在今天的CES2014現(xiàn)場,記者采訪了聯(lián)想高級副總裁,Think業(yè)務(wù)負(fù)責(zé)人賈朝暉,賈總借兩款重量級產(chǎn)品新ThinkPad X1 Carbon和ThinkPad 8的推出,也分享了一些Think品牌未來的戰(zhàn)略分享,他表示,ThinkPad將會從一個(gè)純商務(wù)的品牌轉(zhuǎn)向一個(gè)高端時(shí)尚的品牌,來應(yīng)對IT消費(fèi)化和移動辦公的需求。
賈朝暉表示,真正的客戶時(shí)代已經(jīng)來臨,Think未來將會繼續(xù)深入以客戶為核心,更多的從客戶的需求去考慮,不同的屏幕尺寸去滿足客戶的需求,將會推出大量的新產(chǎn)品,比如說現(xiàn)在聯(lián)想就看到了輕薄產(chǎn)品和變形產(chǎn)品上的機(jī)會,這也有著很大的市場空間。
在談到平板電腦的行業(yè)應(yīng)用時(shí),賈朝暉表示,智能手機(jī)和平板,起源于消費(fèi)市場,他們現(xiàn)在也看到了商用市場的機(jī)會,平板電腦在便攜性,可以很好的滿足最終用戶工作、生活需求的考慮,會有更多發(fā)展機(jī)會,對于金融、教育、零售、醫(yī)療,賈朝暉認(rèn)為聯(lián)想Think都會有相應(yīng)的發(fā)展機(jī)會。
在談到品牌塑造的時(shí)候,賈朝暉表示,未來ThinkPad將會轉(zhuǎn)向高效消費(fèi)品牌,賈朝暉舉了博柏利的例子,博柏利在1865年創(chuàng)立之后的很長時(shí)間,都是從事軍用服裝的生產(chǎn)工作,和聯(lián)想Think類似,都從事非常嚴(yán)謹(jǐn)?shù)纳逃妙I(lǐng)域工作,盡管也提供給普通消費(fèi)者,但并沒有成為一個(gè)時(shí)尚品牌,在之后,博柏利做了成功的轉(zhuǎn)型,現(xiàn)在成為了世界首屈一指高端奢侈品品牌,這也是Think這個(gè)品牌未來的發(fā)展目標(biāo)。
聯(lián)想此次推出的兩款產(chǎn)品在命名規(guī)則上,也與以往的產(chǎn)品大為不同,比如2014版的ThinkPad X1 Carbon并沒有叫Carbon2,而是沿用了Carbon這個(gè)名稱,而ThinkPad 8這樣的命名方式更是現(xiàn)在最為主流的平板或者手機(jī)命名方式。未來聯(lián)想很有可能繼續(xù)沿用這樣的命名方式,打造數(shù)款明星產(chǎn)品。
而針對中低端市場,Think品牌將逐步放棄這塊市場,交由聯(lián)想這個(gè)品牌去耕耘,未來Think將專注于高端時(shí)尚產(chǎn)品,可能不會有太多的產(chǎn)品,但必然是款款精品。
同時(shí)Think還會針對粉絲提供更多的互動,這個(gè)互動表現(xiàn)在,粉絲不僅僅可以在產(chǎn)品發(fā)布之后參加活動,在產(chǎn)品發(fā)布之前,就可以參與其中,選擇自己想要的產(chǎn)品設(shè)計(jì)思路與理念。
好文章,需要你的鼓勵(lì)
新加坡國立大學(xué)研究團(tuán)隊(duì)開發(fā)了SPIRAL框架,通過讓AI與自己對弈零和游戲來提升推理能力。實(shí)驗(yàn)顯示,僅訓(xùn)練AI玩簡單撲克游戲就能讓其數(shù)學(xué)推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學(xué)題目作為訓(xùn)練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉(zhuǎn)移到數(shù)學(xué)解題中,為AI訓(xùn)練提供了新思路。
同濟(jì)大學(xué)團(tuán)隊(duì)開發(fā)的GIGA-ToF技術(shù)通過融合多幀圖像的"圖結(jié)構(gòu)"信息,創(chuàng)新性地解決了3D相機(jī)噪聲問題。該技術(shù)利用圖像間的不變幾何關(guān)系,結(jié)合深度學(xué)習(xí)和數(shù)學(xué)優(yōu)化方法,在合成數(shù)據(jù)集上實(shí)現(xiàn)37.9%的精度提升,并在真實(shí)設(shè)備上展現(xiàn)出色泛化能力,為機(jī)器人、AR和自動駕駛等領(lǐng)域提供更可靠的3D視覺解決方案。
伊利諾伊大學(xué)研究團(tuán)隊(duì)通過對比實(shí)驗(yàn)發(fā)現(xiàn),經(jīng)過強(qiáng)化學(xué)習(xí)訓(xùn)練的視覺語言模型雖然表現(xiàn)出"頓悟時(shí)刻"現(xiàn)象,但這些自我糾錯(cuò)行為并不能實(shí)際提升推理準(zhǔn)確率。研究揭示了AI模型存在"生成-驗(yàn)證差距",即生成答案的能力強(qiáng)于驗(yàn)證答案質(zhì)量的能力,且模型在自我驗(yàn)證時(shí)無法有效利用視覺信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機(jī)構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過動態(tài)稀疏性實(shí)現(xiàn)大語言模型訓(xùn)練加速1.6倍,計(jì)算成本降低2.2倍。該方法使用SVD稀疏性估計(jì)器智能選擇重要計(jì)算部分,在保持模型性能的同時(shí)顯著提升訓(xùn)練效率,已在多個(gè)任務(wù)上驗(yàn)證有效性。