诺亚传说boss刷新时间文章列表:

• 1、为游戏引擎创作资源真的能赚钱吗？
• 2、奥特银河格斗3：小金人收集两件神器，提坦碰瓷诺亚
• 3、从量子到星空：混沌世界的隐藏秩序
• 4、8点1氪 | 新荣耀股东架构浮现；欢聚遭浑水做空后股价暴跌；小米3年投资110家智能装备公司
• 5、2019格斗世界TOP踢拳排行榜1月

为游戏引擎创作资源真的能赚钱吗？

每当乔纳森·范伊梅泽尔外出度假时，他总是带着一个与众不同的行李箱。除了防晒霜、泳裤和护照之外，还会带上无人机、绿色幕布和录音设备，因为他经常前往人迹罕至的荒野，去尽可能细致地记录周围环境的每个细节。

范伊梅泽尔之所以这样做，是为了从大自然里寻找灵感，创作下一个可能广受欢迎的游戏素材，在Unity资源商店里发布。为了制作用于游戏开发的一系列素材，他学会了欣赏自然界的奇妙细节，将其转化为数字形式，并在这个过程中爱上了户外美景。“我的眼睛和耳朵必须对新信息时刻保持开放，留意那些很多人也许会觉得特别怪异的东西，这是工作中的一部分。”

过去5年里，范伊梅泽尔一直在为Unity资源商店创作，并以此谋生。

并不是随便一样素材都能带来价值，你还得懂得开发者想要些什么

先说结论：确实能赚钱

Unity资源商店是一个面向Unity用户的线上商店，提供成千上万种虚拟的数字商品，其中一部分制作精良，也有一些相对粗糙。在Unity商店，开发者可以找到大量2D或3D模型、脚本、着色器等能够在游戏开发中派上用场的资源。如果不考虑实际操作难度，天马行空地发挥想象，你甚至可以将商店内的各种素材混搭起来，创作出一帮“艾尔登法环”式的角色，或是在充满田园风光的日本街头漫步的场景。

很少有开发者完全依靠Unity商店内的现成素材来制作游戏——那很可能会被愤怒的玩家指责为“换皮”。但由于各种不同原因，仍然有很多人在使用这些素材。业余爱好者可以利用它们来学习如何使用Unity引擎，职业开发者可以用它们快速构建原型。例如在为独立游戏《Sable》构建原型时，开发团队就使用了一艘预先制作的气垫船和一片沙丘。

有时候，这些素材和工具甚至会成为商业游戏的基石，比如在外星探索冒险游戏《天外来客》（Exo One）的创作过程中，开发者使用了地图生成器“MapMagic 1”。在公开发行的游戏中，通常不会将这些工具的开发者加入制作人员名单里，不过在“MapMagic 1”的开发者丹尼斯·帕乌洛夫看来，这不算什么问题。“他们已经付钱给我，自然也不必继续打广告了。”

地图生成器可以生成森林、沙漠、雪原、丛林等场景，也可以生成各种类型的生物群落，与地形完美结合在一起

帕乌洛夫和范伊梅泽尔都曾是模组作者，分别为《上古卷轴3：晨风》和《虚幻竞技场》制作模组。虽然两款游戏的类型完全不同，但通过模组制作，他们都深入了解了游戏的核心内容。帕乌洛夫认为，制作的整个过程就好比拆解玩具，看看里面装了些什么，然后再精确地重新组装。范伊梅泽尔回忆说，当他在12岁那年“拆开”《虚幻竞技场》时，才发现游戏里的天际线仅仅是带贴图的几何平面，并没有真正的3D建筑模型……那就像是揭开神秘面纱的时刻，让他意识到电子游戏擅长使用障眼法。

如今，帕乌洛夫、范伊梅泽尔等人正在创作成套的数字工具，帮助下一代游戏开发者简化游戏开发中的一些繁琐流程。在Unity资源商店里，这些插件只需要几美元就可以下载，却足以帮助开发者解决各种复杂问题。举个例子，如果开发者使用帕乌洛夫的地形编辑器“Voxeland”，以及范伊梅泽尔的植被生成器“Vegetation Spawner”，就完全可以在宏观和微观层面上创作华丽的虚拟景观，比如高低起伏绵延数英里、草木茂盛的山丘。

当然，制作资源始终是一门生意。范伊梅泽尔说，在荷兰萨克逊大学学习艺术与科技期间，他曾为一家仓库打工，被解雇后有了大把的空闲时间，于是投入精力创作效果插件“Stylized Water Shader”。插件发布到Reddit论坛的Unity版块后，迅速得到了大量反馈。大学毕业后不久，范伊梅泽尔开始专门为Unity商店创作着色器。2021年，仅“Stylized Water 2”就为他带来了超过3.3万欧元的收入。

作为一名游戏开发者，帕乌洛夫在2017到2019年期间也利用业余时间为Unity资源商店创作素材和工具，月收入最高时逾5000美元。

“Stylized Water 2”对水的各种仿真效果十分出色，能为开发者节省大量学习成本和时间

诺亚·拉特克利夫是游戏合作社Aesthetician Labs的一员，他在读大学期间开发了Unity工具“简易反馈表”（Easy Feedback Form），虽然这是他的个人项目，但迄今为止已经为工作室创收7000多美元。2021年，卡牌策略游戏《邪恶铭刻》的开发者丹尼尔·穆林斯甚至将其加入了制作人员名单……拉特克利夫打趣道：“现在我们手头也有一份屡获殊荣的资源了。”

但是，变数也很多……

与社交媒体主播或独立游戏开发者面临的情况类似，对制作和售卖资源的开发者来说，这门生意并不那么稳定。他们不仅要拿出足够吸引潜在用户的作品，适应市场的潮起潮落，还严重依赖于Unity这样的公司。当用户在Unity资源商店搜索时，Unity的算法决定了哪些内容会在搜索结果中出现。

3D艺术家布莱登·吉莱斯皮曾花费数周时间来创作“和平机器人”（Peacekeeper Robot）、“末世房屋”（Apocalypse Houses）等让人眼前一亮的精美素材，但只卖出了一两份。作为比较，吉莱斯皮只用几小时就制作出了“农场田野”（Farm Field），下载量却超过了200，“格瑞普城市套件”（Greeble City Kit）的下载量突破600。

“格瑞普城市套件”主要用来创建科幻或反乌托邦城市，非常适合用作游戏背景或电影场景

吉莱斯皮是从事医疗行业的一位动画师，将制作Unity资源视为一份副业，但他认为其中的太多变数会影响作品的销量，这也是他如今不再发布更多资源的原因之一。与游戏本身一样，Unity资源的成败并不完全取决于质量。

如果有人想通过创作资源赚钱，他还要考虑另一项因素——Unity的更新频率。“这不是小问题。”范伊梅泽尔警告说。按照他的说法，开发者需要维护资源，确保它们能在新版引擎内运行，这件事相当耗时费力。另外，Unity在不同硬件上的工作方式可能略有差异，一旦遇到问题，开发者在修复时需要考虑的细节就更多了。

“有些问题很可能出乎你的意料，比如素材在PS5上遇到了某个奇怪故障。你没有PS5的开发套件，所以当你想方设法修复故障时，只能希望客户不会耗尽耐心。”

除了创作Unity资源，范伊梅泽尔还曾与一些独立工作室合作，参与过几款高口碑游戏的开发，包括安纳布尔纳互娱发行的《Last Stop》、清新治愈的邮递员模拟游戏《Lake》等。不过范伊梅泽尔说，至少在可预见的未来，他仍然会将创作Unity资源作为主业。在他看来，如果自己加入某家工作室，也会做同样的事，却不可能拥有同等程度的自主权。

范伊梅泽尔主要承担了游戏《Lake》中景观、照明、天气等系统的构建

帕乌洛夫的想法不太一样。“我将电子游戏视为艺术品，渴望成为一位画家或雕塑家，而不是刷子工匠。就算大家都使用我的刷子，也不会让我觉得我变得更像艺术家。”

从某种意义上讲，帕乌洛夫制作的工具确实帮助他实现了梦想。在育碧RedLynx前创意总监安蒂·伊尔韦苏奥的鼓励下，帕乌洛夫前往这间工作室应聘，后来成为一位技术美术专家。与此同时，范伊梅泽尔则开始尝试在自己的作品中加入新内容——声音。为了在竞争激烈的市场上保持领先优势，他会带着录音设备前往世界各地的遥远角落。

“很多人都会提供环境包，但总是缺少声音。”范伊梅泽尔说，“声音是游戏的重要组成部分之一，所以我认为在资源商店里，包含声音的环境包肯定不缺买家。”

本文编译自：theverge.com

原文标题：《THE GAME MAKERS WHO FOUND CAREERS AS ASSET STORE CREATORS》

原作者：Lewis Gordon

奥特银河格斗3：小金人收集两件神器，提坦碰瓷诺亚

大家好，我是小蜘蛛。

奥特银河格斗第三季的剧情更新了，现在来看塔尔塔罗斯是在下一盘大棋啊。前面四集的剧情当中塔尔塔罗斯收集恶魔果实复活了超级强大的怪兽古阿大帝。

本来以为小金人准备靠古阿大帝一举解决掉新生代的，但是没想到塔尔塔罗斯看都没看一眼就带着终极战斗仪走了，而且之后的托雷基亚和贝利亚明明有机会解决掉这些新生代的，也是一样没有动手，看起来实在太诡异了吧。

这样来看的话召唤出古阿大帝并不是小金人的终极目的，只是用来掩盖的一个表象罢了。小金人真正在意的应该是武器终极战斗仪才对。这也是贝利亚曾经的武器，可以操控一百只怪兽的强大道具。

但是以小金人的能力来说的话终极战斗仪对他应该没有太大的效果吧，不懂他为什么会执着于这一把武器。而且从后面的剧情可以看出小金人不只是拿到了终极战斗仪，好友托雷基亚黑化后的面具也是在他的手上，而且被小金人很好地保存了起来。

按理来说的话贝利亚和托雷基亚的极限都是比不上古阿大帝的，而他们的武器为什么能让小金人那么费心呢？其中肯定是有着什么我们不知道的事情的，所以贝利亚和托雷基亚这两个人会变成真正的关键人物才对。

