
高通公司成立于1985年的夏天,从卫星通讯到CDMA再到4G,一直在以技术创新推动无线通讯向前发展方面扮演着重要的角色。不断发明,投入与颠覆,也让我们看到了这个芯片巨头对于创新的执着。
8月26日,高通联合中国科学院,举行了主题为“因为发明”的高通研发开放日活动。一向注重创新的高通公司,也借此为我们揭露其成功的背后源动力,研发是发展之根本。
会上,高通公司全球高级副总裁兼大中华区总裁王翔、高通公司研发高级工程总监范明熙到场,着重介绍高通研发方面的投入以及在中国研发的整体情况,并展出了三大领域“拓展无限边界”、“推动终端演进”、“创造数字第六感”的总共12项领先技术。
高通公司全球高级副总裁兼大中华区总裁王翔
注重研发投入与高校合作
高通是一家非常重视技术研发的公司,截至2014财年第二季度,高通的研发投入累计超过300亿美元。仅在2013财年中就投入了近50亿美元,约占年收入的20%。从研发投入在其年度营收所占比例来看,与移动半导体行业的其他公司相比,这一投入可以说处于行业领先地位。
高通在29年的技术研究过程中总共投入了300亿美元的研发资金
王翔表示高通非常重视中国市场的研发力量,从上世纪90年代先后在北京、上海、深圳及西安开设了四个分公司,并先后在北京和上海设置了两个研发中心。
此外在中国,高通一直致力于向中国的运营商、制造商和开发商提供支持。2002年,高通支持中国联通率先启动了覆盖全国的CDMA网络。前不久,高通宣布与中芯国际在28纳米工艺制作和晶圆制造服务方面的合作,也佐证了高通对中国无线产业做出的承诺。
除了自身研发的投资,高通还面向有潜力、有创造力的其他无线科技公司的投资。此前,高通曾宣布总额最高达1.5亿美元的全新战略投资计划,为中国通讯行业的初创公司提供支持。与此同时,高通也十分重视与中国多所科研所以及高校拥有研发的合作关系。目前已经与包括中科院、清华、北航、上海交大、浙大等知名学府和科研院所进行合作。
“高通将投资中国公司以推动移动技术在互联网、电子商务、半导体、教育以及健康领域的进一步发展。我们深信这将进一步促进我们与中国无线产业链携手把握全球移动行业发展的新机遇。”王翔相信,与各大高校和其他很多社会机构的合作会对中国无线市场和高通自身都起到相当积极的作用。
展示12项最新研究成果
随后,高通研发高级工程总监范明熙介绍了高通中国区研发的整体情况。范明熙将中国研发重点归结为三点: 创新、用创新成果推动产业链的发展,以及产业链的合作。
高通在中国研发三个方向重点概览
会场上,高通展示了目前正在研发的产品和技术。这12个技术归为三个大的主题,分别是拓展无线边界、推动终端演进和创造数字第六感。
其中有一些是已经成熟商用的技术,像北斗定位技术,高通是最早在商用、民用终端上支持该技术的厂商。还有一些处在商用部署前端的技术,像LTE广播技术。在全球处于商用部署的起步阶段还有一些非常具有前瞻性就是Qualcomm Zeroth仿生人脑神经元处理技术。
从此次展出的成果不难看出,高通非常重视4G LTE技术的研发,现场大部分技术成果都与之相关。虽然有些技术看上还处在概念阶段,但这足以说明4G时代已经全面到来,我们也期待高通能够在未来将这些技术成果变成现实。
作为技术的冒险者与开拓者,高通始终致力于大规模的研发投入,这也意味着其必然承担了众多的风险。如王翔所言,高通公司坚信想象力和创新能够促进技术进步,使最终用户受益。20多年来,高通公司为研发投入巨资,创造了数以千计的创新性理念、方法和产品,从而改变了无线通信世界。
好文章,需要你的鼓励
GeoVerse融合几何潜在扩散模型与Wan2.2视频生成先验,并引入全局空间记忆机制,实现了跨视角一致、生成质量高且推理速度快的新视角合成,在多个数据集上大幅超越现有方法GLD。
本文解读TT-VidT,一种通过分离外观锚点与动作令牌、结合Diff Compression训练目标的视频自监督方法。在24种架构目标组合的受控实验中,仅TT3D与Diff Compression搭配才能进入强动作敏感区,且计算量比同类方法降低近一半。
Q&A Q1:Imprint Reader是什么? A:Imprint Reader是上海人工智能实验室团队开发的模型,通过SMaRT训练方法学会读取另一个模型冻结的权重更新,把参数层面的变化翻译成自然语言描述,判断这次更新到底注入了什么知识或诱导了什么行为习惯。 Q2:MetaEdit能做什么? A:MetaEdit能把Reader对目标行为的梯度信号迁移到原始模型上,不需要任何目标任务的训练数据,只用一句行为描述就能定向调整模型参数,已经在安全性拒绝率调节、数学推理风格转变和工具调用能力提升上验证过效果。 Q3:Imprint Reader读权重更新的准确率高吗? A:目前还不高,知识类目标的Pass@100只有2%,行为类目标是16%,说明自由生成描述的可靠性有限,但相比原始模型完全答不出来的0%基线,已经证明了权重更新的自然语言读取是可行的。
统一多模态模型能看也能画,理论上该会自我修正。本论文提出UMM-Reflection,用整条轨迹的强化学习联合训练诊断和修图能力,GenEval提升12分,且迁移到多个未训练基准,揭示RL提升的是选择可靠性而非新能力。