EN
中文
注册 / 登录
产品分类:
加载中...
头条分类:
加载中...
因为在美国太火,咱们的三蹦子竟然要被制裁了
我是万万没想到,老头乐和三蹦子在美国,已经火到满大街跑了。 前几天,美国商务部发了一个声明,表示要对原产于中国的低速个人交通工具( LSPTV )发起反倾销和反补贴税调查。原因嘛,是他们觉得咱们产的老头乐和三蹦子在美国卖得实在是太便宜了,倾销幅度接近 500% 。 换句话说就是说按照他们的计算,这些小车在美国的售价至少还得高个五六倍,才算得上和美国本土的企业公平竞争。也因此,他们会在明年年底前完成最终裁定,看看要不要多加点税。 刚看到这个声明脖子哥真是一脸懵逼,咱就是说老美好端端的和三蹦子过不去干啥? 一看销量,我就悟了,老头乐和三蹦子在美国,那叫一个火啊。 单看最近这三年的数据, 2021 年咱们国产的小车们在美国卖了接近 1.7 亿美元, 2022 年这个数字直接翻倍来到了 3.3 亿美元,去年的数据则是4.4 亿美元。 脖子哥随手打开了一个当地专门销售中国产小车的网站,价格区间基本是在 2-3 千美刀左右。按照 2500 刀的均价来算,光是去年国产的老头乐和三蹦子就在美国卖出了接近 20 万台。 要知道特斯拉的 model 3 去年在美国也只买了 22 万台,可见小车们在美国的受欢迎程度。 至于为啥,我觉得概括起来原因只有一个,那就是对于美国人民来说,这些小车真的有些太过完美了。 研究完一圈我都觉得我要是在美国,肯定也会忍不住买一辆。 最核心的原因,我觉得是三蹦子们放在美国的生活环境里,几乎有着统治级别的实用性。 和国内随便下个楼就能逛超市买东西不同,美国不管是超市还是便利店的密度,其实都并没有很高。人们日常的生活用品,基本只能跑个三五公里去大型的连锁超市采购。还得一次把全家一周,甚至更久的食品用品全买完。 再加上他们啥事都爱自己搞,有事没事就得出去拉一大堆板子回家自己拼成柜子,想要生活体验好点,就必须拥有一台空间不小的汽车。 这也是为啥全尺寸 SUV 和皮卡在美国能卖得那么好,确实是能装。 可如果你能拥有一台带斗的三蹦子就能发现,原先必须开车才能有的体验,三蹦子们都能给到你。 速度不慢( 时速 40-50 公里轻松拿捏 ),操作简单,还能遮风挡雨。最重要的是,真的很能装。一般大小的箱子柜子,直接往斗里丢就行。 要是超长超宽,直接给斗子来个超级变化形态,没有什么货物是这个开放式平台解决不了的。 有些车甚至还有通过液压杆控制的抬升机构,降低货物卸车的难度。 就问日常生活里有啥东西是它拉不了的吧。。。 而在这么猛的实用性背后,是它们相当实惠的价格。 其实在美国本地,低速交通工具这种产品形式其实说不上少,但是价格普遍较高。一台三轮自行车加上电动的助力系统,几乎没有载货的能力,价格就得去到 2000 刀上下。 能装的,带车顶和后斗的车型也有,就比如 UPS 就有用类似的车型送快递。但价格嘛,8 万刀一台,甚至比绝大部分纯电汽车都要来的贵,离谱到天上去了。 反过来看咱们的三蹦子,便宜的一两千刀搞定。 配置高一点的四千多刀指定也能下来了。价格相比那些土著产品,简直就和闹着玩似的。 更逆天的是,不仅实用,不仅便宜,咱们出口过去的老头乐和三蹦子,质量还嘎嘎好,压根不像这个价格段的产品。 就比如油管的新能源技术大佬 Munro 老爷子( 头号特斯拉粉丝,对生产工艺非常苛刻 ),之前就研究过一台价格只要一千刀出头的国产老头乐。 一边看,老爷子就一边挠头: “ 他们在这个价位是怎么做到的? ” 因为按他的标准来看,这台看着很土的老头乐有着相当不错的车身焊接工艺、车漆喷涂工艺以及密封设计。车子的悬挂系统也是完整的卡车悬挂,减震器、弹簧和整体桥设计都和真正的汽车无异。 当看见车里有倒车影像,甚至遮阳板里头还有带补光的化妆镜的时候,老爷子是彻底绷不住了。。。 而只要在油管上随手一搜美国博主对老头乐和三蹦子的测评就能发现,这些小车在操控和行驶的质感上面都远超他们的预期。 脖子哥最经常听见的就俩词:丝滑和卧槽。 而且虽然美国各个州之间的法规有挺多区别,但在许多州三蹦子们都是可以合法上路,或者上路了以后不会吃到罚单的。 也难怪这些视频下头的评论都是清一色的被种草,出必买。 照这势头下去,国产老头乐和三蹦子们今年在美国的销量,估计还得猛涨一波。 那肯定有兄弟说了,东西又好又便宜的,这不是倾销是什么! 你别说,还真不是。。。 因为你别看它们卖个两三千刀的售价很便宜,它们的成本,更低!假设啊,我们是美国本地的居民,发现了商机之后想从中国搞一些老头乐三蹦子来挣钱。 我们会发现,因为车子本身太便宜、跨国运费太贵、经销商网络搭繁琐等各种原因,国内的三蹦子 / 老头乐厂家们目前都没有官方的出海渠道。 想要在美国合法地买到这些车,唯一的途径就是通过阿里巴巴这样的网购平台,从咱们国内的商家手里买车,然后发一个跨国快递。正常报关清关,把该交的税都交了才算搞定。 就比如这台三蹦子,阿里巴巴上的售价是车子本身呢是 400 多刀一台( 和国内的真实售价差不多 ),通过海运漂到美国,还有个 1400 多刀的快递费。 运到美国之后,在海关还得补交各种税费才能被我们拿到。根据美国商务部这次的声明,三蹦子们的商品分类在编码 8703.10.5030 里头,也就是高尔夫球车。 税率 2.5% ,如果是从中国去的话还得加个 7.5% ,也就是10% 。 所以满打满算,咱们从中国进口一台三蹦子的成本价是 2000 刀左右。而类似车型在美国的售价,几乎是成本的两倍。 就这还倾销呐,我都怕别人骂我是黑心商家。。。 所以看到这大家应该也都明白了吧,咱们的老头乐和三蹦子在美国之所以能火,每年能卖出几亿美元的份额, 靠的根本不是有组织的低价倾销,甚至都不是国内厂家有意而为之的出海策略。 反而是因为美国市场长时间以来没有符合需求的高性价比产品出现,人们从海外找到解决方案之后自发引进,才产生的一场民间热潮。 咱们的产品之所以便宜,是因为国内超级健全的供应链体系和规模效应。 老美不从督促本土企业推出新产品下手,反倒给我们扣了一个不公平倾销的帽子,也是有些许幽默了。 再往深了说,这些小车们虽说定位十分入门,配置也只在最基础的水平。 但许多博主在研究车子内构的时候,对里头的电机配置、控制器布置甚至是线路的规划都表达过赞赏。 说它们干净整洁,就和一台正常的汽车一样。 这也从侧面说明了,咱们的新能源汽车在全球市场发力的同时,和新能源汽车有关的周边产业,也在一轮轮的技术下方之中得到了不小的提升。 老美这次对三蹦子们的反补贴调查,可能也算是在和中国的新能源汽车产业暗中较劲呢吧。 在美国的朋友们,趁着还没有加税,赶紧囤一台老头乐吧。 明年卖个二手,估计还有的赚呢。。。 撰文:致命空枪 编辑:脖子右拧 美编:焕妍 图片、资料来源: The Impressive Engineering Behind The Cheapest Electric Car In The World - YouTube New York City Offers Free Parking to Delivery Firms’ Cargo Bikes - WSJ Harmonized Tariff Schedule 对华低速个人交通工具发起反倾销和反补贴税调查 Someone in China Sent Me an Electric Micro-Car - YouTube Sandy's Reaction to World's Cheapest EV - The Changli Freeman - YouTube
