据了解内情的消息人士称,苹果正在采购和部署越来越多的IBM技术供内部使用,该迹象表明两家公司的移动企业合作伙伴关系正在扩大到新的领域。
据该知情人士称,苹果正在自己的零售平台和企业数据中心内使用IBM的软件和硬件。
“苹果和IBM不会强调这是双方合作的一部分,但是在苹果方面正是采用越来越多IBM产品组合的重要时刻,”一位了解双方合作的知情人士称。“IBM正在成为苹果公司的顶级软件厂商。”
IBM内部有一个大约25人的销售团队专门负责向苹果公司售卖技术。该团队预计2016财年将向苹果出售价格8200万美元的IMB技术——同比增长22%,这位不愿意透露姓名的人士表示。该团队在截止于12月31日的2015财年贡献了大约6700万美元的收入。
有消息称,苹果在IBM技术上的投资显示了它对IBM采用数据分析、存储和云服务来解决业务挑战的策略是买单的。
一位IBM发言人拒绝对销售数字进行评论,苹果方面也未对此做出回应。
苹果公司首席执行官Tim Cook和首席运营官Jeff Williams对IBM的沃森认知计算技术尤其感兴趣,并且与IBM关于在苹果传闻已久的电动汽车项目、医疗保健以及制造产品中采用IBM数据分析进行了高层面的讨论。
IBM在去年4月曾表示,将会在Watson Health Cloud——IMB在各种行业细分领域尝试沃森技术商业化的项目之一——上支持ResearchKit,ResearchKit是苹果面向医疗研究和开发者的一种开源框架。
IBM也帮助苹果认识到将多种技术融入解决方案的实用性。“IBM将自身产品融汇到一起的能力要强于其他大多数厂商,”该消息认识称。“IBM在任何一个技术领域都不一定是最强的,但聚合起来,不同的组成部分可以很好地契合在一起。”
IBM在去年12月表示,将会与苹果联合开发超过100种iOS应用,专注于不同的专业领域,包括航空、医疗保健和公共事业。IBM的SoftLayer云支持苹果的Swift编程语言可用于开发移动应用。
苹果也从与IBM的合作中获得收入。IMB已经成为苹果公司最大的MacBook、iPad以及iPhone经销商,以及最大的企业客户之一。去年8月华尔街日报报道称,IBM计划最终将向自己的员工提供大约20万台iOS设备。IBM还发布了一项旨在帮助其他组织机构安全地将Mac与企业系统及应用集成的云服务。
那么,苹果与IBM的合作伙伴关系将何去何从?有消息人士称,IBM有机会帮助苹果更好地扩展云存储,帮助其减少对AWS、微软以及Google的依赖。
如果苹果继续采购更多的IBM产品和服务,那么两家公司有可能会考虑在某个时候强调一项企业许可协议,有知情人士暗示说。在任何场合中,IBM都把自己定位成苹果企业技术的首选提供商,该人士称。
“双方的合作的确是给了IBM一臂之力,以及IBM与苹果高管的高层面定期讨论,”该知情人士称。
当被问及未来与苹果合作的方向时,这位IBM新闻发言人暗示称双方合作是有很大扩展空间的。
“苹果和IBM继续发展合作伙伴关系,充分利用双方公司的创新,”这位新闻发言人在电子邮件中这样表示。“我们刚刚触及到苹果与IBM合作所能交付的成果的表面。”
好文章,需要你的鼓励
UniR(Universal Reasoner)是一种创新的推理增强方法,可为冻结的大语言模型提供即插即用的推理能力。由韩国科学技术院研究团队开发,该方法将推理能力分解为独立的轻量级模块,无需改变主模型结构。UniR的核心优势在于高效训练(仅更新小型推理模块)、出色的模型间迁移能力(小模型可指导大模型)以及模块组合能力(多个专用模块可通过logits相加组合使用)。在数学推理和翻译测试中,UniR显著超越现有微调方法,展示了轻量级模块如何有效增强大语言模型的推理能力。
Nebius团队开发了SWE-rebench,一个自动化管道用于从GitHub收集软件工程任务并进行去污染评估。该系统解决了两大挑战:高质量训练数据稀缺和评估基准容易被污染。通过四阶段处理(初步收集、自动安装配置、执行验证和质量评估),SWE-rebench构建了包含超过21,000个Python交互式任务的数据集,并提供持续更新的评估基准。研究发现部分语言模型在传统基准上的表现可能被污染效应夸大,而DeepSeek模型在开源模型中表现最为稳健。
这项研究提出了JQL(发音为"Jackal"),一种通过多语言方法提升大型语言模型预训练数据质量的创新系统。研究团队从拉马尔研究所等机构通过四阶段方法解决了多语言数据筛选的难题:先由人类评估内容教育价值创建基准数据,然后评估大型语言模型作为"评判者"的能力,接着将这些能力提炼到轻量级评估器中,最后应用于大规模数据筛选。实验表明,JQL在35种语言上显著优于现有方法,甚至能泛化到未见过的语言如阿拉伯语和中文,为多语言AI发展提供了高效可靠的数据筛选方案。
浙江大学和西湖大学研究团队开发的Styl3R实现了艺术风格化3D重建的重大突破,能在不到一秒内从少量未标定照片和任意风格图像创建具有多视角一致性的3D艺术场景。通过创新的双分支网络架构将结构建模与外观着色分离,系统不仅保持了原始场景结构,还准确捕捉了参考风格特征。与现有方法相比,Styl3R在处理速度和视觉质量上均显著领先,为创意内容制作开辟了全新可能。