從PC市場(chǎng)的格局來(lái)看,一個(gè)悖論出現(xiàn)了,這就是大量的PC廠商出現(xiàn)了銷量數(shù)據(jù)的下滑,然而蘋果的Mac銷量反而出現(xiàn)增長(zhǎng),如果說(shuō)PC這個(gè)產(chǎn)品不行了,那對(duì)應(yīng)的結(jié)果應(yīng)該是所有的PC廠商都出現(xiàn)銷量下滑,因?yàn)榇髣?shì)是很難逆轉(zhuǎn)的,即便有表現(xiàn)特別優(yōu)異的廠商,其銷售也會(huì)收到巨大影響,而不是像現(xiàn)在這樣,出現(xiàn)兩位數(shù)的銷售增長(zhǎng)。
這一個(gè)“MAC悖論”!
我們不難看到,用戶仍然有很強(qiáng)烈的采購(gòu)PC,或者說(shuō)采購(gòu)電腦的需求,并不是所有用戶因?yàn)槠桨宸艞壛薖C,更普遍的情況下,用戶既有平板又有PC,然而用戶為什么不采購(gòu)傳統(tǒng)PC廠商的產(chǎn)品呢?是因?yàn)檫@些產(chǎn)品不夠精致,無(wú)法滿足用戶的需求,而非用戶不需要PC了。
用戶選擇蘋果的理由有哪些?不外乎以下幾點(diǎn):
1.品牌高大上。蘋果品牌由于其較高的定位,對(duì)于商用使用來(lái)說(shuō),能夠較好的突出個(gè)人與公司高端的氣質(zhì),有利于維護(hù)企業(yè)形象,幫助企業(yè)更好的完成銷售與合作。
2.視覺(jué)體驗(yàn)極佳。不論是MacBook還是iMac,蘋果都使用了高成本同時(shí)具有極高顯示效果的IPS顯示屏,不僅擁有很大的可視角度,同時(shí)色彩還原極佳,由于Mac系統(tǒng)不需要考慮適配的問(wèn)題,因此操作系統(tǒng)與顯示屏能夠很好的結(jié)合,達(dá)到最佳的顯示效果,就圖形顯示質(zhì)量而言,要超過(guò)傳統(tǒng)PC廠商。
3.操作體驗(yàn)一流。相信用過(guò)MacOS的用戶對(duì)于Mac上觸控板的設(shè)計(jì)都頗為贊許,這是軟硬件一體的優(yōu)秀設(shè)計(jì),各種各樣的手勢(shì)可以幫助我們更好更快的操作電腦,而在傳統(tǒng)的Windows PC下,這樣的體驗(yàn)我們從未見(jiàn)過(guò)。
4.優(yōu)質(zhì)的做工。僅從硬件的角度來(lái)看,蘋果的MacBook、iMac等產(chǎn)品基本都采用了產(chǎn)品推出時(shí)業(yè)界最頂級(jí)的做工標(biāo)準(zhǔn),其產(chǎn)品質(zhì)量非??煽?,基本不存在漏電、噪音、過(guò)度發(fā)熱等問(wèn)題,同時(shí)耐用性、可靠性極高,反觀其他產(chǎn)品,往往會(huì)出現(xiàn)各種質(zhì)量問(wèn)題。
5.產(chǎn)品名稱簡(jiǎn)單,銷售渠道簡(jiǎn)單。蘋果的PC產(chǎn)品,命名規(guī)則非常簡(jiǎn)單,每個(gè)系列均有一兩款主打產(chǎn)品,消費(fèi)者能夠很容易明白這款產(chǎn)品大致的規(guī)格,而有些PC廠商推出的產(chǎn)品,命名規(guī)則對(duì)于普通用戶來(lái)說(shuō)近似于天書,根本不知所云,大大影響了用戶對(duì)于產(chǎn)品的接受能力。
6.沒(méi)有更換品牌的壁壘。現(xiàn)在的MacOS,對(duì)于傳統(tǒng)的企業(yè)應(yīng)用能夠?qū)崿F(xiàn)很好的兼容,甚至微軟都推出了官方的Office套件,而大量的中國(guó)消費(fèi)者甚至?xí)x擇安裝Windows來(lái)解決問(wèn)題,因此,Mac電腦對(duì)于用戶而言,使用習(xí)慣上的壁壘很低。
Mac悖論的出現(xiàn)給PC廠商敲了一個(gè)警鐘,在過(guò)去的一年中,很多的PC廠商對(duì)于PC的前景都不抱有期望,這樣的態(tài)度實(shí)際上是不對(duì)的,PC下滑是一個(gè)“偽大勢(shì)”,用戶對(duì)于PC的需求仍然非常旺盛,只要產(chǎn)品足夠優(yōu)秀,足夠人性化,在這樣的市場(chǎng)局面上,仍然有可能實(shí)現(xiàn)兩位數(shù)以上的增長(zhǎng)。
好文章,需要你的鼓勵(lì)
新加坡國(guó)立大學(xué)研究團(tuán)隊(duì)開(kāi)發(fā)了SPIRAL框架,通過(guò)讓AI與自己對(duì)弈零和游戲來(lái)提升推理能力。實(shí)驗(yàn)顯示,僅訓(xùn)練AI玩簡(jiǎn)單撲克游戲就能讓其數(shù)學(xué)推理能力提升8.6%,通用推理提升8.4%,且無(wú)需任何數(shù)學(xué)題目作為訓(xùn)練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉(zhuǎn)移到數(shù)學(xué)解題中,為AI訓(xùn)練提供了新思路。
同濟(jì)大學(xué)團(tuán)隊(duì)開(kāi)發(fā)的GIGA-ToF技術(shù)通過(guò)融合多幀圖像的"圖結(jié)構(gòu)"信息,創(chuàng)新性地解決了3D相機(jī)噪聲問(wèn)題。該技術(shù)利用圖像間的不變幾何關(guān)系,結(jié)合深度學(xué)習(xí)和數(shù)學(xué)優(yōu)化方法,在合成數(shù)據(jù)集上實(shí)現(xiàn)37.9%的精度提升,并在真實(shí)設(shè)備上展現(xiàn)出色泛化能力,為機(jī)器人、AR和自動(dòng)駕駛等領(lǐng)域提供更可靠的3D視覺(jué)解決方案。
伊利諾伊大學(xué)研究團(tuán)隊(duì)通過(guò)對(duì)比實(shí)驗(yàn)發(fā)現(xiàn),經(jīng)過(guò)強(qiáng)化學(xué)習(xí)訓(xùn)練的視覺(jué)語(yǔ)言模型雖然表現(xiàn)出"頓悟時(shí)刻"現(xiàn)象,但這些自我糾錯(cuò)行為并不能實(shí)際提升推理準(zhǔn)確率。研究揭示了AI模型存在"生成-驗(yàn)證差距",即生成答案的能力強(qiáng)于驗(yàn)證答案質(zhì)量的能力,且模型在自我驗(yàn)證時(shí)無(wú)法有效利用視覺(jué)信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機(jī)構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過(guò)動(dòng)態(tài)稀疏性實(shí)現(xiàn)大語(yǔ)言模型訓(xùn)練加速1.6倍,計(jì)算成本降低2.2倍。該方法使用SVD稀疏性估計(jì)器智能選擇重要計(jì)算部分,在保持模型性能的同時(shí)顯著提升訓(xùn)練效率,已在多個(gè)任務(wù)上驗(yàn)證有效性。