6月1日消息,香港大學(xué)昨日舉辦了以創(chuàng)新創(chuàng)業(yè)為主題的Dream Catchers論壇,騰訊董事局主席馬化騰在論壇上作了專題演講。他在回憶創(chuàng)業(yè)時(shí)稱,“曾假扮女孩陪聊”。
馬化騰稱,“沒辦法嘛小公司嘛,我的職位是工程師,另外一個(gè)創(chuàng)始人寫的是總經(jīng)理。因?yàn)槲壹夹g(shù)比較強(qiáng),不可能老板也出來干活,我是假扮工程師。”
“后來回來真的開發(fā)系統(tǒng),找到老東家瑞訊,tom.com,那時(shí)候要做到3萬用戶,于是去學(xué)校一個(gè)個(gè)拉用戶。湊到3萬人可能要兩年后,公司就死掉了,又砸在手上了。那時(shí)候我們就想著做完賣掉,做完賣掉,大量開發(fā)。自己又去網(wǎng)上推廣,最后用戶上來了,最開始沒人聊天,我自己要陪聊,有時(shí)候還要換個(gè)頭像,假扮女孩子,得顯得社區(qū)很熱鬧嘛。”
談及為什么要做微信,馬化騰表示,3年前,互聯(lián)網(wǎng)在PC上面,這三年完全顛倒,移動互聯(lián)網(wǎng)才是真正的互聯(lián)網(wǎng)。也有國內(nèi)的公司在移動互聯(lián)網(wǎng)轉(zhuǎn)換的過程中跟不上,飛速地掉隊(duì)。甚至強(qiáng)大如Facebook,股票一度跌到700億,是因?yàn)榇蠹覔?dān)心它向移動端轉(zhuǎn)變有問題。直到這兩年Facebook迅速重視移動端,包括whats app的下血本的收購,不敢怠慢,一點(diǎn)都不敢,否則就是滅頂之災(zāi)。
他說做微信,是因?yàn)榭吹搅艘稽c(diǎn)點(diǎn)不同。我們當(dāng)時(shí)很緊張,騰訊內(nèi)部有三個(gè)團(tuán)隊(duì)同時(shí)在做,都叫微信,誰贏了就上誰。最后廣州做e-mail出身的團(tuán)隊(duì)贏了,成都的團(tuán)隊(duì)很失望,就差一個(gè)月。
據(jù)馬化騰介紹,最開始微信推出的時(shí)候,運(yùn)營商很緊張了,沒人發(fā)短信,電話也少了。“我要限制你,全世界有很多國家會出很多招去限制你。其實(shí)這個(gè)是勢不可擋,我一直跟他們說你們放心,你們絕對會受益的,你們的語音服務(wù)下降了,但是你的流量上去了,怎么會吃虧呢?增長很難說,直到去年,數(shù)據(jù)增長比語音快,現(xiàn)在放心了,跟我是魚和水的關(guān)系。”
好文章,需要你的鼓勵
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。