央视快评丨不断把我国制度优势更好转化为国家治理效能
  “面对新的形势和任务,必须进一步全面深化改革,继续完善各方面制度机制,固根基、扬优势、补短板、强弱项,不断把我国制度优势更好转化为国家治理效能。”在党的二十届三中全会上,习近平总书记就《中共中央关于进一步全面深化改革、推进中国式现代化的决定》起草的有关情况向全会作说明。总书记在重要讲话中,充分肯定了党的十八大以来我们推进制度建设取得的丰硕成果,深刻阐述了在进一步全面深化改革新的历史起点上继续完善各方面制度机制的重要性和紧迫性,充分体现了继续完善和发展中国特色社会主义制度、推进国家治理体系和治理能力现代化的历史主动。   制度优势是一个政党、一个国家的最大优势。习近平总书记深刻指出:“完善中国特色社会主义制度是一个动态过程,必然随着实践发展而不断发展,已有制度需要不断健全,新领域新实践需要推进制度创新、填补制度空白。”总书记这一重要论断,对于不断把我国制度优势更好转化为国家治理效能,具有深刻的指导意义。推进国家治理体系和治理能力现代化,就是要不断适应时代变化,既善于改革不适应实践发展要求的体制机制、法律法规,又善于构建新的体制机制,把各方面制度优势转化为治理效能。   锚定2035年基本实现社会主义现代化目标,我们既要牵住经济体制改革这个“牛鼻子”,又要统筹推进其他各领域改革;既要在全面上下功夫,又要在深化上用实劲;既要有较真碰硬的闯劲,还要有久久为功的韧劲,以钉钉子精神把《决定》所确定的重大改革举措落到实处。   把我国制度优势更好转化为国家治理效能,要把握好“五个注重”:注重发挥经济体制改革牵引作用,把构建高水平社会主义市场经济体制摆在突出位置,推动经济高质量发展体制机制、促进新质生产力发展,健全宏观经济治理体系,完善城乡融合发展体制机制,完善高水平对外开放体制机制。注重构建支持全面创新体制机制,统筹推进教育科技人才体制机制一体改革,提升国家创新体系整体效能。注重全面改革,统筹经济体制改革和民主法治、文化体制、健全保障和改善民生制度体系、生态文明体制改革等各领域改革。注重统筹发展和安全,完善维护国家安全体制机制,实现高质量发展和高水平安全良性互动。注重加强党对改革的领导,完善党中央重大决策部署落实机制,深化干部人事制度改革,健全防治形式主义、官僚主义制度机制,丰富防治新型腐败和隐性腐败的有效办法。   制度强则国家强。我们要认真学习贯彻习近平总书记在党的二十届三中全会上的重要讲话精神和全会决定,深刻领会和把握制度建设在进一步全面深化改革中的千钧分量,明确主攻方向和着力点,坚定制度自信,坚持守正创新,坚持中国特色社会主义不动摇,不断革除体制机制弊端,筑牢根本制度,完善基本制度,创新重要制度,做到改革和法治相统一,重大改革于法有据,及时把改革成果上升为法律制度,不断发挥制度优势,为中国式现代化提供强大动力和制度保障。   (央视评论员)
从鄙视到旗帜鲜明支持,马斯克是如何转投特朗普怀抱的?
马斯克在2017年会面特朗普 凤凰网科技讯 北京时间7月19日,美国《纽约时报》周四发文称,作为世界上最富有的人,埃隆·马斯克(Elon Musk)曾对特朗普深表怀疑。但是如今,马斯克已公开支持特朗普,并成为总统竞选中的核心人物。 《纽约时报》的这篇报道基于对大约24名马斯克政治伙伴、朋友和共和党盟友的采访。其中许多人在披露私人谈话时坚持要求匿名。马斯克及其助手没有回应置评请求。 以下是文章全文: 两个多月前,马斯克来到了蒙特索雷尔(Montsorrel),这是著名激进投资者纳尔逊·佩尔茨(Nelson Peltz)在佛罗里达州棕榈滩的豪华庄园。马斯克对于很这片广阔的庄园很熟悉,因为他曾在客房住过。 然而,马斯克这一次在这里讨论的话题与以往有些不同。据一位直接了解情况的知情人士透露,佩尔茨召集了一群亿万富翁保守派金融家,其中包括拉斯维加斯赌场大亨史蒂夫·韦恩(Steve Wynn)、对冲基金经理约翰·保尔森(John Paulson),他们深入讨论了共和党是否能夺取参议院控制权,以及共和党拉票能力薄弱的问题。 但是在这个春日,马斯克传达了一个更阴暗的信息。知情人士称,马斯克对这些人说,这将是美国最后一次自由选举,因为如果拜登获胜,数以百万计的非法移民将被合法化,民主将结束。 马斯克说,特朗普必须赢。他给这些资深金融家们提供了一些建议,后者在共和党政治领域的经验比他多出几十年。马斯克认为,他们强调政治广告的做法是错误的。他举例称,自己的电动汽车公司特斯拉几乎不做广告,但仍然通过口口相传的方式建立了一批狂热的追随者。为什么共和党人不能这样做呢? 马斯克 他指出,这些金融家们能做的最重要的事情就是说服两个人支持特朗普,并敦促他们再说服两个人支持特朗普。这样循环下去,特朗普就能获胜。 马斯克已经把自己从奥巴马等民主党人的理想主义支持者,变成了特朗普的坚定盟友。他与特朗普“眉来眼去”了几个月时间,并在这位前总统上周末躲过暗杀的大约30分钟后,立即表态支持。 实际上,特朗普的竞选团队曾一度与马斯克讨论过,让他在本周的共和党全国代表大会上发表讲话。马斯克周四表示,他不会发表讲话。 现在,马斯克比以往任何时候都更能自如地表达自己的保守倾向,但他在经济上支持共和党的做法并不广为人知,部分原因是他一直试图避免公开捐款。 他已成为了这场总统竞选的核心人物,在成为拜登竞选团队攻击目标的同时,也被特朗普的顾问们奉为近乎神话般的人物。由于在移民、跨性别权利、拜登政府对待特斯拉的态度问题上对自由派感到十分不满,善变的马斯克在中年经历了自我重塑,这让许多共和党人对他垂涎三尺,希望他能成为党的摇钱树,前提是他能兑现承诺。 伍迪·约翰逊(Woody Johnson)是共和党内杰出的筹款人,曾在特朗普政府时期担任驻英国大使。