微软研究院开发出旧照片还原算法 AI和深度学习立功

据外媒WindowsUnited消息,微软研究院使用人工智能和深度学习开发出了一种新的算法来还原旧照片。

此前恢复旧的和损坏的照片的方法主要是深度学习。但是,对于较旧的照片,其衰减过程非常复杂。

微软研究院的研究人员使用了新型的三重态域翻译网络来开发此算法。在该网络中,真实照片与大量合成照片被一起使用。两个受过训练的变体自动编码器(UAE)可以将新旧照片转换为两个潜在空间,然后这两个空间通过合成配对数据学习来进行转换。

新的还原技术明显优于以前的技术。目前尚不清楚微软是否会很快将该新算法集成到相应的应用程序中。

程序员的一次失误,在 45 分钟里搞垮了一家上市公司

雷锋网

如果有人告诉你,45 分钟就能搞垮一家大公司,你可能会觉得有点荒谬。但工程师 Doug Seven 却真的亲历过这样的事情。

8 年前,因为一次失败的部署,Knight Capital Group 在仅仅 45 分钟内就造成了 4.6 亿美元的亏损。

这是一个真实的故事。

尽管 Doug Seven 并不是事件的参与者,但他在后来的会议中不断提及 DevOps、代码配置和持续交付的主题,希望让开发人员意识到部署的重要性。

究竟是怎么回事?Doug Seven 在博客中分享了这个故事。

程序员的一次失误,在 45 分钟里搞垮了一家上市公司

故事背景

这个故事的主角是一家名为 Knight Capital Group 的美国全球金融服务公司,它从事做市、电子执行、机构销售和交易。

2012 年,Knight 是美国最大的股票交易商,在纽约证交所和纳斯达克的市场份额约为 17%。Knight 电子交易集团(ETG)平均每日交易量超过 33 亿笔,每日交易额超过 210 亿美元。

种种数据表明,当时公司的运营和财务状况非常优秀。

2012 年 7 月 31 日,Knight 拥有约 3.65 亿美元的资产。

当时,纽约证交所正计划于 2012 年 8 月 1 日推出一项新的零售流动性计划。

为了准备这次活动,Knight 更新了他们的路由器 SMARS。这个路由器负责将订单发送到市场上执行。SMARS 的核心功能之一是接收 Knight 交易平台其他组件的订单(父订单),然后发送一个或多个子订单执行。换言之,SMARS 将从交易平台收到大量订单,并将它们分成多个较小的订单,以便找到股票数量相匹配的买家或者卖家。父订单越大,生成的子订单越多。

在 SMARS 中,有一段老旧的代码,名为「Power Peg」,它已经 8 年没被用到过了,而此次更新的目的正是要换掉这段代码。更新的代码重新调整了用于激活 Power Peg 功能的旧标志的功能。

代码经过了彻底的测试,并且还进行了一系列的验证。所有的一切都看起来很完美,找不到出错的理由。

死灰复燃的旧代码

2012 年 7 月 27 日至 2012 年 7 月 31 日期间,Knight 的开发人员每天手动将新的软件部署到公司的 8 台服务器上。这就是 SEC 文件中关于手动部署过程的内容。如果 SEC 文件中有关于部署的内容,那么就可能出现了严重的错误。

然而,在新代码的部署过程中,Knight 的一名技术人员忘记将新代码复制到所有 8 台 SMARS 计算机服务器中——他漏掉了其中一台服务器。

没有第二个技术人员来审查这个部署。

Knight 的所有人都没有意识到,Power Peg 代码并没有从第 8 个服务器上删除,也没有添加新的 RLP 代码。Knight 没有书面流程要求这样的审查。

2012 年 8 月 1 日,在美国东部时间上午 9:30,市场开盘。Knight 开始代表客户处理订单。

具有正确 SMARS 部署的 7 台服务器开始正确处理这些订单。然而,发送到第 8 台服务器的命令触发了可支持的重新利用标志,并从死地中恢复了旧的 Power Peg 代码。

