“小米叫用戶為粉絲,羅永浩叫朋友,而我們要和大家成為伙伴”。近日,聯(lián)想NBD總經(jīng)理白欲立現(xiàn)身有聯(lián)想newifi插件開發(fā)大神以及熱心用戶參加的“大神面對面”活動,首次提出“伙伴”概念,并稱聯(lián)想NBD要做物聯(lián)世界中的Pioneer(先行者),希望與NBD所有伙伴一起,共同開拓未來物聯(lián)生態(tài)的新天地。
對于為何會用伙伴來形容聯(lián)想NBD的用戶和開發(fā)者,白欲立解釋道:“小米叫粉絲,但總給人一種企業(yè)高高在上的感覺;羅永浩喜歡叫朋友,意思是對的,但顯得有些江湖氣,我們內(nèi)部商量了很久,還是覺得叫伙伴更合適,更多的體現(xiàn)一種參與、合作的概念,大家一起探討交流,互相學習,尋找創(chuàng)新之法,共同實現(xiàn)愿望。”
圖1:聯(lián)想NBD總經(jīng)理白欲立
說到伙伴,就不得不說聯(lián)想NBD所探索的這種全新互聯(lián)網(wǎng)發(fā)展模式。白欲立在講話中也多次強調(diào),NBD作為聯(lián)想開拓物聯(lián)領(lǐng)域的“急先鋒”,目的就是從創(chuàng)業(yè)者的角度重新出發(fā)去搭建全新的互聯(lián)網(wǎng)發(fā)展平臺。
技術(shù)大神和創(chuàng)業(yè)者們將成為產(chǎn)品開發(fā)的 “靈魂”,聯(lián)想這個“板凳”負責提供雄厚的資金、渠道和云計算支持,每一個奇思妙想以及創(chuàng)新的點子都有機會在NBD變成現(xiàn)實。因此白欲立說:“NBD平臺是大家的NBD,真誠希望能夠與在座的各位都成為伙伴,依靠伙伴的力量在物聯(lián)科技領(lǐng)域創(chuàng)造一片新天地。”
白欲立在講話中也總結(jié)了以往聯(lián)想的發(fā)展模式,他說:“過去我們總是在扮演一種Follower(跟隨者)的角色,并沒有很重視創(chuàng)新的意義,而從NBD開始,聯(lián)想要做未來物聯(lián)世界中的Pioneer(先行者),制造一種全新的物聯(lián)生態(tài)系統(tǒng)。看到各位(伙伴)在過去幾個月內(nèi)通過NBD社區(qū)一直在為newifi的完善與提升建言獻策,就說明我們探索的這條企業(yè)轉(zhuǎn)型之路沒有走錯。”
圖2:聯(lián)想NBD“大神面對面”活動眾大神的合影全家福
如今,聯(lián)想越來越看重自身作為互聯(lián)網(wǎng)企業(yè)的戰(zhàn)略和發(fā)展,聯(lián)想NBD在去年就陸續(xù)發(fā)布了newifi、new glass和new air三款帶有物聯(lián)技術(shù)的智能產(chǎn)品,并獲得了眾多伙伴的支持。
在這次見面會上,聯(lián)想newifi主創(chuàng)團隊更透露,全新newifi固件2.0Beta版即將于2月份問世,這將會是一款“跨時代的固件”??梢?,在從移動互聯(lián)邁向萬物互聯(lián)的過程中,NBD已經(jīng)先人一步,走在了行業(yè)的最前端。外界認為,崇尚伙伴精神將使聯(lián)想?yún)R聚更多智慧,未來在創(chuàng)新研發(fā)智能產(chǎn)品、開發(fā)和拓展物聯(lián)生態(tài)領(lǐng)域?qū)⒂瓉砀鼜V闊的發(fā)展空間。
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(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(gòu)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(jié)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(chǔ)幾何知識對培養(yǎng)AI空間智能的重要價值。