(贵州省委书记陈敏尔,省委副书记、代省长孙志刚会见美国高通公司首席执行官史蒂夫•莫伦科夫和总裁德里克•阿博利一行)
1月17日,贵州省人民政府与美国高通公司在北京国家会议中心举行仪式,双方签署战略合作协议并为合资企业贵州华芯通半导体技术有限公司揭牌。贵州省委书记陈敏尔、贵州省政府代省长孙志刚及国务院有关部门领导、美国高通公司首席执行官史蒂夫•莫伦科夫、总裁德里克•阿博利和公司其它高级管理人员出席活动,共同见证了签约和揭牌。贵州华芯通半导体技术有限公司将专注于设计、开发并销售供中国境内使用的先进服务器芯片。中国目前是全球第二大服务器技术销售市场。合资企业首期注册资本18.5亿人民币(约2.8亿美元),贵州方面占股55%,美国高通公司方面占股45%。
贵州省人们政府和美国高通公司双方签署战略合作协议
组建合资企业是贵州省政府与美国高通公司战略合作的重要组成部分。近年来,贵州省交通基础设施明显加强,经济社会发展全面提速,大数据产业发展方兴未艾,是中国第一个获批开展大数据产业发展集聚区创建的省份,也是国家明确的大数据综合试验区。此次,除组建合资公司外,美国高通公司还将在贵州设立一家投资公司,将作为其未来在中国进行投资的载体。通过结成战略合作伙伴关系,双方建立长期承诺,将整合利用优势资源,实现互利共赢的发展。
美国高通公司总裁德里克·阿博利表示:“今日宣布的合作内容是美国高通公司在中国深入合作并继续扩大在中国投资非常重要的一步。过去20多年里,我们一直与中国的合作伙伴积极合作,而此次与贵州省开展战略合作将进一步加强我们在中国市场的协作关系。我们不仅将提供投资资金,还将向合资公司许可我们的服务器技术,并提供研发流程和实施经验的支持。这充分表明我们在中国作为战略合作伙伴的承诺。”
美国高通技术公司高级副总裁兼数据中心业务群组总经理阿南德•钱德拉塞卡尔表示:“建立服务器技术合资公司使贵州省和美国高通公司双方实现互利共赢,我们将共同抓住中国数据中心的重大机遇。”
(贵州省政府常务副省长秦如培与美国高通公司总裁德里克•阿博利签署战略合作协议)
贵州省政府常务副省长秦如培表示:“国家高度重视发展集成电路产业,制定了《国家集成电路产业发展推进纲要》和设立了国家集成电路产业发展投资基金,推进集成电路产业的发展。此次,美国高通公司携行业领先的服务器芯片技术与贵州合作,是高通公司对市场和技术进行全面审慎分析后的战略选择,也是贵州发展集成电路产业的重大机遇。我相信,双方合作一定能够结出丰硕成果。”
合资公司注册地为贵州贵安新区,在北京设有运营机构。根据协议,美国高通公司将向合资企业许可其服务器芯片专有技术,还将提供设计和技术支持合资企业获得商业机遇和成功。贵安新区是国务院2014年批准设立的国家级新区,是贵州省大数据产业发展的重要平台,建设目标是国家重要的大数据产业发展集聚区和大数据综合试验区。贵安新区以实施大数据战略行动为契机,规划建设超过250万台服务器的绿色数据中心集聚区,已吸引中国电信、中国联通、中国移动、华为、富士康等落地建设数据中心。
(贵州省委书记陈敏尔与美国高通公司首席执行官史蒂夫•莫伦科夫共同揭牌“贵州华芯通半导体技术有限公司”)
成立合资企业是美国高通公司在中国做出的又一项投资,之前的多项投资包括与中芯国际合作制造智能手机芯片,投资合资企业中芯国际集成电路新技术研发(上海)有限公司,以及设立1.5亿美元的中国风险投资基金等。
好文章,需要你的鼓励
这篇研究提出了OThink-R1,一种创新的大型推理模型,能够像人类一样在快速直觉思维和慢速深度推理之间自动切换。研究者发现,现有推理模型即使面对简单问题也会生成冗长的推理过程,导致计算资源浪费。通过分析推理轨迹并使用LLM评判员区分冗余和必要推理,OThink-R1能根据问题复杂度动态调整思考深度。实验表明,该方法平均减少了23.4%的生成文本量,同时保持或提高了准确率,代表了向更高效、更人性化AI推理系统迈出的重要一步。
这项研究提出了SHARE,一种新型文本到SQL修正框架,它利用三个小型语言模型(SLM)协同工作,实现高效精准的SQL错误修正。SHARE首先通过基础行动模型将SQL转换为行动轨迹,再经过模式增强模型和逻辑优化模型的层次化精细化修正。研究团队还创新性地提出了层次化自演化训练策略,大大提高了训练数据效率。实验结果表明,SHARE在多个基准测试上显著提升了SQL生成准确率,计算成本仅为传统方法的十分之一,并展现出强大的泛化能力,适用于各种生成器模型和SQL方言。
这项由香港大学和南京大学等机构研究人员联合开发的双专家一致性模型(DCM)解决了高质量视频生成中的效率难题。研究团队发现扩散模型蒸馏过程中存在优化冲突:早期阶段负责语义布局与运动,后期阶段关注细节精修,两者学习动态差异显著。DCM创新性地将这两个任务分配给不同的专家模型,通过参数高效的实现方式,使模型仅需4步即可生成接近50步原始模型质量的视频,大幅提升生成速度,为实用化AI视频创作铺平道路。
这项研究介绍了QARI-OCR,一种基于Qwen2-VL-2B-Instruct模型微调的阿拉伯文字识别系统。研究团队通过三阶段合成数据训练,成功解决了阿拉伯文字识别中的主要挑战:曲线连笔特性、上下文变化的字母形状和发音符号。QARI v0.2模型创下了0.061的字符错误率和0.160的单词错误率,超越了现有开源解决方案,为阿拉伯文化遗产的数字化保存提供了重要工具。