作者:阿力克斯·卡图赞(Alex Katouzian) 高通技术公司高级副总裁兼移动、计算及基础设施业务总经理
导语:2021年,我们正迎来5G加速普及的一年。5G将加速催生更多的终端创新和应用,并赋能更加广泛的行业。值此之际,高通技术公司高级副总裁兼移动、计算及基础设施业务总经理阿力克斯·卡图赞(Alex Katouzian)携手生态系统伙伴聚焦移动技术对于PC产业的影响,并展开深入的探讨。
从传统笔记本电脑向移动PC的转变有望成为计算领域最激动人心的变革之一。那些面向移动使用场景的传统笔记本电脑通常处理速度不够快、产品体积大且续航短。此外,传统笔记本电脑还往往受限于家庭、办公室或咖啡厅的Wi-Fi网络,不仅无法满足人们随时随地的连接、计算和沟通需求,还可能会引发一些安全方面的顾虑。对于用户来说,他们希望PC在不牺牲安全、性能和能效的前提下,能够带来更加灵活、更加可靠的连接性。我们在高通骁龙计算平台打造的创新蜂窝连接和计算技术,正助力实现PC体验的下一个飞跃。
我们认为,用户在PC上也应该享受智能手机所带来的灵活性和最佳特性。因此高通技术公司正利用4G和5G让世界变得更加互联,助力传统笔记本电脑步入移动计算新时代,进而让用户能够享受近乎随时随地的自在畅连。极速蜂窝网络可以很好地提高生产力,让人们能够随时随地进行连接、创作和协作。
除了连接技术,我们还有诸多引以为豪的可以提供顶级体验的平台,比如骁龙8cx第二代5G计算平台。骁龙8cx第二代5G计算平台让一款纤薄轻巧的PC能够同时支持高性能和长续航。此外,在先进的AI能力与稳定可靠的5G连接的共同支持下,还能够带来企业级安全、增强的隐私保护和超快云平台远程连接,让用户能够随时随地快速获取文件和云服务。现在,越来越多的Windows 10应用已面向ARM架构进行优化,让用户在享受PC设备带来的便携和高效的同时,也能够使用他们喜爱的生产力工具和应用。
人们对于移动PC的需求正在上升,正在变革企业级用户、学生和消费者使用笔记本电脑的方式。智能手机的连接、高效、便携、AI和安全特性,正成为始终在线、始终连接的PC未来发展的关键驱动力。高通技术公司在智能手机和连接技术上的创新,使手机成为了“装在口袋里的PC”;现在,智能手机的轻薄设计、始终在线、始终连接和全天续航又正在焕新PC体验。消费者希望在PC上获得媲美智能手机的体验,而高通技术公司的创新、发明和技术将在不同价位的PC产品上实现这些体验,满足消费者的需求。
我与高通技术公司产品管理高级总监Miguel Nunes、联想全球商用产品组合执行总监Tom Butler和Creative Strategies总裁Carolina Milanesi通过视频连线的方式共同讨论了PC的未来,并探讨如何携手实现这些未来体验,以及5G与AI的协同发展、IoT应用和XR的潜力。在这里,我也想特别感谢联想Tom Butler分享了我们对于新PC设备的共同愿景,非常激动人心。他在分享中提到,“随着我们重新进入混合办公模式,人们仍然需要从云端到终端的连接能力。在联想搭载高通骁龙计算平台的商用设备上,联想与高通的合作正在助力我们更高效地提升连接能力和AI能力,将智能手机的先进特性引入至PC设备。”的确,我相信,高通与联想的合作将继续驱动创新并构建可持续的生态系统,推动从传统笔记本电脑向移动PC的变革。
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。