电信网易抱团抗微信:8月推类微信产品

据科技自媒体“猛科技”昨晚爆料称,已推出“翼聊”产品的中国电信协同基地,将于近期正式联合网易推出类微信产品“叮叮”。

  中国电信内部人士对笔者证实了此消息的真实性,不过“叮叮”在上线前正式名称还将做变更,具体要看电信和网易双方的博弈。

1、“叮叮”前身为 今年3月笔者曾首先报道的“翼信”产品,由中国电信协调基地和网易共同合作推进,计划于5月中旬推出,不过中国电信和网易双方都在争夺“翼信”的主导权,导致产品进度不断延后。

  2、网易CEO丁磊直接介入了谈判,合作也从中国电信基地业务上升至集团层面,网易一方在谈判中占了上风。

  3、双方最终达成妥协:中国电信与网易成立合资公司,由电信和网易5:5控股,产品研发和运营以网易为主,中国电信负责渠道预装和拓展。

  4、中国电信翼聊产品的部分团队将搬至网易位于杭州滨江区的研究院,与网易的研发团队合并,编制与劳动合同也由中国电信协同基地转至网易。

  5、有意思的是,“叮叮”产品的改名也颇具戏剧性,网易方面觉得“翼信”是中国电信和微信的结合体,于是力主改成了“叮叮”,与丁磊在网易内部员工的昵称“丁丁”谐音(其实吧,笔者觉得“翼信”应改叫“三石”更适合拍老板马屁… …)。不过,中国电信内部人员透露:“叮叮名字太土太傻,与中国电信也没啥关系,8月底上线前,产品正式名称肯定还会改变。”

  6、“叮叮”计划将于8月底前正式推出。

  7、“叮叮”支持发送文字与语音信息、图片、视频通话,群组聊天,向三大运营商全网免费发送短信、支持与固话语音留言功能。

  8、中国电信计划将在多款定制机型中内置“叮叮”应用。

  面对腾讯等OTT业务崛起,三大运营商可谓态度各异:

  中国移动选择“高调”镇压,“信令之争”也是由中国移动总裁李跃首先挑起。

  中国联通则选择与微信合作,双方将于8月推出“微信沃”卡,其中微信定向流量费用大幅优惠成为业内看点,“鱼水关系”也是中国联通董事长常小兵公开倡导的名言。

  中国电信方面随未有鲜明表态,但从高调赞助第二季《中国好声音》,互动环节由“翼聊”替代腾讯微信,足可证明中国电信力推自主应用“对抗”微信的决心。而与网易合作的“叮叮”则是应对微信的第二道“防火墙”。

  不过,限于体制和利益不同,运营商与互联网企业的合作鲜有成功。中国电信与网易合作的“叮叮”需要面对诸多难题:

  1、中国电信如何解决“翼聊”与“叮叮”的“左右互博”?翼聊难道从此之后又转向B2B政企客户的老路?

  2、中国电信今年定制机超过5000万部,“叮叮”的预装比例是多少?能否进入电信各省级公司的KPI考核?

  3、中国电信作为基础电信运营商,体制和作风与互联网企业完全不同。“叮叮”初期没有用户之时合作不会有大问题,用户量增长至一定水准后,中国电信和网易究竟是谁来主导这款产品的走向?

  4、如网易主导产品和运营,那中国电信一方如何让“叮叮”来拉动其他电信自主应用的发展?如中国电信主导的是预装和渠道分发,一旦合作不顺,随时都可以“卡脖子”,网易如何反制?

  5、微信用户在国内早已超过3亿,作为后发产品,“叮叮”所谓的支持发送文字与语音信息、图片、视频通话,群组聊天等功能并未优势,全网发送短信、与固话留言实用性也不强,“叮叮”如何破局?

  6、如果是网易自己的OTT产品,向三大运营商全网发送短信结算起来会相对优惠。而作为中国电信主导的OTT产品,如何面向用户免费,而向中国移动和中国联通支付网间结算费用?

  7、抽走了“叮叮”产品,作为中国电信八大互联网基地的协同基地,如何去给外部投资人“讲故事”?如何进行公司化改制?协同基地的未来又在哪里?

                                                                                                                                                                中科院计算所培训中心

                                                                                                                                    

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
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