生物科技公司Puma Biotechnology Inc(NYSE:PBYI)股价周三午后急涨20%，此前该公司表示，美国食品药品监督管理局(FDA)的咨询委员会以12-4的投票建议批准该公司的乳腺癌药物来那替尼。

该股股价2017年迄今上涨135%，同期标普500指数(SPX)上涨7%

图形芯片厂英伟达在本周三对谷歌推出二代TPU芯片进军人工智能市场作出回应。目前许多AI公司使用英伟达芯片进行AI处理，谷歌的参与有可能削弱英伟达的增长。

　　由于押注人工智能，投资者关注和销售增加让英伟达股价在过去几年中一路飙升。英伟达股价在去年一年中涨幅超过200%，2017年之后的涨幅接近30%。在谷歌于I/O开发者大会上推出第二代TPU(Tensor Processing Unit， 张量处理单元)之后，英伟达股价经历短暂回落，此后再次反弹。

　　英伟达CEO黄仁勋在周三一篇博文中强调自己公司与谷歌的持续合作，同时间接表达对谷歌TPU的不屑。此外英伟达还宣布计划推出特定开元AI软件。

　　“我们希望看到全球各地尽快采用AI。人们无需再投资建立一个TPU(正如谷歌所做的那样)，我们有现成的，而且由世界上最优秀的芯片设计师设计。”

　　不同于英伟达的产品销售模式，谷歌TPU并不单独出售，而是在谷歌云服务平台Google Cloud Platform上出租使用。

　　深度学习(deep learning)通常涉及两个阶段。首先，研究人员给电脑提供大量数据——这些电脑通常配备多块GPU——训练电脑识别照片中物体。第二阶段，研究人员向电脑发送新数据，人工指导电脑对数据进行预测。

　　谷歌在去年推出第一代TPU，仅用于深度学习第二阶段中的推理(inference)环节。于上周发布的第二代TPU可同时处理训练(training)和第一阶段的运算，进一步增强了TPU对英伟达GPU的挑战。

　　黄仁勋指出，目前客户仍可在谷歌云平台上选择英伟达GPU，英伟达与谷歌合作，提高后者的开源TensorFlow框架的性能。

　　“AI是人类历史上最伟大的技术力量，推动AI民主化和普及的努力令人欣慰。”黄仁勋写到。

制药商Aerie Pharmaceuticals Inc(NASDAQ:AERI)股价周三盘后一度上涨32%，此前该公司表示，公司旗下治疗青光眼的眼药水Roclatan的后期临床试验结果乐观。公司表示，如果安全性临床试验结果也乐观，公司计划2018年上半年向美国食品药品监管局(FDA)提交申请。

　　Roclatan 90天期三期试验的有效性结果显示，该药物较拉坦前列素和Rhopressa等药物均具备统计上的优越性。最常见的不良反应是患者出现零星的眼睛发红，比例约为55%，其中多数症状轻微。12个月的安全性试验数据预计将于今年三季度出炉。过去三个月，Aerie Pharma股价下跌9.1%，同期标普500指数 (SPX) 上涨1.6%

服装公司Guess Inc(NYSE:GES)股价盘后上涨14.7%，此前该公司公告一季度销售额超预期。公司净亏2130万美元，合每股亏损26美分，上一年同期为亏损2520万美元，合每股30美分。调整后每股亏损24美分，分析师预期每股亏损32美分。收入从上年的4.488亿美元升至4.586亿美元，好于分析师预期的4.490亿美元。

　　美洲包括电子商务在内的同店销售额下降15%，但欧洲和亚洲分别上升5%和4%。Guess预计二季度收入上升2%-4%，每股收益和调整后每股收益区间均在8-11美分之间。分析师预期每股收益13美分。全年收入预计上升3.5%-5%，每股收益32-42美分，调整后每股收益34-44美分。分析师预期51美分。过去一年，Guess股价下跌38.6%，同期标普500指数(SPX)上涨15.8%。

曾经不打广告、低调扩张的女性瑜伽服饰品牌 Lululemon 最近开始变了，不仅发布了一则没有瑜伽裤的广告大片，还打算入驻最繁华的第五大道，18年的特立独行，有点要被打破了。LULU

