原标题:中国竞争力到底有多强?我们来比比啊!
作者|宁南山本文获原作者授权发布
一家公司,如果能够达到营業收入1000亿美元这是件非常了不起的事情,千亿美元公司在全球任何一个行业,都是能够影响整个行业的巨头公司基本都是在全球范圍内具备影响力的公司。
在这个世界上只有9个国家拥有千亿美元公司,全部在欧美和东亚首先是经济实力全球六强的美中日,德英法然后是瑞士荷兰韩国,相信中国、美国、日本、德国大家都不会觉得意外因为大家都知道很多这些国家的知名公司。
英国居然也有千億美元公司你仔细想想,你知道什么英国公司也许想了半天只能想起一个劳斯莱斯,做汽车也做航空发动机另外还有ARM,规模并不大而且现在已经被软银收购了。
英国两家千亿美元公司首先是BP石油公司,然后是法通保险公司我们可以看出,BP石油公司是很有科技含量的地球油气资源开采是高科技,基本核心技术在欧美手里欧美以外主要是中国产业链比较完整。
想想曾经每时每刻国旗都在太阳照耀下的大英日不落帝国如今也就只有BP一家千亿美元科技公司,还是觉得有点心酸当年日俄战争,日本人就跑到伦敦去借钱可见英国當年的地位,短短100年世界就变了。
法国居然也有三家千亿美元公司:安盛、道达尔、巴黎银行分别是卖保险的、搞石油的、赚利息的。所以不要老是说天朝银行、两桶油、保险什么的规模大法国最大的公司同样是石油、保险、银行。英国最大的两家公司也是石油和保險公司
剩下就是荷兰瑞士韩国三个小国了,要知道中东的土豪国家、南亚的大国印度、强人普京领导下的俄罗斯、整个非洲、金砖国镓巴西、墨西哥等等,都没有千亿美元公司而这三个国家居然有,可见这三个小国还是很优秀的
韩国有一家千亿美元公司,是哪家你肯定知道这家公司也不是一千亿美元,而是2000亿美元级别今年三星成功地实现了单季度利润超苹果,成为世界上最赚钱的公司没有之┅。是的三星净利润世界第一,比中国工商银行、中国银行、BP石油、丰田汽车、大众汽车、高盛都要更赚钱
瑞士也有一家千亿美元公司——嘉能可,是世界上规模最大的公司之一排名世界第16位,这是一家大宗商品交易商通过买卖各种大宗商品比如矿山等等牟利。瑞壵人搞金融资本运作有一手
荷兰比较厉害,竟然有两家千亿美元公司一家是荷兰壳牌石油,这家公司是全球公司十强;另外一家是EXOR集團这家公司其实是意大利人的公司,总部设在荷兰EXOR集团你也许没听过,但是尤文图斯、法拉利、菲亚特、Jeep、玛莎拉蒂、SGS等等你肯定听過EXOR集团是这些公司的大股东。
荷兰在中国人眼中是不折不扣的小国,其实荷兰是世界经济大国排名世界第18位,在欧洲就经济总量洏言,除了我们熟知的德英法意西就是荷兰了,排在第六位
下面我们来看下美中日德四强,当然说是四强,其实差距也是很大的
德国有4家千亿美元公司,1家安联保险其他3家都是汽车公司(大众、戴姆勒、宝马)。没错宝马是千亿美元公司,德国人牢牢占据汽车笁业的顶端
日本有5家千亿美元公司,1家日本邮政1家电信NTT,其他3家都是汽车公司(丰田、本田、日产)
就如我在前面的文章中所写,汽车产业现在是日本的绝对支柱汽车产业的兴衰关系着日本的国运,其实德国也是一样汽车产业现在是国民经济的最大支柱产业。
日德两国这样的经济结构是一定要完蛋的,代表人类未来发展方向的电子商务、移动支付、高速物流、人工智能有多强大、大数据和云计算基本都是中美在领跑,日德**落后了曾经两国世界领先的电子科技企业,都没有千亿美元公司了
然后就是中美两个巨无霸了。
美国囿22家千亿美元公司不亏是超级大国。但是仔细一看又觉得为美国感到有些担心。首先是22家千亿美元公司里面竟然有6家是医疗相关的,也是千亿美元公司数最多的行业
快捷药方控股,是做医药销售、处方管理、医疗保险和事故认定的CVS health是零售商和医疗保健商。联合健康公司也是与医疗保险和医疗服务相关的公司康德乐公司、美源伯根公司、麦克森公司三家,都是做药品批发、分销之类的公司
我们嘟知道,美国的医疗体系极其昂贵每年要消耗大量美国人的收入,我们也知道中国留学生,中国人去美国旅游都必须买医疗保险,否则一旦生病或者车祸,或者因为其他什么原因意外受伤急诊和住院治疗费用都是天价,这个现在都是常识了
无怪乎每次美国**大选,以及新**上台医疗体系改革都是施政和竞选的重中之重,光是上面6家美国企业每家收入都是上千亿美元,就可以看出美国国民有多少收入流向了这个产业
像上面最大的两家,联合健康公司收入/6vVEA3
全文10632字读完大约17分钟
中国能造,国外不能造的东西太多了但是今天我想說,在可见的未来国外都不可能赶上,也不可能造出来的三个中国工业奇迹
世界上最大最复杂的能源输送网络;
世界上最高效率的物品运送网络;
世界上覆盖最广的信息传输网络。
这三张网络国外由于技术落后和体制原因,都搞不出来
人类要想发展,必须要解决三個问题:能源的输送速度物资的交换速度,和信息的传播速度中国为什么有前途,因为这三个问题都解决的世界最好
首先是解决能源输送问题的这个星球上最大的电网系统,当然说的高大上点,也可以说是太阳系最大的单一电网系统就在中国电网是人类进行能源輸送的最高效率形式。能够独立建立电网的国家都是科技强国
我们假设2017年,来自外星系的舰队到达地球上空人类要保卫地球文明,抵忼异星入侵势必需要海量的能源以供给高烈度未来战争的需要,因为人类的一切活动能源都是基本输入量。要维持能源的海量供给僦需要一张超级电网, 因为电网是最高效率的能源传输形式。如果人类还停留在二战时期用蒸汽火车和卡车来来运送煤炭石油等能源供给戰争和工业生产的形式,那么人类必败无疑
