科技行者 9月4日 北京消息:9月2日,第十届中国知识产权年会在杭州开幕,来自世界知识产权组织等国际和地区组织、国内外知识产权服务机构、高校、科研院所、企业的代表深入了探讨新时代知识产权事业发展的新思路新举措。期间,高通公司(Qualcomm)高级副总裁、专利法律顾问马克·斯奈德(Mark Snyder)发表了题为《砥砺创新 开拓未来》的演讲,深入阐述了知识产权保护对于5G发展的意义,并对中国的知识产权保护表示高度认可。
知识产权保护护航创新
马克·斯奈德援引著名经济学家约瑟夫·熊彼特的观点表示,创新是经济社会发展的真正驱动力,而长期稳定、可预测的政策是驱动创新和投资的关键。他认为这一论述尤其适用于专利保护制度。
高通致力于建设中国移动通信技术生态系统,而这一过程中,5G是至关重要的部分。与1、2、3、4G制式相比,5G的应用场景得到了极大拓展,它不仅仅是速度更快,更关键的是其应用范围和深度产生了质的变化。马克·斯奈德认为,5G对高通、对中国都将是最好的时代,大家都能分享无线通信技术革命所带来的红利,但技术研发过程本质上是高风险的,而技术研发投资的回报周期却很长。
马克·斯奈德透露,高通自2006年起每年都会投入约20%的税前收入用于基础科技的研发,至今已累计投入约600亿美金。在做出投资决策时,这些高风险的基础技术研发是否能够产生创新并最终被成功应用于产品中,存在很大的不确定性。高通的许多中国合作伙伴也同样投入大量资金用于研发。因此专利保护,尤其是能够通过专利制度在技术商业化的过程中稳定变现的能力,对于鼓励高通和其他公司的创新投入至关重要。
知识产权保护和执法能够有效促进市场竞争,鼓励更多人开发全新的技术。马克·斯奈德在演讲中表示:“以高通为例,高通将自己的技术贡献到技术标准中,使整个产业界都可以使用这些技术,并在标准技术平台的基础之上开发新的技术,增进市场竞争。其他创新者,可以通过披露的专利信息了解别人所研发的技术,进而更好地开发自己的技术。”
简而言之,完善的知识产权保护制度是对创新最好的护航。
中国的知识产权保护
在此次年会的开幕致辞中,国家知识产权局局长申长雨指出,我国的知识产权事业一步一步实现了从无到有、从小到大的历史性跨越,成为一个名副其实的知识产权大国。现如今,我国每年的专利、商标申请量稳居世界首位,通过《专利合作条约》途径提交的专利申请量和通过《商标国际注册马德里协定》提交的商标申请量,已经分别位居全球第二位和第三位,知识产权创造质量、保护效果、运用效益和国际影响力也在不断提升。
马克·斯奈德对中国近年不断加大知识产权保护力度的各项举措致以敬意。他表示:“中国近年在加强知识产权保护方面取得了巨大的进步,知识产权保护的执法力度不断增强,包括高通在内的许多产业界同仁对此都高度认可。”
他援引数据称,从2016年开始,中国的授权发明专利保有量已经超过了100万件,2018年这个数字已经达到160万件。马克·斯奈德由衷感叹“这种发展速度令人叹为观止。”
在高风险、高不确定性的研发投资方面,马克·斯奈德表示,“高通对中国知识产权保护制度很有信心。中国在知识产权保护领域付出的巨大努力和对知识产权的有效保护,对于吸引高科技领域的外国投资至关重要,是鼓励我们加大中国在华投资的重要因素。”
“这是一个最好的时代”
5G拥有广泛的应用场景,将带来巨大的经济增长前景和海量的创新机会。关于5G,马克·斯奈德强调:“这是一个最好的时代,我们所有人都可以在这个创新时代分享无线通信带来的便利。”而这种便利,显然要归功于知识产权保护制度的护航。
“中国创新能力的持续增长,国际排名不断上升,与中国政府深谋远虑的顶层设计分不开。我本人高度赞赏中国政府坚定不移的创新驱动发展政策。我认为中国非常清楚如何促进包括5G无线通信技术在内的创新和产业发展。”马克·斯奈德表示:“高通将继续致力于助力中国无线通信产业和中国经济的进一步腾飞和发展。”
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。