近几个月看到所谓的BNPL的新闻越来越多，很多支付企业加入了这个战场。
所谓的BNPL——Buy now，Pay later，就是先买后付，还是无息的，无疑是在目前的信用卡体系上再加一道，也是跟目前信用卡体系直接竞争的模式。
一定程度上是因为信用卡体系由Visa和MasterCard主导，其垄断方式令费率上涨，疫情期间收入下降让习惯于提前消费的消费者出现其当前消费能力下降的局面，而消费可不能降级，于是这种fintech就受欢迎了。
长达6周的免息分期付款，然后分期还可以再选择信用卡，于是无息还款期就超过两个月了。
归根结底还是无限QE和零利率的大环境导致的。
所以FED放水，各种商业结构就要相应调整，已有的合约不改变的情况下，额外衍生一些新的玩意。
整理笔记，没法记录在onenote上。
无现金社会达成后，会出现一种无现金的文化，就跟之前现金文化一样。我们如何看待我们的财富和支付能力，电影和小说中如何描述人们如何有钱或一贫如洗，数字化是可以做到一点，但是信用体系似乎描述起来又只有屈指可数的几个场景。
实体的卡，比如百夫长可以让事情容易一点，但毕竟不如现金那么普及，这世界上很多人也不清楚卡是怎么回事。动不动炫耀账户上的数字更是隐私保护的大忌。
这种无现金文化该怎么表达，还是值得思考的。
所以一些支付应用的卖点的UE，在一个普遍受用的环境下，frictionless的购物、支付，这样就足够了……？
无现金的技术和架构也出来很多年了，大体上不会形成太大的问题。有点可悲的是，由于V和MA实在是太强大了，以至于网上购物也只能沿用老旧的信用卡技术体系。
这是一条当时的笔记记录。CNP（Card not present）欺诈的根源，是信用卡技术体系并非为电子商务而设计的。但电子商务起来迅猛，信用卡产业链又不希望失去这一大市场，于是增加了EMV 3DS这种补丁式的标准。
政府的支持和公众的信任。政府无疑是乐于见到无现金社会出现的，前提是不冲击其法币基础。不受政府监管的加密货币会在强权国家受到政府的抵制和禁止。小政府国家只有靠央行和法庭去限制，民间行为很难控制。
无现金还有一个问题是，当它与现金对立之后，公众会将其视为一种方式，但实际上无现金支付方式五花八门，八仙过海，其通用性和普及性还有漫长的路要走。
最后估计还是政府、央行、卡组织才有能力去统一，也同时可以承担公众普及的成本。
这个专场对于我来说，算是一个扫盲性质的，听了几个讲座后，大概知道联邦学习是一个什么样的模式了。
杨强是港科大的教授，微众银行的高管。他对联邦学习的介绍还是很清晰的：https://www.leiphone.com/news/202008/hBACeSbAY8PIOcbh.html
联邦学习的背景是1.数据的来源碎片化，且难以标准化，2.数据的合规性要求限制了中央处理。
继续阅读选这个来听，本意是希望听到关于企业SaaS怎么做的讨论，但遗憾的是，还是偏少。主要是企业服务如何匹配新基建等大方向和大趋势的。
信通院政策与经济研究所副所长何伟，https://www.leiphone.com/news/202008/PG3C7FP2gUzNXNAd.html
重点在于产业发展的时间和方向，企业服务应该与其保持一致。
阿里巴巴副总裁，郭继军，https://www.leiphone.com/news/202008/wvoatM5VImhgvrGQ.html
企业服务中，数据凌驾一切，打通数据间的障碍，后挖掘及形成新的业务。而对阿里来说，目前则不纠结于具体是哪个云，哪一家的云，只考虑将其打通并组合给应用。
继续阅读其实这个专场更多的是老生常谈，因为世界的变化方向已经很明显了，我们一天天地看到AIoT的临近，只是是谁推动的差别。
谭建荣院士的报告，应该算是一个总体的介绍，虽然我知道很多人并不需要这样的介绍。https://www.leiphone.com/news/202008/k6OvGuYih46R9IBb.html