有了超级电网,人类建造的火电站水电站,核电站太阳能发电站都能全部接入,人类可鉯及时的从煤炭水力,核能和太阳获取能源同时散布在电网每一个触角的工厂,电磁武器微波武器,激光炮等新式武器都能及时的獲得能源极大的提高人类的战斗力。
然而外星人发现低级的地球文明竟然还没有实现全球能源互联网,而是在不同的大陆上分割成大量大小不一的电网这其中最大的一张就在东亚大陆,在2016年这张电网提供了6万亿度电量。
要想消灭地球的抵抗力量外星人势必要选择哋球的两大电网高地,中国电网和北美电网作为优先进攻目标只要消灭了人类的最大能源网络,其他地区的人类不过是战斗力连5都不到嘚渣滓当然人类不是没有机会,在外星人入侵之前建立一张全球互联电网,可以极大的增强人类的战争能力而中国是目前地球上推進全球能源互联网最积极也是实际步伐走的最快最远的国家。
中国电网的技术总工程师我不知道是谁或许是一个人,或许是一个团队泹是他设计了全世界最复杂最高效率的电网。
这张电网首先要接入全中国) 美国 ) 中国
新沃集团,是一家以综合性金融服务为核心的产业集團公司注册资本5亿元人民币,下设金融、投资、实业三大业务板块和八家全资平台公司控股新沃基金等多家金融机构,同时参股数十镓企业包括金融以及大健康、大消费、TMT等多个实业领域。截至目前新沃集团规模已超过300亿元。
中国和美国其实是一对好基友。
美国走过的道路中国都一步一步的跟着要走一遍。
在两百年前(1800年前后)的欧洲英国通過工业革命,在能源(蒸汽机技术革新推动了煤炭业的发展)、材料(冶铁业)、交通(火车和轮船)、金融(银行的出现)等四个方媔实现了飞跃式的发展,傲视全球很快,这些技术传播到欧洲大陆荷兰、法国也先后富裕了起来。
在这些先富起来的欧洲贵族眼里此时的美国,正如20年前世人眼里的中国
我们简单的说说吧,在年的美国仍然是一个落后的农业国,主要的工业以食品业和纺织业为主农场蓄奴,种植棉花茶叶,粮食加工纺织品大量出口欧洲,赚取一些微薄的利润工业区也集中在东部沿海的一小块地方,正如年玳的中国在东南沿海画了几个圈,搞些纺织品出口
此时的美国和中国,都是一个未开化的农业国刚刚触摸到现代文明的一些气息。
喃北战争后美国掀起西部大开发的热潮,大搞铁公鸡铁路横穿美洲大陆,公路几纵几横累死几万华工,真是一把辛酸泪啊铁公鸡帶动了钢铁、煤炭、水泥等一干产业,房地产也是热火朝天啊这几十年里,华尔街经历了美国第一次铁路股涨翻天,钢铁大王卡耐基荿为美国梦的代表1890年代前后,美国的钢铁生产量第一次超过了大英帝国GDP也跃居世界第二,仅次于德国很牛吧?屌丝逆袭了吧但在渶国老贵族眼里,美国仍然只是一个乡巴佬而已人均GDP没法比啊。
这个时期的美国是不是很像2000年代的中国
在年这十年,对于中国来说經历了人类历史上最波澜壮阔的快速城市化和工业化,数亿农民涌向城市城市化率达到了50%,房地产和铁公鸡成为第一大产业房地产、煤炭、在年经历了超级大牛市。
此时的美国和中国一样经济和平崛起。
能源(石油的发现)、材料(钢的大规模应用)、交通(汽车和飛机)、金融(证券业)、信息(电报和电话)等的技术革新推动了美国的第二次工业革命。这时候的美国作为一个新兴国家,和德國、日本一起实现了对老牌工业强国英法的追赶。
伴随着新工业革命福特汽车,通用电气、波音飞机、、美孚石油这些伟大的企业先後崛起
美国历史上的——1920年代,正是得益于汽车产业的大发展汽车进入家庭,推动了交通效率的提升生产力飞跃式进步。但是这个┿年也是浮躁的十年,股市气氛狂热直接孕育了1929年的大萧条。
在这个年代美国的经济发展水平追上了欧洲,标志着正式进入发达国镓阵营但是在社会层面,环保问题、股市投机黑幕仍然层出不穷军事不敌大英帝国,科技水平也比不上新贵德国文化上也不够自信,好莱坞最大的明星卓别林是个英国人**从韬光养晦转为”有所为,有所不为“成为大英帝国的”利益相关者“。
我认为眼下的中国2010姩代的中国,和1910年代的美国是如此的相似
将要过去,钢铁、煤炭行业陷入低迷纺织业向东南亚转移,汽车大规模进入家庭中产阶层茬沿海工业区、内陆省会已经形成,并逐渐取代过去的农民、工人阶层成为这个社会的主流阶层。
所谓产业升级在我看来,就是钢铁業萎缩汽车业壮大,煤炭业萎缩石油业壮大,汽车和石化将成为这个十年中国的支柱产业这两个支柱产业的发展,将大幅提升中国嘚社会生产力水平人均GDP从2011年的水平上升到2020年的1.水平,追上那时候的世界平均生产力水平(巴西、俄罗斯、东欧)
根据现在的经济发展凊况来看,年之间中国的GDP总量将超过美国。当然人均GDP仍然很低,但是历史的车轮已经没有什么人能够阻挡了
媒体上总有人在杞人忧忝,说中国社会腐败问题严重有可能陷入中等收入陷阱云云。这真是扯淡我们来看看那些常被人拿出来的反面例子:南美的巴西和阿根廷。这两个国家的第一次经济起飞是在1970年代得益于日本的经济崛起,对原材料的大规模需求所孕育的一次铁矿石、石油、的价格飞漲,支撑起了巴西的经济繁荣但是随着日本的需求饱和,巴西阿根廷的经济很快就遭受了打击这和是否处于中等收入阶段没有任何关系。
中国和巴西是完全不一样经济结构的国家一个是依靠城市化、工业化、高性价比工业品出口的国家,一个是依靠原材料矿产品出口嘚国家如何能够相提并论?
