IC咖啡产业透视:苹果全年营收下滑 谷歌推出远程办公利器叫板微软
【产业】苹果公布Q4财报 十五年来首次全年营收下滑
10月25日，苹果公司在其官网公布了2016年第四季度财务业绩。在本季度，苹果收入为469亿美元，净利润为90亿美元，或每股收益为1.67美元。而作为对比，在去年同季度的净收入为515亿美元，净利润为111亿美元，或每股收益1.96美元。本季度毛利率为38％，而去年同期为39.9％，国际销售占收入的62％。 苹果也宣布即将到来的股息为每股0.57美元，于11月10日支付给11月7日前登记的股东。苹果目前持有2376亿美元的现金和有价证券。
在本季度，苹果共卖出4550万部iPhone，去年同期为4800万部。 iPad销售量从2015年第四季度的990万部下降到930万部，Mac的销售量从570万部下降到490万部。
在整个财政年度，苹果的销售额为2156亿美元，净收入为457亿美元，低于2015年的2337亿美元和534亿美元。与预期相同，2016年是自2001年开始苹果首次全年收入下降的一年。
苹果2017财年第一季度预期收入为770-780亿美元，毛利率在38％和38.5％之间。
稿源：MacX
【投资】黄金十年里，消费生活的投资逻辑
O2O里面，很多项目死掉了，不过，稍微大一点的公司都还得挺好。O2O到底怎么了？如果现在创业者跟投资人说我们做O2O，可能人家说我不看了，到底原因是什么？
看互联网项目的三个标准
行业是不是真的供大于求。这一点非常重要，如果不是供大于求，产品做的再好也无法去撬动线下服务的提供方。
是否提高了交易效率。如果互联网信息的沉淀、积累，能够帮助用户更好地决策，这就叫做交易效率的提升。其中还包括线上支付的闭环以及一些更方便的物流配送，只要有交易效率的提升我们都是觉得有价值的。
是否提高了供应链效率。
消费升级的黄金十年
从现在开始的未来10年是消费升级的黄金的十年，因为现在各个领域、各个品类都没有足够的所谓的民族品牌，或者说国产品牌，未来将会有大量的中国品牌。可能现在再难出一个百威、宝洁、麦当劳这样的巨头消费品牌，但是产生十亿美金的独角兽是大有希望的，因为消费升级是所有人都能看到的趋势。
消费升级到底是什么呢？我们现在可能更关注的是所谓人们愿意为更好买单，这个更好的意思就是指品质、品牌，可能是有更好的产品，也可能是有更好的消费体验，可能是渠道的变革，也可能是服务的变革。
一般机构看所谓的消费时，关心的第一个就是品类。什么是好的品类？从生意的角度来说的话，品类是没有好坏的，能赚钱就是好品类，但是从投资的角度来讲，它一定意味着足够大的市场。无论是做O2O也好、做消费品也好，这是一个基本的东西，就是抛开所有的噱头，抛开所谓的模式创新，一定要使这个市场足够大，你的公司每一单的东西能够在这个框框里面。这样的品类才是一个值得你去研究、值得你去投入的品类。
稿源：IT桔子
【新品】谷歌终于推出全新办公利器，直接叫板微软
自从在月初的发布会上展现了对消费级硬件市场的野心后，谷歌又推出了全新的远程协作办公的最新利器——Google Jamboard，一种与云端相连接的数字白板，让团队无论身处何地都能实时协作。
从硬件本身来看，Jamboard基本上就是一个55寸的4K显示器，而使用方式与传统数字白板类似。比如在会议室和同事们开会时，你可以随时用触控笔在白板上描绘出你的想法。但作为一款典型的谷歌产品，最大特点在于它的云连接。
在外观上，Jamboard就像一个超大尺寸的Nexus 10，屏幕下方有一个很厚的挡板，上方则是一个摄像头。在底部，其配置了一个小托盘，用于承装触控笔和黑板擦，在右下方则是一个扬声器。
Jamboard安装方式则和平板电视完全相同，你可以将它安装到墙上，或者将其配置在4个大脚轮之上，从而可以轻易在办公室四周移动。Jamboard的边侧还配有USD和HDMI接口（是的，你可将其当作标准4K显示器），在右下角则有音量控制和输入选择按钮。
在很大程度上，Jamboard实际上是谷歌办公套件的实体延伸，同时也为用户进行头脑风暴提供了一种全新方式，只要一块白板，你就能在上面进行你想要做的一切。很显然，谷歌将目标对准了微软的Surface Hub的市场。相较之下，Janboard具有的几个明显的优势。首先是价格，根据谷歌发布的消息，Jamboard的售价将为6千美元，而微软的Surface Hub则接近9千美元，再加上安卓系统在app上的优势，Jamboard在明年第一季度正式发售后绝对会对Surface Hub造成巨大的压力。此外，在正式发售前，谷歌已经与许多像Netflix、Spotify以及Instrument这样的大公司展开一系列的联合测试，并会将这些公司的应用预装到 Jamboard上，使这块白板上的“大杂烩”（Jam）越来越丰富。
