不是说使用,是现金的收藏的问题。主要还是针对美国的情况。
加密货币,落袋为安的策略,另外是加密货币的流通性不行,持有人就将手头的加密货币转为美元。满足套现和保持流通性的需求。
第二个是,历史证明,新支付方式的出现,都会导致现金存有量增加。
第三个是,由于减息的情况存在,社会用实物现金的方式来对抗减息。
非现金交易要被扣手续费,现金交易不需要,加上已经零利率了,现金并没有明显的劣势。所以数字化的货币和cash之间,人们反而有一定比例会选择储存cash。
不是说使用,是现金的收藏的问题。主要还是针对美国的情况。
加密货币,落袋为安的策略,另外是加密货币的流通性不行,持有人就将手头的加密货币转为美元。满足套现和保持流通性的需求。
第二个是,历史证明,新支付方式的出现,都会导致现金存有量增加。
第三个是,由于减息的情况存在,社会用实物现金的方式来对抗减息。
非现金交易要被扣手续费,现金交易不需要,加上已经零利率了,现金并没有明显的劣势。所以数字化的货币和cash之间,人们反而有一定比例会选择储存cash。
无论在商业上还是对弈上,信息一般被认为是透明的,即本方和counterparts都具有同等的信息量,任意一方不应存在不对成的信息优势。
信息意味着不可忽视的现实,从主观上看,必须正面这种残酷的现实,不要掩耳盗铃,另一方面,也应该不要被现实所击倒。
在以往的经验来看,对信息的归纳能力更强,更准确,会有助于做出有利的决策。
然而,如何判断什么是更强的归纳能力呢?
以前是靠抽象思维,类比等跟文学/艺术很想象的手段,就好像之前的围棋,人类生创了很多围棋的概念和术语,其实就是对这些公开信息的归纳。
AlphaGo的出现击溃了这些旧的归纳,因为AlphaGo的进化相当于人类10^N的围棋进化……于是新的归纳又基于AlphaGo的评价结果上再行给出。
归纳最终还是需要有可理解性。
虽然我以围棋来类比,但真正商业上的信息归纳和决策,由于不可能有类似于AlphaGo的训练环境,就很难有加速进化/信息归纳的可能了。
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