每个企业都有自己的DNA,那么联想呢?杨元庆表示:“我最看重的是产品和创新,联想坚持不懈的做独一无二的创新,而这也是联想的成功秘籍”。
今天,联想在北京和伦敦两地同时举办了YOGA系列新品发布会,担任北京发布会主持人的魏江雷解释道,北京是联想中国的大本营,而中国也是联想在全球最重要的市场,北京理所应当是发布会的主场。
本次发布会共有两款新品亮相,分别是YOGA 3 Pro与YOGA Tablet 2。
随着智能手机、平板电脑等终端设备的迅猛发展,越来越多的人不看好PC市场,甚至提出了“PC已死”的观点,在这种大环境下,多数PC厂商的市场份额、出货量均有不同程度下降,不过在这其中也有少数逆流而上的PC厂商,联想就是其中之一。
杨元庆在发布会上开心的与大家分享,据IDC最新公布的数据显示,联想个人电脑全球的市场份额在上个季度首次突破了20%,并且连续六个季度保持全球第一。
右二 杨元庆
那么多人唱衰PC市场,为什么联想仍在坚持,并且取得了优异的成绩?杨元庆解释道,这很大程度得益于联想的成功方程式:第一,联想有清晰的战略,我们要保卫PC市场,同时也要大力拓展移动和企业级的产品;第二,创新的精神;第三,高效的运作模式/卓越的运营;第四,多元化的团队和文化,联想的文化能够兼收并蓄,适应全球用户的需求。
而且他认为PC市场还是十分具有吸引力的,联想对巩固并进一步增强在PC市场的领先地位是充满信心的,毕竟这是一个2000亿美元的大市场。
不可否认,PC市场正面临这一场激烈的“挑战”,但是古往今来,挑战与机遇都是并存的,只有更好的消化消费者的需求,并且打造出明星产品、更有品质的产品,才能获得用户的认可。
正如杨元庆所说,他不认为PC会被淘汰,而是需要经历自我变革、自我完善的过程,如何制造出更轻薄便携、待机时间更长、性能更好的设备是联想需要努力的方向,而YOGA系列也应运而生。
两年前发布的YOGA电脑可以说是将PC与平板电脑完美融合的产物,而去年亮相的YOGA平板也让人们眼前一亮。杨元庆形容YOGA系列是联想最值得骄傲的多模家族。
YOGA 3 Pro
在YOGA系列诞生后,市面上也出现了很多“类似”的产品,不过杨元庆却信心十足地表示:“联想YOGA系列一直被模仿,从未被超越!”他还与大家分享了一组数字,联想连续7个季度占据全球多模式市场的头名,今天全球每卖出两台多模式电脑,就有一台是YOGA。这应该也是他信心的来源。
杨元庆提出了他的观点,坚信未来PC市场将是平板电脑、传统PC和多模式产品的三分天下,而联想在传统PC和多模式产品领域已取得了NO.1,而平板电脑市场联想占据了第三的位置,未来联想也将持续的发力,联想对待PC市场的态度不是一味的防守,而是会用创新的产品进行主动进攻。他认为联想的基因是“永不满足&爱折腾”,不管是产品创新还是业务模式创新,联想都发扬了爱折腾的精神。
在本次发布会上,联想多次拿自己的YOGA产品与苹果产品进行对比。这让我想起了IT圈的一句话:不以打倒苹果为目标的IT企业不是好企业。而且业内也一直把苹果作为工业设计的标杆。
YOGA Tablet 2
提及苹果,杨元庆表示这是一家令人尊敬的公司,不仅品牌好也有持续的创新能力。
不过,只要努力,并没有不可翻越的“大山”。杨元庆也讲到,并没有任何一家公司可以垄断创新,创新是无处不在,企业可以选择不同的领域去创新。而在有些领域,苹果的确是领先的,但是在另外一些领域,联想是领先的;比如今天所谈到的多模式电脑,联想的YOGA系列产品就取得了市场的领先优势,联想是首创者,而且一直是领先者。联想不但会将这个领域的优势保持下去,而且也会继续创新。他坚信,迟早有一天,大家会把联想看成是和苹果具有同样创新精神和创新能力的企业。
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。