01，这个“新势力”套路有点不一样

见证了乐视泡沫的破灭，以及诸多“造车新势力”不靠谱的表演，业内越来越多的人开始对“互联网造车新势力”表达不屑——比如大众董事长穆伦、通用前副总裁鲍勃鲁兹等；公众对这些新势力的态度也由好奇、期待，逐渐转变为嘲讽，从刚开始的“以为神”，慢慢发现“技止此耳”。

如今，“造车新势力”这个群体称谓已经暗含贬义，因为公众发现他们拿得出手的始终只有一张PPT。

当初“贾布斯”和法拉第未来首席财务官、宝马前CFO斯特凡克劳斯同台，忽悠大家一起为梦想窒息。

2018年3月，又将有一家造车新势力将横空出世。

这家公司叫SF MOTORS——没听说过哦，会不会又是一个打算用PPT圈钱的公司？

“经过两年的厚积薄发，成立于美国硅谷的智能电动造车新势力SF MOTORS（后续简称为SF公司）将于3月底在硅谷首次举行全球发布会。在此次发布会上，SF公司不仅将发布企业未来愿景，还将首度公开展示其在智能、电动领域的全球领先技术，凝聚企业设计理念精髓和尖端科技元素的SUV产品阵营也将全球首次公开亮相。”

网上搜到的新闻——看行文风格，应该是官方的新闻通稿——第一段信息量就有点大：这是一家成立于硅谷的公司，要造的是智能电动车，3月底要开的是一场“全球发布会”……

不过，这些都不是最重要的，首先引起青主好奇的是，第一次举行的全球发布会，不仅仅有PPT——企业理念和愿景——还有新车型（注意，不是概念车哦！！！重要的事情要打三个感叹号），而且还不止一款！！！

不仅有新车型，还要公开展示其在智能、电动领域的全球领先技术！嗯？这不是“新势力”们的固有套路啊！

这个“造车新势力”套路不大一样

“经过两年的厚积薄发”——啥意思？难道这是一个已经有两年“悠久”历史的公司？那不比蔚来、拜腾们晚多少啊，怎么在过去“新势力”们最闹腾的这两年里一直都悄没声呢？这不符合“新势力”们三天一场发布会、每周一个大件事的不遗余力的造势风格啊。

而且还是“厚积”的两年？悄没声的这两年里，SF公司竟然不是搁家里改PPT啊？都“厚积”了些啥？

这不能不让人感到好奇。虽然青主对所有造车新势力们都已经丧失了兴趣，但SF这个“新势力”确实太不一般了，于是青主对它做了一点稍微深入的了解，手段很简单——问度娘！

虽然崔永元说“3.15最该打的假就是百度”，但是你也不得不承认，想了解一点自己不知道的东西的时候，最简单的办法还是问度娘。当然，搜出来的信息鱼龙混杂，真真假假，虚虚实实，你必须自己判断甄别。

百度之下，青主发现这个SF和之前的新势力们还真不一样。

首先还是简单介绍一下SF公司的来龙去脉。

这家公司于2016年1月28日在美国硅谷成立——实打实的已经有两年多的历史了，创始投资者是中国的小康股份。SF公司的大致经历如下：

2016年1月28日 在美国硅谷成立

2017年1月 “密西根大学—SF MOTORS互联和智能驾驶联合研究中心”成立

2017年3月 硅谷总部大楼投入使用

2017年7月 全球供应商合作伙伴会议在硅谷总部举行

2017年7月 在北京中关村软件园成立（北京）智能驾驶研究所

2017年8月 在密西根大学召开第一届SF MOTORS-密西根大学智能驾驶研讨会

2017年10月 正式收购美国电动汽车电池系统研发设计公司InEVit的100%股权

2017年11月 正式完成对美国AM General公司民用工厂的收购交割

2018年1月 正式取得美国加州的智能驾驶测试牌照

这两年里，外界没有看到一份SF公司的PPT，但是人家悄没声地真干了不少事啊，搁某视汽车或者某腾汽车上，那还不得开80次发布会？

在3月底的发布会之前，SF公司“已全面完成了对核心电驱动技术、整车智能制造技术以及智能驾驶技术的中美两地资源整合，建立了一支长期服务于特斯拉、宝马、大众等知名汽车品牌的全球化精英技术团队，完成了在中美两地同步发展高端电动汽车的业务闭环”。说人话就是——SF公司已经完成了从技术研发、人才团队，到产品开发、生产基地建设等各项事宜的准备工作。

SF公司即将在发布会上亮相的其中一款SUV的官方预告图

02，现成的中美两地高端产能

制造能力，是很多造车新势力过不去的一个死结。今天，找个设计公司设计一款看起来不赖的车，不难；再找个工程公司，帮忙弄一款开起来不错的样车，也不难；但是，要实现大批量、高质量地高效生产，非常难。

高效率、高品质、大批量的制造能力，是现代汽车业的制约性门槛。

有多难？请去问马斯克。特斯拉的小马哥现在一天到晚最头疼的就是一堆Model 3订单无法交付，不是他不想交，是实在造不出来。确保高效率、高品质、高一致性的大批量生产，是汽车行业一道极高的门槛，小马哥可以将史上运载能力最强的火箭发射上天，但是却迟迟解决不了Model 3的生产问题。

小马哥现在有些焦头烂额，他承认特斯拉正陷入可怕的“产能地狱”。

SF公司却已经“全部完成了中美两地双制造基地布局”。

在美国，SF公司于2017年11月完成了对AM General民用汽车工厂的收购，未来将在该工厂生产SF公司旗下智能电动汽车，满足美国和欧洲市场的需求。

可能大家不太了解AM General这家公司，这是美国一家顶级汽车解决方案集成供应商，成立于1903年，专注于为全球汽车客户提供车辆设计、生产和支持，曾连续多年生产民用悍马H2车型和奔驰R系列车型，拥有一支经验丰富的管理团队和熟练的产业工人。

据悉，SF 公司不仅收购了与AMG民用汽车工厂相关的土地、厂房、工厂设备和配套设施等商用资产，管理团队和产业工人也得以保留，连AMG给奔驰代工期间形成的宝贵无形资产也一并接手。

