“失之东隅，收之桑榆。”这是高通过去一周的真实写照。
本周早些时候，高通吞下了韩国反垄断监管机构的1.03万亿韩元（8.54亿美元）天价罚单，之后，不少业内人士认为高通的商业模式可能因此动摇，未来高通在全球范围内的业务进展可能将举步维艰。但不料在2016年最后一个工作日，高通却收获了意外之喜：魅族妥协了，并且和其达成了专利许可协议，这意味着高通专利墙背后的“钉子户”又少了一个。不得不说，高通去年在中国的9.75亿美元罚款真是没白交啊！
雷锋网日前获悉，继2015年2月高通在中国罚款9.75亿美元后，韩国公平贸易委员会（KFTC）对高通展开的反垄断调查案也终于有了结果。
韩国反垄断监管机构将对高通处以1.03万亿韩元（8.54亿美元）的罚款，这创下了韩国反垄断处罚的最高金额记录，高通表示将法院提出上诉。
KFTC表示，高通滥用其市场优势及迫使手机制造商交付不必要的专利费作为其芯片销售业务的一部分；此外，高通还拒绝或限制将其芯片专利授权给竞争对手，例如英特尔、三星电子及联发科等。KFTC要求高通终止对手机制造商销售协议里之不必要的专利许可要求，并且重新与手机制造商谈判合同内容。
“此案自基础上改变了高通以往维持及拓展其市场主导地位的商业模式“，韩国公平贸易委员会在一声明中表示。高通目前主要的收入来源是销售芯片和收取专利费，这其中，专利许可费率极其高昂，也就是臭名昭著的“高通税”。
12月30日，高通与魅族长达半年多的专利纠纷终于尘埃落定。双方联合发布声明称达成专利许可协议，将采取适当步骤终止或撤回专利侵权诉讼。
根据双方签订的协议条款：
高通授予魅族在全球范围内开发、制造和销售 CDMA2000 、 WCDMA 和 4G LTE（包括 “三模” GSM、TD-SCDMA和LTE-TDD）终端的付费专利许可，魅族在中国应支付的专利费用与 Qualcomm 向中华人民共和国国家发展和改革委员会所提交的整改措施条款相一致。
据雷锋网了解，今年 6 月，高通以“魅族侵犯了其通信专利”为名，将魅族告上了北京知识产权法院和上海知识产权法院，并索赔5.2亿元人民币，魅族很快对事件做了回应，表示愿意与高通进行谈判，支付相关费用，但认为高通的专利收费制度不合理，双方一直僵持不下。但在此次的和解协议中，双方并未披露魅族将要支付给高通专利费用的具体数额。
在即将迈入全新的 2017 年之际，IEEE 802.11 无线局域网工作组主席 Adrian Stephens对未来移动通讯行业进行了一些预测，包括 Wi-Fi 网络的发展对未来 5G、物联网等领域里所产生的影响和应用前景。
Adrian Stephens在文中提到，在过去的 25 年时间里，IEEE 802.11 相关的技术（就是 Wi-Fi）已经非常成熟了。不过我们似乎都低估了市场的能力，因为很多创新用例都是过去无法预见的。换句话说，作为IEEE 802.11 无线局域网工作组里的一名技术人员兼主席，也许明年我依然会回到幕后努力工作，但是我希望通过这次预测给未来市场带来一些理性因素。而且，几乎可以肯定的是，在 2017 年到 2020 年之间，“物联网”和新兴的“5G”技术将会迅速增长。
在物联网行业里，当使用物联网技术的人越多，这种技术的自身价值也会得到大幅提升。一些与 IEEE 802.11 相关的设备与设备或设备与互联网连接的应用将会“浮出水面”，比如用于节能的供电协调设备和系统，以及智能建筑、智能城市和智能电网。
此外，4G 网络依靠的是单一芯片组，因此 802.11 将在某些特定领域内补充、并支持 5G 网络，比如让未授权频谱得到更高效的使用。
据国外媒体报道，鸿海集团和夏普合资公司堺显示器产品公司（Sakai Display Product，以下简称SDP）于北京时间 30 日晚宣布，将计划投资 610 亿元人民币（约合 88 亿美元） 在中国广州建立一座新工厂，生产 LCD 面板。据雷锋网了解，新工厂将在 2019 年投入运营，届时将采用 10.5 代生产线。
本月早些时候，日本媒体就曾报道称，鸿海和夏普正考虑在中国兴建全球最大的 LCD 工厂，希望将鸿海的资金与夏普的技术相结合，通过价格优势来挑战韩国竞争对手。据相关报道介绍，最早在 2019 年初，新工厂预计开始量产 LCD 面板，目前双方已经开始接触 LCD 面板生产设备制造商。
当前，鸿海拥有三家 LCD 面板，分别为夏普、群创（Innolux）和SDP。这三家公司的 LCD 面板产量占全球份额的 20 %，这也使得鸿海成为继三星和 LG 之后的第三大 LCD 面板制造商。
今年三月 AlphaGo 和李世石的“世纪之战”落幕后的两个月，谷歌硬件工程师 Norm Jouppi 才公开了“Tensor Processing Unit”（TPU）计算卡的存在。在博客中，他解释道，谷歌给数据中心装备这些加速器卡已经有超过一年的时间。虽然谷歌对技术细节严格保密，但已透露它们专为谷歌开源项目 TensorFlow 而优化；并且，它采取了一个越来越流行的深度学习运算加速方式：ASIC，它的全称为应用型专用集成电路（application-specific integrated circuit）。
而微软采用了另一种逐渐流行起来的方式：FPGA（现场可编程门阵列，field-programmable gate arrays）。它的优势是，如果计算机需要改变，它可以被重新装配。但是，最通用、最主流的方案仍旧是使用 GPU，以并行处理大量数学运算。不出预料，GPU 方案的主要推动者是该市场的霸主英伟达。
那么ASIC、FPGA和GPU这三种主流的硬件方案该如何选择呢？William Dally认为要从以下三个方面考虑：数据中心的训练、数据中心的推理（inference）以及嵌入式设备的推理...
正在生成分享图...
nebula