1，人工智能方面有哪些中国企业
湖南人工智能科技有限公司 科大讯飞 远鉴科技
这个就有点多了，一般比较知名的企业都应该有接触人工智能的。 ofweek-人工智能网。
2，远鉴（北京）新能源汽车有限公司怎么样
听说还是不错的
公司概况 为建设完整的新能源汽车产业链，北汽集团、北京市科委、大兴区政府和新能源汽车关键零部件企业于2009年11月联合组建了“一园两公司”。到2011年，北汽计划在新能源汽车总投入37.8亿元，其中，17亿元用于新能源乘用车，15亿用于新能源商用车，5.8亿元用于新能源汽车关键零部件。新能源汽车、乘用车、商用车是北京汽车产业三大平台，也是北京新能源汽车资源整合、集成创新的平台，为协调乘用车与商用车两大平台发展，全面统筹北京新能源乘用车和商用车的发展与建设，构建了北京汽车自主创新体系。北京汽车新能源汽车有限公司应运而生。
3，百度和远鉴科技哪个工作单位好
绝对是百度！现在已步入网络时代！什么也离不开网络，网络平台信息发达，不出门了解世界各地信息，第一时间了解重要事情。当然了，工作取向还是看你自己喜欢干什么？自己适合什么岗位。
这个也不能绝对说哪个单位好，要看你从事什么工作，是否适应，喜欢这份工作，适合自己才是最好的！当然在相同工作条件下，百度是最好的选择。
现在来说，百度百科的审核机制比较严格。 参考资料现在要求比较严格，几乎接近于苛刻。 使用参考资料时，须遵循以下几个关键点。 1. 关键信息点必须有参考资料。 2. 词条内容与参考资料相符。 3. 使用可靠的参考资料。 在“内容可查证”的基础上，百度百科提倡可查证的内容有较为可靠的参考资料来源。
那个工作好要看你需要的是哪种？如果两个在平等的情况下肯定是百度更好点，不管怎么说百度怎么都是一个大公司，企业能力还是在的，有条件就选择去百度，发展机会和发展前景肯定都是不错的，很明显百度更胜一筹。
你好， 要说哪个单位好，主要是看个人怎么想。要说这两个单位哪个强，那无非是百度了。对比的好与坏全看个人见解，个人喜好，个人需求。 谢谢！
4，远鉴(上海)汽车科技有限公司怎么样?
远鉴(上海)汽车科技有限公司是2018-09-03在上海市奉贤区注册成立的其他有限责任公司，注册地址位于上海市奉贤区庄行镇东街265号29幢1292室。 远鉴(上海)汽车科技有限公司的统一社会信用代码/注册号是91310120MA1HPRG57H，企业法人王雷，目前企业处于开业状态。 远鉴(上海)汽车科技有限公司的经营范围是：从事汽车科技、新能源科技、智能科技、物联网科技、新材料科技领域内的技术开发、技术咨询、技术服务、技术转让，汽车配件、汽车用品、电子设备、机电设备、机械设备的批发、零售，企业管理咨询，汽车销售。【依法须经批准的项目，经相关部门批准后方可开展经营活动。】。本省范围内，当前企业的注册资本属于一般。 通过百度企业信用查看远鉴(上海)汽车科技有限公司更多信息和资讯。
上海大众联合发展有限公司（以下简称“联合公司”）,是上海大众工会全资的集团型企业。坐落于嘉定区安亭镇的“国际汽车城”，毗邻上海大众汽车有限公司（以下简称“上海大众”），现旗下拥有全资、控股和参股企业共计60余家。 上海翼锐汽车科技有限公司作为联合公司的技术中心，属于联合公司全资子公司。 公司发展优势：公司获得上海大众及联合公司的支持；公司和上海大众规划部及产品工程部有着牢固的伙伴关系；和上海大众共享技术资源，管理团队资源，培训资源；公司主营业务立足上海大众和联合发展有限公司，面向上汽集团，向国内汽车行业辐射。 公司愿景：打造上海大众联合发展有限公司的科技品牌，成为国内汽车行业一流的高科技基地！大舞台、高起点，使年轻的你更有机会脱颖而出，提前实现成才梦想！
5，沈阳仪表科学研究院的机构简介
该院是沈阳市火炬型科研院所、高新技术企业、沈阳博士后创业基地、国家博士后科研工作站、沈阳市“守合同重信用”单位、沈阳市工商注册免检单位、沈阳市精神文明标兵单位和辽宁省精神文明先进单位、中国机械装备（集团）公司先进单位、国资委先进基层党组织、沈阳市先进党委、民主管理先进单位。企业信用等级和银行资信等级均为AAA级。 院本部经过46年的发展，共完成科研项目1278项，获得国家、部、省、市等各项奖励261项，专利和专有技术81项，形成了“高压水射流清洗技术和专用装备技术”、“传感器、变送器、智能仪表及测试系统成套技术”、“波纹管、膨胀节、换热器技术”、 “光学薄膜技术”、“电影机械及其辅助器材设计与制造技术”、“球幕电影鱼眼镜头的设计制造技术”、“照相机械设计制造技术”、“真空设备设计制造技术”等在国内的领先优势，积累了一批市场潜力大的高技术产品，创造了60个国内第一。“汇博”弹性元件系列产品被定为沈阳市名牌产品。 沈阳仪表科学研究院汇博装备制造工程有限公司是专门从事专用设备、非标设备及成套设备研究开发、生产的专业公司。装备制造公司的产品覆盖地铁、石油、石化、电力、钢铁、汽车、矿山、半导体等行业领域，专门从事专用设备、非标设备及成套设备的研制和生产制造，主要产品包括HB611-GS系列高压水射流清洗机及成套系统，HB66系列管道仪器及其成套设备，ZSH系列半导体加工专用设备，地铁、机车车辆、大修厂维护维修非标设备及成套系统、油田专用非标成套系统等。 该院已通过了ISO9001质量体系认证和GJB9001A-2001军工质量认证。企业已建立了全国性经营网络，产品广泛应用于航天、石油、石化、化工、冶金、热力、水电、钢铁、煤炭、轻工、建筑、制药等行业，部分产品已远销国外。 多年来， 该院一直致力于以研发、推广高新技术产品来推动行业乃至国家的技术进步；以厚实的文化底蕴，严细优的管理，优质周到的服务，诚实守信的共赢理念，回报社会，回报顾客、回报员工。 产品质量不仅是企业的生命线，也是企业对社会应承担的责任。 该院的质量方针为：靠科技创新产品，严管理保证质量，细核算降低成本，优服务取信用户。
煤科院不错！能源系统现在都是许多人青睐的行业，虽然单位是事业编制，但为了更好的发展，摆脱政策上的束缚，现在都是合同制，市场就是这样：你选择它，它也在观望你。 至于能否算上主干，这个看自身能力。文凭所穿了就一把钥匙，越高能开的锁越复杂，但进了门后，这把钥匙基本上就报废！科研机构要真才实学的做，做出成绩了，领导自然会器重！假如来了个传闻的行业专家，实践中他却不怎么样，没创造出和他头衔相应的效益，也许到老都只是一个科研员..... 那么远过来，是很多顾虑。但一月2000多，在重庆来讲不错了。我爸爸工作了35年，退休前工资才980，还要养个家....待遇取决于效益，他们的项目很多，在这方面你可以放心，至于升迁，也是和能力划等号，之所以我说要摆脱束缚，就是你才来，半年完成了一个不错的项目，领导也许会马上升你当科长或主任。但编制单位话，你成绩再突出，无非于多点表扬与小奖励，要升迁，怎么都要熬到规定的时间段。瓦斯分院从08年开始和美国一公司合作，一直很不错，当时他们院长谢白益是很和蔼的一个老人家，带起孙子和美国人一起在办公室开发项目，现在是谁负责就不太清楚了。 你学的什么？精细化工吗？
6，超级AI买家阿里巴巴_
作者：罗超，陶程亦有贡献
12月10日，据彭博社援引知情人士消息称，AI初创企业旷视科技正在与包括阿里巴巴在内的潜在投资者谈融资事宜。该知情人士称，旷视科技旗下AI平台Face++也在与中国私募股权投资者商谈融资。
阿里巴巴和旷视科技对此消息都表示不予置评。
这已经不是阿里系第一次投资旷视科技了，去年11月，旷视科技获得了4.6亿美元的D轮融资，投资方中就包括了阿里巴巴的关联公司蚂蚁金服。
除了旷视科技，阿里正在对AI赛道的优秀赛手展开全方位的“买买买”，与此同时进行AI战略布局，构筑阿里AI帝国。尽管阿里不强调AI技术、不是最先战略卡位AI的巨头，但现在看来，阿里已经成为中国与百度相当的一支AI力量，在世界范围内同样处于领先地位。
马云成AI超级买手
对人工智能领域的投资，阿里正在变得越来越大方，甚至可以说，对AI赛道的投资已经成为阿里巴巴与新零售投资并行的轨道，此前坊间就有传言，马云欲买下半个AI赛道的玩家。
一方面，“CV四小龙”已投其三。
在2018年的AI创投领域，以单笔融资额来看，具有广泛应用场景和较强商业化能力的计算机视觉（CV）占据绝对优势，这一领域从2016年下半年开始就形成了以商汤、旷视、依图、云从“CV四小龙”主导的格局。
阿里投资了其中三家，除了旷视科技，还投资了商汤和依图。在今年4月份，商汤科技完成了6亿美元的C轮融资，领投方正是阿里；2016年6月，阿里巴巴旗下的云锋基金完成了对依图科技的数千万美元B轮融资的领投；2017年5月，云锋基金再次跟投依图科技的C轮融资。
另一方面，AI芯片领域，阿里频繁出手。
今年阿里宣布将自主研发Ali-NPU一时间轰动业界，在此前阿里就已投资了AI芯片领域的核心玩家，2016年，阿里和腾讯一起领投美国AI芯片公司Barefoot Networks。2017年阿里更是密集出手，当年11月，阿里领投了人工智能公司Kneron（耐能）千万美元的A轮融资；10月，蚂蚁金服和三星领投了深鉴科技4000万美元的A+轮融资，深鉴科技芯片聚焦在安防行业；8月，阿里参投寒武纪的1亿美元A轮融资，这使得寒武纪成为全球AI芯片领域第一个独角兽创业公司，寒武纪是AI芯片明星公司，华为麒麟970 AI芯片有它的贡献。
阿里巴巴最轰动业界的AI芯片动作则是今年4月收购唯一拥有自主嵌入CPU IP Core的国产芯片公司中天微，当时正值中兴被制裁期间，中国科技产业有“芯片焦虑症”，阿里巴巴大手笔收购中天微后，成立AI芯片自研团队，此举助长了自主研发芯片的潮流，包括百度在内的多家公司加入自主研发芯片的行列。
阿里成为投资“极客”
过去几年阿里和腾讯都在“买买买”，但不难发现两者“购物逻辑”的不同和转变。
就腾讯而言，其最多投资聚焦在文娱赛道上，比如今年就同时投资了两大游戏直播公司虎牙和斗鱼；在哔哩哔哩上市前就已投资，今年10月再次增持3.176亿美元的股票；今年4月又追加快手4亿美元投资；今年3月领衔投资“拼多多版头条”趣头条2亿美元，这些投资都与腾讯大内容或新文创战略息息相关。
就阿里而言，其投资方向可分为三个阶段：
1、无线阶段：在2014年IPO前，其投资逻辑是买下半个移动互联网，构建自己的互联网王国，重要的投资有微博，阿里还收购了优酷土豆、高德地图、UC、虾米、天天动听、友盟、豌豆荚等一众明星移动互联网公司，这完善了它的互联网版图，实现了移动化转型，这一阶段腾讯在“甩包袱”，以将半条命交给合作伙伴的形式，与搜狗、58、京东等战略结盟。
2、上街阶段：在IPO后，阿里巴巴的投资偏好开始转到线下，特别是在马云提出新零售前后，阿里更是大手笔“上街”购物，这个阶段投资/收购了苏宁、海尔日日顺、银泰、三江购物、华联超市、大润发、居然之家、饿了么、哈罗单车——这一阶段腾讯的投资也在实体化，甚至跟阿里出现了争抢，最著名的就是滴滴和美团，直接“叛变”加入腾讯系。
3、极客阶段：在新零售落地的同时，伴随着阿里巴巴NASA计划启动、达摩院成立等一系列从商业公司到科技公司转型的举措，阿里巴巴的投资偏好变得“极客”起来，成为AI市场，特别是在AI芯片和机器视觉市场，更是成为头号超级买手。
投资上的极客风，与阿里巴巴对AI的日益重视有关。
阿里的AI顶层设计
跟做无线互联网和新零售一样，阿里一边买买买，一边亲自动手，甚至可以认为，阿里巴巴买买买的目的，最终就是为了自己消化。
阿里巴巴投资的目的不是等着被投资公司上市再拿到财务回报，这一点让阿里投资被诟病：投资的公司上市的不多，反观腾讯，却在不断收获上市公司，2018年更是迎来“丰收年”。
如果是投资，阿里就通过合作协议（如微博），或者生态协作的方式，让被投资公司与自己的业务协同，这难免会对被投资公司提出种种要求，部分被投资公司无法接受其中一些“强势”要求，转而反水，如美团。
如果是收购，阿里则会直接将其跟业务进行深度整合，比如上市前买买买的项目，大都被并入阿里文娱；再比如新零售买买买的业务，则在天猫新零售事业群下协同作战；就技术领域的投资而言，阿里云会负责对其进行消化。
