目前，市场上对于做多贵金属资产的欲望开始明显的增强。主要是全球央行“量化失败”风险上升，让投资者对未来经济环境的担忧加剧。避险情绪的升级，会对贵金属形成支撑。

第一黄金网12月10日讯目前，市场上对于做多贵金属资产的欲望开始明显的增强。主要是全球央行“量化失败”风险上升，让投资者对未来经济环境的担忧加剧。避险情绪的升级，会对贵金属形成支撑。

截止发稿，黄金TD报331.78元/千克，涨幅-0.04%。黄金T+D周一(12月9日)夜盘下跌，报331.53元/克，开于332.21元/克，下跌0.68元/克。黄金T+D周一下跌3.04元，跌幅0.91%，收331.91元/克，最高报价335.35元/克，最低报价331.10元/克。

央行“量化失败”风险上升

美联储和欧洲央行本周将先后公布2019年最后一次利率决议，投资者需警惕任何意外情况的发生。美联储决策者今年已三次下调利率，主席鲍威尔在10月的降息行动后，暗示将暂停降息，并表示在官员们看到经济前景出现“实质性的变化”之前，利率将保持不变。

十多年来奋力应对危机的主要经济体央行，今年再次出征支撑全球增长。而在新的十年里，面对经济下行留给决策者的选择将少之又少。自2008年来全球央行降息逾750次，导致利率不是在历史低点附近就是已成为负利率，央行“帮倒忙”的担忧也随之产生。

与此同时，主要央行又在启动量化宽松，开始购买债券，而之前已购买了逾12万亿美元的金融资产，但仍不足以提振通胀。美联储、欧洲央行和日本央行将在未来两周内举行本年度(以及这十年里)的最后一次政策会议。让人担忧的是，央行或在未来十年迎来最大考验。

自1990年代初以来困扰着日本的增长低迷、通胀疲软，恐怕将成为全球现象。包括美国银行在内的分析师们警告投资者，要提防“量化失败或货币政策无能”。

投资者发现央行长期以来的斗争基本是徒劳后，开始自己转向离真相更近一步的观点。未来货币政策的有效性将明显有局限性。即便真有什么效果，但是对可能副作用的怀疑将成为越来越大的问题。

交易员谨慎预计，全部四大区域的10年期收益率涨幅均不超过1个百分点。当然央行并非已经弹尽粮绝：美联储仍有降息空间，欧洲央行也可以加快购买债券。或许很令人吃惊，央行需要的是一些货币政策技巧而已。

最近彼得森国际经济研究所(PIIE)发布的一项研究认为，尽管部分央行尚有弹药可用，但很有限。美联储拥有的刺激空间相当于可再将基准利率下调5个百分点，可应对小幅但不太严重的经济衰退，而欧洲和日本央行只剩下1个百分点的空间。

这些局限性将在以后的政策会议上体现出来。预计美联储将在12月11日按兵不动，欧洲央行料将在次日保持政策不变，而日本央行预计也会在12月19日原地不动。

尽管全球大部分地区通胀保持疲软，但今年年底仍然会很平静。瑞银认为在其所关注的央行中，有三分之二当前的通胀率低于各自目标。

来源: 第一黄金网

关注同花顺财经微信公众号(ths518)，获取更多财经资讯

 

雷刚 发自 凹非寺

量子位 报道 | 公众号 QbitAI

 

 

鹅厂大迈步。

今年CVPR入选论文已公布，全球共有5165篇投稿，1299篇收录，同比去年增长32%(2017年论文录取979篇)。

这些录取的最新科研成果，涵盖了计算机视觉领域各项前沿工作。

其中，中国互联网巨头腾讯披露，今年有超过58篇论文被本届CVPR大会接收。

腾讯优图实验室25篇、腾讯AILab33篇。

 

 

而2018年总计被收录31篇，2017年被收录18篇。

相比去往年，鹅厂堪称实现大迈步，一年收录超过去往年总和。

这也是腾讯AI的持续投入，开始初步开花结果。

腾讯方面称，此次被收录的论文涵盖深度学习优化原理、视觉对抗学习、人脸建模与识别、视频深度理解、行人重识别、人脸检测等热门及前沿领域。

另外值得一提的是，腾讯此次也展现出产学研一体化能力。中标论文中，多篇为腾讯优图与厦门大学纪荣嵘教授团队合作成果。

代表论文摘要

腾讯优图还对入选论文进行了核心要点分享。完整论文将于4月最终提交后分享链接。

 

 

1.UnsupervisedPersonRe-identificationbySoftMultilabelLearning

软多标签学习的无监督行人重识别

 

 

相对于有监督行人重识别(RE-ID)方法，无监督RE-ID因其更佳的可扩展性受到越来越多的研究关注，然而在非交叠的多相机视图下，标签对(pairwiselabel)的缺失导致学习鉴别性的信息仍然是非常具有挑战性的工作。

为了克服这个问题，我们提出了一个用于无监督RE-ID的软多标签学习深度模型。该想法通过将未标注的人与辅助域里的一组已知参考者进行比较，为未标注者标记软标签(类似实值标签的似然向量)。

基于视觉特征以及未标注目标对的软性标签的相似度一致性，我们提出了软多标签引导的hardnegativemining方法去学习一种区分性嵌入表示(discriminativeembedding)。

由于大多数目标对来自交叉视角，我们提出了交叉视角下的软性多标签一致性学习方法，以保证不同视角下标签的一致性。为实现高效的软标签学习，引入了参考代理学习(referenceagentlearning)。

我们的方法在Market-1501和DukeMTMC-reID上进行了评估，显著优于当前最好的无监督RE-ID方法。

2.VisualTrackingviaAdaptiveSpatially-RegularizedCorrelationFilters

基于自适应空间加权相关滤波的视觉跟踪研究

 

 

本文提出自适应空间约束相关滤波算法来同时优化滤波器权重及空间约束矩阵。

首先，本文所提出的自适应空间约束机制可以高效地学习得到一个空间权重以适应目标外观变化，因此可以得到更加鲁棒的目标跟踪结果。

其次，本文提出的算法可以通过交替迭代算法来高效进行求解，基于此，每个子问题都可以得到闭合的解形式。

再次，本文所提出的跟踪器使用两种相关滤波模型来分别估计目标的位置及尺度，可以在得到较高定位精度的同时有效减少计算量。大量的在综合数据集上的实验结果证明了本文所提出的算法可以与现有的先进算法取得相当的跟踪结果，并且达到了实时的跟踪速度。

3.AdversarialAttacksBeyondtheImageSpace

超越图像空间的对抗攻击

生成对抗实例是理解深度神经网络工作机理的重要途径。大多数现有的方法都会在图像空间中产生扰动，即独立修改图像中的每个像素。在本文中，我们更为关注与三维物理性质(如旋转和平移、照明条件等)有意义的变化相对应的对抗性示例子集。