AM General是美国一家顶级汽车解决方案集成供应商，曾连续多年代工生产悍马H2、奔驰R级等高端车型。

在中国，SF公司将使用小康股份全新投资建造的智能整车工厂和电驱动工厂，进行智能电动车型的生产，满足中国市场消费者需求。

资质问题，在中国是一个生死攸关的问题，没有资质，一切都是零。《新建纯电动乘用车企业管理规定》自2015年7月正式实施，国内新建新能源乘用车公司是需要获得发改委审批的。截至目前，很多忽悠得惊天动地的新能源车企，其实都是在裸奔——他们压根就没有新能源车生产资质，比如蔚来、小鹏、拜腾。事实上，发改委在去年6月已经暂停了新能源乘用车生产资质的审批工作，至今尚未重启。

不完全统计，目前国内的造车新势力已经超过300家，而获得生产资质的只有区区18家。很多没有资质的只能采用“代工模式”，曲线解决生产问题。但是，生产环节自己都不能掌控，生产节奏、制造品质、产品一致性等如何保证，大家自己琢磨去吧。

03，产销未动，研发先行

智能化和电池系统，是未来电动车行业的两大支点，是这个行业的核心竞争力。SF公司与美国密西根大学签署了长期战略合作协议，并成立了密西根大学—SF MOTORS联合研究中心，双方重点研发方向是智能驾驶技术，开设了全球首个专门用于测试互联和智能驾驶系统的虚拟场景。

密西根大学是一所世界顶尖的综合研究型大学，在2016年US News世界大学排名中位居世界第17位（作为对比，清华大学排位是59）；在2017年全球大学人工智能影响力排行榜上，密西根大学排名第十，超过哥伦比亚大学、牛津、耶鲁、芝加哥大学等一众世界名校。

今年1月初，SF公司正式取得美国加州的智能驾驶测试牌照，在完成前期模拟和封闭道路测试的基础上，现已开始在加州和密西根州的高速公路上进行智能驾驶测试。

SF公司已经正式取得美国加州的智能驾驶测试牌照，在智能化领域，SF公司这家只有区区两年历史的“新势力”已经走在了很多公司的前面。

2017年10月，SF 公司以3300万美元的价格，收购了美国InEVit的100%股权，这是一家电动汽车动力电池系统研发设计公司。据悉，InEVit研发、设计的标准化电池模组系统，可大幅降低量产成本，其创新研发的激光焊接技术可推动电池模组的快速制造，这些技术已经引起了国际主流汽车品牌的关注，目前InEVit已获得奥迪的开发订单，并与戴姆勒、大众、雷诺等就电池系统开发达成了合作意向。

拥有中美两地的生产和研发基地布局；在智能驾驶和电池系统两大核心领域，整合了最尖端的行业资源；在别的造车新势力不停开发布会、演示PPT的时候，SF公司已经请好了东风、备好了草船，即将举行的发布会，只是万事俱备之后的一个点火仪式。

04，豪华天团为何频频出产垃圾

就在写这篇稿的时候，青主的邮箱又收到了拜腾的邮件——“前本田、雷诺首席工程师强势加盟，BYTON拜腾造车进程加速”。

如果在几年前，拜腾继续打造豪华天团的举动是可以唬住青主的，然而，拜腾的天团有当初乐视的豪华么？

当初加盟乐视/法拉第未来的大咖包括宝马的前首席财务官斯特凡克劳斯、宝马高级副总裁乌利齐克兰茨、上汽通用前老大丁磊、上汽大众前老大张海亮等。这些人比戴雷、毕福康团队豪华多了吧？丁磊曾是上汽集团副总裁，戴雷只是华晨宝马负责销售的副总；乌利齐克兰茨号称“宝马i项目之父”，而毕福康只不过是i8的项目总监。然而，这么豪华的阵容，最终并没有什么卵用。更早前，观致的团队何尝不豪华呢？

论阵容的豪华，乐视/法拉第未来曾经是无与伦比的，然并卵。

《妖妖铃》大家看过么？吴君如执导、陈可辛监制，吴君如、沈腾、岳云鹏、张译、PAPI酱、吴镇宇、方中信等主演，阵容不可谓不豪华，然而，用知乎上某网友的话说，这是一部“实至名归的电影垃圾”，是“毫无笑点的喜剧”。

不是阵容豪华就能拍出好电影，也不是投资够大就能拍出经典电影，最关键的是要有讲好故事的诚意、拍出好电影的追求，否则，只是为了圈钱，再豪华的阵容、再大的投资，也只能拍出妖妖铃、悟空传这样的垃圾。

同样，没有真正用好的产品、好的服务去满足消费者需求的诚意，只是追着风口想成为飞起来的那只猪，再豪华的阵容、再漂亮的PPT，最终也只能是一场泡沫、一地鸡毛。

没有出精品的诚意，再强的阵容拍出来的也只能是垃圾。

在SF公司身上，我们没有看到概念炒作，没有看到圈钱的冲动，它没有一众初创公司的孟浪，也没有某些互联网造车势力的浮躁，它从资金、人才、研发、制造、渠道，每个环节扎扎实实地铺垫、准备，它有制造能力、有生产资质，更有成功的汽车行业经验，在一众越来越让外界感到不靠谱的“造车新势力”里，它的确是一个异类，是一股清流。

美国硅谷向来是全球的创新中心，苹果、谷歌、特斯拉均诞生于此，也许，一周之后，大家还应该记住另一个名字——SF MOTORS。

一周之后，在SF发布会上将会有怎样的震撼和惊喜等待着我们，青主和大家一起拭目以待！

中商情报网讯：5G是第五代的移动通信技术，作为新一代移动通信技术发展的方向，以高速率、低时延、大连接的特点，开启了万物广泛互联、人机深度交互时代。5G通过与云计算、大数据、人工智能、虚拟现实等技术的融合，在多个领域展开应用，尤其在汽车领域加快布局。5G的关键技术包括MassiveMIMO、SDN/NFV、全频谱接入、网络切片、边缘计算等，最终应用在大数据、物联网、车联网等领域。

5G正处于技术标准形成的关键阶段，全球主要国家和运营商相继启动5G试验，我国也正积极推动5G技术研究与产业化，加大统筹推进力度，加快5G产业化进程，积极营造创新生产环境，大力推动与垂直行业深度融合应用。我国厂商主推的Polar码信道编码方案进入5G标准是我国第一次在核心通信标准上实现突破，其意义不仅对主推厂商华为形成利好，整个通信产业链上的支持厂商包括芯片、软件、设备、终端、测试、运营商等都将收益。

