1月23日,Qualcomm迎来骁龙801处理器中国首秀,在功能更新上一共涵盖了骁龙音效、骁龙超高清、骁龙游戏、骁龙影像、802.11ad、LTE-A等八大方面。
作为目前最大的手机芯片厂商,高通占据了超过50%的手机芯片市场份额。作为表率,骁龙810的亮相,无疑是对高速网络需求下的移动终端注入了一剂强芯针。
骁龙810是目前Qualcomm最高规格移动芯片,采用四核Cortex-A57+四核Cortex-A53架构、Adreno 430图形晶片。相比Adreno 420来,Adreno 430性能提升30%,但功耗降低20%。
搭载骁龙810的移动设备将支持录制、播放和传输4K超高清视频内容。基于Corephotonics(以色列一家小型相机设计公司)技术的双摄像头解决方案,支持计算摄影变焦并能够更好的融合两张拍摄图像。整合VIVE 802.11AD WI-FI连结,适用于4K超高清视频的传输,能够显着提高家庭的网络容量。
在LTE性能扩展方面,骁龙810支持Category 9载波聚合,提供更快的传输速率。
以下是此次高通骁龙810处理器的全部功能展示:
1、全面支持4K超高清
在平板电脑上录制、播放或传输超高清(Ultra HD)视频内容,在外接超高清显示器上显示
在支持3840x2160的MDP平板电脑上体验超高清分辨率
HEVC (H.265) 格式以更小的文件尺寸带来视觉品质
2、支持浸入式3D游戏体验
得益于Qualcomm® Adreno™ 430 GPU,智能手机和平板电脑现已支持动态硬件曲面细分等先进功能
性能提高30%,功耗下降20%
3、支持杜比全景声浸入式电影体验
多维度环绕声,营造移动耳机体验
4、支持COREPHOTONICS计算摄影变焦
基于Corephotonics LTD的双摄像头解决方案
集成标准的广角镜头和Corephotonics具有专利的长焦镜头
实现对静态照片3倍连续光学变焦,视频5倍连续光学变焦
Corephotonics的图像融合功能,可将两张拍摄图像合成为一张图像
5、集成Qualcomm® VIVE ™ 802.11AD WI-FI
全球首款提供千兆位级Wi-Fi连接的商用移动处理器
适用于4K超高清视频无线串流、媒体库快速同步和无线扩展基座
提高家庭和企业网络的Wi-Fi容量
6、集成搭载MU-MIMO技术的Qualcomm® VIVE™ 802.11AC WI-FI
全球首款用于智能手机和平板电脑的Wave-2 11ac 商用解决方案
在拥挤Wi-Fi网络中连接速度最高可提升3倍
支持Wi-Fi网络实现多任务处理。同时服务多个终端(并非依次服务),减少等待时间
7、搭载Qualcomm® WIPOWER™无线充电技术
简化:将对多个充电器和连接线的需求减至最低
即刻充电:无需与终端精确对齐
空间自由:允许充电板与终端之间有一定间隔,并可轻松嵌入家具、汽车、咖啡厅等环境中
WiPower无线充电允许第三方开发与无线充电联盟 Rezence™兼容的产品
8、支持Qualcomm® LTE ADVANCED技术,峰值速率最高可达450 MBPS
Qualcomm Technologies首款集成最高达3x20MHz Category 9载波聚合及LTE Advanced多模调制解调器的顶级处理器
支持更快的下载速度、更极速的应用表现以及全新应用,例如在4G移动终端上实现4K内容的串流
据高通负责人介绍,骁龙810是64位计算的终极连接移动计算处理器,具备最先进的移动用户体验。
目前搭载骁龙810处理器的设备有:已经发布的小米Note顶配版、LG G Flex 2。
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。