至顶网CIO与应用频道 09月20日 北京消息:9月19日,雀巢公司宣布与中国收入规模最大的零售商京东集团宣布在智能音箱“叮咚”上展开合作,在中国市场推出首款语音识别智能家庭营养健康助手——雀巢小AI。
第一代雀巢小AI以目前中国智能音箱市场占有率和销量居首位的叮咚音箱为蓝本,新增雀巢定制营养食谱、营养健康知识、专属歌单等特色内容,惠及所有叮咚音箱及其合作产品。首批限量版雀巢小AI现正式进入公测中,可通过京东平台进行订购。
雀巢小A将智能语音与营养健康领域的知识相结合,更加贴近用户需求。京东技术与雀巢的品质结合,践行雀巢150多年来致力于“提升生活品质,贡献于更健康的未来”的目标,也丰富了京东的“智慧零售”模式,是京东在第四次零售革命来临之际科技赋能的又一重要举措。
雀巢大中华区董事长兼首席执行官罗士德先生(Rashid Aleem Qureshi)表示:“中国是雀巢全球第二大市场,雀巢深耕中国市场三十多年,时刻保持对消费环境和消费者喜好的深刻洞察。中国政府提出‘健康中国2030’的目标后,包括雀巢在内的行业领军企业有机会也有责任为中国家庭的健康生活提供更多支持。雀巢小AI是一个很好的示例。”
“更重要的是,这种创新商业模式符合全球发展的趋势,将消费品与‘人工智能服务’有机结合,为消费品注入了新的价值:便捷、有趣、有助于健康生活方式的养成。”他说“京东的技术赋能也让叮咚音箱成为家庭食品健康与服务的中心,利用叮咚音箱将服务更自然流畅地蔓延到用户中去,科技与消费品、硬件与知识的结合创造了行业里最新的商业模式,同时创造更优质用户体验的零售基础设施。”
雀巢小AI助力《国民营养计划(2017-2030年)》
近年来,包括肥胖、营养不良和微量营养素缺乏在内的营养健康问题在全世界范围内引发关注。2017年7月,国务院印发的《国民营养计划(2017-2030年)》中指出:提升营养健康科普信息供给和传播能力,鼓励推动互联网+、大数据前沿技术与营养健康融合发展,开发个性化、差异化的营养健康电子化产品。
中国疾病预防控制中心营养与健康所所长、中国营养学会副理事长丁钢强表示:“当前的中国,随着人民生活水平的提高,公众对于营养健康知识的需求也在不断的提升。社会各界应该共同协作,积极创新,参与营养健康科普的工作,将正确的营养健康知识普及到老百姓,改善人们的生活习惯和营养膳食模式,进一步提高我国各类人群的营养健康水平。”
雀巢是世界上为数不多的产品和服务覆盖孕期、婴幼儿、青少年、成人、中老年全生命周期各年龄段的食品公司,全球共有34个产品技术中心和研发中心,超过5000名科学家及技术人员,在研究食品、营养和生命科学领域处于世界领先地位。致力于“营养、健康、幸福生活”,雀巢公司在减糖、减脂和减盐方面拥有全球承诺,各产品线在提供美味产品的同时均注重营养健康需求。
智能语音市场发展前景广阔
美国互联网流量监测机构康姆斯科(ComScore)公司的数据显示,到2020年,50%的搜索将通过语音进行。语音交互技术将会彻底改变人际沟通方式和人机交互方式,越来越多的消费者将通过语音了解公司与品牌以及获取产品和服务。而叮咚音箱是中国市场首款智能音箱,市场占有率高达80%,目前拥有超过2亿条的语音交互数据。
对于本次双方的合作,叮咚音箱的出品方灵隆科技副总裁方律先生表示:“智能音箱等智能语音设备在国内还处于萌芽阶段,叮咚致力于不断发展创新技术,丰富内容和服务、为用户提供更极致的用户体验、真正做到多终端多场景的服务蔓延,但这需要更多跨界企业之间联合打造更多使用场景和服务。叮咚在国内智能音箱市场上具有先发优势,与全球最大的食品公司雀巢在营养健康领域的全新合作可以为消费者提供更多元的内容和服务,对雀巢而言,在中国创造出的领先产品也具有很好的集团示范效应。”
京东集团副总裁、平台产品研发部负责人黎科峰博士表示:“科技赋能的时代已经来临,智能音频和雀巢的合作,建立了人工智能领域的新商业模式,这将打破行业间的技术和品牌壁垒;历经市场和消费者验证的京东智能音箱叮咚也将全面对外开放,并通过京东智能音频联盟的方式打造智能硬件行业的产业链闭环, 搭建起消费品企业和用户之间的最新的沟通桥梁,让第三方服务和内容通过设备‘蔓延’到用户需求的各个场景里。”
叮咚为代表的智能音箱产品全面提升了用户体验,并打造了更加丰富的“智慧零售”模式。在以智能技术和京东服务的双轮战略驱动下,京东智能音箱叮咚将成为无界零售的核心基础设施提供方之一,在接下来的第四次零售革命浪潮中创造无限可能。
好文章,需要你的鼓励
这篇研究提出了OThink-R1,一种创新的大型推理模型,能够像人类一样在快速直觉思维和慢速深度推理之间自动切换。研究者发现,现有推理模型即使面对简单问题也会生成冗长的推理过程,导致计算资源浪费。通过分析推理轨迹并使用LLM评判员区分冗余和必要推理,OThink-R1能根据问题复杂度动态调整思考深度。实验表明,该方法平均减少了23.4%的生成文本量,同时保持或提高了准确率,代表了向更高效、更人性化AI推理系统迈出的重要一步。
这项研究提出了SHARE,一种新型文本到SQL修正框架,它利用三个小型语言模型(SLM)协同工作,实现高效精准的SQL错误修正。SHARE首先通过基础行动模型将SQL转换为行动轨迹,再经过模式增强模型和逻辑优化模型的层次化精细化修正。研究团队还创新性地提出了层次化自演化训练策略,大大提高了训练数据效率。实验结果表明,SHARE在多个基准测试上显著提升了SQL生成准确率,计算成本仅为传统方法的十分之一,并展现出强大的泛化能力,适用于各种生成器模型和SQL方言。
这项由香港大学和南京大学等机构研究人员联合开发的双专家一致性模型(DCM)解决了高质量视频生成中的效率难题。研究团队发现扩散模型蒸馏过程中存在优化冲突:早期阶段负责语义布局与运动,后期阶段关注细节精修,两者学习动态差异显著。DCM创新性地将这两个任务分配给不同的专家模型,通过参数高效的实现方式,使模型仅需4步即可生成接近50步原始模型质量的视频,大幅提升生成速度,为实用化AI视频创作铺平道路。
这项研究介绍了QARI-OCR,一种基于Qwen2-VL-2B-Instruct模型微调的阿拉伯文字识别系统。研究团队通过三阶段合成数据训练,成功解决了阿拉伯文字识别中的主要挑战:曲线连笔特性、上下文变化的字母形状和发音符号。QARI v0.2模型创下了0.061的字符错误率和0.160的单词错误率,超越了现有开源解决方案,为阿拉伯文化遗产的数字化保存提供了重要工具。