gydtep

有些我前面讲到了，比如平头哥的含光800芯片、云原生的大规模使用，此外在基础层，阿里自研的磐久服务器里面是全栈式阿里技术，这些技术全新上阵，并且在线上经过了双11峰值的考验，非常稳定。

gydtep

我们把它用在了40多个与创造有关的场景，比如为天猫虚拟主播等创作剧本和文案，在犀牛智造上岗，其高清图像生成能力让设计师工作效率提升5倍；

gydtep

另外，IPv6大规模应用于双11。IPv6是未来下一代互联网非常基础的一个比例，开始大规模应用于双11。双11期间电商APP淘宝、天猫、闲鱼、考拉的移动互联网IPv6流量占比超过76%，这是一个非常大规模的使用。除了在消费者与我们交互的流量上面，在阿里内部流量上面，我们的主交易链路也有相当大的比例用到了IPv6，推动着下一代互联网在基础能力上的突破。

gydtep

整体来看，今年是下一个12年非常好的开始，我们已经埋下了这些技术方向上突破的**，未来12年一定会非常精彩。

双11永远是一个重要的试验场。过去这个试验场里催生了云计算、AI这样的高科技，而现在，双11正成为一个新的试验场，正在催生各种各样好科技的**。希望未来双11，能够不断给大家看到阿里巴巴更好的科技、更暖的科技。

gydtep

随着人工智能技术的不断发展，知识图谱作为人工智能领域的知识支柱，以其强大的知识表示和推理能力受到学术界和产业界的广泛关注。

gydtep

本质上，多模态预训练期望学习到两种或多种模态间的关联关系。学术界的多模态预训练方案多基于Transformer模块，在应用上集中于图文任务，方案大多大同小异，主要差异在于采用模型结构与训练任务的差异组合

gydtep

目前，针对图像和文本的多模态预训练模型主要可以分为单流模型和双流模型两种架构。VideoBERT，B2T2， VisualBERT， Unicoder-VL ， VL-BERT和UNITER使用了单流架构，即利用单个Transformer的self-attention机制同时建模图像和文本信息。

gydtep

随着人工智能技术的不断发展，知识图谱作为人工智能领域的知识支柱，以其强大的知识表示和推理能力受到学术界和产业界的广泛关注。多模态知识图谱与传统知识图谱的主要区别是，传统知识图谱主要集中研究文本和数据库的实体和关系，

gydtep

(2) PKG与其他模态包含的信息有重合也有互补，以图2的Item-1为例，从图片、标题和PKG都可以看出Item-1是一件长袖t恤；另一方面，PKG表明这款t恤不仅适合秋季，也适合春季，但从图片和标题看不出来。因此，当存在模态噪声或模态缺失时，PKG可以纠正或补充其他模态。

gydtep

图4显示了产品对齐任务的结果。在这个任务中，我们可以得到类似于在项目分类任务中的观察结果。此外，对于模态缺失，模型性能不一定随着缺失率的增加而降低，而是波动的:当缺失率(TMR、IMR和MMR)为50%或80%时，模型性能有时甚至比100%时更低。