单击一下可以将照片转换为3D。这是什么黑色技术

计算摄影这东西现在大家都不陌生了,这玩意儿最近确实流行得很,从苹果到国内的蓝绿大厂都在搞这方面的技术。

因为有一点必须要承认,优秀的计算摄影可以弥补手机硬件的不足,让照片质量变得更高。

许多手机的虚化都是算出来的 ▼

不过要说计算摄影界最会玩的,托尼觉得其实是谷歌。

因为谷歌依靠着强大的计算摄影,能让自家只有一颗摄像头的 Pixel 手机也能拍出质量相当高的照片,大大超出了人们对它的预期。。。

而前段时间的一份研究报告,又让照片的质量提升到了一个离谱的高度。。。

具体有多离谱呢?这个叫做 RAWNeRF 的技术不仅可以让昏暗的夜景照片变得明亮无比,而且可以做到近乎完美的降噪。。。

油管上的一个视频展示了几个场景,比如这张照片里的光源只有蜡烛,几乎看不清其他地方。

如果我们在照片的 RAW 原数据基础上提升亮度的话,照片细节确实变多了,也变得更亮了,但是密密麻麻的噪点也出现了。。。

有一说一,还不如不提升呢。。。

这也就意味着,在通常情况下,我们要在细节更少或者噪点更多之间做出取舍。

现在确实有一些去噪技术可以缓解噪点问题,但去掉噪点之后的照片。。。也没眼看了。

你不能说没用,但糊也是真的糊。

这时 RawNeRF 的超神之处来了,它既可以让夜晚的照片充满细节,还可以几乎完美去掉噪点!

这叫什么?这就是传说中的 “ 照亮你的美,夜拍也清晰 ” 。

以往看似不太可能的事情,如今鱼和熊掌我全都要。

但这还没完,最 TM 离谱的是,修复过的夜晚场景不仅变得更清楚了,甚至还能动起来!

你还可以修改一些数值,比如调色或者重新对焦。。。

能提升亮度,又能消除噪点,还能让照片动起来,最后还能改变对焦点,RawNeRF 不仅可以让一张看上去没救的照片起死回生,还能焕发二次生机。

虽说这个重新对焦的效果有时候看上去过于计算摄影,但已经能满足大多数人的要求了。

RawNeRF 看上去有点过于强大,但它也不是一下就诞生的,它其实基于一个叫做 NeRF 的技术进化而成。

NeRF 的全称是一篇来自 2020 年的论文 Neural Radiance Fields ,而这里面有一个叫做神经体渲染 ( Neural Volume Rendering ) 的技术引起了大家的注意。

简单来讲,比如你对着一个物体拍摄了多张不同角度的照片,神经体渲染就会输出一张拥有类似 3D 视角的照片,或者已经算是视频了,而且精细度还不差。

面对某一个物体时,NeRF 也能够准确地还原出来。

不得不说,有点神奇。。。

而 RawNeRF 就像是更进一步的 NeRF ,它可以重建一张昏暗并且充满噪点的照片中的场景。

视频中还展示了旧版的 NeRF 来处理夜景照片,虽说也能动起来,但画面有一种说不上来的浑浊感。。。

一眼合成,鉴定为 AI 作画。

而新版 RawNeRF 则要好很多,虽然画面还是有点糊,路灯处的光线过渡也不够自然,但能达成这样的效果已经相当离谱了。

对了,RawNeRF 不仅能让夜景照片清晰地动起来,甚至还能在夜景的情况下生成出镜面反光的效果。。。

从提升细节、消除噪点,再到让图片动起来甚至重新对焦,这些全都是通过 AI 后期处理完成的。

在这份报告发出去之后,研究人员也把相关代码 MultiNeRF 放在了 GitHub 上面。

把代码放出来的其中一个原因,是因为普通用户现在还不能亲自体验到这项逆天的黑科技。。。

要是想感受一下的话也可以,你需要先把代码给撸下来,然后徒手搓一个脚本出来。。。

接下来你需要不断给 MultiNeRF 投喂素材,不断让它进行训练,直到它对修图这活儿非常熟练,就像文章里提到的效果那样。

反正这事儿对于世超来说是超纲了,不过我会把链接放在文章底部,如果你是一位大佬的话,那么欢迎亲自上阵。

不过有一点还是值得期待的,虽然这不是谷歌官方出品的研究报告和代码,但还是发在了 GitHub 的 Google Research 板块。

所以要是哪天被谷歌官方看上了,然后祝他们一臂之力,大家没准还真能用上现成的 RawNeRF 。

https://github.com/google-research/multinerf

在接下来的几年里,数字计算可能是一个很好的途径

在互联网时代,图数据越来越多地呈现出海量和动态等特性,静态图计算的模型和方法难以应对数据处理的需求。而流式图计算能基于实时变化的数据,流式地构建动态图数据关系,并基于动态变化的图数据之上实时地进行分析、计算和挖掘,是图计算主流技术分支。流式图计算是蚂蚁大规模图计算系统 TuGraph 的重要组成部分,可以有效地挖掘数据关系变化的趋势和异动,承担着重要的近线异步图计算等功能。

InfoQ 作为技术媒体对技术趋势保持着格外的关注,本次我们采访了蚂蚁流式图计算团队负责人潘臻轩。他为我们分享了蚂蚁流式图计算的应用经验,以及图计算在未来的发展趋势。

“在 2017 年左右,那个时候对图概念有了解的人并不多,即使有,也是仅限了解数据库(比如业界的 Neo4j)和离线图计算系统(Google 的 Pregel 等),当时,在工业界,根本没有看到成熟的流式图计算系统,也没用看到典型的应用案例,我们只能摸着石头过河。”