他表示,欢迎马斯克改变意识形态加入共和党。 “探索所有想法,并提出最好的那个,”约翰逊在接受采访时打趣道,“世界上没有人像马斯克这样。作为美国人,我们很幸运有他。他和特朗普都是最具创新精神的人。” 鄙视特朗普 马斯克曾对华盛顿政客感到反感。他与奥巴马保持着不错的关系,并多次访问白宫,为特斯拉和他的火箭制造商SpaceX争取支持。但据四名与他共事过的人说,马斯克总体上不喜欢与其他政客会面,认为政治捐款是一种必要之恶(为实现好的结果而必须发生的恶事)。 马斯克曾在2016年认为特朗普不适合当总统 就在2016年总统大选的前几天,他告诉CNBC,特朗普“似乎不具备那种能够很好代表美国的特质”。据一位与他关系密切的人士透露,在特朗普获胜后,马斯克告诉一些同事,选举结果证明他们生活在模拟世界里。2020年,马斯克在与另一位同事的私人谈话中称特朗普为“彻头彻尾的失败者”。 2022年,特朗普在一次集会上用脏话骂了马斯克。 据《纽约时报》看到的一条私人消息,马斯克还预测特朗普作为一股政治力量的日子已经结束。当时,他准备表达对佛罗里达州州长罗恩·德桑蒂斯(Ron DeSantis)的支持,他在 2023年帮助德桑蒂斯启动了竞选活动。 空头承诺 许多特朗普竞选团队成员和共和党筹款人都紧盯着马斯克,把他视为该党的下一个重大希望或者是他们自己的摇钱树。但是,多年来,他在政界获得了一个不太靠谱的名声。 一些保守派活动人士表示,他们希望马斯克能够更多地兑现承诺,资助那些认为自己在社交媒体上受到审查的人提起的言论自由诉讼。 马斯克让人捉摸不透。在共和党圈子里,关于他的谣言满天飞。2023年,当凯文·麦卡锡(Kevin McCarthy)当选众议院议长时,这位加州政客在国会图书馆举办了一场派对。一些助手在派对临近前才被告知马斯克预计会出席并发表演讲。但据一位参与活动的人士回忆,他并没有出席,这让一些人感到失望。 而且,马斯克在地方政治上的表现也不靠谱。他去年在X上写道,计划向旧金山的中间派团体GrowSF捐赠10万美元,以帮助中间派击败一位进步派市官员。然而,GrowSF的联合创始人斯蒂文·布斯(Steven Buss)表示,马斯克没有捐款,甚至没有与该组织联系。 暗中捐款 马斯克曾表示,他试图远离政治。根据竞选财务记录,自2020年大选周期以来,他没有向任何联邦政治团体捐款。他竭尽全力避免在公众面前留下他进行捐款的痕迹。 实际上,马斯克吸取了一个惨痛教训。2017年,马斯克向麦卡锡胜利基金(McCarthy Victory Fund)捐款5万美元,这是他有史以来披露的最大一笔捐款。麦卡锡胜利基金支持的是麦卡锡。这笔捐款的披露激怒了自由派。据一位了解他想法的人回忆称,他从那次经历中学会了优先向黑金组织(不披露资金来源)捐款。 麦卡锡 在最近与共和党人的沟通中,马斯克及其助手希望不要向那些必须依法披露捐款的组织提供政治捐款。一位朋友回忆说,几个月前,马斯克告诉他会想办法捐款支持特朗普,但不想公开捐款。 据知情人士透露,在共和党总统初选期间,马斯克的团队与美国生物科技企业家维韦克·拉马斯瓦米(Vivek Ramaswamy)的盟友进行了详细的谈判,内容是向一个支持这位企业家竞选的黑金组织提供大笔捐款。两名知情人士说,马斯克参加了拉马斯瓦米在加州和得州的两场筹款活动,但他最终拒绝开支票。 知情人士称,2023年,马斯克曾认真考虑向美国行动网络(American Action Network)进行重大政治捐款,后者是一个由麦卡锡政治团队操控的非营利黑金组织。目前尚不清楚他是否进行了捐款。 与特朗普发展关系 当马斯克在政治上寻求帮助时,他求助的人也在试图影响他。 过去十年里,他认识了麦卡锡,这要归功于这位前议长对SpaceX的支持。他们现在经常互发短信。这些年来,马斯克经常向麦卡锡寻求政治和游说方面的建议。 据了解两人关系的人士透露,麦卡锡一直都热衷于强调他与马斯克的关系,并不遗余力地培养他。保守派组织美国企业研究所曾在乔治亚州的海洋岛举办了一次独家会议。在这次会议上,麦卡锡采访了马斯克,并邀请马斯克出席在怀俄明州为麦卡锡捐助者举办的筹款活动。去年,马斯克还飞往华盛顿参加麦卡锡的生日聚会。 麦卡锡帮助发展了马斯克与特朗普的关系,但参与其中的并非他一人。据知情人士透露,特朗普的三位密友佩尔茨、韦恩和史蒂夫·维特科夫(Steve Witkoff,他的公司投资了马斯克收购推特交易),以及马斯克的新知己、尼尔森·佩尔茨(Nelson Peltz)的儿子迪塞尔·佩尔茨(Diesel Peltz),在鼓励马斯克与特朗普拉近关系方面发挥了作用。另一位知情人士说,马斯克还经常与拉马斯瓦米交谈,后者已成为特朗普的代理人。 佩尔茨(中)鼓励马斯克拉近与特朗普关系 韦恩在接受采访时说,马斯克“致力于确保这次选举圆满结束”,但他淡化了自己的角色。“他在没有我的帮助下做到了这一点,”他表示,“埃隆是一枚自行推进的火箭。” 知情人士称,马斯克在硅谷的一些朋友也在说服他,其中包括所谓的PayPal“黑手党”成员。PayPal“黑手党”由该公司早期高管组成,其中就有特朗普的捐赠者大卫·萨克斯(David Sacks)和肯·豪里(Ken Howery)。 马斯克过去主要住在洛杉矶,但与他关系密切的人说,他在新家乡得州建立的更为保守的社交圈子影响了他的政治立场。知情人士称,大数据公司Palantir联合创始人、在得州居住的乔·朗斯代尔(Joe Lonsdale)及其助手花了很多时间与马斯克谈论政治。马斯克也告诉其他人,他担心如果得州变成蓝色(支持民主党),他的企业会发生什么。 但是,三名知情人士透露,马斯克的一些自由派朋友和助手对他的右倾倾向表示不满。一些人表示,他们私下得到了马斯克的保证,即他不会捐款支持特朗普。 据两名与马斯克的知名律师亚历克斯·斯皮罗(Alex Spiro)交谈过的人说,马斯克的极端主义路线让斯皮罗感到困扰,但他鼓励马斯克不要疏远他的企业中的民主党人,他引用了迈克尔·乔丹(Michael Jordan)的一句名言:“共和党人也买运动鞋。”斯皮罗拒绝对此置评。 彻底转向特朗普 不过,马斯克的那些自由派朋友看来正在输掉这场拉锯战。据知情人士透露,马斯克今年3月曾与特朗普会面,现在偶尔会直接与他交谈。特朗普告诉他的捐赠者,两人谈到了电动汽车以及深度伪造视频等技术。 据一名了解会面情况的人士透露,在特朗普担任总统时,马斯克曾问特斯拉高管,他们中有多少人投票给了特朗普,但他震惊地听到,没有人投票给特朗普。 “我和他谈过,他确实会无缘无故地给我打电话,”马斯克上个月在特斯拉的年度股东大会上说。 