今年9月19日，阿里巴巴前首席技术官、现在阿里云总裁张剑锋在云栖大会上宣布成立一家独立运营的芯片公司“平头哥半导体”，正是收购而来的中天微和阿里达摩院自研芯片整合成的一家公司。这进一步表明阿里巴巴在芯片领域强化布局，其对自主研发芯片的思路是：先让阿里云服务器用上自己的芯片，最后在开放给行业做普惠。
不只是芯片，阿里巴巴在AI技术上的思路同样是自己用好了再给行业。
阿里的AI基础技术先是围绕自身业务，包括但不限于天猫、淘宝、蚂蚁金服、口碑、文娱、钉钉、天猫精灵落地应用，今年双11，阿里巴巴四处强调AI技术的落地。阿里巴巴AI实验室是阿里AI基础技术产品化的载体之一，其最著名的产品就是天猫精灵，目前是中国智能音箱NO1，最近一次架构调整被调整为直接向阿里巴巴CEO张勇直接汇报，重量级得到提升。
AI技术的开放则是由阿里云负责，后者拥有大量的企业客户和产业场景，落地AI得天独厚。
在IDC今年7月发布的《中国公有云服务市场半年度跟踪报告》显示，阿里云占据了中国云计算laaS市场47.6%的份额。阿里云连续多个季度增速都保持在100%以上，三季度降低到90%，依然高速增长，阿里云已经成为跟亚马逊AWS和微软Azure并列的云计算“3A”巨头。
阿里云现在有三驾马车：云计算、AI和物联网，通过发布各种ET大脑，推动AI在城市、医疗、健康、零售、航空、制造等行业的落地，IoT与AI则是天生一对，可以协同。
11月26日，阿里巴巴集团CEO张勇公布全员公开信，宣布阿里进行最新一次的组织架构调整，其中以AI战略的调整最为显眼，这其中包括了阿里云升级为阿里云智能、成立新零售技术部，以及陈丽娟带领的阿里人工智能实验室进入集团创新业务事业群，直接向张勇汇报，可以看到，智能技术对于阿里的重要性与日俱增。
不论是投资、自研和开放，阿里的AI技术布局都可以回到当初的NASA计划，整个逻辑是阿里正在从商业公司向智能技术驱动的商业公司转型。
从造手榴弹到造导弹
阿里巴巴给外界感觉到对技术变得十分重视，要从2017年说起，当时在面向阿里内部科学家和工程师的阿里技术大会上，时任阿里集团CTO的张建锋（行癫）表示：“我们也是一家技术驱动的公司，并且实现了技术与商业的完美结合。”在这个大会上，阿里公布内部代号为“NASA”的计划，这是阿里“新技术战略”的落地计划，它将“面向未来20年组建独立研发部门，建立新的机制体制，为服务20亿人的新经济体储备核心科技。”
新技术是马云在2016年云栖大会上提出的“五新”的一个新，对于NASA计划马云有形象的解释：
“以前我们的技术跟着业务走，是兵工厂模式，但手榴弹造得再好，也造不出导弹来。阿里巴巴必须思考建立导弹的机制，成立新技术研发体系，聚焦核心领域的研究。这些研究的目标是为了解决10年、20年后的困难。”
从手榴弹到导弹模式，是阿里巴巴技术思维的转变。
阿里巴巴在2017年前，都是业务牵着技术的鼻子走，双11这样的极限业务场景不断倒逼技术进步，反过来诞生了阿里云等技术向的新业务，无心插柳柳成荫，这个阶段阿里的技术思维是手榴弹模式：一边是小打小闹，一边是人有我有，是战术需要，而不是战略需要。
2017年NASA计划后，阿里巴巴思路转变，开始由技术推动业务走，或者说技术与场景双轮驱动，技术成为阿里的战略资源。阿里巴巴有了让人眼花缭乱的技术布局：达摩院，旨在吸引高端技术人才，布局包括但不限于AI、芯片、IoT、OS、生物识别的领先技术，当时马云宣布在三年内，要在技术研发上投入超过1000亿，初期招揽100名顶级科学家和研究人员；罗汉堂，吸纳全球科学家做基础科学研究；之江实验室，阿里与浙大等联合共建的基础科学实验室；2017年到2018年对芯片公司和机器视觉公司的密集投资，也是阿里巴巴NASA计划的一部分。
这意味着阿里不再只是做立竿见影的技术布局，也面向未来进行投资，会投资很多短时间不会生效甚至处于技术曲线早期进而可能会胎死腹中的技术。
阿里之所以要投资AI领域的明星创业公司，部分逻辑就是在前沿技术的探索，而且大有投资整个赛道进而不错过任何优秀选手的思维，这一点也可以从阿里的投资逻辑中看出，阿里巴巴投资总监谢鹰曾表示：
“阿里投资主要分为两类。一类是基于阿里实体业务的强耦合型投资，通过收购和投资增强集团业务，而另一类是探路型投资，当下业务关系并不强，但我们认为会对行业未来产生影响的也会投。”
当然，大都有业务结合，比如旷视科技的机器视觉技术，就已经应用于蚂蚁金服的刷脸支付等功能上。
阿里巴巴在技术上的一个优势是有大量的丰富的场景，包括阿里自有业务（包括电商、物流、金融、文娱和云计算几大板块）、阿里投资生态和阿里云产业生态。
就AI而言，前阿里云总裁胡晓明很早就曾指出，阿里要做产业AI，“AI不应该仅是实验室里和PPT里面的概念，而是应该聚焦于产业AI。”具体来说阿里通过不同的ET大脑，将AI落地到行业，阿里虽然不强调产业互联网战略，却一直在做产业互联网。
阿里巴巴技术风格的转变，是张勇掌舵阿里巴巴的一大功劳，马云在准备退休的内部信中提到，张勇一大成就是让阿里巴巴从商业公司升级为智能技术驱动的商业公司。在阿里巴巴内部张勇被认为是在高速路上换引擎的人，“而且把拖拉机换成了波音747”。现在看来，张勇实现了对阿里巴巴技术引擎的更换。
BAT都有了导弹部队
不只是阿里，BAT都在各自的擅长赛道进行前沿技术布局。
今年9月，在“WAIC2018世界人工智能大会”上，阿里、腾讯和百度分别展示了大规模视觉计算平台“天擎系统”、AI医学产品腾讯觅影和自动驾驶技术。
在AI领域，百度是最早布局的互联网巨头，提出“AI First”口号比Google的“All in AI”更早。2013年百度就创立了深度学习实验室，2017年百度宣布全面转型AI，强调自己不是互联网公司而是AI公司，陆奇到了百度搞了业界AI盛会AI开发者大会，大有做成“南有阿里云栖，北有百度AI大会”的野心，2018年陆奇去职，李彦宏亲自站台AI开发者大会。
百度不只是通过百度大脑将底层AI技术开放出来，还推出了中国唯一自主知识产权的深度学习开源框架PaddlePaddle。就行业而言，百度重点放在了DuerOS和Apollo两大开放平台上，分别瞄准物联网和智能汽车。当然百度自有业务如金融、搜索、信息流、广告，也都要将AI“武装到牙齿”的势头。
跟阿里不同，百度的AI发展思路是先研发技术，再给技术找场景。在今年7月的“百度AI开发者大会”上，百度向外界展示自己不缺场景，从平台、技术、硬件再到产品上的AI落地。
腾讯先是低调探索，最初给人感觉有些浅尝辄止，2016年，腾讯低调成立了AI lab，专注于人工智能的基础研究和应用探索。腾讯后来又投资了一系列的机器人公司，比如4000万美元投资明星机器人公司“优必选”；微信等事业群都有各自的AI团队，将AI用到产品中。
现在腾讯正奋起直追，在9月30日进行的组织架构调整中，腾讯整合成立了云与智慧产业事业群，明确要强化对AI等前沿技术的投资，特别是在产业互联网的全新战略下，ABC（AI、大数据和云计算）三大技术正在成为腾讯的战略重点，就AI而言，腾讯要让AI In All。
腾讯很重视人才，在关于什么是AI的要素的问题中，只有马化腾的答案提到了人才和场景。腾讯AI实验室的负责人从百度挖来，不过百度这样的顶尖人才不少，即便在吴恩达出走后。腾讯还挖来了IBM沃森研究中心研究科学家刘威和香港中文大学终身教授贾佳亚。阿里则挖来了微软亚洲研究院华先胜、亚马逊最高级别华人科学家任小枫，以及李名杨、王刚和聂再清等大牛。
人才布局是BAT建设“导弹部队” 的关键举措，就像当初的导弹元勋一样，今天的顶尖AI人才也在被巨头争夺，AI顶尖人才就是“旗帜”，他们不只是有价值等身的技术实力，也与很强的头羊效应，一个人加入一家公司往往可以带来一群顶尖的人才。
BAT对基础技术的前瞻布局，用技术推动业务而不是让业务倒逼技术的思路，价值巨大。
这一点，华为是一个鲜活的例子。
华为做通信设备出身，其业务横跨通信设备、消费电子、软件解决方案、云计算等领域，与一般的中国科技公司不同，华为一直很重视对基础科研的投入。2016年，欧盟委员会发布的“2016全球企业研发投入排行榜”中，华为排名第8，位居中国企业之首，当时已高出BAT等互联网巨头一截。长期来看，这种基础研究大投入让华为受益匪浅，比如华为手机，凭借着自主研发的处理器、AI操作系统等壁垒性底层技术，稳居国产手机销量第一，华为甚至发布了全球首款AI芯片且成功应用到旗舰手机。华为在通信市场的巨大成果，核心原因正是持续的技术投入。
现在BAT在技术投入上正在“华为”化，其中百度认知最早，AI技术领先；阿里场景丰富，AI商业化很成功；腾讯厚积薄发，志在必得，正迎头直追。
正如我此前所言，中国科技巨头对基础和前沿技术的投入，有望让中国本土企业的底层创新能力将越来越强，他们的积极投入会形成大量的技术成果，更重要的是会形成“头羊效应”，带动更多中国企业加大对底层技术的投入，与政府、高校通过建立实验室这样的方式，来营造企业投资基础科研的氛围。底层技术投入一定会体现在上层应用创新上，那些曾经与中国企业有关的“不创新”词汇如：微创新、Copy 2 China乃至山寨，正在或者即将成为历史，中国诞生世界级创新公司也将只是时间问题。
科技巨头的军备竞赛
如果放到更大的视角来看，在基础和前沿技术投入上，硅谷巨头则已走出很远，它们的触角不只是在信息科技领域，甚至已经在生物科技、太空科技、新材料、超级高铁等前沿技术上进行布局。在不远的将来，在条件允许的前提下，中国科技巨头或许也会在其中一些领域进行布局。
各大科技巨头都在“造导弹”，开展军备竞赛。
苏联和美国展开了长达半个世纪的军备竞赛，其逻辑是：
“如果敌人有了能够克敌制胜的武器，那么我必须有，这样才不会被敌人消灭。如果敌人没有克敌制胜的武器，那么我也要有，这样我可以毫无顾忌的消灭敌人。”
在20世纪50年代，那个“克敌制胜的武器”，就是核武器，美国和苏联都希望取得全球霸权，双方进行核竞赛，各自储备了可以毁灭地球数次的核弹头。今天“克敌制胜的武器”变成技术尤其是人工智能为核心的前沿技术，冷战双方变成了全球范围内的科技巨头，军备竞赛的内容则是前沿技术研发应用，特别是AI技术的应用。
我们不能否认这样做的价值，就像核武器的国防战略价值一样，前沿技术则是科技公司的国防，回望那些倒下抑或衰落的巨头，不论是诺基亚还是摩托罗拉还是雅虎，都能够发现一个共同原因：新的技术浪潮来了，他们没有跟上节奏。每一波新技术浪潮，都会重新洗牌，能够一直坐庄的玩家不多，如果有，就一定是对新技术进行战略重视，而且有很强的技术应用能力的玩家。换句话说，会造导弹并不够，科技巨头还要能用好导弹的场地和能力。
正如我在阿里巴巴推出NASA计划后所言：
任何一家科技巨头都有技术焦虑症，阿里巴巴不是第一家加入到“技术军备大赛”的玩家，也不是最后一家。我认为，在人工智能为代表的新技术时代，科技行业或将迎来技术军备大赛。与核武竞赛不同的是，技术军备大赛不会给世界留下隐患，因为互联网技术只会让世界更加美好。
所以，我们希望看到科技巨头的军备竞赛，更加激烈一些。
7，芯片战背后的金钱游戏:61笔半导体并购潮真相_
编者按：本文来自“智东西”（微信号：zhidxcom），作者：心缘；36氪经授权转发。
2018年，半导体并购事件接连在整个上下游产业界密集地释放炸弹，半导体产业的地壳已然开始龟裂。
这一年，博通千亿美元并购高通告吹，高通恩智浦在中国的沉默中遗憾分手，贝恩财团挖走东芝存储芯片业务……多起备受瞩目而旷日持久的并购事件终于尘埃落地。
尽管全球半导体届第三次并购热潮（2015-2016年）已经逐渐退烧，并购的数额和规模都在减少，但在半导体产业集中度持续加强的总体趋势下，新技术的兴起和摩尔定律的动摇，以及全球贸易摩擦的持续升温，使得半导体江湖依然变数连连。
智东西从全球61起半导体并购案中抽丝剥茧，发现潜藏在2018年半导体并购潮背后的五大变数：
1、有人进、有人出：阿里格力富士康跨界入局半导体，博通从硬件迈向软件，一批半导体重要玩家从此在市场上隐去姓名。
2、有人变强、有人变弱：并购发起方通过交易后提升实力和影响力，而并购失败者受到不同程度的挫伤。
3、规则在变：行业重点转移，AI催生的物联网、自动驾驶等新兴领域成半导体企业必争之地。
4、行业势在变：巨头聚焦，局部效应明显，汽车电子、光器件行业巨头鏖战。
