軟銀CEO孫正義(左)和新任總裁尼克什·奧羅拉(右)
北京時間5月12日早間消息,軟銀周一宣布了管理層重組,任命投資業(yè)務(wù)負(fù)責(zé)人尼克什·奧羅拉(Nikesh Arora)為總裁。他也被CEO孫正義視為可能的繼任者。軟銀目前正在加強(qiáng)海外業(yè)務(wù)的發(fā)展。
軟銀于2013年以超過200億美元的價格收購了美國運(yùn)營商Sprint的大部分股份,目前正在努力使Sprint恢復(fù)盈利。日本國內(nèi)經(jīng)濟(jì)的疲軟迫使軟銀尋找國外的增長機(jī)會。
孫正義在軟銀的財(cái)報(bào)電話會議上表示,奧羅拉是帶領(lǐng)軟銀未來發(fā)展的“有力人選”。對于奧羅拉未來是否有可能成為自己的接班人,孫正義表示:“是的。奧羅拉比我年輕10歲,比我更有能力。”
他同時表示:“過去9個月共事的經(jīng)歷使我相信這一點(diǎn),但短期內(nèi)我還不會退休。”
奧羅拉于去年7月加入軟銀,負(fù)責(zé)新設(shè)立的軟銀互聯(lián)網(wǎng)和新媒體業(yè)務(wù),直接向?qū)O正義報(bào)告工作。他此前曾是谷歌最有實(shí)權(quán)的高管之一。2012年,他在谷歌的現(xiàn)金和股票薪酬達(dá)到5100萬美元。奧羅拉將于6月19日履新。
軟銀持有Sprint的80%股份,而后者正在對網(wǎng)絡(luò)進(jìn)行升級優(yōu)化。在這一過程中,Sprint進(jìn)行了數(shù)千人的裁員,同時也導(dǎo)致了大量用戶的流失。
軟銀近年來還進(jìn)行了其他一系列投資,包括以2.5億美元收購私營的好萊塢工作室Legendary Entertainment,以及以6億美元投資中國的打車軟件運(yùn)營商Travice。
軟銀是阿里巴巴最大的股東,同時也計(jì)劃向印度的在線零售市場投資100億美元。孫正義表示:“我們預(yù)計(jì)將有更多的投資和收購。未來,海外市場將成為軟銀的主要業(yè)務(wù)。”
在截至今年3月底的這一財(cái)年中,軟銀的運(yùn)營利潤同比下降9%,至9827億日元(約合82億美元)。這主要是由于去年同期的一次性收益較高。這一業(yè)績好于該公司此前預(yù)計(jì)的9000億日元,以及湯森路透統(tǒng)計(jì)中分析師平均預(yù)計(jì)的9808.7億日元。
軟銀沒有公布本財(cái)年的業(yè)績展望。軟銀表示,由于過多的不確定因素,因此很難預(yù)測本財(cái)年業(yè)績。
2014財(cái)年,軟銀凈營收為8.67萬億日元,同比增長30.1%。凈利潤為7637億日元,同比增長32.1%。
好文章,需要你的鼓勵
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"頓悟時刻"現(xiàn)象,但這些自我糾錯行為并不能實(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顯著提升訓(xùn)練效率,已在多個任務(wù)上驗(yàn)證有效性。