#本文僅代表作者觀點,不代表科技行者立場#
據(jù)彭博社報道,美國聯(lián)邦政府反壟斷機(jī)構(gòu)放棄了針對高通的反壟斷訴訟。之前,該機(jī)構(gòu)曾指控高通濫用其市場主導(dǎo)地位,在智能手機(jī)芯片領(lǐng)域排擠其他競爭對手。
這意味著歷時4年的美國聯(lián)邦貿(mào)易委員會針對高通的反壟斷訴訟終結(jié),最終畫上了句號。
本周一,美國聯(lián)邦貿(mào)易委員會(FTC)表示,其不會再尋求最高法院對之前上訴法院就高通反壟斷訴訟一案于去年作出的裁決進(jìn)行重審,而該裁決曾認(rèn)定高通不存在壟斷行為。
FTC的這一決定宣告了從2017年1月起FTC針對高通提出的反壟斷訴訟案正式結(jié)束。FTC對高通發(fā)起該訴訟時正值奧巴馬政府即將卸任,F(xiàn)TC曾在初審法庭的審判中獲勝,但該結(jié)果后來被加州舊金山的一家上訴法院的三位法官推翻,他們一致認(rèn)為高通的競爭并不構(gòu)成非法行為,且高通為蜂窩網(wǎng)絡(luò)服務(wù)帶來了 “顛覆性作用” 。合議庭駁回了FTC的重審請求。
FTC代理主席斯洛特女士(Rebecca Kelly Slaughter,針對高通的反壟斷訴訟發(fā)起時,她尚未加入FTC)在一份聲明中表示,她認(rèn)同初審法庭的裁決,即高通的做法違反了反壟斷法,但是在提供推翻上訴法庭裁決的理由和證據(jù)方面,F(xiàn)TC面臨嚴(yán)重困難。
斯洛特表示,目前FTC和其他執(zhí)法部門比任何時候都更需要嚴(yán)格執(zhí)行反壟斷法,來阻止占據(jù)主導(dǎo)地位的企業(yè)濫用影響力的行為,其中包括高科技市場以及知識產(chǎn)權(quán)領(lǐng)域。
高通公司總法律顧問唐·羅森博格(Don Rosenberg)在一份聲明中表示:“我們很高興這一案件終結(jié),第九巡回法庭做出的一致判決得到了最終維持。第九巡回法庭認(rèn)可了高通公司對產(chǎn)業(yè)的歷史性貢獻(xiàn),并提醒我們積極競爭的行為應(yīng)該得到鼓勵。高通公司每年投入數(shù)十億美元用于研發(fā),所發(fā)明的技術(shù)正被全球數(shù)十億人使用,正是這種不懈的創(chuàng)新幫助高通取得了今天的成就。我們必須保護(hù)好對創(chuàng)新和競爭的根本激勵機(jī)制,在當(dāng)下這一點尤為重要。”
在此案提起訴訟之時,高通一案被認(rèn)為是美國反壟斷官員采取行動阻止大公司涉嫌壟斷行為、以保護(hù)其在市場上的主導(dǎo)地位的罕見案例之一。
自那以后,F(xiàn)TC起訴了Facebook,試圖拆分該公司,而美國司法部則對Alphabet Inc. 旗下的谷歌(Google)提起了訴訟。這兩起案件都指控這些公司濫用壟斷權(quán),違反了反壟斷法。
這一針對高通的反壟斷案有可能破壞該公司的商業(yè)模式。該公司的大部分收入來自芯片銷售,但其很大一部分利潤則來自授權(quán)許可其擁有的數(shù)千項專利,正是這些專利支撐著現(xiàn)代手機(jī)系統(tǒng)的運(yùn)行。
好文章,需要你的鼓勵
新加坡國立大學(xué)研究團(tuán)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(xùn)練AI玩簡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(jī)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(xué)習(xí)和數(shù)學(xué)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(jī)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(xué)研究團(tuán)隊通過對比實驗發(fā)現(xiàn),經(jīng)過強(qiáng)化學(xué)習(xí)訓(xùn)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(zhǔn)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(qiáng)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(jī)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(xùn)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(xùn)練效率,已在多個任務(wù)上驗證有效性。