萬(wàn)物互聯(lián)時(shí)代的到來(lái),對(duì)各行各業(yè)都帶來(lái)了不小沖擊。尤其是在射頻RF領(lǐng)域,4G極速網(wǎng)絡(luò)的來(lái)臨,手機(jī)頻段的增加對(duì)通信行業(yè)解決方案提供商提出了更大的挑戰(zhàn)。面對(duì)如此壓力,RFMD和TriQuint兩家公司攜手合并為Qorvo,將整合的解決方案帶往全球市場(chǎng)。
在Qorvo誕生前,TriQuint和RFMD都曾是RF領(lǐng)域的強(qiáng)者,卻各有側(cè)重,幾乎沒(méi)有業(yè)務(wù)重疊。在此契機(jī)下,雙方更樂(lè)意選擇優(yōu)勢(shì)互補(bǔ),成立Qorvo,在競(jìng)爭(zhēng)力的提升上可以說(shuō)是1+1>2,尤其是在業(yè)務(wù)范圍和專業(yè)能力的拓展方面。RFMD在PA和開(kāi)關(guān)、TriQuint在濾波器和整合方面各具優(yōu)勢(shì),兩者的整合讓Qorvo有能力提供業(yè)界領(lǐng)先的RF產(chǎn)品和解決方案,以及強(qiáng)有力的客戶支持。
Qorvo全球產(chǎn)品市場(chǎng)公關(guān)總監(jiān) Rob Christ
目前,全新整合規(guī)劃后的Qorvo關(guān)注三個(gè)關(guān)鍵市場(chǎng),航空和國(guó)防,網(wǎng)絡(luò)基礎(chǔ)設(shè)施及移動(dòng)設(shè)備。優(yōu)勢(shì)互補(bǔ)下的Qorvo有能力為物聯(lián)網(wǎng)提供核心的互聯(lián)技術(shù)支持,涵蓋無(wú)線和有線的基礎(chǔ)設(shè)施領(lǐng)域。
Qorvo的產(chǎn)品不僅面向智能手機(jī)和平板電腦,還面向?qū)拵?、有線電視、無(wú)線基礎(chǔ)設(shè)施、智能電表的能源管理等等。這些市場(chǎng),尤其是無(wú)線基礎(chǔ)設(shè)施,增長(zhǎng)速度快,也給電子行業(yè)帶來(lái)許多機(jī)會(huì)。而這些行業(yè)的增長(zhǎng)無(wú)疑帶動(dòng)了數(shù)據(jù)的增長(zhǎng),也帶動(dòng)了對(duì)數(shù)據(jù)連接需求的增長(zhǎng)。
首先頻段的增加十分顯著。5-10年前的移動(dòng)手機(jī)可能只有2-3個(gè)頻段,而如今一個(gè)全球通手機(jī)的頻段數(shù)可能超過(guò)40。因此如今設(shè)備的數(shù)據(jù)能力是顯著增加的。
在這樣一個(gè)頻段和性能的增長(zhǎng)如此快速的市場(chǎng)環(huán)境中,Qorvo能共取得成功的關(guān)鍵,在于能夠?qū)⒄袭?dāng)前的RF前沿技術(shù)。而這種實(shí)力的整合對(duì)于客戶來(lái)說(shuō),意味著他們可以借助Qorvo的技術(shù)和產(chǎn)品來(lái)簡(jiǎn)化設(shè)計(jì)、縮減尺寸、節(jié)約耗電、提升系統(tǒng)性能。
中國(guó)市場(chǎng)也是Qorvo十分重視的。目前Qorvo在北京有一個(gè)制造工廠,同時(shí)也在持續(xù)加大投資,籌劃另一個(gè)制造工廠,擴(kuò)大在中國(guó)的生產(chǎn)制造能力。
此外,Qorvo積極與華為和中興等基礎(chǔ)設(shè)施運(yùn)營(yíng)商、高通和聯(lián)發(fā)科等芯片公司、以及業(yè)內(nèi)組織合作,先于客戶一步,針對(duì)未來(lái)市場(chǎng)的需求展開(kāi)產(chǎn)品規(guī)劃、并從系統(tǒng)角度展開(kāi)布局。
好文章,需要你的鼓勵(lì)
新加坡國(guó)立大學(xué)研究團(tuán)隊(duì)開(kāi)發(fā)了SPIRAL框架,通過(guò)讓AI與自己對(duì)弈零和游戲來(lái)提升推理能力。實(shí)驗(yàn)顯示,僅訓(xùn)練AI玩簡(jiǎn)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(wú)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(kāi)發(fā)的GIGA-ToF技術(shù)通過(guò)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(wèn)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(dòng)駕駛等領(lǐng)域提供更可靠的3D視覺(jué)解決方案。
伊利諾伊大學(xué)研究團(tuán)隊(duì)通過(guò)對(duì)比實(shí)驗(yàn)發(fā)現(xiàn),經(jīng)過(guò)強(qiáng)化學(xué)習(xí)訓(xùn)練的視覺(jué)語(yǔ)言模型雖然表現(xiàn)出"頓悟時(shí)刻"現(xiàn)象,但這些自我糾錯(cuò)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(shí)無(wú)法有效利用視覺(jué)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(guò)動(dòng)態(tài)稀疏性實(shí)現(xiàn)大語(yǔ)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(shí)顯著提升訓(xùn)練效率,已在多個(gè)任務(wù)上驗(yàn)證有效性。