十月24号马云发表论文

马云对于房价看空无非是出于以下原因：

首先，房地产市场在这些年发展得很快，可以说是极其迅速。在快速发展的同时房子的保有量也在不断增长。可以说但从房子的保有量来说，房子已经差不多够全国人居住了。

如果再持续开发下去，一定会达到饱和的一天。而在饱和的一天到来之后，也就没人买房子了。房子没人需要了，价格自然一落千丈。

其次，目前的房价对于一般的购房者来说还是有些高的。同时对于买得起的人来说，怎么涨都买得起，买不起的人来说怎么涨都是买不起的。如果持续涨下去买不起的人还是买不起，等买起的人不想买了。买不起的人又没能力了。房价也就到头了。

扩展资料

判断房价的变动，基本逻辑永远是供需，其他因素炒作、政策因素都是短期的，不可能决定长期价格的走向。任何一件物品包括房产，价格要上涨的前提都是供给小于需求。缺口越大，价格涨势越猛。

差距越小，涨势就会趋于平缓；供需平衡，价格会在公允价格上小幅波动。15年底开始的房价上涨周期，原因只有两个，一是计划经济时期房子供应不足，居住条件差，房屋短缺；而七八十年代由于没有计划生育，有一波生育高峰；极差的居住条件加上人口的激增，房屋上涨是非常正常的。

三十年房改，加上独生子女政策的推行，使得中国住房供应由短缺变成了过剩，而家庭组成也发生了很大的变化。现在的主流家庭结构由大家族变成了四二一的倒金字塔结构，爷爷奶奶姥姥姥爷到父母到孙辈，人口是越来越少的。

一般城市家庭来说，大都爷爷奶奶有房子，姥姥姥爷有房子，父母有房子，自己如果再买房子的话，仅按最少数目计算，这就是四套房子。更不用说父辈还有投资性房子，将来到了孙辈，手里有个三五套房子的真的太多了。所以马云说未来房价如白菜价并不是毫无道理的。

但是不是意味着现在不买房，等若干年后再买就是捡便宜捡实惠。其实也不是，因为现在的中国还在城市化进程之中，也就是说还有不少乡村人口会迁入到城市中来。把马云的话客观来解读的话，可以分为两个层面。

一个十大城市或者说是人口净流入城市的房价趋势，另一个是小城市或者说人口净流出城市的房价趋势。虽然现在城市中的房子是过剩的，但是只要有人口的净流入，也就能维持一定的供需平衡，那么想要房价如白菜价就是不可能的。所以在大城市上来说几乎不可能如马云所说房价如白菜价。

哈喽，大家好！我是辉弟，一个爱说实话的 财经 博主。

2020年对于马云来说，是一道艰难的坎。曾经风光无限的马老师，在蚂蚁集团被暂停上市后，一度跌落国民偶像的神坛。

事情的来龙去脉究竟是怎么样的？让我们一起时间倒流，来回顾下整个事件的过程。

时间回到10月24号，当天马云在上海金融峰会做演讲，上台演讲前主持人还调侃他说：马云是来扔一颗"炸弹"的，结果他真的扔了一颗重磅"炸弹"。演讲中马云提到中国的金融没有系统，银行干着当铺的工作，还有当前的一个JG已经赶不上，网络 科技 时代的一个商业发展。

在演讲完一周后，时间来到11月2号。蚂蚁集团实际控制人马云，以及董事长井贤栋被四部委约谈，又仅过了一天11月3号的晚上，蚂蚁集团被叫停上市。

于是网上开始议论纷纷，有人说蚂蚁集团被暂停上市是因为，马云在上海金融峰会的一个演讲太过冒进。还有人说此事是因为，蚂蚁集团旗下的小贷公司放大了100倍的金融杠杆。在经过激烈的讨论后，大多数网民是比较倾向于第二种原因的，毕竟你讲什么其实不重要，关键是在于你做了什么，是吧！

那么关于网传的"蚂蚁小贷放大100倍金融杠杆"，是否真实存在这一现象呢？其实这里有很多的理解误区。

截至2020年6月30日，蚂蚁小贷信贷余额为21000多亿，98%的资金来源于100多家合作银行的出资，和自身信贷的ABS（资产证券化），2%的资金是蚂蚁小贷公司自己的出资。

判断蚂蚁小贷是否有放大100倍金融杠杆的关键在于：100多家合作银行的出资放贷和自身信贷的ABS这两个环节，蚂蚁小贷是否需要承担贷款风险或责任。

根据蚂蚁集团招股书里面的描述，蚂蚁小贷在这98%的贷款中，是不需要承担风险与责任的。它只负责向银行，提供贷款人的综合信用评估数据，以及一些金融技术支持。包括自身信贷的ABS，蚂蚁小贷也是将债务资产整体打包出售的，风险承担方并非是蚂蚁小贷公司。

