商业智能又名商务智能，英文为Business Intelligence，简写为BI。又称商业智慧或商务智能，指用现代数据仓库技术、线上分析处理技术、数据挖掘和数据展现技术进行数据分析以实现商业价值。提到“商业智能”这个词，网上普遍认为是Gartner机构在1996年第一次提出来的，但事实上IBM的研究员Hans Peter Luhn早在1958年就用到了这一概念。他将“智能”定义为“对事物相互关系的一种理解能力，并依靠这种能力去指导决策，以达到预期的目标。”在1989年，Howard Dresner将商业智能描述为“使用基于事实的决策支持系统，来改善业务决策的一套理论与方法。”商业智能通常被理解为将企业中现有的数据转化为知识，帮助企业做出明智的业务经营决策的工具。这里所谈的数据包括来自企业业务系统的订单、库存、交易账目、客户和供应商等来自企业所处行业和竞争对手的数据以及来自企业所处的其他外部环境中的各种数据。而商业智能能够辅助的业务经营决策，既可以是操作层的，也可以是战术层和战略层的决策。为了将数据转化为知识，需要利用数据仓库、联机分析处理（OLAP）工具和数据挖掘等技术。因此，从技术层面上讲，商业智能不是什么新技术，它只是数据仓库、OLAP和数据挖掘等技术的综合运用。可以认为，商业智能是对商业信息的搜集、管理和分析过程，目的是使企业的各级决策者获得知识或洞察力（insight），促使他们做出对企业更有利的决策。商业智能一般由数据仓库、联机分析处理、数据挖掘、数据备份和恢复等部分组成。商业智能的实现涉及到软件、硬件、咨询服务及应用，其基本体系结构包括数据仓库、联机分析处理和数据挖掘三个部分。因此，把商业智能看成是一种解决方案应该比较恰当。商业智能的关键是从许多来自不同的企业运作系统的数据中提取出有用的数据并进行清理，以保证数据的正确性，然后经过抽取（Extraction）、转换（Transformation）和装载（Load），即ETL过程，合并到一个企业级的数据仓库里，从而得到企业数据的一个全局视图，在此基础上利用合适的查询和分析工具、数据挖掘工具（大数据魔镜）、OLAP工具等对其进行分析和处理（这时信息变为辅助决策的知识），最后将知识呈现给管理者，为管理者的决策过程提供支持。提供商业智能解决方案的著名IT厂商包括微软、IBM、Oracle、SAP、Informatica、Microstrategy、SAS、Royalsoft等。

2019年，比特币迎来了十周岁的生日。回顾2018年，比特币从17157美元/枚跌至最低3733美元/枚，跌幅逼近80%，遭遇史上最大崩盘。整个2019年可以说是比特币在暴跌后慢慢“回血”的一年，一度逼近1万美元的水平。2020年3月，由于新冠疫情席卷全球引发金融市场巨震，3月12日傍晚，比特币暴跌近50%，从近1万美元直接最低跌至3800美元，当时甚至有说法认为比特币可能会归零。

在随后的两个月，比特币反弹至约6000美元。在这之后，比特币就像发了疯似的持续攀升。第一财经记者梳理本轮比特币牛市的重要时间节点后也发现，两个时间节点值得关注——首先是2020年10月中旬，比特币站稳1万美元关口；二是2020年12月中旬，比特币突破2万美元大关，刷新历史新高。

在比特币从2020年10月初突破1万美元时，可以观察到市场有机构开始入场的迹象。例如，同年10月8日，移动支付巨头Square突然宣布向比特币投资5000万美元；10月13日，管理着超过100亿美元资产的资管公司石脊控股集团（Stone Ridge Holdings）透露，该公司购买了1万多枚比特币，价值约1.14亿美元；10月22日，全球最大的跨境支付平台PayPal宣布将允许用户在平台上购买、销售和持有加密货币；10月27日，新加坡最大的商业银行星展银行宣布将提供加密数字货币交易。

在第二阶段，即当比特币价格突破2万美元大关后，大量个人投资者开始涌入加密货币市场，一度造成部分加密货币交易所出现卡顿或宕机现象，市场亢奋情绪被进一步放大，不少人贷款、加高杠杆炒币。两个因素共同作用，推动比特币价格迅速上涨。这也是为什么比特币价格从一万美元涨到两万美元花了两个月，而从两万美元涨至三万美元仅仅花费了半个月。

