高通携手贵州华芯通:成功源于创新 大数据前景美妙

简介:

由国家发改委、贵州省政府主办的中国大数据产业峰会暨中国电子商务创新发展峰会25日在贵阳拉开帷幕。作为首个国家级大数据峰会,此次会议吸引了众多中外知名企业参与,各路嘉宾在此共话大数据产业的发展之路。会议期间,新华网对美国高通公司全球总裁德里克·阿博利进行了专访。

自2013年贵州省实施大数据发展战略以来,美国高通公司始终保持与贵州的密切沟通。2016年1月,贵州省政府和高通在北京共同宣布签署战略合作协议,旨在整合双方优势资源,加快贵州大数据综合试验区的创新,同时致力于建立起国际一流的服务器芯片企业,立足贵州辐射全国,推动中国服务器处理器技术和集成电路产业的发展。可以说,高通在贵州大数据发展战略中扮演了相当重要的角色。

我们的专访从阿博利近年频繁的访华开始,在听到记者发出这是第几次来华的问题后,阿博利手扶额头,“太多了,你是说总共吗?至少有30次了”阿博利答完,自己也笑了。从大数据到人工智能,从芯片到数据中心,从互联网+到物联网,在一个小时的时间里,阿博利耐心回答了记者的问题,这其中有对于贵州大数据战略的规划,也有阿博利个人对于技术前景的思考。从这次专访中,我们了解到美国高通公司在中国的发展战略,也了解到业界领先的技术企业对于未来科技的思索……

高通与贵州的合作正在持续推进

记者:总体而言,您对这次数博会有什么样的观察和感想?

德里克·阿博利:这次数博会给我留下了非常深刻的印象。数博会重量级嘉宾云集,会议主办工作组织有序,数博会展台也有许多高质量的科技演示。大会为政府官员和企业家提供了一个良好的沟通平台,大家共同商讨大数据、数据中心以及“互联网+”领域的机遇。

记者:2016年1月,美国高通公司与贵州省政府签署了战略合作协议,正式成立合资企业“贵州华芯通半导体技术有限公司”。在过去的四个月中,双方的合作都取得了哪些进展?下一步合作推进的路线图和时间表是怎样的?

德里克·阿博利:我们的合资公司进展非常顺利。在过去一年中,我们的工作很有成效。从2016年1月,贵州华芯通半导体技术有限公司成立以来,我们推进了很多工作。比如,我们搭建了合资公司的管理团队,同时给予合资公司大量技术方面的资源支持,我们已经完成了技术交付的工作。在接下来的这一年的时间里,我们会持续地提供设计和技术支持,帮助贵州华芯通半导体技术有限公司利用高通的技术,研发出适合中国市场的国产化服务器芯片。

记者:高通(中国)控股有限公司在数博会期间揭牌。为什么会成立这样一家投资公司?这家公司会在哪些领域进行投资?

德里克·阿博利:设立高通(中国)控股有限公司符合高通在中国的总体业务规划,进一步说明了高通支持中国创新驱动发展战略的举措,以及持续履行在中国长期投资的承诺。高通(中国)控股有限公司将广泛投资于中国移动(微博)互联、物联网和大数据产业。投资领域将不仅限于贵州与高通合作的项目。早前,高通宣布设立1.5亿美元中国风险投资基金,面向处于各阶段的中国初创企业,推动移动技术的进一步发展。多年来,我们也与中芯国际(SMIC)保持着紧密的合作关系。高通(中国)控股有限公司作为未来高通在中国的投资载体将不断延续和扩大高通在中国的投资。

高通技术优势将助力中国的产业升级

记者:发展集成电路产业是国家的战略方向。高通在这一领域的优势是什么?如何带动中国集成电路产业的转型升级?

德里克·阿博利:多年来,高通一直致力于推动中国移动生态的成熟和中国集成电路产业的发展。通过合作,支持中芯国际制造基于高通技术的处理器,发展28nm制程工艺的先进晶圆技术,提升中国半导体生产制造能力。此外,我们还与中芯国际合作,帮助中国建立提升FinFET工艺技术。高通还十分注重生态系统建设,积极带动设计、封装等产业链相关环节的发展,提升端到端的半导体制造整体能力。

此外,我们对贵州华芯通半导体技术有限公司的设想是,在初期的时候,我们会给予合资企业技术资源上的支持,使其能够尽快投入运营。我们的最终目标是合资企业能够为中国的数据中心市场提供服务器芯片解决方案,能够实现自给自足。这也可以说是高通为中国集成电路产业提供的一个支持。

记者:我们知道高通在服务器芯片领域一直拥有传统优势。这种优势对大数据的发展将起到怎样的作用,带来怎样的影响?

