3月18日,哈萨克斯坦Bank Center Credit(“BCC”)银行与蚂蚁数科在杭州签署战略合作框架协议。BCC将借助蚂蚁mPaaS首次创建Super App,面向全球及本土客户提供跨境贸易相关的数字服务。蚂蚁mPaaS是国内覆盖行业最广泛的多端开发平台,此次合作也是继蚂蚁数科推进出海战略后又一进展。
据悉,蚂蚁mPaaS将向BCC提供性能提升、移动研发效能、音视频、智能运营及安全合规能力的完整解决方案,包含移动平台、智能投放、容灾平台、研发协作、小程序开发套件、安全检测等产品组件,覆盖App研发及运维中面临的问题。同时,兼容丰富生态,使得研发团队仅需一次开发,即可多端投放到自建App及端内外小程序等。
“我们很高兴宣布与蚂蚁数科合作,蚂蚁在开发数字金融平台方面拥有丰富的经验,以其创造高品质产品和服务的创新方法而闻名。我们相信,合作将互惠互利,创造能满足客户需求并带来新机遇的产品。”BCC总裁Ruslan Vladimirov表示。BCC是哈萨克斯坦历史最悠久、规模最大的银行之一,为超300万客户提供全方位金融服务,并通过其包括40家外国银行的合作网络,向海外提供便捷的跨境支付。
中亚是一带一路倡议的关键区域,而哈萨克斯坦是中亚最大且最成熟的经济体,并积极推进数字化创新。前不久,数字发展、创新和航天航空工业部部长巴格达特·穆辛在第六届“数字阿拉木图:X工业——未来的数字化演变”国际数字化论坛上提到,哈萨克斯坦在线服务在全球排名第8,“电子政府”发展方面则全球排名第28位。
“哈萨克斯坦的人口结构年轻,45%人口年龄在30岁以下,热衷于采用数字经济与世界其他地区连接,当地企业数字化服务活跃度也非常高,这为我们双方合作提供了基础。”蚂蚁数科国际业务总经理黎国威在现场分享,“以超级应用开发解决方案合作为纽带,蚂蚁数科还将与BCC一起积极推动当地与中国商家生态的数字服务与贸易合作。”
据悉,针对海外市场,蚂蚁数科旗下mPaaS等多个技术产品已完成标准化、灵活性的整体迭代,并重点在数据安全合规方面进行升级,以适配不同国家和地区的要求。
蚂蚁mPaaS在国内广泛应用于金融、政务、交通及互联网等行业,服务于上百家中大型客户以及上千家中小客户,中国移动、上海地铁、广发银行等2000+移动App均基于mPaaS进行不同操作系统的应用开发。
蚂蚁数科移动科技业务负责人祁晓龙分析称,“无论是在中国还是中亚、东南亚,超级App仍然是企业数字化升级的重要一步,这一步关系着企业如何通过一个终端工具向用户提供多样化数字服务,充分链接生态伙伴,并进一步寻找下一个业务增长点。”
以“中国经验”为例,2020年新华保险正式启动“云翼项目”,针对底层架构设计、系统功能完整、客户操作体验三方面,使用蚂蚁SOFAStack、蚂蚁mPaaS对其“掌上新华”新版App进行了定向升级,切换完成后,App单日新增用户环比上周提升1000%,日活用户数提升450%,日均交易额为此前的4.63倍。
公开资料显示,蚂蚁数科是蚂蚁集团科技商业化独立板块,凭借区块链、云原生、安全科技等产品,在全球已经服务超过1万家企业客户。去年,蚂蚁数科发力海外市场,重点聚焦一带一路沿线国家、东南亚迅速增长的数字化需求,ZOLOZ、蚂蚁mPaaS、蚂蚁SOFAStack、ZAN四大规模化应用产品已拓展至马来西亚、菲律宾、印尼等。
蚂蚁集团资深副总裁、蚂蚁数科总裁蒋国飞在签约现场表示,“蚂蚁数科会坚定全球化战略,在国际市场中提升自身科技创新能力,联合全球伙伴帮助产业建立数字信任,为全球企业级客户的数字化升级提供动能。”
好文章,需要你的鼓励
本文评测了六款控制台平铺终端复用器工具。GNU Screen作为老牌工具功能强大但操作复杂,Tmux更现代化但学习曲线陡峭,Byobu为前两者提供友好界面,Zellij用Rust编写界面简洁易用,DVTM追求极简主义,Twin提供类似TurboVision的文本界面环境。每款工具都有各自特点和适用场景。
韩国汉阳大学联合高通AI研究院开发出InfiniPot-V框架,解决了移动设备处理长视频时的内存限制问题。该技术通过时间冗余消除和语义重要性保留两种策略,将存储需求压缩至原来的12%,同时保持高准确性,让手机和AR眼镜也能实时理解超长视频内容。
网络安全公司Snyk宣布收购瑞士人工智能安全研究公司Invariant Labs,收购金额未公开。Invariant Labs从苏黎世联邦理工学院分拆成立,专注于帮助开发者构建安全可靠的AI代理工具和框架。该公司提供Explorer运行时观察仪表板、Gateway轻量级代理、Guardrails策略引擎等产品,并在工具中毒和模型上下文协议漏洞等新兴AI威胁防护方面处于领先地位。此次收购将推进Snyk保护下一代AI原生应用的使命。
纽约大学研究团队通过INT-ACT测试套件全面评估了当前先进的视觉-语言-动作机器人模型,发现了一个普遍存在的"意图-行动差距"问题:机器人能够正确理解任务和识别物体,但在实际动作执行时频频失败。研究还揭示了端到端训练会损害原有语言理解能力,以及多模态挑战下的推理脆弱性,为未来机器人技术发展提供了重要指导。