淘宝店直通车找运营商安全吗,独角兽企业占全省五分之四
青岛“独角兽”企业占全省的4/5，看起来好像很不错，但其实，山东全省只有5家独角兽企业，分别是华熙生物、杰华生物、日日顺物流、聚好看以及伟东云教育，其中除了华熙生物来自济南之外，其余四家均来自青岛。
淘宝店直通车找运营商安全吗，独角兽企业占全省五分之四？
青岛“独角兽”企业占全省的4/5，看起来好像很不错，但其实，山东全省只有5家独角兽企业，分别是华熙生物、杰华生物、日日顺物流、聚好看以及伟东云教育，其中除了华熙生物来自济南之外，其余四家均来自青岛。
所谓独角兽企业，简单定义就是估值在10亿美元以上的初创企业，成立一般不超过10年。独角兽企业被视为新经济发展的一个重要风向标，主要出在高科技领域，互联网领域尤为活跃。它被认为是新经济时代科技创新的集中体现。
青岛能够培育出4家独角兽企业，也体现出近年来青岛在科技创新方面的努力。青岛目前也正在制订“独角兽”企业培育和奖励实施方案，将构建企业培育库，为企业提供发展所需的全方位线上线下服务，引导激发企业实现“跳跃式”和“爆发式”发展。
从全国范围内看，截止2018年末，我国独角兽企业最多的是北京，数量达到87家之多，是第二名上海的2倍多。而广东、浙江位居第三、第四，分别上榜27家以及24家，经济大省江苏只有8家，山东仅2家，这也凸现它们在新经济领域确实有不足。
从城市方面来看的话，根据今年5月份胡润研究院发布《2019一季度胡润大中华区独角兽指数》显示，中国独角兽超过10家的城市有北京、上海、杭州、深圳、南京，相对来说，青岛的独角兽企业仍偏少。
还是到人才市场应聘好？
硕士研究生找工作，是去校招好，还是到人才市场应聘好?如果你就是这个将毕业的硕士研究生，你居然会不知道校招和找人才市场去应聘好?这也够奇葩的！研究生毕业的正常年龄都25岁了，怎么会连这个都不知道、都不懂呢?
这两个招聘都是可以参加的，可以各有侧重，互为补充。各类本校毕业生参加的校招，当然是第一选择。
每所大学的校招，都会在每年的3~4月(春招)和每年9~10月(秋招)举行两次。而校招，是本校毕业生就业的第一主渠道。可以在你校的大学就业指导中心网站，提前了解即将来你校招聘的公司、单位、工作岗位信息，还可以了解各岗位对应的专业、学历和其他具体的要求。
各高校对校招都很重视，都会尽最大努力，最大限度地联系和筛选各较正规的公司和单位，以尽使本校各级各类毕业生有工作出路，一般会有数百家企业入场。最关键的是，学校与这些企业有正规且较长期的合作关系，以保障毕业生的权益。每位毕业生都有一份个人、学校和企业均签字的三方就业协议，这是最重大、最正规的就业保障。
而去人才市场应聘，则有所不同。因为企业去人才市场招聘，都对自己希望招聘的人才有更直接和具体的要求，比如具体的工作经验、证书、成果和能力，更具体、更直接，是它的招聘特点。而且，即便你达到了它的用人要求，签订的招聘协议是你和企业双方的一一两方协议。不是说不好，而是少了“家长”(学校)的第三方把关。为此，应届毕业生的具体能力、交流能力、能力检验、待遇沟通等，在社招中要求更高。
所以，校招和社招各有特点之下，校招对应届毕业生是就业的第一主渠道，而社招是补充，因为它不只是对应届大学生工作的招聘场所，而是所有要找工作的人士，更是对自身能力认知和被检验的直接场所。
互联网公司都是怎样把流量变成现金的？
很多人现在或者曾经，可能都想过一个问题：那些互联网巨头们好多产品都是免费给我们用的，他们是哪儿来的收入？又怎么在上市之后变成几千亿、几万亿的市值？
我们先看看外面的大师是怎么念经的。谷歌母公司2021年第四季度营业总收入为753.3亿美元，其中广告收入为612.4亿美元，广告收入占公司总收入的81.3%。
谷歌母公司还有一笔“大收入”是云计算服务，总额为55.4亿美元，占公司总收入的7.4%不到。
大家看到这个数据有没有发现什么神奇的现象？是不是感觉，从营业收入上来看，谷歌根本不是什么科技公司，而是一家广告公司啊！
我们再回过来看看本地的大师是怎么念经的。阿里2021年第三季度公告显示，本季度总收入为2006.9亿元，其中跨境及全球零售批发业务总收入150.92亿元，云计算服务200.07亿元，实体大卖场业务大约200亿元。
这样算下来，还有大约1450亿元的收入，就是所谓的“核心业务”收入了。
现在是信息时代，我们也没必要卖关子，大家应该听说过，阿里是靠卖流量挣钱的。这1450亿元其中的大部分，应该就是某宝和某猫（现在估计还要加上某特）上面的卖家买流量的收入。