杀手代码如僵尸般的攻击

Power Peg 代码用于在执行子订单时,根据父订单计算购买或者出售的股份。Power Peg 将指示系统在完成父订单后停止传送子订单。

也就是说,Power Peg 会跟踪子订单,并在父订单完成后停止它们。

2005 年,Knight 将这种累计跟踪功能移到了代码执行的早期阶段,从而从 Power Peg 中删除了计数跟踪。

当激活第 8 台服务器上的 Power Peg 标志时,Power Peg 功能开始路由子订单以供执行。但由于没有根据父订单跟踪共享量,造成了一个永无止境的循环。

地狱 45 分钟

想象一下,如果你有一个系统,它能够向市场发送自动化的、高速的订单,且没有任何跟踪程序来检查是否执行了足够的订单,会发生什么?没有比这更糟糕的事了。

上午 9:30 开市时,人们很快就知道出了问题。到上午 9 点 31 分,华尔街的许多人都清楚发生了一些严重的事情。市场上充斥着非正常交易量的股票订单。

到上午 9 点 32 分,华尔街的人们都在想,为什么订单还没有停下来,为什么没有人按下任何系统的关闭开关?结果他们发现,并没有关闭开关。在交易的前 45 分钟里,Knight 的交易量占了总交易量的 50% 以上,这使得某些股票的市值上涨了 10% 以上。因此,其他股票因错误的交易而贬值。

更糟糕的是,Knight 的系统在当天早些时候开始自动发送电子邮件。早在上午 8:01,SMAR 已经处理了符合上市前交易条件的订单。邮件消息引用 SMARS,并将错误识别为「Power Peg disabled」。

在上午 8:01 到 9:30 之间,Knight 工作人员也收到了 97 封邮件。可惜的是,这些电子邮件不是作为系统警报设计的,因此没有人立即查看它们。

在 Knight 经历的 45 分钟内,他们尝试了几种反制措施,试图阻止错误的交易。由于没有终止开关,所以他们只能在实时交易环境中尝试诊断问题。

每分钟,系统上约有 800 万股股票被交易。他们无法确定是什么导致了错误的命令,所以他们从正确部署的服务器上卸载了新代码。

换句话说,他们删除了工作代码,留下了损坏的代码。

这更加放大了问题。最开始,仅在部署不正确的服务器上,额外的父命令激活了 Power Peg 代码。现在,问题蔓延到了所有服务器上。最后,他们终于停止了系统,但此时已经进行了 45 分钟的交易。

在开盘的前 45 分钟,市场收到并处理了 212 份父订单。因此,SMARS 向市场发送了数以百万计的子订单,产生了 400 万笔交易,而其中 154 只股票的交易量超过了 3.97 亿股。这意味着,Knight 资本集团在 45 分钟内造成了 4.6 亿美元的亏损。

然而,Knight 只有 3.65 亿美元的资产。

45 分钟后,美国股市最大的交易商、纽约证交所和纳斯达克的主要做市商 Knight 破产,4 个月后被 Getco LLC 收购。

软件发布必须可重复、可靠

所有开发和运营团队都应该从这次事件中吸取教训。仅仅构建优秀的软件并对其进行测试是不够的,你还必须确保它被正确地交付给市场,这样你的客户才能获得你所交付的价值。

部署 SMARS 的工程师并不是此事唯一的责任人,Knight 设置的流程和他们所面临的风险并不匹配。此外,他们的流程天生就容易出错。任何时候,如果你的部署过程依赖于人主动阅读和遵循说明,那么都将面临风险。人是会犯错的。错误可能出现在指令中,也可能出现在指令的解释中,或出现在指令的执行中。

部署需要自动化,并且可重复,尽可能避免潜在的人为错误。如果 Knight 实现了自动化部署系统,将配置、部署和测试全部自动化,那么这次错误本可以避免。

即使没有实施完整的连续交付过程,你仍然需要遵守的几个连续交付原则:

  • 软件发布应该是一个可重复、可靠的过程。
  • 尽可能地自动化。

Twitter证实泄露客户计费信息 包括不完整信用卡号

Twitter向包括广告客户在内的部分商业合作伙伴通报称,安全缺陷导致敏感的计费信息遭到泄露。

Twitter称,计费信息存储在浏览器缓存中,可能被共享一台计算机的其他人看到。被泄露的信息可能包括电子邮件地址、电话号码,以及与部分商业账户关联的信用卡号后4位。

据悉,Twitter 5月20日获悉缺陷的存在。

在发送给TechCrunch 的声明中,Twitter证实了该安全缺陷,但没有披露有多少客户受到影响,“我们获悉,如果用户在ads.twitter.com或analytics.twitter.com上查看计费信息,相关信息可能会存储在浏览器缓存中。在发现该安全缺陷后,我们很快修补了漏洞,并与可能受到影响的客户进行了沟通,确保他们知道未来如何避免类似问题”。 (作者/霜叶)

来源:凤凰网科技

使用AI的实战方法论:做好这5个步骤

根据Gartner的研究,大约37%的组织正在实施某种形式的人工智能。然而,根据安永(EY)的一项调查(

https://www.technologyreview.com/s/611013/impact-ofai-on-business/),只有大约20%的公司认为自己拥有战略人工智能能力。很少有组织能够成功地利用人工智能的真正力量来产生有意义的影响。

如何利用人工智能?框架应该是什么?这篇由麦肯锡全球研究所MGI发表的论文推荐了组织需要关注的五个领域。使用AI的实战方法论:做好这5个步骤

这些领域不是孤立的。它们是相互关联的。这些领域中的每一个都需要共同努力,才能产生明显的影响。

作为一名数据战略家有其优势。在本文中,我将详细说明实现这个框架的实际方法。

1. 识别正确的用例

当公司已决定踏上人工智能之旅。第一个任务是识别正确的用例。发散收敛法是一种行之有效的方法。头脑风暴来探索尽可能多的AI用例。一旦完成,聚合到前3个用例的候选列表。

如何聚合用例?探索的维度是什么

我建议以从下几个方面入手:

  1. 业务影响:这个用例有实际的业务影响吗?对其进行量化。
  2. 技术可行性:当前的技术环境是否支持此用例的实现?创建一个技术地图。
  3. 数据可用性:是否有相关的数据点可用来交付用例?探索这些。

在这三个维度上映射用例提供了一个关于什么可行,什么不可行的用例图。这方面的一个例子如下:使用AI的实战方法论:做好这5个步骤

在上面的用例图中,用例#7和#6在三个维度上都得分很高。用例#3是下一个候选者,尽管它缺少所需的所有数据。

一个挥之不去的问题是:有多少数据是足够的

这个问题没有明确的答案。解决这个问题的经验法则是回答以下问题:

可用的数据是否足以构建最小可行模型

如果上述问题的答案是“是”,那么建议继续并考虑潜在开发的用例。

2. 构建高效的数据平台

数据是新的石油。这种新的石油扩散到整个公司。有必要从中提取价值。有必要对其进行改进。人工智能和数据有一种共生关系。他们需要彼此的繁荣和兴旺。

从远古时代起,各个公司就试图创建一个数据分析平台。企业数据仓库、数据集市、数据湖都试图驯服这头猛兽。随着数据技术的进一步发展,新的数据体系结构模式不断涌现。

2017年,我写了一篇博客:Demystifying Data Lake Architecture,强调了创建一个有用的人工智能数据平台的关键组件。此后,数据技术不断发展。然而,核心仍然是相同的。这些概念仍然可以应用。

然而,需要思考的问题如下:

利用人工智能的数据平台的原则是什么

以下是我的三条建议:

  1. 以原始格式存储所有数据:数据的性质比较复杂。一个人只有在使用它的时候才知道它的用法。最好的策略是将它们全部存储为它们自己的格式。没有转换。没有管理。只是原始的存储。随着云技术的出现,数据存储变得廉价。可以使用许多存储层选项。例如,在Azure中,人们可以在许多层(高级、热、冷、存档)中存储前50TB的数据,平均成本为0.044美元/GB/月,即4.4美元/TB/月(比一杯星巴克高杯摩卡还低)。作为指导原则,我建议至少在过去5年内存储数据。在此之后,如果发现无用,总是可以归档。
  2. 解耦存储和计算:存储是常年的。处理是短暂的。处理引擎可以是批处理的,也可以是面向流的。处理也可能是一项昂贵的操作。因此,按需处理是有意义的。根据所需的处理类型,创建适当的处理引擎。一旦任务完成,处理引擎就可以暂停或销毁。解耦计算和存储节省了大量成本。它还提供了很大的灵活性。一般来说,这是明智的做法。
  3. 分类目和管理数据:防止数据湖变成交换空间的一个最重要的原则是仔细地分类目和管理数据。作为一个经验法则,任何持久化的东西都会被编类目。主动编类目将使业务分析人员、数据科学家或任何希望以正确格式查找正确数据的人能够轻松地搜索数据元素。积极编类目的重要性再怎么强调也不为过。编类目和管理决定了数据分析平台的成败。

3. 采用正确的工具、过程和技术

第三部分是选择合适的工具和技术来实现AI。当然,有很多可用的工具来实现它。有三个基本原则对于人工智能的蓬勃发展至关重要。

  1. 利用规模:数据与人工智能之间存在相关关系。通常,需要训练的数据越多,就意味着模型越可用。在过去,训练模型的能力受到限制。存储和计算能力有限。在过去的20年里,存储和计算技术得到了发展。云计算平台正在创新。存储是便宜。计算是负担得起的。以可接受的成本进行大规模的数据处理和模型训练是可能的。过去的局限现在已不复存在了。
  2. 关注功能而不是技术:创建一个灵活的数据架构。每个组件都满足特定的功能。可用的技术特性不固定组件。功能是不变的,而技术是不断变化的。这是云平台的另一个好处。云平台创新。他们引进新技术,以更低的成本提供相同或更好的功能。
  3. 拥抱数据项目中的敏捷性:著名统计学家George Box曾打趣道:“所有模型都是错的,但有些模型是有用的。”得到那个有用的模型是一个迭代的过程。每次迭代都是向那个有用的模型迈进的一步。不要在AI项目中追求绝对。它不存在。完美的模型是乌托邦。以该模型为目标,它对于给定的上下文来说已经足够好了。

4. 在过程中集成AI决策

任何基于AI的项目的最终目标都是产生积极的影响。无论是商业还是社交。然而,许多成功的人工智能项目在它的摇篮里夭折了。他们看不到光明。因此,一个人工智能项目,因为它的孵化阶段,需要从头到尾的观察。

我再怎么强调都不为过:AI项目是基于影响力的项目。他们需要一个结果。它们不是技术项目

想象一个AI项目不应该是关于模型和算法的。它必须是关于结果的。将给最终用户带来利益的结果。

每个过程都是一步一步连锁的。需要回答的问题如下:

AI会影响多少个阶段 ?

  • 它能使过程自动化吗?
  • 它是否增加了一个过程?

根据答案,画出正确的路线。

5. 构建实验文化

文化是任何变化的基石。Peter Drucker曾经说过:“文化以战略为早餐。”“在采用人工智能方面,没有什么与这个事实相距甚远。对于成功的AI实现来说,反复灌输实验文化是至关重要的。根据定义,实验是一种证明或推翻假设的过程。并不是所有的实验都会成功。然而,所有的实验都是有收益的。这种实验文化需要渗透到公司的精神中。三个原则可以帮助公司创建实验文化。

1、度量指标,每个部门都需要度量以下三个方面的指标:

  • 在给定的时间内尝试的实验次数。
  • 在给定的时间内采用到业务工作流的实验数量。
  • 在给定的时间内,管道中的实验次数。

2、拥抱敏捷,敏捷是人工智能之路。鉴于其本质,迭代方法最适合人工智能。它的三个核心原则:改善、透明度和深度协作应该渗透到公司的DNA中。

3、具有AI意识,人工智能是很多炒作,每个人、每个地方都在谈论它。伴随着这种炒作而来的是恐惧。害怕被取代。对失业的恐惧。这种担心是没有根据的。在公司中建立对人工智能的普遍认识是至关重要的。员工必须意识到AI能做什么和不能做什么。有了这种重要的意识,员工更容易接受人工智能,并利用它来增强他们的技能。

总结

采用负责任的人工智能(AI)是不可避免的。所有人都应该接受它。这不是长生不老药。但是,有了正确的框架,它就有可能产生影响。

SpaceX拟建海上平台“浮动太空港”未来可支持向月球、火星发射火箭及超音速全球旅行

据英国每日电讯报在线版及埃隆·马斯克社交账号最新消息,美国太空探索技术公司(SpaceX)计划开始建造“浮动太空港”,可为其超重型运载火箭提供发射场进行发射和回收,未来不但支持向月球、火星发射火箭,还可展开超音速全球“点对点”旅行。

马斯克表示,SpaceX之前已经展示了即将推出的超重型火箭助推器的概念,并与其星舰飞船配套使用,未来可以支持星舰向月球和火星的发射,更可以进行超音速地球旅行,而这将使人类长途飞行的时间缩短至几个小时。

鉴于这个高达120米的火箭是个“巨无霸”,它的海上平台也将是巨型的。预计“浮动太空港”最少有300米长100米宽,重量在数万吨甚至数十万吨,其面积比“猎鹰九”号著名的海上无人回收平台要大10倍以上。与此同时,星舰的海上回收平台还将配备150米高的庞大发射服务塔,几乎相当于建造一幢摩天大楼。

星舰飞船和超级重型火箭的主要开发目的,是帮助SpaceX和马斯克实现将人类运送到火星的目标,进而对包括月球在内的星际目的地殖民,从而“使人类成为星际物种”。每日电讯报文章表示,尽管这些目标对大多数人来说似乎是遥不可及的,但SpaceX公司使用完全可重复使用的航天器,大大降低了发射成本,因此,这一成果将更有意义。

这一海上发射平台同时也可以支持地球上“点对点”超音速旅行,即地球内的洲际发射。这并不是马斯克刚萌生的念头,早在2017年的一次声明中就有这样的表示:星舰的运输可以在不到一个小时的时间内,从地球上任何城市到达另一个城市。

每日电讯报文章表示,这一概念仅包含渲染图,目前仍不知道该计划是如何进行以及从何处发射

疫情也阻挡不了挣钱!全球7位富豪财富增长超50%:马斯克排第一

众所周知,受新冠疫情影响,全球各行各业均受到不同程度冲击,出现了前所未见的失业率暴增及市场动荡。但现在一些亿万富豪已恢复甚至超过了先前财富水平。

6月17日,据媒体报道,全球50个最富有的人中有7人净资产在3月18日至6月4日期间增长50%以上

增幅排在榜首的是埃隆·马斯克(Elon Musk,其财富在该时段内增加了55%,达380亿美元以上。部分原因是特斯拉股价的回升,3月18日该公司股价收于361.22美元,6月4日收于864.38美元。

此外,有报道称马斯克拥有约3870万股特斯拉股票,并在5月获得了首笔基于绩效的股权奖励,价值超7亿美元。6月15日,特斯拉股价收盘为990.90美元。据《福布斯》消息,马斯克当前净资产上涨至约420亿美元。

马克·艾略特·扎克伯格(Mark Elliot Zuckerberg)作为世界排名第一的照片分享站点脸书(Facebook)的创始人兼首席执行官,从3月18日到6月4日,他的财富增加了52%,至逾830亿美元

在此期间,脸书的股价从146.96美元升至226.29美元。扎克伯格拥有约4亿股该公司股票。目前,其当前净资产已达约874亿美元。疫情期间,他的现金捐款总额超过1.5亿美元。