在与 InfoQ 聊到流图计算的时候,潘臻轩表示,在那个时候,流图计算项目仅仅算是内部探索项目,具体能否跑通,无人知晓。“作为这个项目的探路人,我也仅仅知道原理上可行,实际是否跑得通,还需要打问号”。

最初始阶段,流图计算团队仅仅只有两名成员。“我自己必须相信这个事情,才能吸引更多的人加入进来”,当谈到最难的事的时候,潘臻轩如此说道。据他回忆,那个时候的他们,一方面需要探索系统应该如何去设计和构建,另外一方面需要找到典型的应用案例,证明流式实时图的业务价值,从而才能让更多的人相信该方向的价值。

尝试、探索与验证

踏过 2018 年,探索时间已经有一年多,潘臻轩也找到了可以使用流图计算的场景。“那个时候,我们团队主要去寻找适合流图的应用场景,同时也贴合业务场景打造核心引擎的能力。在蚂蚁内部信用风控等小的场景也做了一些落地尝试。”潘臻轩这样说道。

直到 2018 年双十一,流图计算才真正证明了自己的价值。在潘臻轩的一篇文章中曾提到,流图计算做到了在双十一大促极端流量高峰情况下,动态识别超过六度关系链(隐蔽性强)的异常资金风险,这一风控能力在业界也非常领先。

这个时候,流图计算又出现了另外两个问题,那就是如何让用户更多更好地用起来?首先是流式链路相对于离线图计算整体的链路会复杂很多,相对于图数据库又会出现可交互性不强等问题,往往是业务方想用,但由于门槛较高而无法真正用起来。其次,当时流式图计算团队只有 3 位同学,由于系统完全是自主研发,因此内核上也有很多功能和特性需要完善。

当聊到如何解决门槛问题和人力问题的时候,潘臻轩坦言:“比较好的解决方案是让大家相信流式图计算本身的价值,一方面通过双十一标杆场景带来的业务场景做驱动,让大家感知到,采用流式图计算可以获得非常好的业务效果。另一方面和中台更好地联动,通过支持特定的中台(比如知识图谱)快速覆盖一类场景用户,从而形成规模增长的飞轮,让更多的业务用起流式图计算。”

的确,只有不断验证流图计算的价值,才能应对接踵而至的挑战。当解决了这些问题之后,蚂蚁流图计算踏入了第三个阶段,大约在 2020 年左右,随着图在蚂蚁应用的越来越广,体系化的建设给流图计算团队带来了很大的挑战。于是他们将流图的能力从两边延伸提供了离在线一体化的能力,使得用户可以基于一套 DSL 支持基于离在线的数据进行实验。

就这样,流式图计算系统逐渐成为了蚂蚁图计算系统里面的核心成员之一。根据潘臻轩介绍,当前的图计算引擎广泛应用到蚂蚁的安全风控、信贷风控、知识图谱、数据血缘、资金分析、流量归因分析以及会员关系等场景。

进入 2022 年之后,蚂蚁图计算团队开始了新的探索与创新,例如探索大规模的分布式图机器学习系统、下一代图数据库以及在线图计算系统的前沿能力探索,同时也将成熟的图计算技术对外开放,应用于金融、能源、政务等领域。当前 GeaFlow 团队也在积极的和外部交流沟通,希望将流式图计算的能力开放到外部的场景,从而让业界更多更好的使用图计算的能力,发挥图计算的价值。

创新与升级

这几年的升级主要包含围绕流式图体系化的一系列工作,同时也继续深化系统内核。在体系化方面,围绕流式图计算引擎,蚂蚁图计算团队构建了从交互式离线图探索到基于历史数据长周期离线图仿真,再到流式近线图计算、动态时序图计算等一套完整的流式图计算体系。在系统内核方面,他们构建了计算和存储分离,支持超大规模图状态管理和存储。同时也围绕图特有的热点 / 大点做了相关的深度优化。

流式图计算在蚂蚁基础设施技术的应用越来越广,当前, 蚂蚁的大规模图计算系统持续地不断突破,已经成为蚂蚁风控的核心基础设施之一,流式图计算是其中的重要组成部分。

流式图计算在蚂蚁集团主要承担以下两方面的职责。首先,随着业务对图的应用越来越广泛以及对图的理解越来越深刻,简单图关系的在线查询并不能完全满足业务场景的诉求,因此业务迫切地需要支持复杂图查询 / 图计算的在线和实时处理能力。由于在线场景对延迟的要求非常高,因此当前业务会基于流式图计算引擎构建复杂图查询 / 图计算的预处理,从而将计算好的数据提前写到 KV 存储中,从而提供极低延迟的在线查询能力。基于这样的能力,蚂蚁风控系统当前更好地组合了在线图数据库提供低延迟简单图查询能力,以及流式图计算提供复杂图查询 / 计算的实时图计算能力,从而进一步在蚂蚁内部让业务更好地使用图计算系统。

其次,随着数据化和智能化的进一步演进,流式图引擎也更多地和图的智能化结合,比如和蚂蚁的图学习团队合作,构建动态图的离线训练和实时图推理能力。其中流式图引擎提供离在线一体图计算能力,既可以支持基于历史数据进行仿真回溯验证,也支持流式数据的实时图处理能力。同时当前流式图计算引擎还支持一套 DSL,从而打通用户的离线训练和流式上线两个阶段,极大地提升了研发的效能和使用体验。

未来几年,赛道可期

当我们谈到,流式图计算引擎 GeaFlow 的本质以及未来发展时,潘臻轩这样说道:“GeaFlow 从技术上说是图计算和流式计算融合交叉的计算技术,从计算语义和计算模型上,它更贴近于图计算的语义和模型。从业务的使用角度来看,它更偏向流式计算,也会用到流式计算的相关技术。流式图计算本质上还是一种增量计算,但是从计算语义和数据模型的角度是以图为中心的视角。”

