至顶网CIO与应用频道 07月27日 北京消息: 移动搜索的功能沿袭了PC端的技术基础,并进一步契合移动用户的使用习惯。与PC搜索相比,移动搜索主要体现出应用场景碎片化和结果呈现便捷化两大特征。同时,中国移动搜索开发企业在产品、运营上不断革新,也意味着移动搜索浏览器开发商国内市场竞争愈发激烈。iiMedia Research(艾媒咨询)发布的《2017上半年中国移动搜索市场研究报告》主要针对移动搜索领域进行市场解读,用户研究以及未来趋势预测。
移动搜索用户规模渐趋饱和 竞争格局逐步明朗
iiMedia Research(艾媒咨询)数据显示,2017年第二季度中国移动搜索用户规模增至6.47亿人,增长率为0.94%。目前移动搜索用户规模已趋向于饱和状态,增长速度放缓且较为稳定。艾媒咨询分析师认为,在移动搜索市场用户体量难有较大变化的状态下,企业打造差异化产品,改变用户结构分布成为未来竞争关键。目前由于国外开发浏览器进入中国市场相对困难,加之中国移动搜索开发企业在产品、运营上不断革新,因此在用户获得性上优势相当明显,同时也意味着移动搜索浏览器开发商国内市场竞争愈发激烈。
竞争格局方面,iiMedia Research(艾媒咨询)数据显示,2017上半年,百度搜索用户份额占比41.2%,独居第一梯队并拥有较大优势,搜狗搜索以20.9%的占比紧随其后。艾媒咨询分析师认为,百度进入搜索市场早,因此在中国市场稳居第一;与2016年相比,移动搜索市场第二梯队情况渐趋明朗,搜狗搜索则凭借差异化产品布局以及持续在人工智能领域发力,牢牢占据行业第二的地位,并加速拉近与百度之间的差距。
PC搜索到移动搜索不是简单的技术移植,而是在内容输入和显示两方面均有重大突破。由于移动设备的便捷性,在内容展示的界面需重新设计以增强阅读的舒适感;此外,移动搜索能契合用户需求发展出语音和图像搜索功能,进一步结合人工智能实现人与机器的问答对话,从而使技术辅助人的决策。虽然在PC端百度搜索依然是互联网最主要的入口,但移动端方面,由于用户习惯从APP寻找服务,在一定程度上,搜索业务作为其优势业务,其入口价值不断被稀释。在垂直搜索功能方面,搜狗搜索布局较为全面且成熟,有良好的AI基础。深度学习后的搜索场景将是AI运用的能力,接下来问答将成为搜狗开发的重点,通过自然语言处理和自然交互形成与用户需求的互动。与其他搜索应用不同,由于背靠阿里尤其是UC的基础,神马搜索定位更多是针对阿里其他模块的补充,其移动端的市场定位使其更注重用户友好,在发展战略上也显示差异。
跨平台搜索或成竞争关键 人工智能或将成为突破口
与PC端搜索相比,移动端用户能够从不同类型APP获得内容,这使得用户信息以及用户所浏览的信息内容分散在不同APP上,这使得网站的垂直入口日益分散,形成需求与信息的相对割裂,用户被置于“信息孤岛”的情况。在移动搜索领域,用户浏览痕迹以数据形式被保存和分析,用户多样需求将不断得到切割和分类。这凸显了整合移动端用户信息资源平台建设的必要性,移动搜索市场存在较大潜力。尤其在2017年,跨平台资源整合将成最为关键的创新点,全网搜索模式将全面展开,一方面根据个人需求从垂直入口获得集中化的信息,另一方面搜索引擎也会优化精准匹配,并且不断缩短用户搜索路径。
由于移动搜索公司大部分具有良好的基于数据运作的产品内容运营基础,因此在移动用户搜索行为普遍化的趋势之下,移动搜索不再仅局限于C端,广告主和尤其是中小企业通过移动搜索对用户数据的分析和处理,将成为营销策略优化的重要依据,同时也为移动搜索公司带来盈利增长点。
人工智能时代,问答将继关键词搜索成为重点发展的搜索形式。而基于对用户搜索行为及需求的洞察,搜狗搜索早已前瞻性地指出,搜索的未来将走向“问答”,并已着力问答方向的技术创新,推进产品落地,服务用户搜索场景。
好文章,需要你的鼓励
是德科技高级副总裁兼通信解决方案事业部总裁Kailash Narayanan现场指出,算力固然重要,但如果能耗过高,技术的实用性将大打折扣,因此,所有的高速、高性能计算,都必须在极低的功耗下实现,这是AI等技术能否大规模落地的核心前提。
DeepSeek-AI团队通过创新的软硬件协同设计,仅用2048张GPU训练出性能卓越的DeepSeek-V3大语言模型,挑战了AI训练需要海量资源的传统观念。该研究采用多头潜在注意力、专家混合架构、FP8低精度训练等技术,大幅提升内存效率和计算性能,为AI技术的民主化和可持续发展提供了新思路。
来自上海交通大学和浙江大学等机构的研究团队开发出首个AI"记忆操作系统"MemOS,解决了AI系统无法实现人类般持久记忆和学习的根本限制。该系统将记忆视为核心计算资源进行调度、共享和演化,在时间推理任务中相比OpenAI记忆系统性能提升159%。MemOS采用三层架构设计,通过标准化记忆单元实现跨平台记忆迁移,有望改变企业AI部署模式。
加拿大女王大学研究团队首次系统评估了大型视频语言模型的因果推理能力,发现即使最先进的AI在理解视频中事件因果关系方面表现极差,大多数模型准确率甚至低于随机猜测。研究创建了全球首个视频因果推理基准VCRBench,并提出了识别-推理分解法(RRD),通过任务分解显著提升了AI性能,最高改善幅度达25.2%。