科技行者 3月21日 北京消息(文/孙封蕾): 很多的变化,都发生在今天。
今天,2019阿里云峰会·北京站召开,当走进位于国家会议中心的会场的时候,细心的人会发现,阿里云发生了很多变化。
云栖大会一直是阿里云的标志性会议,北京的峰会,叫做云栖大会·北京峰会,而今天这场会议的名称变成了“阿里云峰会·北京站”。
阿里云的logo,从原来的白色,变成了阿里巴巴集团的橙色,字体也加粗了一圈。
图:阿里云新logo
2019年,阿里云成立10周年了,阿里云峰会的主题定为“十年再出发”。
今天,是阿里云智能升级之后的首次亮相,也是张建锋就任阿里云智能总裁之后的首次跟大家见面。
图:阿里云智能总裁 张建锋
这些都是阿里云的小变化,张建锋给带来的还有阿里云的大变化。
张建锋的角色,除了阿里云智能总裁,还有一个title,就是阿里巴巴集团CTO。身为阿里巴巴集团的CTO,他透露,整个阿里巴巴今天大概有60~70%的流量是跑在公共云上。接下来一到两年的目标,是将阿里巴巴100%的业务跑在公共云上。
阿里云智能升级之后,会把阿里巴巴的技术跟阿里云的技术完全拉通,阿里巴巴用的技术跟阿里云上的产品是完全一样的,阿里云的用户将会跟阿里巴巴用的一模一样的底层。
也就是说,阿里巴巴集团的整个技术都变成一个云上的技术。所有的技术的输出,产品的输出,对to B的服务都会通过阿里云智能这个平台,这其中也包括支付宝、钉钉、新零售等核心技术和新产品。
新制造曾经是过去两年阿里云的战略性行业,但今天张建锋重新圈定了阿里云的战略性行业:新零售、新金融、数字政府。
张建锋解释,新零售是阿里巴巴一直在持续投入和探索的行业,有大量的产品可以输出,这也是阿里巴巴最有发言权的行业。
在金融行业,依托蚂蚁金服在互联网和金融行业结合的创新能力,把互联网和金融行业的融合创新发挥的淋漓尽致。
数字政府是阿里云智能提出的新领域。过去,依托城市大脑,浙江省实现了办事最多跑一次,这样的体验逐渐扩展到全国其他地方,开始利用互联网技术和智能,让老百姓得到了实惠。
在这其中,技术的力量发挥出了非常好的效果,从原来基于部门的系统到今天变成基于用户、基于数据的系统,理念发生了巨大的转变。
今天,北京市通州区发布了城市副中心数字生态城市建设的成果“城市大脑·生态环境”平台。通州区副区长苏国斌介绍,该平台在通州上岗以来,环境污染事件从人工发现到实时自动感知,从多部门多头处置到一网通办的本质提升。
今天,每个人访问手机淘宝,每个人看到的页面都不一样,每一次点击之后,还会根据点击实时生成后续页面。这里的实时,不是以分钟为单位来计算,而是用户完全没有体感的实时。
这就意味着,每秒钟,阿里巴巴都要处理这么多的数据,为每个人处理不同的数据,是一个非常关键的能力。
“算力是基础,更重要是智能化的算法。”张建锋说,“算法跟各行各业的业务有密切相关,所以阿里巴巴通过与各行各业合作,沉淀了一个完整的智能化平台。”
基础设施的云化、核心技术的互联网化以及在之上叠加数据+智能化的平台和能力,完整地组成了阿里云智能的整体能力框架。
阿里巴巴今天要运营如此规模大的经济体,运营人员只有几百人。因为阿里巴巴电商大量地用好了数据,用好了智能做出的决策。
当企业复杂到一定程度,任何一位CEO都很难做出科学客观的决策。但有了数据之后,任何一位员工都可以跟CEO一样做出正确的决策。
阿里巴巴的客服小二可以作出客观的决策,是因为客户打电话进来的那一刻,系统就在后台有一个数据上的智能分析,帮助他做出比较客观的评价,大幅度地提高决策的公平和效率。
阿里巴巴自身几乎所有的流程里面都有数据、智能的作用。这种能力,也将成为阿里云加持的能力。
好文章,需要你的鼓励
AIM Intelligence联合多所知名大学揭示了音频AI系统的重大安全漏洞,开发出名为WhisperInject的攻击方法。这种攻击能让看似无害的音频指令操控AI生成危险内容,成功率超过86%,完全绕过现有安全机制。研究暴露了多模态AI系统的系统性安全风险,对全球数十亿智能设备构成潜在威胁。
新加坡国立大学研究团队系统梳理了视觉强化学习领域的最新进展,涵盖超过200项代表性工作。研究将该领域归纳为四大方向:多模态大语言模型、视觉生成、统一模型框架和视觉-语言-动作模型,分析了从RLHF到可验证奖励范式的政策优化策略演进,并识别出样本效率、泛化能力和安全部署等关键挑战,为这一快速发展的交叉学科提供了完整的技术地图。
浙江大学研究团队通过OmniEAR基准测试揭示了当前AI模型在物理世界推理方面的严重缺陷。测试显示,即使最先进的AI在明确指令下能达到85-96%成功率,但面对需要从物理约束推断行动的任务时,成功率骤降至56-85%。研究发现信息过载反而降低AI协作能力,监督学习虽能改善单体任务但对多智能体协作效果甚微,表明当前架构存在根本局限性。
纽约大学和Aimpoint Digital Labs的研究团队首次揭示了Transformer模型训练中"大规模激活"的完整发展轨迹。这些影响力比普通激活大千倍的"超级激活"遵循可预测的数学规律,研究者开发出五参数公式能以98.4%准确率预测其变化。更重要的是,通过调整模型架构参数如注意力密度、宽深比等,可以在训练前就预测和控制这些关键激活的行为,为设计更高效、量化友好的AI模型提供了全新工具。