去年年初,我在誓师大会上提出联想要来一次全面的互联网转型。在这件事上,我们内部有太多的讨论。回顾过去的十年,联想非常专注国际化,从今天的结果来看是很成功的。我们的业务已经遍布全球160多个国家,65%的营收来自于海外,联想在全球的品牌排名已经升到了第86位,是一个真正的全球性品牌。
杨元庆
但不可否认的是,在移动互联网时代,联想并没有走在风口浪尖上,所以我们必须把这块阵地拿下来。我们做了很多尝试,能代表新联想的是“茄子快传”、“乐安全”这些软的东西。我们还成立了NBD,这是一个完全针对智能硬件的平台,联想在其中所起的角色只是平台运营方,我们前期推出的三款产品没有一个是由联想自己主导的。
我还把陈旭东给“解放”出来了。他作为联想中国及亚太新兴市场的总裁,一直肩负着“保卫+进攻”战略中的前者。我让他去成立了“神奇工场”,作为联想的先锋队,它的任务就是在移动互联时代打出一片新的天地。
为此,我们在筹备期就制定了一个很重要的原则,就是保持高度的独立运作。我们完全按照互联网的特点去打造这家公司:独立的团队,广招互联网公司人才;完全以互联网方式打造产品,把用户纳入到产品开发的全过程;以互联网为主要的营销模式,开展粉丝经营。此外,神奇工场的股权结构也很互联网化,我们开放了对战略合作伙伴的引进。
至少在现在看来,效果是很明显的。联想的业务比以往任何时候都更加的均衡和多元化,个人电脑业务在总体营业额中所占的比重下降到只有65%,而移动业务已经占到了24%。今年我们还迎来了摩托罗拉,这都会极大地增强我们在移动互联网上的能力。
所以,联想今年的动作会更大。我们在去年年初接连收购的摩托罗拉移动业务,以及IBM X86服务器业务都获得了相关部门的批准,这也意味着今年注定要做很多事情。
我们即将进入从移动互联网到物联网转型最重要的两年。按照我的理解,中国的互联网发展可以经历三个阶段:第一个是从1995年开始的PC互联网时代,紧接着是从2007年开始的移动互联网时代,以手机为主的移动终端将主导这个阶段直至2017年,那时候人类将全面进入物联网时代。
在那个阶段,每个人都至少要连接几十个终端。软银的孙正义更乐观,他还说到2020年,每个人会连接到1000个终端。所以,“神奇工场”将会从移动互联网切入,提前布局物联网。之所以不以联想这个主体来做这件事,我们就是希望能够用更灵活的方式去融入这个生态链里。
所以,今年的智能手机和物联网领域都会很热闹,尤其是智能手机领域。现在中国市场在全球的销量份额已经降到了40%,如果看营业额的话就更小,可能只有20%多。中国市场增速已经放缓,所以2015年的竞争会很激烈。运营商的补贴也更少了,我们需要在开放市场和电子商务上多做做文章。
好在联想已经有了“三驾马车”,我们从去年上半年就开始大力布局电子商务,现在销售份额已经不错了;Moto也回来了,这会极大地带动我们的销售;再加上陈旭东的“神奇工场”,他们会完全按照互联网的方式做手机。
而且联想今年的国际化脚步会更快,毕竟两笔收购让我们有机会去接触更多的国家。Moto在美洲的市场占有率很好,而联想的优势是中国以及亚太区,这会形成很大的互补。收购Moto之后,专利问题就会极大地改善,这会让我们提前进入成熟市场。
可以预见到的是,随着中国手机市场增速放缓,国际市场会是一个重要的机会,而联想显然已经走在了最前面。我们最近也在讨论如何制定今年的规划,但重点一定会向移动互联网上倾斜。
总之,今年联想会更进取,更年轻,我们会快速地消化掉两笔收购,然后去夺回市场。
好文章,需要你的鼓励
这项研究提出了ORV(占用中心机器人视频生成)框架,利用4D语义占用作为中间表示来生成高质量的机器人操作视频。与传统方法相比,ORV能提供更精确的语义和几何指导,实现更高的时间一致性和控制精度。该框架还支持多视角视频生成(ORV-MV)和模拟到真实的转换(ORV-S2R),有效弥合了虚拟与现实之间的差距。实验结果表明,ORV在多个数据集上的表现始终优于现有方法,为机器人学习和模拟提供了强大工具。
这项研究由Writer公司团队开发的"反思、重试、奖励"机制,通过强化学习教导大型语言模型生成更有效的自我反思内容。当模型回答错误时,它会生成反思并二次尝试,若成功则奖励反思过程。实验表明,该方法在函数调用和数学方程解题上带来显著提升,最高分别改善18.1%和34.7%。令人惊讶的是,经训练的小模型甚至超越了同家族10倍大的模型,且几乎不存在灾难性遗忘问题。这种自我改进技术为资源受限环境下的AI应用开辟了新方向。
FuseLIP是一项突破性研究,提出了通过早期融合离散标记实现多模态嵌入的新方法。与传统CLIP模型使用独立编码器不同,FuseLIP采用单一编码器同时处理图像和文本标记,实现了更自然的模态交互。研究证明,这种早期融合方法在多种多模态任务上表现优异,特别是在需要理解图像结构而非仅语义内容的任务上。研究还开发了创新的数据集和评估任务,为多模态嵌入研究提供了宝贵资源。
ByteDance与浙江大学合作开发的MERIT是首个专为多语言多条件语义检索设计的基准数据集,包含320,000条跨5种语言的查询和135,000个产品。研究发现现有模型在处理多条件查询时过度关注全局语义而忽略特定条件元素,为此提出CORAL框架,通过嵌入重建和对比学习相结合的方式,使检索性能提升45.9%。这项研究不仅识别了现有方法的关键局限性,还为多条件交错语义检索领域的未来研究奠定了基础。