今天上午,小鱼易连在北京举行“鱼腾视界 产业互联”战略合作暨融资发布会上,正式宣布获得C轮融资,由腾讯领投。融得的资金将全面用于小鱼易连云视频系统在产业互联网领域的落地,打通企业、政府、个人三者之间的柔性生态全产业链,同时还将在领跑业界的产品及技术领域、客户的开发与培育等领域进一步加大投入。
战略合作融资发布
小鱼易连联合创始人兼CEO袁文辉先生在发布会上表示:“前20年互联网是市场,后20年互联网是工具。产业互联网是未来全新的大领域,有很多想像空间。互联网将全面渗透到产业价值链,并对其生产、交易、融资、流通等环节进行改造升级,形成丰富的全新场景,极大提高资源配置效率。而在这个过程中,云视频技术毫无疑问是解决沟通环节最重要工具。小鱼易连想要通过云视频打通政府与个人、企业与个人,实现让世界零距离,借助腾讯的优势真正服务于每一个人。”
小鱼易连联合创始人兼CEO袁文辉
腾讯投资董事总经理姚磊文通过小鱼易连远程“现身”到发布会现场:“传统视频会议的市场规模不到一百亿,以小鱼易连为首的云视频会议系统,将柔性编码技术与AI相结合,让云视频可以渗透至社会的各个角落。通过技术能力提升,未来视频会议有望跨出办公会议领域,成为深入政府/企业核心业务流程的通讯形态。以前只有跨国企业才买得起的视频会议,现在不仅成为小型创业公司的标配,更加能打通政府与个人、企业与个人,市场规模将呈几何级数增涨。”
作为小鱼易连的投资人,创新工场董事长兼首席执行官李开复通过小鱼分享了自己的喜悦:“AI本身是连接企业及个人的业务,要把已有的商业赋能AI,才能创造更大的价值。小鱼易连将柔性生态与AI完美整合,将解决方案提供给行业客户,创造了更大的价值。只有这样AI才真正成为产品,辐射到教育、医疗、SMB、金融、新零售等全产业链。”
小鱼易连另一位投资人,光速中国创始合伙人宓群认为,随着人力成本的不断提高,中国企业级市场的需求日渐旺盛,下一个百亿公司将会爆发在中国企业级市场。作为公司最早的投资人,光速非常看好云视频服务,给予了公司第一笔的启动资金,且持续地一路加注。除资金外,还给予公司战略发展、行业资源等方面的帮助。
“小鱼易连拥有世界领先的移动时代企业级视音频通讯技术和产品, 多场景多行业的解决方案得到了市场的充分验证和认可,在国内企业服务市场处于快速高效的发展阶段。”宓群表示,“随着5G移动时代的到来,云商用视讯的市场需求将被进一步放大。我们持续看好小鱼易连团队,并相信他们的产品将在未来带来更多颠覆性的体验,真正构建起全球互联的云视频通讯平台。”
TOP大咖尖峰对话
小鱼易连与腾讯的合作由来已久,2018年双方在北京互联网法院、数字广东等重大项目中携手共进。在2018年底小鱼云会议微信小程序正式上线,宣告了高清音视频沟通成为主流即时通讯工具时代到来。从此视频会议的使用更加轻量化、便捷化,打开即用、多场景下都可以随时沟通。
小鱼易连作为一家采用云计算实现多方视频会议以及视频业务应用的云视频生态系统公司,拥有中美超过30余项音视频自主创新专利技术。小鱼易连是“云+端”音视频解决方案提供商,视频会议微信小程序搭配创新的全场景视频硬件终端,支持政府、企业专业视频会议以及应用业务需求。同时,小鱼易连端到端的vpn加密技术超越传统,实现了金融级安全保障。
小鱼易连自2016年起,复合年均增长率超过150%,拥有数万家企业用户。接下来小鱼易连将全面推动中国产业互联网的沟通升级,利用小鱼易连柔性生态与AI的结合,普及政府、企业市场的云视频通讯,实现人务互联,让世界真正零距离。
好文章,需要你的鼓励
来自香港科技大学和MiniMax的研究团队开发了SynLogic,一个可合成35种逻辑推理任务的框架与数据集,填补了AI逻辑训练资源缺口。研究表明,在SynLogic上进行强化学习训练显著提升了模型逻辑推理能力,32B模型在BBEH测试中超越了DeepSeek-R1-Distill模型6个百分点。更值得注意的是,将SynLogic与数学和编程数据混合训练不仅提高了这些领域的学习效率,还增强了模型的泛化能力,表明逻辑推理是构建通用AI推理能力的重要基础。
这项研究揭示了大型语言模型的惊人能力:只需两个特殊训练的向量,冻结的语言模型就能在一次计算中生成数百个准确词汇,而非传统的逐词生成。研究者发现,这种能力要求特定的输入排列方式,且生成速度比自回归方法快约279倍。这一发现不仅展示了语言模型未被充分探索的并行生成潜力,还为快速文本重建开辟了新方向。
腾讯混元团队提出的"ConciseR"是一种通过两阶段强化学习实现大模型简洁推理的新方法。研究遵循"先走后跑"原则,先确保模型具备准确推理能力,再优化输出简洁性。第一阶段通过改进的群体相对策略优化(GRPO++)提升推理能力,第二阶段通过长度感知的群体相对策略优化(L-GRPO)减少输出长度。实验结果显示,该方法在AIME、MATH-500等多个基准测试中既减少了输出长度(平均20%以上),又保持或提高了准确率,展现出高效率-高准确率的理想平衡。
这项由香港科技大学团队开展的研究首次全面评估了压缩对大语言模型Agent能力的影响。研究发现,虽然4位量化能较好地保留工作流生成和工具使用能力(仅下降1%-3%),但在实际应用中性能下降达10%-15%。团队提出的ACBench基准测试横跨工具使用、工作流生成、长文本理解和实际应用四大能力,评估了不同压缩方法对15种模型的影响。结果显示,AWQ量化效果最佳,蒸馏模型在Agent任务上表现不佳,大型模型对压缩更具韧性。研究还提出ERank等创新分析方法,为实际部署提供了切实指导。