大家就算没在某宝上开过网店，相信绝大多数网民朋友们都在某宝上买过东西。实际上，某宝平台买卖双方，应该都是不给某宝平台交纳手续费的。
也就是说，一个茶杯如果卖15块钱，那么买家付了15块钱，卖家应该也能收到15块钱（当然，前提是没有做相关的佣金推广）。
这样一来，很多人自然就会产生开头的那句疑问，互联网巨头又不是慈善组织，免费让大家开店、买东西。这么大的公司，那么多高薪职员，那么大的技术投入，钱是哪里来的？光靠投资人烧钱吗？
很显然，互联网巨头们一定是生财有道的。互联网巨头们最大的财富，就是数以亿计的用户的注意力总时间。这就是所谓的流量。
任何商业模式，任何创业行为，任何生意，最重要的一点，就是如何挣钱。这看似是句废话，但光凭初创企业两年后的存活率仅有10%这一点，就说明其实大多数创业者根本不知道如何挣钱。
挣钱的核心是价值变现。个人也好，企业也罢，要挣钱就要对外提供价值，这只是第一步。当市场有客户认可并有购买力支付的时候，这个价值才能变现。
互联网巨头的挣钱模式主要可以分为两种形式：一种是羊毛出在羊身上，这是大家理解的传统商业模式。另一种是羊毛出在猪身上，这就是所谓的互联网思维模式。
羊毛出在羊身上，这是直接赚钱法。很明显这是用户付费模式，谁用谁付钱。比如大家熟悉的网游充值买点卡、买装备，比如视频网站充值会员看最新热播剧等等。
羊毛出在猪身上，这是间接赚钱法。也就是用户免费使用产品和服务，由另一部分可能从这些用户身上获益的商家付钱给互联网巨头。
这部分商家付钱给巨头们干嘛？买的是什么？就是买用户的注意力时间。用户们免费使用互联网产品和服务，付出的代价就是要承受各种形式给你插播的广告。
对于向巨头们付钱的商户而言，这种商业模式本质上就是科学地赌概率。
什么叫“科学地赌概率”？意思就是说，无论是互联网巨头，还是商户本身，他们的市场营销专业团队（甚至是机器算法）会仔细分析数据，什么场景下推什么广告，用什么形式展示，用户点击广告的频率是多少，点进去的用户，最终的成交率是多少。
这最终的成交率，就是互联网巨头给商户们（真正付钱的金主）提供的价值。这个价值会经过市场博弈，得出一个均衡的市场价，也就是多少展示量要多少钱。
某宝免费让大家开店卖东西、买家不付手续费买东西，他们的收入就是来自于商家买首页（甚至置顶）展示量的花费。
为什么现在很多电商都说生意不好做？为什么大家都时不时地在网上看到类似“网店年营业额五个亿但净利润不足一百万元”之类的文章呢？
这一方面说明做生意的成本确实越来越高，另一方面也说明，这个互联网巨头给商户们卖流量的价格在这个点上，达到了某种均衡状态。
很多人会问，为什么这么低的利润，那么多商户还能接受？按照市场经济原理，价格过高不是会降低销量，最终迫使卖家（这里就是巨头们）不得不降低售价（流量单价）来提高销量吗？
这就说明，很多商户确实面临各方面的压力，导致他们愿意以极低的利润来维持整个业务的存续。一种较为普遍的现象是，他们可能有工厂，里面有几十甚至上百个职工要养活。不买流量就没有成交量，工厂不开工也要发工资。
而现在的社会是，坐办公室两千块一个月很多人都愿意去，进工厂做流水线工人一个月七八千也很少有人愿意去。那么这些商户就会担心，工人如果不养了，他们走了之后可能就再难招回来了。
这个话题就能进一步扯远了。大家就能发现，难怪越来越多的劳动密集型制造业开始转移到东南亚地区了。这就是宏观经济的学问了。
那么，我们能从互联网巨头身上学到什么呢？
第一，要学会间接赚钱法。当然，普及开来可以称为“间接成事法”。当我们想要做成一件比较复杂的事情的时候，有些单刀直入是好方法，但很多时候不适合太直接的方式。
像赚钱这种事情，你直接敲门、打电话，开口就要向别人推销一个产品，当代社会基本上所有人都应该很反感。
这时候要学着转个弯，或者转几个弯来尝试间接达成你的目的。怎么间接呢？先找对方的利益诉求点，你想办法先把对方的利益诉求给满足了，让对方欠你之后，等对方主动产生要为你提供价值的时候，再委婉地把你的诉求提出来。
大家一定听说过，很多卖老年人保健品的销售员，先是天天陪老人聊天，再是去老人家里帮忙做这个做那个，搞得人家不好意思了，最后花高价买了很多东西。
当然，我们这里讲这个不是鼓励大家去“套路”别人。而是希望大家区分善意的“想做事”和恶意的“想做事”。对于善意的间接做事方法，我们要活学活用；对于恶意的间接赚钱法，我们要具备识别能力，进而避免自己和家人掉进别人的坑里。
第二，要明白注意力也是一项重要的社会资源了。大家要善用自己的“注意力资源”，把自己的关注度和时间分配到帮助个人成长、提升个人幸福的领域。
