Loading [MathJax]/jax/output/CommonHTML/config.js
前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >专栏 >iPhone 14系列发布:卫星功能上线,人们却盯着挖孔屏

iPhone 14系列发布:卫星功能上线,人们却盯着挖孔屏

作者头像
机器之心
发布于 2022-09-22 03:12:33
发布于 2022-09-22 03:12:33
7560
举报
文章被收录于专栏:机器之心机器之心

机器之心报道

编辑:泽南、杜伟

苹果将「药丸」玩出了新花样。

「今天我介绍的产品 iPhone、AirPods 和 Apple Watch,将会成为人们生活的必需品,不论你身处何处,在什么时间。它们配合无间,同时每一件都是业界顶尖水平,」苹果 CEO 蒂姆 · 库克说道。

周四凌晨,今年科技领域最受关注的发布会在加州的苹果总部举行。今年的新一代 iPhone 价格上涨幅度不大,增加了不少关注安全性的功能,跑分水平提升有限,只有 Apple Watch 出了一款「超大」的新品。

和两天前的华为 mate50 系列一样,iPhone 14 也有了紧急情况下的卫星连接功能,另外,在有人不幸遭遇车祸时,手机还能检测出冲击,并自动帮人拨打求救电话。

除此之外,新产品的性能提升似乎有限,占苹果销售额一半的 iPhone 产品线对相机和电池寿命进行了升级,但只有 iPhone Pro 产品线才用上了全新 A16 处理器。

苹果表示,其卫星紧急通讯功能将与救援机构合作。当没有其他网络连接时,用户将能够使用其 FindMy 应用程序通过卫星共享自己的位置。

在华为的竞品手机率先发布后,人们对于卫星通讯功能的费用表示关注。苹果则宣布每个购买 iPhone 14 的用户都可以免费使用卫星功能两年,再往后的价格如何还没有消息,不过看起来手机直连卫星要成为趋势了。

和华为使用北斗三号不同,苹果为 iPhone 14 系列接入的是移动卫星通信公司 Globalstar 的服务,发布会后,该公司正式宣布将成为苹果紧急 SOS 服务的卫星运营商,随之股价大涨。

Globalstar 在 1991 年由高通和 Loral 合资成立,目前其第二代星座由 24 颗低轨道(LEO)卫星组成。苹果表示,iPhone 14 的卫星通讯功能首批仅在美国和加拿大可用。

利用手机传感器、AI 芯片和机器学习算法,iPhone 14 系列手机可以检测使用者遇到的危险情况,并自动报警。

「这是一个我们希望你永远也用不上的功能。」

从之前的各类爆料新闻中,我们都知道今年的 iPhone 把前摄像头刘海改成了药丸,这被认为是 iPhone 14 Pro 最大的升级。

在这一方面,虽然遮挡面积变小了,但是有些时候挖孔位置会挡住你要看的字、下一步要去的地址、敌人的血条…… 不过和安卓手机上类似的设计比,苹果巧妙地把屏幕上的挖孔位置和手机 ui 融合到了一起:

这种被称为「灵动岛」的设计看来会获得人们的广泛接受。

iPhone 14 系列

发布会上,苹果推出了 4 款手机产品,分别是 iPhone 14 和 iPhone 14 Plus,iPhone 14 Pro 和 iPhone 14 Pro Max。

先来看一波参数。iPhone 14 为 6.1 英寸,iPhone 14 Plus 为 6.7 英寸。两款机型依然采用刘海屏,屏幕 AMOLED,刷新率 60Hz,屏幕 HRD 峰值亮度可达 1200 尼特,2,000,000:1 的对比度,支持 IP68 防尘放水。正面采用超瓷晶面板,比其他智能手机更坚固。

颜色上有午夜色、星空色、全新蓝、优雅紫和亮眼红五种选择。两款机型采用 20W PD 快充和 MagSafe 15W 磁吸充电,电池能够满足一整天的续航。存储容量上提供了 128、256 和 512G 三种选择,重量上 14 为 172 克,14 Plus 为 203 克。

这两款机型沿用了去年 iPhone 13 Pro 搭载的 A15 仿生芯片,采用台积电 5nm 工艺。搭载了 5 核 GPU、6 核 CPU(2 个性能核和 4 个能效核)和 16 核 NPU。

影像方面,全新的 1200W 像素后置主摄配备了更大的感光元件、1.9 微米像素尺寸、ƒ/1.5 光圈和传感器位移式光学防抖。超广角摄像头是 1200 万像素,ƒ/2.4 光圈。

前摄搭载了一颗 1200 万像素原深感镜头,ƒ/1.9 光圈,支持自动对焦、视网膜屏闪光灯、深度融合、杜比视界 4K 60fps HDR 以及电影效果 4K 30fps HDR 等。

