爱打情怀牌的阿里巴巴发了2022年财报。

业绩马马虎虎，2022财年营收扩大19％，但净利下滑20％多，尤其第四季度，业绩不好看。

借着市场一大群马云粉丝解读阿里业务之际，知情郎来聊聊阿里巴巴的专利故事。

哈！马爸爸说话从来杀人诛心，在坊间人气很高。

当年那句“银行不改变，我们就改变银行”，要革银行命的霸气言论仍余音缭绕。

事实上，单单只看业务运营模式，一般的银行业务确实可以被IT企业替代，效率还更高。

当过老师上过三尺讲台的人，说话味道就是不一样。

非常有蛊惑力和感染力。

一句话形容，人家就是“活得认真，笑的放肆”的那类人。

估计马云当年的口头禅是，大丈夫应提三尺青锋建不世伟业，泯灭于众，无颜面见江东父老啊。

马云年轻时特爱手舞足蹈唱上一段戏剧！

插句话，中国互联网企业这20年最大的作用就是作为一条鲶鱼，搅动了整个传统市场。

把原来一潭死水、各个利益抱团壁上观的江湖玩出了新意、新高度。

这也是市场的真谛，越斗越强，不斗自然成坐井观天的瘟鸡，完全不懂竞争有多白热化。

联发科含金量不低的那么一颗手机芯片，在大规模量产下深圳华强北才卖几十块钱。

是骡子是马要拉出来溜溜。

01中概股史上最大回购

一份财报让阿里巴巴当天美股了涨14．68％。

对那些真金白银买阿里股票的投资人，这次大涨如久逢甘露，算打了一剂强心针。

之前阿里搞了次中概股历史上最大的回购计划，将回购总额提高至250亿美元，这才勉强止住跌跌不休的股价。

公司掏钱稳市场预期，也是真没办法了。

朋友不炒股，对股市波动无动于衷。

但对阿里投资人而言，这一年阿里股票账面收入的波动可谓煎熬。

明明是一只绩优龙头股，股价却从220美元跌到70美元，被摁在地上反复蹂躏。

阿里股价一路跌，不回购不行啊！

当时二级市场炒美股的投资人已在社区狂喷口水了。

大家抱怨：阿里不是外资背景浓厚，深得老外看重，怎么美国资本连阿里系都抱着宁杀勿放过的态度了。

这次财报数据也算马马虎虎过得去，股价好歹也涨了点，憋屈许久的马爸爸应该开心了些～

02阿里的2022财报说了啥？

5月26日晚间，阿里巴巴集团公布2022财年第四季度（注：2022年Q1）及全年业绩，中国市场消费者首次突破10亿、海外市场消费者达3．05亿，年度净增1．77亿。

