Dask 是一个灵活的开源库，适用于 Python 中的并行和分布式计算。什么是 DASK ？Dask 是一个开源库，旨在为现有 Python 堆栈提供并行性。Dask 与 Python 库（如 NumPy 数组、Pandas DataFrame 和 scikit-learn）集成，无需学习新的库或语言，即可跨多个核心、处理器和计算机实现并行执行。Dask 由两部分组成：用于并行列表、数组和 DataFrame 的 API 集合，可原生扩展 Numpy 、NumPy 、Pandas 和 scikit-learn ，以在大于内存环境或分布式环境中运行。Dask 集合是底层库的并行集合（例如，Dask 数组由 Numpy 数组组成）并运行在任务调度程序之上。一个任务调度程序，用于构建任务图形，协调、调度和监控针对跨 CPU 核心和计算机的交互式工作负载优化的任务。Dask 包含三个并行集合，即 DataFrame 、Bag 和数组，每个均可自动使用在 RAM 和磁盘之间分区的数据，以及根据资源可用性分布在集群中多个节点之间的数据。对于可并行但不适合 Dask 数组或 DataFrame 等高级抽象的问题，有一个“延迟”函数使用 Python 装饰器修改函数，以便它们延迟运行。这意味着执行被延迟，并且函数及其参数被放置到任务图形中。Dask 的任务调度程序可以扩展至拥有数千个节点的集群，其算法已在一些全球最大的超级计算机上进行测试。其任务调度界面可针对特定作业进行定制。Dask 可提供低用度、低延迟和极简的序列化，从而加快速度。在分布式场景中，一个调度程序负责协调许多工作人员，将计算移动到正确的工作人员，以保持连续、无阻塞的对话。多个用户可能共享同一系统。此方法适用于 Hadoop HDFS 文件系统以及云对象存储（例如 Amazon 的 S3 存储）。该单机调度程序针对大于内存的使用量进行了优化，并跨多个线程和处理器划分任务。它采用低用度方法，每个任务大约占用 50 微秒。为何选择 DASK？Python 的用户友好型高级编程语言和 Python 库（如 NumPy 、Pandas 和 scikit-learn）已经得到数据科学家的广泛采用。这些库是在大数据用例变得如此普遍之前开发的，没有强大的并行解决方案。Python 是单核计算的首选，但用户不得不为多核心或多计算机并行寻找其他解决方案。这会中断用户体验，还会让用户感到非常沮丧。过去五年里，对 Python 工作负载扩展的需求不断增加，这导致了 Dask 的自然增长。Dask 是一种易于安装、快速配置的方法，可以加速 Python 中的数据分析，无需开发者升级其硬件基础设施或切换到其他编程语言。启动 Dask 作业所使用的语法与其他 Python 操作相同，因此可将其集成，几乎不需要重新写代码。此外，由于拥有强大的网络建设堆栈，Python 受到网络开发者的青睐，Dask 可利用该堆栈构建一个灵活、功能强大的分布式计算系统，能够扩展各种工作负载。Dask 的灵活性使其能够从其他大数据解决方案（如 Hadoop 或 Apache Spark）中脱颖而出，而且它对本机代码的支持使得 Python 用户和 C/C++/CUDA 开发者能够轻松使用。Dask 已被 Python 开发者社区迅速采用，并且随着 Numpy 和 Pandas 的普及而增长，这为 Python 提供了重要的扩展，可以解决特殊分析和数学计算问题。Dask 的扩展性远优于 Pandas，尤其适用于易于并行的任务，例如跨越数千个电子表格对数据进行排序。加速器可以将数百个 Pandas DataFrame 加载到内存中，并通过单个抽象进行协调。如今， Dask 由一个开发者社区管理，该社区涵盖数十家机构和 PyData 项目，例如 Pandas 、Jupyter 和 Scikit-Learn 。Dask 与这些热门工具的集成促使采用率迅速提高，在需要 Pythonic 大数据工具的开发者中采用率约达 20%。为何 DASK 在应用 GPU 后表现更出色在架构方面，CPU 仅由几个具有大缓存内存的核心组成，一次只可以处理几个软件线程。相比之下，GPU 由数百个核心组成，可以同时处理数千个线程。GPU 可提供曾经深奥难测的并行计算技术。| Dask + NVIDIA：推动可访问的加速分析NVIDIA 了解 GPU 为数据分析提供的强大性能。因此，NVIDIA 致力于帮助数据科学、机器学习和人工智能从业者从数据中获得更大价值。鉴于 Dask 的性能和可访问性，NVIDIA 开始将其用于 RAPIDS 项目，目标是将加速数据分析工作负载横向扩展到多个 GPU 和基于 GPU 的系统。得益于可访问的 Python 界面和超越数据科学的通用性，Dask 发展到整个 NVIDIA 的其他项目，成为从解析 JSON 到管理端到端深度学习工作流程等新应用程序的不二选择。以下是 NVIDIA 使用 Dask 正在进行的许多项目和协作中的几个：| RAPIDSRAPIDS 是一套开源软件库和 API，用于完全在 GPU 上执行数据科学流程，通常可以将训练时间从几天缩短至几分钟。RAPIDS 基于 NVIDIA® CUDA-X AI™ 构建，并结合了图形、机器学习、高性能计算 （HPC）等方面的多年开发经验。虽然 CUDA-X 功能强大，但大多数数据分析从业者更喜欢使用 Python 工具集（例如前面提到的 NumPy、Pandas 和 Scikit-learn）来试验、构建和训练模型。Dask 是 RAPIDS 生态系统的关键组件，使数据从业者能够更轻松地通过基于 Python 的舒适用户体验利用加速计算。| NVTabularNVTabular 是一个特征工程和预处理库，旨在快速轻松地处理 TB 级表格数据集。它基于 Dask-cuDF 库构建，可提供高级抽象层，从而简化大规模高性能 ETL 运算的创建。NVTabular 能够利用 RAPIDS 和 Dask 扩展至数千个 GPU ，消除等待 ETL 进程完成这一瓶颈。| BlazingSQLBlazingSQL 是一个在 GPU 上运行的速度超快的分布式 SQL 引擎，也是基于 Dask-cuDF 构建的。它使数据科学家能够轻松将大规模数据湖与 GPU 加速的分析连接在一起。借助几行代码，从业者可以直接查询原始文件格式（例如 HDFS 和 AWS S3 等数据湖中的 CSV 和 Apache Parquet），并直接将结果传输至 GPU 显存。