- 详细资料
- 分类：市场营销
近日，日经济新闻与拆解机构Fomalhaut Techno Solutions合作，对于苹果最新款的iPhone 15系列进行了拆解和成本分析，相比上代机型整体硬件成本提升了8%~16%。
具体来说：
- iPhone 15的零部件成本为423美元，与iPhone 14相比增长了16%，是iPhone 15系列所有机型当中零部件成本涨幅最大的机型，其零部件成本在手机售价当中占比为53%。
- iPhone 15 Plus的零部件成本为442美元，与iPhone 14 Plus相比增长了10%。这意味着其零部件成本在手机售价当中占比为49%。
- iPhone 15 Pro的零部件成本为523美元，与iPhone 14 Pro相比增长了8%。这意味着其零部件成本在手机售价当中占比为52%。
- iPhone 15 Pro Max的零部件成本为558美元，与iPhone 14 Pro Max相比增长了12%。这意味着其零部件成本在手机售价当中占比为47%。
那么iPhone 15系列的成本增长主要来自于哪些部分呢?
日经新闻以顶配的iPhone 15 Pro Max为例介绍称，iPhone 15 Pro Max所搭载的采用“四重反射棱镜”的潜望式镜头模组的成本约30美元，比iPhone 14 Pro Max的3倍光学变焦镜头成本高出了380%。
至于“最贵的零部件”莫过于首款3nm芯片苹果A17 Pro，预计成本为130美元，比上代的A16处理器提高了27%。
不过随着台积电N3E的量产，或许明年推出的A18芯片成本会有所降低.
第二贵的零部件则是三星供应的LTPO OLED面板，成本预计为115美元，相比上代的面板成本提升了10%。
另外，iPhone 15 Pro Max的钛金属中框也比原来的材料成本提升了43%。
值得注意的是，日经还分析了不同国家/地区提供iPhone 15 Pro Max机款零件的比重(按成本计算)。
其中，美系零部件占比约33%，位居第一;
韩国零部件比重约为29%，增幅约为5%、位居第二;日系零部件比重维持在10%，位居第三;至于中国台湾供应的零部件比重大幅扩增至9%;
中国大陆供应的零部件占比则萎缩到了2%。
- 详细资料
- 分类：市场营销
机器人技术的一大挑战是必须投入大量精力来训练每个机器人、任务和环境的机器学习模型。
现在，谷歌 DeepMind 和其他 33 个研究机构的一个新项目旨在通过创建一个通用人工智能系统来应对这一挑战，该系统可以与不同类型的物理机器人一起工作并执行许多任务。
谷歌机器人公司高级软件工程师 Pannag Sanketi 表示：“我们观察到，机器人是伟大的专家，但却不是多面手。” “通常，必须为每个任务、机器人和环境训练一个模型，更改单个变量通常需要从头开始。”
为了克服这个问题，让训练和部署机器人变得更加容易和快捷，这个被称为 Open-X Examples 的新项目引入了两个关键组件：一个包含多种机器人类型数据的数据集，以及一系列能够跨机器人传递技能的模型，任务范围广泛。
研究人员在机器人实验室和不同类型的机器人上对模型进行了测试，与常用的机器人训练方法相比，取得了更好的结果。
▌结合机器人数据
通常，每种不同类型的机器人及其独特的传感器和执行器集都需要专门的软件模型，就像每个生物体的大脑和神经系统如何进化以适应该生物体的身体和环境一样。
Open X-Embodiment 项目的诞生源于这样一种直觉：结合来自不同机器人和任务的数据可以创建一个优于专用模型的通用模型，适用于所有类型的机器人。
这个概念部分受到大型语言模型(LLM)的启发，当在大型通用数据集上进行训练时，该模型可以匹配甚至优于在狭窄的特定任务数据集上训练的较小模型。令人惊讶的是，研究人员发现同样的原理也适用于机器人。
为了创建 Open X-Embodiment 数据集，研究团队收集了来自不同国家 20 个机构的 22 个机器人实施例的数据。该数据集包括超过100万集的500多项技能和15万项任务的示例(一集是机器人每次试图完成一项任务时采取的一系列动作)。
随附的模型基于 Transformer，深度学习架构也用于大型语言模型。RT-1-X 建立在Robotics Transformer 1 (RT-1)之上，这是一个适用于现实世界大规模机器人技术的多任务模型。
RT-2-X 建立在 RT-1 的后继者RT-2的基础上，RT-2 是一种视觉语言动作 (VLA) 模型，可以从机器人和网络数据中学习，并且可以响应自然语言命令。
