2017年云计算市场营收增长24% | CES：百度重磅推出 Apollo 2.0

于 2018-01-09 00:00:00 发布
阅读量1.4k 收藏
点赞数
    


每一个企业级的人  都置顶了 中国软件网

中国软件网  为你带来最新鲜的行业干货




小编点评

老司机百度开出了中国速度

新司机钉钉秀出了中国服务



趋势洞察


数据港王海峰：国内数据中心发展优于传统意义上的标准数据中心


上海数据港股份有限公司副总裁、数据中心首席架构师王海峰表示：许多第三方咨询和调查机构都显示出全球数据中心正在持续增长，而国内数据中心的发展还呈现出以下几点趋势：第一，定制化批发型数据中心的需求和市场份额在增加；第二，数据中心的建设成本逐渐透明化和市场化；最后，‘北上广’的需求依然旺盛，诸如‘张北’‘中卫’为代表的基地型数据中心也逐渐形成规模和发展趋势。此外，定制化数据中心解决方案不仅能满足客户的实际业务需求，还具有TCO成本优势，质量和交付进度都优于传统意义上的标准数据中心。



今日热点


2017年云计算市场营收增长24%  达1800亿美元

根据Synergy Research Group的新数据显示，全球云计算市场去年增长了24%，估值超过1800亿美元。Synergy Research公司的调查数据是基于六个领域的云计算服务的收入：基础设施即服务和平台即服务(IaaS & PaaS)、托管私有云、企业软件即服务(SaaS)、统一通信即服务以及公有云/私有云的软件和硬件。


钉钉内部信：组织架构调整  高管全部下沉  企业服务中心成立

近日，阿里巴巴钉钉CEO无招的一封内部动员邮件流出，刚刚宣布用户过亿的无招将2018年定为钉钉的“企业服务年”，并调整钉钉组织架构，成立企业服务中心，要求管理团队成员全部下沉到企业服务渠道，和服务商一起服务客户。这封邮件发给了钉钉全体员工。无招说，再过7天，就是钉钉上线3周年的日子。感谢大家3年来的忘我拼搏和付出，以人为本、简单高效安全的工作方式已经普及到了一亿用户。



产品技术


百度CES发布会：重磅推出 Apollo 2.0  陆奇秀出AI中国速度



近日，在当地举办的 BAIDU WORLD 发布会上，百度正式推出了旗下第二代自动驾驶平台 Apollo 2.0，同场百度还分享了其最新 AI 战略，以及 DuerOS 2.0 平台的最新进展，包括与合作伙伴推出的多款产品。百度 COO 陆奇在开场演讲中呼应本次活动的主题——“AI 改变世界，以中国速度”，他强调了中国在 AI 时代的优势，包括中国庞大的市场、用户、数据、技术以及优异的政策环境，而这正在快速缩小中美之间地差距。


三星电子发布首套自动驾驶车用组件

谷歌与LG、索尼和联想合作  推智能显示屏产品

Sprint推出首款能自动充电数字支付卡

我国首款HR效率软件”2号人事部”发布

三星首次推出数字白板产品  欲与微软和谷歌抗衡

传送科技CES推出“Tpcast plus”全面升级无线VR商用体验



市场动态


华为全闪存存储收入增速全球第一   2017年实现有质量的增长



近日，在华为存储2017年总结以及2018年策略更新媒体沟通会上，华为存储产品线总裁孟广斌表示：“要讲一个关键词的话，2017年是有质量的增长。”


来自IDC的数据显示，2017年前三季度华为存储全球收入增长率达到35.2%，位列全球第一。其中尤为突出的是，自全闪存存储阵列OceanStor Dorado V3上市交付以来，华为全闪存存储产品迎来迅猛增长，2017年前三季度的全闪存存储收入增速位列全球第一，达到了226.8%。另外，华为还在西欧与日本这两个市场实现了超过100%的大幅度增长，分别是151%与197%。


黑莓车辆操作系统将与百度自动驾驶平台捆绑

武汉将建设精密激光智造基地  打破国外核心技术垄断

APICloud推出“亿元分账计划”  API生态实现移动开发技术全融合!

