28评测，28纳米显卡 有哪些

第一、如果sony机子的散热都不行，那您把戴尔、东芝、IBM这些笔记本至于何地呢？把它们当暖气看了么？

第二、sony的机子只停产不降价，所以不要妄想它会降价1000什么的。不过如果有优惠券，在官网购买打95折，优惠券在淘宝有售

一般认为德国和日本的发动机较好。全球最知名的发动机测评机构“沃德”，每年都会对全球各大发动机进行测评，并给出他们的可靠性排名，而获得“沃德十佳”称号最多的品牌是宝马汽车（德国），获奖次数高达32次。

发动机哪国的最好？

从技术沉淀和性能方面综合来看，一般认为德国和日本的发动机较好。汽车发动机是汽车电子中的核心部件，可为汽车提供动力，驱使汽车进行活动的装置，决定这汽车的动力性、经济性、稳定性和环保性。一台车的寿命究竟有多长往往也是指的是发动机的寿命有多长，毕竟其它的零件成本相对不是很高。而为了考察发动机的可靠性，全球最知名的发动机测评机构--美国.沃德，它从1994年就开始不断地对全球各大发动机进行测评，并且每年都会给出他们的可靠性排名。最近沃德对20多年的排名数据进行整理之后，对各大发动机生产商的获奖次数进行了一次排名。

NO1、宝马（德国）

得奖次数：32次

优秀发动机：3.0L直六发动机（宝马M240i等）

获得“沃德十佳”称号最多的品牌是宝马汽车，获奖次数高达32次。它制造的发动机在最近几年获得了“沃德”很高的评价，也已经连续3年获得“十佳之首”的称号。而且宝马在我们国内也是越来越受欢迎，有望超越奔驰登上BBA之首。

NO2、通用（美国）

得奖次数：29次

优秀发动机：1.5L直四发动机（雪佛兰Volt）

通用汽车生产的发动机在北美比较受欢迎，它的小功率发动机不仅燃油性较高，而且它的稳定性也是十分不错。而我们国内也有很多车型搭载的是通用生产的发动机，比如欧宝、雪佛兰、别克等品牌都在使用。

NO3、福特（美国）

得奖次数：28次

优秀发动机：2.3L直四发动机（福特福克斯RS）

福特生产的发动机已经获得了28次“沃德十佳”发动机的称号了，而在2018年沃德十佳发动机的排名中，福特又有两款新型发动机上榜，只是本次上榜的仍然是些大功率的发动机。

NO4、大众集团--包括大众、奥迪和2009年后保时捷（德国）

得奖次数：26次

优秀发动机：2.0L直四发动机（迈腾、CC、途观、帕萨特等）

大众汽车自1994年以来已经获得了26次“沃德十佳”发动机的称号了，它的EA211和EA888获得了很高的评价。而它生产的第三代EA888发动机在我们国内十分的受欢迎，迈腾、CC、途观、帕萨特等车型都在广泛使用。

NO5、日产（日本）

得奖次数：16次

优秀发动机：3.5L V6发动机（日产Maxima）

日产的发动机的知名度在我们国内并不如本田和丰田出名，但是它生产的发动机获奖次数要比本田和丰田要多。究其原因就在于，它发明的都是些大功率的发动机较多，而在我们国内现如今流行的都是些小功率车型，所以日产发动机在我们国内的知名度并不是很高。

创作者丨迪哥哥

01

“我终于下定决心要离开这个世界了，世界真是不美好，一点也不，再也不留恋了。真的好不容易，挣扎……”

这是一个17岁少女在生命中最后一天更新的微博，不久后她便选择了跳湖的方式与这个世界告别。

让人心痛的是，她是带着10岁的妹妹一起跳湖自杀的，只因为她觉得妹妹和自己经历一样“自私不合群，很难在社会上立足”，担心她会和自己一样过得不好，所以想帮妹妹也获得解脱。

成年人常觉得17、8岁是最美好的年纪，那时候有梦想有活力，有改变世界的冲劲。

但不知从何时开始，青少年抑郁自杀的新闻不断刺痛我们的眼球，抑郁的乌云开始慢慢吞噬年轻一代的光芒。

抑郁就像一条发了疯的黑狗，当它不只是属于大人的专属“宠物”之后，便开始一步步接近90后，甚至00后的一代。

“低龄抑郁”患者已经占据了整个抑郁群体的四分之一。

而与之相反的是，目前整个社会环境对于“低龄抑郁”的患者并没有投入太多的关注。

往往带着脆弱，不懂事的标签，而忽视了他们内心真正的心理需求，导致“低龄抑郁”的自杀率一直居高不下。

02

原生家庭是诱发低龄抑郁的根源

“低龄抑郁”产生的原因有很多，但最终都可以追溯到原生家庭的因素。在百度上搜“抑郁，原生家庭”的关键词，结果竟然高达200多万条！

“他们总是为了一些鸡皮琐事吵架，家里没有一天安宁，我宁愿住外面也不愿回家。”

“想要跟父母说说心理话，却总是被嫌弃想太多了，久而久之都不想在家里说话了。”

“我跟家人的话题永远都离不开钱，没有钱就没有话题可聊。”

每个有抑郁的人都在控诉他们原生家庭的黑暗，但每个人的故事又大同小异：原生家庭关系的不和谐，父母的专制强势或忙碌忽视，导致“低龄抑郁”患者与父母沟通永远都隔着一层不可逾越的屏障！