据彭博报道，知情人士称 Lululemon 打算租下纽约第五大道的一间店铺，租期约为一年。店铺占地面积约为8000平方英尺（743平方米）。由于美国零售业不景气，Lululemon 算是捡了一个便宜，租金大约能比去年同期减少2%。

在品牌们都付不起高昂租金，纷纷撤离第五大道，各种零售商大规模闭店的时候，Lululemon 像是一个特例，开始了一系列从小众走向大众地扩张。

近几年，Lululemon 这个小众瑜伽品牌迅速风靡美国加拿大等地，可以说是让女性们疯狂，各路明星艾薇儿、波姬·小丝、詹妮弗·加纳都穿Lululemon的瑜伽裤。Lululemon几乎符合当下所有消费趋势：消费升级、生活方式、场景体验、运动休闲、细分市场，也难怪之前会一炮而红。

Lululemon 此前一直都比较克制，在宣传和开店方面比较低调。之前都在北美开店，今年才正式登陆中国。Lululemon 不愿意把钱花在请明星代言上，上述明星完全是因为产品优秀而“义务”宣传。Lululemon 的宣传方式是建立线下的瑜伽和跑友俱乐部，将广大女性消费者聚在一起，倡导健康和阳光的生活方式理念。

拍广告、第五大道开店，贩卖生活方式的 Lululemon 正从小众走向主流

这一宣传方式为 Lululemon 带来了不少流量，并带动不少女性练习瑜伽并购买产品。优质的产品、较早进入市场的优势与独特生活方式的培养让 Lululemon 有了一定的定价能力，产品虽贵但承载着一种女性好好为自己而活的精神，因此大部分人都愿意买单。

不过，当各大巨头都如梦初醒，开始踏入运动休闲风时，Lululemon 的处境就不是那么妙了。从去年开始，Lululemon 就不太如意了，业绩虽然有双位数的增长，但就是达不到华尔街的预期，导致股价下跌。

有分析人士认为，耐克、阿迪达斯等运动品牌穷追不舍，LV、Gucci等奢侈品也逐步加码运动休闲运动休闲行业已经见顶，Lululemon会面对非常激烈的竞争，而其狭窄的产品类别也会埋下不小的隐患。

应对市场的挑战，Lululemon开始推出全新的品牌战略了。在今年一季度财报的电话会议中，Lululemon CEO Laurent Potdevin 表示，Lululemon 要去告诉全世界我们是谁，代表什么。

进军曼哈顿应该就是其中一步，让更多的人购买产品，了解产品。Lululemon在中国的策略也有所改变，从电商正式转向开店，在三家一线城市的实体店，表示非常看好中国市场的前景。打算以中国这个新兴市场带动全球化的销售。

拍广告、第五大道开店，贩卖生活方式的 Lululemon 正从小众走向主流

发广告大片可能是计划中的另一步。上周，Lululemon 推出了与青年媒体VICE合作的广告大片，有点类似内容营销，整个广告不见瑜伽和瑜伽产品，只通过字幕的方式，让大家“调整呼吸”、“学会自律、”“试着释怀”等等。

此外，Lululemon也计划在今年推出更多创新型面料，男女装和配饰，逐步扩大线。这个不做广告、曾经只卖瑜伽服的小众品牌，正在以普通常规的方式走向大众。或许当某种新事物成为一种潮流趋势后，就会变成一种普遍现象，从小众走向大众，这是资本和市场运作的结果。

AMD股价下挫，原因是该公司看似已经确认其并未向竞争对手英特尔授权图形技术，而且未来也不会这样做。AMD股票的成交量达到了7600万股以上，从而使其成为了美国各大证券交易所中交投第二活跃的股票。

　　当AMD首席执行官苏姿丰（Lisa Su）在周一召开的摩根大通科技、传媒和电信大会（J.P. Morgan Technology， Media &Telecom conference）上被问及最近以来有关该公司与英特尔之间可能达成了一项授权协议的传闻时，她回答道：“我们无意让竞争对手变得有能力与我们的产品展开竞争。”

　　市场上的上述传闻已经持续了几个月时间，但在上周AMD召开分析师日大会以前变得更加更加活跃。而在此次大会上，AMD并未提及这项交易，而分析师则认为这种猜测并不可信，从而导致其股票遭遇了卖盘。

