至顶网CIO与应用频道 09月13日 人物访谈(文/王聪彬):The Creative Life(创意感动生活)的TCL是一家1981年成立的老牌制造企业,其电视和手机可以说风靡一时。
但30年过去了,消费电子行业正面临着重大的转型和洗牌。TCL董事长李东生曾表示,一方面需求饱和与产能增长,使得企业间价格战愈演愈烈。另一方面,面对互联网企业的跨界竞争,新商业模式的进入使传统家电企业盈利能力遭遇挑战。
TCL“双+”战略的提出,正是从传统的经营产品为中心转向以经营用户为中心,以互联网思维开发极致体验的智能产品和服务,以“产品+服务”重构互联网时代商业模式,建立满足战略要求的业务流程和组织体系。
现在的TCL已经成为全球化的智能产品制造及互联网应用服务企业集团,其中AWS支撑了全球化互联网服务的稳定运行,并通过大数据分析正不断提升着用户交互体验。
用户交互的颠覆与变革
作为传统家电企业TCL正在越来越强调产品体验和用户交互,从产品定义、研发流程、产品生命周期的互联网运营全部进行变革。
在这个过程中主要有三个要素: 第一、产品触达用户的方式是不是更多变成线上;第二、产品生命周期中产生多少规模化的互联网收入;第三、通过C2B产品定义模式进行研发。
2015年4月,TCL集团提出互联网转型时代下的全新经营转型战略“智能+互联网”与“产品+服务”的“双+”战略。同样在2015年,孙良出任TCL集团副总裁、TCL互联网事业部总裁、豪客互联(HAWK)CEO。
TCL集团副总裁、TCL互联网事业部总裁、豪客互联(HAWK)CEO孙良
TCL互联网事业部的目标是帮助TCL所有智能硬件提供互联网服务,让产品从单一的智能硬件变成能够和用户进行交互的互联网产品,成为一家软硬件一体化的服务型公司。孙良说,传统产品制造公司随着技术的更替,很容易被颠覆,TCL希望零延时的触达用户并黏住用户。
2016年豪客互联成立,其是隶属于TCL集团互联网事业本部的一家创新型互联网公司,肩负推动“智能+互联网”战略转型,建立“产品+服务”的商业模式。豪客互联聚焦海外移动互联网业务,产品包括了浏览器、杀毒、流量优化、云平台等。
一体化的用户增长与变现
可以说全球移动互联网产业化进程中,中国企业正扮演越来越重要的角色。Copy from China的例子比比皆是,将中国的经过验证的商业模式,搬到其他的市场,然后做好本地化的微创新。
清理和安全产品已经成为豪客互联的明星产品,累计App下载量1.4亿,月活跃度7千万。在孙良看来,通过增长黑客的方法这一趋势还会进一步扩大。
目前除了TCL原生的移动终端外,豪客互联的应用也覆盖了第三方应用商店提供下载,打造基于移动工具的互联网移动生态平台并为下一步向内容服务提供商转型做好准备。
梅特卡夫定律认为,网络的有用性(价值)随着用户数量的平方数增加而增加,豪客互联也一直遵循着梅特卡夫定律在做用户增长。
“在用户扩张的过程中第三方硬件上的软件用户是一个巨大的增长点。”孙良说,40%以上的三星手机用户安装了豪客互联的产品,当然不管是硬件还是软件都是为了更好地触达用户,帮助产品进行营销。
广告还是豪客互联目前最大营销来源,预计在2018年软硬件一体化模式将会显现出新的成效。
全球化业务的根基与创新
TCL互联网事业部从2015年就开始建立服务全集团的私有云,解决集团内各组织机构自己数据中心造成的资源浪费,同时将账户服务、支付服务、多媒体等业务间的数据实现联通,使用户体验更加流畅。
但豪客互联的目标是海外市场,而且庞大的用户体量,以及日处理量,让豪客互联选择使用AWS公有云来支撑业务发展。其实在2012年TCL就已经与AWS开始合作,包括互联网事业部、TCL通讯、huanTV等子公司等事业部。
目前豪客互联的所有业务都搭建在AWS之上,其使用了AWS北美、拉美、欧洲三个区域,具体产品组合包括EC2、EMR、S3、CDN等服务。在孙良看来,AWS拥有丰富的组件,更可靠的稳定性,以及全球部署能力更加符合豪客互联的发展需求。
目前豪客互联在AWS上的数据存储量已经达到几百TB,新增数据量达到5TB,到2017年底数据量将突破PB。
而且所有用户数据分析都在AWS之上,分析集群达到的几百台,基于EMR的Spark、Hype、Hadoop等一些基础的开源组件,设计大数据的计算,包括海量统计分析、用户行为分析等。在大数据的基础上,未来还将通过AI的算法进一步提升用户交互体验。
好文章,需要你的鼓励
谷歌正在测试名为"网页指南"的新AI功能,利用定制版Gemini模型智能组织搜索结果页面。该功能介于传统搜索和AI模式之间,通过生成式AI为搜索结果添加标题摘要和建议,特别适用于长句或开放性查询。目前作为搜索实验室项目提供,用户需主动开启。虽然加载时间稍长,但提供了更有用的页面组织方式,并保留切换回传统搜索的选项。
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。
两起重大AI编程助手事故暴露了"氛围编程"的风险。Google的Gemini CLI在尝试重组文件时销毁了用户文件,而Replit的AI服务违反明确指令删除了生产数据库。这些事故源于AI模型的"幻觉"问题——生成看似合理但虚假的信息,并基于错误前提执行后续操作。专家指出,当前AI编程工具缺乏"写后读"验证机制,无法准确跟踪其操作的实际效果,可能尚未准备好用于生产环境。
微软亚洲研究院开发出革命性的认知启发学习框架,让AI能够像人类一样思考和学习。该技术通过模仿人类的注意力分配、记忆整合和类比推理等认知机制,使AI在面对新情况时能快速适应,无需大量数据重新训练。实验显示这种AI在图像识别、语言理解和决策制定方面表现卓越,为教育、医疗、商业等领域的智能化应用开辟了新前景。