当然，即便蚂蚁小贷自身确实，没有放大100倍的金融杠杆，但却放大了 社会 的整体杠杆。或许国家正因为看到了这一点，才及时叫停蚂蚁集团的IPO的。

蚂蚁集团作为全球第一金融 科技 巨头，同时也是国内金融 科技 企业的标杆，它的很多举动很容易被其他企业拿过来学习。因此它有必要为行业树立一个好的榜样，或许你自己一家企业这么做，可能影响不是那么大，但如果整个行业都跟你一样，那么整个 社会 的杠杆风险就上去了。

好了，今天的牛就先吹到这。如果对"蚂蚁小贷放大100倍金融杠杆"，这个话题感兴趣的朋友，欢迎评论区留言讨论！

PS：本文已签约维权公司，请勿私自抄袭，违者必究！

2017年 10 月 11 日，阿里巴巴达摩院正式成立，马云的一句 “ 活得要比阿里巴巴长”，让外界对它的未来发展，有了更 “意味深长” 的期待。

在近三年多的时间里，达摩院在人工智能学术科研与应用上齐头并进，无论在国际学术顶会以及各类竞赛上，还是在推动学术成果的商业化落地上，都交出了亮眼的成绩单，这也反过来吸引着人工智能领域的顶尖研究者们都汇聚于此。

对于这些顶尖研究者们目前正在开展的研究工作，想必大家都充满了探知欲！

7月9日（晚）19:30-21:00 ，AI科技评论就将联合阿里达摩院，外加阿里集团在学术科研上同样“坚挺”的存在——阿里安全，给大家呈上一场 “ACL 2020 系列论文解读·阿里巴巴专场” 直播！

届时，来自阿里达摩院机器智能技术团队和阿里安全安全智能团队的 6 位高级算法专家、算法工程师以及研究型实习生们，将分别聚焦于多任务学习、少样本文本分类、 任务型对话、神经机器翻译、知识蒸馏、跨域分词标注等NLP 细分领域，为大家带来一场论文解读盛宴！

本次分享的嘉宾具体都有谁呢？下面一一揭晓：****分享主题： SpanMlt：一种基于跨度的用于属性词和观点词配对抽取的多任务学习框架 ****分享嘉宾：黄龙涛

分享内容：

属性词和观点词抽取，是细粒度的基于属性的情感分析（ABSA）的两个关键问题。属性－观点词对（ aspect-opinion pairs）可以为消费者和观点挖掘系统提供相关产品或服务的全局配置文件。但是，传统方法无法在没有给定属性词和观点词的情况下，直接输出属性－观点词对。尽管研究者最近提出了一些共提取方法来联合提取属性词和观点词，但是并不能配对抽取两者。为此，本文提出了一种端到端方法来解决属性词和观点词的配对抽取（PAOTE）任务。此外，本文从联合词和关系抽取的角度而非此前大多数工作中执行的序列标注方法的角度，来处理该问题。我们提出了一个基于共享跨度的多任务学习框架，其中在跨度边界的监督下提取词。同时，使用跨度表示法来联合识别配对关系。大量实验表明，我们的模型始终优于 SOTA 方法。

分享内容：

现有的工作往往使用元学习（meta learning）的方法，通过在一系列meta-task中切换来获得少样本学习的能力，但是在task间的切换会带来遗忘的问题，因此考虑使用记忆机制来辅助meta learning的训练。在本工作中，我们将监督学习得到的分类参数作为meta learning的全局记忆，并提出了动态记忆路由算法，基于dynamic routing的方式将全局记忆信息融入到meta task的训练和预测阶段。此外，动态记忆路由算法还可以使用query信息来增强归纳类别表示的能力，对口语场景下的语言多样性表达有更好的泛化性能。在中英文场景少样本分类任务数据集上，均取得了STOA的结果。

分享主题：多领域对话动作和回复联合生成****分享嘉宾：田俊峰

分享内容： 在任务型对话中，产生流畅且信息丰富的回复至关重要。现有pipeline方法通常先预测多个对话动作，然后使用它们的全局表示来辅助回复生成。这种方法有两个缺陷：第一，在预测对话动作时，多领域的固有结构被忽略了；其次，在生成回复时没有考虑到对话动作和回复之间的语义联系。为了解决这些问题，我们提出了一种同时生成对话动作和回复的神经联合生成模型。与以往的方法不同，我们的对话动作生成模块可以保留多领域对话动作的层次结构，同时我们的回复生成模块可以动态地关注到相关的对话动作。在训练时，我们采用不确定性损失函数来自适应地调整两个任务的权重。在大规模MultiWOZ数据集上进行了评估，实验结果表明，我们的模型在自动评估和人工评估上都比SOTA模型有很好的提升。****分享主题：神经机器翻译的多尺度协同深度模型******分享嘉宾：魏相鹏**

