
如今,在中国的手机市场中,进口品牌的强势投入、国产品牌的速度崛起,已然厮杀成一片血海。而就在这时,“红衣教主”周鸿祎携全新手机品牌“奇酷”,也投入了这篇血海之中。
5月6日,360与酷派联合举行了发布会。会上发布了全新的手机品牌“奇酷”。周鸿祎在现场也为到场的新老朋友们详细介绍了“奇酷Qiku”新品牌“全民造机”的新理念。
“对不起,这次我来给手机圈添堵了。”
“Are you OK?”周鸿祎一出场便开始了幽默的调侃。这场发布会在老周的带领下,已然成为了新老朋友交流会。老周用诙谐、朴实的话语,调侃着、讲述着自己做手机的原因以及遇到的问题。
一开始,周鸿祎就明确表示,此次发布会不会有手机现身,尽管工程机已经出来了,周鸿祎对工程机也基本满意,但还是有需要继续调整、改进的地方,所以,希望用户们能够再耐心等上一段时间。
“对不起,这次我来给手机圈添堵了。”屏幕上打出这么一行有趣的话,老周自嘲自己是Trouble maker,而这次进入手机圈,力争不给手机圈添堵。
十条热门问题 表达老周对“做手机”的态度
在现场,筛选出了网友对周鸿祎“做手机”提出的十条最热门的问题,老周一一作了解答,从老周诙谐且朴实的调侃中,不难看出老周对“做手机”的态度。
屏幕上打出的第一个问题,便是关于“做手机”的原因。周鸿祎表示,如今年轻的手机用户大多都喜新厌旧,更换手机的频率很高,这样的市场情况给了“奇酷”机会,而自己也想尝试一下,想要做出一款不一样的手机来。
而在谈到对苹果的看法,老周表示,iPhone的做工十分精致,是他做手机的榜样。自己做手机,并不想着要超越苹果,而是要先向苹果学习。周鸿祎说道“我尊敬苹果,但世界上不能只有一个苹果。”
随后,又提到了“奇酷”手机的售价以及如何看待竞争对手的压力,周鸿祎表示,尽管目前不能透露手机的最终售价,但是,他保证这款手机售价不高,更风趣的回答道,刚毕业参加工作的朋友都可以一次买两台。
而对于竞争对手的压力,老周表示并不会过多考虑竞争对手的压力,因为用户才是老周所看重的,他表示,用户对手机的苛求,是他做手机的最大动力,也是最大的挑战。
360联姻酷派 诞下名为“奇酷”的互联网智能硬件公司
在活动现场,周鸿祎的三位重量级老友也来助阵,支持老周做一款好手机,他们分别是大家熟悉的潘石屹、任志强及王功权。而此次合作的另一主角,酷派集团董事长郭德英也表示,很高兴与360公司周鸿祎合作研制智能手机。周鸿祎也表示,新成立的名为“奇酷”的公司将会是一家互联网公司、一家创业公司,将来要发展成为互联网智能硬件公司。
全民造机 好奇心改变世界
在发布会上,周鸿祎还宣布成立一个“好奇者联盟”,邀请“程序猿、攻城狮、产品狗、设计猫”四类具有好奇心的人加入,共同打造一款中国最有诚意的手机。
周鸿祎认为“好奇心是做互联网的基础,没有好奇心,就不会做出有趣的产品。”老周还强调说,“成立‘好奇者联盟’,为的就是聚集一群共同拥有好奇心的人,打造一款中国最有诚意的手机。我们走到一起不是因为谁是谁的粉丝,而是因为共同的好奇心走到了一起。”
最后,周鸿祎还宣布了一个正在筹划中的计划,新成立的“奇酷”公司将会开启股权众筹的模式,让更多的用户来投资老周做手机,从而真正的实现“全民造机”的新理念。并且老周以个人名义为参与股权众筹的朋友们保本。
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。