曾經(jīng)被業(yè)界認(rèn)為是“任正非接班人”的李一男今天在微博上宣布將再次創(chuàng)業(yè),而方向選定電動(dòng)助力車領(lǐng)域。
此前3月2日,李一男發(fā)微博稱,5公里之內(nèi)的汽車出行占到城市汽車出行接近60%的比例。更環(huán)保、經(jīng)濟(jì)、自由的交通出行方式應(yīng)該得到更多的倡導(dǎo)。“沒有污染的自行車、電動(dòng)兩輪車的出行理應(yīng)得到更多的提倡和道路權(quán)力的尊重。”
李一男成名于華為。之前有報(bào)道稱李一男絕頂聰明,華為無線研究部的總工唐東風(fēng)滿懷敬重地評(píng)價(jià)過李一男的聰明。有一次唐要向客戶搞一個(gè)技術(shù)匯報(bào),邀請(qǐng)李一男出席。由于李一男太忙,事先沒有就技術(shù)進(jìn)行溝通,在去會(huì)議室的樓梯上,李一男說:你給我把主要的東西講講吧。就是從1樓到2樓的距離,李一男到會(huì)場(chǎng)上竟然能滔滔不絕地把精華闡述得非常透徹,連唐本人都難以置信李一男領(lǐng)悟、掌握得如此之快。
以下為李一男微博全文:
不管對(duì)多少事情失望,都沒有理由對(duì)最好的時(shí)代失望。
人類文明的發(fā)展歷程中,我們注定成為進(jìn)入科技時(shí)代的一代人,歷史的腳本早已為我們寫好。
站在這個(gè)時(shí)代的轉(zhuǎn)折點(diǎn),互聯(lián)網(wǎng)賦予我們每個(gè)人最好的機(jī)會(huì)。
做了幾年投資,看著年輕人的項(xiàng)目茁壯成長(zhǎng),心底最原始的本能告訴我,是時(shí)候做一些讓自己覺得激動(dòng)的事情了。
雖已過不惑之年,但人生如若初生,做點(diǎn)有意思的事,給歲月以痕跡。
科技的進(jìn)步改變了許多行業(yè)。
電動(dòng)踏板車這一中國(guó)創(chuàng)造,為2億人提供了環(huán)保、便捷、經(jīng)濟(jì)的出行。相比乘坐公交、摩托、汽車,使用電動(dòng)車每年已經(jīng)減少了4200萬噸碳排放,相當(dāng)于在大小城鎮(zhèn)內(nèi)種植了70億棵大樹。
雖然和早期互聯(lián)網(wǎng)野蠻生長(zhǎng)一樣,電動(dòng)車仍然存在許多的缺陷、詬病、偏見和歧視,我相信科技的力量能夠改善并大幅提高這個(gè)行業(yè)的現(xiàn)狀。
我愿全身心投入,利用材料與技術(shù)的革新,去打造一款最牛的電動(dòng)車!
醞釀良久。
我愿將一切過往歸零,創(chuàng)業(yè)路上再次出發(fā)。
最好的現(xiàn)在,和志同道合的伙伴們一起做點(diǎn)有趣的事。
關(guān)于李一男:
華中理工大學(xué)(華中科技大學(xué))少年班畢業(yè),兩天時(shí)間升任華為工程師、半個(gè)月升任主任工程師、半年升任中央研究部副總經(jīng)理、兩年被提拔為華為公司總工程師/中央研究部總裁、27歲坐上了華為公司的副總裁寶座。2000年,北上創(chuàng)建港灣網(wǎng)絡(luò)。2006年9月初,由于其創(chuàng)辦的港灣網(wǎng)絡(luò)被華為收購(gòu),李一男重回華為,出任著華為EMT(經(jīng)營(yíng)管理團(tuán)隊(duì))之外的“華為副總裁兼首席電信科學(xué)家”之位,2008年10月6日,百度宣布任命李一男為公司CTO。2010年1月,李一男離開百度出任12580的CEO,2011年7月21日,李一男在其微博上宣布將辭去12580 CEO。2011年8月18日,加入金沙江創(chuàng)投。
好文章,需要你的鼓勵(lì)
新加坡國(guó)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。