BlazingSQL 背后的公司 BlazingDB Inc 是 RAPIDS 的核心贡献者，并与 NVIDIA 进行了大量合作。| cuStreamz在 NVIDIA 内部，我们正在使用 Dask 为我们的部分产品和业务运营提供动力。我们使用 Streamz、Dask 和 RAPIDS 构建了 cuStreamz ，这是一个 100% 使用原生 Python 的加速流数据平台。借助 cuStreamz，我们能够针对某些要求严苛的应用程序（例如 GeForce NOW、NVIDIA GPU Cloud 和 NVIDIA Drive SIM）进行实时分析。虽然这是一个新兴项目，但与使用支持 Dask 的 cuStreamz 的其他流数据平台相比，TCO 已显著降低。DASK 用例Dask 能够高效处理数百 TB 的数据，因此成为将并行性添加到 ML 处理、实现大型多维数据集分析的更快执行以及加速和扩展数据科学制作流程或工作流程的强大工具。因此，它可以用于 HPC 、金融服务、网络安全和零售行业的各种用例。例如，Dask 与 Numpy 工作流程一起使用，在地球科学、卫星图像、基因组学、生物医学应用程序和机器学习算法中实现多维数据分析。借助 Pandas DataFrame ，Dask 可以在时间序列分析、商业智能和数据准备方面启用应用程序。Dask-ML 是一个用于分布式和并行机器学习的库，可与 Scikit-Learn 和 XGBoost 一起使用，以针对大型模型和数据集创建可扩展的训练和预测。开发者可以使用标准的 Dask 工作流程准备和设置数据，然后将数据交给 XGBoost 或 Tensorflow 。DASK + RAPIDS：在企业中实现创新许多公司正在同时采用 Dask 和 RAPIDS 来扩展某些重要的业务。NVIDIA 的一些大型合作伙伴都是各自行业的领导者，他们正在使用 Dask 和 RAPIDS 来为数据分析提供支持。以下是最近一些令人兴奋的例子：| Capital OneCapital One 的使命是“变革银行业务”，投入巨资进行大规模数据分析，为客户提供更好的产品和服务，并提高整个企业的运营效率。凭借一大群对 Python 情有独钟的数据科学家，Capital One 使用 Dask 和 RAPIDS 来扩展和加速传统上难以并行化的 Python 工作负载，并显著减少大数据分析的学习曲线。| 美国国家能源研究科学计算中心 (NERSC)NERSC 致力于为基础科学研究提供计算资源和专业知识，是通过计算加速科学发现的世界领导者。该使命的一部分是让研究人员能够使用超级计算来推动科学探索。借助 Dask 和 RAPIDS ，超级计算背景有限的研究人员和科学家可以轻松访问其新的超级计算机“Perlmutter”的惊人功能。他们利用 Dask 创建一个熟悉的界面，让科学家掌握超级计算能力，推动各领域取得潜在突破。| 沃尔玛实验室作为零售领域巨头，沃尔玛利用海量数据集更好地服务客户、预测产品需求并提高内部效率。借助大规模数据分析来实现这些目标，沃尔玛实验室转而使用 Dask 、XGBoost 和 RAPIDS，将训练时间缩短 100 倍，实现快速模型迭代和准确性提升，从而进一步发展业务。借助 Dask ，数据科学家可以利用 NVIDIA GPU 的能力解决他们最棘手的问题。DASK 在企业中的应用：日益壮大的市场随着其在大型机构中不断取得成功，越来越多的公司开始满足企业对 Dask 产品和服务的需求。以下是一些正在满足企业 Dask 需求的公司，它们表明市场已进入成熟期：| Anaconda像 SciPy 生态系统的大部分内容一样，Dask 从 Anaconda Inc 开始，在那里受到关注并发展为更大的开源社区。随着社区的发展和企业开始采用 Dask ，Anaconda 开始提供咨询服务、培训和开源支持，以简化企业的使用。作为开源软件的主要支持者，Anaconda 还聘请了许多 Dask 维护人员，为企业客户提供对该软件的深入理解。| Coiled由 Dask 维护人员（例如 Dask 项目主管和前 NVIDIA 员工 Matthew Rocklin）创立的 Coiled 提供围绕 Dask 的托管解决方案，以在云和企业环境中轻松运行，还提供帮助优化机构内 Python 分析的企业支持。他们公开托管的托管部署产品为同时使用 Dask 和 RAPIDS 提供了一种强大而直观的。| QuansightQuansight 致力于帮助企业从数据中创造价值，提供各种服务，推动各行各业的数据分析。与 Anaconda 类似，Quansight 为使用 Dask 的企业提供咨询服务和培训。借助 PyData 和 NumFOCUS 生态系统，Quansight 还为需要在开源软件中增强功能或修复问题的企业提供支持。为何 DASK 对数据科学团队很重要这一切都与加速和效率有关。开发交互式算法的开发者希望快速执行，以便对输入和变量进行修补。在运行大型数据集时，内存有限的台式机和笔记本电脑可能会让人感到沮丧。Dask 功能开箱即用，即使在单个 CPU 上也可以提高处理效率。当应用于集群时，通常可以通过单一命令在多个 CPU 和 GPU 之间执行运算，将处理时间缩短 90% 。Dask 可以启用非常庞大的训练数据集，这些数据集通常用于机器学习，可在无法支持这些数据集的环境中运行。Dask 拥有低代码结构、低用度执行模型，并且可轻松集成到 Python、Pandas 和 Numpy 工作流程中，因此 Dask 正迅速成为每个 Python 开发者的必备工具。
有问题就有答案
什么是DASK？
Dask 是一个灵活的开源库，适用于 Python 中的并行和分布式计算。
什么是 DASK ？
Dask 是一个开源库，旨在为现有 Python 堆栈提供并行性。Dask 与 Python 库（如 NumPy 数组、Pandas DataFrame 和 scikit-learn）集成，无需学习新的库或语言，即可跨多个核心、处理器和计算机实现并行执行。
Dask 由两部分组成：
用于并行列表、数组和 DataFrame 的 API 集合，可原生扩展 Numpy 、NumPy 、Pandas 和 scikit-learn ，以在大于内存环境或分布式环境中运行。Dask 集合是底层库的并行集合（例如，Dask 数组由 Numpy 数组组成）并运行在任务调度程序之上。一个任务调度程序，用于构建任务图形，协调、调度和监控针对跨 CPU 核心和计算机的交互式工作负载优化的任务。