稿源：DeepTech深科技
【深度】微软人工智能首席科学家邓力：深度学习十年简史和人工智能未来展望
人工智能含有一大串的技术，包括逻辑推理技术，包括机器学习技术，在机器学习的技术里又包括深度学习的技术。按照Wikipedia 的定义，深度学习有三个要点：
第一，这是一般的定义——多层次的非线性变换，不单单是神经网络，它包括各种各样的其他方法，深度学习的精髓是好几个不同层次的非线性变换。
第二， 因为有好多层次，就衍生出来了一个非常重要的问题——怎么样来优化这个多层次的系统。在浅层学习的模型里面，这个优化问题不是那么严重，因为比较容易优化。但是一旦有深层之后，这个优化就成为一个非常难的问题。这也是在上世纪 80 年代、90 年代深度神经网络并没有能够产生影响的其中一个很大的原因。当时数据不够，计算能力也不够，而且当时算法也不够。差不多十年之前，端到端的优化学习问题开始得到了解决——并不是说理论上得到解决，我只是说在实际算法上得到了解决。
第三，这点更重要，尤其在语音识别和图像识别之外的、更重要的认知领域的应用。在这种更高层次的认知领域的应用情况下，因为深度学习有不同层次的表达，它就能够把抽象的概念进行层次化的表征。
深度学习最近两年发展：语音图像识别和其他大数据应用全面进入商用阶段
怎么样把不同的人工智能和机器学习方法同深度学习方法整合到一起是非常重要的。2012年到 2014年，微软、谷歌出现一大串的产品，还有亚马逊的 Echo，以及讯飞和百度的产品，也包括 Dragon 和 Siri 和 XBOX 产品一整套。全部用深度学习的网络取代以前一大串浅层机器学习的语音识别技术。
近两年，语音图像识别和其他大数据应用全面进入商用阶段。首先语音识别的错误率继续下降，包括讯飞、IBM、百度、谷歌等，最近几年的进展更使得图像识别的错误率降到低于人类的水平。
AlphaGo 今年 3 月份打败世界围棋冠军，这里面很大的一个因素就是把神经网络 Deep Neural Nets 和增强学习结合起来，用来加速 Monte Carlo Tree Search ，三者结合得到非常显著的成果。
人工智能对话机器人也取得成果。现在很多公司都在发展客服机器人，而且还有很多其他的应用。这种应用在 20 年前年前大家已经开始做了。今年到去年差不多两年之内，大家看到 AlphaGo 的成功，而且看到深度学习在语音识别和图像识别上面的成功都感觉到时间已经到了，这个重要的应用时代已经到了。
还有一个很大的应用，Deep Learning 最近两三年内有很多公司，深度学习现在从原来感知上面的人工智能 （语音识别和图像识别）已经大步进入到其他与大数据相连的真正商业应用的领域里面。从研究的角度来讲，深度学习用于自然语言处理尤其是机器翻译在过去一两年之内得到特别飞速的进展（尽管 2012 年就已经开始出现深度学习用于机器翻译的学术论文）。IBM 20 多年前第一次把统计学习的方法用到机器翻译。当深度学习在语音识别成功之后， 2012 年左右，深度学习就开始用到机器翻译上面。现在整个机器翻译的领域已经完全转向深度学习，这一点在中国自然语言处理方面比美国更显著。深度学习在阅读理解、问答等等应用上的复杂性，要比其他那些应用到语音识别和机器翻译的深度学习方法大，主要因为模型不一样，所解决的问题也不一样。这是下一步深度学习要解决的大问题。
深度学习未来展望：整合符号逻辑和深度学习，有望解决黑箱、常识嵌入，以及逻辑推理规则的自动学习问题
关于人工智能应用，美国白宫近日发布了一份报告，它的最终结论对投资界影响非常大，跟中国推广的人工智能方向是相符的。从研究和技术方面来讲，为了让大家看到将来的趋势，或者将来有影响的研究和技术，我们要先看现在的深度学习和AI的方法有些什么样的局限性。现在机器学习很大的一个局限性是，几乎所有成功的方法都需要有非常大量的DATA，这种数据一定要输入输出全部匹配好（至少在全序列的水平上）； 不匹配好的话，目前没有任何方法能够做得非常成功。其它的一些局限性，比如Black box，现在有很多研究在破这个黑箱，走出现有神经网络的框架，要能够把以前大家所做的深度 Bayes 的方法加上一大串其他的方法整合到一起，就有望解决黑箱的问题。此外，同样重要的一点：神经网络现在非常难把知识自动扩大，就像小孩长大，他的知识和推理的能力一步步扩大，但是现在的人工智能这个能力几乎还没有。
稿源：新智元