研究人员在五个不同的研究实验室的五种常用机器人上测试了 RT-1-X 的各种任务。与为每个机器人开发的专用模型相比，RT-1-X 在拾取和移动物体以及开门等任务上的成功率高出 50%。该模型还能够将其技能推广到不同的环境，而不是适合特定视觉设置的专用模型。这表明，在大多数任务中，经过不同示例集训练的模型都优于专业模型。论文称，该模型可以应用于从机器人手臂到四足动物的各种机器人。
加州大学伯克利分校副教授、该论文的合著者谢尔盖·莱文(Sergey Levine)写道：“对于任何做过机器人研究的人来说，你都会知道这是多么了不起：这种模型‘从来’不会在第一次尝试时就成功，但这个模型却成功了。” 。
在紧急技能、未包含在训练数据集中的新任务方面，RT-2-X 的成功率是 RT-2 的三倍。特别是，RT-2-X 在需要空间理解的任务上表现出更好的性能，例如区分将苹果移到布附近与将其放在布上的区别。
研究人员在一篇宣布Open X和RT-X的博客文章中写道：“我们的研究结果表明，与其他平台的数据共同训练为RT-2-X注入了原始数据集中没有的额外技能，使其能够执行新的任务。”。
▌为机器人研究采取未来措
展望未来，科学家们正在考虑将这些进展与DeepMind 开发的自我改进模型RoboCat的见解相结合的研究方向。RoboCat学习在不同的机械臂上执行各种任务，然后自动生成新的训练数据以提高其性能。
Sanketi 认为，另一个潜在的方向可能是进一步研究不同的数据集混合如何影响跨实施例泛化以及改进的泛化如何实现。
该团队开源了 Open X-Embodiment 数据集和小型版本的 RT-1-X 模型，但没有开源 RT-2-X 模型。
桑凯蒂说：“我们相信这些工具将改变机器人的训练方式，并加速这一领域的研究。” “我们希望开源数据并提供安全但有限的模型将减少障碍并加速研究。机器人技术的未来依赖于让机器人能够互相学习，最重要的是，让研究人员能够互相学习。”
- 详细资料
- 分类：市场营销
中秋国庆长假返校后，北京各区陆续开展四、六、八年级的体质健康测试统测，此次测试成绩将作为过程性考核部分的分数纳入中考体育总成绩。体测项目设置是否合理?学生和家长该做哪些准备?针对家长们普遍关心的问题，记者采访了相关专家和北京市教委相关负责人，为家长们解疑释惑。
“小胖墩”体测拉分?不一定，要看所有指标整体评价
有家长表示，孩子还在生长期，将“体重指数”(BMI)和体育中考挂钩是否合理?
对此，北京体育大学中国运动与健康研究院副院长张一民表示，BMI测试对于体质健康有其意义，这是判断每个人是否属于超重、肥胖和消瘦的最常用简易指标，将其纳入测试体系，目的就是提醒每位家长和孩子，从小要将自己的体重控制在一个合理的范围，养成合理膳食，科学运动的健康理念，避免慢性病的发生。
有些家长认为肥胖受遗传因素影响，对此，张一民解释，体重与遗传有关系，但与孩子后天体重的变化与生活方式，比如偏食、暴饮暴食、睡眠不足，缺乏体育锻炼等关系较大。因此，积极参加体育锻炼有利于控制体重。
在体测中，肥胖的孩子是不是必然吃亏?张一民表示，一般而言，BMI高的孩子，意味着体重大，肺的容积也大，即肥胖的孩子，肺活量也大，而且心肺功能与体育锻炼关系密切，经常锻炼的孩子，肺活量也大。可见，孩子胖一点，体质测试并不必然拉下分，关键是看所有指标的整体评价。
“家长们不用太焦虑BMI这一个指标，BMI是对孩子健康预警的一个提示性指标，家长们应该多多鼓励和引导孩子从小养成合理膳食、充足睡眠、科学运动等健康的生活习惯。”
仪器测试有误差?计数与人工不一致时可仲裁
记者注意到，部分区体测项目使用的是仪器测试，比如仰卧起坐。对此，有家长担心，仪器设备测试太严格，会导致计数有误差。
北京市教委表示，目前各区根据实际，采用人工测试或者仪器设备测试，采用仪器设备测试的，要求保证设备精准性。同时，辅以人工计数，确保测试准确性。当计数出现不一致时，要通过录像回放等方式进行仲裁。能进入考场的仪器设备是符合要求的，家长可以放心。
同时，北京市教委也表示，统测的目的为了引导孩子科学锻炼、坚持锻炼，家长和孩子们不必为何种测试方式而焦虑，只要平和心态，主动科学锻炼，一定能取得理想成绩。
各区各考点也设有现场争议处理和仲裁机制，便于及时解决问题，最大限度保障测试结果公平公正。
为考好成绩加大训练强度?备考安全很重要
目前，各区正在陆续进行四、六、八年级的体测，学生和家长应该做好哪些准备?备考时又该注意些什么?
