历经六年,vivo发布自研蓝河操作系统

发布时间:2023-11-2 阅读量:1151 来源: 综合网络 发布人: bebop

11月1日,2023年vivo开发者大会在深圳举行。 会上,vivo正式发布了自主研发的蓝河操作系统BlueOS。 据介绍,为了满足通用人工智能时代的新需求,vivo花费6年时间打造了自主研发的全新智能操作系统。


在智能层面,蓝河操作系统引入了vivo蓝心大模型能力,支持复杂的意图识别和交互方式。 安全方面,蓝河操作系统是业界首个采用Rust语言编写系统框架的操作系统,解决了内存使用不当导致的安全漏洞问题。


此外,据悉,Blue River操作系统旨在实现BlueXlink连接技术,采用分布式设计理念,兼容行业标准协议,允许数据在多个设备之间自由、安全地传输和访问,并且可以 广泛应用于智能家居。  、智慧出行、智慧办公等典型用户场景。


作为标准操作系统,Blue River操作系统兼容不同的硬件架构。 同时,蓝河操作系统结合AI大模型,从系统、应用、到工具链都有全新的设计,并将接入蓝心大的多模态能力 模型。


除了操作系统外,vivo自主研发的蓝心大机型矩阵也在本次大会上正式亮相。 蓝心模型包括5个vivo自研大模型,覆盖亿级、百亿级、千亿级三个参数级别,全面覆盖核心用户场景。


其中,10亿级模型是主要针对端侧场景构建的专业文本模型,具有本地化的文本摘要、摘要等能力。  70亿模型是专为手机打造的端云两用模型,具有出色的语言理解和文本创建能力。 上述两级型号均支持高通和MTK最新旗舰双平台端侧部署。  700亿模型是云服务的主要模型。 其他1300亿和1750亿模型也将在更复杂的场景下为用户带来更丰富的知识和推理能力的更专业的智能体验。


vivo副总裁、操作系统产品副总裁周舟在会上表示,vivo在人才、数据、算法、算力、安全等方面保持战略投入,建立了数千人的AI专家团队。  2018年成立人工智能地图研究所,目前已积累多模态数据13000T、高质量中文文本数据2800T。 不断从多个维度丰富训练数据,强化算法。 同时,通过信息技术应用创新,解决算力问题,不断提升安全能力。


相关资讯
美光Q4营收展望107亿美元超预期,AI存储需求引爆股价

美光科技(Micron Technology)于6月25日发布最新财报,其中对2024财年第四季度的业绩展望显著超越市场预期。公司预计第四财季营收将达约107亿美元,远高于华尔街分析师普遍预测的98.9亿美元。受此积极信号影响,美光股价在盘后交易时段应声上涨,凸显市场对其增长前景的强烈信心。

三星引入三星显示为XR头显供应OLEDoS,索尼独供格局生变

三星电子正计划调整其首款Android XR头显Project Moohan(代号“无限”)的屏幕供应链策略,拟将关联企业三星显示纳入OLEDoS(硅基OLED)面板供应商体系,与索尼形成“双供应商”结构。此举旨在打破索尼的独家供应局面,提升供应链韧性及议价能力。尽管三星显示加入,索尼仍将保持第一供应商地位,但三星电子借此强化了长期布局XR市场的战略基础。

先进封装驱动芯片性能革命,台积电产能扩张应对AI浪潮

台积电与苹果共同开发的晶圆级多芯片模块(WMCM)技术标志着先进封装的新高度。作为InFO-PoP的升级版,WMCM融合CoW(Chip on Wafer)与RDL(Redistribution Layer)等尖端工艺。其核心创新在于采用平面封装架构取代传统垂直堆叠逻辑芯片与DRAM,显著提升散热效率与整体性能。这项独家技术将成为苹果下一代iPhone搭载的A20处理器(预计采用2nm制程)的关键性能支柱。同时,苹果自研的AI服务器芯片正稳步导入台积电的3D晶圆堆叠SoIC封装技术,进一步强化计算密度和能效。

算力、智能与控制的融合:英特尔4U工控机、RK3568主板、HPM伺服板的全面对比

在现代工业自动化向智能化、网络化、柔性化加速演进的大背景下,高性能、高可靠、特定场景优化的核心硬件设备构成了系统的“大脑”、“眼睛”和“四肢”。英特尔4U工控机(IPC-615H5)、RK3568高性能监控主板和HPM6400/6300伺服电机控制板分别代表了通用工业计算平台、边缘AI视觉处理平台和高精度运动控制平台的最典型形态。它们在各自的领域拥有独特优势,共同支撑起复杂的工业控制闭环。本文旨在对这三款核心产品进行全方位对比分析,剖析其技术特点、优劣势、应用场景及市场前景,为工业自动化方案选型提供专业参考。

应对AI算力激增:安森美推出全链路数据中心电源解决方案与指南

人工智能技术,特别是生成式AI和大规模机器学习模型的迅猛发展,对全球数据中心的基础设施提出了前所未有的高要求。海量数据的实时处理与复杂模型训练,导致数据中心计算负载激增,随之而来的功耗攀升已成为产业亟待解决的核心瓶颈。这不仅推高了运营成本,也对电网承载能力和可持续发展目标构成严峻挑战。如何在高性能计算需求持续增长的同时,有效控制并降低能源消耗,成为AI数据中心建设与升级的关键命题。