
科技行者 1月2日 北京消息:“拍照手机”“拍人更美”…这些固有印象已经不足以定义现在的OPPO了。
2018年圣诞节刚过,OPPO在北京国家会议中心开了一场开发者大会,对外展示了自己的技术实力,并拿出了10亿元的资源,来扶持开发者。
这场OPPO大会的主角,不再只是手机,还有AI(人工智能)、5G、IoT(物联网)、AR等风头正劲的技术,以及开发者、合作伙伴、生态等科技企业发展之道。
2019年,正值5G前夜,各大手机厂商,如华为、小米、一加都进行了大量布局。
OPPO自然也不闲着。在OPPO的设想中,5G是实现AI、IoT等战略布局的基础,对此OPPO提出了“5G+X”的概念。
OPPO副总裁、研究院院长刘畅
OPPO副总裁、研究院院长刘畅介绍,随着5G与AI、云计算、虚拟现实(AR)等技术的深度融合,入口设备将会越多,体积会越来越小,连接能力会越来越强,从而会涌现出越来越多的服务场景——新入口、新连接、新服务将是未来三大趋势。
相对应的,未来将形成三大网络:多种设备互联互通形成“设备网络”,基于5G的多种新技术融合将形成“技术网络”,而丰富多样的新服务将构成“服务网络”,三大网络共同构建5G+万物互融时代。
5G+时代,OPPO将整合自身“软件、硬件、服务”能力,通过开放生态资源(包括内容合作、技术合作、云平台、流量开放、服务直达和个性化服务等几十项能力),为开发者赋能,共同打造智能化服务生态。
软件方面,OPPO开放Hyper Boost、ARunit、“Eagle猎鹰”等AI云平台,为开发者提供技术支撑,为用户带来流畅、稳定、长续航、安全等体验。
除此之外,还有语音助手。现场,OPPO副总裁、软件工程事业部总裁吴恒刚宣布,OPPO推出智能语音助手Breeno。
OPPO副总裁、软件工程事业部总裁吴恒刚
Breeno整合了OPPO自身的AI能力,具备感知(听说看)、决策、记忆、推荐、学习进化等功能,为用户提供个性化的服务。
Breeno一共包含7个模块:建议、识屏、识物、速览、语音、驾驶、空间。
其中,建议和空间是Breeno全新的智能交互模块。比如在机场,点亮屏幕,Breeno就会自动推送登机口信息;同时,航班信息还可收纳到底部的空间,随时调用。
未来,Breeno也将作为开放平台,将OPPO的AI能力赋能开发者,包括开放语音技能和智慧服务,同时Breeno也将走向更多品牌、更多终端。
硬件方面,OPPO以智能手机为核心,围绕用户场景布局新入口,携手合作伙伴及开发者,共创“家庭”及“健康”场景新服务。
为此,OPPO上线了IoT云平台与开发者平台,并向开发者提供了相关的手机应用开发套件、智能模块与设备SDK等技术支持。
与多数厂商布局IoT的思路不同,OPPO没有推出智能音箱,而是基于手机在IoT方面进行布局,与家电厂商合作,一起打造IoT生态。目前,OPPO已经联合美的、TCL等18家厂商组建了IoT生态联盟,未来还将深度整合智能家居的行业资源,面向用户打造完整的IoT生态。
不仅是IoT生态,OPPO还推出“引力计划”,拿出10亿元的资源,扶持开发者,在应用合作、独立游戏、小游戏联运、快应用、应用出海等多个领域,通过扶持和让利的方式,吸引更多全球优秀开发者的加入。
截至2018年10月底,OPPO已与超过10万个开发者达成合作,透过“引力计划”,OPPO将与开发者共享系统级能力,以技术赋能和内容赋能等方式降低开发成本,让开发者专注提升服务质量。
此外,OPPO也与行业合作伙伴展开持续的合作,如成为高通“5G领航”计划合作伙伴,与腾讯游戏联合首发“游戏资源包热更新”等,通过这些深度合作不断优化用户体验。
好文章,需要你的鼓励
AIM Intelligence联合多所知名大学揭示了音频AI系统的重大安全漏洞,开发出名为WhisperInject的攻击方法。这种攻击能让看似无害的音频指令操控AI生成危险内容,成功率超过86%,完全绕过现有安全机制。研究暴露了多模态AI系统的系统性安全风险,对全球数十亿智能设备构成潜在威胁。
新加坡国立大学研究团队系统梳理了视觉强化学习领域的最新进展,涵盖超过200项代表性工作。研究将该领域归纳为四大方向:多模态大语言模型、视觉生成、统一模型框架和视觉-语言-动作模型,分析了从RLHF到可验证奖励范式的政策优化策略演进,并识别出样本效率、泛化能力和安全部署等关键挑战,为这一快速发展的交叉学科提供了完整的技术地图。
浙江大学研究团队通过OmniEAR基准测试揭示了当前AI模型在物理世界推理方面的严重缺陷。测试显示,即使最先进的AI在明确指令下能达到85-96%成功率,但面对需要从物理约束推断行动的任务时,成功率骤降至56-85%。研究发现信息过载反而降低AI协作能力,监督学习虽能改善单体任务但对多智能体协作效果甚微,表明当前架构存在根本局限性。
纽约大学和Aimpoint Digital Labs的研究团队首次揭示了Transformer模型训练中"大规模激活"的完整发展轨迹。这些影响力比普通激活大千倍的"超级激活"遵循可预测的数学规律,研究者开发出五参数公式能以98.4%准确率预测其变化。更重要的是,通过调整模型架构参数如注意力密度、宽深比等,可以在训练前就预测和控制这些关键激活的行为,为设计更高效、量化友好的AI模型提供了全新工具。