电商突围、传统企业数字化革新、消费需求与新场景迸发的同时,互联网驱动的技术迭代加持着产业变革的脚步,企业服务正在迎来更大的机遇。2019年9月5日,网易于杭州举办“星云·海纳——2019网易企业业务合作伙伴大会”,盘点网易深耕企业服务之路,发布基于未来新生态的合作伙伴战略。
会上,网易邀请了多位大咖坐镇,分享云服务生态趋势洞察,前瞻企业云服务的未来前景。三位合作伙伴代表——飞虎互动科技CEO石海东、深圳中力信息技术总经理刘丁力以及重庆突破顾问总经理陈江波各自分享和网易智慧企业的合作故事。同时,网易集中展示了教育、电商、金融等十大解决方案,深度解析行业及场景案例。最为重要的是,网易智慧企业部公布了“合作伙伴扶持计划“,更多优质合作伙伴虚席以待,和网易共约构建万亿新生态。
今年5月,网易进行架构调整和资源整合,公布成立智慧企业部。升级后的网易智慧企业部拥有三大业务线:提供稳定易用的通信与视频服务的PaaS平台网易云信,围绕客户服务与智能营销的SaaS产品网易七鱼,以及新一代企业人才发展解决方案提供商网易云企课。在网易整体的“4Plus战略”版图中,网易企业业务凭借稳定、可靠的云服务,与C端产品互相成就,占据了网易版图中的重要一席。
以匠心与创新闻名的网易,在选择赛道时看重的不仅是业务规模的增速,更关注其所带来的价值。虽然部门成立才不足四个月时间,但网易布局企业业务并非一朝一夕之事。在过往三年多的时间里,网易企业业务已经实现了一轮高速增长,覆盖智能终端设备数超过60亿,日活超过2亿,营收增长率3年翻8倍。其中,网易云信已为80万+企业开发者提供技术服务,网易七鱼已为25w+企业提供客户关系互动管理服务。而崭露头角的网易云企课,也已和3000余家机构及1000多位讲师合作。看准新“风”口,把握新“风”向,网易企业业务已经“扬帆”起航,驶向星云大海。
网易(杭州)副总裁阮良曾多次强调,企业业务是长跑,网易一直在这条赛道上发扬着慢跑精神,持续发力,却从不止步。而对于未来的发展策略,他表示,网易在扩大市场份额的同时,网易企业业务积极参与价值链的上下游,愿景做细分领域的隐形冠军,服务贯穿客户全生命周期。网易企业业务的十余套解决方案在此次大会上被集中展示,覆盖教育、医疗、政务等传统行业数字化转型,以及电商、泛娱乐等根植于互联网经济的新型领域。这些解决方案均在实战当中不断优化,并且充分发挥网易企业业务的积淀,打通三大品牌的底层技术,更加全面并有效地提升面向客户的服务效率与响应能力。同时,上层针对细分领域的场景化服务,使网易的技术与解决方案更加契合各行业各场景客户的需求。
以行业解决方案为基础,网易横向与纵深多维度拓展:SaaS横向布局,不断拓展合作行业,聚焦场景化落地;PaaS纵深切入,融合云计算、AI、大数据、IoT等通用技术,并深耕IM与音视频等技术的完整解决方案,支撑起亿量级产品的稳定运行和性能体验保障。阮良表示,“弈棋布置,务守网格”,正所谓“通盘无妙手”,背后是基于对局势的通盘分析与规划,做好每一步铺垫。秉持着网易出品,必属精品的产品理念,探索科技创新、模式创新和思维创新,这正是网易坚持的核心竞争力塑造。
网易认为,企业业务的的本质是产品和服务的叠加。“一人行快,众人行远”,一个完整的TO B生态系统,需众人拾柴。在新的合作伙伴战略中,网易给予了他们大力度的支持。譬如,合作伙伴可以获得网易的产品研发能力支持,减少自研压力,享受一流互联网公司高品牌的技术和服务能力,进而专注于客户的拓展,获得高额收入回馈。在实际的合作中,网易会持续为合作伙伴提供诚意满满的“大礼包”,例如合作伙伴专属的产品、技术培训和技术支持、合作伙伴认证授权、价格折扣的商务激励政策等。
企业业务似广阔的星云大海,合作伙伴就如漫天的璀璨繁星,以及遍地的涓涓溪流,汇聚的力量将托起未来生态。阮良表示,网易将始终以开放、合作、共赢之姿与各服务商、开发商和集成商等合作伙伴携手,共筑企业服务市场的星云大海,共建万亿新生态!
好文章,需要你的鼓励
工业升级的关键,或许在于智能本身。“工业+机器人”将成为通向下一阶段工业体系的核心抓手。——黄仁勋。
浙江大学等联合研究发现,AI强化学习效果取决于"模型-任务对齐"程度。当AI擅长某任务时,单样本训练、错误奖励等非常规方法也有效;但面对陌生任务时,这些方法失效,只有标准训练有用。研究团队通过大量实验证实,这种"舒适圈"现象比数据污染更能解释训练差异,为AI训练策略优化提供了新思路。
瑞士政府正式发布了自主研发的人工智能模型,该模型完全基于公共数据进行训练。这一举措标志着瑞士在AI技术自主化方面迈出重要一步,旨在减少对外国AI技术的依赖,同时确保数据安全和隐私保护。该模型的推出体现了瑞士对发展本土AI能力的战略重视。
巴赫切希尔大学研究团队通过对五种不同规模YOLO模型的量化鲁棒性测试发现,静态INT8量化虽能带来1.5-3.3倍速度提升,但会显著降低模型对噪音等图像损伤的抵抗能力。他们提出的混合校准策略仅在大型模型处理噪音时有限改善,揭示了效率与鲁棒性平衡的复杂挑战。