在CES 2015展会上,全球最大电视制造商兼4K UHD销售主导力量三星在一系列令人眼花缭乱的新技术领域压下重注,发布了一系列SUHD TV。其他电视厂商也加入该行列,各自为其旗舰TV添加HDR技术、像素分割及众多其他增强功能。为什么呢?
其实原因很简单:如今,4K电视正快速下降至主流价格,所以厂家需要一些其他新产品来增加收益,于是高端电视便相继亮相。同去年相比,在本次消费电子展会上,三星和LG推出的4K电视数量均超过了1080p电视,而索尼所推4K电视与1080p电视的系列数之比为4:1。2015年国际电子消费展会上,4K电视列满了各大展厅,而1080p电视寥寥可数。
在去年的CES展会上,许多公司发布了大量4K内容,但在今年的CES展会上4K内容的发布量屈指可数。除了松下推出的最新4K蓝光播放器、Dish推出的4K Joey机顶盒以及Netflix和杜比发布的HDR流媒体内容外,几乎没有其他新的4K片源来“供养”4K电视。
下面我们来看看一些最新公告和电视硬件行业动态:
全新高端电视技术成为三星与LG之间的最新竞争点。在CES展会上,三星推出了其“SUHD”系列LED LCD电视,试图以此抗衡在目前测试中能够提供最佳画质的OLED显示技术。
就三星SUHD旗舰电视JS9500系列而言,三星应用量子点技术大幅增强了其图像画质,并改善了LCD滤光片。虽然三星展厅内演示的这些电视都看起来很棒,而且售价也不会过高,但由于他们从本质上而言仍属于高档LCD显示屏,笔者认为它们恐怕依旧无法超越OLED显示屏。
LG推出的OLED电视均为4K显示屏,我们预计其售价仍将非常昂贵。LG不仅推出了55英寸和65英寸版的平面电视,还推出了77英寸版曲面电视,并将继续出售其去年推出的55EC9300 1080p OLED电视。虽然这些新品在发布时尚未公布相关定价,笔者推测其55英寸版设备售价大约为4000美元,65英寸版则约为6000美元。
LG Display还推出一款有趣的OLED产品,其亮度输出提高了百分之六十,能够更好地支持HDR内容。其相关供货情况尚未公布。
相较4K分辨率技术而言,HDR(高动态范围)电视科技令我们更为兴奋。我们知道,影响图像画质的最关键因素即为对比度,而HDR技术有望提高电视及电视上播放内容的对比度。
包括三星、LG、索尼、松下、TCL、电视和飞利浦在内的多家公司均在探讨其产品中的HDR技术,而且更为令人兴奋的是,杜比和Netflix也在谈论其HDR内容。虽然HDR技术的普及还需几年时间,但在本次CES展会上,应用该技术增强后的画质非常令人为之振奋。
夏普推出的Beyond 4K超高清电视主要以其卓越的分辨率为亮点,而笔者认为这些额外的亚像素在视觉上与其他设备并没有太多明显的区别。
尽管我们在测试时发现曲屏设备存在一些问题,但三星表示其曲屏电视非常受欢迎,因此在2015年,该公司双倍下注,推出四个系列的曲面4K UHD电视。然而,除三星外,除了LG OLED曲面电视,没有其他电视制造商在美国市场上出售曲面电视。
对比之下,索尼、LG和夏普反而都吹捧平面电视。索尼X900C是目前世界上最薄的LCD电视,其厚度仅0.2英寸,甚至比我们的手机都薄。夏普将在今年晚些时候出售一款类似的超薄电视,而LG推出的最新旗舰LED LCD电视几乎与其OLED系列设备一样薄。
在这方面,三星和LG坚持己见,继续推出其新版自有智能电视操作系统。LG推出的Web OS 2.0看起来基本上与原来一样,不过其速度更快,且提供更多自定义功能。三星推出其全新的Tizen系统,拥有全新界面及更快的响应时间,本质为开源系统。
此外,谷歌的Android TV平台也是一个开源系统,而且在2015年,索尼和夏普两大电视制造商放弃了其自有智能电视平台,“皈依”了谷歌。平心而论,夏普的做法基本上是将其旧版智能电视系统混合在了一起,而Android TV是其众多选择中的一个。不过,笔者则更喜欢索尼的做法:它完全摒弃了其旧版智能电视系统,完全以Android TV系统为中心。
与此同时,我们最喜欢的智能电视系统Roku宣布,该公司引入了两个新的合作伙伴海尔和Insignia,计划合作生产4K电视。
不得不说,就电视而言,2015年又是一个风光年。
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。