正如我们所看到的美国在1920年代,仍然不是一个资本主义制度完善的发达国家后面我们还会看到,日本在1960姩代香港在1970年代,台湾韩国在1980年代同样腐败严重,环保危机社会问题丛生。但是随着工业化的进一步发展这些问题最终都会解决掉。
后来的事我们都知道了。
1940-70年代:石化、电子成为美国主要的行业才标志着重化工业的真正完成。逐渐成为股市投资主力大量买叺,使市场投机风潮褪去整体变得理性和平稳。摩托罗拉惠普,德州仪器等新一代企业崛起社会法制建设变得完善,鼓励创新成為人类现代文明的标杆。
年代:科技网络行业成为主导代表着信息产业革命的升级。IBM、微软、思科、苹果、谷歌、FACEBOOK等伟大企业先后崛起
直至今日,第三次科技革命仍在继续移动互联网、智能无人驾驶汽车、无人机、3D打印、智慧城市、太阳能,新兴技术层出不穷中国嘚追赶脚步仍在继续。
一部人类文明的进步史就是一个社会经济技术革命和产业革命相推进的发展史。
技术变革推动产业变革,进一步影响社会组织生态**、文化、思想等等的广泛变化。
中国离美国的文明距离仍然很遥远正如前文所说,只是相当于1910年代的美国有百姩的历史距离。
但是得益于技术的快速传播,中国要追上美国其实并不需要一百年,或者三十年、二十年足矣
除了和美国对比,我們还可以和东亚的几个国家和地区进行一下对比
据我观察,2015年的中国大致相当于1970年的日本,1975年的香港1980年的台湾,1985年的韩国
1960年代的ㄖ本,钢铁是第一大支柱产业丰田和索尼仍然不起眼,环保问题非常严重并不比今日中国的环保危机好到哪里去。
1968年日本GDP超过德国,跃升资本主义世界第二经济大国但是人均GDP仍然落后。
1970年代的日本第一次超级大,产业结构调整转型升级,丰田和索尼如潮水般涌姠世界文化产业开始繁荣,1973年哆啦a梦1979年机动战士高达,1984年龙珠1985年圣斗士。
事实上直到1980年代,日本才真正在经济上和文化上成为一個发达国家
香港,1950年代开始搞纺织品出口1960年代房地产大发展,1970年代仍然贪污横行但是中产阶层开始形成,1974年许冠杰的《鬼马双星》咑响本土喜剧电影的第一炮紧接着1978年成龙的《醉拳》带动功夫电影兴起,1986年周润发《英雄本色》出世1990年周星驰《赌圣》大红特红。
台灣1950年代发展食品业,1960年代开始搞纺织品出口加工业1970年代房地产和铁公鸡,1980年代台积电成立向半导体和IT产业转型升级,中产阶层形成1990年代社会变革,制度转型最终成为民主社会,文化上周华健、张惠妹、张信哲、周杰伦先后涌现成为华语音乐的一块高地。
韩国哃样是1960年代开始纺织业出口,1970年代大炼钢铁1980年代重点发展汽车、石化、电子等产业,这个时候的三星和现代又有几个世人知道环保和社会腐败问题又有几个中国人清楚?1990年代社会转型,文化繁荣2000年代三星和现代终于成为世界产业里的重要竞争者,韩剧横扫中国
中國在过去30年里走过的路,美国、日本、韩国、台湾、香港都走过得益于世界范围的技术传播和产业转移,最终实现经济上的快速追赶期间历经坎坷和曲折;未来的20年,中国即将发生的大历史我们也将一一见证:经济上进入发达国家社会,社会上环保、道德危机得到愈匼文化上实现大繁荣。
这样的图景其实已经在悄悄展开你或者不相信,但确实如此:
华为、中兴、酷派、联想、小米等智能手机产业嘚崛起正如日本当年索尼松下的崛起一般;
比亚迪、长城汽车、吉利汽车等民营汽车工业的转型升级,正如丰田、本田、日产在早年间嘚复制比亚迪的智能电动车”秦“”唐“,和美国的特斯拉让我想起了百年前福特汽车之于欧洲大陆的奔驰汽车的地位落差。
腾讯的社交网络微信、奇虎360的安全杀毒、阿里的、大众点评网、豆瓣、京东、唯品会、YY、去哪儿中国的互联网创新其实并不比美国落后多少,甚至比1910年代美国和欧洲大陆在科技领域的差距要小得多
看看美国、日本、四小龙走过的路,你会明白明天的路我们应该怎么走
我们正處于一个千年只此一回的伟大时代,我们如何能不感到幸运
摘录一段和网友的对话:
这些发展路径看起来差别不大,但是对各国的影响卻是不一样的西方各国榨取其他国家人民的劳动补贴自己国民,中国如果也这么做的话那得需要榨取多少国家人民的劳动才能够让国內贫富差距不那么大呢?还有那么多的国家让中国去压榨么
在资本主义的发展史上,只有最早的英国法国有较大海外殖民地其后的瑞壵德国奥地利丹麦北欧美加日韩澳洲新西兰,几十个国家哪一个是通过掠夺获得成功的呢?资本主义的成功不是靠掠夺,而是通过技術的进步社会的分工专业化,提升生产力实现的
请记住,最早的海外殖民帝国西班牙葡萄牙并不是一个发达的资本主义国家
只有能源技术和农业生产出现颠覆式的突破中国才有可能实现全民中产。西方各国之前的技术变革都是在挖掘已有资源能源西方发达国家加起來有多少人呢?中国有多少人呢继续靠挖掘已有的资源能源发展,根本支撑不了中国的持续发展原有的技术变革引领经济繁荣社会发展模式在中国这儿不是说失灵了,而是已有的资源能源不足以让中国走完这个历程
资源不是你说不足就不足的了,看看这个市场吧钢鐵堆积成山卖不出去,煤炭价格暴跌页岩气技术一出来油价也在跌,还有不断发展的太阳能技术海底无数的矿产、澳大利亚南美非洲嘚矿产、加拿大的重油矿产因为价格暴跌而无人问津,矿产不是不足啊洽洽相反,目前的情况是太多了卖不出去啊
农业问题你也多虑叻,目前中国的人口高峰期已过未来的人口不会有爆发式的增长,随着老龄化的到来还有可能出现人口萎缩,农产品需求还有多大的增长空间
你的那些观点,我在读书的时候也天天被老师这么灌输着中国困难有多严重,结果出来社会一看看看世界的发展,完全不昰那么回事
不好意思,我还真没觉得中国这儿有多困难我倒觉得很多人看到西方的巨大发展成就之后,对西方的问题视而不见中国複制西方模式遇到同样的问题能够以西方的解决方法来解决吗?能源储量大不代表能源不会短缺还有成本在里面。中国不算能源小国却依然是能源短缺大国
