Big Trends

AI、Tensorflow、5G、Investment
IPR、Education
Super individual、Growing Up、Psychology

任何一场革命，绝不是以敲锣打鼓的方式，来到你的身边。等到某一天，你忽然发现快要天翻地覆时，再去看，发现自己已被别人抛弃了。过去以端为中心的技术革命，不能说结束了，但已不再是时代的风口。技术，进入了一场以数据为驱动的革命。数据和运算能力，变得越来越重要。公司研发结构会发生很多改变，数据获取和数据标注会变得非常重要。并行异构计算的人才，变成核心竞争力。语音和视觉，将成为下一代交互模式。深度学习在各个领域产生的变革才刚刚开始。如果你把深度学习看成一种“工具”，就会发现——它有很多和其它领域，包括传统行业相互结合的机会。漫漫长路，才刚刚开始。——傅盛

AI

“人工智能时代，将是一个比移动互联时代大十倍的市场 —-李开复”

在趋势面前，视而不见或者掩耳盗铃都不是正确的姿势，不做吃瓜群众，要做就做参与者甚至变革者，这样才能成为受益者。

10年后，人工智能能将取代世界上90%的翻译/记者/助理/保安/司机/销售/客服/交易员/会计/保姆。
房地产经纪人和信贷分析师等中产阶级职业被自动化设备取代的风险高达97%

创新工场对人工智能有一个很完整的投资蓝图

第一个重点是大数据的机会
第二个是语言方面
第三呢，是传感器的降价非常的重要。
最后是自动驾驶

TensorFlow

TensorFlow 贡献者唐源：掌握 Google 深度学习框架的正确姿势

餐具和素材已免费提供，炒不出好菜不要怪工具

TensorFlow 提供的不仅仅只是现有的一些比较热门的模型实现，深度学习和机器学习这个领域的发展是非常快的，很多问题往往不是简单的现有模型能够解决的，最重要的是一个框架的灵活性和可拓展性一定是不能丢的，Spark 的 MLlib 很优秀地实现了一些工业界需求比较大的一些算法，但是 TensorFlow 能提供的不仅仅是这些，它提供了很多建立机器学习和深度学习必有的元素，比如，TensorFlow 有着自己的 metrics、losses、optimizers、layers 等模块来帮助建立各种各样的深度学习模型，它也提供了许多高阶的 Estimator API 来帮助用户更好地搭建和定义自己的分布式的模型，FeatureColumn 模块来帮助数据科学工作中很重要的特征工程，DataFrame 和 QueueRunner 等模块来更好地实现数据的预处理，提取批量队列，等等。另外，TensorFlow 省去了在各种不同的设备（比如 CPU、GPU、TPU）上的实现，用户只需要集中精力调用已经实现好的 API 就可以在各种设备上进行自动优化以及资源分配，这些都是 Spark 目前还不能或者是很难做到的。最近雅虎开源的 TensorFlowOnSpark 也挺有意思，可以在现有的 Spark/Hadoop 分布式集群的基础上部署 TensorFlow 的程序，这样可以避免数据在已有 Spark/Hadoop 集群和深度学习集群间移动，HDFS 里面的数据能够更好地输入进 TensorFlow 的程序当中。

5G

在物联网和大数据时代，网络速度提升100倍，能带来怎样的机会？

Investment

国内房价狂涨猛调控、国家严控资金外流、汇率波动，人人都说好投资目标匮乏稀缺的时代，意味着什么？要么做有价值的项目/产品和服务，要么海外投资均衡风险…

History

No.	Date	Price	Company	Strategy
1	03.22	10.12	SMIC	bottom
2	03.22	10.08	SMIC	bottom
3	03.22	10.06	SMIC	bottom
4	03.22	10.00	SMIC	bottom
5	03.29	09.96	SMIC	Bottom & Government
6	03.29	12.88	MeiTu	AI Future & Wensheng Cai & Kaifu Lee
7	03.30	9.64	SMIC	bottom
8	03.30	12.28	MeiTu	bottom
9	03.31	11.62	MeiTu	bottom