阿瑟阿什金发表的论文

阿瑟阿什金发表的论文

以来激光束流相关的产生、控制技术的进展，利用光来操作微小物体的“光镊”随之登上了历史舞台。

光镊诞生的发想——光之力伴随着上世纪60年代以来激光束流相关的产生、控制技术的进展，利用光来操作微小物体的“光镊”随之登上了历史舞台。阿瑟·阿什金教授曾在贝尔实验室和朗讯科技公司任职，他很早就开始进行光操控微粒的研究工作，并最终于1986年公开了他的第一代光镊。

大家都知道光可以协助动物产生视觉，可以为植物提供能量来源，可以加热物体，但是对“光的力学领域”可能并不熟悉。实际上，光镊正是利用了“光的力”（Photon force/ radiation pressure，可以译为光压、辐射压等等），并诞生了举世瞩目的成果。

什么是“光的力”？中学物理中，我们已经了解了光同时具有波和粒子的双重性质，所谓波粒二象性。与人体被飞来的棒球击中后产生冲击一样，光的粒子即光子在接触物体后，同样会对该物体施加力的作用。你可能会感到奇怪，既然如此，我们为什么没有被强烈的日光或者探照灯击倒在地呢？这是因为，光的压力大概仅仅在10亿分之一到100亿分之一N这个数量级，所以说能用肉身感受到光压的人显然是不存在的。

然而，越是微小的物体，就越容易被微小的力所撼动。例如，红血球、细菌一类人体细胞或者微生物等等都对光压非常敏感。来自光的微小压力可以让微小的物体在不受到积压破坏的前提下进行移动。光镊是如何让光操控微粒成为可能的具体来说，光镊系统一般由照明光路和控制光路构成。

照明光路负责采集成像所需的信号，而控制光路用来控制和限制微小物体的运动。控制光路的核心是汇聚性能特别好的激光束发射系统。激光的特性之一就是可以被汇聚到一个十分微小的光斑上，这是普通光源所无法实现的。对于所要操控的微小物体来说，这种激光束汇聚形成的强聚焦光斑会形成一个类似“陷阱”的机构（称为三维光学势阱），微粒将会被束缚在其中。一旦微粒偏离这个“陷阱”中的能量最低点（即位置的稳定点），就会受到指向稳定点的恢复力作用，好像掉进了一个无法摆脱的“陷阱”一般。如果移动聚焦光斑，微粒也会随之移动，因此便能实现对微粒的捕获和操控。

