频繁供股、合股的公司，在港股市场上一直都被冠上 “老千股” 的标签，众多投资者对此深恶痛绝。 但因上市的准则存在，“老千股” 这一现象一直活跃在港股市场上。实际上，就像猫抓老鼠的游戏，老鼠能否躲得过猫的逮捕，看他们学习曲线的效率，而联交所及证监会近来的学习曲线效率貌似已经超越老千股，玩弄财计赚钱手法未来或将越来越渺茫。 今年以来，监管层对 “出千” 行为的治理，下手越来越重。 回想今年6月5日，隆成金融（01225）发布内幕消息公告，称证监会认为该公司于2015年8月17日宣布之公开发售之通函包括重大失实、不完整及错误引导资料，根据证券市场上市规则第8（1）条发出指令该公司暂停买卖交易。截至目前，隆成金融仍处在停牌中。 而最近的一起案例是，2017年9月4日，港股/中国农产品交易（00149）发布公告，称联交所根据上市规则第2A.06条不就该公司的供股及票据发行发出上市批准，原因是该公司的供股及票据发行不符合上市规则第2.03(5)条。联交所认为，中国农产品交易供股及票据发行大幅摊薄不参与股东的利益，且该公司未能证明已经经历寻找最优的集资框架。 供股被否决，不妨将其看成一个重要信号：“出千” 手段愈发受到管制，未来香港二级市场的环境将更加具有吸引力。 上述两个案例中，一个是清旧账，一个是严控供股发行阀门，出口之门及入口之门均被监管层堵死，令“老千股”们无地遁形。不过奇怪的是，中国农产品交易供股被拒，但其股价当日涨幅却达23.53%，成交量3192.81万港元，换手率达12.69%。更奇怪的还在后面，不妨来揭开中国农产品交易的面纱。 不参与供股？你的权益将被稀释掉87.6% 上文已经讲到联交所判定中国农产品交易的供股及票据发行不符合2.03（5）条，智通财经登陆香港证监会官网，通过港交所上市决策文件了解到，针对于主板发行人，不符合市规则第2.03、2A.03及7.19（6）条，上市公司提出的供股建议高度摊薄效应及损害不参与股东的权益，联交所拒绝该供股建议给予上市批准。 该文件中，第2.03（5）条记载，上市发行人的董事本着整体股东的利益行事（当公众人士只属上市发行人少数的股东时尤其如此），第2A.03条记载，联交所在考虑上市发行人新股发行的上市申请时，有责任以符合市场整体公众人士的最佳利益方式行事，若条款可能损害公众股东并危机投资者对市场的信心，可不批准相关股份上市。 从中国农产品交易在2017年7月27日关于股份合并及供股文件中了解到，该公司先进行合股，即每5股合成1股，然后再供股，每1股供7股，折让率为62.66%。实际上，先合股再供股是中国农产品交易惯用的伎俩，算是为大股东服务的，一方面降低公众股的认股权，而后通过超高折价率使得大股东获得更高报酬的优势。 实际上，供股行为是一种强行售股性质的行为，如果投资者不参与认购，股份权益将被摊薄，在高折价率下，不参与认购的投资者权益明显是受到损害的。比如，根据中国农产品交易公告内容，在假设所有合格投资者均参与供股的条件下，其他公众股东持股64.18%，若假设均由包销商以及Onger Investments认购，其他公众股东持股将摊薄至8.02%，着实惨不忍睹。 从64.18%的份额缩减至8.02%，平均每位不参与供股的公众股东权益稀释了87.6%，虽然中国农产品交易在附注有解释该种情况不会发生，但该项权益稀释确实已经具有严重损害不参与股东的权益。 频繁的供股历史 中国农产品交易似乎非常喜欢合股和供股，仅2015年到现在就已经有三起合股供股行为，折价率都蛮高。比如中国农产品交易在2015年1月9日发布公告，每8股合1股，并每1股供8股，2015年11月4日，该公司又发布公告，每5股合1股，并每2股供3股，2017年7月27日再一次发布合股供股公告。 每次供股公告，中国农产品交易的股价表现是不一样的，但基本均收跌，在上述三次供股公告中，2017年7月份那次当日跌幅最大，达48.55%，2017年9月4日，该供股方案被联交所拒绝后，股价反而狂涨23.53%。 如果细心一看，我们就会发现中国农产品交易的供股折价率不仅高，而且联合公告的公司异常稳定，除了该公司外，位元堂、易易一金融及宏安出现的频率也很高，2015年出现的PNG资源实际上是易易一金融的前身，于2015年12月9日公司名称变更而成。而易易一金融在供股角色中，始终扮演着不可撤回承诺认购供股股份的角色。 揪心的事来了，上述三家联合公告的公司无一例外均具有供股的历史。以最近两次合股供股看，易易一金融在2015年6月份有过一次供股，2017年1月份有过一次合股；位元堂则在2016年2月份有过一次合股，同年7月份有过一次供股；而宏安则在2010年分别有两次合股及供股行为。而且上述三家公司均扮演着交叉联合公告的角色。 中国农产品交易是否成为下一个隆成金融？ 还真是物以类聚，什么样人交什么样的朋友，而什么样的公司就加什么样的群。尚且不说这几家公司玩什么相互供股的把戏，就供股关联性而言，就很难让投资者不联想到老千股。而且中国农产品交易在2015年的供股中，曾多次变更供股得到的资金募投方向。实际上，但最让投资者怀疑的地方在于上述四家公司的股权关联性。 易易一金融持有中国农产品交易20.17%的股权，位元堂持有易易一金融28.51%的股权，宏安则持有位元堂51.62的股权，最顶尖的人物是邓先生，持有宏安集团51.76%的股权。虽然宏安与易易一金融和位元堂与宏安均相互持股，但最终控制人均是邓先生。这个具有金字塔模型的股权结构，很难让投资者相信多次高折价率供股行为只是一种融资活动。 “老千股”千万别低估了监管层的学习曲线，以监管层近期的对“老千股”的打击表现来看，他们正在堵住入口和出口，隆成金融就是翻旧账的案例。中国农产品交易供股过于频繁，而且供股对象股权结构太具有猫腻性，很有可能成为监管层继隆成金融后的下一个目标。 靠谱众投 kp899.com：您放心的投资理财平台，即将起航！ ...
