2017年10月23日 星期一

特斯拉的神秘二樓到底什麼樣,一起來揭秘


原標題:特斯拉的神秘二樓到底什麼樣,一起來揭秘

摘錄自 2017/10/23 中國大陸新聞
特斯拉的神秘二樓到底什麼樣,一起來揭秘
鈦媒體注:特斯拉前生產副總裁格雷-瑞秋(Greg Reichow)日前在《連線》雜誌上發表文章,揭秘了特斯拉「神秘的」二樓。據了解,這個工廠的二樓是特斯拉核心所在。以下為文章內容摘要。


在特斯拉工作期間,我總喜歡在參觀者參觀工廠后和他們交談。雖然他們稱讚公司製造工廠驚人的自動化、巨大的衝壓機、以及數以百計的機器人,現實是他們只看到整棟大樓實際製造業務的一半。他們中的絕大多數人都不清楚,特斯拉工廠「神秘的」二樓製造了許多的特斯拉電池、供能電子設備和傳動系統。它才是公司中一些最先進的製造和自動化系統的所在地。因為這裡的一些機器人需要高速運轉,以至於它們的手臂需要用碳纖維代替鋼材來製造。


我們為什麼要製造電池、發動機等產品核心繫統的原因顯而易見,但許多人很難以理解我們為何要製造高壓電纜、顯示器、保險絲和其它一些更小的系統。我們是否因吸取矽谷「我們更明白」這種氣息而花費了太多的時間?為什麼還要發瘋般得創辦一家繼上世紀20年代福特Rouge製造工廠鼎盛時期之後,比全球任何其它汽車公司更垂直整合的汽車公司?


答案非常簡單:我們的目標不僅僅是製造出最好的電動機車。我們原來的目標是要製造全球最好的豪華車,只不過碰巧它是一輛電動車而已。這意味著最初的整合技術並不是現成的,也意味著我們需要不斷突破常規汽車的設計和製造極限。此外,我們需要在大多數汽車配件供應商無法理解的超短時間內做到這一點,意味著在許多情況下我們需要自己製造配件。製造自己的核心配件具備明顯的優勢,同時還有其它一些可能不會立即體會到的優勢。


特斯拉的神秘二樓到底什麼樣,一起來揭秘
速度是第一大優勢。推出一個新產品需要一個團隊做出數以千計的小決策。如果選擇外包一款配件,通常需要派員常駐外包工廠。這意味著必須接受更難做出選擇和影響結果的現實。首先,需要派遣員工前往外包工廠;其次,產品設計團隊與製造團隊現場溝通和決策的頻率會大幅減少。沒有什麼比工程團隊每天直接前往製造區域,同製造人員商談,並得出如何改進產品的做法更為有效。工廠信息擁有著非常短的半衰期。儘管許多的代工製造商都做出了承諾,但現實是原本可以步行前往自己的製造工廠,如今卻需要坐飛機前往外包工廠去解決問題。


自己製造產品的第二個原因是它能夠讓你擁有更快學習和改進的周期。積攢一攬子可改進構想,然後把它們融入3至4年後(汽車行業的典型開發周期)的下一代平台中,這種做法完全不適用於特斯拉。打包集中進行改進,通常意味著有些項目會延遲等待其它產品的生產,這會導致更低的累積改進率。


我們在特斯拉的做法是準備好后立即進行改進。這意味著特斯拉每周最多對產品能夠進行50次改進。我們過去經常開玩笑說,如果用戶想要了解自己的特斯拉電動車屬於「當年的哪一帶產品」,就需要查閱電動車的車輛識別碼(VIN,VIN碼由17位字元組成,所以俗稱十七位碼。它包含了車輛的生產廠家、年代、車型、車身型式及代碼、發動機代碼及組裝地點等信息。)儘管掌握了對產品的實時改進方法,但這種方法對我們的製造系統中的效率產生了一絲影響。不過什麼更為重要:是把製造效率提升若干個百分點,還是製造出一款得到快速改進、在競爭中遙遙領先的產品?沒有什麼比擁有自己的生產線更能加強對速度與能力的控制力。


特斯拉的神秘二樓到底什麼樣,一起來揭秘
最後,當開始自主製造配件時,能夠對自己的產品和如今進行改造擁有更深刻的理解–自主製造配件的苦痛最終會轉化為財富。特斯拉能夠做出狂暴模式(Ludicrous Mode)的創新就是一個非常好的例子。早期的Model S在加大動力輸出功率存有限制,原因無法把安全保險絲和交換器系統集成到一起。特斯拉當時面臨的問題是,如何才能尋找到一條滿足電流要求的保險絲?


事實證明,生產這樣一根在正常運行期間允許大量電流流過,並且在電流出現異常峰值時能在毫秒之內保護汽車的保險絲是極其困難的。自主製造這樣的保險絲能夠讓特斯拉解決這一問題。通過整合對產品的深入理解和對所需物理學知識的基本理解,讓特斯拉做到了絕大多數人認為是不可能的事情。正因為如此,全球的特斯拉車主能夠輕鬆的在2.8秒內把車速從0提升至60英里(約合97千米)。


自行製造產品是否永遠都正確?當然不是。如果生產的是一款充分利用其它商品化部件的、一定時間內不會有重大革新的產品,那麼自行生產毫無意義。不過如果你正在製造一款包含獨特知識產權或是具有高變化速度的產品,那麼這會是最正確的選擇。


分層式的製造策略通常是正確的選擇。早期使用自有的小規模生產車間製造產品,車間最好和工程師、設計師以及產品團隊的辦公地點在一座建築物內。利用試產來快速學習、迭代、獲得生產你的產品所需的必備知識。等到量產規模超出這一製造能力后,然後再把這個產品外包給代工製造商。


