CNET科技資訊網(wǎng) 3月1日 北京消息:2017年1月25日,隨著深圳證券交易所一聲鐘響,云視頻會議服務(wù)商——上海會暢通訊股份有限公司在創(chuàng)業(yè)板掛牌上市。在2月28日的上市慶典上,會暢通訊首席執(zhí)行官黃元庚介紹:“跟其他方式相比,視頻是最有效的溝通方式。過去之所以不能大規(guī)模使用,就是技術(shù)上限制,現(xiàn)在技術(shù)放開以后,網(wǎng)絡(luò)技術(shù)、帶寬、移動5G起來以后,視頻行業(yè)會有一個爆炸式發(fā)展,這可能是業(yè)內(nèi)的一個共識。”黃元庚援引全球視頻會議領(lǐng)域第三方分析機構(gòu)Wainhouse調(diào)研表示, 2016年約有50%的全球企業(yè)對部署云視頻有需求。而在中國,企業(yè)級云視頻市場規(guī)模將超過萬億。
會暢通訊成立于2006年,業(yè)務(wù)涵蓋了視頻會議、語音會議、網(wǎng)絡(luò)會議和網(wǎng)絡(luò)直播等云視頻會議服務(wù),用黃元庚的話總結(jié)就是“多方通訊”。根據(jù)Wainhouse的最新研究報告,會暢通訊已占據(jù)中國協(xié)同市場約30%的市場份額,在中國電話會議服務(wù)市場中占有率排名第二, 在網(wǎng)絡(luò)會議服務(wù)市場占有排名第一,擁有的客戶數(shù)超過4000家。
在全球500強在華企業(yè)中,70%都是會暢通訊的長期客戶。黃元庚稱,“我們做服務(wù)的不像賣產(chǎn)品的,賣了一單以后下一單不知道什么時候賣,我們的客戶都是每天、每星期、每月都在使用服務(wù),是長期客戶。”
會暢通訊所理解的客戶,是希望內(nèi)外溝通能夠統(tǒng)一,能夠解決與合作伙伴、供應(yīng)商、客戶之間的溝通。在這個溝通會議的過程中,可能會有一些分享語音、視頻、數(shù)據(jù)、文檔的需求,也可能碰到一些數(shù)據(jù)、視頻傳輸不順暢的情況,或者是跨國溝通專線的費用昂貴等等問題。
介于這樣的需求,會暢通訊的下一步,將打造一個高性能、功能全面、全兼容性以及全球服務(wù)能力的云視頻平臺:
在功能齊全方面,會暢通訊希望把所有的功能捆綁到一套服務(wù)里,從1080到4K、8K,從IM到視頻、音頻、直播,從公有云和私有云融合到AR/VR的功能等等,讓企業(yè)能夠自由的從一種形態(tài)到另外一種形態(tài),或者是幾種形態(tài)同時使用;在服務(wù)能力上,會暢通訊希望其網(wǎng)絡(luò)能夠?qū)崟r監(jiān)控每一場會議、每一個用戶的性能,并且能夠系統(tǒng)自動或者人工給他提供幫助。
黃元庚判斷,IT行業(yè)正在經(jīng)歷前所未有的巨變,IT的全球化解決方案和服務(wù)是藍海,云和視頻都將成為主旋律。
好文章,需要你的鼓勵
新加坡國立大學(xué)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(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。