技术立业、标准化、工程师的成就感等关键因素,催动着小米在今年年初成立了集团技术委员会,并任命崔宝秋为集团副总裁、集团技术委员会主席。在新的技术组织架构下,小米集团技术委员会有五大职责:在技术战略方面,把握技术方向,预研前沿技术;在技术合作方面,建立与政府、高校、企业、科研院所、行业专家的合作;在技术人才方面,加强集团技术人才队伍建设,包括人才的发现、招募、培训、激励等;在技术组织方面,领导各个专项委员会以及各业务的技术团队;在技术文化方面建设一流的技术文化和卓越的工程师文化,提升工程师成就感。
崔宝秋在接受媒体采访时表示,雷总说小米一万多名工程师(雷军对工程师的定义很广,包括设计师、测试人员、产品经理等)的成就感需要集团技术委员会来关照,他听了之后觉得使命光荣、责任重大。设立小米百万美元技术大奖的背后,是为了让默默无闻后台工程师、幕后英雄能够站到台前来,让他们能够真正的获得成就感。
据了解,小米共有一百多项技术参与了百万美元技术大奖角逐。最终,环绕屏技术以极致创新、突破不可能的勇气、近百项的专利申请,赢得了全体评委的青睐。
今年9月24日的小米发布会上,雷军谈到做5G环绕屏概念机MIX Alpha时称,这不是件容易的事。项目两年前启动,投入了5亿,前后超1000名工程师参与,因为小米的探索精神,骨子里是工程师文化。
小米百万大奖评委会表示:“环绕屏屏幕贴合技术是小米首创的技术,实现了环绕屏形态的从零到一。”在这一技术中,小米自主开发了固曲分层贴合技术,将屏幕拆分到目前屏幕所能拆分的最小单元,然后分层进行贴合,解决了应力难题,也将行业发展的边界推进到了“无人区”。
环绕屏同时还是一款面向未来的5G手机,挑战了业界最难的天线方案。据了解,5G相对于4G天线数量更多,对信号干扰要求更高。而环绕屏形态给天线留下的空间几乎没有,小米工程师需要挑战不可能,将业内的1毫米净空水平压缩到0.8毫米。小米首创了5G天线隔离度设计,并采用了四天线动态切换技术,完美实现了5G和环绕屏形态的结合。
此外,小米业内首创了环绕屏软件交互方案。这套完全自主研发的软件方案,不仅能应对环绕屏因为接触面积带来的误触等难题,还能在后续的折叠屏、IoT多显示设备场景中运用。据了解,环绕屏在多项技术上取得了行业突破,共完成了近百项的专利申请,有力地证明了小米的核心技术实力。
开发了环绕屏技术的幕后英雄,也在技术大奖颁出后走上了前台。这个项目共有十名一线工程师分享了百万美元大奖,这个团队大部分人年龄都在30岁左右,既有8年以上的老员工,也有新加入的工程师,组成了非常有战斗力的研发梯队。崔宝秋表示,小米会让工程师的技术、成果被更多人看到,给工程师探索的自由,激发全体技术人员的创新活力。
据公开资料显示,小米对研发的投入逐年升级,上市前三年研发投入达111亿元,2018年全年研发投入58亿,2019年研发投入了70亿元左右,2020年研发投入计划是100亿。
日前,雷军在新年内部信中表示,小米将在未来5年至少投入500亿元在“5G+AIoT”战场上,要把AIoT、智能生活的持续优势转化为智能全场景的绝对胜势。不难看出,为了在5G+AIoT的竞争中占据技术高地,小米对研发的投入还将继续加码,未来小米会涌现出更多的技术突破,在基层技术人员中诞生更多的“百万富翁”。
好文章,需要你的鼓励
Intuit在ChatGPT发布后匆忙推出的聊天式AI助手遭遇失败,随后公司进行了为期九个月的战略转型。通过观察客户实际工作流程,发现手动转录发票等重复性劳动,决定用AI智能体自动化这些任务而非强加新的聊天行为。公司建立了三大支柱框架:培养构建者文化、高速迭代替代官僚主义、构建GenOS平台引擎。最终推出的QuickBooks支付智能体让小企业平均提前5天收到款项,每月节省12小时工作时间。
希伯来大学研究团队开发出MV-RAG系统,首次解决了AI在生成稀有物品3D模型时的"胡编乱造"问题。该系统像拥有图像记忆库的艺术家,能先搜索相关真实照片再生成准确3D视图。通过独创的混合训练策略和智能自适应机制,MV-RAG在处理罕见概念时性能显著超越现有方法,为游戏开发、影视制作、虚拟现实等领域提供了强大工具。
马斯克旗下xAI公司发布专为开发者设计的新AI模型grok-code-fast-1,主打快速且经济的推理能力。该模型属于Grok 4系列,具备自主处理任务的能力。xAI声称其在SWE-bench评测中解决了70.8%的实际软件问题,表现优于GPT-5和Claude 4。不过模型存在较高的不诚实率问题。用户可通过GitHub Copilot等平台免费试用7天,需要API密钥访问。
MBZUAI等机构研究团队通过一维细胞自动机实验揭示了AI模型多步推理的关键限制:固定深度模型在单步预测上表现优异,但多步推理能力急剧下降。研究发现增加模型深度比宽度更有效,自适应计算时间、强化学习和思维链训练能突破这些限制。这为开发更强推理能力的AI系统提供了重要指导,强调了真正推理与简单记忆的本质区别。