ZDNet至顶网软件频道消息: 随着互联网技术的广泛应用,企业传统经营模式的优势逐渐淡化。面对这样的变化,越来越多的人开始寻找经营模式的新出路,一场企业经营模式的变革悄然展开。在近日由北京大学和用友公司联合成立的营销模式变革研究课题召开的“新互联经济时代企业营销模式变革研讨会”上,各位行业专家就这些问题进行多方探讨,可谓精彩纷呈。业内知名专家陈新河分享的观点更是独具匠心,令大家受益匪浅。
棒打互联网旧概念
网络上出现很多新兴词语:“累感不爱”、“人艰不拆”等等,这些词从一出现便以迅雷不及掩耳之势侵入了人们的生常生活,甚至成为了很多人的口头禅。而在软件行业,同样涌现出很多新词汇:互联网思维,全渠道营销,O2O……新词汇迅速风行于行业内,被广泛引用形成共识,但陈新河却发表了他独到的见解。陈新河表示,在五月提交给国务院的报告中,曾经质疑过互联网思维这一种说法。在他看来,与其说是互联网思维,不如说是新经济思维,再进一步来说,应该是数据思维。
互联网化背后的秘密
互联网的迅猛发展冲击着传统的营销模式,深刻影响着市场环境和人们的思维方式,那么在互联网面纱之下究竟是怎么样的面孔,人家充满好奇?在陈新宇看来,互联网之后隐藏的实质主要有五个方面:
第一,互联网加速了信息的流动。互联网的到来,大大缩短了企业在自身品牌塑造上所花费的时间。企业通过微博、微信等线上媒体,能够在三五年间将自己的品牌形象植入人心;
第二,互联网促进了信息经济的发展。信息经济是物质经济高度发展后的一种经济形态的转变,而互联网正是建立在物质经济高速发展的基础之上。目前我们正处在物质经济到信息经济的转变过程当中,而新的经济形态,必然会伴随新的商业模式。当下对于新商业模式的说法很多,除了数据转移、支付转移,还有一种比较形象的说法是羊毛出在猪身上,就是说原本经营A商品所需要的成本和应获得利润,将有可能最终通过B商品所获得;
第三,经济局限性的消失。在实体经济中,传统商业模式因受物理空间或商业流的影响,存在很大的局限性。而新电子商业模式,不论是在商品类别还是物理空间上,都没有太多限制,并且可以24小时不间断营业。与旧商业模式相比,新的经济形态下的电子商业模式更适合企业的发展;
第四,数据不只是一种资源,还是一种新的生产力;
第五,互联网提供了一个企业与用户无缝连接的渠道。企业从精确广告、销售客服等多方收集信息,深刻洞察消费者的消费行为,从而制定相应的发展策略;
互联网化的转局
互联网背后所隐藏的秘密,带动了商业变革,对企业而言是困境,也是机遇。在过去,数据是一个被忽视的概念,传统企业习惯于靠经验去生产、发展、高创造。当IT架构发生变革,数据被搬到台面上,很多传统企业一筹莫展。没有数据该怎么办,或者说面对大量数据该如何实现其价值?
当前,又出现了一种新平台,随之而来的是一种叫新平台经济的概念。陈新河认为这种新平台的核心是ID。不同于传统的经验主义管理,新的平台经济是基于数据来说话的。与传统的经验主义不同,新的平台经济依靠用户的ID注册数据为主,通过对这些ID的分析,建立一种生态经济体系。通过这种体系的建设,达到数据转变为生产力的目的。
陈新河表示,在互联网化环境下,企业必须转变依靠经验的思维惯性,树立起全新的数据思维,充分挖掘数据生产力。在发展过程,要以动制动,接受发展、顺应发展,在原有基础上以移动互联、社交、云计算、大数据等新技术作为新工具,发展新平台经济,充分发挥数据所蕴藏的价值,转“危”为“安”,在新经济时代下,立于不败之地。
好文章,需要你的鼓励
这项研究提出了ORV(占用中心机器人视频生成)框架,利用4D语义占用作为中间表示来生成高质量的机器人操作视频。与传统方法相比,ORV能提供更精确的语义和几何指导,实现更高的时间一致性和控制精度。该框架还支持多视角视频生成(ORV-MV)和模拟到真实的转换(ORV-S2R),有效弥合了虚拟与现实之间的差距。实验结果表明,ORV在多个数据集上的表现始终优于现有方法,为机器人学习和模拟提供了强大工具。
这项研究由Writer公司团队开发的"反思、重试、奖励"机制,通过强化学习教导大型语言模型生成更有效的自我反思内容。当模型回答错误时,它会生成反思并二次尝试,若成功则奖励反思过程。实验表明,该方法在函数调用和数学方程解题上带来显著提升,最高分别改善18.1%和34.7%。令人惊讶的是,经训练的小模型甚至超越了同家族10倍大的模型,且几乎不存在灾难性遗忘问题。这种自我改进技术为资源受限环境下的AI应用开辟了新方向。
FuseLIP是一项突破性研究,提出了通过早期融合离散标记实现多模态嵌入的新方法。与传统CLIP模型使用独立编码器不同,FuseLIP采用单一编码器同时处理图像和文本标记,实现了更自然的模态交互。研究证明,这种早期融合方法在多种多模态任务上表现优异,特别是在需要理解图像结构而非仅语义内容的任务上。研究还开发了创新的数据集和评估任务,为多模态嵌入研究提供了宝贵资源。
ByteDance与浙江大学合作开发的MERIT是首个专为多语言多条件语义检索设计的基准数据集,包含320,000条跨5种语言的查询和135,000个产品。研究发现现有模型在处理多条件查询时过度关注全局语义而忽略特定条件元素,为此提出CORAL框架,通过嵌入重建和对比学习相结合的方式,使检索性能提升45.9%。这项研究不仅识别了现有方法的关键局限性,还为多条件交错语义检索领域的未来研究奠定了基础。