4月29日,魅族科技(MEIZU)副總裁楊顏亮相GMIC 2015,出席歐朋主題為「O+戰(zhàn)略,基于流量的生活」的討論峰會,談到「系統(tǒng)和應(yīng)用如何通過整合互聯(lián)網(wǎng)內(nèi)容和服務(wù)以構(gòu)建軟件生態(tài)」。
楊顏表示,“一個行業(yè)越成熟,競爭者之間的差距就越不明顯,所以自然會進入下一個階段,這就是內(nèi)容和服務(wù)的分發(fā)。在2010年時魅族已起步建設(shè)。目前,F(xiàn)lyme除整合了互聯(lián)網(wǎng)內(nèi)容和服務(wù)以外,許多傳統(tǒng)的工具都開始擁抱互聯(lián)網(wǎng)。Flyme自有渠道的分發(fā)占比在所有安卓手機廠商里排在第二。Flyme除了明面上的業(yè)務(wù)合作之外,還有相對底層的賬號平臺、支付平臺、系統(tǒng)級Push平臺以及已經(jīng)開始建設(shè)的基于大數(shù)據(jù)的廣告投放平臺等等。這種整合模式不僅給用戶帶來實在的便利,為硬件設(shè)備提供附加值,同時讓系統(tǒng)具備出色的分發(fā)能力,還為第三方業(yè)務(wù)帶來可觀流量。”
以下是魅族科技副總裁楊顏的演講實錄:
在功能機時代,手機雖然已經(jīng)具備了一些像音樂、視頻這種多媒體功能,但當時的定位還只是一個播放器工具,那時候各家競爭的還是手機的基礎(chǔ)性能和基本功能。
接下來有段時間 UI 設(shè)計開始被關(guān)注,同時用戶對產(chǎn)品的細節(jié)體驗要求越來越高,廠商開始把注意力和競爭轉(zhuǎn)移到這些方面。
然后又經(jīng)過這么多年,產(chǎn)品和 UI 設(shè)計行業(yè)也越來越成熟,之前我在微博也說過,一個行業(yè)越成熟,競爭者之間的差距就越不明顯,所以自然會進入下一個階段。這就是內(nèi)容和服務(wù)的分發(fā),所以在現(xiàn)在這個階段當我們在談硬件與應(yīng)用的所謂“雙劍合璧”時,我們其實談的就是這些事情。
在這點上魅族起步非常早,早在 M9 時代,也就是大概 10年的時候我們就深度整合了新浪的在線音樂資源,隨后視頻和應(yīng)用中心又分別與樂視和豌豆莢合作引入內(nèi)容資源。
這么長時間過去了,現(xiàn)在 Flyme 除了這些有明顯平臺特征的應(yīng)用整合了互聯(lián)網(wǎng)內(nèi)容和服務(wù)以外,甚至有很多傳統(tǒng)的工具都開始擁抱互聯(lián)網(wǎng)。
比如日歷,日歷可以做什么,可以訂閱動漫美劇球賽綜藝節(jié)目的播放時間,現(xiàn)在正在踢歐冠,前幾天我一個同事還說要把四強的比賽時間都手工錄入到日歷里,我就說你太 Out 了。再比如計算器,計算器能提供什么互聯(lián)網(wǎng)服務(wù),實時的匯率查詢,落地到功能上就是貨幣換算。
現(xiàn)在我們可以看到越來越多的手機廠商也在做同樣的事情。
而從我們自己數(shù)據(jù)來看,用戶是愿意使用系統(tǒng)服務(wù)的,我們互聯(lián)網(wǎng)應(yīng)用的用戶數(shù)、啟動次數(shù)方面,和同類型的最優(yōu)秀的公開應(yīng)用相比也毫不遜色。
前段時間微博公布了一個2014年四季度的數(shù)據(jù)報告,也可以明顯看到手機廠商在分發(fā)渠道的控制力越來越強。其中 Flyme 應(yīng)用中心因為有比較長時間的建設(shè)積累,所以數(shù)據(jù)還不錯,自有渠道的分發(fā)占比在所有安卓手機廠商里能夠排在第二的位置上。
所謂的建設(shè)積累是什么,除了明面上的業(yè)務(wù)合作之外,還有相對底層的賬號平臺、支付平臺、系統(tǒng)級的 Push 平臺、包括我們已經(jīng)開始建設(shè)的基于大數(shù)據(jù)的廣告投放平臺等等。這些項目有的是上層業(yè)務(wù)必要的基礎(chǔ),有的是效率放大器,對業(yè)務(wù)本身都是起到一個支撐的作用。
這種整合模式首先能夠給用戶帶來實實在在的便利,為硬件設(shè)備提供附加值,同時讓系統(tǒng)具備了出色的分發(fā)能力,還為第三方業(yè)務(wù)帶來了可觀流量。
如果我們把硬件和系統(tǒng)分開來看的話,這種模式如果可以深入的做下去,將是一個四贏的局面。而我確實相信在現(xiàn)在和未來的一段時間里,軟件生態(tài)將成為互聯(lián)網(wǎng)手機下一個最激烈的競爭點。
好文章,需要你的鼓勵
浙江大學團隊提出動態(tài)專家搜索方法,讓AI能根據(jù)不同問題靈活調(diào)整內(nèi)部專家配置。該方法在數(shù)學、編程等任務(wù)上顯著提升推理準確率,且不增加計算成本。研究發(fā)現(xiàn)不同類型問題偏愛不同專家配置,為AI推理優(yōu)化開辟新路徑。
清華大學研究團隊提出SIRI方法,通過"壓縮-擴張"交替訓練策略,成功解決了大型推理模型"話多且準確率低"的問題。實驗顯示,該方法在數(shù)學競賽題上將模型準確率提升43.2%的同時,輸出長度減少46.9%,真正實現(xiàn)了效率與性能的雙重優(yōu)化,為AI模型訓練提供了新思路。
南洋理工大學與騰訊聯(lián)合研究團隊開發(fā)出Rolling Forcing技術(shù),實現(xiàn)AI視頻實時流式生成的重大突破。該技術(shù)通過滾動窗口聯(lián)合去噪、注意力錨點機制和高效訓練算法三項創(chuàng)新,解決了長視頻生成中的錯誤累積問題,可在單GPU上以16fps速度生成多分鐘高質(zhì)量視頻,延遲僅0.76秒,質(zhì)量漂移指標從傳統(tǒng)方法的1.66降至0.01,為交互式媒體和內(nèi)容創(chuàng)作開辟新可能。
華中科技大學研究團隊發(fā)現(xiàn),通過讓AI模型學習解決幾何問題,能夠顯著提升其空間理解能力。他們構(gòu)建了包含約30000個幾何題目的Euclid30K數(shù)據(jù)集,使用強化學習方法訓練多個AI模型。實驗結(jié)果顯示,幾何訓練在四個空間智能測試基準上都帶來顯著提升,其中最佳模型達到49.6%準確率,超越此前最好成績。這項研究揭示了基礎(chǔ)幾何知識對培養(yǎng)AI空間智能的重要價值。