国内首家移动及物联网安全联合实验室在京正式成立

美团打车将于1月12日登陆北京  用户可1分钱体验

百度Apollo与微软、TomTom、Udacity等合作  国际“朋友圈”不断壮大

Analysys Mason联合华为发布研究报告：数字化重塑运维

ST沈机联手腾讯  在工业云领域展开深度合作

比特币中国将推出云算力：在家躺着收挖矿收益



投资并购


新云医疗获联想之星近千万Pre-A轮投资  提供基层医疗疼痛科整体解决方案


近日，新云医疗宣布获得联想之星的近千万元Pre-A轮投资。据悉，2016年10月，新云医疗曾获120万元种子轮投资，同年12月再获数百万元投资。


46.5亿收购启行教育  神州数码云转型扎根教育

Grupo Gtd公司收购Falabella公司在智利的数据中心

专注云上数据连接生意  白山云科技获3.3亿元融资

模拟工作环境培训工人  VR/AR初创公司Simulanis完成50万美元Pre-A轮融资



签单快讯

用友友云采签约找钢网  创新大型建筑企业采购服务



找钢网以做建材钢材的电商为主营业务，经过五年的快速发展，如今已经成为国内大型的全产业链电商平台。随着越来越多的大型建筑企业加入找钢网，其对找钢网的需求也越来越多，诸如通过该平台管理分布全国工程项目的采购、缩短采购周期、提高采购透明度等，因此，找钢网携手用友友云采，以更好地满足大型企业建筑企业的互联网采购需求。



科技趣闻


法国检察官着手调查苹果“降频门”事件



近日，外媒援引司法部门的消息称，法国检察官已接到消费者组织投诉，正在对美国科技巨头苹果公司“降频门”事件展开初步司法调查。调查从上周五开始启动，将由法国消费者反欺诈组织DGCCRF牵头，该组织是法国经济部的一个分支。苹果公司上个月承认在iOS中加入了一个动态调整机制，也就是说，在一些老型号的iPhone手机中，当手机无法提供处理器所需的峰值电流时，手机需要采取一些措施来降低电量需求，处理器的性能因此将受到不利影响。法国监督机构的初步调查可能需要数月时间，根据调查结果，此案可能会被撤销，或交由法官进行深入调查。