在这一过程中，全球最大的数字资产管理公司灰度投资决定着比特币的短期价格走势。截至目前，灰度基金的比特币持仓高达 65.37万个，持仓市值达336.14亿美元。

2021年年初，比特币因为风险情绪下挫而略显萎靡，但近期特斯拉创始人马斯克、美国“牛市女皇”Cathie Wood又频繁唱多比特币等加密资产，这加速了比特币的涨势。今年2月6日，比特币重新站上4万美元关口，为1月14日来首次，而流入比特币灰度信托基金的资金持续增加。马斯克此前在推特上持续发文称，“比特币挺好的”，“我是比特币的支持者”，“我觉得，那些传统的金融人士，很快就可能接受比特币”。

也就在春节前，投资公司 Accelerate Financial旗下的比特币ETF在加拿大获得批准。这也是北美首个正式获批的比特币ETF，申请文件于2月11日获得批准，这也进一步提升了比特币投资的便利性，助推币价攀升。

即使突破了5万美元，国际市场对加密资产的看涨情绪仍然高涨。

ETF的逐步推广将是重要的推动力。欧科云链研究院首席研究员李炼炫对第一财经记者表示，美国证监会（SEC）此前多次拒绝了比特币ETF的申请，主要顾虑是其无法“防止欺诈和操纵行为”以及“保护投资者和公众利益”。具体而言，为防市场欺诈，ETF发起人和监管机构可通过与加密货币交易所达成欺诈监控协议，以便能够适当监控并阻止价格操纵行为，但这要求此类交易所的交易量足够大。但在过去几年里，大多数的比特币交易所都不受SEC监管，而受美国政府监管的交易所（如Coinbase、Gemini、Kraken）的交易量并不足够大，包括芝加哥商品交易所（CME）的比特币期权也仅是在2017年末上线。

但到2021年的今天，市场情况发生了一些变化。李炼炫称，CME的比特币期货合约市场规模已经足够大，例如根据SKww的最新数据，合约持仓量已经达到22亿美元，位居比特币衍生品市场首位；美国的加密货币交易所的业务体量也在增长，目前均在准备上市。相较于几年前，比特币市场更为成熟。

相比起来，灰度基金的比特币信托（GBTC）产品，可以说是一款“阉割版”的比特币ETF。GBTC与传统的ETF基金主要有两处不同：首先，GBTC没有赎回机制。自2014年10月28日起，灰度比特币信托暂停了其赎回机制。尽管目前灰度基金的GBTC已通过了监管批准，但依然没有向SEC提交赎回计划；其次，GBTC要求申购后进行锁仓。在传统的ETF基金交易中，一二级市场间可以实现T+0交易。然而，目前GBTC的一级市场认购份额在6个月后才可在二级市场上出售。无论是从含金量，还是从申购或套利的便捷程度上看，比特币ETF都更好一些。

此外，“牛市女皇”的ARK研究团队在1月的趋势报告中提及，比特币等将在未来有更大的发展。她称，截至2020年11月，大约60%的比特币超过一年没有易手，这证明了市场对它的长期关注程度，以及持有者强大的信念。同时，ARK团队认为，比特币可以作为企业现金发挥关键作用，例如Square和Microstrategy这两家公司都有投资比特币，它们示范了上市公司可以配置比特币，以作为现金的合法替代品。

根据ARK的研究，如果标普500中的所有成份股公司都将1%的资产配置比特币，那么，比特币的价格将增加40000美元左右。比特币的高速上涨使得其在机构的资产配置中有了一席之地。ARK估计，4年内，比特币的日交易量将会超过美国股市，6年内，将会超过全球外汇现货市场。

“商业智能”这个词，多数人普遍认为是Gartner机构在1996年第一次提出来的，但事实上IBM的研究员Hans Peter Luhn早在1958年就用到了这一概念。

本文由齿轮易创原创，未经许可禁止一切形式的修改、转载。转载请私信联系齿轮易创。

1865年，理查德·米勒·德文斯（Richard Millar Devens）在《商业趣闻百科全书》（Cyclopædiaof Commercial and Business Anecdotes）中提出了“商业智能”（BI）一词。他用这个词来描述银行家亨利·福尼斯（HenryFurnese）通过收集信息并根据这些信息，先于竞争对手采取行动，从而获利。

