雲計算

随着近年来科技的不断进步，我国工业互联网进入发展“快车道”，成为传统制造业转型升级的重要助推器。2019工业互联网全球峰会18日在沈阳开幕，100余位工业互联网领域的专家和企业家共聚于此展开讨论，释放出一系列未来智能制造发展的最新信号。 　　在2019工业互联网全球峰会设置的黑科技“体验走廊”上，由清华大学基础工业训练中心开发的“工业产品数字仿真平台”吸引了众多参会者的目光。据介绍，借助3D显示终端和动态捕捉系统，该平台可以实现产品交互式设计、数字样机评审、虚拟装配等功能，为产品研发、制造系统模拟提供了有效的数字化手段。 　　未来随着技术发展，企业想要设计某个产品，可以在不开模的情况下，全部使用计算机模拟的方式，演示产品各个零部件的生产及总装过程。这将大大提高效率、降低成本，最大限度地让产品更符合消费需求。 　　当日，新松机器人自动化股份有限公司还发布了一款从软件系统、工业控制芯片到配套硬件的全体系自主可控工业软件&控制平台。该平台既能满足各类设备高速、高精度、高复杂度运动需求，还能满足不同控制器、不同应用的个性化需求，并可进行应用开发和深度定制。 　　“目前，我国工业体系还存在‘缺心少脑’的发展困境，以工业软件为核心，构建自己的工业软件&控制平台十分必要。”新松机器人自动化股份有限公司创始人曲道奎说。 　　在中国工程院院士柴天佑看来，工业互联网在发展的过程中仍存在一些问题。例如，缺乏与人工智能技术的深度融合，对于工业互联网的系统架构体系、功能体系、自主可控的核心关键技术与实施路径缺乏深入研究。 　　工业互联网和人工智能如何更好融合?“工业互联网与人工智能的融合将使机器通过学习历史数据，自动为我们的工业生产提供解决方案，而这样的工业人工智能应当是由各个产业以及工艺一起开发，并在开发过程中逐步深入发展，目前来看实现这一目标，我们要走的道路还很长。”工业4.0专家、德国技术分析师乌尔里希·森德勒说。 转字创头条，原文链接：http://www.ctoutiao.com/2382304.html

近年来，基于多轮检索的对话越来越受到关注。在对轮响应选择中，将当前消息和先前的话语作为输入。该模型选择一个自然且与整个上下文相关的响应。重要的是在先前的话语中识别重要信息并正确地模拟话语关系以确保会话一致性。 [48]分别通过基于RNN / LSTM的结构将上下文（所有先前的语音和当前消息的串联）和候选响应编码成上下文向量和响应向量，然后基于匹配程度得分计算在这两个载体上。 [110]选择不同策略中的先前话语，并将它们与当前消息组合以形成重新构造的上下文。     【EMNLP 2016】《Multi-view response selection for human-computer conversation》（Multi-view） [124]不仅对一般词级上下文向量而且对话语级别上下文向量执行上下文-响应匹配。 作者提供了一种直接的单轮转多轮思路——将多轮问答语句合并为一列, 连接处用_SOS_隔开, 将整个对话历史视为”一句话”去匹配下一句。将整个对话历史合并为一列, 做word embedding后通过GRU模块提取词汇级特征,

第2章：Verilog HDL和SystemVerilog 在本书中，Verilog HDL（IEEE 1364—2005）和SystemVerilog（IEEE 1800—2012）将被统一简称为Verilog。本章主要介绍Verilog的常用语法，并将以SystemVerilog为主，包含SystemVerilog中很多新的、具备更优特性的语法，包括可被综合的和用于仿真验证的。但本章并不会太多地深入语法细节，依笔者浅见，语法本身只是用来描述硬件和承载电路设计思想的工具，诚然，语法本身也很复杂，也饱含了规范制定者们对于数字电路及其描述方法的先进思想，也有太多需要学习和理解的地方，不过笔者更希望读者能够在后续章节的各种设计实例中学习和理解，而不要拘于语法本身。