而小金人回到王国之后很快出现了第三位究极生命体，虽然在之前的剧情当中我们已经见过了，但是这次出场的时候的确还是自带霸气的。

为什么呢？这第三位究极生命体提坦竟然想要去找诺亚的麻烦，因为得到了关于诺亚的消息，所以直接就传送了过去。

不得不说小金人和小金剑两个人是真的牛啊，一个人敢下令一个人敢执行，上来就是找最强的奥特战士，宇宙第一道光诺亚奥特曼的麻烦，也不想想自己是什么级别的实力。

但是想来小金人也不可能就这样直接让小金剑去送死吧，虽然说小金人是主导但是都是究极生命体按理小金剑的级别也不会低才对。

而且诺亚奥特曼向来都是神龙见首不见尾的，虽然他们得到的消息很可能只是诺亚的小号奈克瑟斯奥特曼。如果只是奈克瑟斯奥特曼的话那以小金剑的实力拿下应该不是太困难的事情吧。

不过这一话大概率也是一个伏笔说不定在第二段的剧情当中诺亚奥特曼就真的会登场了呢？目前的神秘四奥当中雷杰多出现过了，奥特之王也登场了。而赛迦因为赛罗掌握了全新形态的缘故大概率不会出现了，所以就只有一个诺亚了。

但是以诺亚这个秒杀全场的实力来看的话，一旦登场，估计在场的人没有一个是对手吧，直接就是降维打击了，对小金人也太不友好了，小金人应该不至于胆子那么大去招惹诺亚吧。

以上就是本期的全部内容了，对此有不同意见的粉丝们也可以留言讨论。我是小蜘蛛，一个喜欢聊聊动漫，收集手办的爱好者，喜欢就关注我吧，我们下期见！文：小蜘蛛

从量子到星空：混沌世界的隐藏秩序

导语

1963年，洛伦兹用蝴蝶效应形象地展现出了混沌的魅力：亚马逊热带雨林中的一只蝴蝶偶尔扇动几下翅膀，可以在两周以后引起美国得克萨斯州的一场龙卷风。正所谓“失之毫厘，谬以千里”，混沌理论告诉我们，即使人类掌握了确定性规则，依旧无法拥有预测未来的能力。本文从混沌的天气预测实验开始，介绍了混沌理论和实例：从分岔到分形，从树木、血管这些自然界的实例，到量子混沌再到人类的意识。

关键词：混沌理论，分形，量子混沌，意识

Irfan Bashir, Hamid Rashid Shah | 作者

牛晓杰 | 译者

梁金 | 审校

邓一雪 | 编辑

目录

1. 一个混沌理论的实验

2. 解释混沌理论：混沌科学

3. 什么是混沌理论？

4. 混沌斑图

5. 混沌理论举例

6. 量子混沌

7. 混沌理论与意识

在60年前一个寒冷的冬天，爱德华·洛伦兹正在他的电脑上进行一个天气模式模拟的实验。在输入了一些数字之后，他出去喝了杯咖啡。等到他10分钟后再次回来的时候，发现一些古怪的结果。由此他发现了后来著名的混沌理论——一个将永远改变科学的发现！

他的电脑模型是12个变量的组合，每一个变量代表天气的一个方面，诸如温度和风速。洛伦兹当时正在重复他之前的模拟。然而，当洛伦兹把他程序里的变量从0.506127四舍五入成0.506时，未来两个月的整个天气预测模式都完全改变了。在正常参数下，给定相同的起点，天气每次都会以相同的模式展开。而给定一个稍微不同的起点，天气应该以稍微不同的模式展开。四舍五入造成的误差肯定是微不足道的，它不应该造成什么大规模的影响。

在那个时期，科学的假设是，只要了解物理定律和系统的初始条件，就可以计算出一个封闭系统的大致行为。科学思维是，另一个星球上树叶的掉落不会影响到地球上台球的运动。人们相信，小的变化不会造成大的影响。法国数学家皮埃尔-西蒙·拉普拉斯（Pierre-Simon Laplace）在1814年出版的《概率哲学论文》（ ）中说，如果我们知道宇宙目前的一切，那么“没有什么是不确定的，未来就像过去一样，会毫无保留的呈现在‘我们’眼前”。

但是，在洛伦兹的特殊微分方程系统中，随着时间的推移，小的错误会造成深不可测的变化。这些问题凝视着他，但他并没有答案。是否简单的模型可以产生显著的随机性？是否在一个系统中的简单模型会在另一个系统产生复杂性？是否随机性并不是模糊测量的副产品，而是一种常态？是否混沌并不是人类观察局限性的结果，而就是自然的底层法则？

图.运行了两个月的两个模拟天气斑图

这个出乎意料的结果使洛伦兹意识到，小的改变可以造成大的影响——这是对自然运转方式的强有力洞察。这个想法被称为“蝴蝶效应”。混沌效应或者蝴蝶效应就是用来表述“小的改变导致整个混沌系统重大变化”的观点。蝴蝶效应这个术语是洛伦兹提出的，他假设一只远处的蝴蝶拍打翅膀的行为可以引起一系列的复杂事件，最终导致其他地方的一场龙卷风。洛伦兹意识到，对初始条件的敏感性是导致非周期性行为的原因。这种效应后来获得了一个专有名词：初始条件依赖敏感性。然而，看一下民间传说就会发现，古代的诗人已经知道并回答了什么是混沌理论：

“因为少了一颗马蹄钉，而丢了一个马蹄铁。

因为丢了一个马蹄铁，而少了一匹战马。

因为少了一匹战马，而缺了一个骑兵。

因为缺了一个骑兵，而输了一场战役。

因为输了一场战役，而灭亡了整个国家。”

2.解释混沌理论：混沌科学

正如詹姆斯·格雷克（James Gleick）在他的书《混沌》（）中所说，“在混沌开始的地方，经典科学就止步了。只要世界上有物理学家在试图探究自然规律，TA就会在面对大气中的无序状态、动荡的海洋、野生动物种群的波动、心脏和大脑的振荡时感到特别的无知。自然界有其不规则、不连续和不稳定的一面。”

混沌科学孕育了自己的语言，包括分形、湍流、周期性、分岔、奇异吸引子、蝴蝶效应和敏感依赖等词汇。这些词代表了一个规则不同的世界——事物分支成奇怪的结构，遵循一种可以知道但不可能精确量化和预测的斑图和周期性。如果通过时空连续体的棱镜来参考，那么这个混沌世界的一切就好像是折回自身，同时成为未来和过去——它从自身汲取其周期性。混沌不是对秩序的拒绝，而是秩序的自然表达。

混沌科学似乎可以回答一些人类苦苦追寻的最基本问题。生命是如何开始的？什么是湍流？最重要的是，在一个创造更多无序的熵支配的宇宙中，秩序如何产生？以及古老的科学问题：微观世界如何将自己编织进宏观世界。孤立地研究一个原子或神经元时，其行为方式是一样的，但数十亿个原子和神经元的行为方式却完全不同。这是一门解开周期性和不可预测性之间联系的科学。

混沌的核心是对非线性的研究，这意味着玩游戏的行为有可能改变规则本身。非线性使得对非线性事物的理解变得困难，因为不同变量之间存在错综复杂的变化性，从而创造了丰富而复杂的行为。例如，人们不能给摩擦力定义一个恒定的重要性，因为它的重要性取决于速度，而速度又取决于摩擦力。因此，量化非线性就像解一个魔方，每次移动它时颜色都会改变。

让我们考虑一些最常见的日常例子：

3.1 预测天气

过去两个世纪技术发生了重大变革，短期内的天气预测水平已经大大提升。但是长期天气预测仍然是棘手的问题。大部分现代天气预测模型，甚至是人工智能驱动的模型，都是通过分布在10-200公里范围内的地理监测点的网格进行预测。为了确定天气，气象学家使用一系列微分方程来分析原始数据，其中包括露水强度、温度、风、压力以及其他变量。但是地面站和卫星不能观察到所有的东西，因此对于一些起始数据，例如水分，必须通过猜测给定数值。大多数情况下，这种猜测是可靠的。

但是，假设我们能够将设备升级到足够精确的水平，并且用间隔仅几英尺的传感器覆盖整个地球；假设每个传感器都能给出气象学家想要观察的完全准确的读数；假设一台由人工智能驱动的量子计算机能够接收所有这些读数，并计算出以分钟为间隔的天气模式。那会发生什么？如果以上所有假设成立，我们是否能够绝对准确地预测天气？

我们将观察到的是，我们仍然无法预测特定地点或长期的天气模式。传感器之间的空间将隐藏微观波动——它一直延伸到量子范围，但是计算机并不知道。这些其实只是相比于平均水平的微小偏差。但在几分钟内，这些波动已经在几英尺外造成了微小的错误。很快，乘数效应（Multiplier Effect）将随之而来，错误将累计，甚至会扩展到10英尺的距离范围。因此，这使得人们不可能绝对准确地预测天气。

3.2 一杯热咖啡与混沌

热液体是受混沌法则支配的许多流体力学过程之一。以一杯简单的咖啡为例，我们怎样才能计算出一杯咖啡究竟会以怎样的速度冷却下来？如果咖啡只是热的，它的热量会在没有任何流体力学运动的情况下耗散，因此不会产生湍流。但是如果温度上升到咖啡开始沸腾，会发生什么？

如果你仔细观察过一杯热咖啡，会立即注意到在饮料表面有一条暗线勾勒出的土灰色漩涡区域。这些旋转的斑图被称为对流单元。它标志着热咖啡上升到表面，而稍微冷却的咖啡被引力拉向底部的区域。对流是一种常见的过程，当较热的空气或液体位于较冷的下层时就会发生。这就是咖啡杯中发生的情况：上面的咖啡因蒸发而冷却，随着冷却也变得更重，被重力拉下底部。同时，底部的咖啡中较热的部分上升到顶部以取代它。

漩涡可能很复杂。但最终我们能够知道这个系统会变成什么。随着热量的进一步消散，同时摩擦使移动的液体变慢，杯中咖啡的内部运动肯定会停止。洛伦兹在评论这一现象时曾说："我们可能难以提前一分钟预测咖啡的温度，但提前一小时预测它应该没有什么困难。“