诺贝尔物理学奖得主是阿瑟·阿什金，在96岁高龄才得奖，这都是他的坚持

24丨衰老：老不是问题，衰才是关键 1、96岁的阿瑟·阿什金 2018年诺贝尔物理学奖得主阿瑟·阿什金（Arthur Ashkin）在96岁获奖，是诺奖历史上获奖当时年龄最大的科学家。 96岁的阿瑟·阿什金 这个人非常聪明。 他发明了激光镊子，可以捏住原子、分子、病毒这样的小东西，而且还不会损伤它们。这个发明一定会给未来的医学研究带来巨大贡献。 就这样一个聪明人，你猜他最担心什么呢？ 怕死吗？毕竟快100岁的人了。 不怕。那他怕啥呢？ 当诺奖工作人员给阿什金打电话，通知他获奖的时候，老爷子还在地下室写论文。 他说：“我希望得奖以后，我自己发表论文能容易点。那些编辑可能会说，阿什金是个聪明人，得过诺贝尔奖。最好发表他的论文。” 其实，他说出了咱们的心声。 现代医学刚诞生的时候，人类平均寿命是30岁，到今天平均预期寿命已经接近80岁了。 医学用200多年的时间让人类寿命延长了大约50岁，而且这种趋势还在持续。 咱们这代人很可能活到100多岁。但问题是，咱们肯定不想病恹恹地活到100岁。 2、年龄只能反映衰老，不能定义衰老 那么，衰老是怎么回事呢？ 这节课，我带你一起认识衰老。 有据支持的人类寿命极限是120岁 先说说人类的寿命极限。 根据已有的研究结果，最靠谱的结论是：人类寿命的极限是120岁。 有三个证据。 首先，人类历史上有证可考的最长寿人士，是一名法国女性，享年122岁。 其次，法国博物学家布丰（Georges Louis Leclere de Buffon）得出一个结论：物种寿命是生长期的5-7倍左右。 人类的生长期基本就到18岁，按照最高7倍推算，18乘以7等于126岁，与120岁接近。 另外，美国著名科学家海夫利克（Leonard Hayflick）发现，人类一生中细胞平均分裂次数为50次，每一次分裂产生的新细胞平均存活2.4年，50乘以2.4也等于120岁。 所以，如果没病、没灾、没意外，理论上人就有可能活到120岁。这是人类寿命的极限。 年龄只能反映衰老，不能定义衰老 听到这里你肯定很高兴。 但是，咱们经常听人说，岁数大了病就找上来，恢复起来也难，这就是衰老。 传统观念是把衰和老联系在一起的。 那么老就一定衰吗？未必。 2015年，我治疗过一个重症肺炎、呼吸衰竭的老奶奶，103岁。当时她已经气管插管，用上了呼吸机，我还给她下了病危通知书。 一般来说，病的严重程度和年龄相关。 75岁以上的老人治起来非常难。在病情这么重的情况下，几乎所有高龄病人的情况，都是一个器官还没治好，别的器官又出问题了。 原因你肯定知道，人老了，器官的代偿能力差了。所以死亡风险非常高。 但是这个病人不同，她对药物的反应很好。在病床上躺了两周，身上一点都不肿，咳嗽力量也大。 后来她的肺炎治愈了，拔了气管插管，高高兴兴回家了。 直到今天我都一直在想：这个病人不是我治得好，而是她只是老，但并不衰。 这个病人尽管103岁，但是长得却没那么老，咳嗽力量非常大。咳嗽，就是针对肺炎最好的自我修复能力。所以她能抵御疾病并且从中修复。 这是一个老而不衰的病例。 我们医院还治疗过一个早老症的病人。14岁的年龄，但是身体已经老化，面容苍老，眼球内陷，皮肤全是皱褶。 这种罕见病，身体老化速度是正常人的5-10倍。这个病人虽然不老，但是身体已经衰了。 这两个病例说明，衰老速度在个体之间存在显著差异。 多数时候，年龄大小可以在一定程度上反映衰老的程度。但是衰老的本质，却不是年龄大。 3、衰老的本质：自我修复能力下降 这么说很有道理。 但是话说回来，如果让人赶紧变老，死了之后赶紧给后代腾地方。那肯定没人愿意。 所以，我们有必要了解衰老的机制，以及怎么延缓衰老。 我把人类研究衰老的最新进展，总结了三个层面： 在前面的课程里讲过，很多因素会引起基因突变，基因突变就是一种损伤。 比如，细胞分裂的时候会有突变，接触紫外线、化学物质，人体产生的自由基也会引起基因损伤。 从这个角度看，癌症就是衰老的一种表现形式。 基因损伤的累积越来越多，就像染色体长满了伤疤一样，就会影响细胞的功能。 细胞功能异常会表现为很多方面： 比如，内分泌腺体分泌激素越来越少。女性雌激素水平下降，就会引起皮肤弹性下降、皮肤干燥、月经紊乱和骨质疏松。 再比如，细胞利用营养物质的能力也会下降。会出现糖尿病、高血脂。所以，这类病人并不完全是营养物质摄入过多，同时还有利用障碍。 另外，人体还会产生很多衰老细胞和有害的蛋白质，短时间内清除不掉。 比如，阿尔茨海默症病人的大脑里面，会沉积很多淀粉样蛋白和衰老细胞。 这些物质不仅“占着地方不干活”，还会引发慢性炎症反应，进一步加速阿尔茨海默症的发展。 无论是激素水平下降，利用营养物质的能力下降，还是清除衰老物质的能力下降，这些都是细胞功能下降的表现。 但是我们说过，人体可以自我修复。 刚才提到的103岁的老人，得了重症肺炎却能很快痊愈，靠的就是自我修复。 我们看看人体有哪些自我修复能力。 比如，基因损伤可以自我修复。 比如，深度睡眠的时候，大脑神经胶质细胞的体积可以缩小60%。就是为了给大脑内的液体留出空间，加快液体循环，清除衰老物质。这也是自我修复。 再比如，细胞损伤或者死亡之后，人体的干细胞会加快分裂，补充坏死的细胞。这还是自我修复。 只有自我修复能力下降了，它没办法修复基因损伤，没办法恢复细胞功能的时候，才是真的衰了。 毫无疑问，衰老带来了很多问题。 比如皮肤皱纹，行动能力下降，免疫力低，得了病很难痊愈，记忆力也会下降。 这是自然现象。 但是，目前最难解决的问题，是衰老带来的认知能力下降。 4、延缓衰老：激发自我修复和代偿 有一种严重危害老年人智力和身体的病——阿尔茨海默症。目前，中国阿尔茨海默症的患者有1000万左右。 有一个比喻：阿尔茨海默症的病人，他的大脑就像被什么东西慢慢吃掉一样。就这么一路地走向衰，走向亡。 对于导致这个病的因素，有的研究认为是大脑里的衰老细胞，也有的研究认为是口腔内的微生物。 但是直到今天，医学还没有搞清楚确切的发病机制。所以，目前也缺乏对于这个病的特效药物。 医学总会有攻克阿尔茨海默症的那一天。对于这个病，我也提不出太多的建议。 比如学会的某种技能、语言文字能力、判断力、联想力等等。晶体智力不会随着年龄下降。 比如记忆力、运算速度、推理能力等。这种智力是有生理基础的，所以，它在30岁以后会逐步下降。 比如，节食。少吃有利于清除大脑里的衰老细胞。 比如，运动可以帮助咱们清除体内废物，增强自我修复能力和代偿能力。 再比如，戒烟限酒可以减少基因损伤，也就是减慢了衰老的速度。 毫无疑问，咱们这代人可以活得更久。但是，要让生命更精彩还得靠自己。 今日得到： 1、阿什金说：我不担心年龄，我只担心不再聪明了。 2、咱们这代人很可能活到100多岁。但问题是，咱们肯定不想病恹恹地活到100岁。 3、根据已有的研究结果，最靠谱的结论是：人类寿命的极限是120岁。有三个证据。 所以，如果没病、没灾、没意外，理论上人就有可能活到120岁。这是人类寿命的极限。 4、年龄只能反映衰老，不能定义衰老。传统观念是把衰和老联系在一起的。多数时候，年龄大小可以在一定程度上反映衰老的程度。但是衰老的本质，却不是年龄大。 5、衰老的本质：自我修复能力下降。人类研究衰老的最新进展，总结了三个层面： 衰老的第一个层面：基因损伤。很多因素会引起基因突变，基因突变就是一种损伤。随着年龄增长，这些损伤就会逐步累积和叠加。如果这种基因突变发生在关键位点上，就会变成癌症基因。 从这个角度看，癌症就是衰老的一种表现形式。 基因损伤的累积越来越多，就像染色体长满了伤疤一样，就会影响细胞的功能。 衰老的第二个层面：细胞功能异常。 无论是激素水平下降，利用营养物质的能力下降，还是清除衰老物质的能力下降，这些都是细胞功能下降的表现。 衰老的第三个层面：只有自我修复能力下降了，才是真的衰。 只有自我修复能力下降了，它没办法修复基因损伤，没办法恢复细胞功能的时候，才是真的衰了。 6、现代医学的进步让咱们有能力和很多慢性病对抗。在未来，医学可以帮助高龄的人解决很多躯体上的问题。但是，目前最难解决的问题，是衰老带来的认知能力下降。 7、延缓衰老：激发自我修复和代偿。 我们可以延缓因为年龄增大而引起的认知能力下降。 8、心理学家把人的智力分成晶体智力和流体智力。晶体智力是后天获得的认知能力。比如学会的某种技能、语言文字能力、判断力、联想力等等。晶体智力不会随着年龄下降。流体智力是一种先天的能力。比如记忆力、运算速度、推理能力等。这种智力是有生理基础的，所以，它在30岁以后会逐步下降。9、作者个人认为，既然流体智力有生理基础，那么咱们利用有效的方法延缓生理衰老，很可能有利于减慢流体智力的衰退速度。 10、重点： 衰老的本质不是年龄增长。 2 衰老的机理分为三个层面：基因损伤，细胞功能异常，自我修复能力下降。自我修复能力下降是衰老的本质。 . 运动、节食、戒烟限酒，有助于延缓衰老。 11、年龄可以反映衰老，但是却不能定义衰老。