此外,印度首富穆克什·安巴尼(Mukesh Ambani)在3月18日至6月4日期间,财富增加了212亿美元,上升52.47%。目前,其净资产达874亿美元。疫情期间,他的现金捐款总额高达6830万美元。

德国施瓦茨集团老板迪特尔·施瓦茨(Dieter Schwarz),疫情期间财富增长133亿美元,上升67%。目前净资产达308亿美元。

日本迅销公司创始人兼总裁柳井正(Tadashi Yanai)及家族,财富增加了99亿美元,上升50.2%。目前净资产已达297亿美元。

香奈儿共同所有者阿兰·沃特海默(Alain Wertheime),期间财富上涨92亿美元,增长53.8%。目前净资产达247亿美元.

12年200万个应用 一年5000亿美元的交易额 App Store做了什么?

自加州的 Analysis Group 独立经济学家们发表了一篇关于App Store 生态的调查报告,报告中指出 App Store 生态系统仅在 2019 年便在全球范围内创下 5190 亿美元的款项和销售额。并且这 5190 亿美元中有 47% 来自中国地区,美国地区占总额的 27%,位居第二。

值得注意的是,这 5190 亿美元的总额中有超过 85% 完全归于第三方开发者和各规模的企业所有。苹果仅从与数字化商品和服务相关的款项中收取佣金,真正拿到手的不到 15%。

从报告中不难看出,实体商品的一般零售占比高达 52%,并且在电子商务和移动支付兴盛的中国这个数值更为惊人,中国 App Store 所促成的一般零售总额高达 1750 亿美元,占比达到了 71%。这个些交易额主要是在淘宝、京东、拼多多等 2C 的电商平台中产生的。

还有一项数据很有意思,中国相比其他地区来说更 “爱吃”,中国 App Store 所促成外卖交易额达到了 160 亿美元,比其他地区加起来都要多。

IT之家了解到,App Store 从 2008 年创建至今不到 12 年的时间里,商店内的应用数量从 500 扩增到了 200 万个,形成了一个具有多样性的生态体系。每一个星期会有超过 175 个国家 5 亿人次的访问。这些用户相比于其他平台更优质、更具消费潜质。巨大的市场吸引着越来越多的优秀开发者加入其中,目前全球有超过 2300 万的开发者在为 App Store 开发应用。苹果因此为社会创造了数量可观的就业机会。

在这个充满挑战、复杂多变的时代,App Store 为创业、健康与健身、教育和创造就业岗位提供了持续不断的机会,帮助人们快速适应不断变化的世界。随着全球 App Store 社区继续促进创新、创造就业以及推动未来的经济发展,我们将致力于投入更多资源来对 App Store 社区进行支持和扶助,无论对方是各个国家或地区都有的个人开发者工作室,还是拥有数千名员工的企业。——Tim Cook

当然除了 App Store 社区的支持和扶助政策外,苹果还通过一些其他的方式来吸引优秀的开发者,例如苹果不断降低应用开发门槛,为开发者提供了更易懂、对初学者更友好的编程语言 Swift 以及功能强大的开发工具 XCode。苹果还提供了 ARKit、Core ML 等功能强大的工具,让开发者尽情展现自己的才华。

全球网速排行:韩国移动网络全球第一 亚洲全面超越欧美

近日,世界知名网络测速软件Speedtest公布了截至2020年4月全球固定宽带和移动网络网速最快国家和地区的指数,中国移动网络速度在全球排名第三位,其中固定宽带网速排名前十的国家和地区包括四个东南亚国家和六个欧洲国家,美国则跌至第11名。

从固网宽带上来说,新加坡和中国香港地区保持排名不变,依然位列前两名,前者平均下载速度是198.46Mbps,上传速度为207.17 Mbps,延迟为12ms,后者平均下载速度是176.70 Mbps, 上传速率172.96 Mbps,延迟15毫秒。