根据教科书上的对流模型，热的底部和冷的顶部之间的温度差控制着系统的流动。简单地说，热量向顶部移动，但并不干扰液体保持静止的趋势。

然而，当开始加热时可以观察到，随着液体变得更热，它的体积扩大，密度降低，使其轻到足以克服摩擦并向表面上升。但如果热量进一步增加，液体的行为会变得更加复杂。卷动的液体开始摇晃，为湍流的形成做准备。

因此，一个看似稳定的系统，当面对微小的变化时，如加热仅0.001度，就可以在几秒钟内从有序对流过渡到湍流混沌——即使这种系统是确定性的，它的最终结果可以预测。然而，在短期内，系统的确定性趋势必须向混沌让步，使得诸如“一杯咖啡的温度”这样简单的事情无法预测。这样的系统被称为遵循确定性的混沌，其行为原则上是可以被预测的，但“随着时间的推移”或在更小的“时间”尺度，其不可预知性会出现。

自然界中的混沌斑图就在我们身边。这些斑图包括但不限于流体中的分形和湍流，螺旋形或者二维曼德布洛特集合形，或像洋葱中的嵌套层那样普遍的事物。

自然界中的混沌是一项迷人的研究。从最小的雪花到庞大的星系，它的每一点、每个声音和景象都在诉说着自己的故事。这不禁令人着迷，因为它有如此多的层次可以探索！从由不同材料组成的建筑结构（如砖或玻璃）内的音乐回声，一直到诸如包含后代遗传信息 DNA 的细胞等更小的结构，混沌无处不在。

大自然是一幅用秩序和混沌的图案编织的毯子。让我们探索其中的一些斑图。

4.1 洛伦兹系统：混沌理论中的蝴蝶效应和奇异吸引子

在洛伦兹观察到天气模式对初始条件的敏感依赖后，他对混沌背后的数学产生了浓厚的兴趣，并由此发现了著名的洛伦兹方程。1963年3月，洛伦兹写道，他想引入求解确定性非周期流和有限幅度对流（确定性混沌）的常微分方程。洛伦兹发现，当将傅立叶级数应用于瑞利的对流方程时，除了三个变量外，其他变量都趋于零。这三个变量表现出不规则的、明显的非周期效应。他利用这些变量构建了一个基于地球大气二维表示的简单模型。

他提出了一组对流微分方程，并将其简化到极致。尽管洛伦兹系统没有完全模拟对流，但它能够抽象出现实世界中对流的一个特征：热流体上升并向四处流动的循环运动过程。

洛伦兹方程如下：

dx/dt = X’ = σ(y − x)

dy/dt = Y’ = ρx − y − xz

dz/dt = Z’ = xy − βz

洛仑兹方程包含三个参数：σ， ρ， β。接下来，我们均假设这些参数都是正的。在下面所有的数值计算中，我们取 σ = 10.0， β = 8/3，ρ 是变量。这里 x、y、z 并不是指空间中的坐标。x代表平面上的对流翻转，y和z分别代表水平和垂直的温度变化。该模型的参数为σ，代表流体粘度与其热导率之比；ρ 代表大气平面顶部与底部的温差；β 代表平面的宽度与高度之比。

洛伦兹的电脑记录下三个变量的变化值：0-10-0；4-12-0；9-20-0；16-36-2；30-66-7；54-115-24；93-192-74。随着预设时间间隔的推移，这三个数字先上升后下降。洛伦兹用每组的 xyz 值作为坐标绘制数据图。这副图显示了当一个变量经历有限时间内的变化时，混沌系统如何随时间变化。过去对系统的传统预期是，它要么会稳定下来，进入一个稳态，速度和温度的变量将不再变化；要么可能会形成一个循环，进入一种周期性重复的行为模式。而这两者都没有在洛伦兹系统里出现。

洛伦兹系统

这幅图形成了一种无限复杂的感觉，同时包含了混沌和秩序。它总是在一定的范围内运转，但与此同时，它从不重复自己曾经出现过的状态。生成的混沌系统可预测地朝着相空间中的吸引子移动——但出现的不是点或简单的环，而是奇异吸引子。奇异吸引子是混沌系统在特定相空间中的一种表现，但吸引子也存在于许多非混沌的动力系统中。

它的形状看起来像个三维的双螺旋，看起来像一只蝴蝶。因此被称为蝴蝶效应。

洛伦兹吸引子（蝴蝶效应）微分方程在 Java 中的示例实现：

int i = 0;
double x0, y0, z0, x1, y1, z1;
double h = 0.01, a = 10.0, b = 28.0, c = 8.0 / 3.0;
x0 = 0.1;
y0 = 0;
z0 = 0;
for (i = 0; i < N; i ) {
x1 = x0 h * a * (y0 – x0);
y1 = y0 h * (x0 * (b – z0) – y0);
z1 = z0 h * (x0 * y0 – c * z0);
x0 = x1;
y0 = y1;
z0 = z1;
// Printing the coordinates
if (i > 100)
System.out.println(i ” ” x0 ” ” y0 ” ” z0);
}

洛伦兹微分方程组证明了混沌中隐藏着秩序。这种混沌本身并不能简化为随机性。混沌的核心终于可以被数学的诗意语言表达了。混沌背后的数学理论表明，宇宙是由复杂的系统控制的，这些系统同时产生了湍流和相干——无论是木星的大红斑还是物种种群。蝴蝶效应就是混沌的体现。

4.2 费根鲍姆常数和混沌理论

事实上，理解混沌理论最好的方法之一就是观察动物种群。假设方程 x_next = rx (1-x) 代表种群的增长。在这里，x_next 表示下一年的种群数量，x 表示现有年份的种群数量；r 表示增长率，(1-x)表示使增长保持在一定范围内的因素：当 x 增加时，(1-x) 下降。在这里，种群数量被表示为0到1之间的一个分数，其中0代表灭绝，1代表物种可能达到的最大种群数量。如果种群数量在一年内下降到某一水平以下，那么明年就有可能增加。但是，如果种群数量增长过快，物种内部对资源的竞争就会趋向于将其限制在一定范围内。

经过多次初始波动后，总体将达到平衡。当r值很小时，种群逐渐灭绝。对于较大的r值，总体可能收敛于单个值。对于更大的值，它可能在两个值之间波动，然后是四个值，以此类推。但对于更大的值，一切都变得不可预测。代表种群函数的线，最初是单一的，然后分裂成两个、四个...... 然后进入混沌。这种情况的种群数量-r曲线产生了有趣的结果。

当r在0和1之间时，种群最终灭绝。在 r = 1 到 r = 3 之间，种群数量收敛到单一值。在r = 3.2左右时，图分叉（分成两个），因为在r的这个值处，种群数量不收敛于单个值，而是在两个值之间波动。r值越大，分岔速度越快；在连续的周期翻倍之后，图像很快变得混沌。这意味着，对于r的相应值，种群数量在随机值之间不可预测地波动，从不表现出周期性行为。然而，仔细观察会发现，在混沌部分之间的某些点时，图会变得可预测。这些可以被称为“混沌中的秩序之窗”。在最初的混沌行为之后，混沌突然消失，留下一个稳定的三周期。然后继续加倍——6, 12, 24，再次进入混沌状态…...图中的混沌行为实际上是分形的。它展示了在植物和动物种群调节的简单模型中固有的非线性如何导致混沌的行为。

超过某一点，周期性就会让位给混沌，波动根本就不会稳定下来。图中的整个区域都被完全遮住了。如果你继续观察一个由这种最简单的非线性方程组支配的动物种群，你会发现，复杂性被隐藏为随机性。然而，复杂性并不意味着随机性。对于动物种群数量的每一个疯狂的、不可控的变化，我们观察到有一连串的事件年复一年地出现。即使参数在上升，这意味着非线性推动系统越来越难，但会突然出现一个具有固定周期的窗口：一个奇数周期，如3或7。种群数量变化的模式在3年或7年的周期中重复出现。然后，周期加倍的分叉以更快的速度重新开始，迅速通过3、6、12......或7、14、28......的周期，然后再次中断，重新进入混沌。

种群分岔图

放大后可以看到，上图中的混沌部分无休止地重复着同样的模式。分形是永无止境的。分形是无限复杂的斑图，在不同的尺度上具有自相似性。它们是通过在一个持续的反馈循环中不断重复一个简单的过程而产生的。从本质上讲，分形是一种永远重复的斑图，分形的每一部分，无论你如何放大，或缩小，它看起来都与整个图像非常相似。在递归的驱动下，分形是动态混沌系统的图像——它是混沌的图片。正如詹姆斯·格雷克（James Gleick）所说，"这是一种看待无限的方式"。

经过调查，数学家米歇尔·费根鲍姆（Mitchell Feigenbaum）发现，当他用每个分岔段的宽度除以下一个分岔段的宽度时，它们的比率会收敛到一个常数，被称为费根鲍姆常数，即4.6692016090。对于所有的分叉图，无论他使用什么函数，这个数字都是一样的。尺度是关键。费根鲍姆认为，（跨越不同范围的）尺度是理解湍流等复杂现象的关键。费根鲍姆提出了一种称为周期倍增的情况来描述规则动力学和混沌之间的转变。他的建议是基于1976年生物学家罗伯特·M·梅（Robert M. May）提出的 logistic 映射，梅在研究动物种群的繁荣与萧条模式时发现了分岔。

随着时间的推移，复杂性的规则也被证明是普遍的，并适用于所有的动力系统，不管它们的组成部分是什么。这种行为可以通过一个简单的系统观察到，比如水龙头滴水。最初，水会一滴一滴地落下。随着水流的加速，它会成对地滴落，以此类推，然后它遵循一种混沌的行为。这种类型的行为适用于无数的混沌系统——从滴水到异常复杂的曼德布洛特集合。混沌无处不在。

4.3 曼德布洛特集合和混沌理论

出生于波兰的法裔美国人伯努瓦·曼德布洛特（Benoit Mandelbrot）是一位对实用科学有广泛兴趣的博学者。现在人们对分形几何的兴趣很大部分是他的功劳。他展示了分形如何在数学和自然界中呈现。事实上，分形已经被用来描述经济、金融、股票市场、天文学和计算机科学的各种行为。他在分形几何学上的贡献为他赢得了“分形之父”的称号。