阿里发论文

本篇文章介绍了阿里妈妈定向广告团队的最新作品：Co-Action Net(以下简称CAN)。CAN提出了一种全新的特征交互思路，将待交互的特征（用户侧和商品侧特征）分别作为DNN的输入和权重，用DNN的输出作为特征交互的结果。CAN在提升了特征交互的表达能力同时，降低了传统的笛卡尔积交叉所需要的计算复杂度。 论文地址： . 作者的知乎专栏：

在CTR预估任务中，特征间的交互一直是业界研究的热点。由于DNN以一个隐式的方式来学习输入特征，很难单纯依靠DNN来从庞大的稀疏特征集中学习到有效的特征交互，因此许多工作都在特征工程中采用了了手动特征交互，FM, FNN, PNN, DCN和DeepFM等都从不同的方面阐述了这一点，感兴趣的同学可以参考笔者之前的文章: 《从FM到DeepFM：浅谈推荐系统中的模型演化》 。

在推荐系统模型的构建中，特征工程占有十分重要的地位。在海量的输入特征中，用户行为(user behaviors)和推荐商品(recommended item)两者的交互可以准确地建模用户兴趣，论文作者将这种交互特征统一命名为co-action. 如图1所示：A和B代表模型的输入，Target可以为ctr的预估值。一般来说，可以由DNN来学习A和B之间的关系。但如果我们在输入端就手动将A、B进行交互，学习的难度会大大降低。

对于特征交互，最基本的方式就是做 笛卡尔积(Cartesian Product) 。在tensorflow中，这个操作就是cross column[1]. 对于特征A和B，笛卡尔积将两者组合成一个新特征(A, B)；改变A或B的值，就会得到一个全新的特征。这种方式可以刻画出A、B间的所有组合。在训练样本充足，不考虑性能的情况下，笛卡尔积是最好的特征交互方式。但笛卡尔积有两个缺点：

