6月26日晚间,在清华控股和第一财经联合主办的“铸重器、赢未来”夏季达沃斯主题论坛上,紫光集团董事长赵伟国放出狠话:紫光希望在运营商领域成为华为的平衡者和思科的替代者,在存储芯片领域成为三星的平衡者。赵伟国口中的平衡者,即能影响并平衡相关领域全球巨头竞争格局的实力竞争者。
自爆高校背景
凭借一系列收购,紫光集团已从以前一家经营食品和房地产业务的公司一跃成为中国举足轻重的科技企业,旗下已拥有紫光展锐为代表的手机芯片设计业务、新华三为代表的企业网络业务。一周前,同方国芯(002040.SZ)宣布更名紫光国芯,该公司通过资本运作布局进军存储芯片产业。
通过紫光展锐,紫光集团已成为中国出货量最大的芯片企业。“我们去年芯片出货量超过10亿颗,手机领域去年供货量超过6亿5千万颗。如果不算苹果、三星和华为自产的手机芯片,我们在全球市场占有27%的份额,如果算上,份额在24%左右。”赵伟国说。

通过入股惠普旗下新华三并成为大股东,紫光的主营业务从芯片继续拓展到云,并一跃成为中国最大和最具潜力的云基础设施供应商。
紫光另一项大动作是参与同方国芯的定向增发。去年11月,同方国芯抛出高达800亿元定增计划,其中600亿元用于建设存储芯片制造工厂,其余用于对存储芯片封测厂及产业链其他并购。同方国芯的800亿定增主要对象是紫光旗下公司,其实同方国芯以前是同方股份(也是清控旗下上市公司)控股的,这笔定增完成后相当于同方国芯也成为紫光集团旗下公司。同时,紫光集团虽然收购存储芯片设计巨头美国美光科技受挫,但布局存储芯片设计,乃至继续在该领域进行收购的计划并没有停止。
“经常有人问我,赵伟国肯定有背景,有人支持你。我说确实有支持,两个支持:一个是来自清华大学的支持,包括前任校领导和现任校领导、班子的支持,以及清华方面资源的支持;第二个支持就是清华控股的支持。没有清华控股和清华大学的支持,紫光不会有今天。”赵伟国说。
紫光集团股东包括清华控股和北京健坤投资集团,从股东背景上,紫光集团是一家市场化较为充分的国有企业,其中大股东清华控股是清华大学校办企业,北京健坤投资是一家由赵伟国担任法人的市场化投资公司。
赵伟国表示,紫光高速发展和高校资源支撑密不可分,同时紫光也站在风口上,即和国家战略站在一起。
无法复制华为路径
立足信息技术关键领域,强调自主研发和知识产权布局,紫光和华为的道路不谋而同。
华为对于知识产权的重视和长期坚持自主研发,源于进军国际市场的切肤之痛。2000年左右,正式大规模进军海外市场的华为,刚走出国门,就遇上蜂拥而至找上门来收取专利费的主流通讯厂商。
紫光赵伟国:不复制华为,5年投500亿元做研发
“开出的价码大约都是我们每年收入的1%到7%不等,要知道这个行业的公司不是一家两家,每家公司都要这个数字,我们实际上是没有办法经营下去的。所以我们知道创新、专利就是走向全球市场的核心竞争力。”华为企业业务总裁阎力大在“铸重器、赢未来”主题论坛上表示。
这迫使其在付出代价同时坚持自主研发和知识产权布局,每年将10%以上营收投入研发,去年更将研发投入比例提升到15%。过去10年,华为研发总投入超过2400亿元,17万员工中超过8万员工从事研发工作。
据世界知识产权组织统计,截至2015年底,华为获得专利许可超过5万件。
“我(紫光)大概已经投进60亿元进行新的研发,清华控股未来几年研发投入会超过100亿,包括未来在存储领域研发投入会更加惊人。这些事情(相关领域研发)只能是打硬仗,步步为营、矢志不移、咬紧牙关,(战术层面)真的没有什么巧可取。”赵伟国也表示。
但赵伟国强调,紫光无法复制华为的道路。虽在战术层面不能取巧,紫光可以在战略层面寻找“出奇”机会,包括通过大手笔并购,在相关领域建立知识产权积累、通过资本获得入场券。“知识产权这条道路是马拉松,别人已经跑了20公里了,我找了辆汽车,开20公里路,下来和他一起跑。”赵伟国说。
6月26日,清华控股众多成员企业高管层集体亮相达沃斯。事实上,正是在这次清控成员的集体聚会上,清华控股董事长徐井宏启动了“基石计划”,面向提升国家核心竞争力、满足国家重大战略需求的“重科技”领域,清华控股未来5年将投入500亿元研发经费,并发起设立100亿元科技成果转化专项基金,用于推进“重科技”成果产业化。
好文章,需要你的鼓励
Lumen Technologies对美国网络的数据中心和云连接进行重大升级,在16个高连接城市的70多个第三方数据中心提供高达400Gbps以太网和IP服务。该光纤网络支持客户按需开通服务,几分钟内完成带宽配置,最高可扩展至400Gbps且按使用量付费。升级后的网络能够轻松连接数据中心和云接入点,扩展企业应用,并应对AI和数据密集型需求波动。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
RtBrick研究警告,运营商面临AI和流媒体服务带宽需求"压倒性"风险。调查显示87%运营商预期客户将要求更高宽带速度,但81%承认现有架构无法应对下一波AI和流媒体流量。84%反映客户期望已超越网络能力。尽管91%愿意投资分解式网络,95%计划五年内部署,但仅2%正在实施。主要障碍包括领导层缺乏决策支持、运营转型复杂性和专业技能短缺。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。