北京時間20:45歐洲央行將公布利率決議,隨後21:30則將舉行行長徳拉吉的新聞發布會。在一月歐央行正式推出萬億歐元的QE計劃之後,本次市場又會關註哪些焦點問題?
最大看點:歐版QE細節即將披露
根據此前的決定,歐洲央行將從本月開始起每個月購買600億歐元國債,持續到2016年9月,若歐元區通脹回升接近2%則會停止購債。如果持續到明年9月的話,總規模接近1.2萬億歐元。
投資者首先關註的第一個問題將是QE啟動的確切時間。其次,在如何計算央行購買國債比例25%,同一發行者總規模33%的問題上,徳拉吉需要向市場做出解釋。此外,如何執行購債(正向或者逆向拍賣)以及透明度問題上,市場也存在疑問。
一些細節在近期已經浮出水面,比如歐央行執委Coeure曾表態將會購買市場現存的債券以減少對市場的影響力。徳拉吉可能會進一步明確歐央行的行動。
問題2:歐央行可以買到足夠的債券麽?
徳拉吉和歐央行都對於每月購債600億歐元充滿信心,但是一些市場分析人士卻認為歐洲央行可能買不到債券。摩根士丹利匯編的數據顯示,2015年主要經濟體(日英美歐)國債凈發行量不僅創下歷史新低,更是首次出現了負值。
如果沒有投資者願意出售債券,歐洲央行推出QE也枉然。它可能被迫以大幅高於市場價格的成本購入債券,或者推出額外的措施鼓勵投資者出售債券。
問題3:歐央行如何評估QE的成敗?
徳拉吉1月已經明確表示QE將延續直至“通脹情況持續改善”。按照目前歐央行2%的通脹目標和最新2月的CPI數據-0.6%來看,這其中的缺口異常明顯。投資者將關心是否有其他指標來作為QE進程的判斷。
花旗集團經濟學家Guillaume Menuet和 Antonio Montilla認為,
未來18個月通脹缺口不可能縮減到歐洲央行理想的規模。ECB不太可能停止刺激措施,相反,他們可能會推出更多的寬松措施。
問題4:歐洲央行是否還會調整利率?
在前兩次的利率決議中,歐洲央行均明確表示不會再對利率做出調整。彭博對經濟學家的調查也顯示無人認為會有利率方面的變化。不過在瑞士央行和丹麥央行大幅降息至-0.75%之後,市場可能想知道,在何種情況之下,歐洲央行也會選擇進一步降息。
問題5:希臘
有關歐洲央行是否在其直接融資操作中接受希臘國債作為抵押品、以及該行如何調整經濟通脹預期,亦將可能成為今天徳拉吉新聞發布會的話題之一。
希臘的救助計劃上周已經得以延長,但該國仍然依賴緊急融資。2月初,歐央行宣布拒絕承認希臘國債為抵押品。
(更多精彩財經資訊,點擊這里下載華爾街見聞App)
大眾汽車集團(中國)副總裁申筱潔最近很少穿套裝上班了。因為她發現90後的年輕人更看重高管的親和力,穿時髦漂亮的裙子比古板的套裝更能贏得職場新生代的“歡心”。
“90”後對企業的挑戰已經成為全球普遍的問題。《哈佛商業評論》(英文版)最新的一項對全球百佳CEO的調查稱,當問及什麽是讓他們夜不能寐的挑戰時,“管理千禧一代”成為最困擾他們的三個問題之一。
智聯招聘發布的《2016中國年度最佳雇主百強評選報告》(以下簡稱《2016年度雇主報告》)顯示: 隨著80後、90後在職場中的崛起,平等和尊重開始成為最佳雇主最重要的評判標準,員工在薪酬福利得到滿足的基礎上,進一步要求在組織中能體現自身的重要性和參與性。
申筱潔說,80後90後的“千禧一代”已經有4億人了,隨著這些新生代成為職場的中堅力量,任何企業管理者都不能對他們小覷,必須主動改變自己來適應他們。
要尊重平等也要薪酬福利
國際上有一個專門的代際術語“千禧一代”(1983-2000出生),指在跨入21世紀(即2000年)以後達到成年年齡的一代人。這代人的成長時期幾乎同時和互聯網/計算機科學的形成與高速發展時期相吻合。
