至顶网软件频道 9月20日 杭州消息(文/陶婧婕):9月19日上午,2018杭州·云栖大会的第一天。阿里云总裁胡晓明的演讲被排在阿里巴巴集团首席执行官张勇(致辞)后面,也是演讲顺位的第一人。然而,在这个非常严肃、认真的场合,胡晓明竟然一上台就跟主持人喝起了茶。没错,还有专人给斟茶,喝的还是杭州特产西湖龙井。
主持人一直在介绍,而胡晓明一直在看手机。为什么?其实,这是DEMO演示环节。胡晓明用手机打开了天猫app,点开必备工具后再点击AI挑物(如下图)。胡晓明表示,通过AI技术对大量西湖龙井茶叶的图片进行学习,利用AI挑物这个功能,给西湖龙井茶叶拍张照片,就能识别出哪一款西湖龙井是机器炒制的(价格低)、哪一款是手工炒制的茶叶(价格高)。
拍西湖龙井图片鉴别品质(机器炒制、手工炒制)的DEMO拉开了胡晓明主题演讲的帷幕,他演讲的内容是由N+1个案例来组成的,以杭州为起点,向全球更多城市输出数字中国的“杭州方案”是阿里云的目标。他表示,“这些新杭州故事,明天将会在更多城市发生。”
在这些案例中,盒马鲜生的“盒区房”深得我心。毕竟民以食为天,“生鲜”是刚需、高频、高复购的品类,能把新鲜、品类繁多的生鲜产品在短时间内送货上门,对消费者来说诱惑非常大。
不要学区房,我要住盒区房!
“盒马鲜生”分为线上与线下两部分业务,线下开设门店,线上则依托实体店,提供三公里以内、半小时送达的快速物流配送服务。距线下店三公里范围内的房子就叫做“盒区房”。
顾宇琳是一个酷爱海鲜的新杭州人,她每次下班去菜市场,都发现海鲜不“鲜”了,这让她非常烦恼。自从搬到了“盒区房”,通过手机APP下单,就能轻松买到全世界空运的新鲜品质的海鲜,30分钟后,快递小哥/美眉就会送货上门,这让她非常满足。
看到这,我已经让嫉妒蒙蔽了双眼,我也是一个酷爱吃海鲜的人,但是需要到几公里(大于三公里)之外的盒马线下店购买才行,对此我表示,我要住盒区房!
快速配送的背后 是阿里云在做支撑
住在“盒区房”的顾宇琳,可以做到“想吃的新鲜不用等”,她体会到的是盒马非常周到的送货服务。而在这背后做支撑的阿里云,却是消费者不知道的。阿里云做了相当多的工作来支撑盒马的服务,今儿我们就来说一说。
盒马的配送模式是建立在数据基因之上的,通过数据掌握消费者需求,反向驱动商品采购、中央厨房、加工中心、配送等环节的精准供应和流通效率,最终实现3公里范围内30分钟免费送达的智能物流体验。
另外,阿里云以算法驱动运营系统,以算法支撑配送系统。举例来说,传统仓库拣货是由一人拣完订单中所有货品,但盒马属于分布式拣货,即通过算法将订单打散,使得不同的拣货员就近拣货,最终将拣货环节控制在3分钟以内。将门店覆盖的用户地址形成大数据,算出一次配送三四单的最近距离。
就像胡晓明说的那样,盒马线上配送服务要把不确定性变为确定性,背后依靠的是数据,依靠的是人工智能,依靠的是云计算。
对消费者来说,盒马贴心的配送服务值得给好评。而这个好评,除了给线下店的新鲜生鲜、快递小哥/美眉的,还有一部分是给背后英雄阿里云的。没有阿里云的技术做支撑,线下店、分拣员、快递员不可能配合的那么完美。
要变革传统零售模式 阿里云表示需要继续用技术来驱动用户体验
盒马鲜生是阿里在新零售(马云2016年在云栖大会上首次提出新零售概念)业态方面的尝试。其肩负了传统零售变革者的重任。其线上与线下经营高度融合,开辟了全新的经营模式,对传统生鲜电商形成冲击。
另外,生鲜超市始终面临着高损耗的魔咒,动辄高达30%的损耗极大拉低了利润率。当阿里云对大数据进行分析后,盒马店按需供应,有效减少生鲜品积压。即便偶有超量,只要阿里云根据后台大数据筛选出有消费意向的顾客,向其推送一条优惠信息,往往几分钟即可搞定。
在杭州,已经有越来越多的盒马鲜生为周边的市民提供便捷服务,对消费者来说,食品新鲜、服务周到是其选择盒马的主要原因。胡晓明表示,还需要继续通过技术来驱动用户体验。
盒马的新零售模式,是以生鲜电商为切入口,通过互联网的模式将APP和线下门店覆盖生鲜食品和餐饮服务,运用阿里云的技术(大数据、云计算、人工智能等技术),再融合线上服务、线下体验以及物流配送,满足了顾客对于生鲜品质要求的同时,也考虑到了用户随时随地“吃”的需求。
好文章,需要你的鼓励
在我们的日常生活中,睡眠的重要性不言而喻。一个晚上没睡好,第二天的工作效率就会大打折扣,而充足的睡眠不仅能让我们恢复精力,还能帮助大脑整理和巩固当天学到的知识。有趣的是,AI模型竟然也表现出了类似的“睡眠需求”。
DeepSeek-AI团队通过创新的软硬件协同设计,仅用2048张GPU训练出性能卓越的DeepSeek-V3大语言模型,挑战了AI训练需要海量资源的传统观念。该研究采用多头潜在注意力、专家混合架构、FP8低精度训练等技术,大幅提升内存效率和计算性能,为AI技术的民主化和可持续发展提供了新思路。
尽管模型上下文协议(MCP)自11月推出以来用户数量快速增长,但金融机构等监管行业仍保持谨慎态度。银行等金融服务公司虽然在机器学习和算法方面是先驱,但对于MCP和Agent2Agent(A2A)系统的采用较为保守。监管企业通常只使用内部代理,因为其API集成需要经过多年审查以确保合规性和安全性。专家指出,MCP缺乏基本构建块,特别是在互操作性、通信标准、身份验证和审计跟踪方面。金融机构需要确保代理能够进行"了解您的客户"验证,并具备可验证的身份识别能力。
加拿大女王大学研究团队首次系统评估了大型视频语言模型的因果推理能力,发现即使最先进的AI在理解视频中事件因果关系方面表现极差,大多数模型准确率甚至低于随机猜测。研究创建了全球首个视频因果推理基准VCRBench,并提出了识别-推理分解法(RRD),通过任务分解显著提升了AI性能,最高改善幅度达25.2%。