识别巨头们的商业模式，了解巨头们的赚钱方法，我们不一定能够模仿，不一定能够再自己创造一个“某里”、“某讯”、“某东”。
但是，我们可以在了解他们的套路基础上，更好地让互联网工具为我们的生活便利和人生幸福多做贡献，并且避免被很多的互联网套路绕进去浪费不必要的时间投入和金钱消费。
这样，我们才能真正的从信息技术的发展中，收获时代的红利。避免自己和家人成为信息技术和互联网商业过度收割的韭菜。
（全文完。欢迎关注）
将替代大量人类职业工种？
根据耶鲁大学和牛津大学今年5月的研究显示，人工智能到2060年前后有50%的概率完全超过人类，在10年内人工智能在翻译、高中水平的写作、驾驶卡车，售货员等方面将超过人类。我们的调研发现人工智能已经不再停留在概念，电商、互联网广告、安防的智能化正在催生新的商业机会。我们认为数据比算法更重要，建议投资人积极布局数据中心、传感器、半导体等受益行业的投资机会。
——中金证券报告节选
长久以来，人们心中对于人工智能（AI）往往只有一个模糊的概念，对它们对于世界的改变更是无法系统而全面的感知。因此，本文聚焦人工智能技术的四个方向（语音，图像，自然语言处理，机器人），探索了它们对于安防，互联网电商/广告，消费电子这三个行业所产生的影响。
从技术角度来看：
语音技术成熟但应用场景有限。语音识别是目前发展最成熟的人工智能技术。Nuance，科大讯飞，Google，百度等主流厂商的近场语音识别率都达到了 99%以上。但目前应用场景局限在电子病例，智能客服，在线教育，车载导航等少数几个领域。随着未来语音识别种类的进一步丰富，识别环境通用性的增强，以及远厂语音技术的突破，一定会帮助拓展其应用范围到智能家居等更多场景中。
图像识别落地机会最多。图像识别技术不但有着非常高的识别准确率，而且能够很快给出智能的反馈，因此图像识别技术最容易快速落地到各行各业中。安防行业中的车辆数据提取，医疗行业的影像诊断，电商行业中的精准营销，以及辅助驾驶都为图像识别技术提供许多落地变现的机会。
自然语言处理在互联网行业中应用最为成熟。我们注意到基于人工智能的精准营销正帮助互联网广告公司不断提升流量价值，而且一些智能的销售客服机器人正在逐步替代人工成为线上销售，售后维护的主力军。
智能机器人技术有待成熟。我们注意到一些公司开始在仓储机器人、手术机器人等细分行业进行探索。但技术还有待成熟。
从行业角度来看：
安防是人工智能在中国最容易变现的行业：十几年的平安城市建设，使中国的城市管理者已经积累了强大的视频数据采集能力。交通拥堵及反恐等应用场景又急需最先进的人工智能技术。
互联网广告和电商蕴含大量的数据，为人工智能在互联网广告和电商领域的应用提供了广阔的资源和空间。例如，互联网公司通过基于用户画像的精准广告投放，在过去三年提高了广告单次点击成本（CPC）170%。
AI 促进消费电子升级换代：3D 光学感测等 AI 功能会帮助现有智能手机提高售价，同时促进智能音箱等新品类的发展。
直接受益行业：
数据中心：人工智能的普及会推动云计算服务及资本开支的快速增长。我们预计到 2020年，八大主要科技公司在数据中心相关的资本开支总计将达约 900 亿美元，约占全球电信业资本开支的 25%。
半导体：我们认为 2020 年人工智能相关半导体的市场空间将达到 117 亿美元，其中云端服务器市场规模 76 亿美元，智能手机移动端 41 亿美元。除了上游的芯片设计厂商将受益之外，中下游晶圆代工及封装测试厂也将同步获益。
传感器：第二是收集数据需求的增加，手机及汽车上搭载传感器数量大幅上升。我们预计传感器市场从 2016 年的 82 亿美金扩大到 2025 亿的 290 亿美金（15% CAGR）。
AI+安防：智能化推动安防行业的第三次升级
中国视频监控行业在过去十几年经历了两次重要的升级换代：
（1）高清化：在这次升级的主要变化是摄像机的清晰度从标清（30 万像素）升级到 100 万像素或以上。图像传输方法从原本通过同轴电缆传输的模拟信号过渡到通过局域 IP网或同轴电缆传输的数字信号 。后端设备也从 DVR 过渡到 NVR。
（2）网络化：在这次升级中的主要变化是，视频被直接传回数据中心内的集中存储。主要的优势是方便集中管理以及扩大了可监控的区域。
随着 2016 年以来人工智能技术在视频分析领域的突破，我们认为视频监控行业正处在第三次重要的升级周期的开始阶段。
（3）智能化：我们认为这次升级主要包括：(a) 前端摄像机的智能化升级以支持结构化数据提取，(b) 后端设备强化计算分析功能，以支持复杂的视频分析，(c) 对应特定行业应用的人工智能分析软件快速增长，其主要功能是汇集分析视频信息，以及控制前端安防设备。
