微軟和蘋果的平板電腦業(yè)務(wù)策略迥異,二者產(chǎn)品各有優(yōu)劣,未來發(fā)展趨勢也不盡相同。
此前市場研究機(jī)構(gòu)IDC的報告顯示,2013年平板電腦出貨量增長了51.6%,而今年則大不相同:IDC預(yù)測今年平板電腦市場增長僅為19.4%。而上周一份最新報告稱,今年蘋果的iPad的銷售可能將達(dá)到峰值。
平板電腦主要用途定位為內(nèi)容消費(fèi)設(shè)備,對于蘋果而言,內(nèi)容消費(fèi)幾乎就是其當(dāng)初發(fā)明平板的目的。但無論是微軟還是蘋果,均應(yīng)重新考慮平板電腦的定位。無疑,未來的高端平板市場將成為Surface Pro 2和iPad Air比拼的舞臺。下面對兩款產(chǎn)品略作對比:
從長遠(yuǎn)來看,平板產(chǎn)品的技術(shù)性能越來越重要。在這方面,Surface Pro 2似乎略勝一籌:4GB存儲使多任務(wù)執(zhí)行變的快速和流暢,而iPad則無法媲美。蘋果已明確表示,未來將采用64位“桌面類”處理器,或許將縮小與Surface Pro 2差距。
在產(chǎn)品的多功能性方面,鍵盤輸入和觸控板操控所帶來的完美體驗(yàn),使得Surface Pro 2保持領(lǐng)先。而iPad Air只能借助第三方鍵盤塢實(shí)現(xiàn)這一功能。如果外出旅行必須在Surface Pro 2和iPad Air中“二選一”的話,毫不猶豫,Surface Pro 2會成為首選。至于未來,蘋果在其產(chǎn)品的多功能性方面或?qū)⒘肀脔鑿剑氩煌悇e的功能,從而使自己的產(chǎn)品更加有趣。
iPad Air纖細(xì)的底盤設(shè)計,使其顯得低調(diào)、奢華、有內(nèi)涵。如果認(rèn)為美學(xué)很重要,從長遠(yuǎn)來看,iPad Air獲勝。談及未來產(chǎn)品發(fā)展方向,說實(shí)在話,三星的Galaxy Tab Pro 12.2設(shè)計更討人喜歡一點(diǎn)。
在便攜性方面,Surface Pro 2和iPad Air的比拼毫無懸念:iPad Air重約一鎊,而Surface Pro 2重量翻番。未來微軟在這方面還有很多工作需要去做,比如Surface Pro 2應(yīng)該兼容 Surface Pro的一些軟件,同時應(yīng)該兼容Windows Store內(nèi)的大多數(shù)應(yīng)用,添加3G/4G功能等。
iPad Air 起價499美元,Surface Pro 2起價899美元。毫無爭議,Surface Pro 2沒有任何價格優(yōu)勢。但就未來高端平板電腦發(fā)展趨勢而言,未來高端平板的售價或許會更接近Surface Pro 2。
總體而言,平板電腦用戶在使用設(shè)備時無法達(dá)到“理想”狀態(tài)。使用一臺平板電腦時間越長,該款產(chǎn)品的多功能性和技術(shù)性能愈發(fā)重要。從這一意義上來講,今天的Surface Pro 2或許比iPad Air更為適用,Surface Pro 2更能代表未來平板趨勢。
當(dāng)然,所有這一切皆可能發(fā)生改變,如果蘋果試圖推出新的概念型平板電腦產(chǎn)品——iPad Pro的話,將會得到市場肯定。
好文章,需要你的鼓勵
新加坡國立大學(xué)研究團(tuán)隊開發(fā)了SPIRAL框架,通過讓AI與自己對弈零和游戲來提升推理能力。實(shí)驗(yàn)顯示,僅訓(xùn)練AI玩簡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)隊開發(fā)的GIGA-ToF技術(shù)通過融合多幀圖像的"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和自動駕駛等領(lǐng)域提供更可靠的3D視覺解決方案。
伊利諾伊大學(xué)研究團(tuán)隊通過對比實(shí)驗(yàn)發(fā)現(xiàn),經(jīng)過強(qiáng)化學(xué)習(xí)訓(xùn)練的視覺語言模型雖然表現(xiàn)出"頓悟時刻"現(xiàn)象,但這些自我糾錯行為并不能實(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)證時無法有效利用視覺信息,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),通過動態(tài)稀疏性實(shí)現(xiàn)大語言模型訓(xùn)練加速1.6倍,計算成本降低2.2倍。該方法使用SVD稀疏性估計器智能選擇重要計算部分,在保持模型性能的同時顯著提升訓(xùn)練效率,已在多個任務(wù)上驗(yàn)證有效性。