有研究顯示,按照第六次人口普查數據推算,我國80後人口的總數應是2.28 億, 90 後1.74 億, 00 後1.47億。人口總量隨代際變遷出現大幅度下滑趨勢。90 後人口在總量上比 80 後少了約 5400 萬,只相當於 80 後總人口數的 76%。而 00 後的人口總數又比 90 後少了 2700 萬,相當於 90 後人口總數的84%。
隨著劉易斯拐點的到來,正在進入勞動市場的新生代勞動者更加註重自我,在勞動過程中更加註重自身價值的實現。智聯招聘CEO郭盛在接受第一財經記者采訪時表示,作為中國中產階級形成後成長起來的一代人,“90後”把“夢想”和“面包”看得同等重要。他們要求雇主和雇員之間更趨向夥伴而非冰冷的上下級關系,這將在很大程度上改變未來公司的組織架構,獎懲制度,甚至管理理念。
不管企業管理者願不願意接受,“千禧一代”的時代已經到來,企業必須做出改變。“不能讓他們主動來靠近我們,而是我們要更主動的靠近他們”,申筱潔說。
郭盛表示,以往要留住人才,提高薪酬福利“藥效”最好。能提供高薪、穩定和優厚福利的企業,才是標準的最佳雇主。但隨著 80、90 後在職場里面的崛起,很多的求職者認為最佳雇主一定要像夥伴一樣的平等關系。尤其是 90 後,他們的要求更多的不光是平等,還有尊重。
《2016年度雇主報告》在對9740家企業報名參選的企業調查顯示,公眾心目中理想雇主應具備的特征前5項分別是:尊重員工、完善的福利待遇、公平公正的用人原則、與員工貢獻匹配的薪酬回報、吸引人的企業文化。
智聯招聘對作為職場後備軍的大學生的調查也顯示出同樣的趨勢。在對最佳雇主評價的一級指標中,所調查的大學生認為雇主文化最重要,這一比例為20.23%,這一比例甚至超過了薪酬福利(19.38%)。
從二級指標體系看,影響最佳雇主評價的前三位因素的分別是“尊重員工”、“良好的收入前景”、“公平公正的用人原則”。由此可見,大學生理想中的雇主不再局限於薪酬福利方面,而開始著眼於企業的軟性配置上,比如良好的企業文化、踐行對員工的承諾、充分尊重員工等。
社群關系沖擊傳統層級管理
90、95 後就業大軍的到來也促使國內一些優秀的企業開始對自身的管理原則和企業文化進行修訂。
“如何留住年輕人”是招商銀行行長田惠寧最近思考比較多的問題,他每年都會親自參加管培生的招聘工作。曾經,招行內部有一句口號叫“只有加油站, 沒有咖啡屋”,即倡導忘我奉獻。如今,田惠寧提出的“讓員工做自己的主人”被納入了招行的基本價值觀之中。
招行的改變基於對90後員工的觀察:比起一份固定工作來說,90 後員工更加追求自我。如果還是一味簡單地要求他們“無私貢獻,不休假, 多加班”,給他們安排一條安穩卻沒有任何想象空間的道路,他們寧願呆在家里或者幹自己願意幹的事。
郭盛說,在互聯網時代成長起來的90後,信奉共享精神,強調組織的公平與尊重,個體意識突出,除了對文化的強烈認同,感受到足夠的尊重,其他因素很難使他們產生高敬業度,企業組織結構的社群化正是為了適合90後的訴求。
《2016年度雇主報告》調研顯示,以雇員為中心的雇傭關系時代已經到來,企業內部的組織形態正在發生社群化的變革。
郭盛認為,“社群”呈現出明顯的去中心化、去秩序、去層級特征,它更傾向於沒有權威的自發組織,沒有界限的充分互動和資源集約的共享、分享。具體表現為,夥伴關系取代雇員關系,去中心、扁平化的賦權組織正在取代傳統的科層組織。
