本篇文章给大家谈谈中国黄埔军校区块链，以及it界黄埔军校对应的知识点，希望对各位有所帮助，不要忘了收藏本站喔。
中国芯片黄埔军校是AMD。
中国芯片黄埔军校是AMD，Intel和Amd是半导体产业的黄埔军校。
黄埔军校建于1924年,孙中山在中国共产党和苏联的帮助下，在广州东郊的黄埔建立陆军军官学校，1926年改组为中央军事政治学校，通称黄埔军校。在1927年蒋介石背叛革命以前，这是一所国共合作的革命军事学校。孙中山兼任军校总理，廖仲恺任校党代表，蒋介石任校长。
谁说大象不能跳舞？
2020于全体银行而言，是一场无预告的终极考验，一轮最直观的金融 科技 对决。疫情让网点流量骤降到接近于0，全方位挑战银行线上服务水平，检验那些连年增加的 科技 投入，有多少真正变作数字化、智能化的一点一滴。
踏进2021，银行们迎来周密复盘、整装待发的最好时间节点。
在过去这一年，银行更努力地摆脱大象转身的刻板印象，告别以往被各路创新推着走的窘况，试图在金融 科技 和数字新基建的浪潮里承担更主动、开放的角色，以轻快敏捷的步伐持续向前。
没有一家银行不想拥抱AI，没有人愿意错过数智化转型的未来。在梳理数十家银行AI全布局，以及 「银行业AI生态云峰会」 多位嘉宾的分享过程中，我们逐渐发现银行业AI的那些挑战和困境，那些艰险之处同样是机遇所在。
数据安全与隐私保护
银行业AI，首先被AI本身正面临的数据困境，和日渐收紧的数据监管尺度拦住。
在技术维度不断向前奋进的同时，银行必然要思考的一个议题是：业务创新与隐私保护如何兼顾？
雷锋网AI金融评论主办的 《联邦学习系列公开课》 曾对这一问题展开过系统深入的探讨。第一节课上， 微众银行首席人工智能官杨强 就直接点明：“人工智能的力量来自于大数据，但在实际运用过程中碰到更多的都是小数据。”
平安 科技 副总工程师王健宗 也在课上指出，“传统的AI技术必须从海量的数据中学习或者挖掘一些相关的特征，利用数学理论，去拟合一个数学模型，找到输入和输出的对应关系，比如深度学习中训练网络的权重和偏置，模型效果与数据量级、质量、以及数据的真实性等有着密切的关系。”
一个典型例子就是银行信贷风控：现在大部分AI应用都由数据驱动，信贷风控更需要大量数据训练，但大额贷款风控的案例又非常少。“要是来做深度学习模型，只用少量这种大额贷款的样本远远不够。”杨强解释。
小数据需要“聚沙成塔”，同时又面临侵犯隐私的可能。为此，网络安全与数据合规领域的立法进入了快车道，滥用数据和爬虫也受到过严厉整治。
虽然目前《数据安全法》还只是处于草案的状态，但是草案明确提出要关注数据本身的使用，需要在保护公民组织、相关权益的前提下，促进数据为关键要素的经济发展。
数据被称作是新时代的油田，但银行该怎样通过AI摸索出更高效、更合规的开采工具？
在「银行业AI生态云峰会」第一场演讲中， 微众银行区块链安全科学家严强博士 就对银行必备的数据安全与隐私保护思维，进行了深入讨论。他指出：
在数字经济时代下，银行业AI发展 必须要尊重“数据孤岛”作为数据产业的原生态，隐私保护技术则是打破数据价值融合“零和博弈”的关键，需要打通隐私数据协同生产的“双循环”。
而 区块链 是承载数据信任和价值的最佳技术，对于隐私计算和AI应用中常见的数据品质等难题，都可以通过区块链进行互补或提升效果。
联邦学习、TEE可信计算、安全多方计算等多个AI技术路线也正尝试落地于银行的核心业务场景。