5、搅局者出现：艰难的贸易环境逼迫中国半导体产业加速成长，中国军团开始大刀阔斧多拳出击。
有人进、有人出：跨界造芯成热点，半导体公司觅新出路
半导体产业的高门槛将千千万万垂涎者拒之门外，能够快速在强手如林的半导体江湖占据一角的企业，莫不是拥有先进的技术，或者坐拥充沛的资金。
谷歌、苹果、亚马逊、华为、Facebook等一众国内外科技巨头无一例外都盯上了芯片这块诱人的肥肉。在缺乏技术支撑和产业积累的前提下，并购成为非芯片公司快速切入芯片市场的一条相当奏效的捷径。
半导体圈外的人卯足了劲儿想往里挤，圈里也不乏想要跳出来走软硬件结合之路的玩家。
1、阿里格力高调入局，非芯片公司跨界造芯
要说跨界造芯这件事，2018年的重头戏基本被海峡两岸承包了。
阿里巴巴去年在芯片界一路高歌猛进，先是在4月宣布全资收购中国大陆唯一的自主嵌入式CPU IP Core公司中天微，转眼5个月后又宣布将中天微和达摩院的芯片业务整合，成立 “平头哥半导体有限公司”。
中国家电三巨头之一格力在11月以30亿元“插足”中国最大的半导体并购案——闻泰科技豪掷超过250亿人民币收购安世半导体（Nexperia），成为闻泰科技第二大股东，未来两大股东持股比或相差5.13%。
借助吞并收购年产量高达1000亿颗的大型IDM企业安世半导体，家电巨头格力和全球最大的智能终端ODM企业闻泰科技，正式跨进芯片界的大门。
和闻泰科技相似，在海的那边，世界最大的代工厂富士康亦将手伸向上游半导体器件领域。3月，富士康旗下子公司鸿腾精密宣称斥资8.66亿美元收购美国电子产品公司贝尔金（Belkin），并获得包括无线充电器、Linksys互联网路由器和智能家居系统WeMo在内的业务。
有人认为，这是富士康欲摆脱代工厂标签的重要举措，昭示着富士康将从幕后走向台前。
对于跨界玩家来讲，他们亟待的莫过于技术、人才和资源，而一举多得的良方莫过于并购一家业务水平优秀的半导体企业。在2019年，各家科技巨头的造芯大业将更进一步，很有可能会有更多半导体企业成为这些巨头的新血脉。
2、芯片公司玩跨界新招，博通软件化转型
在跨界玩家尤其是互联网公司积极入局芯片产业之时，一些半导体公司则不再满足于只做硬件。全球最大的WLAN芯片厂商博通就是这样一家“不走寻常路”的公司。
显然3月告吹的收购高通案并没有打击博通太久，7月，博通宣布拟以189亿美元收购美国著名华人企业家王嘉廉创办的软件公司CA Technologies（CA）。博通CEO兼总裁Hock Tan表示，CA的中央处理器和企业软件产品将为博通的关键技术业务增色。
幸运的是，CA收购案已经取得阶段性的胜利——通过了美国反垄断机构的审核。
由于博通的半导体业务和CA的软件业务尚未显现出任何明显的协同效应，华尔街对这宗似乎偏离了主赛道的收购案并不看好。不过这一举动足见博通扩大产品线、实现从硬件到软件通吃的野心。
有人变强，有人变弱：成者实力增强，败者肌肉损伤
通过不断收割对手，以更高效率和更低成本实现资源整合和结构重组，赢得更大的话语权，是任何行业并购的常态。
在2018年半导体收购潮中，大多数并购案在完成后都获得了实力的补充。
例如，全球领先的EDA和IP供应商Synopsys就在借助收购持续构建其庞大的IP业务。1月，Synopsys以非公开的价格收购了一次性可编程非易失性存储器IP的先驱Kilopass。这一收购，使得Synopsys的DesignWare NVM IP组合更加强大。
另一个获得新臂膀的例子是贝恩财团。由贝恩资本牵头的财团成员个个实力非凡，包括SK海力士、苹果、戴尔、希捷和金士顿。
由于无法弥补核电业务带来的巨额亏损，东芝壮士扼腕，割下存储领域数一数二的芯片业务，以180亿美元的高价卖给了贝恩财团。2018年5月，这笔交易终于通过了中国这最后一关。
贝恩财团并购案以喜剧收尾，交易额达440亿美元的高通恩智浦并购案却迟迟等不来中国敲下手中的“惊堂木”。
凭借芯片与专利大肆收割移动通信红利的高通，在接踵而至的反垄断官司与物联网芯片多样化的夹击之中，似乎陷入流年不利的窘境。
作为全球车用半导体龙头，恩智浦（NXP）在AI和车联网上的实力对于高通扩大芯片版图来说具有非凡的吸引力。
可惜时运不济，恰逢全球热议的专利垄断问题持续发酵和中美斡旋的关键节点，这两大半导体巨头最终未能成功牵手。尽管中国在G20峰会后表示愿开绿灯，高通却回应不会与恩智浦“再续前缘”。
▲高通的官方新闻稿显示，如果未在美国纽约时间25日夜间11:59（中国26日上午11:59）获得所有监管部门批准，会放弃交易并向恩智浦支付合约解除费用
因为并购案的失败，高通也小出一把血。按照收购之初的协议，高通要向恩智浦支付20亿美元，作为收购失败的“补偿费”。
同时，整体市值仅有700亿美元左右的高通，还需将手中400多亿美元现金储备中的300亿美元来回购股票，以安抚自家股东。
规则变了：物联网和自动驾驶成新的圈地项目
在传统半导体行业混战之时，物联网、自动驾驶等新兴领域亦展露冰山一角，全球半导体巨头间已经开始刮起一股扩张业务布局的飓风。
有错过移动市场的英特尔为前车之鉴，显然，生存在极度依赖产业生态的半导体产业中，没有哪家公司愿意冒着失去未来市场的风险，固守在原有业务上。
快速布局新兴领域、加速资源互补和业务整合，构成了巨头们摆脱对原有业务的依赖、决胜AI时代的一大重要解法。
1、补足短板扩充实力，形成资源互补和业务整合
12月，高通恩智浦收购案在被高通的回应彻底判了死刑，使得这起移动霸主与车载、物联网巨头强强联合的大型交易遗憾落幕。
而同样在这个月，全球最大网络设备制造商思科（Cisco）的野心才刚刚浮出水面。
高传输速度和超低功耗使得硅光子芯片市场巨头环伺，而擅长开发长距离高速传输大量数据光学器件的光学芯片制造商Luxtera被传成为英特尔、博通等巨头争抢的香饽饽。
最终思科击败各路豪强，宣布将以6.6亿美元的现金和股权奖励收购Luxtera，该收购将在今年第三季度完成。
2、巨头收编创企增强AI实力，AI芯片创企反吞昔日巨头
如果要为2018年的科技界选一个关键词，那无疑就是AI。谷歌、亚马逊、Facebook等互联网巨头集体下场，掀起轰轰烈烈地自主造芯运动，同样，传统半导体厂商和AI芯片创企们也都不愿在AI的舞台丢了戏份。
在人们屏息以待高通收购案结局的7月，美国芯片巨头携手中国创企唱了一出好戏。
全球最大的FPGA厂商赛灵思宣布收购中国AI芯片领域冉冉升起的创业新星深鉴科技，称“将继续加大对深鉴科技的投入，不断推进公司从云到端应用领域部署机器学习加速的共同目标”。
▲深鉴科技用于嵌入端的亚里士多德板（上）和用于大数据端的笛卡尔板（下）
AI在物联网时代和即将到来的5G时代都将扮演极其重要的角色，三星电子在10月宣布收购AI分析公司Zhilabs，为三星自身扩展AI自动化产品组合并增强5G技术实力。英飞凌（Infineon）则早在2月就宣布收购丹麦擦创企Merus Audio来加强“智能音箱全集成系统解决方案的能力”。
2016年，日本软银并购ARM震动了整个半导体界，而曾经火过ARM的MIPS公司在去年被再度转手。令人吃惊的是，MIPS这一次投奔的是硅谷AI芯片创企Wave Computing。
此前主攻云端芯片的Wave，将MIPS视为为Wave拓展边缘计算和终端等新市场的重要利器。
3、汽车电子巨头激战，群雄逐鹿自动驾驶
近年汽车电子市场的行业格局更是相当不稳定，无论是高通收购恩智浦收购，还是赛灵思收购深鉴，都与其在汽车领域的战略布局有着脱不开的关系。
在高通轰轰烈烈“联姻”恩智浦时，恩智浦的老对手英飞凌亦在谋划着“上位”大计。英飞凌在7月宣布拟并购意法半导体（ST），而一旦收购成功，英飞凌将取代恩智浦成为车用半导体行业新霸主。
而这厢被高通收购刚化作泡影，恩智浦又在9月宣布收购高速汽车以太网IP领域先锋OmniPHY，填补其在高带宽网络产品组合中的空白。
日本汽车零件厂电装（Denso）在11月底宣布要出资数十亿日元入股英飞凌，以加快下一代可实现自动驾驶车辆系统的技术研发。
曾经在2015年因为受到恩智浦收购飞思卡尔和英飞凌收购IR的双向夹击，车载芯片老大地位被夺的瑞萨电子，也在通过巨额并购加码自动驾驶。
瑞萨发声明称将以67亿美元收购美国Fabless芯片制造商IDT，此举将为瑞萨带来IDT在无线网络和数据存储用芯片方面的技术，这些技术对自动驾驶汽车而言至关重要。这笔计划将在2019年上半年达成的交易，有望成为日本芯片厂商规模最大的并购交易之一。
如今英伟达、英特尔、赛灵思等玩家在自动驾驶领域占领大片市场，其他在汽车电子领域长期割据的半导体厂商也在强势跟进，汽车电子市场格局之变才刚刚开始。
行业势变了：产业集中度加强，竞争对手互吞
新兴领域的爆发驱动半导体公司的横向扩张，而垂直整合则是诸多产业优化布局的自然规律。
这是任何行业都无法摆脱的资本法则，在垂直领域碰触到发展的天花板时，在和竞争对手双足鼎立难分高下时，在难以跻身全球最大半导体企业排行榜前列时，并购成为了跨越式成长、打破已有固定市场格局的新思路。
从总体来看，继2015-2016年的并购高潮后，整个半导体行业并购交易的狂热步伐正在急速降温。根据IC Insights的统计，其中由巨头主导的大型并购交易为总交易金额做了主要贡献。
▲2010-2017年全球半导体并购交易总金额（来源：IC Insights）
▲十大半导体并购交易，其中仅高通并购恩智浦案未能完成（来源：IC Insights）
在高通收购恩智浦失败后，2018年完成的半导体收购案中，唯有贝恩财团收购东芝存储芯片业务的交易金额进入前十。2018年的半导体并购交易在金额和数量上都难以复现两三年前的辉煌，这种下降趋势很可能还会延续到整个2019。
1、头部效应加速“买买买”
随着摩尔定律即将终结的言论甚嚣尘上，半导体产业早早开始寻觅新方向的发展和突破，收编已经打磨成熟的企业或团队成为传统半导体厂商的一个重要策略。
根据IC Insights在去年11月发布的全球前15大半导体公司销售排行榜，其中有7家总部在美国，3家在欧洲，韩国、日本各有2家，台湾有1家。在这15家半导体巨头中，有10家在2018年参与了半导体收购案。
▲2018年全球前15大半导体公司销售排名预测（来源：IC Insights）
例如英特尔，继前几年大手笔“买买买”后，英特尔在2018年又进行了两笔小收购，将为英特尔提供Xeon芯片ASIC设计的eASIC和片上系统开发公司NetSpeed Systems整合到英特尔的业务部门中。
与此同时，英特尔的老伙计美光却跟英特尔玩起了“分手”。美光在10月宣布将全资收购它与英特尔在2006年个出资约12亿美元组建的公司IM Flash，并从今年1月其开始以约15亿美元收购其股权。
这意味着原本可以用成本价从IM Flash买芯片的英特尔，将在美光收购IM Flash完成后签署新的供应协议。不过在交易结束前，英特尔和美光会继续在犹他州的工厂共同生产3D XPoint存储产品。
制霸手机AI芯片的苹果亦在10月完成了该公司有史以来规模最大的一次人员收购。苹果和其长期芯片供应商Dialog签署许可协议，以3亿美元收购Dialog部分业务和包括300名员工在内的资产，并另付3亿美元作为未来三年交付产品的预付款。
2、垂直整合大势所趋
在功率器件、光器件等垂直领域，趋于稳定的市场分布成为横亘在小巨头们面前难以跨越的鸿沟，并购所带来的格局变动更加明显，更高级的玩家也从中诞生。
2018年，功率器件市场发生了少有的大型原厂并购案。90多岁高龄的电路保护期间供应商Littelfuse在1月完成了这家公司史上最大一笔收购，以7.5亿美元买下功率半导体先驱IXYZ，IXYZ将合并到Littelfuse的电子事业部。
这起收购不仅将增强Littelfuse功率控制产品系列在汽车市场的渗透力，也让它成为半导体的全能型巨头，业务范围将横跨传感器、电路保护、功率器件、MCU四大市场。两家公司的结合将为功率半导体行业创造一个更强大的市场参与者。
同样，光器件行业翘楚之间也发生了相当有戏剧性的争斗，这个故事的主人公是苹果VCSEL芯片的两家供应商Finisar和Lumentum。
