区块链技术主要特征范文

导语：如何才能写好一篇区块链技术主要特征，这就需要搜集整理更多的资料和文献，欢迎阅读由公文云整理的十篇范文，供你借鉴。

篇1

【关键词】区块链 去中心化 保险 金融

区块链技术最早诞生于2008年，其表现形式为比特币。到了2014年，比特币已渐渐淡出人们的视线，然而其背后的技术――区块链却成为了公众关注的焦点。从定义来看，区块链是一种新型去中心化协议，能够安全地储存各类交易数据，且这些信息不可伪造和篡改，可以自动执行智能合约，无需任何中心化机构的审核。从整个金融领域来看，区块链技术的应用使得每个人都可能成为金融资源配置中的重要节点，也有望促进现有金融体系和金融监管制度的改良。

一、区块链特征概述与不足

（一）区块链技术的主要特征

总体来说，区块链技术的特征包括去中心化、非对称加密、可信赖、时间戳和智能合约五个特征。

去中心化指的是不存在中心化的管理机构，所有的用户都可以基于分布式的结构体系记录和验证数据，这也是区块链技术最显著的特点。区块链技术让所有个体都有成为中心的可能，因此极大地改变了传统金融中介的中心地位，从垄断性的强中介转化为开放式平台。

非对称加密指的是区块链采用的现代密码学技术。区别于传统加密方式，这种加密算法的“密钥对”是非对称的，所有的参与者都可以用公钥加密一段信息，而只有信息的发送对象才能用私钥进行解密。这类现代密码学技术使得信息的私密性得到了保障，也使特定的人能够接收到信息。

可信赖指的是区块链技术中交易记录的真实性。在区块链中，修改交易记录相当困难，若无法得到51%的人的认可，修改就没有意义。此外，区块链实际上是以数学方式解决信任问题，参与者不需要知道交易对手的信用水平，不需要第三方机构进行担保，只需要信任一套共同的算法即可。

时间戳指的是参与者都可以在每个区块上盖上一个时间戳，以说明信息是何时写入的，以此构建出一个可以追本溯源的大账本，可为每一笔交易提供查找功能。这样便构建了一套不可篡改、不可伪造的数据库。

智能合约满足了一些无法预见性、非常规的交易需要，保证区块链能够持续生效。这套智能合约具有可编程化的特点，能够控制各项限制条件，省去了法律约束的成本。

（二）区块链技术的不足

首先，区块链技术需要海量的存储空间。区块链记录了系统由始至终的每一笔交易，并且每个参与者都可能在各个时间节点记录数据。在每个节点的数据都需要实时同步的情况下，存储压力和网络传输压力较大。对存储空间的容量要求可能会成为制约区块链技术发展的关键问题。

其次，区块链技术需要高能耗，其电力和硬件成本不可忽视。

最后，区块链技术的发展离不开一个抗压能力较强的整体系统。在金融领域，如果每秒交易量超过系统的设计容纳能力，交易就自动进入到排队等待状态，造成用户体验的下降。

二、区块链在保险行业的应用展望

（一）区块链带来保险交易双方的交互性

区块链智能合约的个性化和可编程化能够实现保险合同在分布式系统下的自动和自执行，极大地提高了保险交易双方的交互性。在保险交易中，个体与个体之间的需求不同，交易模式多种多样，所满足的交易条件也千差万别。智能合约则大大降低了传统合约修改的法律和时间成本，其可编程化能够随意给交易合同添加限制条件，满足了不同的人对保险条款的不同需求。此外，区块链的分布性使得系统可以根据智能合约实际执行情况不断地实现自动重置和修正，保证模型实时客观地反应实际风险情况，合理调整赔付资金池，确保风险的可控性。