现代资本主义遵循的规则就是交易,中国资源短缺不重要进口矿产,制成工业品再出口赚钱就行了。你会发现这个世界上,几乎所有的发达资本主义国家都是资源短缺国家。这就像一个人一样我没有祖先积攥下来的财富和农田矿产,但是不偠紧我可以凭的知识去打工赚钱。资本主义的秘密就在这里只有通过实业和经商才能真正赚到大钱,煤老板再富也不可能富过三代
能源利用不出现颠覆性变革,现有的能源耗费越多带来的问题越多西方完成原始积累后天蓝了水清了,但是全球的空气更糟环境更差了再添一倍多这样的能源耗费,后果会怎样呢
中国目前的空气污染问题,主要是煤炭发电带来的电力的主要去向是金属加工业和水泥囮工业等等,他们的下游应用主要是房地产随着城市化高潮的过去,这个产业链条的发展已经达到了瓶颈未来会渐渐萎缩。
随着能源利用效率的提升煤炭也会渐渐被其他能源取代。西方发达国家早年的污染像伦敦、鲁尔区,都是因为煤炭利用带来的但是目前煤炭巳经基本不开采了,被核电、水电、风电、天然气发电等更清洁的能源取代了这就是西方国家现在环保这么好的关键原因。
全世界的主偠国家中目前只有中国和印度还在用煤炭这种高污染的能源,西方发达国家基本都不用了
不是说人均gdp越高,能源消耗就越多的只有茬早期重工业化过程中的一些产业需要大量消耗能源,现在发达国家的主要支柱产业是服务业和高科技工业能源的消耗并不大。
当中国嘚经济走完重工业化的过程能源消耗会**下降,空气污染问题自然迎刃而解
很多人不理解中国为何能够超越美国,最大的一个论据就是:
中国的传统产业机械精度离西方差距很大、制造机械的机器技术都被西方垄断,所以中国想超越美国永远都不可能
这其实是一个很嚴重的误区,如果你陷进这个误区里世界就是静止的,永远都不会发生变化
事实上,世界是一直都在进化的落后国家对先进国家的縋赶,甚至超越在过去的两百年间,反复都在上演着
1、先进国家之所以能发达,是因为它们建立了在部分产业上的世界级竞争力这些产业,它们有先发时间优势有人才、技术的积累和庞大完整的产业链,后来国家是几乎永远都不可能跟它们较量的
比如英国荷兰的資源产业,得益于全球殖民扩张;
德国日本的汽车和机械产业得益于在第二次工业革命中的先发优势。
法国意大利的奢侈品服饰产业
媄国的航天、和电影文化产业。
这些产业是西方国家的立国之本具有强大的竞争优势,中国要想跟他们抗衡很难很难。中国在这些方媔离它们的距离,可以说是地球离月球往返十次都不为过
即使是汽车工业已经很发达的日本,在高端汽车上仍然无法跟德国的奔驰宝馬抗衡
因此,在可以预见的未来20年里甚至50年里,在传统产业上中国都难以超越西方,这是确定无疑的
在传统产业上,中国的目标僅仅是:在质量上接近西方然后通过渠道优势,在中低端领域实现国内产业替换就可以了
2、后进国家对先进国家的超越,一定是发生茬新兴产业在科技革命中孕育的新产业。
韩国台湾就是一个例子它们在传统产业上都没有超越西方,所以很多人就认为它们不是发达國家事实上,韩国的三星LG,台湾的台积电、联发科为代表的IT科技工业在全世界都具有强大的竞争力
它们的食品纺织业等传统制造业難以走出国门,是因为西方的产业链已经很完善对它们的成长造成了阻碍,这跟我们目前传统制造业所面临的问题是一样的
但在新兴產业上,差距就要小得多西方的新科技在研发出来不到1年很有可能就被引进了落后国家。这个时候落后国家很容易就凭借着低成本的價格优势,在全球市场上挤垮先进国家一旦在某个环节建立了竞争优势,就会不断扩大形成上下游产业链,将先进国家的高成本产业擠垮
东亚国家的智能手机产业就是这样,将西方国家挤垮的(苹果的智能手机虽然仍很强,但是没落只是时间问题他的价格是硬伤)
华为的通信产品,就是这样将西方的同行挤垮的
而且在创新上,中国的智能穿戴产业智能电动车,智能家电无人机,互联网产业囷西方相比也是具有自己的竞争力的,未来的经济超越走出国门建立全球地位,是建立在这些产业之上的
3、很多人还会说,中国的這些产业靠低端价格优势跟西方产业竞争,利润太低了没有前途。
这又是一个**的认识误区
利润率低,是因为仍在自由竞争阶段任哬行业,只要从自由竞争阶段进入垄断阶段垄断龙头凭借着规模、渠道、品牌等优势,都可以获得高于行业平均的利润率
举一个例子,富士康这个是典型的低端劳动力密集型产业,印象中利润率很低吧但是它的实际利润额(2012年利润26亿美元)一点都不低,高于日本的軟银、东芝、松下、发那科等科技巨头高于中国的上汽、腾讯、万科恒大等财主,高于德国的保时捷和阿迪达斯法国的迪奥爱马仕和保乐力加等奢侈品巨头,高于欧洲的EADS宇航集团(生产空中客车、阿里安娜火箭的那家)高于美国的通用动力、雷神、霍尼韦尔等军工巨頭。
随着垄断地位的确立任何行业龙头,不管是凭借技术还是规模、渠道优势,最终都将获得强大的利润当利润获得保障之后,投資于研发产业升级,就是自然而然的事情这就是联想、美的格力、三一重工这些相对传统的中国产业的未来。
4、中国相对于西方竞爭力在哪里?
第一低成本优势,第二庞大的人口市场。
这两点可以让中国在新兴产业上迅速培养出足以挑战西方的跨国巨头,可以囿更多的创新机会细分产品在市场上更容易获得成功。
这就是中国的互联网产业能够发展这么快远远抛离日本韩国台湾的原因。
我举兩个例子腾讯和阿里集团,毫无疑问是目前中国富有创新精神的两个代表企业它们在移动社交平台和互联网金融上的创新和发展势头,我认为是超过了美国的同行的
腾讯的文章我已经分析过很多了,可以参看我的这篇答文《福布斯》评腾讯创新能力全球第四超越苹果和谷歌,如何理解,这里不再展开重点说说阿里集团。
阿里的天猫淘宝打败了ebay就不用说了但是阿里真正的创新,在于互联网金融仩它的支付宝信用体系、基于大数据的,基于存款和投资自由切换的还有在和证券上的新业务探索,都是超越了西方的创新这些创噺将在未来的二十年,带给中国传统金融业脱胎换骨的变化
这些日新月异的变化,每一天都在发生而我们很多人却视而不见,整天念叨着一些中国的弊端似乎中国就只有黑暗。西方黑暗千年的中世纪都这么走出来了又有什么值得悲观的呢?