5G网络峰值理论传输速度可达每秒数十Gb，这比4G网络的传输速度快数百倍，整部超高画质电影可在1秒之内下载完成。5G产业链从前期的规划设计，到组建器件材料、搭建设备网络，再通过运营商或终端投放应用到各个领域。除了大家所了解的网络宽带外，5G又是如何影响到我们生活的方方面面呢？下面我们来看看5G产业链运行图，中商产业研究院还精心为大家列出每一环节的重点企业。

资料来源：中商产业研究院整理

目前，移动通信技术正朝着5G网络迈进，通过5G移动通信发展的新机遇，能有效加快培育新技术新产业，驱动传统领域的数字化、网络化和智能化升级，成为扩展经济发展的新空间，从而打造未来国际竞争的新优势。作为通用目的技术，5G将全面构筑经济社会数字化转型的关键基础设施，从线上到线下、从消费到生产，从平台到生态，推动我国数字经济发展迈上新台阶，预计2020年中国将成全球最大5G市场。2020年5G间接拉动GDP增长将超过4190亿元；2025年间接拉动的GDP将达到2.1万亿元；2030年5G间接拉动的GDP将增长到3.6万亿元。十年间，5G间接拉动GDP的年均复合增长率将达到24%。

整体来看，我国5G产业仍处于发展阶段，行业前景广阔。针对目前中国5G产业发展现状及未来趋势，中商产业研究院特别推出了《2019年中国5G产业市场研究报告》，为广大读者和行业相关企业提供参考。

《2019年中国5G产业市场研究报告》先从概述5G基础知识入手，分析了目前我国5G产业市场的发展现状。其次分析我国5G产业链，呈现产业链全景图，并重点剖析了上游、中游、下游市场。同时，《报告》深入研究了5G在物联网、车联网以及AR/VR三大领域的应用现状及前景。《报告》还总结了5G产业链的上市企业名录，涉及到通信设备、软件、硬件、应用制造等多个领域。最后，《报告》指出目前5G产业在汽车、金融、医疗等各大领域有着巨大的商业潜能，并结合当前的市场形势预测5G产业投资前景及发展趋势。

更多《2019年中国5G市场调研报告》内容请下载完整报告。全报告超150页，下载地址：《2019年中国5G产业市场研究报告》http://wk.askci/details/855db33506a64f45a6763ee51f6c76c9/。同时，中商产业研究院还提供5G产业园规划、5G产业招商引资等解决方案。

雷锋网 AI科技评论按，本文作者Frankenstein，首发于知乎专栏闲敲棋子落灯花，雷锋网 AI科技评论获其授权转载。

关键词：有监督学习、无监督学习、强化学习、回归、分类、误差函数、泛化、正则化、超参数、验证集。

序言

从去年5月入坑以来，线上线下都上过机器学习的课（线上是看了Coursera的课入门，线下上了DS-GA 1003 Machine Learning and Computational Statistics），但从没有完整读过一本书。

暑假和小伙伴们约好一起读Pattern Recognition and Machine Learning（模式识别与机器学习，下简称PRML）。初步打算每周读一章，大家轮流主讲。开了专栏以后一直没写过东西，第一部分内容就准备贡献给PRML了。

可能有用的链接：

Christopher Bishop at Microsoft Research （https://microsoft/en-us/research/people/cmbishop/）在这里可以找到部分章节的PPT、书的勘误、部分答案。

PRML/PRMLT （https://github/PRML/PRMLT）陈默（他也上知乎，没关注的可以关注一发）用MATLAB给出了书里的所有模型实现。

scikit-learn/scikit-learn （https://github/scikit-learn/scikit-learn）视情况我可能会给出少量代码，但大部分内容还是会更加侧重模型的理论和动机，结合适当的数学推导。如果想要了解一些代码的实现的话，scikit-learn应该还是现在最常用的实现，可以考虑学习一下它的模型源代码。

书的完整答案理论上是只对教师开放的，但由于大家都可以想见的原因搜一下就可以搜到了。

华盛顿大学的Pedro Domingos教授认为机器学习有以下几个门派：

基于逻辑、哲学，出发点为填补现存知识中空白的符号学派

基于神经科学，出发点为模拟大脑的联结学派

基于进化生物学，出发点为模拟进化的进化学派

基于统计，出发点为系统的降低不确定性的贝叶斯学派

基于心理学，出发点为发现新旧事物之间相似度的类推学派

在这之外还有基于动物学习、最优控制、动态规划的强化学习以及更加接近传统频率学派的期望最大化。Domingos的slides（https://learning.acm.org/webinar_pdfs/PedroDomingos_FTFML_WebinarSlides.pdf）里有更多这方面的内容。他的《终极算法--机器学习和人工智能如何重塑世界》一书详细科普了五个学派，挺有意思的，感兴趣的可以去看一下（提醒：翻译的不怎么样）。

PRML就是贝叶斯学派的一本经典教科书，从贝叶斯学派的视角系统梳理了机器学习的知识，给人一种万物皆可贝叶斯化的感觉。

在这一系列笔记里，我希望梳理每一章节里比较重要的内容，并结合一些我到目前为止对机器学习的理解做一些适当的拓展和探究。这些内容基本假设读者上过一节机器学习入门课，可能不是self-contained的，可能不适合完全不了解的人阅读，但希望对有一些初步了解的读者能有帮助，也欢迎大家不吝指正。

如无另外点明，每一讲内容都有参考PRML，每一讲其余的参考内容会列在文章末尾。

第一章节（1. Introduction）内容始于多项式曲线拟合的例子，终于信息论。

从机器学习里主流的三类问题——有监督学习、无监督学习、强化学习的定义开始，Bishop用一个有监督学习里的回归问题引出了对误差函数、泛化、模型复杂度、正则化、过拟合、验证集等核心概念。PRML这本书号称是self-contained的，只假设读者具备多元微积分、线性代数水准的数学能力，因此不严格地介绍了概率论里的基本知识以保证读者具备读完余下内容的基础知识。当然还是存在一些小的问题，比如随机变量到底是什么？误差条又是什么？当然瑕不掩瑜，在大部分情况下，本书很好展现了方法和问题的动机。

正文

1. Introduction

机器学习问题可以做如下分类：

有监督学习（supervised learning）: Applications in which the training data comprises examples of the input vectors along with their corresponding target vectors.

分类（classification）: to assign each input vector to one of finite number of discrete categories.

例子：识别手写数字并将其标记为0~9这10个数字中的一个。

回归（regression）: the desired output consists of one or more continuous variables.