1958年，IBM计算机科学家汉斯·彼得·卢恩（Hans PeterLuhn）撰文讨论了利用技术来收集商业智能的潜力。按照今天的理解，商业智能就是利用技术来收集和分析数据，将之转换成有用的信息，并根据这些信息，“先于竞争对手”采取行动。从本质上说，现代版的商业智能利用技术，在正确的时间，依据正确的信息，迅速且有效地作出决策。

1968年时，只有那些具备专业技能的人，才能把数据转换成可用的信息。那时，来自多个来源的数据通常储存在筒仓中，研究报告呈碎片化，彼此脱节，可以作出多种不同的解读。埃德加·科德（Edgar Codd）认识到，这是个严重的问题。

1970年，他发表文章，改变了人们思考数据库的方式。他关于建立“关联式数据库模型”的提议获得了巨大关注，被全世界所采纳。决策支持系统（DSS）是第一个数据库管理系统，现代版的商业智能是从DSS数据库演化而来。

上世纪80年代，商业人士发现了商业智能的价值，于是BI供应商的数量大增。那期间，各种各样的工具纷纷面世，目标是以更简单的方式访问和组织数据。联机分析处理（OLAP）、主管信息系统（EIS）和数据仓库应运而生，与DSS协同工作。

什么是商业智能？

BI（BusinessIntelligence）即商务智能，它是一套完整的解决方案，用来将企业中现有的数据进行有效的整合，快速准确的提供报表并提出决策依据，帮助企业做出明智的业务经营决策。

用一句话就是”使用基于事实的决策支持系统，来改善业务决策的一套理论与方法。”

商业智能通常被理解为将企业中现有的数据转化为知识，帮助企业做出明智的业务经营决策的工具。这里所谈的数据包括来自企业业务系统的订单、库存、交易账目、客户和供应商等来自企业所处行业和竞争对手的数据以及来自企业所处的其他外部环境中的各种数据。而商业智能能够辅助的业务经营决策，既可以是操作层的，也可以是战术层和战略层的决策。为了将数据转化为知识，需要利用数据仓库、联机分析处理（OLAP）工具和数据挖掘等技术。

因此，从技术层面上讲，商业智能不是什么新技术，它只是数据仓库、OLAP和数据挖掘等技术的综合运用。可以认为，商业智能是对商业信息的搜集、管理和分析过程，目的是使企业的各级决策者获得知识或洞察力（insight），促使他们做出对企业更有利的决策。

商业智能一般由数据仓库、联机分析处理、数据挖掘、数据备份和恢复等部分组成。商业智能的实现涉及到软件、硬件、咨询服务及应用，其基本体系结构包括数据仓库、联机分析处理和数据挖掘三个部分。

因此，把商业智能看成是一种解决方案应该比较恰当。

商业智能的关键是从许多来自不同的企业运作系统的数据中提取出有用的数据并进行清理，以保证数据的正确性，然后经过抽取（Extraction）、转换（Transformation）和装载（Load），即ETL过程，合并到一个企业级的数据仓库里，从而得到企业数据的一个全局视图，在此基础上利用合适的查询和分析工具、数据挖掘工具（大数据魔镜）、OLAP工具等对其进行分析和处理（这时信息变为辅助决策的知识），最后将知识呈现给管理者，为管理者的决策过程提供支持。

提供商业智能解决方案的著名IT厂商包括微软、IBM、Oracle、SAP、Informatica、Microstrategy、SAS、Royalsoft等。

理解、推理、学习

本文由齿轮易创原创，未经许可禁止一切形式的修改、转载。转载请私信联系齿轮易创。商业智能的三个特征利用互联网和算法的优势，低成本实时服务海量用户；满足每一个用户的个性需求；快速迭代，自我更新，自我提升。

智能商业双螺旋——网络协同和数据智能。两者是阴阳和合的，网络协同推动数据智能的发展，数据智能驱动网络协同的扩张。

网络协同，就是大规模、多角色的实时互动来解决一个特定的问题。

两个例子，第一个是维基百科，人类历史上第一次出现了一个没有中央政府协调的、大规模的、自发协同完成的在线知识库。第二个是淘宝，今天的淘宝卖家已经可以在线，同时和几百个服务商合作，只需要一个API的链接，就能调动相关数据和相关服务。

