微信扫一扫,关注公众号

  • 科技行者

  • 算力行者

见证连接与计算的「力量」

首页 明日依旧还是诺基亚 只是敝姓微软

明日依旧还是诺基亚 只是敝姓微软

2014-04-28 21:55
分享至:
----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-
2014-04-28 21:55 CNET科技资讯网

上周末,历经8个月之久的时间,微软终于完成了对诺基亚设备以及服务部门的收购,至此,诺基亚将结束了自己的手机生产业务,此外微软同时还获得技术开发许可。这些共花费微软39.7亿欧元,另外的16.5亿欧元用于购买诺基亚专利资产,同时约有3.2万名员工并入微软。

明日依旧还是诺基亚 只是敝姓微软

今天可算作诺基亚的最后一天,虽然微软保留了诺基亚这个品牌并不会更名为微软移动,但明天的诺基亚已经不在是曾经的那个诺基亚。诺基亚CEO约玛·奥利拉也曾在记者招待会上公布同意微软收购时最后说了一句话:“我们没有做错什么,但不知为什么,我们输了”,说完连同他在内的几十名诺基亚高管不禁落泪。现在望着曾经缔造过神话的巨人真正落下了帷幕,再回想起诺基亚曾经独领风骚的年代,总会莫名的让人黯然神伤。

对于微软来说,Windows 8的失利让微软不得不以多面突围的方式寻求新的业务增长策略,从收购诺基亚到云端部署,微软已经不在以自己引以为傲的Windows为核心战略,收购了诺基亚的微软借助云服务将会在移动互联网市场有更好的发展,而诺基亚在移动设备方面的能力和资产也将促进微软进行这一转型。

对于诺基亚来说,被微软收购后,将不会在继续开展手机业务,将主攻网络系统、地图、技术发展以及专利授权等业务,虽然诺基亚的地图服务并不包含在此次交易的当中,但微软已经同意就该业务签署10年的授权协议。

对于诺基亚用户而言,此次收购将不会造成任何影响,即使是出现了问题,微软也会履行保修职责。

此外原先担任诺基亚执行长的埃罗普将会出任微软行动装置集团行政副总裁,掌管Lumia品牌的手机与平板电脑、微软Xbox游戏机等装置的生产与开发。

分享至
0赞

好文章,需要你的鼓励

推荐文章
  • 南方科技大学等机构联手破解AI推理训练难题:让大模型"一次思考"就学会解题

    南方科技大学等机构联手破解AI推理训练难题:让大模型"一次思考"就学会解题

    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。

  • 香港科技大学数学系研究者:扩散模型原来是一个"魔法恒等式"拆成了两半

    香港科技大学数学系研究者:扩散模型原来是一个"魔法恒等式"拆成了两半

    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。

  • 中国人民大学研究团队打造的"AI科学家":让机器自主完成几十小时的科研工程,它是怎么做到的?

    中国人民大学研究团队打造的"AI科学家":让机器自主完成几十小时的科研工程,它是怎么做到的?

    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。

  • 字节跳动发布GRN:像人类画家一样"边画边改"的AI图像生成新范式

    字节跳动发布GRN:像人类画家一样"边画边改"的AI图像生成新范式

    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。

----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-