例子：基于反应物、温度、压力预测化学制造过程的产出。

无监督学习（unsupervised learning）: Pattern recognition problems in which the training data consists of a set of input vectors

without any corresponding target values.

聚类（clustering）: to discover groups of similar examples within the data

密度估计（density estimation）: to determine the distribution of data within the input space

降维（dimensionality reduction）: to project the data from a high-dimensional space down to two or three dimensions

数据点/样本生成（data point/sample generation）: to obtain new samples from the probability distribution that is close to the underlying probability distribution of the data points/samples

强化学习（reinforcement learning）: Problems about finding suitable actions to take in a given situation in order to maximize a reward, where optimal outputs are unknown.

例子：Play the game of backgammon to a high standard with a neural network using appropriate reinforcement learning techniques (Tesauro, 1994). (这可能是深度强化学习最早成功的案例之一了。)

上面的案例也可作为credit assignment的一个例子。具体地说，在一局游戏结束后，胜利或失败被以某种形式归因于游戏中采取的所有行动。个人认为这里credit assignment是指在一个episodic task结束后，如何恰当的给特定行动，或者在某个特定状态采取特定行动赋予合适的reward。

这里也有提到explore v.s. exploit和trial and error的思想。但总的来说因为本书基本没怎么触及强化学习，讲的不是特别好。如果要比较好了解强化学习的话还是应该看Sutton & Barto （http://incompleteideas/sutton/book/bookdraft2016sep.pdf）那本书。

本章主要介绍了一些最重要的概念和一些简单的例子。在这之中包括将贯穿全书的三个工具：概率论、决策论以及信息论。

1.1 Example: Polynomial Curve Fitting

Example/Motivation: (a simple regression problem)

Given a real-valued target variable t, we wish to use this observation to predict the value of a real-valued target variable t. In particular, given N observations of x written as

together with corresponding observations of t written as

, can we fit the data so that we can make predictions of the value

of the target variable for some new value

of the input variable?

这是一个典型的二维回归问题。上过Andrew Ng Coursera 公开课的朋友们应该还记得一上来遇到的那个给定住宅面积预测住宅价格的问题。Bishop这里给的训练数据则是

在

个均匀分布点上的取值加以基于同一高斯分布产生的随机噪声。如下图是

时的情况。

<img src="https://static.leiphone/uploads/new/article/pic/201709/33563bd7cba274015b1dbc24f00969bb.png" data-rawwidth="1024" data-rawheight="762" class="origin_image zh-lightbox-thumb" width="1024" data-original="https://pic1.zhimg/v2-1f0bb72a6e415b28ebb07dbcd2011f74_r.png" _src="https://static.leiphone/uploads/new/article/pic/201709/33563bd7cba274015b1dbc24f00969bb.png"/>

首先我们考虑用一个

阶多项式拟合数据，

,

(1.1)

是一个关于

的线性方程。

定义：关于未知参数的线性方程被称为线性模型（linear models）。

我们基于训练数据决定

的取值，一个潜在的假设是我们需要预测的

和训练数据来自同一分布或两者分布非常接近，否则就没有意义了。

a. 误差函数

怎样的

取值是好的呢？我们需要一把尺子来度量，这就是误差函数（error function）。通过累加每一个训练数据的预测目标变量

相对真实目标变量

的偏移程度，误差函数负责衡量训练好的模型，即

和训练数据分布之间的相似程度，其取值一般为非负。误差函数的值越大，对于训练数据而言模型越糟。

例子：

（平方误差函数）

很自然地，在回归问题中，当模型完美拟合训练数据时，误差一般会降到0。但值得注意的是在分类问题中，即便分类完美无缺误差也可能不为0。

以下图为例，我们有一个二元分类问题。在二维平面上有一个红色类和一个蓝色类。假设我们想用一条直线（在第二讲里我们会提到，它们被称为决策边界）来把它们分开。图中同样①和②都完美进行了分类，但我们会更希望模型训练得到的是①而不是②因为①离两个类最短距离之和要大于②。直觉来说当我们有更多数据样本而不只是眼前6个的时候①成功的可能性更高。这个问题的正式名称是泛化，我们在后面会提到。因此我们可能设计一个误差函数使得②的误差高于①。因此同样①、②在数据上都能没有错误地进行分类，②的误差可能仍然不为0。

<img src="https://static.leiphone/uploads/new/article/pic/201709/628e59bf77caf18e448e49022c0d3bc3.jpg" data-rawwidth="2448" data-rawheight="3264" class="origin_image zh-lightbox-thumb" width="2448" data-original="https://pic3.zhimg/v2-399eef83718831a1bbe82099fbeb1b66_r.jpg" _src="https://static.leiphone/uploads/new/article/pic/201709/628e59bf77caf18e448e49022c0d3bc3.jpg"/>

训练模型的过程中，我们希望调整

来减少误差函数的值，可以说是面向减少误差建模，故用

来表示误差的值。

对于某些误差函数（涉及函数的convexity，凸性），如平方误差，我们可以通过对表达式关于未知参数（如

之于

）进行求导，令求导后的表达式等于0来得到最优参数

,这样得到的参数有闭型（有限次常见运算组合给出的表达式）。

b. 由泛化而来的模型选择问题

现在我们知道了对于一个给定的正整数M，如何拟合训练数据。一个接踵而来的问题是我们要如何决定M的取值。

考虑

的四种情况，对于每一种情况，我们都基于平方误差找到拟合训练数据最好的多项式，如下图。红线为多项式图形，绿线为

的图形。

<img src="https://static.leiphone/uploads/new/article/pic/201709/d853a473439a65891fb210d3326b0a34.png" data-rawwidth="1000" data-rawheight="802" class="origin_image zh-lightbox-thumb" width="1000" data-original="https://pic4.zhimg/v2-9362ad23244b64868b4832a906474d6b_r.png" _src="https://static.leiphone/uploads/new/article/pic/201709/d853a473439a65891fb210d3326b0a34.png"/>

由上图可知，

越大，多项式拟合数据的能力越强。当

时，多项式甚至完美拟合了所有数据。然而我们从形状上可以发现此时多项式的形状与

相去甚远。可以预见当我们在

上取新的数据点的话，多项式很难较好拟合这些新的数据点。相较之下，

时我们得到的多项式形状则相当接近

的形状。像

时我们得到的模型这样能很好拟合训练数据却对于从同一概率分布得到的新数据拟合能力极差的情况，被称为过拟合。像

时这样模型连训练数据都无法很好拟合的情况被称为欠拟合。

回到问题的出发点，我们希望训练出的模型能尽可能学习到数据的原始分布（或者不妨称之为数据的生成器），使得模型能精准预测来自该分布的新数据。模型不光需要在训练数据上有好的表现，在新的数据上也应如此。正确预测新数据标签（即

