2014年4月25日美滿電子科技(Marvell)在京舉辦了首次戰(zhàn)略發(fā)布會。Marvell總裁、聯(lián)合創(chuàng)始人戴偉立女士從美國硅谷來到現(xiàn)場為我們講述了Marvell最新愿景,將全力推進(jìn)Smart Life。
現(xiàn)今,智能終端設(shè)備已經(jīng)不再是一個新鮮事物,可穿戴設(shè)備也在慢慢闖入人們的生活,智能化電子設(shè)備反應(yīng)了人類不同的生活方式和性格,已經(jīng)遍及到各個領(lǐng)域,并讓工作變得更高效。不得不說智能化的生活方式已經(jīng)在慢慢開始部署。而這種智能化的生活方式重要角色并非只是智能設(shè)備,而是融合了智能、社會和人類行為元素的生活。
例如智能廚房,我們可以通過終端設(shè)備了解到冰箱中存儲的食物是否新鮮,并與廚房內(nèi)其它智能設(shè)備進(jìn)行物聯(lián)。Marvell希望把物體變得更加智能,但作為展開的前提條件便是需要把跨領(lǐng)域的人才都整合在一起。
再例如Marvell ZigBee遙控平臺,這個遙控平臺具備語音搜索和手勢識別功能以及基于互聯(lián)網(wǎng)的多媒體搜索和發(fā)現(xiàn)功能,并支持最新的云游戲等。
同時(shí)Marvell還推出了基于JavaScript的物聯(lián)網(wǎng)制造套件Kinoma Create。這一套件能夠幫助軟件開發(fā)商轉(zhuǎn)變?yōu)橹圃焐蹋瑫r(shí)支持制造商更輕松地處理項(xiàng)目,并推動設(shè)計(jì)人員更快地打造出卓越的產(chǎn)品原型。借助Kinoma平臺,開發(fā)人員可利用更易于測試、維護(hù)和演進(jìn)的代碼,在使用C語言編寫的小型本機(jī)運(yùn)行時(shí)與使用JavaScript語言編寫的應(yīng)用層之間輕松遷移。
此外除了Smart Live這一領(lǐng)域外,未來Marvell將繼續(xù)把業(yè)務(wù)重點(diǎn)放在存儲、網(wǎng)絡(luò)、移動和無線等行業(yè),并憑借著領(lǐng)先的4G LTE技術(shù)以及全面的解決方案與整個移動互聯(lián)生態(tài)系統(tǒng)開展了廣泛而持續(xù)的合作,從全球頂級運(yùn)營商到OEM廠商,助力廣泛的智能設(shè)備,包括旗艦級產(chǎn)品和千元大眾市場智能手機(jī),其中包括宇龍4G手機(jī)8720L、聯(lián)想A788T、海信X8T、中興Grand Memo旗艦機(jī)等,從而進(jìn)一步加強(qiáng)了Marvell在中國4G LTE市場上的領(lǐng)導(dǎo)地位。對于Marvell而言,中國不僅是全球重要市場也是最大的研發(fā)基地,已然經(jīng)超過了美國總部。
在過去十年間, Marvell憑借其廣泛的技術(shù)組合、全球化視野與前瞻性眼光,實(shí)現(xiàn)了21%的年復(fù)合增長率,并且,在全球3G、4G智能手機(jī)熱潮的推動下,其移動和無線連接業(yè)務(wù)的年復(fù)合增長率高達(dá)49%。
據(jù)戴偉立女士透露目前為止Marvell已經(jīng)成為全球前五名半導(dǎo)體公司,到今天為止,在中國已經(jīng)有大約2000名員工。
好文章,需要你的鼓勵
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,已在多個任務(wù)上驗(yàn)證有效性。