阿里巴巴行人检测、行人识别技术双双打破世界纪录




 中国软件网 

专注有深度的

互联网软件趋势分析

 新闻延伸阅读 

金山云侯震宇：混合云已进入发展黄金期 | 工信部：将持续完善云计算标准体系

【一周头条盘点】中国软件网（2017.1.2~2017.1.5）

微信上线新版电子社保卡 | 英特尔将为5年内9成处理器提供补丁  计划下周末推送

英特尔处理器被曝重大漏洞  微软苹果等将推送补丁 | 全球数据中心收购交易量在2017年创下历史新高


扫描二维码，关注我们吧

Z1Y492Vn3ZYD9et3B06
关注
百度无人驾驶apollo2.0源码
04-10
Apollo是由百度公司开发的一个开放平台，专为自动驾驶系统设计，旨在提供一套完整、安全、可靠的解决方案。Apollo2.0是该平台的一个重要版本，相较于早期的1.5版，它在功能、性能和易用性上都有显著提升。在这个源码...
百度云首次公布具体营收，2018年Q4营收破11亿
cpongo011702
08-22 329
此前非常神秘的百度云首次公布营收数据，根据其数据显示，百度云业务在2018年第4季度实现11亿人民币营收，超过去年同期营收两倍还多。刚刚，百度公布2018财年第四季度未经审计财务报告。本季度，百度营收272亿元人民币，同比增长22%；净利润21亿元人民币。值得关注的是，在财报公布之后的电话会议上，百度云首次公布其具体业绩数据，Q4季度营收破11亿。在电话会议中，百度董事长兼CEO李彦宏表示：201...
百度Apollo智能交通白皮书-ACE智能交通引擎2.0.pdf
08-22
百度Apollo智能交通白皮书-ACE智能交通引擎
apollo-cache-redux：用于Apollo Client 2.0的Redux缓存。 该项目不再维护
02-04
apollo-cache-redux是Redux支持的Apollo Client 2.0缓存实现。 它大量重用了apollo-cache-inmemory缓存规范化代码。 与Redux 3.x和4.x一起使用。 安装 npm install apollo - cache - redux -- save 安装软件包后：...
百度Apollo智能交通白皮书——ACE智能交通引擎2.0.pdf
12-10
【百度Apollo智能交通白皮书】是百度公司在智能交通领域的重要成果展示，主要围绕其ACE智能交通引擎2.0展开。ACE智能交通引擎是百度对智能交通未来愿景的诠释，包含A-Autonomous Driving（自动驾驶）、C-Connected ...
百度apollo lane_change_decider 详细注释代码
04-02
百度apollo lane_change_decider 详细注释代码
智慧旅游景区解决方案PPT(50页).pptx
09-21
智慧旅游解决方案利用云计算、物联网和移动互联网技术，通过便携终端设备，实现对旅游资源、经济、活动和旅游者信息的智能感知和发布。这种技术的应用旨在提升游客在旅游各个环节的体验，使他们能够轻松获取信息、规划行程、预订票务和安排食宿。智慧旅游平台为旅游管理部门、企业和游客提供服务，包括政策发布、行政管理、景区安全、游客流量统计分析、投诉反馈等。此外，平台还提供广告促销、库存信息、景点介绍、电子门票、社交互动等功能。 智慧旅游的建设规划得到了国家政策的支持，如《国家中长期科技发展规划纲要》和国务院的《关于加快发展旅游业的意见》，这些政策强调了旅游信息服务平台的建设和信息化服务的重要性。随着技术的成熟和政策环境的优化，智慧旅游的时机已经到来。 智慧旅游平台采用SaaS、PaaS和IaaS等云服务模式，提供简化的软件开发、测试和部署环境，实现资源的按需配置和快速部署。这些服务模式支持旅游企业、消费者和管理部门开发高性能、高可扩展的应用服务。平台还整合了旅游信息资源，提供了丰富的旅游产品创意平台和统一的旅游综合信息库。 智慧旅游融合应用面向游客和景区景点主管机构，提供无线城市门户、智能导游、智能门票及优惠券、景区综合安防、车辆及停车场管理等服务。这些应用通过物联网和云计算技术，实现了旅游服务的智能化、个性化和协同化，提高了旅游服务的自由度和信息共享的动态性。 智慧旅游的发展标志着旅游信息化建设的智能化和应用多样化趋势，多种技术和应用交叉渗透至旅游行业的各个方面，预示着全面的智慧旅游时代已经到来。智慧旅游不仅提升了游客的旅游体验，也为旅游管理和服务提供了高效的技术支持。
智慧旅游实景三维智慧景区建设方案PPT(70页).pptx
09-21
