Topik terhangat sejauh ini di tahun 2023 adalah ChatGPT. Model bahasa besar dan teknologi AIGC yang dihasilkan akan membawa kesetaraan teknologi dan kesetaraan pengetahuan. Teknologi AI tidak lagi eksklusif untuk perusahaan AI dan raksasa industri. Pada tanggal 9 Mei, Zhang Pengguo, CEO Uniview Technology, membandingkan ini dengan perubahan dari karakter China tradisional menjadi karakter China yang disederhanakan dalam sebuah pidato di Wuzhen. Pada AIoT Partner Summit, Uniview merilis model industri "Wutong".
Mengapa perusahaan yang bukan perusahaan Internet besar namun terkenal dengan perangkat keras seperti kamera di industri Internet of Things juga menggunakan teknologi AIGC sebagai ajang uji coba bisnisnya? Akankah AIGC mengubah industri Internet of Things, lalu mengubah penampilan dan pola kita dalam banyak skenario seperti manajemen sosial dan manajemen lalu lintas dalam kehidupan sosial?
Dengan mengingat pertanyaan-pertanyaan ini, Observer.com dan Kepala Ilmuwan AI Uniview Li Congting berbincang tentang dampak AIGC di Internet of Things dan kehidupan sosial.
Peralatan Uniview di "The Wandering Earth 2"
Jaringan Pengamat: Bagaimana memahami tren "model kecil + sampel besar" menjadi "model besar + sampel kecil"? Apakah ada pengguna dengan skenario bisnis yang mampu membeli solusi AI dengan harga lebih murah karena biaya pelabelan data dan pelatihan algoritme yang lebih rendah? Misalnya, media kita ingin menggunakan model besar untuk menjalankan bisnis AIGC, seperti membantu penulisan berita, mengidentifikasi berita palsu, dll, tetapi dana kita sedikit, dan data industri yang dapat diumpankan terbatas. basis "model besar", Biaya yang sangat perlu disesuaikan kembali dengan karakteristik bisnis kita sangat rendah, apakah itu artinya?
Li Congting: Kanan. Melihat kembali model pengembangan "model kecil + sampel besar" sebelumnya, untuk model presisi tinggi, jumlah parameter pelatihan mencapai jutaan, dan jumlah sampel pelatihan mencapai ratusan ribu, mungkin hingga puluhan jutaan. Ribuan atau puluhan ribu juga dapat menghasilkan model, tetapi akurasinya tidak cukup tinggi dan kemampuan adaptasi pemandangannya tidak cukup baik. Secara umum, model pengembangan "model kecil + sampel besar" memiliki ambang penelitian dan pengembangan yang tinggi, biaya tinggi, dan siklus panjang.
Model besar tujuan umum itu sendiri dilatih berdasarkan data masif, dan jumlah datanya jauh lebih banyak daripada jumlah data pelatihan untuk model kecil. Maket generik dapat melakukan banyak hal, terutama di ranah kreatif. Namun di industri AIoT kami, sebagian besar aplikasi memerlukan presisi, bukan hanya "serba mungkin", dan akurasi yang terbatas dari model umum yang besar akan mempersulit penerapannya di industri AIoT.
Oleh karena itu, kami secara inovatif mengusulkan model model industri skala besar Yang disebut model industri skala besar adalah "model skala besar umum + skenario industri + pelatihan dan penyetelan" untuk memaksimalkan kekuatan dan menghindari kelemahan. Model industri besar akan membuka model baru "model besar + sampel kecil". Setelah mempelajari sejumlah kecil sampel kecil dari skenario industri, akurasi yang relatif baik dapat diperoleh; pada saat yang sama, karena skenario aplikasi yang terbatas, jumlah parameter model akan lebih tinggi daripada model umum Model besar jauh lebih kecil, yang berarti penyebaran tepi dimungkinkan.
Aplikasi yang Anda sebutkan untuk membantu penulisan berita dan mengidentifikasi berita palsu secara teoritis dapat dilakukan dengan cara ini. Oleh karena itu, di masa mendatang, mungkin akan banyak perusahaan skala besar industri vertikal untuk menyelesaikan masalah aplikasi industri.
