你是否還記得自己擁有的第一臺Android手機是什么牌子?在諾基亞還堅持塞班系統(tǒng),三星還沒有在手機領(lǐng)域發(fā)力的時候,HTC已然開始了Android的征途,2008年10月,HTC Dream G1正式發(fā)布,這也是全球首款搭載Android系統(tǒng)的智能手機。
HTC Dream G1
在Android時代,HTC成為了最早站在風口浪尖的企業(yè),外媒也曾經(jīng)表示,那時候追在蘋果后面跑的不是還在打瞌睡的三星,而是騎著Android策馬狂奔的HTC。在那個年代,HTC因為Android成功擠進了智能手機市場的第一梯隊,成為了iPhone的最強對手,王雪紅成為了超越郭臺銘的臺灣首富。
現(xiàn)在依然記得,2011年媒體都在報道HTC市值超越諾基亞的新聞,誰也不曾料到,從那之后,HTC就開始走下坡路。2011年以后,智能手機市場愈加成熟,一大批新手都爭相涌入了這個市場,在中國,智能手機市場更是成為了必爭之地,炙手可熱的小米也是在2011年8月發(fā)布的第一臺智能手機。
HTC走下坡路的原因也是眾說紛紜,有的說HTC毛利潤高,給運營商留的空間小;有的說全球智能手機廠商越來越多,iPhone、三星迅速崛起,HTC腹背受敵;還有人說,HTC一度忽略中國市場,后來介入為時已晚…對于HTC在中國市場的表現(xiàn),王雪紅曾經(jīng)坦言,與三星相比,HTC沒有將產(chǎn)品的特點和差異化準確地傳達給消費者,做得不好是事實。
才兩年的時間,HTC已經(jīng)失去了優(yōu)勢。
借用吳軍在《浪潮之巔》中的一段話:處于浪潮之尖的公司,即使什么事情都不用做,也能夠被浪潮推向更高的巔峰。
那么,巔峰之后呢?誰能夠持續(xù)的更久?現(xiàn)在看諾基亞、MOTO這些手機圈曾經(jīng)的霸主,或者是在中國紅極一時的波導手機,如今它們的境遇又如何呢?再來看HTC,曾經(jīng)促使它快速成長的因素逐漸成為了它的絆腳石,比如機海戰(zhàn)術(shù)、運營商/谷歌(這里指Android支持的廠商更加多,不在大力支持HTC一家)的倒戈等,如果不能跟隨潮流去改變公司整體的策略,必然會隨著時間的推移而被這個時代所遺忘。
近期,對于HTC來講也并不“太平”,深陷“艷照門”、“裁員門”、“收購門”,昨天又添加了一個“安全門”。據(jù)悉,安全公司“火眼”(FireEye)發(fā)現(xiàn)了HTC手機上的漏洞,HTC其并未對手機上保存的用戶高清指紋圖進行任何安全保護,黑客可以隨意盜取利用。
另據(jù)今年6月HTC最新公布的業(yè)績情況表示,4月份HTC營收為4.3995億美元,比去年同期的5.1924億美元減少了38.8%,比3月的6.5244億美元下降32.26%。
被各種“門”以及業(yè)績壓力纏身的HTC,究竟如何應(yīng)對呢?
王雪紅公布了四項措施,分別是強化智能手機發(fā)展、改善營業(yè)成本及提升營運效率、內(nèi)部流程優(yōu)化、積極發(fā)展新業(yè)務(wù)。
近期有消息表示,HTC將停產(chǎn)低端智能手機削減成本,并且專注高端手機市場領(lǐng)域。
可以看到的是,HTC尚未恢復持續(xù)的穩(wěn)健增長,王雪紅開的這四副藥房對HTC是否是良藥呢?還需要市場來給我們一個答案。
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。