
第六屆“Qualcomm大中華區(qū)高校合作科研項目研討會”期間,來自內(nèi)地、香港、臺灣的十所高校的19個項目組展示了“ Qualcomm高校合作科研項目”最新成果。
回顧歷史,Qualcomm與國內(nèi)高校合作由來已久。早在1998年,Qualcomm與北京郵電大學共同創(chuàng)建聯(lián)合研發(fā)中心;隨后,擴展至中國各知名學府和科研院所,連續(xù)17年為中國高校研究提供資金資助,支持校內(nèi)講座競賽;迄今,Qualcomm中國高校合作科研項目共發(fā)表了超過600篇學術文章,上千名學生受益。
在與高校合作過程當中,Qualcomm研發(fā)副總裁范明熙透露,Qualcomm選擇高校一般從技術領域、未來發(fā)展兩方面考慮。從技術領域來說,Qualcomm比較看重的是通信和計算。
研發(fā)部門,Qualcomm重點關注的方向為:解決千倍數(shù)據(jù)增長挑戰(zhàn)、推動計算平臺的未來發(fā)展、將數(shù)字第六感變?yōu)楝F(xiàn)實、支持智能家居、加強移動用戶體驗等。
今年,多個合作項目圍繞上述方向開展。
計算方面,與上海交通大學合作的“行人檢測與跟蹤”項目,這也是Qualcomm汽車輔助駕駛項目的一部分:汽車攝像頭獲得車外影像,隨即進行分析,以辨識是否有行人,以及行人的運動軌跡;
與臺灣清華大學合作的“使用立體攝像頭的快速深度圖計算”項目,合作中增加了一個難點:輸入的立體視頻是由兩個不同分辨率的攝像頭獲取,如果此難點得以解決,未來將在智能手機上產(chǎn)生很多全新應用,如距離估算、視頻分割等;
連接方面,與清華大學合作,通過對大規(guī)模 MIMO技術的分析研究,以進一步提升無線網(wǎng)絡的性能;
與香港中文大學合作,完成一種全新編碼理論,有別于現(xiàn)有通信網(wǎng)絡中的編碼技術,目標是提高傳輸效率。
范明熙坦言,Qualcomm和高校的合作模式是多樣化的,總體來說歸為兩種。一種是,合作所取得的成果,在近期或者兩三年之內(nèi)可以逐漸轉化為產(chǎn)品。這個模式就需要我們的產(chǎn)品團隊、研發(fā)團隊跟高校有非常緊密的合作和溝通;另外一種是,一些技術雖然目前看起來還處于早期,但將來五到十年之內(nèi)有發(fā)展空間。
在這種合作模式中,研究項目的自主權在學校,Qualcomm會定期和學校交流,可能是每兩周或者每兩、三個月。
這樣一來,和企業(yè)的合作同時也讓高校教育受益。
中國科學院計算技術研究所研究員、博士生導師陳熙霖表示,和企業(yè)合作告訴我們,應該培養(yǎng)什么樣的人才,什么樣的人才是企業(yè)真正需要的。
其次,做工科研究,我們需要有一個實驗場,這個實驗場和學生將來工作的環(huán)境盡可能的接近,這樣培養(yǎng)出來的學生在真正參與工作的時候,所需二次訓練的時間就會縮短。
第三,這種合作可以使我們教師不斷地自我學習、自我教育,從而不斷進步,其中包括和企業(yè)的交流以及自己科研能力的進步。
北京郵電大學信息與通信工程學院副教授、碩士生導師牛凱表示贊同:“和Qualcomm合作過程中,我們實驗室很多學生都因為出色的能力被Qualcomm錄用,目前也在從事通信方面研究,相當于真正的學有所用。”
Qualcomm以無線通信發(fā)家,極其注重研發(fā)投入。截至2014年第四季度,Qualcomm的研發(fā)投入累計超過328億美元。2014年間,按照GAAP準則,Qualcomm研發(fā)投入近 55億美元,占年度營收20%。
關鍵的是,一直以來,Qualcomm將研發(fā)力量投入中國,據(jù)范明熙介紹,從上世紀90年代,Qualcomm先后在北京、上海、深圳及西安開設了四個分公司,并先后在北京和上海設置了兩個研發(fā)中心。而北京亦是Qualcomm最早設立的海外研發(fā)中心,當北京研發(fā)中心獲得成功之后,此模式被推廣到了世界其他國家。
此外,“Qualcomm大中華區(qū)高校合作項目交流會”期間,Qualcomm宣布設立新的獎學金項目,并承諾向北京大學和清華大學提供50萬美元獎學金基金。
右:北京大學教育基金會歐美部部長趙琳
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(diào)整內(nèi)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(nèi)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。