（二）区块链带来保险互助新模式

在区块链中，传统保险机构不再是强中心，相反，保险交易的每个参与者都可能是中心。这种“点对点”的互助保险平台，类似于一个个去中心化的组织，能够在没有外部干预的情况下，安全可靠地在预先设定的业务规则下，以一套固定模式自动运行。在这种模式下，保险公司的角色已不再是传统的风险吸收者和处理者，而是变成了风险资金池的管理者。最终，保险可能演变成去中心化的自治型保险，市场中各方在业务规则下各尽其责，打造一个透明、可信任、满意的保险社会。

（三）区块链带来监管模式的改变

国际金融危机加大了金融机构对自身业务的监管，传统的保险监管需要较高的合规标准和内控要求以降低风险，这大大增加了保险公司的成本，也限制了监管效率的提高。然而，风险水平却并没有得到显著改善，有效监管的形势依然严峻。在区块链技术下，监管模式将发生改变，有望以技术监管取代传统的制度监管。区块链采用的是多方验证的交互式共识平台，能够促进保险平台的自我监管，其信任机制大大降低了弄虚作假的可能性。交易参与者在各个节点都可以对保险业务进行参与和审批，监管将只需要对相关技术和平台进行查漏补缺即可，确保系统中的任何计算机都无法欺瞒系统。

（四）区块链带来保险行业的新突破

传统的保险受到地域限制，只能在线下当面进行，其发展速度受到制约。区块链的分布式数据库则实现了基于全网共识机制的跨区域的信息和价值的交流，模糊了地域限制，全球的任何一个人都可以参与进来，个体与个体之间的交流得到了强化，尤其是打破了信息的不对称性。此外，区块链的“时间戳”功能完整记录了交易过程，扩大了影响范围，缩短了时间周期，使得保险期限得以更加灵活，由此可以开发出更多保险产品，大大促进了保险行业的发展。

三、结语

目前，区块链技术尚处于早期理论阶段，各项应用还刚刚起步。然而，我们无法忽视区块链技术可能给我们生活的各个方面带来的变革。尤其是在金融领域，再细分到保险领域，区块链的去中心化特征可能会对传统保险行业的模式带来创新甚至颠覆，区块链的新型智能合约、信息和数据加密方式等也有望对保险行业进行改进，加快行业运作效率，从而使得保险行业更快更好地发展。

参考文献

[1]李峰.区块链在金融领域的前景分析[J].智富时代.2016（5）：25-27.

[2]王和，周运涛.区块链技术与互联网保险[J].中国金融.2016（10）：74-76.

篇2

综合2016上半年移动应用市场发展的主要特征和未来趋势，项目组做出的对APP行业趋势的基本判断。

数据战争无法避免

大数据是一种可以催生技术的时代现象，是移动互联网时代没有硝烟的新战场，能否对核心价值数据进行挖掘、分析、归纳、使用，最终使其创造出巨大的商业价值，是赢得这场战争的关键。

个人生活智能互联

手机、可穿戴设备、传感器等智能终端是人类在物理世界的增强器官，每个人都会成为一个API开放的接口，而数据将会是这些器官的血液，通过数据可以监测个人活动的一切状况，实现自身量化和预测等功能。

一起欢呼“娱乐+时代”

未来的移动互联生活将会被称为网络原住民的90后、00后主导，不娱乐化难以走进他们的心里，IP效应和粉丝经济效应也将得到最大发挥。

垂直化市场的崛起

移动互联网时代是聚焦竞争，用户基于不同场景的个性化需求得到前所未有的重视，垂直化市场崛起。垂直化的价值在于细分领域的专业性，瞄准用户的某类需求缺口，由单点向纵深突破，满足该行业不同用户的个性需求。如垂直类电商美丽说，垂直类资讯客户端汽车之家等，在社交、金融、医疗、衣食住行等领域亦是如此。

用户社群化

移动互联网时代，用户的社群化特征越来越明显，主流的社会结构正演化成一个个分散的社群，移动端的互动性和跨越时空性是社群化的重要基础，大家也不再以年龄作为界线来区分，更多是以兴趣爱好，包括行为、价值取向等来形成新的社群。