Raksasa teknologi menghasilkan model skala besar tujuan umum, dan perusahaan industri vertikal menyediakan model skala besar industri berdasarkan model skala besar tujuan umum.Ini akan menjadi cara yang lebih pragmatis dan umum di masa depan. Anda tidak perlu menemukan kembali roda, dan pengembangan model AI baru dan model aplikasi akan mengurangi biaya penerapan aplikasi AI.
Jaringan Pengamat: Jika tren ini benar, dan pengguna dapat mengakses basis model besar dengan biaya yang sangat rendah dan menikmati layanannya, ini akan memicu revolusi dalam persamaan hak AI, dan banyak format baru akan muncul. Dari perspektif industri media kita, banyak identitas peran dan hubungan produksi yang mungkin berubah.Misalnya, produktivitas konten lembaga dan individu dapat diratakan secara bertahap. Karakteristik apa yang mungkin muncul dalam industri AIoT, apakah akan menjadi lebih terfragmentasi, dan apakah ini hal yang baik untuk Anda?
Li Congting: Industri AIoT ditandai dengan fragmentasi, di masa lalu, kurang dari 10% kebutuhan AI terpenuhi, sebagian karena teknologinya sulit direalisasikan, dan sebagian lagi karena biaya penerapannya terlalu tinggi dan bisnisnya tidak ditutup.
Mode pengembangan baru "model besar + sampel kecil" dari model besar industri, pertama, karena pemahaman super dan kemampuan logis yang muncul dari model besar, persyaratan yang sulit diwujudkan di masa lalu dapat diwujudkan; kedua, ambang batas untuk mewujudkan persyaratan diturunkan , Peningkatan efisiensi, sangat meningkatkan kemungkinan loop tertutup komersial. Oleh karena itu, diperkirakan 50% kebutuhan industri AIoT akan terealisasi di masa mendatang, hanya 20% yang akan direalisasikan oleh vendor solusi dan peralatan seperti Uniview, dan sisanya 30% akan direalisasikan oleh mitra.
Hak yang sama dalam teknologi AI adalah peluang bagi perusahaan yang berpartisipasi. Ada lebih banyak persyaratan dan aplikasi yang dapat dilakukan, dan mitra dapat memiliki titik kontrol yang berbeda untuk memenuhi kebutuhan pelanggan dengan lebih baik.
Saya yakin perubahan seperti itu tidak hanya akan terjadi di industri AIoT, tetapi juga di industri media, dan bahkan semua lapisan masyarakat.
AI Membuat Foto Palsu Penangkapan Trump
Jaringan Pengamat: Proliferasi persamaan hak AI dan konten yang dihasilkan AI pasti akan membawa beberapa masalah, seperti makalah dan penugasan untuk orang lain, mengarang berita palsu... dan di industri Internet of Things, ia menghadapi risiko keamanan yang disebabkan oleh informasi fisik atau biologis yang dipalsukan. Permintaan tombak dan perisai akan tumbuh pada saat yang sama. Ke arah anti-AIGC, apa cadangan teknis saat ini? Bisakah perisai mengikuti perkembangan pesat tombak saat ini?
Li Congting: Apakah itu jahat atau tidak disengaja, AIGC memang memiliki efek samping "pemalsuan", dan mengajukan persyaratan yang lebih tinggi untuk sarana teknis "anti-pemalsuan" kami.
Untuk "pemalsuan" yang "tidak disengaja", kami lebih mengoptimalkan dan meningkatkannya dari model industri itu sendiri. Misalnya, ketika kami meminta model tujuan umum seperti chatGPT untuk merekomendasikan kamera pengawas bayi, jawaban yang diberikan agak menyesatkan. Model industri besar yang dilatih dan disesuaikan dengan skenario industri AIoT dapat memberikan jawaban yang lebih "akurat".
Untuk "pemalsuan" "jahat", ini membutuhkan teknologi anti-AIGC kami untuk mengidentifikasi, mengidentifikasi, dan mencegah pemalsuan. Misalnya, teknologi AIGC dapat menghasilkan ekspresi wajah yang dinamis melalui foto 2D, sehingga menipu tautan verifikasi wajah dalam skenario keuangan dan menimbulkan risiko keamanan. Pada tahap ini, beberapa orang sedang meneliti teknologi anti-AIGC, namun pasarnya masih relatif kecil, namun dengan mempopulerkan teknologi AIGC dan pertumbuhan permintaan anti-AIGC, pasti akan mendorong iterasi teknologi anti-AIGC. Lebih banyak lembaga penelitian ilmiah dan produsen yang terlibat. Dari sudut pandang dialektis, serangan dan pertahanan tombak dan perisai mendorong pengulangan cepat dari dua jenis teknologi, dan tingkat teknis meningkat.