最后是价格。iPhone 14 国行售价分别为 5999(128G)、6899(256G)和 8699(256G),iPhone 14 Plus 国行售价分别为 6999(128G)、7899(256G)和 9699(512G)。

256G 版比上代贵 100 元,512G 版贵 300 元。另外这一次,苹果放弃了入门级的 iPhone Mini,这意味着起步价也比去年贵了 100 美元。

iPhone 14 系列参数总览。

全新 A16 芯片的 iPhone 14 Pro 系列

来到 iPhone 14 Pro 系列,材质上采用了坚固的手术级不锈钢、超瓷晶面板,支持 IP68 防尘放水。颜色上提供了深空黑、银色、金色和全新的暗紫色。两款机型依然采用了超视网膜 XDR 显示屏,提供两种尺寸,14 Pro 为 6.1 英寸,14 Pro Max 为 6.7 英寸,边框更窄、显示面积更大,支持 120Hz 自适应刷新率。

屏幕支持 1600 尼特的 HDR 峰值亮度,户外峰值亮度更是可达 2000 尼特,成为所有智能手机中最高的峰值亮度。充电方面支持 20W PD 快充和 MagSafe 15W 磁吸充电,重量上 14 Pro 为 206 克,14 Pro Max 为 240 克。

此次外观上采用全新的正面设计,包括全新原深感摄像头,重新设计组件集中在了更小的区域,面积减少了 30%,并首次将距离传感器放在了显示屏后面。

同时在设计时重新思考了用户与手机交互的方式,正面摄像头能够清晰连贯地显示提醒和后台活动,彻底模糊了硬件与软件的边界,苹果称之为「灵动岛」。这一新的空间具有高度自适应性,能够扩展成不同的形态,动画和过渡非常自然。上文已有动态展示,这里不再赘述。

影像方面相较 iPhone 14 系列有了大幅提升。后置采用全焦段三摄设计,主摄升级为 4800 万像素,最高 4 倍分辨率,24 毫米焦距,迄今为止最大的四合一像素传感器(较 13 Pro 大了 65%),2.44 微米四合一像素,ƒ/1.78 光圈,第二代传感器位移式光学防抖等。

长焦镜头具有 1200 万像素,通过四合一像素传感器实现 2 倍长焦,48 毫米焦距,ƒ/1.78 光圈,7 镜式镜头,第二代传感器位移式光学防抖以及 100% Focus Pixels。此外还支持 3 倍长焦以及 2 倍、3 倍和 6 倍光学变焦。

超广角具有 1200 万像素,支持 1.4 微米像素尺寸,13 毫米焦距,ƒ/2.2 光圈,120° 视角,六镜式镜头和 100% Focus Pixels。

处理器方面,iPhone 14 Pro 系列搭载了全新的 A16 芯片,这代芯片的提升主要在能耗、显示和摄像能力上有提升。

A16 拥有 160 亿晶体管,2 大核 4 小核设计,采用了台积电最先进的 4 纳米制程工艺打造。苹果表示,A16 的大核功耗比上代降低 20%,小核跟业界竞品相比,只需要 1/3 的功耗就能实现同样的速度。

新的 16 核 Neural Engine 每秒可以输出接近 17 TOPS 的算力(上代为 15.8TOPS),5 核 GPU 显存带宽增加 50%,新增的 Display Engine 可以让 Aways-On Display、超高亮度显示和抗锯齿处理等任务的速度更快。

在照相任务中,CPU、GPU、Neural Engine 和 ISP 合力可以为每张照片输出最多 4 万亿 ops 的算力。

至于具体速度如何?在发布会中,苹果比较的是 2019 年的 A13 芯片,可见常规性能提升有限。

当然,即使苹果挤牙膏,安卓手机上的芯片也不够打的。

iPhone 14 Pro 的价格同样也是基础版原价,国行起售价分别是 7999 元和 8999 元,256G 涨价 100 元,512G 涨价 300 元,1T 版涨价 500 元。

苹果今天发布的 iPhone 14、iPhone 14 Pro 和 iPhone 14 Pro Max 将在 9 月 9 日晚 20 点开始预售,9 月 16 日正式开卖。iPhone 14 Plus 则将会在 10 月 7 日正式开售。

参考内容:

https://www.youtube.com/watch?v=ux6zXguiqxM

https://www.reuters.com/technology/apples-new-iphones-watches-are-coming-tough-time-consumers-2022-09-07/

https://www.theverge.com/23341046/apple-iphone-14-plus-pro-max-notch-event-announcements-watch-8-se-ultra-airpods-pro