小城青年消费潜力释放

一是中等收入群体实现以三、四线城市为中心的快速扩张；二是80后、90后群体成为当下文化消费的主力。在“得粉丝者得天下”的移动互联时代，对“小城青年”的娱乐和消费行为的研究，从来不只是一个学术研究问题，而是所有消费品牌迫切需要研究的对象。

场景化消费时代全面来临

随着技术的成熟，基于对用户数据的精准分析，利用LBS技术实现独有到店推荐功能，结合用户需求，个性化推荐关联商家，催生用户在餐饮、娱乐等随机消费场景之下的交叉消费，为消费者实现所看即所买、所想即所买的随时随地的消费需求。

篇3

关键词:人工智能；计算机体系结构；硬件；软件

人工智能是让机器模拟人类思维和行为方式,从而让其在某些方面达到人类智能的水平。它的研究涉及了多门学科知识,是一个跨学科的研究领域。但是计算机硬件和软件的发展,是人工智能实现的基本保障。本文从计算机体系结构入手,介绍了计算机硬件和软件的发展过程和趋势,以及对人工智能发展起到的作用。

1计算机的体系结构

计算机体系是一个多级层次结构,通常将其分为硬件和软件两大部分。硬件部分主要有输入/输出设备、存储器和CPU。软件有系统软件和应用软件两类。现代集成技术使得计算机的体积越来越小,但是性能却越来越强。硬件作为计算机基本的组成部分,是作为物理底层为上层软件的运作提供了基本的环境支持。在计算机体系设计中的一个核心问题就是如何提高计算机硬件运行和服务的效率,使上层软件的运行更加快速和流畅。随着上层软件种类和功能的不断增加,对底层硬件的要求越来越高。硬件和软件的兼容、配合以及交互成了体系设计最大的问题。分布式体系结构提升了硬件的处理能力,但同时增加了系统结构的复杂性和操作性。如今,随着网络技术的发展,云平台区块链技术的成熟,计算机体系从传统的单机系统扩展为以网络结构为基础的多系统多体系平台。这种模式从理论上看,大大增加的了系统结构的复杂性,但对于用户体验而言,这种复杂性完全可以忽略,用户不需要对其有更多地了解,也不需要投入更多的成本。相反,用户体验到的是方便、快捷、高效的运行环境。集群计算机体系结构就是一个典型的案例。它通过以太网或InfiniBand网络作为内联方式,使用Linux操作系统和并行编程接口,采用价格比较低的服务器为运算节点,整个系统较之前系统的成本明显降低,而且公开性和操作性都比较强[1]。软件作为计算机体系结构中的上层应用,在20世纪80年代前,只是为专门的计算机而定制的小程序,功能比较简单更没有形成产业。20世纪80年代后,随着计算机硬件集成化程度提高,计算机体积变小个人电脑普及,各种功能齐全的软件也应用而生,软件开发逐渐标准化产业化。进入21世纪后,英特网普及,开源社区发展迅速,开源软件开始流行,软件开发也逐渐向网络化、智能化的方向发展。其开发策略也从原来面向过程的编程转化到了面向对象的编程,开发的软件功能更强大也更具有人性化,为人类在生活生产中解决很多实际问题。计算机体系结构的发展使得计算机能够以更低的成本,更好的互动,在网络环境下发挥更好的性能。为人工智能的发展提供了更有效的运行环境。

