至顶网CIO与应用频道 09月06日 北京消息:国际媒体Technode近期拜访滴滴北京总部。在报道中,Technode指出,在成立五年之际,作为全球共享出行的领先者,滴滴正通过投资合作推动业务的国际化。与此同时,凭借平台积累的大量数据,滴滴也在利用数据分析技术,与中国的城市管理者合作,给城市规划和交通管理提供更多信息,助力智慧城市的发展。
中国共享出行巨头滴滴出行正在推动大数据和人工智能技术的发展。滴滴一方面通过合作,扩大在全球范围内的影响力,另一方面也致力于技术开发,目标是成为智慧交通和汽车技术的全球领先者。
今年4月,滴滴完成了55亿美元融资,估值达到500亿美元。过去一段时间里,滴滴正在走向全球各地,投资了多个地区的打车公司。
在东南亚,滴滴和软银今年7月联合领投了地区领先者Grab一轮20亿美元的融资。8月,滴滴与来自迪拜的Careem达成合作协议,涉足中东和北非市场。此外,滴滴投资了Taxify,后者目前在欧非地区的18个国家服务于250万用户。在投资Careem之前,滴滴还领投了巴西共享出行企业99。

滴滴希望,预测算法能减小出行市场的供需失衡问题,最终解决该问题
然而,滴滴关心的并不仅仅是国际化发展。滴滴表示,该公司的7000名员工中有50%是工程师和数据科学家。在2015年的TechCrunch北京大会上,滴滴战略副总裁朱景士曾表示,与美国的城市相比,中国的城市带来了更大的挑战,这促使工程师寻找更先进的技术解决方案。
那么,滴滴正在如何利用大数据,协助解决中国城市的交通拥堵问题?正如可视化工具所展示的,滴滴利用由数据驱动的智能匹配技术,给乘客寻找司机,确保给定区域的整体交通效率最大化。图上的红点表明这里对出租车和专车有额外需求,绿点则表明车辆供大于求。
Technode参观了滴滴的北京总部,与负责滴滴城市交通项目的数据分析师王占伟进行了对话。根据王占伟的介绍,滴滴通过3种方式,协助政府部门解决中国城市的交通问题。
1.滴滴给城市发展经济学家提供帮助

滴滴可以实时监控,哪些地区有用户正在呼叫滴滴
“在中国地图上,可以看到400座城市有彩色点在闪烁。滴滴可以实时监控,哪些地区有用户正在呼叫滴滴。”王占伟告诉Technode,“滴滴的运营情况非常形象地反映了某座城市,甚至整个地区的经济和人口动态。”
王占伟指出,滴滴的数据表明,除珠三角、长三角和京津冀地区之外,四川将成为中国下个增长和区域一体化中心。
滴滴正在迅速开拓除一二线以外的中国其他城市,甚至深入某些欠发达的城镇和郊县。滴滴的服务已经覆盖了中国823个欠发达郊县中的518个。在非一二线城市中,滴滴解决了普遍存在的司乘之间讨价还价问题,因此备受用户欢迎。
“这给地方就业和经济活力带来了改变。”王占伟表示,“经济而高效的交通方式帮助小城市与主要中心城市共同发展。”
2.滴滴的目标是预测和消解交通拥堵,目标即将实现
王占伟表示,大数据科学家的终极目标是实现预测,进而做出干预。借助数据分析技术,通过分析存量交通数据和实时数据,滴滴已经具备了预测交通拥堵的能力。
“今天,在某些特定区域,我们可以提前15分钟预测需求,准确率高达85%。在此基础上,我们设计并开发了预测派单模型,派遣车辆更快地到达打车需求旺盛的区域。”王占伟表示,“如果我们可以在整座城市中、提前更长时间实现这样的预测,那么会看到什么样的结果?用更多的数据去训练算法,我们的技术就会不断优化,交通管理者就可以更完美地预测何时会发生交通拥堵,提前采取措施防止拥堵的发生。”
3.滴滴正在与交管部门合作,缓解城市拥堵
与新加坡和赫尔辛基等城市类似,中国的城市管理者也在建设可持续发展的“智慧城市”。滴滴认为,该公司可以在这一过程中扮演重要角色。目前,滴滴正在与包括南京、深圳、济南和武汉在内的20座城市合作,用数据去助力交通管理。
在济南的试点项目中,滴滴协助地方交警部门协调调度和监控系统。除提供实时交通数据之外,滴滴也开展了智慧信号灯、交通引导屏以及潮汐车道等项目。王占伟表示,通过将交通管理技术应用于济南的主要道路,滴滴使道路通行时间缩短了10%至20%。“济南全市有900个十字路口,我们为其中的约100个十字路口开发信号灯技术。如果我们能覆盖全市的所有信号灯,那么交通拥堵问题可以得到极大地缓解。”

济南快速路上的滴滴大屏幕帮助司机更好地根据实时交通信息规划路线
滴滴表示,来自数据分析的信息甚至可以帮助地方交通部门负责人更好地评估辖区内的交通运行和管理情况。
好文章,需要你的鼓励
在Cloudera的“价值观”中,企业智能化的根基可以被概括为两个字:“源”与“治”——让数据有源,智能可治。
苏州大学研究团队提出"语境降噪训练"新方法,通过"综合梯度分数"识别长文本中的关键信息,在训练时强化重要内容、抑制干扰噪音。该技术让80亿参数的开源模型在长文本任务上达到GPT-4o水平,训练效率比传统方法高出40多倍。研究解决了AI处理长文档时容易被无关信息干扰的核心问题,为文档分析、法律研究等应用提供重要突破。
微软正式确认配置管理器将转为年度发布模式,并将Intune作为主要创新重点。该变化将于2026年秋季生效,在此之前还有几个版本发布。微软表示此举是为了与Windows客户端安全和稳定性节奏保持一致,优先确保安全可靠的用户体验。配置管理器将专注于安全性、稳定性和长期支持,而所有新功能创新都将在云端的Intune中进行。
清华大学团队首次揭示了困扰AI训练领域超过两年的"幽灵故障"根本原因:Flash Attention在BF16精度下训练时会因数字舍入偏差与低秩矩阵结构的交互作用导致训练崩溃。研究团队通过深入分析发现问题源于注意力权重为1时的系统性舍入误差累积,并提出了动态最大值调整的解决方案,成功稳定了训练过程。这项研究不仅解决了实际工程问题,更为分析类似数值稳定性挑战提供了重要方法论。