1，售3000元以下 最薄四核中兴Era手机
买联想k900多好 虽是双核但比普通的4核心还要快 联想还是全球智能机厂商前5的呢 GYC
2，中兴Era的介绍
2012年2月，在巴塞罗那举办的移动世界大会（MWC）上，中兴通讯发布了超薄四核智能手机——Era，这款手机采用最新的Android 4.0操作系统，匹配NVIDIA Tegra 3四核1.5Ghz的处理器加上超宽屏幕、超薄机身和超炫造型，将为消费者带来极致的移动互联体验。
3，中兴U985(Grand Era)怎么样？
手机详细参数想必你已经了解了，我就不复制过来了。 价格在2000以内，四核处理器，相对来说，这配置已经是现在市面上最高的配置了。4.5英寸 1280x720像素分辨率也达到了一定的标准，虽然看不了720P的高清，但也很不错了。 还有800万的背光式摄像头 整体来说这个配置 这个价格还是可以的。 缺点是外形确实难看，和现在的很多高端机相比，显的很OUT。 这是硬伤。。 希望能帮到你 如答案对你有帮助，请采纳 谢谢！
4，中兴Era的基本参数
GPS
重力感应
距离传感器
产品类型：3G手机,智能手机,四核手机
外观类型：直板
主屏幕像素：540x960像素
待机模式：单卡单待
适用频率：2G:GSM 850/900/1800/1900
3G:WCDMA 900/2100MHZ
系统界面：Android 4.0
CPU频率：1.5GHzNvidia Tegra3
CPU核心数：4四核
键盘类型：虚拟键盘
可选颜色：银色
无线WLAN：WIFI,IEEE 802.11 b/g/n
蓝牙：3.0版支持
耳机插口：3.5mm
数据线接口：Micro USB v2.0
主屏幕参数主屏幕尺寸：4.3寸主屏幕触摸屏：电容屏主屏幕多点触控：支持光线传感：支持
铃声参数铃声格式：MP3铃声, MID铃声
内存参数RAM大小：1GB内存卡：MicroSD (TransFlash)
主摄像头参数主摄像头像素：800万像素主摄像头传感器类型：CMOS
5，魅族mx四核版与中兴era
中兴era的售价估计在2200-2800之间。由于是TFT的材质屏幕显示分辨率能达到960*540已经很不错了。魅族不仅在去年开卖M9一来，热销程度可想而知，今年的MX双核手机更是让人刮目相看，不论手感，外观，配置绝对是高端机的配置，功能齐全，性能优异。为四核MX的开卖打好了坚实的基础。
双核可以了、四核感觉没必要、、外观又没什么变化！四核一旦出来、、双核必然又要降价、、我用MX感觉不错、、就是电池不给力、、发热很不爽
三个牌子里面 魅族最重视用户体验，外形简约精致，主要部件均来自于全球顶级供应商，并且魅族是国内除苹果外 唯一能够提供全国连锁专卖店专业服务的 智能手机品牌。2999元是采用三星最新32nm 猎户座4412处理器 ，32g内存，4.0寸夏普定制3：2宽屏
6，中兴Era的中兴Era
Era作为中兴通讯在MWC上发布的旗舰机型，在性能、高清多媒体技术和设计上都体现出了极大的优势。Era拥有4.3英寸QHD多点触控屏幕，分辨率高达960×540像素，并将高清娱乐体验融汇在7.8毫米的纤薄机身上，搭载新一代英伟达NVIDIA Tegra 3四核1.5Ghz处理器和NVIDIA Icera 450 HSPA+调制解调器，极致的运行速度让用户在收看高清视频、浏览图片、下载文件、看新闻、玩游戏变得轻松自如。配以最新Android 4.0系统平台，即使同时运行多个程序，相互之间也不受影响，并可自由切换应用程序，而不必担心丢失数据，配合优质的杜比音效，将为用户带来超乎想象的移动互联体验，这也使Era成为中兴当前性能最强劲的安卓智能手机。
Era采用的NVIDIA Tegra 3处理器采用独特的4-PLUS-1四核架构，以及第五省电核心，在进行后台音乐播放或待机等低效能处理时，其他四个核心关闭，能够有效的为用户延长电池使用时间，更好的解决了智能手机在续航能力上的劣势。
除了Era这款超薄四核智能手机，本次MWC展上中兴通讯还发布包括手机、平板在内的多核、LTE、Android 4.0、Windows Phone的全系列智能新品，志在2015年前跻身手机行业三大供应商之列，这批创新性的智能产品将是中兴实现宏伟目标的一个重要组成部分。
7，国产手机,中兴,康佳
中兴的 好 吧 国产智能 手机 中兴华为那两家的 好一点 像其他 的品牌都 不是 传统 的 手机厂商 康佳的 电视好 他 只是 看 到智能手机 行业赚钱才做 的 技术 比中兴的 差 多 了 建议 购买中兴的 还有 就是 从性价比去 考量一款机型
中兴U985（Grand Era）
参考价格：￥1899 [北京] 行货
- 产品参数
- 网络模式：GSM，TD-SCDMA
- 网络类型：单卡双模
- 外观设计：直板
- 主屏尺寸：4.5英寸 1280x720像素
- 触摸屏：电容屏，多点触控
- 摄像头像：前：130万像素，后：800万像素 BS
