经过十年快速增长之后，智能手机市场突然冷却下来。调查显示，智能手机去年的销量自2007年苹果手机问世以来首次略有下降，今年的初步统计也表明销量在进一步下滑。

分析师认为若干因素冲击了智能手机市场，包括缺乏令消费者叫好的新性能、人们更换手机的频率变慢，以及包括中国在内推动增长的主要市场趋于饱和。

美国技术分析研究公司分析师兼咨询师鲍勃·奥唐奈说：“市场已见顶，这就是结果。这肯定不是智能手机的结束，而是智能手机市场增长的结束。”

智能手机市场2016年开始趋于饱和状态，与数年前的台式和个人电脑的情形差不多。

奥唐奈告诉法新社记者：“这并不意味着市场行情不看涨了——实际上这是个巨大的市场，它意味着商家必须改变思路。”

分析师认为，占据市场一席之地的智能手机销售商不能再指望市场这块蛋糕快速增大，而应依靠精明的竞争手段增加收入。

从西雅图一家小小的咖啡店变身成为全球最大跨国连锁咖啡店，星巴克用了36年。而这一切都离不开“星爸爸”霍华德·舒尔茨的领导。如今，他选择离开，或将踏上竞选美国总统之路。

6月4日周一，星巴克宣布舒尔茨将辞去董事会执行主席一职，并自6月26日开始担任荣誉主席。消息流出后，星巴克股价盘后下跌1%。

2016年，舒尔茨曾在接受CNN采访时称，参与总统竞选并非不可能之事（never say never）。当时，舒尔茨是民主党总统候选人希拉里的支持者。

在商人出身的特朗普成功当选美国总统之后，许多商界和影视界的名人都被列入了2020年大选的潜在候选人名单。除舒尔茨之外，名单中还有著名脱口秀主持人奥普拉·温弗瑞、亿万富翁马克·库班等人。

第一次工业革命源于蒸汽机的发明。它推动了机械化生产，提供了人力无法企及的物理动能。第二次工业革命是因电力产生的福特汽车的大规模生产线。第三次工业革命则来自于计算能力，1969年发明的可编程逻辑控制器（PLC）取代了工业生产中复杂的继电器电路，从而实现了工业自动化控制，让工业生产力大幅提升。然而此后制造业技术的发展相比移动互联网却放慢了脚步，近30年工业技术并没有取得突破性的进展。

如今，我们终于迎来了第四次工业革命。传感器、计算力、以及网络传输的指数级增长，产生着巨大的力量。从德国的“工业 4.0”到“中国智造2025”，新一轮制造业的较量已悄然启动。

在之前的二十年里，虽然中国的劳动生产率每年平均上升8.5％，但绝对的生产率水平仍然偏低，仅为发达国家的15-30%。同时人力成本不断上涨，工人的平均工资已增长到每月5000-6000元。

在之前快速发展和用工成本较低的年代，很多工厂并没有太在意效率和质量，也没有采用一些先进的生产管理理念，例如使用统计方法确保质量的六西格玛，以及强调效率和减少浪费的精益制造。如果出现问题，他们会选择用更多的人去解决问题，而不是对自动化生产进行投资。

而现在的制造企业都开始积极地拥抱自动化技术。高盛的分析数据显示，部分物联网底层传感器的成本在过去十年中下降了50%，带宽成本下降了近40倍，数据处理成本下降了近60倍。以人工智能为代表的新一波创新技术如果可以为中国的制造业生产效率带来15%的提升，那将会创造4万亿的价值。

制造业转型之旅分三步走

制造企业开始转型的第一阶段一定是数字化

就目前来看，国内工业物联网处于早期阶段，不论是网络及硬件设备都尚未成熟，基础设施建设和数据采集这一步还没有全部完成。工厂首先需要为生产设备装上传感器和控制装置，打通生产设备、生产管理、制造执行及规划系统，更实时透明地掌控生产进度。