顾名思义，CAN的目的在于建模不同特征之间的Co-Action，可以理解为一种新的特征交互方式。简单来说，该论文实现了一个pluggable的CAN网络单元，将待交互的两类特征分别作为CAN网络的输入和权重，网络的输出作为特征交互的结果。

图2展示了CAN的基本结构。输入特征可以分为用户行为序列(user behavior sequence)，候选商品(target item)，用户画像特征(user age 等)和其他特征。其中user sequence、target item和other feature通过embedding层后输入到DIEN网络结构。对于CAN部分，user sequence和target item的embedding被用作CAN的输入和权重参数，最后输出的结果sum pooling起来，与DIEN的输出concat在一起过后面的DNN部分。下面重点介绍一下整个网络结构中的关键：Co-Action Unit.

CAN的整体实现逻辑还是比较简单的。将CAN中的全连接网络记为 ，候选商品特征 作为 网络的weight和bias，而用户行为序列特征 则是 网络的输入。这里 是所有unique ID的个数，即item ID的参数空间； 和 是embedding size，且 < . 在广告系统中，与用户点击过的商品相比，target item的个数较少，因此用 来作为 的参数。 由于 包含了 多层的参数，因此其维度需要大于 ，即 < . 通过split和reshape操作转化为weight和bias参数，这一过程可以表述如下：

与其他特征交互方式相比，CAN有以下几个优点：

前述的CAN结构只能显示地建模一阶特征交互。对于更高阶的情况，可以通过高阶输入来实现，即

其中c是特征交互的阶数。

论文中引入了3种做法来保证CAN学习的独立性。

由Table 2可以看出，CAN在两个实验数据集上的AUC指标均优于PNN，NCF[2]，DeepFM；除此之外，笛卡尔积(Cartesian)作为最基础的特征交互手段，其结果是优于PNN，NCF和DeepFM的。但CAN的实验结果甚至比笛卡尔积还要好，这里的原因我想有两点：

为了验证CAN的泛化性，作者将test数据集中的那些在训练集中出现过的特征组合都删除，构造了一个冷数据测试集，该测试集中所有的特征组合都是模型之前没有见过的。实验结果如Table 5 所示：

可以看出，NCF和DeepFM的结果要优于笛卡尔积。与Table 2中的结论相比，证明笛卡尔积的泛化性确实存在问题；同时，CAN的AUC最高，也证明了CAN结构的泛化性明显强于笛卡尔积以及其他的特征交互方式。

笔者认为这是本论文最精华的部分之一。 作者在本节中详细论述了CAN模型在部署到阿里巴巴展示广告系统时遇到的一些困难和解决方案，对复杂ctr预估模型的落地有很大的指导意义。

特征交互，是在原始特征的基础上对特征对(feature pair)进行额外的组合，势必会引入额外的存储和计算开销。我们知道，CTR模型的大部分参数都集中在embedding部分，而笛卡尔积会让embedding大小线性增加。对于两个维度（ 此处维度指unique IDs的数目 ）为M和N的特征，笛卡尔积需要引入一个(M x N, embedding_size)大小的embedding矩阵；除此之外，新增的embedding也会引入更多的lookup操作，严重影响模型的响应时间，latency增大。作者提到即使采用了IDs frequency filtering（个人理解是根据ID出现的频率，过滤掉一部分低频ID来减小参数量，即低频过滤）也无法缓解。

对于CAN模型，虽然参数大大减小，但以上问题还是会影响到模型的部署。论文中使用了6个ad侧特征和15个用户侧特征进行交互，理论上这样会引入15 x 6 = 90个特征组合。而用户侧特征多为用户的行为序列，普遍长度都超过100，会带来更大的负担。

为了解决以上问题，论文中采用了以下方案：

特征间的交互对ctr预估模型具有重要的意义。本论文阐述了笛卡尔积和一些常用模型结构（FM，PNN，DeepFM等）的不足，提出了一种新型网络CAN来建模Feature Co-Action。CAN用DNN的输入和权重来建模特征交互，既解决了笛卡尔积的空间复杂度和泛化性问题，又能够获得较好的特征交互效果（体现在模型auc的指标上）。同时，引入了多阶输入(multiorder enhancement )和模块间的独立性(multi-level independence)使CAN的功能更加完备。最后介绍了模型上线遇到的困难和解决方案，对大型ctr预估模型的部署有很大的借鉴意义。

.

阿里巴巴是目前全球最大的商务交流社群和网上交易市场。下面是我整理了，有兴趣的亲可以来阅读一下!

