“三国杀”:互联网云鏖战“云+大模型”

深度学习方法(五):卷积神经网络CNN经典模型整理Lenet,Alexnet,Googlenet,VGG,Deep Residual Learning... 欢迎转载,转载请注明:本文出自Bin的专栏blog.youkuaiyun.com/xbinworld。 技术交流QQ群:433250724,欢迎对算法、技术感兴趣的同学加入。 关于卷积神经网络CNN,网络和文献中有非常多的资料,我在工作/研究中也用了好一段时间各种常见的model了,就想着简单整理一下,以备查阅之需。如果读者是初接触CNN,建议可以先看一看“Deep Learning(... 阅读详情

近日,**腾讯、百度、阿里巴巴相继公布了2024年第一季度财报。**在云业务方面,阿里云2024年一季度收入增长3%至255.95亿元,腾讯云计算业务未单独列入财报,腾讯最新财报显示,包含云计算在内的金融科技与企业服务业务一季度收入增长7%,毛利同比增长42%。百度智能云在2024年一季度营收达47亿元,同比增长12%。

BAT三家互联网大厂的云计算业务在2024年第一季度都实现了不同程度的增长,但在行业竞争趋于白热化、互联网云增速放缓的背景下,寻求“云+大模型”螺旋式增长成为了互联网云共同的课题。

业绩增长

阿里云业绩增长主要归因于阿里云聚焦公有云带来产品结构改善和运营效率提升,并减少利润率较低的项目制合同。2024年一季度内,阿里云核心公共云产品(包括弹性计算、数据库、AI产品等),收入实现了同比两位数的增长。

图片

腾讯云计算业务从2018年起不单独列入财报,经历了战略调整后的云业务正成为拉动腾讯营收增长的重要曲线。ToB业务连续12季占比超30%,成为腾讯增长核心引擎。财报显示,得益于云服务收入和视频号商家技术服务费的增长,企业服务收入实现十几个百分点的同比增长率。腾讯云企业服务通过主攻自研的优势赛道,在PaaS和SaaS两块最核心的云服务上取得商业化增长突破。

腾讯董事会主席兼首席执行官马化腾在业绩说明会上提到,在云计算方面,来自媒体、娱乐和直播行业的国际和国内客户越来越多地使用腾讯云媒体服务。企业SaaS产品、腾讯文档和腾讯会议**,在混元驱动功能方面增加了功能,并增加了企业客户的采用。**

图片

百度智能云在一季度保持增长,并且在非公认会计准则(Non-GAAP)下持续保持盈利状态。同时,生成式人工智能对百度营收的贡献率已达到6.9%,且这一比例正在逐步提升。百度创始人李彦宏表示,“模型推理是最重要的长期机会之一”,并认为这将成为推动云业务增长的关键因素。

激烈竞争

但互联网云业务增长相比运营商云的增长略显逊色,例如,今年一季度中国联通联通云收入达到167亿元,同比增长30.3%。在市场份额上,互联网云厂商市场份额持续下滑,阿里云2023下半年市场份额同比下降5.5%,腾讯云市场份额同比下降0.5%。

面对市场竞争,互联网厂商也在做相应战略调整。**阿里云确定了“AI驱动、公共云优先”战略,**对阿里云所有产品和业务模式作取舍, 减少项目制销售订单,加大公共云核心产品投入。腾讯云从过去项目总包模式,转为基于腾讯自研产品为主导、健康可持续的业务模式。

2024年3月1日开始,阿里云开启新一轮的降价政策,核心产品价格全线下调,平均降幅20%,最高幅度达55%。4月8日,阿里云海外市场宣布全线降价,平均降幅23%,降价覆盖全球13个地域节点部署的核心云产品,最高降幅59%。

图片

财报显示,阿里云为进一步提升公共云在中国市场的渗透率,在2024年一季度内对核心产品进行了大幅降价。这一降价动力主要来自阿里云的基础设施规模,以及技术进步带来的成本红利。除了阿里云,腾讯云、京东云、字节云在过去一年多时间里也多次降价,腾讯云产品价格降幅最高达40%。

对于云厂商的降价,通信行业观察家苏敏坚表示,其发展策略很清晰**:先把价格打下来,然后把市场抢回来。**重新瞄准中小微企业、个人云用户,通过降低价格,做大公有云供给规模,平衡成本,以提升利润率。

