置顶用户需求,vivo如何用创新方法论交出新成绩单?

简介: 2019年,手机行业刮起了一阵疾风:贴牌科技受到诟病,用户开始鄙视伪创新。全球科技媒体的指数正呈现这样一个趋势:越是深度创新,具备差异化应用性的技术与产品,正在得到越多的用户青睐和舆论赞扬。但对于终端厂商而言,挑动硬件、系统等核心技术并非易事,厂商们的创新如何体现?这一挑战正在被vivo逐渐达成,这家手机厂商打算“从头开始”!

微信图片_20220104191835.jpg置顶用户需求,vivo出圈创新


此前几年,手机行业聚焦点更加清晰,比拼对趋势的跟随能力,哪个厂商能更快跟随主流,打造更好的整体性能与性价比哪家就赢了。


今年风向明显变化,除了5G的全行业迭代,全球厂商都在关注如何在其他环节推陈出新,推出具有独属特征的产品解决方案,但能给出创新成果的并不多。


vivo是其中一家。作为行业前瞻观察者,vivo深知用户的需求以及行业发展趋势。

屏幕指纹是智能手机行业在识别解锁领域的重要发展方向。其优势在于,通过减少手机顶部的识别模组,尽可能增大屏幕占比。优秀的屏幕指纹案例是vivo推出的NEX和X23,前者通过升降式前置摄像头+屏幕指纹的方案,后者使用了水滴屏+屏幕指纹方案,屏占比都超过了91.2%。


早在2016年,vivo就意识到全面屏时代已经来临,为了创新vivo选择向汇顶下风险订单,联合研发了新的屏幕指纹技术。


vivo和汇顶联合开发的屏幕指纹技术在识别率和解锁时间两个核心体验上,已经满足了用户在湿手、低温干手指、强光直射等场景的实际需求,是vivo研发成功案例之一。


微信图片_20220104191905.jpg


目前, vivo已经在全球推出了超过2000万台屏幕指纹手机。2019 年第一季度,国内智能手机市场出货量前5名的品牌中,vivo X23排名第二。


与销量相伴的,是vivo成功的自研战略与技术。


打破界限,Exynos980刷新记录


11月7日,vivo带着最新研发成果—— Exynos980刷新了厂商创新史。


本次vivo不再局限于指纹技术,而是盯准了核心硬件——芯片。vivo并非单兵作战,选择与大芯片制造商三星合作。


由于芯片生产模式容易造成同质化,制造周期过长,不利于满足最新需求。vivo因此决定深入到芯片定义阶段,将对于芯片硬件能力的需求前置到了流片之前。通过深挖用户需求,以满足消费者的最新需求。


联合研发Exynos 980时,vivo投入专业研发工程师超过500人,轮流驻厂和派遣团队,研发时间近10个月。


其中,vivo主导设计终端侧射频方案和天线技术,带来更好的5G信号体验。另一方面,vivo将积累的多达400个功能特性补充到三星平台,仅单调制解调器相关就有170个(modem与5G强相关,是打电话、上网、数据传输的基)。


微信图片_20220104192038.jpg


在擅长的影像方面,vivo基于以往的相机开发经验,为三星平台贡献了100多个相机相关的功能特性,涉及算法、双摄、三摄系统通路设计等,显著提升了三星平台的算法效果。

vivo通过与三星配合抢时间,将Exynos980整体批量进度提前2-3个月,对于缩短5G的产业周期起到了示范作用。同时促进了双模5G手机在年内推向市场,加快中国5G进程。


与三星深度合作后,vivo打造出对当下用户而言更实用、功能更强大的5G双模SoC。

Exynos980强大的CPU和GPU通过高速总线与5G数据机直接相连,减少数字接口中转,因此相比于5G外挂modem方案调度更快、效率更高。


同时Exynos980内置高性能NPU和DSP,较上一代人工智能计算性能优化了约2.7倍。


此外,Exynos980具有最高2.55Gbps的数据通信速度、强大的视频解码能力、图像处理能力、省电等多项优势,是目前5G芯片的不二选择。


从功能到研发过程,Exynos980都是具有里程碑意义的产品。


深入技术无人区,vivo打造真•创新方法论


手机市场正在从增量时代,转移向存量时代。


厂商们的任务不再是快速铺货和完成普及,而是如何有效深耕已有用户群,并从其他竞品用户群那里吸收用户。这种市场趋势下,手机厂商的任务变成了如何向用户展示自己的“不同”。


而不同的来源,只能出自于技术差异化。如今vivo正凭借两次创新走出终端厂商的传统业务范畴,进入研发领域,用自研创新给自己打造壁垒。


“把消费者需求和我们所能扫描到的、所能控制到的一些技术,有机结合起来,从而创造出真正满足消费者需求的一些解决方案,这就是vivo的创新体系。”今年9月底,vivo执行副总裁胡柏山曾向外界详细阐述了这套联合研发的创新体系。


