行业分类:
加载中...
头条分类:
加载中...
Nature曝惊人内幕:论文被天价卖出喂AI!出版商狂赚上亿,作者0收入
编辑:编辑部 Nature的一篇文章透露:你发过的paper,很可能已经被拿去训练模型了!有的出版商靠卖数据,已经狂赚2300万美元。然而辛辛苦苦码论文的作者们,却拿不到一分钱,这合理吗? 全球数据告急,怎么办? 论文来凑! 最近,Nature的一篇文章向我们揭露了这样一个事实:连科研论文,都被薅去训AI了…… 据悉,很多学术出版商,已经向科技公司授权访问自家的论文,用来训练AI模型。 一篇论文从酝酿idea到成稿,包含了多少作者日日夜夜的心血,如今很可能在不知情的情况下,就成为训AI的数据。 这合理吗? 更可气的是,自己的论文还被出版商拿来牟利了。 根据Nature报告,上个月英国的学术出版商Taylor & Francis已经和微软签署了一项价值1000万美元的协议,允许微软获取它的数据,来改进AI系统。 而6月的一次投资者更新显示,美国出版商Wiley允许某家公司使用其内容训模型后,直接一举豪赚2300万美元! 但这个钱,跟广大论文的作者是半毛钱关系都没有的。 而且,华盛顿大学AI研究员Lucy Lu Wang还表示,即使不在可开放获取的存储库内,任何可在线阅读的内容,都很可能已经被输入LLM中。 更可怕的是,如果一篇论文已经被用作模型的训练数据,在模型训练完成后,它是无法删除的。 如果现在,你的论文还尚未被用于训练AI,那也不用担心——它应该很快就会了! 数据集如黄金,各大公司纷纷出价 我们都知道,LLM需要在海量数据上进行训练的,而这些数据通常是从互联网上抓取的。 正是从这些训练数据中数十亿的token中,LLM推导出模式,从而生成文本、图像、代码。 而学术论文篇幅又长,信息密度又高,显然就是能喂给LLM的最有价值的数据之一。 而且,在大量科学信息上训练LLM,也能让它们在科学主题上的推理能力大大提高。 Wang已经共同创建了基于8110万篇学术论文的数据集S2ORC。起初,S2ORC数据集是为了文本挖掘而开发的,但后来,它被用于训练LLM。 2020年非营利组织Eleuther AI构建的Pile,是NLP研究中应用最广泛的大型开源数据集之一,总量达到800GB。其中就包含了大量学术来源的文本,arXiv论文比例为8.96%,此外还涵盖了PubMed、FreeLaw、NIH等其他学术网站。 前段时间开源的1T token数据集MINT也挖掘到了arXiv这个宝藏,共提取到了87万篇文档、9B token。 从下面这张数据处理流程图中,我们就能发现论文数据的质量有多高——几乎不需要太多的过滤和去重,使用率极高。 而现在,为了应对版权争议,各大模型公司也开始真金白银地出价,购买高质量数据集了。 今年,「金融时报」已经把自己的内容以相当可观的价格,卖给了OpenAI;Reddit也和谷歌达成了类似的协议。 而以后,这样的交易也少不了。 证明论文曾被LLM使用,难度极高 有些AI开发者会开放自己的数据集,但很多开发AI模型的公司,会对大部分训练数据保密。 Mozilla基金会的AI训练数据分析员Stefan Baack表示,对于这些公司的训练数据,谁都不知道有什么。 而最受业内人士欢迎的数据来源,无疑就是开源存储库arXiv和学术数据库PubMed的摘要了。 目前,arXiv已经托管了超过250万篇论文的全文,PubMed包含的引用数量更是惊人,超过3700万。 虽然PubMed等网站的一些论文全文有付费墙,但论文摘要是免费浏览的,这部分可能早就被大科技公司抓取干净了。 所以,有没有技术方法,能识别自己的论文是否被使用了呢? 目前来说,还很难。 伦敦帝国理工学院的计算机科学家Yves-Alexandre de Montjoye介绍道:要证明LLM使用了某篇确定的论文,是很困难的。 有一个办法,是使用论文文本中非常罕见的句子来提示模型,看看它的输出是否就是原文中的下一个词。 有学者曾以「哈利·波特与魔法石」第三章的开头提示GPT-3,模型很快正确地吐出了大约一整页书中的内容 如果是的话,那就没跑了——论文就在模型的训练集中。 如果不是呢?这也未必是有效证据,能证明论文未被使用。 因为开发者可以对LLM进行编码,让它们过滤响应,从而不和训练数据过于匹配。 可能的情况是,我们费了老大劲,依然无法明确地证明。 另一种方法,就是「成员推理攻击」。 这种方法的原理,就是当模型看到以前见过的东西时,会对输出更有信心, 为此,De Montjoye的团队专门开发了一种「版权陷阱」。 为了设置陷阱,团队会生成看似合理却无意义的句子,并将其隐藏在作品中,比如白色背景上的白色文本或网页上显示为零宽度的字段。 如果模型对未使用的控制句的困惑度,比对隐藏在文本中的控制句的困惑度更高,这就可以作为陷阱曾被看到的统计证据。 版权争议 然而,即使能证明LLM是在某篇论文上训练的,又能怎么办呢? 这里,就存在一个由来已久的争议。 在出版商看来,如果开发者在训练中使用了受版权保护的文本,且没有获得许可,那铁定就是侵权。 但另一方却可以这样反驳:大模型并没有抄袭啊,所以何来侵权之说? 的确,LLM并没有复制任何东西,它只是从训练数据中获取信息,拆解这些内容,然后利用它们学习生成新的文本。 当然,这类诉讼已经有先例了,比如「纽约时报」对OpenAI那场石破天惊的起诉。 其中更加复杂的问题,是如何划清商用和学术研究用途。 根据目前arXiv网站上的使用条款,如果是个人或研究用途,抓取、存储、使用所有的电子预印本论文和网站元数据都是合规且被支持的。 然而,arXiv对商业方面的使用是严令禁止的。 那么问题来了,如果某个商业公司使用了学术机构发布的开源数据集训练自己的商业模型,且数据来源含有arXiv或类似学术出版机构,这怎么算? 此外,出版商在用户的订阅条款中往往也没有明确规定,能否将论文用作模型的训练数据。 比如,一个付费购买Wiley论文库阅读全文资格的用户,是否被允许将这些文本拷贝下来喂给模型? 现在的问题是,有人想让自己的作品纳入LLM的训练数据中,有人不想。 有人已经做出来一个[haveibeentrained」的同名网站,用来检测自己的内容是否被用于训练AI模型 比如Mozilla基金会的Baack就表示,非常乐于看到自己的作品让LLM变得更准确,「我并不介意有一个以我的风格写作的聊天机器人」。 