特斯拉的神秘二樓到底什麼樣,一起來揭秘
這種策略具備若干個優點。首先,因為掌握了核心技術,能夠讓代工製造商不會撒謊。如果需要對產品進行微幅調整,可以在自己的生產線上進行測試,然後再把成熟的技術交付給代工製造商。特斯拉在這個過程中獲得了增量成本的經驗,也就終結了與供應商關於改進需要增加多少額外勞動力的爭論。其次,自己的生產線讓成為開發新一帶產品和製造樣品的平台。具備了分層式的製造能力,不僅能夠享受快速迭代周期的優勢,而且也能夠利用規模更大的代工製造商的更高效的供應鏈。


為什麼我要熱衷於此?在我的職業生涯早期,我是美國製造業離岸外包的參與者。我們在一些技術領域建立了先進的工廠,但所有的工廠都在美國本土之外。由於這一趨勢,美國工業失去了建立自己產品的一些基礎知識。


很長一段時間以來,對建立新硬體工廠的恐懼一直困擾著企業和企業家們。要解決許多重要問題,你需要接觸物質世界。健康、能源、基礎設施建設、交通以及許多其它領域的複雜問題需要包括硬體生產在內的跨行業解決方案。我們需要勇敢的創始人來解決這些重要問題。現在正是我們需要重新構建,並重新獲得它為我們的企業和社區創造知識和競爭優勢之時。


本文來源騰訊科技,鈦媒體已獲取授權,略經鈦媒體編輯。

楊建銘專欄:AI真正的主戰場在硬體



作者認為,目前硬體的發展可能無法應付AI發展所需的運算速度以及耗能。(資料照,美聯社)
別誤會了,我熱愛軟體。


我只是覺得這一波已經接近尾聲——如果不是已經過了尾聲——的精實新創浪潮下,太多投資人和創業家口中念念有詞的、關於軟體新創的論點不過是一堆狗屁。比這些關於軟體新創的狗屁更狗屁的,是毫無根據就把硬體投資視為過時的、難以產生回報的論點,即使面對了市場上公開資訊的反駁。


別誤會了,如果可以,我也想投資一個SaaS的商用軟體新創,看著他們用很少的資金做出MVP(Minimum Viable Product),然後用社群草根的方式取得眾多使用者,每週根據使用者的回饋以及蒐集到的數據改善並更新軟體,然後針對進階使用者每月收取費用,量測並改善耗損率,然後達成千萬使用戶、超過百分之百的年成長率以及九成以上的用戶留存率,取得最少五千萬美元的每年重複營收,然後以五億美元的價格出售給Salesforce這樣令人景仰的SaaS企業,並將創業家和Marc Benioff這樣令人景仰的創辦人簽約後握手的照片裱框,放在自己的桌子上朝外給所有進到自己辦公室的年輕創業家看。


等等,去他的投資!我乾脆自己創辦這樣的公司好了!


事實上,在動態均衡的商業世界裡,沒有任何一種商業模式或者產業具有永久的投資優勢。興起於2004年的精實新創風潮為我們的世界帶來了臉書、推特、Youtube、Dropbox、Uber和Airbnb等日常生活的應用軟體,也連帶讓MVP、iteration和pivot變成熱門單字,更催生了一整個世代非工程背景也未曾創過業的新型風險資本家,他們在各大小新創活動中轉來轉去,以看似老練的口吻問著創業家:「你的每月活躍用戶量是多少?」


但在這樣低的創業和投資進入障礙的世界裡,伴隨而來的必然是激烈的全面競爭,不管是創業家彼此,或者風險資本家之間。這些競爭也許會反映在燒錢進行同業競爭上,也許反映在平均估值的不斷推升上。最終來說,產業抵達了動態均衡,人們也終於開始發現軟體精實新創並沒有比較容易創業,投資起來也沒有比較好賺。


似乎是歷史重演地,我們看到人工智慧的投資趨勢最近也反映出這樣的潮流反轉。
和精實新創經歷的一樣,我們不難想像過去兩年間滿手是錢的風險資本家們,乘著「人工智慧」、「機器學習」和「深度學習」的關鍵字浪潮,追逐著各種宣稱使用人工智慧、機器學習或深度學習來取代人類世界中某些由勞工負責的工作的新創。


而就跟精實新創投資一樣的,事實上任何有一點社會經驗的人都可以想像出任何一種「用AI取代人類」的新創應用。唯一不一樣的地方在於,要開發這樣的應用需要的不只是能夠寫邏輯程式代碼的coder,還需要懂得機器學習演算法的數學專家。


不夠格的投資者們,就像他們在精實新創浪潮中追著浪尾投資已經有數十家先行者的新創類型一樣,忙不迭地把錢灌進「能夠描繪某種AI使用情境」的軟體新創。稍微謹慎一點的投資者們,找來了從事相關研究的教授或者博士班學生來幫忙作盡職調查,以求避開明顯的騙子。


但不管是哪一種,打著「用AI取代人類」嘴砲的軟體新創仍然面臨兩個自己無法解決的挑戰。


其中一個就是我常常講的,就算是絕頂聰明的數學家或者資料科學家,如果無法取得訓練模型用的資料,那也是白搭,這也是為什麼在Hardware Club我們選擇投資提供從感測器到雲端機器學習完整系統的Full-stack AI新創。


另ㄧ個純軟體AI新創面臨的挑戰,則是在創業或者投資初期常常被忽略的硬體計算能力的限制。


我在〈軟體吃掉世界,AI吃掉軟體〉一文中就曾經提到過,精實新創誕生的背景是晶片運算能力遠大於終端應用軟體所需,但機器學習的出現瞬間把這個落差給「闔上」了——突然間我們從毫不在乎硬體,又變得必須對硬體規格斤斤計較。