　　在过去两周时间里，AMD股价累计上涨了8.1%，但在2016年暴涨近四倍以后，该股在今年截至目前为止的交易中则累计下跌了24%，相比之下追踪半导体股的费城半导体指数（PHLX Semiconductor Index）同期上涨了18%，标普500指数则上涨了6.9%。

从苹果的最新的专利申请表明，苹果正在研究利用Wifi对其手机设备进行充电，与目前市场普遍存在的使用感应充电接收器去实现无线充电不一样。

苹果这个技术就是只需要透过 Wi-Fi 路由器等的装置，包括蜂窝（700 MHz至2700 MHz），Wi-Fi（2.4 GHz和5 GHz）以及 毫米波（在10 GHz和400 GHz之间），就可以为 iPhone 进行无线充电，预计在iPhone10周年推出的 iPhone 8 用上这个技术？

与此同时，迪斯尼也在研发室内无线充电技术，视频：

不同于之前诺基亚、三星手机上已经应用的无线充电技术，迪士尼研究院所开发的这种被称为准静电腔体共振（Quasistatic Cavity Resonance，QSCR）的技术，其目标在于让电力像无线数据传输一样在空间范围内达到无缝供应，简单的讲就是如Wi-Fi 网路一般供电给电器。

无线充电领域现有的解决方案其实存在诸多限制，在使用时必须将装置贴近充电面板，无法提供真正无约束空间上的自由。

美国云计算企业软件提供商Salesforce将利用更加多样的产品吸引更多用户。该公司还提升了年度营收预期，并对其云计算服务未来的销售额增长表示乐观。

　　该公司CEO马克·本尼奥夫（Marc Benioff）一直在通过收购和投资来扩大Salesforce的产品范围，在人工智能和在线购物领域推出更多工具。该公司去年宣布和完成了十多笔投资，花费超过40亿美元。

　　本尼奥夫的战略似乎获得了回报。除此之外，Salesforce还受益于云计算软件的整体需求，这使得企业可以不必花费资金在本地服务器上安装软件，也可以使用相应的功能。

　　该公司预计2018财年营收最高达到103亿美元，调整后利润最多为每股1.3美元。分析师平均预计该公司销售额为102亿美元，每股收益为1.28美元。Salesforce还表示，当前季度营收可能达到25.2亿美元，超出分析师预期。

　　“这些产品现在真的可以满足企业的很多需求。”Wedbush Securities分析师史蒂芬·科尼格（Steven Koenig）说，“并购起到了帮助。”

　　截至4月30日，Salesforce未开发票的递延收入同比增长26%，达到96亿美元。这项指标备受关注，因为它表明该公司已经入账，但尚未确认的收入。

　　不计特定成本，Salesforce第一财季每股收益为0.28美元，营收增长25%，达到23.9亿美元。分析师预计每股收益为0.26美元，营收为23.5亿美元。

　　虽然收购对该公司的增长形成促进，但本尼奥夫曾经表示，他现在降低了收购意愿。他在今年3月接受彭博社采访时说：“因为收购窗口已经收窄，我不认为我们今年会展开太多收购。”

　　但该公司并未停止通过合作来扩大产品范围。IBM今年3月与Salesforce合作将人工智能整合到商业软件中。借助IBM的“沃森”和Salesforce去年推出的“爱因斯坦”，双方的合作可以提升销售、服务、营销和电子商务领域的客户互动 xinlang

博实乐教育控股有限公司（Bright Scholar Education Holdings Ltd．）在美国纽交所主板（NYSE）正式挂牌上市，首日股价上涨22%。博实乐教育为第15家在美上市的中国教育类公司。

　　美国时间2017年5月18日早上，博实乐教育控股有限公司（Bright Scholar Education Holdings Ltd．）在美国纽交所主板（NYSE）正式挂牌上市，股票代码：“BEDU”。发行1500万股，每股发行价10.5美元，开盘价11.00美元，发行规模1.725亿美元（折合人民币11.829亿元）。摩根士丹利(41.31, 0.34, 0.83%)和德意志银行为本次发行的承销商代表。招商证券及法国巴黎银行为本次发行的联席经办人。

