ZD至顶网CIO与应用频道 02月27日 北京消息:2月27日,作为拥有10亿用户的全球最大用户系统,中国移动互联网出海第一品牌APUS,以软件厂商代表的身份应邀亮相本届的MWC盛会。作为全球最具影响力的通信领域展会,MWC一度牵动着行业的“神经”,所有最新的移动科技都在这里公布。此次MWC2017展会期间,APUS发布了“打造下一个30亿用户平台”的平台计划。
APUS面向全球,与产业链上下游积极合作
值得关注的是,继与中国中兴手机牵手达成合作协议后,此次展会期间APUS同时宣布了与俄罗斯前三甲手机品牌FLY、印度内容与服务类品牌OLA(印度打车应用)、Uber等全球知名企业达成战略合作。
APUS与FLY的深度战略合作,将针对FLY品牌手机的硬件性能,结合本地化运营策略,为FLY手机量身定制用户系统,共同优化用户体验。同时,APUS还将帮助FLY在印度、东南亚、南美等海外重点区域市场进行深度拓展,携手发掘和探索新的商业模型。
此外,APUS还通过技术开放接口,帮助以OLA、Uber等为代表的内容与服务类应用接入到APUS生态系统上,精准获取用户,使他们在全球范围内获得巨大的用户流量和商业收益,同时改善全球用户的互联网体验。
品牌的强强联手,既是行业对APUS这一全球移动互联网领先平台的认可,也彰显了APUS面向全球范围,与产业链上下游积极合作的愿景。
做服务下一个30亿用户的平台
此次参会APUS发布的“打造下一个30亿用户平台”的平台计划,是基于APUS创始人兼CEO李涛近20年的互联网经验做出的专业判断。
APUS创始人兼CEO李涛曾不只一次地对外表达自己的观点,“全球70多亿人口,我们预计有60多亿接入移动互联网,而到目前为止存量市场已有30多亿,这也意味着还有30亿的市场空间。”
对于未来的30亿用户而言,智能手机绝不仅是一部移动通讯设备,更像是他们打开世界大门的万能钥匙。从医疗健康到信息知识,再到教育、就职、金融理财以及购物消费、娱乐和社交,它将成为生活、工作不可或缺的工具。可以说,手机将为他们生活的改变和提升带来无限可能。
作为率先出海的中国互联网企业代表,APUS早在成立之初便将市场定位于海外。在过去的两年多的时间里,APUS产品受到全球用户特别是发展中国家用户的认可与好评,用户覆盖全球200多个国家和地区,其中东南亚、南亚、南美等发展中国家用户占到70%左右。
此次APUS宣布的30亿用户平台计划,更详尽地披露了与合作伙伴的合作方向和战略计划。
运营商,APUS的角色不仅是信息服务提供的平台,更为提升运营商与用户之间的粘性带去强有力的支持。
内容提供商和服务提供商,APUS丰富的流量资源和覆盖全球的渠道资源,为其用户打通了连通世界的大门,接轨更广阔的市场新机遇。
手机厂商,APUS用户系统给手机用户带来的增值服务和优质的用户体验,无疑让他们如虎添翼。
而APUS全球领先的大数据平台更是为广告商和品牌商接触到精准的用户群体提供了强大的数据支持。
依托生态系统构建一个更广范围的全球性平台
未来,秉持平台计划的愿景,APUS希望能够充分发挥自身的国际化平台优势,为行业伙伴们提供巨大的流量和无限的合作推广机会。
基于此,APUS也将不断构建自己的生态系统。通过技术上开放接口,将APUS用户系统平台化、插件化、接口化,将更多的本地化游戏、电商、视频、音乐、新闻、O2O等等内容和服务提供商接入到APUS生态系统中来。不但为全球用户提供更多更好的优质内容与服务,也帮助这些合作伙伴获得巨大的用户流量和商业收益。
李涛表示,APUS已经做好准备,蓄势待发,未来还将向发达国家发力,构建一个更广范围的全球性平台。APUS也欢迎更多全球合作伙伴接入APUS平台,共生共赢,为全球用户带去更加优质的内容、服务和上网体验。
好文章,需要你的鼓励
谷歌地图将集成Gemini人工智能技术,旨在将其升级为一个"全知型副驾驶"助手。这一整合将大幅提升地图服务的智能化水平,为用户提供更加个性化和全面的导航体验。通过AI技术的加持,谷歌地图有望在路线规划、地点推荐和实时信息服务等方面实现重大突破。
这项由圣母大学和IBM研究院联合开展的研究,开发出了名为DeepEvolve的AI科学助手系统,能够像人类科学家一样进行深度文献研究并将创新想法转化为可执行的算法程序。该系统突破了传统AI要么只能改进算法但缺乏创新、要么只能提出想法但无法实现的局限,在化学、生物学、数学等九个科学领域的测试中都实现了显著的算法性能提升,为AI辅助科学发现开辟了新的道路。
微软研究人员发布新的仿真环境来测试AI智能体,研究显示当前智能体模型容易受到操纵。该名为"Magentic Marketplace"的合成平台让客户智能体与商家智能体进行交互实验。测试包括GPT-4o、GPT-5和Gemini-2.5-Flash等模型,发现智能体在面临过多选择时效率下降,且在协作方面表现不佳。研究揭示了AI智能体在无监督环境下的性能问题。
卡内基梅隆大学研究团队通过3331次大规模实验,系统揭示了代码训练如何提升AI推理能力。研究发现,代码的结构特性比语义内容更重要,适当的抽象形式(如伪代码)可以达到与原始代码相同的效果。不同编程语言产生差异化影响:低抽象语言有利于数学推理,Python更适合自然语言任务。这些发现为AI训练数据的科学化设计提供了重要指导。