騰訊對企業內部對於小型、自治型組織搭建一直持鼓勵態度,並直接推動了工作室模式的發展。工作室就像一個一個小型創業公司,只需要幾個主要角色就能形成一個閉環,保證了敏捷、授權和充滿激發性的團隊氛圍。它成功推動了企業組織架構層面去中心化、扁平化的趨勢,點燃了員工的創業熱情和責任感,也締造出了一款款業界矚目的明星產品。
中國就業研究所所長曾湘泉認為,企業管理社群化最大的挑戰是“授權”,如何對這些社群化的小團體進行足夠授權又不會出現管理上的失控,是企業管理者必須慎重考慮的問題。
“兼職潮”中的90後
90後是伴隨著電腦/互聯網的形成與發展而成長起來的一代。一般認為,他們習慣一心多用,有著靈活的頭腦,並嫻熟地使用高科技產品來延伸自己的力量。越來越多的企業管理者發現,不能要求他們跟公司同呼吸共患難,因為他們只跟自己同呼吸共患難。
90後是對頻繁跳槽沒有心理負擔的一代,也是愛好兼職的一代。互聯網的快速發展帶來了分享經濟的興起,並使遠程工作成為可能,這些都為員工兼職創造了更加便利的條件。
郭盛介紹,分享經濟不僅僅是像滴滴、優步這樣的兼職形式,還有更多的是利用自己的知識來做業余時間打第二份工,比如新聞工作者去做新媒體、音樂工作者去當音樂老師等等。在美國,從事這種兼職工作的人口站到了全部就業人口的20%,在中國統計數據也占到了10%。
曾湘泉表示,兼職大量出現一方面說明當前確實存在就業不充分的情況,既有工作崗位的內容難以滿足員工的薪酬預期,使他們不得不通過兼職來增加收入。郭盛認為,兼職的出現也說明職場新生代具備更多的技能,能在本職工作之外嘗試自己愛好的工作。
從智聯招聘網站的數據來看,兼職工作的增長態勢甚至比全職工作的增長還要快。“未來越來越多的工作會通過兼職的形式分包出去,越來越多的員工也會擁有第二份工作,這是一個不可回避的趨勢,這必將對企業傳統的人力資源管理形成挑戰”,郭盛說。
騰訊董事會主席兼首席執行官馬化騰周日在深圳IT領袖峰會表示,發展人工智能,需要場景、大數據、計算能力和人才等四個要素缺一不可。
4月2日,2017中國(深圳)IT領袖峰會正式開幕,在“人工智能:中國機遇與挑戰”為主題的高端對話環節,馬化騰表示,騰訊在業務層面,比如社交網絡業務、後臺數據分析等都已經用上人工智能,只是大家感受不到,這是在後端,現在騰訊想在前端做出一些產品。
AlphaGo通過人機對戰讓全世界對人工智能的認知到了新的高潮,騰訊的團隊也本著練手的心態在做嘗試。“絕藝和AlphaGo不同的是,我們的AI全程得到國內頂尖棋手的指導。”
3月19日,騰訊AI Lab(騰訊人工智能實驗室)研發的圍棋人工智能程序“絕藝”(Fine Art)在東京以11戰全勝的戰績,在最具傳統和權威的計算機圍棋大賽——第10屆UEC杯上奪冠,戰勝了日本的DeepZenGo、法國的“瘋石”(Crazy Stone)等世界圍棋AI高手。3月26日,“絕藝”還在東京與日本著名新銳棋手一力遼在“電聖戰”中進行了人機對弈,並獲得冠軍。
馬化騰認為,絕藝贏得比賽是小小的成功,但是不能過於欣喜,但是也不能說這是一個毫無意義的事情。
對於人工智能的意義,馬化騰表示,AlphaGo給業界帶來的最大觸動在於,以後在很多領域如果能做出模擬器定義參數自己學習,找到規律遠超人類的想象。
“AlphaGo出來以後經過了十億盤對弈超越了過去人類所有交戰的盤數,自己尋找規律,對人類認知的範圍極大的擴張,這給人類很大的啟示。”
在對話中,主持人吳鷹提問,人工智能是通過模擬人腦的思維方式,還是完全不同的路徑實現飛躍。
對此馬化騰認為,我們期待有本質性的飛躍,但其實現在AI都是圈定一個比較窄的領域,通過各種參數訓練,屬於很窄的技能模擬,現階段要研發出通用的AI很難。
