2023年6月14日,圣迭戈—— 高通技术公司今日推出高通®智能视频协作平台套件,该套件支持OEM厂商轻松设计并部署可提供卓越视频、音频和定制化终端侧AI功能的视频会议产品,为企业、医疗、教育和家庭环境带来引人入胜的沉浸式虚拟会议体验。高通®智能视频协作平台套件作为一站式解决方案,提供专为视频会议而设计的软硬件必备特性,助力客户快速设计并部署从企业视频协作系统和小型会议室视频协作系统,到数字白板、触控控制器和家用个人终端的多样化视频会议产品。
该套件中的3款平台具备丰富的AI特性,支持Android和Linux,提供更大灵活性以及在不同环境中定制并部署视频会议产品的能力。高通技术公司在连接、计算、AI、音频和视频行业的领先创新支持该平台带来更少的干扰、提升的生产力,并让远程参会者与会议室参会者的连接更加紧密,可为会议室内每个参会者提供单独视图,为所有参会者打造同样的观看体验。
随着生成式AI的快速发展,未来的会议体验将提供更先进的视频、语言和文本功能。具备专用硬件以支持芯片侧AI加速的协作终端将能够通过在云端和边缘侧终端之间分配工作负载来优化上述体验。
高通技术公司与广泛的行业领先者携手创建了智能视频协作平台软硬件生态系统,以便客户快速开启产品开发,在更短时间内实现产品商用,并最大化地利用其资源提供差异化功能。
高通智能视频协作平台套件包括:
· 高通® VC5智能视频协作平台:通过专为企业环境开发的即用型或定制化AI音视频特性,实现先进视频会议体验。利用软硬件深度优化的参考设计,快速推出一体化的会议室视频协作系统。支持该平台的芯片组包括高通®QCS8250、高通®QCS7230处理器,高通®QCS8550处理器将在未来支持该平台。
· 高通® VC3智能视频协作平台:提供先进的视频会议功能,包括支持多个超高清摄像头、Wi-Fi 6E和先进的AI音视频特性,为需要常规功能和特性的终端打造出色体验。从小型会议室视频协作系统和视频会议摄像头到USB视频设备和个人终端,为各种用途的视频会议产品的设计和部署提供极致的灵活性。支持该平台的芯片组包括高通®QCS6490、高通®QCS5430和高通®QCS610处理器。
· 高通® VC1智能视频协作平台:面向触控控制器、会议室调度器和平板电脑等高质量视频会议配件而设计的解决方案,集成强大的计算性能、稳健可靠的连接和多媒体功能,可节省开发时间和成本。支持该平台的芯片组包括高通®QCS6125和高通®QCS610处理器。
高通技术公司业务拓展副总裁兼楼宇、企业和工业自动化业务负责人Dev Singh表示:“生成式AI正在快速变革人们工作、学习和连接彼此的方式,并带来相比以往更具适应性和沉浸感的体验。高通技术公司将持续利用公司在连接、计算、AI、影像和音频领域丰富的经验和领先技术,确保当前的沉浸式协作解决方案能够支持未来不断扩展的用例。高通技术公司和我们推出的高通智能视频协作平台,将为客户提供所需的一站式技术,助力开发各种不同类型的会议终端。”
行业中的众多企业对高通智能视频协作平台表示支持:
Zoom硬件合作伙伴负责人Eric Yu表示:“Zoom对于高通技术公司今天推出广泛的智能视频协作平台套件表示支持,这些平台将确保合作伙伴设计协作产品时拥有更多的选择。高通技术公司和Zoom拥有共同的愿景,全力为Zoom的所有客户带来最佳会议体验。”
在美国佛罗里达州奥兰多市举办的InfoComm 2023上,参观者可以参观高通技术公司合作伙伴的展台了解其基于高通®智能视频协作平台套件的解决方案,体验我们如何赋能更具沉浸感的视频协作体验。技术合作伙伴包括瑞轩科技、圆展科技、Bose、快思聪、惠普 | Poly博诣、捷波朗、联想、罗技、OWL Labs和亿联等。欲了解更多信息,请访问高通智能视频协作平台套件页面。
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。