在错过了阿里巴巴之后，香港交易所不想再错过沙特阿美这个石油巨无霸的上市。 去年沙特阿拉伯国家石油公司(沙特阿美)宣布，将在2018年下半年上市，出售公司约5%的股份，通过私有化筹得资金。根据其目前最高2万亿美元的估值计算，其首次公开募股(IPO)规模或达1000亿美元，有望创下全球最高纪录。 ▲沙特阿美首次公开募股(IPO)规模或达1000亿美元。 “目前仍在与沙特阿美进行商谈，希望促成沙特阿美在香港上市。”9月5日，港交所行政总裁李小加在接受记者采访时作出上述表述。 根据万得数据显示，截至目前，港交所的上市公司总市值约30.26万亿港元。如果能成为沙特阿美的上市集资地，港股总市值无疑将大增。 为何谋求上市 一家公司要上市，融资是一个很重要的原因。 但沙特阿美并不差钱。作为全球最大的能源企业，其持有的沙特石油资产约占全球已探明石油储量的15%，目前最高估值为2万亿美元，折合人民币13万亿元，相当9个中石油、18个中石化、9个壳牌、6个埃克森美孚的市值。 缺钱的是沙特政府。根据IMF(国际货币基金组织)官方数据显示，2016年沙特财政赤字占国内生产总值的17.2%。 2015年末IMF曾发出警告称，如果国际油价一直处于50美元/桶以下，沙特的现金储备将在五年或者更短的时间内耗尽。 为了改善财政赤字，得到充足的资金，成为沙特阿美上市的直接原因。 另一个原因是，沙特要向多元经济转型。去年，沙特公布了“沙特2030愿景”，明确改革路径，摆脱对石油的依赖，实现经济多元化发展，使沙特从资源输出型转向资本输出型，从原本的石油大国转型为金融大国。而沙特阿美IPO，被视为实现“沙特2030愿景”的第一步。 香港“杀手锏” 作为沙特阿美上市地的主要竞争者之一，港交所在年初时表示，已就沙特阿美亚洲IPO进行过讨论，正努力确保该公司能在港上市。 中国是亚洲最大经济体及世界第二大原油消费国，中国香港作为国际金融中心，对沙特阿美有足够的吸引力。 此外，“新股通”计划也对沙特阿美赴港上市起到推进作用。 港交所在《战略规划2016-2018》中提出，新股通将允许内地投资者在香港市场认购新股，以及允许香港的全球投资者认购内地市场的新股。 李小加曾表示，若“新股通”能够实施，将有助于吸引沙特阿美来港上市。“如果内地的投资者能够在香港投资新股，沙特阿美上市及新股通两者将会是两方的完美催化剂”。 另外，路透社今年4月报道称，中国将成立一个包括国有大型石油公司、银行和主权财富基金在内的财团，以作为沙特阿美IPO的基石投资者，这笔投资或促使其选择在香港上市。 8月24日，中石油财务总监柴守平在香港举行的业绩会上表示：“我们非常重视沙特阿美的上市计划，并多次与对方接触。” 中石油与沙特阿美在八年前签署框架协议，但由于市场变化，目前正商谈协议的具体细节。 竞争者众多 全世界最有钱的石油公司要上市，必然引发全球主要证券交易所的激烈争夺。 今年早些时候，新加坡、多伦多证券交易所已与沙特阿美接洽，争取对方在本地上市。 日本首相安倍晋三在今年3月曾亲自向沙特阿拉伯国王请求，希望对方支持沙特阿美到东京上市。同时，日本及沙特政府发表一项共同声明表示，沙特阿美和东京证券交易所考虑成立联合小组，共同研究沙特阿美在日本上市的事宜。 英国金融行为管理局(FCA)计划为主权国家控股的公司创建一个新的上市类别，从而提高伦敦证券交易所获得这一巨额IPO的机会。新提案将在今年10月31日前审议。 还有分析指出，鉴于美国和沙特多年来的关系，沙特王储可能会出于政治考量，让沙特阿美在纽约证券交易所上市。但信息披露程序以及复杂的监管，可能会在法律上干预沙特政府的主权。 靠谱众投 kp899.com：您放心的投资理财平台，即将起航！ ...
记者今晚从北京银监局了解到，近期北京银行业金融机构个人经营性贷款和个人消费贷款规模增长有所加快，而且据市场情况反映，个别银行发放的个人经营性贷款和个人消费贷款存在违规流入房地产市场用于购房的情况，这类行为不符合房地产调控的政策要求。 为进一步规范北京地区房地产市场金融秩序，巩固前期房地产市场调控成果，北京银监局、人民银行营业管理部今天（9月5日）已联合印发《北京银监局 人行营业管理部关于开展银行个人贷款资金违规进入房地产市场情况检查的通知》（京银监发〔2017〕153号），要求北京市辖内的银行业金融机构针对个人经营性贷款和个人消费贷款开展自查工作，重点检查 “房抵贷” 等资金违规流入房地产市场的情况。 下一阶段，北京银监局、人行营业管理部将根据各家银行业金融机构的自查情况，有针对性地开展专项检查，对于检查发现的问题，将依法依规，从严处理。 靠谱众投 kp899.com：您放心的投资理财平台，即将起航！ ...
以往看一个人是否吸毒要通过检测他的唾液、尿液或毛发来进行，但取样工作往往并不容易。近日，英国一家公司成功研发出通过指纹快速检测吸毒的技术，为吸毒检测提供了一种便捷的筛查手段。 指纹收集器和读出装置。 整个检测过程十分简单。人们只需把手指放在这个指纹收集器上按5秒钟，随后检测人员再把收集起来的指纹放到读出装置中进行分析检测，不到10分钟就能判断出这个人是否在最近几天内吸过毒。 据研发人员介绍，人在吸毒后，毒品中含有的一些物质会通过新陈代谢在汗液中排泄出来，而这项技术正是通过检测分析指纹中携带少量汗液的成分，从而判断出一个人是否吸毒。 在研发公司看来，与传统的吸毒检测方法相比，新技术有不可比拟的优势。 公司首席执行官沃克。 公司首席执行官沃克：我们研发的这款指纹检测吸毒系统，具有革命性的意义，因为它使用起来特别简单。此外，与传统的检测吸毒的方法，比如唾液和尿液检测法相比，指纹检测吸毒技术，既雅观又是非侵入性的。 研发人员表示，这项技术的应用范围十分广泛。 公司研发人员耶茨。 公司研发人员耶茨：这项技术可应用于军队的抽查和路边筛查，以及支持戒毒康复工作。还可以用于工作场所的人员检查，以及用于死亡早期的原因检测。目前这些检查每年都要进行上百万次，所以这项新技术的应用范围非常广泛。 靠谱众投 kp899.com：您放心的投资理财平台，即将起航！ ...
一、企业主体相关信息查询 1、国家工商总局（全国企业信用信息公示系统） 网址：gsxt.saic.gov.cn/ 2014年3月1日正式运行，目前已经能查询全部范围内任一家企业的工商登记基本信息，具体包括公司注册号、法定代表人、类型、注册资本、成立日期、住所地、营业期限、经营范围、登记机关、经营状态、投资人信息、公司主要备案的高管人员名单、分支机构、清算信息、行政处罚信息等。 2、各省、市级信用网 这些网站是地方性主导的，一般以企业信用体系建设推进办为主。 如北京市企业信用信息网 http://211.94.187.236/ 浙江企业信用网http://www.zjecredit.org/ 企业基本信息都有，但如需要更全面的如年检信息、对外投资信息、商标、变更、劳保等信息，则可能需注册会员资格等，基本上各个地方都有类似的网站。 3、全国组织机构代码管理中心 网址：www.nacao.org.cn/publish/main/5/index.html 该网站可以查询全国范围内所有领取有组织机构代码证的信息，显示与实体组织机构代码证完全一致。这个网站居然可以打印组织机构代码证的扫描件。 4、信用视界 网址：www.x315.com/ 2014年3月15日上线，一站式汇总了工商登记、组织机构代码证、关联公司、涉诉信息、商标专利和新闻招聘等企业信息。特色是增值服务中涵盖了精准的企业关联和高管名下企业，还有企业财务数据、法院开庭公告和判决文书等；值得推荐的是其信用监控服务，每天自动推送企业动态，省掉了大量人工网搜工作；该网站还能查国外企业，如果资产中涉及到国外企业，就可以查询全球的企业信用信息，目前支持11个海外国家实时查询企业信息，其它国家的需要离线查询。 