這兩天,互聯(lián)網(wǎng)圈內(nèi)的確被360刷屏了。一個(gè)域名能值1個(gè)億嗎?當(dāng)然能了,因?yàn)?60已經(jīng)確認(rèn)以1700萬美元(合1.06億人民幣)買下了360.com,目前這一國際頂級(jí)域名已指向360旗下搜索品牌“好搜”。然而,當(dāng)所有人還在熱議著令人咂舌的交易記錄之時(shí),似乎還沒有預(yù)料到,這可能僅僅一個(gè)開始,或許后面還將上演一番更精彩的大戲。
不知是意外還是巧合,幾乎在同一時(shí)間,一封疑似360內(nèi)部郵件在網(wǎng)絡(luò)上曝光。從該郵件中可以看到,360將在2015年大力推廣搜索業(yè)務(wù),包括簽約代言人、廣告投放、日常營銷等在內(nèi),全年?duì)I銷預(yù)算竟高達(dá)12億。只想說,大數(shù)字公司360就算你再土豪,能不這么任性嗎。
那么,360接連大手筆在搜索業(yè)務(wù)上謀篇布局,究竟是意欲何為?
一、建立搜索生態(tài)體系。正如外界已經(jīng)看到的,“好搜”已經(jīng)以獨(dú)立品牌方式出現(xiàn)了。這也意味著,360將擁有更大更加靈活的空間,為整個(gè)搜索業(yè)務(wù)打造一個(gè)獨(dú)立、完善的龐大生態(tài)體系。屆時(shí),好搜或?qū)⒉扇≠N身博弈的方式,凡是百度所能觸及的領(lǐng)域,好搜也會(huì)緊緊跟進(jìn),此舉無疑會(huì)對(duì)百度造成巨大的壓力,二者之間的差距將進(jìn)一步縮小。
二、強(qiáng)化移動(dòng)搜索認(rèn)知度。在過去兩年時(shí)間里,搜索業(yè)務(wù)一直是360非常核心的基礎(chǔ)業(yè)務(wù),一度占據(jù)了超過三成的市場份額。當(dāng)進(jìn)入快速發(fā)展階段之后,一直使用的360搜索已經(jīng)難以適應(yīng)原有的業(yè)務(wù)發(fā)展。于是,我們看到從今年1月開始,360就圍繞搜索業(yè)務(wù)進(jìn)行了更大的品牌布局,最終以“好搜”品牌獨(dú)立現(xiàn)身。盡管此前已經(jīng)積累了幾億用戶規(guī)模,畢竟是一個(gè)新的品牌,仍然需要大規(guī)模營銷推廣,更何況好搜在上線之初,已經(jīng)明確重點(diǎn)發(fā)力移動(dòng)端。因此,拿出這般龐大規(guī)模預(yù)算提升品牌認(rèn)知度只是表象,真正的是為了大力拓展搜索移動(dòng)端。
三、或與外部力量合作。好搜以獨(dú)立品牌運(yùn)作,還只是邁出了沖擊中國第一搜索品牌目標(biāo)的第一步。接下來,究竟到底怎么走?繼續(xù)獨(dú)立發(fā)展還是合縱連橫?從當(dāng)前整個(gè)互聯(lián)網(wǎng)發(fā)展趨勢(shì)來看,巨頭之間的競爭愈發(fā)激烈,強(qiáng)強(qiáng)聯(lián)合抗敵逐漸成共識(shí)。有業(yè)內(nèi)消息人士爆料,某家巨頭正嘗試與好搜建立深度合作,甚至不排除資本層面。BAT中騰訊、百度沒有任何可能性,唯有阿里,亦或是谷歌、雅虎?或許這幾家都有可能。
最后,360在2015年將上演怎樣的一場場大戲,讓人拭目以待!
好文章,需要你的鼓勵(lì)
新加坡國立大學(xué)研究團(tuán)隊(duì)開發(fā)了SPIRAL框架,通過讓AI與自己對(duì)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(duì)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(dòng)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(duì)通過對(duì)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(shí)刻"現(xiàn)象,但這些自我糾錯(cuò)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(shí)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(dòng)態(tài)稀疏性實(shí)現(xiàn)大語言模型訓(xùn)練加速1.6倍,計(jì)算成本降低2.2倍。該方法使用SVD稀疏性估計(jì)器智能選擇重要計(jì)算部分,在保持模型性能的同時(shí)顯著提升訓(xùn)練效率,已在多個(gè)任務(wù)上驗(yàn)證有效性。