AI金融评论了解到，除了微众银行， 江苏银行 2020年也已开展联邦学习方向的 探索 ，他们与腾讯安全团队合作，基于联邦学习技术对智能化信用卡经营进行联合开发和方案部署，在联邦学习技术支持下进行金融风控模型训练。
银行数据库
以“数据”为线，银行前中后台的升级轨迹清晰可见。
如果说前些年的银行 科技 ，讨论度更集中在前台智能化应用，那么如今中后台建设开始更多地来到聚光灯下，讨论它们为银行数字化转型呈现的价值和意义。
这当中的一个重要模块，就是 银行数据库 的改造升级。
我们曾经报道，Oracle自进入中国市场以来，在银行数据库市场，一直具有压倒性优势，也是许多银行的采购首选。
由于长期使用Oracle，不少银行形成较严重的路径依赖。平安银行分布式数据库技术负责人李中原也曾向AI金融评论表示，系统迁移和重新建设需要大量成本，从单机变为多机群体，故障发生的故障发生的概率和维护成本都会加大，对整体系统运维将是巨大挑战。（详见 《银行业“求变”之日，国产数据库“破局”之时》 ）
但随着银行业务创新需求愈发复杂，传统数据库在技术边界、成本、可控性方面越来越不相匹配；采购数据库的来源单一也让银行陷入非常被动的处境。
而云计算的出现，让Oracle在数据库市场接近垄断的地位有所动摇，各大互联网云厂商杀入战场。
腾讯云副总裁李纲就表示，云化数据库胜在成本低、易扩容两大特点，任意一台X86的PC服务器就可以运行，理论上也有着无限的横向扩展能力，这都是Oracle等传统数据库难以企及的优点。
中国数千家银行由此获得更多选择余地，开始从集中式数据库迁移到分布式数据库，一场事关“大机下移”的漫长征途就此展开。
这场变革已有先行者，例如 张家港行 在2019年就将其核心业务系统放在了腾讯云TDSQL数据库上，传统银行首次为核心系统选用国产分布式数据库；2020年，平安银行信用卡的核心系统也完成切换投产，新核心系统同样采用了国产数据库。
在「银行业AI生态云峰会」上， 腾讯云数据库TDSQL首席架构师张文 就深入分享了张家港行和平安银行这两个典型的数据库迁移转型案例。
以 平安银行 为例，其体量之大，意味着应用改造更具挑战性。张文解释道，为了配合此次改造，应用引入了微服务架构对应用进行了拆分和解耦。对账号的分布进行了单元化划分，以DSU为一个逻辑单元，单个DSU包含200万个客户信息，单个DSU同时处理联机和账务两种业务。
但国产分布式数据库也同样还在成长当中，张文也指出了目前金融级分布式数据库面临一系列挑战点，除了有可伸缩、可扩展的能力，更要解决高可用性、数据强一致性，同时 探索 更具性价比的性能成本，以及为金融机构打造更易上手的、更产品化的成熟解决方案。
中台建设
“中台建设”这个热门关键词，不再是互联网公司的专属。银行也不例外，甚至更需要中台。
银行这样的大型机构，架构极其复杂，还有跨部门多团队的协作，海量数据日积月累之下如同年久失修的危楼，更需要及时、持续的治理。
在看来，银行拥有大量的数据、技术和人才，资源却往往“各行其是”，部门之间没有配合意识、独立造烟囱；技术流于表面，无法链接、深入，这造成了银行资源的大量浪费。
中台 的体系化建设和顺利运转，才能将这庞大体系中的“死结”一一梳开。
建设银行 监事长王永庆就曾指出：中台建设是商业银行数字化经营转型的关键环节，认为商业银行数字化转型的必然归宿是生态化、场景化。
尽管商业银行在多年经营过程中沉淀了一定的竞争优势，形成了各具特色的内部生态系统，但目前仍是封闭的、高冷的，还无法满足数字经济对开放式生态化经营可交互、高黏性、有体感、无边界的要求。