5、工业和信息化部ICP/IP地址/域名信息备案管理系统 网址：www.miitbeian.gov.cn/publish/query/indexFirst.action 提供网站、域名备案查询 6、必途企业库 网址：china.b2b.cn/ 专业的中小企业信息化服务商，在这里可以查询各类产品供应商的企业信息，但仅包含企业的地址、联系方式等基本信息类别，如要深度调研仍需其他工具的配合。 7、悉知网 网址：www.xizhi.com/ 主要提供中国企业名称、法人、联系人和联系方式、地址、产品和服务等信息的快速查询和展示服务。特色服务是基于平台的企业信息提供企业数据报告，主要针对全国省份、地市、县区企业数量及产业发展状况进行研究和推出排行榜。但平台覆盖的许多中小型企业信息未经核实，存在数据的不准确性。 8、天眼查 网址：http://www.tianyancha.com/ 一款企业信用查询、个人和企业关系查询工具。 二、涉诉信息查询 1、最高人民法院（中国裁判文书网）【限于裁判文书】 网址：http://wenshu.court.gov.cn/ 根据《最高人民法院关于人民法院在互联网公布裁判文书的规定》，自2014年1月1日起，除涉及国家秘密、个人隐私的、未成年人犯罪、调解结案以外的判决文书，各法院判决文书均应在该网站上公布。因该网站为“裁判文书网”，故仅适用于已届判决阶段的案件。 目前处于试运行状态，仅有部分省市(如北京、上海、浙江等)已实现了2014年以来辖区内三级法院生效裁判文书全部公开的目标。 2、各省级高院网站 除了最高人民法院“中国裁判文书网”之外，那么之前的判决文书或未判决的到哪里查询呢?对了，一般省级都建有自己的网站，这些网站可以查询2014年之前的部分判决书、开庭公告、执行信息、开庭信息等。如： (1)北京法院网 网址：http://bjgy.chinacourt.org/index.shtml (2)上海法院网 网址：http://shfy.chinacourt.org/index.shtml (3)浙江法院网 网址：http://app.zjcourt.cn/ 因为最高人民法院“中国裁判文书网”仅限于已判决文书的查询，且2014年1月1日之后才试行，而且数据取决于地方上报，而地方法院上网已经很多年了，部分法院的法律文书早就上网，因此全国网查不到的，地方法院或许可以查到。 有开庭公告、执行信息等情况，这些信息，或许正是我们调查所需要的涉诉信息，通过这些信息或许我们也可以去旁听一下，那不是了解更清楚啊。 3、最高人民法院（全国法院被执行人信息查询系统） 网址：http://zhixing.court.gov.cn/search/ 该网站可查询2007年1月1日以后新收及此前未结的执行实施案件的被执行人信息。在实际查询中可能因某些地方法院迟延上报数据，导致一些查询信息落后的问题。同时许多案件查询显示结果为已结，这可能是地方法院为了完成案件考核而技术上的处果，实际上标注“已结”的案件可能仅仅是程序终结或者根本还在执行中。 4、最高人民法院（全国法院失信被执行人名单信息查询系统） 网址：http://shixin.court.gov.cn/ 对于不履行或未全部履行被执行义务的被执行人，自2013年10月24日起，可于该系统中查询失信被执行人的履行情况、执行法院、执行依据文书及失信被执行人行为的具体情形等内容。但不能尽信，因为实践中部分法院还会根据当事人的申请上传数据或上传有所迟延。 5、中国法院网（公告查询） 网址：http://www.live.chinacourt.org/fygg/index.shtml 按目前我国法院管辖的现状和公告要求，需要公告送达的，如果被告不属于本省的，一般要求在全国的报纸公告，而一般都是人民法院报，据此可以查询到大量公告信息，了解调查对象的涉诉情况。 同时对于被告是省内的，则可以到地方的法制报之类的网站查询公告，也可以了解到一些在地方法院的涉诉情况。 6、北大法律信息网（北大法宝） 网址：http://vip.chinalawinfo.com/ 这虽然是民间的网站，但收录案例比较全，而且因为建站比较早，而且很多官方找不到的裁判文书这里都有收录，因此值得推荐。 7、启信宝 网址：http://www.qixin.com 企业信用查询、企业涉诉信息查询。 三、资产信息查询 1、国家知识产权局（专利检索系统） 网址： www.sipo.gov.cn/zljsfl/ 该网站无需注册，除专利基本信息（如发明/设计人、专利权人、公开日等）外，还可查询各专利权法律状态、专利证书发文、年费计算及全国大部分省市的专利代理机构名录等内容。 2、国家工商总局商标局（中国商标网） 网址：www.saic.gov.cn/sbw1/sbcx/sbcx.html 根据查询提示可确定拟查询商标的商品分类。具体可查注册商标信息及申请商标信息。商标注册信息查询，又分为商标相同或近似信息查询、商标综合信息查询和商标审查状态信息查询三类。 需要注意的是，商标局明确该网站查询内容仅供参考，具体的商标注册信息还应以国家工商行政管理总局商标局编辑出版的《商标公告》为准。 3、中国版权保护中心 网址：www.ccopyright.com.cn/cpcc/index.jsp 国家新闻出版广电总局（国家版权局）直属事业单位，国家版权登记机构，目前是我国唯一的计算机软件著作权登记、著作权质权登记机构。 4、人民法院诉讼资产网 网址：www.rmfysszc.gov.cn/ 可以查询全国范围内法院正在执行拍卖的资产情况，通过这个网站可以侧面了解涉诉当事人的一些信息。 5、淘宝司法拍卖 网址：https://sf.taobao.com/ 网上拍卖减少了拍卖费用，竞价方便，越来越多的法院把没有争议比较干净的资产都通过这个方式进行拍卖，相信涉诉的信息会越来越多。 6、各大产权交易所网站（如金马甲） 网址：www.jinmajia.com/ 提供包括国有产权、公共资源、国有担保机构、诉讼资产、股权、债权、高端商品、邮票钱币、无形资产、文化艺术品等在内的各类要素的供需信息发布、网络交易、支付与结算等专业服务。 7、应收账款查询（中国人民银行征信中心：中登网） 网址：www.zhongdengwang.org.cn/zhongdeng/index.shtml 四、投融资信息 1、中国证监会指定信息披露网站（巨潮资讯网） 网址：www.cninfo.com.cn/ 仅适用于上交所、深交所上市的公众公司。该网站无需注册，可查询内容十分丰富，包括该公司就各重大事项发布的公告、分红情况、财务指标、公司年报等。 2、上海证券交易所 网址：www.sse.com.cn/ 该等网站与巨潮资讯网信息有所交叉，但侧重点略有不同。 3、深圳证券交易所 网址：www.szse.cn/ 该等网站与巨潮资讯网信息有所交叉，但侧重点略有不同。 4、全国中小企业股份转让系统 网址：http://v2.neeq.com.cn/ 5、中国货币网 网址：www.chinamoney.com.cn/index.html 6、中国债券信息网 网址：www.chinabond.com.cn/d2s/index.html 7、中国银行间市场交易商协会 网址：www.nafmii.org.cn/ 五、网络搜索引擎和媒体报道 所谓无风不起浪，现在信息四通八达，平时留意行业资讯，如果有相关媒体报道某个平台如何如何，就得留意。注意，是留意，不是马上就当真，多看看各种信息渠道发布的内容，不断核对。 六、实地调查 实地调查，我们公司经常使用，但对一般投资人来说，还不是很实际。如果有条件，也可以去走一走，看一看。对于很多普通投资人来说，即便是实地调查，也很难调查出关键东西，更多是获得心理安慰。但还是得学习如何调查有用、又价值的资料和信息，要像个记者一样去思考去调查。比如了解清楚平台的最重要环节、平台未披露的信息、有什么疑惑和不了解的地方、观察网站标的情况之后有什么疑问、平台每个月运营支出有多少钱、标的对应的借贷合同等等，都可以问问。 七、每天看财经钻 www.cjz.vip...
