至顶网软件频道消息: 4月19日,由第三方电子合同平台法大大与企业级服务平台崔牛会联合主办的“区块链与企业服务落地应用”论坛在北京举行。作为“2018中国企业互联网春季峰会”重磅推出的区块链分论坛,来自微软(中国)、甲骨文、芝麻信用的三位首席架构师及法链负责人、信天创投创始合伙人等行业专家在现场做了以区块链、企业服务和法律为核心的干货分享。嘉宾们探讨了以场景落地应用为目的的多种实现途径,并为区块链在ToB领域的实践提供了可行性建议。
面对区块链在企业层面的未来应用潜力,甲骨文首席架构师魏清刚表示,区块链针对企业的价值在于赋能企业,并在未来数字化转型中为之快速找到可落地的链上应用场景,而非技术本身。随着国家对工业制造2025、大数据、云计算的高度重视,未来的企业在数字创新层面,特别是通过借助云计算、物联网、大数据、区块链、人工智能等技术,构建适合企业自身的数字创新平台将成为未来企业的核心竞争力之一。
以微软、甲骨文、阿里巴巴、法大大为代表的各领域头部企业,其实早已开始区块链在企业应用层面上的布局。
其中微软与法大大、Onchain早在2016年8月就联合发起了电子存证区块链联盟“法链”,这是当时乃至目前全球最大的商用电子存证区块链联盟。“法链”将区块链技术应用于电子文件的数据存证场景,将电子文件的签署时间、签署主体、文件哈希值等数字指纹信息广播到“法链”所有成员的节点上,信息一经存储,任何一方无法篡改,从而满足了电子证据的司法存证需求。目前仅法大大电子合同平台,每天就有超过270万份合同文件经由法链实现区块链数据存证,惠及的行业覆盖金融、保险、第三方支付、旅游、房地产、医疗、物流、供应链、B2B、B2C线上交易平台、人力资源管理等多个领域。
此外,阿里巴巴也在区块链上做了不少布局,根据芝麻信用首席产品架构师徐惠的介绍,芝麻信任链基于区块链+生物识别+加密+信用,用于解决现实世界的交易信任问题。芝麻信任链是第一个支持全链路可信电子合约的区块链,实现信息的真实透明、不可篡改,减少信息不对称导致的不信任问题;芝麻信任链是第一个多级裁定司法可信的区块链,通过自动判定、平台判定、司法判定等多方判定机制降低监管成本和用户维权成本;芝麻信任链也是第一个信用联合奖惩的区块链,通过信用评估和联合奖惩鼓励守信、惩罚失信行为、增加失信成本。信任链可在租房、租赁、政务、安心消费、版权保护、二手交易等场景应用。徐惠举例表示,芝麻信任链将在共享租赁、线下安心消费、内容版权FactHub以及闲鱼二手交易上发挥作用。
除了芝麻信任链的尝试,2016年阿里邮箱还与法大大推出了全球首个基于区块链技术的邮箱存证产品,有效保证了电子邮件作为电子证据的安全性、稳定性,防止了具备证据效力的邮件数据被篡改。
不论是区块链合同存证、邮箱存证还是信用链,都指向了近年兴起的法律科技(LawTech)领域。法律科技主要指利用AI、区块链、大数据等全新的技术手段改进传统法律业态、提升法律服务体验的高新技术及其具体应用。它以技术构建信任机制,利用技术手段确保法律服务的有效性、安全性,并由事后介入转为事前参与,可以很大程度弥补法律滞后性的缺陷,而这与区块链的自信任机制也不谋而合,也必将成为数字时代企业高效运转的重要合规及风控保障。
法大大联合创始人兼首席法务官梅臻作为法律科技公司创业者,也在现场分享了中国法律语境下的区块链思考。他综合介绍了目前政府对区块链的态度,以及未来法律可能因区块链产生的变化。在他看来,法律随区块链变化或是偏长期和滞后的事,但可以预见的是,区块链技术将可能冲击物权法的现有规则,并导致相关合同法、公司法、金融法、程序法等规则的改变。
以合同法为例:“智能合约的意思表示方式与现行合同法中合同各方订立意思表示的方式会有极大的差异,在什么样的情况下可以认定为意思表示一致、合意达成等问题需要合同法对其进行明确。另外,智能合约可以自动执行,或者可以说取代了人的履行契约的行为,那么在现行合同法下,契约履行的相关规定或已不能适应智能合约的需求,合同法的规则可能要进行改造,甚至重塑。简而言之,智能合约的应用会导致合同的成立、生效、撤销、履行等界限和概念不再明晰,违约行为的认定、合同的解除和补救等方面将存在很多新的问题亟待解决和研究。”
好文章,需要你的鼓励
这项研究由新加坡国立大学团队开发的DualParal技术,通过创新的双重并行架构解决了AI视频生成的长度限制问题。该方法同时在时间帧和模型层两个维度实现并行处理,配合分块降噪机制、特征缓存和协调噪声初始化策略,使生成分钟级长视频成为可能。实验表明,在生成1,025帧视频时,DualParal比现有技术减少了高达6.54倍的延迟和1.48倍的内存成本,同时保持了高质量的视频输出,为内容创作者提供了生成更长、更复杂视频叙事的新工具。
SoloSpeech是约翰霍普金斯大学研究团队开发的创新语音处理技术,针对"鸡尾酒会效应"问题提出了全新解决方案。该系统通过级联生成式管道整合压缩、提取、重建和校正过程,实现了高质量目标语音提取。与传统判别式模型相比,SoloSpeech采用无需说话者嵌入的设计,直接利用提示音频的潜在空间信息与混合音频对齐,有效避免特征不匹配问题。在Libri2Mix及多个真实世界数据集上的评测显示,SoloSpeech在清晰度、质量和泛化能力上均达到了领先水平,为语音分离技术开辟了新方向。
这项由北京大学深圳研究生院、伟湾大学、腾讯ARC实验室和兔小贝智能联合研究的Sci-Fi框架,通过创新的对称约束机制,解决了视频帧间插值中的关键问题。研究团队设计了轻量级EF-Net模块,增强结束帧约束力,使其与起始帧形成平衡影响,从而生成更自然流畅的中间过渡帧。实验证明,该方法在各种场景下都优于现有技术,特别适用于电影制作、动画创作和视频编辑领域,显著降低了人力成本。
这项来自西北大学和谷歌的研究突破了传统马尔可夫强化学习的局限,通过贝叶斯自适应RL框架解释了大语言模型中涌现的反思性推理行为。研究团队提出的BARL算法通过维护多个解题策略的后验分布,指导模型何时何地进行反思性探索,在数学推理任务上展现出显著优势,比基线方法减少高达50%的标记使用量,同时提高了准确率。这一研究不仅解释了"为什么反思有用",还提供了实用的指导原则,为AI系统的自适应推理能力开辟了新方向。