- 操作系统：Android OS 4.0
- RAM容量：1GB
8，mlb中文名字叫什么？_
美国棒球大联盟
mlb中文名字：美国棒球大联盟。这是北美地区最高水平的职业棒球联赛。 1903年由国家联盟和美国联盟共同成立，是美国四大职业体育联盟之一。
MLB是美国职棒大联盟（Major League Baseball）的简写，成立于1840年，大联盟由美国联盟和国家联盟组成，共有30支球技精湛的棒球队伍，而各支球队名字的来历也充满着奇妙和古典的气息，全世界的棒球球迷为之追捧，而如今的MLB正代表着纯正的美国文化，并和音乐发生着密切的关系。
由MLB的延伸的服装品牌在亚洲MLB的力量在曰本，韩国，香港等地MLB得到了很好的发挥和展现，是年轻人所需要展现的健康，时尚，动感，潮流，个性化的张扬，品位的体现，MLB融合了运动与时尚，棒球与音乐，年轻于个性，品味与文化，内廉与张扬。MLB在全球大部分地区官方授权的棒球帽品牌只有一个，就是New Era，这是一家造了80年帽子的厂商。除了MLB以外，它也是NBA和欧洲一些足球联赛官方授权的帽子品牌。
New Era进入国内的时间并不晚，但只在北京、上海和香港的少数商场有自己的门店。线上销售渠道也非常有限，当然还有一条比较方便买到它们产品的线上途经就是亚马逊海外购。
9，关于 《汤姆叔叔的小屋》 的人物介绍
汤姆叔叔 与标题同名的人物汤姆叔叔（Uncle Tom），在小说发表初期被视为一名高贵坚忍的基督徒奴隶。但在最近的一些年间，他的名字已变成了那些被指责投靠白人的非裔美国人的绰号（有关的更多信息请参见刻板印象的产生与普及一节）。然而，斯托夫人的本意，是将汤姆塑造成一位“高贵的英雄”以及值得称颂的人物。在整部作品中，汤姆不仅忍受着剥削带来的痛苦，还始终坚持着自己的信仰，到了最后连他的敌人也不得不敬重他。 图中两人分别为汤姆与伊娃。伊丽莎 伊丽莎（Eliza）是一名奴隶（谢尔比夫人的女仆）。在得知自己5岁的儿子哈里将被卖给奴隶贩子黑利后，她带着哈里逃向了北方。在俄亥俄州时，她与丈夫乔治·哈里斯重逢。他们一家人移居到了加拿大，然后再到了法国，最终定居于利比里亚。 伊丽莎这一角色的灵感，来自于约翰·兰金在辛辛那提的雷恩神学院交给斯托夫人丈夫的一份记录。根据兰金的描述，在1838年2月时，有一名年轻的女奴怀抱着她的孩子越过了冰封的俄亥俄河，逃到了俄亥俄州的里普利镇上，在她逃往北方之前，她曾在他的家中暂住了一段时间。 伊娃 伊娃（Eva）的全名为伊凡吉琳·圣克莱尔。当汤姆叔叔被轮船运送到新奥尔良的途中，伊娃进入了故事的叙述中。当这名5、6岁的小女孩落水后，汤姆叔叔将她救了起来。伊娃恳求她的父亲买下了汤姆，在跟随圣克莱尔家来到新奥尔良后，汤姆成为了圣克莱尔庄园的一名马车夫。不过，汤姆在这里的大部分时间都是与天使般的伊娃一起度过的。 伊娃经常会谈论一些爱与宽恕的话题，她甚至说服了固执的奴隶女孩托普西，让她相信她也应该得到爱。伊娃也曾试图去感触她那坏脾气阿姨奥菲利亚的心。有一部分人认为，伊娃这个人物的是玛丽·苏的一个角色原型。 赛门·勒格里 赛门·勒格里（Simon Legree）是一名出生于北方的残暴的奴隶主。他的名字后来成为了贪婪与残暴的代名词。他的目标是击垮汤姆并破坏他的宗教信仰。 托普西 托普西（Topsy）是一名不知来自何方的“衣衫褴褛”的奴隶女孩。当被问到是谁造了她时，她既不认为是上帝，也不认为是她的母亲，“我想我是自己长出来的，我不相信有谁造了我”。在后来，她被小伊娃的友爱转变了。托普西通常被视作是黑小孩原型的起源。 短语“growed like Topsy”（后又演变为“grew like Topsy”；在现今已略为过时）后来进入了英语当中。起初，这个短语只被用于比喻一种自生自长、放任自流的生存方式；但在后来的某些时候，它还被用于形容高速的成长或发展。 其他人物 在《汤姆叔叔的小屋》中，还有着许许多多的次要角色。以下列出一些较为知名的配角： 亚瑟·谢尔比（Arthur Shelby），汤姆在肯塔基州时的主人。谢尔比被塑造成了一位“仁慈”的奴隶主与传统的南方绅士。 埃米莉·谢尔比（Emily Shelby），亚瑟·谢尔比的妻子。她是一位深信宗教的妇女，并努力用她的仁慈与道德来影响她的奴隶们。当她的丈夫将把奴隶卖给奴隶主时，她为之感到震惊。作为一名女性，她并没有合法的地位去阻止这件事的发生，因为所有的财产都属于她的丈夫。 乔治·谢尔比（George Shelby），亚瑟与埃米莉的儿子。他将汤姆视作自己的良师益友，也是一位虔诚的基督徒。 奥古斯丁·圣克莱尔（Augustine St. Clare），汤姆的第二位主人，小女孩伊娃的父亲；是小说里面最具同情心的奴隶主。圣克莱尔已然意识到了奴隶制度的罪恶，但却还未能为割舍它所带来的财富作好准备。在他的女儿死后，他变得更加地信奉宗教，并开始给汤姆阅读《圣经》听。但是，他的好意却由于他的意外身亡而终成泡影。
10，华为大转型:AI战略重磅发布,两颗AI芯片问世,算力超谷歌英伟达_...
