清华大学孙富春:AI目前是硅智能 下一步是碳智能

2018-03-30 15:00:32 来源:网易智能 热度:

3月29日 昨日下午,“触摸科学大咖 遇见未来科技”未来杯 AI 挑战赛启动仪式暨未来科技主题讲座在贵阳举行。会上,清华大学计算机科学与技术系教授、博士生导师孙富春发表演讲。
 
孙富春称,人工智能依赖于物质基础,谈人工智能必须谈是在什么样的物质上建立的。目前这一代人工智能依赖于硅片计算机,它是从逼近的角度来做智能,靠的是大量的计算,所以互联网是群体智能的物质基础。
 
关于如何改变深度学习目前的问题,孙富春提出,在承担自然基金会一个重大的项目时,搞医学的老师有个重大的发现,就是在猴子的多感觉通导里发现了一个神经环路里的记忆机制,这种机制就是调节多感觉信号的。这个突破有可能会解决深度学习从单模态学习转向多模态学习的问题。
 
孙富春认为,人工智能的发展有四个阶段,第一个阶段就是不知道自己不知道,就是现在,是一个无知者无畏的时代,哪个都觉得自己是人工智能专家。
 
第二阶段叫知道自己不知道。随着人工智能的不断发展,它的边缘越来越清晰,比如我们今天提到的生物启发智能。沿着这条线索发展的智能,我们认为这才叫人工智能。有很多人可能说我不是搞人工智能,我是用人工智能。
 
第三个阶段叫不知道自己知道。那就是人工智能发展过程里有非常重要的部分,必须用国家行为来进行。比如说我们今天把人工智能作为国家战略,为什么呢?其实大家都知道,火药是中国人自己发明的,但是甲午海战时,八国联军时是人家拿着我们的火药进来。所以人工智能必须以国家的行为加以大力发展和研究。
 
第四阶段叫知道自己知道。就是人工智能是我们人用来为我们服务的,它的目标应该使我们人类生活更加美好。
 
以下为孙富春演讲实录:
 
首先非常感谢大会组委会和贵州师范大学,这是我第一次来到这么一个以大数据,以天眼、数据的整个地面工作为主的学校。我今天汇报的题目是“人工智能和产业应用”。大家都知道最近最热的一个词就是人工智能,特别是AlphaGo Zero,它用三天的时间战胜了AlphaGo,六天的时间战胜了AlphaGo Master。机器的三天是不是战胜了三千年,中国春秋战国时期的围棋,一个是中国周朝的偃师发明的艺技,给皇上表演的智能机器。总共是三千年。是不是人跨出了被机器奴役的第一步。AlphaGo的出现让我们感到惊喜的很重要的两个地方,一个是没有知识没有数据。第二,它利用了基于行为的自我循环。这一步最好的棋,作为下一个回合的粗值。它用了强化学习,这跟AlphaGo不一样,本来两个网型,现在变成共享一个动作机缘网络。这是非常的创新。过去AlphaGo Zero是自己跟自己玩。牛顿研究时说宇宙有第一推力,我们想这个小小的棋盘里面是不是也有第一推力呢。
 
围棋,春秋战国,在东汉时有一名哲学家横谈,他的著作里讲到或言之兵法之类。围棋棋盘就是战场,红子白子是双方的军队,指挥官做什么呢,就是落子策略。这个落子策略就是《孙子兵法》里的机器推理,人的大脑推理。我们看《孙子兵法》里讲到智能伐谋,伐谋就是最早的机器推理。我们再看公元前325年,荀子第一次在哲学角度定义了智能,他讲人天生就有一种认知的能力,把这种认知能力放到社会实践里就能产生智慧。
 
人还有一种求变和创新的能力,把这种能力用在社会实践里面就能产生才能。什么叫智能?就是将人的认知能力用在变革和创新世界,就是智能。
 
我们再看,最权威的web字典,他说智能是学习和求解的能力。我们讲今天的人工智能是一个时代的产物,在不同的发展阶段和技术发展水平上,它的内涵和外延都在发生变化。比如艺术现在在人工智能里,体育,方方面面。所以说,我们想古代两千多年的定义,比它还好。我觉得好。
 
