
1995年,Marvell在美国圣克拉拉成立,是由华侨周秀文博士及妻子戴伟立女士、胞弟周秀武联合创立,作为联合创始人中唯一的女性,也作为Marvell公司的负责人,同时本质上还是一名中国人,戴伟立女士不仅在积极的推动Marvell业务的增长,也在全面的致力于推动中国4G的发展,在CES上成功约访之后,戴女士特意穿着了一件大红色的衣服出现在记者面前,她对记者说:“红色是中国国旗的颜色”。
在3G时代,Marvell与中国的运营商进行了紧密的合作,合作打造了大量的3G终端产品,包括了中国自主产权的TD-SCDMA,Marvell投入了前所未有的支持力度,很大程度上也帮助了TD-SCDMA的发展,随着TD-LTE 4G拍照的发放,Marvell也对这个中国产品的4G制式保持了极高的热情,目前手机芯片厂商中,仅有高通提供了对TD-LTE的支持,但仅仅局限在旗舰产品中,这对于TD-LTE的普及有作用但并不明显,Marvell和戴伟立女士希望改变这种局面,“中国的消费者需要最方便的用到最好的数据服务”,戴女士如是说。
因此,Marvell和中国移动展开了深入了合作,由于TD-SCDMA的基础非常扎实,同时在基站层面,TD-SCDMA可以平滑升级到TD-LTE,实际上,4G的流量成本相比于3G是降低的,只要用户的数量上去了,中国移动必然可以给用户提供更低价格的4G服务,另一方面,4G的终端目前价格仍然高高在上,Marvell和中国移动都不会满足于这种现状,戴女士表示,Marvell将要与中国的产业链携手打造千元的4G智能手机,并且在2014年实现这个目标,这是一个令人难以置信的远大目标,毕竟现在国内的4G手机大多终端零售价格超过4000元。
同时,平板电脑也有可能推动4G的普及和发展,越来越多的平板电脑开始引入通讯模块,比如在美国市场,T-Mobile就为平板上网的用户提供了优惠套餐,每月无需任何费用就可以享受250MB的3G流量,用完之后会降速到2G,用户可以选择在流量耗尽之后继续购买流量,在4G到来之际,平板电脑也将成为4G重要的承载对象,拉动4G增长。
另一方面,Marvell现阶段业界唯二的可以提供五模4G的厂商,由于强大的技术实力,能够让他们在推动国内4G市场上做到游刃有余,比如,针对千元机产品,Marvell可能会采用性价比更为突出的三模SoC去应对,由于低端机用户相对来说很少会在国外通过漫游来使用流量,即便使用也不太可能使用大量的数据流量,三模对于这类用户来说非常实用,而对于中国广大的终端厂商而言,三模也意味着成本的降低,并且不再需要支付WCDMA专利费,更有利于进一步降低TD-LTE手机最终售价。
除了手机之外,Marvell还致力于帮助中国用户构建智能家居环境。在谈到这点是,戴女士说到,“Marvell三年前收购了Kinoma,当时很多人不明白作为硬件芯片厂商的Marvell,为什么会收购一家软件厂商,而实时证明了Marvell的远见,早在多年前就开展了智能家居的布局,而Kinoma就像一个翻译官,他是人类与机器之间的翻译官,能够让我们更好的体验技术。”
经过几年的发展,Marvell已经将Kinoma发展成为一个完整的智能生活解决方案,能够实现大量的功能,比如方便的将手机的视频、图片直接投射到电视上。
从骨子上来说,戴伟立女士仍然是一名创业者,她有着不竭的创业热情,她认为需要将这种创业家的精神和热情要保持下去,保持梦想,而当她要做一件事情的时候,除了要做事情本身,还要问“Why?”,为什么要去做,“骄傲和盈利是我的两个基本原则”。因此,推动中国自有专利的TD-LTE 4G发展,同时满足了戴女士的两个价值观,她为此而骄傲。
好文章,需要你的鼓励
本文介绍了由南方科技大学等机构于2026年4月发表的研究(arXiv:2604.08865),提出了名为SPPO的大模型推理训练新方法。该方法将推理任务重新建模为"序列级情境赌博机",用一个轻量级价值模型预测题目难度,以单次采样替代GRPO的多次采样,解决了标准PPO的"尾部效应"问题。实验显示,SPPO在数学基准测试上超越GRPO,训练速度提升约5.9倍,配合小尺寸价值模型还能显著降低显存占用。
这项由香港科技大学数学系完成的研究(arXiv:2604.10465,2026年ICLR博客论文赛道)提出了一种从朗之万动力学视角理解扩散模型的统一框架。研究指出,扩散模型的前向加噪和逆向去噪过程,本质上是朗之万动力学这一"分布恒等操作"被拆成了两半。在这个视角下,VP、VE-Karras和Flow Matching等不同参数化的模型可被精确互译,SDE与ODE版本可被统一解释,扩散模型相对VAE的理论优势得以阐明,Flow Matching与得分匹配的等价性也得到了严格论证。
中国人民大学高岭人工智能学院等机构联合开发了AiScientist系统,旨在让AI自主完成机器学习研究的完整工程流程,包括读论文、搭环境、写代码、跑实验和迭代调试,全程无需人工干预。系统核心设计是"薄控制、厚状态":由轻量指挥官协调专业代理团队,通过"文件即通道"机制将所有中间成果持久化存储,使每轮工作都能建立在前一轮积累的基础上。在PaperBench和MLE-Bench Lite两个基准上,系统表现显著优于现有最强对比系统,论文发布于2026年4月。
这项由字节跳动发布的研究(arXiv:2604.13030)提出了生成式精化网络(GRN),一套模仿人类画家"边画边改"直觉的视觉生成新框架。其核心包括两项创新:层级二进制量化(HBQ)通过多轮二分逼近实现近乎无损的离散图像编码,以及全局精化机制允许模型在每一步对整张图像的所有位置重新预测并随时纠错,从根本上解决了自回归模型的误差积累问题。配合基于熵值的自适应步数调度,GRN在ImageNet图像重建(rFID 0.56)和生成(gFID 1.81)上均创下新纪录,并在文本生成图像和视频任务上以20亿参数达到同等规模方法的领先水平。