因此，建行也已在数据中台先行一步，其落地上概括为5U（U是统一的意思），包括统一的模型管理、统一的数据服务、统一的数据视图，统一的数据规范以及统一的数据管理。
为求轻松支撑亿级用户，实现高时效、高并发场景化经营， 招商银行 近两年也在中台和技术生态体系的建设上持续发力。去年年底发布的招商银行App 9.0，迭代需求点超过1800项，“10+N”数字化中台建设就占据了相当的比重。
如何构建金融机构需要的数据中台？
在「银行业AI生态云峰会」上， 360数科首席科学家张家兴 就用“三通三快”概括了数据中台的标准：
金融机构面对着海量用户、复杂业务，一个优秀的数据中台，必须是达到多业务打通，内外数据互通和用户关系连通，同时还要做到数据的实时处理快、使用快、需求响应快。
他进一步强调，数据与AI融合得非常紧密，如果数据中台和AI中台各自建设，两者之间将不可避免地存在割裂的现象。
基于此，360数科也推出了自己的数据AI融合中台，将最上层数据平台，到中间数据服务支撑的平台服务，再到整个数据资产的管理，到最下面整个数据技术架构的设计都进行调整，并且将自身沉淀的AI能力嵌入其中。
张家兴也在云峰会的演讲上透露，360数科研发了一项联邦学习技术——分割式神经网络，通过神经网络在高维空间，Embedding不可逆的特性，使得不同参与的数据合作方只需要传递Embedding向量，见不到原始数据，但最终可以使模型产生目标效果。
银行信贷智能风控
而在过去一年里，银行信贷风险管理，仍然是最引人关注的方向之一。
关注度一方面来自于，受疫情影响而剧增的贷款逾期和坏账风险，如何借助技术手段“端稳这碗水”，把握好信贷支持尺度，成为银行、消金公司和风控技术服务商们的开年大考。（详见 《信贷战“疫”：一场给风控的开年大考》 ）
而另一方面，2020年下半年起，针对金融 科技 或是互联网金融的监管“红线”逐渐清晰。例如《商业银行互联网贷款管理暂行办法》，其中就明确提出了对商业银行的风险管控要求，和对合作机构的管理规范。
尽管结合AI、大数据的智能风控在银行 科技 应用中不再新鲜，但这并不意味着智能风控已经足够成熟—— 数据资源壁垒、自有数据累积、数据特征提炼、算法模型提升 ，被认为是大数据风控目前所面临四大困境。
某商业银行负责人就曾表示，在模型建设和模型应用过程中普遍存在数据质量问题，包括外部数据的造假（黑产欺诈）和内部数据的滥用等，在模型迭代方面，很多银行只追求迭代的速度和频次，而忽略了最终效果。
前百度金融CRO、融慧金科CEO王劲 进一步指出，数据规范和治理体系不健全，数据质量差且缺失率高，技术能力不足，复合型 科技 人才匮乏等因素都是银行等金融机构无法做好模型的重要原因。
王劲曾在有着“风控黄埔军校”之称的美国运通工作17年，负责过全球各国各类产品相关的700余个模型提供政策制度和独立监控。在云峰会上，他也结合自身二十余年风控经验，剖析了金融风险管理中的那些理念误区。
“很多人并不是特别理解，风险管理永远是一个寻找平衡点的科学。”王劲认为，风险管理平衡有着这样的核心三问：
他也解析了银行等持牌金融机构做好风险管理平衡的核心要素，谈到风险管理最重要的就是对数据的把控，“金融公司成立之初就要思考数据的生命周期。首先要从对业务产品和客户的选择当中，决定需要什么样的数据。”
数据战略是一个相对长期的落地过程，机构首先要立下数据选择的原则和条件：要考虑的不只是数据的合规性、稳定性和覆盖率，更要考虑数据的新鲜度、时效性和时间跨度。