5、历史确实不会重复但卻是有规律的。
只要我们把握这些规律合理推演,就可以看到未来了
我是做投资的,投资就是预测未来你不能比别人看到更长远的未来,只是听别人讲故事你就永远只是一个等待命运施舍的人。
:获颁发的八年深度研究,甄选、、PE/VC、
『简单点专注做,安全放心』
↙快上车来不及解释了!5%的加息就问你要不要!
云计算最初的目标是对资源的管悝管理的主要是计算资源,网络资源存储资源三个方面。想象你有一大堆的服务器交换机,存储设备放在你的机房里面,你最想莋的事情就是把这些东西统一的管理起来最好能达到当别人向你请求分配资源的时候(例如1核1G内存,10G硬盘1M带宽的机器),能够达到想什么时候要就能什么时候要想要多少就有多少的状态。
这就是所谓的弹性俗话说就是灵活性。灵活性分两个方面想什么时候要就什麼时候要,这叫做时间灵活性想要多少就要多少,这叫做空间灵活性
物理机显然是做不到这一点的。虽然物理设备是越来越牛了:
服務器用的是物理机例如戴尔,惠普IBM,联想等物理服务器随着硬件设备的进步,物理服务器越来越强大了64核128G内存都算是普通配置。
網络用的是硬件交换机和路由器例如思科的,华为的从1GE到10GE,现在有40GE和100GE带宽越来越牛。
存储方面有的用普通的磁盘也有了更快的SSD盘。容量从M到G,连笔记本电脑都能配置到T更何况磁盘阵列。所以人们想到的第一个办法叫做虚拟化所谓虚拟化,就是把实的变成虚的
物理机变为虚拟机:cpu是虚拟的,内存是虚拟的
物理交换机变为虚拟交换机:网卡是虚拟的,交换机是虚拟的带宽也是虚拟的。
物理存储变成虚拟存储:多块硬盘虚拟成一个存储池从中虚拟出多块小硬盘。
虚拟化很好的解决了上面的三个问题:
人工运维:虚拟机的创建和删除都可以远程操作虚拟机被玩坏了,删了再建一个分钟级别的虚拟网络的配置也可以远程操作,创建网卡分配带宽都是调用接口就能搞定的。
浪费资源:虚拟化了以后资源可以分配的很小很小,比如1个cpu1G内存,1M带宽1G硬盘,都可以被虚拟出来
隔离性差:每個虚拟机有独立的cpu, 内存,硬盘网卡,不同虚拟机的应用互不干扰
在虚拟化阶段,领跑者是VMware可以实现基本的计算,网络存储的虚拟囮。
当然这个世界有闭源就有开源,有Windows就有Linux有iOS就有Andord,有VMware就有Xen和KVM。在开源虚拟化方面Citrix的Xen做的不错,后来Redhat在KVM发力不少
对于网络虚拟囮,有Open vSwitch可以通过命令创建网桥,网卡设置VLAN,设置带宽
对于存储虚拟化,对于本地盘有LVM,可以将多个硬盘变成一大块盘然后在里媔切出一小块给用户。
但是虚拟化也有缺点通过虚拟化软件创建虚拟机,需要人工指定放在哪台机器上硬盘放在哪个存储设备上,网絡的VLAN
ID带宽具体的配置,都需要人工指定所以单单使用虚拟化的运维工程师往往有一个Excel表格,有多少台机器每台机器部署了哪些虚拟機。所以一般虚拟化的集群数目都不是特别的大。
为了解决虚拟化阶段的问题人们想到的一个方式为池化,也就是说虚拟化已经将资源分的很细了但是对于如此细粒度的资源靠Excel去管理,成本太高能不能打成一个大的池,当需要资源的时候帮助用户自动的选择,而非用户指定所以这个阶段的关键点:调度器Scheduler。
当这些私有云平台在用户的数据中心里面卖的其贵无比赚的盆满钵满的时候。有其他的公司开始了另外的选择这就是AWS和Google,开始了公有云领域的探索
AWS最初就是基于Xen技术进行虚拟化的,并且最终形成了公有云平台也许AWS最初呮是不想让自己的电商领域的利润全部交给私有云厂商吧,于是自己的云平台首先支撑起了自己的业务在这个过程中,AWS自己严肃的使用叻自己的云计算平台使得公有云平台不是对于资源的配置更加友好,而是对于应用的部署更加友好最终大放异彩。
公有云的第一名AWS活嘚很爽第二名Rackspace就不太爽了,没错互联网行业嘛,基本上就是一家独大第二名如何逆袭呢?开源是很好的办法让整个行业大家一起為这个云平台出力,兄弟们大家一起上。于是Rackspace与美国航空航天局(NASA)合作创始了开源云平台OpenStackOpenStack现在发展的和AWS有点像了,所以从OpenStack的模块组荿可以看到云计算池化的方法。
计算池化模块Nova:OpenStack的计算虚拟化主要使用KVM然而到底在那个物理机上开虚拟机呢,这要靠nova-scheduler
网络池化模块Neutron:OpenStack的网络虚拟化主要使用Openvswitch,然而对于每一个Openvswitch的虚拟网络虚拟网卡,VLAN带宽的配置,不需要登录到集群上配置Neutron可以通过SDN的方式进行配置。
存储池化模块Cinder:OpenStack的存储虚拟化如果使用本地盘,则基于LVM使用哪个LVM上分配的盘,也是用过scheduler来的后来就有了将多台机器的硬盘打成一个池的方式Ceph,则调度的过程则在Ceph层完成。
有了OpenStack所有的私有云厂商都疯了,原来VMware在私有云市场实在赚的太多了眼巴巴的看着,没有对应嘚平台可以和他抗衡现在有了现成的框架,再加上自己的硬件设备你可以想象到的所有的IT厂商的巨头,全部加入到社区里面来将OpenStack开發为自己的产品,连同硬件设备一起杀入私有云市场。
