ZD至顶网CIO与应用频道 05月17日 北京消息: 5月17日,京东和Mellanox在北京签署全面合作框架协议,宣布将共同建立 “JD-Mellanox联合创新实验室” ,同时启动双方在技术创新方面的战略合作。根据协议,双方将在技术创新、用户体验和企业级产品电商平台三个方面展开合作,共同布局人工智能领域,开展底层技术合作,并针对高速互连产品展开联合研发。
“Mellanox是一家极具创新力的高科技公司,在虚拟网络、云计算等方面都有很深的造诣。京东则拥有丰富的业务场景和优秀的技术团队,希望借助Mellanox的技术和产品,提升生产效率,给业务带来更强的保障。”京东集团CTO张晨在发布会上表示。
“Mellanox一直致力于高速网络互连产品的开发和推广,在机器学习、深度学习等领域的应用非常广泛,很多产品具有全球领先的地位。”Mellanox公司商务拓展高级副总裁Amir Prescher表示,通过与京东的合作,将加快Mellanox打开中国市场的步伐,让高速互连的技术有更多可以落地的应用场,开发出更好的产品来服务用户。
高速互连 领跑人工智能
在多年的高速发展中,京东积累了大量的、真实有效的数据,并不断充分利用数据挖掘、人工智能和机器学习等技术,打造“智慧京东、智慧业务、智慧创新”和“品质电商”。
高速互连是支撑人工智能的必要条件。目前,京东已经有了先进的算法,也布局了支撑人工智能的硬件配套设施。“服务器升级会为计算效率带来质的飞跃,让京东的人工智能从‘土路’跑上‘高速公路’。”京东集团技术副总裁翁志介绍,Mellanox的技术结合京东的领先算法和众多应用场景,一定能在感知互联领域一起做出有含金量、领先业界的产品,最终打造极致用户体验。
Mellanox公司市场副总裁Gilad Shainer表示: “Mellanox已经在深度学习领域积累了诸如GPUDirect,硬件卸载等成熟的技术和解决方案。和京东成立联合实验室,一方面能让我们更贴近实际应用场景,优化产品和技术;另一方面,实验室也有助于Mellanox创新解决方案,推动互联感知领域的发展。”
JD-Mellanox联合创新实验室将以图像处理和认知技术为切入点,在金融、电商、物流、智能等领域展开深度合作,以期在图像识别(拍照购、智能冰箱、人脸识别)、大数据搜索、大数据推荐、智能物流(无人机、无人仓、无人驾驶)等方面取得进一步进展,为业界带来示范性的应用实例。
强强联手 布局图像识别
除了为京东在大数据处理、云计算等方面提供高性能可靠的运算保障外,JD-Mellanox联合创新实验室的成果也将率先在京东进行落地、推广和使用,将创新成果发挥最大效应。
在现场,京东展示了“拍照购(JD Camera+)”应用,这是图像识别、图像相似搜索的算法在移动端的典型应用。JD Camera+从方便用户出发,无需精准的语言描述,只需一张照片,即可以帮助用户搜索到想要购买的产品。
虽然在消费者看来只是一张照片,但在技术实现上却面临很多挑战:人体姿态归一化、特征描述、以及光照和角度的调整都会对图像识别造成很大影响。“目前京东在很少的研发投入下,已经达到或接近了业内的最优效果。未来,通过JD-Mellanox联合创新实验室,JD Camera+将从平面搜索走向实拍搜索,并结合图像搭配算法,帮助用户从商品图像搭配角度进推荐,如服装搭配、美妆搭配、家具搭配等。”翁志表示。
正如张晨所说,京东与Mellanox的合作可谓是强强联手,京东也将不忘打造领先技术体系的初衷,继续耕耘,让京东用户的生活变得更加简单和快乐!
好文章,需要你的鼓励
随着员工自发使用生成式AI工具,CIO面临影子AI的挑战。报告显示43%的员工在个人设备上使用AI应用处理工作,25%在工作中使用未经批准的AI工具。专家建议通过六项策略管理影子AI:建立明确规则框架、持续监控和清单跟踪、加强数据保护和访问控制、明确风险承受度、营造透明信任文化、实施持续的角色化AI培训。目标是支持负责任的创新而非完全禁止。
哈佛、MIT联合研究揭示人类语言理解的神经机制,发现大脑通过"信息出口"将语言从核心系统传递至专业脑区实现深度理解。研究提出浅层与深层理解的区别,为人工智能发展提供重要启示,表明真正智能需要多系统协作而非单一优化。该发现可能改变我们对语言认知的理解。
英国正式推出DaRe2THINK数字平台,旨在简化NHS全科医生参与临床试验的流程。该平台由伯明翰大学和MHRA临床实践研究数据链开发,能够安全传输GP诊所与NHS试验研究人员之间的健康数据,减少医生的管理负担。平台利用NHS现有健康信息,安全筛查来自450多家诊所的1300万患者记录,并使用移动消息系统保持试验对象参与度,为传统上无法参与的人群开辟了研究机会。
腾讯混元等团队开发出革命性的AI视频生成自我评判系统PAVRM和训练方法PRFL,让AI能在创作过程中实时评估和改进视频质量,无需等到完成才反馈。该技术使视频动态表现提升56%,人体结构准确性提升21.5%,训练效率提升1.4倍,为AI视频生成质量带来质的飞跃。