
今年是联想的30岁生日,其不仅在PC领域达到了NO.1,在年初时,联想还连续收购了IBM X86服务器以及摩托罗拉移动,积极瞄准下一座高峰。
今年8月份,美国外国投资委员会批准了IBM将X86服务器业务出售给联想的交易,联想将因此拥有IBM的X86服务器、刀片式网络和维护业务。
今日,联想在京举办了题为“新云力量”的企业级业务策略暨ThinkServer Gen5发布会,会上提出了由云计算(Cloud)、企业级应用(Enterprises)、移动互联行业应用(Mobility)和IT服务(Services)组成的全新CEMS 2.0商用客户价值体系,同时也发布了联想中国区企业级业务核心策略——腾云计划。
联想集团高级副总裁、中国区及亚太新兴市场总裁陈旭东在演讲时表示,通过“腾云计划”,联想将在中国兴建50个云计算中心,培训出超过1000个云计算基础架构的专家;建设开放的中国云生态系统,招募100个以云计算方案为业务重心的方案型渠道,并通过多种方式支持现有的渠道转型。 他用“满怀鸿鹄之志,但面临重大挑战”来形容联想服务器业务,他表示现在PC业务联想已经成为NO.1,坚信在服务器领域联想也可以做到全球第一。
联想集团执行副总裁,企业级业务集团及北美区总裁Gerry Smith
联想集团执行副总裁,企业级业务集团及北美区总裁Gerry Smith指出,企业的业务是联想在PC之外的又一个盈利支柱,也是我们“优势叠加”战略路线图中承上启下的重要组成部分,它的全面发展,将成为助推联想腾飞的二级火箭!他说道,联想收购了IBM X86服务器带来了优质资源、工程师、人力资源等,快速提升了自身实力,他也对联想服务器的未来充满了信心。
联想已具备全面的云计算咨询、设计、建设和运维能力,可为中国客户提供量身定制的端到端云解决方案。在服务层,联想针对不同类型的客户,可提供不同层级的客户专属服务包。在基础硬件层,为云创新的ThinkServer家族产品、Lenovo|EMC 企业级存储,和集成了企业云管理平台的融合架构的私有云一体机ThinkCloud AIO,以及即将加入联想的System x融合架构产品,通过不同的组合及定制化的方案,可以为不同类型的客户提供稳定、易管理的云基础架构。在应用层,联想的企业云服务可为中小客户提供存储、推送、分发、视频等云服务。刚刚发布的ThinkCloud可充分满足大型客户的需求,并通过与业内顶尖合作伙伴展开合作,为超大规模数据中心(HyperScale)提供全面的私有云、混合云的平台级解决方案。
为了进一步强化云计算解决方案的端到端交付能力,更为广泛地覆盖用户在PaaS和SaaS层面的需求,联想将与包括微软、英特尔、思杰、阿里云等合作伙伴开展全面的深入合作。未来,联想将基于全新的“CEMS 2.0”客户价值体系,深度参与到客户信息化建设中,以更加贴合客户业务需求的应用和解决方案,从业务模式创新和业务优化的层次成就客户新价值。
好文章,需要你的鼓励
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。
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。
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。