掌握「声纹识别技术」:前20小时交给我,后9980小时……

《声纹识别:从理论到编程实战》中文课上线,由谷歌声纹团队负责人王泉博士主讲。

课程视频内容共 12 小时,着重介绍基于深度学习的声纹识别系统,包括大量学术界与产业界的最新研究成果。

同时课程配有 32 次课后测验、10 次编程练习、10 次大作业,确保课程结束时可以亲自上手从零搭建一个完整的声纹识别系统。

点击阅读原文,了解更多课程内容。

© THE END 

转载请联系本公众号获得授权

投稿或寻求报道:content@jiqizhixin.com

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2022-09-08,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 机器之心 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
暂无评论
推荐阅读
编辑精选文章
换一批
论文阅读8-----基于强化学习的推荐系统
With the recent prevalence of Reinforcement Learning (RL), there have been tremendous interests in developing RL-based recommender systems.
邵维奇
2021/01/18
1.1K1
论文阅读13-----基于强化学习的推荐系统
Applying reinforcement learning (RL) in recommender systems is attractive but costly due to the constraint of the interaction with
邵维奇
2021/01/21
1K0
论文阅读14-----强化学习在推荐系统中的应用
There are great interests as well as many challenges in applying reinforcement learning (RL) to recommendation systems. In this setting, an online user is the environment; neither the reward function nor the environment dynamics are clearly defined, making the application of RL challenging.
邵维奇
2021/01/22
9851
论文阅读9-----基于强化学习的推荐系统
With the recent advances in Reinforcement Learning (RL),there have been tremendous interests in employing RL fo recommender systems. However, directly training and evaluating a new RL-based recommendation algorithm needs to
邵维奇
2021/01/18
7120
论文阅读5-----基于强化学习的推荐系统
Recommender systems can mitigate the information overload problem by suggesting users’ personalized items. In real-world recommendations such as e-commerce, a typical interaction between the system and its users is – users are recommended a page of items and provide feedback; and then the system recommends a new page of items. To effectively capture such interaction for recommendations, we need to solve two key problems
邵维奇
2021/01/17
5350
论文阅读4-----基于强化学习的推荐系统
Recommender systems play a crucial role in mitigating the problem of information overload by suggesting users' personalized items or services. The vast majority of traditional recommender systems consider the recommendation procedure as a static process and make recommendations following a fixed strategy.
邵维奇
2021/01/16
7250
论文阅读10-----基于强化学习的互联网应用
With the recent prevalence of Reinforcement Learning (RL), there have been tremendous interests in utilizing RL fo
邵维奇
2021/01/19
4940
论文阅读2-----基于强化学习的推荐系统
特别多的状态和动作空间会造成较低的credit assignment problem and low quality reward signal.
邵维奇
2021/01/14
1K1
论文阅读7-----基于强化学习的推荐系统
In this paper, we propose a novel Deep Reinforcement Learning framework for news recommendation.
邵维奇
2021/01/18
6100
论文阅读6-----基于强化学习的推荐系统
Recommender systems play a crucial role in mitigating the problem of information overload by suggesting users’ personalized items or services.
邵维奇
2021/01/18
5671
论文阅读3-----基于强化学习的推荐系统
problems in recommendation: a complex user state space (但好在有很多隐式的数据可以使用)