同时潘臻轩还表示,“我个人认为未来图计算领域会越来越成熟并且越来越标准化。在数据体系方面,未来图计算会像通用大数据体系一样,越来越完备。比如围绕实时的图数据,可以构建一整体实时图数仓的体系,基于这样一套实时图数仓的体系,可以构建图数据实时的数据处理、实时图数据访问。既可以提升图数据的鲜活性,还可以更大的发挥图数据的价值。同时,在算力上,我相信图计算的能力也会越来越强,更多的业务场景会采用图数据结构,从而进一步深度的挖掘数据的价值,并且随着算力的增强,也会有越来越来的图计算场景从离线走向实时,从实时走向在线。”

就在去年,人民日报曾发文称:在我国发展高性能图计算,具备良好的技术基础和现实条件。一方面,人们如今的日常生活离不开高性能计算。天气预报、新药研发、新型材料、安全系数更高的汽车、高铁和飞机等都需要高性能计算作支撑。另一方面,由于图的优秀表达能力、可视化效果和坚实的数学基础,图计算也已在国家安全、金融安全等方面有很高的价值。有研究报告显示,到 2023 年图技术将促进全球 30% 企业的快速决策场景化,图技术应用的年增长率超过 100%。

以蚂蚁集团为例,图计算已被成熟应用于蚂蚁集团的支付和数字金融场景,为风控、反洗钱、反套现和社交网络应用提供了稳定的决策支持能力。其中,支撑支付宝的重要风险识别能力提升了近 100 倍,风险审理分析效率提升 90%。

数字化浪潮越卷越大,企业的线上数据也越来越多。通过数据进行决策一定会涉及到数据化的分析和运营,而图作为一个高维的数据结构,可以更好地挖掘数据的关联特性,为企业提供精准高效的决策。图计算赛道未来的发展,值得期待。

嘉宾介绍

潘臻轩,蚂蚁集团资深技术专家,现负责蚂蚁图计算部门流式图计算团队。2012 年加入阿里集团数据平台,2016 年加入蚂蚁集团数据技术部,经历了阿里和蚂蚁实时计算从 0 到 1 的演进,从 2017 年底开始负责流式图系统和团队的构建,从 0 到 1 打造了蚂蚁的流式图系统,对实时计算和图计算以及上层的应用场景有深入的理解。

活动推荐

在 6 月 19 日和 20 日,ArchSummit 全球架构师峰会即将落地上海,潘臻轩讲师也会亲临现场与大家交流,另外在此峰会上,我们一共设置了十五个专题,其中包含大数据与人工智能、中间件开发实战、移动端开发实践、微服务架构设计等等,详细专题内容可通过下方 Banner 扫码了解,期待和你一起现场交流。

了解更多软件开发与相关领域知识,点击访问 InfoQ 官网:https://www.infoq.cn/,获取更多精彩内容!

退潮后拾起珍珠,哪些超卖技术领导者值得重点关注?

导读:

近期,投资美股的朋友们,或多或少都遭遇了市场的暴击,在鲍威尔获得美联储主席连任提名以后,市场突然画风突变,科技成长突然被市场疯狂甩卖,转而去抱团追求科技龙头的确定性,二线科技股尤其是云计算各细分领域的龙头们,在最近十几个交易日中感受到了市场深深的寒意,猝不及防的暴跌,很多个股甚至创下了十年来的单日最大跌幅

在加息的预期之下,云计算估值倚重未来现金流的模式导致云计算公司对于利率的上行异常敏感,尤其是在加息升温的“预期区”,云计算公司的股价往往会出现大幅度的波动,最近就是鲍威尔连任以后货币加快紧缩的预期导致成长股股价剧烈波动,尤其是当下现金流较差但是增速较高给了高估值的云计算细分领域龙头。

图 ARKK基金走势

从近期木头姐ARKK基金的走势来看,连续四周ARKK基金走出破位下跌的态势,十一月以来的区间回调超过15%,表明阶段性科技股仍是投资者抛售的对象,ARKK的大幅度走弱让做空ARKK基金的Tuttle Capital Short Innovation ETF (SARK)大放异彩。

图 SARK基金走势

自11月9日上市以来,SARK基金已经累计上涨了超过15%,该基金通过掉期合约追踪Wood的旗舰产品Innovation ETF(ARKK)的反向表现,近期因为ARKK重仓股包括ZOOM、TDOC、TWLO等持续破位大跌,SARK基金表现抢眼。

近期成长股的大跌,主要是因为鲍威尔突然的“鹰派”转向叠加奥密克戎的突袭。在11月FOMC会议上还继续传递鸽派信号的鲍威尔本周在听证会上“意外转鹰”,前后不过两周时间,听证会的意外转鹰的确让市场感到意外,这背后可能的原因除了来自美联储内部、国会和民众的压力,可能也是对于7~9月Delta变异的确造成供需矛盾加剧下价格压力不断升温的一个回应,同时也隐含了也隐含了对于未来Omicron重蹈这一覆辙的担忧。突然间,市场预期变得紊乱,一方面既担忧加快退出宽松带来估值回调的压力,另一方面又担心奥密克戎对供应链造成更大的冲击,导致物价短期更难下行,引发更高的通胀,因此,市场短期处于混沌不堪的状态之中。

在这样一种大背景下,市场短期追求业绩的确定性,现金流极好的大科技蓝筹包括苹果、微软、谷歌、英伟达等少数几个股票则成为市场追逐的对象,尤其是苹果,在本周的一片大跌中一枝独秀,逆市大涨,表明投资者将苹果视为市场不确定时期的避风港,苹果的强劲的现金流和创新产品,使其能够承受任何经济放缓,短期投资者都在逃向那些高质量的公司,认为其在经济下行期,会经受住风暴、不会破产、也不会出现财务困境。

