奔赴诗情画意的美丽乡野,在古朴的乡间小道漫步聆听虫鸣鸟叫,走进旧貌换新颜的新农村感受乡村生活,在广阔的田野间品味田园野趣、体验秋收采摘……如今,一场场说走就走的乡村游正在成为都市人追求的休闲新方式。
近年来,随着乡村振兴战略的深入实施和社会主义新农村建设的不断推进,改头换面的美丽乡村开始进入市民游客的视野当中。以农助旅、以旅兴农,让更多的资源要素快速地向农村延伸和聚集,不仅改善农村的环境面貌,助推乡村振兴发展,还满足了都市人回归大自然的愿望。可以说,农旅深度的融合,正成为乡村振兴的一把“金钥匙”。
在此背景下,湖南茶旅云科技有限公司(以下简称“茶旅云科技”)秉承着“互联网+智慧旅游+乡村振兴”这一发展主题,也一直在努力为乡村振兴贡献自己的一份力量。在与华为云的合作下,茶旅云科技推出的茶旅云APP涵盖了众多特色乡村旅游线路、景点门票、住宿酒店、乡村土特产等各式产品,用户还可以在茶旅云APP上观看短视频和直播,了解更多乡村资讯。
业务扩张数据爆发式增长,快速扩容稳定运行至关重要
在2021年,茶旅云科技便开展了“百千万乡村振兴计划”,先后前往益阳、郴州、岳阳、湘西、张家界、娄底、怀化、衡阳、浏阳等地进行考察调研,与多个乡村振兴示范点取得合作,并推出了17条精品团队游、自驾游路线,对接农副产品近600款,上架100余款优质产品到茶旅云APP商城。截至2022年7月,茶旅云APP线上商城茶产品、农副产品、生活类产品、旅游线路产品等累计成交额已突破千万。
随着业务的不断扩张,直播、查攻略、短视频等功能的上线,消费者对于茶旅云APP的使用体验提出了更高的要求。面对爆发式增长的数据,茶旅云APP面临的难点主要在于需要快速升级IT系统,并提高运维效率。面对线上线下业务系统规模的增加,原有的IDC传统机房的局限性导致系统扩容遇到了较多限制,扩容进度慢,难以应对直播、电商抢购等场景对资源高并发的需求。
此外,在IT架构升级时,也需要确保服务的稳定可靠,要为未来的电商业务发展提供数据仓库与运维支持,便于运维人员的高效运营。由此可见,对于零售电商业务系统规模不断扩大的趋势,快速扩容、稳定运行的系统建设至关重要。
携手华为云数字化升级,解决海量数据负载难点
为了将茶旅云APP打造成一款有实力的综合性企业IP,茶旅云科技积极与华为云、创研科技等国内领先技术团队合作,还受邀前往华为总部参观学习经验。华为云也针对茶旅云科技的实际业务场景进行了深入研究,并经过多次沟通交流后,量身定制了优化数据库部署方案。
茶旅云科技使用华为云数据库GaussDB(for MySQL)替换了传统的自建MySQL,助力茶旅云科技激活数据价值。作为华为云推出的新一代高性能企业级分布式数据库,GaussDB(for MySQL)基于存算分离架构,最高支持128TB的海量存储,可实现超百万级QPS吞吐、跨AZ部署、数据0丢失。华为云数据库GaussDB(for MySQL)既拥有商业数据库的性能和可靠性,又具备开源数据库的灵活性,可满足直播、电商抢购等场景下的高并发业务需求。
此外,华为云通过提前部署测试环境,导入数据模拟业务情况,保障了茶旅云APP现有业务在迁移过程中的平滑上云。通过并行查询PQ技术和算子下推NDP技术提升查询场景的性能,实现了云栈垂直集成力量的最大化,让算力更快更猛,也更好解决海量数据负载场景难点。
持续提升服务能力,奏响乡村振兴进行曲
得益于华为云的技术支持,茶旅云APP让用户在旅游过程中体验到高品质、高满意度的个性化旅游服务,做到线上线下相融合。线下有实体的厚度和服务的温度,线上有流量的力度和广度。在智慧服务方面,茶旅云APP还计划引入VR、AR、5G等技术,通过3D、虚拟现实等技术,颠覆现有体验模式,持续提升服务能力。
接下来,茶旅云科技将高度整合旅游运作的系统平台和大数据库,用新科技代替传统旅游体验、经营和管理。茶旅云科技能够将更多精力聚焦于自身业务,可以说离不开华为云开箱即用的服务体验,未来,华为云将持续与茶旅云科技合作,双方将立足各自资源禀赋优势,以绿水青山为底色,以特色产业为核心,进一步整合资源,不断完善农旅产业链、丰富农旅业态,全面奏响乡村振兴进行曲。
好文章,需要你的鼓励
台湾国立大学研究团队开发了SAKURA,首个专门评估大型音频语言模型多跳推理能力的基准测试。研究发现,即使最先进的模型也面临两大挑战:一是在识别某些音频属性(如情绪)时准确率不高;二是即使能正确识别音频信息,也难以基于这些信息进行多步推理。对比实验显示,当同样的信息以文本形式提供时,模型推理能力显著提升,表明当前模型未能有效整合音频表征进入推理过程,这为未来开发真正能"听懂并思考"的AI系统提供了重要方向。
这项由宾夕法尼亚州立大学研究团队开发的FOVER方法解决了AI推理验证器训练中的两大难题:数据标注成本高和应用范围有限。研究者利用形式验证工具(如Z3和Isabelle)自动检查AI在形式逻辑和定理证明任务中的每一步推理是否正确,创建了高质量的训练数据集。令人惊喜的是,经过这种训练的验证器不仅无需人工标注数据,还能泛化到各类推理任务,在12个不同基准测试中表现优异,甚至在某些任务上超越了使用人工标注训练的验证器。这为提高AI推理能力提供了一条高效、通用的新途径。
这篇研究介绍了Meta团队开发的Multi-SpatialMLLM,一种能够理解多帧图像空间关系的多模态大语言模型。研究者创建了首个大规模多帧空间理解数据集MultiSPA,包含超过2700万个样本,并在此基础上训练模型掌握深度感知、视觉对应和动态感知能力。实验表明,该模型显著超越了现有系统,在空间理解任务上平均提升36%,并展示出多任务协同效应和能力涌现现象,为机器人学习等实际应用提供了新的可能性。
RAVENEA是哥本哈根大学研究团队开发的首个多模态检索增强视觉文化理解基准,集成了超过10,000份人工标注的维基百科文档,用于评估视觉语言模型的文化敏感性。研究发现,轻量级视觉模型在配备文化感知检索功能后,在文化视觉问答和图像描述任务上分别提升了至少3.2%和6.2%的性能,证明了检索增强方法在提升AI文化理解能力方面的有效性,为构建更具文化包容性的视觉AI系统开辟了新路径。