苹果着手自研调制解调器,以应对高通天价专利费

640?wx_fmt=png

来源:DeepTech深科技


近日,苹果官方发布一份招聘信息,其中有一个职位就非常惹人注意,根据信息,苹果准备招募两名蜂窝调制解调器系统架构师,一名构架师的工作地点在圣克拉拉,另一名构架师的工作地点则是在高通总部所在地圣地亚哥。


同时,据 The Verge 透露,苹果为即将设在圣地亚哥的实验室还招聘了数名射频工程师。这些招聘信息传递信息已经很明显,苹果自主研发网络硬件的计划已经提上日程,而这一举动无疑是为了在与高通的较量中掌握主动权。


一直以来,苹果在设备上使用的都是高通和英特尔的混合调制解调器,但从 2017 年初起,这苹果和高通就一直处于纠纷中。苹果指控高通作为调制解调器供应商要价过高。并且,苹果放弃继续使用高通芯片,在 iPhone XS 和 XR 中改用英特尔的调制解调器。


作为回应,在 2017 年 7 月,高通也对苹果发起诉讼,指控苹果在多款使用了英特尔芯片的 iPhone 手机侵犯了高通在无线技术方面的 6 项专利,并请求美国联邦当局禁止苹果手机的进口,同时,高通还指控苹果窃取高通大量机密信息和商业机密以提高其竞争对手英特尔的芯片性能。


这两家公司在全球范围内卷入了直接和间接诉讼,主要原因集中在苹果不愿意支付过高的高通专利授权费。根据高通的专利授权规则,手机制造商使用了高通芯片,除了购买芯片要付钱,还要支付手机整机价格 3.5% 或者 5% 的专利授权费。如果设备制造商要造基站,如果使用了高通专利,也要付专利费。


而高通则认为必必须保护自己的知识产权。苹果从高通的知识产权中获益,同时又拒绝赔偿高通,这并不合理。


然而,困扰苹果的问题是,虽然苹果可以选择使用英特尔的调制解调器,但从数据分析上来看,英特尔调制解调器的性能与高通还是有一定差距。


Ookla 分析师测试发现,与装备英特尔的设备相比,搭载骁龙 845 的设备速度明显快很多:下载速度快 40% 左右,上传速度快 20% 左右,这并不是一个小差距。可能是苹果选择开始规划自主研发芯片的重要原因。


但新通讯芯片问世可能还需要几年的时间,之前透露 2020 年苹果准备推出 5G iPhone,还会继续装备英特尔调制解调器。从逻辑上讲,这也是有道理的,苹果现在才刚刚开始招聘员工,那么它至少需要几年时间才能真正准备好发布芯片。


但这一举措将对移动领域产生重大影响,对于全球最大的两个芯片供应商高通和英特尔而言,影响尤甚。


除了减少与供应商之间的复杂关系和改善质量控制之外,苹果自己定制调制解调器的另一个好处可能是更容易与其他苹果设备集成。不约而同的是,无论是是苹果,还是三星,华为等品牌也都选择通过自主研发来提升自身品牌核心竞争力。


未来智能实验室是人工智能学家与科学院相关机构联合成立的人工智能,互联网和脑科学交叉研究机构。


未来智能实验室的主要工作包括:建立AI智能系统智商评测体系,开展世界人工智能智商评测;开展互联网(城市)云脑研究计划,构建互联网(城市)云脑技术和企业图谱,为提升企业,行业与城市的智能水平服务。


  如果您对实验室的研究感兴趣,欢迎加入未来智能实验室线上平台。扫描以下二维码或点击本文左下角“阅读原文”


640?wx_fmt=jpeg

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/493264.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

labelme标注文件转coco json,coco json转yolo txt格式,coco json转xml, labelme标注文件转分割,boxes转labelme json

参考:https://github.com/wkentaro/labelme 一.labelme标注文件转coco json 1.标注时带图片ImageData信息,将一个文件夹下的照片和labelme的标注文件,分成了train和val的coco json文件和照片, (COCO的格式: [x1,y1,…

“深度学习之父”大谈AI:寒冬不会出现,论文评审机制有损创新

来源: AI科技大本营整理:琥珀近日《连线》杂志发表了一篇文章,记录了与“深度学习之父” Geoffrey Hinton 围绕人工智能伦理、技术、学术等领域的采访实录。当被问到如今人工智能是否将走进寒冬时,Hinton 的回答非常坚决&#xff…

GDataXML解析XML文档

一、GDataXMLNode说明GDataXMLNode是Google提供的用于XML数据处理的类集。该类集对libxml2--DOM处理方式进行了封装,能对较小或中等的xml文档进行读写操作且支持XPath语法。 使用方法:1、获取GDataXMLNode.h/m文件,将GDataXMLNode.h/m文件添加…

RetinaNet+focal loss

one stage 精度不高,一个主要原因是正负样本的不平衡,以YOLO为例,每个grid cell有5个预测,本来正负样本的数量就有差距,再相当于进行5倍放大后,这种数量上的差异更会被放大。 文中提出新的分类损失函数Foca…

真实用户首次披露Waymo无人车服务体验: 为避开左转, 故意绕路

来源 :Ars Technica编译 :机器之能 高璇外国网友炸了:「就像看了一部大导演导的烂片一样。」在过去的 18 个月里,Waymo 的汽车一直在凤凰城的东南角运送乘客。该公司在合同中明确规定禁止乘客讨论用户体验,对项目信息进…

