樂視網(wǎng)昨日與微軟達(dá)成戰(zhàn)略合作,雙方將從打造視頻云平臺著手,挖掘更多新領(lǐng)域商機(jī)。
自從按照“移動為先 云為先”的戰(zhàn)略轉(zhuǎn)型后,微軟逐漸成為一家專注于云平臺的公司。微軟公司資深副總裁、大中華區(qū)董事長兼首席執(zhí)行官賀樂賦(Ralph Haupter)指出,基于微軟技術(shù)的 Azure公有云目前已經(jīng)覆蓋全球19個區(qū)域,微軟在這個云圖上做了很多事情,并且還能做到更多。
樂視網(wǎng)CTO、樂視云計算有限公司董事長楊永強(qiáng)表示,樂視云計算承擔(dān)著樂視生態(tài)‘平臺+內(nèi)容+終端+應(yīng)用’中‘平臺’的戰(zhàn)略布局。此次戰(zhàn)略合作,樂視視頻技術(shù)將結(jié)合微軟Azure公有云。
兩位發(fā)言人現(xiàn)場主要透露的信息包括:
1、微軟與樂視將共建一個全球視頻云平臺。按照官方的說法,樂視需要微軟IAAS云服務(wù)進(jìn)行全球布局以降低技術(shù)運(yùn)營成本,而微軟則需要樂視這個大客戶及其云視頻。
2、今年樂視已在香港、美國洛杉磯、硅谷設(shè)立了子公司,東南亞、澳洲、歐洲的戰(zhàn)略落地也都在進(jìn)行中。樂視要將獨(dú)有垂直整合的“平臺+內(nèi)容+終端+應(yīng)用”生態(tài)模式拓展到海外,樂視云平臺將作為先行者在海外快速部署。微軟Azure公有云已在全球部署了強(qiáng)大資源,擁有豐富運(yùn)營經(jīng)驗(yàn),樂視云視頻平臺攜手微軟Azure公有云平臺一起打造領(lǐng)先的全球視頻云,可以幫助樂視生態(tài)快速在全球主要區(qū)域落地發(fā)展,降低前期投入風(fēng)險,提高海外業(yè)務(wù)運(yùn)營效率和服務(wù)質(zhì)量。
3、樂視云計算公司從成立到現(xiàn)在,主營業(yè)務(wù)分為免費(fèi)和付費(fèi)兩種模式,目前來看收入規(guī)模達(dá)預(yù)期,但具體營收情況要樂視披露財報時候才會公布。
4、微軟云平臺累積的客戶可以滿足視頻需求,同樣樂視網(wǎng)的大量用戶也能享受微軟云服務(wù)。
5、微軟將利用云平臺擴(kuò)展到電視發(fā)行、教育、娛樂、智能設(shè)備等更多領(lǐng)域??梢灶A(yù)期,樂視與微軟,在廣告營銷、智能硬件、游戲、車聯(lián)網(wǎng)、全球化等多個領(lǐng)域都擁有巨大合作潛力。
可以看到,雙方的戰(zhàn)略合作將延伸到更多領(lǐng)域,也為基于云平臺上的新領(lǐng)域創(chuàng)造更多商機(jī)。
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(shí)驗(yàn)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(jì)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(jī)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(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(shí)驗(yàn)發(fā)現(xiàn),經(jīng)過強(qiáng)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(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(jī)構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過動態(tài)稀疏性實(shí)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(yàn)證有效性。