現(xiàn)如今,企業(yè)CIO在采購終端產(chǎn)品時已經(jīng)不再局限于筆記本跟臺式機,平板電腦、2合1等設備也在考慮的范圍內(nèi)。不過,不同行業(yè)的不同業(yè)務部門,以及不同規(guī)模的企業(yè)對不同層次商用客戶端的需求卻日益區(qū)隔化,如何選擇適合不同業(yè)務需求的商用客戶端已成為企業(yè)CIO的挑戰(zhàn)。
近期,英特爾在京啟動了2014年商用客戶端區(qū)域巡展活動,將與宏碁、華碩、戴爾、惠普、聯(lián)想等合作伙伴在北京、重慶、上海、南京、廣州、廈門、杭州等七大城市巡展上相繼亮相。
此次巡展旨在讓包括金融、教育、醫(yī)療、制造等各行業(yè)的企業(yè)用戶了解2014年最新的商用客戶端產(chǎn)品和熱點趨勢,協(xié)助IT經(jīng)理尋求最佳商用解決方案,從而提升企業(yè)、行業(yè)高效生產(chǎn)力以及移動辦公生產(chǎn)力。
英特爾中國北方區(qū)業(yè)務發(fā)展經(jīng)理 薛寶源
英特爾中國北方區(qū)業(yè)務發(fā)展經(jīng)理薛寶源表示,商用客戶端銷量的快速增長直接反映了企業(yè)對提高移動性的需求,而金融行業(yè)的特殊性則對移動終端兼容性、穩(wěn)定性和安全性提出了更高的要求。英特爾將攜手合作伙伴前行,用領先的行業(yè)技術加速商用解決方案的部署,幫助企業(yè)擁抱商用辦公。
作為此次巡展的重要合作伙伴,聯(lián)想公司在此次主題演講上,分享了在保險業(yè)、銀行業(yè)、證券業(yè)等移動金融細分市場的定制化解決方案。
英特爾資深企業(yè)客戶經(jīng)理 曹津
會后,英特爾中國北方區(qū)業(yè)務發(fā)展經(jīng)理薛寶源與英特爾資深企業(yè)客戶經(jīng)理曹津與媒體進行了深入交流。
創(chuàng)建生態(tài)系統(tǒng),幫助客戶少走彎路。企業(yè)部署移動化解決方案時,常常遇到兩點困惑,一是客戶對做移動互聯(lián)的終極目的想不清楚,所以在投入、產(chǎn)出分析方面做得不夠透徹,極易造成投入前期非常積極,后來突然丟失興趣的情況;二是,有一些客戶缺乏頂層設計和系統(tǒng)思考,可能開始的時候覺得有某種需求,但是隨后又發(fā)現(xiàn)跟后臺并沒有真正關聯(lián)起來。曹津表示,英特爾在移動解決方案市場中,希望搭建從硬件的基礎架構、軟件、操作系統(tǒng)、ISV、客戶這樣的生態(tài)系統(tǒng),把英特爾的產(chǎn)品設計理念融入到客戶發(fā)展的計劃和理念當中,從而幫助客戶少走彎路。薛寶源補充道,現(xiàn)在英特爾有一個想法,就是客戶在部署移動化解決方案之前先進行測試,通過測試了解客戶的需求是否完善,再把晚上的解決方案應用到公司的業(yè)務體系中。
英特爾今年的重點——平板電腦。英特爾在2014年會全力推進平板電腦這一核心戰(zhàn)略,科再奇也在今年的IDF上訂立了今年英特爾在平板電腦市場的目標(4倍成長計劃),即2014年平板電腦出貨量增至四千萬臺。曹津說起,從前英特爾的會議只是針對行業(yè)或者產(chǎn)品,而現(xiàn)在英特爾已經(jīng)開始對行業(yè)進行細分,有目的的把產(chǎn)品推薦給企業(yè)客戶。
為終端設備提供更安全的防護措施。講到移動終端的安全問題,曹津表示,安全問題一直是英特爾的重點,主要通過三個層面來解決,一是芯片內(nèi)部,英特爾有IPT(身份保護技術),是通過底層代碼的安全校驗的代碼機制;二是在軟件層面,英特爾有收購的McAfee病毒軟件,它從防病毒、安全、加密、防火墻對郵件系統(tǒng)的保護都對系統(tǒng)有非常好的保護;三是與一些ISV廠商的合作,確保應用是最安全的。
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技術通過融合多幀圖像的"圖結構"信息,創(chuàng)新性地解決了3D相機噪聲問題。該技術利用圖像間的不變幾何關系,結合深度學習和數(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,并在真實設備上展現(xiàn)出色泛化能力,為機器人、AR和自動駕駛等領域提供更可靠的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等頂尖機構聯(lián)合提出SparseLoRA技術,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,已在多個任務上驗證有效性。