ZDNET网络频道 06月04日 北京报道: 6月4日,第七届中国云计算大会进入第二日,百度公司高级副总裁王劲提出创新是互联网+的灵魂,“互联网+”是产业的大融合,是互联网和传统主流产业的大融合。一方面,对于BAT这样的互联网企业来说,“互联网+”是渗透和进入传统产业最好的机会。另一方面,对于很多传统主流产业来说,也觉得这是个非常好的机会,这是他们学习、掌握和拥抱互联网然后来自我提升的机会。
百度公司高级副总裁王劲
王劲介绍了互联网企业是怎么进入传统产业并产生变革作用的,并举了3个例子:
第一个例子是Uber,国内打车软件并不稀奇,王劲指出,Uber成长的尤其快。每天接单100万,一年增长8倍,一年内市场份额提升3倍。为什么?它有三个关键的因素,一是Uber系统实时调度智能派单,而不是司机抢单。抢单对司机来说增加了负担,对于顾客来说他很可能要等更长时间,所以它不是全局最优的一个优化。
二是,智能的动态定价,也就是在像高峰期的价格是不一样的,价格是根据供求关系决定。比如,下雨天又是高峰期,打车需求的人非常多,把价格提高,很多车就会愿意过来。
三是用户行为预测,王劲表示,这个准确率是74%,它能够大数据的预测,把车辆提前调度。比如再过半个小时这个体育场的比赛要结束了,可以把更多的车辆调到这个地方,早上把更多的车辆调到居民区的附近,而不是平均分配放到写字楼那边。
王劲另外举了百度外卖和Coursera的例子,百度外卖骑士送单效率提升100%,日接单量1年增长300倍。它的骑士智能调度(智能派单、路径规划),订单需求预测(准确率97%),商家出餐时间预测(准确率90%),餐厅个性化推荐等,让互联网在餐饮市场产生了催化作用。
Coursera,这是个免费的教育系统,把很多大学课程线上教育资源综合起来,免费提供给需要学习的学生。它也会根据学生个性化的需求,来给他做出内容的推荐、学习过程的推荐,还能帮助他和一些老师进行互动,极大的提高了学习的效率。
总结三个互联网+给传统行业带来变化的三个例子,王劲表示,“互联网+催生了服务创新、模式创新、技术创新。互联网+是“计划经济”、机器管人、高效淘汰低效。”
以服务创新来说,百度看到了机会,连接人与服务,7亿用户和服务连接起来,提升效率,对于人、社会,也会得到更好的服务。
对于模式创新,王劲表示,Uber是全球最大的出租车公司,但是它没有司机,它也没有一辆出租车。百度现在正在成为一家非常大的餐饮企业,我们希望它以后是中国最大的,也可能是世界最大的餐饮企业,但是我们没有一个厨师,也没有一家餐厅,我们都是用四两拔千斤的办法。
对于技术创新,它靠的是云计算、大数据,通过云计算和大数据积累起来的过去没有的全局化的智能,这种全局优化的能力使得互联网企业用新的武器走出新的道路。
王劲强调,互联网技术的三级火箭,第一级是云计算,第二级是大数据,第三级是人工智能。
“百度建立亚洲最先进计算中心,一个计算中心可以承载十几万、大十几万的服务器。大数据是分析和决策的基础,对人的数据、物的数据、关系数据,进行推荐和预测。人工智能不再是新概念,到今天终于到了爆发的阶段,因为计算能力得到很大的提高,而且网络传播速率得到很高的提升,终于能够让我们集云计算和大数据之力,做一个全局决策的人工智能。”
当然,这是互联网+进入传统行业的力量,互联网公司因先进的技术与创新的血液在互联网+领域先行成功。王劲也期待更多的+互联网出现,把“互联网+”变成“+互联网”,需要传统行业拥抱互联网的文化,这种文化最归根结底的是创新的文化。
好文章,需要你的鼓励
邻里社交应用Nextdoor推出重新设计版本,新增本地新闻、实时警报和名为"Faves"的AI功能,用于发现本地商户和地点。该应用与3500家本地出版商合作提供新闻内容,通过Samdesk和Weather.com提供天气、交通、停电等实时警报。Faves功能利用15年邻里对话数据训练的大语言模型,为用户提供本地化AI推荐服务,帮助用户找到最佳餐厅、徒步地点等本地信息。
Skywork AI推出的第二代多模态推理模型R1V2,通过创新的混合强化学习方法,成功解决了AI"慢思考"策略在视觉推理中的挑战。该模型在保持强大推理能力的同时有效控制视觉幻觉,在多项权威测试中超越同类开源模型,某些指标甚至媲美商业产品,为开源AI发展树立了新标杆。
英国生物银行完成了世界上最大规模的全身成像项目,收集了10万名志愿者的超过10亿次扫描数据,用于研究人体衰老和疾病过程。该项目历时11年,每次扫描耗时5小时,投资6200万英镑。目前已有8万人的成像数据供全球研究人员使用,剩余数据将于年底前发布。项目已开发出能预测38种常见疾病的AI工具,并在心脏病、痴呆症和癌症诊断方面取得突破。
这项由北京大学等多所高校联合完成的研究,首次对OpenAI GPT-4o的图像生成能力进行了全面评估。研究团队设计了名为GPT-ImgEval的综合测试体系,从文本转图像、图像编辑和知识驱动创作三个维度评估GPT-4o,发现其在所有测试中都显著超越现有方法。研究还通过技术分析推断GPT-4o采用了自回归与扩散相结合的混合架构,并发现其生成图像仍可被现有检测工具有效识别,为AI图像生成领域提供了重要的评估基准和技术洞察。