光器件行业老二Lumentum在3月宣布以18亿美元的价格买下行业老三Oclaro，明显是要抢下Finisar第一的宝座。
孰料风云难测，Lumentum在12月才等来中国反垄断机构的批准，而此前还未完成交易的Lumentum，先在11月等来了无源巨头II-VI花32亿美元收购Finisar的消息。
这个耐人寻味的无源巨头收购有源巨头案，被看作是II-VI以小博大、进行垂直整合的重要一棋，也因此促成了光器件行业一个整合了有源和无源产业链的超强霸主。
搅局者出现：中国军团兴起，国际影响力初步显现
从历史的脉络来看，横向扩张、垂直整合是推动美国工业企业演变和成长起来的重要方式，亦是促使日本产业在二战后迅速恢复元气的主流方案，拥有三星等大型企业的韩国更是长期维持着大企业主导产业的状态。
中国，在2018年的半导体并购潮中，开始初步显露影响力。
中兴事件激起了中华大地的造芯之魂，地方政府相继推出各种政策，各路资本开始重燃对集成电路的投资热情，芯片也开始野蛮生长。
从列表中所整理的并购案来看，2018年，中国半导体并购大局可以说是喜忧参半。
尽管对于填补中国半导体产业空白来说，海外并购是一条明显可行的捷径，但并购也好，自研也罢，企业的长期竞争力在于持续的研发投入、专利布局、技术领先性和稳定广泛的渠道。
要想向自主造芯大业靠拢，恐怕修炼行业内功还是终极要义。
1、各国监管更严格，中国成关键决策者
随着集成电路战略成为多国的国家战略，加上垄断市场对产业造成的伤害，各国政府对半导体并购案的监管更加警觉和严苛，尤其是美国和中国。
在2018年的半导体并购潮中，中国已经成为影响多起国际半导体并购案走向的最大变数。贝恩收购东芝存储业务、高通收购恩智浦、Lumentum收购Oclaro……中国都是决定是成败的最后一道阀门。
2018年，中美 贸 易 战战况持续胶着，在中兴事件、加征关税接连往中国的“缺芯”之痛上补刀后，美国商务部突然再次发难，以威胁国家安全为由对福建晋华实行禁售，致使中国的存储产业再遇绊脚石。
相比美国，我国的半导体产业链条相对薄弱，从上游装备制造到下游软件系统和电子产品都存在不同程度的缺失。若想在国际上掌握更多的话语权，需要一系列配套产业需求的带动。
而随着美国政策的收紧，进出口贸易逆差将进一步扩大，一些半导体龙头企业可能将中心转移出大陆。这或许会“倒逼”中国自主造芯事业快速发展，但短期内也会对下游产业造成冲击。
2、中国半导体并购案数量多，但交易额和影响力不足
这一年，由中国企业发起的收购案在数量上足以与美国分庭抗礼，约占全球总数的1/3，阿里、富士康、闻泰、格力等巨头纷纷跨界进军芯片战场，国巨更是一年主导了7个并购案。
跨境并购是成为内地公司实现全球布局的重要方式。比如均胜电子通过收购日本高田，改写中国汽车零部件企业在国际市场的地位，均胜电子也真正成为全球汽车安全领域的巨头，全球市场份额升至第二位。
但与此同时，中国企业完成的半导体并购案在交易额上还远远不能与美国抗衡。这一年影响到全球半导体产业的国际大型并购案不算少，但似乎对中国而言大都不算什么好消息。
中国的半导体产业，尚且没有一家能独当一面的大型企业。 中国本土发生的并购案中，能够影响全球产业格局的案例寥寥无几。
3、主流技术没有明显迈步，并购交易还需更加审慎
我国半导体在主流CPU、存储器领域长期空白，主流设计技术暂时还未没有明显迈步，去年存储器市场也持续疲软。
令人感到遗憾的是，就这一年中国企业主导的半导体并购案来看，鲜少有能解决中国芯片缺乏的专利、技术等难题，或对中国产业会造成革命性影响的案例。
比如兆易创新溢价19倍并购指纹识别芯片厂商思立微一事，按照兆易创新的说法，这一交易有助于丰富其触控芯片、指纹芯片等产品线，拓展客户和供应商渠道。
然而此后不久，思立微就身陷和竞争对手汇顶科技的专利诉讼案中，而思立微在研发投入和研发团队数量上均远低于汇顶科技，再经历此专利纠纷，兆易创新的高溢价并购是否合理还有待商榷。
这也给其他半导体厂商提个醒，并购不是盲目扩张，需经过严苛考量后再下判断，下每一个棋子都要尽可能做到“落子无悔”。
结语：新兴领域助推半导体并购潮，自主造芯前路依然艰辛
总体来看，2018年半导体并购事件的主流趋势是强化技术能力、巩固市场地位、加码新兴领域布局和实现产能拓展。同时，并购参与方开始从应用、设计、封装向设备材料等上游扩展。
半导体作为基础设施产业已经上升为许多企业和国家的重要战略，除了孕育出更多富有技术和创新能力的创企，还吸引了越来越多资金充沛的跨界玩家。借助并购，他们轻易踏过半导体产业的高门槛，成为不同忽视的新生力量。
随着半导体产品走入成熟期，手机、PC等大市场开始收缩，而物联网等新兴领域的起步，在2015-2016年为半导体产业激起新的并购热潮。
半导体产业已经走到高成本时代，产业分级趋于稳定，多数巨头都触到发展的天花板，资本规律推动同行合并走向必然。达摩克里斯之剑时时悬于头顶，对于这些巨头来说，不补充实力，不加速转型，未来就很可能会厄运临头。
时与势将身处半导体江湖的企业们推向一个个十字路口，谁也不想成为大浪淘沙中的那粒沙尘。在政策推进下，中国的半导体产业正在数量上呈现起势。尽管目前尚未出现较多有影响力的并购事件，但今年中国企业有望摸索出更明晰的方向。
2018年是半导体行业风起云涌的一年，这一年埋下的数条引线，或将深刻影响未来半导体产业五至十年的发展和格局走向。
8，创企被收、群雄跨界、玩家互撕,AI芯片打响第二战!_
编者按：本文来自“智东西”，作者：心缘；36氪经授权转载。
半年之前，智东西曾以武林几大门派比拟前两年的AI芯片玩家的格局（深度 | AI芯片终极之战）。而现实远比小说更加精彩，半年以来AI芯片领域风云变幻，各种消息雨后春笋般层出不穷。
此前智东西曾总结AI芯片发展的大致阶段，如果说2015年-2016年是AI芯片巨头争夺战，2016-2017年是国内AI创业市场逐渐升温并进入白热化竞争的时段，那么这半年来可以说是更升到了一个小高潮。
从2018年3月至今，4家创企宣布获得过亿元的大额融资，十余家国内不同行业的巨头跨界做起AI芯片，国外Facebook、Arm、特斯拉也纷纷曝出自研AI芯片的消息，阿里百度华为发布云端AI芯片，华为苹果争夺手机AI芯片之王，云知声与思必驰朋友圈开撕，首款IoT芯片面世……这一连串消息的狂轰滥炸，让这半年的AI芯片市场热闹到犹如繁弦急管般笙歌鼎沸。
2018开年以来，整个国内AI芯片市场呈现以下趋势：
1、新一轮AI芯片创企完成融资且额度较大；
2、各类跨界巨头纷纷进军云端AI芯片，其中以华为、阿里、百度为首；
3、老牌AI芯片创企或将进入被收编整合的新浪潮，其中又以深鉴科技被赛灵思收购为首；
4、矿机芯片厂商打着AI芯片概念奔赴港股IPO；
5、手机终端打响AI芯片之战，这一战场以华为、苹果为主，高通、三星有望跟进；
6、细分应用场景AI芯片不断涌出，以语音AI芯片为代表。
总体来看，这半年来的AI芯片市场呈现两大趋势，一是“巨头化”，二是“碎片化”。
“巨头化”一方面指的是BAT苹果华为赛灵思等巨头的争相进军AI芯片，另一方面则是指明星创业公司们纷纷被巨头以融资或其他形式“圈走”。
“碎片化”则是指AI芯片开始出现更加细分的应用场景，这一点从安防、家居等方面表现明显。
一、国内AI芯片创企完成新一轮融资
从5月底至今，探境科技、耐能（Kneron）、寒武纪、肇观电子、燧原科技等AI芯片创企分别完成新一轮融资。除了肇观电子的融资金额未公开外，其余四家创企均获得了亿元级融资。
除了中科寒武纪是“纯学院派”出身外，其他四家创企的创始团队都曾在传统芯片厂商有过丰富的芯片研发经历。
在这些玩家中，最“年轻”的公司当属燧原科技。这家公司今年3月才成立，首次融资就拿下了腾讯，要知道，这可是腾讯第一次投资国内的AI芯片创企。其创始人赵立东曾任职于AMD中国，还在锐迪科（先于展讯合并为紫光展锐）当总裁，有履历如斯的团队背景，燧原科技的起点已然很高。
此外，探境科技和耐能（Kneron）相隔一天宣布过千万美元的新一轮融资，两个公司的创始人都在芯片行业履历满满。
探境科技创始人兼CEO鲁勇为15年芯片打造经验的半导体“老兵”，本硕博都毕业于清华，该公司的创始团队也大多毕业于清华。鲁勇告诉智东西，探境科技的核心竞争力在于AI芯片的存储性能优化，其两款分别针对图像和语音的AI芯片将在今年年底流片面世。（手握2款AI芯片 15年行业老兵 他要革命AI芯片存储瓶颈）
另一个玩家耐能由刘峻诚博士在2015年创立于美国圣地亚哥。在创立第二年，耐能就领先业界推出其首款终端AI芯片NPU（Neural Processing Unit）。刘峻诚博士则是产学两手抓，除了做自己的事业，还在加州大学开授CV技术与AI讲座课程。今年7月16日，耐能宣布延揽前高通多媒体研发部门总监李湘村担任首席科学家。
据说，AI芯片公司耐能CEO称自己在帮高通跟HiMAX奇景光电打造NPU模块方案、已经流片三五次，收了NRE费用。
AI芯片独角兽寒武纪也在今年6月宣布数亿美元的B轮融资。寒武纪的两位创始人陈云霁、陈天石则均毕业于中科院计算机博士学位。
同时做云端和终端AI芯片两条产品线的寒武纪，在今年5月的发布会上一次性推出5款硬件，包括三款终端IP处理器和两款云端芯片，智东西曾对此做详细报道（号称“民族芯”希望 寒武纪真能叫板英伟达？）。在一个月后，寒武纪完成数亿美元B轮融资，整体估值达25亿美元，继续领跑全球AI芯片创企。
还有一家安防AI芯片创业公司的Pre-A轮融资正在开启，它就是欣博电子。欣博电子它不仅专注于打造符合国家视频监控安全标准的安防AI芯片，还与公安部第一研究院、中星微等一齐参与制定了另一份与视频监控编解码安全有关的国家标准SVAC 2.0。智东西曾与其创始人兼CEO梁敏学进行深入交流。（牵手海康大华 参与定制国家标准 他要造最安全的监控AI芯片）
欣博电子主打一款专攻安防视频监控场景的ASIC AI芯片，能够进行监控视频的前处理、后处理等一套完整的安防应用。智东西独家获悉，欣博电子的这款芯片目前目前已经流片成功，有10家左右的客户已经签订合同使用，包括安防设备商、集成商等。
二、AI芯片创企新进展
除了拿到新一轮融资的玩家们，其余AI芯片创企们也有一些新的动向，有的发布新的AI芯片，有的公布了AI芯片的阶段性进展。
今年7月18日，AI芯片行业被一则消息炸开了锅。国内AI芯片独角兽创业公司深鉴科技宣布被FPGA开山鼻祖、美国赛灵思（Xilinx）公司收购，具体交易金额未知，智东西曾第一时间对这一突发事件进行报道（突发！AI芯片独角兽深鉴科技被美国赛灵思收购）。
作为三大国内AI芯片代表性玩家之一，深鉴科技被收购引发业内深思，有人认为搭上巨头是一种稳妥落地的方式，也有人认为AI芯片初创企业并购潮已经开启。
另一个被并购的语音创企是先声互联，这家语音公司在今年5月被阿里全资收购。
地平线机器人则在4月底发布新一代自动驾驶AI芯片征程2.0处理器（发全新自动驾驶平台 地平线B轮将融资数亿美元）。目前该处理器正在市场推广阶段。其业务副总裁张永谦透露，按照正常周期，该芯片今年出货量预计不会太多，目标明年达到百万级。
除了地平线机器人，还有两家AI芯片创企在自动驾驶领域更进一步。
一个是专注研究类脑AI芯片+算法的西井科技。它在8月13日宣布和中国最大铅锌矿企业之一——西藏珠峰达成战略合作，拿下首个自动驾驶矿车订单，9月又推出全新自动驾驶品牌Qomolo逐路，并发布首款无人驾驶电动重卡Q-Truck。创始人兼 CEO 谭黎敏表示，他们的AI芯片将提供给逐路品牌使用。
西井科技的CEO谭黎敏曾告诉车东西，由于一枚AI芯片的适用范围比较窄，在实用性上不太理想。在AI快速发展的时候将算法固化为芯片也有一定风险，因此西井在芯片量产工作上并没有走得很急。（港口里玩无人卡车！这家公司这样撬动数十亿市场）
另一个则是硅谷公司异构智能（NovuMind）。该公司在今年5月的2018年嵌入式视觉高峰会上向业界展示其自主研发的首款云端AI芯片NovuTensor，该芯片设计在10月8日被异构智能宣布获得美国专利。此外，这家公司将推出的第二款ASIC芯片，用于安防和自动驾驶应用中。