1961年，曼德布洛特在美国纽约州约克城高地托马斯·J·沃森研究中心担任研究科学家。作为一名尚未找到自己专业定位的年轻聪明学者，曼德布洛特正是那种IBM招聘时所渴求的特立独行的知识分子。招聘任务很简单：IBM参与了通过电话线传输计算机数据的工作，但一种白噪声不断干扰信息流，破坏信号。IBM希望曼德布洛特能对这个问题提供一个新的视角。

从孩提时代起，曼德布洛特就习惯在视觉层面思考问题，所以他没有使用现成的分析技术，而是本能地从白噪声产生的形状角度来研究它——这是IBM当今著名的数据可视化实践的早期形式。湍流的曲线图很快揭示了一个奇特的特征。无论图表的规模如何，无论它代表的是一天、一小时或一秒的数据，干扰的模式都惊人地相似。有一个更大的结构在起作用：一段时间的无误信号，紧接着就是一段时间的错误信号。曼德布洛特发现了误差爆发和清晰传输空间之间一致的几何关系。传输误差就像时间排列的康托集（Cantor set）。他将这种变化分为两种效应，他称之为“诺亚效应”和“约瑟效应”。

康托集

诺亚效应意味着不连续性：当一个数量发生变化时，它几乎可以任意地快速变化。经济学家们传统上认为，价格的变化是平稳的——快速或缓慢，视情况而定。但平稳的意思是，它们在从一个点到另一个点的过程中经过了所有的中间水平。这种运动的概念是从物理学中借来的，就像应用于经济学的许多数学一样。但这是错误的。价格的变化可以是瞬间的跳跃，就像一条消息在电传电报上闪现和一千个股票经纪人可以改变他们的主意一样迅速。曼德布洛特认为，如果假定股票在从60美元跌至10美元过程中的某一时刻必须以50美元的价格出售，那么这条股市策略注定要失败。

约瑟效应意味着持续性。埃及遍地必来七个大丰年，随后又要来七个荒年。当然如果《圣经》用它来隐喻周期性的话是过于简化的。但洪水和干旱确实持续存在。尽管存在潜在的随机性，但一个地方遭受干旱的时间越长，它就越有可能遭受更长时间的干旱。此外，对尼罗河的数学分析表明，这种持久性持续了几个世纪，甚至几十年。诺亚效应和约瑟夫效应推动着不同的方向，但它们加起来就是：自然界的趋势是真实存在的，但它们来的快去的也快。

曼德布洛特后来将注意力转向测量海岸线。英国的海岸有多长？根据曼德布洛特的说法，答案取决于人们使用的尺子。据他说，海岸线无限长。一幅图画在他的脑海中形成，但它是朦胧的。微观世界和宏观世界之间有一种斑图联系。当从上面放大或缩小时，岩石海岸的粗糙程度看起来是一样的。曼德布洛特逐渐认识到，大自然倾向于在不同的测量维度上重复它的模式。

1945年，曼德布洛特的叔叔向他介绍了朱利亚（Julia）1918年的重要论文，认为这是一篇杰作，可以延伸出许多有趣的问题，但曼德布洛特并不喜欢它。事实上，他对他叔叔提出的建议十分抗拒，因为他觉得自己对数学的整个态度与他叔叔的态度是完全不同的。相反，曼德布洛特选择了属于他自己的非常不同的学术路线，然而，这条路线又让他回到了朱利亚的论文。

在加斯顿·朱利亚（Gaston Julia）和皮埃尔·法图（Pierre Fatou）之前的工作基础上，曼德布洛特使用计算机绘制朱利亚集的图像。通过研究这些朱利亚集的拓扑结构、棉花价格的模式、电子传输噪音的频率和河流洪水的重复，曼德布洛特认识到，自然系统中的不规则模式有一种自我相似性。存在一种跨越尺度的对称性——斑图中还有斑图。

曼德布洛特在加斯顿·朱利亚的工作基础上进行研究。朱利亚集分形通常是通过初始化一个复数 z = x yi 产生的，其中x和y是图像像素坐标，范围约为-2至2。经过无数次的迭代，如果z小于2，我们就说这个像素是在朱利亚集里，并相应地给它上色。对整个像素网格进行这样的计算就可以得到一个分形图像。

曼德布洛特将c的值设置为 x yi，其中x和y是图像坐标（也用于初始z值）。这就产生了曼德布洛特集合。曼德布洛特集合可以被认为是所有朱利亚集合的映射，因为它在每个位置使用不同的c，就好像在空间中从一个朱利亚集合转换到另一个朱利亚集合。结果是一个形状笨拙的虫子一样的结构，至少可以说，这是令人困惑的。更重要的是，每一个小版本都比上一个版本包含了更多复杂的细节。这些结构并不完全相同，但总体形状惊人地相似，只是细节不同。事实证明，这些细节的具体程度只受限于计算方程的机器的能力，而类似的形状可以永远持续下去——在无限的尺度上揭示越来越多的细节。这是一个确定的几何形状，它的粗糙度是有规则和参数的，但它是一种先前未被科学界所识别的几何形式。

曼德布洛特集合

曼德布洛特于1979年提出了曼德布洛特集。1982年，曼德布洛特在《自然界的分形几何》中扩展并更新了他的观点。在这本书中，曼德布洛特强调了自然界中许多分形物体的出现。他举的最基本的例子是一棵树。他指出，从树干到树枝等树的每个部分都非常相似，但也有细微的差异，这为整棵树的内部运作提供了越来越多的细节、复杂性和洞察力。忠实于他的学术根源，曼德布洛特基于这些自然实例提出了健全的数学理论和系统，他新创造的“分形几何”就是基于此。

5.混沌理论举例

分形斑图无处不在：在数学、工业、股票市场、气候科学、星系、树木，甚至在电影和游戏中也有分形的存在。事实上，多分形图案已经在量子领域被发现——在扫描隧道显微镜的原子级分辨率下，材料从金属向绝缘体的突变中，与单电子相关的波呈现了明显的多分形图案。让我们来看看我们在自然界发现的一些最令人惊讶的混沌模式。

5.1 木星上的大红斑

木星的红斑是混沌研究中的一件艺术品。大红斑是木星南半球的一场风暴，它的红色云层以逆时针方向旋转，风速超过地球上的任何风暴。地球上的飓风是由水分凝结成雨时释放的热量驱动的，但红斑并不是。地球上的飓风以气旋方向旋转，在赤道上方逆时针旋转，在赤道下方顺时针旋转，就像所有地球上的风暴一样。相比之下，红斑的旋转是反气旋的。而且最重要的是，飓风在几天内就会消亡。但自1831年9月5日以来，人们一直能观察到大红斑。这个斑点是一个受湍流调节的自组织系统，混沌中稳定的矛盾组合创造了这个强大的风暴，这似乎没有尽头。

木星大红斑

5.2 人体

从主动脉到毛细血管，人体的血管形成了另一种连续体：它们分支，分裂，再分支，直到变得非常狭窄，以至于血细胞被迫单列移动。它们分支的本质是分形的。

肺是自然分形器官的一个极好的例子。一对人类肺的体积只有4-6升，但其表面积却能达到在50-100平方米。肺的表面积与容积比非常高，它对人体非常重要。是肺的分形结构使其具有这样的特征，从气管到分支顶端的肺泡一共有11个分支。分形分支几何提供了一种使非常大的表面积变得非常紧凑的方法。在这种情况下，身体里的每个细胞都必须非常靠近血管才能获得氧气和营养（100微米以内）。血管的分形分支系统可以达到直径约为8微米的程度，这也就是毛细血管的宽度。人体的血管长度可达15万公里左右，因为人体组织每毫米约有250个毛细血管，而毛细血管的平均长度约为600微米。

同样地，大脑的神经元也拥有分形模式。人脑由大约1000亿个神经元组成，这些神经元之间有大约100万亿个突触或连接，平均每个神经元可能要在同一时间与大约1000个细胞沟通。轴突伸出来与其他神经元的树突进行突触连接。正是神经元的轴突和树突的分形分支模式使它们能够与如此多的其他细胞交流。

事实上，癌症物质的分形维度要高于健康细胞的分形维度。乔治·华盛顿大学数学和工程系兼职教授艾伦·彭（Alan Penn）描述了他在这一领域的工作：核磁共振乳腺成像可能改善对400万名乳房X光检查无效的高危妇女的诊断。核磁共振成像的临床应用的困境是难以诊断哪些肿块是良性的，哪些是恶性的。研究的重点是开发强大的分形维度估计，这将改善良性和恶性乳房肿块之间的区分。

自然界中所有动物的身体结构都是分形的，它们的行为甚至时间也是分形的。我们的心跳看起来规律而有节奏，但当仔细观察计时结构时，就会发现它有非常轻微的分形。这非常重要：我们的心跳并不是规律的，而是有重要的微小变化。这种细微的变化大大减少了心脏的磨损。就像自相似树的树枝一样，健康人的心跳在统计上也是自相似的。此外，心脏病可以通过极端和无节奏的分形行为来检测。

5.3 自然界中的分形

分形图案在大自然中随处可见。树木是天然的分形斑图，这些斑图重复着越来越小的“复制品”，创造了森林的生物多样性。每根树枝，从树干到树梢，都是之前那根树枝的副本。这是一个基本原则，我们在自然界整个自然系统的有机生命形式的分形结构中会反复看到。

花朵、蕨类植物、树叶、河道、闪电、雪花是自然界分形的一些例子。Romanesco Broccoli 是花椰菜的变种，是一种极具分形的蔬菜。它的斑图是斐波那契数列或黄金螺旋的自然表示，这是一种对数螺旋，每四分之一转距离原点的距离都是黄金比例的一个因数。

斐波那契数列是自然界中常见而美丽的数字模式，它创造了黄金比例。蕨类植物是自相似集合的一个常见例子，这意味着它们的模式可以在任何放大或缩小的情况下用数学方法生成和复制。描述蕨类植物的数学公式以迈克尔·巴恩斯利（Michael Barnsley）的名字命名，是第一个表明混沌本质上不可预测、但通常遵循基于非线性迭代方程的确定性规则的数学公式之一。换句话说，使用Barnsley的蕨类公式反复生成的随机数最终产生了一个独特的蕨类形状的物体。许多植物在生成分枝形状和叶型时遵循简单的递归公式。

