今天,小米舉行年度發(fā)布會,發(fā)布了5.7寸大屏智能手機小米Note、小米小盒子,小米董事長兼首席執(zhí)行官雷軍再次強調(diào)了小米的布局:手機、電視、路由器,并且要用投資的方式“優(yōu)雅的解決手機與智能設(shè)備的互聯(lián)”,向精英用戶大獻殷勤。
發(fā)布會開始,雷軍就對不久前入股美的做了公開回應(yīng),小米會用入股、投資等方式來實現(xiàn)“以手機為中心,連接一切智能設(shè)備”。
雷軍指出,智能設(shè)備當前有三大痛點,手機連接復(fù)雜,每個設(shè)備都需要一個獨立的APP,而且在這背后云服務(wù)投入大。為此,小米希望用三個步驟來實現(xiàn)手機與智能設(shè)備的互聯(lián)。
首先,第一步研發(fā)通用的智能模塊,比如傳統(tǒng)空調(diào)+智能模塊形成一個智能空調(diào)產(chǎn)品。小米在其中扮演的角色,就是以材料成本價推動合作伙伴的設(shè)備智能化,目前,小米智能模塊的材料成本價是22塊錢,未來這個價格會逐漸降低。
接下來的第二步,小米會把智能家庭APP不斷完善,比如,現(xiàn)在已經(jīng)可以在MIUI鎖屏界面集成設(shè)備控制中心等。
最后,在第三步研發(fā)通用的云服務(wù),按照小米云實現(xiàn)應(yīng)用云服務(wù)、金山云解決基礎(chǔ)云服務(wù)的布局,來完善云解決方案。
雷軍強調(diào),小米貫徹合作策略,開放、不排他、非獨家,雷軍用了這樣一句話:“團結(jié)一切可團結(jié)的人,把朋友弄的多多的,把敵人搞的少少的,讓每個人都能享受科技的樂趣。”
在優(yōu)雅的解決手機與智能設(shè)備的同時,雷軍在發(fā)布會上表達出了小米希望更多吸引精英人士的欲望。
剛剛發(fā)布的小米Note使用2.5GHz高通驍龍801處理器和3GB內(nèi)存,并支持移動4G和聯(lián)通4G的雙卡雙待雙4G。
在介紹小米Note的雙卡雙待功能時,雷軍特意強調(diào),小米Note配備了nano SIM卡和micro SIM卡,使用iPhone的用戶,可以不用換卡就能換小米Note。
而小米Note的配置也符合很多精英人士的訴求,特別是小米Note推出的頂配版:高通驍龍810處理器、4GB RAM和2K分辨率屏幕、3000毫安時、支持快速充電。
從外觀上來看,小米Note比iPhone 6 Plus薄0.15毫米、窄0.2毫米、短3毫米、輕11克,屏幕則比iPhone 6 Plus更大。
實際上,當小米在布局智能家居的時候,也在為小米高端手機設(shè)局。
因為越來越多的智能家居使用了小米的智能互聯(lián)解決方案的時候,這些用戶就需要有一個小米手機來做遙控器,畢竟iOS來操控小米的APP體驗要差許多,而這些iPhone用戶顯然不是紅米和小米的用戶,所以,這個時候雷軍就給了他們小米Note。
好文章,需要你的鼓勵
浙江大學(xué)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(xué)、編程等任務(wù)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(xué)研究團隊提出SIRI方法,通過"壓縮-擴張"交替訓(xùn)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(xué)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(xùn)練提供了新思路。
南洋理工大學(xué)與騰訊聯(lián)合研究團隊開發(fā)出Rolling Forcing技術(shù),實現(xiàn)AI視頻實時流式生成的重大突破。該技術(shù)通過滾動窗口聯(lián)合去噪、注意力錨點機制和高效訓(xùn)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(zhì)量視頻,延遲僅0.76秒,質(zhì)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(xué)研究團隊發(fā)現(xiàn),通過讓AI模型學(xué)習(xí)解決幾何問題,能夠顯著提升其空間理解能力。他們構(gòu)建了包含約30000個幾何題目的Euclid30K數(shù)據(jù)集,使用強化學(xué)習(xí)方法訓(xùn)練多個AI模型。實驗結(jié)果顯示,幾何訓(xùn)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(chǔ)幾何知識對培養(yǎng)AI空間智能的重要價值。