有了抑郁症却没有得到亲密家人的信任与理解，这才是压死骆驼的最后一根稻草。

03

年轻女性是低龄抑郁的高发人群

“年轻”是低龄抑郁最大的病因。在时代快速发展的今天，年轻人的焦虑感、孤独感和疲惫感都是前所未有的。

有一个很悲观的现实：女性患抑郁症的几率，是比男性要高出2倍。

其中一个原因就是导致男女抑郁症的诱因不同。人们从青春期开始，抑郁症的诱因就开始增多，而女性的因素比男性更多。

女性把自己的自尊较多地建立在人际关系上，用他人的评价衡量自己，所以容易不自信、不独立。而男性则相反，会更多认为是对方的问题。

有时候我们误以为小女生的无理取闹，恰恰是低龄抑郁的前兆。

抑郁症是治愈率最高的心理疾病之一，但每次走进大众视野的时候，却总是以自杀的面孔见人。

既然客观的因素我们无法改变，但主观可以选择抗争。重视自己的抑郁情绪，才能避免悲剧的发生。

我们联合国内知名心理学品牌壹心理，由9位权威心理学专家集体研发「专业抑郁测试」，专业保证，请放心测试。

※本测评将根据《抑郁自评量表》评估你的抑郁指数，帮你判断自己是短期抑郁情绪还是抑郁症，同时给出针对性分析和建议。

抑郁测试（专业版）

▼

测评体验价 9.9 元

测试题：28 题丨测试时间：10 分钟

测试完成后，生成的报告将永久保存

↑扫描 二维码 马上参与测试↑

你将获得什么？

「以下展示报告部分内容」

01丨生成你的抑郁评估结果

02丨抑郁小常识

03丨定制你的抑郁自助卡

同时，社会学了没联手壹心理测评，打造专属于你们的心理测评大厅。

如果你不知道自己如何获得安全感，这里有安全感指数测评；

如果你对爱情准备不足，这里有爱情准备度评估；

如果你不了解你的职场优势，这里还有职场竞争力测评……

在这里，有关爱情、职场、自我成长、亲子等的一切疑惑，都能得到相应的答案与建议。

进入测评大厅，开始全方位地了解自己。

【长按下方二维码进入测评大厅】

往期精选测评（点击蓝色文字，即可了解）

在异性眼中，你有什么魅力？ | 魅力指数评估

你适合什么样的工作？ | 职业性格测评

爱情中，你适合什么样人？ | 爱情性格测评

关于抑郁，这可能会颠覆你的认知 丨专业抑郁测试

你究竟适合什么样的工作吗？喜欢什么工作？ | 职业决策困难评估

为什么我爱的人不爱我，爱我的人我看不上？ 丨爱情基因检测

你的个性里，隐藏着什么潜能？丨自由个性潜能评估

你知道你人格的阴暗面是什么吗？ | 人格阴暗面测试

● ● ●

1

点击阅读原文，开始测试吧！

编者按：本文来自微信公众号“青亭网”（ID:qingtinwang），作者：Esther，36氪经授权转载。

随着最近AI技术应用的不断深入，今年我们看到了很多医疗＋AI的案例，而且应用类型丰富度和种类也比去年更多。青亭网总结了最近1个月以来，AI技术应用在医疗领域的案例，有些还在研究阶段，而有些已展开临床测试，让我们来看看有哪些。

1.“脑补”MRI成像的AI

美国纽约大学一组研究核磁共振加速方法的科研团队与Facebook达成合作，力图训练AI成像工具来缩短9成核磁共振扫描时间。这组科研人员研发的AI应用与在医疗成像领域常用的AI不同，不是利用图像识别技术分析X光或者核磁共振扫描结果来帮助医生快速和准确分析病情，而是从扫描过程入手，直接加快核磁共振成像的速度。

核磁共振成像耗时长的原因是因为机器本身需要拍摄大量平面图像或者切片，才能将其叠加起来组成3D图像。有些时候需要核磁共振成像的切片不多，但要是在需要非常精准且完整扫描的情况下（例如病人的脑瘤的情况），就需要拍摄大量切片了。据悉，纽约大学这组科研人员从2015年就启动了这个名为FastMRI的核磁共振加速项目，目的是探索如何在只扫描一部分数据的情况下，得到和传统成像质量相似的结果。

用一个直观的例子解释就是，假设扫描一张照片时，不扫描组成图的每条线，而是每隔一条线一扫描（即“降采样”），而没有被扫描到的像素可以由人工智能来填补，这样一来可节省一半时间，而且目前的机器学习系统已经可以胜任这样的任务了。原理就好像人脑一样，如果人眼因为盲点而看不到完整的某样物体，大脑便会通过视觉系统自动脑补看不到的地方。

使用人工智能来填补没扫描到的地方，可以大大缩减病人在核磁共振机里煎熬的时间，同时也能提高机器的效率，进而降低扫描成本、简化操作流程。

Facebook FAIR实验室的Larry Zitnick解释，他们的AI成像技术追求的不是合理推测的成像，而是要捕捉到传统核磁共振成像中也能到的瑕疵。也就是说科研人员训练的计算机视觉技术不止需要识别成像的整体规律和结构，还要能保留甚至推敲出成像中的异常点，因为无法重现应有的异常点就会大大降低数据的准确性。幸运的是核磁共振扫描仪的成像方式可以灵活更改，不仅可以将扫描次数降低，还可以设置人体每个部位扫描的次数多少，而CT和PET扫描仪就没有这么灵活。

2.自主合成MRI训练数据

用“脑补”来加速MRI成像的AI，还需要考虑大量训练数据的问题，而这款利用GAN（生成对抗网络）合成MRI训练数据的AI就不用考虑这个问题了。NVIDIA Mayo Clinic（梅奥诊所）和MGH&BWH Center for Clinical Data Science（麻省总医院与布莱根妇女医院临床数据科学中心）的科研人员似乎找到了上述问题的解决办法，即一种能够自主生成训练数据（脑肿瘤3D MRI图像数据）的神经网络。

据青亭网了解，这款AI是科研人员使用Facebook PyTorch深度学习框架开发，并使用NVIDIA DGX超级计算机来训练的，训练的数据使用了由生成式对抗网络（GAN）（由生成样本的生成器和分别生成样本与真实样本的判别器两部分组成的神经网络）生成的逼真脑瘤MRI成像。