上面這個影片是史丹佛大學CS231n課程〈卷積神經網路在影像辨識上的應用〉第十五堂課的講座影片,主講者是最近剛取得電機暨計算機科學博士學位、明年即將在麻省理工開始任教的Song Han,講座的題目就是他的博士論文〈深度學習的高效率演算法和硬體〉。我強烈建議對於機器學習有興趣的人——不管是創業家或投資者——把這個講座影片看完,因為看完之後他們就能理解為什麼我說AI真正的主戰場在硬體


舉例來說,這整個講座使用的術語大約有三四成是機器學習和深度學習相關的,剩下的術語卻都是所有半導體產業的「老人」們再熟悉不過的:CPU、GPU、FLOPS、DDR 3、DDR 4、記憶體頻寬⋯⋯等。事實上如果直接去閱讀Song Han的博士論文,老半導體人會看到兩個很親切的名字:論文的主要指導教授Bill Dally以及協同指導教授Mark Horowitz。其中Dally教授所著作的教科書〈Digital Systems Engineering〉幾乎所有電機本科生人手一本,而Horowitz教授則是我當年在半導體的研究領域『高速數位串流介面』的權威,如果把我當年閱讀過的他的論文疊在一起,就算沒辦法到頂天花板,最少也夠站在上面換燈泡。


Song Han在這兩位半導體老將的指導下完成這個博士論文,而且還受邀在CS231n〈卷積神經網路在影像辨識上的應用〉課程給講座的原因非常簡單:我們現在的CPU或者GPU、甚至於谷歌的TPU,都遠遠無法應付現有機器學習演算法「可能」的運算需求,因此軟硬體協同開發是必要的。


當我們說CPU、GPU乃至於TPU無法應付機器學習「可能」的運算需求,有兩個事情是我們所在乎的:運算速度以及耗能


一般的創業家和投資者比較能夠理解運算速度的重要性,畢竟整個深度學習的大躍進就是在於過去得花上幾週甚至幾個月才能完成的神經網路運算,被降到幾天甚至幾小時,但較少創業家或投資者能夠理解耗能的重要性,因為在過去十餘年的精實新創浪潮中,耗能這種東西百分之百是高通、鴻海、蘋果和三星這些人的問題。


但是在機器學習中「耗能」是一個很大的挑戰,甚至會成為效能的障礙。機器學習的耗能主要來自兩個領域:


(一)矩陣乘法:所建置的神經網路越多層,每一層的神經元數越多,所需要運算的矩陣乘法就愈多。而半導體邏輯晶片的乘法是由NAND閘組合出來的,每一個電晶體的節點都會在電壓上下擺動的過程中消耗掉能量。考慮到矩陣乘法所需要用到的邏輯閘數量驚人,而且隨著神經元和係數的增加以指數成長,這部分運算的耗能也就指數成長。


(二)記憶體存取:類神經網路的運算需要大量而且高速的記憶體存取,主處理器(不論是CPU或者GPU)和記憶體模組通常是不同的晶片,因此存取發生在印刷電路板上,大量的能量會被耗損在對抗印刷電路板和晶片封裝的雜散容和電阻上。


耗能劇烈的第一個影響是電力成本。以去年擊敗李世乭的AlphaGo為例,該系統使用了1920個CPU和280個GPU,光下一場棋局的電費就高達三千美元,相較之下李世乭本人下這場局可能只需要一兩碗飯的熱量,「電」腦和「人」腦在耗能效率上仍然有天壤之別。


但是如果做多少運算就付多少電費就能解決的話,那還好說。但耗能的最大問題是:不管是哪一種耗能方式,都會轉換成廢熱,這些廢熱必須排出去,才能讓系統正常運轉。但系統耗能產生廢熱的速度根據運算量成指數成長,排除廢熱的速度卻受限於熱力學和流體力學有著線性的特質,因此我們不難想像在邁向泛用型人工智慧的路上,我們可能會先被「熵」這個躲也躲不掉的敵人給擋住,而不是演算法。


機器學習演算法與硬體的最佳化方式(作者提供。擷取自Song Han博士論文第七章)
在Song Han的講座中,他介紹了各種軟體演算法和硬體晶片結構的協同最佳化,以應付機器學習中training和inference兩個部分的耗能效率挑戰。但是不管是哪一種方式,不管改善多少運算效能和耗能效率,從工程的角度來看都是短期的、貼貼補補之類的解決方案,在摩爾定律多年前早已停止改善耗能的事實下,這些方案並沒辦法提供一個康莊大道通往真正的人工智慧經濟學終局


這也是作為風險資本投資者,我們致力於尋找著半導體邏輯運算以外的解決方案的原因。在之前專欄〈量子電腦春暖花開〉中我所介紹過的量子電腦是一種,而且理論上是最能夠應付無限延伸的未來中機器學習運算需求的一種。但量子電腦的問題在於,目前不管是新創或者谷歌、IBM乃至於Intel等大廠的系統,都必須把溫度降到絕對零度附近,才能進行量子運算,地球上的降溫系統本身就是一個極為耗能的裝置,要等到綜合能源效率和建置成本到達可以和半導體晶片相比擬,恐怕還要不少的時光。


那麼有沒有其他的方式能夠比半導體有著高許多的耗能效率,但又沒有量子電腦那接近絕對零度的挑戰呢?答案也許存在自然界裡,就像是量子電腦採用物理特性進行運算,自然界也有許多物理現象包含了矩陣乘法的特質,也許我們可以找到一種運算方式,是將資料轉換成自然界的物理現象,在那裡完成運算,然後再匯回電腦系統中。這種運算統稱為「類比運算」(analog computing),其實是一門很古老的學問,遠在數位晶片高速成長的年代之前,幾乎所有的運算都是在類比世界中發生的。


作為投資者,我尋找著也等待著能夠善用類比運算來大幅加速機器學習的創業家,如果能夠投資到這樣的新創,我不介意錯過Blue Apron這樣的投資機會一百次!