在全球知名调研机构Compass Intelligence 4月的一份AI芯片公司排名中，我国仅有两家公司进入前二十名，其中一个是华为，名列第12位，另一个就是排名20位的瑞芯微（Rockchip）。瑞芯微在5月一连发布了四款“AI扫地机器人”芯片级解决方案，全面覆盖从入门到高端的搜阿迪机器人产品。
从9月5日工信部公示的2018年人工智能与实体经济深度融合创新项目名单可以看到，中星微电子、寒武纪、熠知电子（Think Force）、深鉴科技、地平线机器人、云天励飞、云知芯、中感微电子以及熠知电子关于AI芯片的项目分别上榜。
云天励飞还在4月25日公布在AI芯片领域的阶段性进展，他们表示正在研发的AI芯片IPU计划在今年年中流片，在明年上半年正式商用。（云天励飞CEO陈宁：AI警务落地深圳龙岗 今年内生产AI芯片）
云天励飞提出AI芯片免费化，其CEO陈宁认为，AI芯片的商业价值是通过云端服务体现的，而不是通过传统的芯片归元成本体现，他相信到2025年，云天励飞将在1亿个智能终端中装入他们大脑的芯片。
此外，清华大学Thinker团队6月在国际超大规模集成电路研讨会（VLSI 2018）发布两款极低功耗的AI芯片（Thinker-II和Thinker-S），目标在移动设备、嵌入式设备以及IoT中AI计算需求，有望在电池供点以及自供智能设备中得到广泛应用。
三、老牌芯片玩家养精蓄锐
在这半年间，AI芯片创企们百家争鸣，而以英伟达为代表的老牌芯片玩家们则依然走在AI芯片的最前端，不过，就发布新品和曝出新消息的节奏来看，这些玩家应该都还留着后手、藏着大招。
早在7个月前，全球FPGA芯片巨头赛灵思就公布了新一代AI芯片架构ACAP，而就在前天，赛灵思在中国正式推出其7nm首款ACAP架构的芯片系列——Versal，不过正式大规模推向市场将会到明年下半年。赛灵思还推出了面向数据中心和AI加速卡Alveo U200和U250。（赛灵思推7nm AI芯片新品Versal 性能超8倍 2019年面世）
FPGA市场的另一大玩家英特尔在今年4月发布了搭载英特尔Arria 10GX FPGA芯片的可编程加速卡。（英特尔FPGA加速卡应用解读：让财务分析快8倍 首批OEM厂宣布采用）
一个多月后，在英特尔举办的首届开发者大会AIDC 2018上，英特尔发布新款云端AI芯片NNP“代号Spring Crest”，对标谷歌近期推出的第三代TPU。（英特尔AI大会现场：秀AI作曲神技！推新版AI芯片）
而在9月，“核弹厂”英伟达和IP授权大佬Arm各自有了新动向。
英伟达在相隔不到两周的时间分别发布了两款新品，一个是专为AI推理设计的新款GPU Tesla T4，另一个是TensorRT 3 神经网络推理加速器。英伟达表示，谷歌将率先把全新T4 GPU引入其云平台。
Arm则与瑞芯微、OPEN AI LAB联合发布了面向开发者教育的嵌入式AI应用开发平台EAIDK ，并推出第一块用于AI/ML的开发板卡EAIDK-610（芯片巨头Arm推AI开发全套件，联合四大学降低AI门槛）。
此前在3月英伟达宣布将联合Arm打造IoT设备的AI芯片专用IP，并将该机器学习IP集成到Arm的Project Trillium平台上。据华为业内人士透露，Arm自己的AI芯片计划同时也在快速推进当中，我们也许很快就将迎来一场AI芯片大爆发的时代。
四、跨界巨头云集AI芯片战场
这半年来，AI行业出现一个明显的趋势，即各行各业的巨头纷纷开始跨界做AI芯片。赛灵思CEO Victor Peng告诉智东西，之所以会有这么多科技巨头都在打造AI芯片，这正是AI处于革命早期的特征，不同的行业在寻找不同的解决方案。（赛灵思推7nm AI芯片新品Versal 性能超8倍 2019年面世）
一方面，国内科技巨头不再将脚步止于投资，而是陆续亮出自研云端AI芯片。
另一方面，随着设备端推理的应用场景更为多样化，智能手机、智能摄像头、语音交互等设备的需求越来越丰富，需要定制化、低功耗、低成本的嵌入式解决方案，AI创企、传统行业巨头开始通过打造专用型AI芯片提高自身竞争力。
这些跨界公司可以分为如下几类：云平台巨头、手机巨头、语音厂商、传统安防巨头、电动汽车巨头和挖矿巨头。
1、科技巨头启动云端AI芯片计划
早早将目光投向通用型AI的科技巨头们，比如百度、阿里、华为等，在这半年间，陆续开始抬脚迈进云端AI芯片的大门。
此前BAT虽在AI芯片领域动作频频，不过基本都是在投资。百度投资了Lightelligence和上海汉枫，自研芯片DuerOS智慧芯片、XPU；阿里巴巴投了中天微、寒武纪、深鉴科技、耐能（Kneron）和翱捷科技（ASR）、Barefoot Networks；腾讯投资了Barefoot Networks和比特大陆。
今年4月19日，阿里打响跨界云端AI芯片的头炮，宣布达摩院正在研发一款名为 Ali-NPU 的神经网络芯片，用于AI推理计算，计划在明年4月发布Ali-NPU。阿里称，该芯片的性能将是现在市面上主流 CPU、GPU 架构 AI 芯片的 10 倍。
就在消息宣布次日，阿里收购了我国唯一拥有嵌入式CPU IP核的公司中天微。如今，阿里把中天微和阿里达摩院的芯片研发团队组成了“平头哥半导体有限公司”。
不同于首次公布造芯计划的阿里，已有造芯经验的百度在7月的百度AI开发者大会上，推出号称“中国首款云端全功能AI芯片”的昆仑芯片，号称最高算力可达260TOPS，并称该芯片正在流片中（百度3小时AI大会最全干货：量产无人车、造AI芯片、砸亿元扶持开发者）。
相较而言，在AI芯片领域布局最少的腾讯似乎暂无自研芯片计划。马化腾在5月演讲中坦率地讲腾讯未必擅长芯片研发，不过他认为腾讯有海量的应用服务、大规模的用户，有包括云在内的很多数据中心，可以倒逼芯片设计行业针对腾讯的服务和需求做设计。
3个月后，在10月10日的华为全联接大会上，华为重磅推出采用达芬奇架构的两款AI芯片，其中昇腾910主打云场景的超高算力，另一款昇腾310则主打终端低功耗AI场景。（华为公布五大AI战略，推最强7nm昇腾AI芯片！提出十大变革）
国内科技巨头连扔重磅炸弹，而在大洋彼岸，各大科技巨头也没闲着，除了谷歌、微软持续更新芯片进展外，Facebook也踏入了AI芯片的沙场。
今年4月，Facebook被曝在组建自研AI芯片的团队，没过多久，Facebook首席AI科学家Yann LeCun首次披露Facebook在AI芯片的具体方向——实时分析和过滤视频内容。Lecun表示，他们不想抢英伟达、高通的饭碗，只希望更好服务自己的业务。
3个月后，Facebook挖到谷歌芯片负责人Shahriar Rabii，任命其担任Facebook的副总裁和芯片部门负责人。
谷歌在5月举办的I/O开发者大会上发布TPU 3.0云端芯片，据称该芯片比去年的TPU 2.0强大八倍。（刚刚 谷歌I/O放出6个大招 AI打电话能骗过人类！）
同样在5月，微软AI芯片Brainwave开放云端测试版，称Project Brainwave计算平台使用的FPGA芯片为实时AI而设计，比谷歌使用的TPU芯片处理速度快上了5倍（微软AI芯片Brainwave开放云端试用版 比TPU快5倍）。微软Azure执行副总裁Jason Zander还曾表示，微软Azure实际上设计了许多自研芯片，用于数据中心。
华登国际创始人兼董事长、软件巨头Cadence CEO陈立武曾告诉智东西，虽然这个市场巨头林立，但大公司做芯片往往是为了针对自己的特定业务进行优化，比如谷歌、亚马逊、Facebook等，BAT现在也很积极，但并不代表其他云AI芯片企业没有机会了（他是芯片投资教父，投出104家上市公司！未来10年看中国）。
2、苹果华为打响手机芯片战
如果说云端芯片听起来遥不可及，那么移动终端AI芯片则悄然进入人们的日常生活。今年华为和苹果分别发布均采用7nm工艺的第二代AI芯片麒麟980和仿生芯片A12（苹果十年一“芯”）。
华为麒麟980采用双核NPU，在视频检测、物体四节识别和物体分割三个方面均有升级。苹果A12则将神经网络引擎数提升到了8个。以两款芯片为参考，智东西曾深入分析未来手机一段时间的手机AI芯片行业趋势（决定未来的手机AI芯片五大趋势，华为苹果率先起跑）。
▲华为麒麟980和苹果A12内部结构
三星在今年3月22日低调上线了一款AI处理器Exynos 9610，该芯片搭载了一个基于深度学习的视觉图像处理单元（vision image processing unit），里面包含一个DSP和一个神经网络引擎（三星发布首款手机AI芯片？NO，还是一只软AI）。
同样，另一手机芯片巨头联发科的Helio P60在3月推出，这颗芯片上搭载了AI处理模块APU（AI processing unit），APU基于联发科此前的视觉处理模块VPU演进而来（联发科Heilo P60 AI芯片解读：首块搭载APU模块芯片 支持Animoji动画表情）。
除了智能手机之外，智能穿戴也越来越热门。这就不得不提到小米的生态链企业华米科技。
上个月，华米科技推出世界首款智能可穿戴领域的AI芯片黄山1号，采用RISC-V指令集，据说相比ARM架构，其运算效率高出38%。该芯片着重在医疗健康上，通过AI计算前移降低功耗。（推两款智能手表，发布可穿戴AI芯片，华米能否实现自有品牌突围？）
华米科技创始人兼CEO黄汪称，这款芯片已经流片成功，2019年上半年将应用在华米可穿戴新品中。
3、语音厂商扎堆涌入AI芯片
而就在今年5-6月，语音识别技术公司扎堆公布做AI语音专用芯片的消息，使得AI专用语音芯片迎来一个高峰期。
在云知声创始人兼CEO黄伟看来，做IoT和AI产品始终是绕不过芯片的，芯片的研发也是在为产品化打好基础。5月16日，云知声推出首款面向IoT人机交互场景的AI芯片UniOne以及针对智能家居场景的行业解决方案雨燕。（云知声推物联网AI芯片 现已流片二季度将量产）
在UniOne发布8天后，出门问问推出了据称是国内首款已量产AI语音芯片模组“问芯”Mobvoi A1，可为核心应用场景智能电视、机顶盒与机器人提供一站式AI语音交互解决方案。其创始人兼CEO李志飞表示，其价格只有同类语音交互解决方案的50%。（出门问问发布5款新品背后：为拓展商业模式 开始探索B端市场）
6月26日，Rokid举办了成立四年以来的首场发布会，推出AI语音专用SoC芯片KAMINO18。其CEOMisa告诉智东西，Rokid已经拿下几百万片芯片订单。Misa也指出Rokid芯片和云知声芯片的不同：“Rokid芯片是一个完整的解决方案，云知声的芯片更偏向控制。”（对话若琪CEO Misa：AI芯片已拿下数百万订单 AR眼镜年底量产）
同一天，思必驰完成5亿元D轮融资（首发！思必驰融资5亿元 独家对话CEO高始兴）。该公司同时宣布已在研发适用于智能语音交互的ASIC芯片，预计下半年流片上市，并透露已与某芯片巨头合作，双方将成立合资公司。思必驰还表示公司已有较明确的上市计划，首选在国内资本市场。
不过，在此期间还有一个小插曲，思必驰融资和芯片消息的发布，曾引发云知声CEO黄伟和思必驰CMO龙梦竹在朋友圈隔空开撕。
被阿里全资收购的先声互联的创始人付强告诉智东西，随着阿里在芯片上的战略布局，他们也会在语音专用芯片上有更多进展。（对话阿里达摩院付强：年初阿里完成收购 未来或推语音专用芯片）
4、老牌安防巨头芯片计划曝光
在正在兴起的AI落地浪潮中，安防领域可以说是当之无愧最火热的AI应用场景。
随着越来越多AI创企涌入这片市场，智能监控系统正覆盖到更多的区域，海康威视、大华股份、宇视科技这三个加起来占据安防领域半壁江山的传统行业巨头也纷纷走起了智能化转型之路。
此前在发改委2018年“互联网+”、人工智能创新发展和数字经济试点重大工程拟支持项目名单上，海康威视“计算机视觉AI芯片研发及产业化项目”赫然列于其中。
继海康之后，大华的AI芯片计划也浮出水面。在近日工信部下发的2018年人工智能与实体经济深度融合创新项目名单中，我们看到了大华股份申报的“视频监控人工智能SoC芯片研发及应用”项目。
大华股份相关技术研发人员表示，目前大华这款自研的AI SoC芯片已经装配于新推出的新品睿智系列经济型人脸摄像机中，它相比市面上的智能摄像机，价格大大降低，且稳定性得以保障。
