精华内容
下载资源
问答
  • 然而,对照SaaS的成熟和IaaS的高速发展,PaaS不管是在市场份额,还是提升速度上都处于弱势,用户对PaaS的兴趣也似乎不大。同时,随着各种云服务之间界限的逐步模糊,一部分人甚至认为pure-PaaS将最终消亡或成为IaaS...
  • IT

    2013-02-25 16:11:18
    IT In Search of Stupidity Over 20 Years of High-Tech Marketing Disasters [美]MeITill R. Chapman 著 周良忠译 序  “失败乃成功之母”。人们常常对失败者这样说。可是在高科技领域,这句话大概...

    IT大败局

    In Search of Stupidity

    Over 20 Years of High-Tech Marketing Disasters

    []MeITill R. Chapman

    周良忠译

        “失败乃成功之母”。人们常常对失败者这样说。可是在高科技领域,这句话大概只能给失败者一些心理上的安慰,而没有实际意义。在当今的IT市场,大多数企业都会因为一次重大的失误而退出历史舞台,他们的失败,他们的经验教训,再也没有机会转化为他们的成功了。即使是昔日的IT领袖IBM,也因为对于PC0S/2的愚蠢决策而跌下了领袖的宝座, 虽然它的超强实力使它还不至于退出历史舞台,但一、二十年过去了,至今它仍旧不能恢复昔日的荣耀。

        这里,我们并不想否定“失败乃成功之母”的普遍意义。但是,在IT这个技术瞬息万变、竞争空前激烈、几乎容不得任何失败的领域里,人们很难通过自己的一系列失败走向成功,反倒是有可能通过别人的一系列失败走向成功。在这个意义上,《IT大败局》可以成为“IT成功秘籍”,因为你如果真能吸取书中分析的那些重大失误的教训,不再犯同样的错误,那么你就比竞争对手有更大的成功把握。正如本书开头所说,“竞争的本质不是比强壮、比敏捷,更不是比聪明;而是比谁少一些愚蠢,少犯些错误”。请看世界软件十强名单的变化吧!20年前在名单上的公司如今只剩下微软一家了,其他各家都在名单中消失了。人们往往会说,这是微软的运气好。但平心而论,微软遇到的机会不也同样出现在其他许多公司的前面吗?哪为什么只有微软一家能够脱颖而出呢?我们不得不承认,微软是这些公司中唯一的一家没有犯过重大决策错误的公司;也就是说,微软比其他公司“少一些愚蠢,少犯些错误”。

        综观本书中描述的那些致命的愚蠢行为,大多属于决策者对技术的无知;当然,其中也有一些是因技术人员对市场的无知影响了决策所导致的。因此一个企业要想“少一些愚蠢,少犯些错误”,最好是管理队伍能够同时精通技术和市场,可惜这样的要求是不大现实的。比较实际一些,我们应该要求管理队伍既理解和热爱市场、又理解和热爱技术。可以说,微软之所以比其他公司“少一些愚蠢,少犯些错误”,这与盖茨本人是程序员出身有很大关系。虽然今天的软件技术与盖茨当年编写BASIC时的技术已有天壤之别,但盖茨始终保持着对技术的理解和热爱。不久前(200471日)盖茨在北京回答中国听众的问题时说,他虽然已经不再做具体编程工作,但他仍然喜欢学习新的编程技术,比如说学习C#语言,而这是为了理解这种新技术会对软件的发展带来什么影响。可见,盖茨从程序员变为公司的领导后,他在理解和热爱市场的同时始终保持着对技术的理解和热爱,这正是盖茨比其他一些公司的领导人高明的地方。反过来说,这个道理也是成立的。如果一个企业的领导对市场或者技术不理解、不热爱了,甚至变得无知或者厌恶了,那么这个企业迟早会做出大的蠢事来。

        重蹈覆辙也许是最令人不能原谅的一种失败。古人云:“以史为镜,可以知兴替。”但真正学会借鉴历史的聪明人又有多少呢?在IT这个竞争激烈到容不下失败的领域,又有多少中国企业家想到借鉴20年来发达国家高科技企业的兴衰教训呢?现在,国内有些大型IT企业在多变的市场竞争面前已经开始显得力不从心、行动迟缓;一些企业刚刚初具规模就开始“多元化”、四处出击、而忽视自身的“专业化”;一些企业在遭遇“瓶颈”时,经营策略是屡败屡换,但执行起来却是屡换屡败……这一切与《IT大败局》中的案例何其相似!在此,我无意断言这些企业的成败,但这些企业的决策者以及与这些企业休戚相关的IT人是否抱有一份对那些惨痛教训的警惕呢?

        总之,一切希望自己能够“少一些愚蠢,少犯些错误”的读者都可以从本书中取得宝贵的教训,如果真能这样的话,你将有机会通过总结别人的失败走向自己的成功。

    倪光南

    2004726日于北京

    前言

        在我所知道的众多髙科技公司中,几乎所有公司都是在“拙劣”与“卓越”之间进行着不懈的斗争。在阅读由软件营销奇才Rick Chapman所撰写的本书之前,先让我花一些时间讲述那些“拙劣”的人是怎么想的。

        我们先做一个小游戏。请你想像一个最普通的脸色苍白的Linux程序员,他喝汽水,吃中餐,玩电脑游戏,读书看报。他就是这么一个普通的人,你可以想像他是一个矮子或是一个胖子,但是,他绝不是那种本应该在感恩节探望老母的时候却和一群高中时代的朋友踢足球的人。正因为他是如此的普通,所以我也没有必要把他描述成某一个具体的人。

        我所指的普通的程序员往往想的是:“微软开发的是劣等产品,但却拥有上等的市场营销,因此每个人都购买他们的产。”

        问他对自己公司中市场营销人员有什么想法。他会说:“他们实在是太蠢了。昨天,我还在休息室与愚蠢的销售笨蛋大吵了一架呢。10分钟后,事情就水落石出了,原来他竟然不知道802.11a802.11b之间的区别。真让人哭笑不得!

        那么,年轻人,你知道市场营销人员在干什么吗?“不知道。也许他们与客户打髙尔夫球,或者进行其他娱乐活动,总之就是不务正业。如果由我来管理,我将全部开除他们。”

        一个敏锐的小伙子名叫Jeffrey Tarter,他常常公布一些年表,他把这些年表叫做Soft_letter 100,100家最大的个人计算机软件出版商列表。1984年的前10名如下表所示:

    排名

    公司

    年收入

    1

    MicroPro Intemational

    60,000,000美元

    2

    Microsoft Corp.

    55,000,000美元

    3

    Lotus

    53,000,000美元

    4

    Digital Research

    45,000,000美元

    5

    VisiCorp

    43,000,000美元

    6

    Ashton-Tate

    35,000,000美元

    7

    Peachtree

    21,700,000美元

    8

    MicroFocus

    15,000,000美元

    9

    Software Publishing

    14,000,000美元

    10

    Broderbund

    13,000,000美元

        从上面的表中可以看到,微软排名第二,但有好几家公司与它非常接近。下面让我们看看2001年的这张表:

    排名

    公司

    年收入

    1

    Microsoft Corp.

    23,845,000,000美元

    2

    Adobe

    1,266,378,000美元

    3

    Novell

    1,103,592,000美元

    4

    Intuit

    1,076,000,000美元

    5

    Autodesk

    926,324,000美元

    6

    Symantec

    790,153,000美元

    7

    Network Associates

    745,692,000美元

    8

    Citrix

    479,446,000美元

    9

    Macromedia

    295,997,000美元

    10

    Great Plains

    250,231,000美元

        请注意,除了微软以外,1984年前10名的其他公司均在 2001年的前10名中消失了。还请注意,2001年,微软的年收入远远超过了第二名,这是千真万确的事实。如果Adobe获得微软年收入的一个零头,也能让自己的收入翻番。

        可见,现在的个人计算机软件市场是微软的天下。数据表明,微软的收入占据前100名公司总收入的69%。这正是我们在这里要讨论的。

        难道这仅仅是像某些庸人所宣称的那样,微软靠的就是优秀的市场营销?或者是非法垄断的结果?(这也延伸出下一个问题:微软是如何取得垄断地位的?这是一个不可回避的问题。)

        根据Rick Chapman的观点,这个答案较为简单:微软是该表上惟一一家从未犯过致命愚蠢错误的公司。这是借助于超级智囊团呢,还是仅仅属于偶然的运气呢?依我看,微软所犯的最大错误仅仅是带语言功能的paperclip(文本剪辑工具)。实际上,这有多糟糕呢?我们关掉paperclip,并因此嘲笑微软,可是我们回过头来还是无时无刻不在使用WordExcelOutlook Litemet Explorer

        但是,其他曾经领导市场的软件公司,现在都已默默无闻。对于这些公司,可以指出一到两个导致公司走向衰落的重大失误。MicroPro重写打印机数据结构,而不是升级它的旗舰产品WordStar,由此浪费了宝贵的时间。Lotus浪费一年半的时间压缩其软件产品1-2-3,以使它运行在640KB计算机上。到完成之时,Excel己经发布,640KB计算机也已是昨天的记忆。Digital Research一味地在CP/M-86上做文章,而丢失了成为真正PC操作系统标准的良机。VisiCorp更是将自己逐出了舞台。Ashton-Tate总是坚持不懈地排斥dBASE第三方开发人员,从而损害了脆弱的平衡,而这种平衡对于平台开发商的成功是至关重要的。

        因为我是一名程序员,所以理所当然地倾向于指责市场营销人员的这些愚蠢错误。几乎都是因为非技术商业人士不能理解基本的技术而导致了错误的发生。当百事可乐推动者John Sculley开发Apple Newton时,他却不知道手写识别在当时是不可能的,但这是每个计算机科学专业的人都知道的一件事。就在同一时间,比尔*盖茨招募程序员,让他们开发可以在公司所有产品中重复使用的富文本编辑控件。如果让Jim Manzi (他让MBA接管Lotus)参加此开发小组,他将会无动于衷,并想道:“什么是富文本编辑控件?”因为他没有体验(grok)过真正的技术,所以他从未在技术上处于领导地位。事实上,在上一句中使用“体验”(grok) —词大概就是贬意。

        如果你询问带有偏见的我,我会说,除非软件公司由程序员掌权,否则不可能成功。到目前为止,所有的案例都说明了这一点。但是,许多愚蠢的错误也正来自于程序员本身。Netscape决定改写浏览器、而不改进旧代码的非常之举使该公司白白耗费了几年宝贵的时间,在此期间,它的市场份额从90%左右下滑到4%左右,这就是程序员的蹩脚主意。当然,该公司中那些既无技术又无经验的管理人员根本不知道这一主意为什么是下策。也有许多程序员为Netscape的彻底改写作辩护:“我说Joel,旧代码的确不尽如人意。”不错,这样的程序员应当为追求代码的精炼而受到赞赏,但他们这些人不应当允许参与高层商业决策,因为对于这些人来说,精炼的代码显然比软件的发布更为重要。

        因此,我愿意接受Rick的观点,而且想说的是,如果你希望在软件业中取得成功,那么必须具备一个完全理解和热爱编程的管理队伍,同时他们也必须更理解和热爱商业。寻找两者兼备的领导并不容易,但这是避免犯下Rick在本书中所列举的这些致命错误的惟一途径。因此,请各位细品此书,嗤其愚,思吾身。如果你的公司也上演着类似的愚蠢闹剧,请准备好简历,另谋高就吧。

    ----Joel Spolsky

    http://www.joelsonsoftware.com

    http://www .fogcreek.com

    展开全文
  • 8技术优势,6个发展趋势,人脸识别已经深入到了生活的方方面面。 编辑|智东西内参 近年来, 随着人工智能、计算机视觉、大数据、云计算、芯片等技术的迅速发展,人脸识别技术取得了长足的进步并且在众多场景中...

    图片

    8大技术优势,6个发展趋势,人脸识别已经深入到了生活的方方面面。

    编辑 |  智东西内参

    近年来, 随着人工智能、计算机视觉、大数据、云计算、芯片等技术的迅速发展,人脸识别技术取得了长足的进步并且在众多场景中得以成功应用并大规模商业化普及,为经济社会的发展以及人们日常生活带来便捷 。

    就市场发展趋势而言, 人脸识别应用场景虽然渗透各个行业场景, 但市场规模增长趋势出现分化, 国内市场呈现从算法竞争到芯片全产业链激烈竞争的状态;就技术发展层面, 边缘端 SOC 芯片算力的提升使得人脸识别系统中的部分甚至全部算法可以运行在边缘设备上, 从而使云边结合已成为人脸识别产品和应用方案的发展趋势。

    本期的智能内参,我们推荐全国信息技术标准化技术委员会的研究报告《2020 年人脸识别行业研究报告》,从技术特点、行业发展趋势和标准化现状三方面还原人脸识别技术的最新发展状况。如果想收藏本文的报告,可以在智东西(公众号:zhidxcom)回复关键词“nc515”获取。

    本期内参来源:全国信息技术标准化技术委员会

    原标题:

    《2020 年人脸识别行业研究报告》

    作者:蒋慧 等

     

    01.

    什么是人脸识别?

     

    人脸识别 ( Face Recognition) 是一种基于人的面部特征信息进行身份识别的生物特征识别技术 。近年来 , 随着人工智能 、 计算机视觉 、 大数据 、 云计算 、 芯片等技术的迅速发展 , 人脸识别技术取得了长足的进步并且在众多场景中得以成功应用 。

    广义的人脸识别实际包括构建人脸识别系统的一系列相关技术 , 包括人脸视图采集 、 人脸定位 、 人脸识别预处理 、 身份确认以及身份查找等 ;而狭义的人脸识别特指通过人脸进行身份确认或者身份查找的技术和系统 。此外 , 部分应用场景下还可能涉及质量评价 、 活体检测等算法模块。

    人脸识别的应用模式主要包括三种:

    (1)、人脸验证 (Face Verification) : 判定两张人脸图像是否属于同一个人 ,常用于身份认证如人证核验 。

    (2)、人脸辨识 ( Face Identification) : 给定一张人脸图像 , 判断是否在注册库中 , 若在则返回具体的身份信息 , 常用于静态检索或动态布控 。

    (3)、人脸聚类 ( Face Clustering) : 给定一批人脸图像 , 将相同人的图像归类到同一个类 , 不同人的划分为不同的类 , 常见的应用有智能相册 、 一人一档等 。

    1、发展历程

    人脸识别的研究开始于 20 世纪 60 年代 , 到 90 年代进入了初级应用阶段 ,主要停留在学术研究和小范围的实验室环境应用 , 直到 2012 年后的深度学习的复兴 , 人脸识别技术取得历史性的进步 , 真正实现大规模商业化普及 , 且识别能力已经远远超过了人类的常规辨识度 。

    目前 , 从全球人脸识别技术领域的应用场景布局来看 , 安防 、 金融 、 交通 、 楼宇等是相对较为成熟的领域 , 而在零售 、 广告 、 智能设备 、 教育 、 医疗 、 娱乐等领域也均有较多应用场景 , 为经济社会的发展以及人们日常生活的便捷带来了新机遇 。

    2、政策现状

    随着人工智能技术水平的迅速发展与经济发展水平的稳步踏进 , 在大数据应用的带领下 , 人脸识别技术在智慧城市 、 安防市场等行业得到了广阔的应用 ,与此同时人脸识别技术应用过程所涉及的监管问题也面临着越来越高的挑战 。面对目前正飞速发展的人脸识别技术 , 我国制定了一系列政策来促进其更健康的发展。

    2017 年 7 月 , 国务院发布 《 新一代人工智能发展规划 》 ( 国发 〔 2017 〕 35 号 )指出建设安全便捷的智能社会 , 围绕行政管理 、 司法管理 、 城市管理 、环境保护等社会治理的热点难点问题 , 促进人工智能技术应用 , 推动社会治理现代化 。同时 , 围绕社会综合治理 、 新型犯罪侦查 、 反恐等迫切需求 , 提出研发视频图像信息分析识别技术 、 生物特征识别技术的智能安防与警用产品 , 建立智能化监测平台的要求。

    全国人大在 2018 年修正的 《 中华人民共和国反恐怖主义法 》 第五十条提到 :公安机关调查恐怖活动嫌疑 , 可以依照有关法律规定对嫌疑人员进行盘问 、 检查 、 传唤 , 可以提取或者采集肖像 、 指纹 、 虹膜图像等人体生物识别信息和血液 、 尿液 、 脱落细胞等生物样本 , 并留存其签名 。

