4月20日,在北京国际会议中心举办的QCon全球软件开发大会上,极客邦科技总裁池建强宣布,旗下高端技术领导者聚集和交流的组织——TGO鲲鹏会将于美国时间4月21日14:00正式启动硅谷分会,由ScaleFlux创始人钟浩担任分会会长。届时,极客邦科技创始人兼CEO、TGO鲲鹏会校长霍泰稳将与CliQr(acquired by Cisco)联合创始人兼CTO傅天瀛、博通(Broadcom)副总裁Yuan Xing Lee、WeHome联合创始人文航、以及Tubi TV研发副总裁陈天一起作为嘉宾做主题分享,解读技术现状和未来趋势,与会员交流心得。
TGO鲲鹏会原名EGO,是一个汇聚全球技术领导者的高端社群。为了更好地服务全球范围内的技术领导者,在2018年初,EGO正式更名为TGO(Top Geeks'Organization),中文名鲲鹏会。TGO鲲鹏会希望让所有孤军奋战的技术领导者都找到属于自己的圈子,在这里冲破职业晋升道路中的成长局限、搭建快速连接每一个技术管理者的沟通桥梁、打破传统企业与互联网企业之间的技术壁垒、探索业务与技术交融下产生的无限可能。
 
截至2018年4月初,TGO鲲鹏会已经在北京、上海、杭州、深圳、广州、成都等六个城市开设分会,同时会员已经覆盖天津、武汉、南京、苏州、无锡、重庆、珠海、厦门等城市;2018年,TGO鲲鹏会计划拓展南京、厦门、台北、香港、硅谷等分会,联结全球的技术领导者一起学习和成长。此次硅谷分会的成立便是2018年全球拓展战略的有力一步。
极客邦科技总裁池建强在QCon现场宣布TGO鲲鹏会硅谷分会成立
TGO鲲鹏会的使命是联结杰出的技术领导者学习和成长,愿景是组建全球最具影响力的技术领导者社交网络。自成立之初,TGO鲲鹏会一直践行着这样的原则,用实际行动完成着使命,向愿景前行。
TGO鲲鹏会采用了“会员共建”的组织形式,希望通过“共建、自治”的方式维护各城市分会的健康发展,为会员提供必要的服务,帮助会员个人更好地学习和成长,帮助会员企业之间更好地合作和交流,进而促进创新技术和商业更好地融合,让创新技术推动社会进步。2018年,TGO鲲鹏会在各地分会建立了以当地会员为核心的董事会。TGO鲲鹏会各分会董事会成员,都是加入一年以上的会员,他们认同TGO鲲鹏会的理念,愿意为TGO鲲鹏会和技术领导者的学习交流贡献自己的时间和精力。
这是TGO鲲鹏会的不同之处与魅力所在,当所谓的“组织规定”变成一件每个人都愿意自驱动去做的事,它所产生的力量将不可估量。
极客邦科技(Geekbang)创立于2007年,是最早将世界前沿技术资讯带到国内的知识内容平台之一,在2016年实现了对技术媒体InfoQ大中华区业务的收购,以让创新技术推动社会进步为使命。极客邦科技始终践行将最前沿、最高端的技术传递给需要的人,为促进国内国际技术交流和发展贡献着自己的力量。
 
对于极客邦科技来说,组织国际间的技术交流活动可谓驾轻就熟。此前,极客邦科技在此前就曾多次主办过「中国技术开放日(ChinaTech Day)」活动——带领国内的技术领导者前往美国、日本等国家,与全球技术人联动,打通更多国际优质资源,打造全球领先的技术人学习和交流平台。这也为极客邦科技旗下的高端技术人社交平台TGO鲲鹏会在硅谷建立分会埋下了种子。
 
TGO鲲鹏会发起人、极客邦科技创始人兼CEO霍泰稳曾数次提到自己“三步走”的战略目标:
TGO鲲鹏会硅谷分会的建立为“三步走”的第二步打下了夯实基础,在技术发展快速更迭的今天,只有扩大知识面,掌握全球范围内的技术信息,才能让技术更好地落地并服务于人。期待极客邦科技和TGO鲲鹏会在技术推动史上留下自己的辉煌一笔。
 0赞
0赞好文章,需要你的鼓励
 推荐文章
                    推荐文章
                  杜克大学研究团队建立了首个专门针对Web智能体攻击检测的综合评估标准WAInjectBench。研究发现,现有攻击手段极其多样化,从图片像素篡改到隐藏弹窗无所不包。虽然检测方法对明显恶意指令有中等效果,但对隐蔽攻击几乎无能为力。研究构建了包含近千个恶意样本的测试数据库,评估了十二种检测方法,揭示了文本和图像检测的互补性。这项研究为Web智能体安全防护指明了方向,提醒我们在享受AI便利时必须保持安全意识。
生成式AI的兴起让谷歌和Meta两大科技巨头受益匪浅。谷歌母公司Alphabet第三季度广告收入同比增长12%达742亿美元,云服务收入增长33%至151.5亿美元,季度总收入首次突破千亿美元大关。Meta第三季度收入512.5亿美元,同比增长26%。两家公司都将大幅增加AI基础设施投资,Meta预计2025年资本支出提升至700亿美元,Alphabet预计达910-930亿美元。
加州大学圣地亚哥分校研究团队系统研究了AI智能体多回合强化学习训练方法,通过环境、策略、奖励三大支柱的协同设计,提出了完整的训练方案。研究在文本游戏、虚拟家庭和软件工程等多个场景验证了方法有效性,发现简单环境训练能迁移到复杂任务,监督学习初始化能显著减少样本需求,密集奖励能改善学习效果。这为训练能处理复杂多步骤任务的AI智能体提供了实用指南。
 
             
                 
                     
                     
                    