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
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。