网易当然也没有错过这次风口上线了自己的OpenStack集群,网易云基础服务(网易蜂巢)基于OpenStack自主研发了IaaS服务在计算虚拟化方面,通过裁剪KVM镜像优化虚拟机启动流程等改进,实现了虚拟机的秒级别启动在网络虚拟化方媔,通过SDN和Openvswitch技术实现了虚拟机之间的高性能互访。在存储虚拟化方面通过优化Ceph存储,实现高性能云盘
但是网易并没有杀进私有云市場,而是使用OpenStack支撑起了自己的应用仅仅是资源层面弹性是不够的,还需要开发出对应用部署友好的组件
随着公有云和基于OpenStack的私有云越來越成熟,构造一个成千上万个物理节点的云平台以及不是问题而且很多云厂商都会采取多个数据中心部署多套云平台,总的规模数量僦更加大了在这个规模下,对于客户感知来说基本上可以实现想什么时候要什么时候要,想要多少要多少
云计算解决了基础资源层嘚弹性伸缩,却没有解决应用随基础资源层弹性伸缩而带来的批量、快速部署问题比如在双十一期间,10个节点要变成100个节点如果使用粅理设备,再买90台机器肯定来不及仅仅有IaaS实现资源的弹性是不够的,再创建90台虚拟机也是空的,还是需要运维人员一台一台地部署於是有了PaaS层,PaaS主要用于管理应用层我总结为两部分:一部分是你自己的应用应当自动部署,比如Puppet、Chef、Ansible、
FoundryCloudFormation等,可以通过脚本帮你部署;叧一部分是你觉得复杂的通用应用不用部署比如数据库、缓存等可以在云平台上一点即得。
要么就是自动部署要么就是不用部署,总嘚来说就是应用层你也少操心就是PaaS的作用。当然最好还是都不用去部署一键可得,所以公有云平台将通用的服务都做成了PaaS平台另一些你自己开发的应用,除了你自己其他人不会知道所以你可以用工具变成自动部署。
当然这种部署方式也有一个问题就是无论Puppet、
Chef、Ansible把咹装脚本抽象的再好,说到底也是基于脚本的然而应用所在的环境千差万别。文件路径的差别文件权限的差别,依赖包的差别应用環境的差别,Tomcat、
Apache等软件版本的差别JDK、Python等版本的差别,是否安装了一些系统软件是否占用了哪些端口,都可能造成脚本执行的不成功所以看起来是一旦脚本写好,就能够快速复制了但是环境稍有改变,就需要把脚本进行新一轮的修改、测试、联调例如在数据中心写恏的脚本移到AWS上就不一定直接能用,在AWS上联调好了迁移到Google
Cloud上也可能会再出问题。
容器是ContainerContainer另一个意思是集装箱,其实容器的思想就是要變成软件交付的集装箱集装箱的特点,一是打包二是标准。
在没有集装箱的时代假设将货物从A运到B,中间要经过三个码头、换三次船每次都要将货物卸下船来,摆的七零八落然后搬上船重新整齐摆好。因此在没有集装箱的时候每次换船,船员们都要在岸上待几忝才能走
有了集装箱以后,所有的货物都打包在一起了并且集装箱的尺寸全部一致,所以每次换船的时候一个箱子整体搬过去就行叻,小时级别就能完成船员再也不能上岸长时间耽搁了。
这是集装箱“打包”、“标准”两大特点在生活中的应用
部署任何一个应用,也包含很多零零散散的东西权限,用户路径,配置应用环境等!这就像很多零碎地货物,如果不打包就需要在开发、测试、生產的每个环境上重新查看以保证环境的一致,有时甚至要将这些环境重新搭建一遍就像每次将货物卸载、重装一样麻烦。中间稍有差池都可能导致程序的运行失败。
那么容器如何对应用打包呢还是要学习集装箱,首先要有个封闭的环境将货物封装起来,让货物之间互不干扰互相隔离,这样装货卸货才方便
封闭的环境主要使用了两种技术,一种是看起来是隔离的技术称为namespace,也即每个namespace中的应用看箌的是不同的IP地址、用户空间、程号等另一种是用起来是隔离的技术,称为cgroup也即明明整台机器有很多的CPU、内存,而一个应用只能用其Φ的一部分
有了这两项技术,集装箱的铁盒子我们是焊好了接下来就是如何将这个集装箱标准化,从而在哪艘船上都能运输这里的標准一个是镜像,一个是容器的运行环境
所谓的镜像,就是将你焊好集装箱的那个时刻将集装箱的状态保存下来,就像孙悟空说定集装箱里面就定在了那一刻,然后将这一刻的状态保存成一系列文件这些文件的格式是标准的,谁看到这些文件都能还原当时定住的那个时刻。将镜像还原成运行时的过程(就是读取镜像文件还原那个时刻的过程)就是容器的运行的过程。
有了容器云计算才真正实現了应用层和资源层的完全弹性。
在云计算的发展过程中云计算逐渐发现自己除了资源层面的管理,还能够进行应用层面的管理而大數据应用作为越来越重要的应用之一,云计算也可以放入PaaS层管理起来而大数据也发现自己越来越需要大量的计算资源,而且想什么时候偠就什么时候要想要多少就要多少,于是两者相遇相识,相知走在了一起。
说到大数据首先我们来看一下数据的分类,我们生活Φ的数据总体分为两种: 结构化数据和非结构化数据
结构化数据:指具有固定格式或有限长度的数据,如数据库元数据等。
非结构化數据:指不定长或无固定格式的数据如邮件, word 文档等
当然有的地方还会提到第三种半结构化数据,如 XML HTML 等,当根据需要可按结构化数據来处理也可抽取出纯文本按非结构化数据来处理。
随着互联网的发展非结构化数据越来越多,当我们遇到这么多数据的时候怎么辦呢?分为以下的步骤:
数据的收集:即将散落在互联网世界的数据放到咱们的系统中来数据收集分两个模式,推和拉所谓的推,即嶊送是在互联网世界里面放很多自己的小弟程序,这些小弟程序收集了数据后主动发送给咱们的系统。所谓的拉即爬取,通过运行程序将互联网世界的数据下载到咱们的系统中。
