联系电话 400-123-4657
  • 栏目幻灯二
  • 栏目幻灯一
  • 最新公告:
    k1体育诚信为本,市场在变,诚信永远不变...
    热门分类: 第一系列 | 第二系列 | ......>>更多
    公司动态 当前位置: k1体育 > 新闻动态 > 公司动态
    k1体育AIGC 时代下的社交泛娱乐出海添加时间:2023-11-09

      k1体育AIGC 时代下的社交泛娱乐出海构建新规则,我们进入了一个“对线 DEMO WORLD企业开放式创新大会在长三角G60科创走廊策源地松江隆重举行。本届大会由创业邦主办,松江区经济委员会、松江区投资促进服务中心、国家级上海松江经济技术开发区、松江区泗泾镇人民政府、松江区佘山镇人民政府协办。

      大会以“拥抱开放”为主题,邀请200+跨国公司及本土企业创新领袖,聚焦开放式创新,通过演讲分享、报告发布、榜单评选、案例展示、需求对接等多种方式,推动全球创新资源在行业中的流动,加速世界各地的企业在中国成长。

      会上,融云海外业务总经理宋清晨在“AIGC 时代下的社交泛娱乐出海”演讲中的精彩观点如下:

      我分成四部分和大家进行分享,第一部分,构建新的规则。最早大家听到AI的时候应该是基于深蓝到AlphaGo,几场AI与人类围棋大师的对弈。直到AlphaGo把柯洁打败以后,关于 AI 是否能在某些行业取代人类的讨论达到了小高顶峰,但是在实际应用上,AI 除了一些“大数据推送”和“语音助手”外,便少有更深层次或者更大众化的应用出现。

      整个过程出现了什么变化吗?总结来说就是由专业生产内容逐渐到了用户生产内容,到当下AI生产内容的AIGC时代。左边这张图是来自于时代周刊的,上面那条线是人类表现的基线,人工智能已经在很多任务上超越了人类,比如手写识别k1体育·(中国)官方网站、语音识别、图像识别、阅读理解等等,而且发展速度在逐步加快。如果继续以同样的速度取得进展,在未来两到三年内,很多人都能够通过 AI 获得即使是今天的专家也无法掌握的科学知识和能力。况且AI的发展包括AI生成内容的发展都已势不可挡,也有投资机构把AIGC产业生态分成三部分,包括应用、模型和基础设施。

      你们是通过什么真正意识到了AIGC的变革呢?是ChatGPT?Midjourney 的提示词生成图片?聊天机器人?AI 互动英文老师?还是更层次的技术的创新?用户体验的变革?社交传播面广?媒体的大肆报道呢?我们意识到的这一变革、这些“新的”技术和能力就像创业邦一开始放的视频一样,我想说的是,晶体管很早就有,但电脑的出现才是真正的创新。

      AIGC让大家可以真正切身体会到的变革是以“对话”形式出现的,我们正在步入一个对话的新时代。这是今年立秋吴声年度演讲的核心宗旨之一。我们认为“对话”是一种比较深度的连接,普通的网络连接远不如对话那么坚如磐石,因为消费者不是一个冷冰冰的端口,而是一个有着多元化需求的真实的个体。从这张图简单解释一下,永远是“对话”触发了事件和需求,当前大模型带领我们进入到了新的与算法共处的时代,我们可以基于它更新我们的算法,反哺我们的信息池,以此输出更新的内容。

      AI也在此改变通讯和社交,带来更多的可能性和价值。大家了解的AIGC 是指利用Transformer 模型、Diffusion 模型等基础生成算法模型、预训练模型等 AI 技术,通过对既有数据的学习和发散,基于与人类交互所确定的主题,由 AI 算法模型完全自主、自动生成对应内容。当前 AIGC 较为明确的可以提高通讯与社交的效率和质量,同时还能创造通讯与社交的新体验和新场景。如提供虚拟伴侣、虚拟明星、虚拟宠物等形式的智能对话伙伴,提供基于文本或图像的交互生成内容,甚至可以提供基于元宇宙的虚拟社交空间。

      这张图就是社交泛娱乐APP出海的历程,14、15年国内移动互联网社交和应用发展逐渐成熟之后就开始出海,融云伴随了第一批客户的出海,我们当时就主导和开发了印度国民级即时通信应用。从最早的陌生人社交逐渐发展到现在爆火的视频社交甚至短视频、直播等,整个历程中诞生了大量家喻户晓的 App,这里面有不少应用正是使用了融云的云通信能力才打开了与海外市场和客群的“对话”。对于一家提供“对话”能力的公司,我在这里就有必要跟大家分享一下融云了。

      融云前身来自于飞信团队,在2007年时飞信日活就超过了3.5亿。在国内,做过亿级 IM 系统的厂商也没几家,我们在 IM 通信领域有 10 多年的 know-how,所以我们在市场上快速取得了市场第一的地位。随着业务的发展,我们完成了 IM + RTC 在全场景下的通信能力建设,这都离不开我们出海客户在全球范围内的快速增长。期间我们伴随客户成长,并驻足全球化发展,建立海外数据中心,建设全球通信大网。我们作为一家提供专业、安全、稳定的全球云通讯服务商,服务覆盖全球233个国家和地区。
嵌入我们的 SDK 可以使每个应用程序都能快速搭建起 WhatsApp 和微信的通讯功能。

      这里我应该再多说一句就是,可以做到第一的云通讯服务提供商不只是提供了一些 API、写了一些代码这么简单,我们打造多年的全球加速网络和不断调优的通讯基建都是我们宝贵的护城河。我们构建的 SD-CAN 全球加速网络,经过了多年的验证,支撑了庞大的 IM 和 RTC 通信系统,端到端延迟可以做到 100ms 和极低的丢包率。 SD-CAN 全球加速网络
 P99 延迟也比上一代降低 30%!