从模型建设的角度出发，王劲指出，一个卓越的风控模型应当具备辨别力、精准度、稳定性、复杂度和可解释性五大要素，“原材料”数据、模型架构和算法的选择，衍生变量的出现，对模型的监控和迭代，以及对y的定义和样本的筛选，无一不影响模型的“锻造”。
在他看来，银行等金融机构如果能在身份识别和控制、数据安全管理、风险模型管理，和自动化监控体系方面，做到高效完善，将会是非常理想的一种状态。
RPA与内部流程优化
还有一个关键词，在各家银行年报中出现频率越来越高，那就是RPA（机器人流程自动化）。此前AI金融评论也曾举办 《RPA+AI系列公开课》 ，邀请到五位头部RPA厂商高管分享RPA与金融碰撞出的火花。
RPA的定义，很容易联想到2012年左右的“流程银行”转型潮。当时的流程银行，意为通过重新构造银行的业务流程、组织流程、管理流程以及文化理念，改造传统的银行模式，形成以流程为核心的全新银行经营管理体系。
如今银行的转型之战，全方位升级为“数字化转型”，内部流程的优化改造在AI和机器人技术的加持下持续推进，RPA也迅速成为银行数字化转型不可缺席的一把“武器”。
达观数据联合创始人纪传俊 在「银行业AI生态云峰会」上指出，RPA+AI为银行带来的价值，最明显的就是减少人工作业、降低人工失误，提升业务流程效率，同时也提高风险的预警和监控能力。
AI金融评论注意到，已有多家国有大行将RPA投产到实际业务中。
以 工商银行 为例，RPA在工行的应用覆盖了前台操作、中台流转和后台支撑等多个业务场景，在同业率先投产企业级机器人流程自动化（RPA）平台并推广应用，全行累计46家总分行机构运用RPA落地实施120个场景。
建设银行 同样也引入了RPA，建立国内首个企业级RPA管理运营平台，敏捷研发业务应用场景 100 个，实现人工环节自动化、风险环节机控化。
农业银行 方面则透露，农行目前还处于技术平台建设阶段，之后将以信用卡业务、财务业务等为试点落地RPA需求。其实施策略，是建设全行统一的RPA技术平台，面向总分行各部门输出RPA服务。
中国银行 在2017年底，旗下公司中银国际就已有RPA的概念验证，团队成功投产20个机器人，分别在不同岗位执行超过30个涉及不同业务流程的自动化处理工作，也与RPA厂商达观数据展开了合作。
纪传俊也在云峰会上分享了目前AI+RPA在银行各大典型场景的落地：
例如智慧信贷，面向的是整个银行最核心的流程——信贷流程，分为贷前、贷中、贷后三大阶段。其中涉及数据查询、数据处理、财务报表、银行流水等专业环节，需要完成基础信息的录入、尽调报告的审核，而这些环节中的大量重复劳动，可以基于AI、OCR、NLP等技术自动化完成。
11月11日-15日，第二十二届中国国际高新技术成果交易会（下称“高交会”）在深圳会展中心正式举行，总展览面积超过14万平方米，有3300多家海内外展商、近万个项目参展，各项活动将超过140场。
区块链20强集体亮相高交会
11日上午，展馆内人头攒动，观展市民及专业人士熙来攘往。工信部电子信息司副司长杨建军、 科技 司副司长范书建在巡展时重点参观了区块链20强项目的展台，并听取了工作人员介绍，详细了解区块链技术的最新进展及其在产业落地的实际情况。