    2019 年 9 月 , 中国人民银行印发的 《 金融科技 ( FinTech ) 发展规划 ( 2019-2021 年 ) 》 ( 以下简称规划 ) , 明确提出构建适应互联网时代的移动终端可信环境 , 充分利用可信计算 、 安全多方计算 、 密码算法 、 生物识别等信息技术,建立健全兼顾安全与便捷的多元化身份认证体系 , 不断丰富金融交易验证手段,保障移动互联环境下金融交易安全 , 提升金融服务的可得性 、 满意度与安全水平 。

    同时 , 《 规划 》 也提出强化需求引领作用 , 主动适应数字经济环境下市场需求的快速变化 , 在保障客户信息安全的前提下 , 利用大数据 、 物联网等技术分析客户金融需求 , 借助机器学习 、 生物识别 、 自然语言处理等新一代人工智能技术 , 提升金融多媒体数据处理与理解能力 , 打造 “ 看憧文字 ” 、 “ 听懂语言 ” 的智能金融产品与服务 , 这也为人脸识别的安全应用提供了思路 。

    2019 年 9 月 , 工业和信息化部公开征求对 《 关于促进网络安全产业发展的指导意见 》 ( 征求意见稿 ) , 表示支持构建基于商用密码 、 指纹识别 、 人脸识别等技术的网络身份认证体系 , 着力提升支撑网络安全管理 、 应对有组织高强度攻击的能力 , 明确了生物特征识别技术在网络安全产业发展中的重要意义 。

    2020 年 11 月初 《 中华人民共和国国民经济和社会发展第十四个五年规划纲要 ( 建议稿 ) 》 ( 以下简称 《 建议稿 》 ) 全文发布 , 其中明确提出加快壮大新一代信息技术 、 生物技术等产业 , 推动互联网 、 大数据 、 人工智能等同各产业深度融合 , 培育新技术 、 新产品 、 新业态 、 新模式 。

    发展数字经济 , 加强数字社会 、 数字政府建设 , 提升公共服务 , 社会治理等数字化智能水平 。同时提出 , 统筹发展和安全 , 建设更高水平的平安中国 , 加强社会治安防控体系建设 。该规划的出台为人脸识别技术和行业未来 5 年的发展规定了目标和方向 。

    信息安全层面 , 2016 年 11 月全国人大通过的 《 网络安全法 》 中将个人生物识别信息的管理进一步细化 , 范围进一步明确 。国家网信办有关负责人表示,《 网络安全法 》 的公布和施行不仅保障广大群众的切身利益 , 还有利于高新技术的应用 , 进而激发互联网的巨大潜力 。

    2020 年 7 月由全国人大公布的 《 数据安全法 》 草案为数据加上 “ 防护罩 ” , 明确数据活动的红线 , 将来在 “ 数据主权 、 数据经营 、 数据交易 ” 等方面 , 通过法律条文的形式 , 推动数据时代的快速发展 。国家坚持保障数据安全与发展并重 , 鼓励研发数据安全保护技术 ,积极推进数据资源开发利用 , 保障数据依法有序自由流动 。

    2020 年 10 月 21日全国人大公布的 《 个人信息保护法 ( 草案 ) 》 规定了个人信息是以电子或者其他方式记录的与已识别或者可识别的自然人有关的各种信息 ;规定了个人信息的处理包括个人信息的收集 、 存储 、 使用 、 加工 、 传输 、 提供 、 公开等活动的要求 。

     

    02.

    技术细节

     

    1、 人脸识别技术原理

    当今主流的人脸识别算法 , 主要包括人脸检测 、 人脸预处理 、 特征项提取 、比对识别 、 活体鉴别五大步骤 。其中人脸检测 、 人脸预处理 、 特征项提取可统称为人脸视图解析过程 , 即从视频和图像中检测出人脸 , 通过图像质量判断 ,选取合适的人脸图片 , 提取人脸特征向量 , 用于后续比对识别 ;比对识别处理可以分为人脸验证 ( 1 :1 ) 和人脸辨识 ( 1 :N ) 两类 ;活体鉴别算法用以判断人脸识别处理中的人脸图像 , 是否采集自真实人体 。

    在实际应用中 , 除了上述人脸识别算法 , 前端视图采集技术 、 人脸数据存储技术 、 应用软件管理技术也是人脸识别技术应用中重要的技术部分 。

    2、 人脸识别的研究机构介绍

    人脸识别作为最受关注的生物特征识别技术 , 国内外有众多科研院所 、 高等院校 、 企业等机构开展人脸识别相关技术的研究 、 开发和应用 。截止 2020年 10 月 , 据企查查数据统计 , 全国共有 10443 家企业的名称 、 产品 、 品牌 、经营范围涵盖 “ 人脸识别 ” , 从成立时间来看 , 近 5 年相关企业数量不断剧增 ,2019 年成立了 1955 家,2020 年仅 10 月前就新增 1139 家 。

    科研机构。人脸识别技术广受学术和产业研究机构关注 。全球范围内 , 有众多知名学术机构在从事人脸识别领域的技术研究 , 比较有代表性的人脸识别技术研究机构包括斯坦福大学 、 加州大学伯克利分校 、 美国马萨诸塞大学 、 牛津大学 、 多伦多大学 、 香港中文大学 、 中科院自动化所 、 清华大学等 。

    (1)、斯坦福大学。斯坦福大学是最早在人脸识别技术上取得突破的研究机构之一 。由华人科学家李飞飞教授领街的计算机视觉实验室 , 通过每年度基于 ImageNet 数据库举办的大规模视觉识别挑战赛 ( ILSVRC) , 极大的促进了人脸识别和计算机视觉技术的发展 。

    近期 , 斯坦福大学的研究团队研发出一款人脸跟踪软件 Face2Face, 它可以通过摄像头捕捉用户的动作和面部表情 , 然后使用 Face2Face 软件驱动视频中的目标人物做出一模一样的动作和表情 , 效果极其逼真 。这项技术使用一种密集光度一致性方法 (dense photometric consistency measure) 来实时跟踪源和目标视频中的面部表情 。

    研究人员们称 ,由于源素材与被拍摄者之间快速而有效的变形传递 , 从而使复制面部表情成为可能 。由于嘴形与其所说的内容高度匹配 , 因此可以产生非常准确 、 可信的契合 。

    (2)、加州大学伯克利分校。加州大学伯克利分校是国外人脸识别技术研究的重要发源地 , 早在 2005年就有关于人脸识别相关研究的理论工作 。其中马毅 2008 年发表的 Sparsity and Robustness in Face Recognition, 在谷歌学术已获得 6321 余次的引用 , 在深度神经网络被大家广泛应用之前 , 是主流的人脸识别算法 。在这篇文章中作者把稀疏表示理论应用到人脸识别这个场景中 , 提出了一个通用分类算法用于人脸识别 。

    这个新的框架为人脸识别领域的两个关键课题(特征项提取和对遮挡的鲁棒性)上提供了更好的理论指导。此外,该实验室近期在用低维模型处理高维数据、 特征选择等理论方向上有一定的产出, 提出了一种新型特征选择方法 (Conditional Covariance Minimization, CCM) , 该方法基于最小化条件协方差算子的迹来进行特征选择, 取得了较为突出的效果 。

    (3)、美国马萨诸塞大学。美国马萨诸塞大学也是国外人脸识别技术研究的重要发源地 , 开源了知名的人脸检测数据库 FDDB 和人脸识别数据集 LFWo FDDB 是全世界最具权威的人脸检测评测平台之一 , 其中包含 2845 张图片 , 共有 5171 个人脸作为测试集 。测试集范围包括不同姿势 、 不同分辨率 、 旋转和遮挡等图片 , 同时包括灰度图和彩色图 , 截止到目前 FDDB 所公布的评测集仍然代表了目前人脸检测的世界最高水平 。

    马萨诸塞大学还在 2007 年建立了人脸识别评测数据集 LFW, 用于评测非约束条件下的人脸识别算法性能 , 截至到目前是人脸识别领域使用最广泛的评测集合 。该数据集由 13000 多张全世界知名人士互联网自然场景不同朝向 、 表情和光照环境人脸图片组成 , 共 5000 多人 , 其中 1680 人有 2 张或 2张以上人脸图片 。每张人脸图片都有其唯一的姓名 ID 和序号加以区分 。LFW测试正确率 , 代表了人脸识别算法在处理不同种族 、 光线 、 角度 、 遮挡等情况下识别人脸的综合能力。

    (4)、牛津大学。牛津大学 VGG (视觉几何)组实验室从 2015 年开始人脸识别相关研究 ,包括具有影响力的人脸数据库的发布以及深度人脸识别算法的研究 。该实验室 2015 年在 BMVC 发表的 a Deep Face Recognition" 论文在谷歌学术已获得3600 余次的引用 , 其中发布的 VGG-Face 已成为深度人脸识别领域最常用的数据库之 一 。

    2018 年发布了大规模人脸识别数据 VGG — Face2, 是 VGG-Face的第二个版本 , 包含 331 万图片 , 9131 个 ID, 平均图片数为 362.6, 且覆盖了大范围的姿态 、 年龄和种族等 。VGG-Face2 发布两年 , 已经获得了 800 余次引用 。此外 , 该实验室近期在人脸识别置信度预测 、 基于集合的人脸识别等子方向上 , 每年产出一定量的学术工作 。

    (5)、多伦多大学。加拿大多伦多大学是基于深度学习的人脸识别技术发展的重要推手之一 。著名 “ 神经网络之父 ” Geoffrey Hinton 是该校的代表性学者 , 在 Hinton 的带领下 ,多伦多大学的研究者将反向传播 (Back Propagation) 算法应用到神经网络与深度学习 , 通过应用这项算法技术 , 人脸识别技术的识别性能得到极大提高 。

    近期 , 多伦多大学的研究人员在人脸识别隐私保护技术领域取到了一些新的进展 , 开发了一种动态干扰算法来进行人脸隐私保护 。这种技术原理基于 “ 对抗性训练 ” , 通过建立起两种相互对抗的算法 , 当发现某种检测算法正在寻找脸部特征 , 干扰算法会自动调整这些特征 , 在照片中产生非常细微的干扰 , 通过这些干扰来阻碍整个检测系统的检测效果 。

    (6)、香港中文大学。作为最早投入深度学习技术研发的华人团队 , 在多年布局的关键技术基础之上 , 香港中文大学教授汤晓鸥率领的团队迅速取得技术突破 。2012 年国际计算视觉与模式识别会议 ( CVPR ) 上仅有的两篇深度学习文章均出自其实验室 ;2011-2013 年间在计算机视觉领域两大顶级会议 ICCV 和 CVPR 上发表了 14 篇深度学习论文 , 占据全世界在这两个会议上深度学习论文总数 ( 29 篇)的近一半 。他在 2009 年获得计算机视觉领域两大最顶尖的国际学术会议之一 CVPR最佳论文奖 , 这是 CVPR 历史上来自亚洲的论文首次获奖 。

    (7)、中科院自动化所。中科院自动化所是国内领先的模式识别领域研究机构 。多年来 , 在人脸识别领域开展了广泛的研究 。自动化所李子青研究员领导的人脸识别研究团队 ,提出了基于近红外的人脸识别技术 , 对光照变化影响的处理有较好的效果 ,并将该技术应用于 2008 年北京奥运会安保项目 。

    自动化所孙哲南研究员团队 , 在生成对抗网络基础上提出高保真度的姿态不变模型 (High Fidelity Pose Invariant Model, HF — PIM) 来克服人脸识别任务中最为经典的姿态不一致问题 。实验结果表明 , 该方法在基准数据集上的表现的视觉效果和定量性能指标都优于目前最好的基于对抗生成网络的方法 。此外 , HF-PIM 所支持的生成图像分辨率也在原有方法的基础上提升了一倍 。

    (8)、清华大学。清华大学是国内最早从事人脸识别技术研究的研究机构之一 。清华大学苏光大教授 , 自 1980 年代就开始了人脸识别技术研究工作 。苏教授提出了 1 :1 图像采样理论和邻域图像并行处理机理论 , 并在 2005 年通过多计算机并行处理技术 , 显著提高了人脸识别处理的性能 。

    这项技术与 2012 年由多伦多大学 Hinton 团队提出的利用并行计算来提高反向传播算法的运算效能有异曲同工之妙 。同时 , 苏教授团队提出了最佳二维人脸 、 不同类别的多特征描述以及MMP — PCA 等一系列人脸识别的理论和方法 。

    科技类企业。在人脸识别技术研究领域 , 众多科技类企业也起到了至关重要的作用 。微软亚洲研究院较早就开始了人脸识别技术研究 , 发表了大量优秀的学术论文 ,2018 年 , 微软亚洲研究院提出的深度学习残差网络 RESNET, 在研究领域得到了广泛认可 ;苹果公司在人脸识别技术上进行了深入研究 , 自 2017 年开始 ,就在其 iphoneX 手机上引入了刷脸解锁功能 ;

    日本电气 (NEC) 公司也是国际上人脸识别技术的先 行者之 一 , 很早就提出了基于人脸识别技术的公共安全解决方案 ;

    国内有 “ 人工智能四小龙 ” 之称商汤 、 旷视、 依图 、 云从等企业 , 在人脸领域 , 从学术研究到产业实践 , 都做了大量的工作 , 在复杂场景 , 大规模处理等领域 , 不断取得新的成果 ;国内传统科技企业百度 、 阿里 、 腾讯 、 平安科技 、 海康 、 大华等 , 也在人脸识别技术领域开展广泛深入的研究 , 并结合其原有的业务领域的场景 , 取得显著的技术研究成果 。

    3、人脸识别技术优势及局限性

    技术优势。在不同的生物特征识别方法中 , 人脸识别技术有其自身特殊的优势 , 因而在生物识别中有着重要的地位 。

    (1)、 非侵扰性 , 人脸识别无需干扰人们的正常行为就能较好地达到识别效果 , 只要在摄像机前自然地停留片刻 , 用户的身份就会被正确识别 。

    (2)、便捷性 , 人脸识别采集设备简单 , 使用快捷 。一般来说 , 常见的摄像头就可以用来进行人脸图像的采集 , 不需特别复杂的专用设备 。图像采集在数秒内即可完成 。

    (3)、友好性 , 通过人脸识别身份的方法与人类的习惯一致 , 人和机器都可以使用人脸图片进行识别 。

    (4)、非接触性 , 人脸图像采集 , 用户不需要与设备直接接触 。另外 , 可以在比较远的距离进行人脸图像的采集 。装配了光学变焦镜头的摄像头 , 焦距可以提高到 10 倍以上 , 使景深范围扩展到 50 米以外 , 实现对远景清晰拍照 ,有效采集远处的人脸图像 。

    (5)、可扩展性 , 在人脸识别后 , 通过对识别结果数据进行下一步处理和应用 , 可以扩展出众多实际应用方案 , 如应用在出入门禁控制 、 人脸图片搜索 、上下班刷卡 、 非法人员识别等各个领域 。

    (6)、隐蔽性强 , 安全领域对于系统隐蔽性有较强要求 , 人脸识别在这方面比指纹等方式更具优势 。

    (7)、强大的事后追踪能力 , 系统记录的人脸信息是非常重要且易于利用的线索 , 更加有利于进行事后追踪应用 。

    (8)、准确度高 , 相比于人体 、 步态等其特征 , 人脸特征具备更强的鉴别性与更低的误报率 , 所能应用的底库规模上高出许多 , 目前超大规模 ( 十亿级别 ) 的人脸检索已经可以实用 。

    技术局限。人脸识别技术由于相似脸 、 年龄 、 算法偏见 、 面临的场景多样化以及人脸图像更易公开获取等原因 , 技术本身也面临着一定的局限性 。

    (1)、相似脸较难解决 。双胞胎或者长相很相近的人脸容易识别错误 , 而该问题在目前暂时没有新技术能完全解决 。NIST 分析报告指出 , 大部分情况下双胞胎仍能区分分数高低 , 但是往往都在阈值之上 , 在开放环境下应用效果较差 。

    (2)、算法偏见问题 。由于当前人脸识别算法很大程度依赖于数据样本 ,但是不同人群的人脸数据样本存在差别 , 这导致了算法对不同地域 、 不同年龄人群的识别能力有差别 。

    美国国家技术标准研究院 NIST 的检查表明 , 人脸识别软件在不同地域 、 种族 、 性别 、 年龄上存在较大差异 。比如 , 小孩子 , 老年人以及其他很少出现的人种或者肤色的人脸识别率相对较低 , 该问题亟需解决 。

