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 诺基亚声明:Here将一如既往支持Windows Phone

诺基亚声明:Here将一如既往支持Windows Phone

2014-09-26 10:31
分享至:
----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-
2014-09-26 10:31 CNET科技资讯网

本周两条传闻使得诺基亚与微软之间的关系显得“扑朔迷离”。传闻称新诺基亚公司将放弃Windows Phone,Here地图技术也不再支持Windows Phone。但事实并非如此,9月25日,诺基亚官员发表声明澄清事实。

苹果承诺:被坐弯的iPhone 6 Plus可换新

诺基亚发言人在一封电子邮件声明中说:“Here支持Windows Phone的情况不会改变。微软与Here达成许可协议,使用我们地图平台的期限至少为4年。”

该发言人指出:“线下地图的情况也不会改变。许可地图平台并不意味着微软只能使用我们的数据,而是有权访问我们的完整功能,其中包括线下存储地图的可能性。以前我们开发地图时坚持‘Windows Phone优先'原则,现在所有操作系统机会均等。”

鉴于诺基亚不再生产任何Windows Phone手机,其地图支持所有操作系统也在情理之中。微软购买了诺基亚的Windows Phone手机业务。诺基亚并没有向微软出售Here地图服务,而是许可该技术。微软以Here为基础写应用和服务,诺基亚在Here服务中使用部分秘密微软专利。

诺基亚与微软有关Here的具体协议条款内容为:诺基亚将保留其专利,微软获得10年专利授权。诺基亚能够在Here服务中使用微软专利。微软可以永久性延长双方达成的互惠专利协议。

微软将成为Here平台的一家战略性许可客户,向诺基亚支付4年许可费。诺基亚目前使用其自有Here技术为Android和苹果移动平台开发地图应用,但计划继续改进Windows Phone版Here体验。

诺基亚表示,“我们不会终止为Windows Phone开发地图应用,但正在同微软探讨如何进一步合作。无论我们开发的地图应用是否以Here应用出现,用户在Windows Phone上的位置体验都会得到改进。就在不久前,我们刚升级了Windows Phone版地图,之后还会进行多次升级。”

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。

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