　　近几年来，中国中产阶级兴起，国内教育产业发展飞速。随着中国家庭对子女教育的投资逐步扩大，教育市场的潜力也与日剧增。自2006年中国教育培训公司新东方(68.04, -0.91, -1.32%)首次赴美上市以来，中国教育领域公司陆续进驻海外市场，并掀起了在外上市的浪潮。

　　截至今日，已有外语培训、中小学课后辅导、远程教育、职业教育等不同细分领域，15家中国教育类公司在美上市。其中包括新东方教育集团，双威教育(0.0025, 0.00, 0.00%)，诺亚舟教育，学而思国际教育，51talk(17.77, -0.37, -2.04%)无忧英语等多家公司。

　　亿欧科技分析认为，多数教育类公司选择海外上市，主要是由于国内市场中教育培训企业数量较大，企业融资需求旺盛，市场竞争激烈，在国内上市更会受到重重阻碍。而海外市场具备上市门槛低、筹资速度快、市场机制和投资者相对成熟等条件，因此海外市场给企业短期融资提供了相对便利的环境。

　　同时，上市后公司还可利用海外上市机会直接提升自身在国际上的影响力。因此，企业基于多种原因选择海外上市，不仅可以成功融资，也可借助资本市场力量继续扩大市场份额。

　　但近几年来，随着中国内部不断开放对于教育产业发展的有利政策，以及中概股在美表现疲软，中国教育培训类企业登陆中国资本市场的道路越来越畅通，2015年以来掀起了中概股回归的热潮，如学大教育已于2016年6月从美股退市后转向A股上市

谷歌在山景城开启了本年度的谷歌 I/O 开发者大会。昨日机器之心对此次大会上将出现的有关人工智能和机器学习的内容进行了梳理。机器之心作为谷歌官方受邀媒体来到现场，近距离为大家报道谷歌人工智能的最新进展。

从大会主题演讲可以看出，谷歌人工智能主要体现在以下五大方面：

AI First 的整体战略；

TPU 的升级与云服务；

集研究、工具、应用于一体的 Google.ai ；

人工智能技术的产品落地；

基于安卓和 TensorFlow 的移动开发者生态。

重申 AI First

去年 10 月的谷歌新品发布会期间，谷歌 CEO Sundar Pichai 曾撰文解读谷歌从 Mobile First 向 AI First 的战略转变。他认为在接下来 10 年中，谷歌将转向建立 AI First 的世界。

Pichai 在本届大会上再次强调了谷歌 AI First 战略的重要性，他表示，机器学习已经在谷歌的诸多产品中得到了广泛应用，其中包括搜索排序、街景、图片搜索、智能回复、YouTube 推荐等。

在具体技术方面，Pichai 说：「声音和视觉是一种新的计算形式。我们正在见证计算机视觉和语音领域的诸多伟大进步。」

谷歌的语音识别技术的词错率逐年下降，仅从去年 7 月到现在就实现了 8.5% 到 4.9% 的极大改进；而且即使在有噪音存在的情况下也能表现良好。在 Google Home 刚发布时，原本需要 8 个麦克风才能准确定位周围的说话人，「而借助深度学习，我们最后能够推出仅有 2 个麦克风的产品，而且达到了同样质量。」现在 Google Home 已经能识别 6 个不同的说话人并为他们定制个性化体验。

在处理某些任务时，图像识别的准确度也超过了人类水平，并且应用到了 Pixel 系列手机的相机应用中，来自动清除图像中的噪点，实现高质量的夜间成像效果；不久之后甚至还可以自动移除照片上的遮挡物，比如挡在相机前的棒球场围网。

在这些计算机视觉技术的基础上，谷歌又发布了 Google Lens 。这个功能将首先出现在 Google Assistant 和 Photos 中，用户可以使用 Google Lens 来识别花的品种、扫描设置好的条形码来连接 WiFi 、在大街上扫描店面来了解网上评价。

TPU 云服务

AI First 的战略需要 AI First 的数据中心，为此谷歌打造了为机器学习定制的硬件 TPU 。去年发布时，TPU 的速度比当时 CPU 和 GPU 的速度快 15 到 30 倍，功耗效率高 30 到 80 倍。如今的 TPU 已经在为谷歌的各种机器学习应用提供支持，包括之前战胜李世石的 AlphaGo 。