Jaringan Pengamat: Anda menyebutkan smart vlog dalam rilis ini, dapatkah Anda menjelaskan logika bisnis ini, apakah itu berarti bisnis AIGC juga dapat menggunakan model payung China Anda?
Li Congting: Banyak anak muda pergi ke tempat-tempat indah dan taman-taman, berharap untuk merekam momen-momen indah dari permainan pribadi, mengintegrasikannya dengan pengalaman visual mendalam dari tempat-tempat indah tersebut, membuat video kecil yang keren, dan akhirnya membaginya dengan teman-teman, mengirimkannya ke Moments, dan twit.
Produk VLOG Uniview memenuhi persyaratan ini dengan sangat baik. Itu sendiri didasarkan pada pengeditan otomatis AI dari tempat-tempat indah dan pemandangan taman. Perubahan yang dibawa oleh teknologi model besar AIGC adalah bahwa di masa depan kami dapat memasukkan beberapa efek khusus generasi yang lebih menarik dan keren ke dalamnya.
Misalnya, jika sebuah keluarga dengan tiga orang bepergian, kita dapat memasukkan bintang animasi seperti Mickey Mouse; sebagai contoh lain, jika bepergian sendirian, kita dapat mengintegrasikan pacar yang menyesal tidak dapat bepergian. Model industri multi-modal Wutong, produk pertama yang akan diterapkan adalah VLOG. Di masa mendatang, pengguna akan memiliki lebih banyak cara untuk bermain dan pengalaman yang lebih baik. Tentu saja, untuk mitra, lebih banyak lalu lintas dan lebih banyak bagi hasil.
Jaringan Pengamat: Karena kami adalah media, kami mungkin juga memiliki persyaratan ini, misalnya, Anda dapat mempelajari semua konten yang dikatakan pembawa acara di masa lalu, lalu membuat kembaran digitalnya. Lain kali kita hanya perlu memasukkan teks, Anda dapat membuat host, menggunakan kembaran digitalnya untuk menyiarkan konten, menampilkan gambar dan suara, apakah ini mungkin?
Li Congting: Konsep kembar digital manusia virtual muncul relatif awal. Munculnya "Metaverse" dalam beberapa tahun terakhir telah mendorong perkembangan kembar digital manusia virtual. Ada banyak produk serupa di pasaran. Namun sejujurnya, efek teknis saat ini umumnya kurang baik, dan masih banyak area yang perlu diperbaiki, selain itu biaya pembangkitan digital twins perlu dikurangi. Model besar AIGC akan sangat meningkatkan pengalaman dan efek kembar digital, dan ini hanya masalah waktu.
Jaringan Pengamat: Ya, tetapi media kita mungkin memiliki banyak kebutuhan untuk memvisualisasikan teks. Misalnya, saya sudah memiliki teks dan tidak perlu membuatnya, tetapi saya perlu mengubah artikel ini menjadi video, dan saya mungkin memerlukan virtual orang untuk mengungkapkannya. Untuk bisnis seperti ini, pernahkah Anda mempertimbangkan untuk bekerja dengan media? Pengguna media memiliki banyak kebutuhan tersebut.
Li Congting: Sudah ada beberapa produk serupa di pasaran, namun efeknya kurang baik, teknologi model besar AIGC belum diterapkan. Dengan industrialisasi bertahap teknologi model skala besar AIGC, efeknya pasti akan menjadi lebih baik dan lebih baik di masa depan. Kami bukan ahli dalam bidang pembuatan media, dan tantangan untuk langsung masuk dan mengirimkan produk akhir sangatlah besar. Saat ini, lebih pragmatis untuk fokus pada jalur AIoT-nya sendiri.Ke depan, kemungkinan untuk mempertimbangkan peluang untuk memperluas bidang pembuatan media.
