6.78MHz 的原罪

说起磁感应和磁共振两种无线充电方式，不少人倾向于把 WPC（Wireless Power Consortium）与 Airfuel 对立。其实不然，两者均有磁感应和磁共振协议。Airfuel 由 A4WP、PMA 合并而来。合并之前 A4WP 的主导技术标准是磁共振，而 PMA 使用的则是磁感应，两者合并之后 Airfuel 把磁共振当成了包装的重点。

WPC 是目前最大的无线充电联盟，会员数量超过 200 家，其中有诺基亚、HTC、LG、索尼、三星、高通还有新近加入的苹果。它在 2010 年制定公布的 Qi 规范是目前应用范围最广的无线充电标准，支持的产品超过 1300 余种。前文提到的楚山电子亦是 WPC 成员。

原 A4WP 的成员则有高通、三星、Duracell Powermat 和英特尔等；PMA 则得到了星巴克、Google 和 AT&T 的支持。需要特别说明的是，“买基带送芯片”的高通在三个联盟中都有参与，它既是 A4WP 创始会员，也是 WPC 董事会成员和 PMA 资深领导会员。三星是另一个骑墙派。2014 年 A4WP 和 PMA 合并之后，它在 Airfuel 和 WPC 中均有参与。

早前大部分的 Qi 产品都是磁感应式。而在在最新的 Qi 1.2 标准除了加入对多装置充电的支持，也纳入了磁共振技术，充电功率增加到 2000W。郝鹏告诉  品玩（微信号：we），Q1.2.2 规范中，涉及的磁感应频率在 87～205KHz。《爆料：亮瞎眼的 iPhone 8 测试机》一文中提到 iPhone 8 测试机的磁性材料频率大概为 300KHz，稍高于 Q1.2.2 中的规范。

鉴于该规范中对磁共振频率并没有明确规定。所以不排除苹果 iPhone 8 会使用磁共振技术实现无线充电。“极有可能。”在 WPC 框架下做 KHz 级磁共振无线充电解决方案的郝鹏对于这点信心颇足。以苹果对用户体验的苛刻，它很难容忍对不齐无法充电这件事的。在私下沟通时，WPC 主席告诉郝鹏，Qi 1.2 之所以加入磁共振技术支持，原因有两个，一是给低功率的产品提供更大的空间自由度，主要是纵向距离，二是提供更大的功率。

苹果其实在 Apple Watch 两代产品中已经使用了无线充电技术，而且也是基于 WPC 框架，只不过并未兼容通用无线充电器。这两代产品也为苹果做了技术上的积累。就像 iPhone 6 便加入了体积硕大的线性制动器（振动器），直到下一代的 iPhone 6s 才开放触觉反馈功能。iFixit 当时在拆解 iPhone 6 时一度怀疑苹果为何要做这么重的一个振动器。联想副总裁常程告诉  品玩（微信号：we），这单颗振动器的成本高达 3 美元。抢先上马触觉反馈的 Android 手机品牌技不如人也就情有可原了，成本压力是实实在在的。

为什么苹果没有加入 Airfuel，而是选择了 WPC？除了它已经基于 Qi 框架给 Apple Watch 做无线充电功能外，另一个原因是，Airfuel 规范下磁共振的频率固定为 6.78MHz（相比之下 WPC 标准是一个频段区间 87～205KHz）。

6.78MHz 是免费 ISM（Industrial Scientific Medical）中最低的频率。Wi-Fi 为 5GHz/2.4GHz，Bluetooth/ZigBee 2.4GHz，以及 RFID/NFC 13.56MHz，这些ISM频段都免费试用。其它频段，比如广电信号，是付费的；甚至军用频道，更不会开放。

该频率与 NFC／RFID 的 13.56MHz 是整数倍的关系，两者之间会产生强烈的信号干扰。这基本上已经是行业里公开的秘密了。想必苹果不会对 Apple Pay 支付体验置之不顾。而且由于高频磁共振的技术实现难度过高，迄今为止，并没有 Airfuel 磁共振产品大批量商用。

如此尴尬的 6.78MHz 怎么就成了 Airfuel 的标准？这要追溯到 MIT 2007 年关于磁共振无线充电技术的一项著名实验。此次试验也被认为是第一次现代意义上的无线充电。项目小组 WiTricity 隔着两米的距离点亮了一个 60W 的灯泡，效率达到 45%，频率 9.9MHz。后来项目组以同样的名字公司化运作，并在 2011 年获得丰田投资。