今年春天,马斯克和萨克斯在洛杉矶与其他几位反对拜登的亿万富翁组织了一次私人晚宴,他们讨论了反对拜登连任的方法。 暗杀行动后的集会现场 对于马斯克是否会在经济上支持共和党的总统候选人,特朗普的助手们感到困惑。据两名直接与马斯克交谈过的人士透露,在今年的大部分时间里,马斯克都在向朋友们表达支持特朗普的想法,或者至少明确敦促他的追随者不要投票给拜登。马斯克告诉这些人,他想等到拜登正式获得民主党提名后再发表声明。 然后,美国就发生了暗杀特朗普未遂事件。 在枪击事件发生不到一个小时后,马斯克就在X上表示支持特朗普。朗斯代尔帮助成立了一个新的超级政治行动委员会:美国政治行动委员会。该委员会的捐助者表示,将资助一项积极的基层拉票项目以支持特朗普。马斯克的一些密友已向这个组织捐赠了数百万美元。 每月捐款4500万美元? 《华尔街日报》报道称,马斯克曾表示每月向该组织捐赠4500万美元,这引发了特朗普和拜登团队的关注。但是,马斯克告诉他身边的人,这个捐款数字是假的。与该组织关系密切的人表示,虽然他们希望马斯克捐款,但他们也不知道他会捐多少。 最近几周,马斯克私下游说特朗普,让他选择俄亥俄州参议员JD·万斯(J.D. Vance)作为他的竞选伙伴。周一,万斯被宣布为特朗普的竞选伙伴后,马斯克大声庆祝。 特雷弗·特莱纳(Trevor Traina)是旧金山的一名共和党筹款人,曾在特朗普政府时期任职,与马斯克有社交往来。他说,他看到了两人之间的相似之处。 “他不得不走上一条和特朗普同样的路:被禁声、被攻击、被抵制。过去几周,他决定是时候采取行动了。”特莱纳在谈到马斯克时说。(作者/箫雨) 更多一手新闻,欢迎下载凤凰新闻客户端订阅凤凰网科技。想看深度报道,请微信搜索“凤凰网科技”。
国美网上商城服务异常:大量商品显示下架、手机端网页无法访问
IT之家 7 月 19 日消息,据IT之家小伙伴投稿,目前国美网上商城出现服务异常,许多商品下架或显示为“暂无售价”,而手机端网页也无法访问。 IT之家在国美商城搜索“iPhone 14”、“iPhone 15”等热门产品关键字,均显示“抱歉,没有找到相关商品”,不过并非所有产品均已下架,截至发稿依然有部分商品可供购买。 除了商品外,目前国美网上商城手机端网页也出现问题,在尝试访问时会出现“Server error”报错,不过国美微信小程序依然能够访问,电脑端网页也同样显示正常。 2023 年上半年,国美零售首次出现毛利为负的情况,其营收同比下跌 96.57%,从上年同期的 121.09 亿元降至 4.15 亿元,此后该集团曝出“财务情况并不乐观”,在 2023 年 10 月时,国美 App“幸运大转盘”抽奖页面呈现辱骂国美电器董事长黄秀虹、创始人黄光裕的内容,指控国美“拖欠工资”“拖欠货款”等。 而在 2023 年 12 月,国美零售发布公告宣布与京东签订协议偿还部分债务,根据协议,该公司向京东转让深圳十分到家 21.6495% 股本,代价 1.05 亿元,将悉数用于结算等值已到期未偿还债券。 截至IT之家发文,“国美零售”股票每股为 0.0030 美元(IT之家备注:当前约 0.022 元人民币),国美市值为 9.98 亿港币(当前约 9.29 亿元人民币)。 ▲ 图源谷歌财经
10月1日起,阿里云公共DNS将对免费解析请求进行限速
IT之家 7 月 19 日消息,阿里云发布公告,宣布将于 2024 年 9 月 30 日 24 时起对公共 DNS 中免费的解析请求采取智能流量管控措施。 公共 DNS 仍会致力于为广大免费用户提供高质量的基础递归解析服务,但在高并发解析场景,将对公共 DNS 免费流量按请求源 IP 进行请求并发数限制。该请求并发量上限并非固定阈值,具体限速值将根据网络负载状况和公共 DNS 的整体服务质量适时调整,以保证公共 DNS 整体服务的稳定性和使用体验。 IT之家注:阿里云 DNS 是阿里云提供的全系列域名解析服务产品总称。不同于传统的 DNS 只覆盖单一环境,阿里云 DNS 产品覆盖了公网域名解析、VPC 内网域名解析、移动解析以及专有云的域名解析场景。公共 DNS 是面向所有互联网用户的全球公共递归域名解析服务,本次限速仅影响公共 DNS 免费版(包括 DoH、DoT 和 UDP、TCP 的接入方式)。 阿里云官方解释称,免费版服务适用于个人终端低并发使用,如流量过高(即 DoH / DoT:单 IP 访问量超过 20QPS,UDP / TCP 流量超过 2000bps)将会触发限速策略。个人用户也可以接入付费版服务,付费版产品每月提供 1000 万次的免费 HTTP 解析流量资源包,可基本满足个人使用场景。 免费版不承诺服务可用性保障,不建议在企业、商业化等场景使用。企业、商业运营场景建议正式接入付费版公共 DNS 服务,以避免流量管控造成的解析不可用。 对于受影响的用户,阿里云建议升级到公共 DNS 付费版。公共 DNS 付费版承诺 99.99% 的解析服务可用性,且付费版用户不会受到限速。
谷歌Play商店提高应用上架门槛:必须具备实际功能且稳定运行
原标题:谷歌 Play 商店提高应用上架门槛:必须具备实际功能且稳定运行,否则将被拒之门外 IT之家 7 月 19 日消息,谷歌 17 日更新了 Play 商店的相关政策,明确要求上架应用应当提供稳定、响应迅速、引人入胜的用户体验。若 App 经常崩溃、不具备作为 App 的基本实用性、缺乏吸引人的内容或表现出与功能性和吸引人的用户体验不符的其他行为,将不被允许上架 Play 商店。 IT之家注:这一新政策将于 2024 年 8 月 31 日生效。 谷歌的限制措施要求,功能和内容有限、经常崩溃或反应迟钝的 App 将会被清退。 没有特定应用程序功能的静态 App,例如由纯文本或纯 PDF 文件构成的 App 内容极少且无法提供“吸引人的用户体验”的 App,例如单一壁纸类 App 什么都不做或没有任何功能的 App 谷歌强调,不允许上架 Play 商店的 App 出现崩溃、强制退出、冻结或其他功能异常等情况。例如无法安装、安装但无法加载、可加载但反应迟钝的 App。谷歌表示,增加这些额外的要求是为了确保应用能够满足 Play 目录(catalog)的提升标准,并通过高质量的功能吸引用户。 谷歌安全博客曾在 4 月通过博文宣布,2023 年 Play 商店一共阻止了 228 万款违反政策的安卓应用上架请求,查获并封禁了 33.3 万个涉嫌上传恶意软件或多次严重违反政策的谷歌 Play 账号,拒绝或纠正了 20 万款应用提交的不当权限请求。
商业化重压之下,自动驾驶如何抵达“诗和远方”?