编者按：本文来自微信公众号“新智元”（ID：AI_era），作者 新智元。36氪经授权转载。
在华为全联接大会2018现场，华为副董事长、轮值董事长徐直军正式宣布华为的全栈全场景AI解决方案，同时发布两款AI芯片，华为昇腾910和昇腾310，昇腾910是目前单芯片计算密度最大的芯片，计算力远超谷歌及英伟达，而昇腾310芯片的最大功耗仅8W，是极致高效计算低功耗AI芯片。
震撼！AI WORLD 2018世界人工智能峰会开场视频
华为大转型，智能纪降临！
10月10日，上海世博馆，华为全联接大会，华为副董事长、轮值董事长徐直军重磅发布了华为的AI战略和全栈解决方案，总结一句话：云管端各层面发力AI。
其中两项重要的发布：
两颗AI芯片：华为自研的云端AI芯片昇腾系列，基于达芬奇架构的华为昇腾910和华为昇腾310，以及基于这两款芯片的云服务；
一个全栈方案：打通云端和终端，推出全场景、全栈AI解决方案
这是华为面向AI的华丽转身。
徐直军在大会上提出，华为眼中的AI需要做出10大改变：
1、模型训练从需要数日、数月到只需几分钟、几秒钟
2、算力稀缺且昂贵变得充裕且经济
3、AI无处不在，任何场景适用，而且尊重和保护用户隐私
4、未来，算法变得数据高效、能耗高效
5、在数据挖掘、获取、标注等系列领域，AI变得自动化/半自动化；
6、面向实际应用，实现工业级AI，“工作优秀”
7、模型更新未来实现闭环系统，保证企业应用
8、AI要协同云、物联网、边缘计算、区块链，发挥更大价值
9、平台支持，提供一站式平台，成为所有ICT人员的基础技能
10、从当前数据科学家稀缺的状态，变为数据科学家、领域专家、数据科学工程师相互协作，解决AI人才稀缺问题
为了实现上述十大改变，华为发布了AI战略是：
1、强力投资基础研究
在计算视觉、自然语言处理、决策推理等领域构筑数据高效（更少的数据需求）、能耗高效（更低的算力和能耗）、安全可信、自动自治地机器学习基础能力
2、打造全栈AI解决方案
打造面向云、边缘和端等全场景的、独立的以及协同的、全栈解决方案，提供充裕的、经济的算力资源，简单易用、高效率、全流程的AI平台
3、投资开放生态和人才培养
面向全球、持续与学术界、产业界和行业伙伴广泛合作。
4、解决方案增强
把AI思维和技术引入现有产品和服务，实现更大价值、更强竞争力
5、内部效率提升
应用AI优化内部管理，对准海量作业场景，大幅度提升内部运营效率和质量
华为预测，到2025年全球个人智能终端将达到400亿，企业和机构的人工智能利用率将达到86%，数据利用率将达到80%，智能将像空气一样存在。
于是，继谷歌、百度、腾讯等巨头之后，华为也成为高调全面转型并拥抱AI的企业。
每年投入10亿美元，自研云端AI芯片横空出世
华为HC大会又称华为全联接大会，是每年华为最重要的活动。
徐直军在会上说，业界一直有谣传，华为在打造云端AI芯片。现在，他正式证实这一消息，
徐直军宣布，一直以来华为都在研发AI芯片，在此正式发布两款AI芯片：昇腾910和昇腾310。
徐直军称，昇腾910是目前单芯片计算密度最大的芯片，计算力远超谷歌及英伟达，而昇腾310芯片的最大功耗仅8W，是极致高效计算低功耗AI芯片，两款芯片预计明年第二季度正式上市。
【华为昇腾910】
架构：达芬奇
半精度（FP16）：256TeraFLOPS
整数精度（INT8）：512TeraOPS
128通道 全高清 视频解码器 -H.264/265
最大功耗：350W
7nm
【华为昇腾310】
架构：达芬奇
半精度（FP16）：8TeraFLOPS
整数精度（INT8）：16TeraOPS
16通道 全高清 视频解码器 -H.264/265
1通道 全高清 视频解码器 -H.264/265
最大功耗：8W
12nm FFC
今年7月，The Information首先曝光了华为的“达芬奇计划（D计划）”，这项计划的内容包括为数据中心开发新的华为AI芯片，能够支持云中的语音和图像识别等应用，这被认为是华为涉足竞争激烈的人工智能市场的第一关。