阿里巴巴集团发展战略研究

【摘要】本文通过对阿里巴巴集团进行SWOT分析的基础上制定了适合阿里巴巴集团的发展战略：阿里巴巴集团应该将“商通天下”确定为战略目标，以第三方电子商务平台为核心业务，整合资讯、支付、物流等多种支撑服务。

【关键词】SWOT;阿里巴巴集团;发展战略0.前言

阿里巴巴集团作为国内最大、全球领先的电子商务服务企业。从1999年创立至今短短十余年时间就形成现有规模，各项业务均排名行业第一，这些业绩的取得都源于阿里巴巴集团对发展战略的高度重视。但市场和环境是在不断变化的，“逆水行舟，不进则退”，阿里巴巴集团要想维护优势地位并实现长远发展，必须完善发展战略，实现战略升级。

1.阿里巴巴集团SWOT分析

1.1优势

1.1.1庞大的客户群

阿里巴巴集团经过多年经营，在国内外建立起竞争者无法比拟的庞大客户资源。客户型别以中小企业、网路消费者为主。2011年，阿里巴巴 B2B 平台会员数超过7500万，网上商铺数量超过1000万，付费会员数量超过100万;天猫已拥有4亿多买家，40000多家商户，70000多个品牌。

1.1.2完善的服务平台

阿里巴巴集团所拥有的电子商务服务能力国内最强、国际领先，形成对海量中小企业和网路消费者的强大吸引力。阿里巴巴集团到目前为止已经形成的整体平台架构包括网上企业交易平台***阿里巴巴网路有限公司***、网上零售平台***淘宝网和天猫***、支付平台***支付宝***、电子商务云端计算服务平台***阿里云端计算***等七部分。

1.1.3绝对的市场份额

2011年二季度，阿里巴巴 B2B 市场份额虽同比有所下降，但仍占61%;环球资源网则以4%的市场份额位列第二。2011年淘宝网几乎垄断了国内C2C电子商务交易市场的全部，达到九成的占有率;排名第二的是拍拍网。2011年一季度的国内B2C市场，天猫继续保持30%以上的市场占有率，其后为京东、卓越等B2C商家。

1.1.4综合性的服务

阿里巴巴通过整合资讯、支付、物流等多种服务，提供完整的电子商务服务。阿里巴巴还通过汇聚丰富的市场资讯，提供动态的资源优化配置服务，使中小企业能及时准确的了解市场变化，做出科学决策。

1.2劣势

1.2.1机构官僚化严重

伴随着阿里巴巴集团的规模扩张，机构逐渐膨胀，并直接导致内部官僚化，决策反应速度因此变慢。反应速度变慢、决策机制官僚化、创新机制不到位都深刻影响集团的良好发展。

1.2.2信用体系不健全

阿里巴巴B2B的欺诈事件暴露出阿里巴巴内部监管出现漏洞、内部协同机制不到位等深层次问题。另外，一些网上店家利用信用评价制度漏洞通过非正常手段提高信用评价的现象仍然大量存在。

1.2.3发展速度和质量失衡

阿里巴巴集团一直处于高速发展阶段，而一些长期潜藏的深层次问题却在近期不断爆发。阿里巴巴B2B的“欺诈门”事件和淘宝网的“淘宝围攻”事件的发生暴露出阿里巴巴集团对发展过程中质量建设的指导与规范仍不够完善。

1.2.4低门槛准入制的困扰

阿里巴巴近期的一系列丑闻表明，虽然低门槛准入制可以在很短的时间内积累庞大的人气和市场，但从长远看低门槛准入制带来的监管困难是巨大的，低门槛准入制对企业的成长并非都是健康的，产生的深远负面影响是在短期内容易被忽视的。

1.3机遇

1.3.1世界经济的复苏

世界经济形势的复苏特别是主要发达国家经济走出危机阴影，为阿里巴巴集团的发展创造了契机。全球经济形势虽然还存在较大的不确定性，但整体向好的势头开始出现，国际外部需求开始回升，中小企业外贸出口订单增加，对外贸易机会增多。

1.3.2国内产业结构的调整

我国“十二五”规划中明确提出，“积极发展电子商务，完善面向中小企业的电子商务服务，推动面向全社会的信用服务、网上支付、物流配送等支撑体系建设”，对阿里巴巴集团来说，可以凭借优越的政策环境，实现战略转型，实现更大发展。

1.3.3居民消费能力上升

我国居民消费热情高涨，日渐理性和成熟，自主辨别能力也越来越强。随着网际网路的不断普及，城乡居民消费能力不断提升，电子商务和网路购物即将进入高速发展周期，这给阿里巴巴集团的发展带来巨大市场和使用者资源。

1.3.4农村电子商务的发展

农村电子商务发展成为新的亮点，发展迅猛。农民网商通过网路销售农村土特山产品和深加工产品，实现了发家致富。农村创业的氛围更加浓郁，已经逐步形成自成一格的农村电子商务产业丛集。

