OPPO公布全新AI战略,AI 手机时代再提速

2024年2月20日,深圳——今日OPPO 举办 AI 战略发布会,分享新一代 AI 手机的四大能力特征,展望由AI驱动的手机全栈革新和生态重构的趋势,并发布由OPPO AI 超级智能体和 AI Pro 智能体开发平台组成的OPPO 1+N 智能体生态战略,旨在通过全新AI战略让 AI 从尝鲜到常用,为用户带来更高效、自在的下一代 AI 体验。OPPO还联合IDC共同发布行业首个《AI手机白皮书》,带来OPPO在AI手机时代的前瞻性思考,加速手机行业迈向AI的全新阶段

OPPO 首席产品官刘作虎表示,“AI手机将是继功能机、智能机之后,手机行业的第三个重大的变革阶段。AI手机时代下,手机行业和用户体验都将迎来革命性的变化。OPPO 致力于成为 AI 手机的贡献者和普及者,期待与各位行业伙伴一起,共同推动手机行业的革新,重塑手机的智慧体验。”

OPPO 定义AI手机四大特征,勾勒 AI 时代手机变革方向

面向 AI 手机时代,OPPO 基于对大模型与生成式 AI 技术的前瞻性研究与深厚积累,创新性地定义了AI手机的四大特征:AI 手机首先要能够高效地利用计算资源,以满足 AI 时代下生成式 AI的计算需要;同时,AI手机要能敏锐地感知真实世界,了解用户与环境的复杂信息;AI手机还需要拥有强大的自学习能力;此外,AI手机还将具备更充沛的创作能力,为用户提供持续的灵感与知识支持。

OPPO提出的 AI 手机四大特征,不仅为 AI 时代下个人移动智慧终端的发展提供了富于参考性的方向指引,也勾勒出 AI 时代中手机行业在硬件平台、操作系统与服务生态方面将进行的技术革新与生态重构。


OPPO定义AI手机的四大特征与全栈革新

在硬件平台领域,AI 手机对真实世界强大的感知能力和异构推理计算能力将会成为更重要的性能要求。因此,AI手机的硬件架构设计将新增智慧仿生感知能力的支持,并着力于构建高效能的AI算力底座,强化模型库的管理优化。OPPO通过与联发科技等芯片厂商深度合作,形成了端侧的高效异构计算架构,能更好地适应 AI 时代的硬件平台特征。OPPO最新一代旗舰AI手机 Find X7搭载了具备出色生成式Al能力天玑9300旗舰平台,在 AI 算力跑分取得安卓第一的成绩。此外,Find X7 作为首款在端侧应用 70 亿参数大模型的AI 手机,在文本和视觉的处理响应上都提供了超过其他任何手机的最高水平。

联发科技董事、总经理陈冠州在OPPO AI战略沟通会上表示:“AI手机作为移动智能体,将用颠覆我们想象的创新应用,重新定义手机智能体验,也将开启整个行业的全新创新周期。我们认为端侧AI是AI手机最为突出的能力优势,而芯片是端侧AI能力中的关键一环,联发科技正与全生态紧密合作,共同探索最先进的技术路线,推动端侧AI应用与服务创新,加速AI手机的发展与普及。OPPO Find X7 不仅是我们与OPPO旗舰合作的重要里程碑,更是我们携手迈向AI手机时代的关键一步。”


联发科技董事、总经理陈冠州

除硬件外,手机的交互体验也将迎来全面革新。AI手机支持更敏锐、更准确的自然语义理解,拥有更强大的自学习能力,进而实现更精准的意图判断和更符合直觉的交互方式。智能手机中的单模态交互将彻底被 AI手机时代的多模态交互所取代。

而 AI 手机服务生态的变化将更深刻地变革服务生态与用户的关系。各类AI服务将会被整合到智能体中,使得每位用户都可以无门槛地通过智能体开发平台创建自己的智能体,享受更符合自己个性化需求的服务。这一全新智能体生态将为传统的应用生态带来巨大的补充和增益。

OPPO 发布 1+N 智能体生态战略,推动 AI 手机服务生态革新

此次沟通会期间,OPPO首次公布 1+N 智能体生态战略,以OPPO AI超级智能体和AI Pro智能体开发平台为核心组成部分,旨在满足AI 手机时代下用户对新一代智慧服务体验不断增长的个性化需求,并与所有用户以及开发者一同定义AI手机标准,携手共建AI手机生态。


OPPO公布 1+N 智能体生态战略

OPPO 发布的 1+N 智能体生态战略,“1”代表 OPPO AI 超级智能体,能基于庞大的知识图谱、文档数据以及搜索引擎,为用户提供强大的知识能力,精准理解用户意图,给出准确结果。超级智能体还具备传统智能手机不支持的记忆能力,可以基于对用户的长期记忆以及当下的实时交互语境,给出符合个人需求的服务与反馈。同时,超级智能体还能充分调用其他多种多样的工具,在满足个性化的同时提供更无所不能的服务。