财报显示，2022财年全年，阿里总收入为8530．62亿元（人民币，下同），同比增长19％；

财年内经营利润为人民币696．38亿元，同比下降22％；

主要由于对商业补贴及淘菜菜和淘特的投入增加等。

有一说一，利润下滑那么多，阿里也难赚钱啊！

插一句啊，知情郎快被淘特漫天遍野的广告弄烦了！这广告投放频次撒的都是钱

！

数字商业板块、海外商业板块之外，本地生活服务、云业务营收增速亮眼，以2022年Q1来看，该季度本地生活服务板块收入同比增长29％；

云业务同比增长12％，财年内阿里云EBITA利润13年来首次实现盈利，营收规模8年时间增长了57倍。

阿里集团首席财务官徐宏在电话会上披露，过去一年，阿里巴巴技术投入超过1200亿元人民币。

阿里表示，将在科技、创新密集领域继续坚定投入。

目前，阿里巴巴在全球设立了七个研究中心，布局超过16个底层技术领域，向全社会开源技术项目超3000个，累计在战略性新兴产业获全球发明专利授权超1万件。

近三年，阿里巴巴专利投入中超60％集中于云计算、人工智能、芯片等硬核科技领域。

03阿里也要裁员？

大家比较关心的是阿里裁员问题，如今整个互联网公司的口号是成本优化，控制非核心业务投入。

说的直白点，就是裁员砍掉那些非核心业务的投入。

这些年流量至上的观念过于沸腾，这些平台企业看到盘子大的线下业务就想渗透线上化，然后自己主导流量支配行业重新分蛋糕。

最典型的项目是社区团购，当年滴滴疯狂砸钱橙心优选，一日烧三千万一月烧10亿的壮举，震惊了行业圈。

结果你也知道，资本游戏玩资本补贴，没了资本就是狗吃屎。

从公允价值变动看，橙心优选给滴滴带来了212．6亿元损失。

阿里高管在财报披露后也明确表示，对长期价值不明显的业务关停并转，二是在业务的经营中开展降本增效措施，提高毛利率要求。专注优化运营成本结构。

所以，利润下滑，规模收缩的业务板块，肯定要来一波裁员了。

04阿里达摩院如何了？

之前，据媒体报道，阿里旗下达摩院计划裁员，预计将有三分之一的员工被裁。

众所周知，阿里达摩院是阿里的一块学术招牌，从诞生之处就打着高科技科学家的旗子。

达摩院其实就是阿里全球研究院，只是因为马云太喜欢金庸小说，所以取了一个很特别的名字，从名字就可以看到，马云想让阿里集聚天下最顶尖的技术。

直白说，这就是花重金买人才，伯乐识千里马的戏路。

不过，这种相对学术性的组织，缺乏实际接地气的商业落地产品。

达摩院成立5年多来，不停地传出拿下世界第一的消息，感觉在技术上不断取得新突破。特别是前两年，发布了首款AI芯片含光800，号称算力相当于10个传统芯片。

结果至今没听到外部有公司在使用，在芯片短缺时，也没见它的身影。

且阿里达摩院一直不安稳，重金挖来不少世界顶级大牛，但却留不住人。

今年年初，阿里副总裁、达摩院自动驾驶负责人王刚离职，然后另一位副总贾扬清在疫情期间逃回美国。

最近，阿里副总裁、达摩院副院长金榕也离职了。

金榕担任达摩院智能研究领域负责人，达摩院创始人之一，长期致力于统计机器学习，重点关注大数据分析及其在信息检索、电子商务等领域中的应用。

据阿里发布的2021年Q4财报，创新业务及其他：包括如天猫精灵及达摩院等业务，其营收占比仅为1％。

有一说一，业务没起色常年贴钱，靠公司包养总不是一回事儿，等老板耐心用完了，裁员是必然了。

05阿里新专利在研究啥？

阿里巴巴的子公司太多，很难准确统计公司专利量。

所以简单点，以4家核心公司看阿里的专利布局。

阿里巴巴（中国）有限公司、阿里巴巴集团控股有限公司 、阿里巴巴达摩院、阿里云计算有限公司。

在德高行全球专利数据库中，专利量如下表：

这4家公司合计近50000万件专利，且以发明专利为主。

大部分专利围绕互联网数据处理、存储、资源调用、搜索引擎、页面浏览、网购付费、商品信息、内容推荐、图像采集、文件管理等领域。

这样好理解，阿里以电商起家，核心业务盘子就是电子商务线上交易外加线下菜鸟物流，专利布局自然不会偏离这个主营方向。

正经想做电商的，都得看看人家行业鼻祖、开山大师的专利。

选个阿里达摩院和阿里集团的最新公开专利，看看人家工程师的技术实力。

06语音信号处理

背景技术与解决的现实问题

在人机语音交互场景中，用户一般需要通过特定的关键词唤醒设备，来开启新的一轮对话交互。

因此，关键词检测模块需要在此过程中持续运行，这就要求关键词检测模块在保证性能的前提下，其计算复杂度能够尽可能的低，以获得良好的检测性能。

因此，研发高效而轻量的关键词检测模型结构一直是业界关注的方向。

相关方案中，存在大量关于关键词检测模型的研究，例如，基于深度神经网络（Deep Neural Networks，DNN）结构的关键词检测模型、基于卷积神经网络（ConvolutionalNeural Networks，CNN）结构的关键词检测模型以及基于变换器（Transformer）结构的关键词检测模型。

然而，现有的关键词检测模型中包括大量的模型参数，在进行关键词检测时的计算量较大，导致模型的检测性能低下。

针对上述的问题，目前尚未提出有效的解决方案。

本发明实施例提供了一种处理语音信号的方法、装置、存储介质及系统，以至少解决相关技术中进行关键词检测时的计算复杂度高、检测效率低下的技术问题。

在本发明实施例中，通过获取待处理的语音信号，进而将语音信号转换为时频谱信号，随后对时频谱信号进行卷积混合处理，得到关键词检测结果，最后基于关键词检测结果对应的控制指令，执行目标控制操作。

