聯(lián)想正在移動市場全速前進。
30日晚7點,聯(lián)想董事長兼CEO楊元慶在芝加哥以視頻連線的方式,向媒體記者宣布,聯(lián)想已經(jīng)正式完成對摩托羅拉手機業(yè)務的收購,后者將成為聯(lián)想的全資子公司。
今年1月30日,聯(lián)想宣布以29億美元收購谷歌旗下的摩托羅拉移動部門,而這距離收購IBM x86服務器業(yè)務,僅僅過去了一周時間。收購完成后,聯(lián)想將成為中國最大智能手機廠商,世界排名第三。
一方面,聯(lián)想希望進一步占領終端設備,不管是智能手機、平板電腦、筆記本電腦、臺式機亦或是未來的可穿戴設備,現(xiàn)在每塊版圖已經(jīng)先后就位;另一方面,一系列大膽收購讓聯(lián)想朝著端到端戰(zhàn)略更邁進了一步,從智能手機、PC一直到數(shù)據(jù)中心。
“風好正揚帆”,楊元慶說,摩托羅拉加入聯(lián)想之后將成為新的增長引擎,聯(lián)想將擁有摩托羅拉3500名員工、2000項專利、移動品牌、商標組合以及全球50多家運營商的合作關系都將歸于由劉軍領導的聯(lián)想移動業(yè)務集團。
“從戰(zhàn)略上,聯(lián)想與摩托羅拉的優(yōu)勢高度互補。”元慶大力肯定了摩托羅拉的價值,稱它是聯(lián)想加入歐美成熟市場的必要條件,而聯(lián)想將幫助摩托羅拉重新殺回中國市場。
元慶在致內部員工信中這樣寫道:“聯(lián)想不再僅僅是個人電腦廠商。我們已經(jīng)準備就緒,將在包括個人電腦、平板電腦、智能手機、智能電視和后臺基礎設施在內的全設備市場與對手一決高下。摩托羅拉是聯(lián)想最重要的增長支柱之一,是我們的戰(zhàn)略的核心部分,而不是可有可無的邊緣業(yè)務。”
對于接下來的運營,負責人劉軍稱,完成收購之后的第一件事,就是最大限度發(fā)揮兩個品牌的優(yōu)勢,讓摩托重新回歸中國。
劉軍認為,聯(lián)想和摩托羅拉有非常不同的品牌定位,摩托羅拉與谷歌形成了原生態(tài)體驗,而和聯(lián)想的合作可進一步完善用戶體驗。“摩托羅拉的加入將使聯(lián)想移動業(yè)務如虎添翼,標志著聯(lián)想移動業(yè)務集團正式邁向發(fā)展的第三階段,也就是成為全球市場有力的競爭者。”
在他看來,谷歌收購摩托意在專利,但在硬件領域有些水土不服,而聯(lián)想從硬件設備起家,有更好的能力把它做好,使其成為聯(lián)想一個重要的利潤貢獻者。
對于摩托羅拉加入聯(lián)想后是否能如愿發(fā)揮其價值,元慶在致員工信中這樣寫道:“曾幾何時,幾乎沒有人相信我們能夠成為個人電腦行業(yè)的第一名,但我們做到了。今天,恐怕同樣有人會對我們在智能手機領域的夢想抱有懷疑態(tài)度。但是,我們有行之有效的成功方程式:正確的戰(zhàn)略,創(chuàng)新的產(chǎn)品,卓越的運營和多元化的全球團隊及文化。現(xiàn)在,我們又有了一個最重要的元素:摩托羅拉移動全球團隊!”
相信經(jīng)過今晚,經(jīng)過最近一系列重要收購之后,聯(lián)想不管是在前端還是后端,都有很繁重的整合工作要做,如何把移動業(yè)務平滑地整合到一套完整的解決方案中,這是值得我們期待的。
好文章,需要你的鼓勵
浙江大學團隊提出動態(tài)專家搜索方法,讓AI能根據(jù)不同問題靈活調整內部專家配置。該方法在數(shù)學、編程等任務上顯著提升推理準確率,且不增加計算成本。研究發(fā)現(xiàn)不同類型問題偏愛不同專家配置,為AI推理優(yōu)化開辟新路徑。
清華大學研究團隊提出SIRI方法,通過"壓縮-擴張"交替訓練策略,成功解決了大型推理模型"話多且準確率低"的問題。實驗顯示,該方法在數(shù)學競賽題上將模型準確率提升43.2%的同時,輸出長度減少46.9%,真正實現(xiàn)了效率與性能的雙重優(yōu)化,為AI模型訓練提供了新思路。
南洋理工大學與騰訊聯(lián)合研究團隊開發(fā)出Rolling Forcing技術,實現(xiàn)AI視頻實時流式生成的重大突破。該技術通過滾動窗口聯(lián)合去噪、注意力錨點機制和高效訓練算法三項創(chuàng)新,解決了長視頻生成中的錯誤累積問題,可在單GPU上以16fps速度生成多分鐘高質量視頻,延遲僅0.76秒,質量漂移指標從傳統(tǒng)方法的1.66降至0.01,為交互式媒體和內容創(chuàng)作開辟新可能。
華中科技大學研究團隊發(fā)現(xiàn),通過讓AI模型學習解決幾何問題,能夠顯著提升其空間理解能力。他們構建了包含約30000個幾何題目的Euclid30K數(shù)據(jù)集,使用強化學習方法訓練多個AI模型。實驗結果顯示,幾何訓練在四個空間智能測試基準上都帶來顯著提升,其中最佳模型達到49.6%準確率,超越此前最好成績。這項研究揭示了基礎幾何知識對培養(yǎng)AI空間智能的重要價值。