共享经济
1978年的论文里面第一次就有提到
小猪短租，最近拿到3亿融资
Ofo传言要倒闭，ofo与魔拜要合并，拖欠富士康工资的传言；那么该如何看待这个行情呢？
大体趋势是会扩张的，但是会遇到问题也是很自然的现象，需要解决很多痛点问题。他们只注重技术，并没有注重投资，融资能不能到位，财务和风控。资本能不能得到支持。资本也是惹火了的。需要对资本进行细分。创业者需要对资本好好利用，把财务结构调整好，能够始终使得资本是良性的，要能够活下去。
滴滴事件连续2件事件，滴滴到底做错了吗？
优步在欧洲均被追究刑事责任，包括香港和台湾，日本。（因为优步的无牌照服务），由此可见，中国的环境比较宽容。创业者要倍加珍惜国家的宽容政策。但若是监管过严，那么是不是会导致出租车数量不够。出租车的定位其实并不是必须部分，可以没有出租车，但是不能没有公共汽车，不可能满足所有人都需求。若是做网约车被撞了，可能保险公司不会进行赔偿。
着重监管、技术。
对于企业投资，好像并不是受影响。但是事情发生后能不能把问题解决，或者完善。这样后期企业就不会进行投资了。
滴滴司机一键报警，甚至司机不能被察觉。
平台需要承担社会责任和对客户负责任的责任，并且需要明确的态度。而且事情不能把所有的事情都推给监管方，例如一键报警。企业自身也需要做些科技创新的措施。
电子商务平台责任法最近也有更新。
Block chain（区块链）
共享创业公司出事，虽然投资公司从法律层面没有责任，但是从道德层面来看，其实还是还有很多问题。
共享经济的数据归属权？
例如小猪短租，现在没有一个标准的答案。现在在欧洲开始有人在界定。目前小猪短租就是不明确，现在还是模糊状态。说明未来的隐私保护还是会很吃香的。合作伙伴其实还有合作伙伴，这种说法还是很模糊的。也可以说属于消费者。但是目前在中国还是很模糊。共享经济还是得靠政府出一份力的。
2018年2月国家开始出台最近类似的法律。
数字经济
演讲者：CCF名誉理事长：李国杰工程院院士
中心点：需要排除左右的干扰，就是不能偏左，也不能偏右。
2017年电子信息产业收入18万亿，2017年全国GDP才82万亿。大数据相关收入仅为4700亿。占比如此之小，那国家还如此重视？
本质上是认知技术，决策技术。
大数据：规模大、影响大。大数据的作用不能只看GDP统计。更多在思想观念、还有认知方面的观点，这些并不好统计的，并不适合数字经济的统计。更多是对经济效率，用户体验这类有巨大提升。
2018.7时的统计数据
苹果（9360亿美元）
亚马逊 8800亿美元
Alphabet 8250亿美元
微软 8077亿美元
Facebook 6033亿美元
阿里巴巴 4872亿美元
公司市值越大，跟公司盈利，不就相当于母鸡和下单的关系。
看到这里，突然想到华为的市值，百度一下居然没有上市。还真的是闷声发大财啊。
数字智能仅仅是使能作用，还不能成为一项通用技术（类似电气）。并没有产生什么新的产业，只是提高效率，提升生产力。
我国现在人口红利逐渐消失，需要提升效率。目前只是吹的比较大，其实大数据和人工智能做的贡献并不大。目前TPF并不大，可以参考这个指数。其实表现挺差的。
2001-2003年中国技术效率的年均变化率是-0.02%，2008-2013年，中国大数据企业的技术效率平均变化率为5.9%，效率低是明显的短板。
大数据比高性能计算差了4，5个级别。比如Spark和Hadoop能效极低。目前噱头太大了而已。
目前人工智能仅仅处在信息时代，远远没有进入智能时代。只是人们对他期待太高了。
20世纪最伟大的工程技术成就：计算机仅仅排在第8名。而影响人类数千年的发明是油灯。
我国服务业的比重仍然偏低。仅仅百分之50，低于平均GDP的其他国家的水平。
全球上市2000强企业，美国有14家芯片公司和14家软件公司，中国没有一家。华为大概排5，6名，但是没有上市。我国人工智能基础层、技术层、应用层的人才数量：3.3%，34.9%，61.8%，后者是美国的数据（22.7%，37.4%，39.4%）。我国大多还是在应用人家的技术。
北京大学经济学院院长：孙祁详
1978年时，全中国共计有359万台电话，电话普及率0.38，不及世界水平的十分之一。2017年，移动电话每百人拥有102部电话，不包括座机。孙教授曾经是话务员，对这些数据比较清楚。
稿子一直在修改，可以看出他们都是一些很优秀的人。
经济学是研究资源的有效配置的一门学科。对供求关系进行了详细的剖析，讲的还是听深度的，有点不是很懂（对经济学的专业素养较高）。
从点对点变更为空间格局。提升了供需双方的能力和水平。
农业社会、工业社会、信息社会调整起来更加灵活和快捷。
信息不对称：bat、华为等类似大公司是否会滥用市场势力，其实也是一种垄断，是否会影响消费者的利益。市场的边界越来越模糊。
信息安全、网络安全，双刃剑（带来问题、和解决问题从来都是伴随着人类社会发展的）
现代经济学之父的亚当.斯密的《国富论》
人与技术、人与社会，人与自然，人的全面发展。不能光谈经济，也不能光谈技术，需要结合在一起。（需要努力）
CPU和XPU的未来之路
摩尔定律（18个月性能翻一倍）正在ending，but转化为多核，but，but，but it is not scalable（数量不能太多），why not Scale up the number of Cores?
