高通公司(QCOM)周一發(fā)表聲明表示,中國國家發(fā)改委裁定中公司違反該國反壟斷法。高通將支付9.75億美元(約60.88億元人民幣)的罰金,并為其手機(jī)芯片設(shè)定專利授權(quán)費(fèi)用。
美國科技網(wǎng)站CNET認(rèn)為,這一處罰將使高通面臨的局面明朗化。中國監(jiān)管部門對(duì)高通的調(diào)查已經(jīng)持續(xù)了14個(gè)月時(shí)間。高通的一半營收都來自中國市場(chǎng),并且仍計(jì)劃繼續(xù)開拓中國市場(chǎng)。
高通將支付9.75億美元(約60.88億元人民幣)的罰金消息公布后,高通股票在美股盤后交易中大漲3%至69.15美元。
高通總裁Derek Aberle表示,很高興相關(guān)的調(diào)查已經(jīng)結(jié)束。與中國政府達(dá)成的和解協(xié)議將可以使得高通能更全面更快速的參與中國3G/4G業(yè)務(wù)的發(fā)展。協(xié)議表示中國認(rèn)可高通的知識(shí)產(chǎn)權(quán)價(jià)值。中國市場(chǎng)的專利授權(quán)費(fèi)率與其他地區(qū)一致。
高通截至最近一個(gè)季末現(xiàn)金及有價(jià)證券持有量為316億美元。雖然同期芯片銷售占到了營收的74%,但專利授權(quán)費(fèi)貢獻(xiàn)了稅前利潤的58%。過去五年該公司獲得的專利費(fèi)用超過300億美元。
此外,高通還調(diào)整了2015財(cái)年的營收及利潤預(yù)期。高通將2015財(cái)年?duì)I收預(yù)期從之前的260-280億美元微調(diào)至263-280億美元,將2015財(cái)年每股收益從之前的4.04-4.34美元下調(diào)至3.56-3.76美元。
過去幾年,高通一直是移動(dòng)芯片市場(chǎng)的領(lǐng)先者,其產(chǎn)品包括移動(dòng)處理器和射頻芯片。而目前市面上的很大一部分移動(dòng)設(shè)備,包括蘋果iPhone、三星Galaxy智能手機(jī),以及LG和索尼的手機(jī),均采用了高通的芯片。然而過去幾個(gè)月,高通曝出了一系列不利消息,包括裁員、疲軟的業(yè)績(jī)展望、在美國和歐洲遭遇的調(diào)查,以及三星這家重要客戶可能將不繼續(xù)在旗艦手機(jī)中使用驍龍?zhí)幚砥鳌?/p>
因此,解決在中國市場(chǎng)的糾紛將是一個(gè)積極信號(hào)。
好文章,需要你的鼓勵(lì)
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(duì)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(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(dòng)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(duì)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(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(dòng)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(gè)任務(wù)上驗(yàn)證有效性。