自2015年5月,京东杯智能硬件创新与创业挑战赛开赛以来,经过了近两个月初赛和复赛的筛选,目前已有20个优秀项目从1200多个参赛项目中脱颖而出,而决赛也将在8月20日举行。近日,CNET就对此次大赛的京东高校合作负责人刘艳光、京东智能资深产品经理王永昆、以及优秀的大学生创业团队代表进行了专访,在了解大赛进程的同时,也与同学们对创新创业的看法进行了交流。
刘艳光表示。“目前,比赛已进入了轻众筹的阶段,而且已经有三个作品,募集到超过一千元资金。值得强调的是,每一份募集仅仅是一元钱,累计的金额能够超过一千,就说明了产品还是非常具有影响力的。”
此次到访的优秀大学生创业团队代表共有两组,分别是北京航空航天大学飞天无人机创业团队,和中国人民大学的圣图创业团队。而这两组团队在项目方面分别涉及了两个不同的领域。
北京航空航天大学飞天无人机创业团队(下文简称北航团队)所带来的项目是一款把可穿戴式的手表和无人机结合在一起的“微型无人机”,北航团队负责人表示,“目前,智能穿戴设备和无人机都是非常热门的概念,而能够将两者结合起来在世界来看都是很少的。微型化将是未来电子产品的趋势,市面上的大部分无人机产品体型都比较大,而且续航时间不足,那么我们为什么不设计一个携带方便,而且在不能飞的时候又能成为其他工具的产品呢?”而在功能方面,北航团队称他们的设计采用了可插拔的设计,当插上旋翼之后就可以当作无人机来使用,而且也可以实现如航拍、跟拍、手机控制等常规无人机的功能。
中国人民大学的圣图创业团队(下文简称人大团队)的项目是一款名为MapGlory圣图的软件。人大团队负责人介绍称,“这是一款基于地图的社交软件,打开我们软件地图之后,你就可以发送你的留言板,你可以看到周围一百米的人发布什么消息,我们会自动推送到附近一百米的人可以交流,而且这个软件设计的非常轻量级,只有地图。”同时人大团队负责人还透露,“我们圣图有两个版本, 1.0的版本是基于地图的社交软件,不过 1.0版本推广不够顺畅。2.0版本则搭建的公众平台上,公众的服务号接收用户的信息,给他们提供便捷的服务,用户只需要提出要求,比如明天我几点要去上海,剩下的全部由我们去处理,非常便捷。”
在创业的态度上,北航团队的同学给人的感觉更加稳重,他们觉得一款成熟的产品才是创业的根基,而团队的技术实力也是创业的关键。“其实我们本身专业就是飞行器控制,我们的判断是未来的趋势是微小化,现在我们又掌握这种技术,所以当时几个人有这个想法的时候就决定一起去做。我们更倾向于技术出身,我们会把产品做的更好,当这个产品达到一种程度,我们再去考虑自己创业开公司。”
而相比之下,人大团队的同学则更有激情,他们觉得创业一定是要自己喜欢。 “我觉得创业首先要好玩,这样才能坚持下去。我觉得应该创业的时候那我就去创,不懂技术可以招一些懂技术三五年经验进入你的团队。大学生为什么创业失败,是因为他们没有经验,但是团队可以加入一些有经验的人。而且我觉得大学生创业现在很多小打小闹,卖一些什么淘宝之类的,他们的成就会大大的降低,如果他们能去一些大的公司或者技术层面,学了几年懂了整个流程然后搬出来创业,这样成功的概率更多。”
对于在本次大赛中京东是否会为这些团队提供技术方面的支持,刘艳光表示:“对于同学们可能遇到的困难,我们做了一些调研和储备,并在不同的阶段由我们来给予相应的培训。”而王永昆也表示:“京东成立的智能集团,在这些方面有自己的独特优势,各个领域都有专家和人才,都会对他们进行指导。同时我们还会将一些已经商业化的技术给他们进行培训,让他们接触到目前京东最先进的一些技术。”
而说到为什么举办这样的大赛,刘艳光吐露了自己的心声。“现在是一个非常好的创业环境,但是在整个大学生当中,创业失败率还是非常非常高的,关键的就是他们没有一个从最初到走向成功的逻辑。实际上我们不单单是举办了一场比赛,更多的是让我们找到优秀的作品、优秀的团队。京东会整合我们整个产业链上所有的资源,从最初给予他们一些做产品的最基本的理念,包括后期市场化的运作和方向。所以参与我们本次大赛所有的同学,我们实质上是在帮助他们尽量减少失败,更多的走向成功,真正实现创业的梦想,这个也是我们京东的初衷。”
作为一个注重创业,并有心帮助更多大学生完成创业梦想的公司,京东在未来依然会持续推行这样的模式,同时还会开展一些纯开放的方式来充分发挥大学生们的创造性。以伯乐的眼光持续地挖掘好的作品,优秀的团队和人才。
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。