我们在下表对11月18日,鲍威尔被重新提名以来,市值大于50亿的成长股的阶段跌幅进行了统计,短短两周时间,个股的跌幅惊人,很多个股的跌速之快堪比2020年3月熔断期间,两周之前,很多股票还是众星捧月一般的存在,转眼之间就已经成为踩踏出逃的对象,跌速太快,以至于很多投资者都还没来得及卖出就已经高位站岗,尤其是,高估值、高增长、亏损企业的股价下跌幅度更大,这其中受伤最深重的当属云计算SaaS行业,以近期的新股为例,2021年上市的企业遭遇了大规模抛售,已经有高达23家公司相较于上市高点价格腰斩,其中以Robinhood与Path为代表。

那么,快速大跌消化估值以后,市场终归会逐步回归理性,哪些超跌的成长股是值得重点关注的呢?

表 近期美股成长股幅一览(截止上周五)

结合近期发布的财报,我们对近期市场急跌过程中超跌的个股进行筛选,从中选出一系列后市仍值得重点跟踪的标的,作为各自细分领域绝对的龙头,短期公司的波动主要是估值的波动,在加息预期快速升温的当下,估值快速回落,但是公司业绩增速等方面并不存在明显的问题,因此,整理出下表所示的一些细分龙头供投资者参考(不构成买卖推荐)

接下来我们会分期对这些标的最新季度的业绩及估值情况进行分析,本期我们针对CRM新季度的业绩进行分析。

CRM:业绩总体稳健,上调全年业绩

1.新财季财务摘要

salesforce CEO马克·贝尼奥夫 (Marc Benioff) 表示:“我们又实现了一个非凡的季度,推动了强劲的收入增长、利润率和现金流。”“随着每家公司加速数字化转型之旅,Salesforce 比以往任何时候都更具相关性和战略性。正如我们帮助客户度过大流行一样,我们现在正在引导他们实现更大的增长、客户成功、健康和安全以及信任。凭借我们的 Customer 360 平台和 Slack 的强大实力,我们有望在 26 财年达到 500 亿美元的收入。”

  • Q3收入为 68.6 亿美元,同比增长 27%,按固定汇率计算增长 26%,单季度收入增速创近5个季度新高。(Q2预计Q3实现收入67.8 亿美元至 67.9 亿美元,Q3实际收入超越上次预期)。
  • 本季度订阅和支持收入为 63.8 亿美元,同比增长 25%。本季度专业服务和其他收入为 4.8 亿美元,同比增长 45%。
  • 第三季度 GAAP 营业利润率为 0.6%,非 GAAP 营业利润率为 19.8%
  • 22 财年Q4收入指引为:72.24 亿美元至 72.34 亿美元,同比增长约 24%
  • 22 财年收入指引上调至:263.9 亿美元至 264 亿美元,同比增长约 24%
  • 将 FY22 GAAP 营业利润率指引提高至约 1.8%,将非 GAAP 营业利润率指引提高至约 18.6%
  • 将 22 财年经营现金流增长指引上调至约 18% 至 19% 的同比增长

  • 23 财年Q1收入指引为 72.15 亿美元至 72.50 亿美元,同比增长约 21% 至 22%,但环比22Q4可能不增长,这有可能是CRM近十年来第一次收入同比转负,这也是业绩披露后股价大跌的原因之一。
  • 重申 23 财年 GAAP 营业利润率指引约为 3.0% 至 3.5%,非 GAAP 营业利润率指引约为 20%

2.新财季营收来源分类

本季度,salesforce又对收入进行了重新分类,重分类以后的收入划分为以下五个大类如下:

  1. 客户销售管理Sales cloud:Sales Cloud最重要的功能集之一是销售业绩管理软件。
  2. 客户服务解决方案service cloud:通常包括以下客户服务解决方案:呼叫中心管理、中小型企业CRM、渠道管理软件、销售团队工具、客户服务工具、自助服务门户、知识库软件、实时聊天软件。
  3. 平台及其他:主要包括企业应用程序创建平台Salesforce platform(通过 Salesforce 构建属于企业自己的出色应用程序)、收购的Slack和其他,平台和其他包括截至 2021 年 10 月 31 日止三个月和九个月的 Slack 订阅和支持收入约 2.76 亿美元。
  4. 数据:包括来自 Analytics(包括 Tableau)和集成(包括 Mulesoft)的收入,这些收入从 2022 财年第三季度开始从平台和其他重新分类。
  5. 营销和商业: commerce cloud (电商管理套件,可通过电商crm软件获得顺畅的店内和在线个性化购物体验)和marketing cloud(利用市场营销管理中集成式的营销工具,在每个客户接触点打造无缝体验,在合适的时间,以合适的语气向客户传达合适的信息)。

从本季度的收入分类来看:

  • 销售业务实现收入15.38亿,YOY+17.32%;
  • 服务业务实现收入16.58亿,YOY+20.49%;
  • 平台及其他业务实现收入12.77亿,YOY+51.30%;
  • 营销与商业业务实现收入10.06亿,YOY+25.12%;
  • 数据业务实现收入9亿,YOY+20%,其中

平台业务因为有并表slack,收入明显提速,其他细分业务保持平稳,数据业务收入稍不及预期,其中mulusoft实现收入3.56亿美金,YOY+16%,tableau实现收入4.8亿美金,YOY+23%,从数据分项来看,处于BI赛道的tableau收入增速相对较好。

3.收入区域分布

从收入区域分布来看,美洲区仍然是收入最大的地区, 但欧盟及亚太区收入增速更快,展望未来,Salesforce的海外占比还会稳步提升。

4.云计算指标分析:保持稳定增长

剩余绩效义务 (RPO) 是一项公开的指标,RPO代表所有未来合同项下尚未确认的收入,而cRPO 代表未来12个月内,预计确认为收入的合同。 RPO 受多种因素影响,包括季节性、续约时间、平均合同条款、和外币汇率。

RPO与cRPO:截至Q3,RPO约为 363 亿美元,同比增长 20%。cRPO约为 188 亿美元,同比增长 23%,按固定货币计算增长 23%.