为了训练生成式对抗网络，这组科研人员使用来自阿兹海默症神经成像研究项目（ADNI）和多式脑肿瘤图像分割基准（BRATS）的两个公开数据集。因为内存和算力有限制，科研人员不得不将扫描成像的分辨率从256x256x108降低到128x128x54。

在训练过程中，科研人员在生成式对抗网络的生成器中输入ADNI的成像数据，生成器学习模仿ADNI的成像合成大脑成像（包含白质、灰质和脑脊液），接下来在生成器中输入BRAT数据集时，其会生成肿瘤的完整切割成像。生成式对抗网络还会为扫描图进行标记，人类专家做这项任务要花数小时才能完成，因为生成式对抗网络将大脑成像与肿瘤切割成像分成了两组来标记，科研人员便可以修改肿瘤大小和位置，还可以将肿瘤“移植”到健康的大脑上。

科研人员表示，这是第一次出现使用合成的大脑成像来训练神经网络的技术，这也很好地保护了病人的隐私，因为生成式对抗网络合成的成像数据是匿名的。

3.预测心脏病风险

为了辅助医生，提前预测病人患心脏病的风险并指定预防措施，微软研发了一种利用AI预测心脏病风险的API，在印度综合专科医院Apollo投入使用。这款工具会从21个方面进行分析：饮食、烟草和吸烟习惯、日常活动等因素，还会通过呼吸频率、高血压、收缩压舒张压来判断心理压力与焦虑。

AI在分析过后，会对患者以低、中、高三个级别打分，并指出一些通过改善可以降低心脏病风险的因素，它不仅可以为医生提供更全面的信息，还能建议病人改善生活习惯及时预防心脏病。

印度每年心脏病发的人数近300万，患有冠心病的印度人有3000万，据联邦卫生不统计，每8位印度人就有1人患有高血压。以往的AI模型都是以西方人的数据为基础建立的，此次微软与Apollo医院合作推出的API，利用了Apollo医院共享的40万印度人数据，可轻松准确地预测心脏病风险。

利用AI和机器学习技术 Apollo医院有信心与微软可以一同从根本上预防印度人的心脏病，他们计划合作开发更多新工具来帮助医生治疗非传染性疾病，将这款风险预测API引用在多家私利和公立医疗系统中，未来还将推广到其他国家。

这个合作项目是基于微软的AI Network for Healthcare计划，这项计划的宗旨是利用AI和云计算技术加速医疗行业的创新，改善全世界人民的生活，与Apollo医院共同推出的AI预示着计划向成功迈向了一大步。

4.通过动作检测，评估帕金森

帕金森症在中国是仅次于肿瘤、心脑血管疾病的第三大疾病，目前帕金森患者人数超过270万，2030年预计超过500万。帕金森的症状包括：颤抖、肢体僵硬、运动迟缓、步态异常，其并发症包括失智、忧郁和焦虑。

目前医院诊断帕金森症的一种方法是UPDRS（帕金森症综合评分表），一共分为其部分，病人需要在医生指导下完成每个部分的规定动作，医生对这些动作注意打分，进行一次测试通常要话30分钟，此外医生和患者的主观判断可能会影响测试结果。

因此，腾讯的AI实验室推出了一款通过动作检测，评估帕金森症的AI模型。评估过程很简单，只需要患者在摄像头前做出一系列规定动作，然后AI便会作出评估。据了解，这项技术应用了深度学习和图像识别两种技术，腾讯实验室在人体上设定上百个可识别的关键节点，使用检测仪来追踪这些节点在频率、距离、角度和速度等方面的变化，建立模型来训练AI。

接着，这款AI会通过图像识别技术捕捉患者的动作、识别关键节点，然后进行分析和判断。

未来腾讯AI实验室还会将这项技术用于脑瘫患者的步态分析、评测运动员伤后恢复状态、老人运动能力等检测中。

5.通过日常对话识别抑郁症

国麻省理工学院媒体实验室（CSAIL）的科研人员在一篇新论文中，描述了一款能够通过分析病人的文字和口头语言来感知抑郁症的神经网络系统。据CSAIL称，其工作原理是，将与病人谈话采集到的原始文字和语音数据放在这款神经网络模型中分析，总结出抑郁症患者的说话规律，并利用这种规律与其他病人进行分析对比来判断病情，其还会在分析过程中不断学习提高分析准确性。

医生判断抑郁症的传统方式是，询问病人一些关于过去神经病史、生活方式、心情等问题，分析病人的答案。但是CSAIL科研人员认为每个病人说话方式不同，只是问问题和听答案有其局限性，因此研发了这款神经网络，通过分析病人的日常对话，来灵活全面地判断抑郁症状。也就是说这款神经网络最重要的特点就是不需要考虑语境，不需要通过特定的问题和答案来分析症状，分析病人的语言就够了。

据青亭网了解，CSAIL的科研人员从DAIC语言数据库中选择了142例患心理疾病的病人与人类操控的机器人谈话的音频、文字和视频数据。例如，这款模型会给语音中说话人单调的语气匹配悲伤、低沉或者心情不好等标签。模型可能参考的另一个规律是，患抑郁的病人说话会比较低沉，句子之间的停顿也会长一些，不过这款模型要更智能、参考的标准也更复杂全面。神经网络模型将数据与个人健康调查问卷进行对比，将数据中中的病人从0到27打分，在中度（10-14分）和中重度（15-19分）区间以上的病人将被视作抑郁，低于这个区间的病人将被视作没有抑郁症，142例患者中有28人抑郁（20%）。

