
“我們這些互聯(lián)網(wǎng)背景的人,在富士康這樣的傳統(tǒng)制造業(yè)合作伙伴在一起切磋,會(huì)激發(fā)出什么樣的火花和矛盾?”這是6月4日下午,在ZD至頂網(wǎng)主辦的“互聯(lián)網(wǎng)+高峰論壇”上,小米路由器事業(yè)部總經(jīng)理唐沐的開(kāi)場(chǎng)白。
圖:小米路由器事業(yè)部總經(jīng)理唐沐
事實(shí)上,五年前,小米已經(jīng)開(kāi)始實(shí)踐“互聯(lián)網(wǎng)+”戰(zhàn)略。
唐沐指出,小米其實(shí)是比較早的提出“互聯(lián)網(wǎng)+”與傳統(tǒng)制造業(yè)合作,可以做什么的一家公司。過(guò)去這四五年來(lái)我們一直在用這樣的方式嘗試改造互聯(lián)網(wǎng),甚至改造制造業(yè)。
“今天上午,我還在我辦公室跟富士康合作伙伴溝通。我不知道大家是否可以想象到當(dāng)互聯(lián)網(wǎng)背景的人在和傳統(tǒng)制造業(yè)出來(lái)的人討論一個(gè)產(chǎn)品應(yīng)該怎么樣做的時(shí)候會(huì)激發(fā)出什么樣的火花和矛盾。”
“我坦白說(shuō)這里面激發(fā)出來(lái)的互相的不適感是非常強(qiáng)的,但是還好,我們經(jīng)過(guò)了手機(jī)、電視、路由器這幾個(gè)產(chǎn)品的磨練,使得我們具備了這種能力。”唐沐坦言。
在這幾年的合作中,小米總結(jié)了一個(gè)經(jīng)驗(yàn):和制造業(yè)做合作,最好辦法是從那邊招一個(gè)人到自己這邊,反過(guò)來(lái)管理他們這個(gè)方法屢試不爽。
所以,小米從富士康請(qǐng)了一位非常有經(jīng)驗(yàn)的優(yōu)秀的采購(gòu)專(zhuān)家負(fù)責(zé)和富士康采購(gòu)的事情,效果顯而易見(jiàn)。也幫助小米了解傳統(tǒng)制造業(yè)的想法,那些想擁抱互聯(lián)網(wǎng)的人也有更多機(jī)會(huì)加入互聯(lián)網(wǎng)硬件行業(yè)里。
那么,小米與富士康的小摩擦是什么樣的呢?
唐沐解釋?zhuān)?ldquo;比如制造業(yè)會(huì)抱怨互聯(lián)網(wǎng)行業(yè),你們?cè)趺礃涌梢宰屇銈兊男枨笤倜鞔_,或者再固定一些,因?yàn)槟銈兲?jīng)常變化了。再比如說(shuō),我們給的訂單,按理是提前一個(gè)月拿到我們的訂單,去準(zhǔn)備生產(chǎn)。”
其實(shí),這樣做,小米也有自己的苦衷:“有的時(shí)候我們沒(méi)辦法給到,因?yàn)槲覀儧](méi)辦法預(yù)測(cè)一個(gè)季度之后產(chǎn)品賣(mài)多少,用戶(hù)需求會(huì)不會(huì)改變?,F(xiàn)在,互聯(lián)網(wǎng)用戶(hù)或者是說(shuō)用戶(hù)進(jìn)入到互聯(lián)網(wǎng)的階段的時(shí)候,他們的各種特征發(fā)生了很大的變化。”
站在互聯(lián)網(wǎng)公司的立場(chǎng),小米認(rèn)為,在目前快速變化用戶(hù)需求里,制造業(yè)應(yīng)該做出更快的反映,而不是告訴小米,我現(xiàn)在需要追一顆料。
唐沐指出,在互聯(lián)網(wǎng)時(shí)代做互聯(lián)網(wǎng)的硬件產(chǎn)品,用戶(hù)的需求會(huì)變,互聯(lián)網(wǎng)思維是小步快跑,快速迭代,小米希望制造業(yè)能夠變快。
相輔相成的是,小米現(xiàn)在反而是制造業(yè)的“好朋友”,在不斷的磨合中,小米在成長(zhǎng),制造業(yè)也在成長(zhǎng)。
好文章,需要你的鼓勵(lì)
浙江大學(xué)團(tuán)隊(duì)提出動(dòng)態(tài)專(zhuān)家搜索方法,讓AI能根據(jù)不同問(wèn)題靈活調(diào)整內(nèi)部專(zhuān)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(zhǔn)確率,且不增加計(jì)算成本。研究發(fā)現(xiàn)不同類(lèi)型問(wèn)題偏愛(ài)不同專(zhuān)家配置,為AI推理優(yōu)化開(kāi)辟新路徑。
清華大學(xué)研究團(tuán)隊(duì)提出SIRI方法,通過(guò)"壓縮-擴(kuò)張"交替訓(xùn)練策略,成功解決了大型推理模型"話(huà)多且準(zhǔn)確率低"的問(wèn)題。實(shí)驗(yàn)顯示,該方法在數(shù)學(xué)競(jìng)賽題上將模型準(zhǔn)確率提升43.2%的同時(shí),輸出長(zhǎng)度減少46.9%,真正實(shí)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(tuán)隊(duì)開(kāi)發(fā)出Rolling Forcing技術(shù),實(shí)現(xiàn)AI視頻實(shí)時(shí)流式生成的重大突破。該技術(shù)通過(guò)滾動(dòng)窗口聯(lián)合去噪、注意力錨點(diǎn)機(jī)制和高效訓(xùn)練算法三項(xiàng)創(chuàng)新,解決了長(zhǎng)視頻生成中的錯(cuò)誤累積問(wèn)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(biāo)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(kāi)辟新可能。
華中科技大學(xué)研究團(tuán)隊(duì)發(fā)現(xiàn),通過(guò)讓AI模型學(xué)習(xí)解決幾何問(wèn)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(gè)幾何題目的Euclid30K數(shù)據(jù)集,使用強(qiáng)化學(xué)習(xí)方法訓(xùn)練多個(gè)AI模型。實(shí)驗(yàn)結(jié)果顯示,幾何訓(xùn)練在四個(gè)空間智能測(cè)試基準(zhǔn)上都帶來(lái)顯著提升,其中最佳模型達(dá)到49.6%準(zhǔn)確率,超越此前最好成績(jī)。這項(xiàng)研究揭示了基礎(chǔ)幾何知識(shí)對(duì)培養(yǎng)AI空間智能的重要價(jià)值。