科技行者 3月14日 上海消息(文/Miss周):AWE2019(中国家电及消费电子博览会)开展前夕,老牌家电大厂美的,在上海新国际博览中心包下整个 W1 展馆,展示未来科技生活样板间,把旗下各式产品和技术通通摆到客厅、厨房、浴室、工厂等场景,一下子成为备受瞩目的打卡地。
将源自航空涡轮的对旋技术应用于空调,实现可控风感;借鉴导弹从潜艇中发射的降噪技术,让煮饭机器人安静烹饪;参考太阳能光热发电,创新家电相变蓄热技术,颠覆热水器的储能原理、缩小体积……各类技术被引入产品,创新成果密集落地的背后,离不开美的的长线布局。
美的的长线布局有迹可循。从早期生产药瓶盖,发展为小小风扇厂,再蜕变为如今的白电巨头,美的屡次拥抱变革。而近两年,美的引起广泛关注的一次“变革”是以 292 亿元、溢价 36.2% 的大手笔,成功拿下德国库卡,借此开启了成为国际化科技公司的步伐,塑造了高端制造的形象。
美的深谙,没有科技研发上的实力,绝不可能完成对产品和制造的跨越式提升。为此,美的过去五年研发累计投入近 300 亿元,2018年研发投入 100 亿人民币,截止到 2018 年底,美的累计国内专利申请量 9.4 万件,授权维持量 4.4 万件,目前美的在全球布局了20个研发中心,研发人员占比超 50%,博士和资深专家超过 500 人。基础研发正在成为美的构建科技集团核心技术护城河的关键。
而为了更好地联动人机,推动智能家居的数字化体验,一方面,美的参与国际行业标准制定,成为中国首个 Wi-Fi 智能家电测试标准的家电企业,致力于推动智能家居IoT(物联网)国际标准的制定与落地。另一方面,美的与阿里展开家电物联网模组的合作,摸索如何让智能家居的连接与使用体验更上一层楼。
美的集团中央研究院院长徐成茂接受科技行者等媒体采访时这样定义美的:我们是一家制造业企业,正在努力向科技型企业转型。
即便是一家市值 3000 亿,年研发资金投入 100 亿的企业,美的依旧不忘变革,想更深入的拥抱数字化时代,也想离互联网和用户更近一点。
中央研究院院长徐成茂
肩负美的品牌升级任务的子品牌 COLMO,定位为 AI 科技家电高端品牌,利用深度学习算法,图像识别技术,专家系统三大应用,实现用 AI 科技做“看得见”的家电。
比如,一款售价超过 5 万的冰箱里遍布摄像头,摄像头帮助冰箱了解里面有什么食材,智能根据食材保质期、种类提醒主人是否过期、或者更换食谱,也能根据食材推送菜谱到橱柜的屏幕上,当然其他联网设备的屏幕也可以。
COLMO BLANC 全套系冰箱、洗衣机、油烟机、燃气灶、洗碗机、煮饭机器人产品,均获 iF 设计大奖。比如,BLANC煮饭机器人,AI 技术用来辨识米质细微差别,根据米种去分配最佳的米水比和烹饪曲线,实现米饭、稀饭、粥等全自动烹饪“精准米水比”,或者自动煮出一锅两吃的硬米和软米口感;BLANC洗衣机通过 AI 摄像头自动判定衣物体积、衣型、护色识别,针对不同衣服的吸水情况,自动匹配用水量和洗涤剂,并以不同洗涤力度、不同水温智能洗衣。
除了一系列家电新品以及高端品牌 COLMO,美的此次还发布了首个互联家电品牌“布谷 BUGU”,这个新品牌的革新之处在于重构产品和用户的关系。
“布谷 BUGU”的核心战略是用户深度共创,线上做了一个用户共创平台“布谷研究所”,邀请用户深度参与从产品设计到内测、公测、上市路演的全流程,共同构建厨房、起居、卫浴三大生活场景与空气、水两大专业场景互联的产品组合。
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。