智能安防在国内的细分市场有三个：
（1）政府市场（30~35%）：主要包括各地公安，交通，司法部门。销售渠道以系统集成商为主。需求受政府固定资产投资拉动，对价格不敏感，是视频分析服务的重度用户。
（2） 大企业市场（35~40%）：主要包括银行，电信，石油，文教卫等大型国有企业和事业单位等。销售渠道以解决方案为主，需求受经营规模扩大的影响。
（3） 中小企业及个人市场（25~35%）：主要包括中小企业，也包括个人消费需求（尽管需求很小）。销售渠道以标准产品的分销为主。
根据调研，目前人工智能相关产品主要目标市场是政府市场。其驱动力来自于各地政府强化各类平安城市相关工程。经过十几年的平安城市建设，中国的主要城市已经积累了强大的视频数据采集能力。如何利用采集到的数据解决交通拥堵及治安问题一直是各地政府有待解决的问题。基于人工智能的新一代视频分析技术为城市管理开辟了一条新的路径。并将驱动当前 67 亿美元的中国安防设备市场继续以年增速 15%以上增长。 其中，交通管理和公共安全等政府相关项目（约占整体市场规模 30%）是最主要的应用领域。
以下是在交管和公安现场的实例：
交通违法抓拍
通过对前端摄像头和后端系统进行智能化升级，利用前端摄像头对抓取的图像快速处理，将明显的违法行为进行智能识别，并在后端进行收集和二次处理。可对多种交通违法行为进行取证，包括机动车闯红灯、违法停车、压线、变道、逆行、超速、人行横道不避让行人、违反规定使用专用车道、行人闯红灯等各种交通违法行为。
犯罪分子抓捕
以海康威视的系统破获的某个抢劫案为例。为了从大量的视频图像中找到嫌疑人，需要 对来自 500 多个监控点的长达 250 个小时的视频进行分析，如果采用人力查阅，需要至少 30 天时间，但如果采用基于深度学习的视频分析技术，仅需要不到 5 秒。
另一个案例是，2012 年的“1.6 苏湘渝系列持枪抢劫杀人案”，当时对 1万多个监控点产 生的 2000 多T数据进行人工查阅，投入了 1500 多名干警耗时一个多月。根据海康威视估算，如果采用人工智能分析仅需要几分钟。
AI+互联网：AI 加速电商广告市场发展
AI 简化用户的消费行为
2015 年以来，由于互联网流量红利逐渐见顶，行业发展重点走向以提升转化效率以及付费习惯培养的精细模式。在电子商务领域，由于大数据的累积以及底层算法的快速发展， 人工智能开始进入该领域，通过对消费者购买决策过程的深度学习和解析精准定位用户。主要的应用是为了更精准的推荐商品以及对用户的购买行为作出更好的解释。
大数据是人工智能的重要基础，复杂场景催生技术革新
经过爆发式的行业增长，电子商务行业已经完成了早期的数据累积，大数据的产生为人工智能技术打下基础。而购物场景不断延伸，端到端的互联网消费者行为呈现高度离散的状态，消费者可触达点的增加同样加大了电商平台对于消费行为把握的难度，因此亟待更高效的方式对用户购买行为作出更好的解释，以实现更精准的商品推荐。
人工智能的知识发现体系更适合解释当下更为复杂的线上购买决策
根据 MillardBrown2016 年的研究，传统营销通常认为消费者购买品牌是一个线性过程， 但现实中情况却要更为复杂，特别是互联网账号体系的出现，线上消费者在其他如社交平台的分享同样会影响消费者的最终购买决策。此外，随着人均可支配收入的进一步提升，影响消费者购买决定的变量同样变得更为复杂。除了最基本的对于性价比的考量，粉丝效应、生活方式、特殊事件甚至对于环保的考量都有可能影响消费者最终的购买决定。
互联网环境下，品牌以及商品与消费者的接触点显得分散且数量远大于从前，人工智能 的数据挖掘和知识发现功能为解析大量数据间隐藏的依赖关系提供了具有参考意义的一 条解决路径。目前该技术在中国的具体应用表现为在售前，通过基于大数据分析的用户画像个性化推荐，向消费者主动展示其购买的产品内容。
目前个性化推荐主要是以分析消费者一定时间内的浏览记录为主，技术上并不难实现， 主要门槛在于商业数据累积以及推荐逻辑优化。在当下全球电子商务领域，Amazon 的智能推荐系统被公认为推荐算法最好的系统，其服务主要体现为个性化首页、多页面关联商品推荐和多品类关联促销。在中国，个性化推荐的形式和 Amazon 并无太大区别， 以发展程度最高的淘宝千人千面模块为例，2016 年双 11 个性化的智能卖家推荐的测试中，点击率和访客成交转化率分别上升了 25%和 40%，前次展示支付金额提升了 56%。 目前淘宝平台上的钻展以及直通车均已采用千人千面的数据分析，其解决的主要问题在于如何优化平台海量流量分流从而优化流量货币化效率。
