
《华尔街日报》援引知情人士消息称,由于iPhone 6和iPhone 6 Plus手机制造工艺复杂,为进一步加大产能、缩短发货周期,苹果代工商富士康公司的郑州加工厂已经招募了更多工人,从事苹果新手机的组装。
报道称,富士康位于郑州的加工厂员工数量超过了20万,该工厂承担苹果新手机一些关键部件的生产和组装。据悉,该工厂拥有大约100条生产线,而且24小时不间断生产,目的是为赶上苹果新手机需求。
富士康当前面临的挑战是:其同时承担着两款新iPhone的大规模生产任务,而且该公司是5.5英寸iPhone 6 Plus的唯一代工厂商。此外,富士康还生产4.7英寸的iPhone 6。而在去年,富士康最初仅承担iPhone 5s和及少量的iPhone 5c的生产任务,直至到后完全放弃了 iPhone 5c的生产。
报道称,苹果新手机供应链面临的另一个问题是显示屏残次品率过高。据来自苹果一家显示屏配件供应商内部的一位知情人士透露,iPhone 6 Plus手机所搭载的5.5英寸显示屏的成品率只有大约50%-60%,这意味着富士康在组装过程中必须淘汰掉近一半的不合格显示屏。而4.7英寸显示屏的成品率则能超过85%。
富士康公司一位知情人士称,“我们每天能够生产14万部iPhone 6 Plus和40万部iPhone 6,这已达到我们有史以来最高产能,但这一产量仍然无法满足预订需求。为了加大iPhone 6 Plus产能,我们仍将添加生产线。而供货受限的另一原因是5.5英寸的显示器供货的短缺。”
在富士康增加产能之前,新iPhone预订用户或许还需等待更长时间,才能受到订货。苹果网站显示,iPhone 6预订用户等待时间为7至10个工作日,而iPhone 6 Plus预订用户的等待时间则为3-4周。
好文章,需要你的鼓励
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。
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。
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。