
腾讯云在第七届中国云计算大会上首次披露“云+”计划,力图打造中国第一大云生态圈,全方位服务互联网+中国,发力智慧城市,连接百万企业、创业者,推动全社会的升级转型。
腾讯云将投资亿元资金,从游戏到移动应用、政企、智能硬件、视频等行业扶植创业者,用腾讯公司副总裁、腾讯云负责人邱跃鹏的话来说,就是:“以实现创业者转变成一个成功创业家之路”。
腾讯公司副总裁、腾讯云负责人邱跃鹏
互联网正在成为连接一切的工具,渗透到各行各业。丘跃鹏认为,“互联网会连接内容、连接人,未来它可能会连接所有的服务,甚至连接到硬件、连接到物联的网络。”
由此产生的变化是,越来越多的创业者,带着互联网的思维开始进入到这些行业,希望去改变现有行业的一些规则和玩法。那么,“互联网+”到底带给我们什么?如何利用“互联网+”,去优化行业服务,去改变行业规则,去提升整个行业的运转的效率?如何把这些行业的服务能力,真正让每一个老百姓,每一个普通大众可以享受到“互联网+”?邱跃鹏做出解读。
在如何服务创业者这一问题上,邱跃鹏提供了另一种视角,他认为,“连接”是互联网+创业的基础,创业者目前正处于互联网+的第三个阶段,即连接一切的阶段,大众点评、58同城、微众银行等各个垂直细分领域的互联网公司陆续出现。此前的第一阶段是人与信息的连接,当时兴起了门户网站和搜索网站;第二阶段互联网+进入了人与人的连接,QQ和微信兴起。
在第三阶段,创业者可以选择的连接方式非常多,包括内容的连接、人的连接、服务的连接、设备的连接等等。连接将会带给创业者全新的创业空间,创业者可以在教育、交通、旅游、餐饮、医疗、金融等领域展开创业创新。
邱跃鹏表示,腾讯正在为创业者提供多样化的连接方式,包括众创空间的资源连接、QQ物联的设备连接,不过所有这一切将要在云上运行。腾讯云推出的“云+计划”会为创业者提供深层次服务。据悉,腾讯云将会联合云集成商、云软件提供商、孵化器、园区、投资机构等合作伙伴,为创业者提供一体化的服务。
邱跃鹏分享创业者使用云服务进行创业创新的故事。从中可见,在互联网+云计算的时代背景下,云计算在改变创业者的创业方式,创业者基于云计算获取全新的能力来源,不断创造出新产品、新业务和新模式。
在游戏领域,游戏创业者使用腾讯云全生命周期解决方案与护航服务,省去了运维服务,可以专注于游戏业务。在前不久的App Store畅销榜TOP12中,落户腾讯云的游戏达九款。
在移动应用领域,最近一年来,滴滴打车、58同城、大众点评、饿了么等领先互联网公司,在快速布局移动应用市场时,通过使用腾讯云的维纳斯网络服务、万象图片服务、信鸽消息推送等多项腾讯云独创的云服务,快速打造应用产品,快速提升移动用户的活跃度和留存率。
在金融领域,前海微众等国内银行正在计划使用腾讯云的征信系统,这项服务可以让用户在一到五分钟,快速获取贷款发放,完全革新了传统金融的业务模式。用户通过摄像头加人脸识别系统,刷脸认证提交业务申请时,后台系统会与公安部身份数据匹配确认用户身份;随后通过传统征信及社交大数据分析很快给用户信用评定,接下来通过工作人员在线一键审批,对于记录优良的用户甚至自动审批,用户在网络上确认接收贷款,即完成贷款发放,整个流程完全基于互联网,无需到线下办理业务。
在云服务兴起初期,创业者可以从多数云服务商那获取基础设施服务;不过进入移动互联网时代后,云服务商开始走向分化,这时候的创业者从腾讯云这里,获取视频处理、语音通讯、图片存储,人脸识别等更具移动互联网场景服务;如果要进一步深入到行业应用中,创业者可以通过腾讯云在广泛的游戏、移动应用、视频和金融等垂直行业展开创业。腾讯云的服务极大降低了创业者的创业门槛。
腾讯云力求为创业者提供一种全新的互联网+创业的视角和服务,邱跃鹏强调,创业者获取的不是单一的技术能力,而是整体的体系创新能力。
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。