ZD至顶网软件频道消息:4月28日,2016年全球移动互联网大会在北京正式开幕。在首日上午举行的主会场论坛中。阿里移动事业群总裁兼高德集团总裁俞永福发表了“高德地图,拯救堵城”的主题演讲,首次对外公布了高德正在建立的“大出行,双生态”战略布局。
“高德专注于地图导航14年,建立的业务矩阵早已超越了单纯的工具数据地图,而是一张围绕出行和位置信息服务的生态活地图,既能满足普通用户的需求,又面向行业开放赋能,逐步建立智慧交通体系,改善民生。”俞永福表示。
一张“活”地图 拯救堵城
“移动互联网已经衍生出众多的细分领域,但真正能称得上是中心平台的,目前只有两个——手机和汽车。”俞永福在演讲中调侃道,虽然两者的英文中都带有“mobile”,但只有手机(Mobile Phone)“一直在mobile”,而汽车(Automobile)却没法随心所欲。“因为都被堵在了路上。”
根据高德地图最新发布的《2016年第一季度中国主要城市交通分析报告》,中国堵城排行榜TOP10依次为济南、北京、杭州、哈尔滨、重庆、郑州、深圳、贵阳、昆明、广州。
“解决拥堵一定要改变资源供需不平衡的状态,即用DT(Data Technology)大数据的思维,对于整体交通的全量数据进行动态呈现,智能分析、指导行驶车辆避开资源紧张的路段。”俞永福表示,担任高德集团总裁一年多以来,高德在自身的能力建设上始终围绕这个方向进行,打造成为了国内唯一一家同时具备“上半身(互联网产品)”和“下半身(地图导航数据)”能力的互联网地图企业。“不断完善自身,高德要做一张专注而专业于出行和位置信息服务的活地图。”
据透露,目前仅仅在北京一个城市,高德地图的躲避拥堵功能,每天平均能为用户累计节约超过68万小时的出行时间。
大出行 双生态
“说上下半身的完整竞争力,是高德自身内功的修炼,但独善其身对于真正的智慧交通来说,还远远不够。”俞永福表示,从去年开始,高德已经开始将自身能力开放外延,搭建“左右手”的出行大生态。“左手代表的是用户生态,右手则是面向政企的行业生态,进而盘活整个智慧交通体系。”
据介绍,用户生态主要以高德地图手机版为核心,除了提供专业的出行和位置信息服务之外,还在持续与娱乐行业跨界合作,将林志玲、郭德纲、周星星的声音录制为导航语音,多次引领了用户增长的新高。而最新上线的TFBOYS易烊千玺语音包,则进一步创下了高德地图明星语音包下载数的历史新高。根据第三方调研机构QuestMobile的最新数据,高德地图手机版过去一年的每日活跃用户数同比增长率达到了189.1%,百度地图则为40.7%。
此外,用户在享受服务的同时,也在为高德交通大数据体系做出贡献——提供实时路况数据,审核验证后完成发布。目前高德交通路况数据中已经有78%的比例来自于普通用户,真正做到了“人人为我,我为人人”,形成良性生态循环。
面向政企(行业)的生态,关键词是“赋能”。2015年,高德交通大数据公共服务平台正式上线,将高德最核心的交通大数据能力开放给合作伙伴,进一步提升公众服务品质。据悉,已经有超过30家各地交警(天津、吉林、绍兴为最新入驻的3家)、20家交通广播入驻了该平台,同时高德已经实现了全国超过360个城市的实时交通路况覆盖。
除了政府、媒体机构之外,高德还面向汽车行业客户提供了解决方案。“汽车也是出行大生态中的重要一环,车联网的发展对于整个智慧交通体系建设至关重要。在这个生态中,高德的定位就是将自己的互联网能力输出给汽车企业,帮助他们完成向智能汽车的进化,成为跨界变量。”俞永福说道。目前,高德地图的新型互联网导航产品已经搭载捷豹、路虎、长安、吉利等合作伙伴的多款量产车型上市。
面向更多的各行各业,高德也提供了基于LBS开放平台的解决方案,为超过30万的开发者服务,共同建设出行和位置信息服务的大数据体系。另外,俞永福在现场还透露高德即将与一家重量级合作伙伴达成数据合作。“不久后会向大家正式公布。”
好文章,需要你的鼓励
英特尔携手戴尔以及零克云,通过打造“工作站-AI PC-云端”的协同生态,大幅缩短AI部署流程,助力企业快速实现从想法验证到规模化落地。
意大利ISTI研究院推出Patch-ioner零样本图像描述框架,突破传统局限实现任意区域精确描述。系统将图像拆分为小块,通过智能组合生成从单块到整图的统一描述,无需区域标注数据。创新引入轨迹描述任务,用户可用鼠标画线获得对应区域描述。在四大评测任务中全面超越现有方法,为人机交互开辟新模式。
阿联酋阿布扎比人工智能大学发布全新PAN世界模型,超越传统大语言模型局限。该模型具备通用性、交互性和长期一致性,能深度理解几何和物理规律,通过"物理推理"学习真实世界材料行为。PAN采用生成潜在预测架构,可模拟数千个因果一致步骤,支持分支操作模拟多种可能未来。预计12月初公开发布,有望为机器人、自动驾驶等领域提供低成本合成数据生成。
MIT研究团队发现,AI系统无需严格配对的多模态数据也能显著提升性能。他们开发的UML框架通过参数共享让AI从图像、文本、音频等不同类型数据中学习,即使这些数据间没有直接对应关系。实验显示这种方法在图像分类、音频识别等任务上都超越了单模态系统,并能自发发展出跨模态理解能力,为未来AI应用开辟了新路径。