知情人士透露，华为已经生产出了新AI芯片的商业样品，这款芯片有望发挥与英伟达芯片类似的作用。
芯片也有了潜在客户。过去几个月，华为高管一直在向微软推荐，期望后者在其云计算服务Azure中国部分使用这款芯片。据知情人士透露，有专门的华为工程师正在研发芯片上运行的软件，以达到微软的标准。工程师们还在新的华为芯片上运行微软的算法，如Bing搜索引擎的语音识别软件，以进行测试。
徐直军执行领导“达芬奇计划”，他同时也是华为轮值董事长、华为旗下IC设计公司海思董事长。同时，在华为总部的月度会议上，也有一大帮负责研发的高管们通常会讨论他们与AI相关的具体工作，并报告各自的进展情况。
徐直军现场展示昇腾310
在两年前，华为高管之一郭平表示，公司每年至少拿出10亿美元的研发预算，用于与数据中心相关的投入。
推深度学习开源框架，打通跨平台开发体系
只有芯片提供算力还不够，重要的是构建开发者生态。
华为走了大胆的一步。
尽管有谷歌TensorFlow、Facebook PyTorch以及百度的PaddlePaddle在前，华为想要打造一整套软硬件统一框架，从底层算法到应用，从训练到部署，从云端到终端完全打通，大有一统江湖的野心。
如果这次华为全连接大会上的动作一一实现，那将是华为近年来在AI上的最大动作，也是华为继从面向运营商到面向移动互联转型后的一次最大转型，意义重大。
在押宝移动互联网之前，华为是一家面向运营商的B端企业，随着消费者BG的设立，华为从To B的基因中浴火重生，把手机业务做到了出货量全球第二。
2018年第二季度智能手机出货量（图据IDC）
这次自研数据中心AI芯片、推出一整套开发者框架，可谓是华为在AI时代的一个重要转折点，如果转型成功，华为将建立起从底层算力到框架再到应用层、硬件终端全方位的生态体系，一个巨大的AI超级新星正在快速进化。
事实证明，拥有自研AI技术、芯片和开发者生态的公司，是成功的公司。
因此，转型AI，是华为必然的选择。2018财富世界500强中，华为排名72位。但距离亚马逊、微软和谷歌——同样拥有自研云端和终端AI芯片、有云计算服务，以及有智能终端的公司，市值分别为全球第二、第三和第四——仍然有一定的距离。
那么，华为的优势在哪里？
华为把人工智能定位为一个通用技术，希望把AI和华为的产品和解决方案融合起来，构建全栈、全场景的人工智能解决方案。
在运营商业务领域，华为发布了SoftCOM AI解决方案架构（包含AI训练平台和智能管控中心两大核心），在原有全云化网络构架基础上，引入以机器学习为核心的AI技术，旨在使运营商网络从自动化业务部署和动作执行，走向智能化的故障自愈、网络自我优化和自我管理，最终实现“永不故障”的自治网络。
在消费者业务层面，华为主打自研终端AI芯片麒麟系列，推动智慧手机时代。从2016年底荣耀Magic手机开始，AI技术已覆盖华为Mate 10、P20系列（采用AI芯片麒麟970），以及Mate20系列和荣耀Magic 2（采用AI芯片麒麟980）。
面向全行业应用开发者，华为打造了HiAI平台，方便开发者创建更丰富、强大的AI应用，覆盖人数接近40万。用华为软件工程部副总裁张宝峰在新智元今年3月产业跃迁AI技术峰会演讲中的话说，“就是要让整个产业链最快速度地把自己的业务服务于华为的手机用户”。
在企业业务层面，华为推出了EI（企业智能）平台，包括三类企业智能云服务（基础平台服务、通用服务、场景解决方案），以及异构计算平台。华为已将EI应用到自身全球供应链，进行端到端流程优化，打通从供货预测到物流、仓储，再到报关、运输、签收等各个环节，实现物流的智能化转型。
除了为自身企业构筑技术护城河，华为的AI芯片和整套开发者框架这些重磅产品将影响到产业格局，进一步降低行业使用AI的门槛，华为云BU总裁郑叶来把这种趋势总结为“普惠AI”，让AI 应用于各行各业的行业实践，让AI高而不贵，让大家用得起、用得好、用得放心。
11，全球企业研发投入Top50揭榜:中国仅华为上榜,BAT全军覆灭_搜狗...
