“5月21日”。
這恐怕是除“4月8日”之外,今年對小米最為重要的日子之一了。
根據(jù)此前印度新德里高等法院發(fā)出的文件,愛立信訴小米專利侵權(quán)案將于今年5月21日開庭。
如今距離這一天的到來,僅剩不足十天了。這場始于2014年12月5日的專利糾紛,在經(jīng)過長達(dá)半年的“你來我往聲明與反聲明”之后,將迎來真正的對決。
此前,在談及與小米這場的專利較量時,愛立信首席官知識產(chǎn)權(quán)官(IPR)Kasim Afalahi曾公開表示,愛立信有信心贏得訴訟。
由此可見,雖然愛立信高管雖未明言,但是其言下之意已表達(dá)出“小米必敗”的含義。那么,愛立信敢言“必勝”或小米必敗的信心或底氣從何而來?
用愛立信首席官知識產(chǎn)權(quán)官Kasim Afalahi話說,那就是“因為愛立信在專利訴訟中從未有過敗訴記錄。”
事實上,愛立信在過往專利侵權(quán)訴訟中,之所以從未有“敗訴”的成績,究其原因,主要是愛立信有扎實的知識產(chǎn)權(quán),尤其是專利積累。
反觀小米,除去繳納巨額保證金外,先是在當(dāng)?shù)卣匍_新聞發(fā)布會,隨后又宣稱獲得印度“地頭蛇”塔塔集團(tuán)名譽(yù)董事長的投資。小米在向外界展示肌肉的同時,也不忘“抱大腿”。
而回歸到這場由專利引發(fā)的PK中,將要與愛立信進(jìn)行專利對決的小米,到底差愛立信多少個專利呢?
我們以國家知識產(chǎn)權(quán)局網(wǎng)站的統(tǒng)計數(shù)據(jù)為基礎(chǔ),從專利數(shù)量、專利結(jié)構(gòu)、專利傾向及申請時間分布等多個維度,詳細(xì)愛立信和小米各自的專利“家底”,或許就能明白愛立信的“自信”何來了。
專利規(guī)模:小米與愛立信差距顯著后者數(shù)倍于前者
通過上表,我們可以看到,在專利可檢索總量方面,愛立信是小米的2.7倍;在發(fā)明公布數(shù)上,愛立信是小米的1.5倍;在發(fā)明授權(quán)數(shù)上,愛立信是小米的45.3倍;在實用新型專利數(shù)上,小米是愛立信的6.4倍;而在外觀設(shè)計專利數(shù)上,愛立信是小米的2.3倍。
簡單說,小米僅在實用新型專利上領(lǐng)先于愛立信,在專利檢索總量、發(fā)明授權(quán)以及外觀設(shè)計方面,愛立信是小米的數(shù)倍至數(shù)十倍不等。
需要說明的是,已有數(shù)百年歷史的愛立信公司,在發(fā)展過程中,形成了龐大“公司戰(zhàn)艦”,其中,名下持有專利的公司主體高達(dá)40余家,其中,大多數(shù)專利主要由瑞典愛立信有限公司(母公司)、索尼愛立信移動通訊有限公司、索尼愛立信移動通訊股份有限公司、愛立信電話股份有限公司、愛立信(中國)通信有限公司等十余家公司持有。
專利結(jié)構(gòu):小米發(fā)明專利堡壘亟待加強(qiáng)
眾所周知,三大專利類型中,技術(shù)“含金量”從高到低依序為:發(fā)明專利、實用新型專利和外觀設(shè)計專利。此外,此“含金量”排序也是專利授權(quán)難易程度的體現(xiàn)。
具體來說,發(fā)明專利和實用新型專利對發(fā)明申請的“新穎性、創(chuàng)造性和實用性”有很高要求,而外觀設(shè)計專利則強(qiáng)調(diào)的“可明顯區(qū)別”,也就是“不重樣”。
值得一提的是,我國在專利制度中設(shè)立“實用新型”,有特殊的歷史原因和背景,目的在于鼓勵低成本、研制周期短的小發(fā)明的創(chuàng)造,更快的適應(yīng)經(jīng)濟(jì)發(fā)展的需要。
事實上,歐美等大多數(shù)國家,并未單獨設(shè)立“實用新型”專利,因此,包括高通、安立信等在內(nèi)的國際專利巨頭的專利布局中,很少涉及實用新型專利。
從上圖我們可以看到,在已獲得的授權(quán)專利中,在發(fā)明專利、實用新型、外觀設(shè)計上的布局,愛立信的比例依序是:85%、1%、14%。而小米的比例依序是:15%、37%、48%。
顯然,從專利結(jié)構(gòu)上來看,愛立信重視發(fā)明專利布局,小米強(qiáng)于外觀設(shè)計。小米這種“輕發(fā)明、重外觀”的專利結(jié)構(gòu),使得小米總體的專利“防御能力”十分有限,根本經(jīng)不起手機(jī)專利巨頭們的“專利拷打”。
應(yīng)對策略:自主研發(fā)、專利收購兩手都要“硬”
好文章,需要你的鼓勵
新加坡國立大學(xué)研究團(tuán)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(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(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)隊通過對比實驗發(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際提升推理準(zhǔn)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(qiáng)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(jī)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(xùn)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(xùn)練效率,已在多個任務(wù)上驗證有效性。