作者攝影作品《諾弗勒 :Un certain regard 一種凝視 2018桌曆》。
*作者為台灣大學電機畢業,在台灣、矽谷和巴黎從事IC設計超過十年,包含創業四年。在巴黎工作期間於HEC Paris取得MBA學位,轉進風險投資領域,現為Hardware Club合夥人。最新攝影作品《諾弗勒 :Un certain regard 一種凝視 2018桌曆》。

當冷酷的經濟學 遇上有溫度的人文科學

摘錄自2017/10/21 股感知識庫 K@W Knowledge@Wharton

經濟學家往往從數字入手來試圖瞭解經濟問題。然而,數字並非總能說明問題。經濟學家們缺乏解決世界上最複雜問題所需的維度和視角。

這是美國西北大學 (Northwestern University) 校長兼經濟學家莫頓·夏皮羅 (Morton Schapiro) 和斯拉夫語言文學教授蓋瑞·索爾·莫森 (Gary Saul Morson) 的共同觀點。在本次華頓知識線上訪談節目中,他們對所著新書《美元與情感:經濟學可以從人文學科中學到什麼 (Cents and Sensibility: What Economics Can Learn From The Humanities)中的議題進行了解釋。


兩位作者認為經濟學家在制定經濟政策時需要考量文化、藝術、歷史等許多其他範疇的內容。訪談文字內容整理如下。 


華頓知識線上:這本書的成因是什麼? 


莫頓·夏皮羅:索爾和我在教一門本科課程,探討不同學科以及互相能學到什麼。這本書是我們連續七年教學的結果。我們認識到經濟學可以從人文學科,特別是文學中學到什麼,甚至也能廣泛地從其他人文領域,以及社會學、人類學、歷史學等定性社會科學中學到東西。 


索爾·莫森我們認為不同的學科不只是研究內容不同,他們看待世界的角度也不同。不同學科對人的整體看法是不同的,而且往往互不瞭解,以至於每個學科不僅不接受其他學科的理念,也不能真正相信其他學科所相信的道理。


令我驚訝的是,經濟學家真的認為人們總是根據自己的最大利益行事,認為可以對人類行為數學化,認為文化毫不相干。他們真的這麼認為,不是嗎?同樣,經濟學家難以相信人文主義者相信的東西。我們上課的時候試圖在每個學科內部框架中討論其他學科的問題,這激發了課堂上很多活力。


華頓知識線上:沒有將人文學科引入經濟學的影響是什麼? 


夏皮羅:我喜歡教學、出版和經濟學。我的全職工作是管理整個學校,但當經濟學教授最讓我自豪。我已經教了近 40 年。但是在經濟學領域,雖然我們尋找經濟學以外的主題,但我們其實並沒有真正與其他領域的文獻互動。


最近有一個對美國不同學院和大學的教授進行的調查,將其按領域分組,回答以下簡單的問題:在自己的領域內研究更好,還是跨學科的方法會更有效?79% 的心理學教授表示走出自己的領域更好。73% 的社會學教授和 68% 的歷史教授也這麼認為。但只有 42% 的經濟學教授說應該走出本領域。


我們碰到其他的研究,考察特定學科的學者引用本學科以外學術成果的頻率。不出所料,經濟學家很少引用經濟學領域以外的成果。所以,我們忽視了很多東西。經濟學是一個很不錯的領域,但如果我們不那麼閉關自守,可能會好很多。 


莫森:有時我們得到這種印象,經濟學家認為所有從事這些其他人文學科的都是頭腦混亂的教授,他們雖然能提出好的問題,但完全給不出一個嚴密的、系統性的答案。所以,就讓他們提出問題,我們來給出答案。他們認為經濟學是一門以牛頓力學為模型的硬科學,而其他學者只是在搗漿糊。但實際上,沒有什麼事實和預測性行為顯示經濟學是這樣一門硬科學。


 華頓知識線上:難道經濟學家是太專注於數字和資料點,而完全不考慮走出自己的領域? 


夏皮羅:這是一個非常好的問題。我認為他們也看重數學方法。我研究計量經濟學,所以我並不反對數學和統計學,但這種方式很難對文化進行統計和計算。你怎麼把文化放在一個數學公式裡?經濟學家傾向于提出通常作為預測模型基礎的行為模型,對人類實際行為的認識往往非常天真。


你會認為如果我們討論行為模式,會更多地涉及心理學領域,但經濟學文獻很清楚地表明並非如此。很多經濟學家研究貧窮的迴圈,但他們對社會學或人類學的引用有多頻繁呢?我有研究投票行為的朋友,但他們真的瞭解文學和政治學嗎?


許多人研究古代,但他們真的試圖整合歷史學家的理解嗎?答案往往是否定的。我認為這一方面是由於對數字的關注,但是一方面是我們沒有這樣的訓練。不能放在方程式裡的東西讓我們感覺不舒服,我認為這是我們忽視了很多視角的原因。 

華頓知識線上:對文學的熱愛對你當經濟學教授有什麼影響? 