5.估值

从估值的角度来看,从PS-TTM bond来看,当下的CRM尚处于一倍标准差到两倍标准差之间,估值处于近五年估值的较高分位数,如果切换到2022年的估值,salesforce的估值将回到中位数以下,估值的安全边际较高,近期因为市场的杀估值,股价出现较大幅度的波动,展望未来,公司作为云计算的集大成者仍将深度受益于万物数字化与云计算加速发展的机会。

CRM的未来看点

(一)CRM作为最大的SaaS细分赛道,市场空间最大,新兴市场渗透率仍有待提升

图 云计算SaaS市场份额排名(2019)

从2019年的数据来看,salesforce是全球最大的SaaS公司,而在具体的细分领域,CRM所占的市场份额也不断提升,已经成为最大的细分SaaS行业。

图 2014年全球SaaS行业细分领域占比

图 2019年全球SaaS行业细分领域占比

我们通过对比2014年与2019年的数据可以看出,CRM已经超过ERP成为SaaS细分行业中排名第一的赛道,渗透率尤其是在新兴市场的渗透率仍有望继续提升。

而从CRM具体的细分领域来看,目前salesforce市占率最高的就是sales cloud为32%,而目前营收来源占比最大的service cloud市占份额仅2成左右,而marketing及commerce、platform及其他市占份额在12%以下,通过更为全面的产品体系,未来salesforce仍有望在细分的子领域继续提升市场占有率。

(二)成功的并购及不断的研发推新,公司的产品线不断丰富,核心能力不断增强

图 CRM的收购历程

公司先后收购exacttarget/demandware/mulesoft/tableau/Slack,从效果来看,这些收购不断增强salesforce的核心能力,尤其是Mulesoft及tableau的收购增强了公司的的集成及BI能力,在收购以后这两家公司都取得了长足的发展。回顾公司历史上的几次重大并购,可以看到公司在整合外部标的、发挥协同作用等方面的突出能力,此前公司收购Mulesoft、IT系统集成商AcumenSolutions等,分别从数据集成能力、服务行业垂直市场的能力等方面强化平台优势。

Mulesoft:MuleSoft可以连接系统、应用程序、数据和设备,以释放Customer 360的功能。将集成平台MuleSoft和Salesforce的功能结合,可以使客户加速数字化转型。MuleSoft和Salesforce共同为公司提供跨系统解锁数据,开发可扩展的集成框架,快速创建差异化、互联体验的能力。集成有很多可能性。比如使用Lightning Platform和Heroku开发集成应用程序,通过集成独立的第三方系统在Sales Cloud和Service Cloud中实现单一的客户视图,或将Salesforce 360与现有数据源连接以同步订单、发票和产品信息。

Tableau:借助分析,将数据转化为竞争优势。即时获得对关键指标的洞察,在机会浮现时及时发现,并且更有把握地预测结果。无论客户在何时何地提出需求,我们都可以为他们提供所需的 AI 驱动型指引。将 CRM 数据与来自整个组织、本地部署或云平台中的所有数据都整合在一起。只要使用计算机或移动设备上的任意浏览器,就可以随时随地获得关键信息分析。获得一目了然的可视化效果,将最为复杂数据转换为易于理解的快照。将经常访问的指标整合到可自定义定制的简洁仪表板中。借助易于使用和理解的 AI 功能,业务驱动的分析洞察触手可及。

Salck :Slack Technologies,Inc.是一个业务技术栈中的新层,在这里人们可以更有效地协同工作,连接所有其他软件工具和服务,并找到他们所需的信息来完成最佳工作。Slack具有非常普遍和广泛的适用性。它不是针对任何一个特定的目的,而是针对人们在工作中一起做的任何事情。Slack用于审查求职者、协调选举覆盖范围、诊断网络问题、协商预算、计划营销活动、批准菜单和组织灾难响应团队,以及无数其他任务。

根据okta提供的用户数据分析结果来看,slack是最受欢迎的协同软件,在收购前公司的收入也保持非常稳健的增长。

图 slack 单季度收入情况

公司被CRM收购以后,Slack将为SalesforceCustomer360提供更为广泛的流量入口,而Slack以及Salesforce的整合将构建更为广阔的应用集成生态。

(三)不断提升公司所处赛道的TAM,当下TAM高达2500亿美金

备注:Salesforce 计算TAM与作图的依据是Gartner的研究。

1. 销售、服务、营销、商务、跨 CRM 和分析的计算基于 Gartner,预测:企业应用软件,全球,2019-2025,2021 年第二季度更新,2021 年 6 月 24 日。

集成和平台的计算基于 Gartner,预测:企业基础设施软件,全球,2019-2025,2021 年第二季度更新,2021 年 6 月 23 日。

2. 4 年复合年增长率基于 TAM 总额(包括最近的收购)。

3. Marketing and Commerce 定义为Marketing、Commerce 和Cross-CRM。

4. 平台定义为高生产力 aPaaS、高控制 aPaaS、应用平台软件、业务流程管理套件、数字体验平台、创建、验证。

5. 数据包括分析和集成,定义为全生命周期 API 管理、集成平台即服务 (iPaaS)、应用程序集成套件、数据集成工具、现代 BI 平台、传统 BI 平台、分析应用程序、数据科学平台、位置智能。

根据Gartner的数据,到2025年,salesforce所处行业的TAM高达2480亿美金,CAGR达13%,其中marketing与commerce的收入增速预期最快。如果我们以20%的占比来看,赛富时到2025年的收入占比有望达到496亿。

