
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
Adobe研究院与UCLA合作开发的Sparse-LaViDa技术通过创新的"稀疏表示"方法,成功将AI图像生成速度提升一倍。该技术巧妙地让AI只处理必要的图像区域,使用特殊"寄存器令牌"管理其余部分,在文本到图像生成、图像编辑和数学推理等任务中实现显著加速,同时完全保持了输出质量。
香港科技大学团队开发出A4-Agent智能系统,无需训练即可让AI理解物品的可操作性。该系统通过"想象-思考-定位"三步法模仿人类认知过程,在多个测试中超越了需要专门训练的传统方法。这项技术为智能机器人发展提供了新思路,使其能够像人类一样举一反三地处理未见过的新物品和任务。
韩国KAIST开发的Vector Prism系统通过多视角观察和统计推理,解决了AI无法理解SVG图形语义结构的难题。该系统能将用户的自然语言描述自动转换为精美的矢量动画,生成的动画文件比传统视频小54倍,在多项评估中超越顶级竞争对手,为数字创意产业带来重大突破。
华为诺亚方舟实验室提出VersatileFFN创新架构,通过模仿人类双重思维模式,设计了宽度和深度两条并行通道,在不增加参数的情况下显著提升大语言模型性能。该方法将单一神经网络分割为虚拟专家并支持循环计算,实现了参数重用和自适应计算分配,为解决AI模型内存成本高、部署难的问题提供了全新思路。