微信扫一扫,关注公众号

  • 科技行者

  • 算力行者

见证连接与计算的「力量」

首页 Computex 2016:映趣科技联合高通发布儿童手表可定制方案

Computex 2016:映趣科技联合高通发布儿童手表可定制方案

2016-05-31 19:23
分享至:
----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-
2016-05-31 19:23 CNET科技资讯网

5月31日,在台湾Computex美国高通发布会上,映趣科技发布了新一代儿童智能手表inWatch Kid ,这是今年3月份双方宣布合作以来的首个产品。此款产品采用高通骁龙Snapdragon Wear 2100芯片,配有圆形1.3英寸TFT显示屏,支持WIFI、SIM和蓝牙4.0BLE等连接模式,尺寸为41*13.5mm,400mAh聚合物电池是续航保证。优秀的硬件配置之外,inWatch Kid 带有包括五重定位、语音导航、动态心率、双向通话、远程监听、安全围栏、多重预警等多项实用功能。

据悉,Snapdragon Wear 2100是高通针对可穿戴设备推出的全新平台,最大亮点是支持包括4G LTE在内的多种网络制式,这一特性使智能手表可以独立与服务端进行高速的数据交换,极大的扩展了使用场景。此外,Snapdragon Wear 2100还配备了28nm工艺制造的四颗Cortex-A7 CPU核心,性能强悍的同时还显著降低了功耗和体积,比传统芯片更适用于智能设备的研发和使用。

“基于Snapdragon Wear 2100的这些优点, inWatch Kid 在实时通讯和安全定位这两大核心功能上表现优异,性能处于业界领先。”王小彬先生在发布会上表示,除了基本配置外, Snapdragon Wear 2100平台的inWatch Kids还具备很好的功能扩展性,映趣科技将面向企业客户提供可选配功能定制服务,力求满足各类客户的需求。

Computex 2016:映趣科技联合高通发布儿童手表可定制方案

Computex 2016:映趣科技联合高通发布儿童手表可定制方案

Computex 2016:映趣科技联合高通发布儿童手表可定制方案

Computex 2016:映趣科技联合高通发布儿童手表可定制方案

分享至
0赞

好文章,需要你的鼓励

推荐文章
  • 南方科技大学等机构联手破解AI推理训练难题:让大模型"一次思考"就学会解题

    南方科技大学等机构联手破解AI推理训练难题:让大模型"一次思考"就学会解题

    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。

  • 香港科技大学数学系研究者:扩散模型原来是一个"魔法恒等式"拆成了两半

    香港科技大学数学系研究者:扩散模型原来是一个"魔法恒等式"拆成了两半

    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。

  • 中国人民大学研究团队打造的"AI科学家":让机器自主完成几十小时的科研工程,它是怎么做到的?

    中国人民大学研究团队打造的"AI科学家":让机器自主完成几十小时的科研工程,它是怎么做到的?

    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。

  • 字节跳动发布GRN:像人类画家一样"边画边改"的AI图像生成新范式

    字节跳动发布GRN:像人类画家一样"边画边改"的AI图像生成新范式

    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。

----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-