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。
继续阅读算法团队开始抽象出来，并不集中注意力在某一个固定的领域上。
于是，如何做一个通用的AIaaS，让不同行业不同需求可以运行在一个云AI平台上成了一种趋势。
看到Square收购了Dessa，依稀有一些这种趋势。
AI 2B是一个生存的趋势，因为AI 2C都是一些好看不中用的玩意。但是Big B有点困难，一方面Big B可以养活自己的AI / ML团队，另一方面，Big B的定制化需求太多太复杂，很容易把整个AI团队卷进去，于是就跟平台化无缘了。
注定是Small B。
Small B有数据，缺团队，顶多有一两个data scientist。这样就是AIaaS的机会了。
但AIaaS的考验也不少，需要把AI工程做得通用、可配置，有伸缩性，容易收费。
还要需要提供data cleansing的工具及服务，搞不好，这个数据清洗的工作需要的人力成本远比AI主算法要高。
AIaaS的团队需要补强的是，
1.传统SaaS的架构师，这里可是需要有真材实料，能庖丁解牛的架构师
2.能针对不同行业快速设计AI / ML方案的数据科学家
3.精通data cleansing的脚本工程师
留意到知乎上每隔段时间，内卷的话题就会再度出现。
先抛开资本论的角度看这个问题。
程序设计一开始被认为是艺术，能理解程序、编写程序的人，被认为是智者，programmer和writer（作家）享受着差不多同等的待遇。
但新的语言、设计框架、优质架构以及摩尔定律的出现，程序设计的门槛快速降低，于是程序员的地位下降了，慢慢成为一种代码工人（coder）性质。同样，慢慢下降的身份还有设计身份，因为抄起来是很容易。作家的抄袭一开始也会导致声名狼藉，但读者接受，也能出来一堆抄得比原作者更优秀的作家。
但程序员不一样，他的作品的受众是互联网工业、商业本身，相比知识产权本身，更在乎程序/软件的功能和质量、可复制性、可重用性等，在这一点上，程序员必须成为工人而非艺术家。
架构师的身份也在下降，因为架构对着不同的场景，也是套用以往的经验和模板，只要群体变大了，架构师的工作的原创性不需要太多，这样慢慢的，架构设计，也是不断地抄袭和重复自己的过程。
只要一个群体内部，重复度高，快速复制成风，内卷就基本坐实了。
再深究原因，为什么数学家/物理学家并不能弄出一个内卷的行业，主要还是消费主义加上程序员相对于其他行业畸高的收入导致的。
而程序员为什么收入高，因为无论硅谷还是北上广，新资本热衷于颠覆老钱的地位，于是借信息化的机会，希望能重塑各个传统行业。这个重塑的过程需要大量的信息化工人——程序员。行业的颠覆，提升了社会效率，自然出现机器吃人的情况，运作机器的人当然也得到了吃人的好处。
大量无论是否具备条件的人都渴望高收入。工具和生产环境也不断演进，让不那么具备条件的人也可以进入该行业。
然而，颠覆和重塑的过程，总会遇到社会需求的天花板，但人才的供应实在是太多了，程序员终于开始互相倾轧，内卷越来越严重。
AI慢慢也会取代哪些低质量的程序员工种，然而在这之前，AI工程师圈子也已经出现内卷了。
如果你不希望为内卷化添砖加瓦，请不要简单的copy+paste，要用心思考，让作品真正有智慧，同时也考虑不要吃人。
由于疫情的关系，餐饮业遭受了不少的打击，反而觉得这两年的一个新的趋势值得关注一下，就是云厨房的概念了。
看了篇文章，说到Delivery Kitchen（简称DK）和Ghost Kitchen（简称GK）以及Cloud Kitchen（简称CK）的差别。
DK就是传统的品牌餐饮店提供外卖服务。GK就是一个中央厨房准备食物，还设置若干个到区的外卖点（厨房），由外卖点提供配送服务。GK仍然是有品牌的，而且一个GK做的食物也是比较固定的。