智慧旅游解决方案利用云计算、物联网和移动互联网技术，通过便携终端设备，实现对旅游资源、经济、活动和旅游者信息的智能感知和发布。这种技术的应用旨在提升游客在旅游各个环节的体验，使他们能够轻松获取信息、规划行程、预订票务和安排食宿。智慧旅游平台为旅游管理部门、企业和游客提供服务，包括政策发布、行政管理、景区安全、游客流量统计分析、投诉反馈等。此外，平台还提供广告促销、库存信息、景点介绍、电子门票、社交互动等功能。 智慧旅游的建设规划得到了国家政策的支持，如《国家中长期科技发展规划纲要》和国务院的《关于加快发展旅游业的意见》，这些政策强调了旅游信息服务平台的建设和信息化服务的重要性。随着技术的成熟和政策环境的优化，智慧旅游的时机已经到来。 智慧旅游平台采用SaaS、PaaS和IaaS等云服务模式，提供简化的软件开发、测试和部署环境，实现资源的按需配置和快速部署。这些服务模式支持旅游企业、消费者和管理部门开发高性能、高可扩展的应用服务。平台还整合了旅游信息资源，提供了丰富的旅游产品创意平台和统一的旅游综合信息库。 智慧旅游融合应用面向游客和景区景点主管机构，提供无线城市门户、智能导游、智能门票及优惠券、景区综合安防、车辆及停车场管理等服务。这些应用通过物联网和云计算技术，实现了旅游服务的智能化、个性化和协同化，提高了旅游服务的自由度和信息共享的动态性。 智慧旅游的发展标志着旅游信息化建设的智能化和应用多样化趋势，多种技术和应用交叉渗透至旅游行业的各个方面，预示着全面的智慧旅游时代已经到来。智慧旅游不仅提升了游客的旅游体验，也为旅游管理和服务提供了高效的技术支持。
基于深度学习实现的半监督学习例子.zip
09-21
深度学习是机器学习的一个子领域，它基于人工神经网络的研究，特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征，这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分： 1. **神经网络（Neural Networks）**：深度学习的基础是人工神经网络，它是由多个层组成的网络结构，包括输入层、隐藏层和输出层。每个层由多个神经元组成，神经元之间通过权重连接。 2. **前馈神经网络（Feedforward Neural Networks）**：这是最常见的神经网络类型，信息从输入层流向隐藏层，最终到达输出层。 3. **卷积神经网络（Convolutional Neural Networks, CNNs）**：这种网络特别适合处理具有网格结构的数据，如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络（Recurrent Neural Networks, RNNs）**：这种网络能够处理序列数据，如时间序列或自然语言，因为它们具有记忆功能，能够捕捉数据中的时间依赖性。 5. **长短期记忆网络（Long Short-Term Memory, LSTM）**：LSTM 是一种特殊的 RNN，它能够学习长期依赖关系，非常适合复杂的序列预测任务。 6. **生成对抗网络（Generative Adversarial Networks, GANs）**：由两个网络组成，一个生成器和一个判别器，它们相互竞争，生成器生成数据，判别器评估数据的真实性。 7. **深度学习框架**：如 TensorFlow、Keras、PyTorch 等，这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数（Activation Functions）**：如 ReLU、Sigmoid、Tanh 等，它们在神经网络中用于添加非线性，使得网络能够学习复杂的函数。 9. **损失函数（Loss Functions）**：用于评估模型的预测与真实值之间的差异，常见的损失函数包括均方误差（MSE）、交叉熵（Cross-Entropy）等。 10. **优化算法（Optimization Algorithms）**：如梯度下降（Gradient Descent）、随机梯度下降（SGD）、Adam 等，用于更新网络权重，以最小化损失函数。 11. **正则化（Regularization）**：技术如 Dropout、L1/L2 正则化等，用于防止模型过拟合。 12. **迁移学习（Transfer Learning）**：利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就，但它也面临着一些挑战，如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
关于APx测试耳机音频的参数设置及步骤 关于APx测试耳机音频的参数设置及步骤
09-21
关于APx测试耳机音频的参数设置及步骤 关于APx测试耳机音频的参数设置及步骤
jQuery背景可滑动的导航菜单代码，鼠标经过导航时导航背景可滑动，兼容主流浏览器
09-21