他表示,從現在的研究狀態到下一步實現通用人工智能,是不是能夠超越當前的碳基智慧,是不是其他的元素有可能形成更高級的生命和智慧,超越人類現在發現的知識,這些是有可能的。
對於場景、數據、計算能力和人才這四個要素,馬化騰認為,技術如果沒有場景落地、平臺業務支持的話基本是空中樓閣很難往下走,而業務產生的大量數據則需要進行標簽化和清理,因為里面有很多垃圾數據對發展AI並沒有實際用處,在計算能力上需要布局雲資源,拿出幾十萬核的計算能力,最後是人才,騰訊過去一年招了很多人工智能方面的人才,包括在美國西雅圖還設了一個實驗室。
據了解,騰訊AI Lab於2016年成立,專註於人工智能的基礎研究及應用探索,不斷提升AI的決策、理解及創造能力,同時為騰訊各產品業務提供AI技術支撐,產品已應用在微信、QQ及天天快報等上百個產品。
2017年3月23日,騰訊宣布任命人工智能領域頂尖科學家張潼博士擔任騰訊AI Lab(騰訊人工智能實驗室)主任。張潼博士將作為騰訊AI Lab第一負責人,帶領50余位AI科學家及200多位AI應用工程師團隊,專註於人工智能的基礎研究,主要包括計算機視覺、語音識別、自然語言處理和機器學習這四個垂直領域。同時,基於騰訊自身的業務需求,騰訊AI Lab還會在內容、社交、遊戲和平臺工具型AI四個方向進行研發與應用合作。
針對吳鷹提到騰訊是否有可能將業務數據開放出來給創業公司使用的可能,馬化騰表示,對於這個問題內部也有討論。這里面還涉及保護個人信息安全和隱私的問題,如果數據不進行脫敏,不處理幹凈無法談下一步。他認為,關於數據開放,業界在向互惠互利的大方向走,但是數據要什麽模式、怎麽清理、做什麽標簽才能給其他部門、其他公司使用,還需要進一步探討並建立標準和規則。
附馬化騰問答實錄:
吳鷹:為什麽重視人工智能?有什麽看法?
馬化騰:在公司內部結合業務形態我們已經有一些業務,比如微信朋友圈和QQ空間我們有上十億的人臉照片,在國內有相當長的研究,包括後臺數據分析,都用上人工智能技術,只是大家感受不到,這是在後端,在前端希望做出一些產品。
AlphaGo通過人機對戰的事件讓全世界對人工智能的認知到了新的高潮,團隊也本著練手的心態做嘗試。Google收購的DeepMind團隊論文發表之後,全世界原來做計算機圍棋的團隊走入瓶頸的團隊都用人工智能的方式來做,紛紛采用深入學習的方法融入到圍棋的軟件開發。
我們內部團隊有三個團隊在做,在不同的部門,這個部門剛好可以突破這個瓶頸。更大的特點,和AlphaGo不同的是,我們AI全程得到國內頂尖棋手的指導,我們十幾位研發人員不懂圍棋,一開始連黑先下還是白先下規則都不知道,所以結合計算機原理以及很多專家的訓練。
絕藝贏得比賽是小小的成功,不能過於欣喜,但是也不能說這是一個毫無意義的事情。
過去對AI很多從一些規則或者簡單的訓練得出來能夠改善計算處理的能力,最終發現一個更同步和更深層的意義,能夠在計算機的後臺用雲計算大數據的方式去高速學習,可以自己跟自己對弈。
AlphaGo出來以後經過了十億盤對弈超越了過去人類所有交戰的盤數,自己尋找規律,對人類認知的範圍極大的擴張,這給人類很大的啟示。在很多領域,圍棋以外的,金融、醫療、病理的檢測,如果用計算機後臺做出模擬器,充分的嘗試。就如自動駕駛一樣,模擬做各種各樣的反饋,自然會琢磨出一套理論和經驗,給我們帶來很大的思考。以後在很多領域如果能做出模擬器定義參數自己學習,找到規律的能力遠超我們想象的,這是我們得到最大的啟發。
問:人工智能要取得突破性進展,是模仿人的神經網絡、人腦的效率,通過仿生人腦思維的方式突破,還是完全不一樣的方式?