最近，四川第二大券商华西证券再次披露了《招股书》，冲刺IPO，不过随后，该招股书又被从证监会网站上撤下。这距离其2015年6月首次递交《招股书》，已经历了26个月的排队。 而野马财经注意到，IPO备战路上的华西证券，可谓命途多舛。 2015年，华西证券因为资管业务、两融业务为关联公司融资，不仅导致了数亿元的损失，而且连吃证监会两记警告；2016年，直投业务又出现新的问题：被投企业资金链断裂，老板失联；此外，公司对经纪业务依赖严重，2016年营收占比为57.1%，远高于行业32%的水平。 多重因素之下，已经等待两年有余的华西证券，能够实现自己的敲钟梦吗？ 过度依赖经纪业务 华西证券成立于2000年，注册资本金21亿元，老窖集团及泸州老窖合计持有华西证券35.66%的股份。 截至2016年12月31日，华西证券净资产为120亿元，规模列为全国证券公司第二梯队；共有 75 家营业部，其中 57 家位于四川、重庆地区，经纪业务的发展一定程度上依赖四川、重庆地区的经济发展水平和金融环境。 而且，梳理几大板块占营收的比重，可以清楚地看到，华西证券存在过度依赖经纪业务的情况。 《招股书》披露，证券经纪业务收入2015年占总营收的比例为74.9%，2016年为57.1%。相比之下，根据中证协最新统计数据，129家证券公司2016年的券商主营业务中，2015年经纪业务净收入占营业收入仅为47%，2016年为32%。华西证券所占比重几乎相当于其他券商同期平均水平的两倍。 对于经纪业务占比过高的问题，野马财经向华西证券董秘办求证，对方表示一切以《招股书》为主。 更加重要的是，从收入状况来看，华西证券各项业务表现都不尽如人意。2016年华西证券营收27亿元，同比下降55%；2016年净利润16.5亿元，同比下降28%。 其中，资产管理业务下滑幅度最大，2016年为公司贡献只有972万元，同比下降74%。 而后，证券经纪业务下滑也较多。2016年，证券经纪业务收入为23.7亿元，同比下降56.7%；经纪业务，主要盈利模式是基于交易量和佣金率进行收费，熊市中的交易平淡自然也导致经纪业务不景气，和2015年牛市时不可同日而语。 再者，2016年，华西证券另一大主营业务证券自营业务，实现收入1.9亿元，同比降幅亦高达 44%。 当然，野马财经注意到，华西证券投行业务在2016年，实现了49%的增速。 并且，证券经纪相关业务的惨淡并不是个例。 受股灾的影响，2016年以来，券商行业集体遭遇寒冬。多家券商的营收和业绩都遭遇挫崖式下跌。历经熊牛变天的轮战中，看天吃饭依然是券商行业难以跨越的鸿沟。 尴尬的“直投业务” 直投业务，一直以来被看作是券商利润的“一块肥肉”。 这一业务在国际大投行收入中占比丰厚，远高于经纪业务的比重，而实际上，两种业务具有周期互补性，在经济动荡中，两种业务匹配发展可以极大增强公司的抗风险能力。 因此，直投业务也被国内券商看作未来业务发展的重要方向。 券商做直投业务，主要是通过出资设立的子公司使用自有资金进行股权投资或者债权投资，类似于VC、PE。 例如华西证券，其直投业务平台为华西金智投资有限责任公司（以下简称“金智投资”），注册资本金为2亿元。金智投资官网显示，金智投资重点投资方向为资源性行业、农业产业化龙头企业、品牌消费品与服务业、新型材料与装备业、节能环保业等。 “努力把金智投资打造成为西南地区最具影响力的券商直投公司，使直投业务成为公司的重要收入来源之一。”华西证券《招股书》披露称。 不过，从实际状况来看，想要实现该目标，任重道远。 2016年，金智投资实现营业收入273万元，净利润-3587万元。在金智投资官网上并未见到有任何与被投项目相关的信息，但野马财经发现金智投资至少曾经参与了2个项目，且项目均存在问题。 2014年，金智投资参与了当地龙头企业南江县百草中药材有限公司（以下简称“南江中药材”）的投资，后者是一家中药材公司，还上过当地的电视台，依托南江的富饶之地，欲耗资36亿元打造产业园。 华西证券副总裁李小平现场表示，力争三年内百草中药上市，把南江百草药业打造成国内、国际品牌上市公司。 然而第二年，南江中药材的实际控制人苟素英就发生失联，金智投资作为其中唯一的一家机构投资者，和许多民间投资人一样，变成了南江中药材的讨债人，入股的500万元股权投资以及1620万元的预付投资款等，直接打了水漂。许多民间投资人申诉无门，向当地政府进行举报。 野马财经还注意到，据《成都商报》消息，金智投资还是四川一家猕猴桃科研、种植、价格等产业的公司——四川伊顿农业科技开发有限公司的第八大股东，2014年挂牌转让手中持有的伊顿农业股权，但没有找到接盘侠，之后伊顿农业资金链吃紧，2016年中新网还报道称伊顿农业拟伦敦上市，赴海外融资，目前没有最新消息。 华西证券早在2016年9月通过董事会决议，已经对四川伊顿农业判了“死刑”。上述两项投资，华西证券对此进行全额计提减值准备，金额合计 3541万元。 针上述情况，野马财经向华西证券进行求证，截至发稿前，并未得到官方回应。 上述直投项目的失败，究竟是“遇人不淑”还是能力问题？ 北京一家投资机构人士张诚对野马财经分析称，“ 直投占华西证券营收比例很小 ，对其影响不大。不过，从结果来看，该投资公司的判断能力和专业能力不足。” 在证券行业看天吃饭的大环境下，业务多元化发展并不顺利的华西证券，能够闯关成功吗？我们拭目以待。 靠谱众投 kp899.com：您放心的投资理财平台，即将起航！ ...
“我准备考虑一个问题：‘机器能思维吗？’”—阿兰.图灵，1950，《Computing Machinery and Intelligence》 前段时间在忙着炼丹（Deep Learning），还有几场大数据培训，很久没有动笔了。今天想和大家谈谈人工智能（Artificial Intelligence, AI），2017可谓人工智能元年，AI领域风投和创新、创业风起云涌，深度学习研究和应用持续火爆，以Facebook小扎和Tesla钢铁侠为代表的大佬们站队互掐，AlphaGo的成功营销与Watson的失败应用，国内BAT纷纷推出人工智能战略等等…这一波大数据驱动的AI热潮，发展势头强劲。下图是从我培训课件里截的，称之为四位一体看数据技术（Data Technology, DT），可以说AI高烧是大数据发展的必然。 图1 四位一体看DT 从上图可以看出，这些年从物联网，云计算，大数据到现在的人工智能，一个比一个热，这是DT前沿信息技术发展的大势，其内在的逻辑联系和发展趋势使然，终极目标直指人工智能。这就好比我们人体一样，物联网（移动互联网）构造了眼耳鼻舌身等感官，大数据是各种感官获取的感受信息，云计算是记忆存储，人工智能就是我们的认知决策。IT和DT技术发展本质是在拟人化、智能化，智能时代一定会到来是毫无疑问的，但是，发展过程也不要太乐观。本文作为《论大数据的泡沫、价值与应用陷阱》的姊妹篇，就来说说人工智能发展面临的问题和挑战。 1人工智能源起：图灵的智能之问。 我在前文《论大数据的泡沫、价值与应用陷阱》有讲到：“大数据时代，我们周围充斥着各种不同的理论、知识、信息和噪音，数据爆炸式增长和科技高速发展所带来的冲击，加大了未来的不确定性。当我们接收的数据和信息越多，面临的选择就越多，如若不善于过滤、挖掘和处理，对各种决策就可能会造成负面影响，当然也会放大我们对未来不确定性的恐惧。如何从混沌中发现规律，成为预测未来的“先知”，抑或是少出几只黑天鹅？是历代人类的梦想，不管是古人的占卜、算命还是现在的专家系统、商业智能、数据挖掘、机器学习、人工智能、智慧地球、智慧城市等技术和应用，都源于我们对未来不确定性的恐惧。”如何降低决策过程中的不确定性，通过智能技术进行前瞻预测是关键，不管是物联网、大数据、云计算还是DT偌大的技术生态体系，其核心都是为这一目标服务。