【转】夏普考虑在广州建世界最大液晶显示器厂

Sharp在富士康的带领下到底如何?能不能成为和三星对抗的自我品牌?还是仅仅沦为一个屏幕工厂?我们拭目以待


摘要:日前传出夏普将于 2017 年初成立统管中国业务的全资子公司,报导表示富士康与夏普计画最早在 2019 年初开始,将低成本大量生产液晶面板,而且此计划有可能得到中国地方政府补助,投资总额将超过 8 千亿日圆,约当 69.5 亿美元。


 

  日前传出夏普将于 2017 年初成立统管中国业务的全资子公司,进一步实现与鸿海的整合大计,日本媒体最新消息指出,鸿海与夏普正在考虑于中国兴建世界最大的液晶显示器工厂,目的是结合鸿海的资金与夏普的技术,大打价格战瞄准韩国竞争对手。

  日经新闻 10 日独家披露这项消息,报导表示富士康与夏普计划最早在 2019 年初开始,将低成本大量生产液晶面板,而且此计划有可能得到中国地方政府补助,投资总额将超过 8 千亿日圆,约当 69.5 亿美元。

  

 

  建厂地点锁定广州,但若其他城市提出更好的补贴条件,也有可能考虑广州之外的城市,且据悉双方已经开始接触生产设备制造商。

  富士康与夏普是透过合资的 SDP (Sakai Display Product) 以及群创,与夏普的龟山二号厂一起生产电视面板,SDP 是10 代面板厂。预计在中国兴建的工厂可能会采用更大的基板,SDP 在降低成本方面有成功经验,预期可提升面板竞争力。

  鸿海与夏普持有全球面板厂 20% 市占率,排名在三星电子与 LG Display之后,位居第三。在中国,京东方科技集团和深圳中国华星光电也在地区政府的支持下,兴建大型液晶工厂,预计 2018 或 2019 年开始营运。

  报导分析,夏普鸿海扩大战局可能会进一步压低面板价格,让自身陷入潜在风险,夏普过去在日本西部堺市投资的工厂烧掉太多钱,导致需要由鸿海出手解决财务窘境。鸿海已经承诺提供庞大资金给电视面板工厂,夏普可提供技术,双方合作可能使两家公司的投资回报速度快于 OLED 面板计画。

  报导指出,使用有机发光二极管的 OLED 面板被视为下一代智慧手机显示器,夏普已决定在日本建立一条原型生产线,并正在考虑在中国建立一条大产能的生产线。报导认为,由于来自韩国的竞争日趋激烈,加上日本公司仍然面临大量生产的技术障碍,夏普需要仔细考虑这项投资的时间安排,不能操之过急。

  夏普社长戴正吴日前在财报发表记者会上表示,截至 2017 年 3 月为止的 2016 财年下半年度中,夏普与鸿海的合作效应,将贡献营业利益达 99 亿日圆,约新台币 27.82 亿元。

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值