第二阶段是自动化

除了汽车制造业，中国大量的工厂自动化程度仍然偏低。2015年，根据经济学人发布的统计，中国虽然每年采购全球最多的机器人，但整个国家平均每万工人只配备了50个机器人，而在自动化程度相对发达的德国和日本这个数字是约300个，在韩国甚至是500个之多。如果要继续提高生产效率，那么自动化生产系统一定会在工厂普及。

在自动化充分实现后，制造企业会逐步向智能化过渡

历史上，“自动化”代表着机器可以执行某个具体独立的任务，例如根据定义好的规则开启和关闭泵。自动化是取代人做重复性的劳动，而智能化是做人做不了的事情。智能工厂的定义是一个灵活的协同系统，自主运行整个生产流程，在全局范围内自我优化，实时地适应新的环境。它代表着一个持续的自适应的过程，而不是过去“一劳永逸”的升级改造。

人工智能在制造业的主要应用

大数据分析 - 设备预测性维护

在传统工厂里，生产设备依然不能联网，只有在设备出现故障后再去维修，或者采取定期维护的方式而不考虑设备实际的运行情况。一旦出现计划外的宕机就需要临时性地采购零件，花高额费用做紧急检修，以便尽快恢复正常的生产。就算没有宕机，当人发现机器故障时，它可能已经制造了不合格的产品，给工厂带来经济损失。

美国的AI工业预测平台Uptake去年宣布完成了4000万美金的融资。通过在工厂的设备里置入传感器，Uptake可以采集前端设备的各项运营数据，结合大数据分析以及机器学习技术为工业客户提供设备的预测性诊断和能效优化等管理建议。工厂可以实时监测运行状态，对比历史数据，预判潜在的设备故障，有效规避正常生产的中断。

如果以后将设备预测性维护的数据整合到ERP系统中，企业就可以实现生产流程的最优化，通过动态调整生产计划，将设备故障带来的经济损失降到最低。对不同数据源，生产设备以及管理系统进行集成和分析将成为未来制造企业进行决策的标准配置。

自动质量控制 - 机器视觉检测

在深度神经网络发展起来之前，机器视觉已经应用在工业自动化系统中了，如拾取放置、对象跟踪、计量、缺陷检测等。其中，将近80%的工业视觉系统集中在缺陷检测。

人眼也可以发现产品的异常，即使这种异常我们从未见过。但由于眼睛容易疲劳，人的判断也很主观，这样就会造成产品检验的不一致甚至有漏检的情况。人眼也很难适应高速生产的需求，比如对于图形复杂的印刷电路板，人工检查需要很长的时间。通常只能基于抽样检查，无法像自动化系统可以进行实时全面的检查。目前在PCB和IC的生产线上，大约60％的检测任务都是由机器视觉来完成的。

机器视觉则凭借快速、精确和客观等优势，在现代工业中得到越来越广泛的应用。举例来说，在生产线上，自动检测系统每分钟能对成百上千个元件进行检测。如果配备了适当分辨率的相机和光学器件，机器还能检验到人眼无法看到的细节特征。另外，由于消除了人与被检验元件之间的直接接触，机器视觉减少了元件磨损的成本，也能让工人免受危险环境的威胁。

但机器视觉仍然面临着适应不同工业生产环境的挑战，因为很少有企业会专门为了某一种类型的产品而部署自动化检测系统。在不同的环境下，相机的镜头方向、与元件的相对位置、元件表面的强反射光都会影响检测精度。所以视觉算法本身必须有很强的适应力。

智能协作机器人

传统的机器人由于运动路径是固定的，每一个动作都需要工程师编程、调试和手工配置来适应具体的生产环境。当机器人要应对不断变化的场景时，手工调整就无用武之地了。深度学习已经带来了一场变革，赋予机器人“柔性”学习能力。随着时间的推移，机器人可以从数据中学习，在不同的任务之间自主切换，新任务的导入也可以在数分钟之内完成。最终这些机器人不但可以互通互联，还可以安全地与人类一起工作，甚至观察工人演示生产流程，自动学会新技能。