Jaringan Pengamat: Informasi yang dapat dikumpulkan oleh Internet of Things sangat kaya akan mode, termasuk informasi fisik suara, cahaya, panas, dan listrik, serta berbagai informasi kimia, biologi, dan geografis. Karena pemandangan tempat kita hidup itu sendiri adalah lingkungan multimodal. Di masa lalu, AI hanya dapat menyelesaikan beberapa masalah standar, seperti mengenali orang dan mobil. Dan melalui model besar, jika data multi-modal yang tidak aktif ini direvitalisasi, apakah itu berarti bisnis yang lebih kompleks dapat diimplementasikan di masa depan? Dapatkah Anda membayangkan beberapa kasus yang tidak terbayangkan di masa lalu?
Li Congting: Saya pikir pasti akan ada beberapa bisnis kompleks yang akan terwujud di masa depan. Misalnya, contoh yang diberikan oleh GPT-4 sangat khas, dapat memahami "lelucon bahwa terminal VGA dicolokkan ke port pengisian daya ponsel", yang sebelumnya tidak mungkin dilakukan. Kita dapat belajar mengidentifikasi terminal VGA dan ponsel melalui banyak pelatihan, tetapi sulit bagi kita untuk memiliki akal sehat bahwa "VGA tidak dapat dipasang ke ponsel". Pemahaman model besar itu luar biasa, artinya beberapa persyaratan yang sulit dicapai di masa lalu dapat direalisasikan.
Multimodalitas, pengenalan lebih banyak informasi, pengenalan informasi ini sebagian besar tidak efektif di masa lalu, tepatnya, "tidak berdaya". Karena dulu AI tidak bisa memahami konten di dalam video, hanya pendeteksian dan pengenalan orang dan mobil di dalam video, apalagi penerapan pemahaman multi-modal. Misalnya, deteksi jatuh, orang tergeletak di tanah, dan orang berdiri di dinding, dalam gambar kamera, sulit dibedakan melalui orang itu sendiri. Mereka semua kepala atas dan kaki bawah. Namun, setelah pengenalan teknologi model berskala besar, kita dapat membedakan apakah seseorang sedang berbaring di tanah atau berdiri di dinding dengan menilai lingkungan sekitarnya seperti penempatan meja dan kursi. Multimodalitas memperkenalkan lebih banyak informasi, yang berarti akan dapat mencapai persyaratan AI yang lebih kompleks dengan presisi yang lebih tinggi di masa mendatang.
Jaringan Pengamat: Karena berbagai batasan keamanan dan privasi, data Internet of Things tidak semudah diperoleh secara publik seperti data Internet. Untuk membangunkan data industri yang tidak aktif dan memungkinkan semakin banyak perusahaan membuka tangan mereka untuk merangkul kecerdasan buatan, desain tingkat atas saat ini masih perlu Masalah apa yang dipecahkan?
Li Congting: Pertama-tama, kepatuhan hukum adalah prasyarat bagi semua bisnis dan produk untuk mendarat. Dalam hal desain tingkat atas, negara dan dunia telah mengeluarkan undang-undang perlindungan keamanan data yang sesuai.
Kedua, privasi data dinilai.Informasi seperti orang dan pelat nomor sangat rahasia, dan produsen tidak dapat dengan mudah memperoleh dan menyimpannya. Namun, beberapa data, seperti tindakan perilaku, pengenalan objek, dan deteksi cacat, dapat digunakan dan dilatih setelah penilaian kepatuhan.
Ketiga, model besar industri Wutong yang kami sebutkan sebelumnya memiliki kemampuan terbuka. Untuk desain skenario keamanan dan privasi, kami akan menyerahkan kepada pelanggan untuk menentukan algoritme. Data ada di tangan pelanggan, dan kami hanya menyediakan kemampuan.
Jaringan Pengamat: Karakteristik lain dari Internet of Things adalah bahwa daya komputasi di edge terbatas, dan perhitungan ditempatkan di cloud dan ada penundaan.Apakah ini akan membatasi model besar multi-modal AIoT+? Pada akhirnya, apakah "model besar" yang tidak terlalu besar tetapi lebih cocok untuk industri ini akan cocok?
Li Congting: Pada tahap ini, ada sejumlah besar implementasi AI di cloud, edge dan end. Dalam hal pembagian kerja, tugas AI biasa terutama diimplementasikan di edge dan end, yang lebih ekonomis; beberapa tugas AI kompleks diimplementasikan di sisi pusat data.
Latensi sebagian besar aplikasi AI di industri AIoT berada dalam kisaran yang dapat diterima. Dengan peningkatan daya komputasi AI, penundaan akan menjadi semakin kecil.
