oTMS聯(lián)合創(chuàng)始人兼COO段琰
CNET科技資訊網(wǎng) 4月22日 北京消息:傳統(tǒng)物流信息化行業(yè)正在被顛覆。4月21日,oTMS的聯(lián)合創(chuàng)始人兼COO段琰表示:“傳統(tǒng)物流行業(yè)有望搭上互聯(lián)網(wǎng)化的‘快車’并實現(xiàn)轉(zhuǎn)型升級。如果說‘微信連接人’,那么‘oTMS連接運輸’。”
物流信息化遇上“互聯(lián)網(wǎng)+”
在段琰看來,運輸在實際工作中與互聯(lián)網(wǎng)的原理非常類似,都是在三大流(物流、信息流和司機流)內(nèi)的一個個節(jié)點間不斷轉(zhuǎn)換。
“作為物流中樞神經(jīng)中的信息流,就是起著“指揮棒”的作用,但傳統(tǒng)的方式并不能解放人,更不要說發(fā)揮人所特有的價值?;ヂ?lián)網(wǎng)是很強大的工具,幫助最大程度的發(fā)揮人力資本的優(yōu)勢。“
段琰要做的就是利用互聯(lián)網(wǎng)+來改變物流信息化的現(xiàn)狀。段琰說,2013年還沒有“互聯(lián)網(wǎng)+”概念,但今天已經(jīng)到了“未來已來”的時代。國內(nèi)的物流市場已經(jīng)開始變得火熱,而幾年前,企業(yè)對SaaS的安全性還表示懷疑,但是今天不論是國內(nèi)企業(yè)還是歐美企業(yè),都對這種情況廣為接受。
經(jīng)緯中國副總裁熊飛也表達了類似的看法,他說:“物流運輸信息化及整合平臺成為了資本風(fēng)口,阿里巴巴、匯通天下等眾多玩家進入物流行業(yè)試水就是很好的實例。“
國內(nèi)物流領(lǐng)域“蛋糕”很大,僅公路運輸就占到了國家GDP比重為16.6%,而累計效益是每年4萬億元。據(jù)中物聯(lián)信息顯示,我國2014年社會物流總費用10.6萬億元,社會物流總費用與GDP的比率為16.6%。其中,運輸費用5.6萬億元,占社會物流總費用的比重為52.9%。這就意味著:雖然目前國內(nèi)物流企業(yè)達78.9萬家,個體運力1600萬輛,司機3000萬余名,但公路運輸行業(yè)TOP20的企業(yè)只占了2%市場份額。
oTMS嘗試解決物流行業(yè)痛點
不過國內(nèi)物流運輸業(yè)的還不成熟,有幾大痛點,比如信息孤立、管理效率低、物流成本居高不下等問題。
具有與傳統(tǒng)物流不同基因的oTMS正在嘗試解決上述痛點。據(jù)介紹,oTMS將互聯(lián)網(wǎng)思維與傳統(tǒng)物流運輸行業(yè)相結(jié)合,采用“運輸互聯(lián)”的理念,通過“SaaS平臺+移動APP”模式連接運輸,將貨運環(huán)節(jié)中的貨主、第三方物流公司、運輸公司、司機和收貨方無縫連接起來,使之形成了一個基于核心流程的、透明的且開放的在線生態(tài)系統(tǒng),在“互聯(lián)網(wǎng)+”時代改造傳統(tǒng)運輸產(chǎn)業(yè)鏈,從而加速產(chǎn)業(yè)進化,進而構(gòu)建完整的、互聯(lián)的運輸世界。
從事物流管理行業(yè)近10年,物流與互聯(lián)網(wǎng)專家潘永剛認為,互聯(lián)網(wǎng)的核心就是連接,而oTMS這種社區(qū)型運輸管理系統(tǒng),可以打破傳統(tǒng)IT模式中的企業(yè)之間疆界。“如果說以前是一個節(jié)點,那么以oTMS為代表的社區(qū)型在線系統(tǒng)就是一個網(wǎng),在“互聯(lián)網(wǎng)+”時代的商業(yè)新關(guān)系?;跇I(yè)務(wù)系統(tǒng)而進行的網(wǎng)狀并行,這種從單獨企業(yè)到整個系統(tǒng)的輻射方式,會改變傳統(tǒng)企業(yè)點對點的商業(yè)關(guān)系,從而在整個行業(yè)中最終實現(xiàn)整個服務(wù)系統(tǒng)的在線,將更好的促進行業(yè)的進化。“
作為國內(nèi)首家社區(qū)運輸平臺的實踐者,oTMS的目標是力求以創(chuàng)新的互聯(lián)網(wǎng)思維,采用“SaaS平臺+移動APP”模式,構(gòu)建一個互聯(lián)網(wǎng)的運輸世界。段琰說:“作為社區(qū)型運輸管平臺的現(xiàn)行者,未來的oTMS會在尊重行業(yè)邏輯的前提下,進一步完善產(chǎn)品并鞏固市場,腳踏實地的成為一個軟件信息平臺。”
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。