“横平竖直”进行连线+将相邻框进行合并

一.横平竖直”进行连线 解法1.将一些坐标点按照x相等,y相等连起来 解法1.根据 x或y总有一个相等的,用np.sum来找出和为1的点,然后在连起来,存在重复连线的问题. import numpy as npcoord np.array([[10, 60],[10, 20],[20, 20],[40, 40],[40, 60],[20, 40]])img np.zeros(…

一文看透汽车芯片!巨头布局技术路线全解密【附下载】| 智东西内参

来源:智东西摘要:一文看透汽车芯片!巨头布局技术路线全解密智能驾驶涉及人机交互、视觉处理、智能决策等,核心是 AI 算法和芯片。伴随汽车电子化提速,汽车半导体加速成长,2017 年全球市场规模 288 亿美元&a…

详细介绍软件架构设计的三个维度

如果你对项目管理、系统架构有兴趣,请加微信订阅号“softjg”,加入这个PM、架构师的大家庭 架构设计是一个非常大的话题,不管写几篇文章,接触到的始终只是冰山一角,更多的是实践中去体会。这篇文章主要介绍面向对象OO、…

中国智能语音行业研究

报告来源:中信证券作者:刘雯蜀 杨泽原 张若海智能语音作为人机交互的新型方式,有望大规模推广,中国市场是更适合语音交互的市场。2017年中国人工智能市场规模达约220亿元,智能语音占中国人工智能市场份额的22%&#…

SQL2012 附加数据库提示5120错误解决方法

在win8.1 x64系统上使用sql2012进行附加数据库(包括在x86系统正在使用的数据库文件,直接拷贝附加在X64系统中)时,提示无法打开文件,5120错误。 这个错误是因为没有操作权限,所以附加的时候出错,…

pytorch利用rnn通过sin预测cos 利用lstm预测手写数字

一.利用rnn通过sin预测cos 1.首先可视化一下数据 import numpy as np from matplotlib import pyplot as plt def show(sin_np,cos_np):plt.figure()plt.title(Sin and Cos, fontsize18)plt.plot(steps, sin_np, r-, labelsin)plt.plot(steps, cos_np, b-, labelcos)plt.lege…

高德纳咨询公司(Gartner)预测:2019年七大人工智能科技趋势

来源:创新研究摘要:人工智能技术对我们的工作环境、工作种类等等正在产生日益深刻的影响,其结果或好或坏都有可能。为应对这种改变,特别是负面的变化,高德纳咨询公司(Gartner)于2018年12月13日发…

美爆!《自然》公布2018年19张最震撼的科学图片

来源:前瞻网 摘要:2018年注定将载入科学史册:气候上,从加利福尼亚烧到开普敦的致命野火和极端干旱、历史罕见;医学上,克隆和成像技术的进步既带来希望,也产生了争议;生物上,一系列事件让人们意识…

python实现Trie 树+朴素匹配字符串+RK算法匹配字符串+kmp算法匹配字符串

一.trie树应用: 相应leetcode 常用于搜索提示,如当输入一个网址,可以自动搜索出可能的选择。当没有完全匹配的搜索结果,可以返回前缀最相似的可能。 例如三个单词app, apple, add,我们按照以下规则创建了一颗Trie树.对于从树的根…

天才也勤奋!DeepMind哈萨比斯自述:领导400名博士向前,每天工作至凌晨4点

来源:量子位你见过凌晨4点的伦敦吗?哈萨比斯天天见。这位DeepMind创始人、AlphaGo之父,一直是全球赞颂的当世天才,但每天要到凌晨4点,才能睡下。这是哈萨比斯最新采访中透露的作息时间,他告诉《星期日泰晤士…

RNN知识+LSTM知识+encoder-decoder+ctc+基于pytorch的crnn网络结构

一.基础知识: 下图是一个循环神经网络实现语言模型的示例,可以看出其是基于当前的输入与过去的输入序列,预测序列的下一个字符. 序列特点就是某一步的输出不仅依赖于这一步的输入,还依赖于其他步的输入或输…

利用flask写的接口(base64, 二进制, 上传视频流)+异步+gunicorn部署Flask服务+多gpu卡部署

一.flask写的接口 1.1 manage.py启动服务(发送图片base64版) 这里要注意的是用docker的话,记得端口映射 #coding:utf-8 import base64 import io import logging import picklefrom flask import Flask, jsonify, request from PIL import Image from sklearn import metric…

2018中国自动驾驶市场专题分析

来源:智车科技未来智能实验室是人工智能学家与科学院相关机构联合成立的人工智能,互联网和脑科学交叉研究机构。未来智能实验室的主要工作包括:建立AI智能系统智商评测体系,开展世界人工智能智商评测;开展互联网&#…

python写日志

需要再加入按照日期生成日志 #coding:utf-8 import logging import logging.handlers class Logger:logFile def __init__(self, logFile):self.logFile logFileself.logger logging.getLogger(mylogger)self.logger.setLevel(logging.INFO)rf_handler logging.handlers.…

MIT科学家Dimitri P. Bertsekas最新2019出版《强化学习与最优控制》(附书稿PDF讲义)...

来源:专知摘要:MIT科学家Dimitri P. Bertsekas今日发布了一份2019即将出版的《强化学习与最优控制》书稿及讲义,该专著目的在于探索这人工智能与最优控制的共同边界,形成一个可以在任一领域具有背景的人员都可以访问的桥梁。REINF…