騰訊云在4月末連出重拳,拉斯維加斯領取國際大獎、釣魚臺“互聯(lián)網(wǎng)+中國”峰會高調亮相、北美數(shù)據(jù)中心的正式開放,共同向市場清晰地表達一種信心和決心,即騰訊云作為云上互聯(lián)網(wǎng)+的服務商,可以幫助中國城市和中國企業(yè)獲取互聯(lián)網(wǎng)+的真正升級能力。
圖從左到右依次為:騰訊公司架構平臺部副總經(jīng)理謝明、騰訊公司副總裁邱躍鵬、UBM Tech Event總裁Marco Pardi、騰訊云副總裁曾佳欣
據(jù)騰訊副總裁、騰訊云負責人邱躍鵬透露,此次美國之旅的另一個重要目標是,招募具有國際化背景的高精尖技術人才,以更好地支持企業(yè)在互聯(lián)網(wǎng)+時代的全球發(fā)展需求。據(jù)悉,邱躍鵬在拉斯維加斯停留的幾天時間,已經(jīng)接觸了多位來自微軟,亞馬遜,VMware等知名公司的技術大拿。騰訊云計算副總裁曾佳欣表示,騰訊云獲得“2013-2014中國領先品牌”,是國際權威組織對騰訊云互聯(lián)網(wǎng)+技術能力的肯定,騰訊云招募海外人才也是在為互聯(lián)網(wǎng)+市場服務。
騰訊云在互聯(lián)網(wǎng)+大潮的發(fā)展勢頭同樣為國際市場所關注。此番騰訊云獲得國際權威組織的認可,正是全球看好中國云計算市場的一種積極信號。據(jù)介紹,UBM集團主辦的Interop & Cloud Connect已經(jīng)創(chuàng)立30年,面向全球云計算行業(yè)公開征集評選云計算領域的優(yōu)秀創(chuàng)新公司。騰訊云作為云鼎獎參選公司,以中國云計算業(yè)內的地位、影響力、知名度、市場占有率、創(chuàng)新與發(fā)展、社會責任與貢獻等多個維度的綜合實力,參與評選并最終勝出。
從全球范圍看,中國正在成為云計算市場的高速增長市場。業(yè)界普遍認為,這是一個以云計算為主題的時代,除了互聯(lián)網(wǎng)企業(yè),傳統(tǒng)行業(yè)乃至政府已經(jīng)成為云計算服務的目標客戶。這種情形類似20世紀50年代中國企業(yè)開始大規(guī)模財務電算化、20世紀90年代步入ERP時代。在短短幾年內,中國將快速崛起以騰訊云為首的大型專業(yè)云計算服務商,而在當下這些云計算廠商的表現(xiàn)將可能會一舉奠定未來的市場地位。
業(yè)界人士評論,市場上的云服務商以各種技術和服務亮點打動客戶的心,而騰訊云站在了中國經(jīng)濟發(fā)展的至高點上,致力幫助中國政府和廣大企業(yè)解決升級發(fā)展問題,這種定位讓騰訊云具有了時代的大視野和大格局。就在前不久,騰訊云宣布北美數(shù)據(jù)中心正式開放,表面看北美市場的云計算占據(jù)全球市場份額的50%,是中國云計算服務商全球化的必經(jīng)一站,不過騰訊云相關負責人認為,北美市場也是中國企業(yè)國際化中的重要一站,騰訊云希望幫助中國企業(yè)將互聯(lián)網(wǎng)+的能力擴展到全球市場,幫助他們在國際舞臺上與同行競技。
據(jù)悉,騰訊云的各種動作,正在將以技術為中心的云服務理念,轉變?yōu)橐钥蛻魹橹行?,這一重大轉變將會切實地幫助中國政府和企業(yè)實現(xiàn)升級發(fā)展。
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。