在新款手机集中发布的这个时段里,一加没有发布新品,而是发布了一款手机OS——氢OS。一加科技创始人兼CEO刘作虎称,他希望氢OS可以成为一个和其他安卓操作系统不一样的操作系统。
一加手机自上市至今,一直在硬件上有高追求,国内版一加手机出厂预装Color OS,国外版出厂预装的则是CM,现在,一加正式推出了基于安卓5.0深度定制的一加氢OS,希望能够变成和苹果iOS不同的操作系统。
刘作虎毫不客气的指出,从商业角度考虑,改得更像iOS或许是一个安全正确的选择,但同时这是懒惰、不创新、不思考的表现,这不是一加的性格。
不愿走其他深度定制安卓的老路,刘作虎推出的氢OS基于安卓L深度定制,将设计语言统一于Material Design(简称MD),强调明亮的艺术化色彩和灵动的交互。
在MD出现之前,原生安卓系统并没有统一的设计风格和规则。在刘作虎看来,拥抱Material design,是对安卓的尊重。
发布会现场,刘作虎演示了一些氢OS让他得意之处。
氢OS在Material Design的交互框架之上,用基础的图形、颜色和动效打造高效、有趣的设计,一加称这种这种全新的设计理念为“氢表达”。市面上许多手机OS都是非拟物既扁平的设计风格,并且很多OS都模仿iOS用圆角矩形的图标样式。氢OS不是简单而绝对的扁平化或拟物化,刘作虎现场说Material Design“不模拟现实,但构建真实”,而氢表达正是一加对这种独特设计理念的自我解读。
一加氢OS有一个非常独特的首屏界面:创新的氢视窗位于屏幕上半部分,占整体约1/3的大小,辨识度相当高。氢视窗最独特的就是它集成信息进行展示的功能。这个功能类似于安卓此前的widget,不同的是widget是单一APP的信息提示,而氢视窗里能看到的则是整合了诸如短信、待办事项、通知提醒等各个APP的集成信息,并以时间轴的形式呈现,这种呈现方式更加美观高效。
同时,利用氢视窗切换壁纸时,壁纸图片只会在氢视窗里展示,同时氢OS会通过算法抓取图片的色彩,并将它深化到全局。刘作虎称氢视窗是“实现了33%的自由,完美解决了自由和美感之间的矛盾。
一加氢OS还将“滑动之美”这一概念深入到了整个系统当中,“滑动之美”是氢OS非常核心的一个交互理念。目前最常见的解决单手操控大屏的方案多是下拉悬停或切换小屏,氢OS的“滑动之美”则为用户单手操控大屏手机提供了更好的操作体验。
用户可以依靠滑动来完成许多操作,例如桌面上各个文件夹之间可以滑动切换,滑动拉近通知中心里靠近顶部的内容,桌面界面下滑呼出搜索界面,滑动以接听/挂断电话,相册内下滑返回缩略图等等。滑动之美兼顾了操控性体验和大屏的显示优势。
手机上各类APP的通知推送,会耗费用户不少精力和时间。一刀切的解决方式显然不太人性化,为了让控制力重新回归到用户手上,氢OS打造了全新的通知处理方式——通知降噪。用户将APP添加进优先区域内,即可及时收到通知推送,而非优先区域内APP的通知则不能被随时推送。
出于整体美观度和完整性的考虑,一加氢OS取消了其他OS通用的Dock栏设计。氢OS首屏共能放置9个常用的APP,对于日常使用已经足够,而一旦用户装载了几十甚至上百个APP的时候,下滑呼出搜索栏的操作更加高效。
氢OS对联系人头像进行了精心设计。在多数OS中,默认的联系人头像通常是千篇一律的半身像。氢OS从诸多建筑中汲取特殊结构,针对26个字母进行特殊设计之后,分别与8组撞色进行搭配,使得每一屏里的联系人头像都是独一无二的。这些头像还能以卡片滑动的形式呼出。
好文章,需要你的鼓励
浙江大学团队提出动态专家搜索方法,让AI能根据不同问题灵活调整内部专家配置。该方法在数学、编程等任务上显著提升推理准确率,且不增加计算成本。研究发现不同类型问题偏爱不同专家配置,为AI推理优化开辟新路径。
清华大学研究团队提出SIRI方法,通过"压缩-扩张"交替训练策略,成功解决了大型推理模型"话多且准确率低"的问题。实验显示,该方法在数学竞赛题上将模型准确率提升43.2%的同时,输出长度减少46.9%,真正实现了效率与性能的双重优化,为AI模型训练提供了新思路。
南洋理工大学与腾讯联合研究团队开发出Rolling Forcing技术,实现AI视频实时流式生成的重大突破。该技术通过滚动窗口联合去噪、注意力锚点机制和高效训练算法三项创新,解决了长视频生成中的错误累积问题,可在单GPU上以16fps速度生成多分钟高质量视频,延迟仅0.76秒,质量漂移指标从传统方法的1.66降至0.01,为交互式媒体和内容创作开辟新可能。
华中科技大学研究团队发现,通过让AI模型学习解决几何问题,能够显著提升其空间理解能力。他们构建了包含约30000个几何题目的Euclid30K数据集,使用强化学习方法训练多个AI模型。实验结果显示,几何训练在四个空间智能测试基准上都带来显著提升,其中最佳模型达到49.6%准确率,超越此前最好成绩。这项研究揭示了基础几何知识对培养AI空间智能的重要价值。