Pichai 介绍道，深度学习分为两个阶段：训练（training）和推理（inference）。其中训练阶段是非常计算密集型的，比如，谷歌的一个机器翻译模型每周就要处理至少 30 亿词的训练数据，需要数百个 GPU，去年的 TPU 就是专门为推理阶段优化的；而在今年的 I/O 大会上，Pichai 宣布了下一代 TPU——Cloud TPU——其既为推理阶段进行了优化，也为训练阶段进行了优化。在现场展示的一块 Cloud TPU 板图片上有 4 块芯片，其处理速度可达 180 teraflops（每秒万亿次浮点运算）。

此外，Cloud TPU 还可以轻松实现集成组合，你可以将 64 块 TPU 组合成一个「超级计算机」，即一个 pod ，每个 pod 的速度可达 11.5 petaflops（每秒千万亿次浮点运算）；另外，Pichai 还宣布将 Cloud TPU 应用到了 Google Compute Engine 中。

正如 Pichai 所言，「我们希望谷歌云是最好的机器学习云，并为用户提供 CPU 、GPU 和 TPU 等更广泛的硬件支持。」

在下午的开发者 Keynote 中，谷歌云机器学习与人工智能首席科学家李飞飞也表示，每个人都可通过谷歌的云平台使用云 TPU，不久之后将会开放租借。

Google.ai 与 AutoML

为推动使用人工智能解决实际问题，Pichai 宣布将谷歌人工智能方面的工作综合到 Google.ai 下。总体而言，Google.ai 将专注于三个领域：研究、工具和应用。

在研究方面，深度学习模型方面的进步令人振奋，但设计和开发却很耗费时间，只有少量工程师和科学家愿意去研究它们。为了让更多开发者使用机器学习，谷歌提出了 AutoML——让神经网络来设计神经网络。

AutoML 是一种「learning to learn」的方法。在此方法中，一种控制器神经网络能够提议一个「子」模型架构，然后针对特定任务进行训练与质量评估；而反馈给控制器的信息则会被用来改进下一轮的提议。谷歌在技术博客中表示，他们已经将此过程重复了上千次，从而来生成新架构，然后经过测试和反馈，让控制器进行学习。最终，控制器将学会为好的架构分配高的概率。

AutoML 会产生什么样的神经网络？以循环架构为例（用来在 Penn Treebank 数据集上预测下一单词），如下图所示：

左边为人类专家设计的神经网络，右边为 AutoML 方法创造的循环架构，两个架构有着共同的设计特征。

Pichai 认为，AutoML 具有很大的潜力，并且，谷歌已经在图像识别基准数据集 CIFAR-10 上取得了顶尖成果。虽然过程很难，但云 TPU 的存在使这种方法成为了可能。

有了这些前沿的研究，接下来就是应用的问题。Pichai 列举了谷歌应用机器学习的几个案例：比如在医疗领域诊断癌症的应用和在基础科学领域的应用（比如在生物学上，谷歌通过训练神经网络来改进 DNA 测序的准确率；在化学领域，谷歌通过使用机器学习了预测分子性质）。

产品及应用

谷歌 AI First 战略不仅体现在研究上，还体现在众多人工智能技术的应用上——将谷歌的各项人工智能技术在产品层面统一起来。Pichai 提到：「计算机仍在不断地进化，从 Mobile First 的世界进化到 AI First 的世界。我们也在重新思考我们所有的产品。」

1. Google Assistant

谷歌正将人工智能应用于所有产品中，Pichai 表示，其中最重要的就是谷歌搜索和 Google Assistant 。自去年 I/O 大会发布以来，Google Assistant 已经可以在上亿台设备上使用。今天 Google Assistant 工程副总裁 Scott Huffman 又介绍了 Google Assistant 三大进步。

1）更自然的对话

Google Assistant 上 70% 的请求都是通过自然语言的方式进行的，而非键盘输入。而谷歌要做的就是结合语音识别、自然语言处理以及语境意义方面的技术来解决用户双手，实现更加自然的人机交流。「Google Assistant 可以通过聆听学会区分不同家庭成员的声音。」他说。除了语音识别和自然语言处理，Google Assistant 还使用了 Google Lens 功能，通过图像信息来实现更加自然的「对话」。

