CNET科技资讯网 4月12日 国际报道:身陷苹果公司专利纠纷之中的高通公司,选择主动回击。美国当地时间4月10日(星期一),芯片制造商高通公司在长达134页的法律文件中回应了苹果公司专利诉讼,并提出反诉,还提出了具体金额不详的损害赔偿。
在诉讼文件中,高通公司否认苹果公司于今年1月提出的诉讼中所列出的“每项指控”,并且提出了35项不同的抗辩事由。
高通公司强调,“苹果公司的目标很明确——即利用自身强大势力迫使高通公司接受低于行业公允价值的专利授权许可费,然而正是这些技术推动了蜂窝技术的创新,并帮助苹果公司创造了超过7600亿美元的iPhone销售收入。”
高通再诉:“就苹果遭受损害来说,即使有的话,全部损害也都是由苹果公司自己的行为造成的。”高通公司还提到它们在技术研发上投入的大量前期投资,及其为移动行业发展所贡献的创新。
高通另指责苹果公司违约,干涉高通公司与苹果合同制造商之间的协议和关系。此外,苹果公司通过曲解事实和提供不实声明,鼓动政府机构对高通的业务发起攻击来,伤害高通公司。
高通公司还披露,苹果公司不惜通过限制iPhone 7中的高通芯片的性能,使其表现与英特尔芯片相差不多(苹果公司在一些大受欢迎的智能手机版本中选择使用两家公司的调制解调器),而伤害消费者的利益。高通公司表示,苹果公司威胁它不要做有关“高通芯片支持的iPhone具有更卓越性能”的公开比较。
高通公司执行副总裁兼总法律顾问唐·罗森伯格(Don Rosenberg)在声明中表示,“在过去十年中,苹果公司通过其大受欢迎的产品与服务为消费者带来移动通信技术益处过程中发挥了重要作用。但是,如果不依靠高通公司的核心蜂窝通信技术,苹果公司不可能打造出如此成功的iPhone系列手机,也不可能因此成为世界上盈利能力最强的公司并获取全智能手机行业超过90%的利润。”
高通公司是全球最大的移动芯片提供商之一,它创造了一些连接手机和蜂窝网络的基本标准。该公司的一项业务收入来自于向数百家手机制造商和其他公司许可专利技术。苹果公司设计iPhone和iPad中所用的处理器,但从高通公司购买芯片连接4G LTE和其他蜂窝网络。
对于去年下半年发布的iPhone 7和7 Plus,苹果公司还开始从另一家供应商英特尔购买4G LTE芯片。因为英特尔芯片同样使用了高通公司的一些基础专利技术,所以苹果公司也需要为那些专利技术向高通支付许可费。也就是说,苹果公司必须为在其手机中使用高通专利技术承担成本,无论手机中包含的芯片是否来自高通。
高通公司在文件中表示,公司在过去三十多年中投入超过440亿美元进行研发,拥有近2万名工程师。其专利组合包含全球超过13万多项专利申请和技术应用。
文件中还陈述,“高通公司发明了在2G、3G和4G蜂窝通信中处于核心地位的基本技术,正引领行业迎接5G。公司已经贡献几乎每部现代蜂窝手机中所用到的其他大量创新。”
整件事情的源头,发生在2017年1月份,苹果公司在美国正式起诉了高通公司,声称该移动芯片制造商没有为其专利技术提供公平许可条款。苹果公司还表示高通公司企图通过扣留10亿美元返款惩罚它在韩国调查高通许可实践过程中进行的合作。
苹果公司希望法院降低它向高通公司支付的许可费用,并责令其退还10亿美元。该公司在起诉书中表示,其应付高通公司的专利许可费,需按照高通公司具体贡献付费,而非为其他专利持有方的贡献向其付费。目前,高通公司专利许可费基于手机整机销售价格而非部件计费。
除美国诉讼之外,苹果公司还在中国和英国起诉高通。
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。