“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(jié)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
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。