我们谈到人工智能,最不能忘记的一个人就是图灵。我们把图灵在1950年提出的计算机能思维吗,作为人工智能的思想基础。在这里面他提出了著名的图灵测试,就是让人和机器背靠背,人给机器提问题,让机器回答。如果在5分钟时间里机器的回答有30%让人感觉到像是人回答的,我们就讲这个机器有智能。但有这么一个非常简单的问题,到目前为止,什么样的水平呢?每年世界都有一个图灵竞赛,有金奖、锦江、铜奖,到目前为止还没有一个队伍拿到金奖银奖,最高奖是铜奖。也证明30%让人感觉到是人回答的,很难。前段时间索菲娅上在沙特阿拉伯户口了,你们相信她吗?非也,都是人准备好的。我们讲人工智能谈到第二个重要的观点,就是人工智能依赖于物质基础,谈人工智能必须谈是在什么样的物质上建立的。比如说我们这一代人工智能就依赖于硅片计算机。它是从逼近的角度来做智能。我想每个人学计算机之前要学习树枝分析,就是研究用什么样的算法去逼近一个问题,把它解决。所以它靠的是大量的计算。互联网我们都知道,它是群体智能的基础,无人机编队没有网络克胜不了群体智能,所以互联网是群体智能的物质基础。
 
前面老师讲到的DNA是细胞层面上的,这是生物计算机。包括神经系统。依赖于生物计算的,这个人工智能是未来我们称为叫碳智能。人工智能过去经常讲有两大范式,一个范式就是符号主义,就是逻辑,是知识的智能。第二个是神经网络,我们认为它是数据驱动的智能。人工智能有没有第三范式呢?许田教授也讲到这个问题,我们认为第三范式是生物启发的智能。这里不光包括动物,还有植物,它是依赖于生物学,生命科学和心理学的发现,所以这一代的人工智能叫碳智能。
 
我们过去讲人工智能主要集中在推理,其实我们觉得,人工智能不光包括了机器推理,还包括感知和控制。这三个里面某单一个模块的突破都不能看成是人工智能的突破。讲个例子,无人驾驶,没有人怀疑它不具有人工智能,但一百多年前飞机早就有无人驾驶了,为什么不说它是人工智能呢,因为它需要先进的感知技术和推理技术,同时离不开控制技术,所以它是缺一不可的。
 
人工智能的发展,离不开理论的突破,我们国家也是希望下一代的人工智能发生在我们中国。我们首先看一下,这一代以大数据和深度学习为代表的叫弱人工智能是怎么来的呢?它来自于1958年约翰霍普金斯大学两位教授的工作,他们是从猫的视觉皮层开始做研究,来研究人的视觉系统是分级的。这两个人在1980年获得诺贝尔奖。他们的发现是在神经科学和认知领域的重大突破,促进了人工智能近五十年的蓬勃发展。
 
我们就来走进深度学习。这是深度学习经常用到的,人的视觉皮层从视网膜过来以后,再到v1区再到v4区,到终极皮层是提取部件,再到高级。为什么要这么多层的计算机?有人讲人的视觉系统不就一层吗,为什么要这么多层?就拿我们这张脸来讲,我们的头发是不是高频的,眉毛这块,还有中频,还有低频部分。我们现在的减波滤波器能把所有的信息都提取出来吗,做不到。比如高频能把头发丝提取出来,中频滤波器把鼻子这块取出来,低频部分把脸部提出来,这一下用了三层。但是大家要知道,即便是这样,我们为了把边缘提取得越来越精确,说不定把高频的好几个滤波器,中频也好多。这样一个生物系统里面的一个区,用硅来做的,用计算机来逼近的时候有好多层,同样可以逼近到边缘和物体的轮廓。
 