Dask 包含三个并行集合，即 DataFrame 、Bag 和数组，每个均可自动使用在 RAM 和磁盘之间分区的数据，以及根据资源可用性分布在集群中多个节点之间的数据。对于可并行但不适合 Dask 数组或 DataFrame 等高级抽象的问题，有一个“延迟”函数使用 Python 装饰器修改函数，以便它们延迟运行。这意味着执行被延迟，并且函数及其参数被放置到任务图形中。
Dask 的任务调度程序可以扩展至拥有数千个节点的集群，其算法已在一些全球最大的超级计算机上进行测试。其任务调度界面可针对特定作业进行定制。Dask 可提供低用度、低延迟和极简的序列化，从而加快速度。
在分布式场景中，一个调度程序负责协调许多工作人员，将计算移动到正确的工作人员，以保持连续、无阻塞的对话。多个用户可能共享同一系统。此方法适用于 Hadoop HDFS 文件系统以及云对象存储（例如 Amazon 的 S3 存储）。
该单机调度程序针对大于内存的使用量进行了优化，并跨多个线程和处理器划分任务。它采用低用度方法，每个任务大约占用 50 微秒。
为何选择 DASK？
Python 的用户友好型高级编程语言和 Python 库（如 NumPy 、Pandas 和 scikit-learn）已经得到数据科学家的广泛采用。
这些库是在大数据用例变得如此普遍之前开发的，没有强大的并行解决方案。Python 是单核计算的首选，但用户不得不为多核心或多计算机并行寻找其他解决方案。这会中断用户体验，还会让用户感到非常沮丧。
过去五年里，对 Python 工作负载扩展的需求不断增加，这导致了 Dask 的自然增长。Dask 是一种易于安装、快速配置的方法，可以加速 Python 中的数据分析，无需开发者升级其硬件基础设施或切换到其他编程语言。启动 Dask 作业所使用的语法与其他 Python 操作相同，因此可将其集成，几乎不需要重新写代码。
此外，由于拥有强大的网络建设堆栈，Python 受到网络开发者的青睐，Dask 可利用该堆栈构建一个灵活、功能强大的分布式计算系统，能够扩展各种工作负载。Dask 的灵活性使其能够从其他大数据解决方案（如 Hadoop 或 Apache Spark）中脱颖而出，而且它对本机代码的支持使得 Python 用户和 C/C++/CUDA 开发者能够轻松使用。
Dask 已被 Python 开发者社区迅速采用，并且随着 Numpy 和 Pandas 的普及而增长，这为 Python 提供了重要的扩展，可以解决特殊分析和数学计算问题。
Dask 的扩展性远优于 Pandas，尤其适用于易于并行的任务，例如跨越数千个电子表格对数据进行排序。加速器可以将数百个 Pandas DataFrame 加载到内存中，并通过单个抽象进行协调。
如今， Dask 由一个开发者社区管理，该社区涵盖数十家机构和 PyData 项目，例如 Pandas 、Jupyter 和 Scikit-Learn 。Dask 与这些热门工具的集成促使采用率迅速提高，在需要 Pythonic 大数据工具的开发者中采用率约达 20%。
为何 DASK 在应用 GPU 后表现更出色
在架构方面，CPU 仅由几个具有大缓存内存的核心组成，一次只可以处理几个软件线程。相比之下，GPU 由数百个核心组成，可以同时处理数千个线程。
GPU 可提供曾经深奥难测的并行计算技术。
| Dask + NVIDIA：推动可访问的加速分析
NVIDIA 了解 GPU 为数据分析提供的强大性能。因此，NVIDIA 致力于帮助数据科学、机器学习和人工智能从业者从数据中获得更大价值。鉴于 Dask 的性能和可访问性，NVIDIA 开始将其用于 RAPIDS 项目，目标是将加速数据分析工作负载横向扩展到多个 GPU 和基于 GPU 的系统。
得益于可访问的 Python 界面和超越数据科学的通用性，Dask 发展到整个 NVIDIA 的其他项目，成为从解析 JSON 到管理端到端深度学习工作流程等新应用程序的不二选择。以下是 NVIDIA 使用 Dask 正在进行的许多项目和协作中的几个：
| RAPIDS
RAPIDS 是一套开源软件库和 API，用于完全在 GPU 上执行数据科学流程，通常可以将训练时间从几天缩短至几分钟。RAPIDS 基于 NVIDIA® CUDA-X AI™ 构建，并结合了图形、机器学习、高性能计算 （HPC）等方面的多年开发经验。
虽然 CUDA-X 功能强大，但大多数数据分析从业者更喜欢使用 Python 工具集（例如前面提到的 NumPy、Pandas 和 Scikit-learn）来试验、构建和训练模型。Dask 是 RAPIDS 生态系统的关键组件，使数据从业者能够更轻松地通过基于 Python 的舒适用户体验利用加速计算。
| NVTabular
NVTabular 是一个特征工程和预处理库，旨在快速轻松地处理 TB 级表格数据集。它基于 Dask-cuDF 库构建，可提供高级抽象层，从而简化大规模高性能 ETL 运算的创建。NVTabular 能够利用 RAPIDS 和 Dask 扩展至数千个 GPU ，消除等待 ETL 进程完成这一瓶颈。
| BlazingSQL
BlazingSQL 是一个在 GPU 上运行的速度超快的分布式 SQL 引擎，也是基于 Dask-cuDF 构建的。它使数据科学家能够轻松将大规模数据湖与 GPU 加速的分析连接在一起。借助几行代码，从业者可以直接查询原始文件格式（例如 HDFS 和 AWS S3 等数据湖中的 CSV 和 Apache Parquet），并直接将结果传输至 GPU 显存。
BlazingSQL 背后的公司 BlazingDB Inc 是 RAPIDS 的核心贡献者，并与 NVIDIA 进行了大量合作。
| cuStreamz
在 NVIDIA 内部，我们正在使用 Dask 为我们的部分产品和业务运营提供动力。我们使用 Streamz、Dask 和 RAPIDS 构建了 cuStreamz ，这是一个 100% 使用原生 Python 的加速流数据平台。借助 cuStreamz，我们能够针对某些要求严苛的应用程序（例如 GeForce NOW、NVIDIA GPU Cloud 和 NVIDIA Drive SIM）进行实时分析。虽然这是一个新兴项目，但与使用支持 Dask 的 cuStreamz 的其他流数据平台相比，TCO 已显著降低。
DASK 用例