各种分形的例子

河流三角洲在本质上也趋向于分形；即使在天空中，基于卫星图片的分析也表明，从数百英里外观测到的云具有不变的分形维数；闪电不是直线传播的，而是遵循混沌的行为。闪电可以非常大，跨越数英里，但它在微秒内就可以形成；雷声是分形的声音，是由空气过热引起的。因为闪电的路径在3D空间中是一个锯齿形的分形，它到达我们耳朵所需的时间是不同的，因此我们听到的声音是一个分形模式。

星系是已知的最大的螺旋分形中例子。一个螺旋星系可能包含一万亿颗恒星。旋臂并不包含更多的恒星，但是，旋臂仍然更亮，因为它们包含许多由恒星形成的旋转螺旋波形成的生命短暂的极亮恒星。恒星形成的波之所以可见，是因为它们包含许多年轻的、非常明亮的恒星，它们的寿命很短，可能只有1000万年，而相比之下，更常见的恒星，如我们的太阳，寿命可达数十亿年。

6.量子混沌

“我们在日常生活中所经历的宏观世界是如何从肉眼看不见的微观世界中显现出来的？”这个问题，和科学本身一样古老。在过去的100年里，理解支配“宏观世界的经典力学是如何从支配微观世界的量子力学中衍生出来的”这一命题变得越来越重要。虽然科学界已经取得了巨大的进步，但仍然存在许多令人困惑的问题。混沌的出现很可能是量子世界和现实世界之间的共同连接。

量子混沌研究的核心目标是描述量子系统的普遍特性，这些特性反映了基础经典动力学的规则或混沌特征。研究人员已经观察到，经典混沌的后一种普遍属性与量子混沌的普遍光谱波动特征密切相关。

量子混沌最初是试图在量子力学系统中找到混沌，即对初始条件变化的极端敏感性。这一尝试失败了，因为人们最终意识到，这种敏感性并不存在。然而，在此过程中，人们发现混沌（或缺乏混沌）以其他方式反映在量子系统中。

量子混沌的一个迷人特征是，它揭示了非常不同的物理系统在行为上的大量普遍性。例如，在强多重散射问题中发现的声波强度、被称为瑞利分布（Rayleigh）的概率密度、中子从中重核散射的截面中的埃里克森波动、以及在混沌或无序的量子点中发现的电导率波动，都可以被视为拥有一个共同的基本统计结构。因此，人们能够看到系统之间的基本相似之处，否则这些往往会被忽略。普遍性意味着对一个系统的统计特性的许多方面缺乏敏感性，即缺乏某些种类的信息。此外，量子混沌把许多不相干的、看似不相干的概念，即经典混沌、半经典物理学和渐进方法、随机矩阵组合、路径积分、量子场论、安德森局域性，以意想不到的方式联系起来。

因此，看到量子混沌在许多领域的应用就不足为奇了。这些领域包括：（1）中核和重核中的低能质子和中子共振；（2）弹道量子点；（3）介观无序电子导体；（4）非阿贝尔规范场背景下的Dirac谱；（5）原子和分子光谱；（6）里德堡原子与分子；（7）微波驱动原子；（8）超冷原子和光学晶格；（9）光学谐振器；（10）晶体中的声学和在海洋中远距离传播的声学；（11）黎曼ζ函数和广义L-函数；（12）退相干性和保真度研究。还有很多其他的例子。

7.混沌理论与意识

意识是一种涌现属性。正如神经科学家 David Eagleman 在他的书《大脑：你的故事》中解释的那样，观察意识最合适的方式不是关注各个部分，而是关注各个部分之间的相互作用。人类大脑中数百万个神经元中的一个神经元本身就足够简单。它以一种完美的、可预测的方式执行其功能，即神经递质通过突触发送信号。通过观察单个神经元来理解作为一个系统的意识是不可能的。重要的是神经元之间复杂的相互作用。每个神经元执行自己的简单功能；但是，在数百万个神经元之间的这种大规模的相互作用，产生了单个神经元无法解释的东西：意识。

我们可以说，意识与人类大脑中分布式互动的复杂性有关。人脑的功能结构本身就是一个分形反馈循环：分形大脑产生分形意识。人类的意识与中枢神经系统的电信号密切相关。如果大脑中没有电活动，你就会失去意识，甚至死亡。当意识出现时，大脑活动的熵会增加，而分形是高熵的，这也是一些研究人员认为我们的意识是分形的原因之一。其次，我们的中枢神经系统控制着我们身体和精神的大部分功能，它与分形有很多联系：第一，中枢神经系统的结构是分形的；第二，中枢神经系统的信号也是分形的。

哲学家 Kerri Welch 通过时间和记忆的镜头，以更全面的方式看待意识。“我认为意识是一个时间上的分形。我们每时每刻都在接收无限多的数据，每次我们压缩处理这些数据的过程都是一次尺度上的飞跃。”Welch认为，感知时间不是一个线性的过程，而是一个“分层”过程，也就是一个分形。她认为这种“分形”会随着我们的变化而变化：例如，婴儿只生活在当下，不分割时间，肯定不会像成年人这般体验时间。这就是为什么对婴儿来说，大脑的δ波状态——类似于成年人在深度睡眠中看到的——占主导地位。随后，当我们成长到童年时期，我们开始看到更快的脑电波，θ脑电波……然后是α脑电波，最后是进入青春期后的β脑电波。这种对时间的分层理解与我们如何越来越多地将时间分割成越来越小的部分相对应。与此同时，“我们内部的密度也在增加。随着年龄的增长，我们会发生转变，接受周围的复杂性，并在内心重新创造它。我们内部的分形维数——即内部密度——正在增加。”

哈佛大学医学院的心脏病专家 Ary Goldberger 说得好：“我们本质上是分形的，这可能会导致你认为是我们将分形投射到世界上的，然后又看到它，并发现它很熟悉。”所以，当我们观察和创造艺术，当我们决定什么是高级艺术时，我们实际上只是在回看我们自己吗？创造在某种程度上是再创造吗？”

本文翻译自 projectnile.in.

文章题目：

The Mathematical Beauty of Patterns in Chaos Theory

文章链接：

https://projectnile.in/2021/06/06/quantifying-the-patterns-of-chaos/

参考文献

1. https://www.popsci.com/story/science/predicting-weather-is-hard/

2. https://www.technologyreview.com/2011/02/22/196987/when-the-butterfly-effect-took-flight/

3. https://eapsweb.mit.edu/research/Lorenz/Deterministic_63.pdf

4. https://indianapublicmedia.org/amomentofscience/coffee-cup-convection.php

5. https://fs.blog/2017/08/the-butterfly-effect/

6. http://www2.me.rochester.edu/courses/ME406/webexamp5/loreq.pdf

7. http://links.uwaterloo.ca/pmath370w14/PMATH370/lorenz Latex.pdf

8. https://www.geeksforgeeks.org/creative-programming-processing-set-2-lorenz-attractor/

9. https://www.ncbi.nlm.nih.gov/pmc/articles/PMC3202497/

10. https://fractalfoundation.org/resources/what-are-fractals/

11. https://www.nature.com/articles/s42003-019-0715-9

12. https://iternal.us/what-is-a-fractal/

13. https://www.britannica.com/science/fractal

14. https://www.britannica.com/biography/Gaston-Maurice-Julia

15. https://www.api.simply.science/index.php/fractals-in-nature/10479-fractals-in-human-body

16. https://www.ncbi.nlm.nih.gov/pmc/articles/PMC5218578/

17. http://www.fractal.org/Life-Science-Technology/Publications/Fractals-and-Human-Biology.pdf

18. https://www.diygenius.com/fractals-in-nature/

19. https://cosmosmagazine.com/mathematics/fractals-in-nature/

20. https://www.ibm.com/ibm/history/ibm100/us/en/icons/fractal/

21. https://en.wikipedia.org/wiki/Benoit_Mandelbrot

22. https://mathshistory.st-andrews.ac.uk/Biographies/Mandelbrot/

23. https://www.treehugger.com/amazing-fractals-found-in-nature-4868776

24. https://www.ncbi.nlm.nih.gov/pmc/articles/PMC4005797/

25. https://nautil.us/issue/47/consciousness/is-consciousness-fractal

26. https://fractal.institute/encyclopedia/humanity/psychology/consciousness/

27. https://digitalcommons.ciis.edu/cgi/viewcontent.cgi?article=1043&context=cejournal

28. https://fractalenlightenment.com/18838/fractals/understanding-the-fractal-mind-and-fractal-consciousness

29. https://www.sciencedirect.com/science/article/abs/pii/S0169260718314263

30. https://ysjournal.com/chaos-theory-and-consciousness/

31. https://www.nasa.gov/image-feature/jpl/jupiter-s-great-red-spot-a-rose-by-any-other-name

32. https://www.amazon.in/Brain-David-Eagleman/dp/1782116613

33. https://www.amazon.in/Chaos-James-Gleick/dp/0749386061

34. https://fractalenlightenment.com/18838/fractals/understanding-the-fractal-mind-and-fractal-consciousness

35. https://fractal.institute/encyclopedia/humanity/psychology/consciousness/

36. https://nautil.us/issue/47/consciousness/is-consciousness-fractal

转载内容仅代表作者观点

不代表中科院物理所立场

如需转载请联系原公众号

来源：集智俱乐部

编辑：圆周π小姐

8点1氪 | 新荣耀股东架构浮现；欢聚遭浑水做空后股价暴跌；小米3年投资110家智能装备公司

大公司

新荣耀逐渐清晰：股东架构浮现，万飚任董事长，赵明任总经理

昨日晚间，接盘荣耀的新公司深圳市智信新信息技术有限公司（深圳智信新）董事会成员出炉。其董事会成员包括，董事长兼法定代表人万飚、董事总经理赵明、董事方飞、董事彭求恩、董事李山林、董事舒洪峰。其中，万飚原本是华为消费者业务首席运营官，赵明则是荣耀总裁、彭求恩原本担任荣耀终端公司董事。舒洪峰则是深圳智慧城市集团的代表。李山林公开信息未知，有可能代表渠道商合作伙伴。（澎湃新闻）