这款神经网络可以对医生起到辅助作用，比如当其发现异样就会通知医生。科研人员希望未来将这款模型的应用扩展到分析痴呆症等认知障碍疾病上，或者做成移动应用，通过分析用户的短信和电话，发现心理压力然后发出提示。这不禁让人想起了之前曾曝光过的一段谷歌“The Selfish Ledger”影片，同样是手机将人类的生活安排的妥妥当当，就是有点吓人罢了。当然，对于那些因为距离远、难以负担医药费或者缺乏意识而没能去找医生确诊的人来说，如果有这么一款应用还是很方便的。

另外，就像之前人类通过观察AI玩《Dota 2》来学习新打法一样，CSAIL的科研人员也希望可以分析、学习这款神经网络使用的诊断标准。

6.利用谷歌开源AI诊断肺癌

近日，纽约大学的一组科研人员通过重新训练谷歌的Inception v3（用于图像分析的开源卷积神经网络），研发了一种检测特定肺癌类型的AI技术，准确率达97%。

美国癌症协会和癌症统计中心数据表示，美国每年确诊为肺癌的患者超过20万人，有15万以上的患者因为并发症而死，而这项技术将为他们带来福音。这组科研人员表示，AI在例行检查和疑难肺癌案例中都可以对医生起到帮助，让医生有更多时间去解决更高级的问题，比如结合组织、分子和临床信息为每个病人制定治疗计划。

经过重新训练后的Inception v3，诊断纽约大学的癌症患者的独立样本准确率大概在83%到97%之间，样本中还有一些它没有遇到过的元素，比如血凝、血管、发炎、坏死区和肺衰竭的部分。此外，这款模型平均检测时间为20秒，而且其用来计算癌症概率使用的PC只搭载了一块显卡。

据悉，这组科研人员不仅让AI去识别癌组织，还有组织内的基因突变，这款AI的算法能够通过颤噪效应识别出LUAD数据中的6种最常见的突变基因（STK11、EGFR、FAT1、SETBT1、KRAS、TP53），不过AI是如何区别这些突变基因的科研人员还不清楚。

这款AI对于病理学家来说是一个很有用的工具，其提供的信息可帮助医生对每个肺癌患者专门定制治疗方案，打造更多样化的精准医疗。在未来，这组科研人员希望将该AI模型用于检测大细胞癌、坏疽、纤维化等症状上，而且据报道他们正在像美国食品及药物管理局申请将这项技术商业化。

7.制定放射治疗方案

美国每年有至少50万人确诊头颈癌，许多人选择接受放射治疗，但是为了避免癌细胞周边的脑组织受损，医生必须小心制定把这些组织隔离的方案。近日，谷歌子公司DeepMind与英国伦敦大学学院医院合作，研发了一款辅助医生制定治疗方案的AI，经测试，这款AI模型利用CT扫描图，进行癌细胞与周边的详细分区，精细程度“直逼人类”。

在近几年来，基于深度学习的AI算法比传统分区算法越发显出了优势，不仅能够弥补人类医生没有考虑到的方面，还大大缩短了分区时间。

据悉，这组科研人员训练AI使用的数据涵盖了21种器官（咽喉、蛇头、鼻腔、结缔组织和软组织等）的663份X线断层摄影图，经测试，AI模型在19种器官数据上的表现力与有几年经验的放射治疗技师没有很大差别。此外，使用一套来自24名患者的CT扫描图（AI没有接触过的数据）进行独立测试后，AI对每个病人的分析结果也是同样优秀。

接下来，DeepMind的科研人员计划将这款AI用于临床试验，他们认为AI有可能会缩短诊断到治疗之间花费的时间，并且及时制定出适应性放疗方案。

谷歌公司正在积极寻找将AI在医疗的各种应用方向，他们计划研发一款能够预测患者再入院率的技术。

8.预测糖尿病患者血糖水平

糖尿病是美国的高发疾病，一直威胁着美国人的健康与生命，据美国疾病防控中心数据显示，美国患有糖尿病或者前去糖尿病的人数至少1亿人，每年会新增140万糖尿病人，虽然糖尿病治疗技术在飞速发展，但是很多人因为不会定期检测血糖，导致犯病，陷入昏迷甚至引发死亡。

近日，有一组科研人员在论文中阐述了一种AI技术，可在患者高血糖或低血糖病发之前预测其未来的血糖值趋势。在论文中，科研人员描述了一种基于长短期记忆模型的递归神经网络，这个神经网络能够学习长期的依赖关系。也就是说，长短期记忆模型中的存储单元可帮助神经网络将存储的记忆和数据结合，从而提高预测的准确性。而且因为他们使用的是双向长短期记忆模型，所以这款神经网络能够参考过去的数据、推理未来的数据，加速训练时间。

接下来，这组科研人员计划在该神经网络中加入更多功能、提高性能，还会加入“提醒机制”预测未来可能发生的高血糖/低血糖症状。

这并不是科研人员们第一次利用机器学习技术进行糖尿病预测了，比如中国的第四范式公司曾研发过一款能够预测患者在15年内患糖尿病可能性的模型，准确率达88%；Klick Health开发了一种能够预测30分钟内血糖值的算法；生物医学公司One Drop研发了一种支持Apple Watch的血糖监测系统，最近加入了一个能够预测血糖值和提供改善建议的功能。

另外还有一个叫Sweetch的应用，利用AI鼓励糖尿病患者运动和坚持饮食计划，据美国约翰·霍普金斯大学的内分泌、糖尿病和新陈代谢部门的研究显示，Sweetch极大程度上帮助患者控制了血糖水平。

9.利用群体智能诊断肺炎

美国一家名为Unanimous AI的创企研发了一款诊断肺炎的AI系统，在测试中，其准确率与一组放射医师相比高了22%，而且错误率也降低了33%。

人类需要培训12年才能够成为放射科医师，在这期间需要通过向其他医生学习、观察等方式不断丰富自己的经验。另一方面，Unanimous的AI平台使用了群体智能模型来训练，以提高预测的准确性。简单来讲就是，一组人类放射医师联机登陆Unanimous AI平台，利用鼠标、触控板或者触屏来对屏幕中的数据进行诊断，而Unanimous AI的算法会实时记录他们的行为。