jQuery背景可滑动的导航菜单代码，鼠标经过导航时导航背景可滑动，兼容主流浏览器 使用方法： 1、引入reset.css、index.css、jquery-1.7.2.min.js库文件，及jquery.movebg.js插件 2、在文件中加入<!-- 代码 开始 --><!-- 代码 结束 -->区域代码 3、移动的滑动可根据需要自由修改外观
Matlab实验指导书.doc
09-21
Matlab实验指导书.doc
S7-1200 计数器介绍
09-21
PLC
010编辑器，好用的二进制编辑器
09-21
010编辑器，好用的二进制编辑器
制作表彰奖状-使用电子表格批处理数据.pptx
09-21
信息技术教学ppt
智能翻译官cpc-bd07-20752777288491826.exe
最新发布
09-21
‌智能翻译官获得了广泛的好评‌，这主要得益于其高效、准确以及用户友好的特性。以下是一些具体的评价细节： ‌用户界面和操作体验‌：智能翻译官提供了一个直观且易于使用的界面，使得用户能够轻松地进行翻译操作。无论是文字输入、拍照翻译还是语音输入，智能翻译官都能提供流畅的使用体验，大大提高了用户的工作和沟通效率‌12。 ‌翻译准确性和速度‌：智能翻译官在翻译准确性和速度方面表现出色。它支持多种语言的翻译，包括但不限于英语、日语、韩语等，并且能够在短时间内完成翻译，确保了沟通的实时性和有效性‌23。 ‌功能多样性‌：除了基本的翻译功能外，智能翻译官还提供了同声传译、录音文件保存、实景AR翻译等多种功能。这些功能使得智能翻译官成为开会、旅行等多种场景下的理想选择‌2。 ‌用户反馈‌：从用户反馈来看，智能翻译官不仅受到了普通用户的欢迎，也得到了专业人士的认可。无论是学生、商务人士还是旅游者，都对其表示满意，认为它极大地便利了他们的学习和生活‌12。 综上所述，智能翻译官以其高效、准确、用户友好的特点，赢得了广泛的好评和推荐。无论是对于需要频繁进行语言沟通的用户，还是对于需要学习不同语言的学
基于深度学习的自动相册分类系统.zip
09-21
深度学习是机器学习的一个子领域，它基于人工神经网络的研究，特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征，这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分： 1. **神经网络（Neural Networks）**：深度学习的基础是人工神经网络，它是由多个层组成的网络结构，包括输入层、隐藏层和输出层。每个层由多个神经元组成，神经元之间通过权重连接。 2. **前馈神经网络（Feedforward Neural Networks）**：这是最常见的神经网络类型，信息从输入层流向隐藏层，最终到达输出层。 3. **卷积神经网络（Convolutional Neural Networks, CNNs）**：这种网络特别适合处理具有网格结构的数据，如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络（Recurrent Neural Networks, RNNs）**：这种网络能够处理序列数据，如时间序列或自然语言，因为它们具有记忆功能，能够捕捉数据中的时间依赖性。 5. **长短期记忆网络（Long Short-Term Memory, LSTM）**：LSTM 是一种特殊的 RNN，它能够学习长期依赖关系，非常适合复杂的序列预测任务。 6. **生成对抗网络（Generative Adversarial Networks, GANs）**：由两个网络组成，一个生成器和一个判别器，它们相互竞争，生成器生成数据，判别器评估数据的真实性。 7. **深度学习框架**：如 TensorFlow、Keras、PyTorch 等，这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数（Activation Functions）**：如 ReLU、Sigmoid、Tanh 等，它们在神经网络中用于添加非线性，使得网络能够学习复杂的函数。 9. **损失函数（Loss Functions）**：用于评估模型的预测与真实值之间的差异，常见的损失函数包括均方误差（MSE）、交叉熵（Cross-Entropy）等。 10. **优化算法（Optimization Algorithms）**：如梯度下降（Gradient Descent）、随机梯度下降（SGD）、Adam 等，用于更新网络权重，以最小化损失函数。 11. **正则化（Regularization）**：技术如 Dropout、L1/L2 正则化等，用于防止模型过拟合。 12. **迁移学习（Transfer Learning）**：利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就，但它也面临着一些挑战，如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