可以说，这些对抗方法提出了一个更值得关注的问题，因为他们证明简单地干扰现实世界中的三维物体和场景也有可能导致神经网络错分实例。

在分类和视觉问答问题的任务中，我们在接收2D输入的神经网络前边增加一个渲染模块来拓展现有的神经网络。我们的方法的流程是:先将3D场景(物理空间)渲染成2D图片(图片空间)，然后经过神经网络把他们映射到一个预测值(输出空间)。

这种对抗性干扰方法可以超越图像空间。在三维物理世界中有明确的意义。虽然图像空间的对抗攻击可以根据像素反照率的变化来解释，但是我们证实它们不能在物理空间给出很好的解释，这样通常会具有非局部效应。

但是在物理空间的攻击是有可能超过图像空间的攻击的，虽然这个比图像空间的攻击更难，体现在物理世界的攻击有更低的成功率和需要更大的干扰。

4.LearningContextGraphforPersonSearch基于上下文图网络的行人检索模型

 

 

本文由腾讯优图实验室与上海交通大学主导完成。

近年来，深度神经网络在行人检索任务中取得了较大的成功。但是这些方法往往只基于单人的外观信息，其在处理跨摄像头下行人外观出现姿态变化、光照变化、遮挡等情况时仍然比较困难。

本文提出了一种新的基于上下文信息的行人检索模型。所提出的模型将场景中同时出现的其他行人作为上下文信息，并使用卷积图模型建模这些上下文信息对目标行人的影响。我们在两个著名的行人检索数据集CUHK-SYSU和PRW的两个评测维度上刷新了当时的世界纪录，取得了top1的行人检索结果。

5.UnderexposedPhotoEnhancementusingDeepIlluminationEstimation

基于深度学习优化光照的暗光下的图像增强

 

 

随着智能手机的普及，照片分享成为网络中非常流行的社交方式。然而，受外部光照条件影响（如背光、低光照等）及用户拍照技术所限，实际中拍摄得到的照片通常会出现欠曝光现象。

由于欠曝光图像通常能见度较差、颜色暗淡且视觉上不友好，因而难以有效传达用户期望且应用场景有限。为改善此类图像质量，欠曝光图像增强应运而生。

然而，该问题由于同时涉及对图像多种外观因素（如亮度，对比度，饱和度等）的编辑，且并没有统一客观的优化目标而异常具有挑战性。现有方法通常无法生成视觉上令人愉悦的结果。

本文介绍了一种新型端到端深度神经网络，用于增强曝光不足的照片。不同于现有方法直接学习图像到图像的映射，我们引入图像光照作为中间变量，将输入图像与预期增强结果相关联，以增强网络从专家修饰的输入/输出图像对中学习复杂摄影调整的能力。

基于该思想，我们制定了一个集光照约束和先验于一体的损失函数，同时构建了一个包含3000张曝光不足图像对的新数据集，并在该数据集上训练网络，赋予其对于不同照明条件欠曝光图像的修复能力。

通过这些方式，我们的网络能够快速恢复出具有清晰细节，鲜明对比度和自然色彩的增强结果。

我们在基准数据集MIT-Adobe FiveK和我们的新数据集进行了大量实验和测试，结果表明我们的网络可以更有效地处理困难图像，且生成的结果更被用户青睐。

6.HomomorphicLatentSpaceInterpolationforUnpairedImage-to-image Translation

基于同态隐空间插值的不成对图片到图片转换

生成对抗网络在不成对的图像到图像转换中取得了巨大成功。循环一致性允许对没有配对数据的两个不同域之间的关系建模。

在本文中，我们提出了一个替代框架，作为潜在空间插值的扩展，在图像转换中考虑两个域之间的中间部分。该框架基于以下事实:在平坦且光滑的潜在空间中，存在连接两个采样点的多条路径。

正确选择插值的路径允许更改某些图像属性，而这对于在两个域之间生成中间图像是非常有用的。我们还表明该框架可以应用于多域和多模态转换。广泛的实验表明该框架对各种任务具有普遍性和适用性。

7.X2CT-GAN:ReconstructingCTfromBiplanarX-RayswithGenerativeAdversarialNetworks

基于生成对抗网络的双平面X光至CT生成系统

 

 

当下CT成像可以提供三维全景视角帮助医生了解病人体内的组织器官的情况，来协助疾病的诊断。但是CT成像与X光成像相比，给病人带来的辐射剂量较大，并且费用成本较高。

传统CT影像的三维重建过程中围绕物体中心旋转采集并使用了大量的X光投影，这在传统的X光机中也是不能实现的。

在这篇文章中，我们创新性的提出了一种基于对抗生成网络的方法，只使用两张正交的二维X光图片来重建逼真的三维CT影像。

核心的创新点包括增维生成网络，多视角特征融合算法等。我们通过实验与量化分析，展示了该方法在二维X光到三维CT重建上大大优于其他对比方法。

通过可视化CT重建结果，我们也可以直观的看到该方法提供的细节更加逼真。在实际应用中,我们的方法在不改变现有X光成像流程的前提下，可以给医生提供额外的类CT的三维影像，来协助他们更好的诊断。

8.SemanticRegenerationNetwork

语义再生网络

本文研究了使用深度生成模型推断视觉上下文的基本问题，即利用合理的结构和细节扩展图像边界。这个看似简单的任务实际上面临着许多关键的技术挑战，并且具有其独特的性质。

任务里两个主要问题是扩展尺寸和单面约束。我们提出了一个具有多个特殊贡献的语义再生网络，并使用多个空间相关的损失来解决这些问题。本文最终的实验结果包含了高度一致的结构和高品质的纹理。我们对各种可能的替代方案和相关方法进行了广泛的实验。

最后，我们也探索了我们的方法对各种有趣应用的潜力，这些应用可以使各个领域的研究受益。

9.TowardsAccurateOne-StageObjectDetectionwithAP-Loss

利用AP损失函数实现精确的一阶目标检测

一阶的目标检测器通常是通过同时优化分类损失函数和定位损失函数来训练。而由于存在大量的锚框，分类损失函数的效果会严重受限于前景-背景类的不平衡。

本文通过提出一种新的训练框架来解决这个问题。我们使用排序任务替换一阶目标检测器中的分类任务，并使用排序问题的中的评价指标AP来作为损失函数。

由于其非连续和非凸，AP损失函数不能直接通过梯度下降优化。为此，我们提出了一种新颖的优化算法，它将感知机学习中的误差驱动更新方案和深度网络中的反向传播算法结合在一起。我们从理论上和经验上验证了提出的算法的良好收敛性。

