boombox

“投资人如果不投AI，还能投什么？”一位AI芯片公司的CEO和第一财经闲话时发出了这样的感慨。玉在椟中求善价，钗在奁中待时飞。不仅仅是投资人的热情，整条产业链都在为AI而疯狂。从芯片设计开始的新思科技，到授权专利的高通，乃至芯片老牌厂商英特尔、英伟达，再到芯片制造产业链上的台积电，甚至于关注5G行业和应用的厂商都在刚刚落幕的2019WAIC上为AI的推广应用鼓与呼。AI与5G的结合，让物联网时代更加值得期待。AI芯片前途可期以设计研发最烧钱，又不太好让后来者赚钱的芯片行业为例，赛迪顾问发布的《中国人工智能芯片产业发展白皮书》显示，2018年中国AI芯片市场依然保持增长，整体市场规模达到80.8亿元，同比增长50.2%。做AI芯片者众，战场也出现了分化。2014年6月，集成电路产业发展新的纲领性文件的发布吹响了芯片产业追赶国际先进水平的号角。同年9月，集成电路产业基金（下称“大基金”）正式成立。第一财经在启信宝上搜集了2014年9月至今的半导体公司获得融资的情况，发现江苏省、广东省和上海的半导体公司获得融资的次数位居全国榜首，分别有51次、35次和34次。从专利数量来看，上海交通大学、中芯国际和上海理工大学在上海地区位列前三，在长三角地区具有优势boombox

针对这个问题，请教了算法组的同事，他分享了基本的思路：对于这种图像搜索的算法，一般是三个步骤：1. 将目标图片进行特征提取，描述图像的算法很多，用的比较多的是：SIFT描述子，指纹算法函数，bundling features算法，hash function(散列函数)等。也可以根据不同的图像，设计不同的算法，比如图像局部N阶矩的方法提取图像特征。2. 将图像特征信息进行编码，并将海量图像编码做查找表。对于目标图像，可以对分辨率较大的图像进行降采样，减少运算量后在进行图像特征提取和编码处理。3. 相似度匹配运算：利用目标图像的编码值，在图像搜索引擎中的图像数据库进行全局或是局部的相似度计算;根据所需要的鲁棒性，设定阈值，然后将相似度高的图片预保留下来;最后应该还有一步筛选最佳匹配图片，这个应该还是用到特征检测算法。其中每个步骤都有很多算法研究，围绕数学、统计学、图像编码、信号处理等理论进行研究。下面是阮一峰的一个最简单的实现：你输入Google图片的网址，或者直接上传图片，Google就会找出与其相似的图片。下面这张图片是美国女演员Alyson Hannigan。 上传后，Google返回如下结果： 这种技术的原理是什么?计算机怎么知道两张图片相似呢?根据Neal Kboombox

私募股权公司GVG Capital调查了100个国家的5000家企业，并发布数字化转型研究。预计到2030年，全球高达50万亿美元的消费支出将转为网上开支，届时在印度和德国等15个以上国家，40个新的数字巨头将在食品到医疗等规模达到数万亿美元的市场上诞生。数字化巨头特指市值超过1000亿美元、在各自市场占据主导地位的企业。首场数字化之战(1995-2020)诞生了八个数字巨头，包括全球十大最具价值企业中的七家：六家来自美国（亚马逊、苹果、脸书、谷歌、微软和Netflix），两家来自中国（阿里巴巴和腾讯）。下场数字化之战(2020-2030)将在15个以上国家诞生40个新数字化巨头：印度、印尼、日本、新加坡、韩国、法国、德国、意大利、荷兰、西班牙、瑞典、英国、巴西、墨西哥和阿联酋规模达到数万亿美元的市场，如医疗、房产、食品、零售、金融服务、媒体、消费品、运输、电信和技术。由于创业公司和数字巨头面临结构性挑战、政府反对、民众不满和投资者不信任等问题，因此老牌公司应及时把握机会。为了赢得下场数字化之战并打造新的数字化巨头，企业必须将客户体验改进10倍，加快运营以符合创始人-所有者的期望，并利用互联网创新来实现市场突破。拥有集中所有权--如创始人、家族或私募公boombox

苹果笔电用户有一个永远的痛，目前全系列都只留下了多功能（需要转接）的Type-C的雷电3接口。使得很多方面都不是非常方便，这也让很多用户要选择C-HUB的扩展坞才能更好的使用，毕竟现在配套的USB-C的设备还没能跟上节奏，也并不普及。屈指可数的支持C口的显示器、优盘C口的倒是多点可是速度都比较欠佳。为了解决C口的问题我也选择过不少扩展坞产品，但是也有一个痛点，早期的时候购买的接口略少，大多只有像是HDMI、USB接口这样。像是需要读取SD卡、TF卡或者需要使用有线网络接口都需要额外再次扩展还是非常麻烦的。为了解决这个问题，最近购入了Twelve South的Type-C扩展器，作为在苹果商店能看到的品牌来讲，我对Twelve South（十二南）的品牌一直都有十足的好感。整体设计上也是十足的苹果味。选择这款的原因也很简单：功能全面、体积小巧。在苹果商店中可选这么全面的就一款贝尔金的选择了，但是那个实在下不去手（近3000的价格）。而且功能上两者接近，Twelve South（十二南）的这款StayGo体积也更占优些。外观展示包装方面依旧是熟悉的Twelve South（十二南）的风格，产品的名称也很有趣StayGo。应该主要还是表达产品非常便携。附件方面倒也简单，但是提供了额外1Mboombox

由Google（谷歌）公司开发的Dart语言迎来了2.5版本的更新。本次更新提供了ML Complete（由机器学习驱动的代码补全功能）和dart:ffi 外部函数接口（用来直接从 Dart 调用 C 语言代码）。Dart 2.5类型化编程语言的核心优势之一，就是在类型中附带的信息使得 IDE / 编辑器能够在键入代码时提供强大的代码补全功能，从而帮助开发者提高效率。通过代码补全，开发者只需要输入代码的开头部分即可从提供的选项中进行选择，从而避免拼写错误，也便于探索各种 API。但随着 API 数量的增长，探索 API 也变得愈发困难，因为补全功能提供的列表太长，开发者无法按照字母顺序去逐一浏览。在过去的一年里，我们一直在努力让机器学习来解决这个问题。简单地讲，我们通过分析 GitHub 上大量开源的 Dart 代码来训练一个模型，用以分析特定上下文时不同代码成员的出现模式。这个基于 TensorFlow Lite 打造的模型在被训练成型后，可以在开发者编写代码时预测接下来需要用到的代码内容。这个新功能我们称之为 ML Complete。以下是使用 Flutter 框架开发新的 MyHome widget 的示例:使用 ML Complete 开发 Flutter widget 时的示例用于分析的大量 GitHub 开源boombox