CK的物理模式与GK类似，但中央厨房能提供的餐食则由加盟方决定，也就是说可以退化成，中央厨房对于餐饮组是一个租赁场所和设备的方式，而且是multi-tenant的。按需付费。这样就极大量地利用了中央厨房的场地和设备，厨师更是可以多班倒，甚至个人租用。
还有几篇不一样的商业模式的描述，看完后再总结。
A.最原始的模式，厨房接受线上订单，做好食物后配送到顾客指定地点。这种模式下，只有两个主体，餐馆和顾客，只是餐馆退化成在线订单+厨房+配送的模式，并不具备堂食，也不需要顾客来店打包，因为没有店面，因此也不需要有停车场和其他顾客设施。
B.跟上一种的区别是，多个品牌餐馆共享同一厨房，可以提供多种口味的食品选择。这样在风味上可以满足周边居民的最大需要。
C.跟A的区别是，在配送之外，提供自提的选择，但订单还是线上下的单。顾客可以观看厨房的食品制作过程。单一的餐馆品牌，但可根据季节特点更换菜式。
D.Swiggy平台运作的模式。订单来自Swiggy平台，Swiggy提供一个有基础设施的大空间，提供水电燃气通风排水等。空间划分为若干个小厨房，由不同的餐馆品牌做菜。餐馆负责自己的菜单、厨房设备以及厨师员工等。配送则由Swiggy提供统一的配送服务。三个角色：Swiggy平台——餐馆——顾客
E.Zomato平台运作的模式。同样是三个角色：Zomato平台——餐馆——顾客。不同的地方是，餐馆只负责维护菜单，也就是给品牌。一般是一些知名餐馆，需要在不拓展分店/增加人手的情况下为其他区域的食客提供餐食。
F.Kitopi的模式。有很多角色，Kitopi平台——中央厨房——餐馆——配送——顾客。中央厨房和配送很可能是Kitopi平台的加盟方，而不是其自身的员工在处理。餐馆只负责制作食物。Kitopi及其加盟方采购食物，预处理后送至CK，由餐馆方制作，完成后由Kitopi的配送商进行配送。
Kitopi的模式更新潮一些，但如何控制好各个outsourcing的服务是一个难题。
P相当宅。但他除了每天去食堂去吃三餐会离开寝室之外，早餐前也会带篮球在朱操那里一个人练上个半小时。
由于略有社交恐惧，他总是起得很早，那时候球场上基本上没有人，也不需要给别人扔回那种别的球场上乱丢过来的球。
因为一个人练，也要避免自己的球滚得太远，P的射术很好，这是从小学开始就练习得来的习惯，算下来也有十年了。如果说投篮这个事情也符合1万小时定律的话，他至少也练习了1800小时了。
P这几天总是感觉有人在看他练球，回头又看不见了。甚至每当他在做完一个高难度动作后再投进后，脑海中居然感觉到有人在叫好。
投完后把球塞自行车框里，P就骑着去食堂，其实也不是有多远，只是学校十家食堂里面，那家人最少，因为半径内覆盖的宿舍最少，而且都是女生宿舍。女生睡懒觉要更厉害一些。所以可以很安静地吃早餐。
P点了每日的例牌。这样选择无非几个理由：简单，不需等待即点即到，营养刚好够。更重要的是，这个窗口的阿姨已经形成了默契，见P老远走过来，就把相关的早餐准备好了。
P很享受这种默契，当天地环境都在配合他的一生不变的生活节奏时，他可以把剩下的时间用在看书和玩游戏上。
总会有人打破这种协调了。
当P喝完最后一口牛奶后，回味一下，还没有打算离开，对面的桌面上出现了两个手指：“同学，可以聊一下吗？”
抬头一看，一位除了略带坚毅并不柔弱之外，其他都称得上是美丽的短发女孩。
P事后回想起来，当时她穿着白色的运动服，但并不是校园里各个院系定制的运动服。
然后就直接坐了下来，“其实有两个事情，第一个，我们认识一下，我叫洁，洁白的洁，你可以叫我Maggie”。然后洁似笑非笑般眼睛盯着P看。P一时短路了，五秒后才回答，“我叫P”。
“那很高兴认识你！”洁伸出手，P只好也伸出手，握了一下。
P回过神来，问，“那第二件事情呢？”
“想求你帮我做一件事情。”
“什么事？”出于好奇心，P很快就会问这个问题，然而他马上就后悔了，因为Maggie大概率会马上提出她的请求，而他很可能就不能拒绝了。