    (3)、人脸识别率易受多种因素影响 。现有的人脸识别系统在用户配合 、采集条件比较理想的情况下可以取得令人满意的结果 。但是 , 在用户不配合 、采集条件不理想的情况下 , 会影响现有系统的识别率 。例如根据 NIST 的测试报告 , 戴口罩情况下大部分算法的错误率会提高 1 个数量级以上 , 跨年龄 、 大角度等因素也会造成不同程度的下降 。

    (4)、年龄变化的影响 。随着年龄的变化 , 面部外观也会变化 , 特别是对于青少年 , 这种变化更加明显 。对于不同的年龄段 , 人脸识别算法的识别率也不同。

    (5)、安全性问题 。人脸识别系统信息存储同样会面临黑客的攻击 。所以对数据加密很重要 。随着技术的不断提升 , 人脸识别技术在安全性上需要加强 。

    同时 , 人脸暴露度较高 , 相比对其它生物特征数据更容易实现被动采集 。这也同时意味着人脸信息的数据更容易被窃取 , 不仅可能侵犯个人隐私 , 还会带来财产损失 。大规模的数据库泄露还会对一个族群或国家带来安全风险 。

    4、 人脸识别技术的发展趋势

    随着人脸识别技术的广泛应用 , 也在不断促进技术本身持续发展 。基础算法研究 、 人脸重建技术 、 戴口罩人脸识别 、 3D 人脸识别技术 、 新型人脸采集技术 、人脸聚类技术 、 和低质量人脸识别技术 , 是产业界和学术界关注的热点课题 ,也预示了人脸识别技术的发展趋势 。

    基础算法技术热点包括模型结构设计 、 损失函数设计 、 无监督 / 半监督学习算法和分布式自学习算法等 。模型结构设计目前主要有手工设计与网络结构搜索 (NAS) 两种思路 。ICCV 2019 轻量级人脸识别 (Lightweight Face Recognition) 竞赛结果显示 , 虽然对大模型场景下结构改进带来的提升则较为有限 , 但是轻量级场景下网络结构改进对于识别率提升较为明显 。

    损失函数设计的核心在于学习具备鉴别性且足够鲁棒的特征 。近年来基于度量学习与各类 margin — based 方法逐渐成为主流。在特征提取加速方面 , 主要的方法有轻量级网络 、 模型蒸惚 、 稀疏量化等 ;在特征比对加速方面 , 主要的思路有量化以及各类近似最近邻检索技术 。

    低质量人脸识别技术。在实际的动态应用场景下 , 人脸识别技术由于场景的不可控因素 , 采集到的图片质量与训练图片的质量有很大差异 , 如人脸偏转 , 大幅度侧脸 ;运动模糊和失焦模糊 ;遮挡物(例如口罩 , 墨镜) ;低的光照强度和对比度 ;视频传输由于编解码过程产生的人脸信息丢失等 , 这些因素导致准确率极度下降 。

    针对这些具体问题 , 研究人员提出综合利用各种图像增强技术和图像生成技术对人脸识别算法准确率进行提升的方法 , 如采用对抗式生成网络对摄像头的风格进行迁移 , 采用基于深度学习的方法对小尺寸模糊人脸进行超分辨率重建和基于注意力机制对人脸图片进行去模糊处理等 。

    此外 , 3D 人脸识别技术也可以有效解决复杂场景下人脸单模态鲁棒性不足问题 , 如大角度 、 遮挡引起的效果下降问题 , 常用的融合策略有相似度融合 、 特征融合 、 决策融合等 。

    戴口罩人脸识别技术。今年新型冠状病毒疫情期间戴口罩人脸识别受到较大关注 。常用的解决方法有数据增强 、 遮挡恢复 、 多部件模型融合等 , 可应用在人脸布控 、 陌生人检测 、 无感通行中 , 均不需要摘下口罩 , 在 30 万人像库的规模下 , 戴口罩人脸识别准确率可大于 90% 。

    人脸聚类无论是在个人领域的相集管理还是在智慧城市治理领域都有较为广泛的应用 。早期主要基于传统的聚类方法如 k-means 等 , 但效果不佳 。近年来 , 基于 GCN 的人脸聚类方法崭露头角 。实际业务中 , 时空信息的挖掘也是研究的热点 。

    特定群体识别技术。针对儿童/老人 、 不同肤色群体的人脸识别 , 有标签的数据较少 , 而无标签的数据更多些 。研究人员提出可以利用半监督/无监督学习方法带来性能的进一步提升 。同时 , 对抗 、 域适应等方法也是研究人员较为关注的方法 。在特定群体识别中 , 应考虑如何方便老年人使用人脸识别系统 。

    为了防范照片 、 视频 、 头模等假体对人脸识别系统的攻击 , 呈现攻击检测算法也是研究的热点 , 主要检测原理包括 :

    a ) 离散图像检测方式 , 即利用一幅或多幅图像进行判断 ;

    b ) 连续图像检测方式 , 即采用连续图像序列进行判断,如检测显示器边缘 、 边框 、 屏幕反光 、 像素点 、 条纹分析等进行判断 ;

    c ) 用户主动配合检测方式 , 即通过指令要求用户完成相应动作如点头 、 抬头 、左右转头 、 张嘴 、 眨眼 、 跟读屏显提示信息等进行判断 ;

    d ) 基于辅助硬件设备的检测方式 , 即利用辅助硬件设备获取更多判断依据辅助进行判断 , 如利用深度摄像头采集人脸深度信息或利用特定波长光源投射并检测在皮肤或非皮肤材质上产生的发射率差异等 ;

    e ) 用户被动配合检测方式 , 如 :利用静脉血管 、 肌肉 、骨骼 、 静脉血液中脱氧血色素对红外线的吸收特性 , 判断其是否来自活体 ;通过特定指令引导用户眼球运动 , 并通过跟踪眼球运动以判断是否为真实活体 。

    多模态融合识别技术。多模态融合识别技术可以有效解决复杂场景下人脸单模态鲁棒性不足问题 。如大角度 、 遮挡 、 像素过低引起的效果下降问题或应用场景对于安全性可靠性要求很高的场景 , 多模态可以增强识别的可信度 。

    多模态识别有两个发展方向 , 一个方向是在脸部图像特征识别的基础上 , 增加头肩和形体的识别 , 这种技术的好处是可以不必增加额外的采集单元 ;另外一个方向是 , 融合其他生物识别模态 , 如静脉纹理 , 声纹信息等 , 这种技术除了能够提高算法的鲁棒性之外 , 还可以提高活体验证的可信度 , 在行业里受到了较为广泛的关注 。

     

    03.

    行业发展

     

    1、行业发展概述

    随着云计算 、 大数据 、 物联网 、 人工智能等计算机科学技术的飞速发展以及人脸识别技术在实际应用中的不断成熟 , 人脸识别技术在智慧安防 、 智慧城市 、 智能家居 、 移动支付等领域继续大放异彩 , 并且人脸识别的一些新应用场景也不断地被挖掘出来 。

    全球人脸识别行业规模依然在以非常高的速度进行增长 。根据MarketsandMarkets 发布的全球人脸识别市场相关报告 , 预计全球人脸识别市场规模将从 2019 的 32 亿美元增长到 2024 年的 79 亿美元 , 在预测期内( 201 9-2024 年 ) 将以 16.6% 的复合年增长率进行增长 。

    国内方面 , 中国人脸识别技术投入在 2017-2018 年达到巅峰 , 根据 IHSMarkit 的数据 , 2018 年 , 中国在全球人脸识别市场的业务占据了将近一半的份额 。2019 至 2020 年 , 人脸识别技术发展趋于平缓 , 进入理智期 。依据 IT 桔子数据统计 , 截至目前 , 中国人脸识别技术总投资额达到 406 亿元 。前瞻产业研究院预计 , 未来五年人脸识别市场规模将保持 23% 的平均复合增长速度 ,到 2024 年市场规模将突破 100 亿元 。

    2、 行业发展现状

    人脸识别产业链以人脸识别算法作为中间层 , 其上游为器件 、 通用硬件 、基础软件 , 上游提供了人脸识别算法的输入 、 训练 、 开发和运行环境 ;下游为设备和产品 , 最终体现为解决方案 , 下游是人脸识别算法的产品形态 。

    从产业链上游来看 , 国内厂商 ( 以华为 、 寒武纪为代表 ) 在芯片设计方面有较强实力 , 在芯片制造方面 , 除去手机等对芯片精密程度要求较高的设备 ,国内厂商具备制造芯片的能力 。但高端芯片的制造工艺以及基本元器件都被国外垄断 , 成为制约上游厂商发展的瓶颈 。

    从人脸识别算法层面来看 , 国内厂商具备优势 , 但数据隐私问题 、 人种 /地域带来的算法性能公平性问题 , 是国内厂商急需解决的问题 。

    产业链下游 , 人脸识别应用越来越广泛 , 甚至出现过度滥用盗取用户隐私的事件 。黑客攻击 、 非活体攻击对人脸识别系统安全性也提出了挑战 , 用户隐私保护和安全性成为掣肘 , 急需相关政策法规来规范市场 。

    基础器件

    通用处理器。目前 , 通用处理器主要包括 x86 、 ARM 、 RISC — V 三大系列 。x86 处理器仍是服务器端主处理器的首选 。出于稳定性考虑 , Intel 的 xeon 系列占据了市场的主导地位 , AMD 鲜有应用 , 反而国内的海光 、 兆芯的 x86 处理器因国产化替代等原因得到了少量的份额 。ARM 处理器是手机等智能终端的首选 , 随着性能提升和软件生态的完善 , ARM 处理器也逐渐向服务器扩张 , ARM 公司也推出了一系列高性能核心和 Server Reday 认证支持这一举措 。

    应用于智能终端的 ARM 芯片的代表包括海思的麒麟系列 、 高通的骁龙系列 、 联发科的 MTK 和瑞芯微的 RK 等 ;应用于服务端的 ARM 芯片的代表包括海思的鲤鹏芯片和飞腾的腾云 S 系列等 。RISC V 是开源的处理器架构 , 随着美国对中国高科技领域的打压 , 该架构也成为国产化的重要选择 。

    平头哥推出的铉铁 910 芯片就是采用RISC — V 架构 , 中天微和小米松果电子也在做 RISC-V 的相关工作 。国内主流的通用处理器还包括采用 MISP 架构的龙芯和采用 Alpha 架构的申威 。总体来说,在通用处理器领域的选择相对丰富 , 以海思为代表的国内芯片设计公司已经走到与国外老牌芯片设计公司对等的位置 , 主要问题在于先进制程的芯片代工制造的风险 。

    AI 加速 SOC。与采用 GPU 的通用并行计算不同 , AI 加速 SOC 是通过内置专门针对 AI 算法设计的加速单元 , 实现针对 AI 的高运算效率 , 随着人工智能落地快速崛起的专用芯片 。

    NVIDIA 最早针对 GPU 通用并行计算建立了 CUDA 生态环境 , 使其成为 AI 落地最大的算力提供商 , 也在 AI 进一步发展阶段 , 适时推出了面向张量运算的 TensorCore 和面向深度学习的 NVDLA 加速单元 , 进一步巩固了其在 AI 加速领域的地位 。Google 依赖其软件优势 , 推出了与 Tensorflow 紧密结合的 TPU, 但是除了 Google 大规模使用外 , 并没有得到市场的广泛应用。

    海思在 AI 加速领域也是颇有建树 , 先后推出了 hisi 35xx 系列芯片和昇腾系列芯片 。定位端侧的 hisi 35xx 系列 Al 加速芯片主张图像 +AI 合一 SOC 设计,能提供 0.5TOPS 〜 4TOPS 不等的算力 , 在平安城市 、 交通 、 电力 、 人脸门禁 、车载等市场广受青睐 ;定位边缘侧和云中心的昇腾系列 AI 加速芯片能够提供16TOPS-512TOPS 不等的算力 , 具有算力高功耗低的特点 , 鲍鹏+昇腾的专用服务器也在数据中心取得应用 。

    中科院背景的寒武纪 , 依托在芯片领域的深厚积累 , 成为科创版第一个上市的 AI 芯片公司 , 其推出的 MLU220 和 MLU270 芯片分别能够提供 8TOPS 和128TOPS 的算力 , 也已经在多个行业取得应用 。除寒武纪以外 , 还有众多创业公司切入 AI 加速 SOC 的赛道 , 如地平线的征程 、 旭日芯片 , 依图的求索芯片等 。与通用处理器类似 , 国内不乏能够设计顶级 AI 加速 SOC 的厂商 , 主要风险在于先进制程芯片的代工制造 。

    CMOS 传感器。视频图像的采集质量 , 直接关系到人脸识别系统的准确率 , 而视频图像的采集 , 则离不开 CMOS 传感器 。目前主流的 CMOS 传感器的供应商包括索尼 (SONY) 、 三星 ( SANSUNG ) 、 豪威科技 (Ominivison) 和安森美 (ON Semiconductor ) 等 。

    其中 SONY 以其长期的技术积累 , 无论是消费电子还是安防等专业应用领域 , 都占据了较高的市场份额 。三星主要应用于手机等消费电子 , 豪威科技和安森美则集中在安防 、 汽车电子专业领域发力 。国产 CMOS的选择有中星微 、 格科微等 , 不过目前主要仍然应用在 USB 摄像头等一些消费领域 , 尚未进入专业市场 。

    随着疫情的发展 , 测温需求快速爆发 。热成像传感器是一种特殊的成像传感器 , 因其属于军民两用的特性 , 国内传统供应商包括高德红外 、 大立科技等 。海康威视以创新业务的方式持续加大在热成像传感方面的投入 , 今年 4 月更是从福建安芯半导体采购光刻机用于热成像传感芯片的生产 。大华股份则于2018 年与FLIR建立合作 , 切入此项业务 。

    存储芯片。存储芯片在智能终端中占据了较大一部分成本 , 具体包括 RAM 芯片和 FLASH 芯片 , 其中 FLASH 芯片又可以进一步分为 NOR FLASH 和 NAND FLASH 。

    面向通用服务器的 RAM 芯片的供应商主要包括三星 ( SANSUNG ) 、 海力士 ( Hynix ) 等 , 因规模效应 , 韩系供应商的地位难以撼动 。面向嵌入式设备的选择更加丰富 , 合肥长鑫和紫光半导体等国内厂家也在积极投入 , 已经进入到投产阶段 。

    与 NAND FLASH 广泛应用于 SSD 相比 , NOR FLASH 则相对小众 , 主要应用于嵌入式设备 。我国的兆易创新是该领域的主流供应商之一 , 占据全球第四的市场排名 。NAND FLASH 与 RAM 类似 , 具有通用性 , 是半导体行业的必争之地 , 除三星和海力士之外 , 东芝 、 镁光 、 西部数据等也都是这一领域的角逐者 。国内的长江存储推出了与主流产品性能相当的 64 层 3D NAND, 并在华为mate 系列高端手机中取得了应用。

    其他器件。其他的应用于人脸识别行业的器件则与通用的电子行业类似 , 主要包括电源芯片 、 电阻 、 电容 、 电感 、 PCB 敷铜板等 。总体来说 , 国内的供应基本可控,但在高精度要求方面 , 仍需要借助国外供应商 。在全球化产业链高度发展的今天 , 各个领域都有深度耕耘者 , 全球化采购最优器件 , 仍然度的最佳选择 。

    通用硬件

    通用服务器。通用服务器在人脸识别系统中的主要作用是业务系统和管理节点 , 从软件生态的完备性角度 , 通用服务器以 X86 架构为主 , 但 ARM 、 RISC-V 等其他架构的服务器已经崭露头角 。x86 服务器的供应商主要包括 Dell 、 联想 、 曙光 、浪潮等 , 华为的泰山服务器则是 ARM 架构的典型代表 。

    计算服务器。AI 服务器是采用异构形式的服务器 , 出于生态友好和总算力高两方面因素,目前的主流方案仍是 Intel x86CPU+Nvidia GPU, 最新的 8 卡 T4 GPU 服务器 ,能够提供 1040T ( 单卡 130T ) 的算力 。随着专门为 AI 计算设计的 SOC 的成熟,采用 SOC 作为加速卡也成为性价比和功耗比更优的选择 。在 Al SOC 的选择面上 , 国内已然走在行业前列 , 如华为的昇腾 310 芯片 , 单颗算力 16T, 四颗组成半高的计算卡总算力 64T, 但相同算力下功耗只有 GPU 的 l/7o 其他的如寒武纪的 MLU220 和 MLU270 、 比特大陆的算丰芯片等 , 也都已经取得了应用 。