参与上述过程的放射医师平均每60秒可作出50次诊断，Unanimous AI会根据医师鼠标移动的方式，权衡他们的确信程度，决定其数据的重要性。使用这组放射医师提供的数据训练的Unanimous AI，准确率比CheXNet模型高11%。

Unanimous AI表示，大多数AI公司都专注于寻找大数据中的规律，但他们想要探索的是，如何将人聚在一起，通过AI变得更加智能，如何利用群体智能将人变成人工专家？

目前Unanimous AI有两款群体智能产品： Swarm Insight和Swarm AI，前者曾用于帮助客户预测观众对电视广告的反应，而后者是该公司的核心AI技术，波音公司的工程师曾用这款产品协助驾驶舱设计。

10.为用户提供医疗建议

美国医疗应用公司HealthTap，近日在同名应用中推出了一系列帮助用户“增强智能”的AI功能，帮助解决了原本可能需要看70亿次医生才能解决的问题。

据悉，HealthTap中的AI医生会检测病人的症状，提供下一步治疗的建议，还会提供从历史数据中采集的文字答案、医生授权的保健指导、治疗提醒和与医生视频诊疗。

据HealthTap称，这款应用比传统查病平台更精准，界面对于用户检查自己的症状来说更方便。

AI医生会根据患者的个人信息和病史，提供更加个性化的医疗建议。

据悉，HealthTap期初是利用Facebook Messenger聊天机器人技术，为病人提供医疗建议和医生的联系方式。

此外，HealthTap还将应用授权给雇主、保险公司和医疗系统，目前每天有170个国家的14万名医生在使用HealthTap应用。

11.诊断眼疾

说到AI与医疗结合，不得不再次提到谷歌子公司DeepMind，其在近日与英国摩尔菲尔兹眼科医院和伦敦大学学院眼科研究所合作研究，发现利用AI分析视网膜扫描图在诊断青光眼、老年黄斑变性和糖尿病视网膜病变等眼疾上，准确率达94%，超越了该医院的8名临床专家。

这组科研人员研发这款AI技术，是为了诊断出急需看医生的眼疾患者，如果能早发现眼疾，就能尽早接受治疗，保证更好的治疗结果。

这款AI系统的特点在于，它并不只是提供治疗建议，而是会为医生解释为什么会做出这样的建议，而且还会提供其对这些建议的确信程度。这样一来，用户就可以更好了解AI的推理过程，就像是之前青亭网曾报道过MIT林肯实验室研发的能够推理的AI，这也许在以后也会成为一种趋势。据悉，DeepMind的这款AI还能够被用于扫描眼部的医学成像设备中。

根据世界卫生组织统计，目前全球有超过2.5亿人患有眼疾或者失明，而像糖尿病视网膜病变这种眼疾，实际上与心血管疾病有关系。谷歌的这款AI能够预测患者的糖尿病视网膜病变时候会引起严重的心脏病，准确率约70%。

除了DeepMind，谷歌母公司Alphabet的子公司Verily Life Science在近年也忙着一些医疗科研项目，比如检测睡眠呼吸暂停、使用AI识别药物、采血等等。

12.检测癌症扩散

近日，一组由英国伦敦癌症研究所、英国伯明翰大学、伦敦大学玛丽皇后学院和美国斯坦福大学组成的科研人员开发了一款能够帮助医生诊断癌症阶段的AI系统。据悉，这款AI系统名为Revolver（代表癌症反复的演化过程），它能够识别出癌症细胞演变、扩散和产生抗性的情况。

有了Revolver，医生在未来就有可能了解肿瘤在什么时候会变成恶性，还有可能知道癌症对某种疗法的反应，找到适合患者的药疗方案。

癌症研究所的一名科研人员Andrea Sottoriva博士表示：“这款AI工具能够识别深藏在复杂数据集中的肿瘤突变规律，并以此预测肿瘤未来的活动。”

目前，科研人员已经使用了来自178名病人的768份样本来测试Revolver，这些数据包括肺癌、乳腺癌、肾癌和肠癌。

此外，癌症研究所的负责人Paul Workman认为，这项技术在未来将会提前识别癌症，为患者制定更个性化的详细治疗计划，不过使用Revolver治疗癌症还需要时间。

参考：Venture Beat，Venture Beat，Venture Beat，Venture Beat，Venture Beat，EdgyLab，Microsoft News

概要：2017年即将过去，在这一年中出现了很多激动人心的技术进步，也出现了很多颠覆传统的初创企业。

2017影响世界的十大颠覆性技术

2017年即将过去，在这一年中出现了很多激动人心的技术进步，也出现了很多颠覆传统的初创企业。

CB Insights挖掘了很多创投数据和媒体信息后，总结出了影响世界的十大颠覆性领域，涵盖了：神经技术、再生医学、自动化建筑、智能公共安全、合成农业、火箭发射器、AI芯片、大规模仿真、合成动物产品和极端物流，并选出了这10个领域中最有可能改变世界的30家初创企业。

截止11月13日，这30家初创企业在今年已经获得了31次共计13亿美元的融资。已有超过180家投资机构进行过注资，投资数量最多的机构是A16Z、Data Collective、IndieBio、NEA、红杉和SOSV。

获得投资金额最多的是对现实世界搭建模拟化场景的企业Improbable，总共获得5.54亿美元融资，获得投资机构青睐最多的是利用固定翼无人机提供边远地区药品投放的服务商Zipline，共获得20家投资机构的注资。

从地域分布上来看，这30家企业主要分布在北美，有22家企业总部设立在美国，2家在加拿大。欧洲主要集中在英国，有2家企业。俄罗斯、中国、阿联酋和巴西各一家。中国的AI芯片初创企业寒武纪有幸入选。