网络协同是企业迈向智能商业最重要的第一步。

数据智能，本质是机器取代人直接做决策。需要几个重要前提：云计算，大数据、算法、迭代。

以Google搜索为例，它有三个核心的组成部分，一个是算法，是机器学习的引擎；一个是数据，非常重要的一点是它要循环，形成一个反馈；一个是用户，两个极简的产品界面——搜索框和结果页，只需三个步骤——输入关键词，出结果页，点击——就能完成一次搜索。

一个非常重要的推论：未来任何一个企业，都是服务企业，因为客户真正要的是服务，不是产品。大体量的公司能够继续保持多年的高速增长，背后的原因是智能商业的黑洞效应。

黑洞意味着它有巨大的能量场，它的四个构成：

网络协同具备网络效应，具有指数级增长的天然优势;数据智能有学习效应，机器的算法不断通过对数据的处理，提高自己的智能水平;网络天然会产生数据压强，推动数据智能的发展；数据智能具有网络张力，数据和信息的使用过程，就是一个价值创造的过程。商业智能、云计算、大数据之间的区别？

大数据VS云计算

云计算就是硬件资源的虚拟化；大数据就是海量数据的高效处理。

云计算作为计算资源的底层，支撑着上层的大数据处理，而大数据的发展趋势是，实时交互式的查询效率和分析能力。

大数据的本质就是利用计算机集群来处理大批量的数据，大数据的技术关注点在于如何将数据分发给不同的计算机进行存储和处理。云计算的本质就是将计算能力作为一种较小颗粒度的服务提供给用户，按需使用和付费，体现了：

经济性，不需要购买整个服务器快捷性，即刻使用，不需要长时间的购买和安装部署弹性，随着业务增长可以购买更多的计算资源，可以需要时购买几十台服务器的1个小时时间，运算完成就释放自动化，不需要通过人来完成资源的分配和部署，通过API可以自动创建云主机等服务。

云计算的技术关注点在于如何在一套软硬件环境中，为不同的用户提供服务，使得不同的用户彼此不可见，并进行资源隔离，保障每个用户的服务质量。在大数据和云计算的关系上，两者都关注对资源的调度。

大数据处理可以基于云计算平台（如IaaS，容器）。大数据处理也可以作为一种云计算的服务，如AWS的EMR（Amazon Elastic MapReduce ）阿里云的ODPS（Open Data ProcessingService）。

商业智能VS大数据

目前，商业智能和数据分析常常被混用。这两个术语都描述了在商业决策过程中使用数据的普遍实践。

商业智能代表了为决策者提供辅助的一系列技术，而数据分析则代表了处理数据的一系列工具，并且作为一个统称，涵盖了数据仓库、企业信息管理、商业智能、企业绩效管理和企业治理。

本文由齿轮易创原创，未经许可禁止一切形式的修改、转载。转载请私信联系齿轮易创。

大数据与商业智能的对比可以通过下面的表格来归纳总结：

从概念的角度区分

BI（Business Intelligence）即商务智能，它是一套完整的解决方案，用来将企业中现有的数据进行有效的整合，快速准确地提供报表并提出决策依据，帮助企业做出明智的业务经营决策。商业智能BI在数据架构中处于前端分析的位置，其核心作用是对获取数据的多维度分析、数据的切片、数据的上钻和下钻、cube等。通过ETL数据抽取、转化形成一个完整的数据仓库、然后对数据仓库的数据进行抽取，而后是商业智能的前端分析和展示。大数据（big data）是一种信息资产，它是无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力。简单而言，大数据更偏重于发现、预测并印证的过程。

从数据来源的角度区分

大数据的数据来源包括内部数据和外部数据，有很大一部分数据是包括音频、视频、图像在内的非结构化数据，或是半结构化数据。这类数据通过大数据管理的方式进行整合，然后用BI的方法进行分析挖掘处理。而BI的数据很多是来自数据库的结构化数据分析。在企业内部实施BI应用就是为了可以更好的对数据进行分享和使用。

