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 传苹果iWatch发售时间将推迟到明年初

传苹果iWatch发售时间将推迟到明年初

2014-08-30 10:51
分享至:
----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-
2014-08-30 10:51 CNET科技资讯网

科技博客网站Re/code当地时间周五援引不具名消息人士的话报道称,传言已久的苹果可穿戴设备“近期不会发售”,发售时间可能推迟到明年初,这意味着它将错过重要的圣诞销售季。

传苹果iWatch发售时间将推迟到明年初

这意味着苹果可穿戴设备的公布与发售时间之间有较长的时间差,苹果可能9月9日公布可穿戴设备产品。但这并非苹果首次提前公布新产品。苹果2007年1月份就公布了第一代iPhone,但发售时间推迟到6月份;第一代iPad公布时间是2010年1月份,发售时间则推迟到4月份。

苹果未就此置评。

Re/code本周早些时候报道称苹果将与iPhone同步公布一款可穿戴设备,在市场上引发了轩然大波。苹果周四向媒体发出邀请函,参与9月9日举行的新产品发布会。外界广泛预计苹果将在这次发布会上公布iPhone 6。

对于苹果来说,公布一款对消费者有吸引力的可穿戴设备非常重要。苹果CEO蒂姆•库克(Tim Cook)曾承诺今年将推出“令人震惊”和“令人激动”的全新产品种类。

尽管许多公司都推出了可穿戴设备产品,但目前尚不清楚这类设备对消费者的吸引力。部分分析师预计未来数年可穿戴设备将快速增长,但其他分析师则认为可穿戴设备前景暗淡。市场研究公司IDC预计,从今年底至2018年,可穿戴设备出货量将增长近6倍至1.191亿。市场研究公司Forrester则预计,到2016年,智能手表和和健身腕带的功能将被智能手机和集成有传感器的耳机等其他设备吸收。

苹果必须找到一条途径,使其可穿戴设备能与其他iOS设备无缝整合,拥有智能手机没有的功能。分析师和测评人员指出,三星、LG等已经推出可穿戴设备的公司则还不具备这样的魔力。

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。

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