2014年1月15日,中國北京,華為首席財務(wù)官孟晚舟在北京預(yù)發(fā)布2013年經(jīng)營業(yè)績。2013年在全球的銷售收入將達到2380-2400億元人民幣,比去年增長約8%。2013年,公司的研發(fā)投入約330億元人民幣,約占銷售收入14%。
孟晚舟說,華為構(gòu)筑的全球化均衡布局使公司在運營商網(wǎng)絡(luò)、企業(yè)業(yè)務(wù)和消費者領(lǐng)域均獲得了快速、健康的發(fā)展。她說,2013年運營商網(wǎng)絡(luò)業(yè)務(wù)超過75%的收入來自全球TOP50的電信運營商,同時運營商網(wǎng)絡(luò)業(yè)務(wù)中服務(wù)和軟件收入比重由2012年的34%上升到2013年的37%;消費者業(yè)務(wù)和企業(yè)業(yè)務(wù)取得快速發(fā)展。
孟晚舟認為,華為之所以能夠在全球ICT行業(yè)復(fù)雜的競爭環(huán)境中保持穩(wěn)健有效的增長,其核心驅(qū)動力是持續(xù)創(chuàng)新,在緊緊圍繞客戶需求的同時,加大對基礎(chǔ)科學(xué)技術(shù)和基礎(chǔ)工程技術(shù)的創(chuàng)新投入。她說,“研發(fā)投入不是百米短跑,而是一場馬拉松。”過去10年來,華為每年都將銷售收入10%以上的資金用于創(chuàng)新。僅在2013年,公司的研發(fā)投入就高達約330億元人民幣,占銷售收入的約14%。
孟晚舟說,集團盈利能力的提升主要受益于消費者和企業(yè)業(yè)務(wù)的快速增長,以及內(nèi)部管理運作成本的降低。2013年推進組織變革,激活組織,加大向一線的授權(quán),讓聽得見炮火的組織更有責、更有權(quán);內(nèi)部管理運作從以功能部門為中心向以項目為中心轉(zhuǎn)移。通過簡化管理有效降低了內(nèi)部運作成本,在加大研發(fā)投入的同時,實現(xiàn)了營業(yè)利潤率的提升。
據(jù)介紹,2004-2013年華為累計在研發(fā)創(chuàng)新上投入1539億元人民幣。目前,華為LTE全球領(lǐng)先:屢獲最具創(chuàng)新、全球最佳商用網(wǎng)絡(luò)大獎;華為已成為5G技術(shù)的引領(lǐng)者:2018年前,華為將投入6億美金用于5G的創(chuàng)新和研究;厚積薄發(fā),17年間從追趕到超越:華為400G核心骨干網(wǎng)技術(shù),領(lǐng)先業(yè)界一年以上。
“無論是在海拔最高的珠穆朗瑪峰、地球最北端的挪威LTE基站,還是荊棘炎熱的亞馬遜叢林……以客戶為中心,履行合約、誠信交付是奮斗在140多個國家的15萬華為員工堅持的原則,持續(xù)艱苦奮斗的精神使我們贏得了客戶的信任。”孟晚舟說。
開放合作是華為的核心價值觀,實現(xiàn)產(chǎn)業(yè)鏈共贏,和核心合作伙伴一起成長是華為一貫堅持的原則。在向客戶提供優(yōu)質(zhì)的產(chǎn)品和服務(wù)的同時,構(gòu)筑資源共享、風險共擔、利益共贏的商業(yè)生態(tài)系統(tǒng)。華為根據(jù)供應(yīng)商組合管理結(jié)果和績效,篩選出供應(yīng)商389家,提前向他們支付金額將近10億美金。
孟晚舟說,物理世界和數(shù)字世界正在加速融合,一個充滿無限可能的全聯(lián)接世界正在到來。未來10年,更多的人,會花更多的時間,使用更多的應(yīng)用,推動產(chǎn)生更多的數(shù)據(jù)與服務(wù),促進網(wǎng)絡(luò)與終端的更強勁的發(fā)展。華為致力于成為ICT基礎(chǔ)設(shè)施領(lǐng)域的行業(yè)領(lǐng)導(dǎo)者,構(gòu)建更加高效、整合的信息物流系統(tǒng),實現(xiàn)人與人、人與物、物與物的全面互聯(lián)。不斷提升工作效率、幫助行業(yè)轉(zhuǎn)型,為每位用戶帶來更好的體驗,促進人們自由地溝通分享與交流。
2014年,華為將堅持聚焦戰(zhàn)略、簡化管理,力促有效增長,構(gòu)筑公司面向下一個十年新一輪發(fā)展的基石,成為一個偉大的公司。
好文章,需要你的鼓勵
新加坡國立大學(xué)研究團隊開發(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。實驗顯示,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。
同濟大學(xué)團隊開發(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)習和數(shù)學(xué)優(yōu)化方法,在合成數(shù)據(jù)集上實現(xiàn)37.9%的精度提升,并在真實設(shè)備上展現(xiàn)出色泛化能力,為機器人、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)研究團隊通過對比實驗發(fā)現(xiàn),經(jīng)過強化學(xué)習訓(xùn)練的視覺語言模型雖然表現(xiàn)出"頓悟時刻"現(xiàn)象,但這些自我糾錯行為并不能實際提升推理準確率。研究揭示了AI模型存在"生成-驗證差距",即生成答案的能力強于驗證答案質(zhì)量的能力,且模型在自我驗證時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等頂尖機構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過動態(tài)稀疏性實現(xiàn)大語言模型訓(xùn)練加速1.6倍,計算成本降低2.2倍。該方法使用SVD稀疏性估計器智能選擇重要計算部分,在保持模型性能的同時顯著提升訓(xùn)練效率,已在多個任務(wù)上驗證有效性。