微信、qq、twitter...人們交流方式從單一的語(yǔ)音溝通,擴(kuò)散到各式各樣的社交軟件中,這種改變,對(duì)于運(yùn)營(yíng)商未來(lái)的發(fā)展而言無(wú)疑成為了一種考驗(yàn),也帶來(lái)一系列問(wèn)號(hào):未來(lái)運(yùn)營(yíng)商的用戶需求來(lái)自于哪里?運(yùn)營(yíng)商要做何改變以獲取更高盈利?運(yùn)營(yíng)商的下一個(gè)紅利在哪?在HCC2015上,華為運(yùn)營(yíng)商BG的ICT首席技術(shù)官王紀(jì)奎教授做出解讀——運(yùn)營(yíng)商急需數(shù)字化轉(zhuǎn)型。
為什么做數(shù)字化轉(zhuǎn)型?
王紀(jì)奎教授指出,運(yùn)營(yíng)商之所以要做數(shù)字化轉(zhuǎn)型,源于對(duì)收益、競(jìng)爭(zhēng)和用戶需求三個(gè)角度的考量。
運(yùn)營(yíng)商的紅利階段從最初的人口紅利,逐漸轉(zhuǎn)向流量紅利、信息紅利,當(dāng)這幾個(gè)階段慢慢過(guò)去之后,就要從數(shù)字化轉(zhuǎn)型的過(guò)程中尋找云服務(wù)、數(shù)據(jù)服務(wù)提供給客戶獲得收益。
同時(shí),來(lái)自于OTT的各種競(jìng)爭(zhēng),語(yǔ)音和信息業(yè)務(wù)急劇下滑,運(yùn)營(yíng)商需要尋找新的增長(zhǎng)點(diǎn)。
第三,用戶的需求從傳統(tǒng)的需求變成ROADS模式(Real-time、On-demind、All-online、DIY、Social),需求越來(lái)越明顯,要求運(yùn)營(yíng)商提供數(shù)字化的業(yè)務(wù)來(lái)滿足。
這是一個(gè)長(zhǎng)期過(guò)程
“在運(yùn)營(yíng)商轉(zhuǎn)型的過(guò)程當(dāng)中,最大的挑戰(zhàn)是,他的業(yè)務(wù)能力到底適合哪些行業(yè),他能推出的應(yīng)用適合哪些行業(yè),能不能賣更多的錢。”王紀(jì)奎教授說(shuō)道。
再者,生態(tài)系統(tǒng)能不能建好、系統(tǒng)層面能不能變成自動(dòng)化的靈活的方式、底層的網(wǎng)絡(luò)架構(gòu)和基礎(chǔ)設(shè)施架構(gòu)怎么設(shè)計(jì)規(guī)劃同樣重要。而運(yùn)營(yíng)商在未來(lái)的組織架構(gòu)、人才體系能不能跟上也很關(guān)鍵。
基于此,華為形成了一套架構(gòu)體系,從四個(gè)維度幫助運(yùn)營(yíng)商數(shù)字化轉(zhuǎn)型——網(wǎng)絡(luò)重構(gòu)、使能平臺(tái)層、生態(tài)系統(tǒng)構(gòu)建、合作模式。
不過(guò)這是一個(gè)長(zhǎng)期的過(guò)程。王紀(jì)奎教授站在華為的角度上看,在網(wǎng)絡(luò)帶寬領(lǐng)域,從研發(fā)投入,3G、4G、5G、固網(wǎng)的增加帶寬、接入能力方面做研究,最終希望幫助運(yùn)營(yíng)商真正做到增速降費(fèi)。
下一個(gè)紅利在哪?
華為有4個(gè)紅利的思路,運(yùn)營(yíng)商最開(kāi)始是人口紅利,那時(shí)候網(wǎng)絡(luò)沒(méi)有那么多,網(wǎng)絡(luò)覆蓋隨著用戶數(shù)的增長(zhǎng)而增長(zhǎng),每個(gè)運(yùn)營(yíng)商的每用戶平均收入值差不多,這個(gè)階段,運(yùn)營(yíng)商的收入主要靠的是不斷增長(zhǎng)的用戶數(shù)。
而現(xiàn)在,中國(guó)有13億以上的移動(dòng)用戶數(shù),人手一部甚至是2部手機(jī),人口不再占優(yōu)勢(shì),運(yùn)營(yíng)商逐漸轉(zhuǎn)向數(shù)據(jù)套餐,走的是流量。
到了流量紅利。語(yǔ)音收入慢慢下滑,短信越來(lái)越少,流量增長(zhǎng)帶來(lái)了新的收益。在這個(gè)階段的特點(diǎn)是,運(yùn)營(yíng)商的用戶數(shù)有足夠的規(guī)模,流量會(huì)越來(lái)越多,獲得流量的收益會(huì)越來(lái)越大。
第三個(gè)階段也是運(yùn)營(yíng)商正在嘗試做的方面,就是如何讓大數(shù)據(jù)發(fā)揮價(jià)值。王紀(jì)奎教授指出,運(yùn)營(yíng)商可以利用數(shù)據(jù)資源挖掘很多有用的價(jià)值,提供給行業(yè)客戶,從而讓數(shù)據(jù)產(chǎn)生價(jià)值。但是,這些價(jià)值現(xiàn)階段大家沒(méi)有看到那么多。
具體而言,運(yùn)營(yíng)商的數(shù)據(jù)資源來(lái)自于用戶的位置信息、用戶自己的套餐、家住在什么地方、多長(zhǎng)時(shí)間在什么地方、用什么手機(jī)用什么網(wǎng),自己有什么社交軟件的訪問(wèn)、愛(ài)好等等,這些價(jià)值往往是行業(yè)客戶最需要的。
這些產(chǎn)生出來(lái)的價(jià)值被放到運(yùn)營(yíng)商的新業(yè)務(wù)領(lǐng)域里,比如說(shuō)云相關(guān)的業(yè)務(wù),結(jié)合對(duì)企業(yè)和行業(yè)的大數(shù)據(jù)分析,同時(shí)提供應(yīng)用層的服務(wù),從而被定義為數(shù)據(jù)紅利階段。在這個(gè)階段中,運(yùn)營(yíng)商所做的,主要是如何讓大數(shù)據(jù)變現(xiàn),也讓企業(yè)客戶提供服務(wù)。
但是現(xiàn)階段很多運(yùn)營(yíng)商沒(méi)有達(dá)到大數(shù)據(jù)服務(wù)的模式,大部分還在嘗試中,這個(gè)階段運(yùn)營(yíng)商希望把數(shù)據(jù)變現(xiàn)提供各種服務(wù)。
最后一個(gè)階段是信息紅利階段,運(yùn)營(yíng)商在數(shù)字化轉(zhuǎn)型的過(guò)程中,自己提供數(shù)字化服務(wù)的能力。這個(gè)時(shí)候,有些運(yùn)營(yíng)商采取和合作伙伴提供生態(tài)鏈的方式,有些運(yùn)營(yíng)商自己提供醫(yī)療健康、教育、安全、政府相關(guān)的服務(wù),還有些運(yùn)營(yíng)商和第三方合作提供服務(wù)。
總而言之,行業(yè)里未來(lái)的方向或多或少為運(yùn)營(yíng)商的方向創(chuàng)造了條件,結(jié)合物聯(lián)網(wǎng)等新技術(shù),運(yùn)營(yíng)商有更大的空間,挖掘有優(yōu)勢(shì)的應(yīng)用服務(wù)和信息服務(wù),這是信息紅利的重要保障。
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。