去年10月24日，国家将区块链作为“核心技术自主创新的重要突破口”，一年来区块链技术与产业发展也开启了新纪元，示范性应用纷纷涌现。中国通信工业协会区块链专业委员会轮值主席、火币大学校长于佳宁称，本次集中展示的区块链20强是由多家推荐机构结合产业发展情况，经过数次讨论和调研评选出的具有前瞻性、成长性和实用性的代表性区块链设计项目，覆盖联盟链、分布式存储等区块链底层技术以及区块链在制造业、农业、公益、司法、消费、金融、文娱等实体产业的落地应用。
比如，在区块链基础设施领域，上榜项目是国家信息中心、中国移动通信集团等共同发起的“区块链服务网络（BSN）”，用于部署和运行区块链应用的全球性公共基础设施网络，能够改变目前区块链应用开发和部署的高成本问题。在公益领域，由腾讯区块链推出的公益寻人平台“公益寻人链”，以及构建区块链公益生态互助平台的“星火爱心”项目均有上榜。
与此同时，火链 科技 自主研发的一站式“区块链+产业”服务平台“火链区块链平台”也进入区块链20强，根据企业级客户的业务需求，选择相应的智能合约功能模块，进行组合，快速部署零门槛进入区块链世界。
上榜项目星火爱心COO袁瑞娟表示，区块链技术可以改善公益行业目前的痛点。星火爱心希望将区块链技术与区块链治理思想共同应用到公益当中，积极推进“区块链+公益”领域的 探索 ，本次借助在高交会的展出，希望大众能够了解区块链技术在公益实践管理中的应用，助力国内公益事业的发展。
据悉，2020年创新设计百强榜暨《院士专家推优计划》于2020年10月启动，由中央有关单位、地方政府主办的在全国全行业范围内广泛持续开展的系列活动。中国通信工业协会区块链专业委员会、火币大学和火币Labs作为推荐机构参与评选了区块链技术与应用设计类20强。
区块链应用进入新阶段
区块链技术正在引领全球新一轮技术变革和产业变革，成为全球技术创新和模式创新的“源动力”。于佳宁表示，技术创新和金融创新只有和实体经济深度融合，推动实体经济发展，创新的价值才能得以充分发挥。而区块链只有真正在产业场景中落地才能彰显其内在价值。
随着区块链技术被提升到国家战略层面，今年上半年区块链被正式纳入“新基建”的范畴。在各项政策的支持下，我国自主知识产权的底层技术迎来飞跃提升，联盟链、分布式存储、公链、行业链、政务链、监管链全面开花。产业区块链、链改已经成为 社会 共识。
“2021年区块链应用即将进入大爆炸时代。”于佳宁表示，这主要基于三方面原因：一是实体资产将广泛“上链”，链上实体资产和DeFi（分布式金融）结合将进一步引领区块链技术和数字金融赋能实体产业；二是数字人民币将成为企业数字化转型的关键工具，试点将进一步带动产业的数字化升级；三是数据保护与数字身份重要性凸显，区块链分布式存储等的“新基建”将加快身份数字化和数字资产化的 历史 进程。
中国通信工业协会区块链专业委员会是工信部业务指导的中国通信工业协会所属机构，是全国第一个国家级协会中区块链行业组织。火币大学作为聚焦于区块链应用和数字经济发展的行业教育机构，开设了区块链技术、市场、运营与管理人才的培训，被称为“区块链行业的黄埔军校”，为区块链行业培养了大量创新领军人才。火币Labs致力于打造“区块链创新工场”，为实体经济领域应用区块链技术的创新创业团队，提供资金、商业、技术、市场、人力、法律、培训等相关资源及服务。
据悉，本次评选的区块链20强中，部分企业也在今年举办的创新南山2020“创业之星”大赛大数据和区块链行业赛中取得优异成绩，同时也是火币Labs创业营中的高潜力明星项目。
“如今，正是数字经济大发展大变革之年，区块链的普及应用将带来一系列变革，新金融、新商业、新组织呼之欲出。本次携区块链20强项目亮相高交会，希望向外界展示区块链技术现阶段的发展成果，帮助大众认知区块链技术，为推动区块链技术赋能实体经济建立更广泛的群众基础。”于佳宁说。
