摩托罗拉悄然变革:智能手表或决定未来发展

美国科技博客The Verge今天刊登题为《摩托罗拉的未来在此人的手腕上》(The Future of Motorola is on this man's wrist)的评论文章称,随着摩托罗拉的总部从芝加哥郊区迁往市区,该公司的文化和运作方式也发生了深刻的变革。虽然智能手机至关重要,但真正决定未来 的,或许还是基于Android Wear打造的Moto 360智能手表。


  以下为文章主要内容:


  几个月前,这次会面本应在伊利诺伊州利伯蒂维尔的一个园区内举行,那里位于芝加哥北部大约一小时的车程。


  但我现在来到了芝加哥市中心的Merchandise Mart,这栋占地约两个街区的宏伟石结构建筑,在芝加哥河畔矗立了大半个世纪。这里曾是肯尼迪家族的资产,但现在却成了室内设计界的圣地:里面聚集了大批橱柜厂商、大理石供应商和地板企业。据说,文莱苏丹的整个宫殿都是用这里的东西装修而成的,因为这是唯一一个能够让他一次采购齐全的地方。


  现在,摩托罗拉也搬到这里。对很多居住在郊区的摩托罗拉员工来说,芝加哥惨不忍睹的交通令这65公里的路程变得无比痛苦,甚至还会带来一丝文化上的冲击。不过,这似乎也透露出另外一番迹象,让人得以一窥这家老牌巨头今年可能经历的巨变。


  所有人的目光都集中在新总裁里克·奥斯特罗(Rick Osterloh)身上,人们都想知道,他能否带领团队完成变革,实现目标。众所周知,除了苹果和三星之外,任何一家公司都很难在竞争激烈的智能手机市场攫取利润。光是这一现状就足以令人窒息,而摩托罗拉还要面临更多的问题:它原本在谷歌这个强大后盾的支持下过着惬意的生活,但现在,却被卖给了全球第一大PC制造商联想。面对种种挑战,摩托罗拉仍要推出世界顶尖的智能手机,而且决不能落后对手半拍。


  但除此之外,他们还有另外一个秘密武器:Moto 360。


  “我们早就习惯了变化。”摩托罗拉高级设计副总裁吉姆·威克斯(Jim Wicks)说。他为人冷静,但又不失激情,这并非他第一次面对这样的考验。“过去三四年间,我们发生了很多变化,这次又进入了新的阶段。”


  威克斯曾经在索尼的黄金时期在那里担任设计师,后来又加盟了鼎盛时期的摩托罗拉,所以,他必定对变革有着深刻的理解。他经历过Razr手机的大起大落,也见证了Windows Mobile的成功与失败,还目睹了摩托罗拉的高调分拆,之后,谷歌和联想发起的两次收购他都亲身经历。“你知道,变化从很多方面来讲都是好事。它可以打破你的舒适状态,让你面临一些通常不会面临的挑战。所以,变化其实对我们是件好事。”他说。


  摩托罗拉的新家也在变化。近几年,Merchandise Mart已经逐渐成为芝加哥的新兴科技中心。作为1871数字创业中心的总部所在地,史蒂夫·鲍尔默(Steve Ballmer)和本·霍洛维茨(Ben Horowitz)等科技大佬都曾造访这里,从而吸引了全美的目光。这也可以解释谷歌为什么在2012年宣布将摩托罗拉从郊区搬到市区,彼时距离它完成摩托罗拉的收购刚刚过去几个月:奥斯特罗和其他摩托罗拉员工都指出,他们与1871在很多项目上都展开了合作。


  这种合作完全在情理之中,因为急性子的芝加哥市长拉姆·伊曼纽尔(Rahm Emanuel)正在着力将芝加哥打造成一个科技重镇。但这一计划的宣布,还有着更为务实的原因:谷歌芝加哥办公室就在几个街区之外。经过了2012和2013年的几轮裁员,摩托罗拉已经不再需要使用郊区的大片园区——那里是摩托罗拉在Razr时期租用的,彼时,iPhone还没有诞生,Galaxy也没有发布。


  不过,新总部似乎点燃了威克斯发自内心的兴奋。至少从表面看来,他并不担心公司的未来,也不忧心联想领导下的发展前景。“我们位于市中心,这里充满活力,人气很旺。”他说,“搬到这里可以提升我们的工作效率,还能拉近工程和设计团队的距离。这改变了我们沟通和决策的速度。”


