至顶网网络频道 04月27日 综合消息: 4月27日,华为消费者业务CEO余承东今日晚间面向华为消费者业务全员发送了一封《倡议书》邮件,余承东在倡议书深刻反思了“闪存事件”,他表示,“这次事件对我们来说是一次深刻警醒。这让我们反思这几年我们是否跑得太快了?我们是否认真践行了公司的核心价值观--以客户为中心?”
最近两周,华为“闪存事件”持续在网络中发酵,引发大量讨论。此次余承东发出的内部倡议书聚焦“强调坚持自我批判,坚持以客户为中心的价值观”、“主动聆听消费者声音”、“满足客户需求”和“改善工作流程和服务态度”,从多个维度进行了深刻反思。
余承东说,“这些天我的心情非常地不平静,可以说很沉重。我必须要进行深刻地自我批判。之前在微博上看到一些争议的声音,鱼龙混杂,工程师出身的我对产品技术参数极为敏感,再加上太过急于表达,造成了不合适的回应。”
“我们在很多信息的公示上,还是太过粗线条,给消费者带来了不必要的困扰。我们面对消费者的质疑和意见,习惯于将自身的境遇、所做的努力以及行业的特性作为第一诉求来回应,态度傲慢,缺乏谦卑。我们要深刻自省,消费者已经支付了全部的信任与热爱,他们提出的任何要求都是鞭策我们继续向前的力量!”余承东表示,“为此,我已安排成立了一个“消费者聆听特别行动小组”,落实后续的一系列计划,主动聆听来自消费者的各种声音。”
与此同时,余承东表示,五一期间他将带领华为消费者业务管理团队到零售店、服务店站店,深入一线与消费者近距离沟通。并呼吁华为消费者业务全体员工走访店头,聆听消费者、服务消费者,改善华为的工作流程、服务态度。
《倡议书》全文如下:
倡议书
24年华为的经历,有两个价值观我深深地认同,它们不光影响着我,更是塑造着我:坚持自我批判,坚持以客户为中心。这些天我的心情非常不平静,可以说很沉重。我必须要进行深刻的自我批判。之前在微博上看到了一些争议的声音,鱼龙混杂,工程师出身的我对产品技术参数极为敏感,再加上太过急于表达,造成了不合适的回应。现在我有了更多反思。
整个手机行业是战场,更是学校,大家要变得更强大,也要互相取长补短。我们未来还有很长的路要走,我们唯有以更加严格甚至苛刻的标准要求自己和团队,才能更好地服务好消费者。
这次事件对我们来说是一次深刻警醒。这让我们反思这几年我们是否跑得太快了?在一路狂奔向前的路上,是否坚守了我们出发时的初心?我们是否以身作则,认真践行了公司的核心价值观--以客户为中心?
我们在很多信息的公示上,还是太过粗线条,给消费者带来了不必要的困扰。我们面对消费者的质疑和意见,习惯于将自身的境遇、所做的努力以及行业的特性作为第一诉求来回应,态度傲慢,缺乏谦卑。我们要深刻自省,消费者已经支付了全部的信任与热爱,他们提出的任何要求都是鞭策我们继续向前的力量!我们要把它转化成团队勇往直前的动力!我们一定要真正地听进去不同的意见,做出最真诚的回应,并迅速改进。为此,我已安排成立了一个“消费者聆听特别行动小组”,落实后续的一系列计划,主动聆听来自消费者的各种声音。
五一劳动节将至,我认为我们应该从自己做起,走到跟消费者最近的地方--我们的几千家零售和服务店,跟消费者们在一起!我将带领消费者业务管理团队到零售店、服务店站店,深入一线与消费者近距离沟通。在此,我也倡议华为消费者业务全体员工在节日期间走访店头,聆听消费者,服务消费者,从而改善我们的工作流程、服务态度,用实际行动担当起全球消费者赋予华为品牌的信赖!
余承东
好文章,需要你的鼓励
本文评测了六款控制台平铺终端复用器工具。GNU Screen作为老牌工具功能强大但操作复杂,Tmux更现代化但学习曲线陡峭,Byobu为前两者提供友好界面,Zellij用Rust编写界面简洁易用,DVTM追求极简主义,Twin提供类似TurboVision的文本界面环境。每款工具都有各自特点和适用场景。
韩国汉阳大学联合高通AI研究院开发出InfiniPot-V框架,解决了移动设备处理长视频时的内存限制问题。该技术通过时间冗余消除和语义重要性保留两种策略,将存储需求压缩至原来的12%,同时保持高准确性,让手机和AR眼镜也能实时理解超长视频内容。
网络安全公司Snyk宣布收购瑞士人工智能安全研究公司Invariant Labs,收购金额未公开。Invariant Labs从苏黎世联邦理工学院分拆成立,专注于帮助开发者构建安全可靠的AI代理工具和框架。该公司提供Explorer运行时观察仪表板、Gateway轻量级代理、Guardrails策略引擎等产品,并在工具中毒和模型上下文协议漏洞等新兴AI威胁防护方面处于领先地位。此次收购将推进Snyk保护下一代AI原生应用的使命。
纽约大学研究团队通过INT-ACT测试套件全面评估了当前先进的视觉-语言-动作机器人模型,发现了一个普遍存在的"意图-行动差距"问题:机器人能够正确理解任务和识别物体,但在实际动作执行时频频失败。研究还揭示了端到端训练会损害原有语言理解能力,以及多模态挑战下的推理脆弱性,为未来机器人技术发展提供了重要指导。