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 新媒体小知能与《左耳》互动 王长田预测票房破5亿

新媒体小知能与《左耳》互动 王长田预测票房破5亿

2015-04-30 17:05
分享至:
----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-
2015-04-30 17:05 CNET科技资讯网

4月29日,在2015GMIC世界移动互联网大会上,移动新媒体“黑马”深圳英威诺科技有限公司宣布,旗下移动桌面新媒体“小知”获光线传媒及华兴资本近2亿元人民币战略融资。小知能让电视电影这些传统媒体在手机上与粉丝形成互动,光线传媒总裁王长田直言,这是投资小知的重要原因。小知与《左耳》联动,是电影业务拓展的新形势,5日内青春电影《左耳》已狂收2.5亿票房。

英威诺依靠自己的智能搜索引擎,为电影等传统媒体建立了与受众互动的平台。“光线传媒定位为生产内容的公司,需要和年轻人进行互动,”王长田对此次战略融资前景很是看好,“期待英威诺能给智能手机带来新玩法、新体验。这次投资是高效的决定,我们会付出全部资源支持。”

新媒体小知能与《左耳》互动  王长田预测票房破5亿

此外,提及到电影《左耳》, “这是个三无产品,没有大牌导演,没有大牌演员,也没有大的投资,我预计它的票房会达到5亿以上。”王长田对自己的预测进行解释,“这与移动端电影业务渗透进生活场景不无关系。英威诺提供了一个全新的电影消费模式, 打开‘小知’,用户直接可以查看所有电影附属品、网上购票、参与观后讨论,方便快捷。”

记者在英威诺的展台区亲自体验了一下,使用小知“咔一咔”功能,刚刚拍了下《左耳》的海报,关于电影的新闻、票务信息和预告片等一应俱全,全都呈现在眼前。一位从事互联网新闻行业多年的80后,谈及体验“小知”的感受,“它可以个性化选择自己感兴趣的消息,再刷新时,发现推荐的信息都是自己喜欢的,不单单有文字、图片,还有视频,很适合年轻人的口味。”

作为目前异军突起的一款新媒体应用,小知的好玩主要体现在4个方面。一是“聚合”,拥有海量资源,联合手机、平板、电视等终端创造跨屏新体验;二为“互动”,结合特定场景的互动,给用户提供沉浸式参与感;三是“有趣”,小知有形态丰富的浅入口,可以根据用户的不同位置、不同属性,基于不同场景进行O2O植入;四为“懂我”,小知基于算法对用户进行精准推荐,给用户所想所需。

英威诺CEO唐欣对未来的发展充满信心, “桌面即媒体”这一创新模式,为用户、厂商、内容方以及广告主等多方建立了一个共赢的新媒体生态平台,有效促进了多方相互融合。我们将持续保持产品创新,打造一个更好玩的新媒体空间。”

分享至
0赞

好文章,需要你的鼓励

推荐文章
  • 奖励设计:让AI学会智能使用工具的关键
    2025-04-23 17:39

    奖励设计:让AI学会智能使用工具的关键

    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。

  • ToolRL:奖励设计是工具学习所需的全部
    2025-04-23 17:34

    ToolRL:奖励设计是工具学习所需的全部

    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。

  • X-Teaming:使用自适应多智能体进行多轮越狱攻击和防御
    2025-04-23 14:08

    X-Teaming:使用自适应多智能体进行多轮越狱攻击和防御

    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。

  • "思考操纵":用外部思考让大型推理模型更高效
    2025-04-22 16:43

    "思考操纵":用外部思考让大型推理模型更高效

    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。

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