Dask 能够高效处理数百 TB 的数据，因此成为将并行性添加到 ML 处理、实现大型多维数据集分析的更快执行以及加速和扩展数据科学制作流程或工作流程的强大工具。因此，它可以用于 HPC 、金融服务、网络安全和零售行业的各种用例。例如，Dask 与 Numpy 工作流程一起使用，在地球科学、卫星图像、基因组学、生物医学应用程序和机器学习算法中实现多维数据分析。
借助 Pandas DataFrame ，Dask 可以在时间序列分析、商业智能和数据准备方面启用应用程序。Dask-ML 是一个用于分布式和并行机器学习的库，可与 Scikit-Learn 和 XGBoost 一起使用，以针对大型模型和数据集创建可扩展的训练和预测。开发者可以使用标准的 Dask 工作流程准备和设置数据，然后将数据交给 XGBoost 或 Tensorflow 。
DASK + RAPIDS：在企业中实现创新
许多公司正在同时采用 Dask 和 RAPIDS 来扩展某些重要的业务。NVIDIA 的一些大型合作伙伴都是各自行业的领导者，他们正在使用 Dask 和 RAPIDS 来为数据分析提供支持。以下是最近一些令人兴奋的例子：
| Capital One
Capital One 的使命是“变革银行业务”，投入巨资进行大规模数据分析，为客户提供更好的产品和服务，并提高整个企业的运营效率。凭借一大群对 Python 情有独钟的数据科学家，Capital One 使用 Dask 和 RAPIDS 来扩展和加速传统上难以并行化的 Python 工作负载，并显著减少大数据分析的学习曲线。
| 美国国家能源研究科学计算中心 (NERSC)
NERSC 致力于为基础科学研究提供计算资源和专业知识，是通过计算加速科学发现的世界领导者。该使命的一部分是让研究人员能够使用超级计算来推动科学探索。借助 Dask 和 RAPIDS ，超级计算背景有限的研究人员和科学家可以轻松访问其新的超级计算机“Perlmutter”的惊人功能。他们利用 Dask 创建一个熟悉的界面，让科学家掌握超级计算能力，推动各领域取得潜在突破。
| 沃尔玛实验室
作为零售领域巨头，沃尔玛利用海量数据集更好地服务客户、预测产品需求并提高内部效率。借助大规模数据分析来实现这些目标，沃尔玛实验室转而使用 Dask 、XGBoost 和 RAPIDS，将训练时间缩短 100 倍，实现快速模型迭代和准确性提升，从而进一步发展业务。借助 Dask ，数据科学家可以利用 NVIDIA GPU 的能力解决他们最棘手的问题。
DASK 在企业中的应用：日益壮大的市场
随着其在大型机构中不断取得成功，越来越多的公司开始满足企业对 Dask 产品和服务的需求。以下是一些正在满足企业 Dask 需求的公司，它们表明市场已进入成熟期：
| Anaconda
像 SciPy 生态系统的大部分内容一样，Dask 从 Anaconda Inc 开始，在那里受到关注并发展为更大的开源社区。随着社区的发展和企业开始采用 Dask ，Anaconda 开始提供咨询服务、培训和开源支持，以简化企业的使用。作为开源软件的主要支持者，Anaconda 还聘请了许多 Dask 维护人员，为企业客户提供对该软件的深入理解。
| Coiled
由 Dask 维护人员（例如 Dask 项目主管和前 NVIDIA 员工 Matthew Rocklin）创立的 Coiled 提供围绕 Dask 的托管解决方案，以在云和企业环境中轻松运行，还提供帮助优化机构内 Python 分析的企业支持。他们公开托管的托管部署产品为同时使用 Dask 和 RAPIDS 提供了一种强大而直观的。
| Quansight
Quansight 致力于帮助企业从数据中创造价值，提供各种服务，推动各行各业的数据分析。与 Anaconda 类似，Quansight 为使用 Dask 的企业提供咨询服务和培训。借助 PyData 和 NumFOCUS 生态系统，Quansight 还为需要在开源软件中增强功能或修复问题的企业提供支持。
为何 DASK 对数据科学团队很重要
这一切都与加速和效率有关。开发交互式算法的开发者希望快速执行，以便对输入和变量进行修补。在运行大型数据集时，内存有限的台式机和笔记本电脑可能会让人感到沮丧。Dask 功能开箱即用，即使在单个 CPU 上也可以提高处理效率。当应用于集群时，通常可以通过单一命令在多个 CPU 和 GPU 之间执行运算，将处理时间缩短 90% 。Dask 可以启用非常庞大的训练数据集，这些数据集通常用于机器学习，可在无法支持这些数据集的环境中运行。
Dask 拥有低代码结构、低用度执行模型，并且可轻松集成到 Python、Pandas 和 Numpy 工作流程中，因此 Dask 正迅速成为每个 Python 开发者的必备工具。
亚马逊是否越来越重视？
11月13日，亚马逊公司获得了两项与加密货币相关的专利。虽然这家年营收超过1770亿美元的美国电子商务巨头并没有选择及其它主要山寨币作为其额外支付选项，但很明显其并没有完全忽视这股刚刚崛起的新生力量。事实上，该公司的云计算部门Amazon Web Services(简称AWS)一直在为的实际应用做出巨大贡献。
亚马逊与加密货币：拒绝接受，但亚马逊币尚未实现
亚马逊公司与加密货币一直保持着紧密且复杂的关联。2014年4月，这家电子商务巨头决定不接受作为支付手段。亚马逊支付业务负责人Tom Taylor在接受采访时表示：
“很明显，确实得到了新闻媒体的广泛关注，我们也已经对其进行了认真考量。但是我们的客户并没有提出使用的合理性，而且亚马逊也没有任何吸引用户使用的计划。”
奇怪的是，就在几个月之前，亚马逊公司的主要竞争对手之一Overstock.com刚刚成为首家采用作为支付选项的主流零售厂商并获得了初步成功。而且当时Overstock.com公司CEO Patrick Byrne宣称，亚马逊方面也将很快“跟风”效法。
Taylor的观点非常明确，一旦亚马逊这家电子商务巨头发现相关苗头，肯定会马上投入加密货币的怀抱。然而，亚马逊于2014年做出的决定一直保持到当下。事实上，无论期间加密货币整体市场的资本化程度以及采用率发生怎样的变化，包括公众乃至多家中间商向CEO Jeff Bezos递交书以申请使用加密货币作为支付手段，亚马逊方面都丝毫不为所动。
然而，亚马逊公司并没有完全放弃加密货币。2014年5月，也就是电商巨头宣布未制定任何加密货币采用计划不久之后，亚马逊公司就申请了一项相关专利——即利用数字货币作为AWS上的云计算服务支付手段。不过值得注意的是，该项专利早在2012年3月就已经提交完成，且其中仅将加密货币称为某一种可能的付款。
