今天我們討論的是PC。PC是什么?這個(gè)問(wèn)題似乎有著非常多的定義。
對(duì)于PC的定義,就像“行星”這個(gè)詞的定義一樣,乍看之下,你覺(jué)得很明確很清晰,大家都了解,但細(xì)想下來(lái),你會(huì)覺(jué)得掉進(jìn)了一個(gè)陷阱,沒(méi)有人能給出一個(gè)準(zhǔn)確定義。
從狹義的角度來(lái)說(shuō),PC指的是運(yùn)行在英特爾x86架構(gòu)上,同時(shí)運(yùn)行Windows的臺(tái)式機(jī)、筆記本、一體機(jī)、超極本等,在IDC和Gartner的數(shù)據(jù)統(tǒng)計(jì)中,他們往往也將這一定義的產(chǎn)品列入到PC范疇中,然而這樣的定義是否準(zhǔn)確呢?當(dāng)然,有更加宏觀的定義,就是PC=個(gè)人計(jì)算設(shè)備,如果我們采用這種定義,那么智能手機(jī)和平板電腦無(wú)疑也屬于PC的一種,但今天我們要討論的PC并不是這些。
如果我們?nèi)V義和狹義的中間值來(lái)定義PC,也就是大眾俗稱(chēng)的“電腦”,或許更容易接受,這個(gè)定義就是形態(tài)包含:臺(tái)式機(jī)、筆記本、超極本、一體機(jī)的產(chǎn)品,同時(shí)不限制產(chǎn)品的物理處理器架構(gòu),不限定產(chǎn)品的操作系統(tǒng),也就是說(shuō),不論是x86架構(gòu)還是ARM架構(gòu),不論運(yùn)行的是Windows、Linux還是MacOS,或者是DOS、Chrome OS,只要形態(tài)符合這樣的設(shè)備,我們都稱(chēng)其為電腦,這也許是大多數(shù)人心目中對(duì)于電腦的理解。
毫無(wú)疑問(wèn),在過(guò)去的一兩年中,PC市場(chǎng)正在發(fā)生著一個(gè)巨大的變化,PC這個(gè)產(chǎn)品從出貨量的角度來(lái)看急劇衰退,去年的四個(gè)季度,每個(gè)季度都達(dá)到了兩位數(shù)的下滑,整個(gè)產(chǎn)業(yè)都在唱衰PC,甚至連PC廠商們都在猶豫是否要放棄PC,索尼將VAIO業(yè)務(wù)出售就是其中一個(gè)明顯的例子。
很多人認(rèn)為,平板電腦是導(dǎo)致PC的衰亡,平板電腦讓PC的出貨量不斷走低。
然而,事實(shí)真的如我們看到的嗎?真的是因?yàn)榇蠹沂褂昧似桨?,讓PC走向沒(méi)落嗎?這就是我們今天要為大家還原的事實(shí)真相,也希望給一些從業(yè)者帶來(lái)不一樣的警示。
好文章,需要你的鼓勵(lì)
浙江大學(xué)團(tuán)隊(duì)提出動(dòng)態(tài)專(zhuān)家搜索方法,讓AI能根據(jù)不同問(wèn)題靈活調(diào)整內(nèi)部專(zhuān)家配置。該方法在數(shù)學(xué)、編程等任務(wù)上顯著提升推理準(zhǔn)確率,且不增加計(jì)算成本。研究發(fā)現(xiàn)不同類(lèi)型問(wèn)題偏愛(ài)不同專(zhuān)家配置,為AI推理優(yōu)化開(kāi)辟新路徑。
清華大學(xué)研究團(tuán)隊(duì)提出SIRI方法,通過(guò)"壓縮-擴(kuò)張"交替訓(xùn)練策略,成功解決了大型推理模型"話多且準(zhǔn)確率低"的問(wèn)題。實(shí)驗(yàn)顯示,該方法在數(shù)學(xué)競(jìng)賽題上將模型準(zhǔn)確率提升43.2%的同時(shí),輸出長(zhǎng)度減少46.9%,真正實(shí)現(xiàn)了效率與性能的雙重優(yōu)化,為AI模型訓(xùn)練提供了新思路。
南洋理工大學(xué)與騰訊聯(lián)合研究團(tuán)隊(duì)開(kāi)發(fā)出Rolling Forcing技術(shù),實(shí)現(xiàn)AI視頻實(shí)時(shí)流式生成的重大突破。該技術(shù)通過(guò)滾動(dòng)窗口聯(lián)合去噪、注意力錨點(diǎn)機(jī)制和高效訓(xùn)練算法三項(xiàng)創(chuàng)新,解決了長(zhǎng)視頻生成中的錯(cuò)誤累積問(wèn)題,可在單GPU上以16fps速度生成多分鐘高質(zhì)量視頻,延遲僅0.76秒,質(zhì)量漂移指標(biāo)從傳統(tǒng)方法的1.66降至0.01,為交互式媒體和內(nèi)容創(chuàng)作開(kāi)辟新可能。
華中科技大學(xué)研究團(tuán)隊(duì)發(fā)現(xiàn),通過(guò)讓AI模型學(xué)習(xí)解決幾何問(wèn)題,能夠顯著提升其空間理解能力。他們構(gòu)建了包含約30000個(gè)幾何題目的Euclid30K數(shù)據(jù)集,使用強(qiáng)化學(xué)習(xí)方法訓(xùn)練多個(gè)AI模型。實(shí)驗(yàn)結(jié)果顯示,幾何訓(xùn)練在四個(gè)空間智能測(cè)試基準(zhǔn)上都帶來(lái)顯著提升,其中最佳模型達(dá)到49.6%準(zhǔn)確率,超越此前最好成績(jī)。這項(xiàng)研究揭示了基礎(chǔ)幾何知識(shí)對(duì)培養(yǎng)AI空間智能的重要價(jià)值。