黑客因泄露任天堂机密被判入狱三年

虽然 2000 年代的互联网时代和 2010 年代的移动互联网时代，造就了中国当前的科技巨头，例如被称作 BAT 的百度、阿里巴巴和腾讯，以及被称作 TMD 的头条系、美团和滴滴出行，不过，即使过度热情的投资者培育出十多家总价值达到数百亿美元的人工智能独角兽，人工智能时代却无法造就可以与 BAT 或 TMD 媲美的科技巨头。

　　《日经亚洲评论》在一篇报道中指出，阻碍中国人工智能独角兽成为新一代 BAT、TMD 的主要原因有三个：缺乏可持续的商业模式、客户可以自行开发人工智能技术，以及面向企业和政府而非面向消费者。

　　最为重要的是，随着这些估值高高在上的人工智能独角兽“跑步”上市，它们的致命缺陷也暴露无遗：它们没有——可能永远也不会有可持续的长期商业模式。包括旷视科技、依图、寒武纪和云知声在内的人工智能独角兽，都在招股书中披露了高达数十亿元的亏损。

　　以旷视科技为例，2016 年-2019 年上半年，亏损分别为 3.43 亿元、7.59 亿元、33.51 亿元、52 亿元。当中仅 2019 年上半年的净亏损就达到 52 亿元，与 2018 年上半年的 7.29 亿元相比，同比扩大 613.3%。

　　虽然人工智能企业必须在研究方面投入重金，而且仍然处于创收的早期阶段，但巨额亏损是不可持续的。更令人担忧的是，它们都严重依赖政府合同或少数几家大客户。

　　对于中国的人工智能独角兽来说，另一个核心困境是：它们的大企业客户会外包这类关键业务功能吗？大型银行会在关键任务项目中将最敏感的数据“交给”外部人工智能企业吗？一家大型零售商，会为了它们自己也可以开发的算法，而与外部人工智能企业分享它们独有的数据吗？

　　从 FAANG 到 BAT 和 TMD，这些科技巨头都设有规模庞大的人工智能部门，尤其是 Facebook、谷歌和百度，已经将人工智能技术应用在业务的方方面面，在人工智能方面的表现不比这些独角兽差，不大可能采用后者的技术。

　　随着人工智能技术的平民化和人才日趋增多，即使是规模较小的传统厂商，也会招聘人才，成立人工智能部门，在业务中整合适合自己的人工智能技术，不会完全依赖人工智能独角兽的技术。

　　在极少数情况下，这些问题的答案可能是肯定的。但是，随着曾经不可逾越的技术障碍的崩塌，天平开始向不利于人工智能企业的方向倾斜，尤其是在数据是独有的，而且掌握在传统企业手里的情况下。
 

3Q 大战整整 10 年，这是一幕被媒体不断渲染，甚至是解读过度的竞争符号。马化腾在接受采访时认为，这是“腾讯历史上最大的灾难，而且是人祸，不是天灾”。

　　周鸿祎和他的奇虎 360 的确是腾讯公司成立以来第一个真正挑战者，但事后来看，3Q 的“二选一”对腾讯来说，绝非毁灭性打击，腾讯的社交网络无人可以撼动。周鸿祎和奇虎 360 或许只是马化腾危机意识的一条导火线，腾讯焦虑与危机深处，从来不会是“人祸”，而是“天灾”。

　　2010 年，互联网的环境开始变了，错综复杂的因素交融媾和，酝酿着一场前所未有的产业风暴。

　　关于这一年，许多人只记得 Google 搜索退出了中国内地市场，却忽略了两个更为重要的事件：2010 年第三季度，智能手机出货量首次超越 PC，全球 PC 出货 9210 万，智能手机是 1.009 亿部；2010 年，中国城市人口 4.03 亿，城镇人口 2.66 亿，乡村人口 6.63 亿，城镇人口占比 50%，这是中国城市化进程里程碑的一幕。

　　2010 年 11 月 20 日，是腾讯的救赎日，挽救腾讯的，不是工信部责令腾讯和奇虎 360 双方停战的通告，而是微信产品的正式立项。2010 年 10 月 19 日，KIK messager 登录苹果和安卓市场，12 月 10 日，米聊发布了 Android 版本，12 月 23 日发布了 iPhone 版本，雷军认为米聊能否成功，要看腾讯的反应速度。2010 年 11 月 20 日，微信立项，三个月后，2011 年 1 月 20 日，微信正式登陆 App store。

　　在腾讯官方历史记录《腾讯传》中，马化腾向吴晓波描述说，“如果再咬牙坚持一周，360 就彻底出局”。
 

作为面部识别供应商测试（FRVT）的一部分，供应商自愿将其面部识别算法提交给 NIST 进行测试。在提交每一个算法时，该研究所会滚动公布这些测试的结果。当 NIST 在 7 月份首次研究蒙面对面部识别的影响时，它发现算法在识别蒙面人脸方面并不擅长。不出所料，当鼻子和嘴巴被遮住时，很难辨认出一张人脸。当时，一些算法面对蒙面人脸时，其错误率飙升至5% 至 50% 之间。

　　但新冠疫情流行给了开发者足够时间来关注蒙面问题，NIST 的数据显示，面部识别算法对蒙面人脸的识别率越来越好，目前错误率已经下降到5% 左右。NIST 的面部识别测试公共排行榜证明了这一说法。现在有八种不同的算法将蒙面识别错误率保持在 0.05% 以下。这八种算法中，有六种是在 7 月发布第一份报告后提交给 NIST 的。

　　目前测试也有局限性，虽然测试借鉴了真实签证持有者的照片和实际的过境照片，但他们没有使用蒙面的实际图像。为了方便起见，NIST 的研究人员改用数字方式应用面具，以确保样本的一致性。因此，测试无法对颜色、设计、形状、质地、带子和面具佩戴方式的无穷变化进行详尽的模拟。数字面具是一种蓝色的外科口罩覆盖整个脸部宽度的模拟图像，但测试人员注意到，根据口罩在脸上放置的高度，识别性能差异很大。

（编辑：淮安站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!