附：区块链技术与应用设计类项目20强名单
本文源自中国网 财经
币安创始人赵长鹏、“币圈一姐”何一、“币圈吴彦祖”李书沸，都曾是欧科集团高管，作为区块链行业早期企业之一，欧科集团为行业培养了大量人才，后来有人就把欧科集团比喻成币圈黄埔军校。
2016年11月14日上午9点，中关村丹棱街5号微软大厦，李开复，张亚勤，沈向洋，洪小文，王坚等中国IT界中国黄埔军校区块链的技术大佬，以及曾在微软亚洲研究院工作过的近200位院友“同框出现”，宣布“微软亚洲研究院院友会”正式成立：沈向洋担任会长，李开复和张亚勤任名誉会长，他们都是这家研究院曾经的院长。
坦率地讲，夹杂在繁芜的科技资讯信息流之中，这很难称得上是一条惹眼新闻，至少相比上述大佬的同框，几天之后张亚勤和沈向洋出现在乌镇的那一张饭局合影要更为被媒体所追捧。
但科技记者无法忽视的是，多年来，在稿子中描述圈内大佬过往履历时，“微软亚洲研究院”是一个高频词汇。翻看人物图谱，这里是阿里云之父，前金山CEO，百度总裁，小米总裁，海尔CTO, 联想CTO……互联网高管，以及浙江大学、中国科学技术大学、人民大学等国内一线大学计算机/信息技术院系负责人的上一处居心之所；这里和跨国巨头在中国的“办事处”关系不大，它更像是一座拥有18年校龄的“大学”。
中国IT界的黄埔军校，有人喜欢这么说。在院友会成立仪式上，院友代表阿里巴巴CTO王坚感喟：没有人可以绕开这个机构去谈论过去十几年的中国科技史。
一切得从往事谈起。
九八年的召唤
九十年代初——在最不可一世的岁月，来自西雅图的软件巨人却为创新乏力所困。微软前任首席技术官麦尔伏德在1991年建议盖茨成立带有“军备竞赛”属性的创新研究院，进行基础科学研究，以主动迎合技术世界的不确定性。这年，微软首座研究院在雷德蒙成立。
六年之后，麦尔伏德送给了盖茨第二个建议：将研究院开到中国。理由颇为机敏，到1990年代为止，美国一直是这个世界上每年诞生计算机博士最多的地方——直至被中国超越，这被麦尔伏德视作中国IT业态苏醒的前奏。
1998年，微软中国研究院在北京成立。37岁的语音识别专家李开复博士成为首任院长。18年后已成谈资的插曲是：当得知李开复要以“研究院”作为这座机构的后缀时，沈向洋博士大笑，“叫个‘所’都大了”——2001年中国研究院升级为微软亚洲研究院则是后事了。
至少在1998年，沈向洋有充分的理由自嘲。现任院长洪小文后来回忆：“研究院建立前，中国黄埔军校区块链我到北京参与最初一批员工招募。有些候选人是国内高校博士生，我们只能通过固定电话联络，那时学校里通常一幢宿舍大楼只有一部电话，经常需要麻烦宿管老师或同学帮着叫人来接听。没有几个网站，没有太多信息资源，因而沟通时需要花很多时间同步基础信息，效率比较低。Email倒是能用，但拨号上网资费昂贵又不稳定，实时在线不大可能。”
1998年，每小时8块钱的上网费和4块钱的电话费让上网属于奢侈消费；这一年，配备Windows 95的个人电脑也实属高大上的新锐电器；在更为宏大的叙事里，这一年，中国GDP刚突破万亿美元大关，IT产业所占比重仅约为4.8%。
然而同样在1998年，互联网作为社会基础设施迎来破茧之日，一批互联网明日巨星集体相约九八：1998年9月4日，谷歌正式创立；中国则更是普遍把这一年视作商业互联网元年：2月，张朝阳创办搜狐；6月，刘强东成立京东；11月，腾讯诞生；12月，新浪上线。
