4月29日,魅族科技(MEIZU)副总裁杨颜亮相GMIC 2015,出席欧朋主题为「O+战略,基于流量的生活」的讨论峰会,谈到「系统和应用如何通过整合互联网内容和服务以构建软件生态」。
杨颜表示,“一个行业越成熟,竞争者之间的差距就越不明显,所以自然会进入下一个阶段,这就是内容和服务的分发。在2010年时魅族已起步建设。目前,Flyme除整合了互联网内容和服务以外,许多传统的工具都开始拥抱互联网。Flyme自有渠道的分发占比在所有安卓手机厂商里排在第二。Flyme除了明面上的业务合作之外,还有相对底层的账号平台、支付平台、系统级Push平台以及已经开始建设的基于大数据的广告投放平台等等。这种整合模式不仅给用户带来实在的便利,为硬件设备提供附加值,同时让系统具备出色的分发能力,还为第三方业务带来可观流量。”
以下是魅族科技副总裁杨颜的演讲实录:
在功能机时代,手机虽然已经具备了一些像音乐、视频这种多媒体功能,但当时的定位还只是一个播放器工具,那时候各家竞争的还是手机的基础性能和基本功能。
接下来有段时间 UI 设计开始被关注,同时用户对产品的细节体验要求越来越高,厂商开始把注意力和竞争转移到这些方面。
然后又经过这么多年,产品和 UI 设计行业也越来越成熟,之前我在微博也说过,一个行业越成熟,竞争者之间的差距就越不明显,所以自然会进入下一个阶段。这就是内容和服务的分发,所以在现在这个阶段当我们在谈硬件与应用的所谓“双剑合璧”时,我们其实谈的就是这些事情。
在这点上魅族起步非常早,早在 M9 时代,也就是大概 10年的时候我们就深度整合了新浪的在线音乐资源,随后视频和应用中心又分别与乐视和豌豆荚合作引入内容资源。
这么长时间过去了,现在 Flyme 除了这些有明显平台特征的应用整合了互联网内容和服务以外,甚至有很多传统的工具都开始拥抱互联网。
比如日历,日历可以做什么,可以订阅动漫美剧球赛综艺节目的播放时间,现在正在踢欧冠,前几天我一个同事还说要把四强的比赛时间都手工录入到日历里,我就说你太 Out 了。再比如计算器,计算器能提供什么互联网服务,实时的汇率查询,落地到功能上就是货币换算。
现在我们可以看到越来越多的手机厂商也在做同样的事情。
而从我们自己数据来看,用户是愿意使用系统服务的,我们互联网应用的用户数、启动次数方面,和同类型的最优秀的公开应用相比也毫不逊色。
前段时间微博公布了一个2014年四季度的数据报告,也可以明显看到手机厂商在分发渠道的控制力越来越强。其中 Flyme 应用中心因为有比较长时间的建设积累,所以数据还不错,自有渠道的分发占比在所有安卓手机厂商里能够排在第二的位置上。
所谓的建设积累是什么,除了明面上的业务合作之外,还有相对底层的账号平台、支付平台、系统级的 Push 平台、包括我们已经开始建设的基于大数据的广告投放平台等等。这些项目有的是上层业务必要的基础,有的是效率放大器,对业务本身都是起到一个支撑的作用。
这种整合模式首先能够给用户带来实实在在的便利,为硬件设备提供附加值,同时让系统具备了出色的分发能力,还为第三方业务带来了可观流量。
如果我们把硬件和系统分开来看的话,这种模式如果可以深入的做下去,将是一个四赢的局面。而我确实相信在现在和未来的一段时间里,软件生态将成为互联网手机下一个最激烈的竞争点。
好文章,需要你的鼓励
这项研究利用大语言模型解决科学新颖性检测难题,南洋理工大学团队创新性地构建了闭合领域数据集并提出知识蒸馏框架,训练轻量级检索器捕捉想法层面相似性而非表面文本相似性。实验表明,该方法在市场营销和NLP领域显著优于现有技术,为加速科学创新提供了有力工具。
un?CLIP是一项创新研究,通过巧妙反转unCLIP生成模型来增强CLIP的视觉细节捕捉能力。中国科学院研究团队发现,虽然CLIP在全局图像理解方面表现出色,但在捕捉细节时存在不足。他们的方法利用unCLIP生成模型的视觉细节表示能力,同时保持与CLIP原始文本编码器的语义对齐。实验结果表明,un?CLIP在MMVP-VLM基准、开放词汇语义分割和视觉中心的多模态任务上显著优于原始CLIP和现有改进方法,为视觉-语言模型的发展提供了新思路。
这项研究介绍了RPEval,一个专为评估大语言模型角色扮演能力而设计的新基准。研究团队从法国里尔大学开发的这一工具专注于四个关键维度:情感理解、决策制定、道德对齐和角色一致性,通过单轮交互实现全自动评估。研究结果显示Gemini-1.5-Pro在总体表现上领先,而GPT-4o虽在决策方面表现出色,但在角色一致性上存在明显不足。这一基准为研究人员提供了一个可靠、可重复的方法来评估和改进大语言模型的角色扮演能力。
这篇论文介绍了LegalSearchLM,一种创新的法律案例检索方法,将检索任务重新定义为法律要素生成。研究团队构建了LEGAR BENCH数据集,涵盖411种犯罪类型和120万案例,并开发了能直接生成关键法律要素的检索模型。实验表明,该模型在准确率上超越传统方法6-20%,且在未见犯罪类型上展现出强大泛化能力。这一突破为法律专业人士提供了更高效、精准的案例检索工具。