
说到创业,人人有发言权。在2014腾讯全球合作伙伴大会上,腾讯公司高级执行副总裁汤道生指出,创业已经成为时代主题:创业者呈个人化年轻化,腾讯开放平台上已经有超过50%开发者在25岁以下,且小团队规模趋势越来越小,占比41%,同比去年增长400%。
腾讯公司高级执行副总裁汤道生
“今年中国政府非常鼓励全民创业,要在中国掀起草根创业的新浪潮。”汤道生说,“我们最新的数据也显示出这个趋势,腾讯开放平台的创业者同比去年增长4倍,拥有超过了500万创业群体。”
在过去的三年里,腾讯开放平台已经孵化出不少创业团队,其中已经实现独立上市以及正在上市流程中的公司超过10家,被其他上市公司高额收购的公司超过10家,估值达到2000亿人民币。
从融资的角度看,腾讯合作伙伴的投资金额也不断增长,PC端TOP100的开发者中,有35%获得融资,移动创业企业61%获得融资,总融资金额达到了100亿美元。从收益方面来看,从2013年6月份到2014年6月份,开放平台第三方开发者同比收益增长超过一倍,流水过1亿的创业团队达到了22家。
2014年整个行业都面临移动化带来的冲击,用户花在移动终端上的时间越来越多。工信部的数据显示,中国移动互联网用户总数达8.72亿,占网民总数80%以上;用户每天使用移动终端的时间从0.96小时增加到1.65小时,而且还继续在增长;用户对手机的依赖也越来越强,据我们调研数据发现,79%的用户醒来15分钟内就会打开手机应用,80%的用户在两周内使用了超过5个到20个移动应用。
汤道生说:“从产业的角度来看,移动互联网在快速发展并拓宽互联网边界的同时,连接了人们生活所需要的各种生活服务,包括在线教育、在线娱乐、移动金融、移动支付、医疗、餐饮、家政等传统行业,可以说,移动互联网已经全面的改变了我们的社会,这也代表了未来创业者将拥有更多的创业机会。”
2013年是全球智能硬件崛起的一年,智能设备连接呈爆发式增长,并重新定义了整个产业链条。根据Gartner咨询公司的预测,除了个人电脑、智能手机、平板电脑外,到2020年,物联网设备将会达到了260亿台。目前正处于智能设备与互联网融入的阶段,未来将通过IP连接实现人与设备、设备与设备的互联网化,人、设备、云端之间无边界的智能化,也意味着时代即将到来。
腾讯发布QQ物联智能硬件开放平台,面向传统硬件,覆盖智能家居、可穿戴设备、智能车载、健康甚至办公设备等各种领域。通过账号开放、通讯能力开放、视频能力开放等各项开放,逐步实现移动设备、家居设备、办公设备之间的连接,让每一个硬件设备都成为用户的QQ好友。“腾讯创业服务体系也将伸延到线下,为创业者提供一站式的创业服务。”汤道生说。
1、技术。汤道生介绍,凭借腾讯15年来积累的技术经验,在腾讯开放三年来已经开放了超过一万多个开放接口;目前腾讯云的机房已经覆盖了全球15个大城市,并且在全国有上百个超过300个加速节点。此外,我们还有面向国外国际网络的加速节点,帮助国内创业者往海外出发;今年,接入腾讯云开放平台和腾讯云的开发者同比增长三倍;开发者使用腾讯云的成本在收益中的占比保持着下降趋势。
2、流量。腾讯的流量有独特的优势,涵盖PC端的QQ、QQ空间、游戏大厅等大型平台,还有移动端的QQ、微信、应用宝、手机浏览器、空间、管家等移动平台。PC端跟移动端能够轻松的实现跨平台的流量分发,可以说,多端互融是腾讯开放平台的独特优势。
在全平台覆盖方面,根据腾讯公司2014年Q2财报显示,QQ活跃账户数达到8.29亿,最高同时在线的QQ账号2.06亿。QQ空间活跃账户用户数达6.45亿,微信和Wechat合并的月活跃的账户数4.38亿。腾讯效果广告平台——广点通涵盖腾讯十个社交平台的用户群体,日曝光量达5亿。
3、盈利。关于盈利,汤道生透露,腾讯的开放平台有比较成熟的方法,开发者在平台上盈利的模式主要来自于两方面,一方面是面向用户收费,比如售卖游戏道具、电商交易等,这些都可以通过Q币、微信支付、QQ钱包来完成支付。另一方面还可以加入腾讯广点通广告联盟平台获取广告分成、广告收益。
腾讯开放平台已经连接了腾讯开放体系,连接了九大不同业务,包括生活、游戏、媒体、营销、创业、安全、硬件、支付、商务。
好文章,需要你的鼓励
本文介绍了由南方科技大学等机构于2026年4月发表的研究(arXiv:2604.08865),提出了名为SPPO的大模型推理训练新方法。该方法将推理任务重新建模为"序列级情境赌博机",用一个轻量级价值模型预测题目难度,以单次采样替代GRPO的多次采样,解决了标准PPO的"尾部效应"问题。实验显示,SPPO在数学基准测试上超越GRPO,训练速度提升约5.9倍,配合小尺寸价值模型还能显著降低显存占用。
这项由香港科技大学数学系完成的研究(arXiv:2604.10465,2026年ICLR博客论文赛道)提出了一种从朗之万动力学视角理解扩散模型的统一框架。研究指出,扩散模型的前向加噪和逆向去噪过程,本质上是朗之万动力学这一"分布恒等操作"被拆成了两半。在这个视角下,VP、VE-Karras和Flow Matching等不同参数化的模型可被精确互译,SDE与ODE版本可被统一解释,扩散模型相对VAE的理论优势得以阐明,Flow Matching与得分匹配的等价性也得到了严格论证。
中国人民大学高岭人工智能学院等机构联合开发了AiScientist系统,旨在让AI自主完成机器学习研究的完整工程流程,包括读论文、搭环境、写代码、跑实验和迭代调试,全程无需人工干预。系统核心设计是"薄控制、厚状态":由轻量指挥官协调专业代理团队,通过"文件即通道"机制将所有中间成果持久化存储,使每轮工作都能建立在前一轮积累的基础上。在PaperBench和MLE-Bench Lite两个基准上,系统表现显著优于现有最强对比系统,论文发布于2026年4月。
这项由字节跳动发布的研究(arXiv:2604.13030)提出了生成式精化网络(GRN),一套模仿人类画家"边画边改"直觉的视觉生成新框架。其核心包括两项创新:层级二进制量化(HBQ)通过多轮二分逼近实现近乎无损的离散图像编码,以及全局精化机制允许模型在每一步对整张图像的所有位置重新预测并随时纠错,从根本上解决了自回归模型的误差积累问题。配合基于熵值的自适应步数调度,GRN在ImageNet图像重建(rFID 0.56)和生成(gFID 1.81)上均创下新纪录,并在文本生成图像和视频任务上以20亿参数达到同等规模方法的领先水平。