机遇与挑战在1998年显得尤为冲突——但考虑到成立研究院的愿景，天平似乎更偏向挑战一端。
早在筹备阶段，比尔盖茨和里克·雷斯特博士——微软全球研究院体系的缔造者，就为研究院确立了三条宗旨：推动整个计算机科学前沿技术发展；将最新研究成果快速转化到微软关键产品之中，以帮助用户改善计算体验；着眼于下一代革命性技术研究，助力微软实现长远发展战略和对未来计算的美好构想。
所以你可以想象李开复说服海外精英归国的不易，上述宏愿与当时中国的外部环境格格不入。不过事实美好的一端也成为18年后院友会成立仪式上李开复追忆的画面：“我在卡内基梅隆大学读书时有位同学叫沈为民，写代码非常厉害，我说你是怎么做到的。他说我们在国内都是在纸上写代码，老师则用脑子来运行这个程序。当时给我的感触是，如果能在纸上培养出沈为民这样的人，这样的人才肯定还有很多，一起做研究院一定能做出来。我当时也是抱着这样乐观的心态就回来了。”而中国的人才也是当年比尔盖茨所看重的。
后面的事情令人欣喜，研究院开始在全球顶级学术会议与期刊崭露头角，尤其2002年，他们在计算机科研领域最富盛名的国际图形学年会SIGGRAPH上发表了4篇论文——长久以来这种国际大会鲜有华人身影。
有人后来回忆，当年前去知春路希格玛大厦（研究院旧址）“朝圣”的年轻人一定会颇为失望，一切看上去与其他企业别无二致，除了目光中的这位“理工男”可能刚在国际期刊发表了一篇重要论文。
人工智能的延续
如今十八年过去，微软亚洲研究院当年的愿景已兑换成国际顶级学术会议与期刊上的4000余篇论文。更重要的是，脱胎于这里的技术也转移到微软产品矩阵中——Office，Windows，Bing，Kinect，以及小冰，Cortana，SkypeTranslator等人工智能产品，都有亚洲研究院的身影。
事实上，在人工智能还是个模糊概念，甚至不被学术界普遍承认的岁月，研究院就已将其视作面向未来的基础研究。1999年研究院成立一周年时即确立了最初的几个研究中心：语音组，多媒体组，图形图像组——如今它们都更像是人工智能概念的一部分。
李开复多年后坦言：中国如今能在人工智能领域扮演重要作用，很大程度上要归功于研究院很早开始便在语音识别，自然语言理解等众多人工智能核心技术进行研究。“中国今天的成就真的应该感谢微软亚洲研究院。”
不过，这种“感谢”对于研究院来说，似乎也意味着成长的烦恼。几年前开始，中国科技公司就积极网罗人工智能领域的精英，可以想象，微软亚洲研究院作为最密集的人才聚集地成为了被挖的目标。
事实上，研究院早已熟悉了人才的流动——这也是成立院友会的原因之一。
十八年前，这个国度最顶尖的技术头脑纷纷从美国的高校和科技企业来到微软；十八年后，技术后辈有了更多良禽择木的可能——聪明的大脑不再浓烈地聚集一地，而是稀释在各个地方。他们有些人继续留下来从事自己最热爱的研究，有些人选择离开去领导更大的团队做产品开发，有些人选择到大学任教，有些人则选择在中国这片创业热土圆梦。
命运自有时。如今研究院的愿景落在了醉心于科研的技术信仰者身上。说来宿命的是，就像某种轮回，当人工智能的概念挥别往日的“扭捏”而摇身蜕变为技术界的狂欢，这里的研究员或许比十八年前的前辈更为幸运。他们赶上了人工智能的黄金年代，可以肆意挥洒禀赋，紧跟这一技术的变迁孕育更多可能，且已收获颇丰。
