百度2018营收破千亿,AI成发展主要驱动力

百度2018年营收破千亿,AI技术成为核心驱动力,信息流业务贡献显著。百度在AI领域投入巨大,AI能力获国际认可,赋能自动驾驶、DuerOS及搜索等业务。信息流业务在AI助力下实现爆发式增长,成为重要营收来源。

李彦宏昨日发布了2019年的新年内部信。信中披露2018年百度公司营收突破1000亿元。李彦宏还表示,突破1000亿营收是百度加速成长、服务用户的一个里程碑,更是百度突破创新、践行使命的一个里程碑!显然,“那个能够做出好产品、那个受用户喜爱的百度,已经回来了!”

AI技术是驱动百度发展的主要动力

百度是国内较早致力于发展AI技术的科技巨头公司。不仅进入AI领域的时间早,百度在AI领域的投入也非常大,在过去几年百度投入了数十亿美金进行人工智能技术方面的研发。得益于百度方面的重视,百度的AI能力已经得到了世界各大知名媒体以及各大权威机构的认可。并且AI已经成为了百度的基础能力。

于此同时,百度方面也在积极的推动AI技术赋能于百度的各项基本业务,就拿百度的Apollo自动驾驶业务来说,在强大AI能力的赋能之下,百度的造车业务在去年取得了傲人的成绩,百辆 L4 级自动驾驶量产车下线,向外界展示了百度在自动驾驶领域的实力;同时自动驾驶平台Apollo的全面开放,也吸引了众多国内外汽车的入驻,据悉,目前Apollo 生态已联合了100多家家来自汽车和技术领域的全球合作伙伴。显然,在AI技术的加持之下,百度Apollo自动驾驶业务的商业化进程正在进一步加快。

而在DuerOS的赛道上,AI技术也同样在发挥着巨大的作用,目前,百度DuerOS已经进入智能电视、影音娱乐、出行、O2O、翻译、教育等行业和应用场景。截止2018年6月DuerOS智能设备激活量已经超过9000万,月活跃设备超过2500万。在AI技术的之下, DuerOS生态还将壮大,同时,DuerOS的智能设备激活量、月活跃设备也将持续增长。

当然AI赋能的远远不止以上自动驾驶以及DuerOS,百度的搜索业务、信息流业务、视频业务等各项业务都有AI技术的加持,同时AI技术也是推动百度这些基础核心业务发展的主要动力。李彦宏也曾经在极客公园大会上也提到过:我们希望大家知道人工智能是无处不在的推动百度往前走的力量。

此次百度能够突破一亿营收在很大程度上也得益于其强大的AI技术。在京比特看来,随着百度AI实力的强大,AI技术已经完全的渗透到百度的各项业务中去了,并且在快速的推动这些业务的发展。可见,AI技术已经成为了推动整个百度发展的主要动力。

信息流业务是百度重要的营收点

百度能够在2018年跨入千亿俱乐部,可以说百度实现了高速的增长,但这背后离不开百度信息流业务的支持。

上文中京比特提到,百度将AI技术赋能于百度的各个业务中去,其中,信息流业务也是AI赋能的对象之一,百度将强大的AI能力运用到了信息流分发上,实现了信息流业务的爆发式增长,根据京比特查询的资料来看,百度在2017年第三季度的总收入达到35.3亿美元,其中有高达10亿美元的营收来自于信息流内容,占据了总营收的三分之一,百度的股价也从此前低位的600亿美元上升到了880亿美元。可见信息流业务在百度整体营收中有着重要的地位。

百度的信息流业务的增长并没有停滞不前,翻开百度2018 年第三季度的财务报表,报表显示,百度2018年第三季度总营收达到282亿元人民币,信息流与AI业务收入占比超过20%。在信息流业务营收增长的同时,百度信息流产品的月活人数和使用时长也有很大的提升,百度信息流产品主要为百度APP, 根据京比特查询的资料来看,截至2018年9月份,百度APP的日活跃量达1.51亿,同比增长19%,信息流产品用户使用时长同比增长68%,信息流用户渗透率高达70%。百度CFO余正钧表示:百度2018年第三季度业绩之所以能够稳健增长,在很大程度上得益于百度 App 的信息流业务在流量与收入的增长。

显而易见的是,信息流业务已经成为了百度的一个重要的营收增长点。甚至有行业人士预测,百度信息流广告收入的还持续上升,2017年-2020年百度信息流广告收入的复合年均增长率约为68%,显然,信息流业务在未来也是百度的主要营收业务之一。

百度坚持技术创新为导向的精神是值得学习的

今天的百度可谓是遍地开花,在2018年的乌镇世界互联网大会上,百度百度Apollo平台入选由组委会评选的“世界互联网界领先成果”。 时至今日,在世界互联网大会上发布的“世界互联网界领先成果”中,百度已连续第三年入选;在人工智能方面也有不小的成就,国家知识产权局公布了第二十届中国专利奖评审结果,百度公司凭借语音、机器翻译、无人车相关3项专利获评银奖,这也是人工智能技术领域至今为止在国内专利界获得的最高级别政府奖项;在搜索业务方面百度更是国内位列第一,可以说几乎百度的各个业务都得到的行业的认可。