【目标识别】基于matlab红外光图像小目标识别【含Matlab源码 7571期】.zip
09-21
CSDN海神之光上传的代码均可运行，亲测可用，直接替换数据即可，适合小白； 1、代码压缩包内容 主函数：main.m； 调用函数：其他m文件；无需运行 运行结果效果图； 2、代码运行版本 Matlab 2019b；若运行有误，根据提示修改；若不会，私信博主； 3、运行操作步骤 步骤一：将所有文件放到Matlab的当前文件夹中； 步骤二：双击打开main.m文件； 步骤三：点击运行，等程序运行完得到结果； 4、仿真咨询 如需其他服务，可私信博主或扫描博客文章底部QQ名片； 4.1 博客或资源的完整代码提供 4.2 期刊或参考文献复现 4.3 Matlab程序定制 4.4 科研合作 图像识别：表盘识别、车道线识别、车牌识别、答题卡识别、电器识别、跌倒检测、动物识别、发票识别、服装识别、汉字识别、红绿灯识别、火灾检测、疾病分类、交通标志牌识别、口罩识别、裂缝识别、目标跟踪、疲劳检测、身份证识别、人民币识别、数字字母识别、手势识别、树叶识别、水果分级、条形码识别、瑕疵检测、芯片识别、指纹识别
基于深度学习的肺炎分类研究.zip
09-21
深度学习是机器学习的一个子领域，它基于人工神经网络的研究，特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征，这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分： 1. **神经网络（Neural Networks）**：深度学习的基础是人工神经网络，它是由多个层组成的网络结构，包括输入层、隐藏层和输出层。每个层由多个神经元组成，神经元之间通过权重连接。 2. **前馈神经网络（Feedforward Neural Networks）**：这是最常见的神经网络类型，信息从输入层流向隐藏层，最终到达输出层。 3. **卷积神经网络（Convolutional Neural Networks, CNNs）**：这种网络特别适合处理具有网格结构的数据，如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络（Recurrent Neural Networks, RNNs）**：这种网络能够处理序列数据，如时间序列或自然语言，因为它们具有记忆功能，能够捕捉数据中的时间依赖性。 5. **长短期记忆网络（Long Short-Term Memory, LSTM）**：LSTM 是一种特殊的 RNN，它能够学习长期依赖关系，非常适合复杂的序列预测任务。 6. **生成对抗网络（Generative Adversarial Networks, GANs）**：由两个网络组成，一个生成器和一个判别器，它们相互竞争，生成器生成数据，判别器评估数据的真实性。 7. **深度学习框架**：如 TensorFlow、Keras、PyTorch 等，这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数（Activation Functions）**：如 ReLU、Sigmoid、Tanh 等，它们在神经网络中用于添加非线性，使得网络能够学习复杂的函数。 9. **损失函数（Loss Functions）**：用于评估模型的预测与真实值之间的差异，常见的损失函数包括均方误差（MSE）、交叉熵（Cross-Entropy）等。 10. **优化算法（Optimization Algorithms）**：如梯度下降（Gradient Descent）、随机梯度下降（SGD）、Adam 等，用于更新网络权重，以最小化损失函数。 11. **正则化（Regularization）**：技术如 Dropout、L1/L2 正则化等，用于防止模型过拟合。 12. **迁移学习（Transfer Learning）**：利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就，但它也面临着一些挑战，如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
百度AI战略：开放平台赋能未来，Apollo与DuerOS引领行业变革
度秘的推出和渡鸦科技的收购标志着百度在家居领域的深入布局，而Apollo的发布则标志着公司在自动驾驶领域的商业化进程加速。这些举措表明，百度正逐步将AI技术转化为实际的产品和服务，带动整个行业的创新和发展。...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值