靓丽的Q3财报发布之后,小米紧接着宣布小米将于下周的11月28日举办小米AIoT开发者大会,为科技行业与资本市场对小米的乐观信息再加一把火。而小米官方今日释放的信息显示,雷军本人将出席小米AIoT开发者大会,详解小米AI与IoT这两大未来核心业务的战略布局。
根据最新的财报,小米在”AI+IoT”领域的全球领先优势持续扩大。截至2018年第三季度,小米IoT消费级物联网连接设备数已经达1.32亿台(不含手机、平板和笔记本电脑),AI智能语音助理小爱同学的月活跃用户超过了3400万。小米启动了AI全面赋能的战略,带动IoT及生活消费品业务在过去一年里继续高歌猛进,第三季度该业务收入达108.05亿元人民币,同比增长89.8%。同时,该业务前三个季度总收入达288亿元,已超过该业务去年的全年收入。
“AI+IoT”万物智慧互联的概念由雷军率先提出,包含了小米对人工智能的重视,以及对自身优势的判断。在2018年上海世界人工智能大会上,雷军大胆判断,人类已经进入了人工智能的新时代,很多AI产品融入了人们的日常生活,AI与IoT结合形成了AIoT,也就是万物智慧互联。
雷军表示,2016年AlphaGo击败围棋顶级选手,是人工智能发展史上的里程碑事件。这一事件表明人工智能技术发生了巨大的颠覆和突破。从那时起,人工智能开始成为了全球各大科技巨头的核心战略,涌现出上千家创业公司,小米也将人工智能列为未来的核心战略。
”小米选择的突破口是IoT。“雷军认为,小米发展人工智能拥有巨大的优势,包括庞大的用户群、海量的设备和数据,丰富的应用场景,以及很早就开始了大数据和云计算的布局。其中最重要的优势是建成了全球最大的IoT消费级物联网。
早在2013年,小米就开始投资和孵化生态链企业。雷军曾表示,小米生态链是在捕捉万物互联的巨大机会。五年过去,小米投资和孵化了220家生态链企业,其中100多家专注于智能硬件和生活消费品。小米和小米生态链企业打造的智能设备,创造了多个全球第一,如小米手环、空气净化器、平衡车等等。业界公认,小米是“AI+IoT”行业的开拓者和催化剂。
目前,AI全面赋能下的IoT平台和IoT智能硬件,已经成为了小米增长的新引擎。同时,小米IoT设备中,小米电视在开拓5年后,已经登顶中国电视行业第一,同时开始积极走向海外。最新财报显示,2018年第三季度小米智能电视同比增长达198.5%,前三季度累积出货量达520万台,从4月份开始成为中国市场第一,并在10月突破了月出货量100万台。
值得一提的是,”AI+IoT“不仅带来了销售收入的增长,并且成为了小米互联网流量的一大来源,使得小米互联网变现业务更趋多元。如小米智能电视和盒子月活跃用户已达1590万,刚刚开始尝试流量变现,就已经贡献了5.4%的小米互联网收入,让业内对AI加持下,小米IoT业务未来互联网变现能力信息大涨。
业内人士认为,小米在IoT设备和平台业务上的成功,归根结底是用户体验完善的成功,“用户在意的是体验的完整统一和每个细节上的便捷、顺畅,只有真正提供了用户想要的体验,所谓平台才能真正有价值。”
不仅仅是小米自身的IoT设备业务,小米AIoT此前已宣布开放平台、赋能业界。雷军表示,IoT设备数量将比移动互联网时代的手机还要大一个数量级,蕴含了巨大的市场机会。而AI与IoT有很多结合点,相信未来数亿百亿计的IoT设备都会带上AI智能会话系统。
”小米深知,要做好人工智能,需要和大家深度合作,携手共进。“雷军表示,小米将在”AI+IoT“领域坚持全面开放的战略,与合作伙伴一道,推动万物智慧互联时代的到来。
此次大会,小米将带来更完善的IoT软硬一体化解决方案,更丰富的AI开放生态,更贴近生活的全球合作伙伴。敬请期待。
好文章,需要你的鼓励
来自上海交通大学和浙江大学等机构的研究团队开发出首个AI"记忆操作系统"MemOS,解决了AI系统无法实现人类般持久记忆和学习的根本限制。该系统将记忆视为核心计算资源进行调度、共享和演化,在时间推理任务中相比OpenAI记忆系统性能提升159%。MemOS采用三层架构设计,通过标准化记忆单元实现跨平台记忆迁移,有望改变企业AI部署模式。
DeepSeek-AI团队通过创新的软硬件协同设计,仅用2048张GPU训练出性能卓越的DeepSeek-V3大语言模型,挑战了AI训练需要海量资源的传统观念。该研究采用多头潜在注意力、专家混合架构、FP8低精度训练等技术,大幅提升内存效率和计算性能,为AI技术的民主化和可持续发展提供了新思路。
在我们的日常生活中,睡眠的重要性不言而喻。一个晚上没睡好,第二天的工作效率就会大打折扣,而充足的睡眠不仅能让我们恢复精力,还能帮助大脑整理和巩固当天学到的知识。有趣的是,AI模型竟然也表现出了类似的“睡眠需求”。
加拿大女王大学研究团队首次系统评估了大型视频语言模型的因果推理能力,发现即使最先进的AI在理解视频中事件因果关系方面表现极差,大多数模型准确率甚至低于随机猜测。研究创建了全球首个视频因果推理基准VCRBench,并提出了识别-推理分解法(RRD),通过任务分解显著提升了AI性能,最高改善幅度达25.2%。