实验结果表明，在不改变网络架构的情况下，在各种数据集和现有最出色的一阶目标检测器上，AP损失函数的性能相比不同类别的分类损失函数有着显著提高。

10.AmodalInstanceSegmentationthroughKINSDataset

通过KINS数据集进行透视实例分割

 

 

透视实例分割是实例分割的一个新方向，旨在模仿人类的能力对每个对象实例进行分割包括其不可见被遮挡的部分。

此任务需要推理对象的复杂结构。尽管重要且具有未来感，但由于难以正确且一致地标记不可见部分，这项任务缺乏大规模和详细注释的数据，这为探索视觉识别的前沿创造了巨大的障碍。在本文中，我们使用8个类别的更多实例像素级注释来扩充KITTI，我们称之为KITTIINStance数据集(KINS)。

我们提出了通过具有多分支编码(MBC)的新多任务框架来推理不可见部分的网络结构，该框架将各种识别级别的信息组合在一起。大量实验表明，我们的MBC有效地同时改善透视和非透视分割。KINS数据集和我们提出的方法将公开发布。

11.PyramidalPersonRe-IDentificationviaMulti-LossDynamicTraining

基于多损失动态训练策略的金字塔式行人重识别

 

 

大多数已提出的行人重识别方法高度依赖于精准的人体检测以保证目标间的相互对齐。然而在复杂的实际场景中，现有模型尚难以保证检测的精准性，不可避免地影响了行人重识别的性能。

在本文中，我们提出了一种新的由粗及细的金字塔模型，以放宽对检测框的精度限制，金字塔模型整合了局部、全局以及中间的过渡信息，能够在不同尺度下进行有效匹配，即便是在目标对齐不佳情况下。

此外，为了学习具有判别性的身份表征，我们提出了一种动态训练框架，以无缝地协调两种损失函数并提取适当的信息。我们在三个数据库上达到了最好的效果。值得一提的，在最具挑战性的CUHK03数据集上超过当前最佳方法9.5个百分点。

12.DynamicSceneDeblurringwithParameterSelectiveSharingandNestedSkipConnections

基于选择性参数共享和嵌套跳跃连接的图像去模糊算法

 

 

动态场景去模糊是一个具有挑战的底层视觉问题因为每个像素的模糊是多因素共同导致，包括相机运动和物体运动。最近基于深度卷积网络的方法在这个问题上取得了很大的提高。相对于参数独立策略和参数共享策略，我们分析了网络参数的策略并提出了一种选择性参数共享的方案。在每个尺度的子网络内，我们为非线性变换的模块提出了一种嵌套跳跃连接的结构。

此外，我们依照模糊数据生成的方法建立了一个更大的数据集并训练出效果更佳的去模糊网络。实验表明我们的选择性参数共享，嵌套跳跃链接，和新数据集都可以提高效果，并达到最佳的去模糊效果。

13.LearningShape-AwareEmbeddingforSceneTextDetection

一种基于实例分割以及嵌入特征的文本检测方法

由于复杂多变的场景，自然场景下的任意形状文本的检测十分具有挑战性，本文主要针对检测任意形状的文本提出了解决方案。具体地，我们将文本检测视作一个实例分割问题并且提出了一个基于分割的框架，该框架使用相互独立的连通域来表示不同的文本实例。

为了区分不同文本实例，我们的方法将图片像素映射至嵌入特征空间当中，属于同一文本实例的像素在嵌入特征空间中会更加接近彼此，反之属于不同文本实例的像素将会远离彼此。

除此之外，我们提出的Shape-Aware损失可以使得模型能够自适应地去根据文本实例复杂多样的长宽比以及实例间的狭小缝隙来调整训练，同时加以我们提出的全新后处理算法，我们的方法能够产生精准的预测。

我们的实验结果在三个具有挑战性的数据集上(ICDAR15、MSRA-TD500以及CTW1500)验证了我们工作的有效性。

14.PointWeb:EnhancingLocalNeighborhoodFeaturesforPointCloudProcessingPointWeb

通过局部近邻特征增强点云处理

本文提出一种新的在局部近邻点云中提取上下文特征的方法:PointWeb。与之前的方

法不同，为了明确每个基于局部区域特性的点特征，我们密集地连接在局部近邻里的所有点，

这样可以更好地表征该区域。我们提出了“自适应特征调整”模块(AFA)，计算两点之间的相互作用。

对于每个局部区域，通过特征差分图计算点对之间对应每个元素影响程度的“影响图”。根据自适应学习到的影响因子，每个特征都会被相同区域内的其他特征“推开”或“拉近”。调整过的特征图更好地编码区域信息，类似点云分割和分类的点云识别任务，将从中受益。实验结果表明我们的模型在语义分割和形状分类数据集上，超出当前最优的算法。代码和训练好的模型将同论文一起发布。

15.AssociativelySegmentingInstancesandSemanticsinPointClouds

联合分割点云中的实例和语义

一个3D点云精细和直观的描述了一个真实场景。但是迄今为止怎样在这样一个信息丰富的三维场景分割多样化的元素，仍然很少得到讨论。

在本文中，我们首先引入一个简单且灵活的框架来同时分割点云中的实例和语义。进一步地，我们提出两种方法让两个任务从彼此中受益，得到双赢的性能提升。

具体来说，我们通过学习富有语义感知的实例嵌入向量来使实例分割受益于语义分割。同时，将属于同一个实例的点的语义特征融合在一起，从而更准确地对每个点进行语义预测。我们的方法大幅超过目前最先进的3D实例分割方法，在3D语义分割上也有显著提升。

代码和模型已经开源:

https://github.com/WXinlong/ASIS.

16.CyclicGuidanceforWeaklySupervisedJointDetectionandSegmentation

基于循环指导的弱监督联合检测和分割

 

 

本文由腾讯优图实验室与厦门大学纪荣嵘教授团队主导完成。

我们首次提出使用多任务学习机制联合弱监督检测和分割任务，并基于两个任务各自的互补失败模式来改进对方。

这种交叉任务的增强使得两个任务更能逃离局部最小值。我们的方法WS-JDS有两个分支并共享同一个骨干模型，分别对应两个任务。

在学习过程中，我们提出循环指导范式和特地的损失函数来改进双方。实验结果表明该算法取得了的性能提升。

17.ROIPooledCorrelationFiltersforVisualTracking

基于感兴趣区域池化的相关滤波跟踪研究

基于ROI的池化算法在样本被提取的感兴趣区域进行池化操作，并已经在目标检测等领域取得了较大的成功。

该池化算法可以较好的压缩模型的尺寸，并且保留原有模型的定位精度，因此非常适合视觉跟踪领域。尽管基于ROI的池化操作已经被不同领域证明了其有效性，其在相关滤波领域仍然没有得到很好的应用。

