
早在今年三月,HTC曾在MWC2015大会上发布了全新旗舰HTC One M9。时隔一个月后,HTC又在中国举行了预热已久的春季新品发布会,不过此次发布会的主角不是HTC One M9,而是M9的升级版HTC One M9+与另一旗舰HTC One E9+。
本次发布会以“More Than One”为主题,就不难预示HTC将不止发布一款产品;另一方面,HTC正在极力深拓中国市场,智能手机作为未来发展的序曲,接下来更是全方位的智能生态圈的引进。
主角为什么不是HTC One M9?
对于这个疑问,HTC全球业务总裁张嘉临表示,这正是HTC认识到中国市场消费者的差异化需求。如果说M9是主打欧美市场,那么M9+更加针对中国市场,或者对更喜欢大屏的市场。
正因为此,HTC在设计之初还将曾在M9上摒弃的双摄像头运用到了M9+上。“在中国市场其实大家更加喜欢大屏的手机,而在欧美市场大家喜欢的是稍微比较合手的手机形状,所以M9设计时我们考虑最重要的方向是做到相对体积小一点,更加适合手握一点,所以这也是我们设计时做了取舍。”HTC产品部总监张斌如是说。
深拓中国市场 产品定位清晰
区别于M9主打的欧美市场,HTC针对中国市场更是进行了精心的部署。HTC One M9+注重奢华,而HTC One E9+定位优雅时尚,意在打动女性消费者。除了在硬件产品上的升级,HTC还专为中国消费者开发出China Sense体验。
HTC One M9+
主打用户体验的 HTC One M9+采用5.2英寸2K屏,内置3GB RAM+32GB ROM,处理器则有骁龙810和联发科MT6795两个版本。在整体风格上将延续One M9的经典设计,而指纹识别技术则以在正面增加实体按键的方式进行集成,背面则采用跟M8相同设计。
HTC One M9+旨在打造便携影院体验,具体表现在配备5.2英寸超高清2K显示屏和集成Dolby音效技术的HTC BoomSound双前置环绕立体音效,2000万像素双镜头立体相机和UltraPixel高感光前置镜头的搭配。
此外,HTC One M9+还具备指纹识别功能,可以实现一键解锁、一键支付等功能,让安全性与易用性兼得。
HTC在此次发布会上宣布,将HTC Advantage项目引入中国市场。每台HTC One M9+的用户,无论碎屏、还是进水,都将在意外保险下享受一次免费的维修服务,并提供VIP服务专线和上门服务。
China Sense
China Sense是HTC专为中国消费者开发的,允许用户自定义虚拟按键,根据需求按需定制;智能首页,可以根据用户的实时位置和使用习惯推送相应应用程序,给生活带来更多便利。此外,China Sense内置“扫一扫“功能,不仅可以通过扫条形码识别药品真伪及出厂信息,更可直接推荐购买渠道。
HTC One E9+
HTC One E9+延续HTC One经典设计元素并进行打磨和调教,配备有5.5英寸超高清2K大屏,Dolby音效与HTC BoomSound双前置音效深度优化结合,同样拥有China Sense服务。
HTC One E9+机身厚度仅有7.54mm,性能方面搭配有联发科64位八核处理器MT6795,主频2GHz,辅以3GB RAM+32GB ROM并支持最高128GB的拓展存储空间。拍照方面拥有400万像素的HTC UltraPixel前置摄像头和2000万像素的后置摄像头,电池容量为2800毫安时。

HTC Re Vive
发布会上,HTC宣布刚在WMC展会亮相的HTC Re Vive此次也来到中国,并对中国媒体开放体验。HTC Re Vive是HTC首款完全沉浸式虚拟实境装备,不同于市场上任何虚拟现实眼镜,Vive让使用者能够快速进入虚拟世界,并在其中尽情走动,探索,从各角度观察手中物品并与周围虚拟环境互动。
虽然整场发布会,HTC并没有公布新品的售价及更多的信息,但HTC负责人表示HTC One M9+将在四月下半旬在中国首发,然后五月在全球其他的地方发售。
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。