ZDNet至顶网软件频道消息: 今年,金融科技专家们将硅谷精神带到了华尔街、普罗大众身边乃至更广阔的世界。
彭博公司今年刚满32岁,和他的很多大的金融行业客户相比相对年轻,但与诞生于科技大变革时期的科技领袖如亚马逊(19岁)、谷歌(Google,15岁)、和脸书(Facebook,10岁)相比却更加成熟。 彭博正处发展中期,一直脚踏实地提供与全球市场活动相关的新闻和数据,彭博至今依然保持一定的增长。今年到目前为止,彭博终端的用户数量增长近3,000名,这一数字略低于总用户量的1%。
但彭博一直在不断地挑战自我。与来自硅谷和其它创业热土的年轻公司一样,彭博也是一家创新工厂,但它并未自己标榜为一家纯技术公司,而是不断提升核心的信息业务。通过供应商联盟、标准化制定以及参与开源社区,彭博的3,000多名科技专家不断完善彭博终端,提升交易和数据速度,扩大彭博在全球金融科技领域的影响力。这一系列的突出成就使彭博金融产品与服务全球负责人施刚达(Thomas Secunda)这位具有远见卓识的科技专家史无前例地连续第三年荣登《机构投资者》科技50人榜首。
彭博拥有一个可用性实验室,反复进行着产品的创新和再造。 用户与新产品、工作流程和屏幕设计的互动将会被科学记录。施刚达表示,彭博广泛地保持研发原型化,近几年也逐渐依靠用户体验和专家意见使之走向正轨。可用性实验室已建成3年,但关于可用性的创新在彭博创立之初就已开展。
《机构投资者》年度科技50人榜单由杂志编辑和工作人员制定,并由业内人士及专家提名和评估。主要标准包括:职业生涯的成就和贡献,职责范围及复杂程度,在公司内外部的影响力及领导力,以及纯粹的技术创新能力。2014年的其他部分获奖者还包括来自以下机构的高管:美国银行、富达投资、高盛集团、贝莱德、花旗创投及瑞士信贷等。
《机构投资者》杂志2014年科技50人
第一名: 施刚达(Thomas Secunda)
彭博金融产品与服务全球负责人施刚达(Thomas Secunda)
施刚达(Tom Secunda)表示,1982年创立时彭博是推动债券交易变革的工具。
作为彭博的联合创始合伙人和副董事长,施刚达对这家总部位于纽约的金融信息服务商备感自豪的成就之一是彭博提升了多个市场的透明度,并开辟了通过多种工具不断提升价格查询和交易效率的先河。
但产品的激增及市场的快速发展以及由此而产生的大量数据却在某种意义上又带来了新的问题。施刚达发现,“信息泛滥给透明度带来了新挑战。”即便是彭博专业服务的用户(在全球超过32万名)都想知道:“信息如此繁多,我怎么样才能找到自己需要的内容? ”
彭博金融产品和服务全球负责人施刚达正带领3000多名技术专家着手解决这一问题。用这位60岁负责人的话说,他们正在用一种“结合人工智能、专业知识、自然语言处理和机器处理的方式”,不断探索以简化导引与搜索。长期以来,用户需要深入了解终端才能充分加以利用。施刚达希望这一平台也能服务那些只需简单答案的非专家型用户。他表示,“我们试图让机器去完成复杂的工作。”
“简化”也是彭博10亿美元企业解决方案的关键词:施刚达所提到的科技、平台以及数据管理服务可以为客户节约大量成本的同时也为彭博带来新的利润。今年,彭博创始人迈克·布隆伯格(Michael Bloomberg)结束了其12年纽约市市长的任期后重返彭博。“他为公司带来了新的能量与激情。他会不断督促我们,因为他自己也钟爱简洁直观的事物,” 施刚达说道。
好文章,需要你的鼓励
Meta宣布为Facebook Dating推出AI聊天机器人助手,帮助用户找到更匹配的对象。该AI可根据用户需求推荐特定类型的匹配者,并协助优化个人资料。同时推出Meet Cute功能,每周提供算法选择的"惊喜匹配"。尽管18-29岁用户匹配数同比增长10%,但相比Tinder的5000万日活用户仍有差距。AI功能已成为约会应用标配,Match Group等竞争对手也在大力投资AI技术。
字节跳动团队提出RewardDance框架,首次系统性解决视觉生成中的奖励模型扩展问题。该框架通过将奖励预测转为生成式任务,并将模型规模扩展至260亿参数,同时集成任务指令、参考样例和推理能力,有效解决了"奖励作弊"问题。实验显示,在文本生成图像任务中质量提升10.7分,视频生成性能改善49%,达到行业领先水平,为AI视觉创作提供了更强大可靠的技术基础。
Neo4j认为已找到让生成式AI访问图数据库记录的方法。图数据库专注于数据点之间的关系建模和查询,在欺诈检测、推荐引擎等场景中表现出色。2024年4月,ISO批准了图查询语言GQL标准,Neo4j的Cypher查询语言完全符合该标准。现代工具提供拖拽式工作流程,GenAI可作为自然语言接口,将用户请求转换为Cypher查询。
ByteDance团队开发的Mini-o3系统通过深度多轮推理突破了传统AI视觉理解的局限。该系统能像人类侦探般进行几十轮的视觉探索,在困难的视觉搜索任务上准确率达48%,相比现有模型提升显著。核心创新包括挑战性的Visual Probe数据集、多样化推理策略训练和突破性的过轮掩码技术,实现了测试时思考轮数的自然扩展。