
提起乐视,想起的不仅仅是乐视网,近期乐视活跃在诸多领域,比如电视、手机、自行车、汽车等,乐视接下来还想干些什么呢?
昨日,乐视云在京举办了题为“蜕变”的新品发布会,并且推出了生态云服务平台。乐视创始人贾跃亭通过云直播的方式亮相乐视云发布会现场,表示“乐视十年磨一剑,依托乐视生态十年视频技术和云计算技术的深厚积累,乐视云已成为全球最大的云视频开放平台。我们认为,云计算就像水和电一样,将会成为国民经济的公共基础平台,乐视云也应该成为国民经济的公共基础平台,不应该由乐视一家拥有,而应该全行业、全球、全社会共同拥有。”
不仅如此,乐视云还将去乐视拥有化,全面开启“开放化、合伙化、社会化、共享化”,贾跃亭表示,重构云计算产业价值链,通过开放、合伙模式,让乐视云成为社会化、共享化的云计算平台,由全球、全社会的合作伙伴共同拥有,让乐视生态与全社会资源,实现强化反,引领行业进入云共享时代。
乐视发言人在发布会上不止一次的表示,乐视的核心竞争力主要有三点:1、过硬的产品研发能力;2、成熟的产业链基础;3、融合丰富的乐视生态。这些是乐视最引以为傲的资本。
而乐视云拥有全球10大创新。它是全球第一大视频云平台、第一家推出生态云模式的云平台(生态云模式)、第一家CDN免费的云平台、全球第一家商业技术全开放的云平台(商业技术全开放)。除此之外,乐视云还是全球第一个支持全4K、H.265的全流程云平台,全球第一家推出自进化网络体系的云平台,全球第一大优质内容汇聚云平台,全球第一家由视频网站独立出来的企业级云平台,全球第一家支持360度全景/VR实时直播的云平台和全球第一家创造商业直播营销新模式的云平台。
乐视云计算有限公司CEO,乐视集团战略项目管理部副总裁吴亚洲介绍,乐视云视频CDN包括CDN,云点播和云直播产品,可以协助客户通过内容分发网络实现内容更快速、更稳定的传输外,整合拍、传、转、存、发、播视频垂直流程的技术服务。另外,乐视云视频CDN对于已开始视频化的行业用户不仅可以完全免费的发布自己的内容,还能通过垂直流程整合的服务自主的控制由拍到播整个系统环节。而对于尚未与视频行业融合,准备进行视频化的行业用户,乐视云为其提供了完全免费的行业云服务,行业用户可以通过乐视云行业云服务免费打造一个属于自己的视频发布平台;建设完毕后,依旧可以免费享用乐视云的视频CDN服务。
乐视超级汽车(中国)有限公司副总裁吕征宇也参与了本次活动,并表示,造车只是乐视‘SEE计划’其中一环,汽车生态开放才是核心要义,乐视将借此打造覆盖汽车上下游产业链以及汽车全生命周期管理的完整生态圈。
而乐视云能够助力超级汽车构建生态开放,据了解,乐视已经在汽车生态开放方面有所布局,无论是此前宣布跟北汽的合作、跟阿斯顿马丁的合作,还是计划中的对下游充电桩企业和新能源公司的战略投资,都是汽车生态开放的实践。
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。