ZD至顶网CIO与应用频道 01月27日 评论消息(文/孙博):中国电商市场竞争最为激烈的显然是每年的购物狂欢节——双十一。据统计,今年天猫的GMV(商品交易总额)超千亿元人民币,同比增长52.7%,全网包裹数6.8亿个,再次证明了其在电商市场的地位。然而你可能并不知道,B2C业务做的顺风顺水的阿里巴巴,其实是以B2B业务起家的。曾经,借着B2B的热潮,阿里巴巴、慧聪网、生意宝等一批B2B网站成功上市。
在近期发布的《中国B2B电商的数字化转型之路简便易行》报告中指出,中国当前B2B市场增长势头强劲,在线渠道将日趋成熟,并逐渐占据B2B商业领域的主导地位。许多企业级用户不仅需要连贯的个性化体验,同时还希望和C端(消费端)的消费者一样能够实现跨渠道的可见性。
不难看出,B2B电子商务在接下来的几年中将会呈现快速发展的态势,对于中国电商企业来说,建设和部署一个成熟、强大的电商平台势在必行。早在2014年,京东开始布局B2B战略,这个一直以B2C业务见长的中国电商巨头在去年11月26日,提出面向企业级市场的“阳光云采”战略,并发布“智采”、“慧采”、“云采”三大企业级电商化采购平台,满足不同类型企业的采购需求。
京东打造零成本的企业采购平台
在京东大客户部慧采平台产品经理司乃丹看来,京东布局企业级电商市场主要是因为看到了企业在集采方面的多个痛点:市面上产品的细分品类过于繁杂、价格无法统一、审批环节繁琐、存在多个线下供应商,沟通效率低、货品配送、售后服务无法保证等多个问题的存在,使得传统企业采购从线下向线上迁移发展。
智采作为京东“阳光云采”战略的重头戏,此前一直为集团型企业开发专属的采购平台,为客户提供商品、订单、库存等标准化服务接口,以开放接口模式与企业内部采购系统对接,与企业内部采购系统形成协同联动。
但智采平台开发成本较高,再加上与企业现有系统对接相对较难,许多中小型企业考虑到成本因素,更倾向于慧采平台。慧采平台是京东大客户部为企业级用户研发的零投入的以公有云为基础的电商化采购平台。相较于智采平台需要自建采购管理系统,慧采平台的特点是可以直接使用,没有任何成本,通过采用模块化设计,帮助企业方便进行预算管理、采购决策等方案支持。据了解,目前慧采平台正在进行移动端的调试,开发独立慧采平台APP,用户可以直接在智能手机上就可以完成采购全流程,并将作为2016年京东大客户部的重点电商化采购战略在企业级市场进行推广。
新型SaaS模式更具优势
慧采平台自2014年上线,截止到目前接入到平台上的企业用户达2000多家,GMV达上亿元。“很多企业还停留在传统SaaS模式上,通过打包的方式交互客户,并由厂商技术人员完成服务器和客户端的安装以及一系列的配置。而互联网电商却是用WAP的形式去实现SaaS模式。”司乃丹认为,电商是一种新型的SaaS模式,只需要一个账号和链接就可以进入到京东慧采平台。这种新型的SaaS模式,为企业用户带来的除了上述谈到的零成本优势以外,慧采平台还从效率、数据安全、资金流程等方面优化了传统采购的局限性:
·同京东消费端的可视化页面相差无几,不受到任何成本的限制。
·响应速度快,从用户提出需求,到采纳、评估,中间的周期时间短。
·慧采平台与京东内部所有站点隔离开来,不会出现信息和数据交叉的状况,保密性高,不用担心安全的问题。
·针对企业定制化需求,制定个性化服务,包括审批流程等都可以随意进行配置。
·传统的采购模式下,许多企业采用月结的方式向供应商付清货款。这种先赊账再给钱的方式,会给供应商的资金链和资金的流动性带来很大的压力。京东大客户部与京东金融合作,先垫付给供应商,然后再向企业还款。
直观的来看,传统的企业采购模式从提出申请到货物验收需要花费11到21个工作日,而通过京东的慧采平台,企业最快半天就可以签收到货。
企业采购信息化就好比修一条高速公路
2014年底上线的慧采平台,在经历了一年的磨合探底以后,谈到2016年的目标和计划,京东大客户部给出的答案是除了继续平台不断的迭代以外,还希望为更多的行业提供解决方案,并且给世界500强企业带来便捷的电商化采购模式。
除了解决企业办公采购外,京东大客户部针对员工福利、渠道奖励等场景推出了兑换通,在平台上设置个性化活动,通过选择积分兑换相应的产品,为企业用户增添了多样化的采购方案,并作为接下来一年移动战略的重点,推向企业级市场。
不妨将企业采购信息化理解为修一条高速公路,可以铺到每个企业的门口,路上有很多的车一齐奔驰。合作共赢是当今企业级市场不变的主题,在今后的企业采购电商化的发展中,京东大客户部的愿景是希望将”公路“开放给更多的供应商、渠道商等,共同推进企业采购电商化进程。
好文章,需要你的鼓励
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。
这项由中国人民大学高瓴人工智能学院研究团队发表的研究解决了大语言模型评判中的自我偏好问题。研究提出了DBG分数,通过比较模型给自身回答的分数与黄金判断的差异来测量偏好度,有效分离了回答质量与自我偏好偏差。实验发现,预训练和后训练模型都存在自我偏好,但大模型比小模型偏好度更低;调整回答风格和使用相同数据训练不同模型可减轻偏好。研究还从注意力分析角度揭示了自我偏好的潜在机制,为提高AI评判客观性提供了重要指导。
这篇研究提出了DenseDPO,一种改进视频生成模型的新方法,通过三大创新解决了传统方法中的"静态偏好"问题:使用结构相似的视频对进行比较,采集细粒度的时序偏好标注,并利用现有视觉语言模型自动标注。实验表明,DenseDPO不仅保留了视频的动态性,还在视觉质量方面与传统方法相当,同时大大提高了数据效率。这项技术有望推动AI生成更加自然、动态的视频内容。