
CNET科技行者 2月1日 北京消息(文/于艺婉):1月31日,中国联通和阿里巴巴在北京联合宣布,双方将共同打造中国大型企业“公开、透明、阳光、高效”资产交易平台。中国联通作为第一家注册入驻阿里拍卖平台的中央企业,将借助该平台实现资源配置优化、存量资源盘活能力提升的目标。
此次合作是中国联通完成混改以来,后台支撑线与混改战略投资者开展的首项重大业务合作,是继蚂蚁金服、阿里云后,中国联通和阿里巴巴在阿里拍卖平台业务融合的正式落地,也是联通混改继资金、架构变化外,与战略投资者业务深入融合的又一记重拳。
中国联通物资采购与管理部总经理苏宝合、副总经理李沈庄,阿里巴巴创新事业部总经理卢维兴出席了当天的发布活动。中国联通方面表示,将通过此次与阿里拍卖平台合作,打造符合通信行业特点的资产交易运营体系。阿里巴巴方面表示,双方联合打造的“智能资产交易平台”有望成为中国大型企业资产交易管理样本产品。
中国联通物资采购与管理部副总经理李沈庄
阿里巴巴创新事业部总经理卢维兴
现场交易反响热烈
双方在现场以盒损手机(即包装有瑕疵的手机)等市场类滞销存货为例,展示了中国联通通过阿里拍卖平台进行货品竞拍的全过程。为确保首拍成功,当天上线的联通华盛公司1000部盒损手机,包括iPhone X等全新畅销机型,iPhone X的起拍价仅为99元。整个拍卖过程围观人数超过25万,参与人数达1700人,出价次数超过7000次,溢价率达20%,处置拍卖流程透明顺畅。“此次活动的围观人数、竞买人次、竞价次数及成交价均远超预期。”中国联通物资采购与管理部副总经理李沈庄说。
据其介绍,在资产处置领域,如何提升处置效益和效率是长期以来困扰他们的难题。中国联通每年均会淘汰一批技术及性能指标无法满足业务发展需要的老旧设备。“在了解到阿里拍卖平台拥有数以百万计买家、年交易额突破万亿元的情况后,中国联通主动与阿里拍卖进行了交流,双方迅速达成合作共识,仅用时2个月就实现了中国联通资产处置竞价系统与阿里拍卖线上资产交易系统的无缝对接。”
截止目前,已有150家中国联通省分、市分、子公司成功入驻阿里拍卖平台,17个分、子公司在阿里拍卖平台进行了131笔报废资产拍卖,终端类资产处置收益率提升50%左右,线缆类资产处置收益率提升10%左右。拍品包括退网GSM设备、光纤化改造报废铜缆、程控交换机、报废空调、手机终端等全业务、全品类报废资产和市场物资等。累计围观人数超13万人,竞买739人次,总竞价次数达3500余次。
后续合作层次更深、维度更多
根据年度工作会议的指示精神,2018年,中国联通确定了“全面推进互联网化新运营,深入落实聚焦创新合作”的战略目标,要求各条专业线秉承“要素互补、优势互补、共同成长”的原则,加快与战略投资方的深度合作,积极探索在市场、支撑、管理等各个领域的创新与合作,将混改注入的互联网化、市场化新基因快速转化为企业的内生基因,实现中国联通的差异化发展。
物资采购与管理部作为中国联通经营生产的物资保障单元,在认真梳理采购与物流业务现状的基础上,以“互联网+采购”为指导思想,全力推进中国联通电子商城2.0建设。“目前在采购领域,阿里源牛商城等互联网采购平台已入驻联通电子商城,不仅方便了基层员工下单,缩短了供货时间,还大幅度提高了采购效率和透明度。”李沈庄说。
而且,已经完成的第一阶段拍卖效果也刷新了联通对处置资产的认知。“我们一直认为,所谓的处置资产就是使用价值不大的资产,其下游买家应为废旧物资回收商。而在阿里拍卖平台上参加竞买的不仅有企业用户,还有个人用户;不仅有传统意义上的回收商,更有处于创业中的中小企业。借助阿里拍卖平台,可以扩大资产的流通领域,让资产快速、便捷地流转到能够发挥其二次使用价值的、最合适的买家手中。”
据李沈庄介绍,下一步,中国联通与阿里拍卖将开展深层次,多维度的合作,如:在阿里拍卖平台上设置联通专属坑位,扩大目标受众入口,增加拍卖物资的品类及规模,提高交易成功度;借助阿里大数据分析能力,建立符合通信行业特点的线上资产评估体系,降低制度性交易成本,提高评估的客观性和时效性;通过阿里交易信息与联通资产信息的交互,探索建立资产交易运营分析体系,为科学掌握市场动态、合理把握拍卖节奏提供决策支持。“相信中国联通与阿里拍卖会不断碰撞出更多更好的‘创新、合作’的火花儿,开创优势互补、资源共享、多方共赢的新局面。”
好文章,需要你的鼓励
GeoVerse融合几何潜在扩散模型与Wan2.2视频生成先验,并引入全局空间记忆机制,实现了跨视角一致、生成质量高且推理速度快的新视角合成,在多个数据集上大幅超越现有方法GLD。
本文解读TT-VidT,一种通过分离外观锚点与动作令牌、结合Diff Compression训练目标的视频自监督方法。在24种架构目标组合的受控实验中,仅TT3D与Diff Compression搭配才能进入强动作敏感区,且计算量比同类方法降低近一半。
Q&A Q1:Imprint Reader是什么? A:Imprint Reader是上海人工智能实验室团队开发的模型,通过SMaRT训练方法学会读取另一个模型冻结的权重更新,把参数层面的变化翻译成自然语言描述,判断这次更新到底注入了什么知识或诱导了什么行为习惯。 Q2:MetaEdit能做什么? A:MetaEdit能把Reader对目标行为的梯度信号迁移到原始模型上,不需要任何目标任务的训练数据,只用一句行为描述就能定向调整模型参数,已经在安全性拒绝率调节、数学推理风格转变和工具调用能力提升上验证过效果。 Q3:Imprint Reader读权重更新的准确率高吗? A:目前还不高,知识类目标的Pass@100只有2%,行为类目标是16%,说明自由生成描述的可靠性有限,但相比原始模型完全答不出来的0%基线,已经证明了权重更新的自然语言读取是可行的。
统一多模态模型能看也能画,理论上该会自我修正。本论文提出UMM-Reflection,用整条轨迹的强化学习联合训练诊断和修图能力,GenEval提升12分,且迁移到多个未训练基准,揭示RL提升的是选择可靠性而非新能力。