里的

）的能力被称为泛化。

由此，我们可以提出一种衡量模型泛化能力的量化方法。除了训练数据外，我们另外取一组测试数据。在知道数据真实分布的情况下（如例子中的

），我们直接从数据分布里采集新的数据点。否则我们可以预先把手头的数据集划分成训练数据和测试数据。在训练模型（拟合训练数据）的过程中，拟合仅仅基于训练数据。在训练完后，我们用测试数据检测模型的泛化能力，计算误差函数的数值。

当我们用这一方法应用到多项式模型上时，我们会发现

时模型在测试数据上的表现相比

时所有模型的表现都要糟糕的多。回到式1.1，当

时，考虑标量的话，我们有十个未知参数

。当我们有十个线性独立的数据点时，我们可以精确得到每个未知参数的唯一解，因而得到的多项式模型完全依赖于训练数据点。事实上我们应该可以通过插值法得到近乎完全一样（考虑到可能存在数值误差）的多项式。我们注意到

时多项式对训练数据的拟合其实已经相当不错了。一个由此而生的想法是在数据拟合改进有限的情况下，我们应该尽可能选择简单的模型，在多项式模型里就是选择尽可能小的

。上述原则也可以被概括为“如无必要，勿增实体”，即是著名的奥卡姆剃刀原理。当然不同人对于这个问题可�...

奇迹机器人，专业的智能人机交互解决方案提供商

市场需求及解决方案

智能穿戴设备-多场景需要解放双手 智能家居-人机交互方案不完善

实体机器人-进入我们的生活 企业客服-大量重复的客户咨询

奇迹机器人-可定制机器人云平台

强大的引擎性能，准确率和知识库规模业内领先

自定义知识库：定制专属智能机器人；行业知识库：加速机器人定制速度

整合桌面网站、移动网站、微信、微博、APP多重渠道，机器人三分钟接入

奇迹机器人有什么优势？

前沿语义解析理论支撑：人工神经网络与统计自然语言处理结合，准确率领先

奇迹自有测试知识库，语料规模~5万句，集外测试准确率~85%。

卡拉测试语料（小数据集合），准确率89%

基础聊天库（大数据集合），准确率85%。数据规模对准确率的影响不大

如何自动识别同义句，减少用户编写同义句数量？ 一直是行业痛点

奇智机器人拥有强大的泛化能力，无需大量编写同义句。

奇迹机器人问答速度与知识库规模无关，大约为100ms，算法复杂度O(1)

先从大规模备选答案中，找到nBest个候选答案；然后用语义解析算法确定最佳答案。

奇迹机器人包含日常对话、百科全书、社区问答等通用知识库

针对电商和银行领域，提供业内独有的行业库服务

如何低成本的快速的定制知识点，一直是机器人行业的痛点

奇迹知识库智能迭代方案：自动发现新知识，同义句智能学习

奇迹机器人性能在业内处于领先位置

专注可定制化机器人，避免与百度、微软等巨头直接竞争

市场前景和定位是什么？

市场现状：语音行业垄断明显，技术公开，成本低。语义行业处于起步阶段，市场格局尚未形成。

市场前景

奇迹机器人有广泛的应用场景：智能客服、教育、医疗、智能家居、语音助手、实体机器人等等。

发展轨迹和运营现状

公司发展轨迹

公司发展规划

融资需求与资金规划

谢谢

常规另存为分辨率太低

PPT（PowerPoint）默认16:9版式另存为的图片是1280X720、96dpi，这个分辨率只能满足基础的应用，若想要超高分辨率（300dpi）的图片，可以参考我分享的这个经验。

说明：PPT在保存选项卡中设置超过96dpi只对PPT格式的演示文稿起作用，对另存为图片不起作用，转存的图片都是96dpi。

其它方法的弊端

常见的截图法，需要你显示器分辨率足够高（高于你目标图片的分辨率），并且截取的大小不精准；还有一个就是PPT另存为PDF，再导入photoshop，通过参数设置另存为高清图片，这个方法需要PS配合。但是，它们都需要每次操作，如果你经常需要高清图片，这个过程消耗时间太多。

今天我这个方法，前后操作到测试不到3分钟，一次搞定，一劳永逸。虽然涉及到注册表，但大家不要想得太难，按照我步骤傻瓜式操作即可。方法使用于win10系统和office2016，其它系统和版本可以对应参考修改。

一、打开注册表编辑器

Windows10桌面，右键点击左下角的“开始”按钮，在弹出菜单中选择“运行”项，也可以“win+R”快速打开运行窗口。

输入“regedit” ，点击确定按钮，就进入注册表编辑器窗口了。

二、修改注册表键值

一步步打开到

HKEY_CURRENT_USER\Software\Microsoft\Office\16.0\PowerPoint\Options

16.0就是Office2016，其它15.0、14.0、12.0等对应其它版本。

查看右边Options窗口是否有ExportBitmapResolution键值，如果有就双击打开修改。

如果没有就在Options下新建（窗口空白处右键--新建）一个“DWORD（32位）值”，如果无效就选QWORD（62位）值，名称为ExportBitmapResolution。

ExportBitmapResolution键“右键--修改”打开编辑对话框，选择10进制，填入128-300的数值，具体根据你的需要。

键值与分辨率的对应关系如下

三、测试是否生效

新建一个PPT，幻灯片大小设置为16:9（你也可以根据你需要设置为4:3或者自定义尺寸），点击“文件”菜单--另存为--保存类型，有gif|jpg|png等多种格式，建议保存为jpg或png。

预览文件属性，怎么样，是不是大功告成！

三月的武汉，春风荡漾，连日的阴云并没有浇灭这座城市的热情。天色渐晚，街上行人依旧络绎不绝，三五成群地享受着这难得的周末。

这注定是一个比较特殊的日子，除却武大的樱花，似乎整座城市有了新的看点。

3月16日，“EX5聚智行远·36城接力试驾—武汉站”在这一天正式开启。

本次试驾从武汉发车中停荆州，最终抵达宜昌，全程超过400公里，途经城市道路、高速路段、国道以及乡村道路等多种综合路况，全方位综合性的验证了这款全智能长续航纯电SUV 的综合实力。正如标题所言，电动车跑400公里只是PPT？实地测试后，还有更多惊喜。

1.