遭浑水做空 周三收盘欢聚集团股价暴跌 26%

北京时间 11 月 19 日凌晨消息，周三收盘，欢聚集团股价暴跌 26.48%，报 73.66 美元。今天知名做空机构浑水公司做空中概股欢聚集团，浑水称调查显示 YY 直播有大约 90% 都是伪造数据。

浑水在一份简短的报告中称，对于 YY 直播，该机构研究了近 1.5 亿笔交易，预期欢聚时代针对 YY 直播业务报告的营收中有近 90% 为伪造数据，此外绝大多数 YY 直播声称的付费用户也存在同样的问题。欢聚集团海外直播业务 BIGO LIVE 的营收数据也存在 80% 的伪造成分。

图片来源：新浪科技

雷军回应小米手机都是中低端：小米想要解决国货被人看不起的问题

雷军在亚布力企业论坛上回应“小米手机都是中低端”时表示，小米想要解决国货被人看不起的问题，做大家理解的高端手机，在贵的产品立住了，大家才能承认小米。（第一财经）

深交所：终止为暴风集团股份有限公司提供证券交易所市场A股登记服务

36氪获悉，深交所公告称，终止为暴风集团股份有限公司提供证券交易所市场A股登记服务。

微博就违规收集使用个人信息致歉：正在进行内部整改

36氪获悉，新浪微博发布社区公告称，11月14日App违法违规收集使用个人信息治理工作组发布通告，显示微博App存在两个“个人信息收集使用”方面的问题，微博对此深表歉意。根据通告要求，微博正在进行内部整改，保证在限期内按主管部门要求更新隐私协议内容，梳理用户隐私相关权限的合理性，保护用户隐私权益不受侵害。

哔哩哔哩第三季度营收32.3亿元，市场预期30.68亿元

36氪获悉，哔哩哔哩第三季度营收32.3亿元，市场预期30.68亿元，去年同期18.59亿元。

拼多多将ADS发行规模增至2870万，发行价为125美元/ADS

36氪获悉，拼多多将ADS发行规模增至2870万，每股定价为125美元。每股ADS相当于公司的4股A类普通股，每股面值0.000005美元。同时给予本次ADS发行的承销商为期30天，共计430.5万股ADS的超额配售权。拼多多方面此前表示，本次发行所得款项将主要用于继续重投农产品上行和“新品牌”（C2M）计划以及技术研发。

雅虎前 CEO 卷土重来：创建消费者 App 公司「Sunshine」

据报道，雅虎公司前 CEO 玛丽莎·梅耶尔（Marissa Mayer）今日宣布，推出消费者 App 初创公司「Sunshine」，同时也发布了公司的首款 App。Sunshine 是梅耶尔的首次创业成果，也意味着自 2017 年雅虎以 44.8 亿美元出售给 Verizon 后，梅耶尔重返人们的视线。

苹果公司以1.13亿美元与美国司法部达成和解

苹果公司以1.13亿美元与美国司法部达成和解。（新浪财经）

苹果新政：年收入低于100万美元的开发者佣金将降至15%

今日，苹果推出针对小型企业和独立开发者的“佣金”新政：开发者在苹果App Store应用商店年收入低于100万美元（扣除佣金后）其佣金将被降至15%，与之前30%佣金相比降了一半。这项计划将于2021年1月1日正式启动。（彭博社）

特斯拉CEO埃隆·马斯克在访问瑞典后感染新冠肺炎

当地时间11月18日，瑞典电视台报道，特斯拉CEO伊隆·马斯克在到访瑞典后被感染新冠肺炎病毒。他本人在推特上说，他在瑞典逗留期间感染了新冠肺炎病毒。但应该是被另一个来访的美国人传染的。马斯克还发推文说他感觉很好，对他来说只意味着轻微的感冒。

辉瑞和BioNTech最晚将于周五向FDA递交关于新冠肺炎疫苗的申请文件

辉瑞和BioNTech最晚将于周五向美国食品药品管理局（FDA）递交关于新冠肺炎疫苗的申请文件。（每经网）

投融资

雷军：小米3年投资110家做智能装备的公司

小米科技创始人雷军在亚布力企业论坛上表示，小米3年投资110家做智能装备的公司，未来智能制造就是无人工厂。（证券时报）

消息称腾讯将投资在线教育初创企业Udemy

消息称腾讯将投资在线教育初创企业Udemy，Udemy目前估值为32.5亿美元。（彭博）

搜床科技旗下品牌“Xbed希酒店”宣布获1亿元融资

36氪获悉，日前，搜床科技旗下品牌Xbed希酒店宣布获得1亿元的战略投资，投资方为深圳大一资本，该轮融资将用于未来希酒店的扩张及XMS系统研发升级。Xbed希酒店是2020年新推出的、专注于下沉市场的小微酒店品牌。第一批Xbed希酒店门店集中于华中、华南二、三线的城市，其中成型的样板店和改造前相比，平均出租率达90%以上，单房收益提升50%以上。

新电商基础设施提供商“梦饷集团”获C轮融资

36氪获悉，今日，新电商基础设施提供者梦饷集团（原爱库存）获C轮融资。本轮融资由阳光保险领投，诺亚财富及老股东君联资本、创新工场跟投。今年8月，爱库存将品牌全面升级为梦饷集团，致力于成为新电商基础设施提供者，目前已拥有注册店主超 200 万，累计帮助 10000 多家品牌商累计销售超3 亿件商品。旗下业务涵盖饷店、爱库存、爱豆学堂等。

新产品

钟薛高创始人创立高端水饺品牌“理象国”

36氪据获悉，网红雪糕品牌钟薛高母公司推出水饺产品“理象国”。据天眼查App显示，理象国品牌LOGO的商标信息关联企业为殊趣食品（上海）有限公司所有，今年8月，该公司申请了多个名称为“理象国 THE REPUBLIC”的商标。该公司成立于2019年4月，法定代表人为沈嘉妮，经营范围含食品销售，食用农产品（不含生猪产品、牛羊肉品）、日用百货、工艺品等。天眼查App股东信息显示，该公司由钟薛高食品（上海）有限公司全资控股。

图片来源：天眼查

伯索云学堂发布新产品「伯索 」，与声网 Agora 达成深度合作

伯索云学堂昨日发布了全新产品版本「伯索 」，并推出了伯索云学堂智慧教室解决方案、直播课堂 5.0，以及题库与测评，实现对线上（课前、课中、课后）和线下教学的全场景覆盖，从好用的系统、工具向智能系统、工具的进化。 （钛媒体）

微信宣布上线6个新表情

昨日晚，微信官方微博宣布上线了6张新表情，分别是：翻白眼、666、让我看看、叹气、苦涩、裂开。需要注意的是，大部分微信用户的表情面板还未更新这批新表情。用户可以在输入框中输入方括号 上面的词语，发送完毕后即可看到新的表情图案。

图片来源：企业官方

其它重要新闻

1031亿千瓦时，三峡电站创单座水电站年发电量世界纪录

截至目前，在三峡工程发挥防洪、航运、水资源利用等综合效益的前提下，世界装机规模最大水电站——三峡电站今年已累计生产清洁电能1031亿千瓦时，打破了此前南美洲伊泰普水电站于2016年创造并保持的1030.98亿千瓦时的单座水电站年发电量世界纪录。（中央纪委国家监委网站）

国常会：要扩大汽车消费，鼓励各地增加号牌指标投放

李克强主持召开国务院常务会议，会议指出，要扩大汽车消费，鼓励各地增加号牌指标投放。开展新一轮汽车下乡和以旧换新。（证券时报）

美方批准737MAX复飞，中国民航局方面维持三原则不变

昨日，美国联邦航空管理局批准波音737Max复飞。对此，中国民航局方面回应，维持此前三原则不变。他表示，中国民航率先在全球停飞737MAX-8，是基于对安全隐患“零容忍”的理念和对航空运输安全高度负责的职业精神来要求的，是对人民群众生命安全的高度负责。在复飞问题上，我们也是这个态度，首先要确保737MAX-8的设计更改是安全可靠的。三原则：飞机的设计更改必须获得适航批准；驾驶员必须得到充分有效的训练；两起事故的调查结论必须是明确的，而且改进措施是有效的。（澎湃新闻）

2019格斗世界TOP踢拳排行榜1月

Fighting World Kickboxing Rankings: January 2019

（传奇的隐退，前P4P踢拳之王罗宾·范·罗斯马伦宣布踢拳生涯结束，转战综合格斗）

P4P TOP.10（All Weights）：

1.【意大利】乔治·佩托西奥（Giorgio Petrosyan）[1]

2.【泰国】西提猜·西颂披侬（Sitthichai Sitsongpeenong）[2]

3.【比利时】马拉特·格里戈里安（Marat Grigorian）[3]

4.【日本】武尊（Takeru）[5]

5.【乌克兰】阿尔图路奇斯辛柯（Artur Kyshenko）[4]

6.【巴西】亚历克斯·佩雷拉（Alex Pereira）[6]

7.【中国】邱建良（Qiu Jianliang）[7]

8.【日本】那须川天心（Tenshin Nasukawa）[8]

9.【俄罗斯】阿特姆·瓦克提夫（Artem Vakhitov）[9]

10.【泰国】艾维·雅桑克莱（Yodsanklai Fairtex）[10]

简述：由于目前新K-1的“当红小生”，雏量级世界的绝对霸主武尊表现出越来越强大的统治能力，而美丽死神自从战胜蒂姆尔之后，因伤退出与博斯塔缇的Enfusion 85KG金腰带争夺战，且近一段时间并没有取得什么有说服力的战绩，所以武尊的P4P排名由第5上升至第4，其他排名保持不变。

无差别级Heavyweight（90KG ）：

1.【荷兰】里科·范霍文（Rico Verhoeven）[1]

2.【俄罗斯】阿特姆·瓦克提夫（Artem Vakhitov）[2]

3.【摩洛哥】贾马尔·本·萨迪克（Jamal Ben Saddik）[-]

4.【伊朗】伊拉基·阿兹鲍尔（Iraj Azizpour）[3]

5.【罗马尼亚】本杰明·阿德巴依（Benjamin Adegbuyi）[4]