但是,他只能代表自己,依然有其他很多艺术家和作家,会受到LLM的威胁。 如果提交论文后,这篇论文的出版商决定出售对版权作品的访问权限,那个别的论文作者是根本没有权力干涉的。 整个圈子也是鱼龙混杂,公开发表的文章既没有既定的方法来分配来源,也无法确定文本是否已被使用。 包括de Montjoye在内的一些研究者对此感到沮丧。 「我们需要LLM,但我们仍然希望有公平可言,但目前我们还没有发明出理想的公平是什么样子。」 多模态数据不够,arXiv来凑 事实上,庞大的arXiv论文库中,可以利用的不止文本数据。 ACL 2024接收了一篇来自北大和港大学者的论文,他们尝试利用这些论文中的图文构建高质量多模态数据集,取得了非常不错的效果。 前段时间,纽约大学谢赛宁教授和Yann LeCun等人发布的Cambrian模型也用到了这个数据集。 之所以要用arXiv论文中的图片,主要还是由于科学领域训练数据集的稀缺。 GPT-4V等视觉语言模型虽然在自然场景的图像中有出色的表现,但在解释抽象图片方面,比如几何形状和科学图表,依旧能力有限,也无法理解学术图片中细微的语义差别。 这篇论文构建的多模态arXiv数据集总共用到了各个STEM领域的57.2万篇论文,超过arXiv论文总数(2.5M)的五分之一,包含两部分:问答数据集ArXivQA和图片标注数据集ArXivCap。 依托arXiv大量且多样的论文收录,与之前的科学图片数据集相比,ArXivCap的数据量是第二名SciCap的3倍,ArXivQA也是唯一涵盖广泛领域内真实论文的问答数据集。 通过使用这些领域特定数据进行训练,VLM的的数学推理能力有了显著增强,在多模态数学推理基准上实现了10.4%的准确率提升。 比如,在ArXivQA上训练过的Qwen 7B模型能够正确理解条形图并回答相关问题(左图),数学能力也有所提高(右图)。不仅答案正确,给出的推理过程也更加完整充分。 数据集构建 数据集的构建流水线如下图所示。由于arXiv是预印本平台,所以需要先通过发表记录筛选出被期刊或会议接收的论文,以保证数据质量。 提取论文中的图片-文字对并进行基于规则的清理后,组成ArXivCap;ArXivQA则由GPT-4V生成,但使用了精心设计过的prompt模板。 ArXivCap中的一个单图标注对: 2019年论文「Semigroup models for biochemical reaction networks」 ArXivCap数据集中的一个多图标注对: 2018年论文「Low-Power Wide-Area Networks for Sustainable IoT」 ArXivQA数据集示例: 2020年论文「Skyrmion ratchet propagation: Utilizing the skyrmion Hall effect in AC racetrack storage devices」 评估 根据在MathVista数据集上的结果,ArXivCap和ArXivQA共同提升了Qwen-VL-Chat的整体性能,超越了Bard的表现。 最佳结果以粗体显示,次佳结果以下划线标记 在为单张图片生成图注的任务中,提升效果更加显著,经过ArXivCap训练的Qwen 7B模型可以匹配甚至超过GPT-4V。 灰色结果由数据集中500个样本的测试得到 论文提出了三个新定义任务:多图的图注生成、上下文中的图注生成以及标题生成。经过ArXivCap训练的Qwen 8B的所有分数都超过了GPT-4V,且多数情况下是最佳结果。 最佳结果以粗体显示 按照研究领域划分,ArXivQA数据集上的训练在天体物理、凝聚态物理、数学、计算机科学这些领域都能带来相当显著的提升,超过60%,准确率变化比例超过60%。 人工评估 前面所述的文本生成质量和准确率都是基于算法的自动评估,研究团队还对单图的图注生成任务进行了人工评估,但只专注于计算机科学领域的论文。 与前面的基准测试结果相比,人工评估的结果并不理想,100个案例中只有16%被认为是「可接受的」,「上下文误读」的问题相对严重,也有一定比例的「过度简化」和「识别错误」。
大模型打开机器人觉醒之门!席卷新工业革命
作者 | 程茜 编辑 | 漠影 今年初,家用机器人Mobile ALOHA火爆出圈,炒菜、洗碗、扫地、逗猫、叠衣服样样精通,堪称全能管家;时隔半年,原班团队再度推出机器人自主导航基础模型Mobility VLA,机器人在公司转一圈就能听从人类语音指令,快速变身导航员。 像这样逐渐深入我们生活的机器人越来越多,做咖啡、打扫卫生、酒店配送,甚至连按摩、作手术、康复训练等诸多岗位上都出现了机器人的身影。 但即便如此,这些机器人也只是按部就班、听命行事,距离电影中高度智能的机器人形象仍相距甚远。 AI技术革命,并非一蹴而就,横空出世,而是在科技历史长河中持续地发生。2022年底,以生成式人工智能 ChatGPT为起点的大语言模型(LLM),带来人机对话交互变革。2024年,LAM(大型动作模型)正在起势,机器人觉醒新纪元来临。 具身智能已经在实际场景中落地应用,重构了生产关系,对生产力起到了颠覆意义,正在助推着新工业革命。可以说,AI为科幻电影中具有高度智能的机器人走出银幕搭起了阶梯。 作为新质生产力代表的具身智能联想晨星足式机器人GS应运而生,这也是大模型与物理世界交互的最领先成果之一,作用于现实世界,具身智能具有更深远的意义和影响。伴随2024/2025财年Q1财报,联想集团发布第三季硬核知识科普视频的第一集《具身智能:人工智能如何成为人》。 视频中采用了桌面电影形式的融合创新。极具《权力的游戏》风格的开场片头,以串联着机器人领域完整技术发展关系图谱的科技树为线索,带领观众在时间中穿梭,重新探索机器人科技树图谱下三个技术路径的竞技与角逐。在讲述中同时打碎重构桌面元素,让信息在观众、主角IP和桌面中流动传递。 此外,视频中以英国科技历史学家、生物化学家、中科院外籍院士李约瑟为原型打造的智能体,也是一大亮点。立足于2100年的赛博版李约瑟,以未来的第一人称视角首次为观众呈现具身智能完整的技术史观,也在其中展示了新工业革命时代的革命先锋——联想晨星足式机器人GS如何深入工业场景,看到联想集团使AI向实,帮助千行百业真正应用AI,释放生产力还智于业,完成变革,可谓是一支带有十足革命感和大历史观的视频大片。 