近日,易觀智庫分享了移動互聯(lián)網(wǎng)新熱點趨勢App社交化浪潮的調(diào)研報告,報告中易觀智庫分析師分析了開發(fā)者普遍需要第三方即時通訊云服務平臺的內(nèi)在動因,并表示看好為開發(fā)者提供第三方專業(yè)即時通訊云服務行業(yè)的發(fā)展前景,而未來,領軍品牌成功的關鍵就是是否能夠保證平臺和服務的高品質(zhì),為開發(fā)者確實提供穩(wěn)定可靠的即時通訊云服務。
事實上,環(huán)信即時通訊云(http://www.easemob.com)已經(jīng)成為最大規(guī)模的第三方專業(yè)即時通訊云服務平臺,因其倡導的高品質(zhì)更好用和提供的平臺與服務的穩(wěn)定可靠而受到開發(fā)者的普遍青睞,10月份環(huán)信SDK覆蓋用戶規(guī)模達到8200萬,注冊App達到8402家,環(huán)信已經(jīng)成為開發(fā)者、產(chǎn)業(yè)鏈合作伙伴、投資人、研究機構心目中的即時通訊云領軍品牌。
從易觀的調(diào)研報告,我們首先可以看出,社交化已經(jīng)成為大趨勢,甚至未來大有“無社交不App”的趨勢。原因在于,社交已經(jīng)成為移動用戶的重要使用習慣,而無論是工作交流或是生活溝通,抑或客戶服務,都需要一個便捷的富媒體的復合用戶社交用戶體驗的溝通平臺。據(jù)易觀調(diào)研報告顯示,在企業(yè)應用中,已有超過80%的用戶有著社交使用習慣或者希望使用社交工具幫助工作,社交已經(jīng)是辦公離不開的重要工具。同時,在普通用戶端,移動IM用戶覆蓋率最高達到73.8%。“這超過應用商店,超過了游戲,超過了任何的應用。說明大眾市場對社交化工具依賴程度最高、認知程度最高、使用率最高。”易觀智庫高級分析師王珺指出,隨著發(fā)展,從用戶需求出發(fā),未來一切應用可能都將社交化。而目前,開發(fā)者普遍需要的是哪些社交功能呢?據(jù)易觀調(diào)研,離線消息推送、實時音視頻、單聊群聊等即時通訊功能排在前列。
圖注:社交已經(jīng)成為移動App用戶最高頻應用
圖注:各行業(yè)App正在向社交化演進
圖注:開發(fā)者普遍需要的社交功能
但是,王珺同時指出,并不是所有的App開發(fā)者團隊都能靠自己的力量實現(xiàn)自身App的社交化。因為實現(xiàn)社交的核心即時通訊技術有著高門檻,且開發(fā)所需人力、物力、時間成本投入極大,對于大型App來講會減慢變革布局的速度,在競爭中處于落后境地,而對于中小開發(fā)團隊來講更投入不起。據(jù)調(diào)研,目前有超過67%的有社交化意愿的開發(fā)者團隊沒有實現(xiàn)社交功能。開發(fā)者需要使用第三方平臺服務,就像使用個推,使用七牛云存儲一樣,提升效率的同時將節(jié)省的資源投入到提升自身App功能的用戶體驗和業(yè)務創(chuàng)新等方面。這也就成為目前,即時通訊云服務行業(yè)受到關注,并快速發(fā)展的原因。
圖注:由于自建門檻高,超過67%有社交化意愿開發(fā)者團隊沒有實現(xiàn)社交功能
圖注:開發(fā)者自建即時通訊功能四大阻力
那么,開發(fā)者需要什么的即時通訊云服務平臺呢?或者說,開發(fā)者挑選第三方即時通訊云平臺的關鍵是什么呢?對此,王珺指出,按照易觀調(diào)研的結果顯示,總體看開發(fā)者需要的是穩(wěn)定、可靠、好用的即時通訊云平臺。而對于第三方服務商提供的產(chǎn)品和服務提出了很高的要求。“對于任何一家App來說,都是為大量用戶提供在線服務的,系統(tǒng)的穩(wěn)定性、用戶的體驗自然是最為關注的。”
圖注:在開發(fā)者看來即時通訊云穩(wěn)定可靠最重要
而對于當前即時通訊云行業(yè)的各家服務商,易觀也保持著關注。近來,環(huán)信即時通訊云(http://www.easemob.com)受到了開發(fā)者的普遍青睞,10月份環(huán)信SDK覆蓋用戶規(guī)模達到8200萬,注冊App達到8402家,環(huán)信已成為即時通訊云行業(yè)規(guī)模最大平臺和領軍品牌。對于環(huán)信受到普遍青睞的原因,易觀調(diào)研顯示,開發(fā)者認為環(huán)信即時通訊云高品質(zhì)更好用,在穩(wěn)定性和可靠性等方面,達到了很高的水平,滿足客戶的需求。
好文章,需要你的鼓勵
新加坡國立大學研究團隊開發(fā)了SPIRAL框架,通過讓AI與自己對弈零和游戲來提升推理能力。實驗顯示,僅訓練AI玩簡單撲克游戲就能讓其數(shù)學推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學題目作為訓練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉(zhuǎn)移到數(shù)學解題中,為AI訓練提供了新思路。
同濟大學團隊開發(fā)的GIGA-ToF技術通過融合多幀圖像的"圖結構"信息,創(chuàng)新性地解決了3D相機噪聲問題。該技術利用圖像間的不變幾何關系,結合深度學習和數(shù)學優(yōu)化方法,在合成數(shù)據(jù)集上實現(xiàn)37.9%的精度提升,并在真實設備上展現(xiàn)出色泛化能力,為機器人、AR和自動駕駛等領域提供更可靠的3D視覺解決方案。
伊利諾伊大學研究團隊通過對比實驗發(fā)現(xiàn),經(jīng)過強化學習訓練的視覺語言模型雖然表現(xiàn)出"頓悟時刻"現(xiàn)象,但這些自我糾錯行為并不能實際提升推理準確率。研究揭示了AI模型存在"生成-驗證差距",即生成答案的能力強于驗證答案質(zhì)量的能力,且模型在自我驗證時無法有效利用視覺信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機構聯(lián)合提出SparseLoRA技術,通過動態(tài)稀疏性實現(xiàn)大語言模型訓練加速1.6倍,計算成本降低2.2倍。該方法使用SVD稀疏性估計器智能選擇重要計算部分,在保持模型性能的同時顯著提升訓練效率,已在多個任務上驗證有效性。