2）更广泛的应用

Huffman 表示，Google Assistant 正变得更加广泛可用，除了之前的安卓系统，Google Assistant 已经可以在 iPhone 上使用。而随着 Google Assistant SDK 的发布，任何设备生产商都能简单轻松地将 Google Assistant 部署在音响、玩具和机器人等设备上；此外，今年夏天，Google Assistant 也开始将支持法语、德语、葡萄牙语和日语，并将在年底新增意大利语、韩语和西班牙语等语言。

3）更触手可及的服务

用户使用 Google Assistant 不仅仅是搜索信息，还希望获取所有服务，比如 Gmail 、Google Photos 、谷歌地图和 YouTube 等。因此，谷歌将 Google Assistant 开放给了第三方开发者，以实现产品间更加有用的融合。据 Google Assistant 产品经理 Valerie Nygaard 介绍，Google Assistant 将支持交易，从而为第三方提供端到端的完整解决方案。

Google Assistant 的进步也使得智能家居产品 Google Home 新增了 50 项新功能——用户可以通过语音去调用各种服务，包括免费电话、免费听音乐，以及在电视上观看视频等。

同时，基于本次大会上多次提及的「语音加图像」的多模态交互，此前缺乏视觉交互 Google Home 现在也可以借助手机和电视的屏幕与用户进行更好的互动，比如，用户可以通过语音命令让 Google Home 把你的日程在电视上显示。就像 Nygaard 所说的那样，用户可以 hands-free 的做任何事情。如今 Google Assistant 已经开始支持交易并集成到智能家居设备中，目前拥有超过 70 家智能家居合作者。

2. Google Photos

Google Photos 目前拥有十亿月度活跃用户，每天上传的照片和视频达到 12 亿次。借助于谷歌的核心人工智能技术，如今 Google Photos 使用了全新的图像处理方法。这从此次发布的三个新功能可以看出：

Suggest Sharing 可以借助机器学习将照片中的人物和场景识别出来，然后给用户提供分享建议——是否应该分享以及分享给谁。

Shared Libraries 基于用户识别的相片库分享。

Photo Books 自动帮助用户筛选出某一场景下的高质量照片并生成相册。

另外，除了 Google Assistant ，Google Lens 也被集成到了 Google Photos 中。通过这个功能，你可以识别相册里面的地标建筑、检索艺术作品背后的故事、识别照片内的文本内容和信息，这项功能将于今年晚些时候发布。

用 TensorFlowLite 构建移动开发者生态

机器学习在移动端的应用至关重要，而在讨论安卓的未来时，谷歌工程副总裁 Dave Burke 宣布了一个为移动端优化的 TensorFlow 版本——TensorFlowLite 。TensorFlowLite 能让更多的开发者建立在安卓手机上运行的深度学习模型。而 TensorFlowLite 就是谷歌在移动端部署人工智能的一个着力点。首先，TensorFlowLite 很小很快，但依然可以使用最先进的技术，包括卷积神经网络、LSTM 等；其次，Dave Burke 还宣布在安卓上推出了一个新的框架来进行硬件加速，期待看到为神经网络的训练和推理特别定制的 DSP 。这些新能力将促进新一代设备上（on-device）语音识别、视觉搜索和增强现实的发展。

去年，Facebook 公开了 Caffe2Go ，今年更是开源了可在手机与树莓派上训练和部署神经网络模型的 Caffe2 。在移动端部署机器学习成为了一项新的挑战。但不幸的是，手机上训练神经网络仍是计算密集型任务。即便忽略训练，预训练模型仍旧艰难。但如果能在边缘设备运行模型，就能避免云和网络，在任何环境中有更可靠的表现。

谷歌表示他们会开源该项工作，并计划在今年晚些时候发布 API 。

谷歌首日 Keynote ，让我们看到了谷歌围绕机器学习研究、开源工具、基础设施和人工智能应用开发的 AI First 战略。Cloud TPU 是加速人工智能部署的基础设施；AutoML 代表着机器学习研究层面的前沿方向；TensorFlowLite 将促进人工智能在移动端的部署；语音和图像的结合代表着对多模态人机交互的探索；而应用了各种人工智能技术的产品更新则是极大推动了将 AI 真正融入生活的进程。