當前位置:
首頁 > 最新 > 2018年重塑科技行業的15個趨勢之

2018年重塑科技行業的15個趨勢之

2018年重塑科技行業的15個趨勢(1-4/15)

原文: 15 Trends Shaping Tech In 2018

來源: CB insights

導讀:

很多消費者並不在乎是否真正擁有一輛車,他們只想使用汽車,把麻煩的事留給其他人處理。於是,新型租賃服務應運而生。

2017年7月,中國政府宣布,力爭到2020年時,人工智慧總體技術和應用與世界先進水平同步,到2030年時,人工智慧理論、技術與應用總體達到世界領先水平。中國政府牽頭了一個項目,目標是打造一種性能和能效比英偉達圖形處理器(GPU)高20倍的晶元。

根據新稅法,美國公司迴流國內的海外利潤可以享受15.5%的優惠稅率。對蘋果、甲骨文、微軟、谷歌母公司Alphabet等現金充裕的科技公司來說,新稅法將使它們可以從海外拿回大量資金。

原文翻譯:

汽車擁有方式在變。AI競賽如火如荼。健身與健身房的關係越來越淡化。寵物飼養變得技術化。我們審視了2018年將會重塑科技行業的趨勢。

如今,不單單是科技巨頭,各種各樣的公司都在積極進行併購,還把投資初創公司作為「研發外包」的一種形式,希望以此獲得技術優勢。這是各個行業為了開發技術產品和服務而作出的努力之一。

與此同時,亞馬遜的身影似乎出現在每一個行業,從雲計算,到百貨零售(它收購了全食超市),這使所有CEO都提心弔膽。

隨著政府加強對跨境活動和社會影響的監管,技術也日益受到政府的重視。雖然科技巨頭面臨著種種阻力,但美國的新稅法或許將讓科技公司獲得又一個延伸觸角的機會。

研究機構CBInsights的分析師回顧了一年來的研究,找出了他們認為將在2018年重塑科技行業的趨勢。

從新型租車,到大型科技公司的地產野心,再到跨境併購,以下是值得關注的科技業15個趨勢。

1)訂用式的汽車租賃

只要支付月費,就可以把車開走,想開多久都行。月費常常包含保險和養護費用。有了這種方式,你不必購買汽車(這種商品從你購買的那一刻起就開始貶值),也不用簽訂複雜的租賃合約。

汽車公司和初創企業正在鼓勵人們將這種模式作為新的汽車擁有方式。這樣可以應對Uber和Lyft的威脅。

成立於2017年9月的初創公司Fair資金雄厚,已經融資10億多美元,投資者包括寶馬公司旗下風投部門Penske Automotive Group以及Sherpa Capital。該公司擁有明星般的領導團隊:創始人斯科特·佩特爾(Scott Paintor)曾創建了已上市的購車平台TrueCar,佐治·鮑爾(Georg Bauer)曾擔任特斯拉、寶馬和賓士的財務主管。

當你想換一輛車開的時候,Fair能讓你有一番新的體驗。他們使換車變得相對容易,不會造成什麼麻煩。

大型汽車製造商也開始嘗試這種新穎的模式。在2017年11月舉行的洛杉磯車展上,沃爾沃和林肯宣布推計程車服務。保時捷也推出了自己的租賃服務,服務內容涵蓋了慷慨的保險條款、道路救援、全車清洗,以及負責清潔和交付汽車的私人禮賓員。

但覆蓋面是個問題。例如,保時捷只在亞特蘭大提供上述服務,Fair只面向加州用戶,而沃爾沃的服務只有XC 40這一種車型。

很多消費者並不在乎是否真正擁有一輛車,他們只想使用汽車,把麻煩的事留給其他人處理。於是,新型租賃服務應運而生。沃爾沃將在2018年交付第一批此類汽車,Fair已經與100家汽車經銷商建立了正式合作關係。這種商業模式能否取得成功,2018年將是關鍵的一年。

2)全球AI晶元主導權爭奪戰愈演愈烈

人工智慧(AI)應用出現爆炸式增長,包括出於安保目的識別視頻中的人臉,以及通過醫學影像發現疾病。但這些應用將在什麼晶元上運行?

中國和美國對這個市場展開了爭奪。得到政府支持的中國初創企業、美國科技巨頭和晶元製造商都想成為下一個英偉達(NVIDIA)。目前,英偉達在AI晶元市場上處於主導地位。

2017年7月,中國政府宣布,力爭到2020年時,人工智慧總體技術和應用與世界先進水平同步,到2030年時,人工智慧理論、技術與應用總體達到世界領先水平。中國政府牽頭了一個項目,目標是打造一種性能和能效比英偉達圖形處理器(GPU)高20倍的晶元。

中國公司寒武紀正在開發專為深度學習打造的晶元,誓言要在未來三年里佔領10億智能終端。

屢屢提到英偉達,是有原因的。1999年,這家公司發布GPU時,他們的主要目標是遊戲產業。然而,隨著AI應用的崛起,GPU也表現出了運行處理器密集型AI演算法的潛力。

目前,英偉達的晶元主導著科技行業,無論是AI初創企業,還是百度、谷歌等大公司,都依賴於英偉達GPU。英特爾的晶元雖然在其他領域佔據主導,但在人工智慧方面並不突出,不得不扮演追趕者的角色。