自动播放 一、百年技术角逐碰撞,唤醒具身智能机器人 1959年,世界上第一台机器人Unimate被安装在汽车工厂的装配线上,彼时其只能完成辅助汽车生产的简单、重复任务;60余年后,各种类人、足式机器人出现,大型商超、工业园区的巡逻安防、全天候的电力巡检、消防应急救援、做咖啡等诸多场景都出现了机器人的身影。 与机器人形态发展的前提是技术的进阶,随着各项能力被慢慢点亮,机器人科技树逐渐枝繁叶茂。 从联想集团财报视频打造的科技树起点可看到,最先点亮机器人应用能力的是工业,在第一台机械手臂Unimate所在的技术路径上,数控技术、工业机器人、机械手臂等技术被点亮。 在此之上,斯坦福大学研究人员发明的Stanford Arm拥有6个自由度,奠定了工业机器人的标准化基础。20世纪70年代初期,第一台由电动机驱动的工业机器人FAMULUS问世,ABB机器人(原ASEA)推出IRB 6,世界上首台全电动微型处理器控制的机器人发布,使得工业机器人发展飞速,科技树的这一支线也走向成熟。 但机器人的形态就稳固于此了嘛?机器人科技树发展的第二条技术路径给出了答案。在“工业”技术路径发展初期,机器人另一条技术路径也开始萌芽——“移动”。 这条技术路径中最直观的变化就是机器人形态。1970年前后,美国斯坦福国际研究所开发了首台移动机器人Shakey,它可以做到自主感知、环境建模、行动规划并执行任务,不过当时受限于计算机体积以及运算速度,Shakey往往需要耗费数个小时完成任务。 机器人在移动领域的技术节点被点亮,并且实现了与工业机器人技术路径的交叉。这些贯穿着前后数十年历程的技术节点,铸成了机器人“觉醒之门”的钥匙,成为让机器人走出工厂、走进家庭、商场等场景的关键技术支持。 科技树的第三条支线“智能与神经”迎来爆发,这也正是打造出能满足人们对机器人终极幻想的关键条件。 1950年,内置光传感器、触摸传感器、推进及转向电机的电子乌龟诞生,可以摸索着向有光亮的地方前进,并在遇到障碍时改变方向,使得机器人展现出了拥有“生物智慧”的潜力。直到2016年,一场AlphaGo战胜李世石的世纪决战,成为机器人发展的标志性时刻。 在智能与神经与工业、移动三支技术支线相互碰撞的时刻,早在1950年就已经被提出的智能体、具身智能概念,今年终于展现出了成为现实的可能。 二、嵌入大模型与体验,联想具身智能“上岗”三大场景 如今“以机器人之躯,承载AI的灵魂”,已成为当下这一产业的热门议题。 智慧最先只出现在虚拟世界当中。 早年间,DeepMind连发三篇论文,阐释了通过机器学习教导AI自主学习走路;OpenAI基于强化学习让智能体掌握了各种捉迷藏套路,并掌握了多种隐藏策略。后来,麻省理工学院的研究小组基于机器学习技术,让“粘液”机器人具备了改变形状完成复杂任务的潜力,于是大模型和物理世界产生连接。 这就是视频中提到的“离身智能”,视频中呈现的这场1963年的实验,说明了“离身智能”与“具身智能”的关键区别。 实验中笼子里的两只猫,一只可以主动正常行走,另一只只能被动行走,最后的结果是被动行走的猫无法应用对环境深度感知的能力。 因此,实现具身智能最关键的就是自主感知、亲身体验,这也是扩宽机器人在产业场景中应用空间的先决条件。 机器人此前被应用于具体场景时,往往只能依赖于在软件中学习的经验,或者仅完成简单的重复性任务。但对于危险系数高的环境、人不方便进入的狭窄危险区域而言,机器人需要更高的智能属性,才能应对这些场景,并真正辅助人类完成任务。 正如我们在视频中看到,从科技树中具身智能这一节点走进现实的还有联想晨星足式机器人GS,就是当下机器人承载AI灵魂,并能真正满足企业对于新质生产力的急迫需求的集大成者。 联想集团要做的是真正让懂人话、会规划的机器人走出实验室,落地到场景中——还智于业。 联想晨星足式机器人GS已经从单纯的听令行事,演进为可通过理解自然语言执行复杂任务,且能够自主纠错应对特殊情况。 根据面对开放动态环境提出的具身导航框架,机器人可以基于大语言模型理解自然语言指令,将复杂指令分解成不同的动作序列,然后机器人基于状态、任务需求协调动作网络。 在执行任务、规划行走路径时,机器人通过大模型和长短记忆可以推测目标方位,从而结合3D语义地图给出的物体关系对制定目标进行搜寻。 此外,联想集团还利用了生成式AI建立典型场景的随机环境并加入物理引擎,采用强化学习训练机器人行走和探索,优化探索策略。 在形态的设计方面,联想晨星足式机器人GS也始终服务于落地应用这一终极目标。 不同于常见的四足设计,它基于六足实现了三角静态稳定步态,拥有能应对全地形的移动能力,爬楼梯、过斜坡、穿越崎岖路面都不在话下。 另外,运动过程中的稳定,也能保证搭载在其之上的传感器采集到的图像清晰、稳定、一致性强,并能减少磕碰,延长使用寿命。 同时,机器人实际应用场景中为了完整复杂任务往往需要搭载机械臂辅助完成,但受限于稳定性等因素,人形、四足机器人等可搭载的机械臂重量有限,而联想晨星足式机器人GS负载能力达到100公斤级,因此在实际场景中的应用空间更大。 工业巡检操作、应急救援支持、野外勘测任务这三大场景则成为其率先落地应用的任务。 在工业巡检操作中,联想晨星足式机器人GS可以实现自主巡检、定位故障、收集数据,以提供工业设备的运行效率和安全性。应急救援支持时,会遇到一些极端天气,达到IP66防水等级的足式机器人可以在灾难现场快速响应,实现救援搜救、物资运输等任务。面对野外地形勘探任务,它还能实现高效精准的地形测绘、资源勘探、环境监测。 还有,联想投资的清华系机器人创企星动纪元,已经成长为国内人形机器人产业的代表企业,开发了具身智能人形机器人全栈技术架构,推出了全尺寸人形机器人XBOT。在不依赖预先编程和遥控操作的情况下,XBOT能完成全自主任务实现和规划导航。 此外,人形机器人Figure 02也开始“进厂打工”。不仅外形更像人,还能实现与人类语音对话。Figure 02可直接作用于汽车工厂的生产制造环境,已具备执行通常对人类工人具有挑战性的复杂任务的能力,如将钣金件插入特定固定装置这一汽车底盘组装中的关键步骤。 这一刻机器人的技术革命与场景应用的成果已经达到了新的阶段,人形、足式、轮式以及各类仿生形态的机器人落地到工业场景中,打通物理与信息世界边界的标志性时刻到来。 三、联想集团使AI向实,为生产力变革注入强劲动力 联想集团首款晨星机器人到如今的晨星足式机器人GS,在形态、能力变迁中已经变为了一台拥有感知、思考和行动能力的智能体。 