Apple Intelligence深夜炸场!苹果发布4颗自研芯片,iPhone/iWatch/AirPods大升级

今年 6 月,苹果在 WWDC 上正式推出 Apple Intelligence。消息发布次日,苹果股价在盘中突破 200 美元大关,创 2022 年 11 月 10 日以来最大涨幅,截至收盘,苹果总市值升至 3.18 万亿美元(约合人民币 23 万亿)。

从某种程度上来看,Apple Intelligence 的亮相令市场对苹果重拾信心。有分析人士指出,在 AI 的加持下,这一轮暴涨或许是市场对苹果的重新定价。

今天(9 月 10 日),时隔 3 个月,在一年一度的苹果秋季发布会上,人们的期待也不止于新机升级,而是更加关注 Apple Intelligence 的能力边界,Tim Cook 也没令大家失望,「Apple Intelligence」贯穿始终,成为了 iPhone 16 系列手机、AirPods 和 Apple Watch 功能升级的基础。

值得一提的是,苹果自研芯片也迎来重大更新,从 Apple Watch 采用的 S10 芯片,到 AirPods 使用的 H2 芯片,再到 iPhone 搭载的 A18 和 A18 Pro,创下了多个「行业之最」。

为Apple Intelligence打造的iPhone

据悉,iPhone 16 从底层设计开始就是为了 Apple Intelligence 而量身打造的。据此也不难看出,苹果希望借由 Apple Intelligence 提升其 iPhone 市场占有率的决心,势必要掀起一轮「换机潮」。

在软件方面,苹果将 Apple Intelligence 深度集成到 iOS 中,在用户常用的文本与表情符号方面都实现了智能应用的重大升级。例如,Apple Intelligence 能够将用户匆忙写下的笔记改写为表述更为专业严肃的晚宴邀请函;还能概括短信、邮件等通知项的核心内容,为用户提供摘要,从而快速处理任务;此外,用户还可以通过输入描述来创建新的表情符号等等。

在图片及视频方面,基于 Apple Intelligence,用户能够通过文字描述来定位过往拍摄的照片,只需要输入场景描述,不需要确切的时间和地点,便能够搜寻到对应图片。

在这里插入图片描述

进一步地,Apple Intelligence 的加持也令一贯被诟病「人工智障」的 Siri 变得更加智能化。Siri 实现了更加智能的上下文语言理解能力,即使用户表述并不流畅,或是有语句重复、颠倒,Siri 也能给出准确的回答。基于此,Siri 的使用场景也得到了升级,例如,用户可以通过唤醒 Siri 进行图库重复照片的删除;播放特定专辑;发送指定照片给朋友等等。

苹果表示,为了推动更多 iPhone 的个性化智能发展,他们正努力将 Apple Intelligence 扩展到更多语言,如中文、法文、日文和西班牙文,这些或许将在明年陆续落地 Apple Intelligence。

A18 芯片:CPU 提升 30%、GPU 提升 40%

为了支持强大的 Apple Intelligence,iPhone 16 搭载的芯片自然也不能拖后腿,苹果自研芯片「一下向前飞跃两代」,A18 及 A18 Pro 实现了性能的跃迁。

首先,A18 芯片采用第二代 3 纳米工艺打造,拥有更小的晶体管,A18/A18 Pro 也是全球首批采用第二代 3 纳米工艺的手机芯片。同时,A18 采用 6 核 CPU 架构,包括 2 个高性能核心和 4 个能效核心。

在这里插入图片描述

相较于 iPhone 15 搭载的 A16 仿生芯片,A18 的运行速度提升了高达 30%,而相较于 iPhone 12 的 A14 更是实现了 60% 的显著增速。此外,A18 还配备了桌面级 GPU 架构,拥有 5 核 GPU,性能比 iPhone 15 快 40%,是 iPhone 12 的 2 倍,同时能效也更高,能在降低 35% 功耗的同时保持相同的性能表现。

除了 CPU 和 GPU 的升级外,A18 还配备了 16 核神经引擎,为运行大型生成式模型进行了优化,与上一代相比,A18 在机器学习任务上的处理速度可提升至原来的 2 倍。此外,A18 还拥有比前代多 17% 的系统内存带宽,这意味着其能够更高效地访问生成式模型。

A18 Pro 芯片则是为 iPhone 16 Pro 系列量身打造,搭载 2 个高性能核心和 4 个能效核心,相比 A17 Pro,该芯片处理速度提升高达 15%,而在保持相同性能输出的同时,能耗却降低了 20%。在图形处理方面,A18 Pro 采用全新的 6 核 GPU 架构,相比 A17 Pro 提升了 20% 的性能。同时,该芯片还具备强大的视频编码能力,支持双倍数据处理速度。