2017年11月，据报道称电商巨头购买了大量与加密货币相关的域名，包括“amazoncry8ptocurrencies.com”、“ amazoncryptocurrency.com”以及“amazonethereum.com”等。而且值得强调的是，其中的“amazonbitcoin.com”会被重新定向至亚马逊原始URL。
然而，这可能仅仅是为了保护亚马逊品牌或者避免与亚马逊币发生混淆。亚马逊币是该公司于2013年为Kindle电子书用户推出的数字货币。尽管得到了公众的广泛关注与支持，但这种数字货币一直没有全面铺开。
2018年4月，亚马逊公司拿下了另一项被称为“流媒体数据市场”的订阅馈送系统专利。事实上，亚马逊方面宣称其可以“为及执法部门确定交易的参与者。”该项申请提交于2014年6月，这代表着虽然电商巨头有可能会接受加密货币处理这一思路，但其仍然高度强调自身业务对“客户了解(简称KYC)”的实现能力。反过来，客户了解理念本身，则与所坚持的意识形态以及主要设计思路背道而驰。
因此，亚马逊方面从来没有表明自身是一家专业的企业。尽管如此，其一直对加密货币基础技术(即)保持着高度关注。
亚马逊与：采用层面的主要合作与贡献
去年12月5日，AWS宣布与拥有200多家成员的主要联盟R3建立合作伙伴关系，允许后者的Corda平台成为AWS市场上首款分布式分类账技术解决方案(简称DLT)。Corda是一套开源DLT平台，用于立足财务部门之内运作，旨在运营复杂交易并限制对交易数据的访问活动。从本质上讲，其允许用户将去中心化应用程序(简称dApps)部署在AWS平台之上，并直接创建新的应用程序。
此项新闻一出旋即引发震动，因为就在公告发布几天之前，AWS CEO Andy Jassy刚刚批评称技术没有“除分布式分类账之外”的用例，并指出分布式分类账本身的功能也非常有限。此外，他重申称该公司不会“因为某种技术很酷就贸然投身于其中。”
不过，他也补充称，AWS方面对于如何利用技术为客户带来助益的具体抱有兴趣：
“我们对客户最终将利用技术实现的目标抱有浓厚兴趣。”
尽管如此，在Corda正式发布以及Jassy做出演讲之前，AWS市场上已经至少存在三款基于的平台，这表明亚马逊对于的举早在2017年年初就已经有所体现。
2018年4月19日，AWS继续推进其探索之旅。该云平台面向以太坊以及Hyperledger Fabric推出了其框架，允许用户借此构建并管理自己的驱动型dApps。这套框架名为AWS CloudFormation Templates，该工具的设计目标在于帮助用户在设置自有网络时回避各类耗时过长的手动操作。
接下来，今年5月AWS又与ConsenSys展开合作——后者是由以太坊联合创始人Joseph Lubin创办的孵化器项目。具体来讲，电商巨头与业务云Kaleido合作，希望帮助企业客户加快“从实验到概念验证，再到试水及生产的整个流程，”且全程基于以太坊体系。根据Kaleido联合创始人Steve Cerveny在接受CNBC采访时做出的解释，双方共同致力于为客户提供经过简化的云平台，从而确保客户能够“专注于自身业务场景，而无需投入大量精力熟悉密码学知识。”
自那时以来，Kaleido已经逐步发展成一套名为“Kaleido Marketplace”的全栈平台。根据报道，其提供一系列“即插即用型”工具与协议，从而“将构建特定项目所需要的自定义代码量减少了80%，且能够从后端开发到前端应用再到应用界面，满足客户的各类实际需求。”
目前，AWS平台上托管有大约25种面向的平台，其中一部分平台亦拿出了颇具希望的发展成果。举例来说，今年9月，澳大利亚联邦科学与工业研究组织(简称CSIRO)与悉尼大学开发的系统，据称在亚马逊云之上达成了每秒4万笔交易的性能基准——相比之下，基础设施的常规可扩展上限为每秒8笔交易，而以太坊的功能设置则为每秒15笔交易。
亚马逊的实验也得到了不少主流企业的认可：例如，全球“四大审计与咨询事务所”中的德勤在其今年10月发布的报告中强调了亚马逊在领域的努力，并认定电商巨头一直在帮助刺激这项新兴技术的采用，同时积极贡献以改善网络的运作成本。此外，美国银行(简称BoA)研究分析师Kash Rangan亦在接受CNBC采访中指出，技术非常适合一部分全球大型企业的具体需求。其解释称：
“亚马逊将受益于实现方案所带来的云服务需求增量，而由带来的供应链追踪能力改善也将有效提升亚马逊的零售业务效率。”
亚马逊的最新进展：更多专利，更多加密货币相关招聘公告
虽然亚马逊已经取得了数项加密货币与相关专利，但公平地讲其绝对数量仍然比较有限——因为这一行业还很年轻，参与者则所在多有。比如之前提到的美国银行(简称BoA)，就已经在其它企业接触这一领域之前就拿下了大量相关专利。因此，并非所有专利(无论是否与直接相关)都能很快投入使用。举例来说，亚马逊曾于2016年获得了一系列通过地下隧道交付货物的系统专利，这是一项雄心勃勃但成本高昂的目标，因此很难相信电商巨头会将其视为一项高优先级事务。
今年11月13日，美国专利商标局(简称USPTO)分别发布了于2018年4月及2015年12月申请的两项亚马逊专利，二者涉及保护数字签名完整性以及改善分布式数据存储的方法。
第一份专利文件允许生成、分发、验证以及撤销一次性加密密钥，其中概述了利用“签名委托”对“数字签名及加密通信的完整性加以保护”的具体方法。在所提出的系统中，这些密钥将以密码学中的已知被排布为“梅克尔树”结构——其从本质上讲属于一种自下而上构造的哈希二叉树。
亚马逊的第二项专利则涉及分布式数据存储。文件提出一种“网格编码技术”，其中采用收集而成的“分片”组，其中每个分片代表着存储在特定网格中的数据项的逻辑分布。专利申请文件表明，这种方法有助于减少存储冗余。
虽然亚马逊公司未来可能会拿下更多专利，但电商巨头的绝对专利数量仍然少得可怜——目前电商对手阿里巴巴与IBM在这一领域占据着优势。尽管如此，随着AWS平台不断托管更多解决方案，相信亚马逊方面会对该项技术进行持续探索，而相关招聘公告也显示该公司正在物色更多工程师人才扩充自己的员工队伍。
有什么副业或兼职可以每天挣100？
刚出社会时挣不到钱，等到能挣钱了，却成家了。
而大多数家庭，每天一睁眼不是车贷就是房贷，即使没有这两项固定开支，不是还有一句话吗？再苦不能苦孩子，再穷不能穷教育。
这两年，不管大人挣没挣到钱，孩子该花的钱，一项也不能少。
成年人的世界，崩溃真的是从缺钱开始的。
第 一次崩溃大哭，是刚参加工作那会儿，因为一个指标差一点点，少得了800多奖金。自己知道后，后悔得直锤自己，然后哭了老半天！