作为新能源汽车来说，保证动力的同时，续航里程永远是用户比较重视的一个问题，在这方面，EX5搭载了第三代高能效永磁同步电机，可实现最大扭矩300N/m，最大输出功率160kw，而0-50公里的加速仅需4.18s。

同时北汽新能源EX5搭载了EDM3.0智能电控系统，体积更小、重量更轻、布局更加安全合理，配合高性能的三元锂电池和独有的One Pedal单踏板能量回收功能，可实现最高21%的回收效率，能有效的节约能量，达到工况续航415km，等速续航520km的超长时段，产品性能堪比传统SUV。

在实际的驾驶中，EX5的动力反应非常不错，它不像传统SUV那么暴躁，当然如果你想体验一把推背感的时候，它也不会让你失望。

而打开One Pedal单踏板能量回收系统，只需松开油门就能感到明显的刹车感，既能很好地控制车速，又能极大的节约能量,提高续航里程。

2.

在外形方面，EX5运用了全新的豹型仿生设计，整个前脸像一头蓄势待发的猎豹，搭配下方豹齿形点阵式LED日行灯，在夜晚开启灯光的时候格外醒目，而将动物美学与SUV的运动风格相结合，也极大的提升了整车的辨识度。

车身侧面采用了大量的平行线条设计，双腰线搭配前低后高，由后尾灯直冲翼子板，塑造出一种俯冲的态势，而时下主流的悬浮式车顶也极大提升了整车的运动风，配合双五辐的轮毂设计造型，动感而又时尚。

车尾造型简洁干练，尾灯采用豹爪式设计，与前大灯相呼应，同时贯穿的银色镀铬装饰条承托两侧尾灯，使得整个尾部看起来更具特色，整体风格也与峰豹美学设计理念相融合。

3.

作为一款SUV，在空间方面自然不能吝啬，EX5的车身尺寸为4480/1837/1673mm，轴距可达2665mm，在同级别车型中还是具有很大优势的，在全程的试驾中，空间方面还是比较满意的，无论是腿部还是头部空间，都能让驾乘人员有一个舒服的状态。

而后排座椅支持比例放倒，放倒后的扩容空间也可以轻松应对全家出行的要求。

与此同时，双开启的1.25平米超大全景天窗，也有效的提升了全车的空间感，使得驾乘舒适度更高。

4.

而在智能方面，EX5作为达尔文系统孕育诞生的首款纯电动SUV，从“智思”（EMD3.0智能电控）、“智观”（智能飞屏）、“智言”（智能语音）、“智行”（智能驾驶）、“智融”（智能网联）等五个维度进行功能仿生，实现像人一样用大脑思考、用眼睛观察和表达情绪、用嘴交流沟通、用四肢安全前行，用心自我成长，带来超越同级的智能科技体验。

特别是搭载了DuerOS智能语音系统，在实实际的驾乘体验中，反应非常灵敏，能提供语音开关天窗、打开音乐、空调、导航寻路等等实用性操作，而即便是极为生僻的汉字，EX5也能很快的识别反馈出来，为此还特意做了一个实验，将比较流行的生僻字歌曲拿来练手，像茕茕孑立、踽踽独行、沆瀣一气等等，都能很好地识别出来，灵敏度极高。

小结：

作为新能源汽车来说，组织一场范围如此之广、时间如此之长、规模如此之大的试驾活动实属不易，这也体现出了北汽新能源对EX5产品品质的自信。

而经过几天的试驾不难看出，无论是智能还是质能，北汽新能源EX5均已处于行业的领先水平，而随着消费者的品味升级，EX5必能在新能源市场大放异彩。

智能汽车的核心在运营，而不在制造。

中国整车厂谁在研发制造智能汽车：上汽、吉利、小鹏、蔚来。

下个目标：截至2019年底，计划获得约300亿元融资。

以上内容是小鹏汽车在品牌发展进化说明会上对外释放的信息。

说实话，在新造车势力里，小鹏是一家能被看好的企业，但此次的这番言论，还是让人大吃一惊。

智能汽车同样要注重制造

智能汽车的核心在运营，而不在制造。不知道一辆车都还未交付给大众的小鹏汽车哪里来的勇气说这句话。且不论融资额达到多少，技术到了何种境界，车辆未实现交付，一切都是空谈。而此次何小鹏却要把核心放在运营上。

尽管何小鹏在演讲中对智能汽车给出了自己的定义。其在发布会上称“我们正处于智能汽车的上半场的第一步”。按照何小鹏的理解，智能汽车一定是基于人工智能，并且是软件和硬件的融合，而不仅是在传统汽车上叠加简单的智能配置。

何小鹏所认为的“上半场的第一步”的主要工作任务则是“搭团队，打基础，做功能，拿数据，快迭代”。上半场的第二步是让智能汽车解放人的双手，让更多的应用满足不同的使用场景，同时创造出更多的衍生品和服务。

说实话，互联网出身的何小鹏对智能汽车肯定是有自己的理解，对于智能汽车，他的理解也很深入，这一点不可否认。

但是讲了这么多，最终智能汽车也是要基于车，智能加持只是让车变得更好用了而已，但是现在连一台真正交付的车都没有，却开始谈运营，把制造放在后面，是否有些顾此失彼。

一辆车是由几万个零部件组成的，从研发到生产到实车测试，中间也有很复杂的工序。任何一个零部件出故障，任何一道工序出问题都会影响到汽车的安全、性能。我想，任何一家造车企业，这些问题都是首要问题，难道对于小鹏汽车来说，这条路又有不同？

谁在做智能汽车

何小鹏说，中国整车厂谁在研发制造智能汽车：上汽、吉利、小鹏、蔚来。

何小鹏认为车机系统多装几个应用那不是智能汽车，真正的智能汽车是在研发阶段车辆硬件就与配套软件相结合，做深度定制，能够自主研发专门适配硬件的OS的汽车。

现在的传统汽车外加一些智能感应配置并不能带给消费者真正好用和有效的智能体验。而小鹏汽车致力于用电动引擎和数据引擎驱动智能汽车时代来临。通过智能智造，为消费者创造更美好的出行生活。

同样的，作为曾使用过不同的车机系统的汽车媒体，“E车汇”认为一套好的车机系统确实能带给人非常好的体验。但是厂家在宣传车机系统之时，无一例外都提到了车机系统是基于用户的使用习惯来定制的，同时车机系统也在不断采集数据，不断学习。

