6月14日,娛樂寶發(fā)布“互聯(lián)網(wǎng)+娛樂產(chǎn)業(yè)報告”,通過娛樂寶平臺的大數(shù)據(jù)洞察顯示,“90后”群體逐漸成為中國娛樂產(chǎn)業(yè)的消費主流,TFboys、鹿晗、吳亦凡等新生代偶像的人氣水漲船高,成為“粉絲經(jīng)濟”的代表。
“粉絲經(jīng)濟學”成票房制勝法寶
近年來,互聯(lián)網(wǎng)與娛樂產(chǎn)業(yè)的融合日益緊密,以電影行業(yè)為例,由于互聯(lián)網(wǎng)的介入,影視行業(yè)的產(chǎn)業(yè)鏈悄然變化。以《小時代》、《爸爸的假期》為代表的粉絲電影成為2014年電影行業(yè)的一個新現(xiàn)象。
粉絲電影以用戶的喜好作為出發(fā)點,充分利用人氣明星強大的號召力,大幅減少了電影投資的盲目性,提高了投資回報率,成為電影票房的制勝法寶。
報告認為,粉絲電影的本質(zhì)仍是粉絲為心儀的明星買單,只是消費明星的渠道和方式產(chǎn)生了變化。粉絲電影未來將成為電影的一個新品類,還將出現(xiàn)粉絲眾籌、粉絲包場、粉絲點映的多種新模式。
數(shù)據(jù)顯示,從2014年至2015年5月,娛樂寶共售賣了9期、21個項目,投資金額達到5.3億元,投資的電影票房累計37億元。
中國觀眾更愛投資好萊塢科幻片
去年以來,雖然多部國產(chǎn)電影取得了優(yōu)異的票房成績,但是從大數(shù)據(jù)反映出的用戶偏好來看,中國觀眾依然更青睞以好萊塢科幻片為代表的進口片。
在通過娛樂寶投資電影的710多萬用戶中,57.87%偏好科幻、54.09%偏好喜劇、40.93%偏好動作。
在娛樂寶投資的項目中,只有1部進口片,3部合拍片,其余均為國產(chǎn)片,但58.54%的用戶更愿意投資進口片,只有9.61%的用戶愿意投資國產(chǎn)片。
從電影制式來看,37.9%的娛樂寶用戶傾向于投資3D電影,只有19.47%的用戶傾向于投資2D電影。
用戶在做出投資一部電影的決定時,55.34%用戶是受到影評口碑影響,38.43%用戶受主演影響,36.12%用戶受類型影響。
90后成中國娛樂產(chǎn)業(yè)消費主流
報告通過大數(shù)據(jù)分析發(fā)現(xiàn),娛樂寶的用戶主要年齡段為25-29歲,其中影視劇粉絲女性占比到達65%,58%的影視劇粉絲在淘寶月消費500-1000元,地域分布則是以廣東、福建、浙江等經(jīng)濟發(fā)達地區(qū)為主。
報告還顯示,90后人群逐漸成為中國娛樂產(chǎn)業(yè)的消費主流,TFboys、鹿晗、吳亦凡等娛樂界新生代偶像在互聯(lián)網(wǎng)上的人氣最高,他們的粉絲主要聚集在新浪微博等網(wǎng)絡社交平臺。
而淘寶的交易數(shù)據(jù)顯示,娛樂產(chǎn)業(yè)對于消費拉動作用非常明顯,過去一年里總共有89.1萬人在淘寶上購買過“小時代”相關產(chǎn)品,主要集中在大家電、女裝、自有閑置物品、箱包皮具、電影演出等品類。
報告認為,中國電影的衍生品業(yè)務有很大的發(fā)展?jié)摿Γ瑠蕵穼氁约鞍⒗锇桶偷碾娚腆w系可以幫助中國電影乃至中國娛樂產(chǎn)業(yè),建立固定的衍生品網(wǎng)絡和銷售渠道,通過大數(shù)據(jù)精準推薦和營銷,培養(yǎng)觀眾消費習慣,做大“粉絲經(jīng)濟”。
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(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系,結(jié)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(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。