Hello Moto,注意:這個Moto不是手機,而是對講機,不是來自聯(lián)想,而是那個最傳統(tǒng)的摩托羅拉——摩托羅拉系統(tǒng)。過去,在人們印象中那個“又笨又蠢”的對講機,已經顛覆了老形象,不僅能夠支持圖像傳輸,以后還會和智能手表、智能眼鏡搭上關系。
互融與共存:TETRA與LTE
和那個被幾經轉手的手機業(yè)務不同的是,摩托羅拉系統(tǒng)的業(yè)績可以解釋這部分業(yè)務的穩(wěn)定性:截至4月4日的2015財年第一季度財務報告顯示,摩托羅拉系統(tǒng)第一季度營收為12.23億美元,上年同期為12.28億美元、基本持平。
縱觀摩托羅拉的歷史,其實早在1930年,世界上第一部真正意義上的對講機誕生,隨后當人類第一次登入月球的對講機也是搭載摩托羅拉系統(tǒng),創(chuàng)新可謂是摩托羅拉與生俱來的DNA,而這個核心的競爭力一直延續(xù)到了LTE時代,2012年,世界上第一套公共安全的LTE警用系統(tǒng)在德州誕生,2014年世界上最大的LTE公共安全系統(tǒng)也是基于摩托羅拉系統(tǒng),并很快在洛杉磯實行部署。
摩托羅拉系統(tǒng)(中國)有限公司技術工程總監(jiān)甘鈞在采訪中指出:“當一個時代剛來臨時,通常并不意味上一個時代全全沒落,同樣在通信領域,當下全球都在建設4G極速網絡,而數(shù)字集群系統(tǒng)是否就直接跳過2G、3G一步遷移至4G呢,對此,摩托羅拉系統(tǒng)認為未來的數(shù)字集群市場將呈現(xiàn)出模擬、2G、3G、4G共存的局面”。
圖從右至左:摩托羅拉系統(tǒng)(中國)有限公司市場總監(jiān) 潘益
摩托羅拉系統(tǒng)(中國)有限公司技術工程總監(jiān) 甘鈞
摩托羅拉系統(tǒng)(中國)有限公司高級顧問 丁銳
摩托羅拉系統(tǒng)(中國)有限公司高級業(yè)務拓展經理 陸錦華
當然,摩托羅拉系統(tǒng)自己的用戶仍有50%還處于使用模擬技術,2G市場仍然有空間,并且緩慢下降,4G市場緩慢發(fā)展,二者會有一個交互點,交互期預計三到四年,有些地區(qū)甚至會延長八到十年。
甘鈞進一步解釋:“針對這個交互點,摩托羅拉系統(tǒng)甚至提出了一個新的概念叫互融,即TETRA終端與LTE終端互融、互相的作為備份。這就意味著,摩托羅拉系統(tǒng)不僅能夠做得到,即使在2G平臺上或者2.5G這樣的平臺也可以支持圖像傳輸。當然,隨著技術的發(fā)展,用戶希望把所有技術體制都集成在一個終端上,即這個終端既可以當對講機,又可以做4G數(shù)據(jù)傳輸”。
此外,為了適應市場變化,摩托羅拉系統(tǒng)將會從系統(tǒng)產品、終端設備轉向智能網絡,從任務關鍵型通信到任務關鍵型智能,最終從情境感知,預案應急到智能預防、全面掌控。
同時,摩托羅拉還在終端提供智能接口平臺,這個平臺通過網絡和所有的可穿戴設備、平視設備以及各種跟人體相關的設備形成一個智能網絡來傳遞各種數(shù)據(jù)。甘鈞表示,現(xiàn)在的爭論點并非在用什么技術,用戶關心的是需求能否被智能應用轉換到日常的生活工作當中。
LTE浪潮下的轉型之路
隨著全球LTE浪潮的來襲,摩托羅拉系統(tǒng)也迎來了全面的轉型,從窄帶通信過度到窄帶+寬帶,從專網到專網+公網,從PTT語音到PTT語音+數(shù)據(jù)+圖像。
除了窄帶通信,摩托羅拉系統(tǒng)目前已經參與了與公共安全LTE網絡的建設,在全球提供了三種LTE平臺,包括洛杉磯的RICS專用頻道資源、專用網絡平臺、墨西哥虛擬運營商以及英國內政部。
未來在專網上,摩托羅拉系統(tǒng)會定制多技術體制平臺的融合,其中包括智能接口平臺、窄帶LTE/PTT互相操作等。
由于目前信息時代正在向大數(shù)據(jù)時代邁進,今后軟件技術會是摩托羅拉系統(tǒng)創(chuàng)新的核心,而大數(shù)據(jù)也會與云平臺相結合,使其更加智能,這亦是摩托羅拉系統(tǒng)部門2020年的發(fā)展方向。
在本次溝通會上,摩托羅拉系統(tǒng)中國有限公司高級顧問丁銳介紹了目前摩托羅拉系統(tǒng)的產品方向規(guī)劃,在可穿戴市場領域,面對智能眼鏡、智能手表等產品的快速普及,摩托羅拉系統(tǒng)已經將對講機與智能眼鏡Recon相結合,內置藍牙、熱傳導、陀螺儀等傳感器,逐漸從語音轉向視頻。配置方面摩托羅拉對講機已經采用了北斗+GPS雙系統(tǒng)定位,讓定位效果更加精準。
尤其在如今社交媒體不斷延伸,共網和專網不斷相互滲透的背景下,摩托羅拉希望發(fā)揮自身最大的優(yōu)勢,在面對用戶需求復雜、多樣、多種體制融合時,通過在對技術的演進把控以及基于幾十年對于行業(yè)用戶的理解,為用戶提出一個智慧型全面的端到端解決方案。
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。