CNET科技資訊網(wǎng) 3月30日 國際報道:蘋果認為其最新iPad Pro將有可能替代大約6億臺老化的PC。這是一個非常富有雄心的目標,但是不太可能實現(xiàn),尤其在涉及到企業(yè)PC時,這個目標更不可能達到。
有一些不錯的理由可以解釋其原因:正如拉里·迪克南(Larry Dignan)曾指出的那樣,ZDNet員工真的很喜歡使用鼠標——而蘋果平板目前尚不支持這點。而正如金斯利·休斯(Adrian Kingsley-Hughes)所言,企業(yè)IT部門往往比較保守,而且對Windows有著深深的熱愛:或許蘋果會認為其全新iPad Pro將成為“終極PC替代品”,但它可能會發(fā)現(xiàn),很難說服首席信息官們認同這點。
大概在四五年前,曾經(jīng)有那么一段時間,讓人們感覺似乎平板電腦真的會取代PC變得無處不在一樣。畢竟它們更為時尚、更酷,較笨重的PC更為便宜。而PC的笨重這一點多年來都并未改變,幾乎是辦公桌上的電腦和用戶包中筆記本的象征。在當時看來,貌似平板電腦將把所有這些全部清除,帶著我們所有人邁向一個優(yōu)雅簡潔的觸摸屏烏托邦。
雖然這種情況持續(xù)了一段時間,但PC進行了反擊,而且出人意料地有效。同樣地,平板向企業(yè)級PC的挑戰(zhàn)現(xiàn)已基本平息(當然,消費者版的情況迥然不同)。
為阻止平板替代PC,PC制造商大多通過對其設(shè)備進行重新設(shè)計并吸收、中和了最初令平板別具吸引力的元素。如今,混合型PC中的可拆式鍵盤意味著用戶不必再選擇是持有一臺平板還是購買一臺筆記本,因為你可以兩者兼得。
那么,這是否意味著PC將永遠持續(xù)下去,吞并每一個新出現(xiàn)的外形因素呢?
很難。不過平板電腦的失敗或許恰好表明了幾件事情:相比一個坐在沙發(fā)上看視頻的人而言,內(nèi)容創(chuàng)新是職員們優(yōu)先考慮的事情(例如筆者正在打字這點)。這意味著現(xiàn)在的員工需要一個鍵盤、一個鼠標和一個固定的屏幕,而不那么關(guān)心觸摸性。
那么,如果未來平板不能替代PC,下一代臺式機將進化成什么樣子呢?
也許答案已存在于你的口袋。如果你手中有一部全新的智能手機,而且其性能不比那些蘋果想要取代的五歲PC差多少,那么很有可能在未來幾年內(nèi),一部智能手機將擁有足夠的處理能力,能夠做到一般用戶需要進行的任務(wù),至少是他們大部分時間需要進行的操作。而根據(jù)員工喜好,外接那些他們喜愛的硬件——鍵盤、鼠標和大屏幕——或?qū)⒊蔀橐粋€取代PC的有趣方式。
雖然還處在早期,但微軟的Continuum功能正是這樣一個例子(其他公司也探討過類似的想法)。當然,數(shù)據(jù)或處理器密集型的工作還是需要在更為強大的設(shè)備上完成,而且一貫如此。
當然,這一替代的實現(xiàn)還要再過幾年。如果這種技術(shù)存在,或許在它能夠扎根前,還需要另一個五年。不過,平板沒能擊敗PC并不意味著后者將永續(xù)存在。
好文章,需要你的鼓勵
浙江大學(xué)團隊提出動態(tài)專家搜索方法,讓AI能根據(jù)不同問題靈活調(diào)整內(nèi)部專家配置。該方法在數(shù)學(xué)、編程等任務(wù)上顯著提升推理準確率,且不增加計算成本。研究發(fā)現(xiàn)不同類型問題偏愛不同專家配置,為AI推理優(yōu)化開辟新路徑。
清華大學(xué)研究團隊提出SIRI方法,通過"壓縮-擴張"交替訓(xùn)練策略,成功解決了大型推理模型"話多且準確率低"的問題。實驗顯示,該方法在數(shù)學(xué)競賽題上將模型準確率提升43.2%的同時,輸出長度減少46.9%,真正實現(xiàn)了效率與性能的雙重優(yōu)化,為AI模型訓(xùn)練提供了新思路。
南洋理工大學(xué)與騰訊聯(lián)合研究團隊開發(fā)出Rolling Forcing技術(shù),實現(xiàn)AI視頻實時流式生成的重大突破。該技術(shù)通過滾動窗口聯(lián)合去噪、注意力錨點機制和高效訓(xùn)練算法三項創(chuàng)新,解決了長視頻生成中的錯誤累積問題,可在單GPU上以16fps速度生成多分鐘高質(zhì)量視頻,延遲僅0.76秒,質(zhì)量漂移指標從傳統(tǒng)方法的1.66降至0.01,為交互式媒體和內(nèi)容創(chuàng)作開辟新可能。
華中科技大學(xué)研究團隊發(fā)現(xiàn),通過讓AI模型學(xué)習解決幾何問題,能夠顯著提升其空間理解能力。他們構(gòu)建了包含約30000個幾何題目的Euclid30K數(shù)據(jù)集,使用強化學(xué)習方法訓(xùn)練多個AI模型。實驗結(jié)果顯示,幾何訓(xùn)練在四個空間智能測試基準上都帶來顯著提升,其中最佳模型達到49.6%準確率,超越此前最好成績。這項研究揭示了基礎(chǔ)幾何知識對培養(yǎng)AI空間智能的重要價值。