苹果与三星的专利世界大战,纷争数年,在去年底的时候,最终以三星同意向苹果支付5.48亿美元的赔偿告一段落。三星在当时表示会赔偿苹果专利费用。只是后来两家都不服气,均提起了上诉,这个看起来已经尘埃落定的事,再生波澜。
不过,对于三星来说,专利战的阴影可能还会笼罩下去,并且专利战上的对手也不只有苹果,还有一个已经退出手机生产的诺基亚。
据路透社的消息,诺基亚和三星在2013年的时候,达成一项约束性仲裁协议,以期解决增加专利费用的问题,该协议涵盖的时间从2014年开始,为期5年。国际商会(International Chamber of Commerce)仲裁法庭受理了此案,并可能在近几日揭晓最终的结果。顺带提一句,商业仲裁是双方协议价格和法庭宣判之外的第三种方式。
北欧银行的分析师Sami Sarkamies预计,这次判决将可能为诺基亚今年带来7亿欧元(约合人民币49.85亿元)的运营利润,未来三星每年可能还要向诺基亚支付3亿欧元(约合人民币21.36亿元)的费用。此前三星每年给诺基亚的费用为1亿欧元,若这次结果真如这位分析师所料,那么三星还要补交过去两年的费用。
相比苹果,诺基亚在专利大战上,玩得更加顺溜,一打一个准儿,几乎没有失手过。
去年的时候,三星的韩国老乡LG通过与三星相似的方式和诺基亚达成一项手机专利授权协议。对于和LG的交易,诺基亚技术总裁Ramzi Haidamus称,这是一项“互惠互利的协议”。
诺基亚于2012年起诉HTC,称HTC在全球范围内侵犯了其45项专利。在2014年的时候,诺基亚宣布,与HTC签订了专利与技术合作协议。在签订这一协议后,两家公司终止了持续一段时间的专利侵权诉讼,而HTC将向诺基亚付费。
早在2011年的时候,诺基亚就宣布与苹果之间耗时近两年的专利侵权纠纷达成全面和解。苹果将向诺基亚一次性支付一笔赔偿金,并承诺根据协议支付后续专利费。当时,双方都没有对外公布具体的数字。
有银行分析师根据行业经验表示,苹果向诺基亚一次性支付的赔偿金大概在4.2亿欧元。并且该分析师根据专利标准和iPhone当时的销量称,苹果每个季度可能都会向诺基亚支付9500万欧元的后续费用。注意,这是2011年的情况,从iPhone后续销量不断走高的业绩看,在后来,苹果支付的费用可能大于9500万欧元。
在专利战上败给诺基亚的还有同为老牌手机制造商的黑莓,于2012年的时候,黑莓同意与诺基亚和解,并向诺基亚支付专利费用。
作为霸占手机王者宝座十余载的巨头,诺基亚的专利遍布2G、3G、4G,并且,诺基亚的专利中,高含金量的发明专利的比例不低,截至2014年11月,诺基亚的发明专利授权数量七倍于苹果、八倍于HTC。
所以,实际上,要向诺基亚支付专利费用的厂商又何止以上几家。2014年时,研究机构ValueWalk曾统计,包括苹果、三星、HTC、黑莓、LG、索尼、摩托罗拉、华为等近40家公司都需要向诺基亚缴纳专利授权费。
进入2016年后,关于诺基亚可能重新推出印着NOKIA logo的智能手机的消息不绝于耳,如何平衡自家手机与专利授权的收入,将是诺基亚将面临的一大问题。因为一旦重返智能手机市场,诺基亚就可能需要拿出自家的专利与竞争对手的专利进行互相授权。这对诺基亚而言,就得好好斟酌一下了。
一定程度上,专利授权所获得的收入已经成了一些昔日霸主的营收主要组成部分。以爱立信为例,上月,爱立信宣布与苹果达成专利授权协议,新协议使爱立信2015年知识产权营收占总营收的比重上升到了40%,受此消息利好,爱立信的股价大涨。诺基亚在这方面的收入相比爱立信,更不遑多让。
一代手机巨头,不再生产手机后,却以这样的方式继续影响着手机的江湖。真可谓,“哥已经不在江湖,但江湖依然流传着哥的传说”。
好文章,需要你的鼓励
AIM Intelligence联合多所知名大学揭示了音频AI系统的重大安全漏洞,开发出名为WhisperInject的攻击方法。这种攻击能让看似无害的音频指令操控AI生成危险内容,成功率超过86%,完全绕过现有安全机制。研究暴露了多模态AI系统的系统性安全风险,对全球数十亿智能设备构成潜在威胁。
新加坡国立大学研究团队系统梳理了视觉强化学习领域的最新进展,涵盖超过200项代表性工作。研究将该领域归纳为四大方向:多模态大语言模型、视觉生成、统一模型框架和视觉-语言-动作模型,分析了从RLHF到可验证奖励范式的政策优化策略演进,并识别出样本效率、泛化能力和安全部署等关键挑战,为这一快速发展的交叉学科提供了完整的技术地图。
浙江大学研究团队通过OmniEAR基准测试揭示了当前AI模型在物理世界推理方面的严重缺陷。测试显示,即使最先进的AI在明确指令下能达到85-96%成功率,但面对需要从物理约束推断行动的任务时,成功率骤降至56-85%。研究发现信息过载反而降低AI协作能力,监督学习虽能改善单体任务但对多智能体协作效果甚微,表明当前架构存在根本局限性。
纽约大学和Aimpoint Digital Labs的研究团队首次揭示了Transformer模型训练中"大规模激活"的完整发展轨迹。这些影响力比普通激活大千倍的"超级激活"遵循可预测的数学规律,研究者开发出五参数公式能以98.4%准确率预测其变化。更重要的是,通过调整模型架构参数如注意力密度、宽深比等,可以在训练前就预测和控制这些关键激活的行为,为设计更高效、量化友好的AI模型提供了全新工具。