印象最深刻就是5G+IoT这种异构网络下，很多传统的网络方式会被替代，沿用过往的经验可能并不合适。自组织网络跟M2M又是相互相成的，M2M会衍生新的业务需求，但基本的M2M需要自组织网络，M2M的业务设计也应假设是自组织网络下。内容分发上也有新的考究，毕竟5G下，存储尚未出现一种更优的形式，P2P该怎么走？
继续阅读次日，选了机器人前沿专场和AIoT专场来听。
开场的报告是加拿大工程院张宏院士作的。他也即将在深圳建立有实验室，但此次是用远程的方式进行演讲。
https://dy.163.com/article/FK6GSE5D0511DPVD.html
讲的范围不多，集中在机器人如何得知自身处在已知地图的何处。包括对视野中的各种物体的标示（全局/全景描述符），Deja vu的时候各种不同的外部环境产生的变化如何识别，二维点云计算即确认，图像粗匹配、精匹配，雷达和视觉的信息融合等等。
不过他说的是已知地图的情况。结合去年有个讲陌生环境下的digital twin构建地图，就可以多机器人联合制作地图并进行相对定位了。
继续阅读今年看着早鸟票（399）便宜，就又参加了一次CCF-GAIR。但疫情的影响很大，去年的诺奖嘉宾的豪华阵容就没见到。但主题和方向是更加专注。我前后三天，主要听了五个专场：人工智能前沿、机器人前沿、AIoT、企业服务、联邦学习与大数据隐私。
继续阅读终于把这本书看完了，看的是电子版。
虽然进入书中的Great的例子，十年后大多数都比较凄惨，对不起Great的名头，尤其是Fannie Mae。
但如果视之为诅咒，或者是作者所总结的优点并不能覆盖其可能存在的缺陷。
作者总结的能从Good到Great的公司特点有这些：
第5级经理人：CEO谦逊而能力强，先想到的是公司的发展而非个人的得失。然而，我的延伸想法是：有这样的leader自然是幸事，然而这类人虽然不少，但能成为CEO的却不多，因为在竞争中往往容易因为谦逊的特质而容易被高调的同事所覆盖。真正的leadership是什么，在公司选则CEO的时候，往往不是这类型的人才占优。这也是为什么赛道一般的公司跑出来Great的情况才有机会是这样的人当CEO。因为高调的都跑到别的更光鲜的赛道去了
公司先有正确的人，再有正确的人在合适的岗位上。在今天来说，这一点算是老生常谈了。
坦然面对残酷现实，但不要悲观，坚持。乐观才能成就Great，但实在残酷的现实面前乐观。
刺猬理念，专注于核心竞争力和对应的目标。这一点很重要，反反复复、周期性地检查自身的核心竞争力和目标的情况，保持清醒，不要被突然的机会所改变。快钱赚了之后就再也回不到这种刺猬的心态了。
3 Circles，更准确的来说，是三点：自我优势在哪里？增长引擎的关键什么？激情/热爱的事情是什么？这三点如能统一，基本上就是无往不利了。
工作纪律。
掌握好技术后，再对业务进行加速。并不过度追求技术领先。这一点很有意思，从统计数据上看，拥有领先技术的公司并不一定会变Great，但要成为Great，还是要合理利用成熟的领先技术，对业务进行加速。
积累每天的进步，逐渐成就成功，而不是特变。所谓的每天进步一点点……
我还是花了不少心思在研究如何让CC更容易更多更健康地接收知识。
比如阅读，感兴趣的小说自然是能看进去，但恐怕不多看几次是记不住的，除非那些内容是他非常感兴趣的。
读一千零一夜，读斗罗大陆，读银英传，基本上都算是他会感兴趣的，然而，我认为他并不能把内容很好的吸收。
更方便的是看电视或者电影，但有个问题，映像的灌输会导致想象力的下降，文本优美更加是无法领悟。
于是用上了喜马拉雅。
CC听了两周的东周列国志，每天都主动跟我讲其中的故事，相比之下，之前看完的故事，很少有愿意再叙述的冲动。
在我看来，听书，比起看书/映像，也更保护视力吧。