本章的结构和内容也更像是“简明参考”，而非详述语法的“教科书”，且远未能涵盖Verilog语法标准的所有内容，如果需要了解语法细则，可查阅IEEE 1800—2012原文。本章会使用一些符号和特征来书写语法规则，与IEEE标准中使用的有些相似，但因为只用通配一些常用的规则，所以做了大幅简化，这些符号和特征包括： <>，尖括号，其内容为后面将进一步解释的内容。 []，方括号，表示其中内容为可选。 [|]，方括号和竖线，表示由竖线隔开的内容选其一或不选。 {}，花括号，表示其中内容可选或可重复多次。 {|}，花括号和竖线，表示由竖线隔开的内容选其一或不选或可重复选择多次。 (|)，圆括号和竖线，表示由竖线隔开的内容选其一。 粗体字，表示语句中应有的关键字或符号。 上述符号本身不包含在语句之中。对于初学者，学习至2.13节即可掌握常用的Verilog语法，可以进行后面章节的学习，2.14节及以后的内容主要是一些进阶语法的示例，可以在以后遇到相关语法时再回来学习。 2.1　硬件描述语言简介 在没有电子设计自动化（EDA）软件的年代，数字电路设计依赖于手绘电路原理图，在EDA软件出现的初期，也继续沿用了绘制原理图这一方式（或称为原理图输入）。EDA原理图输入虽方便修改，具有一定的可重用性，但对于稍大规模的电路，布线工作仍然要花费大量时间，设计者仍要对器件和工艺非常熟悉。在20世纪80年代，硬件描述语言开始大量出现，其使用贴近自然语言的文字来描述电路的连接、结构甚至直接描述电路功能。对于计算机，文字输入更方便快捷；对于设计者，文字更抽象，与具体器件和实现工艺无关，更能集中精力在功能的描述上而不是繁琐的连线中。当然，最后从文字到具体电路实现的转换，依赖于成熟的、标准化的器件和电路单元，但这些是IC工艺设计者和EDA软件设计者的任务，不需要数字逻辑设计者来操心了。Verilog HDL（Verilog Hardware Description

2019年10月18日，商业银行数字化转型与发展研讨会暨《中国商业银行数字化转型调查研究报告》发布会在北京召开。由中国互联网金融协会、新华社瞭望智库联合撰写的《中国商业银行数字化转型调查研究报告》（下称《报告》）正式发布，蚂蚁金服作为撰写支持机构，深度参与了《报告》的调查和研究工作。阿里巴巴副总裁、阿里云智能新金融业务部总裁兼蚂蚁金服金融科技总经理刘伟光应邀出席并发表主题演讲。 刘伟光表示，阿里巴巴和蚂蚁金服从第一天开始就是百分之百数字化的企业，在蚂蚁金服的发展历程中，每一个业务的创新和诞生，背后都孕育着科技力量的大幅度提升。“双11“、支付宝等创新业务的发展背后，伴随着整个底层技术架构的革命与升级，同时也创造了许多世界纪录。蚂蚁金服已正式启动金融科技开放战略，把经过内部实践检验的区块链、人工智能、生物识别、智能风控、云计算、分布式架构等技术全面开放给金融机构，不断加强与金融机构的合作，其多年来的实践运用将有利于与金融机构一起携手加速数字化转型。 中国商业银行数字化转型的实践探索 近年来，越来越多国内外领先银行全力投入数字化转型。《报告》指出，通过对51个样本银行调研发现，商业银行对数字化转型的重要性已形成共识，并普遍开展了实践探索。 《报告》还总结出了当前商业银行数字化转型的十大特征，其中三大主要特征如下： 1.多数银行已经开始进行分布式架构改造和系统上云工程。在银行数字化转型过程中，商业银行开始拥抱云计算和分布式架构，运用云计算资源的弹性和分布式架构的高可用高并发，助力新型金融业务形态，尤其是互联网金融业务的发展。以网商银行为例，网商银行依托于蚂蚁金服自主研发的金融级分布式数据库 OceanBase、金融级分布式架构 SOFAStack 等产品，打造了基于微服务的单元化架构，是中国首家将核心系统架构在金融云上的商业银行。