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
新加坡人工智能机构与阿里云发布全新大语言模型Qwen-Sea-Lion-v4,专门针对东南亚语言和文化特色进行优化。该模型结合阿里云Qwen3-32B基础模型和大量东南亚地区数据集,在东南亚语言模型评估榜单中位居开源模型首位。模型支持119种语言,能在32GB内存的消费级笔记本上运行,采用字节对编码技术更好处理非拉丁文字,并具备3.2万词元上下文长度,可执行文档级推理和摘要任务。
中科大联合快手等机构推出VR-Thinker技术,首次实现AI视频评判员的"边看边想"能力。该系统通过主动选择关键画面、智能记忆管理和三阶段训练,在视频质量评估准确率上达到75%-82%,特别擅长处理长视频场景,为AI视频生成的质量控制提供了突破性解决方案。
AI智能体是下一代业务自动化工具,不仅能对话交流,还能执行复杂任务。与ChatGPT聊天机器人不同,它们可在最少人工干预下规划并完成工作。文章介绍了五个高影响力应用:自动化客户服务解决方案、销售CRM管理、合规自动化、招聘筛选与排程、市场情报报告。这些应用都具有重复性工作流程、依赖结构化数据、遵循可预测规则等特点,能够释放员工宝贵时间用于更有价值的工作。
微软研究院发布BitDistill技术,通过三阶段优化将大型语言模型压缩至1.58位精度,在保持性能的同时实现10倍内存节省和2.65倍速度提升。该技术包括模型结构稳定化、持续预训练适应和知识蒸馏传承三个关键步骤,解决了模型量化中的性能衰减和规模化问题,为AI模型在资源受限设备上的高效部署提供了新方案。