2015百度聯(lián)盟峰會今日召開,李彥宏在會上分析了中國經(jīng)濟(jì)未來的兩種結(jié)局。“某種意義上中國互聯(lián)網(wǎng)的發(fā)展代表了中國的發(fā)展,中國要向哪里去?中國的結(jié)局是什么?我認(rèn)為最終的結(jié)局有兩種可能性。
以下是他演講的部分實(shí)錄:
我對整個(gè)產(chǎn)業(yè)處在什么發(fā)展階段需要再次做一個(gè)判斷,大幕拉開,第一幕已經(jīng)結(jié)束。也就是pc互聯(lián)網(wǎng)的時(shí)代已經(jīng)結(jié)束。
第二幕是移動互聯(lián)網(wǎng),現(xiàn)在正是令人興奮,很多高潮也有很多不確定性的階段。這一幕還會持續(xù)多久?我不知道。但已經(jīng)有人問我,下一幕是什么?我們明年峰會再講。
今天我想講的,最終的結(jié)局會是什么?這對我們每一個(gè)人更加重要。我覺得有兩種可能性。先講第一種:傳統(tǒng)產(chǎn)業(yè)依靠互聯(lián)網(wǎng)平臺獲得生意獲得利潤。
十年前,我們討論互聯(lián)網(wǎng),就覺得中國互聯(lián)網(wǎng)懂產(chǎn)品的人很少,所以我們通常姚參考的是美國或者韓國有些什么東西。那時(shí)候整個(gè)中國互聯(lián)網(wǎng)從業(yè)者就幾十萬人,很多優(yōu)秀的人沒有進(jìn)入到這個(gè)領(lǐng)域。
而今天可能是幾千萬人的規(guī)模上相互競爭。今天面臨的產(chǎn)業(yè)格局是非常不一樣的。今天我們隨便跟那個(gè)行業(yè)的人聊天,都想問互聯(lián)網(wǎng)+怎么樣?今天的互聯(lián)網(wǎng)是一個(gè)完全不同規(guī)模的東西。
今天7億多網(wǎng)民的概念其實(shí)是中國互聯(lián)網(wǎng)滲透率超過50%。某種意義上中國互聯(lián)網(wǎng)的發(fā)展代表了中國的發(fā)展。中國要向哪里去?中國的結(jié)局是什么?
2011年聯(lián)盟峰會的時(shí)候,我講了兩個(gè)機(jī)會,一個(gè)是讀圖時(shí)代,一個(gè)是中間應(yīng)用。后者就是各行各業(yè)垂直平臺,本質(zhì)是某一個(gè)垂直行業(yè)打造一個(gè)平臺,這個(gè)趨勢現(xiàn)在越來越明顯。隨著移動互聯(lián)網(wǎng)產(chǎn)生,本質(zhì)都是通過自己平臺把線下某一個(gè)行業(yè)的主要商家吸引到這個(gè)平臺上。只有做某個(gè)行業(yè)的平臺,才能拿到投資,培養(yǎng)用戶習(xí)慣。每一個(gè)行業(yè)通常是多個(gè)這樣的平臺在占領(lǐng)這個(gè)行業(yè)。
而整合趨勢會使這些平臺更加強(qiáng)大,問一個(gè)問題,若干年后,每一個(gè)行業(yè)都產(chǎn)生強(qiáng)大垂直平臺時(shí),會不會使得傳統(tǒng)公司都給這些平臺打工?所以最終中國經(jīng)濟(jì)會不會是幾個(gè)通用平臺,剩下的都是垂直平臺,傳統(tǒng)產(chǎn)業(yè)都在這些平臺上活動,依靠他們獲得生意獲得利潤。是不是有這種可能性?如果這種情況出現(xiàn),對中國整體是好還是不好?這是我們需要花精力去思考的。
最主流的產(chǎn)業(yè)其實(shí)是教育、醫(yī)療、金融、汽車喝房產(chǎn),他們代表中國經(jīng)濟(jì)支柱,他們現(xiàn)在都在擁抱互聯(lián)網(wǎng),并且處在迷茫,他們?nèi)绻€不知道怎么參與?那么將來其前景堪憂。
而未來第二種結(jié)局,可能真的是傳統(tǒng)產(chǎn)業(yè)找到提升自己的正確方式。以上兩種哪一個(gè)是主流?我們拭目以待。
好文章,需要你的鼓勵(lì)
浙江大學(xué)團(tuán)隊(duì)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(xué)、編程等任務(wù)上顯著提升推理準(zhǔn)確率,且不增加計(jì)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(xué)研究團(tuán)隊(duì)提出SIRI方法,通過"壓縮-擴(kuò)張"交替訓(xùn)練策略,成功解決了大型推理模型"話多且準(zhǔn)確率低"的問題。實(shí)驗(yàn)顯示,該方法在數(shù)學(xué)競賽題上將模型準(zhǔn)確率提升43.2%的同時(shí),輸出長度減少46.9%,真正實(shí)現(xiàn)了效率與性能的雙重優(yōu)化,為AI模型訓(xùn)練提供了新思路。
南洋理工大學(xué)與騰訊聯(lián)合研究團(tuán)隊(duì)開發(fā)出Rolling Forcing技術(shù),實(shí)現(xiàn)AI視頻實(shí)時(shí)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(diǎn)機(jī)制和高效訓(xùn)練算法三項(xiàng)創(chuàng)新,解決了長視頻生成中的錯(cuò)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(biāo)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(xué)研究團(tuán)隊(duì)發(fā)現(xiàn),通過讓AI模型學(xué)習(xí)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(gè)幾何題目的Euclid30K數(shù)據(jù)集,使用強(qiáng)化學(xué)習(xí)方法訓(xùn)練多個(gè)AI模型。實(shí)驗(yàn)結(jié)果顯示,幾何訓(xùn)練在四個(gè)空間智能測試基準(zhǔn)上都帶來顯著提升,其中最佳模型達(dá)到49.6%準(zhǔn)確率,超越此前最好成績。這項(xiàng)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(jià)值。