
北京时间3月21日消息,据《华尔街日报》报道,知情人士透露,苹果公司本周一有望在其加州库比蒂诺总部推出新款小屏手机。这款iPhone 5s的后续产品将对处理器进行升级,同时提升摄像头效果,而且能够使用Apple Pay支付服务。
苹果还有可能借此机会解决与美国司法部之间不断升级的法律冲突,后者希望其解锁圣伯纳迪诺枪击案嫌疑人的iPhone手机。苹果律师和美国司法部将于周二对簿公堂,以便能够确定智能手机的隐私和安全边界。
该公司还有望在发布会上推出一款9.7英寸的iPad。这款平板电脑可能对处理器进行升级,配置类似于去年11月发布的12.9英寸的iPad Pro。
苹果此番升级小屏iPhone正值这款旗舰产品的增速放缓之际,该产品大约占到苹果总营收的三分之二。在去年12月结束的第一财季内,iPhone销量增长0.4%,创iPhone 2007年上市以来的最低记录。分析师预计,该产品本季度的销量将首次出现下滑。
苹果最近几年凭借大屏智能手机屡创销售和利润记录,充分迎合了消费者用大屏手机看视频、玩游戏和上网冲浪的需求。而在售的iPhone也因此具备了3种尺 寸:5.5英寸的iPhone 6s Plus和iPhone 6 Plus、4.7英寸的iPhone 6s和iPhone 6、4英寸的iPhone 5s。苹果2015年9月发布了新款iPhone 6s,但2013年以来始终没有对4英寸的iPhone进行升级。
现在,苹果希望迎合喜欢小屏手机用户的需求,为他们提供最新的服务和功能。
29岁的印度软件工程师雅士函·塔尔沃(Yashodhan Talwar)就是这样一位用户。在他使用的5英寸Nexus 5手机出现电池问题后,他借用了姐姐的老款iPhone 5。“我已经回不去了。”他说。
塔尔沃表示,对他来说,手机更像是一款日常用品,而不是娱乐设备,所以4英寸的屏幕足够查看地图、发送信息或收听音乐。由于太伤手,所以他已经不再使用大屏手机。
塔尔沃表示,如果苹果推出4英寸的高端智能手机,塔尔沃就将放弃Android手机。“这个尺寸完全符合我的使用习惯。”他说,“用起来太舒服了。”
美国投资银行Piper Jaffray分析师基尼·蒙斯特(Gene Munster)去年12月对1077名受访者进行调查后发现,约有20%的美国消费者偏爱4英寸手机。
加拿大皇家银行资本市场分析师阿密特·达亚纳尼(Amit Daryanani)估计,苹果每年可以卖出1000万至1500万部新款4英寸iPhone。
在截至2015年9月的财年内,苹果共销售2.31亿部iPhone,所以这一数字显得有些微不足道。不过,这款手机仍然有助于提振夏天的销量,苹果此时的业绩往往会因为新一代iPhone即将上市而受到冲击。
目前还不清楚苹果对这款新手机的定价。iPhone 5s目前是苹果最便宜的机型,裸机起价450美元。相比而言,iPhone 6s起价650美元,iPhone 6s Plus起价750美元。老款iPhone 6起价550美元,iPhone 6 Plus起价650美元。
Above Avalon是一家专门分析苹果公司的网站,该网站站长尼尔·赛巴特(Neil Cybart)表示,iPhone用户群非常庞大,估计达到6.4亿,因此足以维持多样化的屏幕尺寸。
“随着iPhone走向成熟,需要通过这样的流程来完善产品线。”赛巴特说,“或许有相当一部分用户希望购买升级后的4英寸手机。”
大屏iPhone帮助苹果吸引了新的用户,同时也吸引现有用户升级。但苹果CEO蒂姆·库克(Tim Cook)对分析师表示,在18个月前(苹果那时还没有开始销售大屏手机)的iPhone中,有60%尚未升级。
这表明小屏手机的确有机会。
对苹果来说,保持用户对iPhone的忠诚度变得越来越重要,这款产品如今已经变成了Apple Pay等各种应用和服务的重要门户。
好文章,需要你的鼓励
GeoVerse融合几何潜在扩散模型与Wan2.2视频生成先验,并引入全局空间记忆机制,实现了跨视角一致、生成质量高且推理速度快的新视角合成,在多个数据集上大幅超越现有方法GLD。
本文解读TT-VidT,一种通过分离外观锚点与动作令牌、结合Diff Compression训练目标的视频自监督方法。在24种架构目标组合的受控实验中,仅TT3D与Diff Compression搭配才能进入强动作敏感区,且计算量比同类方法降低近一半。
Q&A Q1:Imprint Reader是什么? A:Imprint Reader是上海人工智能实验室团队开发的模型,通过SMaRT训练方法学会读取另一个模型冻结的权重更新,把参数层面的变化翻译成自然语言描述,判断这次更新到底注入了什么知识或诱导了什么行为习惯。 Q2:MetaEdit能做什么? A:MetaEdit能把Reader对目标行为的梯度信号迁移到原始模型上,不需要任何目标任务的训练数据,只用一句行为描述就能定向调整模型参数,已经在安全性拒绝率调节、数学推理风格转变和工具调用能力提升上验证过效果。 Q3:Imprint Reader读权重更新的准确率高吗? A:目前还不高,知识类目标的Pass@100只有2%,行为类目标是16%,说明自由生成描述的可靠性有限,但相比原始模型完全答不出来的0%基线,已经证明了权重更新的自然语言读取是可行的。
统一多模态模型能看也能画,理论上该会自我修正。本论文提出UMM-Reflection,用整条轨迹的强化学习联合训练诊断和修图能力,GenEval提升12分,且迁移到多个未训练基准,揭示RL提升的是选择可靠性而非新能力。