星河研究院根据这份报告，挑选出10家企业详细介绍，投资人和创业者都可从中借鉴行业发展趋势和新经济形态、新技术元素，让我们来看看它们的闪光之处。

Enjoy it。

一、神经技术

思维和大脑的研究是科学的最后一个领域。

虽然这个领域在过去的几十年中已经取得了巨大的进步，但对于思维和大脑功能基本原理的理解还几乎处于空白。

神经技术的出现和发展可以帮助我们进一步了解人类大脑，从而达到对一些神经性的疾病加以预防和治疗。

典型企业：NeuroPace——预防癫痫疾病

NeuroPace提供一个可植入的设备叫做RNS系统，来治疗神经系统疾病，最初的重点是治疗癫痫疾病。

这个设备可以学习患者特有的脑电波模式，一旦脑电波活动异常，设备即可识别，并发送短暂的脉冲使脑电波正常化，从而达到治疗癫痫发作的效果。

NeuroPace总共获得1.65亿美元融资，投资机构包括Johnson & Johnson Innovation、NEA和KPCB等。

二、再生医学

再生医学是指利用生物学及工程学的理论方法重新创造已经失去功能或功能受损的组织和器官，使其具备正常组织和器官的结构和功能。

在未来，干细胞和其他类型的细胞可以用来治疗会导致死亡的慢性病和无法治愈的疾病。

典型企业：BlueRock Therapeutics——制造细胞

BlueRock利用诱导多能干细胞（induced pluripotent stemcell, iPSC）疗法使用健康细胞来治愈一系列疾病。

这个疗法最早是2006年由日本的两位科学家ShinyaYamanaka和KazutoshiTakahashi在世界著名学术杂志《Cell》率先发表，Shinya Yamanaka还因此于2012年获得诺贝尔奖。BlueRock利用这个技术，可以制造几乎无限量的纯净健康的细胞。目前主要针对严重的大脑和心脏疾病，例如帕金森氏综合症和充血性心力衰竭。

BlueRock总共获得2.25亿美元融资，主要的投资机构包括拜耳、Versant Ventures等。

三、自动化建筑

根据美国商会的一份调查报告，在2017年第二季度，将近95%的承包商在寻找技术工人工作的时候遇到了困难。

预计在未来的6个月，承包商雇用具有足够技能的工人的难度将进一步加大，东北部的承包商的困难将比南部、中西部或西部更加严峻。基于这样的情况，越来越多的技术工种将被机器所代替。

典型企业：Built Robotics——自动化移土

Built Robotics提供机器人技术来进行自动移土和施工作业。

公司将无人驾驶汽车的传感器改造成适合现场作业的设备，并开发了专门为建筑的基础作业（例如挖掘和建筑地基分级等）而设计的自动化软件。

这个整体解决方案可以解决建筑行业长期劳动力短缺的问题，提高生产力并防止工伤事故。

BuiltRobotics总共获得1500万美元融资，主要投资机构包括NEA、Great Oaks Venture Capital等。

四、智能公共安全

2017年恐怖袭击事件层出不穷，伦敦、曼彻斯特、纽约、拉斯维加斯、埃及……都遭受了****的袭击，无辜的民众死伤无数，公共安全受到前所未有的关注。

有些恐怖袭击在发生前就已经受到FBI等机构的关注，但恐怖袭击到底何时发生、将会以什么方式发生仍然没有办法预知和预防。

对于未来的公共安全，利用自动识别技术即时的扫描和识别恐怖分子或武器将会是一种很好的预防方法之一。

典型企业：EvolvTechnology——保卫一定区域内的安全

EvolvTechnology建造针对物理安全的硬件和软件系统。它提供一个安全门，可以对任何进入这个门的人进行快速扫描，不需要他们停下来或放慢速度，成像传感器即可检测到异常情况，例如是否携带枪支或炸弹，并进行报警。

Evolv的软件系统还可以与摄像头和人脸识别软件进行集成，通过人脸识别进入场地的人，并与数据库进行比对，实时鉴别可疑人物。

EvolvTechnology总共获得3780万美元融资，主要投资机构包括Gates Ventures、In-Q-Tel、General Catalyst、Data Collective等。

五、合成农业

到2050年，全球的食品需求可能要增长近98%，而合成农业将有助于满足这些需求。

典型企业：Indigo——“微生物”新农业

Indigo利用机器学习算法、基因组测序和计算生物信息学方法，创建了一套农业微生物基因组信息数据库。

可以分析出对植物健康最有帮助的微生物，抵御农作物病虫害、增加营养摄入量以及水分利用率，以自然的方法促进作物健康，进而培育出耐旱、抗病虫、产量高、单棵质量好，且无基因改造的“超级”农作物。

Indigo已经建立了一个平台，发现并生产出一些“超级”候选作物，包括玉米、大豆、小麦、棉花和蔬菜等。

Indigo在今年9月底获得了1.56亿美元的D轮融资，估值已达12亿美元，本轮后总融资金额已达到3.2亿美元。

主要投资机构包括Flagship Pioneering、Baillie Gifford & Co.、Alaska Permanent Fund、ActivantCapital Group等。

六、火箭发射器

根据已经公布的和未来的开发计划，预测到2022年，多达3000个纳米卫星（1公斤－50公斤）／微型卫星（50公斤－100公斤）需要发射。

估计在2018年，将有300-400个纳米卫星发射。到2022年，将有另外的约2500个纳米／微型卫星要进行发射。

典型企业：RocketLab——发射小型卫星

RocketLab是一家研发小型运载火箭的初创公司，其建造的全碳复合运载火箭，专门为发射小型卫星而设计，抢占的是10U载荷以下的小型卫星市场，与SpaceX形成差异化竞争。