可以说,联想晨星足式机器人GS是前沿技术与落地应用,在当下这一发展节点碰撞出的必然成功。 再看视频中的科技树,其技术延展的进程正在从终身智能、情感智能、伦理与公平到仿生手指,让这些人类曾赋予无限想象空间的智能体将成为现实。 或许在未来某个时刻,伴随着机器人科技树枝桠继续延伸,最终的智能体将与人的形象接近重合,从而实现技术狂想与现实世界的交织。 AI领域的技术突破与落地应用的研究一直齐头并进,人工智能革命正在发生,我们亲身感知到的,或许只是其中分支,而具身智能在新工业革命中有着更深远的意义和影响。联想集团董事长兼CEO杨元庆说道,联想集团要做的就是: “让人工智能走下云端,真正落地,走进千家万户千行百业。” 联想集团实现机器人从辅助决策、能力增强到实现产业应用落地的变迁。使AI向实,推动了AI社会的进程,让AI与千行百业紧密连接。 真正的AI时代应该基于以人为本、多元丰富的智能技术理念,将效率优势和创新优势兼收并蓄,释放个体的创造力和生产力,使经济与社会发展的动能倍增,从而构建人本智能的璀璨未来。联想正围绕着“Smarter AI for all” 的愿景,催化助力AI落地应用。
AirPods 和三星新耳机上这些小心思,是耳机交互的秘密武器|硬哲学
爱范儿关注「明日产品」,硬哲学栏目试图剥离技术和参数的外衣,探求产品设计中人性的本源。 如果从初代 AirPods 问世算起,真无线蓝牙耳机(TWS)已经井喷式发展了将近 8 年,从一个没那么大众的品类,成为了几乎人手一个的生活必需品。 至少我身边来说,很少有不使用蓝牙耳机的同龄人。 但当我发出疑问,你们知道怎么用无线耳机切歌、调音量和开降噪吗?有不少人才第一次才知道这小玩意儿还能切歌。 有人对操作的了解停留在单击暂停,双击切歌,但更多的操作就不太记得了,又或是觉得这些操作实在难用,索性直接掏出手机。 耳机操作,越来越抽象 这是三星 Galaxy Buds 初代,也是我用过的第一款 TWS 耳机。 我和它之间的交互,仅限于放入耳朵,然后和我的 iPhone 手机配对。 直到一天,我的手指不小心碰到了耳机外壁,耳机「嘟」了一声,然后我发现正在放着的音乐,暂停了。 在为发现新大陆欣喜之余,我又觉得这实在值得吐槽,如果不看说明书,谁能想到这个富有光泽的表面,还是让用户进行交互的触控区呢? 同理,前两代 AirPods 也存在类似问题,但 AirPods Pro 和 AirPods 3 换成了按压交互,并在耳机柄上增加了一个「凹槽」的设计,手指放上去很自然就会想着按下去。 而全新的三星 Galaxy Buds 3 系列,虽然撞脸友商的新外观连三星董事长都不太满意,但新「长出」的耳机柄赋予了它全新的捏合、滑动等操作。 上个月参加了三星发布会的小伙伴,在试佩戴 Galaxy Buds 3 的时候就发现,这款耳机全新的「刀锋」设计不只是凹了个新造型,不同于传统圆柱形的楔形结构,让他出于本能地就伸出两个手指滑动交互。 而他表示,不少友商的 TWS 耳机,都是他在用了很长一段时间后,才发现也可以通过滑动来调音量。 但至少,现在不少 TWS 耳机都有一个小小的凹槽提示用户可以交互,头戴式耳机才是真正的交互深水区。 我用了好几年的索尼 WH-1000XM3 耳机,如果不是专门进行了搜索,我根本想不到这个光溜溜的右耳罩,不仅可以点,还能划。 刚刚同事告诉我,还能「捂住」,作用是暂时开启环境声。 ▲ 在触控区域一个标识都没有的 XM3,图源:The Verge XM3 还有个很大的问题,那就是降噪功能键和开关机按钮都位于耳机的左侧,还都是长条形状。 两个按钮用久了会形成肌肉记忆,但是如果是刚拿到手,或者闲置之后再重新使用,每次要按这两颗视线之外的按钮,都有种在「赌」的感觉。 ▲ 一长一短两个按钮有点区别,但不多,图源:nehalist.io 一千家耳机厂商有一千种交互方式,用户换耳机的时候,常常发现难以无缝迁移:这家按压一下是播放,到那家又变成了轻点两下,还有一些只需要轻点一下。 加上现在大家买回科技产品大多开箱即用,说明书主要为了看个配对方法。而抽象难记的操作手势,很多时候过目即忘,用着用着又掏出手机,回到直观的可视化操作去了。 这不由得让人想起现在手机上「电源键」,或者说曾经叫「电源键」的那颗侧边按钮。 从前,这颗按钮按一下就能锁屏/亮屏,长按就能关机,已经成为用户的一种共识。 现在,双击可能会出来相机和钱包,三击或者五连击会报警,长按也许会出来电源菜单,也有可能是语音助手,甚至有时什么都不会发生。想关机?那可能得和音量键配套使用。 按钮越来越少,机身越来越一体成型是当下科技产品的趋势,但带来的体验却越来越「反人类」了。 戴森新的 OnTrac 头戴式耳机,佩戴使用极其舒适,只是如果想要开关降噪,就必须要用两只手指或以上大力敲击耳罩背面两次,成功率也不算高,最后我发现直接摊开手掌拍两次百试百灵。 但不管是哪种方式,给脑袋和耳朵整出来的动静,都快把人体工学加的分扣完了。 ▲ 图源:戴森 而索尼 WF-1000XM5 降噪豆的「轻触四下调节音量」,让人忍不住怀疑,产品经理自己真的用过这个产品吗? 「看不见」的交互 近 10 年前,曾经有这么一款标新立异的设备横空出世: 这款名为「VINCI 智能头机」的设备,来自一个中国的创业团队。在形态上,这款设备犹如一款在右耳罩外侧配备了手机屏幕的耳机,不仅可以联网,还能进行点歌、录音等等,团队表示是「另一个次元的产品」。 这个团队在 2018 年就几乎销声匿迹,原因恐怕显而易见。 VINCI 智能头机上的奇葩感,恰恰折射出耳机交互的本质:这个在你耳朵两侧、视线之外的设备,必须交互只能依赖记忆和直觉,而这个过程中,「直觉」的占比越多,这个「看不见」的交互就越接近优秀。 ▲图源:新浪科技 最符合人类直觉的一种交互设计,我认为是这个: 不管是想进行快速调整,还是精准把控,旋钮都能通过不同的转动幅度实现,这也是它和音响设备结缘深远的原因。 微软 Surface 这个品牌如雷贯耳,但你可能不知道这个同为「田牌」的 Surface 耳机: Surface 耳机系列在很多方面都不算出挑,却别出心裁地把耳机左右两侧做成「拨盘」,不仅能调音量,还能调「降噪等级」,通过一种致敬老收音机和音响设备的方式,实现了最符合直觉的交互。 旋钮本身也能做成一种按钮。像是 AirPods Max 和 CMF Buds Pro 充电盒上的旋钮,除了调音量的基本操作,还能通过按压来实现播放、暂停等功能,比对着一个光滑的表面「指指点点」要来得更直观。 ▲ CMF Buds Pro 2 充电盒上的智能旋钮,图源:Phone Arena 而上文提到的戴森 OnTrac,交互上更脑洞大开,配备了一个小小的操纵杆,左右能切歌,上下调音量,按压还能暂停/播放。 ▲ 图源:The Verge 这个操纵杆巧妙利用了我们平时使用播放器「左边按钮是上一首,右边按钮是下一首」、「往上是调高,往下是调低」得来的技术经验,降低了用户的学习成本。 无独有偶,最新的 Sonos Ace 耳机也有一个差不多的「滑动按钮」设计,除了不能左右拨动切歌,其他操作和戴森 OnTrac 类似。 ▲ Sonos Ace 耳机,图源:Wifi Hifi Magazine 其实,要把「看不见」的交互做好,最重要的无非两点:一是「形态」,二是声音、触觉上的反馈。 形态很好理解,像是刚刚提到的三星 Galaxy Buds 3 系列的楔形结构,就比前几代的光滑表面,更能引导用户进行交互。 AirPods Max 上的长条电源键和圆形旋钮也能实现盲按,用户不需要去回忆哪个按钮对应哪种功能。 如何做好交互的反馈,或许是更加考验厂商的难题。 小到难以搭载马达来提供触觉反馈的 AirPods Pro,单纯靠极具迷惑性的提示音,硬生生把一个平面给模拟出了按压感。 ▲ 过了一段时间,我才发现 Airpods Pro 是没有给按动做物理反馈的,图源:The Verge 戴森 OnTrac 开关降噪的方式虽然槽点满满,但反馈是一种类似抽出/塞入密闭容器塞子的模拟音,在特别之余,也比普通的「嘟嘟」声更符合用户直觉。 触摸屏时代,点击、滑动已经成为刻在我们 DNA 里的交互方式,但在研究看不见的脑袋两侧,或许还得靠按键和模拟创造舒适体验。 最好的交互或许是不需要交互 但对于 TWS 无线耳机来说,超迷你的体积难以配备更多按钮,在交互设计上限制不小。 苹果可能也有所察觉,因此有爆料称,苹果正在探索 AirPods 集成摄像头的设计,有望实现隔空的手势操作,以及环境感知的能力。 像是 AirPods 这种 TWS 耳机,最大的优势就是「无感」:在同个生态内,用户不需要太多的交互,需要用的时候就直接塞入耳中,还能在设备间无缝流转,即点即听。 ▲ 图源:MacRumors 而红外摄像头+麦克风的感知能力,加上对各种场景的机器学习,未来 AirPods 或许能够更无感,基于环境自动调节耳机的音量、降噪,进一步减少交互。 比如,在人潮汹涌的地铁,就提高主动降噪的级别,但同时有针对性地凸显地铁播报的声音;而在相对安静的家中,可以关闭降噪,并降低音量保护耳朵。 ▲ 索尼 XM5 耳机能够进行部分降噪功能的场景自动化调节,图源:Sony 这些功能不一定需要一个新的红外摄像头,当下手机的地理围栏+场景感知功能,其实完全可以和耳机进行联动。 就像一到机场,手机会自动推送登机牌、登机时间等信息,那是不是也可以在飞行时间,让耳机自动保持比较强的降噪效果,或者到了电影院,就自动打开弱降噪,成为像 Loop 一样的降噪耳塞。 各家厂商正在布局的端侧场景化 AI,能够再读取用户信件、日程后安排好相应设置,自然也能学习用户在不同场景的耳机使用习惯,然后实现更人性化的自动调整。 ▲ iOS 18 上更聪明的 Siri,会学习用户个人信息,能够真正理解个人意图 也许比起方便地呼出 ChatGPT,真正的 AI 耳机更应该在「看不见」的地方,帮用户完成想要的交互,这也是更好的「交互」。
英特尔酷睿Ultra 5 245K处理器跑分首曝,单核性能直逼i9-13900K
IT之家 8 月 15 日消息,今天有一套基于七彩虹 iGame Z890 ULTRA 主板的测试平台出现在了 Geekbench 上,搭载英特尔酷睿 Ultra 5 245K 处理器。 Ultra 5 245K 很显然是 i5-14600K 的继任者,采用了 6 个 P 核和 8 个 E 核,共计 14 核 14 线程,基础频率 4.20 GHz,加速频率 5.2 GHz,并具有 24 MB 的 L3 缓存和 125W 的 (PL1) TDP。 该测试平台配备 32 GB DDR5 内存,运行 Windows 11 系统,在 Geekbench 5.4.5 Tryout for Windows x86 中单核得分 2248 分,多核 18354 分,全面领先于 i9-12900K。 作为参考, i9-13900K 在 Geekbench 5 中单核 2280 分,多核 25854 分,i9-14900K 单核 2410 分,多核 26901 分。 如果与 i5-14600K(2210/15533 分)相比,这颗处理器多核提升了 18.1%,但单核方面仅提升了 2%。不过,考虑到目前只有这一个跑分样本,我们暂时无法将其视为普遍性代表。 酷睿 Ultra 5 245K:14 核 / 14 线程 / 4.2~5.2 GHz / 24 MB 缓存 / 125W PL1 酷睿 i5-14600K:14 核 / 20 线程 / 3.5~5.3 GHz / 24 MB 缓存 / 125W PL1 英特尔预计将会在明年 On 技术创新大会上推出三款“Arrow Lake-S”处理器,即酷睿 Ultra 9 285K (F)、Ultra 7 265K (F) 和 Ultra 5 245K (F),但今年晚些时候也会分享更多关于 Arrow Lake 桌面处理器的详细信息。 CPU 架构 C/T P 核 / 全核 E 核 L3 缓存 PL1 Ultra 9 285K Lion Cove / Skymont 24/24 5.7 / 5.4 GHz 4.6 GHz 36 MB 125W Ultra 7 265K Lion Cove / Skymont 20/20 5.5 / 5.2 GHz 4.6 GHz 33 MB 125W Ultra 5 245K Lion Cove / Skymont 14/14 5.0 / 5.2 GHz 4.6 GHz 24 MB 125W Ultra 9 275 Lion Cove / Skymont TBD TBD TBD TBD 65W? Ultra 7 255 Lion Cove / Skymont 20/20? TBD TBD TBD 65W? Ultra 5 240 Lion Cove / Skymont 10/10? TBD TBD TBD 65W?