根据公司的预估,2022年收入318亿,在2022年的基础上,如果公司2023-2025年保持年化20%的收入增速,到2025年公司的收入有望达到549亿美金。

针对前文表格中列出的重点关注公司,大家如果有特别想了解的欢迎留言讨论,言财君周末再奋笔疾书。

风险声明:

本文仅限于交流讨论之用,未经言财经许可请勿转载或引用;

本文所含信息、所涉及的个股、市场分析及判断等均供参考,不构成对证券和其他金融工具的买卖建议或者任何投资决策建议。

该研究称,谷歌量子计算机刚刚被用于制造所谓的时间晶体

一项新研究称,谷歌量子计算机已被用于打造所谓的“时间晶体”,但这项突破并不意味着谷歌有能力打造一台“时间机器”。作为一种颠覆传统热力学定律的新物质相,科学家在 2012 年首次提出了这个概念,可知时间晶体是一种持续在不平衡状态下运行的系统。

放置谷歌量子处理器的低温恒温器

与处于热平衡状态的其它物质相不同,时间晶体相当稳定,但构成它们的原子却在不断演化。

对于这个理论,科学家们还是存在一定的争论,即这样是事物在现实中是否真的可能存在。

好消息是,在近日登上预印本的一篇文章中,谷歌研究人员已经介绍了他们与普林斯顿、斯坦福等多所大学的物理学家联合开展的一项新研究。

(来源:PDF)

有待同行评审的这篇预印本文章声称,谷歌量子计算机项目已经实现了许多人认为不可能的事情。

我们的工作,采用了一种时间翻转协议。该协议将外部退相干与内在热化区分开来,并利用量子典型性来规避密集采样本征谱的指数开销。

本次实验还通过有限规模分析,确定了 DTC 之外的相变。基于这些结果,我们建立了一套可扩展的方法,来研究当前量子处理器上的物质非平衡相。

时间晶体可在不消耗能量的情况下,于两种状态间来回翻转。

对于非专业人士来说,这样的表述很容易让人一头雾水。正如《量子杂志》(Quanta Magazine)所解释的那样,时间晶体基本上由三个核心元素组成。

首先是一排具有自磁性取向的粒子,其被锁定在低能和高能配置的混合物中,且拥有所谓的“多体局域化”(many-body localization)特征。

翻转这些粒子的所有方向,可有效创建一个镜像版本,即所谓的本征态顺序(eigenstate order),它实际上是一个次要的多体局部态(MBL State)。

然后是激光的应用,这会导致状态的循环,从正常到镜像、如此往复。但实际上,它并没有消耗激光器本身的净能量。于是 2016 年的时候,科学家们首次提出了 Floquet 时间晶体的概念。

Are time crystals real – Fermilab(via)

谷歌 Sycamore 量子计算机所使用的可控量子粒子芯片,拥有 20 个量子比特(Qubit),且每个量子比特都可同时保持两种状态。

通过调整单个量子比特之间的相互作用强度,研究人员得以随机化它们的相互作用,并实现多体局域化。然后微波将粒子颠倒为它们的镜面方向,但自旋变化不会从激光本身获取净能量。

至于时间晶体的理论研究和潜在应用,目前尚未有明确的方向。不过研究人员表示,至少现在我们有了一种可扩展的方法,来研究当前量子处理器上的物质非平衡相。

撒上鲜花!中国科学家突破谷歌“量子优势”,获得超级计算领域最高奖项

于我国新一代神威超级计算机,

实现了超算领域全世界目前已知的

最高混合精度浮点计算性能,

并打破了谷歌2019年所宣称的“量子霸权”。

近日,超级计算应用领域

国际最高奖项——“戈登贝尔奖”,

2021年度颁给了来自中国超算“梦之队”

以及他们所带来的经典超算项目。

有意思的是,

这支专注超级计算应用的科学团队中,

出现了上海量子科学研究中心的身影。

跨界之美 也是一种缘分

11月18日下午,在美国密苏里州圣路易斯举行的全球超级计算大会(SC21)上,国际计算机协会(ACM)将2021年度“戈登贝尔奖”授予中国超算应用团队。

这14人分别是来自之江实验室及国家超级计算无锡中心的刘勇、刘鑫、李芳、杨雨灵、宋佳伟、赵朋朋、王臻、彭达佳、陈华蓉,清华大学及国家超级计算无锡中心的付昊桓、陈德训,国家超级计算无锡中心的吴汶钊,上海量子科学研究中心的黄合良、郭楚。

中国超算“梦之队”带来的项目,用严谨的语言描述,叫做“使用新一代神威超级计算机,实现随机量子电路的实时模拟。

2019年10月,谷歌在国际学术期刊《自然》上发表一篇文章,宣称其率先实现了“量子霸权”:谷歌公司研发的“悬铃木”量子计算原型机,可以在200秒内完成百万量子采样,而美国最快的“顶点”超级计算机需要一万年才能模拟完成。

此次,中国超算应用团队证明,谷歌公司2019年演示的随机量子电路采样任务,基于新一代神威超算可以在304秒内完成,打破了谷歌宣称量子计算和超算在时间上高达10亿倍的差异,突破了谷歌所实现的“量子优越性”

“量子优越性”指的是:如果一个特定的计算任务可以被量子计算机解决,但是不能在一个可接受的时间内被任何现存的经典计算机运用任何已知算法来完成,那么就说实现了“量子优越性”。