深度学习和模式识别有什么不同?深度学习是利用特征,通过分离器来做深度学习分离,实现识别。需要数据,需要算法,算法是在数据里提取特征,这种特征叫自动特征,它是面向特定任务的特征。这是跟传统人工智能不同的地方。所以有人经常讲说,数据是燃料。贵州有天眼,有大量的燃料。
 
这样一个智能,还存在着很多不足。第一个不足就是端到端学习,很多层大量的非线性的变换,哪怕数据发生漂移,就会导致结果的不正确。比如说我们曾经发生把熊猫识别成长臂猿,把美国黑人识别成猩猩,这都是深度学习犯的错误。
 
第二,严重依赖大数据,学习效率很低。其实我们也知道,我们生活当中有很多的问题根本不需要大数据,比如说我是做,一个非线性的函数要几条规律逼近呢?我们得到的结论是基点数+2,如果这个规则函数只有一个基点,三条规则就可以,干吗要那么多深度学习去做呢。
 
第三,能耗大,计算成本高。AlphaGo最早是28块GPU。多少钱?上亿。一般人玩不起。包括AlphaGo0用了4块TPU。硅计算是非常消耗能源的,就拿咱们国家的太湖之光来讲,我问过太湖之光正常情况下的耗电量是10兆瓦,清华大学8兆瓦一天。太湖之光顶风的时候15兆瓦,这是靠钱堆出来的。
 
第四个缺点,模态单一,缺乏迁移能力。也就是说,AlphaGo只能下围棋,不能下象棋,哪怕是围棋规则改变了,它也没有用了。那么最后一点,我觉得很重要,人的智能,即碳的智能,它具有一个很重要的能力,就是当知识积累到一定程度以后,它会产生知识的涌现和升华。就像在座的,博士生读四年就不一样,积累两年第三年发大量的文章,第四年准备开始毕业。这个累计过程里,到了一定时期就产生新的升华过程,这一点也是仅仅以深度学习为代表的这代智能难以完成的。所以大家在想,深度学习以后,我们做什么?这个时候我放出来的就是通过深度学习,这是RPC3,这是我们学生做的,加一点深度学习,把它做成狗了。这是战场环境下的深度学习,当激活以后就发现把坦克车识别成猫了,把车识别成蜜蜂。也就是说,在对抗环境下,深度学习不可靠。
 
我们在想,怎么样改变深度学习,后面做什么呢?我觉得这方面有两条线索,一条是我们最近一个重要的发现。在我承担了自然基金会一个重大的项目,我们搞医学的老师有个重大的发现,就是在猴子的多感觉通导里发现了一个神经环路里的记忆机制,这种机制就是调节多感觉信号的。这个突破有可能会解决深度学习从单模态学习转向多模态学习的问题。
 
我想从另一方面阐述我自己的观点,大家看看,特征+算法是传统的人工智能,算法到数据里提特征,就是虚线,这叫深度学习,因为这个特征不是人定义的,是通过算法在数据里提取出来的。那我们再想一想,单模态的信息总是不可靠,我讲一个例子。比如说我前面有一张桌子上面有一个杯子,我眼睛看的时候好像是塑料的,也可能是玻璃的,我们人会怎么做它,我用手摸一下就完了,触觉,一摸这是玻璃的,马上就做出来了。也就是说我们人在识别事物的时候,是按照模式来学习的。比如说我们经常说,像深圳说刷脸,我发现根本不是单纯的刷脸。就像双胞胎,他们在未成家之前刷错也不反对,但是成家了呢,但老爸老妈怎么看出来呢?深度学习看的人脸是形式,形象的形,照片。老爸老妈不光看形似,还看神似,老大老二的一招一式,他的行为动作,对一个问题的表情,都在影响爸爸妈妈的判断。学生学知识不也如此,我今天在上面做报告,有的学生会讲孙老师给我们讲的一个概念是个模式,我到书上翻翻,书上没搞清楚我旧闻老师,人就是这样按照模式来识别事物,非常可靠,不行就求教,用别的模态来补偿。另外一个很重要,就是行为智能。布鲁克斯提出爬虫的行为智能,很早就提出来了。行为智能在我们日常生活里常常用到。有人讲毛主席就是行为智能的大师。他在指挥四渡赤水时就是用敌方指挥官的行为智能,看到反映他就知道原来我这么做他一定会这么做,我们把行为智能指挥战争又叫行为艺术。
 