从这个角度讲，传统商业智能应用90%失败这一论断是有道理的，因为基础的数据管理和常规的统计分析，不能称之为智能，换句话说没有成熟机器学习技术的支撑和成功应用，要说多智能那就是忽悠（后面我会讲IBM Watson的问题）。 机器如何智能，系统如何智能，可谓仁者见仁智者见智。我们先来看图灵是如何定义这一问题的。作为计算机科学和人工智能领域的先驱，图灵在1950年发表的著名论文《Computing Machinery and Intelligence》中，详细讨论了机器能否拥有智能这一问题，但也只是个开放性的讨论，其实图灵也未能定义什么是智能（但提出了著名的“图灵测试”）。在1956年的DARTMOUTH学术会议上，AI被正式提出，定义为：“研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门技术科学。通过了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，人工智能可以对人的意识、思维的信息过程进行模拟。人工智能不是人的智能，但能像人那样思考、也可能超过人的智能。智能涉及到诸如意识、自我、思维、心理、记忆等等问题。”由于我们对人类智能本身还知之甚少，所以人工智能的发展比预想的要慢很多。图灵当时也做了个比较乐观的预测，他预测在2000年左右，机器极有可能会通过“图灵测试”，拥有初步的智能行为，现在看来这一时间是延后了，从当前自然语言处理领域的发展现状及问题来看，要解答图灵的智能之问，还需要AI研究人员多年的努力。 2人工智能泡沫：神经网络“三起三落”的启示。 从历史来看，重大科学的研究往往呈螺旋形上升的过程，不可能一蹴而就。经历过“三起三落”的人工神经网络，能够在换马甲为深度学习后成功逆袭，正是机器学习领域几十年来积累诞生的重大科学研究和工程应用成果，当前深度学习被看作是通向人工智能的关键技术，被寄予厚望。 图2 神经网络的“三起三落” 我在10多年前对神经网络和支持向量机两个机器学习方向都有过粗浅的学习和了解，见证了神经网络研究三起三落其中的一段时光，见证了以支持向量机为代表的浅层学习技术的火爆，但却始终少有看到机器学习技术真正走出实验室，直到最近几年，神经网络换马甲为深度学习后成功逆袭，使得机器学习领域这几十年来积累的成果，得以逐渐走出实验室，在学术界研究和产业界应用都一鸣惊人，并有望引领人工智能关键技术的跨越式发展。 图3 人工智能的泡沫 但从另一方面看，神经网络的三起三落也就代表了人工智能的三个泡沫期，这给过分热衷深度学习技术与人工智能研究应用的人来讲，也是该降降温的，期望越大，失望越大，毕竟深度学习技术没有想象中的那么强大，至少在智能算法层面的突破很有限（主要靠的还是大数据和计算力）。换个角度看，深度炼丹术的兴起，会不会是因为机器学习算法研究几十年迟迟无重大进展，神经网络算法的一点小改进（正好遇到了大数据与GPU）就被当做了救命稻草？ 或者说即使神经网络的深度架构碰巧撞到了类脑学习机制，但我们能全面解码它吗？不太了解神经科学的研究水平，这个需要大家去悟了。 3人工智能价值：弱AI不弱，强AI难强。 AI目前的发展还处于弱AI（Artificial Narrow Intelligence ，ANI）阶段，但弱AI并不弱，如阿尔法狗一样，虽然只擅长某一方面的智能，但在这方面已然超过人类了。近年来，弱AI已经极大促进了信息化与智能化的发展，在很多领域提高了生产效率。如工业机器人、医疗机器人、智能问答、自动驾驶、疾病诊断、自动交易等系统工具，极大提高了生产力。弱AI不能像人类一样靠理性或感性进行推理和解决各方面（哪怕很简单）问题，机器只不过看起来像是智能的，其实只是既定程序的执行而已，只能解决某一方面的问题（就像下围棋不能代表会下象棋），不会有自主意识，不会有创造性。而强AI（Artificial General Intelligence ，AGI）的定位是在各方面相当于人类或者超过人类，也称为通用人工智能。 现阶段的人工智能研究和应用主要聚焦在弱AI，强AI的研究可以说还是停滞不前，难有进展。强AI能否实现还是未知，但要论人工智能的价值，我认为很有必要对两者进行对比，首先我个人是不支持发展强AI的，除非对其有绝对的控制能力，除非人类遇到了全球性灾难或需要星际移民，不然强AI出世就很可能是另外一种原子弹，绝对是弊大于利。弱AI帮助人类，是我们的好助手，能提高我们的生产效率和生活水平，强AI超过或代替人类，将是大部分人类的“终结者”，至少是劳动终结者，总不可能几十亿人都去从事艺术职业吧？当然弱AI发展也会面临这一挑战，但更可控和缓和很多。 4人工智能应用困境：先要搞清楚几个关键问题。 随着机器学习、深度学习和人工智能相关技术（强化学习、迁移学习、对抗学习等）的高速发展。阿尔法狗与人类顶尖棋手的人机大战，也注定成为人工智能的里程碑事件，当AI变得越来越复杂，越来越聪明，以至于在多个领域全面超越人类的时候，那时的AI会是提高人类生产力和生活质量的好助手？抑或是彻底控制奴役人类的天网？现在还难以下结论，但可以肯定的是接下来数十年里AI对人类生活造成的冲击将是巨大的。不管是技术层面还是产业应用层面，要对人工智能领域有个全面准确的理解和把握，可以说十分困难。下面提几点个人认为比较关键的问题供大家探讨。 （1）现在是人工智能的“黄金”时代吗？ 这个问题乍看是废话，现在AI这么火，当然是黄金时代啦。从人工智能的三起三落来看，现在是处于技术和产业发展的波峰。而这一热潮的兴起一是得益于深度神经网络技术的发展，二是通过物联网和移动物联网等技术，大数据的爆炸式增长成为常态。三是大数据分析预测是解决不确定性问题的必然，大数据条件下的复杂性问题，越来越难以应用传统建模技术加以解决，而客观世界的复杂性，传统的机械模型更是难以分析和预测。 图4 农业时代到智能时代 工业时代通过机械动力优化，放大了我们的体力，我们得以改造物理世界；智能时代通过算法优化，放大了我们的脑力，将极大改造我们的脑力世界。从人类社会发展大趋势来看，现在称之为AI黄金时代并不为过。但这里有个不确定性，那就是AI技术发展的瓶颈问题，深度学习技术能否担当重任，能否一鼓作气有更大的突破，或者几年后又得停滞不前几十年，都有可能。但可以肯定的是，对弱AI来讲，现在是再好不过的黄金时代，兴起的投资热潮也是看到了各个垂直领域应用弱AI的极大潜力；对强AI来讲，面临的技术瓶颈短期内难以突破，不过有没有可能多年后冒出个终极算法，全面解决类脑学习问题？不是没有可能，只是几率很小。 （2）人工智能的应用成熟度？ 尽管人工智能的发展已经超过50年，但仍然还处于一个比较早期的发展阶段，其应用主要集中在弱AI和垂直行业相结合的领域。从产业链上看，人工智能产业链包括基础支撑技术（如大数据、云计算等）、人工智能技术（机器学习、深度学习等）及人工智能应用（语音、对话、识别等）三个层面，其中基础技术支撑由数据中心及运算平台构成，即计算智能阶段，包括数据传输、运算、存储等；人工智能技术是基于基础层提供的存储资源和大数据，通过机器学习建模，开发面向不同领域的应用技术，包含感知智能及认知智能两个阶段，感知智能如语音识别、图像识别、自然语音处理和生物识别等，认知智能如机器学习、强化学习、对抗学习、自然语言理解等；人工智能应用主要为人工智能与传统产业相结合，以实现不同场景的应用，如机器人、无人驾驶、智能家居、智能医疗、智能问答等领域。从上述几个方面可以看出，AI产业链的应用成熟度取决于关键技术在垂直领域的突破，如果想靠大规模投资来快速推进AI技术的突破是不现实的，而是要反推，技术成熟一个再应用一个，这样比较稳妥。 图5 谷歌产品线应用深度学习技术 （3）人工智能的技术成熟度？ 这一波人工智能的发展，大数据处理、深度学习和GPU计算三个方面的技术起到了关键的推动作用。大数据的采集、基础管理和云计算、GPU计算等技术应该说比较成熟了。