至顶网CIO与应用频道 06月18日 编译:亚洲的航空公司正在激烈地争夺着这个大洲里不断扩大的中产阶级,廉价航班先锋亚航(AirAsia)正在利用技术来寻找新航线、对冲不断增加的燃油成本并为乘客提供更多服务。
在亚洲举行的Oracle OpenWorld Asia上,亚洲航空公司具有传奇色彩的首席执行官Tony Fernandes表示,技术帮助这家总部位于东南亚的航空公司通过在线和移动销售机票和旅行套餐,控制成本并增加收入,发挥了巨大的作用。新的产品包括移动支付应用程序和客户可以直接在网络上使用的货币兑换服务。
Fernandes在主题演讲前的新闻发布会上对记者表示:“我们相信,我们可以建立一个没有大量现金的优秀数字化企业,为消费者提供优质服务,并且现金流是积极的。”
亚洲航空集团首席财务官Pattra Boosarawongse在一次采访中表示,亚航已开始使用Oracle ERP云软件进行财务管理和采购,以更深入地了解运营成本并预测竞争决策的盈利能力,例如提高或降低票价以及开辟新航线。
Boosarawongse表示,从纸质飞机票销售和电子表格分析转向现代企业软件将有助于亚航同该地区众多的竞争对手展开竞争,同时让该公司能够更好地管理机上食品和饮料以及免税商品的库存。
作为升级到现代云财务软件工作的一部分,该航空公司还在探索使用人工智能来设定价格。
繁荣和萧条
亚洲不断扩大的中产阶级在过去十年中推动了廉价航空公司的繁荣,其中包括越南的越南私营航空公司(VietJet)、新加坡的酷航航空公司(Scoot)、马来西亚的飞荧航空公司(Firefly)和澳航旗下的捷星航空公司(Jetstar)。当然,也倒下了一些失败者,例如,在印度,廉价航空公司Jet Airways在燃料成本上涨和竞争激烈的情况下,现金出现了问题,并造成了飞机停飞,该公司现在正在寻求买家。
亚洲最知名的企业高管之一Fernandes于2001年以低廉的价格收购了亚洲航空公司——该公司当时是一家陷入困境的政府拥有的航空公司,并将其扩展成了该地区强大的航空公司。此后,他投资了一级方程式赛车和一支英国足球队,并且主办了The Apprentice Asia——这是美国企业家竞争电视节目的亚洲版本
如果算上AirAsia X(亚航的长途航空公司)的航线的话,亚航目前拥有超过380条航线,航班飞往140多个目的地。Fernandes表示,该公司去年的销售额为106亿林吉特(约合26亿美元),今年该公司的目标是运送1亿人次,这一目标高于去年的8100万人次的运送量。
亚航仍在增长。与上年同期相比,其第四季度收入增长6%,达到了28.2亿林吉特(6.84亿美元),而其乘客座位销售额增长9%。在2018财年,该航空公司创造了17亿林吉特(4.11亿美元)的利润——尽管由于燃料成本上涨了48%而维护成本几乎翻了一倍,因此该公司第四季度出现了亏损。去年全年,该公司的燃料成本上涨了39%。
提高效率
亚洲航空集团的首席财务官Boosarawongse指出,亚航向云服务的过渡将有助于削减资本支出。其Oracle ERP云实例包括该航空公司特有的功能,如燃料成本核算、路线预测、飞机餐饮和里程计划管理。她表示,该公司目前控制了其航空燃油消耗量的52%,约占该公司成本的40%。
Boosarawongse表示,在收入方面,“辅助服务”占2018年总收入的约19%,即20.6亿林吉特(约合4.97亿美元),比之前一年增长7%。同时,该公司将airasia.com定位为航空和酒店预订、机场汽车服务、渡轮运输、保险和免税商品的一体化旅游和生活方式市场。
在Oracle OpenWorld Asia大会上,Fernandes表示,该公司去年在网上销售了160亿林吉特(40亿美元)的机票——仅占其总收入的一小部分——需要更快地增加数字化产品。他表示:“如果你不改变……你就会死。”
好文章,需要你的鼓励
随着AI模型参数达到数十亿甚至万亿级别,工程团队面临内存约束和计算负担等共同挑战。新兴技术正在帮助解决这些问题:输入和数据压缩技术可将模型压缩50-60%;稀疏性方法通过关注重要区域节省资源;调整上下文窗口减少系统资源消耗;动态模型和强推理系统通过自学习优化性能;扩散模型通过噪声分析生成新结果;边缘计算将数据处理转移到网络端点设备。这些创新方案为构建更高效的AI架构提供了可行路径。
清华大学团队开发了CAMS智能框架,这是首个将城市知识大模型与智能体技术结合的人类移动模拟系统。该系统仅需用户基本信息就能在真实城市中生成逼真的日常轨迹,通过三个核心模块实现了个体行为模式提取、城市空间知识生成和轨迹优化。实验表明CAMS在多项指标上显著优于现有方法,为城市规划、交通管理等领域提供了强大工具。
Meta以143亿美元投资Scale AI,获得49%股份,这是该公司在AI竞赛中最重要的战略举措。该交易解决了Meta在AI发展中面临的核心挑战:获取高质量训练数据。Scale AI创始人王亚历山大将加入Meta领导新的超级智能研究实验室。此次投资使Meta获得了Scale AI在全球的数据标注服务,包括图像、文本和视频处理能力,同时限制了竞争对手的数据获取渠道。
MIT研究团队发现了一个颠覆性的AI训练方法:那些通常被丢弃的模糊、失真的"垃圾"图片,竟然能够训练出比传统方法更优秀的AI模型。他们开发的Ambient Diffusion Omni框架通过智能识别何时使用何种质量的数据,不仅在ImageNet等权威测试中创造新纪录,还为解决AI发展的数据瓶颈问题开辟了全新道路。