本周,在高通公司成立36周年之際,安蒙(Cristiano Amon)正式就任,成為高通歷史上第四任CEO。
安蒙于1995年加入高通公司。過去25年,尤其是在擔任QCT總裁及公司總裁期間,安蒙對于高通公司的發(fā)展起到了至關重要的作用,他不僅領導制定公司戰(zhàn)略并負責日常業(yè)務運營管理,還推動制定了行業(yè)領先的技術產(chǎn)品路線圖,推動高通業(yè)務實現(xiàn)了多元化,將業(yè)務拓展至智能手機以外的全新行業(yè),包括汽車、計算、基礎設施/邊緣云、物聯(lián)網(wǎng)、射頻前端、連接、網(wǎng)絡等。當然,他還在推動和加速5G部署的進程中發(fā)揮了重要作用。安蒙極具戰(zhàn)略遠見,善于解決復雜問題,并在不確定性中不斷取得突破。在成為CEO之后,安蒙將繼續(xù)著眼于5G帶給各行各業(yè)的巨大機遇,以及5G將在眾多企業(yè)的數(shù)字化轉型中發(fā)揮的作用。
在就任CEO首日,安蒙通過社交媒體發(fā)布視頻并表示:“我非常榮幸出任高通公司CEO,并有機會領導這樣一家了不起的公司。25年前,我作為一名工程師加入高通公司。多年來我們始終堅持的一點是,專注于研發(fā)具有變革性的領先技術。相信,這一點永遠不會改變。對于高通而言,這是一個令人振奮的時間點——我們持續(xù)推動5G演進和擴展;對于高通技術和產(chǎn)品的需求空前高漲;我們的解決方案正在推動智能邊緣發(fā)展,助力云的發(fā)展并賦能眾多行業(yè)的數(shù)字化轉型。隨著我們不斷發(fā)展,高通將持續(xù)引領和加快無線創(chuàng)新,并將繼續(xù)專注于實現(xiàn)我們的愿景,那就是打造人與萬物智能互聯(lián)的全新世界。我們正處于充滿創(chuàng)新機遇的新十年的起點,我們期待攜手所有合作伙伴和客戶共同實現(xiàn)這一愿景。”點擊鏈接,關注安蒙微博,觀看完整視頻。
在發(fā)給全體員工的一封信中,安蒙表示:“我們的創(chuàng)新變革了多個行業(yè),改善了數(shù)十億人的生活,并助力解決了許多最復雜的社會問題和挑戰(zhàn)。通過推動智能手機的發(fā)展,我們幫助縮小了數(shù)字鴻溝;現(xiàn)在,借助5G的力量,我們正在推動計算的普及,進一步加速這一進程。我們的技術正在幫助構建一個更加美好的未來。簡而言之,當高通與任何行業(yè)、任何領域,甚至是世界的任何方面建立連接后,都將會推動和加速互聯(lián)的數(shù)字未來。”
據(jù)悉,安蒙目前擔任高通公司總裁兼CEO,同時任公司董事會成員。安蒙于2021年6月30日正式就任公司CEO。
安蒙于1995年作為工程師加入高通公司,先后擔任過多個領導職務,幫助公司制定了戰(zhàn)略發(fā)展方向。在擔任CEO之前,安蒙任公司總裁。作為公司總裁,他領導制定了行業(yè)領先的差異化產(chǎn)品路線圖,締造了公司5G戰(zhàn)略及其商用加速和全球部署,同時推動高通業(yè)務實現(xiàn)多元化并擴展至多個全新行業(yè)。安蒙還成功領導了公司的相關并購,增強了高通的實力并加速在射頻前端、連接和網(wǎng)絡等關鍵領域的增長。
在擔任公司總裁之前,安蒙曾任QCT總裁,全面負責公司的半導體業(yè)務。再之前,他還先后擔任過多個業(yè)務和技術領導職務,包括全面負責高通驍龍平臺。
在加入高通公司之前,他曾擔任巴西無線運營商Vésper的首席技術官并曾在NEC、愛立信和Velocom任職。
安蒙擁有巴西圣保羅坎皮納斯州立大學(UNICAMP)電子工程理學學士學位和榮譽博士學位。他還是世界經(jīng)濟論壇第四次工業(yè)革命中心物聯(lián)網(wǎng)委員會聯(lián)席主席。
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。