剛下飛機(jī)的楊元慶,馬不停蹄趕到MWC2014的現(xiàn)場(chǎng),此次他的行程主要是與國(guó)際上幾十家運(yùn)營(yíng)商高層會(huì)晤,間隙中,他接受了中國(guó)媒體的采訪。楊元慶指出,中國(guó)是全球競(jìng)爭(zhēng)最激烈的市場(chǎng),它讓聯(lián)想練就一身的攻擊本領(lǐng),而收購(gòu)摩托羅拉則很大意義上讓聯(lián)想有了護(hù)體神功。
2月24日,MWC2014開(kāi)幕的第一天,最繁忙的人可能是楊元慶,他不停地與來(lái)自全球的運(yùn)營(yíng)商會(huì)晤,還抽空了解了對(duì)手的情況,并且在間隙中參加多場(chǎng)媒體采訪,到下午他又出席了劉軍演講的VIBE Party。
在一個(gè)小時(shí)的有限時(shí)間內(nèi),楊元慶在接受CNET科技資訊網(wǎng)等中國(guó)媒體采訪時(shí),還是暢談了聯(lián)想PC+戰(zhàn)略、收購(gòu)摩托羅拉、產(chǎn)品創(chuàng)新等眾多話題,記者的提問(wèn)多為質(zhì)疑和挑戰(zhàn),而楊元慶的回答則是應(yīng)對(duì)自如、妙語(yǔ)連珠。以下是老涼做的整理,大家來(lái)感受下:
一、關(guān)于小米模式和互聯(lián)網(wǎng)模式:小米不是競(jìng)爭(zhēng)對(duì)手,小米是教材。不可能所有人都去玩互聯(lián)網(wǎng),產(chǎn)品就從天上掉下來(lái)。如果連與研發(fā)很接近的生產(chǎn)制造都外包,你會(huì)失去創(chuàng)新的源動(dòng)力!聯(lián)想的端到端模式才是真經(jīng)。
二、談到新品發(fā)布不如對(duì)手多:剛才朋友圈里掃了一眼,對(duì)手情況完全在掌控內(nèi),大聯(lián)想不怕,2014走著瞧。
三、談到中國(guó)廠商的競(jìng)爭(zhēng)優(yōu)劣勢(shì):從中國(guó)市場(chǎng)摸爬出來(lái)的聯(lián)想,能怕競(jìng)爭(zhēng)?!你造嗎?全球前五個(gè)牌子里,有四個(gè)是中國(guó)牌子。
四、談到收購(gòu)摩托羅拉對(duì)聯(lián)想影響:我們是有身份的人啦!拿到了挑戰(zhàn)三星、蘋(píng)果,走進(jìn)成熟市場(chǎng)的入門(mén)證。
五、為什么成熟市場(chǎng)需要入門(mén)證?成熟市場(chǎng)最歡迎沒(méi)有專(zhuān)利的土豪,因?yàn)樗麄凂R上可以獲得你營(yíng)收25%的專(zhuān)利大禮。
六、談到聯(lián)想模式:我都講了一百遍了,啊,遍數(shù)肯定更多。戰(zhàn)略+創(chuàng)新產(chǎn)品+高效運(yùn)營(yíng)+多元化文化。
七、 有記者問(wèn)摩托羅拉整合是否裁人:還裁?! 3500人中有2000多人是R&D,就這點(diǎn)兒人,沒(méi)可裁空間,我想著再招呢!感興趣的簡(jiǎn)歷發(fā)我……
八、談到諾基亞推出Android手機(jī):希望此舉不讓諾基亞用戶感到迷惑。
九、買(mǎi)了摩托羅拉之后,股票跌了:你不能保證投資者隨時(shí)隨地對(duì)你有信心,但是你必須積極做那些可能讓他們感興趣的事兒。
十、您和黑莓的程守宗啥關(guān)系?朋友,好朋友。不妨礙,未來(lái)還是朋友。
好文章,需要你的鼓勵(lì)
新加坡國(guó)立大學(xué)研究團(tuán)隊(duì)開(kāi)發(fā)了SPIRAL框架,通過(guò)讓AI與自己對(duì)弈零和游戲來(lái)提升推理能力。實(shí)驗(yàn)顯示,僅訓(xùn)練AI玩簡(jiǎn)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(wú)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(kāi)發(fā)的GIGA-ToF技術(shù)通過(guò)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(wèn)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(jué)解決方案。
伊利諾伊大學(xué)研究團(tuán)隊(duì)通過(guò)對(duì)比實(shí)驗(yàn)發(fā)現(xiàn),經(jīng)過(guò)強(qiáng)化學(xué)習(xí)訓(xùn)練的視覺(jué)語(yǔ)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(wú)法有效利用視覺(jué)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(guò)動(dòng)態(tài)稀疏性實(shí)現(xiàn)大語(yǔ)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。