三星第一款Android平板电脑——7英寸的Galaxy Tab,价格并不便宜,但它拉开了小尺寸平板电脑的序幕,并有助于促使苹果开发了iPad Mini。更为重要的是,它为价格低廉的亚马逊Kindle Fire,以及许多价格在150美元(约合人民币922元),甚至100美元(约合人民币615元)以下的平板电脑的问世铺平了道路。
图:三星平板 Galaxy Tab
由于低端产品价格暴跌,三星、微软等高端品牌通过开发大屏幕平板电脑寻求价格战的避风港就不足为奇了。微软Surface Pro 3更是将显示屏尺寸提高到了12英寸,巩固了三星开启的大屏幕平板电脑趋势。微软和三星是继东芝后首批推出大尺寸显示屏的两个品牌。
目前所有眼睛都在盯着苹果。在9月9日新产品发布会前,有传言称苹果将很快推出一款配置更大尺寸显示屏的“iPad Pro”。目前苹果尚未披露大屏iPad的消息,但苹果有可能最早在10月份公布一款大屏幕iPad。
迄今为止,对于微软和三星来说,大尺寸平板电脑仍然是小众产品。但是,大屏幕平板电脑并不仅仅是显示屏尺寸大,苹果要推出大屏幕平板电脑,还需要解决下述问题:
多任务:首先,“Pro”意味着办公。微软和三星的大屏幕平板电脑都能同时在显示屏上显示多个应用,三星和LG的智能手机也具备这一功能。但迄今为止,尽管传言不断,但苹果iOS尚不支持同时显示多个应用,iOS 8也不支持这一功能。
键盘:微软和三星在大屏幕平板电脑上都很重视键盘的使用。Surface Pro 3的磁性Type Cover能提供更高的稳定性,三星也为其12英寸平板电脑提供了键盘。三星还对虚拟键盘的设计进行了改进,使之更像实体键盘,例如增添了光标键。尽管多家第三方厂商都推出了iPad键盘,但苹果尚未推出类似产品。
电磁笔:Surface Pro和the Note Pro都配备有精致的电磁笔。微软的电磁笔能使Surface Pro进入笔记模式,运行OneNote应用。尽管过去数年苹果申请了数件这方面的专利,但自推出第一代iPhone以来,苹果一直拒绝让iOS支持电磁笔。
价格:“Pro”型号产品也意味着高高在上的价格。配置酷睿i3芯片的Surface Pro 3售价799美元(约合人民币4911元),尽管低于Surface Pro 2,但仍然高于许多平板电脑。三星Galaxy Note Pro 12.2售价849美元(约合人民币5219元),但在其网站上的售价仅为799美元。事实上,考虑到电磁笔和键盘,这类产品的价格也不算离谱。
笔记本竞争:配置键盘和具备多任务功能,大屏幕平板电脑无疑是想“动笔记本的奶酪”。由于在笔记本市场上份额很小,三星会毫不迟疑地利用在Android设备市场上的优势蚕食传统笔记本市场。令人感到好奇的是,三星并未推出像惠普SlateBook x2这样的Android笔记本。在笔记本市场上,微软的既得利益也不大。苹果MacBook笔记本销售依然强劲,而且在继续投资开发新版OS X。尽管一再宣称“后PC时代”来临,但苹果并非真正对笔记本失去了兴趣,尤其是运行其操作系统的笔记本。
面对如此多棘手因素的苹果会何去何从?即使从内容消费角度看,大屏幕平板电脑能提供更有沉浸感的视频和游戏体验,它们针对杂志和活页乐谱等媒体进行了更好的优化。
更大尺寸的iPad Pro还会面临重量和握持等大屏幕平板电脑的通病。苹果使内容登陆更大尺寸显示屏的途径是廉价的Apple TV。
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。