CNET科技资讯网 7月6日 北京消息:2017年的斋月期间,APUS与魅族携手在印尼发起“PENGHANCUR JARI(Finger Breaker)”线上活动,陪伴穆斯林朋友过节。活动为期五天,在产品及社交媒体曝光量达500万次,吸引到213,924位印尼用户参与互动,活动的胜出者共获得了价值约1186万印尼盾的大奖,其中一等奖是5部魅族智能手机。
一直以来,APUS在海外市场与中国品牌持续联动,通过本地化活动与合作,达成品牌共赢。继与华为荣耀的“发现之旅”活动、与魅族在印度的“发现爱”活动后,APUS再度与魅族联合,开展了以此次印尼斋月的活动为代表的系列合作。
“印尼是亚太地区仅次于中国和印度的第三大手机市场,手机游戏堪称印尼手机用户的杀时间神器,平均而言,印尼游戏用户每天花50多分钟的时间在手机游戏上,比花费在其他任何类型应用上的时间都要长。”据APUS今年5月发布的《印尼智能手机行为调查报告》显示。
不难看出,无论是平日里还是斋月期间,手游都是印尼移动互联网的重头戏。APUS联合魅族为穆斯林朋友们定制斋月手机游戏,用移动互联网思维与粉丝们共庆这个重要的节日。中国出海企业最关键的本地化运营就该从细节着手。
印尼人民在斋月常吃的传统食物“粽子”,也无疑成为本次活动的主要元素。APUS的卡通形象SUPA、魅族的代言形象Meizu Panda,选择任一种挑战角色进入游戏,收获粽子换取积分。每场比赛限时30S,每人每天有三次挑战机会,机会用尽后可分享召唤好友助力,好友成功助力1次可再玩一次。积分排行榜的第一名可获得魅族智能手机一部,榜单每24小时清零一次。
此活动一经双方Facebook主页推出,就获得粉丝追捧。Facebook、INS主页连续发帖,APUS KNOW、APUS CLUB等多款产品内同步推荐,印尼本土大V联动,印尼KOL、娱乐大号转发,最“魔性”的玩家至少玩了十几次。
这样一场穆斯林的全城“热跑”、斋月节的“吃”粽子大赛,一时间深入人心,好评连连。简单、易玩、不占用内存、奖品吸睛、斋月氛围浓重,成为了印尼人民斋月期间最有趣的杀时间游戏。
“APUS是中国出海企业的代表,做海外市场的经验非常丰富。印尼是魅族在东南亚的重要市场,此前与APUS合作的印度发现爱活动就很成功,这一次再度与APUS合作让我们在合作方式和想法上都有了新的突破。APUS对印尼市场和文化足够了解,用户基数大,核心粉丝活跃,活动一经上线就屡获好评,这为魅族在印尼做品牌、抓核心粉丝创造了机会。”魅族印尼负责人表示。
三年来,APUS专注海外市场,APUS的产品和团队,在进入到每一个新兴市场的时候,都怀着一颗虔诚、敬畏和真诚的心去尊重当地的文化,与当地的文化相融合。面对全球将近两百个国家和地区不同的文化、语言、背景、风情、宗教,APUS不断从实践中总结经验,深入本地化运营策略,因地制宜。而这也是APUS作为一个全球化公司的基本思想,即全球化的构建实际上是通过本地化的融合来完成的。
“对于中国所有互联网出海的从业者,要想实现所谓互联网全球化,一定要考虑到宗教、法律、政策、文化这四个非常重要的因素对你的产品和互联网的业务出海造成的影响,因为文化融合非常重要。”APUS创始人兼CEO李涛表示。
除APUS根据各地文化属性提供的个性化服务和产品外,为了更好地融入当地文化,APUS开放其拥有超10亿用户的生态系统平台,欢迎当地的开发合作者在APUS的平台上开发出满足当地用户需要的产品和服务,APUS可同时提供产品、技术、资金等各方面的支持。
而帮助更多中国优秀企业出海,倡导中国软硬件抱团出海,是促进中国互联网全球化的重中之重。而与以华为、中兴、魅族等中国知名品牌展开全方位合作亦是APUS出海国际化布局的重要举措。
好文章,需要你的鼓励
Adobe研究院与UCLA合作开发的Sparse-LaViDa技术通过创新的"稀疏表示"方法,成功将AI图像生成速度提升一倍。该技术巧妙地让AI只处理必要的图像区域,使用特殊"寄存器令牌"管理其余部分,在文本到图像生成、图像编辑和数学推理等任务中实现显著加速,同时完全保持了输出质量。
香港科技大学团队开发出A4-Agent智能系统,无需训练即可让AI理解物品的可操作性。该系统通过"想象-思考-定位"三步法模仿人类认知过程,在多个测试中超越了需要专门训练的传统方法。这项技术为智能机器人发展提供了新思路,使其能够像人类一样举一反三地处理未见过的新物品和任务。
韩国KAIST开发的Vector Prism系统通过多视角观察和统计推理,解决了AI无法理解SVG图形语义结构的难题。该系统能将用户的自然语言描述自动转换为精美的矢量动画,生成的动画文件比传统视频小54倍,在多项评估中超越顶级竞争对手,为数字创意产业带来重大突破。
华为诺亚方舟实验室提出VersatileFFN创新架构,通过模仿人类双重思维模式,设计了宽度和深度两条并行通道,在不增加参数的情况下显著提升大语言模型性能。该方法将单一神经网络分割为虚拟专家并支持循环计算,实现了参数重用和自适应计算分配,为解决AI模型内存成本高、部署难的问题提供了全新思路。