基于此，本文提出了新颖的具有ROI池化功能的相关滤波算法进行鲁棒的目标跟踪。通过严谨的数学推导，我们证明了相关滤波中的ROI池化可以通过在学习到的滤波器上引入附加的约束来等效实现，这样就使得我们可以在不必明确提取出训练样本的情况下完成池化操作。我们提出了一个高效的相关滤波算法，并给出了基于傅立叶的目标函数求解算法。

我们在OTB-2013、OTB-2015及VOT-2017上对所提出的算法进行测试，大量的实验结果证明了本文所提出算法的有效性。

18.ExploitingKernelSparsityandEntropyforInterpretableCNNCompression

基于卷积核稀疏性与密度熵的神经网络压缩方法

 

 

本文由腾讯优图实验室与厦门大学纪荣嵘教授团队主导完成。

我们从神经网络的解释性角度出发，分析卷积神经网络特征图的冗余性问题，发现特征图的重要性取决于它的稀疏性和信息丰富度。但直接计算特征图的稀疏性与信息丰富度，需要巨大计算开销。

为克服此问题，我们建立了特征图和其对应二维卷积核之间的联系，通过卷积核的稀疏性和密度熵来表征对应特征图的重要程度，并得到判定特征图重要性的得分函数。

在此基础上，我们采用较为细粒度压缩的卷积核聚类代替传统的剪枝方式压缩模型。大量的实验结果表明，我们所提出的基于卷积核稀疏性与密度熵的压缩方法可以达到更高的压缩率和精度。

19.MMFace:AMulti-MetricRegressionNetworkforUnconstrainedFaceReconstruction

MMFace:用于无约束三维人脸重建的多度量回归网络

 

 

本文提出了一个用于进行无约束三维人脸重建的多度量回归网络。其核心思想是利用一个体素回归子网络从输入图像生成一个人脸几何结构的中间表达，再从该中间表达回归出对应的三维人脸形变模型参数。

我们从包括人脸身份、表情、头部姿态，以及体素等多个度量对回归结果进行了约束，使得我们的算法在夸张的表情，大头部姿态、局部遮挡、复杂光照环境都有很好的鲁棒性。相比于目前的主流算法，我们的方法在公开的三维人脸数据集LS3D-W和Florence上都得到了显著的提升。此外，我们的方法还直接应用到对视频序列的处理。

20.TowardsOptimalStructuredCNNPruningviaGenerativeAdversarialLearning

基于生成对抗学习的最优结构化卷积神经网络剪枝方法

 

 

本文由腾讯优图实验室与厦门大学纪荣嵘教授团队主导完成。

我们提出了一种基于生成对抗学习的最优结构化网络剪枝方法，利用无监督端对端训练剪枝网络中冗余的异质结构，有效解决了传统结构化剪枝方法存在剪枝效率低、缺乏松弛性、强标签依赖等问题。

该方法对每个模型结构引入了软掩码，并对其加入稀疏限制，使其表征每个结构的冗余性。为了更好学习模型参数和掩码，我们利用无类别标签生成对抗学习框架，构建新的结构化剪枝目标函数，并利用快速的迭代阈值收缩算法解决该优化问题，稳定移除冗余结构。通过大量的实验结果表明，相比于目前最先进的结构化剪枝方法，我们所提出的剪枝方法可以获得更好的性能。

21.SemanticComponentDecompositionforFaceAttributeManipulation

基于语义成分分解的人脸属性编辑

 

 

最近，基于深度神经网络的方法已被广泛研究用于面部属性编辑。然而，仍然存在两个主要问题，即视觉质量不佳以及结果难以由用户控制。这限制了现有方法的适用性，因为用户可能对不同的面部属性具有不同的编辑偏好。

在本文中，我们通过提出一个基于语义组件的模型来解决这些问题。该模型将面部属性分解为多个语义成分，每个语义成分对应于特定的面部区域。这不仅允许用户基于他们的偏好来控制不同部分的编辑强度，而且还使得有效去除不想要的编辑效果。

此外，每个语义组件由两个基本元素组成，它们分别确定编辑效果和编辑区域。此属性允许我们进行更细粒度的交互式控制。实验表明，我们的模型不仅可以产生高质量的结果，还可以实现有效的用户交互。

22.Memory-AttendedRecurrentNetworkforVideoCaptioning

一种针对视频描述的基于记忆机制的循环神经网络

 

 

传统的视频描述生成的模型遵循编码-解码(encoder-decoder)的框架，对输入的视频先进行视频编码，然后解码生成相应的视频描述。这类方法的局限在于仅能关注到当前正在处理的一段视频。

而在实际案例中，一个词或者短语可以同时出现在不同但语义相似的视频中，所以基于编码-解码的方法不能同时抓取一个词在多个相关视频中的上下文语义信息。

为了解决这个局限性，我们提出了一种基于记忆机制的循环神经网络模型，设计了一种独特的记忆结构来抓取每个词库中的词与其所有相关视频中的对应语义信息。

因此，我们的模型可以对每个词的语义有更全面和深入的理解，从而提高生成的视频描述的质量。

另外，我们设计的记忆结构能够评估相邻词之间的连贯性。充足的实验证明我们的模型比现有的其他模型生成的视频描述质量更高。

23.DistilledPersonRe-identification:TowardsaMoreScalableSystem

蒸馏的行人重识别:迈向更具可扩展性的系统

 

 

行人重识别(Re-ID)，作为面向非交叠相机视角下的行人比对技术，在具备丰富标签数据下有监督学习领域的研究已取得了长足的进步。然而可扩展性问题仍然是系统走向大规模应用的瓶颈。

我们从三个方面考虑Re-ID的可扩展性问题:(1)减少标签规模来降低标注成本，(2)复用已有知识来降低迁移成本(3)使用轻量模型来降低预测成本。

为解决这些问题，我们提出了一种多教师自适应的相似度蒸馏框架，仅需要少量有标注的目标域身份，即可将多种教师模型中的知识迁移到订制的轻量级学生模型，而无需利用源域数据。为有效选择教师模型，完成知识迁移，我们提出了Log-Euclidean的相似度蒸馏损失函数，并进一步整合了
AdaptiveKnowledgeAggregator。大量的实验评估结果论证了方法的可扩展性，在性能上可与当前最好的无监督和半监督Re-ID方法相媲美。

24.DSFD:DualShotFaceDetector

双分支人脸检测器

 

 