因为存储受限理论
1ZB什么概念呢？
边缘侧（部署起来灵活）、云端（有延迟）
人工智能的过程：感知&建模&预测&决策
目前cpu的速度够用，也能提升。只是因为内存和存储的问题，导致目前速度难提升。若内存若优化后，速度很快地会上去。
端处理的原因：1.拿到数据第一时间需要处理；2.数据的隐私性，不能上传3.数据和云之间的连接不可靠的，不稳定的，有限的4.端需要有自己的决策，不能完全依靠云端。
不同家公司生产的芯片，例如GPU，这样对开发者开发难度太大了。该如何处理目前寒武纪cpu呢？
可能还是得需要一个过程吧。趋势应该是往更通用的过程发展。会有更通用的编程语言，编程范式会出现。
Cpu主要以64位的浮点运算，而xPU是专用芯片，通用性没有那么好。
算法好，在cpu上面跑的好。但是在GPU不一定好，想想自己的研究还是很浅。不要畏难，算法好不仅是技术好，而且还要服务架构好。（有一个人谈技术谈到太深了，被梅宏院士喷了，哈哈。华中科技大学的金海老师学乖了，说课后谈。迷之尴尬）
到底是软件定义一切还是硬件定义一切呢？
Xpu很难成功，GPU是一个例外。（这是一位老师的看法，具体技术细节没太听懂），就算你做出来了，而且还得有一个生态。GPU就是因为英特尔有个图像的生态，所以成功。
大部分还是更加支持软件定义一切。
应用驱动发展，软件定义一切，硬件改变未来。
GPU仅仅目前只是一个加速器，并没有说不要cpu。
未来xpu是作为协处理器呢还是干脆不要cpu呢？
生态环境有了之后，可以直接用仅仅用xpu。
Cpu会永生。
加速芯片仅仅是辅助的功能。
技术需求角度去看，通用部分和特定计算（计算极致），这样就出现了cpu和xpu。
产品形态，另外去看，产品定义的必要性。
Cpu+gpu，cpu+npu（手机里面），从技术需求和产品形态去看。（我个人也更加认同最后一个观点）
Xpu仅仅是一个加速器，不要听炒作，吹嘘的太大了。
软件工程50周年2018年
1.AI和可靠性工程的问题
软件定义一切
日志数据也可以做数据分析
AI真的可能会有危险？倒不是因为AI有情感，只是代码可能会有问题，也即是可靠性的问题。
可能设备上面贴上胶带，那么自动驾驶可能就会出问题。之前所设置的模型就会出问题。也即是软件测试（AI软件除错），李世石赢了阿尔法狗的那一局，也是有一步棋故意走的比较奇怪，模型的行为覆盖率非常难覆盖。
数据不同、网络不通、random去测试错误率
Software is eating the world, and AI is eating the Software.
- 未来5到10年，软件工程会出现什么问题，比较重要，有可能会被解决？
理论和实践结合可能会更多。
软件运行时间、用户体验、运维方面（三个方面都需要数据进行驱动）
微软：data driving 的企业文化（运用到软件开发里面去）
程序语义的深度理解
AI可以取代人工劳动力暂时还不能，因为软件可靠性的问题还很大。未来5到10年必须要有突破。更需要有规格化。可是自动驾驶又需要上路，所以还有很多问题需要解决。
哪一种是机器最可能可以取代人的？
测试是最容易被取代，但也不是完全取代，把测试人员一些琐碎而不复杂的工作可以作自动化。软件工程中越后面的东西越容易被取代。因为新的环境和新的工具出现时。
2000年之前，关注是需求较为稳定的大规模软件开发。 那个时候编码可以被取代。
2000年以后，关注是需求相对不确定的大规模软件开发。 这个时候需要采用敏捷、迭代式的，这个时候编码需要由人来做。
开发、部署、运维。
软件工程最想造出银带（银蛋）？
越是可定制的就是可替代的，越是与现实世界的则不可被替代。
机器还是和人工存还是比较好，这样可以更好提高生产力。
架构设计比较难取代。局部的好解决，系统性的不好解决。
开源代码的复用性会提高，而私有代码会减少
低时延数据中心操作系统
上海交通大学：陈海波教授
100ms amazon 10亿美元损失
500ms google 35亿美元损失
时延包括系统时延和网络时延
迁移数据>>迁移计算
SDN—SDX(发展到如今的SDX)
大数据人工智能：热点炒=》入门甜=》变革痛=》成功难
转型期=》需要去浮躁+去功利 知止而后有定，定而后能静，静而后能安，安而后能虑，虑而后能得。