夏皮羅:我覺得文學讓我謙卑許多。索爾和我都介紹了對於如何開展有成效的對話的考慮,我們覺得也許可以初步嘗試在人文學科與經濟學之間做出溝通。


當我開始考慮這些,我意識到我從來不是在發展中國家工作的經濟學家,儘管我在職業生涯早期做過一些。我講了我在非洲作世界銀行顧問的故事,因為當時不真正瞭解非洲國家而遺漏了什麼。


關於國際貨幣基金組織、世界銀行等組織的優點和缺點都有很多文獻進行討論。在某些大陸,發展經濟學是一個美好的故事。但是,我在撒哈拉以南非洲地區工作,這個故事並不是那麼美好。我認為,如果我們真正瞭解歷史、政治、宗教、家庭社會學,而不是只是試圖使價格合理,並將同樣的基礎經濟模型應用於各種地區的發展,我們的政策可能會更有效。 


莫森:你要能把自己放在你所嘗試幫助的人的位置上。他們並不相同。文化和價值觀不同。他們不會以同樣的方式對同樣的措施作出回應。偉大的文學最擅長的,特別是偉大的現實主義小說,是教人以同情心 (empathy) 。逐頁閱讀這些文學作品,你講從一個與你性別、價值觀、文化、時代和規範都不同的人的角度看待世界。你從中得以練習同情心。


其他學科告訴你應該同情他人,但讀一本偉大的小說就會讓你獲得很多實踐。一旦你開始思考,你自然會問:我想要幫助的人感覺如何?他們會怎麼回應?你可能沒有答案,但問這個問題成了第二天性。 


華頓知識線上:只要能問這個問題,就是在往正確的方向走,對嗎? 


莫森:對的,是這樣。這個問題和有效性相關,但從他人角度著想還有一個道德維度存在。你認為這對他們有幫助,他們可能並不同意。你認為好的,他們未必認為好。他們的看法是什麼?這可能相當重要。這就需要理智和情感上的同情心。 


華頓知識線上:您在書中談及道德。您說經濟學家的理念與道德領域有一道鴻溝,經濟學家的訓練中沒有包含道德倫理。 


莫森:是的。您可能會嘗試將道德問題轉化成能夠數學化的某種形式,但這就把倫理問題的複雜性呈現為一個非常蒼白的形象。道德問題其實非常複雜,這是一個非常難以說出正確答案的領域。這與是否符合道德的問題不太一樣。道德問題是需要你的判斷力的複雜道德情境。這種判斷力的本質決定了你寫不出一個公式。


夏皮羅:我完全同意。我認為如果我們對哲學探討更多,那麼我們的政策不僅會更有效,也會更公正。這本書列舉了很多例子,從發展經濟學到衛生經濟學到家庭經濟學等等,以及我的具體領域高等教育經濟學。回到我們所教授的課程,大多數人對於道德和價值觀的話題會說,經濟學家會這麼說,而其他領域可能對這個對話有這樣的考量……。那麼這種說法這公平嗎?這是對的嗎?” 


華頓知識線上美國當下的高等教育和醫療成本高居不下是兩個非常重要的話題。您在人文學科方面的理解如何影響您對這些主題的教學? 


夏皮羅:有很多人說,非營利大學應該更像企業。近幾十年來出現的一件事是入學管理的概念,在歷史上,入學與財政援助分得相當開。但是,如果大學要更像一個企業,就會利用優勢,嘗試估計需求曲線,找出需求的價格彈性是多少。


例如,如果有人要購買你的產品,在這種情況下是大學教育,價格非常高的他們也同樣購買,那麼你不會在標價基礎上打折。 然而,如果你看看這個國家非營利私立大學 (not-for-profit private colleges and universities) 的數百萬學生,只有 14% 的人支付標價。另外 86% 的學生得到了折扣,在許多情況下是非常大的折扣。


容易受到的誘惑是嘗試用掌握的資料來確定學生及其家人的底價。預測申請你的學院或大學的人是否會接受錄取通知是非常容易的。你看各種資訊:考試成績,是否就讀於專門輸送頂尖學生的高中,父母之一也上的這個高中,以及專業。他們會對他們的興趣表露無遺。他們來參觀。如果你派大學輔導員到他們的高中,他們會登記,寫下名字,參加宣講會,來到校園,並登記參觀。


那就是說,如果我們賣汽車,我們會很希望消費者感興趣。有人參觀校園、寫信並參加大學開放日,所有這些都像有人到 BMW 經銷店說:你好,我只開 BMW,這是我連續開下來的第六輛。我就是喜歡這輛車。我不會去別的地方買。我看它的價格是 4 萬 5000 美元。你們要賣多少錢?他們會說,“4 萬 5000 美元。


學生和他們的家人也相當天真地揭露了底牌。根據我之前寫的一篇文章,我們在這本書中描述了你可以很容易地預測一個人會來的收益或者可能性。如果你預測有人有 90%的可能性會來,那麼又為什麼要減價?他們無論怎樣都會來。


但是,如果是按需求為基礎的援助,或者是按優秀程度的援助,按定義就是將價格降到低於家庭有能力支付的價格,那是事情的另一方面。即使如此,索羅也許會認為你不應該使用這樣的收益公式。即使在按優秀程度的援助分配上,我不同意他的觀點,但我理解為什麼。因為那是誤導性的。它不透明。 


莫森:如果你說你還是要這麼做。沒問題。但誤導人的那部分讓我憂心。 

夏皮羅:如果你說你要這樣做,人們會不會揭露底牌?但是,對於按需求的援助,你當然會說:可以,本來是 6 萬 5000 美元的學費和食宿費,你可以付 4 萬美元。但是,因為我們知道你還是會來,所以我們要收 5 萬美元。這可能是一個很好的生意,但這讓人的貸款將超出自己償還能力更多。我認為這手段低下,不夠公平。這本書有很多這樣的例子,說明好的經濟學未必能出好的政策。 


華頓知識線上:索爾,醫療方面的情況呢? 


莫森:我們在書中談到的一個例子是諾貝爾獎獲得者、經濟學家加里·貝克爾 (Gary Becker) 關於是否應該有腎臟交易市場存在的文章。他認為非常明顯地應該有,某天人們回顧歷史時會驚訝沒人有與眾不同的思考。畢竟,很多人因缺乏腎臟移植而死亡,有很多人願意出售腎臟。為什麼不乾脆設一個市場?每個人都會更好。


從這個角度來說,這是一個強有力的論點。但還有其他問題沒有提及。當我們將人體視為物件,當我們將人視為擁有自己而不是成為自己時,會有怎樣的影響?鼓勵什麼樣的道德觀念?