Model besar AIGC terutama diimplementasikan di sisi pusat data pada awalnya, dan jumlah perhitungannya sendiri relatif besar, yang akan meningkatkan penundaan sampai batas tertentu. Penundaan ini dapat diterima di sebagian besar skenario, lagipula, ini bukan adegan yang sangat sensitif terhadap penundaan, seperti mengemudi secara otonom.
Di sisi lain, volume parameter model besar industri tidak sebesar model besar pada umumnya, dan penyebaran di sisi tepi harus segera dilakukan. Penundaan akan lebih berkurang dibandingkan dengan sisi pusat data.
Secara umum, latensi bukanlah masalah utama di sebagian besar skenario dalam aplikasi industri AIoT.
Jaringan Pengamat: Apakah Anda berharap untuk meng-upgrade semua sisi?
Li Congting: Dalam jangka panjang, pasti akan ditingkatkan dan diganti. Tapi siklusnya tidak terjadi dalam semalam, karena industri AIoT relatif terfragmentasi, dan modelnya ada ribuan bahkan puluhan ribu, menurut saya siklus ini akan sangat mirip dengan siklus 10 tahun sebelumnya dari 12 hingga 22 tahun. Seperti seberapa dalam pembelajaran merevolusi industri untuk pertama kalinya. Diperkirakan 10 tahun kemudian, hampir semua produk AIoT sedikit banyak akan menggunakan kemampuan atau teknologi model industri AIGC.
Jaringan Pengamat: Sekarang semua orang mempromosikan parameter model, terutama model bahasa Dari perspektif penerapan industri AIoT, semakin besar parameter model, semakin baik?
Li Congting: Ini perlu dilihat dalam kombinasi dengan skenario dan aplikasi. Untuk manusia tradisional, mesin, dan non-deteksi dan pengenalan, dan analisis perilaku perimeter, model kecil sudah sangat matang dan memadai, dan tidak perlu menggunakan model besar dalam jangka pendek. Untuk kebutuhan AI ekor panjang lainnya, model besar masuk akal. Namun, model besar belum tentu sebesar jumlah parameter. Industri AIoT dapat menggunakan model industri berskala besar sendiri, yang memiliki miliaran parameter. Tidak perlu model besar untuk keperluan umum dengan skala ratusan dari miliaran parameter. Pada akhirnya, efeknya tetap raja, bukan semakin besar jumlah parameternya, semakin baik. Selain itu, biaya selalu menjadi faktor penting dalam pendaratan industri, dan produk serta aplikasi harus ditentukan dalam kombinasi dengan biaya.
Jaringan Pengamat: Jika Anda memilih basis model skala besar yang berbeda dan menghubungkannya, sudut apa yang akan Anda gunakan untuk menilai dan memilih?
Li Congting: Hasilnya berbicara sendiri, dan data eksperimen berbicara sendiri. Dalam "Perang Seribu Model" saat ini, seluruh lingkungan relatif kacau, dan sulit bagi semua orang untuk melihat kebenaran dengan jelas. Model skala besar tujuan umum asli sebagian besar berada di tangan sejumlah kecil raksasa teknologi Seperti yang disebutkan sebelumnya, ambang daya komputasi, algoritme, dan data sangat tinggi, dan sebagian besar perusahaan tidak dapat menandinginya. Oleh karena itu, banyak juga perusahaan yang membuat model industri skala besar dan membangun model skala besar secara umum. Uniview adalah pabrikan pertama di industri AIoT yang mengusulkan dan merilis model industri berskala besar. Tentu saja, ada juga beberapa aplikasi yang berbasis plug-in atau model open source. Terlepas dari modelnya, pertimbangan utamanya adalah siapa yang dapat memberikan produk dan layanan terbaik, dan siapa yang dapat menjadi yang pertama mendarat.