  摩托罗拉聘请的设计公司Gensler,已经将这栋楼的上面几层做了彻底改造,摒弃了死气沉沉的风格,增加了充满活力的现代元素。每一个迷宫式的走廊都通向一间办公室,所有的人都很忙碌,很专注。在一个巨大的房间里,有一群工程师正在用显微镜研究摄像头元件。隔着几张桌子,还有一些员工在将电路板装入亮红色的外壳里——这很可能是新手机的模型。甚至还有一台专门的“屁股机器”,一遍遍地模拟一屁股坐到Moto X上的情况。他们还专门设立了一间游戏厅,里面摆满了电视机、游戏机、篮球机。无论在哪里,你都能感受到专注的氛围。


  我和威克斯来到了消费体验设计实验室(CXD),这里非常舒适,里面有几位穿着蓝色工作服的员工正在忙碌着,他们背后印着四十年代末的摩托罗拉复古logo。沿着墙壁摆放的则是一个个的展示柜,里面摆放着这里设计和组装的各种原型手机。我只能认出其中的一些,有些从没见过——可能是胎死腹中的设计创意。在这些展示柜旁边,有一个打开的抽屉里放着几十种尚未发布的Moto X外壳。


  此时,我开始设想Moto Maker定制项目的样子。在抽屉顶上,威克斯很高兴地看到一个他在索尼时设计的收音机。它的长相有点古怪,像是外星人一样。


  在摩托罗拉的新总部里,这是一个极其重要的地方。摩托罗拉的新产品在这里孕育,新想法在这里萌生,最终的执行手段也在这里确定。CXD经理麦克·简克(Mike Jahnke)给我讲了一段往事:他当年将Razr定制成粉色,然后送给了网球超级巨星莎拉波娃。莎拉波娃恰好在电视上使用了这款手机(他说,这并非事先设计好的)。于是,时任摩托罗拉CEO的艾德·桑德尔(Ed Zander)打来电话专门询问此事。不久后,桑德尔和他的团队批准生产粉色Razr,并热销全球。


  不过,真正令威克斯感到兴奋的还是隔壁的模型车间。那里摆着一排排的快速制模机——多数都是工业级3D打印机——负责将工程师突发奇想的各种创意变成实物。这种高效的运作模式对于Moto 360这样的产品至关重要。Moto 360是备受期待的一款Android Wear智能手表,它预计于今年夏天发布,有可能成为可穿戴市场最有吸引力、功能最齐全的设备之一。


  虽然时间宝贵,但任务依然繁重。“能够尽快做出完全模仿最终成品的模型是至关重要的,但却经常被人忽视。”他说,“原型产品应该完全融入到战略和产品规划过程中。这不是外包出去的业务,所以我们将它视作整个业务必不可少的一部分,也是我们当前重要的设计流程之一。”


  模型车间甚至还配有一个消费级的3D打印机,方便员工自己动手,而不必非要经过CXD团队的许可。这里的所有机器似乎都在马不停蹄地工作着,忙碌着。


  这很有必要。尽管Moto X和Moto G已经广受好评,但却并没有令摩托罗拉焕发全部生机。奥斯特罗在公开演讲中指出,该公司第一季度的手机出货量为650万部,同比增长65%,但苹果当季却卖出了近4400万部iPhone。所以,尽管智能手机是一项重要业务,但被联想收购后的摩托罗拉,恐怕还要依靠Moto 360将自己确立为可穿戴市场最有活力的企业之一。


  通过与威克斯的相处,我感受到摩托罗拉仍有东山再起的机会。交谈过程中,我发现他手腕上戴着一块漂亮的Moto 360智能手表,外面包裹着金属外壳,配有一条褐色的表带。但他拒绝向我展示这款产品。


  这款手表的实际效果与图片一样好,非常贴合他的手腕上。如果不是因为表面上覆盖着巨大的显示屏,肯定会被人误认为是经典的高档手表,比如Xetum。虽然他不肯向我展示,但在我们聊天的过程中,那块手表的屏幕曾经多次亮起,看起来很明亮,很清晰,Android Wear的界面设计也很简洁、很醒目。巧合的是,当摩托罗拉推出2000美元的Aura手机时,威克斯也在摩托罗拉。

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