然而由于透露的相关消息甚少，我们几乎对这些老牌安防巨头的AI芯片研发进展一无所知。
5、多方势力进军自动驾驶芯片
AI芯片是自动驾驶计算平台的关键组成部分，由于关系到人身安全，相比其他AI芯片，自动驾驶AI芯片的容错率更低、研发难度更大。
不过，自动驾驶领域的超级“网红”特斯拉CEO埃隆·马斯克（Elon Musk）一向不走寻常路。马斯克在8月2日宣布特斯拉自研AI自动驾驶芯片“Hardware 3”，称其已筹备了两三年，用于特斯拉所有的电动汽车之中，能将特斯拉汽车性能最高提升5-20倍。
据悉，特斯拉自研芯片与其当前使用的芯片成本相差无几。此前特斯拉汽车主要使用英伟达的芯片，不过马斯克称特斯拉的自研芯片没有一味依赖英伟达等芯片厂商。
除了特斯拉外，国内企业也在进军这个领域。云知声在和亿咖通科技在智能网联汽车领域进行合作，共同研发汽车前装车规级AI芯片。
在今年的CES Aisa展会上，零跑汽车宣布和大华股份联手研发的AI自动驾驶芯片“凌芯01”已进入集成验证阶段，明年第二季度进行实车测试。在（零跑汽车发布自动驾驶芯片 首款量产车明年一季度交付）有具体描述该自动驾驶芯片具有的六点优势。
6、矿机巨头押宝AI芯片
作为比特币狂潮的卖水人、虚拟货币“矿级芯片”的生产商，排名世界前二的代表玩家比特大陆和嘉楠耘智，在面临数字货币波动的风险之际，纷纷跨界转型押宝AI芯片，并且都选择了赴港IPO。
此前比特大陆联合创始人吴忌寒在接受外媒采访时表示，五年内比特大陆近 40%的收入将来自 AI 芯片。
今天，比特大陆推出首款28nm工艺面向边缘计算的低功耗AI协处理器BM1880，能够搭载在安防智能摄像机、安防USB人工智能模块等产品中。（比特大陆推首款低功耗边缘AI芯片 28nm工艺 主攻安防场景）
嘉楠耘智则在8月和9月连造两大新闻，先是在8月8日宣布全球首个7nm芯片成功量产，随后在 9月发布第一代8 AI芯片勘智（Kendryte），定位AI和边缘计算两大领域，主应用在IoT市场。这款芯片采用RISC-V CPU，据说其机器视觉与语音识别能力的神经网络计算加速IP完全为自主研发。
五、国外AI芯片创企拿下GV首投
在最近半年，有一批国外AI芯片创企获得融资。
虽说谷歌早早推出TPU，谷歌母公司Alphabet风险投资部门Google Venture（GV）对AI芯片却一直保持谨慎的态度。今年3月，GV献出对AI芯片公司的首次投资，领投AI芯片创企SambaNova System A轮融资。
研究使用模拟电信号和闪存进行机器学习推理计算的Mythic也在3月获得新一轮由软银领投的新一轮融资。这家公司目前着眼于智能家居、摄像头、可穿戴设备以及无人机之类的低功效嵌入式设备，目标是将数据移动到内存中进行，计划在今年年底之前出厂第一批硅片样品，并于2019年全面投产。
以色列AI芯片创企Hailo在6月宣布A轮1200万美元融资。其深度学习芯片样品预计在明年上半年进入市场，这些芯片能在无人机、自动驾驶汽车、物联网（IoT）以及智能家用电器和相机。
在上个月获得新一轮融资的美国创企ThinCI则专注于开发自动驾驶汽车AI芯片。
还有一家以色列芯片企业Habana Kabs，近期该公司宣布正式退出隐身模式，在今年9月推出面向精选客户推出首个人工智能 (AI) 处理器样品Goya，据称是世界上最快的AI芯片，其推理性能高于GPU。该公司还计划2019年第二季推出首个Gaudi训练处理器。
硅谷AI芯片初创公司Wave Computing也计划在今年下半年推出AI芯片，其CTO及DPU（Dataflow Processing Unit）首席架构师Dr. Chris Nicol表示他们的产品DPU在加速神经网络训练上能够超越GPU 1000x。
这家公司还在近期干了一件大事，收购了硅谷“老前辈”MIPS（原被Imagination收购）。MIPS曾在6年前被Imagination收购，然而MIPS非但没给Imagination带来预期效果，反而还拖累了Imagination的业绩。去年5月MIPS被Imagination甩卖，从当年收购价1亿美元缩水到6500万美元。
此外，今年Wave Computing已在上海设立中国分公司。
结语：传统行业巨头积极跨界，新兴AI芯片势力崛起
总的来看，目前跨界的AI芯片企业主要可分为几大阵营：
一，以阿里、百度、华为等为代表的云平台巨头；
二，以苹果、华为、三星等为代表的手机巨头；
三，以云知声、思必驰、云从等为代表的AI技术创企；
四，以海康威视、大华股份等为代表的传统芯片巨头；
五，以比特大陆、嘉楠耘智为代表的挖矿巨头。
从目标市场来看，除了寒武纪、华为、比特大陆的AI芯片覆盖到云端和终端市场外，其余绝大多数涉足AI芯片的企业都先主攻一个市场。另外，大多数跨界AI芯片的企业都和芯片商有合作，还不能完全担得起“自研”二字。比如华为的手机AI芯片用到寒武纪NPU方案，出门问问、Rokid的AI专用语音芯片由杭州国芯定制。
不过，传统行业玩家通常拥有比AI创企更深厚的行业积累和行业资源，在传统行业的长期摸索也有助于支撑长期芯片研发所需的高成本。而AI创企则在如何强化AI能力方面具有优势，基于AI技术的积累，他们更易懂得如何使算力更好地匹配算法。多个行业巨头的加入，把AI芯片市场炒的更加火热，新老AI芯片势力的崛起，也为这个领域带来更多可能。
9，理性地信仰:区块链技术离大范围应用还有多远?_
编者按：本文来自公众号零识区块链（zkchainnews），作者： Preethi Kasireddy，36氪经授权发布。
本文是 Fundamental challenges with public blockchains 的非完全翻译。原文作者 Preethi Kasireddy 是 Coinbase 的前员工，她写的技术文章非常适合新手阅读。
毫无疑问区块链技术有巨大的潜力。在 2017 年里，人们高昂的热情为 ICO 募集了数百亿资金，大大提升了加密货币市场的规模。
然而，另一面却没有得到足够重视：区块链存在一些技术壁垒（technical barriers），这导致难以有效地将它应用到主流人群里。这些技术壁垒包括：
可扩展性的限制
隐私保护的限制
缺乏合约的形式化验证
存储限制
难以证明的共识机制
缺乏治理和标准
缺乏开发工具
量子计算机的威胁
...还有
在这篇文章里，我会一一阐述这些技术壁垒，并分享一些可行的解决方案。
1. 可扩展性的限制
当前公有链的共识协议都存在这样的限制：网络中的全节点参与者需要处理全部交易。
为什么会这样？因为区块链本质上是「去中心化」——这意味着不存在一个中心团体来保护和维持系统。取而代之，网络的每个节点都会处理每笔交易并维持全状态副本，通过这种方式来保护系统。
去中心化共识机制的关键优势是安全保证、政治中立和抵抗审查等。然而，这是以扩展性为代价换来的，因为去中心化限制了区块链里全节点可处理交易的数量。
实质上这带来了两个影响：
1、低吞吐量：区块链可处理交易的数量十分有限
2、缓慢的交易速度：处理一个区块的时间很长。比如比特币的区块时间是 10 分钟，以太坊的区块时间大约是 14 秒。在高峰期里花费的时间甚至更长。相较之下，Square 和 Visa 等服务的交易是即时确认的。
因此，公有链需要在低交易吞吐量和高中心化之间做一个权衡。
换句话说，随着区块链大小的增加，网络里全节点所需的存储、带宽和计算能力也会增加。当到达某个时刻，就只有少数节点才能提供足够资源来处理区块——这会带来中心化风险。
在那时，我们会回到需信任少数大节点的中心化系统里。然而我们想要的系统是：它既能每秒处理上千笔交易，又能带来一定程度的去中心化。
可扩展性的解决方案
理想状态下，我们希望我们设计的区块链有着与比特币和以太坊相近或更好的安全性，但同时又不希望网络里每个节点都要处理超过一定比例的交易。换句话说，我们需要一种机制，来限制验证交易的节点数量（注：因为减少验证节点数量可以提高吞吐量），同时又保证网络里的每笔交易都是合法可信。这听起来很容易，但在技术上非常困难。
可扩展性是平台走向成功的一个巨大障碍。下面是一些不同开发团队正在努力研究的解决方案。在这一篇文章里我已经对可扩展性解决方案进行了详细介绍，推荐大家阅读。这里只做一个简短总结
A.链下交易通道（off-chain payment channel）
该方案是在链下使用微支付通道网络处理大部分交易。区块链只作为清算层来处理一系列交易的最终清算，从而来减少底层区块链的负担。
这解决了我们前面讨论的吞吐量问题，区块链可处理交易的数量可提升一个量级。除此之外，由于交易都是在支付通道里处理的，无需等待区块确认，因此交易速度问题也得到了解决，消除了时延。
Raiden Network 和 Lightning Network 都是微支付通道网络的实例。
B.分片（Sharding）
分片的思想是把区块链的整体状态分割成不同的「片」，每部分状态都由不同的节点存储和处理。每个分片都只处理整体状态的一小部分，因此可以做到并行处理。区块链分片就像传统数据库的分片一样，但还需额外考虑如何在去中心化的节点集合里维持安全性和合法性。
C.链下计算（off-chain computation）
这个方案和状态通道很相似，但适用范围更广。其主要思想是以一种安全可证的方式，在链下处理一些在链上执行代价很高的计算。把计算和证明处理移到链下的独立协议里，可以提高交易吞吐量。一个实例是以太坊的 TrueBit。
D.DAG
DAG 是有向无环图（Directed Acyclic Graph）的缩写，这是一种有顶点和边的图结构。DAG 可以保证从一个顶点沿着若干边前进，最后不能回到原点。由此我们可以给顶点进行拓扑排序。
DAG
一些 DAG 协议，如 IOTA 的 Tangle，丢弃了全局的线性区块概念，使用 DAG 数据结构来维持系统状态。为了保证网络安全，这些协议需要用某种新方法，使节点不需要用线性方式处理每一笔交易。
另一种 DAG 协议 SPECTRE protocol，使用了区块的 DAG 技术，可以并行挖矿，从而带来更大的吞吐量和更快的交易确认时间。
DAG 技术还处在早期阶段。老实说，它们也存在一些需要被解决的底层限制和缺陷。
2. 隐私保护的限制
区块链上的交易并没有直接关联到你的身份，这看起来似乎是可以具有隐私保护的。每个人都可以匿名地生成钱包，并进行交易。
然而，事实远没有这么简单。
区块链技术的巨大前景之一是假名（pseudonymity）的使用：交易被记录在公共账本里，但是它们又与由数字和字母组成的地址保持关联。因为无需将真实世界的身份信息关联到地址上，交易的发起者似乎是不可能被追踪的。
然而，这种想法是错误的。没有将假名关联到个人信息，这确实可以保护隐私。然而只要有人建立了链接，则隐私就不再是秘密。一个例子是执法机构坦言他们在调查时，可以识别比特币用户，对他们进行反匿名（deanonymizing）。
这是怎么发生的呢？
商业网站的 Web Tracker 和 cookies 会轻易泄露与交易相关的信息。任何人，包括政府、执法机构和恶意用户都可以利用这些信息。
此外，区块链平台（如以太坊）的用户与智能合约进行着复杂交互。智能合约的所有细节，包括发送者和接受者、交易数据、执行的代码和合约内部存储的状态，都是公开。
大部分公司都不会考虑把重要的商业数据上传区块链中，因为黑客、竞争者和其他非授权组织都可以轻易看到这些信息。思考一下：
电子医疗记录是十分隐私和敏感的信息。
身份识别数据如身份证不能在智能合约上公开。
凭证管理如密码和密钥都不能放在公开和不安全的智能合约中。
金融文件如股权结构表或员工薪资都不能公开。
这样的例子不胜枚举
隐私保护对于个人、组织和企业来说，都是一个本质挑战。许多人为区块链和数字货币着迷，是因为这个去信任和抵抗审查的系统能带来金融上的变革。矛盾的是，我们在使用的是一个公开且容易被追踪的账本。
隐私保护解决方案
下面是一些不同开发团队正在努力实现的方案
Elliptic Curve Diffie-Hellman-Merkle (ECDHM) addresses