    存储服务器。存储服务器是人脸识别系统中的重要构成 , 是专门针对存储任务进行优化的专用设备 。在硬件形态上 , 其主要特点是硬盘多 , 通常包含 8 至 48 块硬盘 。为了保证效率 , 硬盘通常以 SAS 硬盘或者 SSD 为主 。SAS 硬盘的主要供应商以希捷和西部数据为主 , SSD 的供应商则更为丰富 , Intek 三星以及国内的存储厂商也积极参与 SSD 的竞争 。存储服务器针对软件的优化主要是采用 RAIDs多机分布式等增加存储数据的安全性 , 相关技术相对成熟 。

    智能终端。包括智能手机 、 智慧屏在内的通用智能终端 , 是人脸识别应用的重要领域 。从操作系统层面将智能终端分为两大类 , 一类是采用自有 iOS 系统的 iPhone,牢牢占据了市场占有率的榜首 , 另一类则是应用更加广泛的 Android 系统的设备,又以华为占据 Android 榜单的榜首 , 我国的小米 、 OPPO 、 vivo 也是建树颇丰 。值得注意的是 , 华为和苹果是仅有的两家能够从芯片到操作系统再到软件生态全流程优化的供应商 , 在一定程度上解释了这两家企业的竞争优势 。

    基础软件

    训练框架。目前人脸识别算法大多基于深度学习技术 , Tensorflowx Pytorch 、Mxnet 、 Caffe 是最常用的训练框架 。由于人脸识别存在类别大 、 loss 多样等特点 , 在上述深度学习框架基础上需要结合人脸识别本身的特点进一步的优化扩展 , 其中代表性的开源框架为 lnsightface。在工业界 , 各企业内部往往也有各自的训练平台 , 以实现数据 、 训练 、 部署等环节的协同 , 一些优秀的内部框架也在逐步开源 。但由于训练框架切换学习成本高 , 整体的生态建设仍待加强 。

    推理引擎。推理引擎与训练框架相对应 , 主要用于模型在设备端的高效 ( 前向 ) 运行 。一些训练框架会配套对应的推理引擎 , 也有一些独立于训练框架的推理引擎软件 。此外 , 深度学习芯片也会提供各自的推理引擎软件实现加速 。由于推理引擎往往针对特定结构或者硬件深度优化 , 对于一些新型的网络结构扩展性较差或者优化效率不高 , 容易导致一些新算法无法快速落地 。

    其他环节。人脸识别完整流程除深度学习神经网络外还包括图像预处理 、 特征后处理等流程 。目前缺乏效果且通用的实现方式 , 尤其是在芯片端 ,征比对之类图像处理和数学运算类的功能缺失 , 增加开发成本性能损失 。

    算法技术:近年来随着深度学习的发展 , 人脸识别技术取得了突破性进步 , 全球范围内相关研究团队众多 , 以中美俄日欧等国家和地区较为领先 。根据 NISTFR 町2020 年 10 月的测试结果 , 全球排名前 10 的算法半数以上来自中国 。

    虽然各国的人脸识别算法有性能上的差异 , 但差距并不大 。以 FR 町 VISA测试集为例 , 百万分之一误报对应正确率前 30 厂家性能都已超过或者接近99% 。人脸识别的技术发展已由注重算法精度提升向以改善实际应用效果的方向转变 , 并出现了以下应用趋势 。

    由简单场景向复杂场景转变。简单场景人脸识别精度趋于饱和已经成为业界的共识 , 业界将注意力转移到复杂场景人脸识别问题并表现在具体应用场景上 。从高分辨率 、 小姿态 、 光照适中的优质人脸卡口场景转变到低分辨率 、 大姿态 、 低照度 、 模糊等低画质开放式场景 , 这对人脸识别算法适应能力提出了新的挑战 , 也是业界努力提升的方向 。

    3D 人脸成为配合式应用的重要方向,随着 2017 年 iPhone X 首次将 Face ID 引入手机端 , 3D 人脸识别技术逐渐成为手机厂商旗舰机型的标准配置 。相比于 2D 人脸 , 3D 人脸包含更为丰富的人脸信息 , 对旋转 、 遮挡 、 光照 、 照片攻击等具有更好的抗干扰能力 。在以门禁考勤 、 金融支付为代表近距离配合式应用中 3D 人脸逐渐成为常用的技术解决手段 。

    多生物特征融合成为新的趋势。多生物特征融合能弥补单生物特在的不足 , 实现优势互补 , 提升系统精度,改善应用体验 。在近距离配合式应用中 , 采用人脸识别与虹膜识别技术融合可解决双胞胎等人脸识别难以解决的问题 , 增强双胞胎金融支付应用的安全 ;在安防场景 , 相机角度 、 分辨率等问题存在人脸质量较差以及获取不到人脸等情况 , 步态识别 、 行人重识别等技术的融入能进一步扩大整个身份识别系统的算法边界 。

    人脸识别公平性问题亟待解决。由于安全隐私顾虑 、 经济科技水平落后和贸易壁垒等因素 , 人脸识别技术在全球的整体普及程度仍然偏低且存在发展不平衡现象 。根据 NIST 的分析报告 , 欧美 、 亚洲为人脸识别技术主要供应商 , 各国算法优化主要依赖本国环境,跨人种 、 跨地域 、 跨场景等仍会给人脸识别算法带来一定影响 。除了准确率的持续优化 , 全球范围内安全隐私 、 公平性等问题亟待解决。

    设备及产品

    人脸抓拍机:人脸抓拍机内置 AI 芯片和深度学习算法 , 适应于人流密集的通道 、 出入口等多种场景需求 , 实现对人群中人脸的精准捕捉 。人脸抓拍机目前已普遍部署在汽车站 、 火车站 、 机场 、 港口 、 娱乐场所 、 街道 、 社区等人员复杂场景的重点监控区域 , 对场景的适应性是其性能的重要指标 。在大姿态 、 遮挡 、 光照异常等复杂情况下的人脸抓拍成功率 , 在自然监控环境中误抓率都是设备性能体现 , 也是用户的选择依据 。

    随着安防监控智能化的发展 , 捕捉更精细更全面的结构化信息成为趋势 。目前各大厂商都推出了抓拍人脸 、 人体 、 车辆 、 车牌等多维信息的面向视频结构化应用的抓拍机 , 多 AI 算法的集成以及多路实时抓拍的需求 , 要求前端设备厂商进一步压缩算法模型和提升芯片处理速度 。另外 , 前端设备脱离于后端服务器 , 功能从单纯捕捉信息到捕捉 、 分析 、 决策方向发展 , 这也符合智能前移为边缘节点赋能 , 让边缘感知信息的发展趋势。

    门禁设备:门禁设备是以人脸识别技术为核心的身份识别终端产品 , 它集成了视频采集 、 人脸识别 、 证件识别 、 红外侦测及网络传输等多种功能 。目前市场上的门禁产品发展比较成熟 , 同质化严重 , 但也展露一些新趋势 。

    随着门禁设备的普及化和民用化 , 安全问题越来越受到重视 , 防伪功能成为标配 。由于攻击方式多样性 , 即使配备防伪功能的设备也存在技术缺失或适应性差的问题 , 安全性能有待持续提升并完善 。今年由于疫情管控的需要 , 集成测温功能的门禁设备逐渐普及 。未来安全性和差异化满足个性化需求将成为门禁类产品的重要发展方向 。

    网络硬盘录像机设备:网络硬盘录像机 (Network Video Recorder, NVR) 最主要的功能是通过网络接收 IPC (网络摄像机)设备传输的数字视频码流 , 并进行存储与管理 。NVR 设备内置人脸检测 、 人脸识别功能可提升存储数据的有效性以及关键数据的检索效率 , 目前已成为 NVR 设备的主要卖点 。

    移动终端:随着刷脸功能的普及 , 手机逐步成为人脸识别的重要终端之一 , 通过手机即可完成刷脸登录和刷脸支付 。相对于传统的密码解锁和支付 , 刷脸具有更高的便捷性和安全性 。未来人脸识别在智能手机的普及率会进一步提升 , 也将有越来越多的手机应用借助人脸识别进行身份验证 。

    人脸分析服务器:基于深度学习的人脸识别算法在实际应用中需要消耗大量的计算资源 , 长期以来 GPU 为首的通用架构芯片是进行深度学习计算最常用的计算资源 。然而 , GPU 服务器体积大 、 能耗高 , 在很多应用场景中已成为限制人工智能发展的瓶颈 。

    基于人脸识别专用 ASIC 芯片的解析一体机或服务器 , 在性能 、 成本 、功耗 、 可靠性及适用范围等方面都具有明显的优势 。在很多实际应用场景中 ,专用解析一体机或服务器在提供同等算力的情况下 , 消耗更少的能量 , 占用更小的体积 , 发热量也更小 。例如搭载 “ 求索 ” 芯片的 1 台 1U 依图原子服务器无需英特尔 CPU, 与 8 卡英伟达 P4 服务器对比 , 解析路数相同情况下单路功耗不到后者的 1 0%。

    人脸比对服务器:随着智慧城市 、 一人一档等人脸大数据应用 , 对人脸特征比对支持的库容规模 、 并发量 、 响应速度提出新的要求 , 随之产生专用的比对服务器 。GPU由于生态友好且算力高 , GPU 卡的比对服务器在各行业应用中有较大占比 。与分析服务器类似 , GPU 比对服务器存在体积大 、 功耗高的缺点 。

    FPGA 芯片更合适人脸特征比对运算 , 具有大库容高并发的特点 , 基于 FPGA 的人脸比对服务器在性能 、 层本 、 功耗等方面皆具备明显优势 , 该类产品已崭露头角 。此外,随着 CPU 芯片计算能力和指令集的不断优化 , 芯片厂家和服务器厂家也在联合尝试基于 CPU 的人脸比对服务器产品 , 基于 CPU 的产品方案也值得关注 。

    解决方案

    人脸识别系统业务功能主要包括人脸核验 、 人脸布控 、 人脸检索 、人脸聚类等 , 可以通过上述不同的设备构建不同的解决方案 。按照应用场景和数据规模 , 解决方案可以归纳为人脸考勤方案 、 人脸布控方案和人脸大数据应用方案 。

    人脸考勤解决方案:人脸考勤解决方案可以由单个门禁设备构成 , 亦可由人脸抓拍机 +NVR 或人脸服务器的方式构成 , 包含人脸注册 、 人脸抓拍 、 人脸建模和人脸比对功能,并配备管理系统 , 具备考勤权限 、 数据存删 、 参数设置和隐私保护等功能 。

    人脸布控解决方案:人脸布控解决方案 , 通常由人脸抓拍机+人脸分析服务器构成 。当单台人脸分析服务器不足以提供所需性能时 , 可以采用多集群方式 ;当系统需要接入传统 IPC 视频码流时 , 亦可在分析服务器实现人脸抓拍 。

    人脸大数据应用解决方案:省级 、 全国级静态库检索 , 市 / 县级人脸聚类是常见的人脸大数据应用 ,其解决方案通常由人脸抓拍机+人脸分析服务器+人脸比对服务器构成 , 其系统通常为分布式系统 , 图像处理单元和特征比对单元按照应用所需的处理并发数进行部署 。该类系统通常与其他智能分析系统(如人体分析 、 步态分析)进行打通 , 并利用大数据分析技术进一步提升系统的可用性和整体性能。

    不同厂家人脸产品形态有所差异 , 但其人脸产品的核心功能大同小异 , 因此由人脸产品组成的人脸识别系统功能和流程相对固定 , 上述解决方案具有极高的通用性 。产业链中基础层 、 算法和设备的发展主要在于提升人脸识别的效果和效率 , 不会影响整体功能和流程 , 解决方案是相对稳定的环节 。

    3、典型应用领域

    科技金融。人脸识别在金融领域的应用已经相当普遍 , 如远程银行开户 、 身份核验 、保险理赔和刷脸支付等 。人脸识别技术的接入 , 能有效提高资金交易安全的保障 , 也提高了金融业务中的便捷性。

    2013 年芬兰公司 Uniqul 成为首批吃螃蟹的公司 , 面向全球首次推出人脸识别支付这一创新支付技术 。2015 年在德国汉诺威 CeBIT 展会上马云第一次向德国总理默克尔展示了支付宝的人脸识别支付技术 。同年 , 招商银行在一些支行柜面和ATM业务也开始应用人脸识别 , 随后包括建设银行 、 农业银行等四大行在内的数十家银行都纷纷将人脸识别产品引入ATM 、 STM 、 柜面 、 网点 、手机银行等各个业务环节 , 并逐渐全客户覆盖 。

    时至今日 , 人脸识别技术在国内金融领域已经得到了非常广泛的部署和应用 , 消费者在各个渠道中都可以利用人脸识别技术使用金融服务 ,中国在人脸识别技术的应用上已经大幅度领先国外市场。

    智慧安防。安防是人脸识别市场最早渗透 、 应用最广泛的领域 。根据亿欧研究 , 2018年 , 安防行业在中国人脸识别市场占比 61.2% 。当前人脸识别技术主要为视频结构化 、 人脸检索 、 人脸布控 、 人群统计等软硬件一体形态产品提供基础支撑,重点应用于犯罪人员的识别追踪 、 失踪儿童寻找 、 反恐行动助力等场景 。

    视频监控系统通过庞大的监控网络进行图像采集 、 自动分析 、 人脸比对 , 基于视频帧的 1 :1 及 1 :N 人脸比对 , 可分析人员轨迹 、 出行规律等 , 实现重点人员的识别及跟踪 , 在公安应用场景中达到事前预警 、 事中跟踪 、 事后快速处置的目的 。在雪亮工程 、 天网工程 、 智慧社区 、 反恐及重大活动安保等公安项目发挥了重要的作用 。

    此外 , 在企业楼宇 、 社区住宅的人员管理和安全防范需求场景下 , 人脸识别技术应用非常广泛 , 通过人脸的黑白名单录入 , 可有效管控区域人员出入 ,机器识别的高效率也大幅节省了人力资源。

    智慧交通。国外的公共交通领域对人脸识别技术的应用主要集中在机场安检以及入境管理等特别强调安全的场景 。加拿大渥太华国际机场 、 澳大利亚当地移民及边境保护局与美国海关与边境保护局皆已尝试部署人脸识别出入境系统。

    国内交通领域的人脸识别应用主要包括 1 :1 人脸验证和 1 : N 人脸辨识 。目前利用人脸核验证技术的刷脸安检已进入普遍应用阶段 , 在高铁站 、 普通火车站和机场皆已大面积推广 。而应用 1 :N 人脸比对技术的刷脸支付主要落地在地铁公交等市内交通 , 这种技术能够极大提高通勤人员的出行效率 , 释放大量的人力资源 , 提升出行体验 。同时 , 人脸识别可以对交通站点进行人流监测 ,根据人员出行规律预测交通人流高峰 , 提前做好疏导预案 。

    除此之外 , 在交通违规管控方面 , 人脸识别技术可以帮助执法人员更快速高效地找到违规人员身份信息 , 并结合车辆识别等技术进行跟踪拦截。

    民生政务。政务互联网平台、 公积金 、 社保 、 税务 、 网证 、 交通管理 、 行人闯红灯 、缴交交通罚款 、 住建等民生政务系统 , 已经使用或正在使用人脸识别系统 。政务服务领域的业务点主要有私有云平台搭建 、 政务服务自助终端 、 便民服务平台 。 

    人脸识别在政务系统的落地 , 提升了民众的办事效率 , 公民可以不用窗口排队 , 实现自助办事 , 节省了因人工效率低下产生的耗时 。部分政务还可以通过在线人脸识别认证 , 在移动端线上办理 , 减轻了 “ 办事来回跑 、 办事地点远 、办事点分散 ” 的困扰 。

    教育考试。智慧教育在高速发展的同时 , 不断深入采用物联网 、 云计算 、 大数据等先进信息技术手段 , 实现各种教育管理与教学过程数据的全面采集 、 存储与分析,并通过可视化技术进行直观的呈现 。

    在这个过程中 , 相关科技企业基于自身在人工智能 、 视频可视化技术 、 出入口门禁管理 、 大数据 、 云计算等领域积累的技术产品经验 , 致力于推动智慧教育的行业发展 , 打造升级智慧校园 、 智慧教室 、 智慧宿舍 、 智慧图书馆 、 智慧食堂 、 智慧超市等教育相关的安全管控 、 课堂考勤 、 刷脸消费和智能化体验 。同时 , 人脸识别技术也应用在考生身份确认 。