通过数字化科技创新驱动全新的业务模式，打造全球首创的310模式（3分钟申请、1秒钟放贷、0人工干预），累计服务小微企业与个人创业者数量约2000万。 2.多数银行重视建立全行级中台能力和PaaS平台。《报告》指出，国际代表性商业银行已普遍制定数字化转型战略且加大数字化转型投入，包括建立全行级中台技术能力等举措，而国内只有较少银行落地实施。如何快速搭建线上业务？如何利用互联网获客、扩大业务规模和覆盖范围？这些都是许多传统金融机构在数字化转型道路中遇到的问题。为此，蚂蚁金服将自己沉淀下来的技术和经验开放出来，帮助传统金融机构手握更具效率的工具，实现数字化转型。比如，全行级的移动中台能力——移动开发平台mPaaS和全行级的业务中台能力——分布式金融核心套件bPaaS。 3.多数银行已经开始建立开放银行与合作伙伴深入合作。麦肯锡全球银行调查显示，50%以上银行与金融科技公司建立深度合作关系。“数字化+生态圈”是银行转型的必然路径，国内银行应基于移动端和互联网平台引入数字化生态合作，将金融服务更加广泛和频繁地嵌入到公司银行业务场景中，打造创新业务模式。例如，小程序开放、API开放、平台金融开放等。未来银行比拼的是“朋友圈”、“多方协作”能力，南京银行通过引入蚂蚁金服的金融级分布式架构SOFAStack和金融级分布式关系数据库OceanBase，以及大数据平台能力，打造了“鑫云+”互金开放平台。南京银行以“鑫云+”平台为依托，做中小银行和行业平台的连接者，共同构建中小银行线上金融生态圈。据了解，该平台使得南京银行互金核心系统在贷款交易处理能力、成本控制和对接效率都得到了极大的提升。南京银行开展线上业务仅一年时间，业务量就已经达到了过去十年传统线下消费金融业务的总和。南京银行“鑫云+”平台上线后，业务快速增长，贷款交易处理量增长了数倍。 蚂蚁金融科技全面开放，助力银行全渠道布局数字化转型 未来的数字化银行会逐渐形成差异化、快速创新、细分市场的商业格局，只有结合自身银行特点、选择适当的数字化转型，并快速实践获得“银行数字力”才能成为未来的赢家。蚂蚁金融科技始终坚持“全面开放”战略，2015年以来，蚂蚁金服陆续开放了包括分布式中间件、分布式数据库、区块链、生物识别在内的自主研发核心技术。到了2018年，蚂蚁金融科技正式全面开放，为行业提供完整的数字金融解决方案。包括容灾系统在内的多项核心技术和解决方案，如金融安全、区块链等都已经对合作伙伴开放。 目前，包括蚂蚁金服分布式中间件SOFAStack、分布式关系数据库OceanBase和一站式移动开发平台mPaaS三套系列产品将率先上线阿里云官网进行售卖。而在未来，还会有越来越多的蚂蚁金服技术产品通过阿里云对外输出。全面融合的蚂蚁金服和阿里云将沉淀十余年的金融科技与服务能力，全力助推金融客户完成金融数字化转型。

10月23日15:00 多名专家联袂讲解 https://yq.aliyun.com/live/1536 随着云计算技术的逐渐普及，使用云服务的客户行业、场景的边界也在不断地被拓宽，不断提出新的需求。在最早尝试云计算的互联网行业带领下，金融、保险等行业都开始拥抱云计算，而以银行、证券为代表的很多公司对云数据库服务提出了更为严格的要求：要像他们现在基于昂贵的传统IOE构建出来的数据库系统那样，任何情况下都要保证数据不能丢失、损坏。于是在这样的背景和客户驱动下，我们希望通过增加副本数，在不损失可用性的前提下，提供更高的数据可靠性，给客户更多的选择。 在这样的背景下，MySQL三节点企业版应运而生，它是一款面向高端企业级用户的云数据库系列，除了维持原有的MySQL兼容性和可用性，还在AliSQL内核中引入Paxos协议，来确保数据的强一致性，提供金融级的可靠性。 核心优势 数据强一致：三节点企业版基于Paxos一致性协议，提供跨可用区RPO=0点多副本一致能力，确保数据零丢失。 