
每年CES上联想都会发布大量的新品,捍卫着他们PC霸主的地位,今年自然也不例外,23款新品集中亮相,震撼全场,而这23款产品中,2014版ThinkPad X1 Carbon绝对是耀眼的明星,在联想正式发布会之前(美国当地时间1月8日下午5:15,北京时间1月9日早9:15),记者悄悄潜入到会场中,拍摄到了一系列2014版ThinkPad X1 Carbon的谍照,接下来,我们就来解析下这款全球最轻薄的14英寸超极本产品。先插入一段视频,如果你懒得看图文,可以通过这段视频简单了解下2014版ThinkPad X1 Carbon:
首先我们来看看2014版ThinkPad X1 Carbon的外观全景图,仍然继承了小黑的酷黑外观,但同时你也能够感受到很多的时尚元素融入其中,而屏幕上,触摸屏成为了标准的配置,令人惊喜的是,尽管采用了触摸屏,屏幕的厚度对比上一代非触摸版本,并没有太大的变化,从而很好的控制了整机厚度。
再来看看接口部分,超极本为了轻薄设计,往往省略了大量的接口,而2014版ThinkPad X1 Carbon在这点上表现尚可,两个USB 3.0,一个标准HDMI,一个miniDP,还有扩展口,算是比较全的设计了,从侧面我们也可以看到,2014版ThinkPad X1 Carbon真的很薄!
接下来是小黑迷们最关注的键盘以及输入设备部分了,先说触摸板吧,很多小黑迷可能又失望了,2014版ThinkPad X1 Carbon仍然采用了一体式的触摸板,这主要是为了降低产品的整体厚度,不过从现场极其简单的使用感受来看,2014版ThinkPad X1 Carbon的一体式触控板相比之前的产品似乎有所改进。再来看键盘部分,这个部分变动非常大,从原来的六行变成了五行的物理按键加上一行的虚拟按键,虚拟按键部分是原来的F1-F12以及功能快捷键,这样的设计非常时尚,隐隐还有种Android的感觉,但比Android的虚拟按键感觉上更高端,让超极本和平板电脑之间的界限更加模糊了。电源开关和指纹识别基本还保持在了老地方。
接下来来看看屏幕角度,2014版ThinkPad X1 Carbon的屏幕分辨率达到了2560x1440的惊人程度,而开合角度方面和之前的Carbon一样,2014版ThinkPad X1 Carbon的屏幕最大角度是180度,可以放平,但不能折叠,这在保证实用性的同时,也保证了铰链的寿命,提升整机可靠性。
最后看看软件部分,Windows 8.1,同时屏幕右下方还集成了联想增强版的开始菜单程序,这个非常方便,甚至比原版Win7的开始菜单都方便,同时为了简化设置,联想还提供了一个基于触控界面的设置中心,即便是新手也可以快速的在这里调节部分设置选项。
总结下这款产品,并提供下参考价格信息,2014版ThinkPad X1 Carbon无疑是我们在CES2014上看到的优秀超极本产品之一,尤其是触控的功能键设计,非常洋气,我们在现场看到,这款产品搭载酷睿i7的高配版本的售价为1299美元,算上税款,含税价格大约是8500元人民币,相信如果是针对主流的i5版本,售价会相当有竞争力。
最后预告下,明天我们将会对2014版ThinkPad X1 Carbon以及其他联想产品的发布做现场图文直播,欢迎大家到时围观。
好文章,需要你的鼓励
这项由IIT马德拉斯与BITS Pilani联合发布的研究(arXiv:2604.21523,2026年4月)构建了FOCUS元评估基准,系统检验了评审型视觉语言大模型的可靠性。通过向超过4000个图文和图像样本中注入40种受控错误,研究发现顶尖评审AI的检测失败率在某些条件下超过50%,物理合理性和视觉细节类错误尤为难以被发现,两两比较是最可靠的评审范式。
这篇由Sylph.AI发布的技术报告提出了一套两层自动化框架,核心思想是让AI自动优化自身的运行脚手架,再进一步让AI学会如何更高效地做这种优化。内层的脚手架进化循环通过工人代理、评估代理和进化代理的协作,自动迭代改进单个任务的运行配置;外层的元进化循环则在多个任务上训练,学习一套能快速适应任何新场景的通用进化蓝图,从而彻底消除人工脚手架工程的需求。
这篇由英伟达等顶尖机构联合发表的论文提出了一种名为Voyager的新型智能体。研究团队以《我的世界》为实验平台,通过引入自动课程规划、技能库存储以及迭代反馈机制,成功让大语言模型主导的AI在完全无人类干预的情况下,实现了在复杂开放世界中的自主探索与终身学习。实验数据表明,Voyager在物品收集、探索范围及技能解锁速度上均呈现出远超传统方法的压倒性优势,为未来开发能够自主解决真实物理世界复杂任务的通用人工智能奠定了关键的理论与实践基础。
这项由伊利诺伊大学、斯坦福大学、英伟达和麻省理工学院联合发布的研究(arXiv:2604.25917,2026年4月)提出了RecursiveMAS框架,让多个异构AI模型通过轻量级模块RecursiveLink在内部信号层面直接传递"潜在思想",形成循环协作,彻底绕开了传统多AI系统依靠文字传话的低效方式。配合两阶段内外循环训练策略,整个系统只需优化极少量参数,就能在数学、科学、代码生成和搜索问答等9个基准测试上取得平均8.3%的精度提升,同时实现最高2.4倍推理加速和75.6%的token用量削减。