你在台北电脑展Computex 2014上看到的Acer宏碁,完全不是在大陆的那个样子,这里的它显示出了威猛,显示出了无处不在。
昨日,Computex 2014台北电脑展正式开幕,据主办方称,Computex目前已经成为亚洲最大全球第二的IT展会。本届共有来自全球的1710家厂商参加,共占用了5069个摊位。我是第一次来Computex,因此有些刘姥姥进大观园的感觉,见到什么都新鲜。在4楼展区,我被宏碁的展台吸引,在这里我看到一个在大陆市场展现出来的完全不同风采的宏碁。
前不久,宏碁在大陆发布了BYOC(Build your own cloud,自建云)战略,而此次在Computex 2014上,宏碁展台主要展现的就是其BYOC解决方案。我在宏碁展台花了大约半个小时的时间来了解BYOC,之后对宏碁有了全新的认识。
BYOC这个概念确实有些讨巧,与之贴近的是BYOD(Build your own device,自带设备),BYOD讲的是企业员工把自用设备带到企业环境中来,从而对企业系统带来一系列影响,一方面这是大势所趋,另一方面也给企业应用带来巨大挑战。
我们的重点不是去讲BYOD,而是这次宏碁展示的BYOC,每一个讲解员上来都要把BYOC的定义解释一下,显得非常专业。
宏碁深知中华文化的博大精深,BYOC的Logo设计成一个筋斗云的形状,需要强调的是,宏碁BYOC并不是把你搬到公有云上,它通过宏碁abApps,从而把自己的电脑设备变成“一朵云”。
要实现BYOC,首先要有一个宏碁账号,而这个账号你必须依赖于宏碁的某个设备产品序列号来注册完成。目前,必须有至少一台宏碁设备作为绑定,否则你无法使用abApps。不过,宏碁还是比较业界良心,其BYOC整体解决方案之中的某些应用都支持非宏碁设备,只不过是支持的数量少一些而已。
宏碁BYOC解决方案下辖多个应用程序,以完成不同的应用。比如ab相片,它可以把移动设备上面的照片自动同步到家中/单位的电脑中。
注意哦,有人说这不就是微软OneDrive和百度云吗?还真不是,前两者是构建公有云,然后在公有云中开设同步目录,从而实现在多种设备上共享数据的目的。而宏碁BYOC则是把自己的电脑做成一朵云,它并不是公有云,而是“私有云”,这与微软和百度的云有本质区别。
当然可能有人问了,这是不是需要电脑每天都开着呢?不需要,你需要做的是把电脑置于休眠状态,不管你在哪里,只要有网络就可以随时与你的BYOC进行同步。说明一下,电脑运行时的耗电量为几十瓦甚至更高,而休眠的耗电量低至几瓦,低到可以忽略不计,让电脑休眠,你可以天涯海角。
当然,BYOC并非是只有这么个人使用这么简单,它可以应用在企业、行业等诸多场景中,宏碁介绍的一下目标市场甚至包括智能家居、智能汽车,宏碁将通过AOP(Acer Open Platform)与众多商业合作伙伴对接,从而为更多企业、商业客户提供服务支持。
在大陆市场,宏碁的形象相对消沉,而与广大客户接触的也多为电脑产品,远不像在Computex 2014上展示的,它既有二合一产品、商用超极本、商用显示器、消费/商用平板电脑、智能手机、投影机等等产品及解决方案,而从其BYOC战略可以进一步看出宏碁不甘心沉沦。
此次Computex上,施振荣还亲自出来站台做主题演讲,再次重申宏碁向“硬件+软件+服务”,以BYOC为核心的战略转型。PC产业整体发展不利,而众多业者都纷纷宣布转型,宏碁BYOC则是突围的重要武器。整体看来,这一次宏碁选对了路子,而通过BYOC则让其进一步从B2C延伸到利润更丰厚的B2B领域,宏碁的野心恐怕还不止于此。
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。