神秘!迅雷将推共享计算企业级新品

北京时间3月15日上午,迅雷(Nasdaq:XNET)正式公布了2017年第四季度及全年未经审计的财务报告。截止2017年12月31日,迅雷全年总营收约为2亿美元,较2016年增长43.2%。第四季度总营收约为8,240万美元,同比增长128.5%,环比增幅83.9%,是迅雷连续8个季度营收增长以来的最高增幅,也是迅雷自2014年上市以来的最高纪录。

其中,Q4在线广告收入约为780万美元,同比增长70.6%,环比增长36.0%;包括云计算在内的其他互联网增值服务收入约为5,190万美元,同比增长431.6%,环比增长184.1%。云计算收入同比增长517.2%,环比增长225.8%。

在取得翻倍的年度增长后,迅雷宣布将在近期把云计算业务场景,从CDN领域扩展至IaaS领域;同时玩客云系统也将进行更新,以优化产品体验。分析认为此举有利于巩固迅雷在云计算行业的创新引领者地位,并扩大在市场占有方面的优势。

共享计算的升级之作

共享计算是迅雷首创的一种云计算模式,其中理念与技术都极具创新色彩。推出之后,一度引发行业热议,并最终形成了共享计算浪潮。目前已有多家云计算企业,模仿迅雷的模式推出了自己的共享计算业务。

但任何一种技术,都必须要有落地的应用场景才可称实用,否则依然是空中楼阁。在共享计算领域,迅雷已经推出了商业化产品星域CDN。历经两年的市场检验,目前星域CDN得到了市场和用户的高度认同,在直播、点播等对流量需求巨大的行业,星域CDN以其出色的性能和高性价比,成为首选的CDN合作品牌,收获了以爱奇艺、小米、触手、熊猫直播、快手等众多头部品牌客户。

即将推出的新品,会为迅雷拓展更为广阔的市场,更重要的是,将为迅雷的共享计算带来更加丰富的应用场景。这无论是对共享计算当前业绩的提升,还是长远发展的推动,都有很大的好处。

区块链行业的引领者

另外迅雷还在财报中透露,目前迅雷已开发了区块链闪电网络技术平台,并开放给第三方合作伙伴,致力于创建更具竞争力的区块链产品应用。据行业人士分析,该项技术能够支撑百万级别的即时结算,弥补当前主流区块链技术计算力偏小、结算周期漫长的缺陷。目前迅雷玩客云生态系统已拥有百万级别的用户规模,如果考虑到以后3500万预约用户的转化,未来整个生态对算力有巨大需求。区块链闪电网络技术平台的推出,将解决这一难题,并帮助迅雷在区块链行业取得更明显的领先优势。

当前区块链行业发展还处于早期,市场绝大多数都是概念性项目,拥有真实技术能力的寥寥无几,底层技术上更是极度缺乏。行业及政府部门对这一现状均有清醒认识,并开始鼓励对区块链技术特别是底层技术的研发投入。日前央行行长周小川就曾对媒体公开表态,称在区块链发展上将重点放在核心技术的研发上。迅雷推出“区块链闪电网络技术平台”,正是对这一行业趋势的响应。

此外迅雷也是国内首家开拓区块链2C向应用的企业,旗下玩客奖励计划是国内第一个可落地的区块链大众化应用项目。闪电网络的推出,将有助于迅雷继续保持在区块链行业的领先优势,并推动国内区块链行业整体技术水平的提升,有助于我国在世界区块链技术竞争浪潮中取得优势地位。

如果说2017年迅雷的财报,还算一份成绩不错的市场“答卷”,那新公布的两项新产品,就是迅雷对未来战略的勾画。已取得的成绩已经属于过去,真正充满想象空间的,还是未来的诸多可能。

  • 2
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
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