其发动机的主要部件均为3D打印，采用的技术是电子束熔融，推力高达5000磅，可以将小型卫星迅速的送到商业轨道。

RocketLab是一家独角兽企业，在今年3月获得7500万美元D轮融资，本轮过后总融资金额达到1.48亿美元。

主要投资机构包括In-Q-Tel、Lockheed Martin、Khosla Ventures、Bessemer Venture Partners等。

七、AI芯片

人工智能的应用正在蔓延至各个领域，这意味着AI公司还会得到加速发展。

AI芯片作为AI场景下底层的计算资源，可以解决AI所需要的存储和运算处理问题，并结合各个领域已经存在的海量可标记大数据作为数据集，为AI的技术层和应用层提供资源。

典型企业：Graphcore——探索机器智能

Graphcore是研发专门为AI设计的智能处理单元（IPU）的公司。IPU芯片比同类产品的性能提升了10-100倍，可以降低云应用和企业数据中心的AI应用成本。

这种芯片可以部署于各种机器学习的应用，例如联网设备、自动驾驶、云计算以及机器人等领域，为大型的互联网公司提供具有处理海量数据能力的服务器。

Graphcore在今年11月份获得了5000万美元C轮融资，本轮之后总融资金额已达到1.1亿美元。

主要投资机构包括Samsung Catalyst Fund、Dell Technologies Capital、Robert Bosch Capital等。

典型企业：寒武纪（Cambricon）——模拟人类神经细胞

寒武纪是一个专门针对人工智能深度学习而设计处理器的初创公司，其发布的1A芯片是全球首个商用的神经网络处理器芯片，在运行主流智能算法时性能功耗比全面超越传统处理器。

公司现在正在开发一种模拟人类神经细胞和突触进行深度学习的大脑启发处理器芯片。寒武纪的芯片可以使AI用于计算机视觉、自动驾驶和飞行、安全监控、语音识别等等。

同时，公司还为开发人员提供了一个AI软件平台。

寒武纪在今年8月获得了1亿美元的A轮融资，总融资金额达到1.01亿美元。主要投资机构包括阿里巴巴、联想创投、国投创新等。

八、大规模仿真

随着大数据的发展和算力的提高，越来越多的场景可以被虚拟化并进行真实场景的仿真，从而可以缩短验证时间、协助做出更好的决策、检验边缘情况以及降低犯错成本。

典型企业：Improbable——建立模拟世界

Improbable在开发一个操作环境，允许用户建立可以实时运行的模拟世界，从而模拟数百万个真实世界实体的行为和交互。

该公司目前专注于游戏开发，但这项技术对于从商业到安全的各个行业都有影响，使得企业和组织在实际执行之前可以很好的预测并理解他们选择的结果。

Improbable在今年5月获得了由软银领投的5亿美元B轮融资，本轮之后总融资金额达到5.55亿美元。

主要投资机构包括软银、淡马锡、A16Z、Horizons Ventures等。

九、合成动物产品

目前的畜牧生产是不可持续的，而到2050年，牛肉和羊肉的需求将会增长95%，这一部分额外的需求可以用实验室合成的动物产品替代和满足。

典型企业：MemphisMeats——替代传统肉类

MemphisMeats研发了一种技术可以在实验室生产肉类，而完全不需要饲料、喂养和最后的屠宰过程，它通过在实验室里养殖动物干细胞来完成。

与常规的肉类相比，这项技术所需的温室气体排放量、土地和水量减少了90%。未来，该公司将会扩大生产，希望来未来可以完全取代传统的肉类。

MemphisMeats总共获得2000万美元的融资，主要投资机构包括Bill Gates、Cargill、Kimbal Musk、DFJ等。

十、极端物流

在很多发展中国家或欠发达国家，缺乏基础设施是比贸易关税更严重的贸易壁垒。

如何利用科技手段帮助这些国家以弥补基础设施的不足将是改变这些国家命运的重要手段。在物流行业就出现了一些这样的初创企业。

典型企业：Zipline——按需分配血液

Zipline建造固定翼医疗无人机，并进行空运服务，将医疗用品投放到无法通过陆路进入的地区的诊所或医院。

远程诊所和医院的医疗工作者通过发送短信向Zipline提出需求，以便他们按需提供血液等医疗用品。

Zipline提供最多的服务是向偏远地区的诊所和医院提供分娩手术或复杂分娩期间的输血血液，或提供治疗疟疾的药品。该公司正在与卢旺达和坦桑尼亚政府合作。

Zipline总共获得4720万美元融资，主要投资机构包括斯坦福大学、A16Z、Google Ventures、红杉等。

2018年改变世界的四大技术趋势

在这个创新不息的时代，你唯一能够百分百确信的预测就是明天肯定会和今天大不相同。

想要预测未来，需要一定程度的自傲，可能还要应对各种各样的质疑。在过去的几年里，我曾经做过几项预言，之后看来也算是先见之明。2011年，我就说过社交媒体会影响美国总统大选。有些预言甚至需要更长的时间来验证，比如在1992年的时候我预测到，互联网这种新事物会推动好莱坞工作室与电信公司的合作。

多年经验告诉我，预测未来的最好方式，是要多和创造未来的人相处。如果你与一家顶尖咨询公司合作，接触的客户都是领先技术的创造者，那么要你识别最具潜力的趋势，不过是水到渠成。

以下是我预测的2018年四大技术趋势：

01

物联网演变成物联网+区块链

预言家们犯下的最大错误，就是低估了超连接世界飞速发展的潜力。汽车花了一段时间才盛行于世，那是因为想要成为司机的人，需要等待道路和加油站的建设。

但是当下颠覆性创新的出现依靠的是现有移动设备的基础设施，这使得大多数公司与数十亿消费者只需几下点击就能进行沟通。物联网技术便是其中之一，它可以在一些设备上安装智能传感器，让人们做些诸如让亚马逊的数字助理Alexa关灯，或者点个披萨这样的事情。