比如,他的這種觀點是否鼓勵了可以出台收集犯人器官的政府政策?你看到這將改變你對人的看法。這是不是意味著我們不應該這樣做?增加人文主義的角度並不是一定說不,只是說問題是相當複雜的。

貝克爾認為這是一個簡單的問題,這是我真正不同意的地方。未必是他的答案不對,而是這個問題是複雜的。如果你開始從經濟學家難以把握的道德層面來思考,你會發現問題沒那麼簡單。 


華頓知識線上:但是,如果你把人文主義者的視角帶到那個特定的問題,你將納入很多沒有被考慮的資訊,這將改變思維過程和政策。如果我們需要經常這樣做,會有什麼影響? 


莫森:我認為第一個影響將是經濟學家提供的建議不再那麼直截了當,而會更謙虛。答案會像這樣:目前為止的考慮是這樣,可能這是最好的答案。但還有什麼呢?

只要世界看起來和我們的模型預測一樣,結果可能是這樣。這與你得到的概括性答案非常不同。您的建議的上下文與建議本身一樣重要。你要確定有多少其他因素還沒有考慮在內。這將極大改變實際制定政策的官僚或經濟學家的傲慢。


夏皮羅:這本書舉了很多例子說明我們將如何以不同的方式做事。我講的是惡名昭彰的世界銀行備忘錄。這是大概 25 年前的事。不巧這與當時世界銀行首席經濟學家拉里·薩默斯 (Larry Summers) 相關。他簽了字,但不是他寫的。這份備忘錄是我職業生涯中經常會教的經濟學上的絕佳例子。


內容很簡單:世界上哪裡是丟棄有毒廢棄物的最佳地點?

經濟學家自然會認為,一個發病率高、死亡率高、工資低的地區,這是一個極低的經濟成本。如果人們無論怎樣都在死去,這可能是最經濟的地方。這份備忘錄具體提及中非,因為人口發病率高、死亡率高、受教育程度低。因此,他們的時間機會成本很低。


我們引用巴西環境署首長的話,我認為這在今天也可以看出經濟學能如何改善。他寫道:你的推理完全合乎邏輯,但這完全是瘋狂的。你的想法提供了一個具體的例子,說明了許多傳統經濟學家對我們所在世界的本質的令人難以置信的疏遠、簡化思維、冷酷無情和傲慢無知。 (“Your reasoning is perfectly logical, but it’s totally insane. Your thoughts provide a concrete example of the unbelievable alienation, reductionist thinking, social ruthlessness and the arrogant ignorance of many conventional economists concerning the nature of the world in which we live.


我認為他的看法至今仍然有效。


如果這只是一個經濟學課程中所謂的狹義定義的學術練習,那麼你可以從一個經濟學家的角度提出這樣的論點,沒有關係。但人們真的聽取經濟學家的意見。經濟學家對世界的政策有巨大影響,這就意味著更大的責任。如果我們真想讓世界變得更美好,這意味著不僅僅是應用簡單的行為和數學模型,而是做正確的事。這正是我們目前的工作。


K@W》授權轉載
【延伸閱讀】


微軟和臉書鋪了條超長的海底光纜 這背後是一門什麼生意?

摘錄自2017/10/19 好奇心日報

九月底,微軟 (Microsoft) 和臉書 (Facebook) 擁有的跨大西洋通訊光纜“Marea”建成。它具有極高的傳輸速度,達到每秒 160 太比特、相當於一秒鐘可以傳輸 5000 多部高清電影到 6600 公里以外的地方。


再早些時候,Google 也找了中國、新加坡、日本等地的五家電信營運商一起鋪設光纜。


根據 TeleGeography 所做的調查,目前全球總計鋪設超過 370 余條海底光纜,總長度超過100 萬公里。其中最長的是亞歐三號海底光纜 (SeaMeWe-3) ,總長 3.9 萬公里,由法國電信和中國電信牽頭籌建。


你我今天能足不出戶的在家裡接收到來自全球的訊息,基本都依賴於鋪設在全球各地的海底光纜,這些光纜承載著 95%-99% 的國際數據通訊。


20171010182043q2lCWAcfrhOsv81Q.png-w600(這些密密麻麻的線條就是海底光纜)


既然已經有如此密集的海底光纜網路,為什麼科技公司還要自己弄?

海底通訊已經有一百多年,光纜也鋪了 300 多條


海底通訊最早出現在 1840 年代。當時正值工業革命,技術進步催生出古塔膠這種材料,用它包裹的金屬電線可以布設在海底。1850 年盎格魯-法國電報公司 (Anglo-French Telegraph Company) 公司在英法之間鋪設了世界第一條海底電纜。當時既沒有電話更沒有網路,這條電纜被用來發送莫爾斯電報密碼


在成功鋪設這條跨越英吉利海峽的海底電纜後,人們開始籌劃鋪設跨大西洋電纜,將歐洲和北美連結起來。但是跨英吉利海峽電纜和跨大西洋電纜的鋪設難度完全不同。

鋪設英吉利海峽電纜,風平浪靜的情況下一天就足夠了;而跨越大西洋,以當時的輪船行駛速度差不多要航行三個多星期,期間的天氣情況難以預料,稍有不慎就會造成光纜斷裂。

並且單船難以承載電纜的重量。為此處於電纜兩段的英美兩國各自出動最大的軍艦,裝載一半跨洋電纜。經曆數次失敗後,1858 年 8 月,跨大西洋電纜鋪成。英國女王向美國總統發出祝賀信。

20171010182737rBSV02yhDcKQgw1i.jpg-w600(英國女王寫給美國總統的祝賀信。)