艾媒咨询CEO张毅在接受《通信产业报》全媒体采访时表示,对于广大中小企业而言,云计算服务的价格一直是影响其采纳和使用的关键因素。阿里云等企业降价,无疑将降低这些企业使用云计算的门槛,推动更多企业享受到云计算带来的便利和高效。

AI变量

ChatGPT的出现,不仅改变了AI领域的发展格局,也改变了云计算的发展格局——智能算力的角色将更加关键。头部云计算厂商纷纷布局大模型,但布局策略又有差异。

阿里云坚持开源开放,全面推进AI大模型产业应用,深度参与行业应用。财报显示,阿里云AI相关收入季度内持续三位数的同比增长。这一增长来自广泛的行业,其中既包括基础模型公司、互联网公司的模型训练及推理服务需求,也包括来自金融、汽车等行业的AI模型应用需求增长推动。

在算力日渐稀缺的背景下,大模型正在带来新一轮承接算力的需求。在战略层面,腾讯投入自研大模型,为国内领先的大模型公司提供算力资源的支持,同时致力于提升数据接入大模型的效率。

目前能给B端客户产生价值的,更多的还是行业大模型。腾讯选择很多行业大模型作为切入点,为未来的商业化做铺垫。腾讯云希望和更多客户联合研发能够在特定应用场景发挥价值的大模型。

几家云计算大厂中,百度智能云的规模最小,百度对文心一言持续进化,加速大模型的迭代,与云服务相结合,提供智能算力资源和训练工具,帮助其他企业开发自己的模型。百度创始人李彦宏表示“卷大模型没有意义,卷应用才是真正的价值所在。”“没有丰富的AI原生应用生态,大模型就一文不值。”

近日,云厂商的价格战已经烧到了大模型领域。5月21日,阿里云宣布通义千问大模型降价,其中GPT-4级主力模型Qwen-Long降价幅度甚至达到97%;百度宣布文心大模型的两大主力模型ERNIE Speed和ERNIE Lite全面免费。头部云厂商又开始了新一轮鏖战。

​

如何学习AI大模型?

作为一名热心肠的互联网老兵,我决定把宝贵的AI知识分享给大家。 至于能学习到多少就看你的学习毅力和能力了 。我已将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

这份完整版的大模型 AI 学习资料已经上传优快云,朋友们如果需要可以微信扫描下方优快云官方认证二维码免费领取【保证100%免费】

在这里插入图片描述

一、全套AGI大模型学习路线

AI大模型时代的学习之旅:从基础到前沿,掌握人工智能的核心技能!

img

二、640套AI大模型报告合集

这套包含640份报告的合集,涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师,还是对AI大模型感兴趣的爱好者,这套报告合集都将为您提供宝贵的信息和启示。

img

三、AI大模型经典PDF籍

随着人工智能技术的飞速发展,AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型,如GPT-3、BERT、XLNet等,以其强大的语言理解和生成能力,正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。

img

四、AI大模型商业化落地方案

img

作为普通人,入局大模型时代需要持续学习和实践,不断提高自己的技能和认知水平,同时也需要有责任感和伦理意识,为人工智能的健康发展贡献力量。

【企业知识助手·Agent 实战】如何构建 Agent 运行态可观测体系:从行为基线漂移检测到成本预算治理的深度实战 核心原理:运行态可观测的本质是把"单点阈值"升级为"与基线的分布距离"——埋点回答发生了什么,基线比较回答这是否还正常关键结论:deny 率没有单向好坏语义,必须双边告警 + known-good / known-bad 双哨兵仲裁;成本归因的终点是单位经济与预算三线一位;评测分数入库让质量拥有趋势线。 阅读详情

相关推荐

App渗透 - 人脸识别登录绕过

一、APP抓包和逆向破解加密算法打开APP是一个登录框抓包后发现参数被加密了使用Jadx脱源码发现,并没有加壳也没有混淆,运气很好根据经验,先搜索Encrypt、Decrypt等关键字,发现在Common.js中有一个encryptData函数定位过去,一套加解密算法都写好了放在这放到浏览器console里面调试,果然没错二、寻找注入点首先测试了一下注入明文:{"userName":"TEST'...