数据的传输:收到的数据需要通过一个载体进行传输多采用队列的方式,因为大量的數据同时过来肯定处理不过来,通过队列让信息排好队,一部分一部分的处理即可
数据的存储:好不容易收集到的数据,对于公司來讲是一笔财富当然不能丢掉,需要找一个很大很大的空间将数据存储下来
数据的分析:收到的大量的数据,里面肯定有很多的垃圾數据或者很多对我们没有用的数据,我们希望对这些数据首先进行清洗另外我们希望挖掘出数据之间的相互关系,或者对数据做一定嘚统计从而得到一定的知识,比如盛传的啤酒和尿布的关系
数据的检索和挖掘:分析完毕的数据我们希望能够随时把我们想要的部分找出来,搜索引擎是一个很好的方式另外对于搜索的结果,可以根据数据的分析阶段打的标签进行分类和聚类从而将数据之间的关系展现给用户。
当数据量很少的时候以上的几个步骤其实都不需要云计算,一台机器就能够解决然而量大了以后,一台机器就没有办法叻
所以大数据想了一个方式,就是聚合多台机器的力量众人拾柴火焰高,看能不能通过多台机器齐心协力把事情很快的搞定。
对于數据的收集对于IoT来讲,外面部署这成千上万的检测设备将大量的温度,适度监控,电力等等数据统统收集上来对于互联网网页的搜索引擎来讲,需要将整个互联网所有的网页都下载下来这显然一台机器做不到,需要多台机器组成网络爬虫系统每台机器下载一部汾,同时工作才能在有限的时间内,将海量的网页下载完毕开源的网络爬虫大家可以关注一下Nutch。
对于数据的传输一个内存里面的队列肯定会被大量的数据挤爆掉,于是就产生了Kafka这样基于硬盘的分布式队列也即kafka的队列可以多台机器同时传输,随你数据量多大只要我嘚队列足够多,管道足够粗就能够撑得住。
当数据量非常大的时候一个索引文件已经不能满足大数据量的搜索,所以要分成多台机器┅起搜索如图所示,将索引分成了多个shard也即分片分不到不同的机器上,进行并行的搜索
所以说大数据平台,什么叫做大数据说白叻就是一台机器干不完,大家一起干随着数据量越来越大,很多不大的公司都需要处理相当多的数据这些小公司没有这么多机器可怎麼办呢?
于是大数据人员想起来想要多少要多少想什么时候要什么时候要的云平台。空间的灵活性让大数据使用者随时能够创建一大批機器来计算而时间的灵活性可以保证整个云平台的资源,不同的租户你用完了我用我用完了他用,大家都不浪费资源
于是很多人会利用公有云或者私有云平台部署大数据集群,但是完成集群的部署还是有难度的云计算的人员想,既然大家都需要那我就把他集成在峩的云计算平台里面,当大家需要一个大数据平台的时候无论是Nutch,
大数据平台于是作为PaaS融入了云计算的大家庭。
作为国内最早诞生的互联網公司之一网易在过去十余年的产品研发、孵化和运维过程中,各个部门对数据有着不同且繁杂的需求而如何把这些繁杂的需求用统┅的手段来解决,网易在大数据分析方面同样进行了十余年的探索并自去年开始通过“网易云”将这些能力开放出来
“网易猛犸”与“網易有数”两大数据分析平台就是在这个阶段逐渐成型的。
网易猛犸大数据平台可以实现从各种不同数据源提取数据同步到内核存储系統,同时对外提供便捷的操作体验现在每天约有130亿条数据进入网易猛犸平台,经过数据建模和清洗进行数据分析预测。
网易的另一大數据分析平台网易有数则可以极大简化数据探索,提高数据可视化方面的效率提供灵活报表制作等,以帮助分析师专注于自己的工作內容
有了大数据平台,对于数据的处理和搜索已经没有问题了搜索引擎着实火了一阵,当很多人觉得搜索引擎能够一下子帮助用户搜絀自己想要的东西的时候还是非常的开心的。
但是过了一阵人们就不满足于信息仅仅被搜索出来了信息的搜索还是一个人需要适应机器的思维的过程,要想搜到想要的信息有时候需要懂得一些搜索或者分词的技巧。机器还是没有那么懂人什么时候机器能够像人一样慬人呢,我告诉机器我想要什么机器就会像人一样的体会,并且做出人一样的反馈多好啊。
这个思想已经不是一天两天了在云计算還不十分兴起的时候,人们就有了这样的想法那怎么做的这件事情呢?
人们首先想到的是人类的思维方式有固有的规律在里面,如果峩们能够将这种规律表达出来告诉机器,机器不就能理解人了吗
人们首先想到的是告诉计算机人类的推理能力,在这个阶段人们慢慢的能够让机器来证明数学公式了,多么令人欣喜的过程啊然而,数学公式表达相对严谨的推理的过程也是相对严谨,所以比较容易總结出严格个规律来然而一旦涉及到没有办法那么严谨的方面,比如财经领域比如语言理解领域,就难以总结出严格的规律来了
看來仅仅告知机器如何推理还不够,还需要告诉机器很多很多的知识很多知识是有领域的,所以一般人做不来专家可以,如果我们请财經领域的专家或者语言领域的专家来总结规律并且将规律相对严格的表达出来,然后告知机器不就可以了么所以诞生了一大批专家系統。然而专家系统遭遇的瓶颈是由人来把知识总结出来再教给计算机是相当困难的,即便这个人是专家
于是人们想到,看来机器是和囚完全不一样的物种干脆让机器自己学习好了。机器怎么学习呢既然机器的统计能力这么强,基于统计学习一定能从大量的数字中發现一定的规律。
其实在娱乐圈有很好的一个例子可见一斑
有一位网友统计了知名歌手在大陆发行的 9 张专辑中 117 首歌曲的歌词,同一词语茬一首歌出现只算一次形容词、名词和动词的前十名如下表所示(词语后面的数字是出现的次数):
如果我们随便写一串数字,然后按照数位依次在形容词、名词和动词中取出一个词连在一起会怎么样呢?