6.【乌克兰】帕维尔·祖拉夫勒夫（Pavel Zhuravlev）[5]

7.【阿塞拜疆】扎比特·萨姆多夫（Zabit Samedov）[6]

8.【立陶宛】谢尔盖·马斯洛伯耶夫（Sergej Maslobojev）[7]

9.【乌克兰】罗曼·凯克利亚（Roman Kryklia）[8]

10.【摩洛哥】塔里克·巴贝兹（Tarik Khbabez）[9]

简述：2012 GLORY 4，重量级16人大奖赛；2018 GLORY 62，GLORY时隔六年重启重量级八人大奖赛。K-1 GP的铁粉们在看直播的时候应该会有很深的感触，那个“巨神兵”横行的年代已经逝去。

贾马尔凭借一晚上两场KO，一场判定，获得无差别级排名第3，其中四分之一决赛KO塔法的那一记“三日月蹴”，让所有人难忘。杀至决赛，贾马尔凭借连续的后手单击打开局面。这些破架进来的单个重击令本杰明无法招架，最终惨遭一回合KO。或许是因为本杰明在半决赛遇上了老对手贾法，三番战艰难取胜，而给了贾马尔决赛的机会，但无论如何，成王败寇，取得最终胜利的贾马尔已经说明了一切。

萨姆多夫是无差别级榜单上唯一一位GP时代的传奇名将，本月再次以一场机智的低扫TKO取得自己的第18连胜。萨姆多夫身高180cm，2006年开始征战K-1 GP，如果不看比赛，你很难想象他是如何与那些2米的怪物周旋。自从五年前以一场惊艳世界的KO胜复仇“恶魔王子”巴德哈里之后，又相继战胜“碎骨机”“德国闪电”等GP名将。千言万语，我们只是希望这位老将的职业生涯能够更长一些。

罗曼自二月份KLF重量级八人赛点负伊拉基后，本月于Tatneft Cup加时赛收获了自己的第5连胜。新K-1次重量级冠军卡里米安因实力有待考究而掉出排名。

中量级Middleweight (80-85 KG)：

1.【乌克兰】阿尔图路·奇斯辛柯（Artur Kyshenko）[1]

2.【巴西】亚历克斯·佩雷拉（Alex Pereira）[2]

3.【加拿大】西蒙·马库斯（Simon Marcus）[3]

4.【荷兰】尤斯里·贝哈瑞（Yousri Belgaroui）[4]

5.【俄罗斯】阿特姆·莱文（Artem Levin）[5]

6.【摩洛哥】易卜拉欣·艾尔·博斯塔缇（Ibrahim El Boustati）[6]

7.【刚果金】奥瑞克·布克米（Ulrik Bokeme）[7]

8.【荷兰】希沙姆·高威（Hicham El Gaoui）[8]

9.【俄罗斯】蒂姆尔·艾勒亚洛夫（Timur Aylyarov）[9]

10.【意大利】蒂姆尔·卡塞拉（Gabriele Casella）[10]

简述：刚果金猛将布克米本月又迎来一胜，在令对手窒息的疯狂连膝之下几近KO对手，其极具观赏性的打法令人印象深刻。去年KLF曼谷站和美丽死神战至难舍难分的意大利新锐加百列最近在Bellator Kickboxing捷报连连，本月凭借其凶狠的组合强势取胜。随着美丽死神、莱文、马库斯的年龄增长，以及佩雷拉对其踢拳生涯考量的摇摆不定，2018年的中量级已经疲态尽露。在这里，格斗世界只是希望2019年不会出现中量级青黄不接的大断层局面。

次中量级Welterweight（75-78KG）：

1.【亚美尼亚】哈鲁特·格里戈里安（Harut Grigorian）[1]

2.【法国】塞德里克·杜姆贝（Cedric Doumbe）[2]

3.【荷兰】罗根·艾尔索（Regian Ersel）[3]

4.【阿塞拜疆】阿里姆·纳比夫（Alim Nabiev）[4]

5.【荷兰】穆赛·格罗恩哈特（Murthel Groenhart）[5]

6.【哈萨克斯坦】曼尔干·比利亚洛夫（Mergen Bilyalov）[6]

7.【荷兰】尼基·霍兹肯（Nieky Holzken）[7]

8.【摩洛哥】默罕默德·迈兹沃瑞（Mohamed Mezouari）[-]

9.【中国】郑召玉（Zheng Zhaoyu）[8]

10.【俄罗斯】亚历山大·斯特库伦克（Alexander Stetsurenko）[9]

简述：本月次中量级的大事记莫过于，迈兹沃瑞的升重复归之战。这也是“奇迹男孩”签约GLORY的首秀。迈兹沃瑞果然不负众望，一开局便用精准的组合拳打开局面，在一阵暴击过后，以一记漂亮的高扫结束战斗。凭借惊艳的表现，迈兹沃瑞获得排名第8。乌克兰悍将索罗金因为近期没有取得有说服力的战绩而掉出排名。次中量级一向是GLORY传统的绝对优势级别，但随着尼基、孔戈洛的离去，以及穆赛、哈鲁特年龄的增长，GLORY的77KG级已经受到了不小的打击，而迈兹沃瑞的加入也为GLORY这个级别注入了一针有力的强心剂。可以预见，今后必然会上演杜姆贝vs迈兹沃瑞这样的超级大战。总的来说，迈兹沃瑞的到来真是让所有拳迷为之一振。

轻量级Lightweight（70-73KG）：

1.【泰国】西提猜·西颂披侬（Sitthichai Sitsongpeenong）[1]

2.【意大利】乔治·佩托西奥（Giorgio Petrosyan）[2]

3.【比利时】马拉特·格里戈里安（Marat Grigorian）[3]

4.【泰国】艾维·雅桑克莱（Yodsanklai Fairtex）[4]

5.【泰国】苏波邦·班柴明（Superbon Banchamek）[5]

6.【白罗斯】钦吉兹·阿拉佐夫（Chingiz Allazov）[6]

7.【荷兰】艾迪·赛米利尔（Endy Semleer）[7]

8.【格鲁吉亚】戴维特·奇利亚（Davit Kiria）[8]

9.【土耳其】泰范·欧斯坎（Tayfun Ozcan）[9]

10.【白罗斯】迪兹尼斯·祖耶夫（Dzianis Zuev）[10]

简述：GLORY 62，所有拳迷又一次见证了马拉特的可怕，“噩耗”巴亚险些在马拉特的重压之下被击溃。马拉特将其沉稳之中，杀机四伏的欧系风格展现得淋漓尽致，70KG之中除乔治，西提猜二人，恐怕再难找出合适的对手。时隔一年，苏波邦终于如愿摘得Enfusion 72.5KG八人赛冠军头衔，鏖战九局，凭借出色的控制技巧，击败了包括今年诸神四强之一的杜托在内的三位欧洲悍将。虽然Enfusion超新星艾迪在击败杜托之后退出半决赛，本次八人赛最大的看点——苏艾二番战未能如期上演，但苏波邦的三次胜利还是证明了其真实的水平。本月的轻量级排名保持不变。

次轻量级Junior Lightweight（67-68KG）：

1.【日本】野杁正明（Noiri Masaaki）[1]

2.【日本】久保优太（Yuta Kubo）[2]

3.【荷兰】哈桑·拓伊（Hassan Toy）[3]

4.【中国】杨茁（Yang Zhuo）[4]

5.【荷兰】乔丹·皮克托（Jordann Pikeur）[5]

6.【摩洛哥】伊利亚斯·布莱德（Ilias Bulaid）[6]

7.【巴西】木村·菲利普（KimuruPhilipMinoru）[7]

8.【泰国】江佟猜（Jomthong Chuwattana）[8]

9.【泰国】帕奇特侬·班柴明（Petchtanong Banchamek）[9]

10.【美国】贝·诺亚（Bey Noah）[10]

简述：自升级以后，野杁正明两战两KO，本月一回合即KO与铁英华鏖战三局的松岡力。与此同时，野杁正明近期极其出色的表现也令中国拳迷对他有了重新的定位，相信3月份对皮克托一战会擦出更加别样的火花。此外，上个月有部分拳迷对本排名移除铁英华和松岡力的前十排名表示异议，野杁正明与松岡力一战也恰巧佐证了本排名的观点。但是考虑到铁英华与松岡力一战时，因为赛前体检抽血过多导致重感冒，极度影响状态，加上铁英华此前KO泰国名将星当的出色表现，已经证明其实力不俗。因此，本排名表示铁英华仍然有希望打进次轻量级的前十榜单。希望铁英华能够早日复仇松岡力，打出更有含金量的战绩，杀进次轻量级排名。本月次轻量级排名没有变化。

羽量级Featherweight（64-66KG）：

1.【中国】邱建良（Qiu Jianliang）[1]

2.【日本】平本莲（Hiramoto Ren）[2]

3.【泰国】佩帕侬（Petpanomrung Kiatmuu9）[3]

4.【泰国】考·维拉萨克雷克（Kaew Weerasakreck）[4]

5.【日本】不可思（Fukashi）[7]

6.【乌克兰】谢尔基·古力亚巴（Sergey Kuliaba）[-]

7.【中国】顾辉（Gu Hui）[-]

8.【乌克兰】谢尔希·阿达姆查克（Serhiy Adamchuk）[9]

9.【美国】凯文·范诺斯特兰德（Kevin VanNostrand）[10]

10.【日本】安保瑠辉也（Anpo Rukiya）[-]

简述：本月的羽量级变化也颇为显著。与佩帕侬二番战失利后，踢拳明星罗宾转战MMA，自此从踢拳界退役而被除名。罗宾在输给西提猜之前，征战轻量级，大战无数：KO美丽死神，读秒穆塞，复仇黑安迪，三胜奇利亚。细数70KG的诸多“矮脚虎”类型名将（希腊小光头、达占巴、奇利亚等）可以说都未曾达到罗宾的高度，在看到罗宾宣布转型MMA的推文时，本排名也是颇为感伤，在这里也只能以文字向这位踢拳巨星表达敬意。