本文由南京理工大学计算机科学与工程学院PCALab与腾讯优图实验室合作完成。

近年来，卷积神经网络在人脸检测中取得了很大的成功。然而这些方法在处理人脸中多变的尺度，姿态，遮挡，表情，光照等问题时依然比较困难。

本文提出了一种新的方法，分别处理了人脸检测方向的三个关键点，包括更好的特征学习，渐进式的损失函数设计以及基于锚点分配的数据扩充。

首先，我们提出了一种特征增强单元，以增强特征能力的方式将单分支扩展到双分支结构。

其次，我们采用渐进式的锚点损失函数，通过给双分支不同尺度的锚点集更有效地促进特征学习。

最后，我们使用了一种改进的锚点匹配方法，为回归器提供了更好的初始化数据。由于上述技术都与双分支的设计相关，我们将本文方法命名为双分支人脸检测器。

我们在两个著名的人脸检测数据集WIDERFACE和FDDB的5个评测维度上均刷新了当时的世界纪录，取得了Top1的人脸检测结果。

25.3DMotionDecompositionforRGBDFutureDynamicSceneSynthesis

基于3D运动分解合成RGBD未来动态场景

视频中未来时刻的帧，是由相机自身运动和场景中物体运动后的3D场景投影到2D形成的。因此，从根本上说，精确预测视频未来的变化，需要理解场景的3D运动和几何特性。

在这篇文章中，我们提出了通过3D运动分解来实现的RGBD场景预测模型。我们首先预测相机运动和前景物体运动，它们共同用来生成3D未来场景，然后投影到2D相机平面来合成未来的运动、RGB图像和深度图。

我们也可以把语义分割信息融入系统，以预测未来时刻的语义图。我们在KITTI和Driving上的结果说明，我们的方法超过了当前最优的预测RGBD未来场景的方法。

— 完 —

诚挚招聘

量子位正在招募编辑/记者，工作地点在北京中关村。期待有才气、有热情的同学加入我们！相关细节，请在量子位公众号(QbitAI)对话界面，回复“招聘”两个字。

量子位 QbitAI · 头条号签约作者

վ'ᴗ' ի 追踪AI技术和产品新动态

 

2019年6月6日，工业和信息化部向中国电信、中国移动、中国联通和中国广电正式颁发5G牌照，批准四家企业经营“第五代数字蜂窝移动通信业务”。我国正式进入5G商用元年。

一石激起千层浪，相较于此前各运营商官方表述的“2020年5G正式商用”时间表，工信部将5G牌照的发放时间至少提前了半年。

那么，5G正式商用到底会给通信市场利益链各方带来什么样的影响？我们试着参考4G市场发展的相关历史数据，做一个全面的分析。

通信运营商：扛起更多责任

5G牌照的发放对象是中国移动、中国电信和中国联通这三大传统通信运营商和新入局的中国广电。拿到5G牌照后，三大运营商获得了在此前已经授予的5G试验频谱上正式开始5G网络建设和5G业务运营的资格，中国广电坐拥号称黄金频段的700MHz，但如何利用5G牌照来发挥出自身更大优势也是个不小的考验。

5G牌照正式发放首先带来的是运营商用于5G网络建设的资本开支的上调。三大运营商发布2018年财报时均公布了2019年度5G资本开支计划，其中中国移动2019年“5G试商用”资本开支预计在172亿元之内；中国联通计划60亿—80亿元用于“5G试验资本开支”；中国电信明确表示2019年的5G投资预算为90亿元。但值得注意的是，三大运营商今年三月份公布其资本开支计划时，相对应的5G时间表还是2019年试商用和2020年全面商用。

随着5G牌照正式发放，三大运营商2019年的5G资本开支计划也面临着网络建设由“规模试验”、“规模试商用”向“全面商用”的相应调整，并将影响到2020年的资本开支计划。

参考下图所附三大运营商历年资本开支情况来看，在工业和信息化部于2013年12月和2015年2月发放TD-LTE和FDD LTE商用牌照之后，三大运营商在2014和2015年的资本开支成为近六年来的最大峰值，所以可以预计三大运营商将在5G牌照发放后的2019—2021年间迎来又一个网络升级换代的投资高峰期。

也就是说，三大运营商拿到了5G牌照不仅意味着他们站在了5G网络部署的制高点上，同时他们也面临一系列新挑战。

最明显的就是资本开支的上调，在中国移动最新发布的2019年第一季度运营数据报告中，由于受到收入同比下降、刚性支出持续增加影响，2019年首季度税前利润比上年同期下降了8.6%；中国联通2019年首季度税前利润虽比去年同期增长了19.2%，但主要得益于”近年资本开支的良好管控”、“自由现金流助力带息债务比去年同期大幅减少”和“网络、运营及支撑成本比去年同期下降”等“节流”措施所致。

随着5G牌照正式发放带来的5G资本开支的上调，刚性成本支出和财务成本的上升将不可避免地对三大运营商的利润业绩形成一定程度的冲击。

当然，5G牌照的发放，也将推动三大运营商将5G商用服务提前推向市场并由此带来新的业务收入。此前，三大运营商已开始基于其5G试验网络向社会招募“5G友好用户”；拿到商用牌照之后，运营商将可以正式为5G商用服务设计资费套餐，从首批尝鲜的5G用户身上获取相应的通信服务收入。

除此之外，三大运营商还将扛起更大的运营责任。中国的4G商用已走过近5年的历程，截至今年4月底 4G用户规模已到达12.1亿户，但渗透比例仅有75.9%，中国三大运营商的现网上还存在着1.3亿3G用户和近2.5亿2G用户。在5G牌照发放后，三大运营商在相当长的一段时间范围内将四张网络并行、四代用户兼营。

中国在5G方面的发展已经走在了世界的前列，注定了这条路走起来不那么容易，三大运营商面对的仍将是一段负重前行的旅程。

通信设备厂商：输赢各不同

通信设备厂商无疑是5G牌照提前发放的最大受益方。当年我国4G牌照发放在2014和2015年带来的大规模LTE网络建设极大促进了华为、中兴、诺基亚和爱立信在中国区业务收入的增长，但随着LTE网络建设高峰期（2015—2016年）的结束，通信设备厂商无一例外从2017年开始步入行业的寒冬。

随着三大运营商获得5G牌照后启动5G网络的规模建设，参照上图当年部署4G基站的建设节奏，预计5G基站的市场需求将在2020—2021年间达到峰值，由此通信设备厂商将彻底结束青黄不接的“4G寒冬”而步入生机焕发的“5G春天”。

但5G牌照提前到2019年发放，对于三大运营商在5G组网方式选择上所产生的影响，却直接导致了通信设备厂商的输赢各异的不同命运。

针对5G网络的建设和部署架构，3GPP定义了非独立组网（NSA）和独立组网（SA）两种标准选项，三大运营商都将能支持mMTC和uRLLC等全新业务场景的SA架构组网作为5G的目标网络，但受限于SA标准冻结时间较晚而导致的产业链不成熟，目前均在同步推进NSA和SA的规模试验。工业和信息化部将5G牌照的发放时间提前到近期，意味着三大运营商将只能在2019年选择NSA的组网架构来启动5G商用网络的建设。

