至顶网CIO与应用频道 01月18日 北京消息:智能音响已经不是简单的智能终端产品,或者智能家居中控。作为AI家庭助手的叮咚已经变革了产品的应用边界。
1月17日,京东联合安佳、美赞臣、欧莱雅、农夫山泉、施华蔻、宝路、伟嘉、苏菲、洋河、蒙牛十大消费品牌发起 “声而无界”AI家庭助手发布会。共同发布了10款品牌定制版京东叮咚智能音箱,覆盖了生活知识,全面覆盖了品质生活中美妆、母婴、健康、宠物、美食五大场景,而且每一个品牌专属叮咚都有个性化的外观和唤醒词。
早在2017年9月,京东就与雀巢联手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。5个月后,京东将这一商业模式进行复制。灵隆科技CEO 魏强表示,叮咚印象有一套成熟和完整的开发平台,为无论个人开发者还是企业开发者都可以拓展各种应用,同品牌商的合作仅用3个月就可以上市。
AI家庭助手开启无界零售
京东商城消费品事业部营销推广部总监钟锋,京东超市多年来以坚持优选品牌、拥有全球一流的快消品牌合作伙伴,而这些合作伙伴在食品科学、营养健康和生命科学等多个垂直领域拥有多年积累的专业知识与服务。
叮咚与Alpha平台将帮助消费品牌快速享受人工智能红利,在全面提升了用户体验的前提下,打造更加丰富的“无界零售”模式。
京东也深度整合消费品企业的服务与内容,并将自身的人工智能技术及平台能力跨界赋能给合作伙伴,通过内容服务共建、品牌定制、捆绑销售和联合推广四大举措让叮咚AI家庭助手可以快速触达用户,为用户提供更贴心精准的服务。
在共建内容库方面,围绕人们衣、食、住、行的专业知识和专家资源,全面覆盖了用户日常生活中遇到的各种问题。京东将通过先进的自然语言理解、语音技术处理后,将这些”知识”置入音箱内,让用户可以在家庭场景下,用最自然的对话方式进行交流。
未来叮咚通过真实的交互数据和用户反馈不断丰富优化音频内容库,京东集团市场营销部 智能业务营销部负责人李俊周介绍,本次合作中,仅在母婴领域,美赞臣就输出超过500条以上的专家原声音频内容,涵盖备孕、孕期护理、幼儿喂养、儿童培育、孕期/产后情绪调节等专业内容。
叮咚智能音箱让交互自然的发生
智能音箱已经已经成为家庭场景入口,京东通过布局叮咚智能音箱、Alpha智能服务平台等一些列零售基础设施,并将平台开放给更多企业。与消费品企业的融合,除了市场销售之外同时创新了合作模式。
京东集团副总裁,京东商城技术委员会主席黎科峰博士表示,叮咚与消费品牌跨界的合作,建立了智能领域的创新商业模式,用智能技术打破了品牌和消费者之间的沟通壁垒。
作为品牌商安佳数字营销负者人更愿意看到在家庭生活场景中,我们能为消费者带来足够的美食建议,而且这是伴随式的互动。他举了一个自己的例子,太太在家里已经不需要拿起手机搜索菜谱,叮咚智能音响让交互更加方便顺畅。
15年智能音像市场声势很大,但消费者端的接受度并不高,而在2017年这一家庭场景应用得到爆发。
这时AI家庭助手就成为一个切入点,在以智能技术和京东服务的双轮战略驱动下,京东叮咚智能音箱和Alpha智能服务平台将成为无界零售的核心基础设施。
京东与消费品牌商的合作,将重新定义商品与用户的关系、叮咚也成为第三方服务商获得触达用户的新渠道;同时,通过用户与叮咚互动产生的宝贵数据,京东和品牌商还能进一步提升产品功能和服务能力,让用户能更自然、流畅地享受多种服务。
好文章,需要你的鼓励
OpenAI首席执行官Sam Altman表示,鉴于投资者的AI炒作和大量资本支出,我们目前正处于AI泡沫中。他承认投资者对AI过度兴奋,但仍认为AI是长期以来最重要的技术。ChatGPT目前拥有7亿周活跃用户,是全球第五大网站。由于服务器容量不足,OpenAI无法发布已开发的更好模型,计划在不久的将来投资万亿美元建设数据中心。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
英伟达推出新的小型语言模型Nemotron-Nano-9B-v2,拥有90亿参数,在同类基准测试中表现最佳。该模型采用Mamba-Transformer混合架构,支持多语言处理和代码生成,可在单个A10 GPU上运行。独特的可切换推理功能允许用户通过控制令牌开启或关闭AI推理过程,并可管理推理预算以平衡准确性和延迟。模型基于合成数据集训练,采用企业友好的开源许可协议,支持商业化使用。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。