电商领域人工智能技术的商业化已经开始萌芽，阿里巴巴自 2015 年开始加速个性化电 商推广工具的研发，并已将一部分人工智能算法融入底层结构，例如：
? 基于全网电商数据、跨渠道数据以及第三方数据的客户运营产品 – 聚星台，可实现店铺“千人千面”的个性化互动营销以及全域会员运营。
? 通过标记的方式圈定潜在客群，建立个性化的用户细分和精准营销的数据管理合作平台。
? 以及开放付费 API 的人工智能系统。
感知智能引领信息检索以及沟通效率提升，即看即买
尽管互联网技术解决了传统零售获客能力有限的问题，在购物体验以及沟通交流方面仍然与线下存在差别，尤其是非标品的售卖，例如服饰退换货率可以高达 30~40%。如何更高效的发掘和理解用户需求进行沟通一直是电商企业努力的方向之一。更为直观方便的图片、语音识别技术因此被应用到了电商服务上。
消费者的购买需求通常具有即时性的特征，这一点可从 2016 年底开始奢侈品牌纷纷推出“即看即买”的营销策略中窥见一二。通常电商消费者在搜索商品时平均需要 6 个以上的点击来达成交易，并伴随大量的输入以及重复搜索尝试。2013 年底在移动电商渗透之前 Statista 曾有研究表明，消费平均购物放弃率为 67.9%。而今天这一比例已大幅下降，除了更加便捷的购物车服务以及支付环节以外，搜索环节的匹配效率提升同样起到了提升转化率的作用。
图片识别加强电商平台数据流动效率。图片搜索通过色彩图形以及空间的比对，即使消 费者并不知道品牌或商品名仍然可以快速帮助用户找到其感兴趣的商品，真正实现了“即 看即买”。对于平台卖家来说，自商品上线的那一刻图片识别技术就开始贯穿始终，包括自动检测商家上传图片是否存在侵权、投放推广时的自动匹配以及关键字搜索式的自动 图片推荐；从而提升了电商平台的数据流动效率以及运营效率。
语音识别技术向智能客服的独立产品进一步迭代。
基于语音识别的搜索也被首先应用到了电商服务中，例如淘宝应用内置的语音搜索，早在 2013 年就已经可以支持中英文品牌名混杂的复杂搜索情况。京东则将智能客服小咚嵌入其 App 通过语音识别以及语义分析帮助用户查找用户可能感兴趣的商品。随着大数据的不断发展，目前语音识别技术正在逐渐向更为复杂的智能客服迭代演变。一方面人力成本逐年攀升，对运营效率提升提出挑战；另一方面售前售后的大部分问题重复率高，存在大量可使用人工智能介入的场景； 因此刺激了行业对基于语音识别的人工智能进行投入。Chatbot（聊天机器人）的出现使得语音识别进一步从底层应用的技术研究和电商附加服务逐渐走向独立产品，例如亚马逊的开放 Alexa 语音服务，开发者可以利用 Alexa Skills Set 或选择接入语音服务，将自有内容资源上传，在用户出发 Alexa 中定义的“意图”时，开发者可在自有服务器上实现“回答”。Facebook 同样于去年 4 月开发了 Chatbot 的平台，该服务可以通过即时通信软件用自然语言解答客户的问题甚至帮助客户提交订单，目前在 Facebook 邀请的传统零售品牌中，Tommy Hilfiger 的人工智能甚至可以在交流中融入真实的角色性格。尽管目前仍没有数据能直接证明传统零售通过此类服务显著提供销售量，但我们认为人机对话水平的提升仍将在长期范围内促进电子商务的进一步渗透。国内同样存在类似应用产品，例如阿里云 ET 以及科大讯飞的语音识别均已开始向企业用户开放开发端口。
尽管人工智能技术仍处于发展早期，但在改善电子商务售前、售中和售后运营效率的过程中均已开始产生不同程度的增益效果。随着算法进一步优化，预计其对于简单重复人力的替代过程将带来更多营业效率提升。另外，除了底层算法的优化，我们看到智能客服和物流机器人领域已经有成型的独立产品萌芽，预计主题投资的风潮将在未来的一段时间加速这些领域内商业化进程，预计我们将在这些细分领域内最早看到商业化产品的成型。
广告：AI 商业化应用最成熟的领域之一
自 2012 年以来，中国互联网广告市场经历了年复合增长率 39%的高速增长期。主要的 驱动力来自于传统媒体的式微带来的预算转移、移动设备的大爆发带来的新广告平台以及更高 ROI 的新广告形式。根据 eMarketer 数据，2016 年互联网广告市场规模已经达到 404 亿美金，其中移动广告占比已经达到 35%。其中基于大数据的 AI 技术已经起到不小的推动作用。
