微信扫一扫,关注公众号

  • 科技行者

  • 算力行者

见证连接与计算的「力量」

首页 欧洲议会呼吁分拆谷歌 缓解反垄断担忧

欧洲议会呼吁分拆谷歌 缓解反垄断担忧

2014-11-23 15:55
分享至:
----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-
2014-11-23 15:55 CNET科技资讯网

欧洲议会呼吁把谷歌的搜索业务与其他业务拆分开。此举旨在削弱谷歌搜索和广告业务在欧盟市场上的垄断地位。

欧洲议会呼吁分拆谷歌 缓解反垄断担忧

文件显示,占欧洲议会逾半数席位的欧洲人民党和欧洲社会民主党支持分拆谷歌。《金融时报》援引欧洲议会的文件称,“把搜索引擎与其他商业服务拆分”对平息对谷歌在欧盟市场上垄断地位的担忧。

即使在欧洲议会通过,这一动议也不会强制性地分拆谷歌,但将给欧盟委员会施加解决谷歌问题的压力。谷歌也可能被禁止在欧洲开展某些业务。

欧盟委员会未就此置评。

谷歌部分商业活动遭到欧洲议会和监管机构的猛烈抨击。谷歌在欧盟搜索市场上的份额约为90%。

不到两周前,欧盟新任反垄断和竞争专员玛格丽特•薇丝塔格(Margrethe Vestager)表示,考虑对谷歌的调查中下一步的措施需要时间。由于薇丝塔格在评估欧盟委员会下一步的措施,目前对谷歌的调查处于中断状态。

薇丝塔格在欧洲议会的听证会上表示,“我们的调查可能会在许多方面产生巨大的潜在影响,调查的问题涉及方方面面,非常复杂,因此,我需要时间才能决定下一步的措施。”

尽管谷歌曾三次作出让步,但均遭到薇丝塔格前任拒绝,“谷歌反垄断”这一烫手山芋因此到了薇丝塔格手中。

如果被裁定违犯了欧盟的反垄断法律,谷歌可能面临最高相当于其违法期间全球营收10%的罚款。

分享至
0赞

好文章,需要你的鼓励

推荐文章
  • 南方科技大学等机构联手破解AI推理训练难题:让大模型"一次思考"就学会解题

    南方科技大学等机构联手破解AI推理训练难题:让大模型"一次思考"就学会解题

    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。

  • 香港科技大学数学系研究者:扩散模型原来是一个"魔法恒等式"拆成了两半

    香港科技大学数学系研究者:扩散模型原来是一个"魔法恒等式"拆成了两半

    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。

  • 中国人民大学研究团队打造的"AI科学家":让机器自主完成几十小时的科研工程,它是怎么做到的?

    中国人民大学研究团队打造的"AI科学家":让机器自主完成几十小时的科研工程,它是怎么做到的?

    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。

  • 字节跳动发布GRN:像人类画家一样"边画边改"的AI图像生成新范式

    字节跳动发布GRN:像人类画家一样"边画边改"的AI图像生成新范式

    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。

----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-