馬化騰:我們期待有本質性的飛躍,比如說發現飛機的空氣動力學、流體動力學和鳥不一樣的,車輪和人型馬一樣,仿生是某些垂直的領域,包括圍棋是選非常窄的領域,通過各種參數訓練。
郭為剛提到用AlphaGo下一盤棋消耗多少能源,垂直領域訓練消耗能源,但是實際用消耗不了多少。現在訓練出來的單機版本跟職業棋手差不多,訓練需要很長時間,最麻煩的是改一個參數,規則改一點、算法改一點,全部重新來消耗很大,所以這屬於很窄的技能模擬。
未來下一步到通用的,再下一步是不是有更本質性的發現背後的原理,智能其實可以超越現在碳基智慧,是不是有其他的元素可以形成更高級的生命和智慧呢?這是超越人類現在發現的知識,這是有可能的。
有人突發奇想說,現在認識的宇宙是高智能生命用量子計算模擬出來的環節,一切都是模擬起來的,這是發揮大家腦洞大開的想象力吧。
吳鷹:有沒有可能把數據分享出來,讓這些創業公司來用?
馬化騰:這個問題在內部也有討論。首先,人工智能關註哪幾塊:場景、大數據、計算能力、人才
場景:想把技術應用在什麽情景下?是不是高頻跟用戶接觸,這是落地很重要的地方。我們看到研究院、研發團隊,如果沒有場景落地、平臺業務支持的話,基本上很難往下走。
大數據,也是平臺、業務部門里面有大量的實際運轉數據產生出來,這里面很多大數據是垃圾數據,沒有標簽、沒有人規劃定義,用算法也學不出來,學完之後也是走火入魔瘋狂的結果,這里面數據的清洗標簽化難度相當高,要雇很多人,用比較笨的方法用人腦去清洗幹凈再讓AI去學,這個過程是混合的過程。
計算能力,雲資源,這方面我們也要做雲,要拿幾十萬核的計算能力CPU還是有能力的,而且在雲里面本身有比較好的調用。
人才,通過一年的時間招了很多人,包括在西雅圖還設了一個實驗室。
我們觀察到很多AI的大佬們,更關註怎麽落地,把畢生的研究成果體現出來。內部BG之間也在溝通微信、手機QQ平臺數據能不能用?大家知道,BG或者部門里面平臺他們也很希望近水樓臺先得月,數據在身邊流動為什麽不讓人先研究一把,所以現在我們處在內部怎麽把數據分享出來的階段。
還有一個用戶很關註的是個人因素,就是你不要把我的數據都賣了。這里面有很重要的個人信息安全和個人隱私的問題,如果數據不進行脫敏,我們是絕不能用的,只有先進行脫敏處理,沒有人能夠通過數據倒推到某個人,這樣處理幹凈才可以談下一步。
數據要什麽模式,清理做什麽標簽才能給其他的部門,包括外部合作夥伴怎麽用。同時也有很多的數據是來自於合作夥伴或者業界的其他公司,他們也遇到這樣的問題,拿到一堆裸數據不知道怎麽用,業界要形成一個標準互惠互利,這個路徑還有很長時間,大方向在往前走。