编者按：本文来自微信公众号“新智元”（DI：AI_era），作者：新智元编辑部；36氪经授权转载。
欧盟最新的工业研发投资排名显示，中国企业投入总量相对较少，前50名中仅华为一家公司上榜，BAT加起来的研发费用不及华为。另外有观点认为，因为以国家为主导的模式在推动技术创新方面并没有那么高效，中国在AI竞赛中仍将远远落后于美国。
2019年第一个工作日，企业研发亮家底的时候到了。
欧盟委员会最近发布了《2018年欧盟工业研发投资排名》（The 2018 EU Industrial R&D Investment Scoreboard），对全球46个国家和地区的2500家公司在2017-2018年度的研发投入情况进行了汇总，其中有几个要点：
全球研发投资排名第一的是三星，第二是谷歌母公司Alphabet，第三是德国大众；
唯一上榜前十的中国公司是华为，排第五，并且榜单前五十也仅有华为一家中国公司上榜，华为超越了苹果和英特尔，并且超过了BAT的总和；
前一百名中，中国企业上榜11家，跟互联网科技相关公司包括BAT、台积电、联发科、中兴等；
在2500家公司总计7364亿欧元的研发投入中，来自中国的公司占比仅9.7%，排名低于美国（37.2%）、欧盟（27.2%）、日本（13.6%）。
总体上看，中国公司的研发投入还是偏少，“增长潜力巨大”，美国在研发投入上依旧是最舍得出手的老大哥。
不仅如此，最近一位美国智库的研究员还撰文，认为中国在人工智能竞赛中仍远远落后于美国，因为以国家为主导的模式在推动技术创新方面并不有效。
真的是这样吗？具体来看下。
全球排行：欧美公司几乎占完前十，前五十名仅存一家中国公司
根据排名，韩国三星电子公司首次成为全球研发投入最高公司，以134.37亿欧元(约152亿美元)的研发经费位居榜首。
其次是美国谷歌母公司Alphabet(133.88亿欧元)，德国大众(131.35亿欧元)、美国微软(122.79亿欧元)，中国华为以113.34亿欧元的研发投入名列全球第五，也是唯一一家上榜的中国大陆企业。
第六至第十依次是美国的英特尔和苹果，瑞士的罗氏，美国强生和德国戴姆勒。
排名统计的是2017/18财年全球研发投入最多的2500家公司，这些公司每家研发投入金额都超过2500万欧元，总额达7364亿欧元，约占全球企业研发投入的90％，同比增长8.3%。
整体看，美国上榜778家公司(投资额占比37％)，欧盟577家公司(27％)，日本339家(13.6％)，中国438家(9.7%％)，剩下12%则由世界其他地区的368家公司构成(其中，韩国和瑞士又分别各自贡献了4%)。
中国的公司研发总费用为712亿欧元，平均一下，每家公司投入1.6亿欧元。
排名统计了2017/18财年全球研发投入最多的2500家公司，按照欧盟(577家)与非欧盟国家与地区划分。其中，中国(含香港、澳门)438家公司占9.7%，中国台湾99家公司2.1%。
从公司看，研发投入排名前10的大公司贡献了总投资金额的15％，排名前50的贡献了40％，排名前100的公司则贡献了53％。
在排名Top 50的公司当中，美国有22家，欧盟18家，日本6家，瑞士2家，中国1家，韩国1家。
拉开到排名Top 100的公司，美国有35家，日本和德国(各13家)、中国(11家，含台湾3家)，韩国和法国(各4家)，瑞士3家。
华为研发投入超BAT总和，中国科技产业力量正达到重新调整全球力量的制高点
前文提到，上榜的中国公司中，华为是唯一一个进入前50名的，去年的研发投入为113.34亿欧元(约合人民币891亿元)，这个数量超过BAT加起来的总和，下表比较直观展现了排名前几位的中国公司，其中左上角是华为。
阿里巴巴是仅次于华为的中国企业，研发投入29.14亿欧元；腾讯紧随其后，研发投入22.35亿欧元。不过，上面这张表并没有加入港澳台的公司，新智元做了一张表，把进入总榜单前100的中国公司（含港澳台企业）进行了汇总。
此外，排名还统计了2012-2017中美欧研发投入强度(intensity,考虑到该国家和地区各产业分布情况的研发投入比)情况，在这方面中国公司有追赶趋势。
2012-2017年6年间，中美欧企业在研发投入强度上的变化。
从投入领域看，中美日欧这四大地区的侧重又各有不同：
美国ICT产业占比51.4％，其次是健康26.7％，然后是汽车7.8％；