低成本：三节点企业版采用三分日志两份数据的部署模式，在大幅降低成本的同时兼顾可靠及高可用性。 高效同步：三节点企业版试用的压缩以及批量流水线技术，日志同步效率远超开源社区版MySQL主备架构，支持库级、表级、逻辑时钟以及行级并行回放策略。 高效容宰：三节点企业版具备自动健康检测机制，通过一致性协议商选主，可自动实现故障秒级切换，避免脑裂情况。 只读节点扩展：三节点企业版支持通过增加Paxos协议的Leraner角色扩展只读节点，保证只读节点只会存在已达成多数派事实的事物，并支持自由指定复制拓扑。 性能强劲，稳定可靠：提供99.99%的SLA可用性保障，长期服务于阿里集团所有业务线，稳定支撑历届阿里双十一核心交易峰值流量的考验。 阿里云关系型数据库RDS（Relational Database Service）MySQL版是一款具备高性能、高安全性、易扩展、稳定可靠的在线数据库服务。在互联网、云计算、零售电商等各行各业均有广泛的应用，普及率非常之高，用户基础良好，为历届双十一核心交易峰值流量保驾护航！ 10月23日15:00 多名专家联袂讲解RDS MySQL 5.7三节点企业版核心优势，敬请期待！https://yq.aliyun.com/live/1536

信息摘要： 分析型数据库(PostgreSQL版)正式推出 Greenplum 6.0。 免费公测中，邀您体验！适用客户： 互联网/游戏/政务/开发者 / 大型零售连锁商超 / 金融保险行业 / 考试认证的机构/版本/规格功能： 分析型数据库 AnalyticDB for PostgreSQL 6.0 公测发布，基于 Greenplum 6.0内核。大幅提升并发事务处理能力，更好的满足实时数仓场景，同时通过事务锁等优化，完备支持HTAP业务，事务处理能力提升70倍，核心新特性包括：

长期以来，AI一直是各行业科技领导者的一个关注焦点。从零售到农业，各个领域里的大企业都在努力将机器学习整合到他们的产品中。但是与此同时，AI人才却严重短缺。 这种供不应求的状况导致了对顶级AI创业公司的激烈争夺，其中许多创业公司还处于早期研发和融资阶段。 苹果领跑AI收购竞赛 CB Insights数据显示，引领这场争夺赛的是大家耳熟能详的FAMGA五巨头（指全球市值最高的5家公司，它们是Facebook、亚马逊、微软、谷歌和苹果）。在过去十年，这些巨头一直在积极收购AI创业公司。 在FAMGA公司中，在前面领跑的是苹果，自2010年以来一共收购了20家AI公司。紧随其后的是谷歌（2012年至2016年的领跑者），一共收购了14家；微软第三，收购了10家。 苹果的这些AI收购对iPhone新功能的开发至关重要。例如，iPhone X的面部识别解锁功能基于一种名叫FaceID的技术，而该技术源自苹果收购的芯片和计算机视觉领域里的几家公司，包括AI公司RealFace。 事实上，FAMGA的许多知名产品和服务，包括苹果的Siri、谷歌的DeepMind医疗应用，都源自他们所收购的AI公司。 另外，抢夺AI创业公司的远远不止科技巨头们。自2010年以来（截至2019年8月31日），全球共有635宗AI收购案。各个公司进行AI收购的目标包括打造自己的AI能力、获取AI人才等。 AI收购的步伐也在加快。从2013年到2018年，AI收购数量增加了近6倍；2018年更是创下纪录，一共有166笔收购交易，同比增长38％。2019年截至8月，全球已经有140多笔AI收购交易，今年全年很有可能超过去年创下的纪录。 导致AI收购步伐加快的原因之一是收购方的日益多样化。AI曾经是大型科技公司的专属领域，然而如今，规模较小的AI创业公司正在成为传统保险、零售和医疗公司的收购目标。 例如，在2018年2月，生物制药巨头罗氏（Roche）以19亿美元的价格收购了纽约癌症创业公司Flatiron Health，这也成为AI领域规模最大的并购交易之一。