结识新朋友,不忘老朋友。AMD在中国的十年中,不断地去结识朋友,AMD大中华区之所以能够被全球总部所器重,很大程度上是因为这些朋友的精诚合作。
朋友,这两个字,在中国被看得很重,从“有朋自远方来,不亦乐乎”,到谭咏麟《朋友》中的“情同两手一起开心一起悲伤……共赴患难绝望里紧握你手”,有太多的文艺作品来歌唱朋友、歌颂友谊。谈到AMD在中国的发展,朋友是不可或缺的话题。
PC伙伴满天下
AMD大中华区在2004年落户中关村之初,就展现出了它爱广交朋友的豪爽劲儿。
当时联想在国内和亚太市场排名第一,而如今联想已经是全球第一的PC厂商,AMD在联想电脑中占有重要比例,这充分体现出AMD对合作伙伴的支持和信心。
2006年,AMD与国内两大PC巨头方正和清华同方展开合作。这在当时而言,是相当不容易的事情,因为当时英特尔与PC厂商们合作力度非常紧密,从英特尔的阵营中“拉走”一些伙伴,实属不易。
到了2007年,AMD又与TCL、七喜等中国本土PC厂商牵手。
至此,AMD已经与联想、惠普、戴尔、华硕、宏碁、东芝、索尼、清华紫光、方正、清华同方、TCL、七喜等厂商建立了紧密的合作伙伴关系,也正是与主流厂商的合作,进一步推动了AMD在中国PC市场的发展步伐,AMD在中国市场的表现直接奠定了AMD大中华区在全球总部中的地位。
与伙伴一起开拓蓝海
当然,上面谈到的众多PC厂商,如今有些已经不知去向,但是,AMD仍然是PC市场上不容或缺的一个角色。
除了仍然与PC市场上的重要厂商们保持良好关系之外,AMD的朋友还遍布在其他不同的领域,在服务器、云计算等市场,AMD与合作伙伴们一起开拓蓝海。
在企业级市场,AMD与曙光、神州数码、戴尔、IBM、惠普、Sun等有重要合作关系。
其中,曙光与AMD的合作堪称经典。
2003年8月,曙光与AMD联手推出了64位曙光A系列服务器,开始了64位服务器普及运动。当时,AMD的竞争对手英特尔对于64位持冷静观望态度,它认为64位处理器至少未来5年不会有较大起色。
而曙光凭借着2004年发起的64位“应用风暴”等运动,在64位服务器市场上取得了显著的成绩。
2004年6月,曙光与AMD牵手,基于AMD皓龙处理器,成功研制出了10万亿次的高性能计算机曙光4000A,一举进入全球HPC TOP500的前十名,也使得中国成为第三个有能力研制10万亿次高性能计算机的国家。
除了在企业级市场拥有重量级的合作伙伴之外,AMD在其另外一个核心业务——游戏领域中,也同样拥有着重磅的合作伙伴,比如微软、索尼、任天堂这三大游戏主机巨头均采用了AMD半定制化芯片。当然AMD也积极与PC厂商们致力于打造在 PC上实现游戏主机的体验。在今年苹果最新发布的配备Retina 5K显示屏的iMac中,搭载了AMD图形处理器。苹果给出的理由是,在苹果超高分辨率设备中,AMD图形处理器的表现超乎预期,R9-M290X也是目前5K分辨率下Mac OS X系统最理想的选择。
如今,大中华区已经成为AMD全球业务板块中最大的单一市场,是AMD全球布局中最重要的一块版图,大中华区的营收已经占据全球1/3的营收比例,重要性不言而喻,而能够取得以上成绩,及AMD在中国市场拥有美好前景,都与中国市场及众多朋友密不可分。
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。