康寧公司 (紐約證券交易所代碼: GLW)今天宣布,公司由于開發(fā)了超薄且具有光學(xué)純凈度的康寧大猩猩汽車玻璃而獲得了輕型結(jié)構(gòu)類別中的寶馬供應(yīng)商創(chuàng)新獎。大猩猩玻璃作為隔音玻璃板用于寶馬i8中,以遮蔽后置發(fā)動機的聲音。這個獎項是10月1日在阿姆斯特丹舉行的一個典禮上頒發(fā)的。
“對于康寧來說,能夠受到像寶馬公司這樣的創(chuàng)新設(shè)計領(lǐng)導(dǎo)者的表彰是一個莫大的榮譽,”康寧公司執(zhí)行副總裁兼首席技術(shù)官David Morse博士表示,“我們的先進玻璃以及其他輕質(zhì)材料,使寶馬公司能夠?qū)8的性能發(fā)揮到極致,并有效控制后置發(fā)動機的聲音。我們期待著繼續(xù)與寶馬公司保持合作關(guān)系,并讓大猩猩汽車玻璃應(yīng)用于其它主流汽車。”
世界各地的汽車制造商正在努力減輕車身的重量,以滿足嚴(yán)格的汽車排放法規(guī)。現(xiàn)在,康寧大猩猩汽車玻璃幫助汽車制造商實現(xiàn)了這一目標(biāo),同常規(guī)的鈉鈣玻璃相比,可使重量減少50%以上??祵幋笮尚善嚥AЭ捎糜谲囕v上的所有開口,包括擋風(fēng)玻璃、側(cè)窗玻璃、天窗和后窗玻璃。還可用于汽車內(nèi)部的觸控面板。
康寧公司新興汽車創(chuàng)新業(yè)務(wù)總監(jiān)Doug Harshbarger表示:“通過將超薄、耐用且具備光學(xué)純凈的大猩猩玻璃壓板用作汽車玻璃(擋風(fēng)玻璃,側(cè)窗玻璃,天窗和后窗玻璃),同使用常規(guī)鈉鈣玻璃壓板相比,客戶能夠?qū)⒅亓繙p少50%以上。我們的玻璃可以幫助客戶減輕汽車的重量、滿足二氧化碳的排放要求并減少燃料消耗。我們對這一市場的發(fā)展前景感到無比興奮。”
康寧大猩猩玻璃最初是用來幫助保護消費類電子產(chǎn)品免受日常使用中的刮擦和碰撞造成的傷害。它已被2450多個產(chǎn)品型號采用,橫跨33個主要品牌的27億部設(shè)備??祵幋笮尚刹AС ⒛陀?、重量輕、光學(xué)純凈的特性使其在消費電子產(chǎn)品中大受歡迎,不斷為康寧帶來在相鄰市場中的應(yīng)用機會,包括家用電器、室內(nèi)建筑、鐵路和航空等市場。
預(yù)測性與警示性聲明
此新聞稿內(nèi)涵預(yù)測性陳述(符合1995年私人證券訴訟改革法案),是以康寧目前財務(wù)報表及營運狀況的預(yù)測與假設(shè)為基準(zhǔn),其中涉及種種可能對實際結(jié)果產(chǎn)生實質(zhì)性差異的商業(yè)風(fēng)險與其他不確定因素。風(fēng)險和不確定因素包括:全球政經(jīng)商局勢產(chǎn)生變化或動蕩不安的可能性;財務(wù)與信用市場的狀況;貨幣匯率;稅率;產(chǎn)品需求和業(yè)界產(chǎn)能;競爭;集中型客戶信賴度;生產(chǎn)效率;成本降低;關(guān)鍵零組件與原料之可取得性;新產(chǎn)品產(chǎn)量;價格波動;高價值與非高價值產(chǎn)品的混合銷售變動;新廠房動工或重建支出;因恐怖行動、武裝沖突、政局不穩(wěn)定或重大衛(wèi)生因素可能造成的商業(yè)活動中斷;保險的適當(dāng)性;抵押資產(chǎn)的公司活動;購并及撤資活動;過多或過時庫存量;技術(shù)變動率;專利權(quán)的執(zhí)行能力;產(chǎn)品與零件組的表現(xiàn)問題;股價波動;以及不利的訴訟或法規(guī)發(fā)展??祵幰褜⑸鲜黾捌渌L(fēng)險因素詳細(xì)呈報美國證管委(Securities and Exchange Commission) 。 預(yù)測性陳述僅表達新聞資料發(fā)表當(dāng)日的事實,未來若有任何新咨訊或事件發(fā)生,康寧無任何義務(wù)修正此份陳述。
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。