ZD至顶网CIO与应用频道 04月07日 北京消息(文/孙博):三月底,Adobe在Adobe Summit大会上宣布推出Adobe Experience Cloud。这套云服务面向企业营销人员,帮助客户创造优质的用户体验。Adobe说希望让企业客户与消费者建立牢固的关系,从而提升品牌忠诚度,促进品牌发展。
据了解,整个系统建立在Adobe云平台之上,并且在Adobe产品家族体系下,实现了Experience Cloud与Adobe Creative Cloud及Document Cloud相融合。
整合后的两个变化
Adobe Experience Cloud是由Adobe Marketing Cloud、Adobe Advertising Cloud和Adobe Analytic Cloud组成。既然是整合了Adobe此前的三朵云, Adobe Experience Cloud能为用户带来哪些价值。为了有个更直观的印象,下面就来分别做个介绍:
Adobe Marketing Cloud:提供了一整套的解决方案,使营销人员能够创造区别其品牌,与客户联系并主动参与其中的体验。
Adobe Advertising Cloud:结合了Adobe Media Optimizer和最近购买的TubeMogul的功能,简化了跨渠道和屏幕视频,显示和搜索广告的交付。
Adobe Analytics Cloud:是一种客户智能引擎,让品牌能够更好地捕获、聚合、合理化和理解大量它们自己的不同数据量,从而使得品牌能够更好的把握、积累、理顺并理解海量数据,并转化为有针对性的客户档案。
“很多企业强调要做一个最好的平台,但是他们却没有感觉到企业的组织架构、业务流程其实是不支持的。” Adobe大中华区数字营销总监廖强坦言,Adobe目标不是带来一个最好的平台,而是通过多年来积累的数字化转型经验,帮助企业做一些组织的规划,进而为企业设定一个明确的阶段性实施目标。
所以针对于此,此次整合后,Adobe也做了两点提升。据了解,相较整合前,Adobe Experience Cloud第一个特点是丰富了其以往的数字体验解决方案,范畴更广,也更侧重在用户体验上。第二个变化,则是提供了更多的接口,拥抱更多的合作伙伴,共同开发市场的同时,也更提升了用户体验。
整合后更加注重本土化
“我接触的大部分国内客户,他们共同的现状是上一代信息化改革还没走完,现在又急需一个新的提升,而且是想投了钱就要立刻见到效果。”廖强说,这是他们在与客户沟通中遇到的共同特性——希望尽快转型,实现弯道超车。
对此,作为一家外企,Adobe目前针对国内企业的需求,主要通过跟行业中的合作伙伴一起发力,让自身得以尽快适应本地化的需要。谈到本地化,Adobe大中华区解决方案顾问总监聂双艺强调,Adobe当前对于全线产品本地化方面愈发重视,并且程度也越来越高。
“国内很多客户在技术点上最大的问题是不知道真正有价值的用户在哪儿。”说起国内外客户有哪些不同痛点时,廖强这么回答道。所以对于这样的问题,Adobe第一步的做法则是先帮助客户进行分类。
“最起码能够分出男女老少,然后再逐渐进行下一步的细化。这样一来分析结果才能愈加精准,效率才能提升。”廖强说,国外“走”的相对快些,所以有时他们也会借鉴国外的相关经验,来对国内客户提供本土化的解决方案,而这也是Adobe“功力”的体现。
好文章,需要你的鼓励
据《华尔街日报》报道,在马斯克针对OpenAI的诉讼失败后,OpenAI正加速推进IPO计划。CEO萨姆·奥特曼希望公司最快于今年9月上市,目前已与高盛、摩根士丹利合作,并可能在数日或数周内秘密提交上市申请。与此同时,马斯克旗下SpaceX的IPO文件也预计近期公开。两家公司的上市竞争,标志着马斯克与奥特曼的博弈从法庭转移至资本市场。
KAIST团队提出策略助推方法,通过强制分配解题方向引导AI探索多样思路,仅用八份样本就超越了消耗八倍资源的传统方法。
调查显示,51%的专业人士认为AI生成的低质量内容(即"workslop")正在降低生产效率,45%的人因此对职场使用AI更加谨慎。这类内容表面精致却缺乏准确性和实质价值。专家建议两步应对:一是重塑AI生产力思维,推行"AI先行、人工复核"的工作模式;二是保持持续投入,深入掌握AI工具的有效用法。企业领导者强调,真正从AI中受益需要坚持与学习,而非浅尝辄止。
要理解这项研究,先得明白现在的AI是怎么"画"图的。 可以把AI生成图片的过程想象成一个特殊的厨房。当AI要学会画图时,它不会像人类画家那样一笔一画地描绘,而是采用一种叫做"自回归"的方式——简单说就是"一个食材接一个食材地添加"。但问题在于,AI厨房处理的"食材"不是真实的图像像素,而是一种被压缩过的"标准化食材包"。 这个压缩过程,叫做"离散分词",由一个叫"分词器"(tokenizer)的设备完成。打个比方,分词器就像一台高级的食材切片机,它把一整张图片切成很多小块,然后给每一小块贴上一个"编号标签",对应到一本"标签字典"(也就是研究者口中的"码本")里的某个条目。比如,标签001可能代表"蓝天的一小块",标签002代表"绿草的一小块"。 这种做法的好处是大幅简化了AI的工作量——它不用记住几百万个像素,只需要记住一串编号就行了。这就是为什么如今像Chameleon、Emu3这些大名鼎鼎的多模态AI模型都用这种技术。 但问题也恰恰出在这里。当切片机以16倍的压缩率工作时(也就是说原本256个像素被压缩成1个标签),很多细节就被无情地丢弃了。蓝天少一些云彩、草地少几根草尖,人眼几乎看不出来。可一旦切到了文字或人脸,灾难就发生了——一个英文字母"e"和"c"的差别可能就在那么几个像素,一张脸上眉眼的位置稍微挪一挪,整个人就变了样。 研究团队发现,认知科学研究早就指出,人类的视线会不自觉地被文字和人脸吸引,对这两类内容的细节扭曲特别敏感。换句话说,AI画其他东西糊一点没关系,但文字和脸糊了,用户立马就能察觉。 之前的研究者也意识到了这个问题,他们的解决思路通常是"加大切片机的容量"——比如把标签字典从1万6千条扩展到26万条,或者让每张图用更多的标签。但这就像为了切好一根胡萝卜而把整个厨房改造成大型工厂,成本高得离谱,而且效果也不见得好。 清华和微软的团队提出了一个完全不同的思路:与其让切片机变得更大,不如教它学会"看重点"。 二、给切片机装上"火眼金睛"