从技术的角度区分

从技术方面来看，传统BI的ETL、数据仓库、OLAP、可视化报表技术，都处于淘汰的边缘，因为解决不了海量数据（包括结构化与非结构化）的处理问题，BI的很多功能都可以被对应的大数据组件所替代。大多数企业即使没有大数据业务的驱动，大数据技术的优势依然不容小觑。

从应用的角度区分

BI涉及的应用科学包括：终端用户查询和报告工具、数据挖掘软件、数据仓库产品。主流的传统商业智能工具包括BO、COGNOS。一些新型的BI工具如Tableau、Qlikview、帆软FineBI在目前市场也被广泛应用。而大数据的应用几乎涉及到社会生活的方方面面，如医疗行业、金融行业、体育行业、安全执法、城市改善等等。当然，大数据所涵盖的领域不止这些，未来还会有许多新的行业和领域利用大数据的应用进行规划和发展。

从决策者的角度区分

BI更倾向于决策，对事实描述更多是基于群体共性，帮助决策者掌握宏观统计趋势，适合经营运营指标支撑类问题；大数据则内涵更广，倾向于刻画个体，更多的在于个性化的决策。

从人员技能角度区分

大数据的数据处理，涉及很多新的技术，不同的应用场景需要不同的大数据处理方法，需要有人专门进行研究和探索，可见大数据对于BI人员的技能要求有所提高。

从发展趋势的角度区分

随着企业CRM、ERP、SCM等应用系统的引入，企业不仅仅关注事务处理过程，而更加注重有效利用企业的数据为准确和快速的决策提供支持。由此带动的对商业智能的需求将是巨大的。BI的发展趋势可以归纳为以下几点：从单独的商业智能向嵌入式商业智能发展，从传统功能向增强型功能转变，从传统型BI向敏捷型BI转变。

商业智能的未来趋势的猜测

在线化，就是IOT（物联网），将极大的扩张智能商业的边界，我们最终会实现万物互联。

全新的交互方式发展，IOT将会出现里程碑式的产品。以语音为代表的家庭智能中心，以视觉为代表的应用级AR设备以及以感知为代表的无人驾驶。IOT的集大成的产品，很可能就是无人驾驶汽车。

智能化，AI（人工智能）技术将极大增强黑洞效应。

首先，算法会成为基础设施。对于大部分企业来说，不需要算法工程师，只需要人工智能训练师。其次，深度学习，包括增强学习会在每一个行业越来越多的被运用。

网络化，协同网络将急剧扩张。

网络协同扩张与重构，广告、零售、物流、到创意、营销的全链路重构。几乎在每一个行业都会经历一个从传统的封闭的线性供应链，走向开放的价值协同网，这中间有巨大的商机。

并且我们能看到的两个重要趋势：

第一，新星涌现，现有生态继续大爆炸，多元物种蓬勃生长。教育、健康、交通，本身都是几十万亿的大产业，在转向智能商业的过程中，会出现平台级、生态级的领先企业。第二、颠覆式技术形成新黑洞，区块链、AI、AR/VR（增强现实和虚拟现实）。我们如此强调智能商业，一个重要原因就是源头技术还在不断的进步。

要想在智能商业时代取得成功，战略的基本思路都要被改写。

除了传统的定位之外，新战略中间一个最重要的概念，我把它叫做点线面体。就是未来的竞争中，一个企业战略决策的第一核心，是要考虑在一个怎样的网络去竞争，是作为一个面，作为一个网络平台，去引领一个生态的发展，还是在一个特定的网络里面，去做一个点或者去做一条线。企业升级的指南：

能不能尽可能的网络化；能不能尽可能地引入机器学习；能不能够在网络扩张的过程中间，尽可能的用机器决策取代人工决策；能不能够让我的数据跟更多的不同类型的数据产生交换。

结论：数据是这个时代最重要的生产要素，未来的智能时代，是人脑与机器智能的连接。

走遍世界的旅行家有很多 但这个人我认为是走的最多的一位，凡是你能想到的国家他都去过（若对你有帮助请推荐一下谢谢）

Dane Henrik Jeppesen已经访问了世界上的每个国家 - 只有29岁。

Henrik的世界越境旅程始于2006年。在接下来的10年里，他完成了3000天的旅行，这次旅行吸引了所有193个美国认可的国家。他去年四月在厄立特里亚结束，就在他28岁生日之前。

