微信扫一扫,关注公众号

  • 科技行者

  • 算力行者

见证连接与计算的「力量」

首页 最新谣言称 苹果正打造基于ARM架构的Mac系列电脑

最新谣言称 苹果正打造基于ARM架构的Mac系列电脑

2014-05-27 09:15
分享至:
----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-
2014-05-27 09:15 CNET科技资讯网

系列电脑。

最新谣言称 苹果正打造基于ARM架构的Mac系列电脑

那么,苹果是不是正在考虑为其基于OS X系统的Mac电脑搭载苹果其自有的A系列处理器或其他ARM处理器呢?答案是肯定的(否则就不会有这么多谣言了)。那么苹果是否会真正将这一举措落实,从英特尔处理器转向ARM处理器呢?这正是目前我们(还)不清楚的地方。

但在当地时间本周一,来自苹果论坛MacRumors以及其他博客的报道均称,苹果正在积极开发基于ARMMac系列电脑,其中包括iMacMan Mini13英寸的MacBook原型机。

据苹果论坛MacRumors表示,传闻中的Mac系列设备将搭配一种整合了大尺寸Magic Trackpad(魔幻触控板)的全新键盘。当然,这也意味着一款相当于OS X的操作系统将运行在苹果的ARM处理器上。

需要注意的是,这则谣言并非来自像凯基证券分析师郭明池(Ming-Chi Kuo)这样的传统消息来源,而是一个法语版苹果网站MacBidouille,苹果论坛正是引用了这家网站的消息。实际上,能够声称传闻中的设备内置64ARM四核处理器,对MacBidouille网站而言也是罕见的。

我们不妨暂时抛开所有的谣言,考虑一下自从苹果在去年9月推出其64A7处理器后该公司一直以来的消息:苹果的A系列处理器如今已达到64位,并已达到桌面级处理性能。

而传言中的下一代A8处理器很可能较A7更快,并提供四核变体,使得该处理器至少在理论上适用于低端Mac

早在20115月便有传闻称苹果要转向ARM,其相应的标题为:苹果笔记本放弃英特尔

这并非苹果第一次转换操作平台。苹果曾在2005年宣布,它将转用英特尔处理器并放弃了PowerPC架构。

分享至
0赞

好文章,需要你的鼓励

推荐文章
  • 南方科技大学等机构联手破解AI推理训练难题:让大模型"一次思考"就学会解题

    南方科技大学等机构联手破解AI推理训练难题:让大模型"一次思考"就学会解题

    本文介绍了由南方科技大学等机构于2026年4月发表的研究(arXiv:2604.08865),提出了名为SPPO的大模型推理训练新方法。该方法将推理任务重新建模为"序列级情境赌博机",用一个轻量级价值模型预测题目难度,以单次采样替代GRPO的多次采样,解决了标准PPO的"尾部效应"问题。实验显示,SPPO在数学基准测试上超越GRPO,训练速度提升约5.9倍,配合小尺寸价值模型还能显著降低显存占用。

  • 香港科技大学数学系研究者:扩散模型原来是一个"魔法恒等式"拆成了两半

    香港科技大学数学系研究者:扩散模型原来是一个"魔法恒等式"拆成了两半

    这项由香港科技大学数学系完成的研究(arXiv:2604.10465,2026年ICLR博客论文赛道)提出了一种从朗之万动力学视角理解扩散模型的统一框架。研究指出,扩散模型的前向加噪和逆向去噪过程,本质上是朗之万动力学这一"分布恒等操作"被拆成了两半。在这个视角下,VP、VE-Karras和Flow Matching等不同参数化的模型可被精确互译,SDE与ODE版本可被统一解释,扩散模型相对VAE的理论优势得以阐明,Flow Matching与得分匹配的等价性也得到了严格论证。

  • 中国人民大学研究团队打造的"AI科学家":让机器自主完成几十小时的科研工程,它是怎么做到的?

    中国人民大学研究团队打造的"AI科学家":让机器自主完成几十小时的科研工程,它是怎么做到的?

    中国人民大学高岭人工智能学院等机构联合开发了AiScientist系统,旨在让AI自主完成机器学习研究的完整工程流程,包括读论文、搭环境、写代码、跑实验和迭代调试,全程无需人工干预。系统核心设计是"薄控制、厚状态":由轻量指挥官协调专业代理团队,通过"文件即通道"机制将所有中间成果持久化存储,使每轮工作都能建立在前一轮积累的基础上。在PaperBench和MLE-Bench Lite两个基准上,系统表现显著优于现有最强对比系统,论文发布于2026年4月。

  • 字节跳动发布GRN:像人类画家一样"边画边改"的AI图像生成新范式

    字节跳动发布GRN:像人类画家一样"边画边改"的AI图像生成新范式

    这项由字节跳动发布的研究(arXiv:2604.13030)提出了生成式精化网络(GRN),一套模仿人类画家"边画边改"直觉的视觉生成新框架。其核心包括两项创新:层级二进制量化(HBQ)通过多轮二分逼近实现近乎无损的离散图像编码,以及全局精化机制允许模型在每一步对整张图像的所有位置重新预测并随时纠错,从根本上解决了自回归模型的误差积累问题。配合基于熵值的自适应步数调度,GRN在ImageNet图像重建(rFID 0.56)和生成(gFID 1.81)上均创下新纪录,并在文本生成图像和视频任务上以20亿参数达到同等规模方法的领先水平。

----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-