11月13日雲頭條：有了智能倉儲，能讓“剁手”體驗更爽；SaaS生态越來越成熟，阿裡、騰訊怎麼會放過？

今日最新雲頭條快訊：科技的力量實作智能化分揀，可實作每小時分揀5000個包裹；眼見SaaS來勢洶洶，騰訊、阿裡這樣的巨頭自然不會放過這一機會；蘋果的AR眼鏡将決定在2023年面世了？；到底吳曉波所說的科技向善，何謂“善”；為什麼看起來不起眼的雲終端有這麼多人在用的呢？；語音詐騙，一次又一次的突破人們的認知和想象；要衡量安全廠商報告結果的價值，要看供應商對過程的透明度；機器學習和資料分析技術已經成為了我們當今生活密不可分的一部分，那接下來會怎樣發展，一起來看最新的資訊：

智能倉儲讓“剁手”體驗更爽

“雲計算的科技力量，讓倉儲中心更現代化、智能化，這不僅節省了大量的人力成本，出貨速度大幅的提高，讓買家有了更好的消費體驗。”天馬雲倉現場負責人陳允霞介紹。

為應對“雙11”，天馬雲倉今年新上一套智能化分揀系統，可實作每小時分揀5000個包裹。另外還有機器手臂機器人，它可以通過合并批次來進行分揀，實作智能化“一客多單”處理，一天能處理2萬單，是50個熟練勞工一天的工作量。“今年的‘雙11’，公司預計發貨量将達100萬件，目标是前三天發走90%以上，如果沒有實作智能倉儲，目标是很難實作的。”

眼看SaaS越來越熱，騰訊和阿裡卻露出了兩副面孔

借力巨頭平台、切入垂直産業——像王智勇這樣在細分行業打滾的SaaS廠商越來越多。

阿裡巴巴在其雲業務的推進中，也多次提及SaaS戰略。今年3月，阿裡雲智能總裁張建鋒在宣布阿裡雲業務邊界時強調：“阿裡雲自己将不做SaaS，由合作夥伴來做。”雲服務廠商是否應該在SaaS領域劃出明确界限？

騰訊與阿裡對待生态的差異是“做不做 SaaS”，實際上，這兩幅面孔的差異背後，是兩家巨頭對于生态夥伴不同的合作政策。阿裡以“退”為進，講究在業務發展中徹底劃清界限，将SaaS市場留給合作夥伴，亮明态度：“把肉分一點出去，才能有肉一起吃”，以求在自家生态中招攬更多各行各業的 SaaS 廠商。騰訊以“合”為主，主張在擅長的即時通訊、音視訊連通、資料保護等領域自己做，同時向業界表明開放态度：“該給合作夥伴的肉，一分一厘都不會差。”

蘋果更新AR産品路線圖，AR眼鏡2023年面世

蘋果的AR眼鏡傳聞已久，關于它的面世時間，這次又更新了一輪。

近日，科技媒體The Information釋出消息稱，蘋果在一次的内部會上宣布了公司的AR産品路線圖，其中，AR頭顯的推出時間為2022年，更輕便的AR眼鏡将在2023年與使用者見面。

對于蘋果而言，這兩款備受關注的AR産品意義重大，因為蘋果正在尋找繼iPhone手機之後的下一個重大科技平台。

吳曉波：科技向善，究竟什麼是“善”？

網際網路已經滲透到所有的領域，需要建立規範和回饋機制。告别野蠻、告别動物性、進入到“人”的階段以後，就該建立規範；規範本身又能促成回饋機制，二者是社會秩序的重構。一些人臉識别技術進課堂之是以會引起争議，就是由于規範缺失，有些事大家不知道該不該做，做的邊界又在哪裡？

善是一種體系，是規範和回報機制。規範建立不是很難，提出問題才能有答案。但問題是現在回報機制不健全，自媒體時代看似傳播的門檻降低，人人都有傳播的話語權，但人為制造的回報也可以快速覆寫全網，而公衆缺乏回報的機會。

當代騙子分兩種：懂AI的和不懂的

騙子在擷取了好友的聲音素材之後，用AI合成的“好友”聲音與之對話；熟悉的語氣和共同的回憶則“歸功于”AI在網上搜集分析了微信、微網誌等個人資訊。大多數受騙者都有着類似的經曆。不過是司空見慣的網絡詐騙手法，一旦被AI變聲、換臉所營造出來的逼真假象所懵逼，受騙的幾率極大地提高了。

語音詐騙揭開了AI詐騙的冰山一角。當人們還在感歎區區毛騙，何足挂齒的時候，有騙子已經把AI這門新技術運用得爐火純青——算法篩選被騙群體、分析你的個人特點和喜好，機器人定時撥打騷擾電話，再加上換臉、變聲等一系列操作，讓人想不相信騙子是你都難。

為什麼看起來不起眼的雲終端有這麼多人在用

和那些外觀霸氣性能強大的的桌上型電腦相比雲終端看上去可以說是非常的普通的，更不要說和攜帶友善外觀好看輕薄而且還帶觸屏功能的筆記本相比了。和這些相比的雲終端就是一個非常不起眼的存在，然而就是這個看起來不起眼的産品，使用它的人的卻是越來越多的，并大有替代桌上型電腦和筆記本辦公的一種趨勢的。

如果隻從外觀上雲終端确實是無法和霸氣的桌上型電腦相比，更無法跟攜帶友善好看的筆記本相比，可以說是非常的不起眼，然而通過和伺服器以及雲桌面虛拟化軟體的配合使用，它又可以發揮着傳統PC所沒有的優勢。

安全廠商的調查可信嗎？

最大的問題是：你能相信供應商的調查嗎?要衡量安全廠商報告結果的價值，要看供應商對過程的透明度。

廠商的調查也許價值不大，但如果你看的足夠仔細，也會找到一些好東西。這樣說這可能太極端了。畢竟一些廠商調查會包含一些好的資料，是以要在檢視調查報告的時候，了解其準備過程和解釋方面存在的困難，并忽略明顯嘩衆取寵和誇張的例子，那麼就應該能夠找到一些可以證明或質疑解決問題的資料。

大資料下一個十年将如何演進？

當下我們生活的資料時代中，機器學習和資料分析的技術顯然已經成為我們生活密不可分的一部分，那未來會怎麼樣呢？

資料科學家職業的未來前景如何，仍然很模糊，需要專業的判斷。但是，每天都有新的代碼庫和工具出現，我們絕不是走在簡化開發和建立業務模型這些基礎設施的道路上。許多人都很自信地說不錯，但還有不好的一面，我們建立的系統越複雜，系統就越随機，越基于機率。目前人工智能階段的主要問題是在預言結果的意義是缺乏直覺。我們隻有定量的方法來解決某個特定的問題，基于此方法做出預測，但是預測的品質不高。目前為止，這個方法運作得很不錯的，但未來不得而知。

更多精彩資訊，歡迎關注雲頭條。