德里克·阿博利:可以把大数据和“互联网+”两个层面结合在一起来看。

首先,现在数据中心的数据处理量非常大,这也意味着数据中心对计算能力的需求在不断增加。一个成本效益型的数据中心需要低功耗、高效能的一套解决方案。

还有一点非常重要,高通过去在移动领域积累的经验也适用于数据中心领域:首先,我们知道SoC(系统级芯片)系统本身非常复杂,它需要把不同的技术集成在一个芯片之上,这种技术复杂程度使很多公司望而却步,而这正是高通的强项之一;第二,在过去十多年中,高通一直为移动领域提供最佳的定制化处理器;第三,数据中心需要低功耗、高性能的解决方案,这也是高通所擅长的;最后,高通在移动领域做了很多集成,因此在整个制程技术方面,我们一直是领先的。对服务器芯片而言,要在竞争中独占鳌头,必然需要低功耗和高效能。很多厂商也基于ARM架构做了一些解决方案,但都因为缺少规模效应未能取得成功。

物联网还在初级阶段 VR设备还需改良

记者:下一个问题是关于物联网的。之前我们知道有这样一种说法,iPhone的出现改变了整个手机行业的面貌。在物联网领域,您觉得会不会出现iPhone这样的革命性产品,变革物联网时代?

德里克·阿博利:其实我们现在还处在物联网发展的初级阶段。至于会不会出现一个类似于iPhone的、颠覆式的产品,预先判断还为时尚早。我们确实看到支撑这种颠覆式产品的技术已经开始不断涌现,比如说虚拟现实、人工智能。我看到一个趋势就是把越来越多的传感器集成到可穿戴设备上,更好地去提高这些设备的用户体验,从而增加整个市场对该类设备的需求,这可能是物联网产业发展的一个趋势。

比如,现在出现了很多头戴式VR设备。在整个设计上,我们认为还需要做很多改良才能够达到成熟,才能使VR收获如同过去五年智能手机那样取得的成功。首先,这些设备必须有更强的处理能力,这样人们才会有更好的视觉效果,而且显示器本身的清晰度也需要进一步提升。传感器之间的融合也非常重要。比如,人眼看到的这些影像必须能够跟着人的头部运动而同时运动。这方面的还有很多发展空间。

高通拥有领先业界的图形处理器技术,在这个领域有非常好的技术组合,目前相关技术已经可以支持4K高清影像。与此同时,高通的解决方案也是非常低功耗的。

此外,人工智能、机器学习等前沿技术都将点亮物联网应用。因此,整个物联网产业的演进不仅仅发生在设备端,同时也发生在云端。

创业要勇于承担风险 解决业界最棘手的问题

记者:我们知道中国现在正在大力提倡“大众创业、万众创新”,无数的创业者开始创立自己的公司,我们知道高通也是从这样的小企业发展而来的,您能不能给中国的初创企业分享一下高通的经验?这些小企业面对来自大企业的竞争,应该怎么生存和发展下去?

德里克·阿博利:我认为中国政府鼓励“大众创业、万众创新”这个思路是非常正确的。我们必须鼓励大家进行自主创新。高通的发展史,其实是一部非常经典的创业史。高通创业初期,整个通信产业其实已经选定了自己的技术路线,几乎整个行业都在跟随。但是,在美国加州圣迭戈,高通这样一个小企业,开发了一套明显优于主流技术路线的技术,并取得了成功。

美国有一套非常完善的监管和法律体系,能够保护像当年高通这样的小企业。我们有权利可以保护我们自己的创新,并和大企业进行商务谈判,我认为这是非常关键的。从政策的角度来说,要让创新的企业能够取得回报,有了回报这些企业才能够在业务上取得成功,从而吸引投资。

我们认为要营造一种良好氛围,让人们勇于承担创新的风险。因为创业、创新,十之有九会失败。一旦创新者有一个好的创新点子之后,应该允许他得到应有的回报。

我们认为要打造这样一个勇于承担风险的环境,必然是要保护知识产权,这是关键。只有这样才能够真正吸引投资。谈到我对中国创业者的建议,其实说起来容易,执行起来却很难。从高通自身的经验来看,我认为,一定要挑整个行业或整个市场中最棘手的、最大的挑战性问题去找到一个解决方案。只有这样,对公司本身,对于整个行业来讲,才能够带来巨大价值。

最后,一定要不断在商业模式上进行尝试和创新。我看到现在有很多中国企业正在做这方面的努力。在高通创立之初,整个行业通常的做法就是,如果一家公司投资做了一个专有的技术,就要把这个技术作为公司本身的竞争优势收起来,并不会和其他企业去分享。但是,高通选择了一条不同的发展道路,在独立研发创新技术的同时,会和业界的公司进行分享,通过授权的方式使更多的人受益,从而把市场做大,共同推动市场的发展。正是因为不因循守旧,高通才得以取得今日的成就。

记者:关于创新,中美的环境是否有所不同,你如何看待中美的创新土壤?

