至顶网个人商用频道 07月18日 北京消息(文/黄当当):一家电商如何做区块链?相信大多数人的回答是商品防伪溯源。
还有其他吗?或许站在如今区块链火热的风口上,京东会告诉你,它还可以提供数字存证、信用网络、金融科技以及企业级区块链服务。
就在昨天,京东云与京东数科宣布在区块链技术服务领域深度合作,一共宣布了三件事:
1、发布智臻链“云”建设规划
2、同步上线“区块链防伪追溯”、“区块链数字存证”两款京东自营的京东云市场SaaS应用
3、推出国内首款区块链数据在线分析服务产品——BDS服务,并开源
入场区块链,京东的“智臻链”
2016年,京东启动了区块链在京东业务场景中的应用探索,2018年8月京东发布了区块链技术及服务品牌——智臻链,并推出京东区块链即服务平台(JD BaaS 平台)。
“京东智臻链”是京东区块链的技术品牌,致力于提供企业级应用解决方案,让开发者和企业实现一站式规划、配置、开发、上线、运维,一键自动配置和部署区块链网络,降低区块链技术应用成本,共享区块链可信价值,提供企业级区块链服务。
截至目前,智臻链区块链防伪追溯平台已有十亿级别的追溯数据落链,700余家合作品牌商,6万以上商品入驻,逾600万次售后用户访问查询。
京东数科创新科技业务部区块链部负责人翟欣磊表示,京东智臻链将以自主研发开源的区块链技术引擎JD Chain为核心,以具备多云开放应用、灵活部署、快速组网能力,能够快速降低各企业机构区块链技术应用的JD BaaS为基础,形成供应链追溯、金融科技应用、监管科技应用、C端创新应用等各场景区块链应用系统组件化应用中台,以满足各区块链典型应用领域区块链业务环境的快速实现。
此次京东云携手京东区块链团队发布的智臻链“云”,旨在进一步帮助政府与企业跨过区块链底层技术的复杂性,由京东云实现区块链系统部署、联盟链组网、政府权威机构的接入,并将持续优化的可信网络全面开放给京东云的客户,在“连接”中共创、共享数据价值。
两款区块链应用上线——防伪追溯、数字存证
目前,京东区块链技术能力已覆盖多个应用领域,主要包括商品防伪追溯、数字凭证验证、资产证券化、物流服务等。
针对商品防伪追溯,京东此次上线“区块链防伪追溯”应用,用户只需用手机扫码后,即可进入智臻链区块链防伪追溯平台,商品的扫码信息、区块链数字证书信息,以及产品、生产商、经销商、生产、通关、检验、物流配送等追溯信息均清晰展现。
智臻链区块链防伪追溯平台通过物联网和区块链技术建立科技互信机制,记录商品从原产地到消费者全生命周期每个环节的重要数据,实现全流程追溯。同时,平台保障了数据的不可篡改和隐私保护性,搭建生产商、品牌商、消费者等零售主体间的信任桥梁。
另外一款“区块链数字存证”应用,则是针对企业大量电子化数据需多方共识,不可篡改的业务需求而设计打造,通过区块链验证、电子签名、可信时间戳等技术保障电子数据法律效力,适用于多种应用场景,支持文字著作、版权图片、视频、电子协议、电子合同、订单、邮件、网页等多种形式信息存证的一站式数据存证服务平台。
还有一款区块链数据在线分析服务产品——BDS服务
BDS以区块链数据搜索引擎形式聚合已接入区块链的数据信息,将多个区块链项目的信息孤岛连接起来,原本无序、离散的区块数据可成为有序、可方便查询的关系型数据供后续分析和建模。此外,京东云重磅发布区块链数据服务开源,让更多的开发者与社区可以参于其中,广泛接入公有链、联盟链、私有链多种区块链项目,最大化区块链上可信数据价值。
此外,将为京东区块链板块提供IaaS公有云存储、DDoS高防、数据库应用服务等技术支持,主要协助智臻链解决数据归属权、数据安全性等问题。同时,智臻链将作为京东云合作的第一个顶级区块链融合项目,为京东云提供区块链安全加密、分布式数据储存等相关技术支持,未来,京东云也将通过深度结合智臻链在PaaS平台的基础能力,构建更加适合京东客户特点的SaaS层级应用。
京东云总裁申元庆表示,当下国内企业正处于数字化转型的关键时期,对云厂商“可信、可靠、可控”的技术服务提出了更高要求,京东云将充分利用区块链去中心化、安全加密、可追溯等特性,服务实体经济和相关产业转型升级,致力于成为最具产业属性的云计算服务厂商。
好文章,需要你的鼓励
P1.AI创始人保罗·埃雷门科正用合成数据训练AI设计物理系统,从住宅冷却到星际飞船,突破工程AGI的终极瓶颈——数据稀缺。他的AI工程师Archie已能像人类一样处理多物理场任务,目标是让机器设计人类无法想象的复杂系统。
波士顿大学研究团队开发的DORI基准测试从四个维度评估多模态大语言模型的物体方向理解能力:正面对齐、旋转变换、相对方向和规范方向感知。研究评估了15个最先进模型,发现即使最佳模型在粗粒度任务上的准确率也仅为54.2%,在细粒度方向判断上更低至33.0%,与人类表现相差近30%。结果表明当前模型在精确角度估计、多视角追踪和理解复合旋转方面存在系统性缺陷,反映了它们内部3D空间表示的根本局限,为未来模型设计提供了明确方向。
这篇研究介绍了Oracle AI团队开发的一种针对企业系统的域特定检索硬负样本挖掘框架。该方法通过整合多种嵌入模型、降维处理和独特的语义选择标准,动态识别具有挑战性但上下文无关的文档作为训练样本,显著提升了重排序模型的性能。在云服务领域的测试中,该方法在MRR@3和MRR@10指标上分别提升了15%和19%,并在多个公开领域数据集上展示了广泛适用性,为企业搜索和检索增强生成应用提供了实用解决方案。
Oracle研究团队开发了FS-DAG,这是一种用于视觉丰富文档理解的少样本领域适应图网络模型。与传统大型模型不同,FS-DAG仅需5份示例文档即可适应新文档类型,参数量不到90M,却在信息提取任务中表现卓越。模型采用模块化架构,结合预训练的文本和视觉特征提取器与图神经网络,展现出对OCR错误的极强鲁棒性(性能下降不到1%)。实验表明,FS-DAG在多种文档类型上优于LayoutLMv2等大型模型,同时具有更短的训练和推理时间。目前已被50多家企业采用,每月处理超过100万次API调用,证明了其在实际业务场景中的价值。