    智能家居。人脸识别在智能家居中主要应用在安全解锁和个性化家居服务两个场景 。在安全防范方面 , 人脸识别可以提供相对安全和便捷的入户解锁技术 , 将可能逐步替代传统密码或指纹门锁 。智能门铃可以通过人脸识别对访客身份进行识别 。另外家中的监控摄像头可以实时监测 , 如发现陌生人脸立即提醒住户并报警 。

    在个性化家居服务方面 , 智能电视可以采用人脸信息录入的方式创建账号 ,机器通过人脸识别认证 , 有针对性的进行内容推送 , 实现个性化定制 ;智能冰箱可通过人脸识别技术 , 针对不同的用户爱好 、 人脸状态 , 推送菜谱及营养建议 。人脸识别技术在智能家居行业的应用 , 为市民带来了更便捷 、 舒适的生活方式 。

    4、 行业发展趋势

    应用场景向各行业渗透 , 市场规模增长趋势出现分化。随着技术发展和安全性要求的提高 , 人脸识别技术在行业应用中发生巨大变化 , 从安全性可靠性要求较低的行业上升到金融社保 、 证券 、 银行 、 互联网金融等安全可靠性要求较高的行业 。我国人脸识别技术目前主要运用在公共安防 、 门禁考勤 、 金融支付三大领域 。

    区分不同的应用领域来看 , 其趋势逐渐出现分化 。从 2019 年看 , 安防作为人脸识别最早应用的领域之一 , 其市场份额占比在 30% 左右 。随着雪亮工程 、 智慧城市建设的逐步完成 , 人脸识别在安防领域逐渐从增量市场转变为存量市场 。 

    人脸识别在门禁考勤领域的应用最为成熟 , 约占行业市场的 42% 左右 , 随着智慧楼宇 、 智慧社区 、 智慧家居的进一步发展 , 人脸识别门禁考勤市场也将随之增长 。金融作为人脸识别未来重要的应用领域之一 , 目前约占行业的 20%, 并且市场规模在逐步扩大 。

    全球公共卫生环境变化 , 人脸识别迎来应用新需求。新冠肺炎疫情的爆发并在全世界流行 , 威胁人类生命安全与健康 , 引发了一场全球公共卫生危机 。相对于指纹 、 刷卡等接触式身份识别模式 , 人脸识别等非接触式识别模式更适用于当前受新冠病毒影响的全球公共卫生环境 , 减少病毒通过接触感染人群 。

    一方面 , 人脸识别技术结合红外体温监测技术 , 获取人员身体健康状况信息 , 能及时反馈并控制疫情源头 ;另一方面 , 监控系统的全面布控 , 可检测获取重点人员流动信息 , 帮助政府防控管制措施做到有的放矢。

    目前全球公共卫生环境形式依旧严峻 , 根据智源发布的 《 人脸识别与公共卫生调研报告 》 显示 , 受访者普遍赞同加强人脸识别技术的能力 , 81.9% 的人同意增强对戴有口罩的人的面部识别 。为完善疫情防控体系 , 进一步阻断传播源 , 戴口罩人脸识别技术的新需求浮出水面 。

    计算芯片技术发展 , 支撑人脸识别大规模应用。人脸识别算法的工业应用和算法性能除了自身模型性能外 , 依赖于算法运行的硬件芯片环境 。以英伟达的 GPU 和英特尔的 CPU 为代表的通用架构芯片作为人脸识别算法训练和推理最常用的计算资源 。

    同时 , 为了满足人脸识别应用场景的不断拓展和数据量的急剧增长对算力的强烈需求 , 基于领域专用架构 ( Domain Specific Architectures, DSA) 理念的行业专用定制芯片凭借着对特定领域的算法优化 , 可以充分发挥计算资源和算法模型的效能 , 已经被部分厂商应用于人脸识别算法的训练和推理应用 , 如海思 、 依图 、 寒武纪等企业推出的云端计算芯片 , 可以逐渐替代 GPU 成为其人脸识别技术应用的主流计算资源。

    近年来 , 信息量的爆炸式增长给数据传输存储及中心计算带来了巨大的压力 , 边缘计算应运而生 。随着 AI 芯片技术的飞速发展 , 边缘计算设备的算力不断提高 , 越来越多的计算由边缘侧承担 。一方面 , 边缘计算能有效缓解带宽承载 , 提高计算传输效率 , 满足实时响应需求 , 增强数据安全性 ;另一方面 ,模型压缩及加速技术以及适合人脸识别算法运算的专用 AI 芯片不断完善 , 边缘设备的人脸识别算法精度持续提升 , 目前基于 AI 芯片的边缘设备应用基本覆盖社区 、 学校 、 医院 、 园区 、 交通等场景 , 支撑人脸识别的大规模应用 。

    云边端协同部署 , 人脸识别应用迎来新场景新模式。云边端的协同部署模式将人脸识别应用模块分摊到各部分 , 通过前端边缘计算实现布控报警 , 边端对人脸特征做聚类分析 , 云端汇聚有效信息 , 进行大数据对比分析 , 开展调度工作 。

    云边端协同部署方式缓解了云端压力 , 支持业务分级响应 , 云边结合人脸识别系统通过对云端和边缘端资源的统一配置 、 管理 、 调度 , 融合了边缘计算敏捷性和云端大数据全局性的优势 , 使人脸识别系统在带宽 、 并发数 、 响应速度等维度性能全面提升。

    在未来 , 边缘端设备的视频编码能力和视频特征抽取能力将进一步加强 ,AI 应用也会将越来越多的计算承载分摊到前端 。云端则由人像系统 、 视频结构化系统 、 人脸人体聚类分析等服务组成 , 通过分析 、 聚类 、 归档形成各种主题库 , 跟各种业务应用打通 , 满足更多复杂场景下的智能化应用需要。

    算法技术国际领先 , 国内市场竞争激烈。从全球竞争格局上看 , 中国公司在人脸识别算法上具备相当大国际竞争力 。从最新 NIST 主办的人脸识别算法测试 FR 町来看 , 参加评测的供应商有 207 家,其中中国大陆供应商有 31 家 。

    在其公布的几个主要测试集上 , 共有 7 家中国人脸识别算法供应商取得过前三 , 5 家取得过第一 , 且在近一年内保持这一优势 。总体来说 , 中国的人脸识别算法在国际上已处于领先地位 。

    国内市场竞争激烈一方面体现在竞争厂商多 , 包括传统安防企业 、 AI 初创企业和平台生态企业 。传统安防企业从安防市场出发 , 对安防视频行业的痛点和客户需求理解较深 , 拥有产品+集成的优势 , 已构建起很强的规模效应壁垒 。

    AI 初创企业主要是一些新兴的专注于做算法的计算机视觉 ( CV ) 初创企业 ,以 AI 算法为核心优势 , 同时兼顾 “ 硬件落地 ” 及 “ 产品化 ”。平台生态企业 ,依托其强大的云平台以及云计算能力 , 以云平台为核心横向切入 , 整合合作伙伴的应用方案 , 构建统一的生态体系 , 并形成差异化竞争。

    国内市场竞争激烈另一方面体现在全产业链竞争 , 从算法竞争延伸到芯片和平台竞争 。主要市场参与者都已经加入 AI 芯片竞争中 , 安防企业注重边缘侧和端侧的推理芯片 , 初创公司更注重边缘侧推理芯片 , 而平台生态企业则注重端 / 云一体 , 构建从训练到推理的全栈 AI 生态 。下游的竞争主要是应用层的竞争 , 是生态的竞争 , 是深耕行业的竞争 。

     

    04.

    人脸识别标准化

     

    1、 标准化组织情况

    国际标准化方面 , 人脸识别标准化工作主要属于生物特征识别标准化分技术委员会 (ISO/IEC JTC1/SC37 ) 工作范畴 , 其重点关注人脸识别基础标准 , 如图示图标符号 、 样本质量等 , 以及数据交换格式及符合性测试方法等。

    其它关注人脸识别的国外先进组织包括电气与电子工程师协会 ( Institute of Electrical and Electronics Engineers, IEEE) 、 美国消费技术协会 (Consumer Technology Association, CTA) 等,其关注的方向在于生物特征识别呈现攻击检测 、 人脸生物特征识别信息的性能评估等 。ITU 与生物特征识别标准相关的主要是 ITU-T SG1 7 安全标准工作组下设的 Q9 和 Q10 。Q9 主要关注在通信应用环境中应用生物特征识别及其标准化工作 。

    随着生物特征识别技术在电子商务 、 电子健康和移动支付领域中的广泛应用 , 该工作组同样关注生物特征数据的隐私保护 、 可靠性和安全性等方面的各种挑战 。Q10 关注身份管理架构和机制 , 部分标准项目与基于生物特征识别身份认证相关 。进几年 , ITU-TSG16 媒体工作组基于视频监控 、 机器视觉等应用场景 、 功能需求 、 业务需求 、 性能需求以及安全需求 , 在 Q12 、 Q21 等课题组先后开展人脸识别标准的研究和制定工作 。

    国内组织方面 , 主要是全国信息技术标准化技术委员会生物特征识别分技术委员会 ( SACOC28/SC37 ) 和全国安全防范报警系统标准化技术委员会人体生物特征识别应用分技术委员会(简称 SAC/TC100/SC2 ) 负责生物特征识别标准的制定 。其中 SACATC28/SC37 成立了人脸识别 、移动设备生物特征识别等多个工作组 , 发布了人脸样本质量 、 人脸图像数据交换格式 、 移动设备人脸识别等标准 。SA5C100/SC2 发布了视频监控 、 出入口控制等公共安全领域的多项人脸识别标准 。

    此外 , 国内组织方面 , 全国防伪标准化技术委员会 ( SAC/TC218 ) 发布了国家标准 《 生物特征识别防伪技术要求第 1 部分 :人脸识别 》 。全国金融标准化技术委员会 ( SAC/TC 180 ) 发布了国家标准 《 金融服务生物特征识别安全框架 》 , 并且正在制定 《 人脸识别技术线下支付安全应用规范 》 等生物特征识别行业标准 。

    公安部社会公共安全应用基础标准化技术委员会发布了行业标准 《 视频图像分析仪第 4 部分 :人脸分析技术要求 》 。全国信息安全标准化技术委员会 ( SAC/TC260 )发布了国家标准 《 信息安全技术远程人脸识别系统技术要求 》 等。

    2、标准制修订情况

    国际标准化组织和其他国外先进标准组织人脸识别相关的标准统计情况见下表。

    图片

    ▲ISO 国际标准统计表

     

     

     

    我国人脸识别相关的标准情况见下表。

    图片

    ▲我国人脸识别相关的标准情况见表

     

     

    当前 , 我国的人脸识别技术与应用在国际上处于领先地位 ,在科技金融 、 智慧安防 、 智慧交通 、 民生政务 、 教育考试 、 智能家居等多个领域得到了广泛应用。但是,近一年人脸识别技术也出现了很多不良影响,“售楼处暗藏人脸识别”、人脸信息泄露等问题屡见不鲜。随着技术门槛的逐步降低,加强安全技术的研发和应用,完善相关的法律法规变得尤为重要。

    展开全文
  • 亿玛副总经理张弢几位嘉宾从各自角度出发对2012年游戏平台和渠道的变做出分析。    怎么看2012年游戏平台和渠道的变?  倪县乐:我们现在其实是做一个小的转型,我们将自己定位从渠道到做发行商,我们

      12月20日下午,在成都举办的2012GMGC(2012移动游戏大会)上,来自动点科技创始人兼主编卢刚先生,创梦天地高炼惇;飞流九天倪县乐;多盟联合创始人张鹤;友盟CEO蒋凡;亿玛副总经理张弢几位嘉宾从各自角度出发对2012年游戏平台和渠道的变局做出分析。

      

    1

      怎么看2012年游戏平台和渠道的变局?

      倪县乐:我们现在其实是做一个小的转型,我们将自己定位从渠道到做发行商,我们对渠道以及大变革还是有一点体会,我觉得最早我们在JAVA的年代的渠道上,那个时候已经有了苹果的APP Store和和谷歌GOOGLEPLAY的渠道,在塞班上也是只有非常少的渠道,今天之所以有渠道大变革,就是风水轮流转,今天的渠道非常的分散,尤其在安卓的平台上,很难讲哪一家是一家独大,绝对的领先,这个对所有的开发者来说是一个最好的时代,因为这个时候渠道的分散化,使得真正的游戏的游戏变成了内容为王,我们今天看到很多的渠道大佬讲的都是忘仙、战魂等等,我们就是要为这些做好服务,服务才是未来。

      高炼惇:我们从2011年中就开始做发布,不光是广告商的平台,游戏发布的平台,各种各样的都在做发布,从2011年的时候,渠道虽然不是很多,但是其实也多的够开发者去头疼了,到2012年的早期,发现非常非常多的平台,而且那个量也非常分散,导致作为一个CP,你要去发布你的产品的话,要花很多精力。到2012年还有一个问题,就是变现的情况也很局限,特别是在移动上面最好的短贷,但是短贷的支付手段智能在一些局限在游戏GBR或者MMO上面,在2012年最大的变局就是移动把这个业务开始把断代短贷开放出来,在市场上可以用。另外就是也看到很多不同的第三方市场,或者是渠道,或者是平台也开始出现了年投的时候去抢量,但是抢量的时候没有想清楚怎么去变现,在这样的情况下到年尾就开始出现了不够钱撑下去了,要求整合,所以2013年我们应该会看到出现可以变现的平台,而不是出现纯粹只有流量的平台,这是第一点。第二点就是会出现很多平台的整合,这个量会会很小,但是会集中在某几个平台上。

      蒋凡:说变局,我觉得首先是今年和明年是一个亮点,智能手机的数量明年会到四到五亿部的数量,这里面到底有多少游戏用户,不可能是所有的人都是游戏用户,几千万到一亿左右,哪些渠道能够沉淀下来提供高质量的有付费意愿的游戏用户,这是未来渠道之间差异化竞争之间的核心点,未来真正有价值的渠道商可能有几百,我个人判断是一个集中的趋势。可能另外一点,我觉得2013年大的平台的公司,包括腾讯、360也可能会在这方面有很大的发力,尤其是腾讯的微信的也会对整个行业带来很大的影响,开发者需要随时去关注这些变化。

      张弢:我从营销的角度来看这个问题,就是我们更多的是给大家做服务,是希望给大家的流量来做变现,所以从三个角度来看,第一个实际上是一个规模的增长,这种规模大家可以看到在2011年初的时候,这样百万级用户,以及日流量也能达到几百万规模的是非常少的,但是到了2012年随着用户的增长,这样的用户会越来越多,所以我们觉得流量的增长的迅速,会造成一种变局。第二个是从客户的角度来看,我们在2011年初的时候,做了一个调研,我们500家的典型客户,其中只有10%拥有自己的APP,以及Web的站点,但是2012我们看到至少40%的客户拥有了自己的APP,通过APP的方式来进行推广,所以我们觉得这个市场发展的很快。第三点实际上是从技术角度来看,在2011年的时候实际上整个的移动营销的平台,实际上他是比较单一的,以拷贝国外的技术为主,到了2012年,我们会看到有很多创新,所以从这三个角度来看这个变局是成立的。

      从一个开发者的角度来说,怎么去选择平台?

      高炼惇:我想作为一个开发者来讲,去选择什么样的平台,或者是在中国选择什么样的伙伴,第一个是要搞清楚自己想要什么,是想要量还是变现,这个是很多开发者搞不清楚的,很多开发者说我想要量又想要钱,这个是不太现实的想法,一定是有一个为主导的,你知道了你自己究竟是想要什么之后,其实你去选择平台的时候,就变得很简单了。

      张鹤:海外的游戏,中国的市场对他吸引力还不大,尤其是变现来说,相比于欧美市场这些比较成熟的市场,中国市场变现能力还差了很多,另外一方面向中国市场的安卓对它们来讲太复杂,其实它们非常需要中国有合作伙伴能够帮它们解决所有这方面的问题。

      倪县乐:飞流供给手机游戏的开发商,从早期的市场宣传到渠道的推广,到由于上线之后有新的运营,甚至包括游戏的客户,这四个方面的核心服务,这个意义上讲,尤其这个渠道推广跟我们是没有问题的,今天坐在台上的大部分,跟飞流过去已经有很好的合作的东西,不管是多盟还是乐逗,一款游戏可以在多个平台发布。

      腾讯、360这样的大公司介入平台的话会对市场有什么冲击?

