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 马云CeBIT现场"刷脸" 展示人脸识别移动支付

马云CeBIT现场"刷脸" 展示人脸识别移动支付

2015-03-16 13:07
分享至:
----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-
2015-03-16 13:07 CNET科技资讯网

如果这两天你在德国汉诺威,或许可以遇见马云,他受邀参加当地时间3月15日下午举行的CeBIT开幕演讲。在演讲结束后,马云表演的通过“人脸识别”购物受到关注,该技术展示了新的移动支付方式和购物体验。

“一直以来在线支付是一个头疼的问题,你可能会忘记了支付密码、可能会担心支付安全性”,马云在表演人脸识别技术前这样表示,然后他现场选择了一枚邮票,再将手机对准自己面部进行确认,购买即完成。

马云CeBIT现场刷脸  展示人脸识别支付技术

这不是阿里巴巴第一次展示人脸识别技术。2014年10月15日,蚂蚁金服分享日那天,作为支付宝人脸支付战略合作伙伴,Face++的人脸识别技术在现场大放异彩。蚂蚁金服安全产品技术部负责人曹恺说:“在实验室里人脸识别技术准确率超过97%,超过人对人的识别。”

Face++对外宣称的梦想是成为“机器之眼”、让机器读懂世界,而马云在CeBIT演讲时也提到:“未来机器不只是生产,机器还需要思考,需要说话。”

此外,马云在演讲中还提到了这些年一直反复提及的C2B,“未来的世界,我们将不再由石油驱动,而是由数据驱动;商业将变成C2B,因为顾客负责定义需要什么产品,通过数据驱动,未来互联网将改变商业模式。”

CeBIT展会开幕式上的企业家主旨演讲传统上邀请西方企业领袖,此前嘉宾包括大众汽车公司CEO文德恩、空中客车集团CEO恩德斯、谷歌公司董事长施密特。今年,这个位置留给了马云。

马云德国汉诺威展会开幕式部分演讲实录:

尊敬的默克尔总理,马凯副总理,女士们先生们,大家晚上好,非常荣幸能够在CeBIT上进行演讲。

记得14年以前,我第一次来到汉诺威时,我们试着租了一个小小的展位来出售中国产品到西方,到欧洲。当时花了很长时间找展位,而汉诺威也远不如现在这么繁荣。

整个过程(找展位)很难,最后我们终于找到一个很小的位置,但是很少人光顾。

8年前,我们又回来了。我们希望帮助所有的参展者,把他们迁移到网上,帮助他们在阿里巴巴上卖东西——但这也没有成功。因为当时人们觉得在线交易和贸易展会是互相冲突的。

今天我又回来了。我回来的原因,是要找到互联网经济缺失的那重要一部分。过去20年,互联网非常成功,但是我发现一个非常奇怪的事情,很少有互联网公司能健康的、平静的活过3年。

这意味着大部分互联网公司只有“蜜日”,“蜜周”,他们甚至没有蜜月。问题在哪里?缺了什么?我坚定的相信,缺的那部分,能够在欧洲找到。

无论你是否喜欢,过去20年,互联网对人类社会产生了巨大的影响,每个人都相信互联网为世界做出了伟大的贡献。而许多传统企业讨厌互联网,因为互联网毁掉了他们的生意。

但是为什么互联网公司担忧?你看到谷歌(微博),facebook,亚马逊,eBay和阿里巴巴,我们所有的人天天担心。我们觉得这里面一定有问题。我们必须找到一个解决方案,让我们的公司能够像奔驰,西门子一样,活得长久而健康。

如果一个行业不能活的超过3年,如果不是所有的公司能够快乐的生存超过3年,那这个行业永远无法成为主流,这个行业永远不可能深深根植于经济——所以,我们要做什么才能找到解决方案?

世界正在快速改变,我们今天的科技发展非常非常迅速,大部分人不知道IT是什么,互联网是什么。

IT科技和数字科技,这不仅仅是不同的技术,而是人们思考方式的不同,人们对待这个世界方式的不同。

我们不知道世界30年后会变成什么样,我们不知道数据在30年后会长成什么样——但是我们相信,整个世界在30年后会大大改变。

如果第一次和第二次技术革命释放了人的体力,那这次技术革命释放了人的脑力,脑力在革新。

未来的世界,我们将不再由石油驱动,而是由数据驱动;未来的世界,生意将是C2B而不是B2C,用户改变企业,而不是企业向用户出售——因为我们将有大量的数据。制造商必须个性化,否则他们将非常困难。

未来的世界,所有的制造商他们生产的机器,这些机器不仅会生产产品,它们必须说话,它们必须思考。机器不会再由石油和电力驱动,机器由数据来支撑。

未来的世界,企业将不再会关注于规模,企业不再会关注于标准化和权力,他们会关注于灵活性,敏捷性,个性化和用户友好。

而且我强烈相信,在未来的世界,我们会有很多女性领袖——因为在未来人们将不会只关注在肌肉力量,而会更加重视智慧,重视关怀和责任。

我认为,互联网必须找到那个缺失的部分。这个缺失的部分就是鼠标和水泥携手合作,找到一个方法让互联网经济和实体经济能够结合。只有当鼠标和水泥结合时,互联网公司才能活下来,才能开心的活30年。

如果这个结合实现,不仅仅是数字经济,也是数据经济,所有的东西都会被改变。

并且我相信这个世界将会因此变得非常美丽,同时也非常富有挑战性。

像苹果这样的公司告诉我们未来的样子是什么样的。有一种东西将会在机器中流动,那就是数据。

我们在一个创新,雄心,发明和创意的伟大时代,我相信每个人都在非常努力的工作,实现他们的梦想。今天我们看到了真实世界的工人,卡车司机和游戏玩家……所有这些人在过去,是不可能利用科技实现他们的梦想的。但今天,数据让一切成真。

但我强烈的相信,不是科技改变了世界,是科技背后的梦想改变了世界。如果是科技改变了世界,我不会在这儿,我没有被训练成一个科技专家,我对电脑一无所知,我对互联网也了解的不多。但是我有一个强大的梦想,我要帮助中小企业。

所以14年前我来这里想向欧洲出售中国产品,没有成功。14年后我想帮助欧洲企业向中国向世界,通过互联网出售产品。是梦想在驱动这个世界,不仅仅是科技。

女士们先生们,让我们共同努力,这是一个精彩的世界,这是一个属于年轻人的世界,这是一个属于未来的世界。

非常感谢各位的聆听。

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。

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