商汤科技宣布C轮战略融资6亿美元 阿里领投苏宁跟投

来源:雷帝网 


人工智能平台公司商汤科技SenseTime宣布完成6亿美元C轮融资,由阿里巴巴集团领投,新加坡主权基金淡马锡、苏宁等投资机构和战略伙伴跟投。


商汤科技联合创始人、CEO徐立表示:商汤科技C轮融资将进一步夯实公司在人工智能领域的地位:首先,以商汤原创技术为核心,赋能更多行业;其次,与全球头部伙伴进行深度合作,进一步拓展商业版图;第三,强化上下游产业链,深化商汤在人工智能产业链布局。”


阿里巴巴集团执行副主席蔡崇信表示:“商汤科技积极拓展人工智能领域,尤其在深度学习和视觉计算方面,其科研能力让人印象深刻。阿里巴巴在人工智能领域的投入已为旗下业务带来显著效益,今后我们将继续在人工智能领域作出投资。我们期待与商汤科技的战略合作能够激发更多创新,为社会创造价值。”


苏宁易购副董事长孙为民表示:智慧零售本质上就是零售要素的数字化,零售运营的智能化,因此未来人工智能将在智慧零售领域发挥越来越重要的作用,商汤作为国内行业领头企业,其聚焦原创技术,打造人工智能商业生态的理念 ,与苏宁智慧零售战略布局不谋而合。


孙为民称,双方合作后苏宁将人工智能运用在零售生态圈,并通过场景互联网,零售大数据反向赋能人工智能技术,为广大消费者带来更贴心的消费体验。”


商汤科技称,此次阿里巴巴集团领投,淡马锡、苏宁等多家顶级投资机构和战略伙伴跟投,将为商汤提供更丰富的应用场景,更强大的海外布局能力,加速AI技术落地。

商汤科技完成C轮融资后,将进一步强化在安防、手机、自动驾驶及互动娱乐等行业的落地优势,加快在智能零售、金融、教育等领域的技术落地,拓展商业版图,加速人工智能平台化发展。


未来智能实验室是人工智能学家与科学院相关机构联合成立的人工智能,互联网和脑科学交叉研究机构。


未来智能实验室的主要工作包括:建立AI智能系统智商评测体系,开展世界人工智能智商评测;开展互联网(城市)云脑研究计划,构建互联网(城市)云脑技术和企业图谱,为提升企业,行业与城市的智能水平服务。

  如果您对实验室的研究感兴趣,欢迎加入未来智能实验室线上平台。扫描以下二维码或点击本文左下角“阅读原文”

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。
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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