪明的设计。表盘上的4:30时位置设有一个动力感应装置。倘若腕表处于静止、没有被佩戴的状态，它便会于大约30分钟后自动进入备用模式。这时候，所有指针会停止转动，时间显示亦会停顿下来。

然而，虽然腕表处于备用模式，当中的微型处理器还是会继续量度时间，只有机械零部件如齿轮系、摆陀和指针等暂停运作，从而节省动力。当表主重新戴上腕表，腕表便会随手腕的活动而自动恢复运行，指针亦会以最短「路径」转动──即以顺时针或逆时针方向来显示正确的时间。这样的设计，为的同样是减省动力消耗。

因此，élégante可精确地量度时间，又可停顿下来，继而自行重新启动，实现了所有制表师的梦想，亦是唯一一个针对华贵奢侈品市场而设、搭载电子机械式机芯的女式表款。

Élégante还设有下列款式以供选择：

‧40毫米钛金属表款（镶钻或没有镶钻），搭配夜光表盘和橡胶表带

‧40毫米红金表款，表壳镶嵌1行钻石、密镶钻石，或没有镶嵌钻石

‧铂金表款，表壳和表盘均密镶钻石

‧48毫米钛金属表款，搭配橡胶表带；另设表盘密镶钻石版本，搭配银白色蛇皮表带

ÉlégantebyF.P.Journe是一枚既经典又当代的时计，将制表传统和现代技术融为一体，定必能够在时计历史上留名，教人难以忘怀。