我们得到了特征以后要做什么,我们人要得到概念,形成知识,最后建立模型。深度学习的后半部分怎么做,确确实实是按照我说的做的,我是2016年报告里提出的观点。这两年人工智能的发展主要是两部分,从模型数据提取空间,下面做语义符号模型形成智能,就按照我说的到概念到知识再做。围绕解决,深度学习中对大数据的依赖,这两年就是小数据问题引起大家的关注。我这里介绍的工作小样表示学习。如果描述这个函数空间的奇函数大于数学维度,人工智能是在两方面做的,一个是同范化样本空间。比如人的视觉、触觉、味觉,如果投影到观测空间,利用这个空间很多性质来学习。
 
第二是做流行学习,本质上它是记忆学习,来提高学习的能力。再一个就是通过引入辅助性的知识来加强学习。我们再回到AlphaGo,我们认为它是从符号模型到概率行为模型的映射。符号模型没有数据,怎么办?一开始就是随便打,乱打,只要按照围棋规则,下了十盘有了数据,通过深度卷金网络提取特征,形成特征空间。下面通过强化学习,形成行为预测,就是落子策略。有人讲说AlphaGo Zero没有知识,那么卷进神经网络强化学习是什么知识,不是三千年以后人提出的知识吗?所以我们觉得AlphaGo Zero没有像外面想象的那么大,就像索非亚一样。那么这两年,我发现,比如2017年已经有公司提出符号概念网络,就是形成特征像量到概念模型。这是李非非的工作,他提出了一个关系网络,就是对图像形成概念。这是我们课题组最新做的工作,就是通过图象语义形成对他的语言描述。计算机看上这个以后,马上用语言表达出来。这是我们做的网型,第一部是做检测,第二步做编码,然后形成翻译。用在机器人工作环境的语义理解,这是目前国际上最新的工作。包括经验的学习,怎么样从特征向量空间到知识空间,比如让机器人学习人的操作。
 
机器人学好以后就可以开始自己去做,这个工作就做得很好。这是一个端到端的时空模型,它是通过人的骨骼模型做的,它通过长短记忆模型来学习人开门的动作训练。这个动作目前有一个很世茂的词叫“模仿学习”。机器人学了以后,不光可以开门,还可以开抽屉门和柜子门。有一个叫末拉维克悖论,那是在1980年,他说要让电脑如成人板般的下棋是很容易的,但是要让电脑用一岁孩子般的行动能力是相当困难甚至是不可能的。人能具有非常高阶的能力非常简单,不需要很多计算,但是推理,无意识的技能,比如师父教徒弟,做什么事六道工序,一定压记住这个工序做完了才能做下一道工序,这就是无意识得。我们得到一个很重要的结论,对人来讲很困难的问题对机器很容易,比如下棋,因为机器快,我们叫硅片智能。它可以推十步,人力只能推止步。像围棋。它一天可以学三万个食谱,人只能学两个食谱。人很简单的问题,情感交互,感知动作,很简单的问题,对机器来讲确实非常难甚至就是不可能的。这个结论告诉我们,人工智能依赖于物质基础。AlphaGo是波士顿动力,后空翻,它用到的就是类似于能力反映平衡作用。无人机非常小,它有3克的武器,它可以通过数据分析去是别人脸然后做跟踪,把坏人干掉。它可以飞行穿透人脑,这个插入式无人机。
 
