白菜浪人 的一句話,我覺得非常經(jīng)典。這句話,道出了當(dāng)前Windows Phone的發(fā)展現(xiàn)狀及未來發(fā)展戰(zhàn)略。
微軟擴大陣營 設(shè)備+服務(wù)需要合作伙伴撐場
昨日,在西班牙巴塞羅那召開的XOLO(印度)。
看到這些名字,你會作何感想?我馬上想到的是,微軟這要加大中國市場的節(jié)奏,用白菜浪人在微博上說的那句“只有中國可以就Windows Phone”話來概括再恰當(dāng)不過。
聯(lián)想、金立、中興、富士康等都是算是中國智能手機領(lǐng)域相關(guān)廠商,龍旗這個名字并不是為眾人所知,它是一家手機設(shè)計公司,也是來自中國。龍旗科技的合作伙伴包括聯(lián)發(fā)科、高通、大唐移動、德州儀器、英特爾、微軟、英飛凌、三星、富士康、ADI等。
兩家印度廠商不必多說,其中Windows Phone重任放在中國和印度這兩個最重要的市場。
中國目前是全球第一大手機廠商,而且增長潛力巨大。龐大的市場催生了聯(lián)想、華為、中興、小米、金立、魅族等眾多品牌,其中的聯(lián)想、華為、中興都已經(jīng)成長為國際知名的手機廠商。
微軟在兩年前轉(zhuǎn)型成為“設(shè)備Q1結(jié)束之后,微軟收購諾基亞的交易才有可能完成,因此微軟目前為止對于諾基亞未來還唯有官方明確態(tài)度出來。
從這個角度來講,微軟如何來規(guī)劃諾基亞業(yè)務(wù),暫且還是個未知數(shù)。
另一方面,微軟雖然自己做“設(shè)備Windows Phone目前發(fā)展的現(xiàn)狀,革命尚未成功,微軟不會這么不開眼,就把合作伙伴趕走。
中國市場增長強勁 微軟想要這個市場
據(jù)此前4.5%)。
由此看來,中國廠商正迎來超高的發(fā)展速度。
目前,91%.
另外,在4G牌照發(fā)放。
如今,三大運營商正在積極推廣各自的547%。
在MWC2014上,微軟還透露了對中國4G和Windows Phone 8.1雙卡雙待等功能的支持。一切都在向有利Windows Phone的方向發(fā)展。
擁抱Windows Phone 廠商們希望有更多選擇
80%左右的手機操作系統(tǒng)份額,但是它正在面臨被人們拋棄的境地。
熟悉Android平臺上分散著眾多隨時會偷取用戶個人信息的應(yīng)用。
Android手機市場充斥著大量的同質(zhì)化的產(chǎn)品,這讓廠商不得不陷入價格戰(zhàn)的泥沼。
Firefox OS等等,大家都在謀變。
除了在產(chǎn)品端發(fā)力之外,廠商們紛紛展開資本運作。比如,除夕那天,聯(lián)想以Google手中收購了摩托羅拉手機業(yè)務(wù),中國手機廠商的魄力讓人吃驚。
由此,微軟選擇更多的中國合作伙伴,不但有微軟自身業(yè)務(wù)調(diào)整的需要,更有廠商們期待求變的舉措。Windows Phone爆發(fā)年。
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(xí)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(xí)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(zhǔn)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。