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
过去十年,终端厂商比拼的是“性能”和“参数”,如今,竞争的焦点正转向“智能程度”。
Fractal AI Research实验室开发了Fathom-DeepResearch智能搜索系统,该系统由两个4B参数模型组成,能够进行20多轮深度网络搜索并生成结构化报告。研究团队创新了DUETQA数据集、RAPO训练方法和认知行为奖励机制,解决了AI搜索中的浅层化、重复性和缺乏综合能力等问题,在多项基准测试中显著超越现有开源系统,为AI助手向专业研究工具转变奠定了基础。
快手科技与清华大学合作发现当前AI语言模型训练中存在严重的权重分配不平衡问题,提出了非对称重要性采样策略优化(ASPO)方法。该方法通过翻转正面样本的重要性权重,让模型把更多注意力放在需要改进的部分而非已经表现良好的部分,显著提升了数学推理和编程任务的性能,并改善了训练稳定性。