在移动网络榜单中,韩国以88.01 Mbps的平均下载速度在占据榜首,紧随其后的是卡塔尔(84.81 Mbps)和中国(78.56 Mbps)。

曾经的领头羊阿拉伯联合酋长国以78.56 Mbps的速度跌至第四位,而荷兰则以75.32兆比特/秒的速度跃升一位至第五位。加拿大以73.52 Mbps排名第六,保加利亚以68.18 Mbps排名第七,挪威以66.87 Mbps排名第八。

排在前10位的还有澳大利亚和沙特阿拉伯,分别为62.15Mbps和55.71Mbps。

SpaceX获准重复使用火箭与龙飞船进行载人发射

据国外媒体报道,在成功完成首次载人发射数天后,SpaceX似乎已经获得美国宇航局(NASA)的批准,可以用重复使用的猎鹰9号(Falcon 9)火箭和载人龙飞船(Crew Dragon)发射宇航员。

6月3日,SpaceX与NASA签订的价值31亿美元的商业载人项目(CCP)合同中的一处改动被意外发现。合同没有进行过多的解释,只是稍微修改了一下,说“从第二次载人发射开始”,SpaceX现在“[获准重复使用]猎鹰9号运载火箭和载人龙飞船”。

SpaceX多年来孜孜不倦地努力,以赢得NASA的技术信任,获准使用经过飞行验证的硬件进行载人发射。当初即便是最乐观的人也认为,这种可能性微乎其微。对于SpaceX来说,这几乎从始至终都是一场艰苦的战斗——常被作风保守的NASA质疑的另一个合作伙伴波音,对此体会尤其深刻。

在SpaceX与NASA签订的CRS1商业补给服务合同履行的后半部分,该公司成功地使用经过飞行验证的航天器和助推器向空间站发射了数十吨货物。从CRS-11到CRS-20,有5次任务使用了重复使用的猎鹰9号助推器,10次飞行中除了一次以外,所有的任务都使用了一次甚至两次载货龙飞船。

总的来说,SpaceX已经十几次向NASA证明,它完全有能力制造、发射和重复使用轨道级火箭和航天器。此外,在一个不相关的设计缺陷在测试中摧毁飞船之前,SpaceX于2019年3月成功发射、回收和翻新了载人龙飞船太空舱C201,证明了它显著提高了可重复使用性。在亚轨道上,载人龙飞船C205在2020年1月的飞行中止(IFA)测试也可能有助于演示新航天器的可重复使用性,并为NASA提供了更多的经验来重复使用猎鹰9 Block 5火箭进行B1046的第四次发射。

更有可能的是,NASA还没有就SpaceX的龙飞船和猎鹰9号助推器实际认证为具备经过飞行验证的载人发射能力,但6月3日合同的修改至少意味着该机构打算迅速完成认证。它所制定的时间表显示,SpaceX可能会在最早在它第二次向国际空间站执行运营任务时,用一种经过飞行验证的火箭和宇宙飞船发射宇航员。

这次任务被称为PCM-2或Crew-2,计划在载人龙飞船第一次运营任务(Crew-1)后大约6个月进行。如今年晚些时候Demo-2任务中的两位宇航员鲍勃·本肯(Bob Behnken)和道格·赫尔利(Doug Hurley)安全返回,Crew-1暂定于8月30日发射,也有可能更早发射。如果成功,Crew-2最早将在2021年中期进行,并有可能重复使用Crew-1的猎鹰9助推器和Demo-2或Crew-1的龙飞船太空舱。(乐邦)

研究机构预测全球半导体市场2020年仅增长3.3%

据国外媒体报道,代表全球主要厂商的世界半导体贸易统计组织(WSTS)日前表示,2020年的全球半导体市场规模将比上年增长3.3%,达到4259亿美元。

外媒称,去年12月的预测为增长5.9%,但因新冠疫情影响而下调。

WSTS预测,2020年,美洲和亚太地区半导体市场将增长。

WSTS表示,全球半导体市场2021年增速将加快,达到6.2%,市场规模达到4522亿美元。全球各地都将呈增长态势。

WSTS成立于1986年,为非盈利组织。WSTS称该组织是行业每月出货量数据的唯一来源。