1.4威胁

1.4.1行业规范的缺失

我国的电子商务服务行业还处在成长发展时期，虽然整体上规模不断扩大，结构不断完善，但相应的网上支付、交易规范等方面在国家法律和行业规范上依然存在真空。

1.4.2市场竞争的压力

我国电子商务市场前景十分广阔，越来越多的企业跃跃欲试，想要进入到这个市场，无论是选择开展直接电子商务业务、间接电子商务业务还是选择第三方电子商务服务业务，都在不断加剧市场竞争的激烈程度。

1.4.3物流配送的制约

物流是使电子商务活动得以完整实现的关键必要环节。虽然经过多年的发展，物流行业已经有了一定基础，但在物流配送速度和服务质量方面、物流企业的资讯化水平和管理能力方面仍有待提升。

1.4.4服务能力的限制

依托电子商务平台成长起来的电子商务企业，面对消费者对产品、服务越来越高的要求，同质化竞争越来越激烈;同时，业务及企业规模增长对管理能力和水平的挑战，以及成本的提升等，都将给阿里巴巴集团的可持续发展带来挑战。

2.阿里巴巴集团发展战略

阿里巴巴集团应该将“商通天下”确定为战略目标。对于阿里巴巴集团来说，仍然要立足于以满足商务需求为目的的电子商务行业，定位于电子商务服务产业，全力打造电子商务服务产业链，以第三方电子商务平台为核心业务，整合资讯、支付、物流等多种支撑服务，全面建立起一个世界最大的电子商务生态系统。

2.1平台业务创新战略

第一，阿里巴巴B2B应加快以会员为导向的收费模式向与服务效果挂钩的收费模式转变的速度，面对的首要难题就是市场流量的变化，所以必须面向国内贸易市场的需求开拓客户群。

第二，以淘宝开放平台***简称TOP***为核心深度整合平台资源，打通B2B、B2C和C2C平台界限，形成B2B2C的全方位电子商务平台。

2.2支付业务开放战略

2011年5月央行发放首批支付牌照，部分消除了第三方支付行业发展的不确定性，但也将导致第三方支付行业面临新的格局变化。作为阿里巴巴集团电子商务平台指定第三方支付机构，支付宝应围绕更多金融领域***基金保险等***进行拓展，并在核心业务领域深耕，广大为中小企业和网路消费者乃至其他客户提供综合性的电子商务金融服务。

2.3物流业务联盟战略

阿里巴巴集团可以将物流业务应定位为开放的社会化物流服务平台战略即“第四方物流平台”战略，所有电子商务参与主体***物流企业、中小企业、网路消费者、电子商务平台等***都***或免费使用阿里巴巴提供的公共物流服务，从而形成强大的物流联盟。阿里巴巴物流平台是整合第三方物流资源的“第四方物流平台”，供应链解决方案是其主要服务产品。

2.4云端计算业务领先战略

阿里云端计算要以“建设以资料为中心的国内领先的电子商务云端计算服务平台”为目标。阿里云端计算要能够提供完整的电子商务云端计算服务，进一步深化电子商务资料采集、处理和应用，为电子商务生态系统配备强有力的技术基础。为此，阿里巴巴集团需要做好“云”与“端”的布局，提高阿里云的商业价值，创新阿里云的发展模式，明确自身定位和聚焦业务。

【参考文献】

[1]IDC，阿里巴巴集团研究中心.加速资讯化程序—电子商务和阿里巴巴商业生态的社会影响[R],2012.

[2]余雨航，唐峰.阿里巴巴成功因素分析[J].中国科技纵横,2010,***22***.

点选下页还有更多>>>

阿里肯发表的论文

不靠谱的。去年12月，在第1篇论文还没有“落实”的情况下，张晨还想再发1篇，就再次联系该卖家，又“送出”2、6万元，卖家则承诺“这一篇将于2018年5月刊登”。“其实那个时候也很担心，刊物一天没拿到，就觉得有的可能。但之前自己投了很多篇都没成功，多发点论文肯定对以后找工作有好处。”张晨劝自己“不要多想，继续等待”。付款以后，张晨一直关注着即将刊登自己论文的期刊的公众号。到了今年5月，她还没有发现一篇自己署名的论文，才意识到可能遇上子了。“那时，卖家删掉了微信朋友圈很多代发论文相关的内容，我给他发微信也不回，电话也打不通。”然而，损失了5万多元的张晨并没有选择报警，她担心这个事情传开会影响到自己毕业。

