作者|高飞
操作系统和数字体验的关系是最直接和紧密的。
举个例子来看,20年前,1992年微软发布了划时代的操作系统,可以流畅支持鼠标操作的Windows 3.1。这就意味着,即使一个用户的电脑的硬件没有任何升级变化,假设还是286或386,也依然可以通过一个叫“扫雷”的游戏体验到用鼠标操作电脑的乐趣。
这个例子,也可以直接套用到鸿蒙(HarmonyOS)操作系统的一项特性——分布式能力上。
鸿蒙强调了它的八项创新能力,包括分布式能力、原子化服务、AI、地图、音视频、隐私安全等,「分布式」是第一个创新特征。
当时被强调最多的特性,也是分布式,即支撑鸿蒙作为面向万物互联的操作系统最核心能力。
消费者的手机即使是硬件没有任何的变化,也能够通过鸿蒙的分布式软总线、端云协同等能力,获得以前没有感受过的跨设备应用和数据流转体验。
而对开发者来说,他们也得到了“一次开发,多端部署”的编程体验,更容易开发出“终端可分可合,数据自由流转”的应用场景。
因此,鸿蒙做的事儿,虽然初衷是替代,但是,是更有意义的替代,也是鸿蒙区别于同行,在发展理念上的第一个发展抓手。
当然,只有新特性,还不足以吸引开发者的目光。
几十年前,IBM的OS/2 操作系统,有很多Windows 没有的特性,但是因为装机量不够多,所以缺乏开发者新的应用支持,所以还是没能赢过微软。
鸿蒙的第二个抓手就是装机量。
华为不能再用谷歌GMS的时候,正值智能手机业务发展的高峰,不仅在中国,甚至在欧洲市场也塑造了高端品牌形象。
但是对于开发者来说,更重要的是,华为手机的既有的巨大的存量市场。
有了数亿现有设备的支持,和后续虽然没有5G、但是依然得到国内消费者追捧的新机,让鸿蒙平台的开发者更容易、更快速的获得市场回报,而不是像早期Linux系统的发展一样,要经历一个漫长的爬坡期。
或许是鸿蒙系统本来是为物联网系统打造的,所以鸿蒙从一开始,就非常注重非手机终端的支持。
我们一直在说“万物互联,万物智能”。鸿蒙应该是这八个字的坚定践行者。
拿业界最关心的产品「汽车」来说。
虽然对于汽车的评价有多样化的指标,消费者也有多元化的口味,但是目前来看,鸿蒙赋能的车机体验,确实有比较一致的好口碑。
所以,余承东就曾经毫不客气的说,鸿蒙座舱是“车机天花板”,特别是,有像“手机”一样流畅丝滑的车机。
不过,还有一些非常值得关注的,也是比较容易被忽视的行业场景。
比如在医疗健康领域,华为和301医院、北京大学第一医院合作,做到基于华为手表检测到的HRV、呼吸率、血氧、异常咳嗽音等生理参数,进行肺功能评估,实现慢阻肺风险筛查。
实际上,相对消费电子这样对AI等新技术使用的非常靠前的领域,传统行业有许多场景是落后于技术发展的。甚至,如果用技术用的不好,还不如没有技术。
无疑,以后的房屋装修,除了传统的水电墙面木工,必然会增加一项以网络为核心的数字化、智能化。
其实严格来说,汽车也属于这个范畴。如果没有新能源和智能化两个新引擎,百年汽车工业的市场版图,一定不会是现在的面貌。
把智能手机上已经用的非常纯熟的AI等能力,正如同将元气释放到传统行业中实现数字化转型,这是鸿蒙作为新OS的第三个抓手,应该也是最有潜力的抓手。
好文章,需要你的鼓励
这项研究利用大语言模型解决科学新颖性检测难题,南洋理工大学团队创新性地构建了闭合领域数据集并提出知识蒸馏框架,训练轻量级检索器捕捉想法层面相似性而非表面文本相似性。实验表明,该方法在市场营销和NLP领域显著优于现有技术,为加速科学创新提供了有力工具。
un?CLIP是一项创新研究,通过巧妙反转unCLIP生成模型来增强CLIP的视觉细节捕捉能力。中国科学院研究团队发现,虽然CLIP在全局图像理解方面表现出色,但在捕捉细节时存在不足。他们的方法利用unCLIP生成模型的视觉细节表示能力,同时保持与CLIP原始文本编码器的语义对齐。实验结果表明,un?CLIP在MMVP-VLM基准、开放词汇语义分割和视觉中心的多模态任务上显著优于原始CLIP和现有改进方法,为视觉-语言模型的发展提供了新思路。
这项研究介绍了RPEval,一个专为评估大语言模型角色扮演能力而设计的新基准。研究团队从法国里尔大学开发的这一工具专注于四个关键维度:情感理解、决策制定、道德对齐和角色一致性,通过单轮交互实现全自动评估。研究结果显示Gemini-1.5-Pro在总体表现上领先,而GPT-4o虽在决策方面表现出色,但在角色一致性上存在明显不足。这一基准为研究人员提供了一个可靠、可重复的方法来评估和改进大语言模型的角色扮演能力。
这篇论文介绍了LegalSearchLM,一种创新的法律案例检索方法,将检索任务重新定义为法律要素生成。研究团队构建了LEGAR BENCH数据集,涵盖411种犯罪类型和120万案例,并开发了能直接生成关键法律要素的检索模型。实验表明,该模型在准确率上超越传统方法6-20%,且在未见犯罪类型上展现出强大泛化能力。这一突破为法律专业人士提供了更高效、精准的案例检索工具。