但是区块链，这个当下大热比特币的基础技术，可以让物联网变得更有用处。它可以横跨成千上万个电脑创建数字记录，极大地降低被黑客攻击的风险。

物联网和区块链的结合就是BIoT，它催生了一大批新服务和新公司的诞生。你可以用它追踪药品运输，也可以创建一个智能城市：连接供热系统，更好的控制能源使用；接通红绿灯，使得高峰期的道路更加畅通。

2018年，公司都会开始使用应用程序接口（API）或者用来连接不同数据库和电脑的软件。善用BIoT，从仓库传感器获得信息就会变得像访问手机网站一样简单。当制造商、零售商、监管机构和运输公司从嵌入在产品、卡车和轮船上的传感器获得实时数据的时候，分销链上的每一个人都能凭其之前无法具备的洞察力获益。公司和消费者也可以通过BIoT确保区块链上自己最重要的数据不会被泄露。

02

金融科技的复兴

虽然比特币和区块链占据了2017年的头条，但是社会与移动支付从根本上改变了金融市场。中国的移动支付总额已经超过5万亿元。

在支付链中，由区块链加速结算功能、智能合约处理结果，所有的环节都易受干扰。2018年，人们将会加速研发面部识别、声音ID和指纹等生物识别技术，减少刷卡结账等，加速购物过程。届时，你可以拿手机扫描眼睛，通过视网膜支付技术识别身份、进行支付。

不妨再大胆地预测一下：说不定明年一些大型零售商可能会乘着加密货币的浪潮，发布自己的安全货币。

2018年的金融科技可能会更环保。随着加密货币的总价值超过3000亿美元，现今也有了推动量子计算投资的经济动力。用亚原子级的能量进行计算，速度几乎比现在微处理器快十亿倍。

据估计，目前挖掘比特币等加密货币需要的电量比159个国家的总用电量还多。随着加密货币碳足迹的急速增加，预计目前电脑挖掘比特币会消耗28太瓦时（TWhs）的电量，但是量子计算却可以大幅降低用电消耗。

分析师们预测，随着传统金融机构将通过更高效的支付系统、贷款程序和信用工具，按照处理传统法定货币的方式对待加密货币和其他数字财产，未来两年内银行每年可从区块链的加密货币上获益10亿美元。在此过程中，消耗更少的能量，可以给世界带来更多生机。

03

AR技术成为主流

在智能手机出现的10年前，大部分人都会觉得盯着看手机5个小时肯定是不可能的事。不过在2018年，低头族可能都要抬起头来了。

手机游戏 Pokémon GoAR为AR娱乐行业拉动了十亿美元的需求，并引起了各大品牌的注意。价格实惠的AR眼镜的发明，可以让手机安静地躺在口袋里，而让平视显示器（Heads Up Display）改善我们的工作、购物和娱乐方式。

平视显示器，最初以战斗飞行员头盔和汽车挡风玻璃上的监测仪表而闻名，并将成为消费者眼镜的新标准。设想你漫步于异国街道，时尚前卫的太阳镜，会把商店招牌等信息翻译成你的母语。

商场内的AR技术可以根据客户身材定制模特，充足的虚拟库存可以与任何一家网店匹敌。商家可把AR技术设置在包装上，在你查看货架商品的时候直接播放宣传片，或者出现代言人的虚拟形象，让他给你介绍产品。虚拟弹窗可以出现在任何人群拥挤的地方（体育场、繁忙的街道角落，甚或是地铁里）。这些不费砖瓦泥石的零售店，让商家得以在凡是带宽能触及的地方，给顾客带去有趣的购物体验。

Li-Fi是一种利用光谱传输数据的新型技术，传输速度是WIFI的100倍，它可以把物品的高清虚拟影像带进商场。Li-Fi和AR强强联手，可以让消费者了解商店内各式各样的产品和库存。

挥一挥手，汽车销售员就能改变汽车的模型、颜色，在展厅里随地定制其他特征。将现实与虚拟元素相结合，可以增强户外体验。21世纪的体育馆，观众或许就可以戴着平视显示器查看运动员的信息。如果你在家里看拳击比赛，AR技术可以让你在客厅体验到如临现场的激动。AR技术的真实愿景，就是不需你问，便能给你呈上所需信息。

对许多人来说，2018年可能是“增强生活”的开元之年。

04

机器人2018

当我们打电话预定机票或者确认银行账户余额的时候，已经习惯了与机器程序进行对话。自然语言机器人的用途会越来越广泛，它将从自动客服逐渐拓展到日常服务。

家庭机器人将不只是满足于回复要求，它还能主动提供及时信息，比如：“主人，该吃药了。”移动机器人总是随时随地伴你左右，让你觉得自己是堂吉诃德，而它就是忠诚勤恳的仆人桑科·潘萨。

试想一下，有一位机器人时常在耳边提醒“不要买这件东西或你的信用额度要超了”，或者是“停车计时还有两分钟。”它可以帮助我们照顾孩子，充当投资顾问，是我们信任品牌的一种无所不在的增值。2018年，我们的手机会安生地呆在口袋里，为了给顾客提供更好的服务，企业会加大投入研发聊天机器人，而不是手机软件

当然，预知未来总是充满了变数。

正如我相信这四个趋势会发生一样，形形色色的问题都会拖慢技术发展的步伐，比如说：网络安全、政府管控以及最重要的——消费者接受和适应改变的能力。在这个创新不息的时代，你唯一能够百分百确信的预测就是明天肯定会和今天大不相同。

未来智能实验室是人工智能学家与科学院相关机构联合成立的人工智能，互联网和脑科学交叉研究机构。

由互联网进化论作者，计算机博士刘锋与中国科学院虚拟经济与数据科学研究中心石勇、刘颖教授创建。

未来智能实验室的主要工作包括：建立AI智能系统智商评测体系，开展世界人工智能智商评测；开展互联网（城市）云脑研究计划，构建互联网（城市）云脑技术和企业图谱，为提升企业，行业与城市的智能水平服务。