阿里发表论文

论文： 论文题目：《Search-based User Interest Modeling with Lifelong Sequential Behavior Data for Click-Through Rate Prediction》 地址： 这是阿里妈妈发表在2020SIGIR上面的又一篇佳作，让我们来阅读一下这篇论文吧。 在CTR/CVR预估领域中，用户历史行为对CTR/CVR预估的建模是很有指导意义的，用户的历史行为序列中潜藏着用户丰富的”兴趣点“，用户的每一次行为都是某个方面兴趣的一种反应。比如我喜欢各种口红产品、喜欢洗面奶、但是又对某个牌子不是特别感兴趣，基于这些兴趣的驱动，我可能浏览、点击过很多相关领域的内容或商品，那这些历史行为是否对我未来行为的预测有帮助呢，答案是肯定的。正是基于上述这种主观的行为模式，我们才需要对用户的历史行为进行建模，用户行为队列越长，包含的用户兴趣也就越丰富，但是同样也会带来更大的挑战，其实用户的兴趣是发散的多元的，如何从发散多元的用户兴趣中找到真正对当前任务有帮助的兴趣是十分重要的。 在介绍这篇论文之前建议先去看一下阿里的另一篇论文MIMN，也是基于用户长序列进行CTR预估的论文，但是MIMN存在着几个问题，一个是因为，当用户行为序列的长度进一步增加（例如，增加10倍或比十倍更多）时，MIMN无法精确捕获给定特定候选项的用户兴趣。另一个是因为，MIMN不能很好的解决延时和存储这两个瓶颈上的棘手问题，也就是说部署到线上到时候如何才能做到延时跟其他轻量模型相近。 在淘宝中，用户的浏览序列长度可能达到上千甚至上万个，怎么高效且有效的利用这种长序列信息呢？阿里妈妈提出了SIM模型来进一步从用户丰富的长期历史行为队列中挖掘用户有价值的兴趣点，并且提供一种长行为序列线上服务化的可行性方案，接下来就来看看这篇论文吧。 模型总览： SIM分为两个阶段，这两个阶段都有自己的核心部分，文章中将长序列用户行为特征的建模分为了两个模块，即Genral Search Unit（GSU）和Exact Search Unit（ESU），这两部分就是两个阶段的核心模块了。先简单的介绍下这两个模块的作用吧。GSU如图所示，简单理解就是从几百上千的用户长序列中挑选出TopK个跟候选Item最相似的K个Item，类比与推荐系统中的召回模块，先降低长序列物品的长度，在进行后续任务。另一个是ESU，这个模块的作用是对刚刚GSU抽取出来对K个物品进行序列建模，得到一个能代表用户长序列兴趣对向量，并利用这个向量进行后面对排序。 GSU的主要任务是从长度为T的序列中抽取出K个跟候选item相似的item，GSU有两种方式来选取TopK个物品，分别是hard-search 和soft-search。前面也提到了GSU类比于推荐系统中的召回阶段，而在多路召回中，一般也有基于Embedding的召回和基于策略规则的召回，其中hard-search就是基于规则的召回，soft-search就是基于Embedding的召回，下面来详细讲一下这两种方法。 这种方法比较直观而且实施起来比较简单，就是我们从候选行为序列中按照给定规则筛选出与当前目标任务相关的候选集，举个例子，我在淘宝上历史浏览过很不同种类的商品（比如电子产品、口红、男鞋等等），当候选广告是iphone12时，hard-search方法会从我历史行为队列中筛选出电子产品相关的行为进行建模，用于PCTR预估，而口红、男鞋大概率就不会对这次预估产生影响，通过上面这个例子大家应该能明白这种基于规则和策略的思路。论文中指出hard-search方法使用的是商品类别作为筛选的标准。 这种方法是基于Embedding的抽取方式，从上面的模型图的左侧可以看到整个soft-search的结构。这个部分也是一个子模型，模型的输入是候选Item和长序列，目标是CTR预估，用这种方式来学习候选Item和长序列Item的embedding信息。有了Embedding后，就可以将候选广告embedding和历史行为中的embedding算一个内积相似度，利用近似最近邻检索方法（论文中用的是ALSH）来得到topK相关的候选行为序列。 在这个子model中，DNN的输入是候选item  和Ur的concat，其中Ur：注意，如果用户行为增长到一定程度，则不可能将整个用户行为直接输入模型。 在这种情况下，可以从长序列用户行为中随机采样子序列集，这些行为仍需遵循原始序列的相同分布。 这种方法的缺点就是计算开销比较大，不如基于规则的hard-search方便，优点就是效果应该会更好一些。但是论文中也提到了两种方法在效果上的差异不是特别的大，所以最后基于性能和效果的折中，采用了hard-search这种比较简单的方式。 从模型整体上来看，这部分主要是利用从GSU抽取出来的K个Item得到一个能代表用户长期兴趣的向量，并配合其他特征送的DNN里面做整体的CTR预估任务。 论文中对这K个来自GSU对item是用self-attention进行序列建模的： 其中 为： concat中第一个是原始的embedding，第二个是关于时间的embedding。 根据self-attention的方式，我们又得到了一个向量h(K)。 这里，第二个子model也进行了ctr预估，特征是模型图上面画出来 input，还有个dien，dien前面的文章以及介绍过了，就不再赘述。 最后的loss是： 其中α和β是控制损耗权重的超参数。 在我们的实验中，如果GSU使用软搜索模型，则将α和β都设置为1。具有硬搜索模型的GSU是非参数的，并且α设置为0。 广告推荐系统对线上的计算耗时要求还是比较严格的，因为要保证用户最基本的用户体验。随着用户行为序列的进一步增长，采用传统的方式直接对长序列用户行为进行计算耗时和内存占用会增长的特别快，所以需要有针对性的对线上系统进行一定的升级和改造。文章提到在hard-search和soft-search的选择中，是基于大量的离线实验结果最终决定采用hard-search这种方便快捷有效的方式，同时信息损失也在可以接受的范围内。 一般的线上部署的系统架构图是这样： 为了让SIM能更好的给用户带来低延时的体验，阿里构建了SIM的Online Seving结构： 可以看到对于用户的行为序列，论文采用的是对每个用户采用的是两层索引的结构：key-key-value，第一个key是user_id，第二个key是category ids，value是用户行为序列中属于对应类别的item。用这种方式可以很快的通过这个索引树找到属于统一category的物品。线上A/B Test实验效果： 用户的历史行为对于整个CTR/CVR预估任务越来越重要了，如果不考虑时间和存储，那么把所有的序列输入到模型中作为长期兴趣关键点是可以精确的定位出用户的长期兴趣的，但是由于性能的原因就不得不考虑用特殊的方法对这个长序列进行一次筛选，筛选的K个物品都是跟候选Item相似的物品，能做到裁剪的效果还不会带来CTR预估的损失。在进行筛选过程中还分为了两种方法，但是为了部署到线上，就要考虑性能最好的hard-search方式进行TopK筛选任务，这种方式跟Embedding筛选的效果是差不多的，但是速度比Embedding快，所以采用这种方式。 未来应该还会有更多针对序列推荐的论文，单纯的对长序列阶段还带来一定的兴趣偏差，所以如何有效挖掘用户更丰富行为特征背后的商业价值是需要好好思考的。