今年，耐克收购了AI库存管理创业公司Celect，Uber收购了计算机视觉公司Mighty AI，麦当劳收购了个性化营销公司Dynamic Yield。 尽管收购者数量增加，科技巨头们仍然占主导地位。苹果、谷歌、微软、Facebook、英特尔和亚马逊是最积极的AI收购者，每家都收购了7家以上的AI公司。与此同时，绝大多数公司（431家）只收购了一家AI公司。 零售和快速消费品领域最热门 从行业来看，被收购得最多的是零售和快速消费品（CPG）领域里的AI创业公司，自2010年来一共有67家被收购。这些被收购的公司转变成了AI客户分析、AI店内库存管理、个性化电商体验等。 最近的例子包括：美国美妆零售品牌Ulta

蚂蚁金服在过去十五年重塑支付改变生活，为全球超过十二亿人提供服务，这些背后离不开技术的支撑。在 2019 杭州云栖大会上，蚂蚁金服将十五年来的技术沉淀，以及面向未来的金融技术创新和参会者分享。我们将其中的优秀演讲整理成文并将陆续发布在“ 蚂蚁金服科技”公众号上，本文为其中一篇。 十几年来，蚂蚁金服一直在解决用技术重塑金融服务的问题，在解决这个问题的过程中涉及到两个方向的技术领域，第一就是解决怎么把钱从一个帐户移到另一个帐户，这个过程中出现海量、安全、可用性问题怎么解决，我们的答案就是多地容灾、高可用的分布式架构；第二，新的数字金融时代到来，如何更多更好的利用数据驱动业务发展，也就是数据智能技术。本文将会分享蚂蚁在数据智能方面的一些进展，以及我们的思考。 首先，我们看一下金融数据智能有哪些需求，和传统的大数据有什么不一样的地方： 实时性要求高，实时数据以两倍以上的速度增长，在线决策越来越多，不再是把数据离线做决策再部署到线上；计算场景复杂多样，以前可能是一个简单的聚合，逐渐进化到用规则做决策，基于图、基于机器学习等决策，整个计算的形式越来越多样化；数据链路长，研发调试效率低，当你要做全链路数据研发的时候，从头到尾会经历十几个系统，对整体的数据研发提出了很大的挑战；计算及存储高可用，包括跨城市的容灾，高可靠的计算服务；数据安全、监管合规、风险防控，需要做严格的数据安全和隐私保护，特别在监管层面要合规。 过去十几年，计算技术不断演进，从大规模数据仓库批计算，到实时计算和流计算，再到交互式分析，一方面能解决一部分问题，另一方面给我们带来了新的挑战。比如，多种计算模式带来多次研发的效率问题，多套系统带来多样存储需求的成本问题，以及不同容灾和数据安全要求带来的复杂度问题等。 为了解决计算多样性带来的问题，我们需要一个更为开放的计算架构。 蚂蚁金服开放计算架构 做一套系统解决一切问题是技术人员很自然的想法，但难点是怎么定义这个系统的边界。我们认为，计算和业务本身是紧密连接的，业务的需求变化很有可能需要探索越来越多的计算模式。所以我们的实践是这样的开放计算架构，它在不同层面上做了统一，以兼容不同的计算模式。 首先是统一存储层，将各个存储系统打通进行数据共享，这样一来就可以根据计算需求做定制化的优化，内部数据自动回流。 第二是统一数据安全规范，在统一存储上实现统一元数据管理及接入，并且数据血缘互通，统一鉴权及数据访问权限体系，统一数据安全等级和隐私保护体系。 第三是统一编程模型，基于标准SQL和扩展，做业务研发的时候面对的是下层抽象出来的数据，真正做面向数据的编程，不需要关注用交互式分析还是其它计算模式，也不需要关注数据是如何存储的。这样做数据研发以及写业务逻辑的时候可以提升效率。这方面我们做了很多的探索，目标就是当你在做SQL研发的时候可以降低两个数量级，原来可能要写几万行代码，现在只写几百行。 经过这些统一我们形成了如上的架构，这个架构可以根据新的技术进一步扩展。 开放计算架构下的AI引擎 AI计算是开放架构下重要的能力，我们需要打造更加灵活智能的AI引擎。 