根据IDC数据显示,2017上半财年,联想商用PC以59.5%的市场份额连续20年蝉联中国大客户市场第一。其中,笔记本市场份额60.3%,台式机市场份额56.2%,工作站市场份额36.5%,商用平板市场份额14.7%,各产品线都稳居中国大客户市场第一。
市场业绩的领先,是联想商用PC坚持以客户为中心,依托现有渠道体系优势,对线上、线下渠道进行整合,以全新销售模式带来客户体验的全面提升;同时,联想数十年专注行业信息化的深厚积累,洞察客户需求,以专业、可靠的多样化设备和服务,帮助政府、教育、金融、能源等行业客户应对数字化转型的挑战。
产品、服务、生态,打造PC整体解决方案
2017年初,联想提出了"专业,只为更好"的商用PC品牌主张,即以灵活全面的定制产品、航天级的品质保障、专注商业体验的技术创新和全生命周期的服务,打造专业的智能设备解决方案,推动企业数字化转型。
在产品上,联想商用PC拥有三级品控体系,从原材料到售后管理,全程严控品质。同时,所有产品均需通过一套由美国国防部设计的12项军标测试。在技术创新上,联想逐年加大研发投入,依托中国北京、日本横滨和美国罗利三大研发基地,随时应对市场新技术更迭。此外,为了更好的满足企业个性化需求,联想商用PC建立了长期有效的客户反馈机制(CAC),能够根据客户需求,提供从产品外观、硬件、系统软件到包装配件全方位的定制化产品。
在服务上,联想商用PC针对客户在产品信息获取、购买、交付、部署、维护、废弃回收六大环节的用户体验,进行了全方位的服务创新,服务网点覆盖893个城市,拥有2300余专业服务站以及全球COPC权威认证的国际化呼叫中心,为客户提供全方位的服务支持。
与此同时,联想联合客户、系统集成商、ISV以及新的智能设备制造商,共同打造以智能终端设备为核心的生态系统。通过协同创新,联想将周边的产品、服务、软件进行整合,围绕着Smart Office打造多场景解决方案,推动政府、金融、能源、教育等行业客户业务模式创新。
洞见趋势,助力行业数字化变革
随着以大数据、AI人工智能为代表的新技术兴起,各行各业均面临着新一轮的商业模式变革与探索。联想聚焦用户体验,以设备+云战略的核心业务,通过打造以PC为基础的专业智能设备解决方案,为各行各业客户数字化转型带来业务模式的创新。
在教育行业,联想携手上海真爱梦想公益基金会共同打造"联想互动课堂梦想中心",通过将网络、多媒体智能设备、软硬件结合,让学习变得更具延展性,为小汤山小学素养教育的推进和实施助力。此外,为了践行STEAM教育理念,联想利用VR、AR、3D打印等最新技术,与合作伙伴共同打造大象创新教室解决方案,通过让师生在VR虚拟世界里共同完成游戏式的教育项目,从而达到锻炼学生创新能力、分析能力和协作能力的目的。
在金融行业,基于联想智能人脸识别方案,银行能够对每个走进大堂的用户进行身份识别,判定其是VIP客户、普通客户还是黑名单客户,并实时将客户信息推送给大堂经理。此外,还可对客户的身份证信息和本人人像进行验证识别,实现人证合一,破解"如何证明我是我"的难题。
在零售业,2017被称为"新零售"元年。通过线上线下融合、大数据技术驱动等,传统零售业开始加速数字化转型,实现智慧零售和业态重构。联想通过为合作伙伴提供包含图形计算、通信、服务运维、金融服务在内的整体解决方案,以人工智能技术推动未来新零售的快速发展。
除此之外,在政府、医疗、公交能、互联网等行业,联想为众多知名客户提供服务,其中涵盖了BAT、微软、甲骨文、徐工集团、顺丰等在内的世界500强和行业龙头企业,通过为其打造以PC为核心的智能终端解决方案,助力各行各业数字化变革。
好文章,需要你的鼓励
新加坡国立大学研究团队开发了SPIRAL框架,通过让AI与自己对弈零和游戏来提升推理能力。实验显示,仅训练AI玩简单扑克游戏就能让其数学推理能力提升8.6%,通用推理提升8.4%,且无需任何数学题目作为训练材料。研究发现游戏中的三种推理模式能成功转移到数学解题中,为AI训练提供了新思路。
同济大学团队开发的GIGA-ToF技术通过融合多帧图像的"图结构"信息,创新性地解决了3D相机噪声问题。该技术利用图像间的不变几何关系,结合深度学习和数学优化方法,在合成数据集上实现37.9%的精度提升,并在真实设备上展现出色泛化能力,为机器人、AR和自动驾驶等领域提供更可靠的3D视觉解决方案。
伊利诺伊大学研究团队通过对比实验发现,经过强化学习训练的视觉语言模型虽然表现出"顿悟时刻"现象,但这些自我纠错行为并不能实际提升推理准确率。研究揭示了AI模型存在"生成-验证差距",即生成答案的能力强于验证答案质量的能力,且模型在自我验证时无法有效利用视觉信息,为AI多模态推理发展提供了重要启示。
MIT等顶尖机构联合提出SparseLoRA技术,通过动态稀疏性实现大语言模型训练加速1.6倍,计算成本降低2.2倍。该方法使用SVD稀疏性估计器智能选择重要计算部分,在保持模型性能的同时显著提升训练效率,已在多个任务上验证有效性。