5月26日,在商汤科技主办的以“看见人工智能”为主题的2017商汤“智”造大会上,金山云与商汤科技签署战略合作协议,金山云视频云事业部副总经理、视频云首席架构师钱一峰和商汤科技副总裁柳钢参加了签约仪式。
金山云视频云事业部副总经理、视频云首席架构师钱一峰(左)和商汤科技副总裁柳钢(右)代表双方签署战略合作协议
根据协议,商汤科技作为金山云首批“AI+”的合作伙伴,旗下的SenseAR增强现实感特效引擎,将会在金山云即将推出的视频生态新平台中实现集成,不仅将满足客户更加多样化的需求,在打造新一代智能视频云服务上,也将与金山云一同发挥重要作用。
从CDN到AI+,视频云的三阶段
2016年直播行业的火爆,带动了一大批直播APP的迅速崛起,2017年,短视频行业也出现井喷式爆发。有预测认为,到2020年,国内短视频市场用户将激增至7亿。如此庞大的用户需求,也推动了视频云服务的加速演化。金山云认为,视频云发展至今,可以划分为三个阶段。
第一阶段是“CDN阶段”,众所周知,CDN是云服务商的基础服务之一。凭借着领先的技术、开放透明的服务理念、极致的质量追求和价格优势,在现阶段,金山云CDN业务的直播客户已超过200家、点播客户已超过1500家。目前,金山云、阿里云、腾讯云已经在国内的CDN市场格局当中占据了第一阵营。接下来,金山云的目标是构建云时代的新型CDN服务。
第二阶段是“PaaS平台阶段”。随着行业的变化和发展,在基础服务上,云服务商需要构建视频云PaaS平台。金山云为企业级客户打造了包括SDK、源站、转码等在内的视频云PaaS平台,为客户提供包括直播、点播、短视频解决方案,从根本上解决了阻碍客户的技术难题,客户可围绕金山云的这一平台构建应用,降低了客户的各项成本,极大地推动了直播、短视频等新兴行业的发展。
第三阶段是“AI+阶段”,在人工智能已经成为了全球经济发展的新动力时,它将给视频行业带来巨大的想象空间。金山云将在这一阶段,推出智能视频云服务。金山云即将通过组件化的方式,在直播、短视频SDK的基础上,推出 “AI+”新平台,联手业内顶尖的音视频处理服务商、人工智能服务商,通过标准化开放接口,快速集成人脸识别、图像智能识别、AR等技术与应用,共建视频生态链。
“智”造新平台
这也是金山云此次与商汤科技合作的初衷。商汤科技是一家专注于计算机视觉和深度学习原创技术的人工智能领军企业,基于自主研发的深度学习平台,输出多种核心人工智能视觉技术,包括人脸识别、视频分析、文字识别、无人驾驶、医疗影像识别等应用技术。
商汤科技提供高附加值的人工智能工具性产品,以提高效率为核心价值,服务于金融、平安城市、智慧家居、机器人、无人驾驶、医疗等多个行业领域和场景。目前,商汤科技已经与英伟达、中国移动、银联、华为、小米、OPPO、vivo、微博、科大讯飞等众多知名战略合作伙伴和大客户建立商业合作,目标是迅速利用深度学习平台和深度学习产品升级产业,打造中国的深度学习引擎和人工智能生态。
一直以来,商汤科技非常注重以最前沿“场景化应用”为基础的人工智能技术研究,也汇聚了众多科学家,使得商汤科技在人工智能基础性研究和原创技术开发方面,受到行业的广泛认可。
作为金山云的战略合作伙伴,商汤科技旗下的SenseAR增强现实感特效引擎(金山云将采用其中的人脸贴纸、手势识别等功能),将会在金山云即将推出的视频生态新平台中实现集成,大幅降低客户的对接成本,从而满足客户更加多样性的需求。
“云服务商始终需要充分利用最前沿的技术,优化服务,引领行业和商业模式的变革”,钱一峰说,“我们愿与分布在各领域的顶级合作伙伴一起,释放我们的优势和能力,打造并不断壮大视频行业的全新生态,为客户创造更多价值,推动行业的繁荣”。
好文章,需要你的鼓励
AWS通过升级SageMaker机器学习平台来扩展市场地位,新增观测能力、连接式编码环境和GPU集群性能管理功能。面对谷歌和微软的激烈竞争,AWS专注于为企业提供AI基础设施支撑。SageMaker新功能包括深入洞察模型性能下降原因、为开发者提供更多计算资源控制权,以及支持本地IDE连接部署。这些更新主要源于客户需求,旨在解决AI模型开发中的实际问题。
南洋理工大学研究团队开发了WorldMem框架,首次让AI拥有真正的长期记忆能力,解决了虚拟世界模拟中的一致性问题。该系统通过记忆银行存储历史场景,并使用智能检索机制,让AI能准确重现之前的场景和事件,即使间隔很长时间。实验显示在Minecraft和真实场景中都表现出色,为游戏、自动驾驶、机器人等领域带来广阔应用前景。
AI虽具备变革企业洞察力的潜力,但成功依赖于数据质量。大多数AI项目失败源于数据混乱分散而非算法局限。谷歌BigQuery云数据AI平台打破数据孤岛,简化治理,加速企业AI应用。通过AI自动化数据处理,实现实时分析,并与Vertex AI深度集成,使企业能够高效处理结构化和非结构化数据,将智能商业转型从愿景变为现实。
MTS AI研究团队提出RewardRanker系统,通过重排序模型和迭代自训练显著提升AI代码生成质量。该方法让13.4B参数模型超越33B大模型,在多种编程语言上表现优异,甚至在C++上超越GPT-4。通过引入困难负样本和PPO优化,系统能从多个代码候选中选出最优方案,为AI编程助手的实用化奠定基础。