德里克·阿博利:其实,我第一次来中国还是在十年以前。在这十年间,中国整个环境确实发生了非常大的变化,这是一个良性的演进过程。尤其是在我听到了中国颁布“十三五”规划之后,就更加觉得振奋人心。“十三五”规划强调知识经济,强调科技推动产业和经济发展。所以,中国只要按照这样的路线或战略发展下去,就必然能够成为一个在创新方面与美国比肩的国家,但是整个环境的养成和搭建肯定还需要时间来完成。
本文转自d1net(转载)

相关实践学习
简单用户画像分析
本场景主要介绍基于海量日志数据进行简单用户画像分析为背景,如何通过使用DataWorks完成数据采集 、加工数据、配置数据质量监控和数据可视化展现等任务。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
相关文章
|
5月前
|
数据采集 人工智能 安全
AI驱动的大数据创新:探索软件开发中的机会和挑战
AI驱动的大数据创新:探索软件开发中的机会和挑战
|
5月前
|
机器学习/深度学习 大数据
机器学习lgb全国大数据创新应用大赛用户贷款风险预测 完整代码数据 可直接运行
机器学习lgb全国大数据创新应用大赛用户贷款风险预测 完整代码数据 可直接运行
90 0
|
6月前
|
架构师 大数据 数据库
大厂 AWS 推崇的大数据平台是什么样的? - 亚马逊云科技数据驱动创新 - 在线大会精彩回顾(20211028) 2
大厂 AWS 推崇的大数据平台是什么样的? - 亚马逊云科技数据驱动创新 - 在线大会精彩回顾(20211028)
|
6月前
|
存储 安全 搜索推荐
大厂 AWS 推崇的大数据平台是什么样的? - 亚马逊云科技数据驱动创新 - 在线大会精彩回顾(20211028) 1
大厂 AWS 推崇的大数据平台是什么样的? - 亚马逊云科技数据驱动创新 - 在线大会精彩回顾(20211028)
|
机器学习/深度学习 人工智能 Cloud Native
【大数据趋势白皮书下载】IDC: 发挥数据智能价值,推动企业数字化创新
IDC认为,从提升企业中长期发展质量、降低综合投入成本的角度出发,大数据技术领域将呈现出两个显著趋势:一体化和融合化。企业应以战略和顶层设计为先导,用体系化的思维全面构建大数据能力架构,避免形成新的数据、业务和能力孤岛。 【下载地址见文末】
【大数据趋势白皮书下载】IDC: 发挥数据智能价值,推动企业数字化创新
|
大数据
《蚂蚁金服大数据开放式创新实践》电子版地址
蚂蚁金服大数据开放式创新实践
66 0
《蚂蚁金服大数据开放式创新实践》电子版地址
|
小程序 大数据 数据库
《数据库大数据一体化加速数智化创新 V6》电子版地址
数据库大数据一体化加速数智化创新 V6
73 0
《数据库大数据一体化加速数智化创新 V6》电子版地址
|
存储 供应链 监控
浅谈大数据背景下物流管理模式创新
随着科学技术的进步和智能化技术的不断发展与涌现,经济全球化在不断向前深入,商品贸易,流通规模不断扩大,为物流运输业的发展和壮大提供了新的空间,同时也为物流管理带来了新的挑战。因此,现代企业要不断完善和夯实物流运输管理模式,提高物流服务质量,提升物流品牌,以适应物流市场的发展规律,促进物流业的整体发展。
|
存储 供应链 大数据
浅谈大数据背景下物流管理模式创新
公路运输作为除铁路运输以外唯一的钢材运输方式,在河钢集团宣钢公司的生产经营中起着十分重要的作用。其运输网密度大、分布广、适应性强,车辆无需中途倒运,可以直接送货到门,能够为客户提供“门到门,户到户”高效,快捷,便利运输服务。作为“物流运输大动脉”的物流公司,担负着宣钢所有钢材的储备外发任务,如何节省装车时间,减少物流业务环节,缩短物流运输周期,是提高物流运输质量的重要保证。因此,特大胆提出运用智能化平台和数字化技术进行物流运输管理,提升物流运输质量预想。
|
存储 机器学习/深度学习 搜索推荐
大数据创新实践八步骤,如何成为一个大数据企业
  什么样的企业可以称得上是大数据企业呢?恐怕没有人能够给出一个完美的答案。但是,直观地,我们可能觉得Google更像是一个大数据的企业,阿里巴巴也像是一个大数据的企业,而中国银行似乎不太像一个大数据的企业,尽管它每天也一样浸泡在海量的数据中。   除了具有处理大量数据的能力外,之所以Google和阿里巴巴更像大数据的企业,是因为他们有深入的数据分析工具,利用数据分析的结果直接指导决策,而且经常推出基于数据分析的创新型应用,这还不包括类似于AlphaGo这样的奇葩。(来源:经济日报)
291 0