渗透测试研究中心 2823

腾讯游戏 2026 年 Q1 财报解读:AI 赋能下的新增长曲线

2026 年 Q1 财报显示,腾讯游戏在 AI 技术赋能下焕发新活力。国内业务稳健增长,海外扩张势头迅猛,云游戏和元宇宙布局初见成效。尽管面临监管和竞争挑战,但凭借强大的技术实力和丰富的 IP 储备,腾讯游戏有望在 2026 年再创新高,巩固全球游戏行业领先地位。

4656

数据字典实战:如何用Excel快速搭建你的第一个数据字典(附模板下载)

本文针对中小团队在软件开发中面临的术语不一致问题,提供了一套使用Excel快速搭建数据字典的实战指南。文章详细讲解了核心字段设计、填充示例、高阶技巧及团队协作维护流程,旨在通过这一轻量级工具统一团队共识、提升开发效率,并附有实用模板下载。

weixin_29303701的博客 380

腾讯财报背后的小秘密:转型路上的未知

8月14日,腾讯发布第二季度财报,不凑巧的是,当日欧市盘中,美国2年期与10年期国债利率发生2007年来首次倒挂,引起市场对经济衰退的恐慌,美股三大指数均暴跌3%。 8月15日,中国香港恒生指数低开1....

1970

深入浅出横向联邦学习、纵向联邦学习、联邦迁移学习

深入浅出解析横向联邦学习(Horizontal Federated Learning)、纵向联邦学习(Vertical Federated Learning)和联邦迁移学习(Federated Transfer Learning)有多个机构(比如几家不同的银行,或者几家医院)都拥有一些数据,他们希望联合起来训练一个更强大的机器学习模型,但出于隐私保护或法规要求,他们不能直接把数据共享出来。联邦学习就是为了解决这个问题而提出的。它的核心思想是“数据不动模型动”,即数据保留在本地,参与方共同训练模型。

frostmelody 全网同名,大家多多关注呀~ 持续分享优质内容! 2458

使用mid360运行lio-livox对比fast-lio2

msg_type为激光雷达发出的数据格式,有livox自定义数据类型格式CustomMsg和ros标准的PointCloud2格式,因此首先需要确定激光雷达端配置的是哪种格式。可以从激光雷达的ros驱动中看到驱动端有三种格式可以选,驱动端的数字2对应lio-livox中的1,驱动端的0对应lio-livox的格式0。如果使用的是Ubuntu18.04编译完成后运行直接成功,如果使用20.04运行会报错,需要修改以下源代码。针对livox-mid360 运行lio-livox的一些问题。

z1872385的博客 1226

腾讯财报:2018年Q3腾讯净利润197.1亿元 同比增长15%

腾讯控股有限公司 (00700.HK) 今天公布截至2018年9月30日未经审核的第三季度业绩。2018年第三季度,腾讯总收入为人民币805.95亿元,比去年同期增长24%。公司权益持有人应占盈利233.33亿元人民币,比去年同期增长30%。非通用会计准则本权益持有人应占盈利197.1亿元人民币,同比增长15%。 财报显示,QQ月活跃用户为8.026亿,同比减少4.8%,微信及WeCha...

199it 1872

接口电路设计的关键要点

接口电路设计是嵌入式硬件开发的核心环节,本文系统阐述了五大关键设计要点:1)电平匹配技术,详细分析了3.3V/5V系统互连方案及转换电路计算;2)阻抗匹配原理,包括高速信号反射机制及差分信号处理;3)滤波与去耦设计,提出多级电容配置和"先电容后过孔"布局原则;4)接地设计规范,重点说明模拟/数字地分离及高速信号回流路径;5)防护电路设计,涵盖防反接、过流保护及ESD防护方案。文章通过具体计算公式、器件选型指南和布局技巧,为接口电路设计提供了系统化的解决方案,并附有设计检查清单和典型问题分

weiyvyy的博客 453

2015年移动支付展望:打车应用出局

滴滴和快的先后进入企业租车市场了,这是在“专车”业务之后又一次业务扩张,在我看来这两款明星应用终于“走上正道”,不再只是腾讯和阿里移动支付“两马战”的道具,而是从“支付培养器”真正回到“用车服务提供商”。想必大家记得去年春节期间滴滴和快的的补贴大战、微信和支付宝的红包大战,成为各大科技媒体头条常客。到了今年,滴滴和快的看样子已经退出,是不是移动支付大战不再打了呢?答案必须是否定的。不只是没有停止,...