我们在讲末拉维克悖论离我们有多远,我们有时候讲笨的武器抠扳机就行了,聪明的武器就需要感知和推理。这是美国通过网络做的103架无人机,实行编队飞行。我们来介绍一下碳智能。细胞层面的就是DNA计算,给几组数据,DNA计算体积非常小,它可以把一万亿个计算容纳在一个小小的试管里面。一个立方米的DNA溶剂可以存一万亿个,计算量更是大得惊人。这个例子讲的就是植物也有智能,这就是我们说的无烟草,动物进去以后马上合上,喷洒煤,一个星期以后再打开,这就是典型的抠扳机,叫感知动作。这是毛毡台,植物在毛毡台上花花绿绿的。
 
这里一个非常重要的数据,就是一台操纵50个微观粒子的量子计算机,对特定问题的求解能力超过太湖之光,就是现在无锡超算的中心。
 
今天大家看到了,我们第一个报告里面讲到了我们宇宙,前面许老师的报告讲到了生物体,其实这里面有一个非常重要的概念,就是全息概念。最近,宇宙跟人都是全息的。最近,加拿大有一个外科医生有个试验,他说人的大脑对感知思维的记忆是全息的。由此,我们就回到哲学角度来看人工智能。哲学角度,我们觉得最重要的就是康德的纯粹批判,他讲在人的认知过程里,经验主义和理性主义是两个不同的阶段。经验主义是靠数据,实践过程里的数据。理性主义是规则。这两个过程的结合,就是深度学习。第二就是维特根斯坦的逻辑哲学论,他讲一个非常重要的概念,图像使人初步理解时最基本的编码方式。比如咱们国家的语言,中国的文字是象形文字,每一个字都有一个非常美好的故事。所以我们说古人说你是一个文人,要做到字、画、诗同形。我想我们在座的有几个人号称自己是文人,你会写诗歌九吗?你会写毛笔吗?做不到。古人是这样的。我们觉得最近有一个非常重要的结论,就是人的视觉、听觉、触觉、味觉和嗅觉可以互相转化,都可以用二元矩阵表达。它们之间转化的条件是什么,也就是说要使得它具有迁移能力的条件是什么?最近我们得到非常重要的结论,就是联合边缘概论非常相同,这就是我们解释的通感,可以把人的五种感觉统一表示成一种形式,这也印证了全息表示可以在人工智能里面可以做这样的解释。
 
人脑智能里还有一个很重要的部分,就是DNA神经系统和人的社会系统之间是什么样的关系。人的智能最后是通过社会关系展现出来的。这三个层次的关系究竟如何去合作呢?这是我们提出的人工智能的概念,就是如何从归云计算最后到生物计算,中间这块是空白,就是我们讲的人工智能依赖于物质基础,这一代的智能应该是硅智能到碳智能之间,我们定义为类生命体材料,叫类生命体智能。比如纳米米粒构成的生物传感和在此技术上发展的智能,所以人工智能不止是我们经常讲到的搞自动化、搞计算机的,材料科学在这里起着非常重要的作用。
 
下面,我用简短的过程讲讲人工智能的发展。人工智能的发展,我觉得咱们国家发展很快,但是在一些非常关键的地方,我们跟美国距离很大。比如说在机器学习,自然语言处理,特别是处理芯片方面,我们只有美国不到三分之一的企业。人工智能主要包括芯片、智能机器人、社交网络、智能交通、教育等等。我做一个简要评述,GPU,英伟达一个做人工智能的公司,今天就在刚才,我还在微信上看到,英伟达公司又推出一款非常强大的GPU,性能比过去提高18倍,体积缩小很大。这是去年7月份,英特尔公司收购了一家公司,在一年前做的一块学习型芯片,是视觉处理芯片。这是IBM公司的,谷歌的TPU,应该说是目前功能最强大的学习芯片。到现在,我们没有看到中国人的身影。我们过去的CPU也落后于美国,最后我们做了大家都知道的龙芯,但龙芯跟英特尔的CPU不在一个架构里。那么在这一代人工智能时代里我们怎么办呢?中国难道永远走在人家后面吗?而这个,恰恰是人工智能里面最核心的部分。
 