現代意義上的海底光纜出現在 1980 年代。1988 年,美英法之間的首個越洋海底光纜 (TAT-8) 系統建成,該海底光纜全長 6700 公里,含有 3 對光纖,每對的傳輸速率為每秒 280 兆比特。


簡轉繁 好奇心日報)微軟和臉書鋪了超長的海底光纜 這背後是一門什麼生意 -02
1990 年代之後萬維網出現,網路向整個社會開放。此時大量鋪設的海底電纜因為頻寬有限、傳輸穩定性差等問題,已經無法滿足網路高速訊息傳播的要求。

替代方案之一的衛星通訊也是頻寬有限並且價格昂貴。由此傳輸穩定、速度快且價格相對低廉的海底光纜成為全球通訊介質首選。海底光纜的鋪設數量和里程數也從這個時候開始快速增加。

海底光纜是如何鋪設的?


那這些遍佈全球的海底光纜如何鋪設?簡單來說,海底光纜企業將光纜生產出來以後,會被轉移到專用的敷設船上。與此同時,他們會通過電腦模擬和實地勘察,確定敷設路線。

泰科電子 (TE) 海底通訊部亞太區銷售總經理鐘謙博士介紹說,他們在設計線路時要儘量避免礁岩、已經鋪設的光纜等障礙。實地勘探一般會先用船上聲納設備,遇到近海海底環境狀況複雜、聲納不方便探測的時候,他們還會派出潛水員查看。


泰科電子海底通訊部門的前身是 AT&T 海底系統部門,它佔據海底光纜市場近四成份額。


勘察、路線設計工作完成後,光纜就進入鋪設環節。通常光纜鋪設公司會將光纜放入專門的敷設船,然後出海。接近鋪設位置後,敷設船再派出光纜埋設機,它底部有幾排排水孔。工作的時候這些孔會射出高壓水柱,以此在海底沖刷出一條溝槽,用來放置光纜。

它有點像耕田時使用的犁,由海底光纜敷設船拖曳前進,並通過工作光纜作出各種指令。其底部有幾排噴水孔,作業時,每個孔同時向海底噴射出高壓水柱,將海底泥沙衝開,形成光纜溝。而設備上部有一導纜孔,用來引導光纜到光纜溝底部。
以此循環往復,越洋光纜鋪設即告完成。

不過海底光纜生意更難的地方在於維護。海底通訊系統對可靠性的要求遠遠大於陸地系統。如果陸地系統出了故障,維修團隊開工程車去,可能兩三個小時就到了,不久就修復好了。但是在太平洋中的系統出了故障的話,船隻出去一天就是幾十萬的費用,包括燃料、人力、船隻費用等,而且距離遙遠、不易到達,所以對可靠性的要求非常地嚴。

鐘謙認為其中保證海底光纜可靠性最關鍵的兩點是機械性能好,即通過外裹鋼絲起到保護光纖的作用;以及,再在裡面裹聚乙烯層進行絶緣保護。

20171010182851foCO6GaMxSQP0hKF.jpg-w600(海底光纜近照。圖/TE)

如果海底通訊系統真的出現了故障,需要進行故障定位。第一步通過光導,打進光纖的激光信號會在斷裂地方反彈。工程師會根據光傳輸的時間測算距離,從而估算從岸這一端起,光纜大概斷的位置。第二步通過電壓,因為光纜帶電,那麼在出現故障的地方電壓會改變,根據電壓變化可以估算光纜在什麼地方斷掉。

20171010185338Ox1ma4HzhpvRC80y.jpg-w600(一條鯊魚咬向海底光纜。圖/TreeHugger)
鐘謙說,“然後我們就會派維修船出去。因為現在的定位技術是非常準確的,基本上就能鎖定在幾公里之內。維修船到達這個範圍的時候,就用短距離的、更高分辨率的光學手段定位。基本上在幾百米到一公里的範圍之內,就可以把故障點確認下來。”

既然這麼麻煩,為何科技公司要自己鋪設?


臉書、Google、微軟這些大科技公司是為了擁有更高頻寬、更快傳輸速度的網路,自己牽頭鋪設海底光纜。

簡轉繁 好奇心日報)微軟和臉書鋪了超長的海底光纜 這背後是一門什麼生意 -01
比如這兩年流行的影音、VR、直播等服務,對數據容量的需求在不斷地增加。並且,科技巨頭在全球設有數據中心,用戶在美國往 Facebook 上傳了一張照片,實際上全球有好多點同時都同步上傳了這張照片,這在流量上面會有很大的需求。以及還會有備份的需求,即一旦一處服務器出現故障會馬上切換到另外一邊。


Google 有一條去年 6 月剛剛開始商用的海底光纜 FASTER,它長約 9000 公里、連接美國和日本的海底光纜,頻寬達到每秒 60 太比特,是當時全球最快的海底光纜。其鋪設成本大約是 3 億美元。此外,Google 還準備跟臉書共同出資建造的跨太平洋光纜,預計 2018 年投入使用,頻寬比 FASTER 多一倍。


簡轉繁 好奇心日報)微軟和臉書鋪了超長的海底光纜 這背後是一門什麼生意 -03
當然,這背後還有光纜技術本身的進步,使得現在可以鋪設 1 萬公里以上兩地直連的光纜,不需要中途另設光纜登陸點。


參與建設 FASTER 光纜的泰科電子表示,從建纜的過程來說,Google 和其他電信營運商沒有什麼不同的,大家都是俱樂部的形式,即合作建設、共同維護,如果一條光纜出現通訊故障,可以相互臨時借用光纜資源。