近年来，神经机器翻译(NMT)方法凭借其出色的翻译性能在大量应用场景中取代了基于统计的机器翻译方法。目前，制约NMT模型性能的因素主要包括模型的特征表达能力和数据规模。因此，我们提出一种基于多尺度协作(MSC)机制的深度神经机器翻译模型，以提高模型对底层（具象化）和高层（抽象化）特征的建模能力。

实验证明，(1) 多尺度协作机制有助于构建极深的NMT模型的同时带来性能上的提升，(2) 基于MSC机制的深度NMT模型能够更好地翻译语义结构复杂的自然语言句子。

****分享主题：多语种序列标注的结构级知识蒸馏******分享嘉宾：王新宇**

多语言序列标注是一项使用单一统一模型预测多语言标签序列的任务。与依赖于多个单语模型相比，使用多语言模型具有模型规模小、在线服务容易和对低资源语言通用的优点。然而，由于模型容量的限制，目前的多语种模型仍然远远低于单独的单语模型。本文提出将多个单语言模型（teachers）的结构知识提取到统一的多语言模型（student）中，以缩小单语言模型与统一的多语言模型之间的差距。我们提出了两种基于结构层次信息的知识挖掘方法：

****分享主题：跨域中文分词的远程标注与对抗耦合训练******分享嘉宾：丁宁**

完全监督神经方法在中文分词（CWS）的任务上取得了重大进展。但是，如果由于域间的分布差异和集外词（OOV）问题导致域迁移，则监督模型的性能始终一直大幅下降。为了实时缓解此问题，本文将跨域中文分词的远程标注和对抗性训练直观地结合在一起。

7月9日，6位来自阿里的分享嘉宾，与大家不见不散！

ACL 2020原定于2020年7月5日至10日在美国华盛顿西雅图举行，因新冠肺炎疫情改为线上会议。为促进学术交流，方便国内师生提早了解自然语言处理（NLP）前沿研究，AI 科技评论将推出「ACL 实验室系列论文解读」内容，同时欢迎更多实验室参与分享，敬请期待！

马云对房地产行业有独到的见解，也常常发表自己对楼市的观点，那么马云预言未来5年房价走势将会如何呢?未来房价还会暴涨吗?很多刚需族都担心今后房价会继续上涨，这样买房就更加无望了，但是马云的预言却给刚需族吃了一颗定心丸。听马云一席话，胜读十年书，马云在中国老百姓的心里有着极高的地位，是一个让人崇拜的偶像，马云的投资眼光比较独特，所以他对每个行业的评价都会备受关注。随着社会的不断变化，当前的房地产业也受到了一定程度的影响。商界名人马云预测了这一次的新房价趋势。众所周知，马云能取得如此巨大的成就，也就是说，他有着独特的眼光，他对各大行业未来形势的判断仍然非常准确和无形。马云认为，中国将在未来30年专注于实体经济和互联网金融。前者主要是先进制造业和现代服务业，它们将成为未来就业的主力军。后者将帮助更多的中小企业和个人在未来生存和发展。从他的预测和房地产行业的现状来看，这并非没有道理。马云认为，未来的房子可能不会太值钱。

马云认为，未来的关键在于教育，教育的关键在于教师。核心思想是，未来的关键在于教育，教育的关键在于教师。影响学生的是教师，影响教师的是校长。校长的管理能力和水平决定着学校的办学方向和师生的发展。校长最重要的职责是帮助教师看到希望和未来。让每个孩子都负起责任，敢于做自己，做最好的自己。

教育的使命必须由“教书育人”向“育人”转变；教育的方式必须由过去的教师向未来的教师转变，以价值取向赢得尊重。他同时指出，教育资源要向基层倾斜。

从工业时代到数据时代，有两个完全不同的时代。工业时代是由知识驱动的，而数据时代是由智慧、创造力和想象力、领导力、责任感和独立思考驱动的。马云一直认为，“要成功，就要有情商、智商，甚至情商，应试教育，那篇论文，就是一种衡量孩子智商的方法。

过去把人变成机器；未来把机器变成人；最后，人更像人，机器更像机器。教育资源要向基层倾斜。素质教育不是低素质教育。素质教育不等于可以竞争的教育标准。素质教育不等于不需要严格教育的教育。知识可以传授，但生命的智慧需要唤醒。好老师能唤醒学生的智慧。教师最重要的职责是发现人。每个老师都有机会照亮别人心中的光芒。

所以在未来，知识不需要老师来教。有可能成为乡村教师的马云颠覆了教育，与其说是为了改变，不如说是为了实现未来。

不会的，他肯定是想把教育往好的方面给发展的啊