英特爾已斥資167億美元,收購了可編程晶元製造商Altera。後者的晶元可以加快AI任務的處理速度。

英特爾還把Saffron、Nervana、Movidius和Mobileye等AI初創公司收入囊中。2017年10月,英特爾發布了旨在與AI應用密切配合的「神經網路處理器」系列晶元,技術便來自於該公司收購的Nervana。此外,英特爾還與Facebook合作開發AI晶元。

科技行業的巨頭們也加入了GPU競賽。谷歌發布了整合其TensorFlow開源軟體庫的張量處理器(TPU),目前已推出第二代。作為一項戰略舉措,谷歌允許人們在英特爾Skylake和英偉達Volta等其他晶元或GPU上開發模型,然後轉移到谷歌的TPU上。

蘋果近日發布了首款針對機器學習進行優化的A11 Bionic晶元,它採用蘋果設計的GPU內核,能加強新款iPhone的增強現實和面部識別能力。

這個領域也湧現了很多新星,包括Knuedge、Graphcore和Mythic。其中一些公司的員工曾效力於競爭對手的項目,比如谷歌的TPU和百度的深度學習研究院。考慮到AI產業正在進行整合,如果這些公司最終成為科技巨頭的併購對象,倒也不會令人感到意外。

3)大規模同步在線社群(MSOC)的興起

視頻直播已經大行其道,但欠缺互動性,除非你把Facebook的Reaction表情圖標也算在內。

不過,小知識問答遊戲HQTrivia的走紅很好地說明了2018年的一個趨勢。這款問答遊戲每天在iOS平台上直播兩次,分別在早上和下午。參與者必須同時登錄,快速回答問題,冠軍可獲得現金獎勵。

HQ Trivia目前只面向蘋果用戶,安卓版將在2018年上線。儘管如此,在2017年12月的前幾周,每一期HQ Trivia遊戲都有20多萬人參與。這個數字也許不算太多——截至2017年1月,Facebook僅在美國就擁有2.14億用戶——但HQTrivia真正厲害的地方在於,它是同步性的。在上班途中,在早餐和午休期間,許許多多的陌生人同時登錄這些APP,以實時的方式,共同體驗。

一段時間以來,我們一直在朝這個時刻努力,作出了很多類似的嘗試。Omegle和Chatroulette等免費視頻網站允許人們和陌生人進行一對一的實時視頻聊天,幾年前曾頗受歡迎。

雖然這些網站很快失寵,但後來又有其他公司嘗試了這個想法。推出視頻群聊應用HouseParty的Life on Air公司通過Meerkat,把個人視頻直播引向大眾。雖然該公司很快關停了Meerkat,但Twitter Periscope和Facebook Live接踵而至。現在,Facebook又推出了模仿House Party的Bonfire,可以讓用戶與多名好友同時進行視頻聊天。

HQ Trivia的成功再次印證了這個新想法的可行性。它不但可以讓你用化名與陌生人合作,參與者還能獲得現金獎勵,這也許是其最大的吸引力。

不過,HQ Trivia已經有了競爭對手。

視頻應用Stream的開發者推出了Q,它於2017年12月上線。Q類似於HQ Trivia,也是讓用戶以競爭的方式回答問題,並贏取現金獎勵。在印度,一款叫做Showtime的應用也複製了相同的概念。

HQ Trivia證明,市場上存在著與眾多陌生人共享同步在線體驗的需求。預計2018年將出現更多的同類產品。

4)新稅法將讓科技巨頭更加強大

根據新稅法,美國公司迴流國內的海外利潤可以享受15.5%的優惠稅率。

對蘋果、甲骨文、微軟、谷歌母公司Alphabet等現金充裕的科技公司來說,新稅法將使它們可以從海外拿回大量資金。

企業會用這筆錢來做什麼?它們的選擇包括股票回購、併購、重新投資於資本支出、投資初創公司,等等。對於在2017年已經風生水起的科技行業來說,這或許將成為一針興奮劑。

其中,蘋果的海外資金尤其之多。該公司未被美國政府徵稅的海外利潤高達2520億美元。

車品覺簡介

暢銷書《決戰大數據》作者;國信優易數據研究院院長;紅杉資本中國基金專家合伙人;浙江大學管理學院客席教授;全國信標委員;數據標準工作組副組長;美麗心靈基金會桑珠利民基金副主席。

原阿里巴巴集團副總裁,首任阿里數據委員會會長;現擔任中國信息協會大數據分會副會長、中國計算機學會大數據專家委員會副主任、粵港信息化專家委員、中國計算數學學會第九屆理事、清華大學教育指導委員(大數據項目)、浙江大學管理學院客席教授等職。

更多相關知識請回復:「 月光寶盒 」;

數據分析(ID :ecshujufenxi)互聯網科技與數據圈自己的微信,也是WeMedia自媒體聯盟成員之一,WeMedia聯盟覆蓋5000萬人群。


喜歡這篇文章嗎?立刻分享出去讓更多人知道吧!

本站內容充實豐富,博大精深,小編精選每日熱門資訊,隨時更新,點擊「搶先收到最新資訊」瀏覽吧!


請您繼續閱讀更多來自 數據分析 的精彩文章:

2017碼字小結:感謝有你

TAG:數據分析 |