NSA就是利用现有4G网络实现5G宽带应用，因此5G NSA建网需要锚定原有4G无线网络，则维持原有4G供应商格局成为必然，这对于在三大运营商4G网络上占据了近8成市场份额（海外咨询机构HIS统计结果为77%）的华为和中兴而言，无疑是绝对的利好。

5G牌照发放后，华为官方宣布其面向全球市场的5G基站发货已超过10万个，这其中就有部分5G基站是以预发货的形式供给了国内的三大运营商进行5G试验以及试商用的提前部署。三大运营商拿到商用牌照之后会尽快启动5G网络建设的招标采购，华为预计仍将延续其在4G市场上的主导地位而取得份额最大的5G商用合同，在新增5G合同发货带来更多5G收入的同时，也可在短时间内一次性回笼前期的国内5G预发货货款，获得宝贵的现金流支持。

此外，占据国内4G网络绝对市场份额的华为和中兴也将在运营商的5G招标采购中，因NSA组网的绑定优势而获得议价权上的主动，从而取得5G商用合同的利润最大化。同样，借助NSA组网的绑定优势，在国内4G网络上拥有相对市场份额的国外厂商诺基亚和爱立信基本上也可以确保其在中国5G市场布局中的合理位置，特别是在工信部明确表示“我们将一如既往地欢迎国内外企业积极参与我国5G网络建设和应用推广，共同分享我国5G发展成果”的官方背书之下。

然而，5G牌照提前发放而导致三大运营商只能选择NSA的组网架构来启动5G商用网络的建设，对于在国资委主导下刚刚完成央企合并的中国信科来说却没那么乐观。

中国信科合并的初衷就是借助烽火的产业能力和大唐的研发实力谋求在5G上扭转当年在国内4G市场上颗粒无收的窘迫境地，如5G牌照按原计划在2020年SA产业链成熟之后发放则运营商将有意愿独立于4G新建SA架构的5G网络，这本来可以为中国信科提供一个在5G时代崛起的竞争机会，但5G牌照的提前发放则不利于实现中国信科在国内5G网络市场谋求一席之地的梦想。

同遭打击沦为输家的还有一直蠢蠢欲动希望借助5G进入中国通信设备市场的三星电子。在咨询机构Dell’Oro Group最新发布的相关报告中，三星电子因为在5G先发市场韩国和美国借助本土优势和盟友优势取得了不俗的市场份额，从而在5G基站出货量和销售额上暂时取得了市场第一的排名。但随着我国5G牌照的发放和大规模网络建设的启动，华为、诺基亚、爱立信和中兴会由此迅速完成对三星电子的碾压，从而将通信设备厂商的5G排名拉回到传统格局。

但与通信设备厂商在5G牌照发放后将迎来生机焕发的5G春天不同，5G牌照在短期内带给手机终端厂商的却可能是一个考验。

目前我国移动电话普及率已经达到114部/百人，日趋饱和的手机市场缺乏性能带动的刚性换机需求，因此，各家手机厂商只能以更炫的外观、更酷的功能等翻新花样频频推出4G手机新品，来吸引手机用户消费升级，弃旧换新，力争在白热化的厮杀竞争中不掉队。随着5G牌照的发放，出于新一轮升级换代的刚需预期，手机用户对于4G手机的更换将更为谨慎，市场上持币待购“下一代不过时的手机”心理的加重将严重影响手机终端厂商的4G手机出货量，特别对于那些在2019年上半年刚刚推出4G新机型的厂商而言，在市场推广重心将在下半年转向5G手机的背景下，其前期投入的广告营销费用将面临打水漂的风险。

同时，虽然市场推广中心将在下半年转向5G手机，但短期内5G手机的上市销售仍面临一些挑战：

首先是价格。为在即将到来的5G时代取得先发优势，以华为、小米、OPPO为首的国产手机厂商很早就在5G手机研发上投入了重兵和重金，这在某种程度上加重了首批上市的5G手机需要承担的研发成本的摊销，同时由于手机量产有一个爬坡过程，初期小批量的元器件采购也将加大5G手机的制造成本，如果再加上市场培育所需的营销推广成本，初期上市的5G手机预判将集中在5000—8000元区间，这是个较高的价格。

其次是芯片供应。5G手机与4G手机的最主要区别是基带芯片，与4G手机的基带芯片有高通、华为、联发科乃至展讯等多厂家竞争逐步拉低芯片成本不同，目前可供商用的5G手机基带芯片只有华为的Balong5000和高通的骁龙X50两种，由于华为的芯片仅限于自用，因此大部分手机厂商的5G手机生产和上市将严重依赖高通的供应能力。

此外还有产品成熟度的考验。作为新一代通信技术的5G，从技术标准、网络架构到芯片能力是针对整个产业链的全新挑战，因此投向最终用户市场的5G手机，也需要在不断的网络测试、用户体验、产业链磨合中才能逐步走向成熟。

综上所述，5G手机很难在短时间内成为普及的电子消费品，其出货量可能是一个爬坡过程，参照下图所示4G牌照发放后2014年间的3G和4G手机出货量占比变化情况，可以预见在5G牌照发放后，从2019年下半年到2020年下半年的18个月区间内，4G手机销量的下滑与5G手机销量的爬升不是一蹴而就的，这期间众多手机厂商可能会倍感压力。

在此18个月的区间内，那些没有通信技术积累无法向5G转型的手机厂商将被市场淘汰，而那些率先向市场推出5G手机的先行者在不断调整身姿后，则会为自己争取到更大的存活空间。

普通用户：买单意愿暂不强烈

由于5G牌照提前发放而选择NSA的组网架构来启动5G网络建设，因此我国5G的应用场景在相当长一段时间内将仍以面对广大手机用户的消费类应用为主。只有随着5G网络架构向SA的演进，真正发挥5G高可靠、低时延、海量连接特点的mMTC和uRLLC应用才可能在垂直行业拓展到产业场景。

因此，对于广大手机用户而言，其可接受的5G的最大卖点就是eMBB速度快。业界面向大众市场推广5G最爱举的例子也是下载一部2小时的高清电影，4G需要40分钟而5G只需要1秒钟。

但“速度快”的好处很容易转化为“用不起”的顾虑。英国BBC电视台在使用5G网络直播运营商EE商用5G的报道中，给普通观众印象最深刻的除了无抖动的镜头外，就是事先预备的流量不够用而数次中断直播的尴尬。因此速度更快的5G资费套餐设计将成为最终用户选择5G服务首先要考虑的因素。

“速度快”的5G能用来做什么是与可接受的资费水平相互影响的因素。正如工业和信息化部发言人闻库所说，“建得好不是5G的目的，用得好才是5G的真正目的”，运营商在5G网络测试阶段经常用于市场造势的应用如超高清视频、远程医疗、浸入式游戏等适用于家庭或个人的5G案例，其实在室内场景均可以通过百兆固网宽带更容易得到更完美的实现。因此，在5G网络商用后运营商与相关合作方能否尽快找到5G的“杀手级”应用来催化市场，将直接影响到最终用户是否会为5G买单的意愿。