智能机器人我们国家公司很多,从京津冀到长三角到珠三角,到中部地区,到东北地区,但是一直制约我们的减速器、高密度直流式负电机,灵巧手,我们依然依赖于外国,这些成本很高,都是进口的,这些方面仍然需要我们努力。尽管这几年进步很大,但是跟外国产品还是有差距。
 
无人驾驶这两年发展很快,深圳发牌了,上海这两天也发牌了。其实我们国家的无人驾驶,这几年进步非常大,因为我本身就是重大项目认证专家组的专家。我们每年的比赛就是我们专家组举办的。可以这么讲我们的无人驾驶水平目前来讲已经位于世界前列,我们多次实现了从天津到北京的无人驾驶,没有任何的人工干预。最近我们在跑从珠海到长沙这段。这是我们实现了无人客车的无人驾驶,去年我们实现了40吨无人卡车的无人驾驶。
 
智能安防里很重要的一部分就是人脸和生物识别。你一旦进入北京的一类和二类摄像头,你就记录在案,识别率93%。也就是说,你在大街上,马上跟你的身份证,跟公安就匹配起来了,特别是公务员上班时间千万不要到大街上去。车也是如此,也实现了全封闭。还有人群。
 
社交网络这两年非常快,我去年应邀到韩国做访问,我看到韩国人开始已经通过社交网络约到医院看病,到银行办业务,都是通过软件系统,处理成功以后发短信告诉你。我觉得社交网络最重要的是用户画像。我看在座的很多人,你们来到了大学,你们从生下来开始就在这样一个开始就在这样一个人脸里面,每一步都是你自己做的,都在网上提取信息,包括你的诚信。
 
移动智能,手机现在发展非常快,包括智能制造,通过生物传感器压缩机实现垃圾的自我管理。
 
教育,我觉得个性化教育现在非常重要,有人讲2050年开始大学的数目会下降,将来你们上的很多公共课程都是,个性化教育将进行得非常快。有的小伙子数学特别好,根本不需要跟大班一起学习,他自己学几个基本的部分就可以了。有的人有艺术头脑,可能也不一定要学其他东西。另外很重要的是教育会成为一个产业。
 
航天领域最重要的一部分就是遥感技术。现在的遥感,我们国家可以做到0.5分辨率,很快可以做到0.1。如果做到0.01的时候,在大街上就能把你识别出来。智能遥感将来可以用在城市规划,农作物病虫害的判别,包括违章,反恐、维稳各个方面,形成巨大的产业。我们感到自豪的是我们做出了似触觉的灵巧手,跟人手一样可以感觉到纹理、颜色,就这么小,放在手指上。纹理、颜色、滑觉和振压力,目前这个产品已经开始推向市场,这是它做的一些工作。在中央电视台《开讲啦》作为成果的展示。
 
另外,软体机器人我们这两年做得非常多,特别是将来的机器人。强化学习这两年我们也做得比较多,特别是基于动作机缘的强化学习用在机器人操作里。这是我们课题组在多标检测,特别是在触觉的表征方面,这是我们发表的文章,每年不到30篇,如何对触觉建模。我们还获得2016年比赛的冠军。
 
人工智能从以大数据和深度学习为代表的弱人工智能,现在正在进入从特征象能空间,下一步就是强人工智能,不同的专家有不同的解读。我觉得强人工智能一定是更接近于人的智能。最高形式一定是碳智能和人机混合智能。斯坦福大学定义了未来人工智能的九个应用领域。
 
