近日,国际信息显示学会(SID)评选出2024年度全球信息显示领域的荣誉奖项,BOE(京东方)董事长陈炎顺被授予业界杰出个人最高奖项——2024年“David Sarnoff产业成就奖”,以表彰他创新提出“屏之物联”战略,并通过在半导体显示行业的领导和创新,开创了显示与物联网应用融合的新时代,为全球交流与合作以及推动全球显示行业的巨大增长做出的卓越贡献。
David Sarnoff产业成就奖设立于2018年,每年授予一位在全球显示产业发挥卓越领导力、产生长远影响、并被业界广泛认可的杰出贡献者。2024年BOE(京东方)董事长陈炎顺获得这一行业荣誉,让BOE(京东方)成为“David Sarnoff产业成就奖”评选七届以来,唯一一家先后有两位领导者成功入选的企业,这也凸显了BOE(京东方)在卓越领军人物的带领下,紧贴时代脉搏实现企业发展蜕变、并勇立潮头推动中国和全球半导体显示产业创新发展的昂扬姿态。
作为全球信息显示行业物联网转型的开拓者和领军人,陈炎顺深入洞察行业发展趋势,于2021年开创性地提出“屏之物联”战略,即让屏幕集成更多功能、衍生更多形态、植入更多场景,将屏幕从单一显示器件升级为人类信息交互的重要端口及物联时代数实融合的第一触点,以场景应用创新的全新模式引领半导体显示行业的破局之路,带领全球显示产业市场进入更宽广的增长空间。2023年底,凝聚BOE(京东方)30年战略管理思想和商业智慧的《屏之物联》产业著作正式发布,其中基于“屏之物联”战略提出的极具示范价值的“企业战略升维模型”,也为数字时代背景下科技企业穿越周期、寻找新的增长空间指明了方向。
自1993年加入BOE(京东方),陈炎顺经历了公司转型创业发展的全过程。2019年出任董事长以来,陈炎顺带领BOE(京东方)进入了物联网转型发展和创造性业务持续增长的快车道,推动构建“1+4+N+生态链”的创新业务架构及“三横三纵”的运营管理体系,仅在两年间实现了从1000亿营收到2000亿营收的跨越式增长。为了加速“屏之物联”战略落地,陈炎顺倡导与全球生态伙伴融合共生。目前,BOE(京东方)合作伙伴数量已突破5000家,在技术创新、产业发展、生态构建等方面开展了深度合作。同时,BOE(京东方)协同生态伙伴在近百个细分场景进行探索实践,在园区、金融、教育、交通、8K超高清、视觉艺术、数字展陈等众多细分场景打造多个标杆项目,携手全球伙伴推动行业高质发展。
BOE(京东方)蓬勃发展的物联网转型业务得益于其强大的创新研发实力,多年来公司始终保持对技术的尊重和创新的坚持,每年坚持将营收的7%左右投入到研发中,并将年度销售收入的1.5%用于基础与前沿技术研究,成为全球半导体显示领域研发投入的佼佼者。截至2023年,BOE(京东方)累计自主专利申请已超9万件。与此同时,BOE(京东方)还携手合作伙伴开展策源地关键技术攻关,共建创新生态,打造半导体显示、物联网创新、传感器件三大技术策源地,并联合多家人工智能与物联网创新企业共同发起AIoT专利池和“科技普惠民生”公益专利池,让专利成果广泛惠及社会大众。根据Omdia最新数据,截至2023年,BOE(京东方)液晶显示屏整体及五大应用领域的出货量、出货面积连续多年保持全球第一。
2024年,BOE(京东方)面向下一个三十年的新征程全新出发,以全球化视野开拓进取,加速向市场化、国际化、专业化发展。在陈炎顺董事长的带领下,BOE(京东方)将继续秉持“屏之物联”的发展战略,赋能产业上下游生态伙伴,积极构建“Powered by BOE”产业价值创新生态,以不断突破的创新显示技术和物联网解决方案引领全产业链的价值升维变革,推动千行百业的数字化、智能化升级,持续谱写行业高质发展的新篇章!
好文章,需要你的鼓励
四川大学研究团队发现,当前先进的AI模型在面对信息不完整的数学问题时,缺乏主动询问澄清信息的能力,更倾向于基于假设给出答案。
中南大学等机构联合发布TextAtlas5M数据集,包含500万图像-文本对,专门解决AI长文本图像生成难题。该数据集平均文本长度148.82词,远超现有数据集,涵盖广告、学术、教育等真实场景。配套的TextAtlasEval基准测试显示,即使最先进的商业模型也面临显著挑战,为AI图像生成技术指明了新的发展方向。
从11岁就梦想造人形机器人的Bernt Bornich,用'huggable'形容他的Neo Gamma机器人——这个能举起150磅的66磅'运动员',正以家庭为试验场突破AI学习瓶颈:'工厂20小时就触及学习天花板,而家庭环境的多样性才是通往AGI的钥匙'。
剑桥大学研究团队创建了史上最难的AI视觉测试ZeroBench,包含100道精心设计的视觉推理题目。在这项测试中,包括GPT-4o、Claude、Gemini在内的20个全球最先进AI模型全部得了0分,暴露了当前AI在基础视觉理解上的严重缺陷。研究发现AI主要在计数、空间推理等基础任务上失败,而非逻辑推理能力不足。