剛剛在幾天前發(fā)出“收購IBM x86服務(wù)器業(yè)務(wù)”這枚重磅炸彈的聯(lián)想集團,今天一則“要在除夕當天發(fā)布一條比收購IBM x86服務(wù)器還重大新聞”的消息引來媒體的關(guān)注和猜測,在京的媒體還受邀參加當天的新聞發(fā)布會。于是靠譜的、不靠譜的消息紛至沓來,怎奈何相關(guān)人士三緘其口。不過就在幾小時前據(jù)傳為聯(lián)想集團高級副總裁、中國區(qū)總裁陳旭東的一封內(nèi)部郵件似乎透露出大新聞或許與組織架構(gòu)調(diào)整相關(guān)。
據(jù)內(nèi)部郵件透露,剛剛調(diào)整不到一年的Think和Lenovo兩大業(yè)務(wù)集團重新被調(diào)整、劃分為四大業(yè)務(wù)集團:
1、個人電腦業(yè)務(wù)集團(包括Lenovo和Think品牌)。由Gianfranco Lanci(蘭奇)領(lǐng)導(dǎo)。該團隊將致力于不斷創(chuàng)新,提升利潤水平,進一步拓展聯(lián)想在個人電腦這一核心業(yè)務(wù)中的全球領(lǐng)導(dǎo)地位。
2、移動業(yè)務(wù)集團(包括智能手機、平板電腦和智能電視)。由劉軍領(lǐng)導(dǎo)。團隊目標是要讓聯(lián)想在智能手機和平板電腦領(lǐng)域成為具有盈利能力的全球性廠商,同時發(fā)展智能電視業(yè)務(wù)。
3、企業(yè)級業(yè)務(wù)集團(包括服務(wù)器和存儲器)。由Gerry Smith(司馬睿)領(lǐng)導(dǎo)。團隊目標是把企業(yè)級業(yè)務(wù)打造成全新的快速增長的利潤引擎。完成對IBM x86業(yè)務(wù)的收購后,聯(lián)想將成為x86服務(wù)器的全球第三名,并將繼續(xù)努力,力求成為這個領(lǐng)域的全球領(lǐng)導(dǎo)者。
4、聯(lián)想云服務(wù)。專注于互聯(lián)網(wǎng)服務(wù)/軟件生態(tài)系統(tǒng)的建立(包括安卓和Windows),由賀志強領(lǐng)導(dǎo)。這個業(yè)務(wù)集團的目標是建立起中國的云服務(wù)生態(tài)系統(tǒng),拓展軟件及服務(wù)預(yù)裝和增值業(yè)務(wù)。
這一調(diào)整不影響前端銷售大區(qū)的組織結(jié)構(gòu),也不影響中國區(qū)的渠道合作伙伴。
這一調(diào)整中的最大變化其實是移動業(yè)務(wù)集團和聯(lián)想云服務(wù)業(yè)務(wù)的獨立。按照此前Think和Lenovo兩大業(yè)務(wù)集團的劃分,移動業(yè)務(wù)和云業(yè)務(wù)沒有如此的地位。
究其原因,就移動業(yè)務(wù)來說,2011年,聯(lián)想正式進軍移動互聯(lián)網(wǎng)行業(yè),當時的聯(lián)想在國內(nèi)市場份額不足1%,經(jīng)過不到三年時間,聯(lián)想將國內(nèi)市場份額提升至13%,位居第二。而在全球市場份額中,聯(lián)想手機已經(jīng)攀升至第三位。相對于PC市場的頹勢,聯(lián)想在移動互聯(lián)市場的作為會更大。
而就云業(yè)務(wù)來說,聯(lián)想的目標在移動互聯(lián)上,其實也算是其智能終端的延伸,其實軟件+硬件的結(jié)合才是把控移動終端入口的根本,在這方面聯(lián)想的舉措也是希望擺脫國內(nèi)當前智能終端市場的競爭紅海,加強應(yīng)用。
除這兩塊之外,聯(lián)想企業(yè)級業(yè)務(wù)未來的挑戰(zhàn)最大,再次完成“蛇吞象”的聯(lián)想,如何做到與IBM低端服務(wù)器產(chǎn)品、人才的水乳交融,能否縮小與惠普、戴爾的差距?這是雙重挑戰(zhàn)。
而容易被忽視的個人電腦業(yè)務(wù)集團,其實是把包括Lenovo和Think品牌在內(nèi)的PC業(yè)務(wù)一攬子全包,對于這部分業(yè)務(wù)來說,占市場已經(jīng)不是主要的,爭利潤才是緊要,個頭(市場份額)大了、力氣(盈利水平)也該漲。
不過如果聯(lián)想在除夕真的是發(fā)布這一消息,這樣完全可控的新聞發(fā)布時機,為何要選擇中國人最看重的春節(jié)呢?難道這條消息之外,還有更重的炸彈要投下來?
好文章,需要你的鼓勵
新加坡國立大學研究團隊開發(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)學推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學題目作為訓(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)學解題中,為AI訓(xùn)練提供了新思路。
同濟大學團隊開發(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)合深度學習和數(shù)學優(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。
伊利諾伊大學研究團隊通過對比實驗發(fā)現(xiàn),經(jīng)過強化學習訓(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。