Jaringan Pengamat: Dalam penerapan AI, tingkat toleransi kesalahan menjadi pertimbangan utama. Jika kami mengatakan bahwa tingkat akurasi pengenalan kendaraan 99% dapat diterima dan ditetapkan secara teknis, maka akan lebih mudah untuk diterapkan. AI membantu kami mendikte artikel dan kemudian menghasilkan garis besar. Ini mungkin lebih dapat diterima oleh pengguna dengan tingkat kebenaran 80%, dan mungkin ada banyak aplikasi potensial pada level 80%. Banyak hal yang dapat menggantikan bagian paling rumit dari artikel Tingkat kesalahan 20% dapat diterima karena upaya ekstra untuk mendeteksi kesalahan ini masih bermanfaat. Dan 80% akan sangat meningkatkan kelayakan secara teknis. Pemikiran Internet selalu untuk menemukan lebih banyak skenario aplikasi seperti itu, biarkan teknologinya digunakan terlebih dahulu, dan secara iteratif meningkatkan pengalaman selama penggunaan, tetapi tingkat toleransi kesalahan Internet of Things selalu sangat ketat, dan itu sulit. untuk menggunakan pemikiran semacam ini untuk diterapkan. Bisakah ekologi baru yang dihasilkan oleh AIGC+AIoT mengubah situasi ini?
Li Congting: Pertanyaan bagus. Semakin tinggi presisinya, semakin baik, ini bukan masalah. Namun bukan berarti hanya akurasi 99% atau lebih yang dapat diimplementasikan dan dikomersialkan. Dalam banyak skenario, AI juga sangat berarti sebagai alat bantu kecerdasan buatan dan alat untuk meningkatkan efisiensi, dan juga dapat direalisasikan secara komersial. Terutama di industri AIoT kami, banyak skenario tidak memiliki persyaratan presisi yang tinggi, tidak menuntut seperti aplikasi mengemudi otonom. Tentu saja, jika akurasinya terlalu rendah, itu bukanlah alat untuk meningkatkan efisiensi, tetapi alat untuk membuat masalah.
Peningkatan teknologi, satu untuk meningkatkan efisiensi, dan yang lainnya untuk menciptakan lebih banyak peluang bisnis. Melihat kembali penerapan pengenalan plat nomor, itu diterapkan dalam pelanggaran lalu lintas pada tahap awal, bahkan jika tingkat penangkapan pelanggaran hanya 30%, itu merupakan peningkatan efisiensi yang sangat besar untuk manual polisi lalu lintas di tempat penegakan hukum. Kemudian, pintu masuk dan keluar taman dan pusat perbelanjaan diterapkan, dan tingkat pengenalannya adalah 98% yang sudah sangat tinggi, tetapi masih tidak dapat dipisahkan dari pekerjaan manual, karena setiap 100 kendaraan ada 2 kendaraan yang membutuhkan penanganan kelainan secara manual. . Saat ini, tingkat pengenalan dapat mencapai 99,9%, dan banyak adegan masuk dan keluar sudah tidak dijaga, dan terkadang beberapa ketidaknormalan dapat diatasi melalui panggilan jarak jauh. Ini adalah keuntungan efisiensi. Dalam hal peluang bisnis, sebelumnya tidak ada produk impor dan ekspor, solusi, operasi dan pemeliharaan pendukung, layanan, dll., Karena munculnya alat pengenalan plat nomor AI menciptakan pasar ini.
Teknologi model skala besar AIGC tidak terkecuali Peningkatan alat membawa peningkatan efisiensi dan menciptakan lebih banyak peluang bisnis.
Artikel ini adalah manuskrip eksklusif dari Observer.com. Isi artikel ini murni pendapat pribadi penulis dan tidak mewakili pendapat platform. Tanpa otorisasi, tidak diperbolehkan untuk mencetak ulang, jika tidak tanggung jawab hukum akan dikejar. Ikuti Observer.com WeChat guanchacn dan baca artikel menarik setiap hari.
- Chen Jing: China telah mendapatkan rasa hormat yang bermartabat, yang merupakan peristiwa besar dalam ekonomi dunia
- Sekretaris Perbendaharaan: Memperkuat Korea Selatan -Hubungan AS tidak berarti mengabaikan hubungan dengan Cina
- KTT G7 ditanya tentang skandal "terlibat dalam hak istimewa" Menteri Dalam Negeri, Sunak: Apakah tidak ada pertanyaan tentang KTT?
- Tembakan pertama dari energi baru untuk pergi ke pedesaan, keluarga miniev Wuling Wuling telah turun 13.000 yuan, mulai dari 29.800 yuan
- Istana Kepresidenan Sri Lanka: Menandatangani perjanjian dengan Sinopec, dan sebelumnya telah memperoleh izin operasi selama 20 tahun
- Penggerak elektrik super-hybrid Nissan Dongfeng X-Trail resmi dipasarkan, dengan harga mulai 189.900 yuan