2015年12月29日 近日,由IEEE(电气和电子工程师协会)的年度报告——2015专利实力评鉴(Patent Power Scorecards)出炉。在计算机综合(计算机软件、计算机系统、计算机外设和存储)类别中,EMC获得4837的高分,位居榜首。
IEEE专利实力评鉴是一年一度的综合分析,通过对全球范围内6000多家领先的商业企业、学术机构、非营利性组织和政府机构专利组合的基准测试,IEEE给出其“Pipeline Power”得分,评估谁拥有最宝贵的专利组合。衡量标准包括组织专利组合的大小,最近一整年获得专利授予的数量,基于一系列反映增长、影响、独创性等指标判断的专利分量,以及组织专利组合的通用性等。
在计算机软件、计算机系统、计算机外设和存储三大类别综合中,EMC排名第一,排名第二至第五的分别是IBM、Microsoft、Western Digital和VMware。
当把所有行业类别都考虑进来时,EMC仍高居全球第五,前四位分别是Google(通信/互联网服务)、Apple(电子)、Facebook(通信/互联网服务)和Qualcomm(通信/互联网设备)。
目前,EMC拥有近5900个美国专利商标局(USPTO)发表的专利,EMC信息基础设施(EMC II)拥有近5000个。此外,EMC还有近4500个美国专利应用待批。
2003-2014的12年间,EMC在研发和收购上的投入高达420亿美元,不断通过领先的技术,助力客户的数字化转型之旅,通向混合云。公司上下对创新投入不变的关注,也直接吸引了市场上最优秀的、最具竞争力的人才。IEEE最新的2015专利记分卡排名,从另一个侧面印证了EMC创新引擎的活力。
相关资源
Patent Power 2015
http://spectrum.ieee.org/static/interactive-patent-power-2015
EMC Earns Top Marks On Patent Power 2015
http://v.qq.com/page/x/e/8/x0178uez6e8.html
关于IEEE专利实力评鉴(Patent Power Scorecards)
专利实力评鉴由《IEEE SPECTRUM》杂志自2007年开始每年发布一次,到2015年11月30日共发布了9期榜单。专利实力评鉴的评选对象是全球范围内的公司、大学、研究机构和政府机构等组织。专利实力评鉴完全按照组织所在的行业来进行分类评比,每次发布17个榜单:航空航天和国防、汽车及零部件、生物医药、化学、通信/网络设备、通信/网络服务、计算机设备和存储、计算机软件、计算机系统、电子产品、医疗器械、科学仪器、半导体设备制造、半导体制造、综合型企业、政府机构、大学/教育/培训。
专利实力评鉴各榜单上的组织是根据专利综合实力进行排名的,其综合考量了专利组合的数量和技术价值,由于采用了技术加权后的专利组合规模作为衡量依据,专利实力评鉴可以较全面准确地评价某个组织的技术实力。
专利综合实力是对专利数量及专利成长性、技术影响力、技术原创性和技术通用性进行组合运算后的综合性指数,其计算公式为:专利综合实力(Pipeline Power)=上一年度授权专利数量(Number of Last Year’s Patents)×专利增长指数(Pipeline Growth Index)×校正后的技术影响指数(Adjusted Pipeline Impact)×技术原创指数(Pipeline Originality)×技术通用指数(Pipeline Generality)。
好文章,需要你的鼓励
Writer首席执行官May Habib指出,企业在构建和扩展AI智能体时面临重大挑战。智能体在构建、运行和改进方式上与传统软件截然不同,需要抛弃传统软件开发生命周期。智能体不会可靠地遵循规则,而是结果导向、具备解释和适应能力。企业需要采用目标导向方法,设计业务逻辑蓝图而非工作流程。质量保证也需要评估非二元行为和实际应用表现。智能体维护需要新的版本控制系统,涵盖提示、模型设置等所有影响行为的因素。
中科院团队开发的SimpleGVR系统革新了AI视频增强技术,通过直接在潜在空间处理和创新的分阶段训练策略,能够将AI生成的低分辨率视频高效提升至高清画质。该系统不仅提升分辨率,还能修正AI视频特有的颜色混合等问题,在多项指标上超越现有顶级方法,为AI视频生成领域提供了实用的解决方案。
Salesforce首席执行官马克·贝尼奥夫表示,公司正大力推进人工智能应用,AI代理现在承担了公司30%至50%的工作。他认为员工应适应AI替代人工的趋势,转向更高价值的工作。然而,这一变化导致约1000名员工被裁,虽然公司计划招聘同等数量新员工,但主要专注于销售AI技术。这一趋势在科技行业普遍存在,今年已有超过63000个科技岗位消失,AI被认为是重要原因之一。
浙江大学联合腾讯AI实验室提出KnowRL方法,通过在强化学习中集成事实性奖励机制,有效解决慢思维AI模型在推理过程中的幻觉问题。该方法在保持原有推理能力的同时,显著提升了模型的事实准确性,为构建更可靠的AI系统提供了新思路。