ZD至顶网软件频道消息: 自从共享单车模式诞生以来,“两大巨头”摩拜和ofo的对决就从未停止过,如果再算上新入场的玩家们,这个领域可以称的上是好戏连台,一波未平一波又起。
不过,就在大家的目光都聚焦在摩拜ofo们如何对决时,单车背后的大数据生意已经被人盯上了。
近日,百度云就宣布即将利用“天工”智能物联网平台技术,为摩拜单车提供精准定位的服务,首项合作测试已经在北京百度大厦园区展开。
按照百度云官方的说法,两者的合作是为了推动“文明停车、绿色出行”。事实上,你只需要在网络上随便一搜,就会发现伴随着共享单车的增多,随处停车、恶意破坏车辆的案例不在少数。
比如,你会耳濡目染看到这样的报道:《谁在恶意破坏共享单车?》、《被破坏、被私占、甚至被偷,可怜的公共单车》;但同时你也会看到:《不能让破坏共享单车现象蔓延下去 》、《成都一男子盗窃破坏一辆共享单车,被判拘役三个月处罚金一千》的新闻。
如此看来,破坏单车的情况确实存在,百度云和摩拜试图去引导文明用车着实也是一个切入点。
但问题是,如何解决?
百度云和摩拜造了一个新词汇:Mobike Preferred Location,即摩拜推荐停车区,简称MPL。简单来说,就是建立一个方便大家取车,还车的站点。
对于摩拜来说,百度云可以为其提供包括对MPL附近区域自行车的定位功能、MPL的在线监视和管理、MPL显示、消息推送、充电减负等功能,可为摩拜单车的高效精准运营提供支持。
对于用户来说,有了这样的站点,可以提升骑行的体验,让用车变的简单快捷,同时也期望通过MPL可以规范并且呼吁用户有序地停放车辆。
总而言之,两者合作是为了实现三个目的:方便取车、规范停车、有序管理。
在具体操作层面,百度云号称利用自身智能物联网平台“天工”的技术,会实时更新智能推荐停车点附近可用单车的定位及数据情况,通过车辆信息管理“基站”上传至百度云。
这就实现了车辆的实时动态,都以大数据的形式被百度存储在云端,用户随取随用。
与此同时,“天工”平台提供的“物管理”、“物可视”等物联网功能提供对智能停车系统中各设备的在线管理,将MPL改造成车辆定位、车辆信息管理的”基站”。这些数据也会有助于摩拜掌握停车区域内单车的数量、位置、状态、各区间的流量状况等信息,为基于数据的高效运行提供有效补充。
事实上,百度云与摩拜所要实现的智能停车、规范停车,也符合政策的发展方向。以深圳为例,市交通运输委于去年发布了《关于鼓励规范互联网自行车服务的若干意见(征求意见稿)》和《深圳市自行车停放区(路侧带)设置指引(试行)》,深圳交警部门还宣布严罚违停共享单车,乱停将被罚20元。
交警部门同时将共享单车纳入重点车辆监管平台,并接入共享单车企业后台用户数据,引导企业严格控制小学校园周边共享单车的投放规模。
除此之外,包括北京和上海也都在考虑共享单车停放管理等方面规范,研究制定规范租赁自行车停车秩序试点区域及措施办法。
不过,即便有政策的推动,百度云的野心可不仅仅是让你停好车如此简单,它瞄准的更像是大数据支撑的智慧城市,以及未来的物联网世界。
百度云和摩拜合作过程中还涉及到的一项技术:iBeacon室内定位技术。事实上,iBeacon是苹果早在2013年9月就发布iOS 7时带的新功能。其工作方式是,配备有低功耗蓝牙(BLE)通信功能的设备使用BLE技术向周围发送自己特有的ID,接收到该ID的应用软件会根据该ID采取一些行动。
比如,在店铺里设置iBeacon通信模块的话,便可让iPhone和iPad上运行一资讯告知服务器,或者由服务器向顾客发送折扣券及进店积分。此外,还可以在家电发生故障或停止工作时使用iBeacon向应用软件发送资讯。
百度云看中的正是定位技术的未来,它要做的是结合人工智能和云计算,把iBeacon精准定位技术扩展到地铁、商场、医院、机场多个场景落地应用。
也就是说在iBeacon基站的信息区域内,用户通过手中的智能手机便能够获取个性化的微型位置信息以及通知。
正如李彦宏所说,在过去几年物联网一度被炒得很热,现在离它真正发展起来已经不远了。
好文章,需要你的鼓励
OpenAI CEO描绘了AI温和变革人类生活的愿景,但现实可能更复杂。AI发展将带来真正收益,但也会造成社会错位。随着AI系统日益影响知识获取和信念形成,共同认知基础面临分裂风险。个性化算法加剧信息茧房,民主对话变得困难。我们需要学会在认知群岛化的新地形中智慧生存,建立基于共同责任而非意识形态纯洁性的社区。
杜克大学等机构研究团队通过三种互补方法分析了大语言模型推理过程,发现存在"思维锚点"现象——某些关键句子对整个推理过程具有决定性影响。研究表明,计划生成和错误检查等高层次句子比具体计算步骤更重要,推理模型还进化出专门的注意力机制来跟踪这些关键节点。该发现为AI可解释性和安全性研究提供了新工具和视角。
传统数据中心基础设施虽然对企业至关重要,但也是预算和房地产的重大负担。模块化数据中心正成为强有力的替代方案,解决企业面临的运营、财务和环境复杂性问题。这种模块化方法在印度日益流行,有助于解决环境问题、满足人工智能的电力需求、降低成本并支持新一代分布式应用。相比传统建设需要数年时间,工厂预制的模块化数据中心基础设施可在数周内部署完成。
法国索邦大学团队开发出智能医学文献管理系统Biomed-Enriched,通过AI自动从PubMed数据库中识别和提取高质量临床案例及教育内容。该系统采用两步注释策略,先用大型AI模型评估40万段落质量,再训练小型模型处理全库1.33亿段落。实验显示该方法仅用三分之一训练数据即可达到传统方法效果,为医学AI发展提供了高效可持续的解决方案。