突破智能的难点还是在机器学习。我在前文反复提到过，不谈机器学习的智能技术多是在耍流氓。作为机器学习的子领域，深度学习虽然很牛，但它还是神经网络那套算法理论，几十年前就提出来了，换句话说还是在啃老本啊。不管是支持向量机、贝叶斯、决策树等浅层学习算法，还是深度网络衍生出来的深度强化学习、迁移学习、对抗学习等，大部分理论、算法在几十年前的人工智能教材上都能找到，唯一不同的加了个深度，有强大的计算力支持，能处理大数据了。 图6人工智能与机器学习 近年来的人工智能开源框架更是基本等同于深度学习，虽然TensorFlow、Keras、MXNet等深度学习框架备受开发人员推崇，但还是缺乏完整的人工智能技术链，深度学习被捧得太高不是好现象，传统的知识库、专家系统和规则式AI与深度强化、迁移、对抗等学习的融合才是AI发展的正途，另外从芯片、算法、平台、架构到应用等方面来看，弱AI要全面开花落地都还有较长的路要走。再就是浮夸风问题，一些科技媒体抱着Arxiv的某篇论文，就能说解决了某重大应用问题，十分不严谨。如果要给AI技术成熟度打个分的话，个人认为总分100分的话最多算70分，而且还是抱了深度学习的大腿。至于深度学习技术发展的后劲如何，短时间内是否发展成为Musk所说的那样可怕，那要看IT巨头们机器农场中深度网络的工程能力和“进化”速度了，没有大数据资源和大规模计算资源的一般研究机构和人员是很难知晓的。 （4）大数据如何助力人工智能？ 在提这个问题之前，大家可以思考一下，有没有非数据驱动的智能？换句话说，如果没有大数据，除了专家系统和规则式AI，人工智能怎么发展？能否在智能学习方面有所突破？现阶段的AI多是数据驱动的AI，因为没有数据的喂养，就没有深度学习的成功。数据驱动的AI离不开大数据，大数据与AI是一种共生关系：一方面，AI基础理论技术的发展为大数据机器学习和数据挖掘提供了更丰富的模型和算法，如深度神经网络衍生出的一系列技术（深度学习、强化学习、迁移学习、对抗学习等）和方法；另一方面，大数据为AI的发展提供了新的动力和燃料，数据规模大了之后，传统机器学习算法面临挑战，要做并行化、要加速要改进。当前的弱AI应用都遵从这一技术路线，绕不开大数据。 那么怎么做非数据驱动的AI呢？传统的规则式AI可以说是非数据驱动的，更多靠人工内置的经验和知识驱动，不过它最大的问题也是要人工介入，而且很难具有学习能力，靠的知识、记忆和经验建立的规则体系。强AI的目标是机器智能化、拟人化，机器要完成和人一样的工作，那就离不开知识、记忆和经验，也离不开通过知识、经验和记忆建立起来的认知体系（经验规则、知识本体）。从这个角度讲，强AI要实现只靠深度学习还不够，但也不能绕过深度学习，通过深度学习进行物理世界基础知识的初步监督式或半监督学习（幼儿要人教），深度学习掌握的知识必须要能存储记忆并形成经验规则，只有这样遇到新的问题之后，才能智能响应（小孩通过知识经验的积累，不再需要人教而能自我学习）。这需要学习、存储、记忆、推理和构建知识体系，所以说强AI短期要实现很困难。 （5）深度学习的“深”与“浅”？ 首先我们来看深度学习的“浅”，深度学习的核心理论还是基于浅层神经网络的堆叠，核心技术本身并无新意，Hinton也只是做了有限的改造和提升。另外，伟大的东西往往很简单，好比爱因斯坦的EMC方程，深度学习是一种朴素、简单、优美而有效的方法：像小孩搭积木一样简单地构建网络结构；性能不够，加层来凑的朴素思想，这种标准化、易用性的处理架构，极大降低了机器学习的难度，当然最关键还是应用效果。从这个角度理解，深度学习并无深意，只是对传统浅层神经网络做了少量改造。 再来看深度学习的“深”，在我看来，深度学习绝不只是几个具体算法、模型那么简单，而是一种仿人脑多层异构神经元连接网络的机器学习思想、方法论和技术框架（可能会从传统机器学习学科中分离出来，传统浅层学习模型的深度化是一大研究趋势）。各类深度学习网络的变异、进化、融合，结合GPU超级计算将是未来现实大数据条件下大规模机器学习的重要方向，特别是海量多模态大数据条件下的机器学习，没有深度架构只靠浅层学习，将无法支撑大数据条件下自动特征学习、模型的有效表达和记忆存储。当然，深度学习在当前看来是通向现实人工智能的一条有效途径，但不应该是一种包罗万象的解决方案。尽管深度学习的能力相比传统机器学习技术很强，但和真正的人工智能目标相比，仍然缺乏诸多重要的能力，如复杂的逻辑推理、知识抽象、情感经验、记忆和表达等。不过深度学习发展现在还处于初级阶段，能否真正实现类脑计算解码还需要时日加以验证；另外，随着深度学习的网络形式和深度架构的逐步演进， 与基于经验知识库的规则式AI相结合，能否形成终极的类脑学习框架，让我们拭目以待。 （6）Tesla钢铁侠和Facebook小扎到底在争个什么？ 前段时间，Tesla钢铁侠Musk与Facebook小扎进行了一场谁不懂AI的嘴炮对决，大佬们纷纷站队，貌似支持小扎的大佬要多一些？他俩到底争个啥，在我看来绝不是单纯的AI技术问题，而是在讨论强AI的可能性和强AI的觉醒时间。李嘉诚邀请阿尔法狗创始人戴密斯·哈萨比斯(Demis Hassabis)给他讲课，日本软银孙正义计划几百亿只投资人工智能相关项目，都是在押宝这一问题。其实弱AI与强AI的二元划分不是太合理，我们都知道技术的发展是个量变到质变的过程，弱到强之间难有技术分水岭，就像神经网络的三起三落，十年前没有大数据支持，神经网络学习效果不佳就说他弱吗？现在换了个马甲，因为有大数据了，学习效果好太多了就说它强吗？某一方面的技术不能说明问题，一个领域的突破性发展往往是一系列关键技术的改进在推动，缺一不可。 图7 人类发展进程曲线 那么大佬们当下关注的关键问题-强AI何时到来？这也是小扎和钢铁侠争论的焦点，这个时间节点能否预测呢？首先看下上图的人类发展进程曲线，这个曲线表达的是核心意思是，我们的发展进程是经历突变还是渐变多一些？这个还真不好说，原子弹发明之前，大部分科学家预测短期不可能，至少要几十年，也有科学家预测只需要几年，人工智能的三起三落也是，前几十年的乐观预测都失败了，未来几年会不会产生突变呢？谁也说不准，首先我们不能以深度学习技术现有的局限来推断其未来的发展潜力，就像我们不能预测Hinton是在2006年提出DBN，而不是1996或是2026？另外强AI能否觉醒，这得看未来数年里，是否有Arxiv上的某篇论文提出了机器学习的终极算法？或是Facebook机器农场中的某个深度网络全面解码了人脑的学习机制，抑或是谷歌机器农场中的某个深度网络通过本体学习和记忆产生了初级意识。 5人工智能五大门派对决：Watson vs. AlphaGo 上文说到，强AI的可能性，强AI何时能实现？是以小扎和钢铁侠为代表的大佬们，关于谁更懂AI展开嘴炮的焦点。要回答这一问题，首先得搞清楚AI技术发展的现状和瓶颈，下面就通过当今世界最顶级的两个AI系统，阿尔法狗（Alphago）和沃森（Watson）的对比分析，来深入探讨这一问题。 AlphaGo采用的核心技术我在前文《阿尔法狗（AlphaGo）彻底战胜人类意味着什么》中有深入分析，简单来讲，其基于深度学习+强化学习+蒙特卡洛树决策的组合式学习方法（或者说学习框架）应用说摸到了类脑学习的边，其学习下棋分为三个阶段：（１）通过对棋谱的深度学习完成策略网络的构建，采用深度学习技术训练一种有监督学习型走棋策略网络，类似于我们的观察学习获得的第一反应。（２）通过自我对战强化学习来提高博弈水平，采用强化学习技术来优化先前的走棋策略网络，通过自我博弈的强化学习迭代结果，来提升前面的策略网络。即与之前的“自己”不间断训练以提高下棋的水平，这个过程有点类似于人类的巩固学习和理解贯通阶段。（３）通过深度回归学习构建估值网络，用来预测自我博弈强化学习数据集里局面的预期结果，即预测那个策略网络的局面会成为赢家。