今日芯声”是读芯术推出的一档简读栏目，汇聚每日国内外最新最热的AI应用资讯，敬请关注。
1、「数字人民币」呼之欲出，摸钱包数钱将成往事
近日，网络曝光农行、工行等国有银行正在进行央行数字货币 DC/EP 的图片。同时，媒体消息称，国家正在深圳、苏州等地进行数字货币试点工作，其中苏州的国有企业和机构，员工工资中交通补助的 50%，将以央行数字货币的形式发放。
央行数字货币试点工作的新闻出现后，也引发了多方议论。近日的央视也在节目中，向人们普及了关于央行数字货币 DC/EP 的一些基础信息。总的来说，作为法币的数字形式，央行数字货可以被看成人民币纸币的「数字形态」。数字货币有流通成本低，易维护，匿名性但可追踪，同时能在离线情况进行交易等优势。
同时，作为不同于支付宝和微信支付的交易形式，央行数字货币如果成功发行，也将对现行的移动支付格局产生一定影响，在移动支付中存在感较低的银行将有机会突破支付宝和微信支付把持的支付市场局面。
说到手机上的人民币，有人会说这样的「数字货币」，我们每天用的移动支付不是一样的吗？其实还是有本质区别的，因为像支付宝或者微信支付使用的，其实是用户在商业银行的存款，即 M0 法币+活期/定期；而央行数字货币，则是单独存储于数字设备中的数字资产。例如，同样是 100 元人民币，在商业银行账户中只是一串数字，而在数字钱包中，则可能体现为一个 50 元的数字货币和 5 个 10 元的数字货币存档。
目前，随着智能手机的普及，我国每年移动支付的金额达到数万亿人民币，而移动支付市场目前基本被支付宝和微信支付平分。而此次央行数字货币的发行，可能会给移动支付行业格局带来新变化。此前一直沦为互联网平台「清算工具」的商业银行，现在可以数字货币的机会，向广大用户推广自己的数字钱包和移动支付方案。
当然，目前的移动支付巨头，像支付宝和微信支付（财付通），同样可以作为机构，获得分发和流通数字货币的资格。事实上，过去两个月，支付宝就密集发布了数条关于数字货币存储、流通以及数字钱包方面的专利文件，可见阿里在很早就已经加入到数字货币的研发和流通环节之中。可以预见的是，未来支付宝或者微信支付极有可能在现有 App 中集成数字钱包功能，构成数字货币和银行账户的双重支付功能，来稳固自己移动支付的优势。
2、卡车外形被起诉抄袭，特斯拉或需赔偿20亿美元
星期一，新能源汽车创业公司Nikola创始人、CEO特雷弗·米尔顿（Trevor Milton）发布推文称，“在向美国专利和商标局提起的申诉中，特斯拉没能如愿以偿，我们的专利没有被判定为无效专利，要求我们修改专利的申请也被驳回。赔偿金额达20亿美元的专利侵权案将会继续，我们将坚决保护自己的知识产权。”
Nikola 2018年起诉了特斯拉，称被告Semi车型与其Nikola One卡车过于相似，侵犯了其设计专利，并要求被告赔偿20亿美元经济损失。
特斯拉2019年9月向美国专利审判和上诉委员会提起申诉，要求判定Nikola一项专利无效。
美国专利和商标局的这一裁定与Nikola起诉特斯拉侵犯专利案没有直接关系，但会大幅增加它胜诉的机率，意味着特斯拉赔偿它经济损失的可能性增加。
3、小米拟首次在国际市场发债：融资5亿至10亿美元
知情人士称，小米集团寻求通过在国际市场发行首笔债券至多融资10亿美元。
小米今天在港交所发布公告称，计划向专业投资者发行美元债券，主要用于一般公司用途及偿还现有借款，发行规模、日期、利率等将根据目前市场整体需求而定。
不过据三位知情人士称，小米的目标是至少发行5亿美元的10年期债券。其中一位知情人士把小米的融资目标定在了10亿美元。
本月稍早时候，小米首次在中国境内发债，成功发行了金额为10亿元人民币的熊猫债(指境外和多边金融机构等在华发行的人民币债券)。截至2019年12月31日，小米持有的现金和短期存款总额为474亿元人民币，高于一年前的316亿元人民币。
4、人工智能不只能看“平面世界”，还能观察四维时空
一物理学理念正帮助计算机学习在比二维更高的维度中进行“观察”。新的人工智能技术不仅能够在二维图像中发现模式，还能够在球体和其他曲面上发现模式，从而将人工智能从“平面世界”中跳脱出来。
以下是翻译内容
计算机现在能够开车，能够在国际象棋和围棋等棋类游戏中击败人类世界冠军，甚至能够创作散文。人工智能的革命在很大程度上源于一种特殊的人工神经网络，它的设计灵感来自于哺乳动物视觉皮层中相互连接的神经元层。令人惊讶的是，这些“卷积神经网络”已被证明能够熟练地学习二维数据中的模式——尤其是在识别数字图像中的手写文字和物体等计算机视觉任务中。
但是，当应用到没有内置平面几何的数据集时——例如，三维计算机动画中使用的不规则形状模型，或者自动驾驶汽车生成的、用来绘制周围环境的点云——这种强大的机器学习架构就不奏效。2016年，一门名为几何深度学习的新学科应运而生，其目标是将卷积神经网络从二维世界中跳脱出来。
现在，研究人员提出了一种新的理论框架，用于构建能够在任何几何表面上学习模式的神经网络。这些网络名为“规范等变神经网络”，由塔科·科恩（Taco Cohen）、莫里斯·韦勒(Maurice Weiler)、贝尔卡伊·基卡纳格鲁（Berkay Kicanaoglu）和马克斯·韦林(Max Welling)在阿姆斯特丹大学和高通人工智能研究机构共同开发而成。它们不仅可以发现二维像素阵列的模式，还可以发现球体和对称曲面物体上的模式。“这个框架是对曲面深度学习问题的一个明确解答。”韦林说道。
在从模拟全球气候数据中学习模式方面，卷积神经网络已经大大超过了它们的前辈。在改善观察3D物体的无人机和自动驾驶车辆的视觉方面，以及在从心脏、大脑或其他器官的不规则曲面收集的数据中发现模式方面，这些算法也可能会被证明大有用处。
我们一起分享AI学习与发展的干货
閱讀更多 讀芯術 的文章
