“我們這些互聯(lián)網(wǎng)背景的人,在富士康這樣的傳統(tǒng)制造業(yè)合作伙伴在一起切磋,會激發(fā)出什么樣的火花和矛盾?”這是6月4日下午,在ZD至頂網(wǎng)主辦的“互聯(lián)網(wǎng)+高峰論壇”上,小米路由器事業(yè)部總經(jīng)理唐沐的開場白。
圖:小米路由器事業(yè)部總經(jīng)理唐沐
事實上,五年前,小米已經(jīng)開始實踐“互聯(lián)網(wǎng)+”戰(zhàn)略。
唐沐指出,小米其實是比較早的提出“互聯(lián)網(wǎng)+”與傳統(tǒng)制造業(yè)合作,可以做什么的一家公司。過去這四五年來我們一直在用這樣的方式嘗試改造互聯(lián)網(wǎng),甚至改造制造業(yè)。
“今天上午,我還在我辦公室跟富士康合作伙伴溝通。我不知道大家是否可以想象到當互聯(lián)網(wǎng)背景的人在和傳統(tǒng)制造業(yè)出來的人討論一個產(chǎn)品應該怎么樣做的時候會激發(fā)出什么樣的火花和矛盾。”
“我坦白說這里面激發(fā)出來的互相的不適感是非常強的,但是還好,我們經(jīng)過了手機、電視、路由器這幾個產(chǎn)品的磨練,使得我們具備了這種能力。”唐沐坦言。
在這幾年的合作中,小米總結了一個經(jīng)驗:和制造業(yè)做合作,最好辦法是從那邊招一個人到自己這邊,反過來管理他們這個方法屢試不爽。
所以,小米從富士康請了一位非常有經(jīng)驗的優(yōu)秀的采購專家負責和富士康采購的事情,效果顯而易見。也幫助小米了解傳統(tǒng)制造業(yè)的想法,那些想擁抱互聯(lián)網(wǎng)的人也有更多機會加入互聯(lián)網(wǎng)硬件行業(yè)里。
那么,小米與富士康的小摩擦是什么樣的呢?
唐沐解釋:“比如制造業(yè)會抱怨互聯(lián)網(wǎng)行業(yè),你們怎么樣可以讓你們的需求再明確,或者再固定一些,因為你們太經(jīng)常變化了。再比如說,我們給的訂單,按理是提前一個月拿到我們的訂單,去準備生產(chǎn)。”
其實,這樣做,小米也有自己的苦衷:“有的時候我們沒辦法給到,因為我們沒辦法預測一個季度之后產(chǎn)品賣多少,用戶需求會不會改變。現(xiàn)在,互聯(lián)網(wǎng)用戶或者是說用戶進入到互聯(lián)網(wǎng)的階段的時候,他們的各種特征發(fā)生了很大的變化。”
站在互聯(lián)網(wǎng)公司的立場,小米認為,在目前快速變化用戶需求里,制造業(yè)應該做出更快的反映,而不是告訴小米,我現(xiàn)在需要追一顆料。
唐沐指出,在互聯(lián)網(wǎng)時代做互聯(lián)網(wǎng)的硬件產(chǎn)品,用戶的需求會變,互聯(lián)網(wǎng)思維是小步快跑,快速迭代,小米希望制造業(yè)能夠變快。
相輔相成的是,小米現(xiàn)在反而是制造業(yè)的“好朋友”,在不斷的磨合中,小米在成長,制造業(yè)也在成長。
好文章,需要你的鼓勵
騰訊ARC實驗室推出AudioStory系統(tǒng),首次實現(xiàn)AI根據(jù)復雜指令創(chuàng)作完整長篇音頻故事。該系統(tǒng)結合大語言模型的敘事推理能力與音頻生成技術,通過交錯式推理生成、解耦橋接機制和漸進式訓練,能夠?qū)碗s指令分解為連續(xù)音頻場景并保持整體連貫性。在AudioStory-10K基準測試中表現(xiàn)優(yōu)異,為AI音頻創(chuàng)作開辟新方向。
Meta與特拉維夫大學聯(lián)合研發(fā)的VideoJAM技術,通過讓AI同時學習外觀和運動信息,顯著解決了當前視頻生成模型中動作不連貫、違反物理定律的核心問題。該技術僅需添加兩個線性層就能大幅提升運動質(zhì)量,在多項測試中超越包括Sora在內(nèi)的商業(yè)模型,為AI視頻生成的實用化應用奠定了重要基礎。
上海AI實驗室發(fā)布OmniAlign-V研究,首次系統(tǒng)性解決多模態(tài)大語言模型人性化對話問題。該研究創(chuàng)建了包含20萬高質(zhì)量樣本的訓練數(shù)據(jù)集和MM-AlignBench評測基準,通過創(chuàng)新的數(shù)據(jù)生成和質(zhì)量管控方法,讓AI在保持技術能力的同時顯著提升人性化交互水平,為AI價值觀對齊提供了可行技術路徑。
谷歌DeepMind團隊開發(fā)的GraphCast是一個革命性的AI天氣預測模型,能夠在不到一分鐘內(nèi)完成10天全球天氣預報,準確性超越傳統(tǒng)方法90%的指標。該模型采用圖神經(jīng)網(wǎng)絡技術,通過學習40年歷史數(shù)據(jù)掌握天氣變化規(guī)律,在極端天氣預測方面表現(xiàn)卓越,能耗僅為傳統(tǒng)方法的千分之一,為氣象學領域帶來了效率和精度的雙重突破。