邵维奇
2021/01/15
1.1K0
【论文推荐】最新5篇深度强化学习相关论文推荐—经验驱动的网络、自动数据库管理、双光技术推荐系统、UAVs、多代理竞争对手
【导读】专知内容组整理了最近强化学习相关文章,为大家进行介绍,欢迎查看! 1. Experience-driven Networking: A Deep Reinforcement Learning based Approach(经验驱动的网络:一种基于深度强化学习的方法) ---- ---- 作者:Zhiyuan Xu,Jian Tang,Jingsong Meng,Weiyi Zhang,Yanzhi Wang,Chi Harold Liu,Dejun Yang 摘要:Modern communicat
WZEARW
2018/04/13
4.5K0
【论文推荐】最新5篇深度强化学习相关论文推荐—经验驱动的网络、自动数据库管理、双光技术推荐系统、UAVs、多代理竞争对手
强化学习推荐系统的模型结构与特点总结
提到强化学习,似乎总给人一种难以训练且难以落地的感觉。但是听大佬说,企业里强化学习推荐系统(RLRS)落地的例子其实已经有不少,不过一般都没有公开细节。现有公开且知名的RLRS技术分享有:
石晓文
2021/03/24
1.2K0
强化学习推荐系统的模型结构与特点总结
【论文推荐】了解《通信强化学习》必看的6篇论文(附打包下载地址)
“SFFAI136期来自北京邮电大学的于会涵推荐的文章主要关注于深度强化学习的通信强化学习领域,你可以认真阅读讲者推荐的论文,来与讲者及同行线上交流哦。”
马上科普尚尚
2022/02/24
4240
【论文推荐】了解《通信强化学习》必看的6篇论文(附打包下载地址)
从这篇YouTube论文,剖析强化学习在工业级场景推荐系统中的应用
【导读】本文作者根据两篇工业界背景的论文解答了 RL 在推荐场景需要解决的问题与困难,以及入门需要学习得相关知识点。
AI科技大本营
2019/09/03
3.2K1
从这篇YouTube论文,剖析强化学习在工业级场景推荐系统中的应用
【论文推荐】最新5篇推荐系统相关论文—文档向量矩阵分解、异构网络融合、树结构深度模型、深度强化学习、负二项矩阵分解
【导读】专知内容组整理了最近五篇推荐系统(Recommender System)相关文章,为大家进行介绍,欢迎查看! 1. ParVecMF: A Paragraph Vector-based Matrix Factorization Recommender System(ParVecMF:基于文档向量矩阵分解模型的推荐系统) ---- ---- 作者:Georgios Alexandridis,Georgios Siolas,Andreas Stafylopatis 摘要:Review-based rec
WZEARW
2018/04/13
1.2K0
【论文推荐】最新5篇推荐系统相关论文—文档向量矩阵分解、异构网络融合、树结构深度模型、深度强化学习、负二项矩阵分解
ICLR2023推荐系统论文整理
ICLR国际表征学习大会是深度学习领域的顶级会议。本次会议共收到4956篇论文投稿,接收1574篇,本届会议录用率约为30%。其中涉及推荐系统相关论文5篇,特此整理出来以供大家学习。
张小磊
2023/08/22
4480
ICLR2023推荐系统论文整理
论文周报 | 推荐系统领域最新研究进展,含WWW, SIGIR, AAAI等顶会论文
本文精选了上周(0508-0514)最新发布的24篇推荐系统相关论文,主要研究方向包括大型语言模型赋能推荐系统、对话推荐系统、图推荐系统、隐私保护推荐系统、工业界推荐系统(来自谷歌、亚马逊、阿里)等。
张小磊
2023/08/22
3450
论文周报 | 推荐系统领域最新研究进展,含WWW, SIGIR, AAAI等顶会论文
强化学习大规模应用还远吗?Youtube推荐已强势上线
凡是Google出品,必属精品。遥想当年(其实也就近在2016),YoutubeDNN[1]以及WDL[2]的横空出世引领了推荐系统以及CTR预估工业界潮流至今,掀起了召回层与排序层算法大规模优雅而高效地升级深度学习模型的浪潮。发展至今其实已经形成了工业界推荐系统与广告CTR预估的庞大家族群,具体可以参见下文中的家族图谱。
AI科技大本营
2019/07/12
9550
强化学习大规模应用还远吗?Youtube推荐已强势上线
论文周报 | 推荐系统领域最新研究进展,含CVPR, SIGIR, KDD等顶会论文
本文精选了上周(0612-0618)最新发布的19篇推荐系统相关论文,主要研究方向包括语言指导的音乐推荐系统、基于扩散模型的推荐系统、字体推荐系统、来自谷歌的推荐中的排序探究、语音对话推荐系统、大型语言模型赋能推荐系统综述等。
张小磊
2023/08/22
9120
论文周报 | 推荐系统领域最新研究进展,含CVPR, SIGIR, KDD等顶会论文
推荐阅读
论文阅读8-----基于强化学习的推荐系统
1.1K1
论文阅读13-----基于强化学习的推荐系统
1K0
论文阅读14-----强化学习在推荐系统中的应用
9851
论文阅读9-----基于强化学习的推荐系统
7120
论文阅读5-----基于强化学习的推荐系统
5350
论文阅读4-----基于强化学习的推荐系统
7250
论文阅读10-----基于强化学习的互联网应用
4940
论文阅读2-----基于强化学习的推荐系统
1K1
论文阅读7-----基于强化学习的推荐系统
6100
论文阅读6-----基于强化学习的推荐系统
5671
论文阅读3-----基于强化学习的推荐系统
1.1K0
【论文推荐】最新5篇深度强化学习相关论文推荐—经验驱动的网络、自动数据库管理、双光技术推荐系统、UAVs、多代理竞争对手
4.5K0
强化学习推荐系统的模型结构与特点总结
1.2K0
【论文推荐】了解《通信强化学习》必看的6篇论文(附打包下载地址)
4240
从这篇YouTube论文,剖析强化学习在工业级场景推荐系统中的应用
3.2K1
【论文推荐】最新5篇推荐系统相关论文—文档向量矩阵分解、异构网络融合、树结构深度模型、深度强化学习、负二项矩阵分解
1.2K0
ICLR2023推荐系统论文整理
4480
论文周报 | 推荐系统领域最新研究进展,含WWW, SIGIR, AAAI等顶会论文
3450
强化学习大规模应用还远吗?Youtube推荐已强势上线
9550
论文周报 | 推荐系统领域最新研究进展,含CVPR, SIGIR, KDD等顶会论文
9120
相关推荐
论文阅读8-----基于强化学习的推荐系统
更多 >
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档