对此，专家表示最重要的准备在日常，体测并不难，测试区分度体现在日常坚持上。坚持的好，孩子们都会有理想的成绩，区分度自然就小。
需要提醒学生和家长的是，安全很重要。体育的加强是循序渐进的过程，如果备考的锻炼大大高于孩子日常练习的强度，身体会疲劳，甚至有安全风险，万一临考前受伤就得不偿失了。同时，心态要平和。
与此同时，专家提醒家长，不要去参加社会上良莠不齐的，或者是非官方组织的一些模拟测试，以免误导孩子。北京市教委也提示家长，统测是各区教委组织实施，非经批准，任何组织和机构不得组织模拟测试。
- 详细资料
- 分类：市场营销
近日，全球商用服务机器人的领导者普渡科技宣布与软银机器人正式达成战略合作，携手共创商用服务机器人新未来。通过此次合作，普渡科技在配送机器人和清洁机器人品类的产品技术优势将与软银机器人在日本市场的专业知识强强联合，实现共赢。
作为来自中国的初创公司，普渡科技在国内市场一直保持着领先地位，同时也在积极扩大全球影响力。在日本，普渡的猫形机器人"贝拉BellaBot"广受欢迎，在当地社交媒体和网络上持续引发热议。历经7年的稳步发展，普渡科技凭借着丰富的商用机器人产品线和全链路解决方案帮助行业用户实现智能升级，在多个场景中提升服务质量和消费者体验，并不断优化业务运营的成本效益。
普渡科技创始人兼CEO张涛表示：“我们很荣幸能与软银机器人达成战略合作，这是对普渡技术和产品实力的认可。普渡将继续发挥自身的优势，深耕行业场景，为所有的合作伙伴和客户提供可靠的产品和出色的服务，就像我们一直坚持做的那样。”
软银机器人集团的总裁兼首席执行官富泽文秀(Fumihide Tomizawa)表示：“我们对与普渡科技的合作感到兴奋，因为这使我们能够在日本的商用服务机器人领域增强我们的产品供应。这次合作强化了我们致力于提供先进机器人技术的承诺，同时也帮助企业解决劳动力挑战，提高整体效率。”
- 详细资料
- 分类：市场营销
10月8日消息(九九)在日前举行的“6G协同创新研讨会”上，中国移动首席科学家、副总工程师王晓云表示，网络内生AI是6G系统创新的核心需求之一。内生AI的两个目标分别是AI赋能网络和网络使能AI，其中，AI赋能网络是满足新需求、解决“深”问题的关键路径，能够提升网络能力效率、降低整体成本、增强用户体验。
AI赋能网络的两大场景是网络运维和网络运行。具体而言，网络运维是指围绕网络规、建、维、优、营等运维全生命周期，AI重构优化运维流程，实现降本、提质、增效;网络运行是指围绕网络核心机制，AI重构系统流程，在时变环境要素下实现基于业务的资源最优匹配，实现网络运行效率、用户体验的提升。“AI赋能网络将从网络运维逐步深入到网络运行中，AI赋能网络运行是解决6G需求挑战的关键路径。”王晓云说。
王晓云指出，AI赋能网络需围绕数据、模型、架构和实用四个方面重点攻关：
数据：通过治理和开放解决数据复杂和缺失问题。
网络运维以分钟/小时粒度数据为主，来源较为统一，但存在部分数据不标准、不完整等问题;网络运行场景的数据时间粒度、标准化程度、数据来源更为多样复杂，且获取较为困难。
数据治理能够提升数据的规范性和质量，对于非标准化数据，中国移动联合业界共同制定数据规范;对于标准化数据，将构建数据实时校验、闭环稽核能力，持续提升数据质量。另外，中国移动还将持续梳理和积累网络智能化数据集，推动向业界进行开放，打造AI赋能网络研发生态。
模型：从小规模向大规模、从离线向实时发展，探索网络多场景通用模型。
当前已有实践和研究呈现模型结构多样、任务类型分散、数据量相对较小、聚焦单一任务的特点，应用落地存在投入大、代价高的问题。
王晓云建议应分阶段进行探索，首先探索网络运维人工智能通用模型从小规模向大规模、从离线向实时发展，最终探索是否可以实现统一。
架构：以“三个转变”的理念，设计6G AI内生的网络新架构，实现四个具体要求。
设计AI内生的网络架构存在两大难点：一是以新架构实现生产关系变革，实时、精准、高效地利用新生产要素，二是兼顾网络使能AI，以统一架构支持两种逻辑(生产型和服务型)。
以“三个转变”(从外挂式AI到内生AI、从烟囱式到端到端一体式AI优化设计、从场景驱动式到能力驱动式)的设计理念，实现四个设计具体要求，即算力的供给和调度，数据的采集和处理，模型的生成、迭代和加载，AI三要素的高效集成及其与通信功能的融合控制。
实用：以全局优化的系统性创新，及构建综合评判体系，实现工程化应用。
在实用性方面，由于AI赋能网络的特点，在能力方面的定制性、泛化性，在质量方面的实用性和可靠性，在效率方面的通用性和经济性，每一项的实现都很困难，并且这六方面的要求是相互制约的关系。
王晓云指出，当前的研发重点还仅仅聚焦在能力提升上，未来应综合考虑能力、效率和质量全局优化的系统性创新，才能让AI赋能6G真正走向实用化和规模化。“希望未来能够构建一个对AI赋能网络的综合评判体系，量化指标的可行性、评判方法的合理性和手段的
有效性，来保证AI赋能网络技术方案的实用性、均衡性和系统性。”
王晓云介绍，中国移动数据治理和开放并举，大小模型探索共进，提出“三体四层五面”6G总体架构，初步完成了具备算力、数据、能力等的网络智能化开放平台构建，逐步对外开放服务。
