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 百度王劲:在互联网+时代 创新是决定成败的最重要因素

百度王劲:在互联网+时代 创新是决定成败的最重要因素

2015-06-04 13:07
分享至:
----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-
2015-06-04 13:07 CNET科技资讯网

6月3日上午北京消息,中国大数据专家委员会副主任委员、中国电子学会云计算专家委员会副主任委员、百度公司高级副总裁、百度技术战略委员会主席王劲做了题为《互联网+,创新的竞赛》的演讲。

百度王劲:在互联网+时代  创新是决定成败的最重要因素

中国大数据专家委员会副主任委员、中国电子学会云计算专家委员会副主任委员、百度公司高级副总裁、百度技术战略委员会主席王劲

他的核心观点是:在互联网+的新蓝海里,传统产业开始拥抱互联网并进行跑马圈地,创新成了决定企业成败的关键因素。

王劲表示,作为互联网公司百度在搜索引擎方面做得比较好,在PC时代,百度做的事情是连接人和信息,而在互联网+时代,百度将成为连接人和服务的平台。像百度这样的互联网公司尽管掌握着先进的技术,但传统产业正在快马加鞭地迎头赶上。

一个欣喜的变化是:这是一个产业融合的时代,更多传统主流行业将有机会进军互联网,这个事情的好处是它将会大大提高传统行业进入主流行业的效率。

好在BAT掌握有先进技术,骨子里流淌着创新的血液。王劲指出,互联网+时代的产业融合有着计划经济、机器管人、高效率以及互联网化等特点。主要涉及服务创新、模式创新和技术创新三个维度。王劲分享了uber的车辆服务、百度外卖的餐饮服务以及cousera的在线教程服务等例子。

王劲说百度投资打车软件Uber前做了市场调查发现,Uber每天接单100万,年增长8倍,一年内市场份额提升了3倍。他认为,百度与Uber的合作可以利用百度的大数据进行监测,从可以实现社会车辆接入的实时调度、进行智能派单,动态定价,以及用户行为的准确预测,这种方式能根据用户的动态需求进行调整,在实现供需平衡的同时,实现用户体验最优。所以,王劲认为“能够用计划经济成就更大的市场”。

百度外卖则能根据百度的大数据,为用户提供订单预测、商家出餐时间预测、餐厅的个性化推荐等服务,此外由于百度的补贴力度比较大,所以王劲表示,“很多餐馆都愿意与百度合作”。而未来,百度的外卖系统将会实现更精准的数据预测,更好的调度外卖员,为用户提供更好的服务。王劲说百度现在有名的是搜索引擎,未来用户可以通过百度的外卖系统订餐。带来的变化将会是:“人到了菜就上了,相比现在有效率得多。“

在线教育可以实现免费提供学习机会给学生的同时,还能根据学生个性化的需求,提供更多的学习推荐,最大限度的满足学生的特性化的需求,从而并提高学生的学习效率。

互联网+时代如何做服务效率的大幅度提升呢?王劲表示云计算、大数据和人工智能是互联网技术的三级火箭,云计算技术逐步成熟,百度目前主要利用推荐引擎解决人与人、人与物以及物与物的关系问题,而随着计算能力的提高,网络传播速率的提升,人工智能也进入爆发阶段,如百度的无人驾驶汽车只是一个点,未来将会实现人工智能化,真正的使车和车以及车和交通系统实现无缝衔接,从而极大提升整个交通系统的效率。王劲总结“今天的人工智能仅仅是冰山一角未来将会有非常大的改变。”

分享至
0赞

好文章,需要你的鼓励

推荐文章
  • 南方科技大学等机构联手破解AI推理训练难题:让大模型"一次思考"就学会解题

    南方科技大学等机构联手破解AI推理训练难题:让大模型"一次思考"就学会解题

    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。

  • 香港科技大学数学系研究者:扩散模型原来是一个"魔法恒等式"拆成了两半

    香港科技大学数学系研究者:扩散模型原来是一个"魔法恒等式"拆成了两半

    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。

  • 中国人民大学研究团队打造的"AI科学家":让机器自主完成几十小时的科研工程,它是怎么做到的?

    中国人民大学研究团队打造的"AI科学家":让机器自主完成几十小时的科研工程,它是怎么做到的?

    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。

  • 字节跳动发布GRN:像人类画家一样"边画边改"的AI图像生成新范式

    字节跳动发布GRN:像人类画家一样"边画边改"的AI图像生成新范式

    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。

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