中国也是ICT占大头(44.7％)，汽车占11.4％，健康占3.4％；
欧盟则是汽车为主(30.5％)，其次是健康(22.4％)，ICT占20.1％；
日本与欧盟较为类似，也是汽车为主(30.8％)，ICT占24.9％，健康占12.4％。
从投资领域看，中美日欧这四大地区的侧重又各有不同。注：此处中国不包含台湾省
总体上看，ICT领域、健康领域、汽车及交通领域投入最多。
过去几年中，美国在ICT和健康领域与中欧的领先差距日益拉大，而欧盟公司在汽车领域强于中美。
在中国公司研发投入的分类领域中，ICT生产、汽车及交通、ICT服务三个领域占比重最大，三者之和约60%。
尽管目前中国在研发方面的投入不及欧美日本，但已经将目光投向全系统的人工智能，包括自动驾驶汽车、先进的医疗设备、机器人和金融技术。
直到最近，中国工业部署的大多数AI驱动的创新都是“增量”，而非“破坏性”。但这种情况正在改变：中国的科技产业已经积累了一定的专业知识、人才和资本，正在达到重新调整全球力量的制高点。
事实上，中国政府计划到2030年引领全球人工智能，自2015年以来宣布这项计划以来，已经进行了超过1100亿美元的技术并购交易。
AI竞赛将落后于美国？投入模式上可能有些问题
欧盟的《2018年欧盟工业研发投资排名》可能让中国企业认识到和美国、欧盟、日本等国企业的研发投入差距，未来还有很多增长空间。
然而除了企业研发，在国家层面的投入可能也存在不合理的地方。美国新兴智库“New America”的一位研究员最近撰文预言：中国在AI竞赛中仍远远落后于美国，因为以国家为主导的模式在推动技术创新方面并没有那么高效。
这位研究员名为Samm Sacks，是一位会说普通话的中国信息和通信技术（ICT）政策研究者，在布朗大学获得中国文学学士学位。
Samm Sacks
她认为，中国擅长制定国家计划，但并不擅长实施这些计划。比如中国雄心勃勃的电动汽车计划和半导体计划实施了很多年，但并没有打造出中国的特斯拉和英特尔。
因此，AI行业虽然有诸多计划，但她并不认为能推动技术创新，理由有四：
数据。看数据不仅要看数据的数量，更要看数据的质量。中国可能数据量很大，但不少都是同质化的数据。
我认为中国在开发完全适应本国市场的产品和服务上做得非常出色，但如果算法要面向全球会怎么样呢？这实际上是企业实际上如何使用这些数据的问题。
比如坐拥微信的腾讯公司如何利用这些数据？腾讯也因其内部的“数据孤岛”问题而头疼不已。
创业文化。中国的创业文化很浓厚，但这并不意味着企业家就只顾着盈利，不像技术实验室的研究人员那样，去探索尝试那些最炫酷的新理念，而这些实验室在核心技术研究方面遥遥领先。
人才。中国的大学正在取得巨大的进步，但要达到美国的世界级大学水平还有很长的路要走。美国仍在吸引来自全球的最优秀、最聪明的人。
举个例子来说，腾讯最近进行了一项研究，他们研究了在顶级创业公司中的AI专家，将这些专家分为学者、从业者和工人。结果发现，与美国相比，中国拥有的AI人才占世界的13％，而美国占到了26％。
进一步观察，比如博士：这些人可能是参与核心AI算法构建的专家，而不仅仅是那些可能领导AI项目的人，那么这个数字就变得更小。中国仅为1.9％，美国为40％以上。
AI核心技术。中国没有制造AI优化芯片的能力，而且在短期内也不太可能获得这样的能力。
关于前文提到的半导体项目国家计划，这个计划价值高达1500亿美元，但并没有专注于AI芯片，实际上，芯片是一个不可逾越的领域。在这一领域，中国无法赶上美国，也无法与Nvidia、AMD等公司竞争。
除非中国能够出现一家能够全球范围内参与竞争的公司，不仅仅是因为其产品价格更便宜，而是凭借其技术优势，能够和谷歌、英特尔这样的巨头实打实地竞争，否则，无论具备多少创业精神，都不会在这个技术领域占据真正的主导地位。
另外，这位女研究员还揭伤疤：
如果去过创新区或工业园区，就会逐渐了解到这些园区是否会带来真正的创新。很多时候，这些项目只是为有利可图的房地产交易或其他目的提供资金。
最后她还断言：现在的中国即将出现AI泡沫，尽管已经投入巨资，但到目前为止还没有看到太多回报。
所以不要总说“中国将用可怕的机器人接管世界”了，让我们采取更谨慎和现实的方式来思考这个问题。
你觉得呢？
排名报告地址：网页链接
参考链接：网页链接
12，AI换脸终结者问世!美国防部推首款AI侦测工具,“反换脸”精度99%...