不管你是拥抱还是抗拒,自动驾驶时代终究还是来了 武汉无人驾驶网约车萝卜快跑订单量暴增;南京开启邮政EMS首批量产自动驾驶重卡运营专线;青岛开放121条智能网联汽车测试道路;深圳将开通首条自动驾驶公交线;上海发放首批无驾驶人智能网联汽车示范应用许可;北京发布《北京市自动驾驶汽车条例(征求意见稿)》为L3及以上自动驾驶汽车上路提供立法保障…… 从牌照发放到准入上路,再到拟立法保障,在中央和地方政策的大力推动下,自动驾驶落地速度超乎想象。在这条通往“诗和远方”的道路上,越来越多的障碍正在被清除,自动驾驶出租车、自动驾驶巴士将成为未来生活的常态。 但当自动驾驶逐步走出示范区,迈上开放道路,随之而来的各类技术挑战、法规重塑以及社会问题,成为决定这项技术能否真正普及应用的关键因素。 同时,车路云一体化作为与自动驾驶并行的另一条技术路线受到市场广泛关注。有人不禁疑问,既然自动驾驶已经很智能了,车路云一体化还有必要吗?车路云一体化究竟是市场的真实需求还是一个幻象? 自动驾驶的破茧时刻 随着开放区域的逐渐扩容,一些围绕自动驾驶出租车的不同声音也浮现出来。在武汉城市留言板上,不少市民吐槽萝卜快跑“行驶速度慢甚至龟速”“一个萝卜堵在路上,几百人走不了”“绿灯停着不走,红灯冲到路中间”…… 虽然人们对当前已在城市部分区域开展的自动驾驶试点运营的效果充满不信任,甚至对其给交通造成的负担有些不满,但自动驾驶的普及应用有助于消除或减少人为因素对交通安全的影响,降低交通事故的发生率。 在《自然》最新发表的论文中,美国第二大公立大学中佛罗里达大学(UCF)针对自动驾驶安全性进行了一项研究。研究人员通过比较2016年至2022年间2100辆自动驾驶车辆和35133辆人类驾驶车辆的事故数据发现,自动驾驶车辆在执行常规驾驶任务(如保持车道位置和根据车流调整位置)时一般更安全、更不容易发生事故。此外,自动驾驶车辆在发生追尾和侧擦事故时也更安全,事故发生率相比人类驾驶分别降低了0.5和0.2倍。 不过,研究同时表明,自动驾驶车辆在特定情境下似乎更易发生事故,比如晨昏弱光环境下和转弯时(事故率分别是人类驾驶的5.25倍和1.98倍)。 虽然这项研究表明自动驾驶车辆有可能改善道路安全,但同时也强调了只有解决技术局限,才能确保自动驾驶车辆能在各种情况下安全运作。 当自动驾驶进入商业化运营阶段,人们将安全风险的考量放到了首位,而不同的技术路线在驾乘体验、算法规则、行驶效率等方面的侧重点也是不同的。 当前,自动驾驶有两条技术路线:“强感知+弱智能”与“弱感知+强智能”。 “强感知+弱智能”路线的代表是谷歌Waymo和百度Apollo。在感知上使用“雷达+摄像头+高精地图”的方式,智能上使用行驶规则输入的方式,多采用AI小模型。在中美两国,这套解决方案都是自动驾驶出租车的主流方案,优点是保证安全。因为感知能力强,信息获取充分,这套方案对路况信息完全掌握,而在信息充分前提下,只要设置好行驶规则,那么车辆会完全按照交规行驶,比真人更守规矩,甚至于任何交通事故的责任都只会是对方。 不过这种方案在应对复杂路况比如红绿灯路口的无保护左转、无红绿灯斑马线行人横穿等情况,都还是用规则控制来兜底安全,结果就是车辆在遇到Corner Case(极端情况)的表现并不稳定,可能出现急刹、长时间停车的情况,影响同一道路的其他车辆。但基于规则的好处也非常明显,就是违反交通规则的概率非常低。 “弱感知+强智能”路线的代表是特斯拉FSD,感知上主要靠摄像头,智能上采用端到端大模型。这条路线事实上就是完全模仿人类驾驶。正因为是模仿,所以既能模仿人类遵守交通规则的一面,同时也会模仿人类违反交通规则的不良行为,主打一个“人怎么开,自动驾驶也怎么开”。 但这类自动驾驶技术的不足之处在于,现实路况很复杂,摄像头的感知范围十分有限,仅限于车周围100米至200米的范围,同时受自然环境影响较大,摄像头在雨雪雾天的检测精度会大打折扣。很多情况下,出了事故很可能是自动驾驶车辆的责任。所以,现阶段FSD依然是一种辅助驾驶技术,需要驾驶员在驾驶室里面随时准备接管车辆控制权。 而端到端大模型是基于一个概率模型训练,由于神经网络输出的结果具有一定的概率性,所以并不能保证输出的结果绝对安全。同时,端到端大模型的决策过程具有“黑箱”特性,内部逻辑不公开,决策中所出现的问题难以被定位,导致为后续模型的优化造成阻碍。目前,国内不少车企宣布端到端大模型上车,实际上未完全放弃传统的“规则控制”,仍会通过一些规则方法对神经网络的输出做二次校验。 此外,数据量、算力以及对大模型的精简优化都是推进大模型能否成功上车的重要因素。首先,自动驾驶需要大量的高质量训练数据,这些数据包括各种驾驶场景、天气条件和交通情况的图像、视频和传感器数据。特别是遇到交通极端情况的数据更加重要,比如真正发生碰撞或在突发状况前后车辆如何进行决策判断的数据,或者在无信号灯路口以及在雨雪雾霾天气中车辆如何通行的数据。收集、标注和维护这些数据的质量和多样性是一项挑战。 其次,将海量数据喂给端到端大模型时,算力是不可或缺的资源。车端的计算资源通常有限,部署端到端模型需要高性能的硬件支持,这会受到整车成本和布置空间的限制,而数据中心需要进行不断扩建,才能满足日益增长的算力需求。 当云端的大模型训练完成后,需要对其进行精简和优化。比如模型剪枝、量化等技术,以减少模型大小和提高运行效率。云端服务器拥有大量高性能硬件资源,支持大规模并行处理数据并进行数据存储。但车载计算资源有限,为了与之适配,需要对模型进行优化,并降低能耗。 从上述两条技术路线看,当前的自动驾驶尽管已经突破了实际应用的最低门槛,但算力、算法在迭代,数据还在积累中,决定性的技术主导设计还没有得到确认,换句话说,技术尚未定型,而技术定型是工业品大规模复制的前提。 7月15日,特斯拉CEO埃隆·马斯克对Robotaxi发布延期的问题作出了回应。马斯克表示,他对Robotaxi的前部设计提出了变更要求,这一设计优化导致原定的发布计划推迟。不过,马斯克没有给出具体的发布时间。 Robotaxi项目的延期,无疑揭示了特斯拉在推进自动驾驶技术商业化过程中所面临的挑战与复杂性,同时也表达出特斯拉在Robotaxi方面的审慎。毕竟,Cruise因交通事故被美国加州政府吊销无人驾驶业务运营许可证的前车之鉴就在眼前。 与海外近乎一家独大的特斯拉相比,国内智能驾驶系统正处于百花齐放的阶段,不同车型、不同技术方案之间数据壁垒难以打通,而不同品牌的车辆所获取的数据无论在丰富度还是规模方面都十分有限,这也就进一步限制了以数据为驱动的大模型的能力,从而影响了自动驾驶技术的进化升级。 痛点有“新解” 近日,上海市迎来自动驾驶测试车的重要时刻,预计最快在未来一周内,面向普通市民启动自动驾驶智能网联汽车的实地测试,测试期间可以免费乘坐。 不仅在上海,全国多地也出台新政鼓励自动驾驶发展。北京市经济和信息化局对外征求意见,拟支持自动驾驶汽车用于城市公共电汽车客运、网约车、汽车租赁等城市出行服务;武汉相关部门提供的数据显示,目前武汉市“上路”的无人车数量共有600辆,开通载人收费业务的约占七成;深圳巴士集团表示,该集团计划年内在前海推出20辆自动驾驶公交车。 