4月28日,腾讯升级开放平台战略,变身孵化器平台。腾讯公司首席运营官任宇昕在发布会上宣布,腾讯将聚合内部资源并联合社会各界力量,推出腾讯众创空间,打造一个人人可参与的创新创业平台,再造100个亿万富翁。
具体而言,腾讯将在以下五个方面为创业者提供帮助与支持。
流量加速能力——应用宝日分发达1.2亿
腾讯移动互联网事业群副总裁林松涛透露,截止目前,腾讯应用宝日分发达1.2亿。艾瑞报告显示,应用宝市场份额已经跃居行业第一。不仅如此,应用宝聚合了腾讯内部包括月活跃账户数8.15亿的QQ、合并月活跃账户数5亿的微信、QQ浏览器、腾讯手机管家等大量优质产品的流量分发资源,巨大流量、广泛覆盖,将为创业者提供强大的流量加速能力。
林松涛介绍,应用宝的新品首发就是对优质新品应用很好的流量加速。此外,作为扶持优质应用的“双百计划”,实施半年来已接入大象册、微影、美家帮、车生活等20个应用,注入精准流量,帮助这些优质创业企业产品取得了迅猛成长。
开放扶持能力:聚合腾讯全平台开放资源
腾讯众创空间通过聚合腾讯全平台的开放资源,拥有独特而强大的开放扶持能力。
通过微信公众平台的开放,各类公众账号数量突破800万,再小的个体都可以有自己的品牌。腾讯云则为创业者提供了优质的开放技术能力。1万API,主干机房覆盖全国15大城市,全国超400个加速节点,可通过开放为开发者提供底层技术支持。广点通为创业者提供了精准、有效的开放营销能力。截止目前广点通日均曝光10亿,囊括20多个行业的头部流量。从去年底正式亮相的QQ物联,则为硬件创业者和传统产业互联网+转型提供了硬件开放能力,具备7大基础能力,6大算法能力。此外,QQ浏览器的X5内核也将帮助开发者解决webview体验问题。
创业承载能力:布局25个线下众创空间,总面积50万平米
在创业承载能力方面,腾讯在发布会上与京津沪三地地方政府开启战略合作,打造三大直辖市超15万平方的线下腾讯众创空间,此外,今年腾讯还规划在全国各地布局建立25个线下众创空间,总面积超过50万平方。除了面积的扩大,创业基地还将推出一体化的创业支撑服务。腾讯众创空间将携手地方政府,金融机构,法律服务机构等合作伙伴,为入驻腾讯众创空间的创业者提供包括人才、法务、金融第三方、财税等多项创业支撑服务。
教育培训能力:顶级导师加盟,打造创业者的黄埔军校
除了强大的线上资源,以及优质、广阔的线下创业承载空间,腾讯众创空间还携手长江商学院,以及众多顶级导师,推出了首期创业营。
创业营主打实战与实用,希望建立创业者的黄埔军校。创业营的培训课程将腾讯16年来的创业经验与产品、运营思维首度对外开放,结合长江商学院的优质商业管理课程,同时通过创业营强大的导师阵容将对学员进行全程实战辅导,直接帮助创业者解决实现中的难题。
据了解,创业营首批导师包括腾讯公司COO任宇昕、腾讯公司高级执行副总裁汤道生、腾讯公司高级执行副总裁吴宵光、新东方董事长兼总裁俞敏洪、长江商学院副院长刘劲、搜狗CEO王小川、猎豹移动CEO傅盛等一大批明星导师。而StarVC创始人任泉、楚楚街CEO吕晋杰、他趣CEO黄天财、微影CEO林宁、小红书CEO毛文超等创业者已经申请成为创业营第一期学员。
备受关注的2015腾讯众创大赛也在此次发布会上正式启动,此次众创大赛致力于通过社交化的比赛形式,使投资人、创业者均可通过众创大赛获得各自的收获。
辐射带动能力:超20家创投机构千亿众创基金
除了腾讯自身力量,腾讯众创空间还拥有强大的辐射带动能力,带动、吸引了大量创业支持力量加入腾讯众创空间。
林松涛表示,“首批加入腾讯众创投资联盟的有经纬中国、达晨创投、险峰基金等超20家知名创投机构,目前联盟的创业基金规模已超1000亿,为创业者提供融资服务。此外,腾讯还欢迎并且呼吁更多的创业支持力量,包括教育机构、政府、金融机构、媒体等加入腾讯众创联盟,共同为创业者打造全要素创业平台。”
好文章,需要你的鼓励
想象一下,你有一个非常聪明的朋友,他知道很多知识,但每当需要使用计算器、搜索引擎或查询最新天气时,却变得像个笨手笨脚的孩子。这正是当前大语言模型(简称LLMs,如ChatGPT这类AI系统)面临的尴尬处境。
想象一下,你拥有一个聪明的助手,它知道很多知识,但在面对需要使用计算器、搜索引擎或查询最新信息时却显得笨手笨脚。这正是当前大语言模型(LLMs)面临的困境。虽然这些模型已经通过监督微调(SFT)学会了使用工具的基本能力,但它们常常在面对复杂或不熟悉的场景时表现不佳。
想象你正在和一个智能助手聊天。如果你直接要求它提供有害信息,它很可能会礼貌拒绝。但如果你通过一系列看似无害的对话,逐步引导它走向你的真实目标呢?这就是当前AI安全领域面临的一个严峻挑战——多轮对话中的安全漏洞。
想象你在使用一个非常聪明的AI助手完成一项复杂任务,比如解决一道数学难题。你可能注意到这个助手会花很长时间"思考",一步一步写下大量推理过程,最后才给出答案。虽然这种详细的思考过程确实帮助AI做出了更准确的判断,但同时也带来了一个明显的问题:它太"啰嗦"了,消耗了大量的计算资源和时间。