weixin_40192258的博客 171

2025_NIPS_Truthful Aggregation of LLMs with an Application to Online Advertising

大型语言模型(LLMs)生成内容的 revenue 变现是在线广告的下一个前沿领域。我们考虑这样一种场景:广告商旨在影响LLM的回复,而平台则寻求最大化广告商价值并确保用户满意度。核心挑战在于,广告商的偏好通常与用户偏好存在冲突,且广告商可能误报其偏好。为解决这一问题,我们提出MOSAIC——一种拍卖机制,它确保真实申报是广告商的占优策略,并使每个广告商的效用与其对社会福利的贡献保持一致。重要的是,该机制无需LLM微调或访问模型权重,且随着计算资源的增加,可证明收敛到最优微调LLM的输出。

c_cpp_csharp的专栏 78

智能手表 BOM 表与版本管理记录

试产与量产阶段 智能手表 BOM 表与版本管理记录

hoony123的博客 1053

深度网络VGG理解

前言: ILSVRC 2014的第二名是Karen Simonyan和 Andrew Zisserman实现的卷积神经网络,现在称其为VGGNet。它主要的贡献是展示出网络的深度是算法优良性能的关键部分。他们最好的网络包含了16个卷积/全连接层。网络的结构非常一致,从头到尾全部使用的是3x3的卷积和2x2的汇聚。他们的预训练模型是可以在网络上获得并在Caffe中使用的。VGGNet不好的一点是它

wcy12341189的博客 9万+

把 SAP Activate 六个阶段看透:从项目落地到 SAP BTP 扩展与 AI 运营的一体化实践

摘要: SAP Activate 方法论常被误解为简单的项目阶段划分,实则是一套将业务目标、标准流程、系统配置和持续运营串联的实施控制体系。其六个阶段(Discover至Run)构成价值递进的实施通道,核心交付集中在Prepare到Deploy阶段。Discover阶段通过DDA评估确立项目方向与范围,Prepare阶段聚焦可执行性准备,Explore阶段采用Fit-to-Standard工作坊进行需求分层,Realize阶段基于前期决策进行配置与扩展开发。该方法论强调标准化优先,差异化需求通过SAP BT

2007 年 ~ 2025 年,深耕 SAP 技术 18 年 2328

6 款电商 AI 图片生成软件实测|国内 + 跨境卖家工具清单

电商 AI 作图工具已经从 "能不能用" 进入了 "好不好用" 的阶段。对于绝大多数卖家而言,现在的 AI 工具已经可以覆盖 60%-80% 的基础商品图需求,显著降低拍摄和设计成本。选择工具的核心逻辑不是 "哪款最强",而是 "哪款最适配你的品类、平台规模和团队能力"。垂直电商工具胜在工作流效率,通用生图工具强在创意上限,模板类工具赢在上手速度。建议根据自身业务阶段,搭配 1-2 款主力工具 + 1 款辅助工具,形成适合自己的视觉生产流程。

Mardi_Ladin的博客 273

Camera2Demo

在Camera2 的基础上进行封装,使得Camera2一堆初始化逻辑与Activity分离,降低耦合度,完成预览拍照并保存的操作

ssm框架搭建

这个是一个在idea上成功跑起来的ssm框架项目,保存在这里方便以后使用直接下载

我用 GPUWorks 在 M1 Pro 上搭了个发票识别原型

公司里经常要看电子发票。我想先做个小原型:把 PDF 发给一个自己部署的图文模型,让它提取发票类型、日期、交易双方和金额,再把结果交给同事核对。这个原型不用先接财务系统,先看看从部署到调用要走多少步,模型返回的内容能不能帮上忙。

鸽芷咕的博客 1万+

Outlook Express 6 (OE6) for Win7/Win8/Win10

英文版 Outlook Express6.0, 兼容Win7/Win10/WinXP,解压就可用。

您您这可以把问小白的多个会话比如说。左侧的多个会话一次性导出吗?不是单条会话里面的多次会对话。AI导出鸭

第三层是格式编译层。这个决策背后的判断很清晰:一个批量导出工具的价值,不在于“试三次”,而在于你真正用它处理了几十份技术文档、访谈记录或课程讲义之后,它是否值得留在你的工作流里。问小白的会话列表通过分页接口加载,AI导出鸭 在页面运行时建立旁路监听,捕获每一次分页请求返回的完整对话清单,包括会话 ID、标题、时间戳和隐藏的元数据字段。让AI导出回归优雅——这句话说的是:导出不该是体力活,而应该是一次完整的、可预期的文件交付。注意:这里的“批量”指的是左侧列表里的多个独立会话,不是一条会话内的多轮对话。