理解 ECDHM 地址之前，你需要理解 Diffie-Hellman 密钥交换，其背后的思想在于双方之间建立一个共享的秘密。在公开网络里，这可以被用于交换秘密信息。
这是如何做到？
发送方和接收方共享 ECDHM 地址，然后通过共享的秘密将其转化成比特币地址。该比特币地址只会被拥有该秘密的人知道。唯一公开的东西只有可重复使用的 ECDHM 地址。因此，用户不用担心交易会被追踪。
Conceptual diagram that illustrates the general idea of the key exchange by using colors instead of very large numbers (Source: 网页链接)
ECDHM 地址方案包括 Peter Todd 提出的 Stealth Addresses，Justus Ranvier 提出的 BIP47 Reusable Payment Codes 和 Justin Newton 提出的 BIP75 Out of Band Address Exchange。然而，没有一个方案得到实际应用。
混合器（Mixer）
混合器的思想是把交易混到一个池里，收支平衡由池中的私有账本来记录。当池中的资金被花费后，原始交易就变得难以追踪了。观察区块链的人可以看到池的支付金额和收款人，但是无法追踪交易的发起人。混合器服务的一个例子是 CoinJoin。
Source: 网页链接
不幸的是，混合器不是一个可靠的解决方案。研究者可以确定 CoinJoin 里的交易，他们证明，攻击者只要花费 $32,000，就能以 90% 的成功率识别交易。并且，研究者还证明混合器几乎无法抵御女巫攻击（Sybil attacks）和拒绝服务攻击（Denial-of-Service attacks）。
另一个令人不安的地方是，需要通过一个相对中心化的实体来维护混合器的私有账本，这意味着需要一个可信第三方来“混合”交易。
CoinJoin 不是默认交易方法，因此很少人参与到进混合池里，这导致匿名集合十分小。在人数少的集合里，可以很容易确认交易的来源。
另一种混合器方案是 CoinShuffle，这是德国萨尔布吕肯大学研究团队设计的去中心化混合协议。CoinShuffle 尝试解决 CoinJoin 里需要可信第三方来混合交易的问题。
门罗币（Menoro）
不同于其他的山寨币，门罗币不是比特币的分叉，而是基于另一种协议CryptoNote。门罗币的最大特色是环签名（Ring Signature）方案。
环签名是一种群签名，群里的每个签名者都拥有一对私公钥对。不像传统的加密签名证明交易是单个签名者用私钥签的，群签名证明交易是群里的某个人签名的，但不会暴露具体是谁签的。
零知识证明（Zero-knowledge proofs）
零知识证明是指，在不揭露特定知识的情况下，证明者（prover）可以说服验证者（verifier）他们知道该知识。换句话说，零知识的输入是秘密的，证明者不会向验证者揭露任何知识。零知识证明可以被用在隐私保护方案里。例子包括：
例子1：质询/响应比赛
在计算机安全里，质询-响应认证（challenge-response authentication）是一个协议族。在协议里，一方进行提问（“质询“），另一方给出正确的答案（”响应”）以获得授权。在区块链里，这个“比赛”能被用于验证交易。如果某一交易是非法的，其他节点会注意到其非法性。这就需要提供可验证的证明（verifiable proof），来证实交易是非法的。如果验证失败，则会产生一个“质询”，要求交易的发起人生成一个“响应”，来证明交易是合法的。
这里有一个例子：假设只有 Bob 可以访问某些资源（如他的车）。Alice 现在也想访问它们（如开这辆车去杂货店）。Bob 发起一个质询，假设为“52w72y“。Alice 必须用一个字符串来响应 Bob 发起的质询。使用一个只有 Bob 和 Alice 知道的算法，这是找到答案的唯一方式。此外，Bob 每次发起的质询都会不一样。知道先前正确的响应，并不能给 Alice 带来任何的优势。
质询/响应比赛已经被使用在区块链，如以太坊里了。然而，我们需要相应的函数库和工具，来使这一类的认证方案更容易被使用。
例子2：zkSNARKs
zkSNARKs 到底是什么？让我们来逐步分解其定义：
zk=zero-knowledge（零知识）。不需要信息本身的条件下，可以证明该信息存在。
SNARK：Succinct Non-interactive Adaptive ARgument of Knowledge
简洁（Succinct）表示证明简洁，可以被快速验证。
非交互（Non-interactive）表示验证者不需要和证明者进行交互。取而代之，证明者会预先公开它的证明，而验证者可以检查它的正确性。
适应性知识论证（Adaptive argument of knowledge）表示某些计算的证明。
尽管我希望有一天可以写一篇文章介绍 zkSNARKs，但这里我会跳过技术细节。zkSNARKs是一个的构建隐私保护的组件，它令人振奋且具有远大前景，但有几点需要注意
SNARKs 是资源密集型的
SNARKs 能让用户证明他们拥有访问某个秘密的权限。但用户有职责维护秘密，让它在需要的时候能被访问到。
SNARKs 需要一个启动阶段，来准备需要证明的电路或运算。该阶段由一组可信团体预先进行。这不仅意味着你需要信任进行该启动阶段的团体，还意味着不适合用 SNARKs 进行任意的运算，因为总需要一个准备阶段。
例子3：zkSNARKs + Zcash
Zcash 是基于 zk-SNARKs，具有隐私保护特点的加密货币。在 Zcash 所谓的“私密交易（shielded transactions）”里，每一个被使用的币都带有一组匿名集合。私密交易使用“私密地址（shielded addresses）”，它要求发送方或接收方生成一个零知识证明，以在不泄露交易信息的情况下，允许其他人验证交易。
Zcash transaction diagram
Zcash 无疑是一个值得关注的有趣项目。
例子4：zkSNARKs + Ethereum
在以太坊下一个要升级的协议 Metropolis 里，开发者将可以在链上高效地验证 zk-SNARKs。
我们可以在支持 SNARKs 的以太坊里做什么呢？可以把某些合约变量被设为不可见。秘密信息可以与那些遵守使用 SNARKs 的合约规则的用户存储在一起，而不是直接存储在链上。每一组用户群自身都需要一个可信的启动阶段，这会增加一些用于准备阶段的开销。但一旦电路被设置好，它就可以被任意数量的交易使用。
在支持 SNARKs 的以太坊里，你无法把隐私与用户分开，即做不到自治性隐私（autonomous privacy）。由于以太坊的 SNARKs 依赖用户在链下维护密钥，因此如果没有这些用户，就没有地方可以找到这些秘密。
例子5：zkSTARKs
ZK-SNARKs 有一个更年轻更闪耀的同胞兄弟：ZK-STARKs，其中“T“表示”透明（transparent）“。ZK-STARKs 解决了 ZK-SNARKs 的一个主要缺陷：需要依赖一个可信的启动阶段。由于 ZK-STARKs 只依赖哈希和信息论，因此它更简易；由于不再使用椭圆曲线和指数假设，面对量子计算机时它更加安全。
总而言之，尽管在上述的零知识证明隐私保护方案的前沿研究中，我们取得了惊人的进步，但仍然有许多工作需要去做。我们需要对零知识证明的函数库进行实证研究和实践检测，使其成熟。我们需要在不同公链上对 zkSNARKs 和 zkSTARKs 进行实验。在真实世界的场景里，Zcash 则需要在扩展性上给出令人满意的使用案例。我们离这些仍有很长的路要走。
代码混淆（Code Obfuscation）
另一种隐私保护机制是代码混淆。该方案要找到一种方式来混淆程序 P，混淆器（obfuscator）会产生第二个程序 O(P)=Q，使得在给 P 和 Q 相同的输入时，产生相同的输出。但是 Q 不会揭露与 P 内部构造相关的任何信息。这使得我们可以在 Q 内部隐藏如密码和身份证等的私密信息，但同时在程序里使用这些信息。
虽然研究者已经证明完全的黑盒混淆器是不可能实现的，但不可区分混淆器（indistinguishability obfuscation）是可以实现的，这是一种概念上弱化的混淆器。不可区分混淆器 O 的定义是，如果你使用两个同等的程序 A 和 B（如把相同值输入到 A 或 B 里去产生相同的输入）计算得到 O(A)=P 和 O(B)=Q，则在无法进入程序 A 或 B 的情况下，则在计算上分辨 P 来自于 A 还是 B 是不可行的。
最近，研究者 Craig Gentry, Amit Sahai 等人完成了不可区分代码混淆器。然而，该算法的计算开销十分高昂。
如果开销问题可以得到改善，则能带来巨大的潜在好处。
举个例子，假设以太坊的智能合约里有 Coinbase 的密码。则我们可以写出这样一个程序：当智能合约满足了特定条件后，合约通过中间节点初始化与 Coinbase 的 HTTPS 会话，使用密码进行登录，然后执行交易。由于合约里的信息被混淆了，因此中间节点或区块链的其他参与者都没法修改发出的请求和获取用户密码。
预言机（Oracle）
在区块链世界里，预言机是指在智能合约和外部数据源之间传递消息的角色。它在链上智能合约和链下外部数据源之间充当数据的运输者。因此，一种保护信息隐私性的方法是使用预言机从外部数据源中取出隐私数据。
可信任执行环境（Trusted Execution Environments）
可信任执行环境（TEE）是位于主处理器里的一个安全区域。在 TEE 里加载运行的代码和数据会得到隐私性和完整性的保护。TEE 可以与面向用户的操作系统并行运行，但比后者具有更好的隐私性和安全性。
Source: 网页链接
3. 缺乏合约的形式化验证
智能合约的形式化验证仍然是一个未解决的巨大问题。首先，让我们通过“形式化证明（formal proof）”来理解“形式化验证（formally verify）”的意思。在数学上，“形式化证明”是一种数学证明，计算机可以通过基本的数学公里和推理规则（inference rules）来证明它。
在程序方面，形式化验证是一种判断程序是否能按预期运行的方法。具体的规约语言可以来描述输入和输出之间的函数关系。也就是说，如果在程序里声明了一个不变量，则我们应该证明这个声明的存在。
规范语言的一个例子是 Isabelle，它是一种通用证明辅助，可以在形式化语言里表达数学公式，还提供了工具在逻辑运算上来证明这些公式。另一种规范语言是Coq，这是一种用来书写数学定义、执行算法和定理的形式语言。
对于编码在智能合约里的程序来说，为什么形式化验证十分重要？
一个原因是智能合约是不可逆的，这意味着一旦将它们部署到主网络里，你就无法升级或修改它们。因此在部署和使用智能合约之前，需要保证一切都不会出错。而且，智能合约是可公开访问的，存储在智能合约里的内容对任何人可见；每个人都可以调用智能合约里的公开方法。这带来了开放性和透明性，但也会吸引黑客攻击智能合约。
无论你多么小心谨慎，写出一个没有 bug 和完全可信的智能合约都是十分困难的。此外，在以太坊上，由 EVM 指令的设计方式，验证 EVM 代码也很困难。因此在以太坊上很难找到一种形式化验证的解决方案。但无论如何，形式化验证都是一种减少 bug 和攻击的强有力手段。比起传统方法（如代码测试和同行审查），它在很大程度上可以保证正确性。我们急切地需要一种更好的解决方案。
4. 存储限制
公有链上的大部分应用都需要解决存储问题（如用户身份、金融信息等）
然而，在公有链上存储信息意味着数据
被网络里的每一个全节点存储着
被无限期存储着，因为区块链数据只增不减，且不可逆。
在去中心化网络里，每一个全节点会存储越来越多的数据，因此数据存储带来了巨大的开销。这将导致存储变成区块链应用的巨大瓶颈。
存储解决方案
下面介绍一些项目，它们使用不同的策略将数据分割成分片（shard），并以去中心化的方法将其存储在参与节点里。这些方法的基本前提是不让每个节点都存储所有数据，而是将数据分散后，存储在一个节点集合里。一些工程实例：