那会儿没钱，而且800元也很值钱了。
今天给大家介绍几种副业挣钱的，大家可以选择适合的、喜欢的，坚持做下去。虽然这些不能赚大钱，但挣个零花钱补贴一下家用还是没问题的。
?今日头条
今日头条上除了赚金币换钱，还有写作赚钱板块。很多人一听写作赚钱，都觉得干不了，自己没那才艺。其实不然，我们都是平常人，就干平常人的事情就行。
那写作板块有微头条、文章、问答、中视 频四个部分。接下来，我就一 一介绍每一个部分怎么赚钱。
一，微头条
微头条要100粉丝才会有收益，不过要达成100粉丝也不是很难的。
这里的百粉要求，包含了西瓜视 频上的粉丝，一起计入粉丝数量。
微头条字数要求不多，1000左右，大几百就可以。
我们可以根据自己的擅长和喜好选择领域，涉及的领域很多很多，大家可以看图??，根据自己实际情况选择。
今日头条有美食大咖，喜欢做美食，分享食物怎么合理搭配，更有营养；或者分享食物怎么做更美味，这都是可以的。
还有旅游大咖，分享美景和哪里值得玩耍。
如果自己文笔不错，也可以写写本地领域的奇事、怪事、大事、好玩的事。就像写故事一样写出来，让大家觉得能听懂，有意思，再加入自己的观点就行。
或者喜欢历史的，都可以写。一个学友，一篇微头条收益4000多元，真香啊！她不是大咖，就是微头条写作的初学者。
当然，微头条和文章，可以是同一个素材。写得具体一些，长一些，配上一个吸引人的标题，就可以转化成文章再发一遍。
2，文章
文章的要求，就要比微头条要求高一些。不仅是听故事了，更要能输出自己独特的观点；在字数上也要求高一些。
3，问答
问答就是有人会在今日头条上问问题，我们来回答问题就可以。我们写的问题，有人看，就会有收益。
写问答也是有妙招的，不是像聊天一样，随便写写就行。
人们是希望在你的回答中找到答案和方法，所以问答就要求有“料”，有“干 货”！
问答要注意以下几个方面：
1）开头：利索快进主题，不要啰啰嗦嗦
2）结构：清楚，让读者能看明白
3）结尾：有总结，让读者更一目了然
4）干 货：有满满的方法可以直接复 制
4，视 频
加入“中视 频计划”，发布1分钟以上的横版原创视 频，可以获得西瓜、头条、抖音三方视 频收益。
这里需要注意以下3点：
1）我们要开通“视 频创作收益”，然后按照要求拍横版16：9的视 频，这样才会有收益。
2）一定要勾选“原创”，视 频被点击播放后，才会有收益。
3）发视 频的位置也很重要。没有开通中视 频计划，从头条发布；如开通了，从西瓜创作平台或者西瓜视 频APP发布视 频，才有机会享受抖音视 频收益。
视 频收益和视 频时长，完播率，互动率，粉丝观看量，内容质量等都有关系。
——————————————————
以上是今日头条上四个板块的创作收益。接下来再说说，各项收益的粉丝数量要求。
视 频和文章不要求粉丝数量，但要求原创；微头条和问答都要求100粉（含）以上，同时问答要求原创；
我们可以通过“易撰”这个工具，检测自己文章等原创度，一般建议原创度在70%以上才可以发布。
各个板块的具体创作要求，可以在今日头条创作中 心?创作权益里看到，具体看下图??
一定要记得开通相应板块的收益权限，才可以获得相应收益。
同时，今日头条还详细分类了，百粉权益，千粉权益，万粉权益等，大家可以进去仔细看看要求。
接下来给大家介绍第 二个挣点零花钱的就是抖音。
?抖音挣钱
我们大多数人知道抖音可以直播带货，短视 频带货。但是我们可能由于工作原因，不方便露脸；又或者由于时间问题，没有太多集中时间。那我们就可以看看抖音上可以挣点小钱的功能，比如：抖音听音乐挣钱。
抖音上听歌就可以赚钱，而且这个方法可以不用真人出境，也不用直播，零粉丝就能干。
如果你想挣大钱，这个不适合你，如果希望通过这样的跟方法挣点小钱，还是很不错的。
首先在抖音上搜索“看见音乐”，然后点击音乐，选择一首近期热度比较高的音乐，点击使用。
你可以直接拍摄按钮，也可以从相册上传已经拍好的作品。
在发布界面，记得一定要点击添加小程序，然后再发布。
作品发出去以后，有播放量就会有收入，在抖音的钱包里就可以看见收益了。
如果以上两种大家都不喜欢，那就可以选择实体。
摆地摊，大家都不陌生，选对产品，坚持下去也能赚点零花钱。
在这里，我要给大家介绍一种新模式，就是共享经济模式。
一些线下实体店，一个店面很多人共摊房屋，一起用这一个店面，钱大家一起挣。
这个意思不是说，一个店面好几个合伙人，不是这样的。我给大家举个例子，比如这个“摩尔国际视力养护中 心”。
它采用的模式就是共享经济模式。比如我给店家交一定金额的房租，然后我介绍客户过去，就可以100%享受客户的所有收益。但是我不用经常在店里，只需要负责介绍客户就行，店里有专业的技术老师负责给孩子调视力。
这种模式在当下非常流行，这种共摊房屋的模式，即可以降低店家的固定成本，又给很多没办法有太多时间去盯店的人员一个兼 职创业的机会。
好了，以上就是我给大家介绍的今日头条、抖音、实体3大类7小类副业赚钱的模式和方法，希望能够帮到大家。
试试吧，不努力不试试的话，连个“或许”都没有。 但请相信一句话，你努力的每一步，都算数。
加油，有缘人！
喜欢就关注我，我们可以进行深度交流！我是@娜依一家#什么副业赚钱
淘宝代运营靠谱吗？
随着电商行业的迅速发展，很多企业或者个人都纷纷开起淘宝，天猫等平台的店铺，有店铺能一无所有变成了月销量达到百万甚至千万的店铺，有的开了一两年销量及其低，最后变成血本无归。
在这复杂多变的环境下，电商代运营公司应运而生。他们的服务内容包括：店铺装修，运营服务，推广服务等等。
目前市场上的托管公司水平参差不齐，大小不一，规模大至几百人，10几家分公司也有，少至一两个也做起了电商代运营的业务，服务也是各有各的优势，原因有以下两点：
1.成本低：只有懂点电商运营知识的都可以做，在外面租个办公室，买几台电脑就可以了。
2.风险低，现在大部分都是服务费＋提成的模式。导致有很多客户都不知道如何能根据自己的实际需要正确选择代运营公司。
话不多说，现在就教你如何正确选择？其实主要是通过以下大方面入手。
一、 实地考察，了解公司的基本情况
当上网找代运营公司的时候，不要盲目相信广告，有些公司即使在网上搜索到有铺天盖地的宣传，点击官网看到里面有很多高大尚的画面。很多客户会盲目相信这些公司规模很大，找他们代运营会有保证之类的。
其实不然，在网上看到宣传多只能证明某家公司在宣传投入资金比较多，而且也会有很多虚的东西，因此建议客户在选择公司的同时，不要光看网上和听对方的片面之词，可以的话直接去实地看下，和对方具体的面谈下，了解他们公司的基本情况，团队，手上操作店铺的情况，对你这个类目的了解以及一些运营的思路和见解。
