美满电子科技(Marvell Technology)是一家全球性半导体公司,专注于数据基础设施解决方案,年收入约55亿美元。该公司是AI驱动基础设施的领导者,为数据中心、汽车和网络等行业提供关键半导体解决方案。公司已实现了大幅增长,而这种增长的部分动力来自于更好地利用数据提供的洞察。帮助引领Marvell建立数据驱动文化的领导者是Nishit Sahay。
Sahay已在Marvell工作七年,担任首席信息官大约两年。他带头开发了Marvell的数字基础,实施了AI驱动的效率提升,管理了重要的收购并为公司的持续创新奠定了基础。
美满电子在数据基础设施中的市场地位
Marvell已经超越其传统半导体根基,成为数据基础设施领域的关键参与者。其组件深度嵌入在依赖处理、移动和保护大量数据的行业中。这一转变使公司与人工智能的崛起保持一致,并在其中扮演着关键角色。
"Marvell是推动AI基础设施的顶级半导体公司之一。无论是数据中心、汽车还是运营商网络,一切都依赖于数据,而我们正处于其核心位置,"Sahay说。通过专注于数据基础设施,Marvell在行业巨头中脱颖而出,成为现代数据经济的重要组成部分。
管理数据、AI和业务转型
作为CIO,Sahay负责四个主要领域:传统IT运营、数据办公室、企业AI计划和业务流程转型。每个领域都致力于创建一个敏捷、数据驱动的企业,并与业务成果保持一致。
"在Marvell,数据是我们文化的核心。我们不依赖主观对话;每一个决策都由数据分析和洞察支持,"Sahay指出。他的方法将先进技术不仅集成在IT中,而且贯穿所有业务部门,创建了一种分析和运营严谨的文化。
构建敏捷和安全的数字基础
Marvell已大量投资于开发可扩展、弹性和安全的技术基础设施,以支持其不断扩大的业务。据Sahay介绍,这包括人力资源、工程和其他关键功能的系统,所有这些都以自动化和集成为设计理念。
"我们希望在所有功能上实现自动化,从人力资源系统到工程平台,"Sahay解释道。"这确保了敏捷性和效率,同时保持了强大的安全基础。"这些数字基础虽然对大多数用户来说基本上是不可见的,但对于实现创新和保持规模化性能至关重要。
利用数据促进业务增长
数据长期以来一直是Marvell运营的核心,近年来其作用变得更加关键。公司的数据办公室支持从分析和数据科学到治理和工程的各种功能,所有这些都有助于企业范围内的可见性和更智能的决策制定。
"我们将数据驱动文化自动化,使决策者能够访问分析结果,"Sahay说。"这帮助我们渡过危机,优化库存并有效平衡供需。"随着AI在运营中变得更加核心,公司还在实施数据网格架构,以统一结构化和非结构化数据,确保完整性和合规性。
从收购到整合:建立战略协同
Marvell的增长得到了一系列战略收购的支持,包括2021年以100亿美元收购Inphi。收购公司的整合以非同寻常的速度和准确性执行,这是Marvell运营纪律的标志。
"许多公司在收购整合方面面临困难,"Sahay自豪地指出。"在Marvell,我们完善了这一流程,在两个月内整合了Inphi的供应链、CRM和门户,数据准确率达到99.6%。"如此高效地整合系统和流程的能力确保战略收购能够更快地为业务增值。
云中的硅片设计:重新思考行业规范
在一项大胆举措中,Marvell已开始将其硅片设计过程转移到云端,而大多数半导体公司由于传统工作流程和基础设施需求而抵制这一做法。Sahay和他的团队与AWS等超大规模云服务提供商合作,重新构建了必要的平台。
"与其他仅将云用于突发容量的半导体公司不同,我们正在完全将硅片设计工作流程转移到云端,"Sahay指出。"这使我们能够更高效地使用CPU、GPU和基于ARM的系统优化工作负载。"这一转变不仅使Marvell的设计能力现代化,而且使其在可定制计算和工程敏捷性方面处于前沿。
