2014年天貓1111單日成交額571.12億元,其中無線端成交243億元,占比42.6%,共產(chǎn)生2.78億包裹量,共計125萬余名快遞員參與今年雙十一。
顯然,天貓雙十一今年大戲仍引來大批看客捧場。這個數(shù)字,不管你看或不看,它都在那里,甩開去年記錄幾條街。去年全天成交額362億元,今年僅在11日下午13點31分,就突破了這個數(shù)字。
雖然外界就預(yù)測今年雙11成交額將再次刷新,但當天“剁手黨們”的下手速度之快仍突破想象:根據(jù)阿里巴巴官方數(shù)據(jù)顯示,雙十一開始1分11秒破億;凌晨剛過3分鐘,交易額突破10億,這個數(shù)字在去年耗時6分7秒,今年同比快了3分多鐘;14分鐘02秒,突破50億;38分鐘28秒,沖到100億元,其中無線占比45.5%,去年沖到100億用了5小時49分;截止到13:31,成交額超過去年雙11全天;最終以571.12億元收官。
在移動端,從11月11日零時就一路攀升,開場僅75秒成交額突破1億元,相比去年4分10秒,時間提前了3.3倍,刷新移動網(wǎng)購成交破億的最短時間世界記錄;開場后4分28秒,移動端成交額突破10億元。隨后,無線成交額一路直線飆升,到早上7時36分,移動網(wǎng)購的成交額已刷新到100億;最終達到243億元,這一數(shù)字是去年雙十一53.5億元的4.5倍。
支付寶端,11月12日凌晨,根據(jù)螞蟻金服公布的數(shù)據(jù)顯示,雙十一全天,支付寶移動支付交易筆數(shù)達到1.97億筆,同比增長336%。雙十一當天還售出了1.86億份退運費險,同樣創(chuàng)下了全球保險業(yè)的紀錄。最終的統(tǒng)計顯示,今年雙十一消費者的支付渠道選擇上,快捷支付居于首位,金額占比為56.9%,余額次席,占比12.5%、余額寶第三,占比11.5%,今年新推出的天貓寶排在第四位,占比7.3%,分期購列第五,占比1.1%,包括網(wǎng)銀在內(nèi)的其他支付渠道占比0.7%。
這一年,支付寶華麗地完成了從PC到移動的轉(zhuǎn)身,支付寶錢包也開始從獨立品牌運營。經(jīng)過近一年拓展,目前支付寶錢包已經(jīng)把移動支付的觸角,從電商領(lǐng)域延伸到了線下的醫(yī)院、公交、院線、商超、餐飲等各個方面。
截至11日24時,已有217個國家和地區(qū)成交。其中,占據(jù)成交額前十位的國家和地區(qū)分別是:中國香港、俄羅斯、美國、中國臺灣、澳大利亞、新加坡、加拿大、澳門、巴西、西班牙;而美國Costco、日本Kirindo麒麟堂、韓國LG生活健康、美國自然之寶、韓國ltsskin成為成交量最大的5個商家。
回顧歷年雙十一,其成交額都是呈現(xiàn)幾何級的增長,2009年5200萬元;2010年9.36億元;2011年52億元;2012年191億元;2013年350億元;2014年以571億元收官。
今年雙十一,是歷年商家數(shù)目參與最多的一年,僅天貓就有近2.7萬商家、4.2萬個品牌參與其中。同時,天貓和商家投入近百萬的客服保證售前咨詢和售后的服務(wù)。而與菜鳥網(wǎng)絡(luò)合作的14家物流快遞公司新增了25萬名新的快遞員,總計125萬余名快遞員加入到今年的雙十一。
好文章,需要你的鼓勵
新加坡國立大學(xué)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(xùn)練AI玩簡單撲克游戲就能讓其數(shù)學(xué)推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學(xué)題目作為訓(xùn)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(xué)解題中,為AI訓(xùn)練提供了新思路。
同濟大學(xué)團隊開發(fā)的GIGA-ToF技術(shù)通過融合多幀圖像的"圖結(jié)構(gòu)"信息,創(chuàng)新性地解決了3D相機噪聲問題。該技術(shù)利用圖像間的不變幾何關(guān)系,結(jié)合深度學(xué)習(xí)和數(shù)學(xué)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(shè)備上展現(xiàn)出色泛化能力,為機器人、AR和自動駕駛等領(lǐng)域提供更可靠的3D視覺解決方案。
伊利諾伊大學(xué)研究團隊通過對比實驗發(fā)現(xiàn),經(jīng)過強化學(xué)習(xí)訓(xùn)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(gòu)聯(lián)合提出SparseLoRA技術(shù),通過動態(tài)稀疏性實現(xiàn)大語言模型訓(xùn)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(xùn)練效率,已在多個任務(wù)上驗證有效性。