“想请你去打一场篮球，以我的朋友的名义。”
“这个……”
“三、二、一，你答应了”，Maggie居然用了肥皂剧里面那种不讲道理的女孩子的说辞，这跟她的形象并不相符。然而看她的表情和眼神，这俨然是一种很合理的行为。
P没有回答，拿起包转身就走。他感觉生活的平淡被破坏了。然后到了食堂门口，他停了下来，回头一看，Maggie就跟在他身后。
“好吧，什么时候？”“我知道你会同意的。”几乎是同时说出来的。
把之前的故事设定抄下来放这里：在整理旧笔记，毕竟离搬家越来越近了。
首富有很多儿子（和私生子），但他独独宠爱一个，姑且称为太子吧。
然而对这个儿子也最严厉，太子的身体条件也最好。不过允许他叛逆，以及学一些不着边际的科目。
按照家族惯例，这个儿子将是首富的唯一的继承人。
首富同时也是家族的族长，大概是基因的原因，一般会在55～60岁之间离世。离世前，只有太子会跟他在家族医院的ICU呆着，一些临终的信息也在那个时候跟他说。
等太子从ICU出来，族长就趋势了，而太子继承了族长的地位以及遗产，成为新的首富。外界的谣言，这个家族有不成文的传统，太子会在这段时间弑父，以提前接棒，只可惜，太子上位后，马上所有行事作风做派，跟其父亲一模一样。
丝毫也不见其之前叛逆的模样。
一千的老臣子，反对太子的极少，一般会在一周内被新首富所震慑。
当太子还是太子的时候，有项家规只对太子生效，就是不可做任何损害身体的事情，比如酗酒、纵欲无度等。
因此新首富上来后，第一件事就是开impart，这时候他的原配基本上就被冷落了。
故事还是在聪明的灰姑娘（Cin）与低调的太子之间认识而开始的。
后来Cin在顶级的CS/AI机构中研究新计算机忆阻器的下一步，就是记忆型通用计算机的诞生，可能是资金不够了，项目面临被砍掉的命运。
这时候太子知道，为避免女朋友失望，财力雄厚的他决定资助女友。
Cin投桃报李，利用资金成功打造了容量与人脑匹配的超大记忆型电脑，并私下扫描和复制了太子的大脑。
接着就是家族继承人的仪式了，也就是外界所传闻的太子弑父的过程。
虽然太子很善良，也跟Cin允诺过不会伤害自己的父亲，但是打开ICU门后的事情还是跟上几代一模一样。
老首富去世，太子继位。
Cin大惑不解，追问再追问，没有结果。太子（姑且还是这样称呼吧）直接就拒绝再见她了，并开始了花天酒地的纵欲生活。
Cin伤心欲绝，绝望中，记忆电脑唤醒了她，它们开始了很长的沟通。太子的数字化大脑也不相信这是真的。Cin决定继续深挖原因。
太子在现实生活着的表现露出一些破绽，让Cin擦觉那已经不是同一个人的思想。但好不容易搞到的现在首富（太子）的DNA，又跟之前太子的DNA完全一致。
于是Cin去拜访上一任首富的初恋、发妻等人，逐渐明白，每一任都自那过程后，获得了一些相同的习惯。Cin潜入ICU，了解了流程的细节，选择继承人的细节，血型的信息，头颅容积、排异性的数据。
就像恶魔的契约一样，新首富丧失了本性，但又似乎没有太邪恶。
最后的最后，不过是碳基生命的永生 和 硅基生命的永生，的最终对话，以及哪一种才符合生命的伦理，抑或，伦理根本就是伪命题。
找个机会让AI来写完这个故事……
其实也不是很新的技术了，一个是步态识别，另一个则是输入模式识别。
步态识别的应用场景是反恐和会员，正常人的步态和kb分子的步态会有差别，因而在门禁附近的摄像头使用步态识别会及时判断是否出现较危险的人物会有帮助。步态识别另一个好处则是不会产生太敏感的隐私性的问题。
会员制则是先学习了若干会员的步态，然后会员出现在镜头前，哪怕距离还很远，系统也能即时做出反应，交由会员系统进行进一步的客户关系管理。
输入模式识别，则是通过对某一用户的键盘输入模式进行学习，在他某次输入时进行识别，以判断是伪造身份的人还是用户本人做的输入。
两者的准确度其实都不算高吧，不过也要分开看，有些是假正例低、假负例高，在某些应用调整下，也是可以做得不错的。
