
CNET科技资讯网 10月27日 国际报道:去年微软推出的Surface Pro 4,实现了微软希望能够用一台平板电脑取代用户笔记本的愿景。如今,微软将这一目标转向了用户的台式机。
当地时间本周三,微软在纽约发布了Surface Studio,定价2999美元,是一个直接针对那些需要高端功率和有完美像素显示屏的艺术家和设计师而推出的台式PC。Surface Studio厚度只有13毫米,微软称Surface Studio的屏幕比例为3:2,是有史以来最薄的液晶电脑显示屏,同时配备拥有1350万像素的28英寸触摸屏(堪比拥有830万像素的4K显示屏)。
Surface Studio采用“零重力铰链”,其显示屏可以在桌面上向下折到20度角(类似于一个制图板),并最大限度地充分利用Windows 10的最新更新“Creators Update”,除此之外,Creators Update更新还为微软Paint带来了一个新的3D更新。
此外,该显示屏还具备“TrueScale(真实比例)”功能,旨在为设计师提供一个实际尺寸的作品,为其图像、创作品提供一种“所见即所得”的视图效果。
虽然我们过去也曾看到过台式一体机,但微软希望用一个名为Surface Dial的触感旋钮配件将Surface Studio与其他产品区别开来。这个Surface Dial就像一个有魔法的金属冰球,将它放在键盘旁边,就可以用来更精确地控制用户使用的任何程序。你甚至可以把它直接放在屏幕上,来打造自己的旋转式选择器。
当然,不同于鼠标和键盘,这个Surface Dial需要单独购买,售价为100美元。而且除了Surface Studio,Surface Dial也适用于Surface Book和Surface Pro 4。
微软Surface Studio搭载第六代英特尔i5/i7酷睿处理器,采用4GB英伟达GeForce GPU,32GB内存和2TB的硬盘。此外,还有一个专用电源适配器、含有四个USB 3.0插口的外接端口、迷你显示端口(Mini DisplayPort)、一个SD卡插槽和一个以太网端口。
虽然市面上已经有很多一体机了,但即便如此,Surface Studio看起来也真的很棒。其纤薄的线条和铝合金机身令它看起来像一个工业用iMac。
不过,真正令Surface Studio与众不同的是其向下折叠功能及其配件Surface Dial旋钮。在其向后倾斜的平板模式下,Dial可以作为一个连接Surface Studio显示屏的金属旋钮,当成一个交互式艺术工具,用户可以在面板上用它选择颜色或调整元素。同时,它也是一个桌面工具。
除此之外,全新Surface Pen似乎也非常精致,它能提供比Surface Pro 4更接近真实的笔墨触感。
不过,实际上,Surface Dial这一新奇想法的出现,立刻让人们因台上的演示而感到兴奋。这个金属旋钮不仅仅可以作为一个桌面工具,它完全可以成为一个屏幕工具,就好比是创作者在日常使用Surface Pen设计、创造时搭配的另一个手动工具。
Surface Dial用起来究竟如何呢?它是一个触控反馈旋钮,并不是所有应用都能与其完美配合。笔者试用了下Surface Dial,发现它的轻微反馈感没有Apple Watch那样强,感觉与Xbox One控制器更为接近。虽然其粘性底部与倾斜的Surface Studio显示屏相连,但我一直担心它会脱落。
Surface Studio从10月26日起截至今年年底接受预订,且微软称该设备数量有限。该公司英国和澳大利亚等地区的相关细节。
好文章,需要你的鼓励
AIM Intelligence联合多所知名大学揭示了音频AI系统的重大安全漏洞,开发出名为WhisperInject的攻击方法。这种攻击能让看似无害的音频指令操控AI生成危险内容,成功率超过86%,完全绕过现有安全机制。研究暴露了多模态AI系统的系统性安全风险,对全球数十亿智能设备构成潜在威胁。
新加坡国立大学研究团队系统梳理了视觉强化学习领域的最新进展,涵盖超过200项代表性工作。研究将该领域归纳为四大方向:多模态大语言模型、视觉生成、统一模型框架和视觉-语言-动作模型,分析了从RLHF到可验证奖励范式的政策优化策略演进,并识别出样本效率、泛化能力和安全部署等关键挑战,为这一快速发展的交叉学科提供了完整的技术地图。
浙江大学研究团队通过OmniEAR基准测试揭示了当前AI模型在物理世界推理方面的严重缺陷。测试显示,即使最先进的AI在明确指令下能达到85-96%成功率,但面对需要从物理约束推断行动的任务时,成功率骤降至56-85%。研究发现信息过载反而降低AI协作能力,监督学习虽能改善单体任务但对多智能体协作效果甚微,表明当前架构存在根本局限性。
纽约大学和Aimpoint Digital Labs的研究团队首次揭示了Transformer模型训练中"大规模激活"的完整发展轨迹。这些影响力比普通激活大千倍的"超级激活"遵循可预测的数学规律,研究者开发出五参数公式能以98.4%准确率预测其变化。更重要的是,通过调整模型架构参数如注意力密度、宽深比等,可以在训练前就预测和控制这些关键激活的行为,为设计更高效、量化友好的AI模型提供了全新工具。