从2014年第三季度开始,百度移动端搜索流量实现全面超越传统PC互联网,在这背后,百度转型的秘诀是什么?
在去年位于乌镇的世界互联网大会上,百度董事长李彦宏坦言,百度向从PC产品转移到移动上有太多的坑需要填,整个转型充满了危险、痛苦,“百度曾经被指已经过时,移动搜索领域也会有新的公司崛起,这让百度意识到要做的事非常多”,他曾向百度的投资者表示,两年内百度都会进入一个过渡期,在过渡期内要倾尽全力把移动做起来。
而在昨日的极客公园创新大会上,李彦宏分享了百度在转型的过渡期中,百度做对了三件重要的事:第一,对技术的信仰;第二,接地气;第三,在钱上有决心。
“我愿意砸钱、我愿意投入,我不在乎华尔街怎么看,我不在乎我的股价会再跌掉一半或者更多,我一定要把这事儿做成。”李彦宏说。
从技术找未来
“过去这两年百度一直觉得,移动互联网时代技术不是变得不重要了,反而变得更重要了。”李彦宏总结,过去两年百度转型的成功,是缘于对技术的追求。
他称:“第一,我自己本身很喜欢技术,技术相关的我把握住的概率更高;第二,作为企业,必须考虑技术问题,技术驱动企业的发展。”
百度财报显示,自去年三季度以来,百度连续五个季度的研发投入超过10亿元,占营收的比重逼近15%。过去一年多来,财报统计显示,百度累计对研发的投入超过了70亿元。
可以看到的是,在技术布局中,百度一方面从硅谷挖人才,如谷歌大脑之父吴恩达,目前带领百度在硅谷与众多国际化巨头展开短兵相接的技术竞争;另一方面把开放云、数据工厂、百度大脑组成“大数据引擎”,把大数据存储、分析和智能化处理等一整套核心能力通过平台化、接口化的方式对外开放。
“自然地表达对技术的要求很高,就像在搜索方面,语音和图片搜索更方便移动互联网时代的用户。”李彦宏说道。
他举例,语音搜索在PC互联网时代用得不多,因为用户对着PC拿着一个麦克风很奇怪,但今天的手机本来就是用来打电话的,所以用户对着它说话是很自然的事情,而很多时候输入不是最方便的表达方式,而语音是最方便的。“比如108000是多少日元,但真要把这些输入进去也是很麻烦的。”
语音要真正能识别出来用户到底在说什么,图像其实更难。
“这里也有非常非常多的技术问题。”李彦宏说,百度过去这两年解决了大量这些的问题,还包括链接人和服务,过去只能在上面搜信息,现在用户可以搜索离自己最近的电影院在哪,这些技术的创新,使得用户越来越在移动时代依赖百度,在百度上获得他们想要的东西。
抓住用户痛点
李彦宏透露,百度转型的第二个秘诀就是接地气,要从用户角度分析用户的痛点。
这对工程师文化的百度而言是一项挑战。“极客中很多人是工程师出身,工程师在接地气上有一个非常大的障碍。通常他是从一个写程序、写代码的角度来讲问题,所以他觉得表达得很清楚了,很严谨,没有任何漏洞,哪怕是万分之一的问题我都考虑到了,但用户觉得听不懂、不好用。”李彦宏说。
一方面,了解技术如何发生以及实施的可行性,另一方面,要站在不懂技术的用户角度来理解他们的需求,这个要求虽然听起来不是很过分,但李彦宏坦言,“做起来是非常非常难”。
“一旦你懂了之后很自然地会想用一个专业的东西来描述,而你既懂又能一下把脑子放空按一个不懂的思维方式看待这个问题,这个非常非常重要。”
因此,既要懂技术、对技术有信仰、利用技术的力量,同时又能站在一个普通用户的角度来看问题,这不仅是过去两年百度转型的一个经验,也是百度过去十几年发展中,一直坚持的原则。
牺牲短期利益
百度最新财报(2014年第三季度)显示,百度利润率29%;而时间如果回到两年前,2012年的第三季度利润率是53%。
“短短两年的时间,利润率下降这么厉害,这其实表明一种决心,就是说我愿意砸钱、我愿意投入,我不在乎华尔街怎么看,我不在乎我的股价会再跌掉一半或者更多,我一定要把这事儿做成。”李彦宏说,这两年的投入对百度平稳的过渡起了很大的作用。
而在砸钱投入研发的背后,李彦宏坦言,最重要的是要有决心。
“因为中国互联网时间比较短,大多数的互联网公司的CEO仍然是创始人,但是也有一些变成了职业经理人。其实通常你有钱,职业经理人也不敢做这样的决策,他的利润率从53%跌到29%,董事会在中途就该说该换个人来做,所以有钱也没用,根本不敢做这个事情。”(第一财经日报 刘佳)
好文章,需要你的鼓励
工业升级的关键,或许在于智能本身。“工业+机器人”将成为通向下一阶段工业体系的核心抓手。——黄仁勋。
浙江大学等联合研究发现,AI强化学习效果取决于"模型-任务对齐"程度。当AI擅长某任务时,单样本训练、错误奖励等非常规方法也有效;但面对陌生任务时,这些方法失效,只有标准训练有用。研究团队通过大量实验证实,这种"舒适圈"现象比数据污染更能解释训练差异,为AI训练策略优化提供了新思路。
瑞士政府正式发布了自主研发的人工智能模型,该模型完全基于公共数据进行训练。这一举措标志着瑞士在AI技术自主化方面迈出重要一步,旨在减少对外国AI技术的依赖,同时确保数据安全和隐私保护。该模型的推出体现了瑞士对发展本土AI能力的战略重视。
巴赫切希尔大学研究团队通过对五种不同规模YOLO模型的量化鲁棒性测试发现,静态INT8量化虽能带来1.5-3.3倍速度提升,但会显著降低模型对噪音等图像损伤的抵抗能力。他们提出的混合校准策略仅在大型模型处理噪音时有限改善,揭示了效率与鲁棒性平衡的复杂挑战。