CNET科技資訊網(wǎng) 9月23日 北京消息(文/齊豐潤): 對于許多企業(yè)來說,員工的通訊成本一直是一塊相當(dāng)大的支出,而這也成為了企業(yè)級即時通訊軟件收到追捧的原因。不過,許多即時通訊手段都有一個弊端,那就是無法保證雙方信息快速、高效的傳遞,經(jīng)常是信息發(fā)出后,接收者過了一段時間后才會看到接收的信息,大大降低了效率。
而從實時通訊手段來看,我們最常用的應(yīng)該就是通過打電話與對方進(jìn)行語音通話,這樣的方式雖然高效,可以實時的與對方進(jìn)行信息的交流,但其成本也被大大的提高了。因此,一個優(yōu)質(zhì)的通訊解決方案,對于企業(yè)在通訊成本的控制方面,起到了不可或缺的作用。
有信源通訊事業(yè)部總經(jīng)理蔡杰在采訪中表示,“對于一個有萬名與其你公的企業(yè)來說每個月為員工提供的話費補貼就可能達(dá)到上百萬之多,而源通訊的實時通訊解決方案甚至能把企業(yè)的通訊成本降低至萬元,極大的節(jié)約了企業(yè)的投資成本。”
據(jù)介紹,有信網(wǎng)絡(luò)技術(shù)有限公司成立于2012年3月,主要產(chǎn)品為新通訊工具以及場景化實時通話服務(wù)平臺“有信電話”,以及深入了解互聯(lián)網(wǎng)、移動互聯(lián)網(wǎng)、傳統(tǒng)企業(yè)不同場景下的業(yè)務(wù)需求而推出的企業(yè)級實時音視頻通訊服務(wù)“源通訊”。為普通消費者和企業(yè)級用戶提供全面的增強通訊體驗、交互及拓展場景。而將實時音視頻通訊與人工智能、AR、VR等新興科技結(jié)合,也是有信現(xiàn)在重點探索的方向。
除了可以降低實時通訊成本之外,有信源通訊還針對O2O平臺推出了一款商機保護(hù)解決方案“商機號”,蔡杰介紹說:“O2O平臺對于商機的保護(hù)有非常大的需求,一個號碼就是一條商機。目前的問題就是,只要我向某一個商家打通某一通電話,我的商機就被泄漏了,本來這些商機可以為O2O平臺創(chuàng)造更多利潤,但如果被泄漏就會造成很大的損失。”
有信一直在2C領(lǐng)域里有著優(yōu)質(zhì)的表現(xiàn),而這也讓有信擁有了過億用戶通訊的支撐體驗,對于企業(yè)級客戶來說,他們對于經(jīng)驗也更加注重。正式這樣的經(jīng)驗,也讓源通訊得到了像58同城、微軟等客戶的青睞。據(jù)有信介紹,源通訊為微博、58同城、魅族、微軟小冰等近百家企業(yè)級客戶提供InApp實時通訊服務(wù),間接服務(wù)用戶數(shù)量超5億。
人工智能也是有信未來要發(fā)力的領(lǐng)域,前段時間,微軟小冰入駐有信讓人類與人工智能完成了第一次的實時對話。對此,蔡杰認(rèn)為微軟小冰之所以選擇與有信展開合作,主要取決于四點原因,“1、有信對下一代AI人機交互體驗的理解,與微軟小冰自身對未來科技與人類互動形態(tài)的理解一致。2、有信電話高清通話最高支持48kHz采樣,能讓小冰更好的識別人類語言。3、有信可以幫助小冰觸達(dá)更多用戶。4、“源通訊”擁有成熟的SDK對外對接能力,大大縮短小冰實現(xiàn)與用戶實時通話的開發(fā)周期。5、有信‘蜜語’頻道非常契合微軟小冰平臺入駐需求。”
除此之外,源通訊還可以為智能家居、智能產(chǎn)品提供實時的語音通訊方案,蔡杰介紹道:“在物聯(lián)網(wǎng)領(lǐng)域中,只要是相關(guān)的產(chǎn)品,源通訊就可以讓它實現(xiàn)實時的語音通訊功能,未來我們還會將一些的視頻解決方案應(yīng)用進(jìn)來。”
“賦能”是現(xiàn)在許多企業(yè)都在提及的一個話題。蔡杰也認(rèn)為,有信源通訊在解決了自身強大的需求之后,也應(yīng)當(dāng)將自己的能力開放出來,為更多的企業(yè)“賦能”,在技術(shù)能力上解決了自己的問題之后,再擴散出去,為更多的企業(yè)帶來商機。
好文章,需要你的鼓勵
新加坡國立大學(xué)研究團(tuán)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(xùn)練AI玩簡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。
同濟大學(xué)團(tuán)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(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)集上實現(xiàn)37.9%的精度提升,并在真實設(shè)備上展現(xiàn)出色泛化能力,為機器人、AR和自動駕駛等領(lǐng)域提供更可靠的3D視覺解決方案。
伊利諾伊大學(xué)研究團(tuán)隊通過對比實驗發(fā)現(xiàn),經(jīng)過強化學(xué)習(xí)訓(xùn)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(zhǔn)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(xùn)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(xùn)練效率,已在多個任務(wù)上驗證有效性。