中国新闻网在社交媒体微博上发起了一个“5G商用牌照下发后，你会立刻换5G手机吗？的小调查，在截至目前3.2万人的投票选项中有33.2%的的用户选择“观望，等等再说”，另有48.9%的用户因为顾虑于5G手机价格高和5G应有场景不明确而投下反对票。这充分反映了普通民众接受5G确实需要一定的时间。

5G牌照发放后，5G用户的渗透率将是衡量5G商用是否成功的重要标志之一，因为这代表了5G在市场上受欢迎的程度和考核运营商在5G建设和运营上投入的回报指标。如何打消手机用户的观望态度将是整个通信业界首先需要克服的5G最大挑战。

5G正式发牌，只是5G商用进程迈出的第一步，当前冷暖不均的市场业态也是5G起步阶段的必经过程。展望5G发展漫长的未来道路，在看到其巨大前景的同时，也要考虑到投资压力、技术难题、市场认可等一系列挑战。

要推动5G实现高质量的发展，更需要包括通信运营商、通信设备商和手机终端厂商等所有产业参与者的共同努力来携手应对。（来源：瞭望智库）

“我们的原则是把每一步做扎实，稳扎稳打，和腾讯的整个风格一样。”

作者|皮爷

出品|产业家

2016年，李纲和团队一起去拜访了某国有大行的负责人。他们此行的目的很直接——拿下该行的核心系统“大单”。

“真的是赤身肉搏。”李纲告诉产业家，“5年6次POC，每次都是大家进考场把同一套考题做一遍，然后就回去等消息。”李纲是腾讯云副总裁，也更是腾讯诸多数据库项目的负责人。

但结果是好的。2020年12月，李纲带领腾讯云数据库团队正式拿下了该行的“数据库大单”。

之所以说是“大单”，是因为腾讯云数据库团队这次要改造的是银行核心数据库系统。“核心系统”是金融机构最为关键的IT系统，是金融系统的“心脏”。系统之上关系着百姓民生的资金安全可靠，不容有半分差错。核心系统也是IT整体支出占比最大，最为复杂，对技术要求最高的一环。

一个明朗的趋势是，在最近的几年时间里，“国产替代”正在向金融等更垂直的行业场景落地。相较于Oracle等国外厂商，国内企业的技术和服务能力已然不逊色。甚至在服务和交付等某些环节，这种“不逊色”已经成为超越。

该国有大行，就是一个鲜明的案例。而从另一个角度看，这也更是腾讯云数据库TDSQL过去两年成绩单的一个缩影。

过去三年里，伴随着马化腾对于产业互联网的“终极提问”，腾讯的TO B路径被清晰地放置到舞台中央。在此之中，金融、保险、政务、零售、交通……等诸多动作陈列铺开，共同构成着腾讯TO B的进度条。

但对更多的TO B企业而言，在一众行业解决方案和C2B能力背后，他们同样看重的是腾讯的“核心区力量”——以云计算、数据库为核心的技术服务能力。换言之，之前具备“社交”“投资”“游戏”属性的腾讯，是否真正具备服务诸如金融、保险、政务等超大型客户的底层能力？

答案是肯定的。甚至更明确的回答是，在生态之外，诸如TDSQL腾讯云数据库的底层技术能力正在成为腾讯在产业互联网战场上的另一个破局点。

一、核心系统，替代进行时

“客户最开始的态度都是半信半疑的。”李纲表示。在他的印象里，在最开始他把平安银行的项目案例展示该国有大行团队看时，对方有些许“不屑”。

平安银行信用卡中心，是金融行业内第一个将金融机构核心业务系统由大型机集中式架构迁移到PC服务器分布式架构的成功案例，其数据库采用的恰是TDSQL。

但在李纲对面的该国有大行团队看来，这些能力远远不够。这次的“高门槛”对应的不仅仅是远超平安银行信用卡中心的发卡量，更关键的恰如上文所言，“要改造的对象是核心系统。”

对这次项目的更细颗粒度解读是，这次要完成的是国内首个核心全链路的信创国产化，即改造的不仅是数据库，更涉及基础硬件、操作系统、中间件、云平台等诸多领域，也更是国内金融行业推进核心系统国产化的标志性案例。

不论对银行，还是腾讯云数据库团队而言，这个项目都意义重大。

对于TDSQL，李纲有信心。在过去的几年时间里，除了平安银行，他还带领团队先后服务过张家港农商行，也曾一度帮助昆山农商行完成了“微服务应用+国产分布式数据库”架构。而把目光放到最近两年，在第七次全国人口普查和健康码等超大型项目背后，都有腾讯云数据库的影子。

但尽管如此，在该行项目上，他还是感受到了压力。“真的非常考验耐心。等我们拿下项目的时候，我们已经在一起走了将近5、6年的时间了。”

李纲说的“一起走”，具体到执行层面是一整个方案团队。其中包括架构师、DBA、集成商，以及行方的技术专家等等，在过去的几年时间里，这个小型的联合攻坚技术团队已经通过多个大型测试、无数个小型测试完成了各个环节的预案。

“我们针对每一个核心系统都会有非常细致的拆解，根据每个业务的特点设计不同的数据架构、分布模式，怎么跟应用配合，然后怎么跟上下游关联，包括周边的配套，要做到完全融入到银行的整个体系里面。”

实际上，不论是该银行，还是之前的平安银行信用卡中心、昆山农商行，诸多金融行业的动作背后都在传递出一个明朗的信号：国产化替代。

或者更可以说，相较于前两年的“去IOE”口号，当下的国产化替代已经正式进入实践落地环节。

一方面，对金融行业而言，数据安全和高流量下的系统更迭正在成为必须要考量的行业问题，数据库等核心系统的升级改造势在必行；另一方面，随着TDSQL等国产分布式数据库的崛起，金融行业的要求正在被国产厂商一一满足。

实际上，在腾讯云TDSQL内部，对于国产化也更有清晰的定义。“第一看能力，第二看生态，第三看‘标杆’。”腾讯云数据库副总经理王义成表示。

二、从“插红旗”到“定标准”

“标杆”，在腾讯云数据库团队内部还有一个说法，“也是‘插红旗’。”

实际上，这也是TDSQL一直以来的路径。“我们一路走来，真的是一直在‘升级打怪’的过程。”李纲感叹。TDSQL源头来自腾讯内部的计费业务，而后在腾讯云内部庞大的流量和场景下逐渐发展，也恰是在这种强压下，其开始具备金融级、分布式、大数据高并发等核心能力。

