6月6日上午消息,在2015南京的紫金之巔互聯(lián)網(wǎng)高峰論壇會(huì)場(chǎng)上,京東集團(tuán)副總裁鄧天卓分享了他對(duì)O2O市場(chǎng)的看法。
京東集團(tuán)副總裁鄧天卓
鄧天卓認(rèn)為,格局比戰(zhàn)略重要,因?yàn)?ldquo;一旦對(duì)格局的認(rèn)識(shí)發(fā)生錯(cuò)誤,再好的戰(zhàn)略都白費(fèi)。”
在O2O上,京東做的事情,就是改善信息傳遞并提升金融扭轉(zhuǎn)速度。通過(guò)降低運(yùn)營(yíng)費(fèi)率,整合京東的線上和線下資源,加速產(chǎn)品流通速率,保證產(chǎn)品質(zhì)量,在降低成本的同事提升效率。
用鄧天卓的話說(shuō),就是“把資源占好,加速整個(gè)流通,提高效率,這是互聯(lián)網(wǎng)比較強(qiáng)大的優(yōu)勢(shì)”京東就是用這種“非常輕的方式做非常集中的聚合。”
通過(guò)鄧天卓對(duì)京東發(fā)展史的回顧,我們可以看到,2010年前京東主要作一個(gè)零售商而存在,2010年以后京東通過(guò)開(kāi)放平臺(tái),“從一個(gè)零售商轉(zhuǎn)變成一個(gè)平臺(tái)運(yùn)營(yíng)商,”因?yàn)?ldquo;平臺(tái)運(yùn)營(yíng)商賺的不只是商品差價(jià)還包括服務(wù)差價(jià)。”所以京東通過(guò)服務(wù)能力的開(kāi)放,通過(guò)規(guī)模效應(yīng)降低了營(yíng)運(yùn)成本,最終使得市值達(dá)到了400億。
此后從2013年開(kāi)始京東除了使得實(shí)體店迅速電商化之外,還通過(guò)利用不同品類(lèi)的不同經(jīng)營(yíng)模式來(lái)滿(mǎn)足用戶(hù)需求。從鄧天卓提供的數(shù)據(jù)看,2013年國(guó)內(nèi)社會(huì)總量約24萬(wàn)億,每年新增房地產(chǎn)約9萬(wàn)億,社會(huì)零售總消費(fèi)達(dá)到了26萬(wàn)億,而京東就在品類(lèi)的切入角度,找到了除汽車(chē)和生鮮之外的機(jī)會(huì)。
京東在品類(lèi)經(jīng)營(yíng)模式的探索中發(fā)現(xiàn),一方面可以通過(guò)采銷(xiāo)等方式降低流通環(huán)節(jié)、搬運(yùn)成本以及存儲(chǔ)成本,另一方面,可以采用優(yōu)勢(shì)利用京東的平臺(tái)并結(jié)合線下的店進(jìn)行資源整合。
從本源性角度看,O2O真正解決的是本地資源滿(mǎn)足本地需求。鄧天卓認(rèn)為主要包括三個(gè)因素,一是便利性,二是選擇性和其他價(jià)格。從整個(gè)O2O的情況看,京東考察了300余家公司后發(fā)現(xiàn),市場(chǎng)的分布主要是:第一從信息到交易,第二從實(shí)體店到虛擬店。由于用戶(hù)越來(lái)越少地進(jìn)行店外交易而不是店內(nèi)交易,因此相比2014年,2015年全國(guó)實(shí)體店的流量下跌了20%。所以。從京東的角度看,未來(lái)O2O的將會(huì)是用戶(hù)進(jìn)行虛擬店的消費(fèi)場(chǎng)景交易。
從商業(yè)角度看,在O2O領(lǐng)域京東會(huì)提供一些技術(shù)和基礎(chǔ)架構(gòu)的解決方案,讓商家做真正的運(yùn)營(yíng),把用戶(hù)服務(wù)好,讓用戶(hù)獲得在線上和線下同樣的體驗(yàn)。從而實(shí)現(xiàn)用戶(hù)的多場(chǎng)景產(chǎn)品需求,低價(jià)格和個(gè)性化服務(wù)。
“我們期待對(duì)每一個(gè)人消費(fèi)場(chǎng)景都有非常好的針對(duì)他的解決方案。”鄧天卓表示。
好文章,需要你的鼓勵(lì)
新加坡國(guó)立大學(xué)研究團(tuán)隊(duì)開(kāi)發(fā)了SPIRAL框架,通過(guò)讓AI與自己對(duì)弈零和游戲來(lái)提升推理能力。實(shí)驗(yàn)顯示,僅訓(xùn)練AI玩簡(jiǎn)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(wú)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(jì)大學(xué)團(tuán)隊(duì)開(kāi)發(fā)的GIGA-ToF技術(shù)通過(guò)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(jī)噪聲問(wèn)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(shí)現(xiàn)37.9%的精度提升,并在真實(shí)設(shè)備上展現(xiàn)出色泛化能力,為機(jī)器人、AR和自動(dòng)駕駛等領(lǐng)域提供更可靠的3D視覺(jué)解決方案。
伊利諾伊大學(xué)研究團(tuán)隊(duì)通過(guò)對(duì)比實(shí)驗(yàn)發(fā)現(xiàn),經(jīng)過(guò)強(qiáng)化學(xué)習(xí)訓(xùn)練的視覺(jué)語(yǔ)言模型雖然表現(xiàn)出"頓悟時(shí)刻"現(xiàn)象,但這些自我糾錯(cuò)行為并不能實(shí)際提升推理準(zhǔn)確率。研究揭示了AI模型存在"生成-驗(yàn)證差距",即生成答案的能力強(qiáng)于驗(yàn)證答案質(zhì)量的能力,且模型在自我驗(yàn)證時(shí)無(wú)法有效利用視覺(jué)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(jī)構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過(guò)動(dòng)態(tài)稀疏性實(shí)現(xiàn)大語(yǔ)言模型訓(xùn)練加速1.6倍,計(jì)算成本降低2.2倍。該方法使用SVD稀疏性估計(jì)器智能選擇重要計(jì)算部分,在保持模型性能的同時(shí)顯著提升訓(xùn)練效率,已在多個(gè)任務(wù)上驗(yàn)證有效性。