AI作为核心业务驱动力
人工智能已成为Marvell价值流中创新和效率的关键推动者。公司的AI战略专注于产品开发、企业范围内的效率、变革管理以及对平台和治理的长期投资。
"AI不仅仅是自动化;它是关于重新想象我们的工作方式,"Sahay说。"我们鼓励工程师构建AI解决方案,确保创新发生在每个层面。"超过40个应用程序投入生产,其中60%在IT部门之外开发,Marvell正在实现AI的民主化访问,并将其深度嵌入整个组织。
展望未来:量子计算和新兴技术
Sahay已经将目光投向下一波变革性技术。其中最主要的是量子计算,他认为这既是半导体行业的一个前景广阔,又具有破坏性的力量。
"量子计算具有无限潜力,但也存在重大风险,尤其是在安全方面,"他兴奋地说。"我们正密切关注发展动态,确保Marvell保持领先。"随着公司建立在强大的数字和AI基础上,它也在为量子可能扮演中心角色的未来做准备。
凭借强大的数字基础、前瞻性的AI战略和对未来技术的承诺,Sahay帮助Marvell在快速发展的科技环境中保持了良好的发展态势。
Peter High是Metis Strategy的总裁,这是一家业务和IT咨询公司。他撰写了三本畅销书,其中最新的是《Getting to Nimble》。他还主持Technovation播客系列并在世界各地的会议上发表演讲。在Twitter上关注他@PeterAHigh。
好文章,需要你的鼓励
华中科技大学与利哈伊大学研究团队开发的MMMR基准是首个专门评估多模态大语言模型推理思考过程的综合工具。通过1,083个跨六大领域的高难度推理任务和创新的推理过程评估管道,研究发现即使最先进的模型在推理任务上也与人类存在约10%的差距。研究揭示了答案准确性与推理质量间的脱节:模型常出现思考不一致(41.5%)、过度思考(20.5%)等问题。这一基准不仅评估答案正确性,更深入分析思考质量,为提升AI系统的可靠性和透明度提供了重要方向。
UI-Genie是一个创新的自我改进框架,解决了GUI智能体面临的两大挑战:轨迹验证困难和高质量训练数据缺乏。研究团队开发了专用奖励模型UI-Genie-RM,采用图像-文本交错架构有效处理历史上下文,并统一了步骤级和任务级奖励评估。通过精心设计的数据生成策略和迭代自我改进,该框架无需人工标注即可创建高质量合成轨迹。实验结果显示,经过三轮数据-模型自我改进后,UI-Genie在多个基准测试上达到了最先进水平。该研究已开源全部实现和数据集,为GUI智能体研究提供重要资源。
浙江大学和蚂蚁集团的研究团队开发了ACTIVE-O3,一种创新框架,赋予多模态大语言模型"主动感知"能力,使AI能够智能地决定"看哪里"和"怎么看"。基于群体相对策略优化(GRPO)构建,该系统采用两阶段策略,先选择关注区域,再执行任务。实验表明,ACTIVE-O3在小物体检测、密集物体定位和交互式分割等任务上显著优于现有方法,并展示出强大的零样本推理能力。该研究为AI系统提供了更接近人类认知的视觉探索能力,对自动驾驶、医疗诊断等领域具有重要应用价值。
ImgEdit是北京大学与兔小贝AI联合推出的图像编辑框架,解决了开源编辑模型落后于商业产品的问题。该框架包含120万对高质量编辑图像对,涵盖13种编辑类型和11万个多轮交互样本。通过融合视觉语言模型、检测模型和分割模型的多阶段流程,ImgEdit确保了数据的高质量性。研究团队基于此数据集训练了ImgEdit-E1模型,并提出ImgEdit-Bench评估基准,从指令遵循、编辑质量和细节保留三个维度全面评估模型性能。实验结果显示,ImgEdit-E1在多个任务上超越现有开源模型,推动了图像编辑技术的进步。