Verizon收购雅虎:中外电信运营商坚持造梦内容产业

自从历史的车轮碾入互联网时代之后,电信运营商从来没有停止过对“内容”掌控权的焦虑,从三十年前试图垄断、掌控互联网内容开始,到如今苦苦追逐互联网公司的脚步,试图补足自己的内容“短板”。中国运营商也好,海外运营商也罢,造梦内容产业的一次次尝试从来就没有停止过。

最近一次壮举是,美国运营商Verizon确认以48.3亿美元收购近年来急急下坠的雅虎经营业务,对此,无论媒体和分析师如何评价,这一切依旧没有绕开电信运营商偏爱染指“内容”的宿命。

1994年,中国正式接入互联网。1998年,上海热线正式上线,这个由电信运营商完全主导的互联网信息和应用服务运营商成为那个年代当之无愧的“门户”,也是各省电信局自办的省内门户代表,风光一时,丝毫不亚于后来的新浪、搜狐和网易。

马云的第一个创业项目中国黄页网,只不过是当时上海热线上的一个小小子栏目,而马云为了支付上海热线的服务器费用而四处奔走、苦苦支撑。

2000年后,国内ADSL宽带用户数逐渐猛增,当时的中国电信和网通都颇具眼光地成立了“互联星空”和“宽带我世界”两个内容门户。虽然由于缺乏竞争力,现在早已凋零,但当时仍对网民拥有强大的影响力。

除去门户内容,在网络游戏领域,运营商其实也有机会。一位运营商内部人士回忆:“当时,我们(运营商)曾打过这个主意,如果花个几千万,买下上百款当时最热门的韩国等国网络游戏代理权,就不会有后来的盛大游戏、第九城市它们什么事了!”至少在国内网络游戏的启蒙阶段,运营商也曾有机会垄断市场。

2000年之前,对全球运营商和互联网1.0公司们来说,都是最好的时候。彼时,运营商就是门户,运营商自办门户处于强势年代,关键是——运营商代表着网民接入互联网的资格。这也许是互联网经历的第一次“入口垄断”。

几乎同一时刻的大洋彼岸,也正是人们对互联网内容追逐达到极致的时刻。那时的互联网新贵美国在线以1810亿美元收购老牌传媒帝国时代华纳,至今仍是那个疯狂年代最疯狂的一笔收购。

在整个21世纪初的十年里,中国三大运营商从未停止过布局内容产业,各种游戏、音乐、阅读产业基地布满全国的背后,它们的基因都是“内容产业”。对于不甘心屈尊成为“纯管道”的运营商来说,对内容的控制欲永远是爆棚的。

曾经火爆一时的“运营商+内容门户”的模式占据了当时网民的绝大部分时间和精力,虽然现在的年轻人已经记不得那些“峥嵘岁月”,但全球范围内,运营商还在不遗余力地进军内容。

2015年,雅虎收购案的主角Verizon以44亿美元收购曾盛极一时的美国在线公司,被市场认为是押注在AOL的移动视频内容业务上;而此次对于前世界第一互联网公司雅虎的收购,则被认为看好了其移动广告业务。

由于电信运营商坐拥充沛的现金流,所以收购从来没有停止。Verizon的最大竞争对手美国电信又一巨头AT&T在2014年以671亿美元总价现金加股权的方式收购了全美最大卫星电视服务运营商DirecTV,同样瞄准了视频电视内容。美国宽带运营商Comcast则接连收购过广播和电影公司NBCUniversal、梦工厂动画等典型的内容生产商。

不得不说,运营商的危机感一点都没错,互联网公司正在通过各种手段和路径,绕过运营商直击用户,这种趋势被称为“OTT”(Over the top过顶传球)。如果说哪一天运营商连管道也不能好好做了,怎么能不着急!

作为一个旁观者,很难评判全球运营商对于内容控制权的屡战屡败、屡败屡战。但最近华为创始人任正非的一小段讲话颇有借鉴意义。他说,华为的管道操作系统“上不碰内容,下不碰数据”,只是负责信息流量的传送,如果对这些信息流量进行过滤和处理,“我们就成了一个内容公司,要同时打赢两场战争:信息传送和信息过滤,我们公司有这样的能力做到都是佼佼者吗?如果有一场战争不是佼佼者,会不会导致全局失败?”

看来,至少华为认为自己打不赢“信息管道和内容”这两场战争,那么运营商可以吗?





====================================分割线================================


本文转自d1net(转载)

1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
应用背景为变电站电力巡检,基于YOLO v4算法模型对常见电力巡检目标进行检测,并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务,并对系统性能做出一定的优化。.zip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
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