至顶网CIO与CTO频道 02月12日 编译:在这个平台经济的世界里,强者更强,赢家通吃。这就是为什么上周四Visa宣布季度收益时引发了投资者广泛关注的原因。Visa在上个季度处理了大约3万亿美元的交易,已经成为美国最大的信用卡网络,与万事达(Mastercard)争夺头把交椅。因此,尽管美国运通(American Express)宣布其第四季度利润超出了华尔街的预期,并且对2020年的收益前景持乐观态度,但真正重要的仍然是两家更大的竞争对手:Visa和Mastercard。
对于企业来说,创造增长的策略之一是通过扩展产品功能改进现有技术。Visa和Mastercard在在这方面拥有悠久的历史。他们看到美孚(Mobil)——现在是埃克森美孚的一部分——引入了Speedpass,这是一个黑色的小物件,客户可以将它挂在钥匙扣上,在加油站加油的时候,将它在泵前晃动就可以支付油费——这实际上是一种专有系统,具备了商店购物卡的功能。看到这一点之后,Visa和Mastercard开始与第三方商家合作,使用多种智能芯片技术实现“非接触式支付”、“即按即付”和“晃动支付”交易。当他们发现个人使用的密码数量激增,人们很难为了一张新的信用卡再记住一个新密码的时候, Visa和Mastercard各自推出了一种带有嵌入式指纹扫描仪的卡片,卡片的右上角有一个小方块,是生物识别扫描器。所有的这些创新都旨在提高现有产品的性能,以防止被新的解决方案替代。
同时,自从智能手机时代降临以来,很多参与者提供了各种新的付款方式——例如Apple Pay、Google Wallet、Square、PayPal、Vimeo和Revolut等都证明了自己是强大的创新者,可以设计出消费者渴望的产品。因此,他们从传统零售银行的信用卡那里抢走了一部分的市场。Visa和Mastercard要想保持他们原有基础设施的地位,唯一能够依赖的策略就是绕过他们自己发行的实体信用卡。他们将不再强调它们,直到有朝一日放弃这些已经辉煌了数十年的卡片。他们将允许颠覆者直接连接到他们的收费公路上,如果你无法打败他们,就让他们加入你。
因此,苹果公司在2019年3月份宣布“Apple card”的消息,也就不足为奇了,评论者们不光注意到了实体卡片“漂亮的银白色”和“极其高雅的厚度”,还注意到这款极简主义风格的卡片上印刷的苹果公司的标志。该卡还承诺提供突破性的功能,例如不收取任何费用,并提供一款人工智能软件,可以积极鼓励用户避免债务,并提供建议以快速偿还债务。但是卡片背后是承销商高盛和Mastercard的标志。即使是苹果公司现在也无法摆脱塑料卡片的网络。
不只是苹果。 PayPal、Square、Samsung Pay、Google Pay、Facebook Credits、Stripe,甚至是加密货币新贵Coinbase,都可以与Visa和Mastercard结合使用。那么,这里主要的突破是意识到永远无法使用闭门造车的方式开发出最好的产品功能。无论是Visa还是Mastercard都意识到,杀手级应用必须由第三方发明,这些第三方和他们的客户关系更为紧密。如果他们要一个一个地和最终用户签约,就太慢了。更重要的是,如果第三方应用变得足够重要时,就该选择与它合作。
Visa首席执行官Al Kelly在回答关于他们和PayPal关系的问题时表示,金融行业充满了“亦敌亦友”的关系。这个说法听起来确实充满矛盾,它指的是本质上彼此竞争但是仍然友善相处的对手。但是这就是Visa和 Mastercard努力扩展应用程序编程接口(API)的方式,这些接口标准将让他们的网络变得简单而强大,从而让他们对金融科技新贵们来说,显得更加具有吸引力。
这两家公司都在启动“令牌服务”,该服务为每一张信用卡都生成唯一的令牌,而不是使用常规的信用卡号,以防止黑客获取重要的信息。这两家公司都希望成为整个支付行业的标准制定组织。他们将发布标准,而且将以低价推广,甚至可能是免费。行业观察家们对苹果、谷歌、Facebook和其他初创公司提供出色的移动支付方式表示赞赏,这将是一件好事。
有朝一日,塑料卡片甚至会完全消失。但是到了那个时候,Visa和Mastercard仍将无处不在,仍然会让全世界范围内收款和付款中所有困难的部分变得容易。
好文章,需要你的鼓励
zip2zip是一项创新技术,通过引入动态自适应词汇表,让大语言模型在推理时能够自动组合常用词组,显著提高处理效率。由EPFL等机构研究团队开发的这一方法,基于LZW压缩算法,允许模型即时创建和使用"超级tokens",将输入和输出序列长度减少20-60%,大幅提升推理速度。实验表明,现有模型只需10个GPU小时的微调即可适配此框架,在保持基本性能的同时显著降低计算成本和响应时间,特别适用于专业领域和多语言场景。
这项研究创新性地利用大语言模型(LLM)代替人类标注者,创建了PARADEHATE数据集,用于仇恨言论的无毒化转换。研究团队首先验证LLM在无毒化任务中表现可与人类媲美,随后构建了包含8000多对仇恨/非仇恨文本的平行数据集。评估显示,在PARADEHATE上微调的模型如BART在风格准确性、内容保留和流畅性方面表现优异,证明LLM生成的数据可作为人工标注的高效替代方案,为创建更安全、更具包容性的在线环境提供了新途径。
这项研究由中国科学技术大学的研究团队提出了Pro3D-Editor,一种新型3D编辑框架,通过"渐进式视角"范式解决了现有3D编辑方法中的视角不一致问题。传统方法要么随机选择视角迭代编辑,要么同时编辑多个固定视角,都忽视了不同编辑任务对应不同的"编辑显著性视角"。Pro3D-Editor包含三个核心模块:主视角采样器自动选择最适合编辑的视角,关键视角渲染器通过创新的MoVE-LoRA技术将编辑信息传递到其他视角,全视角精修器修复并优化最终3D模型。实验证明该方法在编辑质量和准确性方面显著优于现有技术。
这项研究提出了ComposeAnything,一个无需重新训练的框架,可显著提升AI图像生成模型处理复杂空间关系的能力。该技术由INRIA、巴黎高师和CNRS的研究团队开发,通过三个创新步骤工作:首先利用大型语言模型创建包含深度信息的2.5D语义布局,然后生成粗略的场景合成图作为先验指导,最后通过物体先验强化和空间控制去噪引导扩散过程。在T2I-CompBench和NSR-1K基准测试中,该方法远超现有技术,特别是在处理复杂空间关系和多物体场景时表现卓越,为AI辅助创意设计开辟新可能。