此前,多部门联合公布自动驾驶试点城市名单,共覆盖20个城市,不仅涵盖了北京、上海、广州、深圳等一线城市,成都、重庆、南京、武汉、合肥等新一线城市,沈阳、长春、福州、济南等省会城市,还有十堰、鄂尔多斯等地级市,以及海口-三亚-琼海联合体、杭州-桐乡-德清联合体等城市群。试点范围的广泛性和多样性为未来智能网联汽车的全面推广奠定了坚实基础。 从实际国情来看,中国大力发展自动驾驶的前提必然要采取安全系数最高的解决方案进行兜底。而车路云一体化利用中国庞大的网络和交通基础设施,融入路侧感知,通过融合车、路、云三端数据,形成规模更大、视角更丰富的交通数据集,以此为基础提供一个更全面、准确的交通环境感知图像,进一步提升自动驾驶的视距能力,增强单车的感知能力,从而超越了单车智能本身的局限,为实现更安全的自动驾驶打下基础。 相比单车智能,车路云一体化的实时路况信息具有重大意义,包括但不仅限于疏堵增效、节能减碳、降低交通事故率。 疏堵是很容易理解的,当路侧设施可以实时获取每条道路上的车流量信息时,云平台就可以按照车流量对红绿灯的时间进行智能调整,同时还可以通过系统向智能网联汽车传输行程规划建议,比如提醒司机前方道路拥堵,切换到某一条道路行驶可以节约多少时间并节约多少油耗或电耗。 届时只要智能网联汽车大部分按照建议路径规划行程,道路拥堵也自然能得到有效缓解,道路通行效率乃至于运输效率都可以得到大幅提升,并且过程中必然能起到有效节能减碳的作用,车流量的平均也可以降低交通事故率。 另外,从基础设施禀赋来看,中国也更适合走车路云一体化路线。 网络基建方面,截至2024年5月,我国5G基站总数达383.7万个,占全球5G基站总数的60%,且我国大力推进5G、物联网、卫星互联网等技术的衍生应用,能够满足车路云一体化对于通信网的基本要求。 路侧基建方面,我国公路总里程和高速公路总里程均领先于全球。2023年,全国公路总里程544.1万公里,其中高速公路18.4万公里,这意味着我国具有广阔的路侧单元(RSU)分布范围。根据工信部统计,截至2024年5月,我国智能化路侧单元部署超过8700套,可在原有禀赋的基础上快速改造升级。 另外,中国的新型举国体制优势将在车路云一体基础设施投资建设的过程中发挥重要作用。通过自上而下的政策推动和自下而上的实践创新,将有助于全面推进智能网联汽车准入和上路通行试点工作,推动健全完善智能网联汽车生产准入和道路交通安全管理体系,以及高质量推进车路云一体化应用试点工作。 纵观全球,车路云协同也正在成为各国推进智能交通体系的重要组成部分。 美国提出了网联自动驾驶(CAV)的概念,美国联邦公路管理局(FHWA)开发了CARMA平台和CARMA云,以支持协同驾驶自动化(CDA)的研究和开发。在车辆与智能交通系统深度融合方面,由美国交通运输部主导的智能交通系统,已将协作式智能交通参考框架(ARC-IT)演进到9.0版本,其中考虑了车路云协同自动驾驶。 欧洲在发展单车智能自动驾驶的同时,高度重视单车智能与车路云协同自动驾驶协同发展。与美国类似,欧洲智能网联汽车发展起源于智能交通系统,并逐步通过车辆的智能化、网联化实现车与交通系统的协同发展。欧洲智能交通系统开发与应用是与欧盟的交通运输一体化建设进程紧密联系的,在Horizon2020等计划的资金支持下,通过智能汽车自动驾驶应用和技术(AdaptIVe)、协同智慧交通(C-ITS)等项目的实践,在智能网联汽车、智能交通系统、基础设施建设方面积累丰富经验。 2018-2022年,日本相继发布了《自动驾驶汽车安全技术指南》、《道路交通法(修正案)》,持续更新发布《官民ITS构想路线图》、《实现自动驾驶行动方针》等政策法规,探讨了L4级自动驾驶的基础设施协同机制与商业模式等,并计划于2025年实现高速公路L4级自动驾驶。 德国推动“共同协作的高度自动化驾驶”(Kohaf或Ko-HAF)研究项目,使车辆通过移动无线电将其环境信息发送到安全服务器,服务器将信息进行收集压缩使车辆拥有最新的高精地图,从而提供更好的信息预报。 不难看出,随着单车自动驾驶技术进步空间趋于饱和、技术提升的瓶颈以及交通环境复杂性的增加,未来的自动驾驶将越来越依靠车路云一体化设施的有效支撑。在此背景下,车路云协同自动驾驶产业创新体系一旦形成,其将释放更大的产业链价值,成为新一轮科技创新和产业竞争的制高点。
从阿斯麦和台积电,看AI的资本之争
人工智能尚未完全造福人类,仅刚刚给予一点甜头,就在资本市场掀起了狂风巨浪。 OpenAI的生成式AI让人们看到了AI的突破性发展后,提供AI芯片H100的英伟达(NVDA.US),股价扶摇直上,与此同时,OpenAI在一级市场的估值持续高涨,从几年前的寂寂无名一下子跃升为全球估值排名前三十的独角兽。 然而,资本的反噬同样惊人。 近日有报道指,美或正在考虑针对芯片制造设备供应商的贸易限制,一下子令AI芯片供应链的相关明星股于2024年7月17日大跌。 其中刚刚公布了2024年第2季业绩的光刻机生产商阿斯麦(ASML.US)股价大跌近13%,半导体设备股应用材料(AMAT.US)和集成电路蚀刻设备供应商泛林集团(LRCX.US)股价均大跌超10%,半导体晶圆代工厂工具承包商东京电子于7月18日的日股交易时段下挫近9%。 这些设备股的下游客户,如全球最大的晶圆代工厂台积电(TSM.US)亦大跌近8%,不过7月18日公布2024年第2季业绩后,台积电的美股盘前股价反弹2%以上。 台积电的下游客户英伟达(NVDA.US)和超微半导体(AMD.US)分别跌超6%和10%。就连提供知识产权的ARM(ARM.US)也下挫近10%。 不过财华社发现,在7月18日盘前交易时段,这些芯片股和半导体设备股都见反弹。可见,尽管AI芯片股从去年以来一直是资本市场的宠儿,但是存在极大的敏感性,一旦有消息危及产业链的完整性,它们的股价很容易大幅波动,这一逻辑到底为何? 芯片的诞生并非独立事件 人工智能的基础设施包括数据、算法和算力,要构建算力集群离不开芯片。 OpenAI训练大模型GPT-4,或需要超10万枚英伟达的AI芯片H100,而要部署文本转视频模型Sora,在峰值期或需要超70万片H100芯片。 业内专家指,H100的物料成本主要由三个部分构成:逻辑芯片、HBM存储芯片、CoWoS封装,此外还有PCB和其他辅助材料。 核心的逻辑芯片需要依靠台积电的代工,这是因为H100需要借助5纳米产能,而英伟达的AI芯片升级版H200/B100则需要用到4纳米和3纳米制程,当前拥有5纳米以下较大量产能力和技术水平的也就只有台积电。 台积电刚刚公布的2024年第2季业绩显示,其7纳米以下先进制程的收入占比已由上季的65%进一步提高至67%,其中5纳米及以下制程的收入占比更由上季的46%上升至50%。 HBM3存储芯片有众多代工厂商都有能力提供,台积电、韩国的三星和SK海力士等都是存储芯片的主要供应商,而CoWos封装,或由台积电独家提供。 