成為全球PC市場的老大、收購IBM X86服務(wù)器業(yè)務(wù)、收購摩托羅拉移動…這些都是聯(lián)想在去年交給用戶的答卷,這一系列的動作也使得聯(lián)想被推到了風口浪尖,大家都關(guān)注著聯(lián)想下一個“大招”會是什么。
聯(lián)想在近日召開了“大客戶PC業(yè)務(wù)研討會”,聯(lián)想集團中國區(qū)大客戶事業(yè)部PC產(chǎn)品營銷總經(jīng)理王立平在會后與記者們深度溝通了聯(lián)想大客戶桌面級產(chǎn)品的最新消息和未來的發(fā)展規(guī)劃,也對記者提出的問題進行了解答。
聯(lián)想客戶顧問委員會(簡稱CAC)是聯(lián)想在全球范圍內(nèi)建立的客戶需求反饋機制,希望通過與客戶的探討,為聯(lián)想產(chǎn)品提供持續(xù)不斷的創(chuàng)新源泉。
王立平表示,通過CAC這個形式,形成了一個完成的流程。首先聯(lián)想會根據(jù)產(chǎn)品線來看未來的產(chǎn)品趨勢與現(xiàn)在的重點產(chǎn)品,進一步與客戶溝通,每個季度都會有重點;之后請目標客戶加入CAC分享觀點,與客戶有更深層次的交流;最后根據(jù)客戶的反饋進行總結(jié),歸納出哪些產(chǎn)品更有價值,在反饋給產(chǎn)品部門。
據(jù)了解,聯(lián)想中國區(qū)從2011年1月第一次舉辦CAC至今,已在包括北京、廣州、深圳等多個城市舉辦了15次會議。王立平說道,中國市場很大,不同區(qū)域的客戶需求不太一樣,所以聯(lián)想會選擇不同的城市舉辦CAC,希望聽到客戶不同的聲音。
小型化是聯(lián)想引領(lǐng)的市場趨勢,王立軍在會上反復強調(diào)。
小Q是聯(lián)想在去年推出的產(chǎn)品,目前在北美市場占有率已達到了30%,它的體積僅有一升,在節(jié)能、擴展性、散熱等方面都有良好的表現(xiàn),受到了越來越多用戶的喜愛。
小Q可以經(jīng)受住冰與火的“拷打”,小Q置身在冰柜與烤箱中,熱然可以正常工作。
據(jù) Gartner發(fā)布的數(shù)據(jù)顯示, 2013年全年全球 PC出貨量僅為 3.159億臺,較上年同期下滑 10%,創(chuàng)造了歷史年度最大跌幅。實際上截止到 2013年第四季度,全球 PC銷量連續(xù)第七個季度出現(xiàn)下滑。
在這種情況下,聯(lián)想?yún)s逆勢而上,在去年成為全球PC市場的老大。
王立平在接受CNET訪問時表示,聯(lián)想依然保持著清晰的戰(zhàn)略,首先是產(chǎn)品的創(chuàng)新能力,其次是清晰的業(yè)務(wù)戰(zhàn)略,最后是強大的執(zhí)行能力。在過去的兩個季度中,聯(lián)想大客戶市場是增長的,他認為商用PC市場的客戶需求比較穩(wěn)定,很多商用客戶還是會使用筆記本來辦公,而臺式機也比較穩(wěn)定。聯(lián)想又業(yè)界優(yōu)秀的產(chǎn)品組合,優(yōu)秀、個性化的產(chǎn)品確保了聯(lián)想的市場份額,同時給力的銷售團隊與渠道團隊也保證了聯(lián)想在PC不景氣的大環(huán)境下依然有良好的表現(xiàn)。而且在商用平板領(lǐng)域聯(lián)想也會加強布局,今年聯(lián)想還會關(guān)注Windows8平板電腦,確保在市場中保持領(lǐng)先地位。
好文章,需要你的鼓勵
新加坡國立大學研究團隊開發(fā)了SPIRAL框架,通過讓AI與自己對弈零和游戲來提升推理能力。實驗顯示,僅訓練AI玩簡單撲克游戲就能讓其數(shù)學推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學題目作為訓練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉(zhuǎn)移到數(shù)學解題中,為AI訓練提供了新思路。
同濟大學團隊開發(fā)的GIGA-ToF技術(shù)通過融合多幀圖像的"圖結(jié)構(gòu)"信息,創(chuàng)新性地解決了3D相機噪聲問題。該技術(shù)利用圖像間的不變幾何關(guān)系,結(jié)合深度學習和數(shù)學優(yōu)化方法,在合成數(shù)據(jù)集上實現(xiàn)37.9%的精度提升,并在真實設(shè)備上展現(xiàn)出色泛化能力,為機器人、AR和自動駕駛等領(lǐng)域提供更可靠的3D視覺解決方案。
伊利諾伊大學研究團隊通過對比實驗發(fā)現(xiàn),經(jīng)過強化學習訓練的視覺語言模型雖然表現(xiàn)出"頓悟時刻"現(xiàn)象,但這些自我糾錯行為并不能實際提升推理準確率。研究揭示了AI模型存在"生成-驗證差距",即生成答案的能力強于驗證答案質(zhì)量的能力,且模型在自我驗證時無法有效利用視覺信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過動態(tài)稀疏性實現(xiàn)大語言模型訓練加速1.6倍,計算成本降低2.2倍。該方法使用SVD稀疏性估計器智能選擇重要計算部分,在保持模型性能的同時顯著提升訓練效率,已在多個任務(wù)上驗證有效性。