OPPO AI 超级智能体

1+N智能体生态战略中的“N”代表基于OPPO AI Pro 智能体开发平台所赋能的全新智能体生态。通过AI Pro智能体开发平台,普通用户无需掌握专业的编程技能,即可通过零代码的自然语言交互,快速生成专属于用户个人的个性化AI智能体。这不仅提升了用户的参与度和体验,还使得AI智能体的开发更加全民化,实现“人人都是开发者”的AI智能体生态图景。


OPPO宣布 AI Pro 智能体开发平台

1+N 智能体生态战略还将携手行业合作伙伴,为用户带来更多第三方智能体,提供丰富的AI服务能力,为用户带来更多元化的选择。

OPPO 与IDC联合发布 AI 手机白皮书,加速推动 AI 手机产业成熟

基于对 AI 手机行业发展与 AI 前瞻性研究与应用探索,OPPO 联合知名市场研究机构IDC,发布首个 AI 手机白皮书,加速推动 AI 手机产业的进化与成熟。白皮书指出,当前用户期待更先进的技术,以解放用户的精力与创造力,而 AI 大模型技术将再次引发交互革命,驱动智能手机向AI手机进化。


OPPO 联合 IDC 发布首个 AI 手机白皮书,扫描二维码即可下载

IDC 中国区总裁霍锦洁表示:“IDC预计自2024年起,新一代AI手机将大幅增长,带动新一轮换机潮。IDC预计2024年中国市场新一代AI手机出货量为3700万台,2027年将达到1.5亿台且新一代AI手机所占市场份额超过50%。新一代AI手机将带来存储、屏幕、影像设备的硬件升级和成本提升,会推动智能手机ASP进一步上升。”


IDC 中国区总裁霍锦洁

OPPO已与超千万用户率先迈入AI手机时代

在2020年,OPPO推出了首个AI大模型,超前进行AI布局,并且不断进行投入。在2023年,OPPO推出自主训练的安第斯大模型(AndesGPT),在SuperCLUE知识与百科能力排行榜上仅次于GPT 4, 领先于其他所有的大模型。OPPO更通过三级大模型部署策略,将Titan超大模型、Turbo大模型、Tiny轻量模型实现端云的联合部署,满足多场景高效适配。

OPPO 三级大模型部署策略

在端云协同的架构下,OPPO AI手机的算力供给将不再局限于本地——端侧计算可更好保证实时性与隐私保护,云端强大的计算能力则能够完成更复杂的任务,从而提高AI手机的整体性能和效率。

在云端算力上OPPO持续投入,拥有能够支持千亿级AI模型训练的高算力的OPPO AI滨海湾数据中心,支持两毫秒的骨干网络链接超低时延,以及100%的纯绿色能源。

OPPO AI 滨海湾数据中心

此外,2024年伊始,OPPO宣布成立AI中心,整合全球研发资源,举全公司之力,集中资源,抓住时代机会。在2024年春节期间,OPPO就已经面对超千万用户推动百余项 AI 实用功能,共同迈向AI手机时代。AI消除、通话摘要和新小布助手获得用户一致好评。其中,AI消除功能人均每天使用次数高达15次,改变了用户的使用习惯。

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/694360.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

Android基础Adapter适配器详解

一、概念 Adapter是后端数据和前端显示UI的适配器接口。常见的View如ListView、GridView等需要用到Adapter. BaseAdapter:抽象类,实际开发中继承这个类并且重写相关方法,用得最多的一个Adapter! ArrayAdapter:支持泛型…

数字化商品管理:革新鞋服零售模式,引领智能商业新时代

随着科技的快速发展,数字化浪潮席卷各行各业,鞋服零售企业亦不例外。在这个新时代,数字化商品管理不仅成为鞋服零售企业革新的关键,更是其引领智能商业浪潮的重要引擎。本文将围绕数字化商品管理如何深刻影响鞋服零售模式&#xf…

力扣 309. 买卖股票的最佳时机含冷冻期

题目来源:https://leetcode.cn/problems/best-time-to-buy-and-sell-stock-with-cooldown/description/ C题解:动态规划 状态1:表示持有股票。更新为之前持有股票(dp[i-1][0])或者不持有股票且不处于冷冻期后买入&…

make_shared_for_overwrite

这个函数用来malloc数组,但不初始化。 不过这个仅限于内置类型。如果是用户写的,就会增加自动初始化(调用客户写的初始化)。

Java基于SSM的羽毛球馆管理系统,附源码

博主介绍:✌程序员徐师兄、7年大厂程序员经历。全网粉丝12w、csdn博客专家、掘金/华为云/阿里云/InfoQ等平台优质作者、专注于Java技术领域和毕业项目实战✌ 🍅文末获取源码联系🍅 👇🏻 精彩专栏推荐订阅👇…

[word] word带圈数字20以上 #笔记#笔记

word带圈数字20以上 办公中有时候需要用到带圈数字,超过20的数字就不能直接编辑了,那么20以上带圈数字要怎么输入呢?其实通过小技巧就能完成的,接下来就给大家介绍下呢,一起看看吧! 20以上带圈数字输入技巧…