随意摘取几例。去年底在ImageNet计算机视觉识别挑战赛——这一行业标杆属性的赛事上，微软亚洲研究院视觉计算组凭借深层神经网络技术的突破（使用了一种深度高达百层的神经网络，这要比过往任何成功使用的神经网络层数多5倍以上），获得图像分类，图像定位以及图像检测全部三个主要项目的冠军。几乎同一时刻，他们在另一项图像识别挑战赛MS COCO中的图像检测和图像分割项目上同样登顶——而一年过去，今年10月，他们在MS COCO图像分割挑战赛中获得第一名，成绩比第二名高出11%，且相较去年第一名的成绩也有飞跃进步。
在用户一端，承载技术的是应用——这也是微软亚洲研究院近些年最令人欣喜的地方。
去年，在中国登陆的Skype Translator实时语音翻译技术，就凝聚了研究院在语音识别，自动翻译和机器学习等多领域的成果，让世界上使用人数最多的语言和使用最广泛的语言直接对话成为可能。
而在风靡全球的How-Old.net（识别图片中人物的年龄）、Caption.ai(智能识图网站)等应用，同样基于研究院深耕多年的人脸识别技术。
当然，谈及人工智能应用，刷屏无数的小冰是绕不开的名字。抛开插科打诨不谈，我个人更看重的是它与其他行业的嫁接空间。譬如今年9月，小冰就进驻了“敦煌研究院”微信，摇身变为“敦煌小冰”，言谈之间告知人们关于敦煌的一切知识。嫁接得以实现，一项关键技术是微软亚洲研究院推出的自主知识学习技术（Doc Chat）：一种基于检索与排序直接从非结构化文档中选取句子作为聊天机器人回复的方法。这一技术也已运用于今年8月发布的第四代微软小冰跨平台商业解决方案，可让小冰更轻松地学习不同领域知识，完成更多嫁接可能。
尽管换了“标题”和讲述者，但这里与人工智能从十八年前开始诉说的故事仍在继续。
基因传承
故事得以延续的前提是传承，研究为先，自由开放的环境与体系得以让这里相对纯粹的“传帮接带”。
事实上，那些离开的人几乎无一例外地珍视这段纯粹的职业生涯。而当他们追忆微软岁月，“感谢”与“传承”总是并列出现。“在现在的创业路上，研究院的文化氛围也深深的影响着我们的公司文化，感谢研究院，感谢当年指导我们的Mentors，感谢一起实习的小伙伴们。”已在创业的蔡东翔院友这样说道，“希望Mentor文化可以在院友会得到一个很好的传承。”
同样作为院友，清华大学计算机系副教授朱军则将传承细化：“我在研究院实习3年多……现在还清晰记得，第一天面试时问我‘为何读博士？’，这成了我现在面试学生必问的题目。Harry（沈向洋）的‘work hard, play harder’是我记得最清楚的一句话，现在也拿来教育学生。”
传承仍在继续。在不少院友看来，如今，院友会的成立可以发挥桥梁与纽带作用，分享经验与资源，甚至在某些奇特的瞬间感到从未离开过一样。这有点像是管理界颇为盛行的联盟关系，当人们离开一个地方，可以通过“同事联络网”成为这个地方的支持者和外部资源，并将它身上的基因散播到更远处。
好吧，也许正如罗振宇所说：世界上至少有两种游戏，一种是有限游戏，一种是无限游戏。有限游戏以游戏结束为目的，比的是谁能赢；无限游戏则是让游戏本身继续下去，而不是让谁赢，卷入的资源越多，参与的人数越多，游戏就能继续下去，这才是无限游戏的目标，也正是那些“老公司”的价值所在。
在我看来，这也正是微软亚洲研究院——这一席“流动的盛宴”，留给技术世界的真正财富。
李北辰/文（知名科技自媒体，致力于用文字优雅的文章，为您提供谈资与见识；微信公号：李北辰）
写到这里，本文关于中国黄埔军校区块链和it界黄埔军校的介绍到此为止了，如果能碰巧解决你现在面临的问题，如果你还想更加了解这方面的信息，记得收藏关注本站。
评论