Henrik在接受Telegraph Travel采访时说，他相信他希望看到这个世界的愿望来自于“丹麦的一个偏远地区，那里没什么可做的。”他的冒险欲望首先是通过观看外国电影引发的。他决定“不仅仅是通过屏幕查看国家，而是亲身体验它们会更有趣。”

Jeppesen拥有超过100,000名社交媒体粉丝，这使他能够获得航空公司和世界上一些最豪华酒店的赞助。然而，他坚持认为，开展像他这样的冒险并不需要经济上的支持，并且说他开始时只有很少的钱。

他告诉Telegraph Travel他非常谨慎地预算，并且他的大部分旅程每天花费不到五美元。他通过沙发冲浪平台与当地人住在一起，在超市购买廉价食品而不是外出就餐，尽可能使用公共交通工具或搭便车，从而节省了资金。“访问世界上每个国家比人们想象的要便宜得多 - 但你必须愿意像预算一样在当地生活，而不是像游客一样，”他说。

他史诗般的10年旅程将他带到了一些地方，并让他接触到了他从未想象过的人，包括当时的利比亚总理哈利法·加维（Khalifa Al-Ghawi），他在的黎波里与外国媒体官员会面，他的签证和航空旅行。

下面这些则是我认为对人类贡献最大的旅行家

＃1 马可波罗

马可波罗

可能是有史以来最着名的旅行者。作为一个富有的商人和交易员的儿子，他受过良好的教育，讲四种语言。他，他的父亲和叔叔在十二世纪七十年代初期出发前往亚洲。他们一路旅行到波斯，阿富汗和蒙古，一直到今天的北京。他率团访问了印度，缅甸和中国其他地区。他回到了威尼斯，在被捕时，他遇到了一位作家，然后在纸上记录了他的故事和旅程，成为马可波罗的旅行。他的旅行和着作帮助远东开辟了欧洲，并据说激发了克里斯托弗·哥伦布和许多其他探险家的灵感。回到家后，他被抓获并被监禁。在监狱里，他与一位囚犯分享了他的经历和故事。这本书被称为“马可波罗的旅行”

＃2 玄奘

玄奘

玄人是中国僧人，学者和着名翻译家，在南亚历史上是着名的旅行者，他们将伟大的印度和中国文化相互接触。他因为17年的印度陆路旅行而闻名，他经常遭到强盗的伏击，几乎死于干渴，并在雪崩中幸存下来。他在撰写了“西域大唐记录”之后成名，这是一篇关于他旅行的非常详细的报道。这是一份非凡的报告，包含对距离，景观，贸易路线和多种文化的非常精确的描述。

＃3克里斯托弗哥伦布

克里斯托弗·哥伦布

历史上最具争议的探险家。克里斯托弗·哥伦布因其作为美国的发现者而闻名，他是热那亚的意大利探险家，航海家和殖民者。哥伦布在美国进行了四次突破性的航行，第一次旅程是在1492年前往巴哈马群岛。他是一个不知道他降落的地方的人，所以假设他在印度，奴役了一大群人，他承认后来生活中有悔恨的感觉，并且给整个半球带来了许多可怕的疾病，他从中获得了梅毒。作为回报，土着人民。雄心勃勃，坚定不移，这位探险家的四次航行证明了他的意志和精神，激发了各地的旅行者。

＃4伊本巴图塔

伊本巴图塔

这位旅行者提供了当时世界穆斯林世界的见解。毫无疑问，这是人类历史上最伟大的旅行者，他们通过当地包括44个国家的地区旅行了12万多公里。他是一名摩洛哥穆斯林，在他的一生中，他几乎访问了整个伊斯兰世界以及许多其他地区。他对所访问地点的综合描述引导了历史学家以及未来的旅行者。他的旅行着作为14世纪的中世纪马里帝国提供了一个罕见的视角，其中没有多少记录存活下来。

