
萬(wàn)物互聯(lián)時(shí)代的到來(lái),對(duì)各行各業(yè)都帶來(lái)了不小沖擊。尤其是在射頻RF領(lǐng)域,4G極速網(wǎng)絡(luò)的來(lái)臨,手機(jī)頻段的增加對(duì)通信行業(yè)解決方案提供商提出了更大的挑戰(zhàn)。面對(duì)如此壓力,RFMD和TriQuint兩家公司攜手合并為Qorvo,將整合的解決方案帶往全球市場(chǎng)。
在Qorvo誕生前,TriQuint和RFMD都曾是RF領(lǐng)域的強(qiáng)者,卻各有側(cè)重,幾乎沒(méi)有業(yè)務(wù)重疊。在此契機(jī)下,雙方更樂(lè)意選擇優(yōu)勢(shì)互補(bǔ),成立Qorvo,在競(jìng)爭(zhēng)力的提升上可以說(shuō)是1+1>2,尤其是在業(yè)務(wù)范圍和專業(yè)能力的拓展方面。RFMD在PA和開關(guān)、TriQuint在濾波器和整合方面各具優(yōu)勢(shì),兩者的整合讓Qorvo有能力提供業(yè)界領(lǐng)先的RF產(chǎn)品和解決方案,以及強(qiáng)有力的客戶支持。
Qorvo全球產(chǎn)品市場(chǎng)公關(guān)總監(jiān) Rob Christ
目前,全新整合規(guī)劃后的Qorvo關(guān)注三個(gè)關(guān)鍵市場(chǎng),航空和國(guó)防,網(wǎng)絡(luò)基礎(chǔ)設(shè)施及移動(dòng)設(shè)備。優(yōu)勢(shì)互補(bǔ)下的Qorvo有能力為物聯(lián)網(wǎng)提供核心的互聯(lián)技術(shù)支持,涵蓋無(wú)線和有線的基礎(chǔ)設(shè)施領(lǐng)域。
Qorvo的產(chǎn)品不僅面向智能手機(jī)和平板電腦,還面向?qū)拵?、有線電視、無(wú)線基礎(chǔ)設(shè)施、智能電表的能源管理等等。這些市場(chǎng),尤其是無(wú)線基礎(chǔ)設(shè)施,增長(zhǎng)速度快,也給電子行業(yè)帶來(lái)許多機(jī)會(huì)。而這些行業(yè)的增長(zhǎng)無(wú)疑帶動(dòng)了數(shù)據(jù)的增長(zhǎng),也帶動(dòng)了對(duì)數(shù)據(jù)連接需求的增長(zhǎng)。
首先頻段的增加十分顯著。5-10年前的移動(dòng)手機(jī)可能只有2-3個(gè)頻段,而如今一個(gè)全球通手機(jī)的頻段數(shù)可能超過(guò)40。因此如今設(shè)備的數(shù)據(jù)能力是顯著增加的。
在這樣一個(gè)頻段和性能的增長(zhǎng)如此快速的市場(chǎng)環(huán)境中,Qorvo能共取得成功的關(guān)鍵,在于能夠?qū)⒄袭?dāng)前的RF前沿技術(shù)。而這種實(shí)力的整合對(duì)于客戶來(lái)說(shuō),意味著他們可以借助Qorvo的技術(shù)和產(chǎn)品來(lái)簡(jiǎn)化設(shè)計(jì)、縮減尺寸、節(jié)約耗電、提升系統(tǒng)性能。
中國(guó)市場(chǎng)也是Qorvo十分重視的。目前Qorvo在北京有一個(gè)制造工廠,同時(shí)也在持續(xù)加大投資,籌劃另一個(gè)制造工廠,擴(kuò)大在中國(guó)的生產(chǎn)制造能力。
此外,Qorvo積極與華為和中興等基礎(chǔ)設(shè)施運(yùn)營(yíng)商、高通和聯(lián)發(fā)科等芯片公司、以及業(yè)內(nèi)組織合作,先于客戶一步,針對(duì)未來(lái)市場(chǎng)的需求展開產(chǎn)品規(guī)劃、并從系統(tǒng)角度展開布局。
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)不同類型問(wèn)題偏愛(ài)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(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。