CNET科技資訊網(wǎng) 5月15日 北京消息(文/周雅):騰訊云今日推出“云+眾創(chuàng)計(jì)劃”,針對(duì)創(chuàng)業(yè)者提供1億元、周期2年的扶持。
對(duì)于專門面向創(chuàng)業(yè)者的扶持策略,騰訊云調(diào)查稱,在最理想的情況下,絕大多數(shù)的創(chuàng)業(yè)公司順利走到天使輪最少需要3個(gè)月,走到A輪融資需要3到9個(gè)月左右。而云服務(wù)市場(chǎng)目前提供的云扶持周期和資源,還無(wú)法完全覆蓋創(chuàng)業(yè)者在A輪融資前的需求。
從扶持的資源來(lái)看,整體1億的扶持資金中,包括了7500萬(wàn)的云扶持資金,以及2500萬(wàn)應(yīng)用寶優(yōu)質(zhì)流量。單個(gè)創(chuàng)業(yè)者最高可獲得百萬(wàn)的扶持資源,其中囊括了普遍會(huì)使用的服務(wù)器、數(shù)據(jù)庫(kù)、帶寬、CDN等服務(wù)。在這一計(jì)劃中,騰訊云聯(lián)合應(yīng)用寶、眾創(chuàng)空間、投資機(jī)構(gòu)、孵化器和科技媒體提供增值服務(wù)。
從扶持時(shí)間周期來(lái)看,持續(xù)2年的云扶持中,包括半年免費(fèi)+半年半價(jià)+1年VIP折扣。具體而言,創(chuàng)業(yè)的階段被分為三個(gè)時(shí)期:初創(chuàng)期、成長(zhǎng)期、騰飛期,在不同時(shí)期可獲得不同力度的扶持。未獲得A輪融資的創(chuàng)業(yè)者屬于初創(chuàng)期,可獲得半年免費(fèi)云扶持;滿半年仍未獲得A輪融資即自動(dòng)進(jìn)入成長(zhǎng)期,享受半年半價(jià)的云服務(wù);如果創(chuàng)業(yè)者加入“云+眾創(chuàng)”計(jì)劃滿1年,獲得A輪融資或月度帶寬、CDN日峰值達(dá)到一定規(guī)模,將視為騰飛成功,這時(shí)候創(chuàng)業(yè)者自動(dòng)進(jìn)入騰飛期,獲取長(zhǎng)達(dá)1年的VIP折扣服務(wù)。
創(chuàng)業(yè)者可以通過(guò)加入“云+眾創(chuàng)”計(jì)劃的眾創(chuàng)空間、投資機(jī)構(gòu)、孵化器、園區(qū)、媒體的推薦加入計(jì)劃。
騰訊預(yù)計(jì),該計(jì)劃將幫助上萬(wàn)家初創(chuàng)企業(yè)上云,孵化500家企業(yè)獲得A輪融資,10家企業(yè)總市值突破300億。
除了創(chuàng)業(yè)者,而鑒于政企市場(chǎng)的需求,騰訊云在6月3日首先開(kāi)啟“云+集成商”計(jì)劃,聯(lián)合華三通信、北明軟件、上海華院、Infosys等首批合作伙伴正式簽約,共同發(fā)力政企市場(chǎng)。
騰訊公司高級(jí)執(zhí)行副總裁湯道生表示,“云+計(jì)劃”要“+”的是合作伙伴。按照這一計(jì)劃,“云+眾創(chuàng)”計(jì)劃、“云+集成商”計(jì)劃之后,未來(lái)還有更多計(jì)劃內(nèi)容。
騰訊云預(yù)計(jì),通過(guò)“云+計(jì)劃”,IT服務(wù)合作商將大量轉(zhuǎn)型為云服務(wù)商,未來(lái)會(huì)誕生一大批云服務(wù)公司。未來(lái)騰訊云會(huì)不斷延伸和豐富“云+計(jì)劃”,降低用戶使用云服務(wù)的門檻,推動(dòng)“互聯(lián)網(wǎng)+”在各行各業(yè)落地。
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。