一般靠谱点的找你合作的肯定会对你的店铺情况，货源稳定性。进行详细的分析，然后根据实际，才会判断双方合作的可能性。
二、 不要找来历不明的代运营公司
当我们选择代运营公司的时候，如果不清楚其他代运营公司的情况下，不要盲目去找，建议去找经过淘宝天猫认证的服务商，因为这种普遍有淘宝天猫小二去考察过他们公司，会在天猫淘宝后台备案，如果做得不好可以去天猫投诉，情节严重会取消他们的资格。虽然服务费会比较高，但服务相对来说会比较优质的。
三、 如何根据店铺实际情况选择正确的代运营公司
在选择代运营公司前，首先要清楚自己的店铺定位，如果店铺较小，店铺基础差，有规模，比较大型的代运营公司会对一些相对较小或者不适合长远发展的店铺基本上是不接的。这类型的店铺可以选择顾问式代运营公司。如果是有一定店铺基础的，店铺等级高，大型的代运营公司可能会接，但就要留意他们对你店铺的重视程度，当然，就要看店铺的潜力如何了。
四、 不要盲目听信保证销量等过虚的用词
有些代运营公司在谈合作签订合同的时候都会跟你说会保证多少销量会做为卖点。会令很多客户带来期望刺激他们成交，但这些都是不靠谱的，这些代运营公司很多前期收了一半服务费以后，多半就不干活或者不理人，等到客户最后取消合同，就等于赚了前期的服务费。
因为代运营不可能百分百成功的，要看很多因素，例如产品是核心，货源和资金是发展的速度，所以投资有风险，不要因小失大。
总结：
现在社会上的电商代运营公司五花八门，什么类型的都有，所以在选择上，不要以为见规模大，广告炫就盲目托管。
最重要的是要根据自己的实际情况，看自己的产品，是否适合该代运营公司托管，不要轻易听信他们的夸夸其词，要仔细研究他们为商家给出的方案是否真正适合自己，这样选择代运营公司安全性，准确性就会大大的提高了
本文系广州大麦原创，转载请联系我们。广州大麦信息科技有限公司，正式成立于2011年，是国内领先的综合型电商解决方案提供商。期待您的关注~
索尼公司和死对头微软公司合作？
谢谢邀请~
当索尼公司与死对头微软公司合作，联手公布了云游戏计划协议时，游戏界一片哗然。也许没有人比索尼PS部门的员工更为感到震惊，因为这20年来，索尼为了与美国软件巨头微软竞争，已经花费了超过380亿美元（约合2626亿元）。
上周，索尼公司和微软公司宣布建立战略合作伙伴关系，共同开发游戏流媒体技术，并在微软的Azure云平台上托管了PS的一些在线服务。在此之前，索尼公司花了七年时间开发自己的云游戏产品，但是一直收效甚微。
据知情人士透露，索尼与微软的谈判始于去年，由索尼在东京的高级管理层负责合作事宜，没有索尼PS部门人员参与。PS游戏部的工作人员在听闻到公司与微软合作的消息时还感到难以置信。目前索尼公司的管理人员正在尽力控制员工的情绪，并且向员工们承诺，索尼公司的下一代游戏主机的发布计划不会受到影响。
众所周知，索尼公司的在线游戏服务项目和主要收入来源是PlayStation Network。目前，PlayStation Network仍然在另一个云服务巨头亚马逊公司进行托管。据知情人士透露，索尼和亚马逊去年就云游戏计划展开了深入合作的谈判，但在商业条款上未能达成一致。这导致索尼与微软最终签署了合作协议。
更快的网速开始允许玩家在不需要本地电脑的情况下远程玩游戏。这对PS游戏主机是一个巨大的威胁，要知道，PS游戏主机每年创造了索尼公司三分之一的利润。同样微软的XBOX也面临着类似的风险。但是微软这家软件巨头同时也是全球第二大云服务供应商，所以已经有比较完备的战略解决方案。其他的云服务提供商谷歌和亚马逊也正在开发自己的云游戏服务。
亚马逊跨境电商托管靠谱吗？
亚马逊跨境电商托管是十分靠谱的,并且目前国家也是在大力扶持的。
跨境电商是指分属不同关境的交易主体，通过电子商务平台达成交易、进行支付结算，并通过跨境物流送达商品、完成交易的电子商务平台和在线交易平台。
跨境电商与跨境物流高度正相关,二者存在长期稳定的均衡关系,且互为因果关系。从长期来看,跨境电商与跨境物流的关系主要表现为相互正向促进作用,但也存在一定相互抑制关系,且跨境电商对跨境物流的长期依赖性要强于跨境物流对跨境电商的依赖。
WAN具体该怎么去搭建？
组织是否为部署一个软件定义广域网(SD-WAN)做好了准备?而现在，企业需要做出一个决定：自己构建SD-WAN还是将SD-WAN作为托管服务来购买?随着SD-WAN市场的持续大幅增长，组织部署这种技术的以及厂商提供的销售正在不断发展。
根据Doyle Research公司的负责人Lee Doyle介绍，部署SD-WAN主要有三种模式。一种是最终用户自己安装和管理SD-WAN软件和服务。另一种是采用完全托管的方法，SD-WAN提供商实施SD-WAN的安装和持续的支持。第三种是一个混合选项，融合供应商管理安装和用户自己管理的两方面优势。而最终用户可以根据他们的需求定制解决方案。
思科公司SD-WAN高级总监Ramesh Prabagaran表示：“目前客户对部署的态度是一个真正的混合。”组织如何知道哪种方法是正确的?他说，这取决于他们的舒适度。Prabagaran说，像“财富”50强等许多大型企业仍然自行部署这项技术。
而中等规模的组织的选择有所不同。一些公司拥有管理安装和持续支持SD-WAN的专业知识可以自已部署，而另一些公司则希望提供商能够提供某种程度的帮助。
而SD-WAN部署的混合选项(企业可以利用托管服务提供商为客户提供定制部署的某些方面的能力)正日益受到欢迎。
SD-WAN软件供应商Versa公司产品营销主管Robert McBride表示，这种方法使用户能够控制诸如配置新的网络连接、设置合规规则以及围绕某些应用程序制定策略等。Versa公司将软件销售给各种托管服务供应商和电信提供商，通过SD-WAN软件中的基于角色的多租户访问控制实现这一功能。这允许提供者启用部署的某些方面的客户配置。
SD-WAN的DIY与托管
企业决定是否自行管理SD-WAN部署，或将其作为一个服务使用，这将归结于企业的执行能力。那么客户是否有内部专业人员来管理部署和资源，以重新构建到分支机构和远程站点的WAN连接? McBride表示，通常情况下，大型组织拥有足够资源进行部署，而规模较小的组织不具备这种专业知识，更有可能将SD-WAN作为一种服务来使用。而中端的市场客户将在这两种方法中进行选择。
Capital One公司的SD-WAN部署
