
万物互联时代的到来,对各行各业都带来了不小冲击。尤其是在射频RF领域,4G极速网络的来临,手机频段的增加对通信行业解决方案提供商提出了更大的挑战。面对如此压力,RFMD和TriQuint两家公司携手合并为Qorvo,将整合的解决方案带往全球市场。
在Qorvo诞生前,TriQuint和RFMD都曾是RF领域的强者,却各有侧重,几乎没有业务重叠。在此契机下,双方更乐意选择优势互补,成立Qorvo,在竞争力的提升上可以说是1+1>2,尤其是在业务范围和专业能力的拓展方面。RFMD在PA和开关、TriQuint在滤波器和整合方面各具优势,两者的整合让Qorvo有能力提供业界领先的RF产品和解决方案,以及强有力的客户支持。
目前,全新整合规划后的Qorvo关注三个关键市场,航空和国防,网络基础设施及移动设备。优势互补下的Qorvo有能力为物联网提供核心的互联技术支持,涵盖无线和有线的基础设施领域。
Qorvo的产品不仅面向智能手机和平板电脑,还面向宽带、有线电视、无线基础设施、智能电表的能源管理等等。这些市场,尤其是无线基础设施,增长速度快,也给电子行业带来许多机会。而这些行业的增长无疑带动了数据的增长,也带动了对数据连接需求的增长。
首先频段的增加十分显著。5-10年前的移动手机可能只有2-3个频段,而如今一个全球通手机的频段数可能超过40。因此如今设备的数据能力是显著增加的。
在这样一个频段和性能的增长如此快速的市场环境中,Qorvo能共取得成功的关键,在于能够将整合当前的RF前沿技术。而这种实力的整合对于客户来说,意味着他们可以借助Qorvo的技术和产品来简化设计、缩减尺寸、节约耗电、提升系统性能。
中国市场也是Qorvo十分重视的。目前Qorvo在北京有一个制造工厂,同时也在持续加大投资,筹划另一个制造工厂,扩大在中国的生产制造能力。
此外,Qorvo积极与华为和中兴等基础设施运营商、高通和联发科等芯片公司、以及业内组织合作,先于客户一步,针对未来市场的需求展开产品规划、并从系统角度展开布局。
好文章,需要你的鼓励
浙江大学团队提出动态专家搜索方法,让AI能根据不同问题灵活调整内部专家配置。该方法在数学、编程等任务上显著提升推理准确率,且不增加计算成本。研究发现不同类型问题偏爱不同专家配置,为AI推理优化开辟新路径。
清华大学研究团队提出SIRI方法,通过"压缩-扩张"交替训练策略,成功解决了大型推理模型"话多且准确率低"的问题。实验显示,该方法在数学竞赛题上将模型准确率提升43.2%的同时,输出长度减少46.9%,真正实现了效率与性能的双重优化,为AI模型训练提供了新思路。
南洋理工大学与腾讯联合研究团队开发出Rolling Forcing技术,实现AI视频实时流式生成的重大突破。该技术通过滚动窗口联合去噪、注意力锚点机制和高效训练算法三项创新,解决了长视频生成中的错误累积问题,可在单GPU上以16fps速度生成多分钟高质量视频,延迟仅0.76秒,质量漂移指标从传统方法的1.66降至0.01,为交互式媒体和内容创作开辟新可能。
华中科技大学研究团队发现,通过让AI模型学习解决几何问题,能够显著提升其空间理解能力。他们构建了包含约30000个几何题目的Euclid30K数据集,使用强化学习方法训练多个AI模型。实验结果显示,几何训练在四个空间智能测试基准上都带来显著提升,其中最佳模型达到49.6%准确率,超越此前最好成绩。这项研究揭示了基础几何知识对培养AI空间智能的重要价值。