阿里发表的会议论文

目前为止没有令人赞叹的比较好的成就，只是有一些边边角角的帮助。比如说5G开发啊，还有一些其他的类似于航天航空的部分研究。其他的没有什么特别能拿得出手的。

日前，国际计算机学会ACM(Association for Computing Machinery )正式宣布，阿里巴巴iDST副院长、IEEE院士华先胜博士成为 2020年ACM Multimedia(简称ACM MM)大会主席，并由阿里巴巴与意大利佩鲁贾大学和香港中文大学共同举办ACM MM 2020。阿里巴巴由此成为首个获得ACM MM主办权的中国企业。ACM是世界上最大的计算机领域专业性学术组织，其评选的图灵奖(A.M. Turing Award)被公认为世界计算机领域的诺贝尔奖。而ACM MM被认为是多媒体技术领域奥运级别的顶级盛会，各类机构都将在会议上分享、交流最新研究成果。华先胜是视觉识别和搜索领域的国际级权威学者，曾获选国际电气与电子工程协会院士(IEEE Fellow)、美国计算机协会ACM2015年度杰出科学家、MIT TR35大奖(全球35位35岁以下的杰出青年创新人物)等荣誉，也曾担任ACM Multimedia大会的程序委员会主席。在阿里巴巴，华先胜担任iDST副院长的职位。他的团队成功将机器视觉技术应用到了阿里云ET城市大脑中。在杭州，城市大脑可以实现交通事故实时发现、两客一危车辆全程监管、城市搜索等功能。杭州官方披露的数据显示，城市大脑在主城区对交通事件日均报警数500次以上，准确率达92%。从全球来看，能够实现城市级的视频实时分析这是绝无仅有的。华先胜当选大会主席并获得主办权，显示了ACM对其本人以及阿里巴巴在机器智能领域贡献的认可。刚刚结束的ACM MM会议上，阿里巴巴iDST有三篇城市大脑相关论文入选，并且取得了大规模视频分类比赛LSVC的全球冠军。评选现场，华先胜向评委陈述时表示，以阿里巴巴为代表的中国企业已经成为全球机器智能技术创新的源头，我们希望在ACM MM 2020会议上，让世界看到更多中国力量。近两年来，阿里巴巴正在不断加大技术投入，寻求在基础研究和突破性技术方面的进展。不久前，马云宣布成立全球性研究机构“达摩院”，未来三年内投入1000亿人民币进行技术研发。研究机构PwC发布的报告显示，阿里巴巴今年研发投入预计达25亿美元，居中国企业之首。

创造了淘宝，还有支付宝等支付平台，使人们实现了网购，实现了在网上支付等功能。

最近两年，达摩院最突出的成就就是AI技术，仅两年时间，阿里AI团队便在国际顶级学术会议上共发表近400篇顶级论文，在国际顶级技术赛事上斩获40余项世界第一。