如果說手機是高通的基業(yè),那么,根基牢穩(wěn)的高通,顯然要讓自己“生而移動”的基因擴展到更廣泛的領(lǐng)域。這個領(lǐng)域如果有一個邊界,或者說,如果能用一個詞來代表高通的野心,那就是:萬物互聯(lián)。
眾所周知的是,高通控制著3G、4G核心專利和高端芯片供應(yīng)。鮮為人知的是,高通最早期的業(yè)務(wù)是為卡車提供連接解決方案,從中獲得了蜂窩技術(shù)上的研發(fā)收入。
在2013年初,高通董事長兼首席執(zhí)行官保羅·雅各布博士在CES 2013上用“生而移動”精準定義了高通的基因和血脈;隨即8個月后,同樣是保羅·雅各布,在Uplinq 2013上做出進一步解讀:一切都圍繞著“數(shù)字第六感”和萬物互聯(lián)展開;2014年,IoE(Internet of Everything)市場給高通帶來了超過10億美元的芯片收入,這筆進賬在高通2014年芯片收入中占比約5.5%;2015年5月14日,高通總裁德里克·阿博利在面向全球媒體的“Qualcomm IoE Day”大會上表示:“2015財年,我們預測來自于非手機類別的營收將占半導體業(yè)務(wù)部門營收的10%以上,今后還會繼續(xù)擴大。”這也意味著,IoE帶來的芯片收入將超過20億美元。
每年數(shù)十億要連接的設(shè)備,從沙漠中的風車到豪華汽車,每個設(shè)備,都需要一顆功耗低、續(xù)航強、體積小、能聯(lián)網(wǎng)的芯片,這是高通的強項。解決方案的多樣性是推動萬物互聯(lián)發(fā)展的關(guān)鍵,也是高通在萬物互聯(lián)領(lǐng)域的突破口。
近兩年來,高通在車聯(lián)網(wǎng)、可穿戴設(shè)備、虛擬現(xiàn)實、物聯(lián)網(wǎng)平臺等領(lǐng)域頻繁布局。
僅在過去12個月中,高通出貨了超過1.2億家庭智能聯(lián)網(wǎng)解決方案,包括消費類電子產(chǎn)品、家電和照明系統(tǒng)。其它類型的產(chǎn)品還包括:Dropcam、GoPro Hero4,多個品牌的智能電視、Xbox,以及聯(lián)網(wǎng)汽車。
針對虛擬現(xiàn)實,高通開發(fā)了Vuforia平臺,Vuforia擁有來自130個國家、12.5萬多名注冊開發(fā)者組成的全球生態(tài)系統(tǒng)支持。日前上海車展中,寶馬MINI就采用這一平臺為駕駛者打造了一款眼鏡。
在物聯(lián)網(wǎng)、智能家居領(lǐng)域,高通則研發(fā)了AllJoyn平臺、AllPlay架構(gòu),AllJoyn平臺目前接入了包括伊萊克斯、索尼、海爾、LG、松下等國際家電巨頭。
車聯(lián)網(wǎng)方面,高通與全球超過15家汽車巨頭合作了40多個車聯(lián)網(wǎng)項目,有2000多萬輛汽車搭載了高通的芯片。
多年前,高通已經(jīng)下決心要解決萬物互聯(lián)時代終端間的互操作性問題,為此投入了很多研發(fā)資源,提出了一個能讓終端間彼此發(fā)現(xiàn)和溝通的解決方案 AllJoyn。AllJoyn是AllSeen 聯(lián)盟(AllSeen Alliance)的一種軟件與服務(wù)框架,有18家制造商和18家音樂流傳輸服務(wù)提供商已經(jīng)集成或宣布計劃集成AllPlay,從而讓無線音頻覆蓋整個家庭。截至今日,聯(lián)盟成員企業(yè)超過140家。
相比智能手機,萬物互聯(lián)的需求更具多樣性和分散性,連接技術(shù)是關(guān)鍵,在終端和接入點,這兩種技術(shù)都在走向融合。這就適配了高通的核心業(yè)務(wù):集成。
想辦法把所有技術(shù)融合到一顆芯片(SoC)中,這也是高通的差異化之一。
高通是如何將認知平臺、擴增實境平臺、計算和連接平臺的技術(shù)融合在一起的呢?舉個例子,高通與寶馬MINI合作,采用Qualcomm Vuforia移動視覺平臺以及驍龍?zhí)幚砥?,再與連接技術(shù)相結(jié)合,才有了這副具有擴增實境功能的眼鏡。駕駛過程中,可以通過眼鏡看到導航數(shù)據(jù)、行駛速度、限速提示、岔口信息等;可以把外車鏡攝像頭提供的照片用于泊車,以確認停車地邊緣間隙。
如果說萬物互聯(lián)是非手機終端的機遇,可以預見的是,把技術(shù)融合在芯片里將成為高通最強悍的武器。
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。