Java Swing游戏开发学习1

不使用游戏引擎,只使用Java SDK开发游戏的学习。 游戏原理 图片来自某大佬视频讲解 原理结合实际代码 public class GamePanel extends Jpanel implements Runnable {...run(){}// 详情看下图... }项目结构 运行效果 代码code 在我的下载里面可以找到&#xf…

USART(串口发送接受单字节)

一、硬件 差分信号不需要太大的压差。在相同的电磁干扰的环境下,因为是双扭线,两根线受干扰的程度是一样的,所以压差相对不变。提高抗干扰能力。485是双绞线传输取的是两线的压差。一般来说受干扰后同步变化,比如都升0.5V或都降5…

PROBIS铂思金融破产后续:ASIC牌照已注销

2024年1月31日,PROBIS铂思金融的澳大利亚ASIC牌照 (AFSL 338241) 被注销《差价合约经纪商PROBIS宣布破产,澳大利亚金融服务牌照遭暂停》,这也就意味着,PROBIS铂思金融目前已经没有任何金融牌照。 值得注意的是,时至今日…

Python实现线性逻辑回归和非线性逻辑回归

线性逻辑回归 # -*- coding: utf-8 -*- """ Created on 2024.2.20author: rubyw """import matplotlib.pyplot as plt import numpy as np from sklearn.metrics import classification_report from sklearn import preprocessing from sklearn…

vmware升级处理vib包冲突的问题

一、问题截图 通过mgmt挂载iso: 通过vcenter升级的截图: 通过cli升级报错:二、解决办法 1、删除冲突的vib 2、重启后继续升级 三、解决步骤 1、查看那些vib冲突需要被清理 2、进行cli命令进行清理 esxcli software vib list | grep xxxx esxcli s…

hung task, soft lockup, hard lockup, workqueue stall

hung task,soft lockup,hard lockup,workqueue stall 是 linux 内核中的异常检测机制,这 4 个检测均是通过时间维度上的检测来判断异常。 在时间维度上的检测机制,有两个核心的点: (1&#xff…

多个.C 文件关于全局变量如何使用

𝙉𝙞𝙘𝙚!!👏🏻‧✧̣̥̇‧✦👏🏻‧✧̣̥̇‧✦ 👏🏻‧✧̣̥̇:Solitary_walk ⸝⋆ ━━━┓ - 个性标签 - :来于“云”的“羽球人”。…

新 Mac 使用指南

文章目录 1、安装软件2、修改启动台3、修改 iCloud 设置、同步数据4、管理文件夹5、管理侧边栏6、设置快捷键 更新版本出现问题(有机会更新下问题和解决方式),重装 Sonoma,获得了一个新的 macOS。以新用户的视角来看,有…

sora生成高质量视频的原理

Sora是怎样生成视频的? 写在前面 Sora 是 OpenAI 在日前发布的超强视频生成 AI,旨在探索 AI 如何在理解真实世界运动和交互方面做得更好Sora目前无灰度体验 面临挑战 Sora面对的挑战就像是需要处理和理解来自世界各地、不同设备拍摄的数以百万计的图…

Google账号批量注册指南:如何防止多账号被封?

电子邮件地址对于在线帐户至关重要,但它们可能被滥用于发送垃圾邮件。因此Google使用先进的算法来检测可疑的注册和验证尝试,保护用户免受垃圾邮件和其他有害活动的侵害,所以如果需要批量注册多个Google帐户,需要做好账号防关联&a…

初阶数据结构之---顺序表和链表(C语言)

引言-线性表 线性表: 线性表(linear list)是n个具有相同特性的数据元素的有限序列。 线性表是一种在实际中广泛使用的数据结构。线性表在逻辑上是线性结构,也就是说是连续的一条直线。但在物理上并不一定是连续的。线性表在物理上…

机器学习 day38(有放回抽样、随机森林算法、XGBoost)

有放回抽样 有放回抽样和无放回抽样的区别:有放回可以确保每轮抽取的结果不一定相同,无放回则每轮抽取的结果都相同 在猫狗的例子中,我们使用”有放回抽样“来抽取10个样本,并组合为一个与原始数据集不同的新数据集,虽…

git push 使用 --mirror 参数复制仓库

迁移一个 Git 仓库并且保留原有的提交记录和分支 克隆原始仓库到本地 git clone <原始仓库URL> <新仓库目录>添加新的远程仓库&#xff1a;git remote add new-origin <新仓库URL>推送所有分支和标签到新的远程仓库&#xff1a;git push new-origin --mirro…

深度学习基础——SSD目标检测

SSD网络介绍 使用多个特征图作为特征预测层。 SSD (Single Shot MultiBox Detector)于2016年提出。当网络输入为300300大小时&#xff0c;在VOC2007测试集上达到74.3%的mAP;当输入是512512大小时&#xff0c;达到了76.9%的mAP SSD_Backbone部分介绍 不变的部分 特征提取网…