laoyunsi的博客 217

在Codex 让AI模型 拥有长期智能记忆

本文介绍Claude-Mem V15新功能——智能记忆召回,解决AI遗忘、重复提示、执行不一致等问题。通过本地部署claude-mem,实现自动记录决策(如数据库选型)、跨会话智能召回,支持记忆写入、检索、遗忘全流程闭环。相比传统记忆方案,其基于Hooks自动捕获工具调用,结构化存储,可追溯、可共享、可清理,显著提升工程效率与协作一致性,是长期项目中理想的“工作黑匣子”与“工程脑”。

米莱虾 249

医疗 AI 有两种,别混着谈:一个改流程,一个改范式

InfoXMed 是面向医生、医学生和医学科研人员的 AI 医学工具平台,提供文献检索、全文翻译、AI 解读、指南查询和题库练习等功能,辅助临床学习、科研汇报与医学备考。原文是日本医学会杂志(JMA Journal)的一篇综述(Review Article):基本事实:这一点必须先说清:这篇论文提出的是一个研究纲领。它文中的"预测"指的是科学设想,不是可以拿来用的临床预测能力。文中甚至自己承认了一个硬缺口(见第三节)。本文只谈它的术语辨析与科学方法论,不转述任何可作为临床依据的预测或处置主张。这篇论文的全部

2601_96948740的博客 188

河道漂浮物目标检测数据集

目标检测,yolo,河道漂浮物目标检测数据集

DL_data_set的博客 170

AI 应用开发工程师技术实践:大模型接入、通用组件封装与性能优化

本文提出AI应用从PoC到生产的核心挑战:模型调用的持续可用、可控与可优化。通过构建统一LLM网关实现多供应商路由与故障转移,封装对话、工具调用与RAG组件以解耦业务逻辑,结合前缀缓存、批处理与流式背压治理等性能优化手段,形成“接通→接稳→接快”的工程路径,最终以工程化能力决定AI应用的生产可用性。

2301_79189962的博客 473

大模型 Embedding 与向量相似度详解

Embedding 解决的问题:计算机不懂文字,但懂数字│▼文本 → 向量(1024维浮点数数组)│▼相似度解决的问题:怎么判断两个向量(文本)有多接近│▼余弦相似度:看向量方向的夹角,越接近0°越相似│▼最终效果:语义搜索——理解意思,而非字面匹配一句话总结:Embedding 把文字变成数字,余弦相似度比较数字的方向,两者结合实现了"理解语义"的搜索。

T3165919332的博客 62

AI前沿日报 · 2026-11-04 | 祛魅时刻:Astra“纯读权重“神话的崩塌

①Astra"裸权重通吃"被spaCy创始人Honnibal精准祛魅——仅1/3实验真裸读,数学能力提升依赖Python+50次迭代;②Simon Willison用Qwen 3.8-27B端侧复现权重空间编程;③Nvidia开源Auto-Ontology自动知识图谱;④$800开源全域抓取机器人Stringman;⑤OpenAI悄然重开Codex训练开关引信任危机;⑥DeepMind发布Gemini 4 Argon机器人基础模型;⑦美国科技巨头隐性AI债务达3.2万亿美元,6个月增90%。

johnsong2009的博客 493

GPT-1 架构和计算细节

下面配合框图,对 GPT-1 的每个组件做公式展开 + 数值实例(配置:12 层 × 768,12 头,FFN 3072,词表 40478,共 117M 参数)。GPT-1 把翻译模型的编码器-解码器砍掉一半,只留解码器,然后以"预测下一个词"为目标在 BooksCorpus 上预训练。与 2017 原版的四个架构差异(框图中标 ★):h0=E[token]+Epos[position],E∈R40478×768, Epos∈R512×768h^0 = E[\text{token}] + E_{pos}[\

eloudy的专栏 226
上一篇: 5个简单好用的本地运行大模型的方法
下一篇: 免费时代到来!价格战带领AI大模型走出商业化困局?
AI程序猿人
博客等级 码龄3年 6517粉丝 561原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值