产业数据:
根据IDC全球WLAN市场季度追踪报告显示,2020年第四季度(20Q4)消费级和企业无线局域网(WLAN)市场全球总收入同比增长17.9%,全年增长10.3%。其中,该季度企业细分市场的收入同比大幅增长10.3%,达到18.6亿美元,2020年全年增长1.9%,达到63.5亿美元。
IDC发布最新预测分析认为,今年PC市场的出货量将达到3.574亿台,增长18.2%,这一数字远高于该机构早前发布的2020年12.9%的市场增幅。展望未来,IDC认为,行业前景比历史水平更为强劲,预计2020-2025年的复合年增长率为2.5%。
财报数据:
Nvidia发布第四季度及全年财报,数据中心业务季度收入创下历史新高,达到19亿美元,比去年同期增长97%。全年收入大幅增长124%,达到67亿美元。Nvidia的游戏部门该季度表现尤其突出,收入达到创纪录的25亿美元,比去年同期增长67%,全年销售额为77.6亿美元,增长41%。唯一令人失望的是Nvidia专业可视化和汽车业务。第一季度的收入为3.07亿美元,下降了7%,而第二季度的收入为1.45亿美元,下降了11%。
戴尔发布第四季度财报,该季度戴尔PC部门的收入为138亿美元,比去年同期增长了17%。商业和消费者收入激增至10亿美元。全年来看,PC业务实现总收入484亿美元,营业收入为34亿美元。除了PC戴尔还售卖面向企业售卖数据中心基础设施设备,包括服务器、存储和网络,但是该季度基础设施部门的业绩好坏参半。第四季度该部门的收入与上个季度持平,为88亿美元。戴尔表示,存储收入下降了2%,服务器和网络销售增长了3%。该季度营业收入达到12亿美元,全年来看,基础设施业务的总收入为326亿美元,收入为38亿美元。
HPE发布第一季度财报,该季度HPE的收入较去年同期减少1.7%,至68.3亿美元,但仍高于分析师预期的67.5亿美元。HPE的目标是成为“首选的边缘到云平台”,市场对这些产品的强劲需求,抵消了HPE计算收入下降2%和存储收入下降。另外智能边缘业务收入增长了11%,达到8.06亿美元。而且,HPE的年运行率增长了27%,达到6.49亿美元,服务订单增长了26%,HPE将这收益归功于Aruba ESP边缘到云连接即服务的普及和GreenLake云服务部门的贡献。
万国数据发布2020年全年财报,净收入为57.390亿元人民币(8.795亿美元),同比增长39.2%(2019年:41.224亿元人民币),净亏损为6.692亿元人民币(1.026亿美元)。
VMware发布第四季度财报,软件订阅和许可收入增长了8%,达到17亿美元,订阅和SaaS元素增长了27%,达到7.07亿美元。从2021整个财年来看,VMware的收入为118亿美元,同比增长9%,订阅销售额跃升38%。
根据Oracle第三季度财报显示,其第三季度利润为50.2亿美元,比去年同期几乎翻了一番。调整后的每股收益为1.16美元,高于分析师的预期1.11美元。收入从去年同期的98亿美元增长至100.9亿美元,小幅超出分析师预期的100.7亿美元。其中,Generation 2 Cloud Infrastructure和基于云的ERP产品的销售表现强劲。
根据Cloudera第四季度财报显示,其第四季度在未计入股票补偿等特定成本下的利润为每股15美分,收入为2.266亿美元,较去年同期增长7%。此前分析师预期的每股利润为11美分,收入为2.214亿美元。
好文章,需要你的鼓励
这项来自苹果公司的研究揭示了视频大语言模型评测的两大关键问题:许多测试问题不看视频就能回答正确,且打乱视频帧顺序后模型表现几乎不变。研究提出VBenchComp框架,将视频问题分为四类:语言模型可回答型、语义型、时序型和其他类型,发现在主流评测中高达70%的问题实际上未测试真正的视频理解能力。通过重新评估现有模型,研究团队证明单一总分可能掩盖关键能力差距,并提出了更高效的评测方法,为未来视频AI评测提供了新方向。
这篇来自KAIST AI研究团队的论文提出了"差分信息分布"(DID)这一创新概念,为理解直接偏好优化(DPO)提供全新视角。研究证明,当偏好数据编码了从参考策略到目标策略所需的差分信息时,DPO中的对数比率奖励形式是唯一最优的。通过分析DID熵,研究解释了对数似然位移现象,并发现高熵DID有利于通用指令跟随,而低熵DID适合知识密集型问答。这一框架统一了对DPO目标、偏好数据结构和策略行为的理解,为语言模型对齐提供理论支持。
VidText是一个全新的视频文本理解基准,解决了现有评估体系的关键缺口。它涵盖多种现实场景和多语言内容,提出三层评估框架(视频级、片段级、实例级),并配对感知与推理任务。对18个先进多模态模型的测试显示,即使最佳表现的Gemini 1.5 Pro也仅达46.8%平均分,远低于人类水平。研究揭示输入分辨率、OCR能力等内在因素和辅助信息、思维链推理等外部因素对性能有显著影响,为未来视频文本理解研究提供了方向。
ZeroGUI是一项突破性研究,实现了零人工成本下的GUI代理自动化在线学习。由上海人工智能实验室和清华大学等机构联合开发,这一框架利用视觉-语言模型自动生成训练任务并提供奖励反馈,使AI助手能够自主学习操作各种图形界面。通过两阶段强化学习策略,ZeroGUI显著提升了代理性能,在OSWorld环境中使UI-TARS和Aguvis模型分别获得14%和63%的相对改进。该研究彻底消除了传统方法对昂贵人工标注的依赖,为GUI代理技术的大规模应用铺平了道路。