目前高端工业机器人主要还是由国外公司主导，瑞士的ABB、德国的库卡、日本的发那科和安川电机并称四大家族，他们占据着国内机器人市场50%以上的份额。四大家族也在积极地推动智能协作。例如库卡机器人就具备相互沟通的能力，可以根据生产线上的工序来合作分配各自执行的生产任务。类似地，ABB也推出了双臂机器人YuMi（缩写自You and Me)，针对3C产品生产线上的焊接和装配场景。它可以与工人一起安全地肩并肩工作，一旦处于运动状态的手臂可能触碰到工人，它就会自动放慢速度或者停止运动。

除了直接销售协作机器人，很多公司也在尝试新的租赁方式，让使用机器人像雇佣工人一样按时计费。传统的机器人不具备安全性，需要与工人隔离，不但无法满足即插即用的场景还造成了额外的部署成本。机器人即服务（RaaS, Robot as a Service) 这种新兴的商业模式，降低了初期的付费门槛，也更强调了硬件产品以外软件和服务的部分。可以反复重新编程以完成新的任务，帮助企业应对小批量多订单的生产挑战。

制造业挑战重重，现在制约人工智能应用落地的三大关键因素是可靠性，交付周期和易用性

1、工业设备对可靠性的要求极高。即便机器预测设备故障的准确率很高，但在某些行业里不能达到百分之百依旧难以被客户接受。就像之前纽约客的封面文章，制造企业希望的状态是无人值守的全自动化生产模式。没有人在生产环境里，也无需开灯（Dark Factory）。那就要求一切的生产技术，都要在没有人工监督和辅助的情况下，可以不间断地重复性工作。比如保证在两周连续运转都不产生错误，甚至将来可以自我配置和自我修复。

2、制造业并不是一个行业，汽车零件，电子产品，食物和药品，每一个垂直领域的生产流程和工艺都千差万别，每个领域的理解成本都非常高。如果产品底层的通用性和柔性不够强，那就很难满足企业对上层应用提出的定制化需求。产品交付的周期变长，进而降低了系统投资给工厂带来的经济回报。

3、此外给制造业提供的产品一定要具备易用性，因为行业本身的技术能力有限，必须要降低使用系统的操作门槛。比如重新编程已有的机器人需要高学历的专家，那就导致了维护成本的上升。如果工业产品也可以做出苹果iOS的产品体验，那么只要是会用电脑的人，之前用Word和Excel进行流程设计和工作安排，现在就能够学会如何让机器人运转起来。

当然任何的应用都离不开实实在在的业务场景，人工智能必须建立在一系列商业应用的基础上，控制好系统成本，并且为工厂量化系统改造所带来的投资回报。比如一个协作机器人的售价为20万，由于机器可以24小时不间断地工作，相当于替换了三位工人。假设工人的月薪是5000元的话，那么工厂用机器换人的投资回报周期仅为一年。这样的系统一定可以打动大部分制造企业。

数字世界和物理世界的终极融合

众所周知，在1965年，摩尔定律提出每18-24个月晶体管的数量就会翻倍。53年间，它改变的不只是晶体管的数量，而是由它带动了所有事情的进步。从半导体、PLC到智能手机、传感器的出现，包括现在训练神经网络所需要的算力，都是得益于摩尔定律。再通过线上线下的连接性，现在人与人、机器与机器之间的联系和互动已经非常普及。摩尔定律促使了人和机器的共同进化，IT技术把物理世界和数字世界彻底融合在一起了。这一波新技术正在对生产体系和生产模式产生巨大的影响，给经济注入新的能量。我们的生活方式最终也会因此而发生巨大的转变。

付款服务提供商PayPal今天宣布计划收购Jetlore，一家专门从事人工智能零售系统的公司（该公司位于圣马特奥市（美国加州），具体数额并未透露。

Jetlore，于2011年1月由斯坦福大学计算机科学专业的学生创立。它利用机器学习的优势提升，例如优衣库和Nordstrom Rack等零售连锁店的“个性化”体验。该创业公司的预测技术可分析“数十亿”客户数据和产品数据，包括尺寸，颜色，适合度，款式偏好等服饰属性，以及品牌和首选材料，以此通知用户定位产品。