微众银行是一个转折点。“当时微众对内外都进行了广泛选型，但最终还是选择了我们。”2014年底，TDSQL数据库正式投产微众银行核心系统。此时，其生产+容灾部署超过800个节点，数据库实例个数达到2000+，整体数据规模达到PB级。

在之后的几年时间里，一个个标杆案例被迅速拿下。除了上文所说的平安银行信用卡中心、昆山农商行等银行系统，还有江苏人社、太平洋保险等一众政务、保险数据库系统。

“在挑战这些技术难度的过程中，真的是一个一个走过来的。我们拿下这些标杆的目的也是为了让行业更认可我们。”腾讯云数据库技术负责人潘安群告诉我们。

困难不难想象。对更多的金融客户而言，数据库乃至核心系统的改造始终奔着“谨小慎微”，必须把未知风险降到最低。比如上文提到的“5年6次POC”，再比如张家港行的“前4-6个月，都是在做预案”。张家港行这个项目，在行方内部还被打了个比方，叫“核试爆”。

一个大致的时间线是，从金融大行决定国产化替代到真正的系统上线，周期至少在三年以上。

实际上，如今腾讯云TDSQL已然是国内大部分金融机构的首选。值得一提的是，在腾讯刚刚发布的Q3财报中，TDSQL首次出现在财报信息里。

而根据财报数据显示，如今，腾讯云分布式数据库TDSQL已服务近半国内TOP 20银行，TOP 10银行中服务比例高达60%。其客户数已超过3000多家，遍布金融、公共服务和电信等诸多垂直行业。

此外，从产品序列来看，TDSQL不仅有单体实例可支撑百T百万QPS的云原生序列TDSQL-C，同时更有可应用于百P级复杂场景的分析型序列TDSQL-A。此外，其还具备轻量级的SaaS平台服务能力，如智能数据库运维平台DBbrain、可以支持SQL语法自动转化的DBbridge 等等。

值得一提的是，在此次腾讯生态大会上，TDSQL更是发布了两款新引擎——全新的Oracle兼容引擎和新敏态引擎，分别对应金融行业的“去‘o’”场景和敏态业务。

这几款产品已然在多个国产替代案例中展现出强大的战斗力。如在太平洋保险集团的数据库国产化项目中，TDSQL的Oracle兼容度达到98%以上，这意味着企业可以在极短时间内，极小业务改动量的情况下，快速完成测试验证和上线。

“我们的原则是把每一步做扎实，稳扎稳打，和腾讯的整个风格一样。”李纲表示。

迈向纵深的下一步已经在推进。“如果说之前我们是在‘插红旗’，接下来我们就会更多的定标准。”更明确的声音在此次腾讯生态大会上被传递出来。即未来五年，腾讯云数据库TDSQL要帮助1000家金融机构实现核心系统国产化转型。

细分赛道的切入意味着服务标准化。即“我们要努力把我们的产品能力沉淀下来，沉淀成标准化的产品、服务以及交付能力，让标杆更细颗粒度，更垂直。”李纲表示，“让交付周期从两年、三年缩短到一年，甚至半年。”

一个小flag被立下。“未来三年，TDSQL要争取做到市场的绝对领先。”

三、数据库，跑进生态时代

值得一提的是，本次腾讯生态大会上，在产品之外，一个更值得外界关注的信号是——TDSQL即将推出TDSQL免费版，模式是基于“软件+服务”。

对于TDSQL免费版，李纲有过一个清晰的解读，“我们是想通过免费版来带动上下游以及整条线链路的人去做整体的生态扩展。”

在他看来，单就数据库领域而言，单纯的开源很难成为国产化趋势的推手，在开源之上，更需要一个完整的技术生态，来不断将上下游的开发者、咨询商等各种环节都囊括进来，进而形成更大的合力。

诚然如此。尽管国内的开源环境在日趋向好，但对更多的参与者而言，门槛仍然过高，这也导致了开源模式下诸多变现模式很难跑通，技术生态发展缓慢。TDSQL的做法恰是把技术大规模落地的门槛进一步降低，通过建立好技术的“生态配套”来让更多的中小企业参与。

这种生态的延展不仅在输出端，更在底层操作系统的输入端。

今年5月， TDSQL与国产ARM服务器平台完成适配互认证，实现底层硬件的多平台支持。与之对应的是微众银行将TDSQL数据库从X86服务器平台迁移到国产ARM服务器平台，在银行业内首次实现了核心系统数据库软硬件全国产化。

实际上，在腾讯未来的规划里，和“立标准”并列的另一条线恰是“扩生态”。

在这条线上，三个方向已经被锚定。“第一个是面向ISV开发商，第二个是服务体系，其次是培训体系。”

更具体来看，这三个方向分别对应着生态的技术底层能力建设、生态产品输出和产业人才输入。值得一提的是，在面向ISV开发商侧，腾讯专门建立了一个联合实验室，以完成和各个应用的底层认证；同时，在服务体系侧，TDSQL的品牌能力同样开放给Oracle等产品的服务商，完成认证后即可面向市场做对应服务；此外，在培训侧，TDSQL更是建立了一整套包含初级、中级、高级的培训和认证体系，进行人才培养和认证。

实际上，当下国产数据库的发展，需要的已经不仅仅是单个产品的突破和单个企业的突破。对于数据库这种具备核心竞争力的技术，更应该需要的恰是整个产品上下游体系和生态环境的建设，只有这样，国产化的大潮才能涌起更大的浪花。

“今天推出的免费版在我们看来更是一个轴，希望能通过它让各个板块扭转起来，来构建出一个更好的生态。”

▼

8月26日，潘安群发了个朋友圈，“2016年第一次立下的flag，今年要实现了。”下面是众多同事和领导的感叹和祝福。

时间回到6年前，他当时在朋友圈写下：“力争让每一张钱都能打上TDSQL inside的标签”。

对这样一批技术人来说，他们一如既往地相信技术的力量。不论是在腾讯内部庞大的数据难题中，还是在外部金融客户的高标准、严要求下。从“插红旗”到“立标准”，从单兵作战到生态适配认证，TDSQL都在始终如一地保持进发。

实际上，在国产化浪潮滚滚而言的当下，越来越多的像TDSQL的国产产品成为企业核心业务价值的布设阵地。不仅在数据库，更在芯片、操作系统、服务器等等。

2008年，腾讯云数据库团队获得了公司重大技术突破奖；而就在前几天，李纲和团队又再次将腾讯的业务突破奖收入囊中。从技术到产品，TDSQL正在从腾讯最稳固的“盾”，成为最尖锐的“矛”。

对腾讯而言，不论在消费互联网还是如今数实融合的产业互联网，这样的一群技术人都是它不断探寻边界的底气和自信。

上一篇：600805股票分析(股票行情)

下一篇：中海科技(股票)