人工智能（AI）在广告营销领域的应用是现阶段 AI 商业化应用最成熟的领域之一，从AI 技术的应用阶段来看，已经初步进入感官智能的范畴，且在计算智能领域的技术和使用场景已经有充分的发展。精准营销和智能投放就是其中最重要的应用形式，主要的思路是利用高互联网/移动互联网渗透率下积累的大数据（根据《2016 年腾讯智慧营销白皮书》，当年互联网每日产生数据量已达 18 万亿 GB），通过数据挖掘和机器学习等手段， 建立营销对象、产品以及媒介的个性与传播模型，再通过 AI 技术进行高效的智能投放。
精准营销：提升直接反映在单位流量价
在传统的受众到达模式中，即使基于前期的市场研究，在广告投放的渠道和形式上进行了充分的选择，但是对目标客户定位的颗粒度则受限于数据规模和智能技术无法进一步深入，而基于大数据的 AI 技术则很好地解决了这点。
以今日头条为例，作为最早在广告业务中采用 AI 技术的应用公司之一，AI 对其用户规模的扩展和变现能力产生了巨大的推动作用。预计 2017 年其广告销售收入可以达到 150亿元。今日头条基于机器学习技术实现了个性化内容推送，按用户阅读偏好进行追踪，AI 算法对历史数据进行分析，为用户生成个性化的阅读模式。然后推荐他们可能会感兴趣的内容，并在不断迭代中优化。通过这一流程，今日头条在 2016 年 9 月已实现每天76分钟的每用户平均使用时长，在其同类应用中达到最高水平，同时也大大改善了广告效果。目前今日头条平均点击率接近 3~4%，而其他新闻类应用仅为 1%左右。
精准营销能力的提升直接反映在单位流量价值的提升对广告主定价能力的增强。以信息 流广告为例，在过去 4 年中，主要信息流广告平台（包括腾讯广点通、新浪扶翼、今日 头条、陌陌）的广告单次点击定价（CPC）由 2013 年 0.5~0.8 元上涨至 2016 年的 1.5~2 元。
智能投放
不仅仅是受众定位一侧，在广告投放一侧，AI 也在不断重构广告主的投放方式与投放策略。在传统的媒体采买模式中（即人工选取投放的媒体渠道和预算），往往是“一篮子” 的覆盖，即使能够进行一定程度上的细分，也无法完成实时定价和智能匹配。而随着广告主对营销效果和 ROI 的追求不断推动，程序化购买的出现利用 AI 自动化技术实现了破局。
程序化购买广告是一种基于 AI 自动化技术和大数据，将广告主的具体广告请求对具体的 广告位（而不是单一媒体）进行智能投放的互联网广告交易模式。其中，大数据是程序化购买的基础，AI 自动化技术是实现高效的手段。程序化购买广告市场在过去两年获得井喷式发展，到 2016 年已达到 308.5 亿元，这其中还不包括头部流量平台的自有程序化交易体系（这部分收入已经包含在平台广告收入当中）。
AI 技术解决的核心痛点是由于信息不对称造成的用户定价低效，即使在精准定位的前提下，也无法高效率（低成本）地到达。而在 AI 的帮助下，广告主可以将散布在不同媒体的广告位，通过精确营销（如前文描述）的定位后，在高度数据化的广告交易平台中， 由 AI 指挥自动化系统根据设定的绩效指标不断进行智能定向和实时竞拍，取代了人工进行渠道选择、媒体分析的过程，大大提高了自动化水平、横跨媒体平台的能力和成本效率。
AI+广告的未来发展方向
我们认为，广告（包括广义的营销）作为公司商业模式变现的第一环节，在移动互联网流量红利逐渐褪去，用户获取成本不断高企的背景下，对 AI 技术的需求只会越来越大，但背后的商业逻辑则始终不离精准（高质高量的用户）和高效（低成本）的核心。因此我们看好 AI 和广告结合的以下三个趋势：
? 社交广告空间巨大：社交网络能够提供最丰富的用户行为数据和用户画像，为 AI 的深度学习提供了最适合的数据基础。从广告形式来看，以信息流形式为代表。根据艾瑞咨询的数据，在 2016 年，信息流广告规模达到 267 亿元，且在未来 2~3 年 将保持 50%以上的高速增长。社交广告整体渗透率在数字广告中仅 8~9%，远低于美国的 28%。
? “品效合一”深度实现：由于大数据正逐渐成为现实，横跨单一媒体平台和单一广 告形式的用户画像能力不断提高，品牌广告和效果广告之间的界限正在逐渐模糊， 而广告主的关注点始终在于可衡量营销效益。我们认为在这种背景下，能够利用 AI 技术和现有流量，提供智能整合全方位营销手段，灵活达到广告主的营销需求，将是未来广告运营商的竞争优势所在。
? 基于 AI 的新广告形式吸引预算：目前 AI 在广告领域的应用仍着重于对已有广告体系的增强，如提高转化率、通过增加用户粘性增加广告库存等。我们注意到随着感知智能甚至认知智能的发展，已经开始有企业在尝试引入新的广告形式以吸引客户， 同时改善受众体验。
AI+消费电子：促进换机与升级，孕育新市场