不可思于本月在KNOCK OUT完成一次金腰带的卫冕，血战五回合击退猛将山口侑马。日本的KNOCK OUT向来以高KO率，敢于拼杀而著称。奋战其间的运动员往往要经历鲜血的洗礼，而不可思正是凭借其过人的格斗天赋，加上全面的技术体系，过五关斩六将走到今天，正所谓“流水前波让后波”。随着罗宾，山崎秀晃二位羽量级名将退出历史舞台，不可思这位正值巅峰状态的日本俊才也已经闪耀星空。不可思本月排名上升至第5。

中国战场，谢尔基降级至66KG一晚连挑贾奥奇、孙志祥、顾辉三位中国名将，一举夺得KLF 66KG八人赛冠军。调整级别的谢尔基一改往常的稳健打法，进攻积极，频频得点，当晚的表现可圈可点，本月获得羽量级排名第6。当然，最令人眼前一亮的还是素有“酷刑者”之称的顾辉，凭借稳定有效的组合，全场最佳的求胜意志，连续干掉横扫武林风的WLF 63KG世界功夫王者纳菲以及Enfusion 63KG王者卡杜里两位欧洲悍将。当晚的顾辉大涨国人志气，赢得了所有人的掌声。顾辉因为伤口原因在决赛二番战惜败谢尔基，但凭借其出色的表现，获得排名第7。位宁辉因为八人赛第一轮被淘汰，而掉出羽量级排名。

本月还有一场羽量级的超级大战，升级到65KG的瑠辉也加时赛后高扫强势KO山崎秀晃。此战到现在回想起来仍然记忆犹新。瑠辉此前也已经KO山崎秀晃同拳馆的林健太。山崎秀晃为了复仇而来，但瑠辉整体的技术体系已经得到了长足的进步，也并没有给山崎任何机会，毫不留情地KO了老前辈。山崎秀晃因为年龄的限制而掉出排名，瑠辉也凭借强势的表现获得排名第10。

次羽量级Junior Featherweight（62-63KG）：

1.【日本】卜部功也（Urabe Koya）[1]

2.【中国】魏锐（Wei Rui）[2]

3.【日本】林健太（Hayashi Kenta）[-]

4.【日本】筱田悠人（Shinohara Yuto）[5]

5.【泰国】龚纳帕（Gonnapar Weerasakreck）[3]

6.【中国】邓泽奇（Deng Zeqi）[6]

7.【日本】大泽文也（Osawa Fumiya）[-]

8.【日本】秀树（Hideki）[-]

9.【罗马尼亚】克里斯蒂安·斯博图（Cristian Spetcu）[7]

10.【日本】白鸟大珠（Taiju Shiratori）[10]

简述:相较雏量级，本月度次羽量级的战况更为惨烈，八人赛的观赏性也并没有因为卜部功也的退赛而打了折扣。两年前龚纳帕被平本莲KO的情境再次上演；一跃成为“日本国民英雄”的篠原悠人在半决赛即遭到林健太强势KO；鏖战五局的大泽文也与林健太决赛相遇，互相四次读秒，惨遭KO……

林健太在日本内斗中表现出色，成为最后的赢家。虽然曾经惨遭龚纳帕KO，但毕竟二人没有上演二番战，究竟谁更胜一筹，我们并不好论断，而且龚纳帕的局限性也在八人赛中展露无遗，因此林健太本月获得次羽量级排名第3。悠人因为对战中泽纯，KO龚纳帕的突出表现，排名上升至第4。龚纳帕因为在八人赛中的表现过于逊色，排名降至第5。大泽文也凭借连胜刘威，恭士郎的表现，获得排名第7。

RISE 63KG 王座1号挑战者秀树，以及2号挑战者白鸟大珠，将于2月争夺RISE 63KG 王者。秀树自KNOCK OUT 64KG 八人赛惜败于不可思之后，转战RISE，一致判定战胜“中国KO皇帝”潘家运。秀树的风格偏稳健，善于寻求重击，其风格在日本称得上独树一帜。而且今年秀树的实力也是完全得以展现，此次降至次羽量级，相信今年会有更好的发展，因此秀树获得本月次羽量级排名第8。斯博图由于连吃败仗，实力有待商榷，排名下降至第9。

雏量级Bantamweight（60-61KG）：

1.【日本】武尊（Takeru）[1]

2.【泰国】育乐佩（Yodlekpet）[2]

3.【日本】森井洋介（Yosuke Morii）[3]

4.【中国】王文峰（Wang Wenfeng）[5]

5.【日本】大雅（Taiga）[4]

6.【日本】皇治（Koji）[6]

7.【希腊】斯达罗斯·艾克萨（Stauros Exakoustidis）[8]

8.【中国】冯亮（Feng Liang）[9]

9.【日本】朝久泰央（Asahisa Taio）[-]

10.【日本】岛野浩太郎（Shimano Kotaro）[10]

简述:雏量级大爆炸的12月，上演了武尊 vs 皇治这样的年终大戏。武尊再次用他超破坏的重击能力向全世界宣示了对雏量级的统治能力。皇治也很好地展现出自己遇强则强的战斗属性，用惊人的组合输出和超强的身体硬度为所有拳迷奉献了一场震惊世界的战役!

本月的KNOCK OUT，森井洋介迎来了自己的第8连KO，凭借过人的格斗天赋，以低扫TKO胜英雄传说64KG王者佐藤。相信在接下来的KNOCK OUT 61.5KG 八人赛决赛，森井洋介和育乐佩的二番战将会不可避免，日本K-1以外的雏量级最强霸王森井洋介着实让人满怀期待。

在东海岸的另一头，中国雏量级一哥之争也火热开战!冯亮在GOH接连挫败郑军峰、贠奇，大有跨洋挑战武尊之势。此战王文峰透过自己良好的距离感，充分发挥身高优势，运用灵活的步法，娴熟的迎击技巧，成功地阻击了冯亮的攻势，令其一贯强势的左右抡摆“全程哑火”。因此王文峰的排名由第5上升至第4。

前K-1 60KG 王者大雅于6月份RIZIN出战空手道高手原口健飞，以平局告终，再加上王文峰本月的表现突出，所以，大雅由排名第4掉至第5。冯亮虽败给王文峰，但因为王文峰本身就具备雏量级世界前五的实力，因此排名没有太大变化。

朝久泰央近期的表现十分抢眼，凭借多变的技术风格，已经先后力败大岩龙矢、里见柚己、安保璃红三位小级别名将，与其兄朝久裕贵相较，进步更为明显。Krush 60KG王者岛野浩太郎，本月加时赛击败大岩龙矢，卫冕成功，但并没有展示出很好的实力。因此，朝久泰央本月获得排名第9，岛野浩太郎保持第10不变。

次雏量级Junior Bantamweight（56-58KG）：

1.【日本】那须川天心（Tenshin Nasukawa）[1]

2.【泰国】罗唐（Rodtang Jitmuangnon）[2]

3.【中国】王俊光（Wang Junguang）[4]

4.【日本】朝久裕贵（Asahisa Hirotaka）[5]

5.【日本】村越优太（Murakoshi Yuta）[7]

6.【泰国】舍金（Suakim P.k.saenchai）[8]

7.【日本】卜部弘嵩（Urabe Hirotaka）[-]

8.【日本】西京春马（Saikyo Haruma）[9]

9.【日本】志朗（hashtag）[10]

10.【日本】江川优生（Egawa Yuki）[-]

简述:由于开辟了新的蝇量级排名，加上大爆冷击败村越优太的西班牙新锐亚历克斯，3月份准备降级挑战新K-1 55KG 王者武居由树，所以此二人均调整至蝇量级排名。日本次雏量级新锐江川优生凭借近期对战大滝裕太和霸家斗的出色表现获得排名第10。本月次雏量级排名变化不如11月份那么显著。不过令人高兴的是，天心、罗唐、舍金、志朗四位好手已经确定参加2月份的RISE 57KG 八人赛。相信到时一定会刷新2018年新K-1 57.5KG 八人赛的高度。

蝇量级Flyweight（<56KG）：

1.【日本】武居由树（Takei Yoshiki）

2.【日本】金子晃大（Kaneko Akihiro）

3.【日本】铃木真彦（suzuki masahiko）

4.【泰国】尤布达（Yodbuadaeng Fairtex）

5.【日本】石井一成（Issei Ishii）

6.【日本】大崎一贵（Kazuki Osaki）

7.【日本】玖村将史（Kumura Masashi）

8.【日本】军司泰斗（Gunji Taito）

9.【西班牙】亚历克斯·里瓦斯（Alex Rivas）

10.【日本】田丸辰（Toki Tamaru）

简述：踢拳蝇量级虽然在中国不受关注，但近几年人才辈出，技战水平已经达到了相当的高度，因此，格斗世界决定将其单独开辟出来。由于东亚人种在小级别的天生优势，蝇量级高手主要以日本选手为主，针对有些拳迷抱着一些民族情绪的极端观点，格斗世界在这里只提一点，“亚洲驱逐舰”帕奎奥也曾经荣获WBC112磅（50.8KG)蝇量级世界冠军，其他的也不必多说。

新K-1 55KG 现役王者武居由树本月取得了第14连胜，毫无疑问地坐上蝇量级的头号交椅。第3代Krush 53KG 王者金子晃大目前拥有着7战全胜4KO的完美战绩，今年强势战胜军司泰斗，实力相当可怕，获得排名第2。RISE 55 KG 现役王者铃木真彦不久前击败结城将人，拿下王者头衔。这位辗转于RISE、KNOCK OUT、RIZIN、Hoost Cup多处擂台的蝇量级猛将已经拥有21战18胜11KO的可怕战绩，此次获得排名第3。

泰国名将尤布达凭借本月与武居由树打到加时赛的突出表现获得排名第4。石井一成、大崎一贵因为本月分别取得KNOCK OUT 51KG 八人赛的冠亚军而获得排名第5、第6。玖村将史和军司泰斗在本年度的Krush 55KG 八人赛中过关斩将拿到决赛权，即将决出新王，凭借半决赛的出色表现分别获得排名第7、第8。亚历克斯不久前击败村越优太后即将于3月份挑战武居由树，能够客场首秀击败村越优太已经证明其实力不俗，因此获得排名第9。RISE 53 KG 现役王者田丸辰目前战绩8战全胜1KO，在日本踢拳市场已经获得很高的人气，此次获得排名第10。

​《格斗世界》出品 2019年1月1日