我们团队参与的部分是,提出了能够将张量网络复杂性降到最低的一种计算方法。”上海量子科学研究中心的黄合良今年七八月份参与到这一算法的设计中。

有趣的是,他也是“祖冲之二号”量子计算优越性实验的理论工作负责人。一次偶然的“跨界”让他在超算和量子计算这两个毫不相关的领域碰撞出了火花。

量子模拟器 提供验证新可能

年轻的量子计算研究者们发现,一直被量子计算“秒杀”的传统经典计算,很可能是一位助力量子计算机未来真正实现的“最佳拍档”

今年以来,量子计算领域不断传出“令人激动的实验杰作”。

中国科学技术大学潘建伟、陆朝阳、刘乃乐等人与中国科学院上海微系统与信息技术研究所、国家并行计算机工程技术研究中心合作,成功构建113个光子144模式的量子计算原型机“九章二号”;

上海量子科学研究中心、中科大研究员朱晓波团队与中科院上海技术物理研究所合作,成功研制出“祖冲之二号”,则在超导量子路线上,实现了“量子优越性”。

在量子计算领域取得一系列突破时,如何验证量子计算机的准确率,愈发成为目前量子计算机研发的主要瓶颈之一。因为要制造一个量子计算机,首先要确保计算结果的准确率。然而,随着量子计算机规模的扩大,谁来验证其计算结果对不对呢?

这就是现在量子计算机研发的主要困难之一,如何找到一种算法,能够验证量子计算结果的准确性。我们的工作使得经典超算模拟大规模量子线路的能力大幅提升,给大规模量子计算提供了检查作业的可能。

黄合良说,验证“秒算”的量子计算机,通过经典计算机验证如果需要以“天”、甚至“年”为单位,实际上是没有意义的。然而,此次的获奖项目极大地提升了超级计算的能力,让经典计算“快到起飞”。

据介绍,研究人员引入了一个系统的设计过程,涵盖了模拟所需的基础算法、并行算法和系统级优化方法,基于新一代神威超级计算机,设计出的量子模拟器,提供了每秒4.4百亿亿次的持续计算性能,这意味着基于经典计算的超算实现了量子计算的模拟。

“量子模拟器作为经典计算和量子计算的桥梁,对下提供量子计算机的正确性验证,对上辅助用户开展量子算法设计,是当前带噪声的量子计算机研发过程中不可或缺的工具。”

量子·动态

1️⃣近期,中国科学技术大学彭新华教授研究组与德国科学家合作开发出一种新型超灵敏量子精密测量技术,并用于暗物质的实验直接搜寻,实验结果比先前国际最好水平提升至少5个数量级。该技术利用激光先极化铷原子蒸气,再利用铷与气态氙原子的自旋交换碰撞,从而将氙原子的核自旋极化。

2️⃣近期,中国科学技术大学郭光灿院士团队李传锋、柳必恒研究组与电子科技大学教授王子竹、奥地利科学院博士高小钦等中外科学家合作,在国际上首次实现了高维量子纠缠态的最优检测。所谓最优检测,是指在任意给定态和测量基的情况下,所采用的方法能给出最紧的纠缠态边界,区分目标态纠缠的能力是否最强。

3️⃣日前,中国科学技术大学的量子科学与技术博士学位授权交叉学科通过国家审批。这个量子科学与技术方向的博士学位授权点,标志着该校在量子科技领域的学科建设取得了阶段性成果,迈入系统布局、成熟发展的新阶段

END

谷歌量子计算团队再次发送自然!或者为容错量子计算机的发展铺平道路

撰文:库珀 编审:寇建超

谈起量子计算,大多数人只有模糊的概念,这是一项高深且极具革命性的计算技术,能完成目前世界上最先进的传统计算机不可能完成,或者需要极长时间才能完成的计算任务。

2019 年,Nature 曾以封面的形式刊登了一篇谷歌量子计算首次实现量子优越性的论文,在实验中,谷歌量子计算机基于 54 量子位处理器,只用了 200 秒就完成了世界第一超算需要计算1万年才能算出的结果,揭示了量子计算机的巨大潜能。

图|谷歌量子计算设备和“悬铃木”处理器概念图(来源:OUTLOOK Series)

量子计算机最突出的优势是可以对数据进行同时处理计算,但其发展瓶颈也很明显,例如目前量子比特数不够多,纠错容错技术也有待完善,这些因素都大大限制了量子计算的普及实用。因此,包括各国工业界、学术界和国家实验室的科研人员都在寻求减少量子计算机错误的方法。

就在今天,谷歌量子人工智能(Google AI Quantum)团队的一篇论文再次刊登在 Nature 杂志上,研究人员基于谷歌量子处理器“悬铃木”(Sycamore)实现了量子计算错误抑制的指数级增长。

(来源:Nature

研究数据表明,研究人员将重复码基于的量子比特数量从 5 个提高到 21 个,对逻辑错误的抑制实现了最多 100 倍的指数级增长,这种错误抑制能力在 50 次纠错实验中均表现稳定,或为可推进容错量子计算机的研发铺平道路

尽管实验中提及的错误率还没达到实现量子计算机潜力的阈值,但这一研究成果已经证明了量子纠错(quantum error-correction,QEC)可以成功将错误率控制在一定范围内。研究人员认为“悬铃木”架构或已逼近这一阈值,结果令人振奋。

改善错误率的路径

实现量子计算的潜力需要足够低的逻辑错误率,许多应用程序要求错误率低至 1/(10^15),即 10的负 15 次方,但目前最先进的量子平台的物理错误率通常才接近 1/(10^3)。

而量子纠错通过将量子逻辑信息分布在许多物理量子位上,使得错误可以被检测和纠正,从而有望弥合这一鸿沟。

编码的逻辑量子位状态上的错误可以随着物理量子位数量的增长而指数地被抑制,但前提是物理错误率低于某个阈值并且在计算过程中保持稳定。

在这项研究中,研究人员实现了嵌入在超导量子比特的二维网格中的一维重复码,证明了位翻转或相位翻转错误的指数抑制,当量子比特数从 5 增加到 21 时,逻辑错误减少了 100 倍以上。

