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
ETH Zürich等机构研究人员提出TrustVLM框架,解决视觉-语言模型预测可信度问题。该方法利用模型中存在的"模态差距",创新性地结合图像到文本和图像到图像的相似度,实现无需重新训练即可大幅提升误分类检测性能。在17个数据集的严格测试中,TrustVLM相比现有方法在关键指标上提升显著,同时改善了零样本分类准确率。此成果为AI系统在自动驾驶、医疗等安全关键领域的可靠部署提供了重要保障。
这项研究提出了个性化安全概念,解决大语言模型对不同用户采用统一安全标准的问题。研究团队创建了PENGUIN基准测试集评估模型在处理高风险场景时的个性化安全能力,并开发了RAISE框架高效获取关键用户信息。实验表明,提供用户背景可使安全分数提高43.2%,而RAISE框架通过平均仅2.7次交互即可提高安全分数31.6%。这一创新方法将AI安全从"一刀切"转向"个性定制",为高风险领域的AI应用提供了新思路。
明尼苏达大学研究团队提出了一种创新方法,通过回合级信誉分配显著提升大语言模型(LLM)智能体的多回合推理能力。传统方法只对整个过程进行评价,而他们的MT-GRPO算法能够精确评估每个决策步骤的价值,就像为每一步提供具体反馈。在维基百科搜索工具使用场景中,该方法实现了100%的工具执行成功率和50%的答案精确匹配率,远超传统方法。这一突破不仅提高了AI在多步骤任务中的表现,也为开发更复杂的AI系统提供了重要思路。
这篇研究介绍了PISCES——一种能精确从大语言模型参数中移除特定概念知识的创新技术。与现有方法不同,PISCES通过解缠器模型识别概念相关特征,直接编辑模型参数,实现了更精准的知识移除。在Gemma和Llama模型上的测试表明,该方法不仅有效降低了目标概念的准确率(低至7.7%),还保持了模型在无关领域的高性能,并显著提高了对"重新学习"的抵抗力。这一突破为AI系统的安全部署和合规使用提供了新的可能性。