人工智能加速升级，孕育新市场
在过去的二十年间，主导消费电子的终端应用从 PC 切换到智能手机，然而自 2007 年苹 果发布 iPhone 已有十年，全球智能手机渗透率已近饱和，据 Gartner 预测，2017~2020 年 PC 出货将持续负增长，而智能手机的出货增速仅维持在 1~2%。我们认为人工智能对消费电子行业主要有以下左右。
新功能推动单机价值量上升。AI 算法的采用带来语音识别、人脸识别、VR/AR 等新功能 在消费电子中的渗透，对于整机厂而言，新功能将带来单机价值量的提升，实现丰富产品线和差异化，以提升或者稳定产品价格；而对零部件厂商而言，更多传感器以及专业性能的处理器需求不断提升规格，带来市场空间的成倍增长。
AI 应用提升换机频率。同样以 iPhone 为例，美国是 iPhone 最大的用户市场，而用户换 机的频率和 iPhone 重大更新密切相关，每次出现重大革新之时，用户换机倾向增加，换机周期缩短。因此，预计以 3D 光学感测等为代表的 AI 应用的加入，将促进用户对原有的设备进行更新。
AI 加速新应用诞生，空间不容小觑：借助 AI 算法工具，例如语音识别、机器视觉、3D 导航等，智能音箱、无人机、VR、共享单车、智能摄像头……我们熟悉的智能硬件都在性能和用户体验上拥有明显提升，而成本的增加微乎其微。
服务性收入带来商业模式新思路：对整机厂而言，出售硬件为主的商业模式有望迎来变革。以全球科技市值龙头苹果而言，苹果全球拥有超过 10 亿部的 iOS 装置，提供包括 Apple Store, Apple Pay, Apple Music 及 iCloud 存储等服务型收入，并不断增加 AI 的含量。2016 年苹果发布了面向第三方应用扩展的 SiriKit，相册开始支持人脸识别，为用户提供更加切合实际需求的服务。最近的一个季度，苹果的服务性收入达到 70.4 亿美元， 贡献营收 13%，同比增长 18%，已经成为最快的收入增长来源。
智能音箱带动声学产业链加速发展：2017 年 6 月 5 号苹果在 WWDC(The Apple Worldwide Developers Conference) 发布了 自己的智能影响产品，赶上了 Amazon 和 Google 的脚步。我们预计中国的主要互联网和消费电子公司在今年晚一点时间也会发布音箱产品。
无论是何种智能音箱，本质上都是由接收端——语音识别与分析——发射端组成。智能 手机也完全配备智能语音助手+麦克风+扬声器，但是和手机相比，Always-on 是智能音 箱的一个重要特性，它简化用户使用行为。在封闭空间内，呼叫智能音箱远比拿手机方便，拿手机需要用户的大脑进行一系列操作指令，首先要回忆手机在哪里，然后要起身找到手机，拿起手机，解锁，之后开启语音助手，才能进行人机交互。智能音箱的麦克风一直处于开机状态，只需要喊一声即可唤醒使用。从用户大脑习惯“偷懒”的思维模式而言，智能音箱在封闭空间内的优势远大于智能手机。现实中，智能音箱目前被开发出的功能仍偏少，根据 Forrester 统计，截至 2016 年年底，设置时间和唱歌成为最高频率应用。从 Google 和 Amazon 的产品进化中我们可以看到，更多使用场景正在被探索中。
3D 光学感测: 从生物辨识到 AR/VR。应用场景广泛
3D 光学感测看似仅是在传统二维的光学传感上增加了一个维度，但是其应用场景不可估量。我们将其简单归纳为两类：3D 探测和空间定位。其中 3D 探测可以用于生物辨识、机器视觉、和影像感测（主要应用于辅助驾驶、3D 交互等）；空间定位则主要应用于 3D 地图构建和 AR/VR 定位。
算法难度从简单到复杂。在硬件上，3D 光学感测在发射与接收端已非常成熟；在算法难度上，生物辨识与机器视觉属于较为基础的应用，而辅助驾驶、3D 交互则需要叠加多种基础方案配合形成，到 AR 与 VR，则需要前几种技术的综合叠加和有机应用，且对处理器的运算能力要求极高。
生物识别：3D 光学感测可应用于虹膜、面部、光学指纹识别等多项生物识别领域，生物识别的算法复杂程度低，也是 3D 光学感测的入门级应用。
? 虹膜识别稳定性较指纹识别更高，3D 光学感测独有优势。与指纹识别的方案类似， 3D 光学感测还可以进行面部识别和虹膜识别，虹膜识别系统具有高安全性的优势， 可找出约 2000 个不同的特征点，与指纹约 100 个特征点相比，精确性更高。但虹 膜图像因为尺寸小，景深小，有效对焦不方便，因此图像获取是一个具有挑战性的问题，采用波长为 800 纳米上下的近红外光源采集，虹膜图像是最清晰的。
