科技行者 5月19日 深圳消息:今日,华为第17届全球分析师大会在深圳举办。华为消费者业务围绕“全场景智慧生活”,就最新的产业趋势、创新技术和生态发展等话题与全球分析师进行交流,探讨未来业务发展的方向。
“万物互联的智慧时代打开了全新的万亿级的市场,将催生层出不穷的新业务,”华为消费者业务首席战略官邵洋说,“华为消费者业务以全场景智慧生活战略作为长期战略,为消费者带来1+8+N设备间硬件能力互联互助、内容服务一致呈现的革命体验。”
(图:华为消费者业务首席战略官邵洋)
华为坚持“1+8+N”全场景智慧生活战略,通过“+”所代表的广域与近距连接技术,将原本割裂的不同场景不同种类的设备进行互联互通、协同互助,为消费者带来智慧生活体验。通过在5G、Huawei Share、分布式OS、智慧助手为代表的核心技术上持续压强投入、华为夯实长期竞争力,不断向业界推出创新产品,并与移动云服务协同,为用户提供多终端一致化的信息内容,重新定义了办公、居家和出行等多种生活场景的体验。
通信网络技术和用户交互技术的发展推动个人终端持续演进,个人拥有的智能终端设备不断增多,但多设备之间的体验协同却不如人意。
华为消费者业务软件部总裁王成录表示,多设备相互联接,以智能手机为中心实现能力灵活扩展将是未来智能终端的发展方向;这对操作系统提出了全新的要求——设备间的通信需像设备内通信一样高效流畅、设备间需要实现资源共享和能力互助、设备间的访问和连接有充分安全保障、生态真正开放,并支持和第三方设备的能力互助。
(图:华为消费者业务软件部总裁王成录)
通过分布式软总线和数据库,华为从底层架构到交互对OS进行全面革新,让跨设备协同的流畅度媲美设备内连接和数据访问;通过分布式安全,建立人、设备与数据之间的可信关系,保障全场景下用户的安全与隐私;通过分布式能力开放,更多设备可进行能力互助,如在EMUI10.1的多屏协同中,可以用PC摄像头或麦克风来接听手机的来电;多设备控制中心可实现设备之间的智能交互,如随心开启/关闭IoT 设备或手机投屏等。
分布式能力开放也将给行业带来更多机会。对硬件厂商来说,分布式能力能让应用更方便地调用设备能力,从而反向刺激设备使用率的提升;而开发者可通过调用分布式能力,减少开发难度和时间成本,实现一次开发多端运行,为用户带来多设备协同的全场景智慧生活新体验。
华为面向开发者全面开放“芯-端-云”能力,包括帐号、支付、地图、机器学习、HiAI、相机等在内的数十项HMS Core核心能力,携手全球开发者和合作伙伴构筑Huawei Mobile Services生态,在全球范围内丰富了华为终端产品的内容和服务,为消费者带来5G时代的全场景智慧生活体验。
华为消费者业务云服务副总裁谭东晖表示,华为应用市场在向消费者提供全球流行应用的同时,为用户甄选品质应用,减少用户挑选的步骤和时间,带来更安全和贴近本地生活的移动应用;同时,华为在全球范围内上线快应用和快服务,快应用实现“无需安装、即点即用”的体验,快服务让人找服务更便捷、服务找人更智慧,带给用户跨终端全场景一致的智慧体验。
(图:华为消费者业务云服务副总裁谭东晖)
公司向开发者开放相应的集成开发环境(IDE)工具,帮助他们实现一点接入全球全场景分发。截至2020年3月,华为终端云服务全球注册开发者已超过140万,全球应用加速集成HMS Core,接入其地图和分析服务等能力,集成的应用数量超过6万款,同比增长66.7%。未来,华为还将开放更多芯-端-云能力,携手全世界优秀的开发者和合作伙伴共筑全场景智慧生活生态。
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。