结合蒙特卡洛树（MCTS）搜索压缩搜索空间，降低了搜索时间复杂度， MCTS决策有效结合了策略网络和估值网络，类似于人类的判断决策过程。 Watson的系统架构如下图，IBM 关于 Watson的宣传资料提到，Watson原来只有1个 “深度问答”的API，现在已经有42个API应用于36个国家的几十个行业，内容涵盖文字图像识别、自然语言理解、专业知识学习、人类情绪分析等各个领域。通过其技术架构分析，可知Watson 的核心功能是文本挖掘和知识问答，核心技术采用了基于统计学习算法和规则式自然语言处理（NLP）技术。从这个角度讲，IBM Watson的学习能力是十分有限的，依靠的海量非结构化大数据，加知识规则匹配，其重点宣传的认知智能是基于自然语言的情感分析和语义理解，是否采用了更为先进的深度学习算法不得而知。可以肯定的是网上关于Watson系统的负面评价却不少，医疗智能诊断AI的失败，暴露出了不少问题，比如需要几个月时间进行繁重的训练，专家们需要给系统喂养海量条理清楚的数据（未经整理过的数据一般不能用，这是浅层学习模型的硬伤，而深度自动特征学习在一定程度上改善了这一问题，但还有相当大的技术瓶颈需要突破），而且不能在不同的数据集之间建立联系（这点是Palantir大数据系统的强项，详见前文《大数据独角兽Palantir之核心技术探秘》）。 图8 IBM Watson架构 几十年来，人工智能技术研究的五大门派（如下图）一直以来都在彼此争夺主导权。 (1)符号派：使用符号、规则和逻辑来表征知识和进行逻辑推理，最喜欢的算法是：规则和决策树。(2)贝叶斯派：获取发生的可能性来进行概率推理，最喜欢的算法是：朴素贝叶斯或马尔可夫。(3)进化派：生成变化，然后为特定目标获取其中最优的，最喜欢的算法是：遗传算法。(4)类推派：根据约束条件来优化函数（尽可能走到更高，但同时不要离开道路），最喜欢的算法是：支持向量机。(5)联结派：使用概率矩阵和加权神经元来动态地识别和归纳模式，最喜欢的算法是：神经网络。 图9 人工智能五大门派 通过上述比较分析，可以看出AlphaGo与Watson的优劣。AlphaGo的技术框架通用性更好，深度学习能力更强，而Watson更多采用的传统规则式AI技术，虽然有自然语言文本等非结构化大数据优势，但没有关联挖掘和深度学习能力，其智能化水平有待提高。另外，通过AlphaGo与Watson核心技术架构的对比，在大数据条件下，联结派和符号派AI谁更牛高下立见，但都有各自的优点和缺点。根据Domingos的观点，机器学习五大门派有望交叉融合产生终极算法，但是时间上却难以推测。个人认为，未来联结派和符号派的融合会是大势所趋，基于自动特征抽取和规则关联推理的深度学习，与基于知识经验的终身学习相结合，是AI进一步发展的关键技术方向。 6如果强AI觉醒，我们将走向何方？ 最后做点展望，人工智能技术毫无疑问会改变我们的世界，越是强大的技术，其自身发展的速度（指数级）也是难以想象和预测的，当谷歌的自动驾驶狗（已行驶超200万公里）、医疗狗（DeepMind各种疾病诊断AI已初现身手）、翻译狗（谷歌几十种语言的自动翻译）、军事狗（Boston Dynamic机器人）、金融狗…等各种狗连成一片的时候，工业机器人很可能会走出牢笼，变身各种机器助手进入到我们家里和办公室里，而AI的服务端则会像电力一样提供源源不断的智能信息服务，到时我们的社会究竟会变成怎样，这不是一个单纯的技术问题，特别是面对强ＡＩ技术的研发和应用，我们应该重视其对社会、经济、政治产生的深远影响。假如有一天强ＡＩ真的觉醒，对于人类的未来，可以说是吉凶难测，这取决于我们的技术管控和团队协作等能力，还取决于更重要的一点，那就是人性。 最后列几则关于ＡＩ发展的正反方观点，难说谁对谁错，具有代表性，供大家思考。 李开复：“类人机器人只是科幻，人形机器人将马上进入千家万户的说法，简直是无稽之谈。人工智能擅长对目标明确的工作进行优化（但是不能创造，没有感情）；机械控制的发展速度较人工智能软件的发展要缓慢得多；传感器虽然得到迅猛发展，但价格昂贵、体积偏大且太耗电。机器人的开发要牢记实用性这一原则：机器人或能创造效益，或能节省成本，或能提高生产，或可以提供娱乐。过度担忧可能导致大众忽视AI正在带来的巨大机遇，也会让更多更紧迫的AI问题没有得到关注，这只会捡了芝麻丢了西瓜。未来十年，AI将大规模地取代那些依靠人力的、重复性的、分析性的岗位。因此，我们要肩负起创造更多社会服务性岗位的职责，而不是空想或谋划一个充斥着“不适用于人类”职位的社会…” 扎克伯格：“人工智能威胁人类的观点“相当不负责任”，未来五到十年，人工智能会大为改善人类生活质量。人工智能已经在诊断疾病方面提供帮助，自动驾驶汽车也是人工智能改善人们生活的一种表现。科技应用一直都利弊兼有，创造技术的时候需要小心，但有人主张要放慢人工智能的研究步伐，其动机确实值得怀疑。” Elon Musk：“我认为，我们对待人工智能应当非常谨慎。如果让我猜测，人类最大的威胁是什么，那么就是人工智能。因此我们需要非常谨慎。我越来越感觉到，这里应当有一定的监管，或许是在全国层面，或许是国际层面，这只是为了确保我们不会去做一些蠢事。” 比尔盖茨：“我和那些担心超级智能的人同处一个阵营。起先，机器将帮我们做许多工作，更不用说超级智能。如果控制得好，人工智能应该会非常有利。不过，几十年后人工智能会强大到足以令人担忧的地步。在这一点上我赞同Elon Musk等人的看法，而且我不明白为什么一些人会对此仿佛若无其事。” 马云：“我认为人工智能，你是改变不了的，这是一个巨大的趋势，你只能改变自己。为未来来讲，三十年也好、五十年也好，人类的冲击一定会非常之大，而且一定会非常疼痛的，任何高科技带来的问题，带来好处也会带来坏处。有一点是肯定的，未来的机器一定比你更了解自己，人类最后了解自己，是有可能通过机器来了解的，因为我们的眼睛是往外看的，IT往外看的，但是DT是往内看的，往内走才是有很大的一个差异。至于前段时间比较热门的AIphaGo，人跟围棋下，我在深圳互联网大会上讲了一下，我认为这是一个悲剧，围棋是人类自己研究出来，自己玩的东西，人要跟机器去比围棋谁下得好，我第一天就不会比，就跟人要跟汽车比谁跑步跑得快，那不是自己找没趣吗，它一定比你算得快。” 王垠：“很多人喜欢鼓吹人工智能，自动车，机器人等技术，然而如果你仔细观察，就会发现这些人不但不理解人类智能是什么，不理解人工智能有什么局限性，而且这些“AI 狂人”们的心，已经严重的机械化了。他们或多或少的失去了人性，仿佛忘记了自己是一个人，忘记了人最需要的是什么，忘记了人的价值。这些人就像卓别林在『大独裁者』最后的演讲里指出的：“机器一样的人，机器一样的心。”每当提到 AI，这些人必然野心勃勃地号称要“取代人类的工作”，“节省劳动力开销”。暂且不讨论这些目标能否实现，它们与我的价值观，从一开头就是完全矛盾的。一个伟大的公司，应该为社会创造实在的，新的价值，而不是想方设法“节省”什么劳动力开销，让人失业！想一下都觉得可怕，我创造一个公司，它最大的贡献就是让成千上万的人失业，为贪得无厌的人节省“劳动力开销”，让贫富分化加剧，让权力集中到极少数人手里，最后导致民不聊生，导致社会的荒芜甚至崩溃……” 参考资料： 1. 什么是人工智能？《NEWTON科学世界》2014年第3期 2. 论大数据的泡沫、价值与应用陷阱。http://www.datagold.com.cn/archives/7052.html 3. 阿尔法狗（AlphaGo）彻底战胜人类意味着什么？http://www.datagold.com.cn/archives/7591.html 4. 我为什么不在乎人工智能。http://www.yinwang.org/blog-cn/2017/04/23/ai 靠谱众投 kp899.com：您放心的投资理财平台，即将起航！ ...