      倪县乐:我觉得这对整个市场是非常正面,非常好的事情。至于和大佬是什么关系,我们更多的是希望合作,我们在帮游戏开发商打磨产品,帮他做游戏的运营,帮他做克服,帮他去铺这些游戏的渠道,目前我们已经跟腾讯、91、UC建立了比较好的合作关系。明年飞流只代理的三到五款游戏,如果在飞流打磨得非常棒的情况下,我实际上是帮这些平台赚钱的,这些其实是帮助91的,因为我们和他们也是非常好的合作关系。

      最后主持人卢刚做了此次讨论话题做了总结:

      卢刚:到2013年,从平台本身来说,要知道我们每个平台自己的特点在哪里,创新点在哪里,同时从12到13年的变革来说,每个人都在思考怎么从帮开发者变量到变现,从开发者的角度来说,你们跟各个平台商去合作和讨论的时候,最重要的是要理解你们对这个平台的诉求在哪里,是希望做量还是做变现,能够认清楚他们各自的特点最后。我总结一句2013年不管是平台也好,还是渠道也好,对中国游戏的产业也好,还是对APP的产业也好,最重要的一点是我们能看到越来越多的公司真正开始赚钱,而不是只做一个赚流量的一件事。

      由超好玩特约编辑@行者孙整理。

    来源:雷锋网

    展开全文
  • IT----第二章 产业标准的魔力

    千次阅读 2013-02-26 10:30:47
    第二章产业标准的魔力  任何产业,制定标准的人是赢家。... 产业标准――手中的利剑,但你握住的是剑柄,还是剑锋?  SiliconBeast――IBM将它养,却成为微软腾飞的骏马。   案例:先行者往往先犯错:IBM

    第二章产业标准的魔力

        任何产业,制定标准的人是赢家。

        利用标准的人才是真正的赢家。

        IBM制定了PC产业标准,却让微软利用了它的魔力。

     

        魔力――意味着强大、神奇和不可预知。

        产业标准――手中的利剑,但你握住的是剑柄,还是剑锋?

        SiliconBeast――IBM将它养大,却成为微软腾飞的骏马。

     

    案例:先行者往往先犯错:IBMDigitalResearchApple和微软

        我们现在所认为的高科技开始于1975Altair发明首台人们消费得起而又实用的微型计算机,由美国新墨西哥州的Micro Instrumentation and Telemetry Systems(MITS)研制。French MicralAmerican Scelbi等计算机的发明时间比AItair早,但这些计算机的用处不大。按前美国空军工程师Ed Roberts的策划,Altair按套件形式销售,售价为397.00美元,能接受此价位的用户甚多。根据当时强大的8Intel 8080处理器,添加了键盘、显示器、内存、外部存储设备(如纸磁带阅读器)以及软件,这样装配而成的Altair能够进行实时工作。但是,当此计算机首次推出时,这些配件均不能大量供应。不过,以Isaac AsimovRobert A.HeinleinRobby the RobotStar Trek(尤其是Star Trek!)的神奇构想为基础诞生的新一代计算机不会因为部分不足之处而停止对新世界的构建。在此引用William Wordsworth的诗句与大家共勉:Bliss was it in that dawn to be alive, but to be a young geek was very heaven!

    大爆炸:Altair

        Altair在市场中带来了大爆炸,但如同炸弹爆炸的振波扩散一样,它在微型计算机中的地位也是短暂的。MITs被自身的快速增长所误导和毁灭,这样模式在工业界不断被重复。但随着Altair的耀眼光环逐渐褪去时,剩下的是由CoIBModore PETAppleTRS-80CromencosOsbornes和其他现在早已销声匿迹的系统组成新的竞争格周。

        但髙科技是风云变幻的残酷竞技场。很快,日益活跃的经济涌动开始为微型计算机这片处女地注入强大的活力。无数双贪婪的眼睛紧盯着这座自由岛,并开始策划将其擭为己有。

    ■不菲的筹码

        在早期市场,对微型计算机这块肥肉虎视眈眈的所有竞争者中,IBM是不容置疑的强者。对于很多人来说,IBM不仅仅是一家高科技公司,而且本身就代表高科技,其他公司只是在IBM统治下的臣子而已。1981年,对IBM的敬畏程度达到了一种新的顶礼膜拜层次。IBM成为了"蓝色巨人",在大型机市场,它的主要竞争者被称作"7个小矮人"

        尽管如此,似乎与IBM的意愿相反的是,它逐渐觉察到有一种未知力量驱使人们购买上亿美元的"玩具"计算机。20世纪80年代,IBM开始意识到理解这种力量、参与其中并控制它的必要性了。IBM PC就是IBM为达到此目的的第一次下注。

        大量神话都围绕着这个传奇的系统。人们偏执地认为在IBM出现之前的微型计算机市场是一个乱七八糟的新科技领域,充斥低劣的软件和形形色色的经营者。但在历史上,真相和传奇总是不一致的,这种情况司空见惯。

        真相是,在IBM出现前,微型计算机工业并不是那么乱糟糟的"卖牛市场"cow-town),而是一列呼啸前行的新式蒸汽火车,拥有耀眼的亮黄色、浑身涂满崭新的油漆。大部分乘客在起始站上车并驶向繁荣。这样一个"卖牛"小镇只是旅程上的一个小站而己。坐在Pullman车厢(George M.Pullman设计的豪华型列车车厢,乘客一般为特等客人。设计者为19世纪美国发明家)的是各种体面的人物,他们均身着购自精品店的服装,这是他们获得成功IPO(首次公开发行股票)和再投资收益后的消费。这列车上有硬件上的纨绮子弟,包括AppleCoIBModoreRadio Shack,还有许多8位计算机的厂商,这种计算机运行着广泛使用的CP/M操作系统。他们偷快地工作着,尽其生产能力,以最快速度向市场投放他们的产品。

        家用市场同样生机勃勃,虽然不是同样利润可观,但在每个圣诞节和其他节日里,城镇的每个普通商店里都有父母及其充满渴望的子女在抢购着VIC20CoIBModore64Atari800Texas Instruments94Timex Sinclair(1982年,当时消费电子产品市场的强者Macy's连锁公司(当时,我在Macy's连锁店工作,作为一家人员齐备、货源充足的计算机精品零售店的销售员。该店位于公司第34街旗舰Herald广场内。该商店被授权销售像IBM PCApple IIApple III之类的精品系统,但在它们完成前,我在Macy's的消费电子产品部门上班,这个部门销售一些低档系统,VIC-20Atari 400Atari 800。在圣诞节的前几天,让父母们失望的是惟一现货是被淘汰的Sinclair,这些产品最终被绝望的商店束之高阁。在1982年的一段时间,该商店成为名人和PC精英们的焦点,因为这是在纽约地区少数几个可以买到IBM而不必等待过长时间的地方。《个人电脑》(《PC Magazine》)的创建人Tony Gold某一天亲临该店,为他自己和杂志社的几个职员购买计算机。著名的科幻作家Isaac Asimov也曾经到该店询问微型计算机的情况。我陪同Asimov来到一台Apple II电脑前,坐下来后,他输入了一段BASIC代码,然后马上又被难住了,因为他不知道如何终止刚才启动的循环)在牵诞节之前的一个星期,它在纽约市的旗舰商店Herald Square里,所有面向家庭的微型计算机被抢购一空)。

        在硬件商前面,坐在车厢内的是软件小贩,看起来,他们似乎同样满足。它们也以极快的速度销售着VisiCalcWordStarPFS文件的拷贝。在很多场合,销售软件时甚至不用纸盒,因为需求量是如此之大,顾客宁愿用塑料袋把软件拿回家。实在是一片欣欣向荣的景象!

    ■惊人的成果

        在等待火车出站的所有"乘客"当中,Apple也许是微型计算机领地的早期"居民"中最有望成为该城镇市长的候选人。Apple的中流硪柱系统Apple II以及它的下一代继承者AppleII+均是产业设计和应用上的成功典范。Apple提供的产品外观设计别致,与商业计算机常见的古板工业化设计相比,形成了鲜明的对比。Apple为它们的产品合理定价(一台配置齐全的计算机系统约4000.00美元)。它所集成的彩色显示功能,也给家用市场增加了吸引力,而且,有广泛的商业和娱乐软件供该系统选择。一家名叫Corvus的小公司甚至为Apple联网工作开发了一个专门的系统。总而言之,这是一个引人注目的、最先进的系统,购买者热爱他们的"苹果"

        没错,该系统的确有其自身的特性。那就是用户必须购买一块硬件来升级到以小写字母输入。在Apple中,如果连接软驱不正确将导致磁盘像内部电容一样爆炸,发出巨大的砰砰声,并向驱动器外冒出一股青烟(我在一次Apple维修认证的培训课上看到了此现象。我获得了Apple一级维修认证(1982),并获得了Apple面向消费者零售教育毕业证。你认为送到办公室的Apple III如何呢?)。但人们却宁愿将这些小缺陷视而不见。

        与其硬件设计同样重要的是,Apple是第一台运行电子表格--VisiCalc的系统,VisiCalc是微型计算机的第一个"杀手级应用"killer application)。所谓"杀手级应用"指的是某种产品是如此吸引用户,为了运行这一特定的软件,用户不得不购买相配套的必备硬件。VisiClac就具备这种难得的特征--当一名会计师或CFO(财务总监)看到更新后的电子表格,成排的数据像涟漪的波纹一样在表格上飘舞时,她(或他)就下定决心:一旦拥有,别无所求。管理信息系统(MIS,Management Information Systems,后来称作信息技术,ITInformation Technology)部门也许不关心这些"小盒子"所代表的集中控制权的损失,但公司生活中的一条众所周知的真理是"不要对CFO说不"。而且一旦CFO的秘书(现在称做管理助理)尝试了字处理程序,他也会如此的。Apple与其他运行VisiClac (或它的一些早期竞争软件)的计算机一起都在商业领域快速扩张,这些商业领域均渴望使用它们生产的计算机系统。

        Apple II的成功还做出了贡献的是它相当灵活和可扩展的软硬件架构。与其大部分竞争者不一样,Apple系统是"开放的"。揭开Apple II的外壳后,可以看到一些插槽和连接器,在这些插槽和连接器中可以插入许多不同的附件和升级件,包括内存扩展器、加速卡、拷贝板(在档案工作中用来帮助制作软件位图图像的硬件设备)CP/M(能让Apple II运行CP/M软件)等等。为Apple II提供第三方附件和升级件的众多厂家快速崛起,同时推动了Apple II进一步如火如荼地销售。

        事实上,根据Apple的观点,该系统绝对是太开放了。1980年,以Apple的旗舰产品很快诞生出克隆(兼容)和"灰色"市场,这些产品冠有像PineappleOrange这样的名字,此类计算机产品从中国的台湾地区和其他东方国家以越来越大的规模源源不断进入美国市场。在国内,Apple甚至有了自己的兼容机公司(该公司对于Apple,类似Compaq对于IBM----家名叫Franklin Computers的新泽西公司,它提供一款非常棒的Apple兼容计算机,这种计算机甚至可以方便地输入小写字母。

        Apple对此形势变化的反应预示它将来在Macintosh市场中的相关行动。它聘请了一批律师来扼杀这种克隆市场。律师们完成此任务的做法是说服法院,这些公司复制AppleBIOS(BasicInput/OutputSystem,基本输入/输出系统)、复制让系统与其内部设备通信的内置软件指令集是不合法的。一旦此说法成立,克隆市场马上萎缩,因为这些计算机恰恰是复制了Apple的硬件框架,并配备包含"盗版"BIOS代码的ROM芯片(尽管Franklin费尽心思创建自己的Apple操作系统版本,但大部分人还是通过复制随机附带的磁盘获得Apple操作系统----Apple DOS)。台湾公司撤回到自己的小岛上集中生产IBM兼容机,Franklin计算机最后一次作宣传是1983年在Las Vegas举办的COMDEX(计算机分销商年会)上。它邀请Beach Boys演唱组在一次聚会上为出席的观众表演,事实说明,这次聚会是为公司即将来临的失败而献上的。

        在那个时候,很多人认为,CP/M(Control Program/MonitorControl Program for Microcomputers的缩写,意即控制编程/监视或微型计算机的控制编程)是Apple的巨大对手(虽然CoIBModoreTandy系统也有自己的忠实崇拜者)。CP/MIntergalactic Digital Research这家名字古怪公司的创建人Gary Kildall1974年开发(这家公司后来改名为Digital Research)CP/M设计运行于广泛应用的Intel 8位微处理器8080及其若干克隆产品上,例如最著名的Zilog公司的Z80芯片上。与Apple DOS及其他竞争产品不一样,CP/M与特定微型计算机的相应硬件关联不太紧密。Digital Research利用这一优势打造出一张利润丰厚、前景可观的许可证,并让CP/M以此进军如NCRTelevideoSol ProcessorRadio Shack(即众所周知的"Pickles and Trout",之所以如此称呼的原因已无从知晓)以及Osbome Computing(工业界最早、也是最辉煌的公司之一,它是首台"便携"电脑的创造者,这台电脑只有25磅重)这样的公司。

        但是,CP/M有一个巨大的缺陷。尽管CP/M很容易运行于各神计算机上,但事实上并不存在针对CP/M的硬件标准。打印机端口、显示器,尤其是软盘驱动器在所有计算机上各自不同。因此,为Vector系统购买了MicroProWordStar字处理软件的用户不能保证存储文件的软盘能被Cromenco计算机顺利读出。即使这两台计算机均使用CP/M操作系统,这种情况也可能发生。一段时间后,像纽约的Lifeboad Systems这样的二级销售商开展了一项符合潮流的业务,即为CP/M用户提供软件,以使他们各式各样的计算机可以读取这样的磁盘。

        尽管出现了磁盘驱动器爆炸和不兼容软盘格式问题,但这列"火车"仍然开足马力、轰轰烈烈地向前驶去。不过,当火车出站时,远处突然出现一名单枪匹马的暴徒,他的战马飞奔而来。在火车全速行驶之前,战马赶上了最后一列车厢,歹徒抓紧栏杆,迅速跳上车尾平台。追车者是一名消痩的歹徒,衣衫褴褛,脸部被一顶下拦的破旧帽子所遮掩。他进入火车,大踏步朝前迈进,直达Pullman车厢,我们的硬件商正颇感意外地坐在那里。当歹徒到达他们的车厢时,他们面对入侵者,脸上写满了惶恐。然后,是长时间的沉默。接着,陌生人向上推了推他的帽沿,露出冰蓝色的眼睛。在这双眼睛里,没有丝毫的怜悯之意。他向后掀开斗篷,露出三件套服装,配一件白色衬衫和一条得体的领带。陌生人腰上是一对8088、致命的转轮手枪,在镀铬枪管上赫然印着"16"。扣动扳机,陌生人残忍地干掉了每个硬件商。只有少数人幸免于难。

        IBM PC就是这个蓝眼陌生人。

    ■完美的猛兽

        开发和设计IBM PC的历史被无数次、在无数场合重复讲述着,因此,在介绍该系统对产业的长期影响之前,我只需要简略讲述这段历史就可以了。意识到微型计算机产业的超速增长,而且担心IBM可能会在此过程中被取代,IBM执行小组决定防患于未然。1980年,在一次IBM的高层管理会议上,这个具有先见之明的小组建议当时的IBM总裁Frank Cary必须让公司生产自己的PC,而且要马上付之实施。顺便说一下,IBM PC不是IBM生产微型计算机的第一次企图。早在1975年,它就试图生产委员会管理(management-by-coIBMittee)的计算机,这种计算机陈旧、过份工程化,而且价格过髙。没有人愿意购买,也没有人购买过此计算机。

        为了避免犯同样的错误,IBM批准建立一个"离岸"决胜工程("off-campus" skunk works),用来生产新式IBM微型计算机,它不受臃肿官僚机构的约束。推进这一工作的是Bill LoweJack RogersJack SamsDon Estridge等人。Estridge负责此项目的日常运作,他在后来被称做IBM PC之父。实施此项目的地点选在Bill Lowe在佛罗里达的Boca Raton实验室中。新计算机取名为Acorn。该项目完成期限为1年。

        为了按期完成任务,IBM团队决定不再因循守旧,而是釆取非常规工作方式。他们不准备从内部构建和生产这一新计算机,这种PC主要用从第三方购买的部件组建而成。IBM进行组装、发行,并为计算机提供支持,他们使用IBM品牌,但承包商提供大部分关键部件,包括计算机的微处理器。