其中的差異在於,營運商在全球範圍內擁有比科技公司更多的光纜,它們希望光纜更加穩定,其中可能會以犧牲部分性能為代價。而科技公司會性能優先。

2017年10月18日 星期三

这位极简艺术家的家,如他的作品一样只考虑空间、材料和形式

摘錄自 2017/10/18 好奇心日報

这位极简艺术家的家,如他的作品一样只考虑空间、材料和形式
Donald Judd 的名字常常与墙壁上不同材料制成的方盒子联系在一起。他的作品不反映具体内容或对象,《无题》是他最常用的雕塑名字。


尽管他曾对“极简主义”这个词表达过蔑视,但他却被视为艺术史中极简运动的代表艺术家。


来自:Mnuchin Gallery
Judd 的设计、雕塑与艺术概念之间拥有微妙的关系。他 10 岁学画,还曾一边在纽约美术学生联合会学习美术,一边在纽约哥伦比亚大学夜校念哲学。30 岁时,Judd 重返哥伦比亚大学攻读美术史硕士。这让他的理论知识颇为牢固,业余时间还能依靠写评论赚钱。


作为 20 世纪最重要的艺术家之一,Donald Judd 的思想至今还在影响着艺术、建筑和设计界。


今年是 Judd 逝世第 23 年,Donald Judd 基金会翻新了他的故居,希望能开放艺术家曾经生活的空间和艺术灵感来源,培养大众对艺术的深入理解。


1968 年,Judd 买下纽约春天大街(Spring Street) 101 号一栋五层楼高的建筑。从此,这里便作为居所和工作室,他的妻子和两个孩子也一同居住在此。


Judd 的儿女 Rainer 和 Flavin Judd,负责监督他的遗产。
公寓楼外立面
这栋公寓楼由建筑师 Nocholas Whyte 在 1870 年设计而成,Judd 搬进来后,往里面放置了各处收藏的艺术品和自己设计制作的家具。


翻新后,故居一层被设计成了展览空间,可以容纳一系列临时展览。剩下的 4 层楼则保留了 Judd 原有的生活空间和工作空间。他收集的物品也被展示出来,比如各式各样的餐具器皿、挂毯、书籍和旧物。这些事物提供了一个亲密的视角去观察艺术家的个人生活。


一楼,Judd 的老朋友 Yayoi Kusama 将于 12 月在这里举办绘画展。
二楼是厨房和餐厅,楼梯井还有个隐藏的设计,Judd 在这里为自己的两个孩子做了一个小小的木偶剧场。


2楼
三层和四层被工作室和巨大的艺术作品占领,林林总总的装置、绘画和家具们都归置在原处。五楼的木地板上铺了一张 Judd 设计的床,此外都是他收藏的艺术品。
3楼的图书馆
3楼
1989 年一篇题为“101 Spring Street”的散文中,Judd 写道:“我花了大量时间去放置那些艺术品,在翻新时也做了大量设计与它们相称。每一件事都被仔细斟酌,希望永久如此。”


它们都是独立不同的事物,Judd 不想在加入它们后毁掉这座建筑和它的历史。最终 他只是在房子的原有基础做了最基本的改变。你也可以从照片中看到,空间内几乎没有多余的装饰。
4楼
4楼
这种思想也一直贯穿在 Judd 的设计作品中。他只使用简单的材料,遵循严格的质量标准,按照整个空间的规模和比例构架家具。


“比例对我们来说非常重要,它作为一项视觉元素出现在我们的脑中和生活里。它感受起来是统一的和谐的。”在 1983 年的文章“Art and Architecture”中,Judd 这样写,“比例在艺术和建筑中具体可辨,塑造了我们的空间和时间。比例,以及所有艺术中的光辉点都能够被立即理解,至少对一部分人来说是这样。有人说艺术很难,这是个迷思。”


最典型的体现就是 Judd 设计的家具。


他自己会打造家具,也有一套制作家具的规格和标准:木质家具大都用各种原木和彩色胶合板制作,完全由手工制成。


3楼图书馆中的松木椅和阳极氧化铝椅子。
金属家具则常常由彩色铝合金、阳极氧化铝、黄铜制成,它们由瑞士厂家 Lehni 制造,尽管是工业生产,但这些金属物什的边缘也都是由手工弯折成特定角度。
公寓内 70 多件家具设计,每一件都有独特标记和编号。
黄铜桌子
阳极氧化铝椅子。
制作这些事物时,Judd 对细节(比如颜色、形式和媒介的使用)无比执着,希望凸显作品物质存在的重量感和质感。


钟爱工业材料、追求表明的光滑平整、注重精确、冷漠克制,这些特点后来都被认为是极简主义的特质——极简主义是一门只涉及空间、材料和形式的艺术。


这种特点落实到家具设计上,变成了实用。“我经常被告知家具不舒服,而且并不实用”,Judd 在一篇题为《好灯难找》(it’s hard to find a good lamp)的文章中这样写,“家具对我来说很舒服。比起做一张用来睡觉的椅子,或是造一个用来住的机器,最好是去做一张床。一把笔直的椅子用来吃饭或写作是最好。”


Judd 放在五楼的床就体现了这种材料与形式的关系。它看起来丝毫不起眼,只是一片在地板上平铺的木板。


“…我设计的这张床是一个封闭的平台”,“这张床经过设计后,木材场能切割出不同的长度和尺寸,我也能将它们钉在一起。我很喜欢这张床,事实上,房子里其他家具,以及我为孩子们设计的桌子和椅子也使用了同样的方法。更多家具就从这里开发出来。”
春天大街 101 号 5 楼的床。
就这样一个绘画、印刷、雕塑、文稿、哲学思想与其激进的艺术理念都相互贯通的艺术家来说,我们通过参观房子来了解他的作品未尝不是个好方法。


连 Judd 自己都在文章“On Furniture”提到,“假如你喜欢简单的艺术形式,你就不会让建筑变得复杂。”


题图来自:designboom