百度之所以能够取得如此耀眼的成绩,在很大程度上都离不开技术的支撑,一直以来百度都坚持以科技为导向,走科学发展之路。

首先,百度非常重视技术人才队伍的建设。百度引入了大量的的科研人才,仅百度研究院就汇集了吴华、李平等众多知名的科学家,同时也非常注重人才的培养,一直以来,百度通过在线教育、线下教育机构合作、校企合作等形式为百度培养更多更优秀的人才。

其次,百度也非常重视在技术研发上的投入。自百度2000成立以来,百度在技术研发上的费用就一直在提升。李彦宏曾表示,百度每年把15%的营收用于研发,大约为人民币100亿元(约合15亿美元)。不少业内人士表示,百度可能是中国科技公司中研发投入最高的之一。

在京比特看来,百度一直深知技术才是推动企业发展的重要动力,并一直坚持以技术创新为导向,这一点非常值得各大企业学习。

源码下载地址: https://pan.quark.cn/s/2e09cbca2d82 【针对青龙面板wxpusher推送问题的修复包】是一个为青龙面板(QL Panel)设计的更新或改进版本,其目的是纠正与wxpusher相关的推送故障。青龙面板是一个被广泛应用的自动化部署及管理解决方案,它赋予用户在图形化环境中执行多种IT运维操作的能力,涵盖脚本操作、周期性任务执行以及文件处理等。wxpusher作为青龙面板的一个附加组件,承担着实现微信消息推送的任务,用以保障用户可以即时获取系统关键状态变动或异常警报。 sendNotify.js 是此修复包内含的关键模块,属于wxpusher插件的一部分,其核心职责是发送各类通知。在JavaScript编程语言中,该脚本或许内含了处理推送流程、调用微信推送端点以及消息内容的格式化和校验等操作。一旦青龙面板监测到新的事件状况,例如任务功完、发生错误或系统进入维护阶段,sendNotify.js便会被激活,将相关数据传送至用户的微信账户。 ql.js 另一个重要的构部分,可能代表了青龙面板的核心代码库或专用于wxpusher的设定文档。它或许包含了整合wxpusher的相关参数,例如启动过程、授权核实、故障应对和日志管理等功能。ql.js与sendNotify.js协同工作,确保wxpusher能够顺利与青龙面板进行数据交互,并可靠地向用户传递通知信息。 CK_WxPusherUid.json 这一文档很可能是储存用户信息或配置参数的JSON格式文件。"CK"通常指代Cookie或某种缓存机制,而"WxPusherUid"可能意指wxpusher用户的专属识别码。该文件用于保存用户微信推送服务的连接详情,让青龙面板可以...
内容概要:本文围绕基于SOCP(二阶锥规划)的配电网分布式光伏接入承载力评估展开研究,提出了一种结合二阶锥最优潮流模型的科学评估方法,用于分析新型电力系统背景下配电网对分布式光伏发电的接纳能力。通过构建精确的数学优化模型,并利用Matlab进行编程仿真,系统地实现了在满足电压、电流、网络拓扑等多重安全约束条件下,求解配电网可承载的最大光伏接入容量。文章重点阐述了非凸潮流方程的凸化处理技术、SOCP模型的构建流程以及关键约束条件的转化方法,如将非线性潮流方程松弛为二阶锥约束,并通过标准测试系统进行算例验证,充分证明了该方法在计算效率与求解精度方面的优越性与工程实用性。; 适合人群:具备一定电力系统分析基础、优化理论知识及Matlab编程能力的研究生、科研人员以及从事新能源并网、电网规划与运行分析的工程技术人员。; 使用场景及目标:①评估高比例可再生能源接入下配电网的承载极限,支撑分布式光伏项目的科学规划与审批;②为电网扩容改造、主动配电网管理及灵活性资源配置提供量化决策依据;③深入理解凸优化技术在电力系统最优潮流计算中的应用机制与实现路径。; 阅读建议:建议读者结合Matlab代码与理论推导同步研习,重点关注SOCP建模过程中的数学松弛技巧与物理约束映射关系,宜在复现标准算例的基础上开展参数敏感性分析与模型拓展研究。
内容概要:本文提出了一种面向电表数据隐私保护的联邦学习行业电力负荷预测框架,通过Python代码实现,有效解决了多参与方在数据隐私受限条件下进行协同建模的难题。该框架基于联邦学习机制,允许多个电力用户或企业在不共享原始用电数据的前提下,共同训练高精度的负荷预测模型。文中系统阐述了整体架构设计、数据预处理流程、模型训练机制、隐私保护策略(如差分隐私或安全聚合)以及实验验证过程,充分证明了该方法在保障数据安全的同时,仍能保持优异的预测性能,具有较强的实用性和推广价值。; 适合人群:具备一定机器学习、联邦学习及电力系统基础知识的研究人员与工程师,特别适用于从事电力负荷预测、用户行为分析、数据隐私保护及能源大数据应用等相关领域的专业技术人员。; 使用场景及目标:①应用于电力公司或第三方服务商开展跨区域、跨用户的行业级负荷预测,提升预测准确性;②在保护居民与企业用电隐私的前提下,实现多方数据协作建模,推动数据合规共享;③促进联邦学习在智慧能源、智能电网等场景的落地应用,构建安全可信的能源数据生态体系。; 阅读建议:建议读者结合所提供的Python代码进行实践操作,重点理解联邦学习客户端-服务器架构的实现逻辑、本地模型更新与全局聚合机制,以及隐私保护技术的具体集方式,同时可参照文中的实验设置与评估指标优化自身项目的模型性能与安全性。
评论 6
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