        做出此决定后,IBM必须决定新计算机的基本架构。是采用封闭盒式设计?还是像Apple II系列一样采用开放式、可组装式的架构呢?Apple在快速构建对系统的第三方支持方面的成功给Boca Raton的主管留下了深刻的印象,他把Apple看做他们的最大竞争者。经过一段时间的犹豫不决和内部争论后,最终选定了Apple模式。IBM PC将具有若干插槽和一个对第三方开放的架构。

        作为计算机的大脑,PC核心处理器芯片选定为Intel8088,这是一个比Intel新的强大的16位芯片8086稍弱的版本。8088是一种设计上的折中,它是16位内核与周边设备的8位数据通道结合的硅芯片。IBM看中8088的价格以及8位总线,它使计算机的成本下降,使得硬件生产商更容易生产新的附件,以填补PC上的插槽。

        在软件方面,IBM从微软购买了业界最流行的语言BASIC,微软的BASIC是该语言在业界最流行的版本。对于PC的操作系统,IBM没有选中被许多人视为业界标准的CP/M,这个不合时宜的决定现在仍然受到质疑。IBM选中的是MS-DOS,该操作系统从微软购买。MS-DOSCP/M非常"相似",而且与Digital Research的产品一样,与其他基于Intel的计算机的可移植性非常强。

        从成本上看,IBM使用第三方部件意味着,一台配备齐全的IBM PC只需花费4000.00美元~5000.00美元,赠送或购买一两件附件。此费用比Apple II高,但对于将来系统的主要用户、IBM所预料的小型企业来说,这并不存在太大的财政障碍。为了消除人们对"昂贵PC"的感觉,IBM甚至生产了一款简化的促销计算机,它仅售1265.00美元(这款计算机有16KB内存,无显示器,也无软驱)。事实表明,这些计算机很受欢迎,因为一些喜欢动手的用户通常购买它们后,再添加一些更便宜的非IBM部件就使之功能更强(其实,可能也包括你的计算机。当我在Macy's时曾购买了其中二台计算机,并以较髙的价格卖给了我的一位朋友,他在纽约Greenwich Village的一家计算机商店工作。我利用赚得的利润配置另一台计算机)。有时,购买者甚至将它们转手卖给需求量很大的半合法市场(gray market),以赚取一定的利润。

        事实上,IBM已经承诺开放其系统,它沿用Apple的原有开放硬件优势,并在若干关键地方超越了它。Apple使用对BIOS的控制权来杜绝克隆,与Apple不同的是,IBM发布了自己的BIOS规范(IBM实际上认为这是一项防止克隆的聪明策略。因为发布自己的BIOS后,它认为其他公司很难找到程序员来实施逆工程,如果这些程序员从未阅读过IBM发布的规范话。但显然,IBM公司失算了,因为很多公司在该PC发布后的12个月内成功制造出了BIOS的克隆品。似乎不少人从未见过这些BIOS规范,至少,这些程序员是这样说的。IBM的法律部门意识到很难证明有人已经阅读过该规范)。它不允许直接拷贝BIOS代码,但只要理解了它是如何与PC集成的,聪明的程序员就非常容易实现它的功能的逆过程,并制造出等价的BIOS,它的功能与IBM BIOS的功能完全相同。同时,IBM又不费吹灰之力地让PC的硬件接口规范化,并可以广泛获取。另外,IBM无意强制实施它在PC设计若干方面拥有的专利。

        定下战略决策后,IBM迅速行动,在一年内生产出了IBM PC19818月的发布,让用户欢呼雀跃,欣喜若狂。当时的一些头面人物对该计算机是否为真正的16位争论不休,但大部分明智的用户对此并不关心。IBM PC相对来说并不昂贵,而且对于将来的任何用户都是足够强大的。配备齐全后,它可以支持640KB的内存,当时谁又曾要求过那么多的内存呢?它还具备一个不错的键盘、支持彩色图形,在当时来说,它的外观非常时髦,而且可以提供用户需要的任何自然色。当然,IBM的销售商也起到了推波助澜的作用。该PC的销售立即取得了成功。

        现在,IBM已经生产了一台设计精良、功能强大的计算机,它具有纯正的品牌以及开放的架构。那么,IBM应该完成微型计算机硬件产业中最后一件,也是最重要的一件事。但是,IBM没有完成这件事。而且,就这样度过了6年关键时期。

        通过这次"疏忽"IBM释放了业界的第一个、到目前为止惟一的"硬件病毒"。一旦将该"病毒"引入适当环境中,并让它自己繁殖,原本弱小的PC硬件标准开始变异成庞大的Silicon Beast(硅晶怪兽),经过一段时间,它会变得更大。最终,凭借它的大小和影响,PC标准围绕它自己创建了一个硬件产业系统,而且,在没有IBM的帮助和影响下,这个系统能让它继续增长和繁荣。不过,当IBM意识到它的决定性愚蠢的后果时,已经为时过晚。Silicon Beast已经从容地剥夺了其他公司控制自己的机会。此时,一个繁荣和开放的硬件市场形成了,至今,Silicon Beast一直主宰着该技术产业。

        在这一关键时期,IBM的确研制了一些新计算机,最著名的是1984年研制的IBM AT,这个系统在市场受欢迎程度和销售方面均超过了原有的PC。但是,相应的PC平台和架构保持开放,而且相当容易获得。任何人都可以在市场上攒出一台兼容PCAT来,事实上,许多人正是这样做的。包括Compaq(第一台手提计算机制造商)、Dell Computer等公司均切入此市场。在一段时间内,这样的公司几乎有数百家,其中大部分公司现在己经被人们遗忘了。

        为了理解这一事件的特有意义,请试想一下,在早期PC发布20年后的今天,只要愿意,任何人都可以用标准化零件组装一台最新的计算机,而且有上百家生产商可以提供这样的零件。再试试组装MacintoshSun Microsystems SPARC(或者,组装电视机、录像机、DVD机,甚至烤炉),都比组装PC难多了。1994年,IBM最后尝试让兼容机市场围绕MacintoshMac操作系统(OS)发展,但是,Apple地位提升后,Steve Jobs迅速压制了Mac的兼容机势头。在20世纪80年代后期和90年代早期,Sun Microsystems大肆宣扬它将如何发布其SPARC芯片和架构,并创造一个开放、可供选择的硬件平台。但尽管Sun MicrosystemsCEO Scott McNealy做出了这样的声明以及在此问题上的姿态,但该公司通过限制性使用许可条款,以及在硬件平台上玩的猫腻,让所有潜在的竞争者受到控制,并阻止了自由的兼容机市场对SPARC的蚕食。

        1987年,IBM试图挽回这一切,计划通过引进PS/2PC标准收回来。PS/2采用了一种全新的硬件架构,与PC相比,IBM"质量控制"的名义严密控制其硬件规范,而且在竞争对手的系统上使用时要求有相对严格的权限许可。IBM釆取断然措施,为BIOS的每块芯片、每个连接件以及每个组件均进行了严格的法律保护,在每个部件上,IBM都印上了专属性权利要求。为了表明它用PS/2替换PC的决心,IBM在生产新计算机后不久宣布:PC类型的计算机即将停止销售。

        开发PS/2的努力完全是一个错误。的确,新的总线标准比早期的PC标准更优秀、更快。但是,对于当时的硬件来说,新的总线标准并非足够优秀,也不能在推出PS/2后的几年间保持足够的优秀性。由"暴发户"Compaq领导的IBM的竞争对手们快速联合起来,宣布对于那些切实需要更高性能的人可以免费使用扩展工业标准结构(EISAExtended Industry Standard Architecture而不再是IBM产业标准结构了。令IBM懊恼的是,几乎无人再对生产PS/2兼容机感兴趣。因而,IBM被迫从"惟有使用PS/2"的盛气凌人开始收敛,它继续生产优秀的老PC机,而PS/2则跌入万丈深渊。大部分厂商忽略新的简单的硬件架构,仍然继续为广大用户组装更便宜的扣兼容机。IBM现在不再领导市场,而是发现正在被自己创造的Silicon Beast牵着鼻子,被迫与其他乌合之众一起在不断增长的庞然大物后面苟延残喘。

        同时,Silicon Beast有条不素地进军新领域,所到之处,横扫一片。首先消灭的是CP/M计算机,它是极其脆弱之物,由于缺乏足够的市场份额而无法长期生存。然后,Beast开始侵吞AppleII的领地,将它从商业市场挤到家庭和教育的小市场,在这片小市场中,它也将寿终正寝。PC标准的便利本质使之可以生产更便宜的PC。凭借此优势,Silicon Beast开始侵入家用市场,在这片市场中,它慢慢赶走那些平庸的对手,如CoIBModore 64,甚至赶走一些更特殊的对手,如AmigaAtari ST。在Beast庞然身躯前倒下的所有对手中,它们的垂死嚎叫几乎没有引起市场的关注。

        在短暂的时间内,AppleMacintosh上的成功为公司迎来了打造自身的法宝,以及挑战Silicon Beast的机遇。但与Apple IIAppleII+-样,Apple选择了另外一条道路。它停滞于Macintosh处,现在,这只是一片由狂热Mac迷、打印和图形市场维持的脆弱领地。通过异样的工业设计、绚丽的色彩以及比尔.盖茨的忍让,Macintosh在狭小的温室中生存(比尔.盖茨认为Apple的继续存在有利于抵制联邦政府的反垄断调查)。在2002年,Apple占有硬件市场的3%--4%份额,变成世界最大的非关联(irrelevant)销售额达60亿美元的公司。

        对于IBM不幸的是,Silicon Beast不分门第的贵贱。在20世纪80年代中期,几乎是在不经意间, Beast吞没了Peanut,这是IBM PC"堂弟"(下一章将详述该事件)。前已述及,下一个轮到的就是PS/2。然后,Beast进一步切断了IBM的大型计算机的生存土壤。这个曾经是IBM商业模式核心的市场立刻变成一潭死水,接着慢慢萎缩。曾经辉煌的Silverlake也重蹈覆辙(SilverlakeIBM非常成功的AS400小型机的代号)

        贪婪的Beast20世纪90年代将视线转移到有利可图的Unix市场,寻求新的征服目标。相应的Unix厂商(SGI)发现急需提高其利润,因为它们的市场充斥高档PC,这些PC由廉价的内存和不断加快的处理器组装而成。而且,随着Beast曰益变大,现在甚至强大的Sun Microsystems也看到了衰落的可能性。运行Linux的廉价PC的巨大市场,免费Unix兼容系统开始与Sun MicrosystemsUnix版本在功能、性能和可靠性上进行竞争,这一切均使它日益摇摇欲坠。

        在生产PC时,IBM所做出的抉择的长期后果不仅仅只影响计算机制造业。PC的产生导致软件不再依赖于专利芯片。在IBM PC标准出台之前,公司很少购买计算机本身,而是购买集成了公司硬件、软件和服务的解决方案包。在这种受严格约束的环境中,IBM借助无情的市场和优秀的产品攀上了霸主地位。

        但是在IBM的美好(且未意料到的)新世界中,竞争环境发生了翻天覆地的变化。例如,在PC存在之前,微处理器很少受到关注,而微处理器是存在于任何系统中的实际计算器。但渐渐地,人们领会到PC只是一些标准部件的集成,这些部件人人都可以组装。此时,人们才对计算机之间的真正特征区别开始感兴趣。Intel抓住这次机会,利用这一点在后续的几年间跻身为硬件标准的仲裁官,虽然该公司在业界的权威从未达到IBM曾拥有的至尊地位。

        更重要的是,PC标准的创建和发布意味着,现在是软件而不是硬件成为了计算机的力量源泉。随着计算机蜕变为各种几乎相同芯片的大集成,对操作系统、数据格式、应用程序接口以及Web标准的控制权将决定在市场中的霸权以及公司的利润。随着IBM从神坛的跌落,另一家公司将会取而代之,这家新崛起的公司能够更好地领悟新世界的新规则,并能运筹帷幄。"蓝色巨人"注定要衰落,"绿色巨人"必定要崛起("蓝色巨人"roM"绿色巨人"指微软)

    绿色巨人的崛起:Digital Research和微软

        在美国2001年度100家最大个人PC软件公司评比时,Jeffrey Tarter在《Software Success》新闻特写中写道:微软的年收入占这100家公司年收入总和的69%。在操作系统、商业应用、开发工具、因特网浏览器、数据库管理系统以及不同类型的服务器软件中,微软拥有垄断、主宰或重要的市场份额。21世纪之初,微软己经取代IBM,成为计算机产业的霸主。如今,没人会大放厥词说要购买微软。

    ■悲壮的Ahab(Ahab,圣经中以色列国王。最后屈服于亚述侵略者)

        IBMPC一样,围绕微软崛起成为高科技的霸主盛传着许多传奇故事。最主要的传奇要追溯到该公司为PC提供操作系统,这是在商业历史上最绝妙的一击。据说IBM想在新PC上使用Digital Research公司的16位新操作系统CP/M-86(可参见《The Pirates of Silicon Valley》这部电影,这是一部有趣而且表演到位的电影,它对该神话的真实性进行了批驳)

        传说中,由于一系列误解,Kildall拒绝同IBM的代表谈判。于是,IBM转向微软,打算使用它的操作系统。尽管微软没有此类产品,但是该公司欺骗IBM,让IBM同意购买一款并不存在的产品,然后转身从一家小公司Seattie Computer Products购得QDOS(Quick and Dirty Operation System)QDOSTim Paterson编写,用来支持一种8086模型板,这种模型板由该公司卖给软件开发商使用(该模型板的广告出现在《BYTE》杂志上)

        现实的演变与上面的传说不同。情况是,在1981年,业界最大的一条鱼(为IBM PC寻求计算机语言和OS)成为微软的美食,而与Digital Research无缘。在第一次会议上,比尔*盖茨坦白地告诉IBM他们无OS可售。此时,微软大部分利润来自计算机语言的销售,尤其是BASIC。微软为有此良机向IBM销售产品而欣喜若狂,但他建议道,对于OSIBM的代表应该与KildallDigital Research公司洽谈,寻求使用CP/M-86IBM依计而行,到加利福尼亚与Kildall会见。Kildall却认为初次会谈并不重要而未亲自参加,只是让他的夫人(时任公司副总裁)去主持会议。他们在签署一份保密协议时发生争论,双方各执己见,最后IBM无意再谈CP/M-86相关事宜而匆匆离开Digital Research

        IBM临时邀请比尔.盖茨与Kildall会谈,并说服他接受IBM的建议,但仍然无果。在20世纪60年代和70年代培养的许多程序员眼中,IBM被蔑视为一个商业机构。IBM庞大、墨守成规,尽管它的计算机受各地大商业公司的推崇,但计算机迷却无法接近。Kildall沿袭Altair的精神,CP/M的生意也欣欣向荣,他不会为IBM所动,也没有向IBM行乞的必要。只是在Kildall这次回绝后,微软才着手准备OS,并答应为IBM提供一款产品,它开始对IBM PC发布日期的临近日益感到焦虑。毕竟,如果IBM不能发布它的PC,它就不会需要微软的BASIC让所有人感到喜出望外的是(Gary Kildall除外),意外收获QDOS让微软能够实现自己的诺言。

        在这些年间,大量报道描述Gary Kildall的悲哀与不平世界的残酷,但大部分扼腕叹息似乎都用错了地方。Kildall曾有幸让最大的蓝鲸游到他的门前、心甘情愿躺于砧板之上,无奈Kildall未曾举刀,反而弃之而去。公正的人很难指责比尔.盖茨横刀夺爱,掠人美食。而且与Kildall不一样,比尔*盖茨的目标是正确的。事实表明,它与IBM签订的这份协议是微软迈向产业霸主的第一步。

        然而,对于微软来说,这一事件的峰回路转并非代表万事大吉。在微软享用真正的美食前,Digital Research公司还犯了进一步的错误。

        PC首次发布时,PC DOS实际上是收录的操作系统。但是这并非像看起来的那么简单。DOS没有在IBM PC上预装。计算机无硬盘,PC的芯片上不存在DOS。每次打开计算机时,必须从软盘启动OS(作为Macy'S"专业"计算机商店的销售员,我多次尝试给客户推荐CP/M-86,而不是推荐IBM DOS。凭借CP/M8位水平的突出表现,我知道它是上上之选,但产品的价格几乎让每个人却步)DOS也没有集成到购买的PC中。它以独立形式销售,用户必须支付额外费用。在首次展示中,IBM没有为DOS的推广做太多工作,它的重点就是PC。但是随着系统的销售动力的形成,IBM的确注意到PC可用的OS不少于3个:PC DOSUCSD p-SystemCP/M-86。对于有志编写"一次编写,处处运行"软件的程序员来说,UCSD p-System是一个真正的开发系统(对,Java不是首次提出此概念的)。

        CP/M-86?怎么会有它呢?Kildall不是己经在那次传说中的会议和电话中被否决了吗?

