
中关村创业大街这两天嗨翻了,总理昨日视察之后的热度还未消散,今日京东奶茶店又开张接客了。虽然昨天没有喝到咖啡,但是今天CNET专门探访了京东奶茶店,喝到了招牌京东奶茶,受到了店长的热情款待。不过喝奶茶不是目的,探究京东奶茶店到底要干嘛,怎么干才是此行的意义。
工作人员露出无奈的笑容说,“今天已经有很多人问我这个问题了,但是和奶茶店之间没有什么必然联系。”
上述否认信不信由你了,她的解释是:” 中关村的咖啡店已经很多了,所以我们想做不一样的东西,而且我们的奶茶和市面上的那些快消品很不一样。首先咖啡和奶茶是两款不一样的饮品,咖啡代表苦涩,而奶茶很甜美,京东奶茶店并不想让顾客走到哪儿都体验到咖啡的苦涩,而是希望他们能留下奶茶般香甜的回忆。”
另外,和市面上的快消品不同,京东奶茶的产品是不含有奶精,也没有人工添加剂,它是用纯奶加茶叶以及自己研制的配方调配而成,包括那些布丁也都是新鲜水果切块,而不是现成的水果罐头,考虑到整个创业大街创业者能接受的饮品价格范围,京东奶茶的售价基本和类似产品持平,“我们这么做只有一个目的,就是满足用户更好的产品体验,哪怕只是一杯奶茶。”
感叹京东奶茶店的店员这么具有营销意识,点个赞!
根据店长的介绍,顾客一走近奶茶店就会分流,而很多用户就会不由自由地被中间展台的智能产品所吸引,而上午在展台上的产品主要有两部分构成,一个是通过京东平台众筹而进行展示结果却被蜂拥而至的顾客一扫而空,另一个则是一些目前还不为大众所知但是却很有特色的体验型产品,比如大疆科技的精灵无人机,而每款智能产品的下边都有一个微信二维码,店员介绍说如果用户对产品感兴趣的话,完全可以微信扫二维码,然后在京东等线上平台实现购买。“这样就可以把线下的体验和线上的购买有机结合,打通线上与线下。
奶茶店除了可以现场体验智能产品,令CNET印象深刻的还有他们将智能这个概念真正的付诸实践。根据京东店长的介绍,奶茶店的玻璃、窗帘还有天花板上面的灯泡以及在创业者区域每个桌子上安放的台灯等,这些都可以在京东研发的一个控制系统中,通过移动手机实现控制。
真正要做的事情是创业孵化器
京东奶茶店今天开幕同时起还启动了创业孵化器项目。我们知道中关村创业大街入驻了包括天使汇、36氪以及包括3W咖啡在内的众多创业机构,可以说这里的创业氛围非常浓,而名义上的奶茶店,其真正要做的事情其实是创业孵化器平台。

公开信息透露,JD孵化器的相马机制是:智能家居、智能健康、其他与京东业务有关的项目;完成手板;相对于现有产品有明显的创新性,市场前景明朗;创业导师或创客空间、孵化器推荐。
JD孵化器和众创学院创业导师有科大讯飞刘庆峰、今日资本徐新、京东CEO刘强东、360CEO周鸿祎及真格基金徐小平等。

据悉京东智能项目是在2014年8月份筹建,2015年3月18日发布京东政策,提出智能解决方案、京东加速服务和京东孵化器三个项目。而京东孵化器的特色服务主要以北京、深圳、西安等为创业空间,以用户需求数据分析、重筹、首发、试用等营销资源和社区小站为市场营销手段,以智能云和京东微联APP模组为智能解决方案,为用户提供体验与服务。
这真是一个众创的时代!
好文章,需要你的鼓励
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。
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。
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。