编者按：本文来自微信公众号“新智元”（ID：AI_era），作者文强、大明、肖琴。36氪经授权转载。
美国防部研发出了全球首款“反AI变脸刑侦检测工具”，专用于检测AI变脸/换脸造假技术。如今，以GAN为代表的AI换脸术盛行，相应的人脸检测识别技术也不得不提升，这仅仅是一场漫长而又精彩的AI军备竞赛的开始。
昨天，新智元介绍南加州大学“杀马特教授”黎颢率领的Pinscreen团队的实时3D变脸技术后，引发了不少读者的担忧。
黎颢团队的实时变脸技术：左边是iPhone拍摄的图像，右边是实时生成的3D人脸。来源：fxguide.com
有人担心，支付宝的人脸识别技术会因此失效，或者衍生出新的诈骗方法，犯罪者利用你的图片冒充你跟另一个人聊天……
这些担忧都是切实存在的，因为如今的“AI变脸术”，已经达到出神入化的境界，任何人利用AI软件，几乎都能做到模仿政治人物的脸，要是有一定技术的人，还能做到真假难辨的程度：
这些AI变脸工具，实际上都源自于生成对抗网络（GAN）强大的图像生成能力。
不过，现在美国国防部研究机构 DAPRA 研发出了首款“反变脸”的AI刑侦检测工具，而其原理，也是以AI攻AI。
这款AI反变脸刑侦工具是DARPA Media Forensics 计划的一部分。早在今年 5 月，DARPA 便提出了要研发针对AI变脸技术的需求，让现有的刑侦检测工具变得自动化，能够检测近来涌现的AI假脸。
DARPA Media Forensics 项目负责人 Matthew Turek 表示，他们在GAN生成的假脸中发现了一些细微的线索，由此检测出图像或视频中的脸是真实的还是AI生成的。
还记得2016年，“3.15晚会”让一张照片“骗过”人脸识别软件，从而让“人脸识别”一夜走红大江南北。
如今，更加高级的AI变脸技术和侦测AI变脸技术，也将展开一场长期艰苦，但也精彩卓绝的AI军备竞赛。
在2016年“3·15”晚会现场，主持人使用了一项 AI 技术，把静态的照片转化成动态照片，从而骗过登录系统。这一技术在手机上就能实现
就看谁能走得更好更快。
美国防部研发出首款“反AI变脸”刑侦工具：准确率高达99%
DARPA 的这款工具主要是基于纽约州立大学奥尔巴尼分校教授Siwei Lyu和他的学生 Yuezun Li和 Ming-Ching Chang 的共同发现，也即使用AI技术生成的假脸（一般通称 DeepFake），极少甚至不会眨眼，因为它们都是使用睁眼的照片进行训练的。
“由于大多数训练数据集都不包含闭眼的人脸图像，因此AI生成的人脸缺乏眨眼功能，”Lyu说：“因此，缺少眨眼是判断一个视频真假的好方法。”
论文详细介绍了他们如何组合两个神经网络，从而更有效地揭露哪些视频是AI合成的。这些视频往往忽略了“自发的、无意识的生理活动，例如呼吸、脉搏和眼球运动”。
通过有效地预测眼睛的状态，准确率达到99%。
“我们还需要探索其他深度神经网络架构，以便更有效地检测闭眼，“Lyu补充说：“我们目前的方法仅使用缺乏眨眼作为检测AI篡改的提示。然而，也应考虑动态的眨眼模式——太快或频繁眨眼，这种在生理上不太可能出现的现象也应该被视为篡改的迹象。”
UAlbany的一组研究人员使用原始视频上的眨眼检测（上图）和DeepFake生成的假视频（下图）来确定视频是否是AI伪造的。在原始视频中，在6秒内检测到眨眼动作。来源：UAlbany.edu
参与DARPA挑战赛的其他人也在探索类似的技巧，比如自动检测奇怪的头部动作、奇怪的眼睛颜色等等。
达特茅斯大学的数字取证专家Hany Farid 表示，目前的AI反变脸工具主要利用利用这类生理信号，至少目前为止这些信号是很难被模仿的。
这些AI刑侦取证工具的带来仅仅标志着AI视频伪造者和数字刑侦人员之间AI军备竞赛的开始。
Hany Farid 表示，目前的一个关键问题是，机器学习系统可以接受更先进的训练，然后超越当前的反变脸工具。
DARPA“反AI变脸计划”：确保侦测到最先进的AI造假技术
DARPA 资助的 Media Forensics 计划，旨在成功辨别由机器学习算法生成的虚假图片和视频。研究人员试图开发出一种可扩展的平台化工具，对尤其是基于GAN 模型的“Deepfake”生成的假视频和图像进行识别。
Deepfake很多时候会被用于生成一些明星或政客的恶搞视频或剪辑，但也可能被用来恶意传播虚假消息，以达到煽动和制造混乱等危险目的。
检测数字化内容的真假通常涉及三个步骤：
首先是检查数字文件中是否有两个图像或视频拼接在一起的迹象；
第二是检查图像的光照度等物理属性，查找可能存在问题的迹象；
第三步最难自动完成的，也可能是最棘手的，就是检查图像或视频内容在逻辑上是否存在矛盾，比如图像显示拍摄日期的天气与实际天气不符，或者拍摄位置的背景有问题等。