      这张展示的就是我们融云的产品全景图了。融云的产品在网络运营商和公有云基础设施服务商的能力之上建立的云通讯 PaaS 层,提供的功能有:单群聊、聊天室、超级群、内容审核等,且支持公有云、私有部署等,同时还提供了1v1社交娱乐、多人新视频会议、实时社区等,我就不在这里一一展开讲解了。作为一家提供“对话”的平台,我们承载了非常多国外内客户的需求和希望。可能在大家理解中通信不就是聊个天、打个电话、视频一下吗?其实通讯可以提供的真正玩法是多种多样的。我们已经服务整个社交行业社十多年了,社交行业甚至部分泛娱乐行业我们是非常了解的,我们一直以来都是根据客户在市场中的发展与成长来学习更多内容,强健我们自己的产品,来为客户提供更多玩法和可能性。

      在AIGC加持下,我们到底应该怎么发展?这是我们梳理的AIGC和IM结合的图,IM就是即时通信,通信实际上就是AIGC非常好的载体和变革的核心,整个行业里面我们认为打通IM和AIGC的能力不是很困难,晶体管和电路板的焊接也不一定很困难,但我们真正要做的是要对结果负责,大家对于AIGC使用的结果是有预期的。融云没有一开始就把接口提供在外而是对内在做测试,是因为我们需要不断调优。大家用到ChatGPT等AIGC能力时,相信对于简单问答还好,但是结合上下文的沟通相信都会有一些调优的操作,包括修改提示词或者让模型更加紧密结合“对话”的上下文。

      现在的AIGC为什么能和你建立正常的聊天场景,正是因为它对你和它对话上下文的理解。当和 AIGC 能力结合比较深时,还需要提供几种方式对效果进行优化。比如大家常见的 Prompt 提示词k1体育·(中国)官方网站,Token Embedding 上下文向量化,甚至大家在使用开源大模型的时候,会通过 Fine Tuning 进行微调。这些都需要 IM 提供上下文的历史信息来大幅提升模型对对话“理解”的准确度,而融云就可以通过消息的各种 Pipeline 非常好的支持。

      而 RTC 与 AIGC 能力的结合请看这张图,其中白色箭头所指代的就是信息和数据的正常流转,如:采集到的数据经过前处理、编码等一路过来最终经历后处理直到播放,而流程中的箭头指的是从客户端采集播放编解码到服务端的全流程,融云都支持 Pipeline Hook,那这样就可以把 AIGC 的能力集成到整个生产和消费的流程中。

      海外很多运营场景和聊天过程当中群主这一角色和同声传译这个功能都很重要。比如超级群应用,每个群的群成员很多,比如1万、50万、上百万人,每个群都是一个独立的私域,当前客户需要很多人分不同频道运营不同的内容,运营成本就会居高不下。但是如果我们有一个AI群主,他就可以帮你轻松达成这一切,客户海外私域运营成本就会大幅下降。

      还有AI同声传译。当前很多客户在做直播时只能面向国内市场,如果我们通过自动语音识别技术、AI音色仿真还有实时翻译等提供了母语级AI同声传译产品,那么主播说出的话就可以直接在海外平台播放,大大扩宽了客群和受众。AI对话和客服偏向于给我们提供专业的知识和解答,在出海企业办公类应用中是非常重要的。

      论发展阶段的话,当前的 AIGC 仍旧处于“AIGC 辅助人类进行内容生产”的第一阶段,也在尝试往第二阶段“AIGC 以虚实并存的虚拟人形态出现,形机共生的局面”上迈进k1体育·(中国)官方网站,但真正质的飞跃在第三阶段“原创阶段,AIGC将独立完成内容创作”。正如我前面说的,AIGC 是对既有数据的学习和发散,并没有主动创造全新的内容。这个过程当中我们怎么样合理地运用好产品是融云一直很关注的,我们怎么样能打造出满足当下市场需要的产品,又能应对比如知识产权争议、关键技术难点、创作伦理问题,也是客户在应用出海时候所必须的。在通讯内容合规上,融云也打造出了多套产品,满足客户社交泛娱乐内容安全出海。

      在坐的各位可以看一下这张图图,分别是 Meta 的 LLAMA、OpenAI的ChatGPT-3 和 Google 的 PalM,参数集分别是:650亿、1750亿和540亿,大家看一下这些蓝色的柱状图,每当训练一次这些 LLM,产生的都是吨级的二氧化碳当量。预训练所需的能量消耗会随着模型的大小而增加。