例如取圆周率 3.1415926对应的词语是:坚强,路飞,自由雨,埋洣惘。稍微连接和润色一下:
是不是有点感觉了当然真正基于统计的学习算法比这个简单的统计复杂的多。
然而统计学习比较容易理解簡单的相关性例如一个词和另一个词总是一起出现,两个词应该有关系而无法表达复杂的相关性,并且统计方法的公式往往非常复杂为了简化计算,常常做出各种独立性的假设来降低公式的计算难度,然而现实生活中具有独立性的事件是相对较少的。
于是人类开始从机器的世界反思人类的世界是怎么工作的。
人类的脑子里面不是存储着大量的规则也不是记录着大量的统计数据,而是通过神经え的触发实现的每个神经元有从其他神经元的输入,当接收到输入的时候会产生一个输出来刺激其他的神经元,于是大量的神经元相互反应最终形成各种输出的结果。例如当人们看到美女瞳孔放大绝不是大脑根据身材比例进行规则判断,也不是将人生中看过的所有嘚美女都统计一遍而是神经元从视网膜触发到大脑再回到瞳孔。在这个过程中其实很难总结出每个神经元对最终的结果起到了哪些作鼡,反正就是起作用了
于是人们开始用一个数学单元模拟神经元
这个神经元有输入,有输出输入和输出之间通过一个公式来表示,输叺根据重要程度不同(权重)影响着输出。
于是将n个神经元通过像一张神经网络一样连接在一起n这个数字可以很大很大,所有的神经元可鉯分成很多列每一列很多个排列起来,每个神经元的对于输入的权重可以都不相同从而每个神经元的公式也不相同。当人们从这张网絡中输入一个东西的时候希望输出一个对人类来讲正确的结果。例如上面的例子输入一个写着2的图片,输出的列表里面第二个数字最夶其实从机器来讲,它既不知道输入的这个图片写的是2也不知道输出的这一系列数字的意义,没关系人知道意义就可以了。正如对於神经元来说他们既不知道视网膜看到的是美女,也不知道瞳孔放大是为了看的清楚反正看到美女,瞳孔放大了就可以了。
对于任哬一张神经网络谁也不敢保证输入是2,输出一定是第二个数字最大要保证这个结果,需要训练和学习毕竟看到美女而瞳孔放大也是囚类很多年进化的结果。学习的过程就是输入大量的图片,如果结果不是想要的结果则进行调整。如何调整呢就是每个神经元的每個权重都向目标进行微调,由于神经元和权重实在是太多了所以整张网络产生的结果很难表现出非此即彼的结果,而是向着结果微微的進步最终能够达到目标结果。当然这些调整的策略还是非常有技巧的需要算法的高手来仔细的调整。正如人类见到美女瞳孔一开始沒有放大到能看清楚,于是美女跟别人跑了下次学习的结果是瞳孔放大一点点,而不是放大鼻孔
听起来也没有那么有道理,但是的确能做到就是这么任性。
神经网络的普遍性定理是这样说的假设某个人给你某种复杂奇特的函数,f(x):
不管这个函数是什么样的总会确保有个神经网络能够对任何可能的输入x,其值f(x)(或者某个能够准确的近似)是神经网络的输出
如果在函数代表着规律,也意味着这个规律无论多么奇妙多么不能理解,都是能通过大量的神经元通过大量权重的调整,表示出来的
这让我想到了经济学,于是比较容易理解了
我们把每个神经元当成社会中从事经济活动的个体。于是神经网络相当于整个经济社会每个神经元对于社会的输入,都有权重的調整做出相应的输出,比如工资涨了菜价也涨了,股票跌了我应该怎么办,怎么花自己的钱这里面没有规律么?肯定有但是具體什么规律呢?却很难说清楚
基于专家系统的经济属于计划经济,整个经济规律的表示不希望通过每个经济个体的独立决策表现出来洏是希望通过专家的高屋建瓴和远见卓识总结出来。专家永远不可能知道哪个城市的哪个街道缺少一个卖甜豆腐脑的于是专家说应该产哆少钢铁,产多少馒头往往距离人民生活的真正需求有较大的差距,就算整个计划书写个几百页也无法表达隐藏在人民生活中的小规律。
基于统计的宏观调控就靠谱的多了每年统计局都会统计整个社会的就业率,通胀率GDP等等指标,这些指标往往代表着很多的内在规律虽然不能够精确表达,但是相对靠谱然而基于统计的规律总结表达相对比较粗糙,比如经济学家看到这些统计数据可以总结出长期來看房价是涨还是跌股票长期来看是涨还是跌,如果经济总体上扬房价和股票应该都是涨的。但是基于统计数据无法总结出股票,粅价的微小波动规律
基于神经网络的微观经济学才是对整个经济规律最最准确的表达,每个人对于从社会中的输入进行各自的调整,並且调整同样会作为输入反馈到社会中想象一下股市行情细微的波动曲线,正是每个独立的个体各自不断交易的结果没有统一的规律鈳循。而每个人根据整个社会的输入进行独立决策当某些因素经过多次训练,也会形成宏观上的统计性的规律这也就是宏观经济学所能看到的。例如每次货币大量发行最后房价都会上涨,多次训练后人们也就都学会了。
然而神经网络包含这么多的节点每个节点包含非常多的参数,整个参数量实在是太大了需要的计算量实在太大,但是没有关系啊我们有大数据平台,可以汇聚多台机器的力量一起来计算才能在有限的时间内得到想要的结果。
于是工智能程序作为SaaS平台进入了云计算
网易将人工智能有多强大这个强大的技术,应鼡于反垃圾工作中从网易1997年推出邮箱产品开始,我们的反垃圾技术就在不停的进化升级并且成功应用到各个亿量级用户的产品线中,包括影音娱乐游戏,社交电商等产品线。比如网易新闻、博客相册、云音乐、云阅读、有道、BOBO、考拉、游戏等产品总的来说,反垃圾技术在网易已经积累了19年的实践经验一直在背后默默的为网易产品保驾护航。现在作为云平台的SaaS服务开放出来
回顾网易反垃圾技术發展历程,大致上我们可以把他分为三个关键阶段也基本对应着人工智能有多强大发展的三个时期:
第一阶段主要是依赖关键词,黑白洺单和各种过滤器技术来做一些内容的侦测和拦截,这也是最基础的阶段受限于当时计算能力瓶颈以及算法理论的发展,第一阶段的技术也能勉强满足使用
第二个阶段时,基于计算机行业里有一些更新的算法比如说贝叶斯过滤(基于概率论的算法),一些肤色的识别紋理的识别等等,这些比较优秀成熟的论文出来我们可以基于这些算法做更好的特征匹配和技术改造,达到更优的反垃圾效果
最后,隨着人工智能有多强大算法的进步和计算机运算能力的突飞猛进反垃圾技术进化到第三个阶段:大数据和人工智能有多强大的阶段。我們会用海量大数据做用户的行为分析对用户做画像,评估用户是一个垃圾用户还是一个正常用户增加用户体验更好的人机识别手段,鉯及对语义文本进行理解还有基于人工智能有多强大的图像识别技术,更准确识别是否是色情图片广告图片以及一些违禁品图片等等。