例如，Jetlore的Predictive Layouts功能允许营销团队针对特定的客户群体提供不同的电子邮件，主页和应用内体验。它可以从一段时间内的交互中了解客户的偏好，并动态调整，填充用户最可能看到的内容。Jetlore声称其Predictive Layouts功能可以为每个电子邮件或综合浏览量带来60％至70％的收入，并将客户流失率降低12％。

Jetlore的其他旗舰产品，"Predictive Ranking"采用正在申请专利的“学习排名”引擎，将产品列表和搜索结果我个人客户做定制。它根据每个客户偏好的知识自动显示项目，并实时将这些偏好与库存进行匹配。

以上两者都将加入PayPal营销解决方案，这一套针对PayPal支付而使用—— PayPal Credit和其他PayPal解决方案的企业零售商的营销分析和A / B测试工具，包括使用电子商务平台（如WooCommerce，BigCommerce或Shopify）的解决方案。

PayPal商业解决方案副总裁Harshal Deo在一份声明中表示：“凭借Jetlore的人才和人工智能技术，我们将加强和加速[我们的产品]，并增加新功能，继续提升PayPal之余商家在线结账额外体验的价值。”“我们分享Jetlore对创造令人惊叹的个性化客户体验的热情，并相信他们的能力将加速我们帮助商家优化客户内容和沟通的能力。”

小红书D轮融资飞快落定：超3亿美金融资额、30亿估值。比起4月时传出的25亿美金估值，寻求2亿美金融资的消息有不小幅度的上涨，这说明在谈判桌前，小红书得到了资本方的认可。

阿里巴巴成为新的领投方多少令人意外。跟投方中，腾讯也赫然在列。

小红书曾于2016年3月完成由腾讯领投的C轮1亿美金融资，那一轮的估值为10亿美金。此轮转投阿里，可能意味着双方在资源上有更多协同可能。

对于阿里来说，在电商体系内进一步推动内容化仍其重要的战略方向。淘宝总裁蒋凡此前在接受36采访时表示，由淘宝内容带来的交易额占比上升是一个显著的趋势。这意味着，阿里高层已经充分意识到好的内容生态对于交易的带动作用，并计划持续投入——近期，淘宝短视频正在筹备推出独立app，定位是生活消费短视频。

小红书的ugc内容一直是它的优势，也是社区的源头活水。从早期“分享”美妆、个护等实物，到如今“标记”美食、旅行等泛生活方式，这种集晒生活、商品测评、种草等功能于一体的社区形态对于年轻女性用户颇具黏性。社区型产品通过广告变现原本顺理成章，但小红书此前却选择了直接以“跨境电商”业务完成交易闭环。

如今，这个定位和策略正在被小心修正。为此他们专门做出了品牌上的区隔：“小红书”专指社区，“小红书商城”才是电商。小红书创始人瞿芳在4月接受36氪采访时也表示，它们计划在今年探索以广告变现的商业化路径，大概率将采用信息流广告的形态。

这解释了本轮投资的逻辑——阿里寻找优质流量入口，小红书拓展变现可能。这跟阿里此前投资微博，并增持股份至31.5%，有异曲同工之处。根据微博2017年财报显示，广告和营销收入占到微博总收入的86.7%，其中阿里一个金主就贡献了8.7％，是微博最大的广告客户。

要想广告主愿意买单，社区的活跃度就成了核心指标。自去年年底开始，小红书在产品、运营、营销策略上发生了明显变化，动作更加积极主动。

邀请明星入驻是小红书在运营上的大动作。自去年11月底入驻，范冰冰的小红书粉丝数创下了平台最高纪录910万，一条长达13分钟的“自创按摩大法”视频，单是评论数就超过了7万。她的进驻也带动了更多明星加入，如今经过身份验证的大小明星超过了150位。

明星种草直接带动了社区的活跃。根据QuestMobile的报告，小红书3月的月活用户达到1800万，同比去年增长了一倍；一季度的日活增长率也在全网app(DAU100万—1000万)中排名第6，社区类排名第一。

