几天前,我要去见一个在纽约上大学回北京过暑假的朋友,这个女孩家境很好,我在想送她点什么东西的时候发了愁,不知道有什么东西是她喜欢,而且又是美国没有的。想来想去,我送了她一个小米自拍杆,她非常喜欢,觉得小米自拍杆设计的很小巧,做工也精致,后来还问我在哪里能买到,她要买了回美国送朋友。
如果见这位朋友的时间放在下周,可能我还会再送她一个小米路由器青春版,这样,这位女孩再回到纽约,需要搬家的时候,她就可以带着这个轻巧的小路由器,不用再顾虑携带是不是方便,路由器的设置是不是可以信手拈来。
图1:小米秋季发布会上米粉们在合影留念
这就是小米在今天发布会上发布的新产品,一款仅有名片大小,支持802.11N协议,搭载MiWiFi 2.0的智能路由系统,并且拥有3个百兆有线网络接口(1个WAN、2个LAN),定价79元。
图2:小米路由器青春版
当然,这款产品并不是小米新品发布会的重点。作为小米的年度发布会,雷军今天的重点发布是MIUI 7和红米Note2。几乎小米的全线手机产品都能升级新的MIUI系统,通过这一系统升级,使得小米手机系统响应提速30%以上,续航延长25%以上。而红米Note2则是以799元的价格,叫板华为、魅族的旗舰机型。
图3:红米NOTE 2
MIUI 7新增四套面向不同人群的系统UI,包括女神版、女生版、男生版和轻奢版,并且设计了全新的全局大字体,并发布来电秀、小米漫游等新功能。
当手机拍照功能越来越受到用户重视的时候,小米在拍照、照片整理的需求上做了很多的功课,在这方面的细节考量,充分满足了中国用户的需求。
之前发布的小米路由器2,特别为照片备份做了细节优化,比如相机SD卡可以直接读取,相册备份能够实现自动无重复备份等等。
这次在MIUI 7上,特别推出了宝宝相册功能。利用人脸识别技术,将宝宝照片自动识别整理成册,纪录宝宝的成长。每个有宝宝的家庭,爸爸妈妈、爷爷奶奶、姥姥姥爷的手机里都会有一些宝宝照片,这些照片都可以统一入册,自动整理归类,还可以进行社交分享,让全家人都能看到宝宝更多的精彩瞬间。
我不是米粉,不是小米定义的“为发烧而生”的手机用户,MIUI 7、红米Note 2或许不能让我感到兴奋不已,但并不能阻挡我对小米产品的赏识。
在前面我忘记说了,刚才提到的那位在纽约上学的朋友,她回国送我的礼物,是哈佛大学自有品牌的书包和水壶,送给我们家孩子的,我很清楚,有哈佛大学品牌在,这些东西价值上百美金,而我送她的东西,只有不到十美金,但我仍然觉得,这是一件拿得出手的礼物。小米虽然比不得哈佛大学的品牌积淀,但不失为一个令中国人说道的品牌。
不知道从何时起,用小米的各种小东西当做礼物送朋友已经变成了我的送礼首选,比如说小米小盒子、小米路由器、小米插线板等等,每个东西或几百块钱人民币,或是几十块钱人民币,朋友们收到都很开心,因为他们用过之后,都感受到了小米产品在用户体验上的周到。
这也正是雷军“新国货运动”的主旨——超预期,这种预期不仅仅是价格公道,更重要的是产品设计人性化,做工质量的国际化。
数字是小米成绩最有利的证明。
据Analysys易观智库发布的《中国家用智能路由器市场季度监测报告2015年第2季度》数据显示,在刚刚过去的第二季度里,小米路由器以60.6%的市场份额居首。
8月初,调研公司Canalys发布报告称,第二季度小米以15.9%的市场份额,重新夺回中国最大智能手机厂商头衔,华为以15.7%的市场份额紧随其后,苹果被挤到了第三位,第四、第五位排名依次是三星和vivo。
在中国市场,80%的市场份额已经被国产手机占据,手机行业,正在成为中国制造的一面旗帜。
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。