工程师在如何处理语音信号中，选了几个实操案例。

操作一、将语音信号转换为时频谱信号包括：对语音信号进行傅里叶变换，得到时频谱信号。

具体的，对语音信号进行短时傅里叶变换（Short－Time Fourier Transform，STFT）得到二维时频谱信号，其中，T、F分别对应时域维度和频域维度。

操作二、对时频谱信号进行卷积混合处理，得到关键词检测结果包括：

采用卷积混合关键词检测模型对时频谱信号进行卷积混合处理，得到关键词检测结果，其中，卷积混合关键词检测模型包括：预处理部分、卷积混合部分和后处理部分，预处理部分包括：多个预处理模块，卷积混合部分包括：多个卷积混合模块，后处理部分包括：多个后处理模块。

具体的，提供了一种卷积混合关键词检测（ConvMixer）模型，用以对二维时频谱信号进行卷积混合处理，得到关键词检测结果。

07媒体内容投放方法

解决的实际技术问题

随着社会发展，各企业越来越重视品牌形象和品牌安全。因此，媒体内容主也越来越重视媒体内容的投放环境，随意的投放媒体内容可能会造成适得其反的效果。

例如，如果在一篇关于历史空难的介绍内容中，插入投放一条某航空公司的媒体内容，这实际上对于该航空公司而言毫无正面的宣传效果，甚至会造成负面影响。

基于此，本申请实施例提供一种媒体内容投方案，以实现更安全的媒体内容投放，维护品牌安全。

下面结合本发明实施例附图进一步说明本发明实施例具体实现。如图1所示，图1为本申请实施例所提供的一种媒体内容投放方法的流程示意图，应用于客户端中，所述方法包括：

1、获取待展示的信息和待投放的媒体内容。

客户端可以在启动之后即开始拉取待展示的信息。以常见的媒体应用为例，客户端在启动之后即可以向内容服务端直接拉取信息。

需要说明的是，在本申请对于待展示的信息而言，在正常情况下，总是会被展示给用户。即待投放的媒体内容总是依附于待展示的信息，不会在没有展示信息的情形下单独的投放媒体内容。

2、确定所述信息的信息特征，根据所述信息特征判断所述信息是否匹配所述待投放的媒体内容。

信息中的内容中可以包含已经被预先给定了的标签，这些标签即可以作为信息的信息特征。例如，对于一个视频，其可能在服务端就已经被给定了诸如“车祸集锦”、“新手上路”等等标签，此时，即可以直接将这些已经被给定的标签作为信息的信息特征。

需要说明的是，在实际应用中，由于一个信息中实际上可能包含多个不同的内容，从而一份待展示的信息也就可能包含多个互不相关的信息特征。

例如，一份待展示的信息中包含了2个视频内容，视频1的标签可能是“美食”和“蔬菜”，视频2的标签可能是“国际关系”和“战争”，在这种情形下，一份待展示的信息的信息特征可以是各视频内容的标签的合集，即同时以“美食”、“蔬菜”、“国际关系”和“战争”作为该信息的信息特征。

3、若不匹配，在展示所述信息时不投放所述待投放的媒体内容。

需要说明的是，本申请中待投放的媒体内容仅仅是在这一次展示该已经被确定的待展示的信息时不投放该待投放的媒体内容。

如果待展示的信息被刷新，那么就需要重新判断一份待投放的媒体内容是否适合进行投放。

为使本申请的方案更为浅显，以下以广告为例，给出一个具体场景下的实施例对本申请的方案加以说明。

例如，当媒体内容为广告时，服务端基于其它历史信息（包括历史投放数据、信息流内容、广告行业和内容行业的匹配设置、内容黑名单关键词等信息进行广告安全评估模型训练等）已经训练好了一个广告安全评估模型，并定期进行维护。客户端从服务端中定期拉取广告安全评估模型并保存于本地。

同时，客户端从信息服务端拉取得到信息流，并从待投放的广告池中获取出一个待投放的广告（可以是随机选取的，也可以是基于一定的竞价机制而选取的），获取的方式可以是临时从广告服务端中拉取得到，也可以是将广告预先已经保存于本地存储空间中来随时获取。

从而，可以基于广告安全评估模型来确定信息流的信息特征，并对待投放的广告进行评估，如果认为安全（即信息流与广告匹配），即在客户端所提供的展示界面中的广告位中投放该广告，如果认为不匹配（即信息对于广告存在安全风险），就不展示该广告，并从广告池中选取得到匹配的另一广告，并将另一广告投放在广告位。从而保障了广告主的品牌安全，并且避免了广告机会的浪费。

【转载请注明德高行 ·知情郎】