目前，对大量真假难辨的数字化内容进行辨别的工具或应用仍缺乏广泛的适用性，在涉及到取证、证据分析和鉴别等关系重大的应用方向上，这类工具的可扩展性和稳健性都无法完全满足实务中的需求。
DARPA的MediFor项目汇集了世界级的研究人员，试图开发出能够自动评估图像或视频完整性的技术，并将这些技术集成到端到端平台上。如果该项目获得成功，MediFor平台将能够自动检测对图像或视频的改动，并给出详细信息，说明具体是如何改动的，以及判断视频是否完整的理由，以便于决定是否能够将可疑图像或视频作为证据使用。
DARPA该项目负责人David Gunning表示：“从理论上讲，如果你用现阶段的全部技术来探测GAN生成的虚假结果，它就能学会绕开这些检测技术。”不过，研究人员在对抗Deepfake时发现了一个重要弱点，它生成的假视频中的人从来都不眨眼，这是一个重要特征。这是因为Deepfake用于生成的假视频的训练模型都是静止的图片，而人在拍照时，绝大多数情况下眼睛总是睁开的。
DARPA的研究人员表示，该机构将继续进行更多测试来“确保开发中的识别技术能够检测到最新的造假技术。”
从Deepfake到HeadOn：换脸技术发展简史
DAPAR的担忧并非空穴来风，如今的变脸技术已经达到威胁安全的地步。最先，可能是把特朗普和普京弄来表达政治观点；但后来，出现了比如DeepFake，令普通人也可以利用这样的技术制造虚假色情视频和假新闻。技术越来越先进，让AI安全也产生隐患。
1、Deepfake
我们先看看最大名鼎鼎的Deepfake是何方神圣。
Deepfake即“deep learning”和“fake”的组合词，是一种基于深度学习的人物图像合成技术。它可以将任意的现有图像和视频组合并叠加到源图像和视频上。
Deepfake允许人们用简单的视频和开源代码制作虚假的色情视频、假新闻、恶意内容等。后来，deepfakes还推出一款名为Fake APP的桌面应用程序，允许用户轻松创建和分享换脸的视频，进一步把技术门槛降低到C端。
特朗普的脸被换到希拉里身上
由于其恶意使用引起大量批评，Deepfake已经被Reddit、Twitter等网站封杀。
2、Face2Face
Face2Face同样是一项引起巨大争议的“换脸”技术。它比Deepfake更早出现，由德国纽伦堡大学科学家Justus Thies的团队在CVPR 2016发布。这项技术可以非常逼真的将一个人的面部表情、说话时面部肌肉的变化、嘴型等完美地实时复制到另一个人脸上。它的效果如下：
Face2Face被认为是第一个能实时进行面部转换的模型，而且其准确率和真实度比以前的模型高得多。
3、HeadOn
HeadOn可以说是Face2Face的升级版，由原来Face2Face的团队创造。研究团队在Face2Face上所做的工作为HeadOn的大部分能力提供了框架，但Face2Face只能实现面部表情的转换，HeadOn增加了身体运动和头部运动的迁移。
也就是说，HeadOn不仅可以“变脸”，它还可以“变人”——根据输入人物的动作，实时地改变视频中人物的面部表情、眼球运动和身体动作，使得图像中的人看起来像是真的在说话和移动一样。
HeadOn技术的图示
研究人员在论文里将这个系统称为“首个人体肖像视频的实时的源到目标（source-to-target）重演方法，实现了躯干运动、头部运动、面部表情和视线注视的迁移”。
HeadOn的视频演示：
4、Deep Video Portraits
Deep Video Portraits是斯坦福大学、慕尼黑技术大学等的研究人员提交给今年8月SIGGRAPH大会的一篇论文，描述了一种经过改进的“换脸”技术，可以在视频中用一个人的脸再现另一人脸部的动作、面部表情和说话口型。
例如，将普通人的脸换成奥巴马的脸。Deep Video Portraits可以通过一段目标人物的视频（在这里就是奥巴马），来学习构成脸部、眉毛、嘴角和背景等的要素以及它们的运动形式。
5、paGAN：用单幅照片实时生成超逼真动画人物头像
最新引起很大反响的“换脸”技术来自华裔教授黎颢的团队，他们开发了一种新的机器学习技术paGAN，能够以每秒1000帧的速度对对人脸进行跟踪，用单幅照片实时生成超逼真动画人像，论文已被SIGGRAPH 2018接收。具体技术细节请看新智元昨天的头条报道。
Pinscreen拍摄了《洛杉矶时报》记者David Pierson的一张照片作为输入（左），并制作了他的3D头像（右）。 这个生成的3D人脸通过黎颢的动作（中）生成表情。这个视频是6个月前制作的，Pinscreen团队称其内部早就超越了上述结果。