一套好的车机系统不仅要与整车数据相匹配，还要有大量的用户数据来完善。不知道小鹏汽车是有完备的整车数据还是有更多的用户数据。

作为新进入者，小鹏汽车确实可以有很多创新之举，但是所谓创新也要基于现实基础，不能违背事物发展的客观规律。在造车圈里用“UC震惊体”并不适合。况且这样把一众车企摆在自己对立面的做法除了能够引人关注之外对小鹏汽车并没有其他益处。

下个目标是融资300亿

今年4月，何小鹏公开表示，“今年至少要融100亿元。”这一目标尚未达成，现在又有了新的计划。计划到2019年底，获得300亿元融资。

据“E车汇”统计，小鹏汽车目前已经进行到B+轮融资，累计融资额已经超过100亿元人民币，估值约为250亿元。

对于新的融资计划，小鹏汽车副董事长及总裁顾宏地表示，融资300亿只是为了拓展融资渠道，增加公司抗风险能力，小鹏汽车不会因为资金压力，在不适当的时机上市。这似乎有意在讽刺刚刚提交招股书的蔚来。

小鹏的首款车型是由海马代工，同时也正在筹建肇庆生产基地，这些都需要巨大的资金投入。顾宏地8月15日还表示，小鹏智能电动车G3将于今年11月量产并启动交付，目前已收到近6000辆订单，小鹏汽车计划2019年实现3万辆交付。

按照新造车势力普遍的烧钱速度，小鹏可能是真的需要300亿元资金来输血，但是这300亿能否在目标时间点融到可就另说了。

一场发布会，3张PPT，再次让小鹏成为舆论的焦点，不知这次要如何收场。

恰当使用交互式课件能激发学生兴趣，增加教学效果，提高教学效率.对交互式课件的认识:交互式课件是一种具有互动性质的多媒体课件 ，是可以操作互动的。在这些新的理念下引入新的教学手段——课件，无疑需要它能体现出互动的功能。说得简单点，从教师的角度去看，就是要体现教师能够控制课件的演示，能够以教师的意愿来呈现信息。到目前，这一点我们是完全能够做到的。但是这很快就不能满足我们教与学的需要，特别是在与学生的互动过程中，配合就不是那么完美了，甚至显得机械，呆板。如何让课件在整个教学的互动过程中能够灵活地、恰当地配合我们呢？那就是注重设计课件的交互性功能，特别地要做到能根据学生学习的实际情况，学生的思维反应等学生的一切活动来呈现学习内容等信息。

交互性课件的交互性通常表现在：内容分阶段呈现：教师或学生根据自己的教学或学习进度，可以随时暂停信息的呈现或调整信息呈现的顺序。即时反应：在问题查询、答案对照等学习活动中能无延时地得到反馈，获得正确的信息。……

简易交互课件制作常用软件和方法

PPT中触发器实现交互

PPT中控件和VBA实现交互

互动电影的制作

Quiz creactor创建交互练习

一、利用PPT制作交互课件，

PowerPoint课件中交互功能的实现方法有超链接、动作按钮、触发器、ActiveX控件和VBA等

二、互动电影的制作

优芽互动电影是一款免费动画制作工具。内置上百种人物场景，搭配智能语音，同时搭载了图像、文本、表格单据、动画模板等多种制作素材，我们可以通过自定义编辑轻松制作百变创意课程动画。

三、交互式练习

交互式练习是交互式课件制作过程中不可缺少的内容。而交互式练习的制作通常需要一定的编程基础，用ASP、JAVA、flash等语言编写，而对于普通的非计算机专业教师来说，没有太多的精力和时间去学习复杂的编程。

QuizCreator是一个强大的制作工具，它简单易用，功能强大，支持可视化快速开发，普通老师利用它可以在没有编程基础的情况下，轻松的制作出基于flash的交互式的试题和测试并能进行在线测评。

除上述介绍的软件之外，开发交互型多媒体课件的工具还有 Authorware、 Flash、 Articulate Storyline 2等。

在我的前一篇文章PowerPoint实现实时字幕翻译，你会因此失业吗？中，我为大家简要介绍了微软在2017年10月对于PPT的更新，让PPT具备了强大的翻译功能。有朋友评论说无图无真相，今天我就为大家带来我进行测试的视频和中英文PPT的对比截图。

从以上的对比可以看出，在更新之后，PPT的翻译功能确实很强。虽然还有一些明显的错误，如“年月日”，“火了”这些词没有翻译准确，大部分的内容还是译得不错的。当然，目前要拿出一篇合格的英文PPT，还需要演讲者进行一些人工的修改。但是，这和以前相比，已经大大节约了时间，提高了效率。随着人工智能的发展，相信在不久的将来，我们就会看到流畅而准确的英汉PPT相互切换。

打杂的，搞业务的，销售，演讲的，一般办公人员，设计师，演示/升职/职场沟通也少不得PPT辅助，实用的PPT技巧人人需要，而且是有不少是放映PPT时又好用又可以耍帅的，适合展示酷炫的设计。

　　1. 设置母版

　　母版是保证PPT风格统一的基础，正式开工前设计良好的母版可以省去为每张PPT粘贴LOGO、设置页眉页脚、指定特殊标记等繁琐工作。

　　操作：

　　1. 视图页签-幻灯片母版

　　2. 左侧母版列表选择首个母版，并在右侧母版中设置你需要统一的LOGO、页眉页脚(需要在插入页签-页眉和页脚功能的对话框中勾选页脚选项)、标题及内容框字体样式等等

　　3. 关闭母版，此后新建的幻灯片都将按照之前母板指定的格式“产仔”

　　2. 增加反悔次数

　　Ctrl+Z是颇为欢迎的功能，然而在PowerPoint中，默认撤销操作极限为20次，这对一般人来说也是足够的;想增加撤销次数，可按如下操作进行设置。

　　操作：

　　1. 文件页签-选项功能(在Microsoft系软件中，“选项”类似于“设置”)

　　2. 高级选项-最多可取消操作数(最多150次，还不够?)

