微信扫一扫,关注公众号

  • 科技行者

  • 算力行者

见证连接与计算的「力量」

首页 博通:站在创新的浪尖上 技术导向变需求导向

博通:站在创新的浪尖上 技术导向变需求导向

2015-01-07 19:50
分享至:
----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-
2015-01-07 19:50 CNET科技资讯网

一家芯片公司,过去,博通要告诉客户,我的芯片可以做什么,但是现在,博通的市场已经变成了需求导向,博通大中华区总裁、全球销售高级副总裁李廷伟的工作就变成了怎么满足客户的需求。

博通:站在创新的浪尖上 技术导向变需求导向

图:博通大中华区总裁、全球销售高级副总裁李廷伟

可穿戴和物联网的兴起,让博通越来越多的出现在客户的视野里,因为可穿戴和物联网的本质是连接,连接正是博通的核心技术。连接后产生的大数据需求,博通的核心技术就能发挥很好的作用。在这些传统的领域,怎样引进新技术连接起来,会有很多细节在里面。

李廷伟举例,博通在台湾的一个合作伙伴,开发了一种材料,把不锈钢丝拉的非常细,然后把金属丝和纺织布纺在一起,这样就变成一个接触性导电的东西,还可以水洗。现在台湾政府规定汽车司机必须穿这样的衣服,可以监控心脏、血压等,如果有问题就报警。

这样的创新产品还可以有很多衍生品,所以,北京有一家创新公司联系博通,想拿这个材料用来开发小孩的袜子,在小孩睡觉的时候可以监控小孩身体状况。

李廷伟强调,即便你是一个人的企业,想要开发出一个物联网和可穿戴的东西,也可以得到博通的支持,博通能够支持所有的人。可穿戴在向传统的产业里面进军,把传统产业的产品包装成物联网的产品。

当然,当博通面临着这么多客户的时候,有一个很大的挑战,就是客户从少到多的,如何去服务这些客户。

李廷伟表示,博通一方面开发创新,特别在物联网领域,快速努力地开发一个好的系统与参考平台。目前,博通的开发套件已经非常完善,开发者如果换个模式,增加一点自己的创意,就会变成一个全新的产品。

除此之外,博通还在在帮助ODM和OEM构建生态系统,即便是一个人的创新企业,都会得到博通的支持。一个人如果有好的创意但没有工作场地,博通有物联网中心这样的合作伙伴,甚至可以给开发者提供工作场地。

博通还可以帮助开发者得到地方政府或者OEM、ODM厂商的一些前期投入资金,如果做得好,还有可能变成他们的收购对象;可以帮开发者找到所有的配件,找到好的设计。


分享至
0赞

好文章,需要你的鼓励

推荐文章
  • 南方科技大学等机构联手破解AI推理训练难题:让大模型"一次思考"就学会解题

    南方科技大学等机构联手破解AI推理训练难题:让大模型"一次思考"就学会解题

    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。

  • 香港科技大学数学系研究者:扩散模型原来是一个"魔法恒等式"拆成了两半

    香港科技大学数学系研究者:扩散模型原来是一个"魔法恒等式"拆成了两半

    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。

  • 中国人民大学研究团队打造的"AI科学家":让机器自主完成几十小时的科研工程,它是怎么做到的?

    中国人民大学研究团队打造的"AI科学家":让机器自主完成几十小时的科研工程,它是怎么做到的?

    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。

  • 字节跳动发布GRN:像人类画家一样"边画边改"的AI图像生成新范式

    字节跳动发布GRN:像人类画家一样"边画边改"的AI图像生成新范式

    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。

----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-