在今早位于聯(lián)想北研大廈舉辦的就聯(lián)想29億美金收購摩托羅拉移動(dòng)的媒體溝通會(huì)上(同步在美國,谷歌CEO拉里·佩奇與聯(lián)想集團(tuán)董事長兼CEO楊元慶等諸多高管共同參與聯(lián)想集團(tuán)媒體溝通會(huì)),CNET記者在現(xiàn)場帶來第一手消息。楊元慶表示,收購摩托羅拉移動(dòng)有5大好處:1、通過收購?fù)卣故袌?,摩托羅拉與全世界50多家運(yùn)營商及零售商保持著良好關(guān)系;2、獲得非常優(yōu)秀的摩托羅拉品牌;3、獲得寶貴的知識產(chǎn)權(quán),聯(lián)想將獲得2000多項(xiàng)專利,創(chuàng)新能力將如虎添翼;4、聯(lián)想將豐富其產(chǎn)品組合;5、從摩托羅拉移動(dòng)獲得人才。
聯(lián)想中國區(qū)總裁陳旭東接受記者提問
在此消息之前兩天,聯(lián)想內(nèi)部郵件已經(jīng)透露聯(lián)想將把現(xiàn)有Lenovo和Think兩大業(yè)務(wù)集團(tuán)重新分拆成四大業(yè)務(wù)集團(tuán):個(gè)人電腦業(yè)務(wù)集團(tuán)(包括Lenovo和Think品牌)、移動(dòng)業(yè)務(wù)集團(tuán)(包括智能手機(jī)、平板電腦和智能電視)、企業(yè)級業(yè)務(wù)集團(tuán)(包括服務(wù)器和存儲(chǔ)器)、聯(lián)想云服務(wù)。在新分拆的移動(dòng)業(yè)務(wù)集團(tuán)中,聯(lián)想集團(tuán)高級副總裁劉軍掌舵。此次收購摩托羅拉移動(dòng)對劉軍來說壓力巨大,但楊元慶表示相信劉軍有能力帶動(dòng)聯(lián)想移動(dòng)業(yè)務(wù)集團(tuán)走向成功,劉軍的目標(biāo)是讓聯(lián)想成為全球智能手機(jī)及平板電腦領(lǐng)導(dǎo)者,楊元慶的目標(biāo)是在2015年聯(lián)想能夠銷售一億部手機(jī)。
聯(lián)想集團(tuán)董事長兼CEO楊元慶通過視頻發(fā)布此次收購消息
當(dāng)CNET記者問到摩托羅拉移動(dòng)已經(jīng)出租出去的工廠怎么處理,是否在并購的資產(chǎn)里?聯(lián)想表示,本次收購的摩托羅拉移動(dòng)并沒有包括工廠資產(chǎn),收購涵蓋了摩托的3500名員工、2000項(xiàng)專利、品牌、商標(biāo)和全球50多家運(yùn)營商的合作關(guān)系
收購?fù)瓿芍?,?lián)想智能手機(jī)將進(jìn)入美國市場,在北美和拉丁美洲市場聯(lián)想將充分運(yùn)用摩托羅拉品牌的優(yōu)勢,摩托羅拉也許會(huì)重新回歸中國市場。
楊元慶表示早在2010年摩托羅拉分拆為移動(dòng)及系統(tǒng)時(shí)就有意收購摩托羅拉移動(dòng),但是未能達(dá)成合作。最近兩個(gè)多月接觸了相關(guān)人士,最終達(dá)成了收購。
就業(yè)界普遍認(rèn)為聯(lián)想如此頻繁地大宗收購已經(jīng)導(dǎo)致手中現(xiàn)金不夠的問題,楊元慶表示,收購IBM X86服務(wù)器業(yè)務(wù)及摩托羅拉移動(dòng)的確會(huì)導(dǎo)致聯(lián)想手中的資金不夠,可能需要借。
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(dòng)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(dòng)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。