2计算机硬件的发展

1946年,第一代电子管计算机研制成功,它的主要特征是体积大、耗电大,运算速度慢;1959年第二代晶体管计算机诞生,与电子管相比晶体管寿命长、体积小、运算速度快;1965年第三代集成电路计算机产生,集成电路技术使计算机在性能和结构方面都有了很大的提升,其主要的代表就是IBM公司研制的360系列计算机;1971年以后,是大规模集成电路和超大规模集成电路的计算机,以英特尔公司推出的x86系列和奔腾系列微处理器为标志,它不仅大大缩小了计算机的体积,而且还提高了计算机的处理能力。在处理器的研制上,英特尔公司不断刷新着主频记录,处理器一直以摩尔定律的速度在发展,其处理能力每18个月到24个月就增加一倍。1972年的8080处理器,主频2MHz每秒处理50万条指令;1978年的8086处理器,主频8MHz每秒处理80万条指令;1982年的80286处理器,主频12MHz每秒处理270万条指令;1989年的486DX处理器,主频25MHz每秒处理2000万条指令;1993年的奔腾处理器,主频233MHz每秒处理4.35亿条指令;1997的奔腾Ⅱ处理器,主频333MHz每秒处理7.7亿条指令;2000年奔腾Ⅳ处理器,主频已经达到1.4GHz[2]。当英特尔还在一心追求处理器高主频的时候,另一家公司NVIDIA在1999年8月了一种专门做图像运算工作的微处理器GPU(GraphicProcessingUnit)。GPU采用的是一种全新的架构模式,它将几何转换与光照功能以硬件的形式集成在图形芯片中,由图形芯片直接负责几何转换和光照操作,这使得处理器性能大大提高。与CPU相比,GPU在高清视频、数码照片处理、3D渲染等方面的表现非常优越。GPU的诞生,使得对处理器的研制从追求高主频转换成追求高性能,NVIDIA与ATI两大公司为此展开了激烈的竞争。直到2008年,随着大数据云计算的兴起,以及智能手机的广泛应用,市场对高性能已不再是唯一的诉求,性能适中的轻量级GPU成为了下一个发展方向[3]。随着人工智能技术的发展,神经网络的规模越来越大,采用多处理器集成的架构模式使得算法实现的装置体积巨大。为此,2015年,谷歌推出了TPU(TensorPro-cessingUnit),它是一种专用于神经网络计算的处理器,主要用于深度学习、AI运算,其算力较GPU有很大的提高。AlphaGo是第一个战胜围棋世界冠军的人工智能机器人,最初它内部安装了1202个CPU和176个GPU用于运算处理。2015年引入TPU之后,与李世石对战的AlphaGo,只有48个TPU负责所有的计算任务。存储器是计算机硬件的另一个主要组成部分。在计算机体系中一般采用外存、缓存、内存多级存储策略。外存容量大成本低但相对读取速度慢,通常用来保存需要长久存放于计算机内的大量数据,例如系统安装的软件、用户的资料、数据库等;缓存是为了提高数据读取的命中率而引入的一种机制;内存数据读取的速度与CPU相当,可以和CPU直接进行数据的交换,是CPU处理数据的来源。但因为内存是通过大量的晶体管构成寄存器来保存数据的,所以采用的硅片面积比较大,制造成本高,在系统中容量配置相对小些。但是随着电子制造技术的提升,现在pc机硬盘的配置可以达到1TB,内存容量如果是64位操作系统一般都在4GB。计算机存储器容量的增加可以满足人工智能时代海量数据的存储。随着计算机硬件的发展,计算机输入系统也呈现多样化形式。数据来源不再是单纯的以键盘输入为主的模式。摄像机微型化之后,计算机系统普遍都安装了摄像头,通过摄像头可以实现视频的采集;而在计算机系统中安装声音采集器可以实现语音输入。传感器可以模拟人类感官让计算机可以像人类一样从自然环境中获取信息,常见的有触觉传感器、视觉传感器、力觉传感器、温湿度传感器和超声波传感器等。计算机的这些新型输入方式更接近于人类日常生活的习惯,也使计算机用起来更人性化,智能化。计算机硬件的这些特性是人工智能发展的基本保障。