　　3. 放映幻灯片时如何耍帅之快速定位

　　无论你是坐在会议室里通过视频远程讲解你的项目，还是在讲台上Show你的产品，优雅快捷的PPT放映技巧可以节省你的操作时间，更不至于打断讲解思路，快捷直接的炫酷操作也会增添你的个人魅力。

　　快速定位技巧可以避免你一头懵逼地四处寻找某张特定PPT，不过为了更炫酷，你需要大体记得每个章节的大概次序，这也是演讲前的必要准备工作：比如你需要借此把握你的演讲进度。

　　操作：

　　1. 在幻灯片放映时按下数字

　　2. 按下Enter

　　4. 放映幻灯片时如何耍帅之黑/白板技能

　　黑/白板可以做什么?当然可以用来写字、擦除。程先生也知道你知道啦。但是你不一定知道如何在PPT放映时快捷地调出画笔或者清除当前画笔标记，而不是让鼠标同学点这点那磨磨唧唧;你也可能不知道如何让PowerPoint成为真正的黑/白板，方便快捷地隐藏当前内容以不干扰观众思考或者借此考验玩家们的记忆力。

　　操作：

　　1. 【启用画笔功能】在幻灯片放映时按 Ctrl+P(Pencil的首字母，联想记忆法)

　　2. 【清除画笔痕迹】在幻灯片放映时按 E (对，只需一个键;Eraser的首字母，好记吧~)

　　3. 【黑/白板思考时间】在幻灯片放映时按 B/W (Black/White首字母，再按可恢复显示)

　　5. 放映幻灯片时如何耍帅之窗口放映模式

　　当然有朋友会说，上面两种方式不就是快捷键嘛~是的，就是快捷键。其实，还有一种放映模式可以供不喜欢快捷键，但有着操控欲的朋友们使用。在下面的这个功能界面里，你可以放心享受演讲的乐趣(查看演讲时间、预览下一张幻灯片、查看让人脸红心跳的备注、显示任务栏、显示设置等等)，别担心，观众看到的只是单纯的放映的PPT而已~

　　补充下，Alt+Tab，或者Win键+Tab，可以快速切换窗口，无论你当前在放映PPT还是小电影;如果你之前未曾用过这两个组合键，愿你从此以后P途平坦。

　　操作：

　　1. 在幻灯片编辑状态，注意不是放映状态，按住Alt

　　2. 再依次分别按一下D键，再按一下V键，注意分两次按哦

　　3. 进入窗口放映模式(一般这种模式在外接显示器进行幻灯片放映时会自动启动，现在你可以在单机时提前适应)

　　4. 按Esc退出

　　6. 隐藏PPT 之 活用

　　这个功能怎么说呢，说鸡肋是鸡肋，说鸡腿也鸡腿，考虑良久才决定把它写出来。因为程先生本人遇到过这种场景。比如你辛勤地制作了许多PPT，但有些稿件因为某种原因不想在放映时展现(或者只是一个私人提纲，当然右侧PPT底部也可以添加笔记)，此时你就不用再花心机新建另一个文档用于保存这些内容，而是直接隐藏它们(浏览时可见，放映时不可见)。

　　操作：

　　1. 在左侧幻灯片列表中选择(鼠标左键加Ctrl键分别多选，加Shift键连续多选)需要隐藏的PPT

　　2. 鼠标右键-隐藏幻灯片(幸好阅读不要钱，不然会觉得很坑是吧，囧rz)

　　7. PPT转换成视频、讲义

　　这个功能之所以上榜，也是因为它的潜力。对于不想使用复杂视频编辑器制作视频的朋友们来说，这个功能真的简直了。确实，程先生见过许多用PPT制作的精巧的放映动画，而把这些放映动画转成视频(MP4、WMV格式)，不就是真正的视频嘛~而讲义功能，也将在下面的操作中展现，它能支持多种格式的讲义，省操排版、打印的苦心~

　　操作：

　　1. 文件页签-导出功能(一般Microsoft系软件有另存为就有导出，任性吧~)

　　2. 选择创建视频/创建讲义

　　3. 在最右侧的详情中具体操作

PPT各行各业都有自己的风格，而很多基础功能也没必要赘述，因为在PowerPoint顶部的菜单栏中，已经分门别类罗列得很详细，大家只要花一定的时间去尝试那些功能选项，总能熟门熟路并玩出更新颖的花样。

思路：

内容建立

内容范围：有个大纲，列出你要用PPT承载什么东西。

对象：看你宣传的人的能力，和你要宣传的事情相差多少。 如果他们是前端高手，内容里面的js是什么就没必要，如果说他是html是何物都不知道的新手，就要讲一下。

用导图之类的把打算做的话出来，逻辑清晰即可，不填肉(演讲稿除外)。

风格建立

用途：宣传用的PPT，要华丽一些；做年度总结的，要商业一些；给领导用，要一键到底。看你的PPT使用在哪个场合。

对象：如果是一水的果粉，也许乔爷风格很棒，如果是刚刚大学的学生，绚丽的动作很能吸引注意力。

内容：风格要与内容搭，庆新年你用蓝色科技类的底子必然难看……

播放环境：电脑性能（决定一些动作和效果是否能使用），演示软件类型和版本（wps放ppt挺蛋疼的，03放07、10挺蛋疼的），放映环境（黑底白字如果环境好也是可以用的，高清的投影屏要准备高质量的图片，嘈杂的环境无法使用音乐，阶梯效果不好的场所注意上留空和下留空）总之要多多熟悉，避免出错。

制作过程

做模版配色，或者直接选模版，提前在母版中设置好字体字号颜色、位置、相关按钮排布。

大纲导入到PPT中，填肉，填适当的图、表、音乐，演讲备注（你的演讲稿简化版或者完整版）。

页间切换、页内动作制作。

播放微调。

限时演讲使用时间功能多次进行演讲测试。

版本输出（图片压缩、字体打包、格式转换调整等）

如果是别人定做的，多沟通，你做的未必是人家想要的。

一些心得

对象和用途是关键，别本末倒置，自作多情，别迷恋动作，别迷恋简捷，别迷恋图片音乐，你使用的环境和对象适合什么用什么，目的最重要，其他都是扯淡。

母版出来了，很多东西都省心了，平时多整理制作母版和配色方案，等到制作的时候能省大笔时间。

图、表、动作、音乐，永远为内容传播而服务，做多了反而不利于传播或者浪费时间精力，除非你本来就不想传播内容。

版本控制很重要。

平时多积攒写模版、表格样式，关键时刻事半功倍。

多拆PPT，你会收获很多。

演讲者模式是个好东西，演讲时很有帮助。

至于速度，有过一天出170页的时候，也有过一天出20页的时候，看具体做什么了，各步准备都很重要。