德银再遭重创，这一次是因为一年前的一份美联储报告，盘后德银CEO很无奈地发布了一份长篇声明加以解释。

周四，德银股价重挫7.2%至9.16欧元，创下历史新低。

市场收盘后，德国法兰克福当地时间晚8点，德银新任CEO Christian Sewing发布声明表示，德银（Deutsche Bank AG）母公司德意志银行集团（Deutsche Bank Group）的财务非常健康，资本状况良好，流动性储备充足，并一再强调德银财务稳定无需担忧。

声明还表示，德银一直都在对自身问题进行修复，以加强其内部管控环境和基础建设，缓解公司内部和监管部门的担忧。目前德银正在高度集中精力解决其美国子公司的问题，未来也将继续努力。

针对美联储一年前报告所指出的业务问题，Christian Sewing还在声明中表示，德银所有的美国分公司都拥有强劲的资产负债表，这和提交的监管文件中提到的一样。美国的三家分公司在德银总资产负债表中的占比不到10%。同时也强调德银非常重视美国市场，也对其在美国的业务非常关切。

此前，在那份一年前的报告中，美联储把德意志银行在美业务归为“困境”一类，这是美联储采用的最低标准。

另外，英国《金融时报》周四还引用知情人士消息称，德意志银行美国部门已经被列入联邦存款保险公司的“问题银行”名单，即那些存在危及到其金融生存的弱点的银行。

美国监管机构今年3月曾警告德银，必须紧急地解决过去几年美联储所指出的问题。去年，德银因外汇交易监管不力，以及“沃尔克规则”合规项目存在缺陷，遭美联储重罚1.57亿美元。

周四美股开盘后，美国宣布对主要贸易伙伴加拿大、墨西哥和欧盟附加征收25%的钢铁关税和10%的铝关税，从美东时间6月1日零点起生效（北京时间周五12点）。

美国商务部长罗斯表示，与欧盟的谈判、与加墨两国的Nafta重谈都取得了进展，但不足以继续豁免相关国家的关税。美国仍希望与加拿大、墨西哥和欧盟就贸易继续谈判，因为还有其他问题有待解决。

此外，美国的主要贸易伙伴兼盟友日本一直没有得到钢铝关税豁免，相关的附加关税也会一直执行下去。

被美国制裁的贸易伙伴集体表达愤怒

一石激起千层浪，欧盟、墨西哥和加拿大f马上表示将采取报复措施。

欧盟委员会主席容克称，欧盟将对美国钢铝关税采取报复性行动，即将对数百种美国产品征收附加关税。容克认为，美国撤销对欧盟的钢铝关税豁免是“糟糕的”，美国的行径“是纯粹又简单的贸易保护主义”。

欧盟贸易专员Malmstrom称，欧盟的报复措施“恰当”，也符合WTO规则。欧盟已在WTO触发了对美国的贸易争端解决机制，还将实施再平衡措施，采取任何必要的行动来保护欧盟市场。

据标准普尔环球市场信息（S&P Global Market Intelligence）统计，欧盟拟打击的美国税项产品包括：年进口价值14.6亿美元的珠宝制品、7.37亿美元的波本威士忌酒、6.86亿美元的汽车玻璃、5.06亿美元的电信设备、4.7亿美元的个人健康护理产品，以及7600万美元的蓝色牛仔裤。

墨西哥经济部长表示，下周会宣布对多种美国产品采取对等报复行动，不排除诉诸WTO争端解决机制的可能性。在美国政府消除金属关税之前，墨西哥的报复政策将一直有效。对等措施会影响多种钢铁和农产品，例如猪腩（即五花肉）、苹果、葡萄、奶酪和平轧钢等。墨西哥是美国第三大贸易伙伴。

最新消息显示，加拿大总理特鲁多表示，加拿大将在关税问题上采取报复行动，美国对加拿大施加的钢铝关税“完全不可接受”，认为加拿大出口的钢铝危害到美国国家安全“很荒唐”。加拿大会在Nafta和WTO框架下申诉美国的钢铝关税。