如何治疗癌症，这一直是医学家的一大难题。现在，一种新技术或许能让人类在治愈癌症的道路上更进一步。科学家发明出一种纳米机器，可以精确地钻透并杀死癌细胞。 （图注：绿色部分为纳米机器钻孔的轨迹。） 这是一种纳米级的微型机器，可以像钻头一样旋转，由光能驱动，速度极快。它可以钻透细胞衬里，在短短60秒的时间内杀死一个癌细胞。 这项研究的测试在英国的杜伦大学进行。研究人员花费了1-3分钟，使用纳米机器钻透了人类前列腺细胞的细胞膜，完全杀死了这个细胞。该研究被发表在了《自然》杂志上。 纳米机器可以有效地对抗一系列癌症，包括目前抗拒治疗的癌症等。 杜伦大学的罗伯特·帕尔博士（Dr. Robert Pal）认为，纳米机器可以有效地对抗一系列癌症，包括目前无法治疗的癌症。他说：“我们正在努力实现我们的愿望，即使纳米机器来靶向打击癌细胞，如乳腺肿瘤和皮肤黑素瘤，包括对现有化学疗法有抗药性的细胞。一旦这项技术得到发展，它将可以为非侵入性癌症治疗提供方向，并大大提高全球的癌症生存率，为患者谋求福利。” 当被激活时，机器上的马达可以旋转钻入指定细胞中。在大学的实验表明，纳米机器也可以找到指定细胞但不钻入，等待激活后再进行钻孔动作。他们发现，纳米机器每秒需要旋转2-3百万次才能进入细胞。 靠谱众投 kp899.com：您放心的投资理财平台，即将起航！ ...
半年前，宣亚国际公告，计划收购蜜莱坞（映客），市场猜测不断。昨日，宣亚国际抛出重组草案，令人惊叹，变相卖壳玩的是炉火纯青。 简单交代一下资料，宣亚国际的控股股东宣亚投资持有映客0.7423% 股权，这次宣亚国际28.95亿计划收购43.3508% ，收购完成后，宣亚国际就拥有了映客的控股权。 在这场收购中，大家最关心的应该是映客的估值——60.6亿。以及，映客的赚钱能力，2016年净利润4.8亿，今年第一季度净利润2.44亿。可以说，映客这家成立不过 2 年的公司，在直播风口上迅速膨胀。 但是，关于这次重组方案，应该还有一些细节，更值得思考。 现金交易规避监管 这一次，宣亚国际借钱现金收购，完美规避了并购审核。宣亚国际的总市值 72 亿，而映客的估值是 60.6 亿，从下表来看，无论用什么方式，这次收购必将构成重大资产重组。 通常来说，上市公司重组，会以「发行股份+现金」的形式进行收购，但是，发行股份意味着要通过并购委员会审核，众所周知，去年以来，关于互联网、影视等行业的并购监管趋严，像映客这么高的估值，恐怕很难通过审核。 这时候，重点来了，宣亚国际不发行股份，根据并购分道审核机制，现金交易不需要过会，这样从法律层面讲，即使监管层觉得标的公司存在泡沫，也只能发发问询函，并不能因此直接叫停。 换句话说，无论映客 60.6 亿的估值是否存在泡沫，只要宣亚国际的股东大会、董事会批准了，这场收购就势在必行。 而目前进展是，本次交易已经宣亚国际董事会和蜜莱坞股东会审核通过，尚需取得公司股东大会的审批及通过中国商务部经营者集中反垄断审查。 举债重组 既然是借钱，就会有债主。资金来源很重要。因为银行贷款不得用于收购股权，除非是专门的并购贷款，但总额不超过收购金额的 50 %，且要银行审核。 而宣亚国际的办法是——向股东借钱呀！公告原文是「宣亚国际本次交易的收购资金总额计约28.95亿元，均来源于宣亚国际四个股东拟提供的长期借款」 从形式来讲，这个模式没硬伤。按照宣亚国际的逻辑，映客是个赚钱小能手，映客原股东承诺，2017、2018年、2019，净利润分别不低于4.92 亿、5.75 亿、6.65 亿。利润高，偿还债务的现金流就充沛。 看这是一个挺划算的买卖。你以为，宣亚国际的的心理活动很是：映客是赚钱的，收购刺激股价上涨的可能性更大，到时候再融资买回债务，或是拖过一年并购期，再发股就不算借壳？ Tooyoung，Toonaive！ 距离借壳一步之遥 虽然是现金收购，但是交易完成后，收购资金只是在映客原股东手里转了一圈，又回到了宣亚国际身上。而宣亚国际为此付出的代价，就是股权。 画了一个非常丑的图，希望你们能看明白。 下面是宣亚投资增发股份的操作，经过这次操作以后，映客团队成功拿到宣亚国际29.93%的股权，等同于变相卖壳，但是不需要过会，手法相当高明（如果嫌麻烦，可以直接看最后一段）。 重点来了（敲黑板），在这次交易之前，宣亚国际主要股东为宣亚投资、橙色动力、金凤银凰、伟岸仲合。其中， 控股股东是宣亚投资（持股37.5%），张秀兵、万丽莉夫妇合计持有宣亚投资100%的股权 。 交易完成后，原映客股东要增资入股，具体是奉佑生、廖洁鸣和侯广凌合计持有宣亚投资42.01%的股权；侯广凌、廖洁鸣和映客常青合计持有橙色动力42.01%的出资比例，映客远达、映客欢众合计持有伟岸仲合42.01%的出资比例，映客常青和映客远达合计持有金凤银凰42.01%的出资比例。 也就是说，交易完成后，映客的原股东，通过宣亚国际的四大股东，合计持有宣亚国际 29.93%股权。 而宣亚国际目前的实际控制人，张秀兵夫妇只有 21.75%。虽然，收购草案中注明，映客团队不会谋求控股权，但交易完成后，他们就会成为事实第一大股东。 一旦，未来映客团队达成一致行动人，那么就将意味着宣亚国际从此易主。 靠谱众投 kp899.com：您放心的投资理财平台，即将起航！ ...
原标题：教育部：任何网贷机构不允许向在校大学生发放贷款 教育部财务司副司长赵建军今天在教育部新闻发布会上表示，根据规范校园贷管理文件，任何网络贷款机构都不允许向在校大学生发放贷款。为了满足学生金融消费的需要，鼓励正规的商业银行开办针对大学生的小额信用贷款。 教育部今天上午召开新闻发布会，请教育部财务司副司长赵建军等人介绍十八大以来学生资助政策体系建立情况和政策落实情况，教育部新闻发言人续梅主持发布会。 有记者问：近两年，部分大学生因为高消费陷入校园贷的泥潭，甚至有学生因此而自杀，教育部对于这种学生的消费情况和现在存在的问题有没有一个解决的办法？ 赵建军首先解答了学生为什么借了钱后会陷入校园贷。因为未来要偿还的利息很高，为什么有这么高的利息学生还要去借这个贷款呢？是因为很多所谓的网络平台机构，在宣传方面做了不诚实的宣传、虚假的宣传，告诉学生这个贷款很方便，很便宜。学生在这种情况下，由于金融知识还不是很丰富，去借了贷款，最终成了高利贷，利滚利，有的学生到了还不起的状态。社会上不良的网贷机构，虚假宣传，引诱学生，造成这种现象。 赵建军透露，去年以来教育部和国务院有关部门，主要是银监会、公安部、网信办、工商总局几个部门联合出台了很多措施、很多文件来治理校园贷的问题。尤其是今年初，上半年教育部和银监会、人力资源部联合印发了规范校园贷管理的文件，这个文件明确取缔校园贷款这个业务，任何网络贷款机构都不允许向在校大学生发放贷款。 赵建军表示，为了满足学生金融消费的需要，鼓励正规的商业银行开办针对大学生的小额信用贷款。据他了解，不少银行已经开办了这项业务，像中国银行、建设银行等。同时，教育部还要求各高校要认真做好学生的教育，加强对学生金融知识的教育，加强不良校园贷的警示教育，引导学生不要上当受骗。 靠谱众投 kp899.com：您放心的投资理财平台，即将起航！ ...