目前绝大多数公司的人工智能系统，会遵循这样一个架构：有一个数据仓库或集群进行数据清洗和预处理，然后取出一个表，和数据标注一起在一个模型平台上进行训练，训练出来的模型最后再部署到线上去进行预测。这整个流程经过了多个系统，所以这个数据事实上可能会有多份存储，加上模型的传输也会花费比较多的时间，你很难做到真正的实时性，这里面用户也往往需要研发多个平台和组件才能满足需求。 开放架构下可以插入AI引擎，我们在SQL层和深度学习引擎都做了一些工作。SQLFLow相当于用SQL描述你对应用的需求，底层会直接针对SQL产生出机器学习的任务来训练模型。 ElasticDL我们刚刚在9月11日宣布开源，它是基于TensorFlow的一个弹性调度的AI引擎。当你资源紧张或者发生错误时，仍然可以进行高效的AI训练。同时它让AI的训练变得更加简单，可以在命令行直接训练Keras模型。通过这些工具，我们希望让AI的训练和整个使用过程更加的简洁。

10月17日，胡润研究院首次发布其全球独角兽榜单，即“2019年胡润全球独角兽榜（Hurun Global Unicorn List 2019）”。 该榜单统计了全球成立于2000年及之后、估值达10亿美元的未上市创业公司（估值数据截至今年6月）。 此前，胡润研究院已经6次发布季度性的“胡润中国独角兽指数（Hurun China Unicorn Index）”。 中国以206家独角兽位居世界第一 根据最新榜单，全球一共有494家独角兽公司，它们分布在25个国家/地区的118座城市。整体而言，这494家独角兽的平均成立时间为7年，平均估值为34亿美元，总估值为1.7万亿美元。 中国以206家位居世界第一，紧随其后的是美国，有203家。尽管这两个国家仅占世界GDP的一半和全球人口的四分之一，却占到全球独角兽数量的83%。 印度以21家位居第三。该国最大的独角兽是支付解决方案平台One97 Communications（移动支付商Paytm的母公司），估值达100亿美元。 英国以13家位居第四。健康和美容在线零售平台The Hut Group以50亿美元估值居英国独角兽之首。有趣的是，英国的独角兽数量超过了德国和法国的总和。欧洲一共有35家独角兽。 从城市来看，北京是全球独角兽之都，有82家，遥遥领先于旧金山的55家，接下来是上海、纽约和杭州。从地区来看，硅谷以102家独角兽（占全球独角兽21％）位居世界第一。 蚂蚁金服以1500亿美元估值居全球独角兽之首

作者|王卫(泓冰) 出品|阿里巴巴新零售淘系技术部 01、淘宝社交关系推荐的背景 1、互联网下半场到来：互联网的下半场，人口红利消失，各大平台需要对用户做精细化运营，用户的增长和留存是每一个平台需要深耕的方向； 2、社交电商的兴起和趋势：社交电商的有效性和价值，已经在拼多多、小红书、云集和环球捕手等诸多平台有了成功已经验证； 3、社交的裂变效应：做社交关系可以带来裂变效应，有效的促进用户的留存和互动，增加用户对 app 的粘性； 4、关系积累是用户互动基础，社交关系和互动的重点是用户关系量的积累，也是目前我们的核心目标 02、淘宝社交关系增长面临的挑战 为什么淘宝很难做社交，主要有以下几个原因： 1、首先是外部环境的约束：因为某些原因，手淘在微信互通上不那么顺畅，用户习惯在社交平台上沟通，并且保持真实关系在社交平台上，没有迁移社交关系到淘内的动力。 2、 用户购物的隐私性 ：淘宝原生的电商购物环境，用户在这个平台的心智就是逛和买，在万能的淘宝上消费自己的喜好。独自购物的心态、购物的隐私属性等，使得用户难以与他人分享，所以用户很难与他人在购物期间达成关系； 3、 淘宝账号的隐匿性 ：淘宝的账号虽然可以有个性的昵称和头像，但是由于对真实姓名和真实社交关系的脱离，用户在淘宝上很难识别出自己真实的好友，尤其是愿意分享和互动的好友； 4、 淘宝平台产品设计