科技行者 6月2日 北京消息:6月2日,全球領先的大型綜合型電商平臺京東集團和高通公司(Qualcomm)宣布雙方升級戰(zhàn)略合作伙伴關系,并共同開啟“5G遠航計劃”。未來,在5G遠航計劃的支持下,基于京東對用戶消費路徑、人群結構、功能需求及購買偏好等領域的深入了解和洞察,并基于高通行業(yè)領先、全面豐富、覆蓋廣泛人群的5G產(chǎn)品解決方案,雙方將全面推動各品類5G終端的普及,提升消費者對5G的體驗;同時雙方還將攜手探索5G與AI在物流領域的用例,促進5G應用包括物流精準定位、邊緣計算、5G XR等在電商領域的落地。高通將為電商平臺在5G和AI的技術賦能下呈現(xiàn)出更加豐富的應用場景提供堅實支持。
京東零售CEO徐雷表示:“如今,5G已成為領銜‘新基建’、帶動數(shù)字化轉(zhuǎn)型升級的重要動力之一。京東愿攜手高通持續(xù)為‘新基建’提供加速度;為用戶帶來更多的5G新產(chǎn)品、新體驗;我們也將深入挖掘5G技術,持續(xù)推動行業(yè)升級,為社會發(fā)展創(chuàng)造更多價值!”
高通公司總裁安蒙表示:“5G時代的到來,將給眾多行業(yè)帶來變革并為整個社會帶來重大裨益。通過‘5G遠航計劃’,高通和京東之間8年的戰(zhàn)略合作伙伴關系將全面升級?;诰〇|對消費者的深入了解,以及高通業(yè)界領先的5G平臺,我們將一起加速豐富5G智能手機和價位段的選擇、擴展5G終端到更多品類;同時利用5G和AI技術的結合,探索部署全新用例,共同釋放5G潛能。”
京東與高通的戰(zhàn)略合作伙伴關系可追溯至2013年。8年來,雙方在將新技術更快速地觸達消費者、品牌建設、與消費者的雙向溝通等多個領域開展了深入合作,引領了產(chǎn)業(yè)合作的新模式。雙方的合作積極推動了4G智能手機的發(fā)展和普及,極大豐富了消費者購買體驗。5G時代,雙方宣布升級戰(zhàn)略合作關系,展現(xiàn)了雙方致力于將5G技術廣泛擴展并推動產(chǎn)業(yè)升級、普惠社會的愿景。電商既是5G終端的購買平臺也是5G時代重要的技術應用平臺,雙方的合作升級有望挖掘5G技術潛力,通過新技術優(yōu)化運營,提升效率。
5G突破了前幾代通信技術專注的“人與人”的互聯(lián),而更注重萬物互聯(lián)和垂直行業(yè)應用。這讓5G成為像電力一樣重要的通用技術,將會推動各行各業(yè)的創(chuàng)新和發(fā)展。2020年為5G的拓展之年,目前全球已經(jīng)有超過45家終端廠商推出5G終端,超過60家運營商推出5G商用服務,超過345家運營商正在投資5G網(wǎng)絡部署。根據(jù)市場咨詢公司預測,2023年,全球5G連接數(shù)預計超過10億,到2025年,將達到近30億。截至今年4月底,全球已經(jīng)有超過375款采用驍龍5G解決方案的終端已經(jīng)發(fā)布或正在設計中。這意味著,更多品類豐富的5G終端將陸續(xù)上市,而通過這些智能終端,人們的生活將變得更為輕松便捷、豐富多彩。
作為5G遠航計劃支持下的第一個項目,在今年京東618全球年中購物節(jié),京東將聯(lián)合高通為更多用戶提供最新的5G手機及服務,讓消費者持續(xù)暢享5G科技福利。
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技術通過融合多幀圖像的"圖結構"信息,創(chuàng)新性地解決了3D相機噪聲問題。該技術利用圖像間的不變幾何關系,結合深度學習和數(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,并在真實設備上展現(xiàn)出色泛化能力,為機器人、AR和自動駕駛等領域提供更可靠的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等頂尖機構聯(lián)合提出SparseLoRA技術,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,已在多個任務上驗證有效性。