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
AIM Intelligence联合多所知名大学揭示了音频AI系统的重大安全漏洞,开发出名为WhisperInject的攻击方法。这种攻击能让看似无害的音频指令操控AI生成危险内容,成功率超过86%,完全绕过现有安全机制。研究暴露了多模态AI系统的系统性安全风险,对全球数十亿智能设备构成潜在威胁。
新加坡国立大学研究团队系统梳理了视觉强化学习领域的最新进展,涵盖超过200项代表性工作。研究将该领域归纳为四大方向:多模态大语言模型、视觉生成、统一模型框架和视觉-语言-动作模型,分析了从RLHF到可验证奖励范式的政策优化策略演进,并识别出样本效率、泛化能力和安全部署等关键挑战,为这一快速发展的交叉学科提供了完整的技术地图。
浙江大学研究团队通过OmniEAR基准测试揭示了当前AI模型在物理世界推理方面的严重缺陷。测试显示,即使最先进的AI在明确指令下能达到85-96%成功率,但面对需要从物理约束推断行动的任务时,成功率骤降至56-85%。研究发现信息过载反而降低AI协作能力,监督学习虽能改善单体任务但对多智能体协作效果甚微,表明当前架构存在根本局限性。
纽约大学和Aimpoint Digital Labs的研究团队首次揭示了Transformer模型训练中"大规模激活"的完整发展轨迹。这些影响力比普通激活大千倍的"超级激活"遵循可预测的数学规律,研究者开发出五参数公式能以98.4%准确率预测其变化。更重要的是,通过调整模型架构参数如注意力密度、宽深比等,可以在训练前就预测和控制这些关键激活的行为,为设计更高效、量化友好的AI模型提供了全新工具。