说回到芯片,一个芯片的生成,可不是仅仅依靠台积电,它可能是由某一家高科技公司,例如苹果的工程师团队,使用美国的设计软件,通过Arm的IP(知识产权)来设计,然后被送到台积电或是其他晶圆代工厂生产。 而台积电这样的晶圆代工厂要建成最尖端的芯片生产能力,需要全世界的协作。 《芯片战争》一书中就提到,(晶圆代工厂)从日本购买超级硅片和专用气体,采用世界上最精密的,并且可以刻蚀、沉积和测量几层原子厚的加工设备来制造……然后,芯片通常在东南亚进行封装和测试,再被送往中国组装成手机或电脑。 构建晶圆厂代工产能的这些加工设备则由半导体设备供应商提供,包括荷兰的阿斯麦,日本的东京电子,美国的应用材料等。 要生产出最先进的AI芯片,需要采用5纳米工艺制程,而目前最广泛使用的ArFi(浸润式光刻机)理论上可以支持7纳米工艺,如果使用7纳米以下工艺,成本会大幅增加。极紫外光刻(EUV)可以大幅降低5纳米制程成本,并实现3纳米和2纳米芯片的制造,而目前EUV光刻机主要由阿斯麦供应。 提高半导体芯片性能的关键是形成微米级到纳米级电路图案的技术能力。东京电子是世界上唯一一家拥有涵盖四种连续模式流程的产品组合的制造商,此外,该公司在许多其他产品类别中也占有领先的份额,包括光刻胶涂布机、气体化学蚀刻系统、扩散炉、沉积系统等,因此东京电子是晶圆代工厂最重要的工具供应商之一。 全球几乎每一个新生产的芯片和先进显示器的背后,都有应用材料的身影,这是应用材料的品牌宣言。应用材料在关键的晶体管、布线和异构集成技术方面处于领先地位,其供应的半导体主要设备应用于芯片制造过程的许多步骤,包括将图案转移到器件结构,晶体管和互连制造、计量、监测和检验,以及连接成品IC芯片封装技术。其半导体系统设备销售给全球集成器件制造商和代工厂。 另外,应用材料还提供集成解决方案,优化设备和晶圆厂的性能和生产力,包括半导体、显示器和其他产品的备件、升级、服务等,以及工厂自动化软件。 设备供应商的主要市场 讽刺的是,要制约这些供应商贸易行为的美国,仅占上述主要半导体设备供应商较少的份额,而中国才是它们的主要市场。 从阿斯麦的业绩来看,2024年第1季和第2季中国内地和港澳地区均占其总收入的49%,中国台湾两个季度的占比分别为6%和11%,而美国的收入占比仅为6%和3%。 东京电子于截至2024年3月末止的财政年度录得收入1.8万亿日元,净利润达到3,639亿日元,分别按年下降17.1%和22.8%,中国市场的强劲增长抵消了其他地区的下降。财华社留意到,在2024财年除了韩国大致持平外,东京电子除中国以外的所有地区市场销售贡献均出现下滑。 于截至2024年3月末止的财政年度,中国内地及港澳为东京电子贡献了最高的销售额,由上个财年的4,967亿日元,大幅增长63.7%,至8,133亿日元,销售占比由上个财政年度的23%大幅提高至44%。而包括美国在内的北美贡献的销售占比则由上年的16%大幅收缩至9%,销售额更由上年的3,443亿日元,下滑51.2%,至仅1,681亿日元。 总部位于美国的应用材料,情况也是一样。财华社根据该公司的季度业绩部估算,于截至2024年4月28日止的12个月,中国内地及港澳地区为应用材料贡献收入105.25亿美元,占了其总收入的39.7%,中国台湾占其总收入的14.51%,整个大中华区合共占了应用材料最近12个月总收入的54.22%,而美国于期内仅贡献收入34.54亿美元,占其总收入的13.03%。 结论 由此可见,不合时宜的贸易保护主义只会对这些为AI发展奠基的科技巨头带来迎头棒击,阻碍产业链的运行,毕竟芯片需要拥有完备组装能力的劳动密集型产业,而这主要依靠发展中国家,尤其中国,从在这些设备供应商的交付占比可见中国作为此产业链下一环的重要性。 任何一环断裂都将是致命伤,最终损害的都是AI巨头,包括英伟达、AMD、英特尔(INTC.US),甚至AI应用端巨头包括苹果(AAPL.US)、谷歌(GOOGL.US)、微软(MSFT.US)的利益。 中国拥有相对完善的配套产业链,要建立起自己的供应体系并非没有可能,而贸易障碍更会促使其加快技术升级。 从资本的角度来看,不论英伟达、苹果,还是应用材料,庞大的市值规模都足以让资本市场震动,而从以上的分析可以看出,这些公司的主要市场可不仅仅是美国,而且一旦隔断产业链,资本市场当前所追捧的AI故事,可能会取得不如预期的效果,贸易保护主义将严重损害这些企业的收入和盈利表现,从而损害投资者的利益,这场资本之争最终输家是谁,一目了然。
清华提出时间序列大模型:面向通用时序分析的生成式Transformer
【新智元导读】大模型在语言、图像领域取得了巨大成功,时间序列作为多个行业的重要数据类型,时序领域的大模型构建尚处于起步阶段。近期,清华大学的研究团队基于Transformer在大规模时间序列上进行生成式预训练,获得了任务通用的时序分析模型,展现出大模型特有的泛化性与可扩展性 时间序列提供了数据随时间变化的视角,对于理解复杂系统、预测未来变化和制定决策规划至关重要,在金融、气象、医疗、供应链等多个行业中发挥着至关重要的作用。 近年来,基于深度学习开发的模型在时序分析领域取得了突破性进展。然而,相较于语言、视觉大模型的蓬勃发展,现有模型依然面临若干瓶颈: (1)泛化性:模型能处理训练时未遇到的新数据;或在数据稀缺时,根据有限的训练数据快速适配。然而,即便是目前领域前沿的时序模型,在少样本场景下依然会产生明显的性能劣化。 时序预测模型PatchTST在不同数据稀缺条件下的效果 (2)通用性:小型深度模型训练后仅适合单一任务和场景,具有固定输入输出长度,适配的变量数等难以泛化的性质,难以像大语言模型一样,适用于各类下游任务,例如T5,LLaMA和BLOOM等。 (3)可扩展性:大模型关键特征之一在于Scaling Law:扩大参数量或预训练规模可以取得效果提升。然而,时序领域的大模型骨架尚无定论,即使是Transformer,在以往时序大模型研究中尚未展现出明显的可扩展性。 最近,清华大学软件学院机器学习实验室和大数据系统软件国家工程研究中心提出了名为Timer(Time Series Transformer)的面向时间序列的大模型(Large Time Series Model, LTSM)。 模型采用仅编码器(Decoder-only)结构,基于多领域时间序列进行大规模预训练,通过微调突破了少样本场景下的性能瓶颈,适配不同输入输出长度的时间序列,以及预测,填补,异常检测等任务,展现出模型可扩展性。 目前,该工作已被ICML 2024接收。 数据构建:基于时序特性构建层次化数据集 尽管时间序列在现实世界中无处不在,大规模时间序列数据集的发展却滞后于语言,图像,视频等领域。 并且,基于低质量,弱语义,以及难预测数据训练的模型无法展现对时间序列的通用理解能力。 为此,作者团队基于可预测性、平稳性等指标重重筛选,文章构建了包含10亿数据点的统一时间序列数据集(Unified Time Series Dataset, UTSD)。 