至顶网软件频道消息:“区块链是一个好的技术,但还处在发展的早期,需要建立有效的应用模式,腾讯也在积极探索区块链在各个场景中的应用。” 对于区块链的现状,全国人大代表、腾讯公司董事会主席兼首席执行官马化腾,表达了自己的看法。
马化腾表示,“区块链有很多应用场景,例如借助区块链技术可以保证内部的票据、文档不被篡改、不被复制。”在供应链金融、腾讯微黄金、物流信息、法务存证、公益寻人等领域,腾讯也基于区块链技术进行了很多深入场景化的探索。腾讯微黄金目前在区块链上已经累积超过4千万条交易记录;公益寻人平台累积超过300个寻人案例;法务存证平台也已经对接了多家银行的几万条存证。
马化腾还明确提到,腾讯区块链不发币,“技术是好的,但是怎么用好这是另一个方面。如果做数字货币ICO,我觉得还是有很多的风险的,不是技术不成熟,如果大家都可以用区块链技术随便发行数字币,那会引发很多监管的问题。现在数字货币虽然很热,但是我们并没有参与其中,我们不考虑发币,因为我觉得这是一个非常有风险的事情”
腾讯区块链业务总经理蔡弋戈透露,区块链属于腾讯创新业务中的一个板块,跟AI类似,区块链也是一个从技术创新开始,未来有可能会在不同领域产生影响。腾讯从一开始就是从底层技术平台切入,目前一方面扎实储备技术基础,另一方面也在积极探索落地更多有价值的场景。
腾讯金融科技智库首席研究员王钧也表示,目前需要从商业价值,技术底层,法律等层面多个维度持续加强和优化,最终促进区块链行业的健康发展。
具体应用场景方面,蔡弋戈表示2018年腾讯会加大区块链结合供应链金融等方向的探索。而早在2017年4月,腾讯就已经正式发布了腾讯区块链方案白皮书,相关区块链技术已经被腾讯应用在了供应链金融、物流信息、法务存证、公益寻人、腾讯微黄金等多个领域。 “研究区块链技术和拓展区块链应用场景肯定是我们的发展方向。”蔡弋戈如是表示。
至于“区块链+供应链金融”的落地应用方面,由于信息不对称等原因,融资成本高、融资渠道窄一直困扰着中小企业的发展,在基于区块链信用基础的供应链金融场景中,通过区块链连通供应链上的各个机构,完整真实地记录资产(基于核心企业应付账款)的发行、流通、拆分、兑付,使得所有基于区块链技术发布的资产都能够完整追溯至核心企业与一级供应商的可信贸易背景,从而提升资产流动性,中小企业也能够以此为背书降低融资成本。
区块链的发展虽然具有很大的想象空间,但同时也需要注意到,区块链技术应用仍处于发展初期,行业规范度还有待提升,马化腾也提示了对于那些没有实体项目支撑的ICO项目的风险,他表示“如果大家都可以用区块链技术随便进行ICO、发行数字币,那一定是有风险的,会引发很多监管问题。”
王钧认为,目前,各类ICO(包括IFO、IMO等变体)已具有非法公开发行的特点,而各种“虚拟货币”的炒作则极易导致金融风险。国家近期的一些监管措施来的非常及时。另一方面,我们也要看到,政府对于区块链技术则一直采取开放包容的态度,在各个层面积极推动区块链在真实有效行业场景中落地。此外,共识算法等区块链的核心技术尚存在优化和完善的空间、区块链的处理效率也还难以达到现实中一些高频度应用环境的要求,这都需要企业和监管部门的联手,从商业价值、技术底层、法律规范等层面多维度对区块链技术的应用持续加强和优化,促进区块链行业的健康发展。随着政府的大力支持、行业运作的不断规范以及以腾讯为代表的互联网龙头企业的积极探索,区块链在技术上的突破、在不同行业场景中的落地都十分值得期待。
好文章,需要你的鼓励
Docker公司通过增强的compose框架和新基础设施工具,将自己定位为AI智能体开发的核心编排平台。该平台在compose规范中新增"models"元素,允许开发者在同一YAML文件中定义AI智能体、大语言模型和工具。支持LangGraph、CrewAI等多个AI框架,提供Docker Offload服务访问NVIDIA L4 GPU,并与谷歌云、微软Azure建立合作。通过MCP网关提供企业级安全隔离,解决了企业AI项目从概念验证到生产部署的断层问题。
中科院联合字节跳动开发全新AI评测基准TreeBench,揭示当前最先进模型在复杂视觉推理上的重大缺陷。即使OpenAI o3也仅获得54.87%分数。研究团队同时提出TreeVGR训练方法,通过要求AI同时给出答案和精确定位,实现真正可追溯的视觉推理,为构建更透明可信的AI系统开辟新路径。
马斯克的AI女友"Ani"引爆全球,腾讯RLVER框架突破情感理解边界:AI下半场竞争核心已转向对人性的精准把握。当技术学会共情,虚拟陪伴不再停留于脚本应答,而是通过"心与心的循环"真正理解人类孤独——这背后是强化学习算法与思考模式的化学反应,让AI从解决问题转向拥抱情感。
PyVision是上海AI实验室开发的革命性视觉推理框架,让AI系统能够根据具体问题动态创造Python工具,而非依赖预设工具集。通过多轮交互机制,PyVision在多项基准测试中实现显著性能提升,其中在符号视觉任务上提升达31.1%。该框架展现了从"工具使用者"到"工具创造者"的AI能力跃迁,为通用人工智能的发展开辟了新路径。