Capital One公司零售和直接银行业务部门技术总监Jason Abfalter于2017年在纽约举行的开放网络用户组会议表示：“Capital One公司采用混合进行SD-WAN部署。该公司最近在过去的五个月中在一家分公司完成了第75次SD-WAN安装，而且该公司每周至少完成一个部署，有时每天至少部署两个。Capital One公司主要是在内部处理这个问题，但是一直在努力规划Versa公司的安装，Versa公司在SD-WAN安装过程中也一直在帮助解决问题。”
CenturyLink公司技术规划、网络架构和安全高级副总裁Andrew Dugan表示，该公司将提供可管理的SD-WAN服务，并指出与管理的SD-WAN供应商进行合作是有好处的。他说，“许多客户与我们合作，是因为他们不仅要利用SD-WAN，而且还要更广泛地整合我们可以提供的一整套网络服务。客户将多种类型的宽带连接、私有链路多协议标记交换(MPLS)，甚至移动或LTE服务结合到其分支机构中。服务提供商可以将这些服务到一个统一账单中，同时也提供持续的维护。”
McBride表示，与服务提供商合作的另一个好处是他们可能直接连接到公共云服务，像Amazon Web Service或微软Azure这样的IaaS供应商，或像Salesforce公司这样的SaaS供应商。个别组织可能很难直接与云计算供应商建立这些连接，除非他们通过互连点。
下一个浪潮：软件定义分支(SD-Branch)
目前业内还有一个更大的趋势，那就是SD-WAN之外的未来的发展。 这就是创建一个软件定义分支(SD-Branch)，通过软件管理分支机构的许多网络功能。McBride表示，许多客户的数据中心通常部署6到10台设备来管理网络，其中包括路由器、无线接入点、防火墙、统一威胁管理系统，以及广域网优化。 SD-Branch的目的是把所有这些整合到一个系统中。
SD-WAN被看作是可以在SD分支中整合的应用之一。 当客户希望将这些多个分支机构合并成一个系统时，他们将面临类似的问题，也就是决定自己创建或者与服务提供商合作。正如SD-WAN一样，客户的兴趣将取决于他们对分支机构虚拟化的资源投入。
第三方跨境支付需要注意哪些？
为了跨境支付行业更长远的发展必须在全球落实合规
跨境支付行业，130在过去9370的一6165年，即便身处跨境电商行业“寒冬”之中，也丝毫没有影响其百家争鸣的态势。2022年，跨境支付行业又将何去何从？
年来，伴随全球化浪潮和移动互联网的快速发展，跨境支付开始触达各个消费场景。跨境企业对于跨境支付的需求与日俱增，应运而生的跨境支付平台层出不穷，其能力各有高低，合规资质、风控管理也参差不齐。
成熟的企业在选择平台时，除了对比费率，更会看重支付平台对资金安全性的保证。
资金安全就是跨境贸易的生命线，任何一个流通环节的漏洞，都可能让资金陷入危险边缘。严守国际金融法规，确保资金安全，才可让卖家收款无忧！
一、跨境支付，合规为什么这么重要？
以来，改变了全球用户的消费习惯，各国之间贸易往来更加密切。网络活动突然激增，致使网络犯罪、欺诈和身份盗用急剧上升，因为犯罪分子试图利用新的机会来获取非法利润。面临的一些具体风险包括：
·网络安全风险——可能会导致经济损失、声誉受损、供应链严重中断和监管执法等。
·身份盗用——会产生影响深远的后果。据 GIACT 称，2020 年身份盗用在美国造成的损失高达 7124 亿美元，比 2019 年增长 42%。
·欺诈——会迅速导致财务和声誉受损，以及股东价值侵蚀。
·洗钱——会造成持续的危害，而且可能会造成无法弥补的组织损害。
注：美国公司2023年身份盗用的损失金额预测（基于2019年数据）
据估计，金融犯罪每年给全球经济造成的损失在8000亿至2万亿美元之间，占全球GDP的2~5%。
如何保护客户的资金安全？
为了应对这些挑战，支付公司始终以国际顶级的安全标准来要求自己的合规与运营团队，确保每一位用户的资金安全、合规，把一切的发展都建立在安全基础之上。
1、PCI认证对跨境支付的重要性
PCI DSS 是一套技术操作要求，旨在保护账户数据，防范欺诈，降低数据泄露风险。PCI DSS由 PCI 安全标准委员会(PCI SSC)于 2006 年发布，该委员会是一个由万事达卡 (MasterCard)、 Visa、 美国运通 (American Express)、 JCB, 和 Discover 组成的独立机构。
PCI DSS对于所有涉及信用卡信息机构在持卡人数据的存储、传输和处理方面作出标准的要求，包括对安全管理、流程策略、网络体系架构、软件配置、数据加密等要求，全面保障交易安全。
遵循PCI标准并不像很多商户想象的那样困难，可以借助于支付服务商提供的加密解决方案以及PCI兼容平台，为商户节省了大量处理PCI合规相关的时间与精力。
作为国内优质的跨境金融服务商，光子易是截至目前国内支付服务行业为数不多的获得认证的企业之一。通过PCI DSS LEVEL 1，表明光子易PhotonPay在支付系统安全防护及信息安全领域的高要求，可为企业客户提供安全、可靠的系统解决方案和能力。
2、组建全球法务与合规团队
近年来，支付公司在不断加强合规措施，致力于建立并领导一支优秀的全球法务与合规团队。
深刻理解各地合规标准与要求：对于监管、合规、风险和法律具备专业知识与经验完备而全面，齐心协力，始终维持最高的法律、监管和合规标准。以数据为首，以知识为先：通过数据分析和报告来提高业务决策的质量，改进更广泛的合规战略。灵活且具有高适应性：合规的最大挑战是跟上变化的节奏，光子易的业务遍布全球，这要求我们的合规系统既要快速适应金融产品、服务和技术的快速变化，也要保证我们在各地保持程序统一和合规。积极树立合规意识和知识储备：光子易要求所有员工每年至少参加一次风险与金融安全培训，让每一位员工充分理解合规及其对全球运营的促进作用至关重要。与监管结构保存积极沟通：光子易与各地监管机构建立了开放而持续的对话机制，积极交流合作，再提供创造性解决方案的同时保护客户合法权益。
3、技术、运营、渠道全覆盖保障资金安全
全球合法资质 支付公司拥有多年支付行业经验，拥有全球一体化合规及风险管理体系，持有美国（MSB）、加拿大（MSB）、（MSO）等金融服务牌照，
跨境支付监管愈发严格，拥抱合规就是拥抱未来
对于支付结算合规与反洗钱一直是央行监管的重点关注对象，此前多家支付机构因跨境支付业务 违规被国家外管局处罚并点名通报！近年来随着跨境电商与跨境金融等业务的兴起，洗钱、非法 外汇、非法跨境支付结算等违规行为将成为未来监管持续打压的对象。
各大电商平台监管和入驻要求相应的提高不少，需要用户以机构号的身份入驻或者持有相关的牌照来经营