尽管存在一些缺陷，并不意味着 Airfuel 全然没有机会。它的优点在于长距离。这是很多创业者和研究机构正在探索的方向。想象一下当下越来越流行的以特斯拉为代表的电动汽车，停车即可充电，家中装上无线充电装置，随时随地充电，告别续航焦虑。

机器学习引领认知领域的技术创新。一些机器学习的新产品也在不断涌现，技术型初创公司在面对巨大的潜在市场已经蠢蠢欲动。红点投资机构的投资人 Tomasz Tunguz 就机器学习对 SaaS 行业的益处进行了分析。

从 Amazon Alexas 到无人驾驶，配有机器学习技术的新产品涌入市场。机器学习技术带来的创新有目共睹，它也将改变 SaaS 行业。但是它会如何改变呢？创业公司如何利用机器学习获得优势呢？

机器学习有四个广泛的应用：

1.  优化——今天早上，从沙山路到旧金山的南公园旅行最快的方式是101高速公路；我们网站对客户经理这一职位要求已经是老生常谈。要达成更多的业务，就要慢慢说，在谈话后半部分再谈价格，使用某个案例研究。

2.  识别物体——你刚刚使用智能手机拍摄的照片里包含一只猫；在网店里找到所有红色格子羊毛短裤；CT扫描显示高可能性的帕金森病发病率。

3.  检测异常——你的信用卡在内罗毕的一家商店购买钢琴支出了10,000美金；你的服务器群集有较高的CPU使用率；潜在客户对今天早晨的商务邮件回复速度比上周高25％。

4.  数据细分——通过移动应用商店找到我们产品的客户显示出15％参与度。

以上任一应用就可以带来巨大的进步。但是，这些应用组合在一起做出的事情更令人难以置信。对象识别+异常检测+机器人=无人驾驶车；或铺砖机器人搭建直立墙的速度比人类快三倍。

我之前写过机器学习创新速度惊人的文章。云供应商（亚马逊、谷歌和微软）就在快速创新，取得了很多突破性的成果，并提供API，影响着这项新研究的成本。因此，每个初创公司都可以使用这些技术，只需要几个拉面箱的成本。

但是，只是接入这些API、购买.ai域名并且在商品宣传中运用语言人工智能是不足以取得成功的。你要做的不是把机器学习当作绝招，而是让这项技术融入到产品中，与用户一起见证奇迹的发生。

最好的销售和高资金募集都不会将机器学习作为创业公司的价值主张。相反，他们专注于产品如何增加收入、降低成本、或发展客户。

我们已经投资了超过20家机器学习类型的公司，从Stripe到RelateIQ、从Chorus到Caspida。当我们想要投资其他相关公司时，以下五点是我们会考虑的：

1.  对数据的专有访问——算法是现成的，所有人都可以用。通过产品使用或核心合作创建专有数据，这对于创造可持续的竞争优势至关重要。

2.  端到端应用程序，而不是平台—— the monoclouds 更有可能赢得ML-as-a-Service业务。他们有更多的研究人员，更低的基础设施成本，比任何创业公司的营收都高。端到端应用程序更容易做到收入增长和成本降低，并且是初创公司进入市场更好的途径。

3.  以ML为基础的强大GTM——ML有可能成为拥有市场优势的创新技术。通过改变购买者评估软件的方式和降低潜在客户的获取成本，基于ML的产品可能会扰乱这种局面。但仅仅技术创新是不够的。

4.  现场专家——是的，你可以使用monocloud的API。但这些系统被调整得尽可能的更广泛适用，并产生相当不错的效果。为了提供特别的体验，一个创业公司需要语音识别、自然语言处理或其它核心学科的任何专家。

5.  算法的进步——每隔一段时间，我们可能会投资拥有自己的基本算法且无法从别处复制的公司。

像之前的数据库和UI一样，机器学习是一项新技术，它将改变我们设计和销售软件的方式。虽然这些术语可能象征着今天的时代精神，也可能迅速成为企业的陈词滥调，但是技术的影响才刚刚开始被理解和利用起来。