        事实并非完全如此。随着Kildall意识到自己的的错误抉择,他仔细研究了即将发行的IBM OS拷贝。他惊奇地发现,它与CP/M实在太像了。这似乎并不公平。他立即亡羊补牢,亲自访问Boca Raton。于是,事情有了转机。现在,CP/M-86成为IBM官方支持的OS,它在IBM的销售包中一起发行,而且可以直接从IBM获得。

        CP/M-86较晚切入市场,尽管缺乏软件的支持,但仍不失为DOS的一个有力竞争者。新闻和技术主管均认为CP/M-86优于DOS,而且,老CP/M软件的发行商也没有发现将它们的应用程序移植到新OS有多难。例如,当时世界上最大的微型计算机软件公司MicroPro就将业界主导字处理软件WordStar移植到了CP/M-86,同样对其他大部分商业软件包进行了移植。畅销的dBASE II的发行商也开发了该程序的CP/M-86版本。开发电子表格、游戏、实用程序等产品的其他公司预测CP/M-86将很快从市场上将DOS驱逐出去。

        然而,事情的发展绝非如此。与Kildall的初始错误相呼应,他在销售CP/M-86时,价格定位上又马失前蹄。当IBM PC出现时,PC DOS的价格为40.00美元(当时任何人均能支付此费用;且该产品被大量盗版)IBM的这一决定使得市场中对微型计算机的OS价格体系进行了重新洗牌(事实上,6年后,该公司发现OS/2也成为被清洗的对象)。CP/M-86发布时售价为240.00美元,此价格与用户购买8CP/M的费用相当。价格上的巨大差异导致CP/M-86几乎不可能出售给个人用户,因而该OS迅速开始萎缩。

        若干年后,Kildall声称是IBM决定了两种操作系统间的价格差异。人们有充分的理由质疑该声明。在1983年秋季的CP/M EAST展会上,最后一个主要商业展示是促销Kildall的产品,来自发行CP/M-86软件的不同公司的一群人在繁忙的展示会上,缠住Kildall就软件的价格与OS的前景展开讨论。在接下来的即兴讨论中,人们不断请求Kildall调整CP/M-86的价格,以便能与PC DOS竞争,而且警告他如果不这样做将会扼杀该产品。Kildall彬彬有礼、面带微笑,但强硬地宣称CP/M-86"价位恰如其分"。在离开展厅观众之前,他还表示"市场会理解玩具OS与专业产品之间的差别的"

        1984年年末,CP/M-86已如秋天的落叶般飘然落地、完全枯萎。

        沮丧的Digital Research欲以GEM夺回江山,这是一款看起来像MacintoshDOS命令解释程序,在好斗的Apple击垮它之前,它拥有短暂的成功。1987年,Digital Research发布DR DOS后,它受到了更实质性的报复。DR DOSMS-DOS"克隆"(不过,到底谁是谁的克隆系统仍争论不休)。虽然没有一家主要PC厂商选中该产品,但在这几年间,它与二流和三流制造商之间的买卖不亦乐乎,同时也让微软和比尔*盖茨隐隐作痛。

        微软在评Windows 3.1的测试版中警告用户,若与DR DOS一起使用Windows时可能会发生一些"问题",此时DR DOS出现了灾难性的一幕。这完全是胡说而已。DR DOSWindows 3.1工作良好,而且公众压力最终迫使微软放弃这一不明智的决策,但在这期间,对DR DOS市场的危害已经见效。

        更重要的是微软在使用许可协议中所做的变化,按此协议,如果不同时购买Windows就很难购买MS-DOS,而且,如果专门购买微软产品则可以享受优惠。这些属于强制的措施,在微软后来应诉美国政府对它的垄断商业行为的指控时,成为不利的证据。但是,即使微软是一位慈善、文雅的对手,在市场按Macintosh的方式无情地迈向GUI的计算模式时,DR DOS也永远不能成为主流,除非IBM介入其中,发挥引导作用。

    ■克隆产品的进攻

        与微软成为霸主的第二个传说是,原有的DOSIBM签订合约后,立即为该公司提供了大量相对于其竞争对手来说不公平的优势。同样,这与真相有所出入。随着时间的推移,的确证明了微软的DOS合同是一笔可观而稳固的财富来源,但IBMApple和其他公司也利用微软的QDOS,得到工业界一座闪光的金矿。

        从经济的观点看,原来的DOS订单为微软的口袋装入了大量财富,PC DOS的畅销也为公司带来了滚滚财源。但更重要的是,该合同让微软可以将DOS再销售给其他公司,事实上,微软立即着手进行MS-DOS的销售。

        不过,此业务也并非如微软原来想像的那样有利可图。IBM PC的首批"兼容"机并不是真正的克隆,它们尽量对PC的设计进行改进。来自DECOtronaRadio Shacks VictorTexas IntrumentsHyperion以及其他一些销声匿迹的公司的计算机被称做"MS-DOS兼容机"。一些计算机提供了较好的硬件支持,支持不同的键盘布局,并提供了较理想的图形功能,这是原始PC中较薄弱的方面。

        然而,正是图形支持和兼容性的问题,被证明是MS-DOS计算机的致命因素。软件开发人员很快就发现MS-DOS的一个毛病:显示图形速度慢。为了解决这个问题,软件开发人员迅速掌握了绕过OS,直接调用IBM的图形硬件的技术,以提髙屏幕的显示性能。

        MS-DOS兼容机的出现使软件开发人员陷入进退两难的境地。他们应该开发自己设计的软件版本来支持这些新计算机吗?其中大部分计算机还没有占据实质性的市场份额。或者,应该避开锋芒,使用MS-DOS来处理屏幕更新?大部分人选择了回避,因此,MS-DOS兼容机的用户不得不习惯他们的软件在系统上蜗牛一样慢腾腾地爬行,而IBM PC用户却能充分享受字处理软件和电子表格带来的高效率,这些软件也似乎突然引起了人们的关注。结果,对MS-DOS兼容机的兴趣很快被怀疑的眼光取代,紧接着抛来阵阵讥讽。人们对MS-DOS兼容机索然无味,而对IBM PC或真正的PC兼容机(它能运行IBM PC的软件)趋之若骛。MS-DOS兼容机市场迅速瓦解,微软的优势也似乎不如以前明显了。

        但是幸运之神对比尔.盖茨和他的公司又投来青睐的眼光,因为IBM释放了Silicon BeastMS-DOS兼容机市场萎缩后,IBM兼容机迅速取而代之,这些兼容机能够处理PC显示和图形,而不需要与计算机特定的配置。新一代兼容机进入市场惟一需要的是MS-DOS使用许可。微软与IBM的买卖才真正开始变成黄金。

        微软的巨大财富是建立在IBM十多年来寻求MS-DOS的替代品而做出的蠢事基础上的。第一个败笔就是TopView,这是1985年发布的一款笨拙、多任务处理、基于字符的伪OS,时值AppleMacintoshGUI的好处赢得了市场。下一个败笔即所谓的CP-DOS(这是它的众多名字中的一个),这是为了充分利用IBM AT80286芯片而创建的一个OS,可惜的是此计划流产了。继而,由于CP/M-86的不同版本均未能圆满完成,Gary KildallIBM连续不断地骚扰弄得伤心不已。OS/2也已经每况愈下。在20世纪90年代中期,IBM与微软分道扬镳后,它甚至试图在零售和原始设备制造厂商(OEM)市场销售自己的DOS版本,但其命运与OS/2一样。

        就像IBM在开发DOS的后续产品中从未成功过一样,Apple从未继续它自己的早期产品Apple II的辉煌,而且从未让Macintosh OS在开放环境中保持增长和繁荣。Digital Research也最终逐渐碉谢,不能从它的早期失误中恢复元气。

        20年期间,微软充分利用对手的失误和愚蠢,慢慢将自己在桌面0S上的优势转化为对被证明是高科技最具有战略意义领域的绝对控制权。以Windows这个总旗帜为根据地,微软的势力慢慢扩展到控制商业应用市场,然后转战成为Web领域的又一面旗帜。与它的竞争者一样,微软的商业行为不会百分之百地中规中矩或体体面面。但与它们不一样的是,微软始终如一地避免一而再再而三地做蠢亊,因此也取得了辉煌的胜利。

    展开全文
  • IT----第七章 企业并购的陷阱

    千次阅读 2013-03-05 10:39:29
    企业并购——买最好的,还是买最需要的? Borland——花钱买麻烦的"软件野人"。 Office——企业并购的一面"镜子"。 案例:被咬死的法国人:Borland和Philippe Kahn  起初,Borland International
  • IT----第八章 品牌战略的迷茫

    千次阅读 2013-03-06 11:04:04
    第八章品牌战略的迷茫 品牌战略到底是什么? 是市场号召力?是市场责任?是产品和服务...... 是;...又都不是....数字DNA——Motorola还是不明白  案例:被煎熬的品牌:Intel和Motorola  对于所有业
  • IT----第十章 企业公关的真谛

    千次阅读 2013-03-08 10:46:10
    字处理引入了模板的概念,这一概念从此被所有桌面出版软件和部分竞争对手的字处理系统所采用。在产品排名上, DOS 版的 Word 通常是紧随 WordPerfect 位列第二,偶尔也会超过它。然而这一情况在第一版基于 Windows...
  • 好书推荐--《IT

    千次阅读 2005-02-19 22:12:00
    在这个意义上,“IT”可以成为“IT成功秘籍”,因为你如果真能吸取书中分析的那些重大失误的教训,不再犯同样的错误,那么你就比竞争对手有更的成功把握。正如本书开头所说,“竞争的本质不是比强壮、比敏捷...
  • 第十一章科技虚幻的诱惑  网络是一个科技包装的虚幻世界, ...  虽然是虚幻世界, ... 虚幻一一在虚幻的网络世界里,... 科技一一社会应该适应科技,还是让科技适应社会? 案例:因特网和ASP的大起大落:为数众多的.c
  • 社交网站大乱 更互连还是更混乱

    千次阅读 2008-05-16 09:39:00
    由传统媒体集团开发Flux,在社交网络圈的名声不大,而尚未走出科技博客社区的MyBlogLog,也谈不上成功。拥有全球最大的社交网络和开发者活动中心能让这两只麻雀摇身一变为凤凰吗? Google和MySpace都誓言在各自的...
  • 总体而言,这本书正如作者在文末交代的那样:”当我决定写这本书的时候,我就希望这是一本不同于我过去的书,甚至也不大同于同领域其他书的独特的书”。 在作者古典看来,长久以来个人成长类的书籍主要有几个...
  • 5月份郑州楼盘集中放量,打折促销优惠等密集...业内人士认为,郑州放松限购的可能性不大。  5月份至少15家楼盘在售  各种优惠比拼  上周末,郑州高新技术开发区某楼盘三期两栋楼认筹,约700套房源出售,当天
  • 下半

    2008-08-19 08:29:00
    记得,第一次听这首歌的时候,觉得很搞笑,没啥感觉,那时候我十八岁 后来再听的时候,感觉:幸好我只有二十一岁,还差两年 前两天听得时候,突然发觉:自己已经庸庸碌碌过到二十四岁了 九下半 我也想宣布独立...
  • 国家海洋第二海洋研究所(海洋二所)考研答疑

    千次阅读 热门讨论 2016-02-15 21:07:54
    高校凭借学生们的口口相传自然在知名度上占据优势,而一些研究类的院所之前一直鲜为人知。比如在海洋领域,国内除了那些比较知名的院校之外,海洋和中科院下属的几个研究所也具有研究生培养资格,并且在研究所...
  • 药监拟禁止非处方药发布广告遭药企反对|药监|禁止|非处方药  中广网北京10月12日消息(记者 李欣) 据中国之声《央广新闻》报道,日前,多家媒体报道,国家食品药品监督管理正在酝酿修改《药品广告审查办法》...
  • 《九下半》

    千次阅读 2011-09-03 10:09:04
    我也想宣布独立 我握着笔但是父母亲不肯签订 ...我只是个长不大的小孩子 多么尴尬的岁月多么尴尬的日子多么尴尬 好想改变一切只是没有银子更没有方法 人生的关卡我被不停冲刷 到属于这人生棒球场上场 我
  • 如何构建互利的共赢模式,实现支付市场的“破”,成为摆在各方面前的关键问题。   一块十年做不大的蛋糕   作为移动互联网和3G增值业务的焦点,移动支付大大丰富了人们的消费方式。相关数据显示,...
  • 大学时期要做的50件事

    万次阅读 多人点赞 2016-05-15 17:30:02
    大学是独立人生的开始。放下高考的重担,踏在大学校园的林荫道,有时真觉得无所适从,以前的学习、生活从来都是别人安排好了的,我们只要努力地尽...这是每一个学生都应该思考的问题。   道路有多种,有人选择学
  • 附件1:国家海洋2016年事业单位公开招聘考试大纲国家海洋事业单位公开招聘工作人员笔试是根据人力资源和社会保障部及国家海洋有关规定,结合海洋工作实际需要,对应聘局属事业单位人员进行的海洋基础知识、...
  • 爆裂:未来社会的 9 生存原则

    千次阅读 2018-04-12 10:41:39
    对未来的预测不仅困难,而且必要性不大。 那么面对这样一个未来,人类应该怎么办呢?伊藤穰一从9个角度谈了他的破方法。 第一,涌现优于权威,意思是说新的事物(比如新技术)比过去的权威更重要。在这种前提下,...
  • 大学,我的三个不爽的事

    千次阅读 2020-11-19 16:26:16
    12000并不是一笔巨款甚至对一些人来说大佬就只是一点小钱,对于现在没有参加工作在读大三的我来说确是很一笔钱 ,在发现自己被骗后第一时间报了警,在警察的两个小时跟经历了几年一样,在发现自己被骗后我已经...
  • 5G的落地现状与未来变

    千次阅读 2021-05-17 10:14:25
    “现在的5G手机基本跟4G时代的手机没有多区别了,比最初的体验还是有着非常的提升,尤其是5G信号在城市基本上还是能够连接的上。”在经历了首部5G手机糟糕体验后的小张,如今已经换上了华为的5G新机。当5G逐步...
  • 垂直电商生死:赚钱是王道

    千次阅读 2012-11-27 16:25:05
    谁让人家流量呢!”一向“嘴巴”的当当网CEO李国庆做出了一个重要决定:当当网图书和百货品类将全面入驻天猫商城。在“光棍节”电商促销即将来临之际,李国庆此举颇有些无奈;他号称,当当网将专注于图书、...
  • 万元,)原董事办公室主任方烨出任董事长、总经理为原董事办公室副主任詹俊武,一同去的还有原主管信息化建设的两个副总裁,其余原董事办公室(上海)一干人员包括司机等悉数在册。据说这是宋如华个人借钱给...
  • 企业开发的困境与变

    千次阅读 2011-12-30 10:33:36
    算起来,《程序员》已经有几年时间没有篇幅讨论企业软件开发这个话题了。这其实挺奇怪的。要知道,按类别来分,国内从事企业软件开发的技术人员是最多的,从CSDN和《程序员》联合举办的“2011软件开发者年度调查”...
  • 但最近逐渐发现,我熟悉的领域,不少分析都是YY,作者往往在不知道或者误读了很多客观事实的前提下,做出了一些推理,这样的结论,显然就价值不大了。真正在做事的人,其实都想了很多我们尚未想到的,但他们反而是不...
  • 住得越高越安静? 中间楼层噪音最大

    千次阅读 2016-09-06 10:42:44
    刘莎建议,选购房子时,还是尽量挑选采光好的高楼层。  【探因】  市环境监测站:理论上10层左右噪音最大  昨日,记者将采集到的数据提供给南昌市环保,市环境监测站监测二室闵主任告诉记者,...
  • =r: if checkInfo(city[mid], sign[mid]): l = mid+1 else: r = mid mid = (l+r)//2 city.pop(l) city_sign = dict(zip(city,sign)) return city_sign print(getCitySign()) 不过这里用处不大,后面还是以直接删除 ...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 11,792
精华内容 4,716
关键字:

局大还是部大