导语:美国《福布斯》杂志网络版上周六撰文称,Twitter关闭第三方firehose数据接口的行为非常“邪恶”,将会扼杀整个生态系统。
以下为文章主要内容:
今天有条坏消息,Twitter宣布关闭firehose数据接口。这组数据涵盖了所有的推文和相关信息,第三方企业多年以来都在利用这些数据开发各种各样的功能。
Twitter多年以来一直向第三方出售这些数据,允许他们对其进行分析,并向相关企业出售各种分析,用于营销宣传和广告投放。Twitter去年收购Gnip时,业界就感到了些许不安。那是一家专门从事Twitter firehose数据分析的企业。虽然Twitter当时表示,Gnip将会与其他数据合作伙伴公平竞争,但该公司的战略已经发生了变化,并最终关闭了数据接口。
Twitter发言人在发给媒体的声明中说:“2014年5月收购Gnip后,我们决定将所有的数据授权活动收回,以便更好地服务于客户和合作伙伴。”
DataSift便是Gnip的众多竞争对手之一。据悉,Twitter一年前对合作伙伴表示,将会关闭数据接口,自那以后,DataSift便一直在与之展开谈判,希望能继续使用这些数据。
DataSift CEO尼克·哈尔斯泰德(Nick Halsted)在博文中写道:“几个月来,我们一直在努力与Twitter续签合约。谈判一直很有希望。有好几次,我们感觉立刻就能签下合同。这个结果令我们极度失望。我们在这个生态系统中利用Twitter数据帮助很多公司开发了各种解决方案,对于这些公司来说,同样感到十分失望。”
早在Twitter收购Gnip之前,DataSift便于2011年之展开了合作。这项业务可以带来不小的盈利机会。Twitter去年通过数据授权创收1.47亿美元,但收购Gnip后,该公司还可以利用原始数据制作出更为丰富的分析,从而获得远高于授权业务的收入。
由于Twitter本身的服务完全免费,所以亟待探索新的收入来源。广告和商务已经带来了两大创收机会,但该公司还希望充分利用大数据进一步创收。
当然,Twitter完全有权利这么做,毕竟,该公司拥有所有的数据所有权,对这些数据的很多支配行为也都完全合法,包括关闭第三方接口。但法律与道德不同,很多人认为Twitter此举只了自己的商业利益,堪称“邪恶”。
事实上,这并非Twitter首次打压其生态系统的合作伙伴。很多年前,当该公司收购Tweetdeck客户端时,很多第三方客户端就纷纷提出抗议。事实上,Twitter一直没有隐藏对第三方生态系统的观点。该公司曾经明确表示,将打击那些“模仿”其自家产品、服务和体验的公司。
但问题在于,原本没有威胁其业务的企业却有可能突然之间成为Twitter核心服务的竞争对手。有趣的是,Twitter最近投资了另外一家通过Twitter追踪新闻和财经信息的分析公司Dataminr——这是否意味着该领域的其他企业也应当开始担忧?
API管理服务提供商3Scale CEO史蒂芬·威尔莫特(Steven Willmott)在博客中对此展开了猛烈抨击。毕竟,3Scale是一家完全依靠API创收的企业。因此,Twitter关闭数据API将对其业务产生重大影响。威尔莫特认为,Twitter此举犯了重大错误,将会因此失去重要的创新层。
威尔莫特表示:虽然从某种意义上讲,希望更加接近用户数据(从产品角度来讲,这些数据很有价值,此举也值得赞赏)并无不妥,但切断其他渠道却会破坏创新。Twitter无疑能在用户体验方便实现很多优异表现,但切断第三方对firehose数据的访问权,却会产生严重破坏。Twitter非但不应该限制firehose数据访问权,反而应当扩大这种权限范围:
——Twitter和Gnip团队拥有一流的工程师,他们将继续开发一流的产品和服务。然而,他们不可能覆盖所有用户使用情境。各种商业上的限制将会令他们只能专注于最有利可图、潜力最大的业务。小众市场不会得到满足。
——没有几家公司有权使用所有或多数的Twitter firehose数据,这意味着小众需求的价值将会进一步损失。
——很多最有吸引力的使用情境都需要借助Twitter和其他社交平台的数据:这原本就很难实现,今后还会更难。
威尔莫特提到了Twitter收购Tweetdeck后,第三方客户端所遭遇的情况。他认为,自从Twitter收购了Tweetdeck后,该服务的客户端创新便已基本停止,其他客户端厂商也相继衰落。威尔莫特表示,Twitter此次的举动也将产生类似的效果。
尽管很多人认为,这只是市场行为,Twitter有充分的权利做出这种调整。但威尔莫特回应说:“平台经济的根本原则在于:做大蛋糕,切勿独吞。”
很显然,Twitter的确有权利这么做,但这是否对整个生态系统以及Twitter自身有利,恐怕还有待观察。
好文章,需要你的鼓励
南华科技大学等顶尖院校联合发布的对角蒸馏技术实现了AI视频生成的重大突破,通过"前重后轻"的智能资源分配策略,在保持高质量的同时将生成速度提升277倍。该技术能在2.61秒内生成5秒视频,达到每秒31帧的流畅效果,有效解决了长视频生成中的质量衰减问题,为视频制作、教育内容创作等领域的实用化应用铺平了道路。
KRAFTON与KAIST联合研究揭示,当前最先进的AI视觉模型在识别图像间微妙差异方面存在显著不足。研究团队开发的VLM-SubtleBench测试平台显示,即使最好的AI模型准确率也仅有77.8%,远低于人类的95.5%。这一发现对医疗诊断、工业质检等需要精细视觉判断的关键应用领域具有重要警示意义。
南开大学联合字节跳动、清华大学团队发布视频理解新突破ASID-1M,创建包含100万精细化描述的数据集,将视频内容分解为八个详细属性。采用三阶段渐进训练法,让AI从单属性理解逐步发展到复杂长视频分析。在七项基准测试中表现优异,小规模模型性能可媲美大型商业系统,为视频内容创作、教育培训、娱乐媒体等领域提供强大技术支撑。
这项Google DeepMind的研究提出了"智能委托"框架,让AI助手学会像优秀项目经理一样分析任务、选择合作伙伴、监控进度和应对变化。通过建立信任体系和多重安全防护,该框架能够协调多个AI和人类专家高效协作,在个人助手、企业管理、科研合作等领域展现巨大应用潜力,代表了AI从被动工具向主动协作伙伴的重要转变。