在經(jīng)歷了one與S1的命名方式糾結(jié)后,老羅最終決定錘子第一款手機,名為Smartisan T1。
一如羅式作風,在將四核,八核,跑分達人,黑鉆屏,4100萬像素黑了個遍后,關(guān)于智能手機時代的思考,他決定嘗試從硬件配置,設(shè)計工藝,操作系統(tǒng)和軟件三個方面尋找答案。
錘子手機Smartisan T1配備高通驍龍801四核處理器(8274AC),4.95英寸IPS屏幕,全貼合,分辨率為1920x1080,像素密度為445ppi,是“目前量產(chǎn)最快的處理器”“最好的屏幕”。
此外,攝像頭1278萬有效像素,搭載索尼imx214傳感器,使用東芝公司的Milbeaut Mobile影像處理技術(shù),同時使用了AcuteLogic的自動白平衡技術(shù),當然也是“目前全球最好的攝像頭”之一。
Smartisan T1沒有使用發(fā)燒級的Hi-Fi芯片,但音質(zhì)效果堪比以vivo Xplay 3S,并且邀請了左小祖咒和張亞東兩位音樂制作人來進行主觀聽感的調(diào)試。
工業(yè)設(shè)計:對稱設(shè)計 最快搶拍
錘子手機邀請了前蘋果設(shè)計總監(jiān)羅布特主刀工業(yè)設(shè)計。Smartisan T1整體采用了對稱的設(shè)計美學,特別強調(diào)對左撇子用戶的照顧,左右兩側(cè)的實體按鍵可以通過軟件設(shè)置交換功能。
機身正反兩面均為康寧大猩猩三代玻璃材質(zhì),整體非常簡潔。屏幕下方加入了三枚實體導航按鍵,返回和菜單按鍵功能可以互換,方便左、右利用戶調(diào)節(jié)。
同時可以做到全球最快搶拍手機,通過兩個按鍵對按,直接進入快速拍照,一米五至無限遠無需對焦。
經(jīng)歷了又一次的升級和改進,Smartisan OS,終于到了1.0版本。正式發(fā)布的Smartisan OS系統(tǒng)仍采用擬物化設(shè)計,將安卓系統(tǒng)內(nèi)置的十幾個APP全部重寫,UI界面和圖標全部重繪。不過老羅透露,錘子系統(tǒng)可能會開啟“扁平化計劃”。
Smartisan OS 更新了一些主題,但依舊不能貼壁紙,此前36宮格跨屏幕調(diào)整圖標位置進化成了81宮格。在81宮格下,可以更方便的切換屏幕,快速尋找圖標。除此之外,整體風格上和此前的 Smartisan OS 并沒有太大的區(qū)別,羅永浩只是一再強調(diào)桌面的效率是目前最高的。
在功能方面,除了在去年發(fā)布會上展示的一些貼心小細節(jié)“一鍵去角標”、“延時短信”等功能外,還增加了“歡喜云”服務(wù)等功能。
隨后,老羅宣布Smartisan T1發(fā)布之日起即接受預定,用戶可登陸錘子科技官網(wǎng)預定,7月初正式發(fā)貨。16GB版本售價3000元,32GB版本售價3150元。
今夜,燈光全暗,歡呼聲響起,在老羅自編自演的單口相聲中,我們一睹了錘子手機帶來的一個又一個“驚喜”,且不說產(chǎn)品,老羅又一次將工匠精神與人文情懷定格聚光燈下,完美演繹了“我愛這個世界”。
好文章,需要你的鼓勵
新加坡國立大學研究團隊開發(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。實驗顯示,僅訓練AI玩簡單撲克游戲就能讓其數(shù)學推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學題目作為訓練材料。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)學解題中,為AI訓練提供了新思路。
同濟大學團隊開發(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)合深度學習和數(shù)學優(yōu)化方法,在合成數(shù)據(jù)集上實現(xiàn)37.9%的精度提升,并在真實設(shè)備上展現(xiàn)出色泛化能力,為機器人、AR和自動駕駛等領(lǐng)域提供更可靠的3D視覺解決方案。
伊利諾伊大學研究團隊通過對比實驗發(fā)現(xiàn),經(jīng)過強化學習訓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際提升推理準確率。研究揭示了AI模型存在"生成-驗證差距",即生成答案的能力強于驗證答案質(zhì)量的能力,且模型在自我驗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等頂尖機構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過動態(tài)稀疏性實現(xiàn)大語言模型訓練加速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練效率,已在多個任務(wù)上驗證有效性。