歌尔股份,杀回来了
文|韩 湘 歌尔股份创始人姜滨大概不会想到,自己能从一名普通的技术员工脱胎成山东省的首富。而这背后,多是仰赖时代的潮流和苹果公司的垂青,个人的努力在时代、运气面前,总归显得渺小一些。 姜滨用了20年,将歌尔股份打造成苹果全球AirPods的第二大代工厂。2020年的姜滨,风光无限。 但很快,因境外大客户“砍单”暂停生产一款智能声学整机产品,歌尔股份又迅速滑落,营收、净利均出现同比大降。不用猜,这个境外大客户就是苹果。2022年这一年,歌尔股份的股价跌去近七成。 被苹果”砍单“之后,歌尔股份似乎陷入了诸事不顺的怪圈。2023年,歌尔股份营收和净利再度双双下滑。 2024年5月底,歌尔股份子公司歌尔微电子股份有限公司(下称“歌尔微”)终止了上市。 但好在歌尔股份一直在死扛中前进,如今几年过去似乎终见曙光。一份年报预告提振了投资者一点点信心。在2024年上半年,歌尔股份预计实现归母净利润11.81-12.65亿元,同比增长180%-200%。 8月14日晚间,歌尔股份正式披露2024年上半年经营业绩,披露的核心数据均处于预告区间内,其中尤以归母净利润大增190.44%引人注目。但「数智研究社」发现,歌尔股份2024年上半年净利润同比大增背后,是2023年同期较低的基数。2023年上半年歌尔股份归母净利润同步下降79.71%报4.22亿元。 拉长时间线看,2024年上半年归母净利润已经超过了2020年同期水平。在那之后,姜滨登上了山东省首富的宝座。 如今,歌尔股份似乎终于否极泰来,重新开启新的发展征程了。 生死大客户 歌尔股份的发展壮大进程中,一直都有苹果的身影。 2010年,歌尔股份就打进了苹果产业链,并为苹果提供声学组件、有线耳机等产品。得益于和苹果的合作,加之当时智能手机市场的飞跃式发展,歌尔股份的业绩迎来大爆发。 到2016年,苹果推出了革命性的耳机产品AirPods。2019年,歌尔股份正式进入AirPods组装业务,次年便已经成为全球AirPods第二大代工厂。得益于AirPods的产品市场大爆发,2019年歌尔股份的营收、净利增速双双接近50%。 机会都是苹果给的,歌尔股份的厉害之处就是抓住了机会。 但有机会便有风险。苹果不会把”鸡蛋“放到同一个供应商旗下,多元化的供应链策略避免了对单一供应商的依赖,牢牢掌握住了对供应商的话语权。竞争在供应商中间展开,比如和立讯精密合作,以减少对富士康的依赖。鹬蚌相争,渔翁得利。 2022年,歌尔股份突然发布收到境外大客户“砍单”通知的公告。公告称歌尔股份将暂停生产其一款智能声学整机产品,其他产品的项目合作不受影响。但这一消息发布后还是引发了市场广泛的关注。 最明显的影响反映在财报上了。2023年歌尔股份营收下降6.03%,归母净利润10.88亿元,同比下滑了37.8%。在2021年,歌尔股份的归母净利润超过了42亿元。 对于2024年上半年的业绩,「数智研究社」发现,12.55亿元的归母净利润中,有超过7亿元来自歌尔越南公司,仅有5亿多元来自于国内。也就是说,歌尔股份的业务大头还是在代工苹果TWS耳机。这也是歌尔股份业绩再度复苏的核心原因。 只是,歌尔股份用并不十分乐观的描述展望了未来消费电子行业的发展。“缓慢复苏”这四个字意味深长,即便是苹果公司也难以逃脱“缓慢复苏”的魔掌。这四个字很大程度上意味着,接下来歌尔股份要做好“持久战”的准备。 再看看海外的汇率环境和并不繁荣的消费市场,歌尔股份的前景展望也并不明朗。杀回来是杀回来了,但未来宏观大环境变化是客观克制歌尔股份业绩变动的大因素。 摆脱苹果依赖的动作 “杀回来了”不仅意味着苹果TWS耳机对歌尔股份业绩做出的贡献,更大程度上体现的是,歌尔股份为摆脱苹果依赖症做出的产业布局,已经能产生效果和收益了。 届时,歌尔股份能真正挺直腰杆和苹果谈判,甚至再度遭到境外大客户“砍单”,也不用显得那般狼狈了。 歌尔股份为了摆脱苹果依赖,在智能硬件领域已经布局多年。 多年以来,智能声学整机业务一直是歌尔股份的第一大收入来源,但2021年悄然生变,智能声学整机业务的收入被智能硬件收入反超。到2023年,智能声学整机业务营收占比缩水至25%左右,智能硬件业务的营收占比则接近60%。 2024年上半年404亿元营收中,智能声学整机业务营收为127.89亿元,占比为31%;智能硬件业务营收198.46亿元,占比50%。目前,仅仅依靠半年报业绩还无法得出苹果是否在智能声学整机业务上加大了订单量。 至于歌尔股份的智能硬件业务,核心是VR、AR产品。2016年被称为“中国VR元年”,但其实早在2013年,歌尔股份就与索尼PlayStation VR眼镜签订了部分研发、代工业务。 同时,经过多年的布局,歌尔股份也与华为、三星、苹果等全球大厂建立了合作关系。凭借着对于VR、AR的早期投入,歌尔股份极有可能从中受益。2024年,苹果公司发布了创新产品Vision Pro头显。作为苹果公司的首款头显产品,Vision Pro被寄予厚望。歌尔股份也成为Vision Pro代工厂之一,负责供应声学部件、遮光眼罩以及外接电池模组等。 只不过比较可惜的是,最终拿到Vision Pro组装订单的代工厂不是歌尔股份,而是立讯精密。虽然Vision Pro的年产量在2024年只有不到50万部,但歌尔股份应该很难从立讯精密嘴里抢过来这块蛋糕。 除非,当下AI的火热带动VR、AR和AI的赋能结合能产生行业新的变数。这不,Facebook母公司Meta将在今秋的Connect大会上发布第一款真AR眼镜,谷歌母公司Alphabet和智能眼镜公司Solos也透露出了布局AI+AR形态的产品。这是对歌尔股份的大利好,歌尔股份在研讨会上也多次交流过这个领域的新机会。 总而言之,面对未来AI赋能VR、AR领域,歌尔股份还是有很大的机会的。当下除了积极研发布局外,最重要的就是等待需求大爆发的那一刻。