其实大家都知道,人工智能时代一个最重要的特点是人和机器共生。就是过去人和机器的关系是单向的,机器百分之百服从人,但是人工智能时代人和机器的关系是双向的,机器要服从人,同时人的决策会受到机器的影响,因为机器有感知和推理能力和行为能力。这样的话,人说的一些命令机器可能会提出不同的观点,比如人会让机器做什么事情,机器会说这种方式不好可能另外一种方式更好。这种生态我们叫人工智能的共生生态。
 
最近一本书《社会机器》就讲了这个东西。这里我们想提到的是将来机器高度发达了,它会服从我们的指挥吗?拿坡仑讲过,我再也无法服从指挥了,我知道尝到大全在握的滋味,它让我欲罢不能。高度人工智能将来会服从我们吗?我们讲人类社会为什么会像今天这么文明,就是有一批像你们这样的人有责任,敢于担当。人类历史上也发生过南京大屠杀,就是因为有一大部分人的责任和担当,才使我们人类社会不断走向文明。我们希望未来高度发达的人工智能也应该具有责任和担当。
 
我们认为人工智能的发展有四个阶段,第一个阶段就是不知道自己不知道,就是现在,是一个无知者无畏的时代,哪个都觉得自己是人工智能专家。搞机械的人说用净化计算设计过某个东西,我都是搞人工智能的。第二阶段叫知道自己不知道。随着人工智能的不断发展,它的边缘越来越清晰,比如我们今天提到的生物启发智能。沿着这条线索发展的智能,我们认为这才叫人工智能。有很多人可能说我不是搞人工智能,我是用人工智能。第三个阶段叫不知道自己知道。那就是人工智能发展过程里有非常重要的部分,必须用国家行为来进行。比如说我们今天把人工智能作为国家战略,为什么呢?其实大家都知道,火药是中国人自己发明的,但是甲午海战时,八国联军时是人家拿着我们的火药进来。所以人工智能必须以国家的行为加以大力发展和研究。第四阶段叫知道自己知道。就是人工智能是我们人用来为我们服务的,它的目标应该使我们人类生活更加美好。
 
最后,我把这首歌献给大家。这首诗就是我今天报告的总结,国粹围棋促智人,统规天地启民根,硅云数据深宽度,深度学习,你们的路还很遥远,尤其在座的这些天之骄子,祖国的未来应该靠你们去做。智能产业田精意,勇创高峰励志登。
 
谢谢大家!(完)

责任编辑:吴一波

相关推荐

巴帝电信梦想成真:107亿美元收购Zain非洲资产

这笔交易将为巴帝电信在15个非洲国家带来4200万用户,意味着其跻身新兴市场顶尖运营商的梦想终于成真。Zain出售非洲资产套现90亿美元在双方约定的107亿美元中包括90亿美元的股份收购,支付方式将为现金。其中83亿美元将在交易结束后支付,7亿美元将在交易结束一年后支付。此外,巴帝电信还须代替Zain承担起17亿美元的综合债务。据称,Zain可分派储备和40亿美元循环贷款偿付的规模须经股东批准,它打算以股息的形式向股东分配前期大部分净收入。Zain集团董事长阿萨德·艾尔·班万(AsaadAlBanwan)评价该交易时相当得意:“自2005年收购Celtel以来,我们大幅增长成为非洲主要的移动运

苹果CEO库克暗示不会推ARM芯片MacBook Air

北京时间2月4日消息,据国外媒体报道,苹果首席执行官蒂姆库克(TimCook)和首席财务官彼得奥本海默(PeterOpenheimer)近日与花旗分析师会谈时指出,由于iPad发展前景广阔,所以不太可能去开发基于ARM芯片的MacBookAir;中国市场蕴含着巨大的增长潜力;AppleTV前景仍不明朗;而iCloud发展迅速且非常重要。iPad将继续发展,不会推出基于ARM芯片的Mac。库克重申了他在季度财报电话会议上所说的话,他认为平板电脑市场将继续发展,最终将超过传统PC市场的规模。苹果并未将iPad看作是PC产品,而是将它看作一款后PC产品,因此基于ARM芯片的平板电脑将不会与基于英特尔