Swarm：Swarm 是以太坊上的 p2p 文件分享协议。你能将程序代码和数据存储在主链之外的 swarm 节点里，这些节点与以太坊主链会保持连接。你可以在链上交换这些数据。
Storj：文件和数据一开始会被分片和加密，然后被分散并存储到多个节点里，每个节点只存储数据的一小部分。这是一种“分布式存储”。Storj 代币（SCJX）被用来支付存储和激励存储文件和数据的节点。
IPFS：这是一种 p2p 超媒体（hypermedia）协议，它的特点是高吞吐量，基于内容寻址（content-addressed）的区块存储模型和超链接。本质上，它能以一种持久化和去中心化的方式存储文件，同时还有历史版本控制和减少相同文件副本的特点。
Decent：Decent 是一个去中心化的内容分享平台，允许用户在没有可信第三方时上传和分享它们的作品（如视频、音乐和电子书等）。存储内容的节点会被奖励手续费，用户可以跳过中介，经济实惠地接触到这些内容。
... 还有更多
5. 难以证明的共识机制
区块链具有”去信任（trustless）“的特点。用户不需要信任任何人。无需信任带来了自治、抵抗审查、真实性和无需授权等一系列引人注目的性质。
这种用来保证区块链不易受攻击者破坏的机制，被称为“共识协议”。对于比特币和其他区块链来说，共识协议并不是一个新东西。在 1992 年，Dwork 和 Naor 就创建了第一个“工作量证明（proof-of-work）“系统，用来在无需任何信任的情况下访问资源。这个系统被用来解决垃圾邮件问题。Adam Back 后来在 1997 年创建了名为 Hashcash 的相似系统。 在 2003 年，Vishnumurthy 等人首次采用 proof-of-work 来保护货币，但其代币不是作为通用货币来使用，而是用于维护点对点文件的交易系统。
5 年后，中本聪（Nakamoto）用 proof-of-work 机制发明了一种有价值的货币，即比特币。这种底层共识协议使得比特币成为第一个在全球使用的去中心化账本。
工作量证明（proof-of-work）共识
PoW 机制的思想是让问题很难解决，但验证很容易。矿工需要使用算力来进行巨大开销的计算，而比特币系统用比特币和交易费来奖励给出答案的矿工。矿工拥有的算力越多，则他们在共识上的“贡献”越大。
PoW 共识使得比特币成为第一个在全球使用的去中心化账本。它无需可信第三方就能解决“双花”问题。然而，PoW 不是完美的，仍然有许多人从事着研究和开发，试图去构建更可靠的共识算法。
PoW 存在什么问题呢？
1). 定制化硬件存在优势
PoW 的缺点是定制化硬件的使用。在 2013，一种名为专用集成电路（application-specific integrated circuits, ASICs）的设备被设计来专门挖比特币，可以将效率提高 10-50 倍。从那时起，使用普通计算机的 CPU 和 GPU 来挖矿便变得无利可图，挖矿的唯一方法是使用 ASIC 设备来挖。在区块链里，每个人都应该能为网络的安全做贡献，而 ASIC 的出现背离了“去中心化”的特点。
为了缓解这个问题，以太坊选用的 PoW 算法（Ethhash）是线性内存困难（sequentially memory-hard）的。算法被设计成需要大量的内存和带宽才能算出一个 nonce 值。即使是超高速计算机，也无法在需要大量的内存和带宽的条件下同时计算出多个 nonce 值。这减少了中心化的风险，为节点创建一个公平竞争的环境。
当然，这不表示未来不会出现针对以太坊的 ASIC。定制化硬件对 PoW 算法仍然存在着巨大的威胁
2）. 矿池中心化
用户单独挖矿时，收到区块奖励的机会是很小的。取而代之，他们都为矿池挖矿。矿池按比例给矿工持续的回报。矿池算力在网络里占的权重大，大矿池所得回报的方差比单一矿工低得多。随着时间推移，少数矿池将控制大部分网络，而中心化的矿池控制的算力随着时间又进一步增加。现在，前 5 个矿池拥有接近 70% 的全网算力，这很吓人。
3）. 浪费电力
矿工消耗大量电力来计算 PoW 问题，然而对于社会来说，这些计算都是无价值的。根据 Digiconomist’s Bitcoin Energy Consumption Index 所示，当前比特币每年消耗的电力约为 29.05TWh，大约占全球消耗电力的 0.13%，超过了 159 个国家。
使用 PoW 共识的公有链消耗的电费都会越来越多。不可持续的电力浪费和 PoW 计算开销不利于公有链将规模扩展到成千上万的用户和交易。
共识的解决方案
有用的 PoW
一种解决电力浪费问题的方法是用 PoW 函数来解决某些有意义的问题。比如，让矿工用计算资源去解决困难的 AI 算法，而不是解决随机的 SHA256 问题。
Proof-of-stake
另一种解决挖矿中心化的问题是完全抛弃挖矿，在共识里引入另一种机制来每个节点的贡献。这就是 PoS 要做的事。
不像矿工使用算力，这里使用”权益（stake）“。如 Vitalik 所说，将“一单位算力一张票（one unit of CPU power, one vote）“变成“一块钱一张票（one currency unit, one vote）“。
PoS 消除了对硬件的需求，因此不再有硬件中心化的问题。而且，矿工再也不用消耗大量电力来解决 PoW 问题，PoS 本质上更节能。
然而，天下没有免费的午餐。PoS 算法也有自身的挑战，它们包括
1. Nothing-at-Stake Problem：在 PoS 共识下，如果存在分叉（无论是因为意外或攻击），节点最好的策略都是同时“挖”每条链。节点不需要消耗计算资源，只需要使用自己的钱来投票。这意味着无论哪条链胜出，矿工都会得到奖励。
2. Long-range attacks：如果矿工想在 PoW 链里分叉，它得在主链最新区块前几个区块开始挖。矿工往回得越多，就越难追上主链，这需要超过网络一半的算力才能做到。然而，在 PoS 里，由于挖矿所需的东西只是权益，即钱，矿工可以从成千上万个块之前开始分叉。矿工可以轻易生成成千上万的区块，而用户很难发现哪一条链才是“正确”的链。
3. Cartel formation：在由经济激励治理的去中心化系统里，一个真实存在的风险是共同合作（coordinated efforts）和寡头的出现。就如以太坊研究者 Vlad Zamfir 所说，“数字货币都很集中，挖矿的算力也是这样。在”真实世界“的市场中，寡头竞争是常态。比起大量相对贫穷的验证者，少数相对富有的验证者之间的合作十分容易。卡特尔（Cartel）的出现是完全可以预期到的。”
为了可以有效地替代 PoW，我们需要一种算法来解决 nothing-at-stake 问题和 long-range attake 问题，同时不引入新的共谋风险。
一些团队，如 Tendermint 和以太坊，在解决这个问题上已经取得了许多进展。Tendermint 是通过设计 PoS 共识引擎将传统的 BFT 算法应用到区块链里。然而，Tendermint 也有自身的缺陷。统一，以太坊也在 PoS 的实现上取得了很大的进展，但是在网络里仍没有运行。
不像 PoW，PoS 未经检验且难以理解。为了理解各类设计里的不同权衡，需要进一步的研究和实验。正因如此，我们应该在前人的工作之上共同合作，研究出一个更有效、更快和更安全的共识系统。
6. 缺乏治理和标准
在去中心化的公有链，不存在中央集权和组织来做决策，这是毋庸置疑的。在另一方面，每个人都是管理者——这是一个完全去信任、开发且无需授权的系统——然而在另一方面，又不存在能够安全升级协议的方法，没有人负责维护协议标准。
在维持区块链技术的去中心化的同时，我们仍然需要一个由生态里开发者和其他成员组成的组织，来对新标准、特性和升级达成共识。如何在没有中心化组织（如以太坊基金会）的带领下实现这个目标，仍然是个未知数。
例如，以太坊当前的特定标准和特性只由一两个开发者来指导和决策。尽管这个模式可行，但仍存有缺陷。其中之一是不够效率——如果领头开发者太忙，或几天几周内忘记回应，则标准的推进就会陷入停滞，不管这个标准对其他参与构建区块链的人来说是多么重要。在没有明确领导下制定标准，将带来混乱，很难快速即使地对问题达成共识。在社区越大时，这种情况越严重。
另一种方法是完全开放和去中心化区块链。然而，这会使得自治十分低效，将带来长久的危害。
我们需要一种更好的方法。
Tezos 试图通过链上治理（on-chain governance）让区块链拥有升级协议的能力，但这仍是构想，还未被实现，也未被证明合理。
总之，治理区块链是一个棘手的问题。在治理控制权的集中和分布之间做好权衡，这是维持发展的关键所在。
7. 缺乏开发工具
制造充足的开发工具，这实际上是开发者的职责，尤其是对于想高效完成工作的开发者来说。
在当前区块链生态系统里，开发工具显然无法让人满意。即使是经验丰富的开发者，在区块链之上开发功能性协议或去中心化应用也是一项艰巨的任务。
我以一个 Solidity 和区块链开发人员的角度，列举了生态里缺乏的一些工具：
能够检查代码错误，且集成了开发智能合约和区块链分析所需插件的 IDE。
有完整文档，且容易使用的构建工具和编译器。
持续更新的 API 和框架技术文档。
测试框架。以太坊里有一些可用的测试框架，如 Truffle，但我们急切需要能提供更多选项和实验的测试框架。我亲眼见到许多未经测试的智能合约里存着数以万计的美元。在任何情况下，缺乏测试都不能令人接受，尤其是在这种与大量金钱相关的情况里。举例来说，BAT 的代币销售合约里就没有测试套件。如果合约可以转出那么多钱，任何有理性的人都明白它可能会遭受攻击。
调试工具。调试 Solidity 代码就像在黑暗隧道里蒙着眼睛寻找金子。在开发网站时，我可以使用调试器一行一行单步调试代码。但是 Solidity 开发环境里没有类似的工具，这令人沮丧。我们急需一种可以隔离和诊断问题的易用工具。
日志工具。与上述相同。
8. 量子计算机的威胁
量子计算机是密码学和加密货币的潜在威胁之一。
尽管量子计算机目前只能解决特定类型的问题，但这种情况不会一直持续。量子计算机可以有效地攻破当前流行的公钥算法，这听起来很可怕，但事实如此。
在设计区块链和底层的加密算法时，我们应该考虑怎么使它拥有抗量子的特性，这是很重要的。
抗量子解决方案
在我有限的认知里，后量子算法的研究有六个不同的方向： Lattice-based cryptography, Multivariate cryptography, Hash-based cryptography, Code-based cryptography, Supersingular elliptic curve isogeny cryptography, 和 Symmetric key quantum resistance systems（如 AES 和 SNOW 3G）。
不管最终方案是什么，探寻一种抗量子的密码解决方案都是我们首要关注的重点。
其他挑战
我们需要一种跨链通信的解决方案，使得我们能在不同链（如比特币、以太坊和莱特币等）之间无缝进行通信和转账。
我们需要打造一套更好的密钥管理系统，让应用程序基于之上运行。
我们需要更高效的签名方案和密码系统，使得它们可以在低运算资源的设备上运行，同时又保证安全性。
...还有
总结
ICO 吸引了太多的注意力和资金。与此同时，一些全身心投入解决这些问题的研究者和开发人员却得不到足够的支持。这不是一件好事。
更令人遗憾的是，包括一些领域内有影响力的开发人员和领袖在内，许多人因为金钱忽略了这些问题。
在接下来一年里，我的目标会
继续关注这些问题
投入时间去思考解决方案
鼓励其他研究者和开发者做同样的工作
不管当前的投资环境是否存在泡沫，我都是区块链坚定的信仰者。作为开发者，我们有义务投入精力去解决这些问题，将区块链带向主流人群。同时我们也需要投资者来发现和资助这些工作。
文章TAG：远鉴科技 人工智能方面有哪些中国企业 科技 人工 人工智能