UTSD覆盖七个领域的高质量时间序列,蕴含时间序列模态的通用“常识”,以此训练模型获得跨领域时序建模的基本能力,例如捕捉主要周期,生成重要模式,以及关注自相关部分等。 文章尤其重视数据质量的重要性,对数据集进行难度分级和配比,随着数据规模的扩大,变化规律复杂的数据比例也在不断增加,以便逐步进行模型的容量扩展和课程学习。 作者团队目前还在持续扩大数据集,并将UTSD公开至HuggingFace,以促进时序领域的预训练以及大模型研究。 训练方法:统一格式 + 自回归生成 不同于语言、图像有着相对固定的格式,时序领域的数据存在异构性,例如变量数目,采样频率和时间跨度等,因此,进行大规模时序预训练的首要难题在于如何统一异构的时间序列。 为将异构时间序列转换为统一格式,作者团队提出了一种单序列(Single Series Sequence, S3)格式。 如下图所示,通过变量拆分,归一化合并,分窗和采样等流程,文章将时序数据转换成了与语言类似的固定长度的一维序列,在数值范围内保证分布稳定的同时,让模型更加关注序列本身的变化模式。 在预训练方法上,文章将单序列切分为序列片段,每个片段作为一个“词”,采用与LLM类似的下一词预测(Next Token Prediction, NTP)进行预训练。推理时,模型可通过自回归生成任意长度的序列。 模型结构:剑走偏锋的仅解码器结构 不同于当下时序领域流行的仅编码器结构,Timer采用GPT风格的仅解码器Transformer。 作者团队发现,Encoder-only结构接受了预测区间的所有监督信号,在端到端的训练场景中能取得较好效果,但在一定程度上限制Transformer作为时序大模型的潜力。 一方面,在Encoder-only Transformer中,输入序列中的“词”互相可见,可能降低了模型建模序列变化的难度;模型引入的平整化(Flattening)会影响词之间的独立性,导致难以学到序列片段的语义。 另一方面,LLM广泛采用以词为单位的自回归式监督信号,每个“词”都是预测的目标,产生了细粒度且互相独立的监督信号。 文章认为基于大规模时序数据,学习序列片段的独立语义,能够赋予模型在数据集之间泛化的能力。并且获得的模型和LLM一样,模型只限制了最大输入长度,从而能够适用于下游任务中各种长度的序列。 任务统一:生成式模型应对多种任务 Timer与GPT类似进行生成式自回归,为进一步扩展模型的通用性,文章将典型时序分析场景统一为生成式任务。 (1)时序预测(Forecasting):Timer一次推理输出一个序列片段,通过多步自回归给出任意长的预测结果。作者团队发现,在预测上下文长度不超过预训练序列长度的情况下,模型不会出现明显的多步误差累积现象。 (2)时序填补(Imputation):类似语言模型T5,作者引入Mask Token表示一段连续的缺失序列。通过微调,模型根据Mask之前的序列来填补连续的缺失值。 (3)异常检测(Detection):文章提出了一种预测式异常检测方法,模型首先在正常序列上进行微调,随后根据输入给出偏移一段时期的序列作为正常值,将其与实际采集的值对比,基于对比误差给出异常区间的置信度。 多种时序分析任务与基于Timer的生成式分析方案 实验效果 文章从多个角度评估了Timer作为时序大模型的能力,包括少样本微调,零样本预测,任务通用性,可扩展性等,并分析了模型骨架选择,以及对于可变序列长度的适配性。 少样本预测 文章测试了Timer在不同数据稀缺性下的预测误差(MSE),并与此前的领域最优效果(SOTA)进行了比较。 可以发现:Timer使用极少的训练样本,例如1%的ETTh1或者3%的PEMS03,就能超过领域前沿的PatchTST,iTransformer等模型在100%数据上的训练效果。 实线:预训练Timer;虚线:端到端训练的Timer;深色基准:SOTA模型在全量数据上的训练效果 另外,预训练Timer的预测误差(实线)一致小于未经过预训练的模型(虚线),证明了大规模预训练的有效性。 任务通用性 文章评估了Timer在填补任务和异常检测上的效果,验证了预训练能够给模型在各个数据集上带来稳定的收益。 左:填补任务中相对端到端模型的效果提升;右:在UCR Anomaly Archive中成功检测出的异常数 文章还将Timer与此前的领域专用模型进行了对比:Timer在全部的44个填补场景中取得了领先,并成功检测出了172个序列异常,相较之下,Anomaly Transformer为129个,TimesNet为109个。 可扩展性 作者团队研究了Timer的可扩展性,发现随着参数量和数据规模的增加,模型在PEMS数据集上的多变量预测误差降低了36.6%(0.194 -> 0.123),低于此前最优的多变量预测模型iTransformer(0.139)。 从左到右:扩展Timer层数,特征维度和预训练数据规模都能提升预测效果 零样本预测 作者团队对同期涌现的时序大模型进行了全面测评,在零样本预测任务中,大模型不更新任何参数,直接输入数据集中时间序列进行预测。在7个真实数据集中,Timer取得了综合最优的水平。 模型分析 为确认时序领域的大模型骨架,作者团队对不同模型进行了同样规模的预训练,包括基于MLP的TiDE、TCN、LSTM以及Transformer的两种结构,结果显示Transformer在大规模时序数据预训练中具备足够的模型容量。 训练/验证时的损失函数,横轴以模型训练过的数据点数代表训练进程 文章探讨了Timer对可变序列长度处理能力:如左图所示,随着输入序列的变长,Timer的预测误差逐步降低。如左图所示,为支持任意长度的序列输出,文章对两种结构的Transformer进行了滚动预测。相较于Encoder-only Transformer,Timer显著缓解了多步误差累积。 作者进一步分析了两种Transformer结构在下游任务上的泛化性,发现时下流行的仅编码器结果在小规模训练场景中可以取得较好的效果。然而,在预训练-微调范式下,Timer表现出更强的泛化性,即使在多步滚动预测的场景中也能取得领域最优效果,打破了此前针对不同输入-输出长度分别训练的现状。 分析示例 文章提供了Timer在各个任务上的分析示例和具体指标,详情可参考论文附录。 未来方向 文章最后,作者对现有时序大模型进行了能力测评和对比,总结了时序领域大模型的潜在发展方向,主要包含更强的泛化能力(例如零样本预测),支持更长的上下文长度,支持多变量建模,以及提供置信度的概率预测等。 总结 该工作关注大模型的预训练-微调范式,验证了构建时序领域大模型的可行性,对多领域时间序列的生成式预训练进行了深入探究,证明了生成式模型在处理多种时序分析任务的有效性,相关数据集与代码已经开源,欢迎感兴趣的朋友阅读论文或访问GitHub页面。

版权所有 (C) 广州智会云科技发展有限公司 粤ICP备20006386号

免责声明:本网站部分内容由用户自行上传,如权利人发现存在误传其作品情形,请及时与本站联系。