3月11日,百度云OS發(fā)表公告,正式暫停更新云OS服務(wù),刷機市場份額第二的rom黯然退場。百度云OS于2014年成為市場第二大的第三方rom資源,可謂風頭正勁;選擇在輝煌時刻謝幕,百度云OS亦有著說不出的苦衷,變現(xiàn)能力薄弱、資金不足等都是大問題。而壓垮百度云OS的“最后一根稻草”,或許就是剛剛進入手機市場的兩大巨頭,360與阿里巴巴。
圖:百度云OS聲明暫停更新服務(wù)
放棄百度云OS,無意與阿里、360正面交鋒
2014年12月,360高調(diào)牽手國內(nèi)知名手機廠商酷派,創(chuàng)建新的合資公司;次年2月,阿里也向著名手機品牌魅族拋出橄欖枝,共謀“搞機”大業(yè)。兩者的初始投資資金都在數(shù)十億量級,對手機市場都是志在必得。而反觀百度OS,因為缺乏足夠的變現(xiàn)能力,李彥宏對其的態(tài)度一直不冷不熱,投資金額也僅維持在數(shù)億左右。
也難怪負責百度云OS業(yè)務(wù)的深圳市百分之百數(shù)碼科技有限公司董事長徐國祥,一直把百度OS暫停服務(wù)的原因歸咎于百度不舍得投入足夠資金。花起錢來都戰(zhàn)戰(zhàn)兢兢,又怎么能在未來的短兵相接中獲得優(yōu)勢呢。一個一心求勝,一個如履薄冰,難怪還未交手,百度云OS便搖起白旗。
面對人員流失,百度云OS有心殺敵無力回天
其實資金不足只是百度云OS面臨的諸多問題之一,核心人員的流失也是百度云OS無以為繼的重要原因。據(jù)內(nèi)部消息,百度云OS在尚未被擱置時,就已有核心人員選擇離職、跳槽,而其選擇的下家,除了樂視等互聯(lián)網(wǎng)公司,還有百度云OS最有力的競爭對手360手機。
周鴻祎在南下做手機后,曾不止一次的在公開場合表示,360手機將獨立開發(fā)自己的rom系統(tǒng),該系統(tǒng)將擁有更安全、快速的性能以及更持久的續(xù)航。除了這些明面上的聲明,老周在暗地里也在進行著自己的“秘密勾當”。已經(jīng)有媒體曝光,周鴻祎在到達深圳后就開始自己的挖人之旅,如今已有多位高級工程師被納入麾下,其中不乏曾在蘋果、華為任職的頂級設(shè)計師。想必這些跳槽者中,也絕不會缺少百度云OS中的精英吧?
無適配硬件產(chǎn)品,“裸”系統(tǒng)終成一場空
百度云OS另一敗筆,來自于對軟件程序的過于高估:沒有硬件的搭載,百度云OS幾乎不存在變現(xiàn)能力。那百度CEO李彥宏會如何看待這毫無生財空間且競爭壓力日大的項目呢?要知道李彥宏可不是羅永浩,有情懷的人是不可能用百度搜索賺取到天文數(shù)字的收入的。所以,百度OS面臨的結(jié)果,只有擱置。
相反,對于360等擁有適配手機的企業(yè),rom的價值就能更好的體現(xiàn)出來。優(yōu)質(zhì)的系統(tǒng)搭配上為系統(tǒng)量身定做的手機,昔日小米正是依靠該戰(zhàn)術(shù)才能在手機市場連連告捷。有了變現(xiàn)能力,投入再多都不會變成打水漂。并且隨著360在智能硬件領(lǐng)域布局的深入,360手機甚至還能夠起到聯(lián)接眾硬件、形成智能硬件生態(tài)系統(tǒng)的作用。
不得不承認,李彥宏是個有著雄才大略的企業(yè)家,在發(fā)現(xiàn)百度云OS不能給其帶來利益后,不為龐大的用戶群所困擾,當即壯士斷腕砍掉這一項目。雖說百度云OS的落幕被戲稱為是見到阿里、360進軍手機產(chǎn)業(yè)而“嚇破膽”,但知難而退又何嘗不是智者之舉呢?沒有了云OS的負擔,或許百度能在其他領(lǐng)域走的更遠。
好文章,需要你的鼓勵
新加坡國立大學研究團隊開發(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,僅訓練AI玩簡單撲克游戲就能讓其數(shù)學推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學題目作為訓練材料。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)學解題中,為AI訓練提供了新思路。
同濟大學團隊開發(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)合深度學習和數(shù)學優(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。
伊利諾伊大學研究團隊通過對比實驗發(fā)現(xiàn),經(jīng)過強化學習訓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練效率,已在多個任務(wù)上驗證有效性。