联想移动裁员为求自保 摩托罗拉品牌逐渐消退

“老兵不死,只会渐渐凋零。”用这句话形容摩托罗拉移动,最适合不过。这位曾登顶手机之巅的昔日王者,经2011年转手谷歌、2014年易主联想后,如今正在被逐渐掏空。

近日,联想集团宣布将在全球裁员近千人。尽管裁员比例不及全球员工的2%,但其中大部分来自摩托罗拉部门,涉及员工数量约700人左右,几乎占到摩托罗拉移动业务近60%的员工比例。联想方面表示,本次裁员不涉及国内,裁员是联想与旗下摩托罗拉移动智能手机业务进行战略组合的一部分,目前联想正在调整组织架构,优化产品线,从而更好参与全球智能手机市场竞争。

其实,这已不是摩托罗拉移动业务的首次裁员,去年联想也曾宣布全球裁员3200人,其中来自旗下摩托罗拉移动的裁员名额为500个。而摩托罗拉移动人员屡次收缩的背后,折射出联想移动的困境。根据联想集团2016财年第一财季的财报显示,联想集团移动业务营收17.06亿美元,扣除汇率因素影响跌1%;当季联想全球智能手机出货量1120万部,同比下跌31%。

“联想之所以频繁对摩托罗拉‘开刀’,关键原因在于摩托罗拉没有创造出理想的价值。在联想集团目前大部分业务线处于下跌的情况下,对于企业财报而言,收缩不理想业务、裁掉不必要的人员会是利好。”易观入口分析师朱大林告诉21世纪经济报道记者,“无论在全球范围还是中国范围,联想智能机出货量近年来均呈现下滑态势,裁员更多是为求自保。”

不复荣光

时间回溯至2014年10月,彼时联想集团斥资29亿美元从谷歌手中接盘摩托罗拉后,联想集团CEO杨元庆对联想移动业务表现出充足的信心。杨元庆表示,联想智能手机和平板电脑等移动设备当年销量目标为1亿部,“我们有信心建构联想手机的全球市场规模,并帮助摩托罗拉移动在4至6个季度后扭亏为盈。”

杨元庆的信心并非空穴来风。根据IDC方面数据,加入摩托罗拉移动业务后的联想,于2014年第四季度一跃超过小米,以2470万部的出货量升为全球第三的手机厂商。该次收购还保留了摩托罗拉的研发团队,并一举让联想收获摩托罗拉数千项技术专利。此外,摩托罗拉在海外市场拥有的国际运营商关系,也能帮助联想产品国际化布局。

事实上,移动业务在联想集团内部被寄予厚望,这从联想集团屡次调整移动业务,并将之置于战略层面可见一斑。今年3月18日,联想集团发布业务重组公告,形成新的四大业务集团,包括个人电脑与智能设备集团、移动业务集团、数据中心业务集团和联想创投集团。杨元庆在该次重组的内部信中强调,联想移动业务“必须赢得中国市场,在新兴市场加速增长,在成熟市场取得突破。”

“联想无疑希望通过大品牌联合,重现当初收购IBM笔记本业务后成为全球领先厂商的场景。”朱大林指出,“但最终没有实现这样的预期,摩托罗拉在智能机时代没有快速跟上。”

艾媒咨询集团高级分析师蒋一帆进一步强调,早在联想集团收购摩托罗拉移动之前,后者在智能手机领域已经开始缺乏核心技术和创新。“摩托罗拉移动只剩下之前积累的品牌影响力,但品牌优势已不复存在,这几年的表现也不温不火,与竞争对手差距越来越大,品牌影响力也在逐渐消退。”

一方面是摩托罗拉移动欠佳的表现,另一方面,联想当前的移动业务也不尽如人意。2016财年第一季度中,联想智能手机出货量1120万部,同比下跌31%。这也是联想集团智能手机出货量连续第三个季度下跌,在2015财年第四季度和第三季度,联想智能手机出货量分别为1300万部和2020万部。该财年第二季度和第一季度,联想智能手机出货量均徘徊在1600万部上下。当初收购摩托罗拉的荣光,已不复存在。

定位差异化

感到阵痛的不仅是联想。事实上,整个智能手机行业已经开始陷入“泥淖”之中。

根据IDC方面的数据显示,自2010年至2015年,全球智能手机出货量增长率分别为74%、49.2%、45%、38.4%、23.1%、10.2%,增长日渐趋缓;中国市场方面,2012年中国智能手机出货量为2.13亿部,同比增长135%,2015年出货量则为4.34亿部,同比仅微增2.5%。

行业增速放缓,业内玩家数量却高居不下。根据ZDC监测数据显示,2008年参与智能手机市场竞争的厂商数量不足30家,2013年则突破百家,截至2015年10月,智能手机市场参与竞争的厂商数量仍在100家左右。从在售机型来看,自2013年智能手机市场在售的手机数量超过1000款之后,2015年达到近三年最高,超1200款。

“目前行业已趋于饱和,厂商众多,竞争激烈。”慧辰TMT互联网研究部高级分析师林仁翔告诉21世纪经济报道记者,“各家手机的配置相差不多,技术上也没有太大差距,已开始步入同质化竞争阶段。”

但惨烈拼杀中,仍有佼佼者。根据半导体市场调研机构IC Insights的统计,在2016年第一季度中,华为以2890万部智能手机出货量稳居全球第三,紧随其后的是OPPO,共计出货1610万部,小米以1480万部手机出货量摘得第五。联想仅居于全球出货量的第9位。

“由于现在手机本身在体验上没有太大差距,当前手机市场更多是品牌、渠道和营销的竞争。”林仁翔指出,“大家在选择智能手机的时候,更多选择品牌的认同和归属。比如,华为会明显受到中高端商务群体青睐,小米在互联网年轻用户群中的使用度和接受度比较高。”

OPPO手机则精准定位于看重娱乐化的用户群体,这类群体对过往品牌知名度并不看重,但更加看重价格与性能。通过至美一拍、充电5分钟通话2小时等细节功能,OPPO今年迎来爆发性增长。蒋一帆就此指出,联想手机缺乏亮点机型,难以让人印象深刻,因此既没有追上苹果、三星,同时被华为、OPPO等厂商赶超。

“智能手机如今已步入差异化竞争时代,所以定位一定要明确,要树立自身的品牌感。”数位分析人士均向21世纪经济报道记者强调。“再回到联想集团,其现在并未明确出手机业务的思路,究竟是打全产品线还是细分用户产品线。”朱大林指出,“考虑到如今智能手机行业形势,我的建议是,第一,可以向个性化方向发展,第二,可以深耕细分领域,寻找细分用户。”

本文转自d1net(转载)

1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
应用背景为变电站电力巡检,基于YOLO v4算法模型对常见电力巡检目标进行检测,并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务,并对系统性能做出一定的优化。.zip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,这些框架提供了构建、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。
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,这些框架提供了构建、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