5月24日,紫光展锐宣布已启动科创板上市准备工作。目前,紫光展锐正进行上市前的股权及组织结构优化,进展顺利,预计将在2020年正式申报科创板上市材料。紫光展锐在科创板上市,将有助于公司运营管理更透明化、更规范化,进而激活紫光展锐的发展潜力,更好地响应市场和客户需求,提升产品质量,增强市场对公司的信心,为紫光展锐未来的跨越式发展提供助力。
紫光展锐是全球第三大手机芯片设计企业,致力于移动通信和物联网领域核心芯片的创新研发及设计,已推出“虎贲”和“春藤”两大品牌,是产品全面涵盖2G/3G/4G/5G移动通信技术以及IOT等无线连接技术的领先企业之一。在5G通讯技术方面,紫光展锐已于2019年2月推出了第一代5G基带芯片-春藤510,迈入全球第一梯队,并将支持首批5G终端的商用上市。除了通信和物联网芯片外,紫光展锐产品还覆盖智能电视芯片、AI芯片、射频前端芯片、高功率器件等多个领域,是领先的泛芯片供应商。
目前紫光展锐在全球手机芯片市场份额位列第三,在电视芯片全球市场占据领先位置,在蓝牙音箱/耳机芯片、RFFE射频前端芯片等领域位居国内厂商出货量前列。
紫光展锐曾五次获得国家科技进步奖,其中特等奖1次、一等奖2次,已申请发明专利3700余项,并通过全球上百家国家运营商网络的出货认证。
拥有强大技术研发实力和优异市场表现的紫光展锐拟在科创板上市,高度契合科创板导向,是对“创新驱动发展”的产业发展政策的积极响应,也将在科创板建设初期形成积极示范效应。
紫光展锐拥有4500余名员工,其中90%以上是研发人员。拥有22年通信、半导体行业从业经历的楚庆现任紫光展锐CEO。楚庆是行业内以技术和战略能力见长的领军人物,曾在华为技术、海思半导体、大唐移动等公司任职多年,并任华为公司战略与技术副总裁、海思半导体首席战略官,他在移动通信设备、软件无线电、物联网技术标准、手机、基站芯片、半导体基础技术等领域都有开创性贡献。
楚庆领导下的紫光展锐更是阵容强大,其中核心管理团队成员有:荣获2016年度国家科技进步特等奖的吴迪,担任智能终端业务部部长;拥有19年通信芯片从业经验的汪波,任通信终端业务部部长;拥有26年芯片从业经验的王泷,任泛连接业务部部长;国内最早从事芯片端到端质量管理的专家陈雨风,任首席质量官;拥有13年手机芯片从业经验的周晨,任市场管理部部长;拥有18年跨国工作经历的杨芙,任财经管理部部长。
据了解,拟在科创板上市的主体为北京紫光展锐科技有限公司,从其股权结构可以看出,紫光集团下属公司紫光展讯投资、紫光新微电子分别持有其57.14%和16.81%的股份,另外,英特尔(中国)持有其14.29%的股份。英特尔自2015年7月入股展讯后,就一直是紫光展锐的股东,英特尔全球副总裁兼中国区总裁杨旭也是紫光展锐的董事。
紫光展锐董事会除杨旭外,其董事成员还包括:紫光展锐首席执行官楚庆、紫光国芯微电子股份有限公司总裁马道杰、深圳市国微电子有限公司董事长祝昌华、华芯投资副总裁高松涛等。紫光集团董事长兼首席执行官赵伟国现任紫光展锐董事长、刁石京任副董事长。
为构建良好的治理结构,目前紫光展锐正在进行上市前优化股权结构工作。紫光展锐计划2019年完成PreIPO轮融资和整体改制工作,预计将在2020年正式申报科创板上市材料。
好文章,需要你的鼓励
这项研究提出了ORV(占用中心机器人视频生成)框架,利用4D语义占用作为中间表示来生成高质量的机器人操作视频。与传统方法相比,ORV能提供更精确的语义和几何指导,实现更高的时间一致性和控制精度。该框架还支持多视角视频生成(ORV-MV)和模拟到真实的转换(ORV-S2R),有效弥合了虚拟与现实之间的差距。实验结果表明,ORV在多个数据集上的表现始终优于现有方法,为机器人学习和模拟提供了强大工具。
这项研究由Writer公司团队开发的"反思、重试、奖励"机制,通过强化学习教导大型语言模型生成更有效的自我反思内容。当模型回答错误时,它会生成反思并二次尝试,若成功则奖励反思过程。实验表明,该方法在函数调用和数学方程解题上带来显著提升,最高分别改善18.1%和34.7%。令人惊讶的是,经训练的小模型甚至超越了同家族10倍大的模型,且几乎不存在灾难性遗忘问题。这种自我改进技术为资源受限环境下的AI应用开辟了新方向。
FuseLIP是一项突破性研究,提出了通过早期融合离散标记实现多模态嵌入的新方法。与传统CLIP模型使用独立编码器不同,FuseLIP采用单一编码器同时处理图像和文本标记,实现了更自然的模态交互。研究证明,这种早期融合方法在多种多模态任务上表现优异,特别是在需要理解图像结构而非仅语义内容的任务上。研究还开发了创新的数据集和评估任务,为多模态嵌入研究提供了宝贵资源。
ByteDance与浙江大学合作开发的MERIT是首个专为多语言多条件语义检索设计的基准数据集,包含320,000条跨5种语言的查询和135,000个产品。研究发现现有模型在处理多条件查询时过度关注全局语义而忽略特定条件元素,为此提出CORAL框架,通过嵌入重建和对比学习相结合的方式,使检索性能提升45.9%。这项研究不仅识别了现有方法的关键局限性,还为多条件交错语义检索领域的未来研究奠定了基础。