11月22日,中移物流合作伙伴峰會在京召開,本次峰會旨在深化中國移動物流服務(wù)在泛智能硬件產(chǎn)業(yè)鏈上下游的發(fā)展定位,推動物流供應(yīng)鏈與信息技術(shù)融合發(fā)展。會上,中國移動終端公司正式發(fā)布“中移物流合作伙伴計劃”,并與中國物流與采購聯(lián)合會物流信息服務(wù)平臺分會簽署戰(zhàn)略合作協(xié)議。
中國移動通信集團副總裁李慧鏑出席峰會并致辭。李慧鏑副總裁指出,黨的十九大提出要推動互聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能和實體經(jīng)濟深度融合,中國移動認真貫徹落實習(xí)黨的十九大精神,樹立建設(shè)網(wǎng)絡(luò)強國和數(shù)字中國的發(fā)展理念,始終致力于通信行業(yè)發(fā)展與創(chuàng)新轉(zhuǎn)型。從3G到4G,中國移動堅持推動TD產(chǎn)業(yè)發(fā)展,已建成全球最大的移動通信網(wǎng)絡(luò)。當前,中國移動圍繞“大連接”戰(zhàn)略,推動“四輪驅(qū)動”融合發(fā)展,持續(xù)深化業(yè)務(wù)轉(zhuǎn)型。面向5G,中國移動正積極推動5G關(guān)鍵技術(shù)研究,推動5G端到端產(chǎn)業(yè)成熟。
現(xiàn)場圖片
“當前新技術(shù)、新業(yè)態(tài)發(fā)展迅猛,物流供應(yīng)鏈行業(yè)正成為支撐經(jīng)濟高質(zhì)量發(fā)展的重要力量。”李慧鏑副總裁表示,中國移動正積極探索、布局物流供應(yīng)鏈領(lǐng)域,中國移動終端公司已搭建覆蓋全國的物流網(wǎng)絡(luò),物流系統(tǒng)、時效、服務(wù)質(zhì)量已達到行業(yè)領(lǐng)先,并不斷對外輸出物流服務(wù)能力,截止2018年10月,中國移動終端公司物流外部收入已突破4000萬元。未來,中國移動終端公司將以更開放的姿態(tài),增強協(xié)同能力,由“企業(yè)物流” 向“物流企業(yè)”轉(zhuǎn)型升級,并與各位合作伙伴一道,做大行業(yè)“蛋糕”,共建物流行業(yè)生態(tài)。
中國物流與采購聯(lián)合會副會長兼秘書長崔忠付,DHL、順豐、京東等8家合作伙伴代表出席本次峰會,并作專題分享。
2018年初,中國移動終端公司啟動中移物流合作伙伴計劃相關(guān)工作。該計劃以科技型物流服務(wù)平臺為基礎(chǔ),實現(xiàn)業(yè)務(wù)類型及服務(wù)品類的全覆蓋,輸出“倉儲+運輸+配送+系統(tǒng)+SOP+大數(shù)據(jù)分析”等一體化、定制化、專業(yè)化的解決方案。
中國移動終端公司于2011年成立之初即開始布局物流領(lǐng)域,2017年正式成立中移物流服務(wù)品牌,2018年中移物流榮獲中國物流與采購聯(lián)合會4A級物流資質(zhì)。中移物流全國配備45個倉庫,實現(xiàn)31省全覆蓋,海外出口覆蓋4大洲,年吞吐量達2.8億臺,承諾省會市區(qū)當日達,一、二級地市次日達。截至目前,中移物流已聯(lián)合行業(yè)頂尖的26家戰(zhàn)略合作伙伴在中國及全球搭建ABCD四張網(wǎng)。(A網(wǎng)速配網(wǎng),專注高品質(zhì)快遞業(yè)務(wù);B網(wǎng)普快網(wǎng),聚焦經(jīng)濟型快遞業(yè)務(wù);C網(wǎng)倉儲零擔網(wǎng),整合重貨快運業(yè)務(wù);D網(wǎng)國際網(wǎng),支撐國際貨運業(yè)務(wù)。)
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。