许多量子纠错体系结构是建立在稳定码的基础上的,其中逻辑量子位是在多个物理量子位的联合状态下编码的,研究人员称之为数据量子位。

称为测量量子位的附加物理量子位与数据量子位隔行扫描,并用于周期性地测量所选数据量子位组合的奇偶性。这些投射稳定器测量将数据量子态的不希望的扰动变成离散误差,研究人员通过寻找奇偶性的变化来跟踪这些误差,然后可以对奇偶校验值流进行解码,以确定发生的最可能的物理错误。

图|每轮纠错的逻辑错误概率比例缩放公式(来源:Nature

以前的许多实验已经证明了稳定码在各种平台上的运行原理,如核磁共振、离子阱和超导量子位等。然而,这些结果不能外推到大系统中的指数误差抑制,除非对串扰等非理想特性有很好的理解。此外,指数误差抑制以前没有用循环稳定器测量来证明,这是容错计算的一个关键要求。

研究人员此次在测量过程中也引入了误差机制,如状态泄漏、加热和数据量子位退相干,并运行了两个稳定器代码。在重复码中,量子位在一维链中的量子位和数据量子位之间交替,每个量度量子位检查其两个相邻量子位的奇偶性,所有量子位检查相同的基,以便逻辑量子位不受错误的影响。

改进的“悬铃木”处理器

在硬件方面,研究人员基于“悬铃木”(Sycamore)处理器来实现量子纠错,它由一个二维的量子位阵列组成,其中每个量子比特可调谐地耦合到四个最近的邻域,即表面代码所需的连接性。

该处理器具有改进的读出电路设计,允许以更少的串扰进行更快的读出,并且每量子位的读出误差减少 2 倍,和它的前身一样,这个处理器有 54 个量子位,但研究人员最多使用了 21 个量子位,因为只有处理器的一个子集连接起来了。

图|“悬铃木”上的稳定器电路概念图,构成稳定器电路的操作错误率以及相位翻转码电路示意图等(来源:Nature

据论文描述,此次实验利用了“悬铃木”结构的门校准的最新进展。

首先,研究人员通过将每个量子位的频率扫过读出谐振器的频率,从激发态(包括非计算态)中移除布居。这种复位操作附加在量子纠错电路中的每次测量之后,并在 280ns 内产生误差低于 0.5% 的基态;

然后,他们利用两个量子位元的联合态(1,1)和(0,2)之间的直接交换来实现一个 26ns 受控 Z(CZ)门,可调量子比特-量子比特耦合允许这些CZ门以高并行度执行,并且在重复代码中同时执行多达10个CZ门;

最后,使用量子纠错的结果来校准每个 CZ 门的相位校正,同时利用交叉熵对标,结果发现发现 CZ 门泡利平均误差为 0.62%。

研究人员将重复码实验的重点放在位相翻转码上,在位相翻转码中,数据量子位占据了对能量弛豫和退相都很敏感的叠加态,这使得它的实现比位相翻转码更具挑战性,也更能预测表面码的性能。在测量和复位期间,数据量子位被动态解耦,以保护数据量子位免受各种退相源的影响。

研究人员分析实验数据的第一步是将测量结果转化为错误检测事件,即相邻回合之间相同测量量子位的测量结果变化,他们将检测事件的每个可能时空位置(即特定量子位和圆)称为检测节点,对于 50 轮 21 量子位相位翻转码中的每个检测节点,他们都绘制了在该节点上观察到检测事件的实验分数。

在第一轮和最后一轮检测中,检测事件的分数与其他轮相比有所降低。在这两个时间边界回合中,通过比较第一个稳定器测量和数据量子位初始化来发现检测事件。因此,在时间边界回合中的测量量子位读出期间,数据量子位不受消相干的影响,这说明了多回合运行量子纠错对准确基准性能的重要性。

除了这些边界效应,研究人员还观察到平均检测事件分数为 11%,并且在所有 50 轮实验中都是稳定的,这是量子纠错可行性的关键发现。

图|错误检测分析(来源:Nature

接下来,研究人员描述了检测事件之间的成对相关性。通过计算任意一对检测节点之间的相关概率来检验“悬铃木”处理器是否符合期望,正如预期的那样,最明显的相关性要么是类空间的,要么是类时间的。

此外,他们还观察到一些偶发事件大大降低了重复代码的性能,未来通过改进设备设计或屏蔽来缓解这些事件,对于实现具有超导量子比特的大规模容错计算机至关重要。

图|错误和表面码(来源:Nature

重要的研究方向

为了更好地理解本研究中的重复编码结果和设备的投影表面编码性能,研究人员用去极化噪声模型模拟了实验,这意味着在每次操作后都有可能注入随机泡利误差(X、Y 或 Z),使用平均错误率计算每种操作类型的泡利错误概率。总的来说,∧ 的测量值比模拟值差约 20%,研究人员将其归因于泄漏和串扰误差等机制,但未包括在模拟中。

关于下一步研究,研究人员表示,必须提高“悬铃木”的整体性能才能观察到表面码的错误抑制。

展望未来,我们在实现可伸缩量子纠错的道路上依然存在许多挑战。但此次研究中的误差预算则指出了达到表面编码阈值所需的重要研究方向:在测量和复位过程中减少 CZ 门误差和数据量子位误差,跨过这个门槛将是量子计算的一个重要里程碑。

然而,实际的量子计算需要 ∧≈10(表示 1000:1 的合理物理与逻辑量子比特比),达到 ∧≈ 10 将需要大幅度降低操作错误率,并且需要进一步研究高能粒子等错误机制的缓解。

参考资料:

https://www.nature.com/articles/s41586-021-03588-y