苹果秘密机器人曝光!7000元一台
编译 | 李水青 编辑 | 云鹏 智东西8月15日消息,据彭博社报道,苹果内部近期确定了一项代号为J595的优先项目,将设计一款桌面机器人,预计最早2026年亮相,售价1000美元(约合7159元人民币)左右。 据曝料,这款机器人将融合iPad显示屏和机械臂,搭载Siri智能助手及Apple Intelligence(苹果智能)功能,提供智能家居控制中心、视频会议助手等服务。 该项目是苹果CEO蒂姆·库克(Tim Cook)力排众议支持的项目。项目最早启动于2022年,在苹果内部颇受争议,工业设计团队、硬件工程团队、软件工程部门和营销团队对此各执一词,推进不畅,直到近期才被重新提上日程。 目前,苹果已为此组建了一支数百人的研发团队,由苹果技术副总裁凯文·林奇(Kevin Lynch)全权负责。林奇曾在2015年推动首款苹果手表成功上市,并于2021年起监督汽车项目进展,但汽车项目在2024年初被苹果终止了。负责HomePod智能音箱开发的马特·科斯特洛(Matt Costello)正领导桌面机器人项目的硬件研发。 除了桌面机器人,苹果还在探索家庭移动机器人及人形机器人领域,部分由机器人专家汉斯·沃尔夫拉姆·塔佩纳(Hanns Wolfram Tappeiner)主导,他目前管理着约100名前汽车团队工程师。 苹果此番向机器人技术的迈进,是其提振销售业绩、深化Apple Intelligence应用战略的重要举措。 一、库克力挺的秘密项目,苹果AI的机器人新载体? 近期,据知情人士透露,苹果现已决定将桌面机器人的开发列为优先项目。 据悉,该项目以J595为代号,于2022年获得苹果高层批准,并在近几个月内显著加速推进。产品计划最早在2026年或2027年进行首次亮相,目标将价格控制在约1000美元左右。 按照苹果的计划,这款桌面机器人将通过Siri和Apple Intelligence来实现操控。 比如,设备能响应如“看着我”等指令,通过调整屏幕位置来聚焦对话者,特别适用于视频通话等场景,它还能识别不同声音并自动调整焦距。目前测试机运行的是iPad OS的定制版本。 ▲苹果桌面机器人设备意在超越已停产的Meta Portal等产品 据知情人士介绍,这款设备被构想为智能家居的指挥中心、视频会议助手及远程家庭安全监控工具等。 多年来,苹果的工业设计团队一直在探索桌面机器人。但公司内部的软件工程部门和营销团队对此存在异议。苹果的营销团队担心消费者对这类产品的接受度和支付意愿不高,同时高级软件工程负责人也对开发所需的人力投入感到忧虑。 但是据曝料,苹果CEO蒂姆·库克(Tim Cook)和公司硬件工程主管约翰·特努斯(John Ternus)都是该项目的坚定支持者。 目前,桌面机器人的功能设计正持续调整中,据项目参与者透露,相比最初设想,部分功能已有所缩减,整个开发过程可谓跌宕起伏,有如乘坐过山车一般。 二、前苹果汽车负责人带队,​苹果手表、音箱等数百人加盟 为展现对项目的重视,苹果已指派公司技术副总裁凯文·林奇(Kevin Lynch)全权负责该项目。 ▲苹果技术副总裁凯文·林奇(Kevin Lynch) 林奇曾在2015年推动首款苹果手表成功上市,并于2021年起监督汽车项目进展,后者累计成本投出超100亿美元。随着2024年汽车行业发展放缓,苹果终止了的汽车项目。现在,他主要向苹果的AI主管约翰·詹南德里亚(John Giannandrea)汇报工作。 据曝料,林奇近期招募了多位得力助手,包括曾助力Apple Watch推出的关键成员,以及知名的机器人研究专家和工程师,共同投入到这款桌面机器人的研发中去。 苹果硬件工程团队也深度参与其中。特别是负责HomePod智能音箱开发的马特·科斯特洛(Matt Costello),他正领导桌面机器人项目的硬件研发。 值得一提的是,苹果还在探索家庭移动机器人及人形机器人概念。 这些项目部分由机器人专家汉斯·沃尔夫拉姆·塔佩纳(Hanns Wolfram Tappeiner)主导,他目前管理着约100名前汽车团队工程师。 本月,苹果发布招聘公告,透露有一个团队“致力于利用和发展前沿的机器学习机器人研究,以创造通用且可靠的机器人系统”。公司正在寻找具有“机器人操作”经验的专家,以及能为机器人控制构建AI模型的专业人才。 结语:重启机器人项目,苹果亟需新增长点 苹果在机器人领域的探索被视为其寻求新增长点的重要途径之一。苹果在智能家居领域的拓展目前遭遇重重:HomePod智能音箱的市场表现不及亚马逊和谷歌的产品,Apple TV机顶盒也落后于Roku等竞争对手。 不过,桌面机器人项目在苹果内部仍不乏质疑之声,很多人担心这款设备难以吸引消费者,因为它跟平板电脑功能有些重叠。比如苹果新推出的Vision Pro虽融合了VR/AR技术,但其核心功能仍不乏iPad的影子。 除了桌面机器人,苹果的移动机器人和人形机器人进展如何,也许更受到产业关注。此外,苹果也在探索一些其他较为亲民的产品线,比如智能眼镜、带摄像头功能的AirPods耳机、可折叠iPad等,这些无疑都是苹果用来提振增长的备选项。
AMD EPYC处理器份额创新高!收入占比已达33.7%
