昨日,美国高通技术公司战略和运营高级副总裁兼美国高通公司投资者关系高级副总裁比尔·戴维森在接受中国媒体采访时表示,希望让大家把QRD(高通参考设计)的计划从项目转到高通的策略上来,而QRD的策略就是面向新兴客户的投入和入门级产品上加大投入。
之前,有媒体报道,高通将会对QRD业务进行重新调整,当记者问及高通在2014财年对QRD资源投入的变化时,比尔·戴维森强调,不应该只考虑QRD项目本身,高通会继续向面向新兴客户的投入和入门级产品上加大投入。
比尔·戴维森指出,QRD是高通面向新兴客户的一种方式。几年前,高通这类客户并不是很多,但是过去几年高通在新兴客户上的量有非常大的增长。
QRD项目几年前从无到有,现在来自新兴客户的业务已经达到超过10亿美元的规模。高通为这类客户不仅提供参考设计的解决方案,这些客户也会使用高通的中高端芯片组来生产产品。
“过去Qualcomm也有类似的参考设计方案,但是它可能是针对某些产品,使它具备一些功能,满足全球特定地域市场的需求。后来,高通们决定将它项目化,形成一个专门的QRD项目,从产品的雏形到成品,提供完整的解决方案。”比尔·戴维森说。
从OEM厂商的需求来讲,他们并不是只需要面临偏远地区的中低端产品,同时他们也有生产比较中高端产品的需求,面向发达国家或地区。所以OEM厂商可以通过QRD的参考设计,利用到高通各个层级的非常广泛的产品系列。
去年的纽约分析师大会上披露的数字显示,骁龙400处理器已经有超过30款产品是来自于新兴客户,骁龙800处理器有超过25款的产品设计来自于中国的新兴客户。
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。