不论是屏幕指纹技术还是Exynos980,成功推出的背后有两点必不可少:一方面是vivo对消费者的需求理解有自己的独到之处,且决心实现,另一方面vivo具有深度参与产品研发、整合供应链的人才和技术储备。


此外,vivo的态度也是关键,只有愿意承担风险、苦心钻研同时精诚合作,才能一击即中。


而从合作方角度看,不论是汇顶还是三星,在业内均属于头部企业。两者对与vivo的合作给出了极高评价,是对vivo在技术积累、用户意见沉淀上的肯定。


三星电子S.LSI商品企划团队队长赵壮镐常务表示,vivo和三星这次开展了紧密合作,共同研发新的5G通信技术,满足市场和科技爱好者的需求。


微信图片_20220104192058.jpg


想在激烈的存量市场获取技术差异化,必须坚持两个逻辑:确实是自己的技术和围绕用户的技术。vivo正在尝试这个路径,并且已经卓有成效。


早在2016年,vivo就开始布局5G。而如今vivo又再次深入到芯片领域的前置研发当中,埋头走入更多荆棘的技术探索无人区,也是最明智的产业抉择。


手机的技术无人区,是跋涉的中途,也是未来的起点。最终,市场会奖励那些更具创新精神的探索者。





相关文章
|
人工智能 安全 数据挖掘
计算机在石油化工领域的应用
计算机在石油化工领域的应用
|
JavaScript 前端开发 Java
springboot解决js前端跨域问题,javascript跨域问题解决
本文介绍了如何在Spring Boot项目中编写Filter过滤器以处理跨域问题,并通过一个示例展示了使用JavaScript进行跨域请求的方法。首先,在Spring Boot应用中添加一个实现了`Filter`接口的类,设置响应头允许所有来源的跨域请求。接着,通过一个简单的HTML页面和jQuery发送AJAX请求到指定URL,验证跨域请求是否成功。文中还提供了请求成功的响应数据样例及请求效果截图。
272 3
springboot解决js前端跨域问题,javascript跨域问题解决
|
机器学习/深度学习 人工智能 自然语言处理
Agent Laboratory:AI自动撰写论文,AMD开源自动完成科研全流程的多智能体框架
Agent Laboratory 是由 AMD 和约翰·霍普金斯大学联合推出的自主科研框架,基于大型语言模型,能够加速科学发现、降低成本并提高研究质量。
1204 23
Agent Laboratory:AI自动撰写论文,AMD开源自动完成科研全流程的多智能体框架
|
存储 SQL 缓存
PolarDB-X 在 ClickBench 数据集的优化实践
本文介绍了 PolarDB-X 在 ClickBench 数据集上的优化实践,PolarDB-X 通过增加优化器规则、优化执行器层面的 DISTINCT 和自适应两阶段 AGG、MPP 压缩等手段,显著提升了在 ClickBench 上的性能表现,达到了业内领先水平。
|
Java 数据库连接 测试技术
Mybatis-PLUS详解
Mybatis-PLUS详解
529 0
|
Java API Android开发
你有没有想过自己写一个Xposed模块?教程来了~(一)
在互联网上,关于Xposed模块编写的教程可谓是一抓一大把。但由于时间的推移,很多工具和方法都发生了变化(如Eclipse退出安卓编程舞台,AndroidStudio 不断升级导致其一些设置也随之变化等)也正因此,网上的教程往往有一些时限性,比如现如今 provide 这个关键字已经被舍弃了却仍有人在用,还有些说要把jar包放到lib文件夹而非libs文件夹……种种错误或者落伍的教程对新手产生了很大的误导。
721 0
|
Go C语言
golang的类型转换
【9月更文挑战第28天】本文介绍了Go语言中的基本数据类型转换,包括数值类型之间的转换及字符串与数值类型的互转,提供了具体代码示例说明如何使用如`float64(a)`和`strconv.Atoi`等方法。同时,文章还讲解了接口类型转换,包括类型断言和类型开关的使用方法,并展示了如何在运行时获取具体类型。最后,提到了指针类型转换的注意事项及其应用场景。
298 7
|
安全 数据安全/隐私保护 Windows
DameWare远程连接设置
DameWare远程连接设置
369 2
|
机器学习/深度学习 算法 C语言
5.2.1 Backbone(特征提取) 5.2.2 Neck(多尺度检测)
这篇文章介绍了YOLOv3目标检测模型中的Backbone(特征提取)部分,详细阐述了使用Darknet53作为骨干网络来提取图像特征的方法,并通过代码示例展示了如何实现Darknet53网络结构以及如何查看不同层级输出特征图的形状,同时还讨论了Neck(多尺度检测)的概念,解释了如何通过特征图的尺寸放大和融合来实现对不同尺寸目标的检测。
|
安全 网络安全 数据安全/隐私保护
Python渗透测试之流量分析:流量嗅探工具编程
Python渗透测试之流量分析:流量嗅探工具编程
286 0