3计算机软件的发展

计算机语言是计算机软件开发的主要工具,也是解决实际问题的手段。20世纪50年代,为了方便人们操控计算机的运行,机器指令顺应而生。它采用的是二进制编码,增加了计算机的可操作性,但对用户而言可读性不高,调试难度大。汇编语言是第二代计算机语言,用字母和单词(add、sub等)代替一些特定的指令,增加了程序的可读性,但它是直接面向硬件的操作指令,程序的可移植性差。之后,出现的高级语言其表现形式更接近于数学语言和自然语言,可读性强。而且不依赖于计算机硬件,能在不同的机器上运行,可移植性强。计算机语言的发展,极大地促进了计算机在各个领域的应用和普及,给人们的日常生活带来了翻天覆地的变化。随着人工智能的出现,计算机语言也逐渐向智能化、网络化的方向发展。1956年达特茅斯会议提出“人工智能”概念之后,1958年麦卡锡和明斯基的人工智能项目组,开发了LISP语言。LISP使用表结构来表达非数值的计算问题,实现技术简单是使用最广泛的人工智能语言。1972年一种基于谓词逻辑的编程语言Prolo生,它是面向逻辑面向用户的一种编程语言,主要用于描述知识的逻辑关系和抽象概念,也称为描述性语言。Prolog依照人的思维逻辑,运用数理逻辑中的谓词逻辑来描述解决的问题方法,告诉计算机“要做什么”而不是“怎么做”。Prolog编写的程序更接近于自然语言,逻辑性强易写易读易于正确性证明。1982年,由LarryWall设计的Perl语言是运行在Unix环境下的一种脚本语言。Perl对文件和字符有很强的处理能力,主要用于大型网站开发。20世纪90年代初,荷兰人Rossum设计了Python语言,其语法清晰、简洁,并且拥有大量第三方函数模块,编程简单但功能强大,很快成为了人工智能主要的编程语言[4]。在大数据背景下人工智能发展更加迅速,随之而来的是计算机需处理的海量数据,而且这些数据来源广泛,特点多样,若是利用传统的算法进行数据的分析处理,确定数据的有效性和安全性,需耗费大量的时间,也导致整个系统运行变慢,性能下降。而人工智能语言编写的软件利用模糊逻辑粗糙集理论在不影响系统性能的情况下,可以对海量数据实现快速推理和分析,挖掘数据深层次的价值,得出其背后隐藏的规律,有效地帮助人类作出合理的决策。进入21世纪后,网络高速发展,开源软件由于开放二次开发的权力,具有低成本高安全的特性受到了各国企业和政府的支持得到迅速发展。开源软件是在遵守一个开源协议的前提下,将程序的源代码公开,允许其他人学习修改和,也可转化成任何形式的实用软件的一类软件。截至2006年底,全球研发和应用开源软件的企业占到了总数的50%以上。而人工智能开源软件(OpenCV、NLTK、CNTK、TensorFlow等)在自然语言处理、计算机视觉、机器深度学习等领域中也扮演着重要的角色。

4结语

人工智能的发展涉及生物学、神经学、仿生学、电子科学、计算机科学等学科,是多学科交叉融合发展的领域。用来支持人工智能实现的计算机系统,也逐渐表现出一种软中有硬、硬中有软的混合模式。现场可编程门阵列(Field-ProgrammableGateArrays,FPGA)就是一种典型的代表。基于现场可编程门阵列的系统设计,其硬件功能的实现可以通过软件设置来完成,通过调试软件参数就可以实现硬件功能的改进。这种全新的软硬件设计理念使计算机系统具有更强的灵活性和适应性,提高了人工智能的应用效率,为人工智能构建了一个更具可扩展性的大脑。

参考文献

[1]刘细妹.计算机体系结构现状及发展趋势研究[J].计算机产品与流通,2019(3):98.

[2]付华.浅析计算机硬件发展史[J].电脑知识与技术,2016(13):249-250.

[3]Janlen.光影之路GPU架构发展史[J].微型计算机,2011(33):99-117.