CNET科技资讯网 4月22日 北京消息(文/齐丰润): 亲爱的读者朋友们,我想死你们了!虽然《IT老外在中国》和读者们已经有一段时间没见了,但是短暂的离别才会让相聚更有味道,不是么?小编我如此有味道的向大家飞奔而来,不知道大家闻到了没有,但不管怎样,我都相信读者与《IT老外在中国》之间的小船终有一天会升级成为豪华游轮!
闲聊、叙旧结束,正事还是要干的,让我们一起来认识一下本期的《IT老外在中国》的嘉宾。
本期嘉宾名叫Jonas Nickel,中文名叫聂远思,如果用一个词形容他的话,我觉得应该就是爱热闹,他住在三里屯——北京最繁华的地方之一,而他也非常享受在喧嚣之中生活的状态。
Jonas第一次来中国是在2008年,主要是在首都师范大学学习,经过了一年的学习之后,他便回到了德国并在一家企业实习。后来在攻读硕士期间,他又来到中国并在武汉大学进行了一段时间的学习,正是这两段留学生涯为Jonas打下了相当好的汉语功底,而他对自己的汉语水平也很有自信。
Jonas现在在IGEL Technology公司担任销售经理的工作,这是一家来自德国的工作空间解决方案提供商和瘦客户机、零客户机供应商,而在这之前,Jonas则是在华为位于德国杜塞尔多夫的分部从事技术类相关的工作。谈到来到中国从事新工作的原因,Jonas觉得之前在华为的工作虽然帮他积累了技术方面的技能,但他发现自己更适合与客户直接接触和沟通。于是他开始尝试销售方面的工作,现在他对自己的这份工作特满意。
而除了喜欢与人接触之外,环保也是他来到IGEL的原因之一:“我对IT很感兴趣,而且我也喜欢我们公司的商品,我们的产品很节能,非常绿色环保,和传统 PC 相比,我们的产品能将能耗降低70%。而且在这个公司工作,可以让我去到很多不同的地方,我可以看到很多新的地方,可以认识很多新的朋友,感受很多不同的国家,我很喜欢这样的感觉。”
Jonas对德国和中国都比较了解,并精通多国语言,他现在的主要职责是帮助中国的同事进行商务方面的工作,同时他还身处三个团队之中。“我现在在中国团队、澳大利亚团队和亚洲团队这三个不同的团队中工作,而且团队的组成也很全面和丰富,从事各个职务的同事都有。而在这些的团队工作中,我可以认识很多不同的拍档,很多新的客户,这都让我觉得非常有意思。”
Jonas觉得在他工作的传统瘦客户机和零客户机领域之中,中国市场的竞争非常激烈,不过IGEL 解决方案的定位也清晰可见。“IGEL在中国的知名度还在不断提高中,不过在国际市场上和IDC 等专业机构的眼中,我们早已是广受认可的市场领导者之一。这主要得感谢 IGEL 领先的技术和德国好的设计和工程水平。有许多中国的本土企业都在做瘦客户机业务,而且它们在价格方面也很便宜,而这一点对于中国消费者的影响还是很大的。”
“和很多成功的德国公司一样,我们的售价不是最低,但在产品的质量和技术研发上非常用心,我们研发的工作空间管理解决方案 Managed Workspace 非常先进,已经超越了传统瘦客户机市场的范畴。想象一下,我们的软件安装在客户现有的旧硬件上,就可以提供和IGEL 硬件产品一样的使用体验,并且还能用我们的管理解决方案统一管理。” Jonas对自己公司的产品相当有信心。
对于外国人来说,中国文化一直都有着强大的吸引力,这在Jonas身上也不例外。他非常喜欢中国,尤其是北京,因为他觉得这个城市很有文化底蕴,“我周末的时候会去胡同儿转转,我很喜欢这样的地方,很有文化气息。”
说到中国的食物,Jonas则显得异常兴奋,“中国菜非常好吃,我最喜欢烤鸭,简直太美味了,煎饼和炸酱面也非常好吃。我非常喜欢吃羊肉串儿,经常会在下班的路上买一些来吃,这些东西都太好吃了,但是在德国都没有。”
身为一个IT人,Jonas对于电子产品也颇为关注,从他手上戴着的MOTO 360智能手表就可以看出他是一个IT数码达人。“我对智能产品都很感兴趣,尤其是智能手机,我非常关注。中国有很多很好的手机品牌,这些手机的质量也变得越来越好了。”
身为一个德国人,啤酒和足球绝对是他们不可或缺的两个组成部分。我们的采访就定在三里屯的一个酒吧里进行,侃到足球就自然聊起了两个月后将要到来的欧洲杯,首先Jonas对于德国队很有信心,其次他还比较看好西班牙和意大利。
其实我于Jonas两个人的采访时间并没有很长,但是颇为健谈的他在采访结束后又与我闲聊了很长时间,我们从电影聊到游戏,又从游戏聊到音乐,他的爱好多到数不过来,风趣、健谈又喜欢热闹,“我平时休息的话会和朋友一起去酒吧,听听Live Music,我喜欢Rock和Hip-Pop,中国的流行音乐总给人软绵绵的感觉,我更喜欢有力量的音乐。”
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。