每年的雙11,我都是在家等待0點準時清空購物車。而今年,我來到了2017天貓雙11狂歡夜晚會現(xiàn)場!
額,旁邊的媒體中心……與全球700余家媒體一起剁手、看晚會、等數(shù)字、聽大佬們的演講。
不聽不知道,一聽嚇一跳。
往年我只顧著買買買,今年在媒體中心看著不斷跳動的成交額,我真的真的不淡定了。
11秒,交易額破億;
3分01秒,天貓雙11成交總額破百億;
40分12秒,成交額超500億;
13時09分49秒,成交額突破1207億元(去年天貓雙11總成交額)!
很多媒體人聊天的時候都說:雙11的主場就是在天貓。厲害了,阿里巴巴!厲害了,天貓雙11!
在這背后,是誰在支撐著如此龐大的工作量呢?是阿里云。
支付峰值25.6萬筆/秒 阿里云:小case!
今年天貓雙11交易峰值32.5萬筆/秒,支付峰值25.6萬筆/秒,比去年增長超1.1倍,再次刷新全球紀錄。同時誕生的還有數(shù)據(jù)庫處理峰值,4200萬次/秒。
巨量的訪問涌入以及超大量用戶的同時訪問,往年來講,這對于阿里云來說真是一個不小的挑戰(zhàn)。但是今年,小case!
今年,阿里巴巴混合部署了在線計算、離線計算以及公共云,構建了全球最大規(guī)模的混合云。這個混合云能實現(xiàn)1小時內(nèi)10萬臺服務器的快速擴容,支撐11日這一天,買、賣、付、送各環(huán)節(jié)在云上的順利進行。雙11后,又能快速歸還資源到公共計算池,避免高峰期過后的閑置浪費。
此外,阿里云還在全球6大洲60多個國家和地區(qū)籌備了1200+CDN節(jié)點和80TB+帶寬儲備,從容應對天貓、淘寶上圖片、文字和視頻內(nèi)容的爆發(fā)式增長。
在天貓雙11之前,阿里巴巴集團首席技術官張建鋒下達了一個很新鮮的KPI——“雙11晚上,大家的主要任務是喝茶”。
然后,我們在網(wǎng)絡上看到了阿里員工們也可以在雙十一這天敷著面膜寫代碼、喝著茶水買買買。
對此只想說一句,阿里還招人么?
“新物種”軍團就位 打造雙11超級工程:史上最大規(guī)模的人機協(xié)同
馬云曾表示,三十年后,《時代》雜志封面年度最佳CEO說不定是個機器人。而機器人的出路不是Artificial Intelligence(人工智能),而是Machine Intelligence(機器智能)。
今年的雙11阿里配備了“新物種”軍團,阿里巴巴集團首席技術官張建鋒表示,雙11不僅是史無前例的社會化大協(xié)同,機器智能的大規(guī)模應用,也讓今年的雙11成為人類歷史上最大規(guī)模的人機協(xié)同。“可以說,今年雙11技術不是由我來指揮的,而是機器和人一起來指揮的。”
經(jīng)過九年的進化,今天的雙11,已然成長為一艘需要面對前所未有之規(guī)模和復雜挑戰(zhàn)的巨型航母。支撐這一商業(yè)奇跡背后的技術體系,也進化成代表互聯(lián)網(wǎng)技術巔峰的“超級工程”。除了交易、支付系統(tǒng)以外,還有數(shù)據(jù)、客服、搜索、推薦、廣告、庫存、物流……這是一個龐大、復雜、精密的商業(yè)協(xié)同系統(tǒng),僅靠阿里巴巴幾千名小二,已經(jīng)無法維系這個系統(tǒng)的正常運轉。
大量智能機器人組成的“新物種”軍團已經(jīng)滲透到這場全民狂歡的各個角落。從挑選貨品、導購推薦、客服、設計海報、巡邏機房到管理倉庫……它們開始和人類一起,協(xié)同完成雙11的各項任務。
機器導購員——智能推薦系統(tǒng):基于對消費者的了解,智能推薦系統(tǒng)發(fā)成為了懂得每個人喜好的“金牌導購員”,能夠實現(xiàn)“千人千面”,為消費者推薦最符合你要求的商品。截至目前(雙11期間),阿里機器智能推薦系統(tǒng)雙11當天為用戶生成超過567億個不同的專屬貨架,像智能導購員一樣,給消費者“億人億面”的個性化推薦。
AI設計師——魯班:魯班綜合圖像深度學習、增強學習等AI技術,如同普通設計師一樣,完成從草圖到框架、細節(jié)元素等一系列設計,為消費者提供最優(yōu)的商品展示。截至目前(雙11期間),魯班AI設計師自動生成海報為410,810,963(超4億),這也提前完成了為雙11設計4億張商品展示廣告的目標。
智能客服——店小蜜:阿里為商家開發(fā)的一鍵授權的客服機器人,一年365天7*24小時不間斷工作。從雙11預售開始,店小蜜單日對話量都在1000萬以上,是首個日對話量達到千萬量級的服務機器人。截至目前(雙11期間),在雙11當天承擔95%的客服咨詢,回答消費者關于活動規(guī)則、購物車、退款申請等問題,極大提高服務能力。
機房巡邏員——天巡:雙11期間,華北數(shù)據(jù)中心的巡檢工作由智能運維機器人“天巡”完成,24小時巡查數(shù)據(jù)中心,對億萬級的數(shù)據(jù)點進行秒級檢測和故障定位,接替了運維人員以往30%的重復性工作。
在菜鳥物流的配送中,實現(xiàn)了智慧物流的全面升級和規(guī)?;瘧?,通過對 雙11物流全鏈路的智能分析提高遞送效率,在雙11開始前,就提前將爆品調撥到離消費者最近的倉庫。先進的機器人分倉,也讓倉配運轉效率超越人工運轉的極限。
技術運維、商品推薦、客服、支付、物流等各個環(huán)節(jié)都引入機器智能的方式,實現(xiàn)了人與機器的協(xié)作。
張建鋒表示,在2017年雙11,機器和人在商品選品、客服、物流、技術運維等領域全面合作,規(guī)模之大、領域之廣、協(xié)同之深前所未有。通過雙11這樣巨大的社會實踐,機器智能的發(fā)展進程將大大加速:一方面,需求場景、數(shù)據(jù)將推動機器智能的進化,越變越聰明;另一方面,不斷進化的機器智能將更好地反哺和賦能生態(tài)伙伴。和整個社會,最大化服務于社會。
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技術通過融合多幀圖像的"圖結構"信息,創(chuàng)新性地解決了3D相機噪聲問題。該技術利用圖像間的不變幾何關系,結合深度學習和數(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等頂尖機構聯(lián)合提出SparseLoRA技術,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。