作为一家芯片公司,从事底层的研发工作,不会直接面向消费者,博通大中华区总裁兼全球销售副总裁李廷伟就任不久,当他面对媒体的时候,他直言不讳的提出,可穿戴设备、物联网、车联网等领域可能成为移动互联的延伸市场,而博通在面临这个市场机会的时候,要做的最重要的事,就是不断加强服务客户的能力,做好生态系统的底层工作,帮助客户充分的利用好生态系统。
可穿戴设备,从未来来看,给很多创新提供了机会,因为技术上已经不再像过去那样复杂,整个生态系统已经准备就绪,李廷伟特别提到,小米的成功其实就是一个典型的例子,完全利用好了全球的生态系统来为之服务。
“纵观过去十年、二十年的技术革命,包括互联网在内,中间也有很多人说市场会死掉,但是却最终引领了巨大的市场变革。最终,技术平台提供了一个巨大的可能,可穿戴的挑战在什么地方,它不但要连接,还要有好的传感器,可能要跨一些行业,这个产品还要有比较好的工业设计,所以这时候如果有聪明的人出来,它就可以利用整个的产业现成的东西,创造出非常优秀的产品。就像当初随身听时代,当苹果刚推出它的音乐播放器的时候,很多人还没认识它,结果是一场革命来了,其中蕴含着巨大的机会。”
对消费者而言,他们不会对某个技术指标有多关心,而是他手里拿到的东西是完整的解决方案,对这个解决方案是否满意。从消费者体验来说,已经发生了很大的变化,可能从耳朵已经到了眼睛,这一点点距离已经使得行为模式已经发生了完全的变化。
在这个变化的过程中,配角可能变成了主角,李廷伟提出,在这里面,广域的覆盖变得特别重要。过去,3G/4G最终目的都是为了单个比特里传输最大的数据,最大的为广大的人群服务。
但是,频谱资源是有限的,就像土地一样,有限的频谱资源里面用技术来实现更大单位的数据流量,在现在,有了LTE,也并不意味着Wi-Fi要被替代,哪一种服务更精细更流畅,消费者自然就会选择相应的服务。
半导体、互联网,加了一层通讯,也就是广域网和局域网连起来,就给整个市场格局带来了变化。一旦打通,就有了完全不同的机会,对博通来说,服务好用户,就会给用户带来新的市场机遇,小公司就有机会成为大公司。
而服务好用户,在博通看来,就是拥有IP组合的优势、创新能力、IP分享能力、强大的工程师队伍,还有优秀的产品,就能够抓住市场的需求,就可以帮助用户来赢得创新。
李廷伟指出,在整个半导体行业里,新兴技术给大家带来了巨大的机会,就目前来看,他认为,博通在IP上的能力会愈发显得重要,过去单独的一个小产品,日后很可能被更大的产品集成进去。
除美国市场外,中国市场是博通非常重要的市场,博通要抓住服务好中国顾客的机会,把最领先的产品拿到中国来,与时俱进,服务好用户,随之而来的就是博通的快速发展。
李廷伟相信,在穿戴设备市场,中国完全有机会造就创新性的产品和企业。
“中国经过这10、20年整体产业的积累,当把这些传感器和传输设备相结合,定义出一个产品的时候——特别像今天的好多东西都是代替原有的产品变成智能化,完全重新定义,甚至于定义的一些有趣的智能家居产品,所以你怎么去抓住机会。”李廷伟说。
“博通作为一个推动者 (enabler),为了降低这些可穿戴设备的开发成本,我们投入了很多的力量,我们有专门的客户支持团队,同时也在帮助一些设计公司,希望尽可能帮他们把基础性的东西做好,这样一旦他们有好的想法和好的工业设计,就会迅速推出一款非常好的产品。”
好文章,需要你的鼓励
这项研究利用大语言模型解决科学新颖性检测难题,南洋理工大学团队创新性地构建了闭合领域数据集并提出知识蒸馏框架,训练轻量级检索器捕捉想法层面相似性而非表面文本相似性。实验表明,该方法在市场营销和NLP领域显著优于现有技术,为加速科学创新提供了有力工具。
un?CLIP是一项创新研究,通过巧妙反转unCLIP生成模型来增强CLIP的视觉细节捕捉能力。中国科学院研究团队发现,虽然CLIP在全局图像理解方面表现出色,但在捕捉细节时存在不足。他们的方法利用unCLIP生成模型的视觉细节表示能力,同时保持与CLIP原始文本编码器的语义对齐。实验结果表明,un?CLIP在MMVP-VLM基准、开放词汇语义分割和视觉中心的多模态任务上显著优于原始CLIP和现有改进方法,为视觉-语言模型的发展提供了新思路。
这项研究介绍了RPEval,一个专为评估大语言模型角色扮演能力而设计的新基准。研究团队从法国里尔大学开发的这一工具专注于四个关键维度:情感理解、决策制定、道德对齐和角色一致性,通过单轮交互实现全自动评估。研究结果显示Gemini-1.5-Pro在总体表现上领先,而GPT-4o虽在决策方面表现出色,但在角色一致性上存在明显不足。这一基准为研究人员提供了一个可靠、可重复的方法来评估和改进大语言模型的角色扮演能力。
这篇论文介绍了LegalSearchLM,一种创新的法律案例检索方法,将检索任务重新定义为法律要素生成。研究团队构建了LEGAR BENCH数据集,涵盖411种犯罪类型和120万案例,并开发了能直接生成关键法律要素的检索模型。实验表明,该模型在准确率上超越传统方法6-20%,且在未见犯罪类型上展现出强大泛化能力。这一突破为法律专业人士提供了更高效、精准的案例检索工具。