好雨知時節(jié),當(dāng)春乃發(fā)生。近日,北京,一場春雨,不但滋潤了大地,還有望一掃籠罩了好幾天的霧霾。商用平板好似這場春雨,讓平板電腦市場看到了久違的好天氣。
為了突然提到商用平板,其實也是這段時間以來的一些思量,前不久去了趟深圳,考察了深圳的平板電腦圈,讓我很受震動,一方面看到深圳在平板電腦產(chǎn)業(yè)的轉(zhuǎn)型和布局,另一方面就是讓我進一步看到商用平板電腦的發(fā)展前景。
商用平板電腦崛起
過去幾年時間里,在平板電腦市場Windows 平板電腦所打破。
當(dāng)下業(yè)界出現(xiàn)的一系列產(chǎn)品無論是從外觀、還是性能等各方面絲毫不輸于iPad在商用領(lǐng)域也有著十分廣泛的應(yīng)用,但這絲毫阻擋不了后繼勢力的快速崛起。
很多PC廠商把推行平板電腦的重心放在企業(yè)級市場,一方面是因為企業(yè)采購平板電腦的需求逐年上升,另外一方面是商業(yè)領(lǐng)域他們更加熟悉,當(dāng)然也是因為商用平板電腦市場尚未完全開發(fā),有更多的發(fā)展機遇。
據(jù)20%為解決方案應(yīng)用。
IDC認(rèn)為,平板電腦未來有六個重要趨勢:一是設(shè)備高速增長;二是系統(tǒng)三足鼎立;三是樣式個性繁多;四是行業(yè)解決方案會激增;五是安全管理在平板和解決方案中變得越來越重要;六是定價模式將會有創(chuàng)新。
隨著移動解決方案在行業(yè)的廣泛應(yīng)用,特別是在教育、醫(yī)療、政府、金融、電信等技術(shù)和知識密集型行業(yè),移動應(yīng)用將極大的促進行業(yè)業(yè)務(wù)增長和運營效率提升。通過移動技術(shù)幫助組織實現(xiàn)創(chuàng)新及差異化戰(zhàn)略成為了CTO在當(dāng)前信息化建設(shè)過程中新的發(fā)力點。
越來越多的企業(yè)客戶應(yīng)用平板電腦的原因其實很簡單,如今在移動互聯(lián)網(wǎng)時代,企業(yè)、尤其很多傳統(tǒng)企業(yè)都在無時無刻收到互聯(lián)網(wǎng)的沖擊,而移動化是帶動企業(yè)快速轉(zhuǎn)型和變革的必經(jīng)之路。
企業(yè)對于平板電腦有了全新的需求,也對平板電腦的特性有了進一步的考量。IDC指出,企業(yè)選擇商用平板電腦也將會重點考量性能、創(chuàng)新、兼容、安全四大方面。
長期以來,Google、微軟等巨頭為代表的上游廠商在商用平板市場開始顯現(xiàn)其優(yōu)勢,尤其是對于企業(yè)客戶的四大需求,優(yōu)勢顯得更加明顯。
X86將執(zhí)商用平板牛耳?
盡管蘋果在平板電腦市場的知名度更高,但是有一點無法否認(rèn),MID并沒有獲得很大成功。
蘋果iPad一定程度上被看作是平板電腦的昵稱。
但是隨后, 英特爾架構(gòu)的平板電腦也找到了其在商用領(lǐng)域的定位,將穩(wěn)定的性能和可靠的管理性放在首位,并在保持較高性能的同時努力降低功耗,使平板電腦不再僅僅是滿足娛樂需求的設(shè)備,而是成為了一種生產(chǎn)工具。
當(dāng)然,微軟在平板電腦方面也做出了充分的努力,Surface Pro 2。我每天工作的大部分時間都是用它,在旅途、家里、辦公室,回到家里和辦公室,接駁尺寸更大的顯示器,連接完整的鍵盤,使得效率進一步提升,我想這是一種逐漸普遍開來的使用模式。
我想說的是,在企業(yè)應(yīng)用環(huán)境中,除了BYOD之外,越來越多開始為員工配備平板電腦,企業(yè)希望采用移動化解決方案之后,為企業(yè)帶來業(yè)務(wù)模式的創(chuàng)新和變革。
綜合來看,英特爾及其整個生態(tài)圈正逐步在商用平板市場嶄露頭角。英特爾PC領(lǐng)域表現(xiàn)出絕對的優(yōu)勢,而在平板電腦市場也擁有良好發(fā)展前景。
性能與功耗是X86平臺也擁有更多優(yōu)勢。
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。