让更多的最终用户满意 让自己更好的活下去
不管怎样,我们都必须承认,OpenPOWER基金会两年来的成就是有目共睹的。无论IBM的自身原则如何,它都极大增强了IBM POWER的生态系统。尤其在中国市场,POWER获得了更多的重视,这显然是IBM喜闻乐见的,虽然随着CP系列处理器的不断发展,IBM自己的POWER产品在中国市场的收益必然会受到影响,但从长远的生态建设来讲,这是值得的。
另一方面,CAPI在组件级领域的生态聚集效应也正在增强,这对于POWER系统的多样化设计也是非常有利。在这一点上,英特尔的处境反应有点像之前在服务器市场中的IBM,毕竟自己不可能做出非常丰富的外围加速设计,这方面的确落在OpenPOWER的后面。这也正是OpenPOWER开放策略的一个亮点,也是英特尔“半成品”战略的一个负作用。
不过,英特尔收购ALTERA也给我们提了一个醒——它是非常善于自我修正的公司。从早期Pentium 4架构回归Pentium M架构,以及在64位处理器竞争中转败为胜的历史中,我们可以看到英特尔自我修正的能力。不久的将来我相信会看到来自英特尔类似于CAPI的设计,但我同样相信,“半成品”的策略并不会因此改变。
归根结底,聪明的公司会不断吸取外界的经验来完善自己的生态,努力适应竞争与市场的需求,但是每家公司也都有自己的主线或不会轻易动摇的原则。不管是英特尔还是IBM或是ARM,大家其实都在不同领域与层次上相互借鉴,在保证自己核心利益的基础上,做出适当的调整。而这种相互的竞争,也会让最终的解决方案更贴近需求,让最终用户获益。
因此脱离现实的需求,单纯的讨论谁更开放,或者说谁的开放策略是更好的,并没有太多的实际意义(比如在需求相对单一的年代,封闭的RISC小型机也活得很好呀)。而真正的衡量标准一直存在,且恒久不变,那就是——让更多的最终用户对你主导的架构满意,从而让自己更好的活下去!
好文章,需要你的鼓励
Snap 推出 Lens Studio 的 iOS 应用和网页工具,让所有技能层次的用户都能通过文字提示和简单编辑,轻松创建 AR 镜头,包括生成 AI 效果和集成 Bitmoji,从而普及 AR 创作,并持续为专业应用提供支持。
这项研究提出了CURE框架,通过强化学习让大语言模型同时学习编写代码和生成单元测试两种能力,无需使用标准代码作为监督。团队开发的ReasonFlux-Coder模型在仅用4.5K编程问题训练后,便在多个基准测试中超越了同类模型,代码生成准确率提高5.3%,最佳N选1准确率提高9.0%。该方法不仅提升了模型性能,还提高了推理效率,同时为降低API调用成本和无标签强化学习提供了新思路。
南京大学与字节跳动联合团队开发的MotionSight系统,为多模态大语言模型提供了"动态视觉增强"能力,解决了现有AI系统在理解视频细粒度动作方面的困难。这一零样本方法通过对象中心的视觉聚光灯和动态模糊技术,显著提升了模型对物体动作和摄像机动作的感知能力,在不需要额外训练的情况下实现了业界领先性能。研究团队同时构建了MotionVid-QA数据集,这是首个专注于细粒度视频动作理解的大规模开源数据集,包含4万多个视频片段和近9万个问答对,为未来研究提供了宝贵资源。