4月17日消息,據(jù)網(wǎng)易科技了解,愛立信總裁兼CEO衛(wèi)翰思(Hans Vestberg)在年度股東大會上回顧了2014年愛立信穩(wěn)定的財務(wù)狀況,并進一步闡述了公司的網(wǎng)絡(luò)社會戰(zhàn)略。衛(wèi)翰思表示要把握轉(zhuǎn)型帶來的契機,未來愛立信的投資目標包括IP網(wǎng)絡(luò)、云計算、OSS/BSS、電視與媒體,以及行業(yè)與社會。
把握ICT轉(zhuǎn)型
衛(wèi) 翰思表示:“我們的客戶需要勇于創(chuàng)新,才能增加收入;需要變革IT系統(tǒng),才能獲得效益收益并提升用戶體驗;更需要不斷推動網(wǎng)絡(luò)演進,才能滿足當前以及未來 對網(wǎng)絡(luò)的要求,推出新的服務(wù)和應(yīng)用。在這個轉(zhuǎn)型中的行業(yè),我們需要保持領(lǐng)先,引領(lǐng)變革,把握轉(zhuǎn)型為我們作為ICT合作伙伴所帶來的契機。”
衛(wèi) 翰思談到愛立信的戰(zhàn)略方向,即志在移動基礎(chǔ)設(shè)施和電信服務(wù)領(lǐng)域的核心業(yè)務(wù)領(lǐng)域保持領(lǐng)先,并在目標領(lǐng)域建立領(lǐng)導(dǎo)地位。愛立信投資的目標領(lǐng)域包括IP網(wǎng)絡(luò)、云 計算、OSS/BSS、電視與媒體,以及行業(yè)與社會。2014年愛立信在這些領(lǐng)域取得了很大進步,銷售額增長了10%。
專注于5G
愛立信市場與資訊部主管Helena Norrman和CTO艾華信(Ulf Ewaldsson)在大會上與衛(wèi)翰思一同闡述了愛立信業(yè)界領(lǐng)先的產(chǎn)品組合和有關(guān)5G的強大計劃。
Norrman 表示:“正如我們在3月份的巴塞羅那世界移動通信大會上公布的那樣,通過全面增強的產(chǎn)品線,我們?yōu)楣镜膽?zhàn)略方向鋪平了道路。我們推出了新的愛立信無線系 統(tǒng),可極大地增加容量,并降低能耗;我們還發(fā)布了新的網(wǎng)絡(luò)軟件15B,增加了新功能和額外的容量,為更多基于云的網(wǎng)絡(luò)功能打下了良好的基礎(chǔ)。憑借這些領(lǐng)先 的產(chǎn)品和解決方案,我們正在引領(lǐng)5G的發(fā)展浪潮。”
艾華信表示:“我們多年來獲得的成功在很大程度上依托于我們的技術(shù)領(lǐng)導(dǎo)力,僅在去年一年,我們在研發(fā)方面的投資就多達360億瑞典克朗。我們專注于將現(xiàn)有網(wǎng)絡(luò)和服務(wù)提高到新水平,進而全面實現(xiàn)網(wǎng)絡(luò)社會。”
隨后,艾華信頒發(fā)了愛立信“年度發(fā)明家”大獎,表彰為愛立信領(lǐng)先的專利產(chǎn)品組合做出突出貢獻的員工。愛立信目前擁有3.7萬項專利。2014年的獲獎?wù)叻謩e是Cloud & IP 業(yè)務(wù)部Panagiotis Saltsidis,以及同樣來自愛立信研究院的Daniel Larsson和Gunnar Mildh。這3名獲獎?wù)咴?014年合計開發(fā)了277個專利應(yīng)用。
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。