今日,雷军发出内部邮件宣布了小米集团最新的组织架构调整和人事任命。这是小米上市之后的首次重大调整,也是小米成立以来最大的组织架构变革。
关于为什么做出调整,雷军在内部邮件中开宗明义:“经过8年奋斗,小米已经成为了营收过千亿,员工近两万人的公众公司。为保障公司可持续的发展,我们必须把组织管理、战略规划放到头等位置,建立更具前瞻的战略领航与更坚实有力的组织保障能力。”
雷军表示,小米的愿景是让每个人都能享受科技带来的美好生活,未来要成为营收万亿的公司,而达成这一目标预计需要十万员工,必须依靠更多的人才。为此,小米需要进一步强化总部管理职能,提升组织效率,优化组织结构,强化公司人才梯队建设,发掘更多年轻人才并给予更多提升的机会。
为此小米组织架构做出重大变革,新设集团参谋部和集团组织部,进一步增强总部管理职能,并同时调整王川、刘德、洪锋和尚进等高管的工作分工;改组电视部、生态链部、MIUI部和互娱部等四个业务部重组成十个新的业务部,一大批80后年轻高管走上前台。总结起来就是,加强总部管理职能,让合伙人回到集团,把一线业务阵地交给年轻人,同时从战略和公司管理层面为年轻的管理者引路护航。
值得一提的是,小米成为了继华为和阿里之后,第三家专门设立组织部的巨头公司。雷军表示,小米要成为万亿营收的公司,首先要做的就是增强大脑能力,将经验丰富、年富力强的核心高管集中在总部工作。因此新设集团参谋部和集团组织部,也是此次小米架构改革的重中之重,担负组织管理和战略规划的重要职能。
其中集团组织部将负责中高层管理干部的聘用、升迁、培训和考核激励等,以及各个部门的组织建设和编制审批,由联合创始人、高级副总裁刘德任部长。集团参谋部将协助CEO制定集团的发展战略,并督导各个业务部门的战略执行,由联合创始人、高级副总裁王川任参谋长。此前刘德负责小米生态链业务,王川负责小米电视业务,两人将继续在总部担负更重要的职能,直接向雷军汇报。
此外,小米部分高管也将转任,带领新业务的长远发展。其中联合创始人、高级副洪锋转任小米金融董事长兼CEO,专注小米金融业务的发展推进;副总裁尚进尚进协助高级副总裁祁燕负责小米产业园及各个区域总部的规划和建设。
小米另一个大动作,是将电视部、生态链部、MIUI部和互娱部四个业务部重组成十个新的业务部,梳理了复杂的业务结构,同时让组织结构更合理、有序、高效。雷军宣布了如下任命:组建电视部,李肖爽为总经理;组建生态链部,屈恒为总经理,赵彩霞为副总经理;组建笔记本电脑部,马强为总经理,刘新宇为副总经理;组建智能硬件部,唐沐为总经理;组建Iot平台部,范典为总经理,陈波、赵欣然为副总经理;组建有品电商部,高自光为总经理;组建互联网一部,李伟星为总经理;组建互联网二部,仇睿恒为总经理;组建互联网三部,于锴为总经理;组建互联网四部,白鹏为总经理。各业务部总经理直接汇报给雷军。
由此带来的一个明显变化是,一大批年轻干部走上前台。新晋的一批部门总经理以80后为主,平均年龄38.5岁,表明小米正朝着干部年轻化的方向演进,做好了人才梯队的传承准备。
“没有老兵,没有传承。没有新军,没有未来。”雷军在内部邮件中表示,早在年初小米就决定着手培养、提拔一大批年轻的管理干部,构建更具活力、更有进取心的各级前线指挥团队。“这次的调整,就是这项工作第一阶段成果的展现。”雷军还表示,希望小米的未来将星云集,更多的人才像创业初期一样涌现出来建功立业。
清华大学经管学院胡左浩教授表示,小米此次组织架构调整及团队年轻化是围绕着企业的使命、愿景进行的,非常及时且很有预见性。“团队年轻化符合互联网公司业务特性,加之以业务调整及组织支持,能够更大限度地发挥干部队伍效能。”胡左浩说。
好文章,需要你的鼓励
这项研究利用大语言模型解决科学新颖性检测难题,南洋理工大学团队创新性地构建了闭合领域数据集并提出知识蒸馏框架,训练轻量级检索器捕捉想法层面相似性而非表面文本相似性。实验表明,该方法在市场营销和NLP领域显著优于现有技术,为加速科学创新提供了有力工具。
un?CLIP是一项创新研究,通过巧妙反转unCLIP生成模型来增强CLIP的视觉细节捕捉能力。中国科学院研究团队发现,虽然CLIP在全局图像理解方面表现出色,但在捕捉细节时存在不足。他们的方法利用unCLIP生成模型的视觉细节表示能力,同时保持与CLIP原始文本编码器的语义对齐。实验结果表明,un?CLIP在MMVP-VLM基准、开放词汇语义分割和视觉中心的多模态任务上显著优于原始CLIP和现有改进方法,为视觉-语言模型的发展提供了新思路。
这项研究介绍了RPEval,一个专为评估大语言模型角色扮演能力而设计的新基准。研究团队从法国里尔大学开发的这一工具专注于四个关键维度:情感理解、决策制定、道德对齐和角色一致性,通过单轮交互实现全自动评估。研究结果显示Gemini-1.5-Pro在总体表现上领先,而GPT-4o虽在决策方面表现出色,但在角色一致性上存在明显不足。这一基准为研究人员提供了一个可靠、可重复的方法来评估和改进大语言模型的角色扮演能力。
这篇论文介绍了LegalSearchLM,一种创新的法律案例检索方法,将检索任务重新定义为法律要素生成。研究团队构建了LEGAR BENCH数据集,涵盖411种犯罪类型和120万案例,并开发了能直接生成关键法律要素的检索模型。实验表明,该模型在准确率上超越传统方法6-20%,且在未见犯罪类型上展现出强大泛化能力。这一突破为法律专业人士提供了更高效、精准的案例检索工具。