快科技8月15日消息,市调机构Mercury Research近日公布了二季度的AMD处理器市场份额变化,整体继续攻城略地,尤其是在服务器市场上稳步提升,又创造了新纪录。 当季,AMD处理器出货量份额占比达为21.1%(不含物联网/半定制),环比、同比分别提高0.5个、3.8个百分点;按照收入计算的话份额为18.1%,环比、同比分别增长1.8个、4.0个百分点。 EPYC系列处理器所在的服务器与数据中心领域,是当季AMD势头最猛的,增幅惊人。 按照出货量计算,AMD EPYC在服务器市场上的份额来到了24.1%,比今年第一季度提高了0.5个百分点,对比去年同期则大涨了5.5个百分点。 按照收入计算,AMD EPYC更是已经拿下了33.7%的份额,超过三分之一,对比今年第一季度提高0.7个百分点,对比去年同期飙升了足足6.6个百分点。 这些数字,都创下了AMD在服务器市场上的新高度。 AMD EPYC自诞生以来,份额增长的势头从未停止,也看不到停止甚至减缓的迹象。 更令人惊叹的是,AMD EPYC的赚钱能力更强,在更昂贵的高端市场明显占优,不到四分之一的出货量就占据了超过三分之一的收入,你细品。 目前,Zen 4、Zen 4c架构的EPYC 9004、EPYC 8004系列产品布局完备、覆盖面广,包括标准版的Genoa、3D缓存高性能版的Genoa-X、高能效高密度的Bergamo和Siena。 其中,Genoa EPYC 9004系列属于通用型产品,可提供最多96核心192线程、384MB三级缓存、4.4GHz加速频率。 Genoa-X EPYC 9004X系列额外加入了AMD首创、独有的3D堆叠缓存,最大768MB,叠加原生缓存总量首次突破1GB大关,非常适合需要超高计算性能的场景。 Bergamo EPYC 9704系列首次采用了精简版的Zen 4c架构,它和Zen 4是完全相同的架构设计、IPC性能、ISA指令集,只是精简了部分缓存,提高了能效,并做到了对手遥不可及的128核心256线程,还有256MB三级缓存,适合高密度云服务领域。 Siena EPYC 8004系列同样是Zen 4c架构,最多64核心128线程、128MB三级缓存,主打基础设施和智能边缘计算领域,也是AMD首次针对这一细分领域打造定制产品。 无论是核心数量、缓存容量等性能指标,还是能效表现,以及市场和应用的针对性,第四代EPYC都达到了空前的高度,对比竞品更是“遥遥领先”,在高性能计算、边缘计算、人工智能、云服务、5G与通信基础设施、虚拟化等各个领域都正大展拳脚。 如此优秀的产品,自然获得了越来越多客户的认可,尤其是在高端领域站稳了脚跟,市场份额持续增长,收入随之水涨船高。 可以预料,等到2024年第三季度乃至后续的数据出来,AMD EPYC仍然会是一片欣欣向荣的景象。 另外,AMD在笔记本处理器和桌面处理器同样取得不俗成绩,均有增势,不仅经受住市场的考验,同时得到了用户的广泛认可。预计在下半年AMD有望收获更多市场,尤其是EPYC能继续达到怎样的新高度,尤为值得期待。
华为回应Mate 60系列手机降价:若用户在活动前购机,可申请价保
IT之家 8 月 15 日消息,华为终端今天宣布,Mate 60 系列手机全平台调价,其中 Mate 60 直降 500 元,Mate 60 Pro 直降 800 元;且 nova12 活力版也降价了 300 元。 据南方财经,华为相关工作人员表示,目前 Mate 60 系列确实有这个降价活动,若在降价活动前购买了相关产品,客户可在时效期内申请“价保”,进行差价返还。 简单来说,华为商城自营商品若发生降价,用户可以在订单签收前(已出库到签收)和订单签收后次日起 7 天内进行价保申请,现金将于订单签收后 5 个工作日内原路退回,积分立即返还。 IT之家现汇总 Mate 60 系列手机价格如下: 华为 Mate 60 12GB+256GB 版本 4999 元 12GB+512GB 版本 5499 元 12GB+1TB 版本 6499 元 华为 Mate 60 Pro 12GB+256GB 版本 5699 元 12GB+512GB 版本 6199 元 12GB+1TB 版本 7199 元 华为 Mate 60 Pro+ 16GB+512GB 版本 8099 元(100 元券) 16GB+1TB 版本 9099 元(100 元券) 华为 Mate 60 RS 非凡大师(官网并未调价) 16GB+512GB 版本 11099 元(100 元券) 16GB+1TB 版本 12099 元(100 元券) 华为 Mate 60 Pro 采用 6.82 英寸的 OLED 曲面屏,屏幕分辨率为 2720 × 1260 像素,支持 1-120Hz LTPO 自适应刷新率;内置 5000mAh 电池,支持 88W 有线超级快充;后置摄像头为 5000 万像素超光变摄像头(F1.4~F4.0 光圈,OIS 光学防抖)+ 1200 万像素超广角摄像头(F2.2 光圈)+ 4800 万像素超微距长焦摄像头(F3.0 光圈,OIS 光学防抖),前置摄像头为 1300 万像素超广角摄像头(F2.4 光圈)+ 3D 深感摄像头。此外,Pro 版机型还首发第二代昆仑玻璃,支持卫星通话功能等。 华为 Mate 60 标准版正面配备 6.69 英寸单孔直屏,分辨率为 2688 × 1216 像素,支持 1-120Hz LTPO 自适应刷新率。该产品后置 5000 万像素超光变摄像头(F1.4~F4.0 光圈,OIS 光学防抖),机身内置 4750mAh(典型值)电池,支持 66W 有线超级快充。此外,标准版机型还支持双向北斗卫星消息功能、第二代昆仑玻璃、4 米 IP68 级防尘抗水等。 华为 Mate 60 标准版机型与 Pro 版机型相比,主要由曲面屏变为直屏,取消了 3D 深感摄像头,卫星通话降级为北斗卫星消息,防水等级由 6 米变为 4 米,长焦镜头由 4800 万像素超微距镜头变为 5 倍潜望式光学变焦镜头。

版权所有 (C) 广州智会云科技发展有限公司 粤ICP备20006386号

免责声明:本网站部分内容由用户自行上传,如权利人发现存在误传其作品情形,请及时与本站联系。