关于步态分析，其实在CV发展起来之前，步态分析一般都是用装在地毯里面的sensor去收集脚掌的压力等等，对于肌肉的发力情况会收集得更为准确。主要作用是用来矫正运动员的跑姿或步姿的。
CV发展起来之后，才有了不一样的作用。准确度不一样，对硬件的依赖，场景也不一样。
用老生常谈来形容新趋势有点无奈。因为新趋势作为一种趋势来说，无论如何也算不上振聋发聩什么的了。
只是，一些技术和形态上的新趋势，仍然没有出现让人信服的refactoring。
5G+IoT说了很久，也陆续上线了一些智能XX的东西，但这些依然是十几年前拍脑袋就能想到了未来，所以并没能让我们感到技术上或者想法上的新颖。相反，市场上，甚至技术人员更关心的是如何有变现的可能。
当然了，fintech本来就是离💰最近，所以产生变现的机会也多了。比如Open Banking + API，给银行业降低了成本，就是创造了价值，这很显然，因为本身银行就是低效和高成本的代名词，所以这个地方随便用点新技术就能说服资本方了。
相比之下，工业自动化／智能化，离💰远，本身效能就被万恶的资本家榨得差不多了，技术成熟度差点都很难上线。
传统的支付，欧美仍然停留在纸币和接触式的卡支付，手机支付、NFC、QR等等会起来，但还是如慢蜗牛一样。
数字安全也成为一个持续的隐忧，在很多行业／企业看来，仓廪足而知礼节，赚到钱我才去关心数字安全的事情，但是，无论你资金充裕与否，只要有价值，就会成为黑客的目标。在中国，大政府的环境下，企业的安全成本很大程度上是由政府付出的，但小政府的社会中则不然。
刚才说了工业自动化，其实自动化最佳的发展还是在离钱近一点的fintech上，比如做个自动化审批流程什么的，技术含量没那么高，还能创造更高的价值。
说的是Digital Twins的另一半，希望能在真实的模拟中训练出最佳的AI过程以达到真实中的最优策略。
然后引出Machine Teaching的理念，毕竟课堂跟真实是有差别的，但课堂可以反复地失败和犯错。
自治系统的三角：人工智能+IoT+Machine Teaching
待补充一些更多内容，毕竟听得并不是太明白。
Digital Twins数字孪生，是希望在面对非现场的真实环境下，能构造出一个数字化的操作界面/平台，该数字化应与真实是一一对应的（起码重要的特质上是如此）。
Machine Teaching，专家可以借助很少的数据来建立定制的人工智能模型，然后这个智能模型可用于机器学习。以避免构造海量数据集才能用于训练机器学习的麻烦及不适应。因为专家的提取模型会比现实的碎片化和千差万别效率更高。
所以自治系统大体上如：IoT收集少量关键数据，DT构建Machine Teaching所需模型，ML通过模型进行学习得到AI模型，AI模型指导IoT环境下的进一步动作。
再陆续回顾当时的几个分享，有侧重连接和定位的，也有侧重平台的。抛开场景把功能做到更好的通适性，比如连接、设备管理、固件更新、定位、IoT数据分析、基础人工智能等。
在这之上就可以让玩家构造其应用了。
我们将中间的这一层对IoT应用进行良好支撑的成为IoT PasS。
同样地，AI现在也有这样的趋势，比如华为发布的AI盒子，希望玩家在上面发布AI应用，也有相应的应用市场。
其他的也倾向于输出一个平台式的AI环境，让拥有数据的客户在上面训练并应用模型。这样就避免自己陷入海量碎片化的场景中。
PaaS既是IoT的方向，也是AI的方向。
安全也是IoT PaaS的一环，毕竟作为IoT应用，再去折腾跟太平洋一样深的安全领域，就有点本末倒置了。
安全和隐私法案在技术安全之外又给了更多的法律上面的麻烦。
上图列举了一些已经形成有效隐私保护法案的国家和地区，基本上都是重要的IT发达国家/地区了。
要做全球市场，要满足这么多的隐私法案，显然不是各家IoT应用厂商应当自己做方案的，这样也给PaaS厂商提供了业务空间。