＃5詹姆斯库克

詹姆斯库克

库克是一位英国探险家，他在太平洋上进行了开创性的航行。绝对是历史上最伟大的探险家之一。库克船长发现地球表面比其他任何人都多。他两次环游世界，访问了七大洲，越过了北极和南极圈。他是第一个环游新西兰和夏威夷地图的人，他发现了澳大利亚并将其称为英国。在访问了七大洲之后，他在夏威夷被当地人杀死，两次在世界各地航行并穿过北极圈和南极圈。无论如何，他的“比任何人都走得更远”的哲学应该鼓舞着我们所有人。

随着毛豆3刹车失灵事件的不断升级白热化，上个月刚结束没几天，网络上就已经公布了特斯拉中国区上个月的销量呈断崖式下跌的事件，这件事不仅使得这位亿万富翁在中国市场的形象一损再损，另一边在特斯拉的老家美国本土，马斯克最近也摊上了大事，因为这位电脑天才最近被国际黑客组织盯上了，黑客组织在6月5日晚间发布的视频中，直接剑指马斯克，称其操纵加密“比特币”等数字货币意图扰乱正常运转，在视频最后更暗示他将面临一场即将到来的战斗风暴。

一个科技、航天、汽车产业的天才人物为什么会被国际黑客组织所盯上、并且对其直接发出战斗威胁呢？其实在这背后的主要原因在于今年2月8日，这家亿万富翁领导的电动汽车制造商特斯拉在证券交易委员会（SEC）的文件中宣布，它已经购买了15亿美元的比特币，这也使得特斯拉直接成为上市公司中第二大比特币持有者，仅次于商业分析公司MicroStrategy。那么对于任何持有比特币的个人或者组织而言，马斯克和其背后的特斯拉和SpaceX所产生的一言一行都直接和比特币的价格高低挂钩。

而这件事的导火索则是4日早上马斯克在推特上发布了一张情侣分手的照片，并且还附带上了比特币的话题和一个破碎了的心的表情，而这样一则简短的推文直接导致当天比特币价格暴跌超过6%，由于比特币近几年的价格不断攀升，对于更多持有比特币的人或者组织而言，当日价格暴跌6%背后的损失可能高达几千万以上，所以这才会出现黑客组织对其发起的主动攻击和威胁挑战。

那么这件事背后如果黑客组织对其发起攻击的话，是否会影响到马斯克旗下的特斯拉和SpaceX的正常运转呢？

参考之前马斯克旗下的特斯拉和SpaceX曾多次收到黑客攻击，导致其机密泄露的事情来看，不排除黑客组织对其发起更大规模的网络攻击。比如今年3月10日一群黑客侵入硅谷安防系统初创公司Verkada的数据库，盗取了15万个摄像头的实时视频内容，而其中包括特斯拉上海超级工厂，这起网络攻击中，光是特斯拉上海超级工厂内就有几百辆特斯拉汽车中枪。再往大了说，特斯拉研发生产的汽车和传统汽车相比最大的优势就是整车所有零部件并不是单独运行的，而是由车载主控系统控制运转，就像特斯拉的毛豆3轿车刹车失灵不是博世供应的刹车有问题，而是毛豆3汽车内部的主控系统在刹车系统代码上的错误导致，所以不排除未来国际黑客组织对特斯拉发起超大规模的恐怖袭击，就像电影中的情节一样，通过网络直接控制汽车行驶拐弯、甚至撞向预定目标一样。

同样对于马斯克旗下的SpaceX而言其虽然主要面向的客户比较单一，但是随着SpaceX旗下的猎鹰9运载火箭和星舰的不断试飞改进，但是对于一家系统集成商而言，不可能所需的所有零部件都自己研发制造，势必会有成百上千家不同类型的供应商存在，就算SpaceX自己不会遭到黑客攻击，也架不住其背后的几千家配套供应商不会遭到网络攻击，继而泄露SpaceX的机密信息。毕竟此前SpaceX的一家系统供应商就遭到过网络攻击，泄露的机密中不仅包括SpaceX的具体机密信息，就连世界上最大的军火商洛马公司也遭到了核心机密文件的泄露。

所以总结而言，人还是要低调一点，就像这次国际黑客组织对马斯克发起的视频挑衅中说的话一样，在视频中其直接痛批马斯克是个自恋狂，并以几乎不加掩饰的口吻威胁道：“你或许认为就属你自己最聪明，但你现在遇到对手了。我们是‘匿名者’组织，我们人数众多，等着吧！”