? 面部识别当前误差仍较大。当前，面部识别的精准度无法上升到令人满意的阶段， 对相似度高的脸容易出现识别误差，且在佩戴眼镜的情况下则无法识别。
3D 机器视觉：提供更精确的信息，应用于汽车和精密制造。目前我们所应用的机器视觉 大多数是 2D 视觉，2D 视觉一般只能做到读取编码、条形码等，无法读取空间位置。三维机器视觉提供准确、实时的三维位置信息，以便在汽车和精密制造产业中实现具有挑 战性的组件验证、物流和机器人应用的自动化，包括装上货架/取下货架、卸垛、打包和组装验证等。产业尚处于萌芽期。整体而言，3D 机器视觉实现的门槛与生物识别相似， 机器视觉龙头 Cognex 早已有代表性的产品推出。目前主要应用于对先进生产要求高的汽车工业等，但大规模渗透尚未打开。
辅助驾驶：激光雷达在 ADAS 领域应用前景甚广，应用障碍主要受制于成本。影像感测其实最先应用于汽车辅助驾驶（ADAS）领域，发射和接收装置一般被称为激光雷达。3D 光学感测起到收集路况信息的主要作用，在自适式巡航控制、车道偏移警示、车侧盲点 侦测、前方碰撞警示、夜视与停车辅助系统等多领域发挥感测功能。但受制于成本尚未普及。
相较于毫米波雷达，激光雷达的主要优劣势有：
? 优势：精度更高，速度更快，适合远距离传输；
? 劣势：在雨雪雾等极端天气下性能较差；采集的数据量过大，目前价格高昂。
3D 交互
? Leap Motion 的手势识别：2013 年，Leap Motion 采用两个可见光摄像头完成 3D 手势建模。手势的语法信息是通过手的构形、手的运动变化来传递。人手是一个多 肢节系统，随着关节的运动手的形状在不断变化，这种变化可以通过指段和关节的 状态空间位置的变化来描述，建立手的几何模型和运动学模型。
? 大疆 Spark 将目标跟踪与机器视觉算法相结合：2017 年 5 月，大疆 Spark 发布， 在无人机上引用红外感测的 3D 手势识别，原理是将计算机视觉算法中的手势识别和目标跟踪算法与普通的工业摄像机相结合，带动手势识别的应用领域扩展到消费级无人机。
? PrimeSense 被苹果收购，商业化应用指日可待。3D 光学感测领域的创业先驱 PrimeSense 诞生于 2005 年，其提供从红外光编码、3D 传感器芯片和 CMOS 传感器的一整套 3D 感测解决方案，并搭载于微软 Kinect 之中，用于动作捕捉。2013 年 PrimeSense 被苹果以 3.45 亿美元收购（苹果史上最大手笔收购之一），判断随着 3D 光学传感器被应用于 iPhone，PrimeSense 的 3D 感知功能商用化指日可待。
AR/VR：Tango 是最具代表性的移动端 3D 空间测绘项目。Tango 计划是谷歌自 2014 年 开始开发的项目，此项目的宗旨又被形容为“让机器/设备像我们一样看世界”。以最常见的智能机为例，其后置摄像头仅能拍照二维画面，手机无法真正识别空间的存在。而 Tango 可以让这些设备能够具有完整的空间意识，并且能够充分理解我们和环境的关系。 Tango 最大的贡献在于 3D 测绘，即对周围的环境和区域扫描并绘制立体地图。实现：
? 重塑 Google 地图，借助消费者的手机，通过室内导航和测绘搭建完整的 3D 地图。
? VR 应用，Google I/O 大会提出开发 VR 一体机，不借助类似 HTC Vive 外置的激光 定位设备，仅靠自身的地图就可以实现 3D 空间定位，足以见其布局 3D 地图用意深 远。
? AR 技术，实现教育、虚拟购物、游戏娱乐等多种功能。
农民种的菜地头价只要几毛钱一斤？
这就是中国农业的特色，农产品不值钱，而运输，仓储中问环节费用太高，例如今年疫情期间我销售贫困户家中的大棚香椿，一斤五元钱，而发到北京，包装盒10元，物流快递费三公斤内起步价12元，所以只能烂到地头，城市人吃不到，国家为什么不补贴农产品运费，支持一下从事农产品仓储运输的企业，把农民辛劳一年的成果送到千家万户的餐桌上。让农产品不在卖难。
这么好的养生菜蒲公英，卖不出去。一斤一元钱，农民收割费每斤五毛，菜五毛，可是发到北京市场天价15一斤，城里人不敢吃，说农民心太狠，这是谁的错？？？？
五元的华山红油大棚香椿，好吃不贵，发到你那里就100元的价格了。
当地市场定购送货上门，不够油费，人工费，而农民只能有苦说不出，承诺的包销，销不出。
绿色食品圣女果1.5一斤吃到你嘴巴就是8元左右。小摊贩地头收购，种植户细心挑选，怕一不小心人家不要了，自己舍不得吃不个好的。
发布于 2024-03-02 12:00:01