加拿大外长Freeland称，加拿大将对美国多种形式的钢铝产品、威士忌酒、橙汁、食品等征收报复性附加关税，总价值约为166亿加元（合128亿美元），也分25%和10%两档税率。这些报复措施会有15天的公示期，并于7月1日起生效。加拿大是继中国之后美国的第二大贸易伙伴。

英国政府发言人也回应称，美国对欧盟等盟友以“国家安全”的名义加征钢铝关税，这令英方感到极度失望。

“倔强”的美国回应：特朗普能做他想做的任何事

不过，美国商务部长罗斯对于反对声浪不屑一顾。他表示，即使欧盟和其他国家对美国采取报复行动，也不太可能对美国经济有较大影响，贸易争端对美国GDP的影响不可能超过1%。而且就算任何国家采取报复行动，也不意味着不会有更多的谈判。

《华尔街日报》报道称，美国平等就业机会委员会正在对英特尔一系列裁员进行调查，因其被指在裁员中歧视老员工。  这家芯片制造商2016年开始，在全球裁员逾1万人。知情人士告诉《华尔街日报》，数十名下岗员工向媒体征询他们是否可以起诉，还有一些人直接向美国平等就业机会委员会投诉。

 《华尔街日报》报道称，英特尔在2016年5月的一轮裁员中，有2300名员工被解雇，其中年龄中位数为49岁，比公司留下来员工的年龄中位数大7岁。  一位英特尔代表说，此次重组是为推动公司“从个人电脑向云计算和数十亿智能、联网计算设备”发展的一部分。

 他说：“人事决策完全是基于员工技能，企业需要支持这种演变。”“当我们做出这些决定时，年龄、种族、国籍、性别、移民身份或其他个人人口特征等因素都不是考虑因素。”  平等就业机会委员会拒绝评论或证实报道的调查。  在科技行业，年龄歧视的说法并非新鲜事。美国平等就业机会委员会也在调查IBM可能存在的年龄偏见。在一个往往看重年轻员工和快速变化的行业中，年长员工（往往薪酬更高）可能成为裁员的一个容易目标。

在减税政策、薪资上涨等因素带动下，美国人的购房需求也上来了。同时，由于住房建设缓慢，供给不足，导致美国房价今年3月增速创近4年来新高。

美国3月Case-Shiller 20城市综合住房价格指数同比上涨6.79％，这是2014年6月以来最快增速。

美国房产信息平台Zillow统计，一季度美国房屋价值较去年同期上涨了8.7%，增速创2006年6月以来最高（当时年化涨幅为9%），目前美国房价中位数达到21.56万美元。

房价大涨的趋势也得到了美国联邦住房金融局（FHFA）的统计证实。官方数据显示，今年一季度美国的房价同比上涨6.9%，全美50个州和首都华盛顿特区房价都在涨。RDFN

美国房价为何快速上涨？

一方面，美国住房供应不足。春天购房季显示了强劲需求和供应趋紧，但同时新增住房建设缓慢，供给恶化。按目前速度，现有库存在4个月内售罄，小于去年同期的4.2个月，维持健康的供需平衡需6-7个月的房屋库存。

其次，减税政策和薪资上涨也令美国人开启“花钱模式”，助涨了买房需求。此外，更重要的一点是房价上涨的预期推动美国人匆忙下决定，生怕日后买不起房。

最新的密歇根大学消费者情绪调查显示，有16%的受访者表示，现在购房的条件很好，因为并没有看到房价下跌的理由，16%的比例也是1980年以来最高的。

标准普尔指数委员会主席David Blitzer在一份声明中表示：“在库存增长快于销售，或者经济明显放缓之前，房价可能会继续上涨。”

美国房价上涨为何重要？

2000年高科技股票泡沫破裂后，美联储连续多年采取低利率政策，刺激了居民的购房需求，推高房价。不断升值的房地产市场导致居民投机性需求膨胀，促使银行铤而走险，进一步放松贷款条件……

