
乐视是一个什么样的企业?它旗下囊括了影业、汽车、云计算、电视等业务,近期又跨界到了手机圈,正如乐视贾跃亭说的那样:乐视打算将“颠覆”进行到底。
乐视在今年一月份宣布杀入手机市场,从时机上来看并没有太大优势,毕竟中国的手机圈实实在在的变成了一片红海,想要在拼杀如此激烈的手机圈占据一席之地并不简单,乐视究竟有何“大杀器”呢?答案就是乐视生态。
乐视移动公司总裁冯幸在2015上海世界移动大会全球终端峰会(以下简称MWC2015)上发表了题为《移动互联网将为终端市场带来何种变局?》的主题演讲,他表示,手机不只是硬件,各大阵营还没有走出硬件制造的范畴。而乐视移动作为移动终端行业的新生力量,一开始就把自己定位为提供生态服务的移动互联网公司。
现如今,手机已经成为互联网厂商抢占入口的首选产品,而用户在选购智能手机时,不单单只关注性能、外观、硬件参数这些基本信息,更关注服务体验。乐视能否做出“与众不同”的手机呢?从生态体系上来看,乐视具备这样的基因。
冯幸曾表示,乐视的核心竞争力主要有三点:1、过硬的产品研发能力;2、成熟的产业链基础;3、融合丰富的乐视生态。这些是乐视最引以为傲的资本。
乐视生态也并不是空想,它是基于“平台+内容+终端+应用”的垂直整合完整生态。我们都知道,乐视的发展是由视频网站开始的,而乐视生态也恰恰是以视频为核心,乐视充分发挥了自身的核心优势,以内容和应用为主线,同时进行上下游的拓展;另一方面,也给用户提供了更加一致的消费体验,服务更佳。
而乐视进入手机圈的初衷也不是只制造手机,更重要的是打造一个完整的移动互联网生态系统,乐视最近推出的乐1以及乐1Pro也证实了乐视的决心,打破边界、生态化反。
乐视曾宣布要打造中国首个生态手机,进而变革手机产业,颠覆现有手机行业传统制造派和互联网营销派,重新定义手机成为手机行业第三极。
贾跃亭在乐视超级手机的发布会上表示,乐视超级手机是创造了一个新的品类,打造了一个新的蓝海,他坚持三个一定:一定要做出与众不同的奢侈产品和极致用户体验;一定要不只是台手机,而是一个移动互联网生态系统;一定要打造一个新的模式,创造更高的用户价值并能够推动行业进步。
生态服务将给移动智能终端带来新的变革,冯幸在MWC2015表示,它将定义未来的移动智能终端行业。乐视生态是什么样子?它是由平台、内容、终端、应用构成,他们之间的完美化反才为用户打造了极致的生态服务,极致的终端硬件、开放的云平台全球范围近450 个 CDN 节点、7Tbps 出口带宽,确保我们将丰富的内容呈现给用户,为他们提供生态级的服务,生态各个环节直接不是简单的叠加,而是充分化反。
拼价格、拼服务、拼技术、拼创新是手机厂商竞争的核心,而乐视却跳出了这个“包围圈”,开始“拼生态”。还是那句换,乐视打算在手机圈也要将“颠覆”进行到底。
乐视超级手机在发布之初,贾跃亭已然公开了手机的BOM,这也将智能手机行业的“规则”摆在了消费者面前。那么超级手机究竟如何盈利?贾跃亭表示,乐视不靠硬件赚钱,靠后期的乐视生态的服务获取利益。
冯幸也对植入乐视生态服务的乐视超级手机充满信心,他在MWC2015上重点介绍了最能体现乐视生态服务的乐见桌面和Live桌面。Live桌面全球首创同屏3路直播流,相当酷!下班路上,足球迷,有一场重要的的足球比赛,正在直播,打开Live桌面就行了。晚上,邓紫棋的歌迷,想看她的演唱会,打开Live桌面就行了,未来,超级手机Live桌面将支持9路直播流,真正以视频化语言为用户呈现内容,简化用户搜索步骤,为用户提供极致的服务,乐见桌面,这是在多元化的互联网时代充分满足个性化需求的“千人千面”典范。而在这极致服务的背后正是基于开放的乐视生态闭环。他判断,移动智能终端发展,将呈现硬件定价成本化、硬件售价免费化、产品形态服务化的趋势。
在手机圈,硬件配置已经成为标准,它逐渐失去了原本的影响力和号召力,与此同时,更好的服务成为了消费者追逐的新目标。对于搭载乐视生态服务的乐视超级手机来说,在服务方面已经成功向前迈进了一大步,运用乐视超级手机的一句广告语——无生态,不手机!
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。