后来的故事演绎所有人都记得——近九十年来世界经济史上最大的金融危机爆发。

历史总是惊人的相似，金融危机后十年，美联储超宽松货币政策再次刺激了美国房地产市场。

美国哪些地区房价涨势最猛？

FHFA统计发现，一季度房价同比增速超过10%的州有四个，分别是内华达州（13.7%）、华盛顿州（13.1%）、爱达荷州（11.1%）和科罗拉多州（10.6%）。

Zillow的发现更引人注目，在美国35个最大的住房市场中，有21个的中位数房价已经超过了十年前房市泡沫鼎盛时期的最高水平。

例如，加州圣何塞、旧金山、拉斯维加斯、西雅图、得州达拉斯-沃斯堡地区、亚特兰大、奥兰多和南卡夏洛特等新兴热门城市，房价同比都达到了双位数涨幅。

房价同比增幅位列前三的分别是：

加州圣何塞：同比增长26.2%至126万美元
拉斯维加斯：同比增长16.5%至26.08万美元
西雅图：同比增长13.6%至49万美元

房价同比增幅最慢的三大城市是：

巴尔的摩：同比增长4.4%至26.27万美元
华盛顿：同比增长4.5%至39.8万美元
休斯顿：同比增长4.7%至19.5万美元

人工智能发展迅猛，每隔一段时间，总有一个行业宣称将被 AI 替代，新闻行业或许就是下一个“受害者”。

彭博社发文介绍了一家名为 JX Press 的日本公司，其利用机器学习技术开发了一个工具，用于在社交媒体的帖子中查找突发新闻，并将其写为报道，其监测范围包括了文本和照片。机器监测的获取信息速度会比人力更快，JX Press 表示，他们平均会比传统媒体早一个半小时发布新闻。

JX Press 创立于 2008 年，创始人 Katsuhiro Yoneshige 当时还是大三学生。二十一世纪初，伴随着网络的大规模普及，日本也涌现了一大批颇受关注的网络新闻媒体，然而大多属于人力密集型，成本过高难以盈利。

因此，Yoneshige 想推动新闻行业的自动化，用机器取代传统低效的人力信息搜集。

目前，JX Press 有 24 名员工，其中三分之二是工程师，专门研发人工智能相关技术。该公司目前提供两个产品，基于订阅的付费新闻服务 Fast Alert 和免费新闻应用 NewsDigest。

速度更快以外，Yoneshige 表示，Fast Alert 的准确性也更高，可以过滤 99％的虚假新闻报道。他引用了 2016 年 4 月熊本地震时的一个例子，不少媒体根据一张社交网站上流传的狮子照片，报道说这只狮子从当地动物园逃跑并在熊本四处乱窜。但 Fast Alert 可以迅速识别出这样图片来源于南非，因而报道失实。

Fast Alert 服务受到了传统新闻媒体的支持，其客户包括许多日本广播公司，例如 NHK、朝日电视台和富士电视台。

免费服务 NewsDigest 则主要针对 C 端读者，截至 5 月 25 日，在日本的苹果商店新闻应用类别中排名第 8，App 购买收入是其广告收入的两倍。JX Press 表示，其第一季度总收入较去年同期增长了 613％，但并未透露具体数值。

这样利用社交媒体的服务也面临一定风险，除了要在真实性上下功夫，Fast Alert 也深受平台政策影响。例如，Instagram 规定其信息未经允许不得使用，JX Press 就必须要从搜索源中删除所有Instagram 的信息。

Yoneshige 认为，JX Press 这样的服务能够取代掉新闻记者的搜索工序，未来，记者应当承担的职责是分析和输出观点，这才是人工智能暂时无法完成的工作。

JX Press 以外，许多科技公司也站在 AI 记者这一边。Google 早前成立了一个名为数据新闻基金 (Digital News Initiative,DNI) 的组织，想在欧洲推动数据化新闻届的革新。《纽约时报》和《洛杉矶时报》也开始应用机器来完成那些较为浅层的报道。