最大、最薄、最快!Apple Watch 十周年献礼

据苹果介绍,Apple Watch Series 10 拥有迄今为止最大的显示屏和最薄的设计,屏幕面积增加 30%,其厚度仅为 9.7 毫米,比 Series 9 薄了近 10%,此外,它还配备了更大、更高效的充电线圈,成为迄今为止充电速度最快的 Apple Watch,30 分钟即可充电至 80%。

在这里插入图片描述

更重要的是,Series 10 内部搭载了定制的 S10 芯片,基于 Transformer 模型,Apple Watch Series 10 能够更快地处理机器学习任务,承载更加丰富的智能功能,例如 Siri 听写、自动运动检测、碰撞检测、跌倒检测等等,用户可以利用机器学习来识别滑倒、绊倒和跌倒时的运动特征和冲击力。当然,智能化还驱动了 Apple Watch 上更多的健康功能,比如提醒用户服药、在检测到心房颤动等心脏异常时通知用户、检测低血糖症状等。

在这里插入图片描述

此外,Series 10 还能检测睡眠呼吸暂停,即通过分析呼吸扰动数据,在数据显示为中度、重度睡眠呼吸暂停时通知用户,该检测基于机器学习和大量的临床级睡眠呼吸暂停测试数据集,在大规模临床研究中得到了验证,预计将于本月在全球 150 多个国家和地区推出,包括美国、欧洲和日本。

H2 芯片加持,打造个性化声音服务

据悉,为了优化耳机的形态,苹果使用先进的建模工具,精准绘制并分析了数千种耳型,构建了超过 5,000 万个独立的数据点,最终设计出了让用户佩戴更加舒适的 AirPods。苹果称其为有史以来最好的开放式 AirPods,具有颠覆性的音频性能。

AirPods 4 搭载的 H2 芯片是「耳机领域最先进的芯片」,能够与驱动单元和放大器协作,进一步提升音频体验和通话音质。同时,基于机器学习,AirPods 4 能够实现个性化空间音频、带语音隔离的主动降噪、Siri 交互等诸多功能。比如,让用户以身临其境的方式体验音乐、电影和游戏;无论身处何种环境,语音隔离功能都能立即消除周围的背景噪音;与 Siri 交流时,用户只需点头表示「是」或摇头表示「否」,即可进行回应。

在这里插入图片描述

此外,AirPods Pro 配备了业界领先的主动降噪技术,专为那些身处喧嚣环境、面临听力受损风险的人群设计。具体而言,当用户处于嘈杂的环境是时,AirPods Pro 内的智能机器学习系统能够每秒降低高达 48,000 次的高强度及间歇性噪音,有效守护用户的听力健康。

写在最后:新品价格汇总

据悉,苹果本次发布会推出的多款新品已经或即将在全球各大市场开放销售,为了帮助大家更清晰地规划预算,小编特意汇总了这些产品的详细价格信息,以供大家参考。

在备受瞩目的 iPhone 系列 4 款产品中,iPhone 16、iPhone 16 Plus、iPhone 16 Pro、iPhone 16 Pro Max 起售价分别为 799 美元、899 美元、999 美元、1199 美元。

在这里插入图片描述

在健康监测方面实现重大升级的智能手表 Apple Watch Series 10 起售价为 399 美元。

在这里插入图片描述

最后,耳机新品 AirPods 4 普通版售价为 129 美元,主动降噪版售价为 179 美元。

在这里插入图片描述

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.rhkb.cn/news/420302.html

如若内容造成侵权/违法违规/事实不符,请联系长河编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

通信工程学习:什么是IP-CAN(IP连接接入网)

IP-CAN:IP连接接入网 IP-CAN(IP连接接入网)是一个通过IP实现用户设备(UE)与IP多媒体子系统(IMS)实体之间连通的网络实体和接口的集合。以下是对IP-CAN的详细解释: 一、定义与概述 1…

深度学习实战87-高中数学自适应测试系统研究与应用研发,前后台页面设计

大家好,我是微学AI ,今天给大家介绍一下深度学习实战87-高中数学自适应测试系统研究与应用研发,前后台页面设计。高中数学自适应测试系统旨在通过精准评估学生能力,用最少的题目发现其薄弱环节,并提供定制化的学习计划,帮助学生快速提升成绩。同时,系统结合了AI大模型实现…

WinCC 中对 VBS 进行单步执行调试

以前应该写过文章给各位展示如何在WinCC 中通过自身控件对脚本(C、VBS)进行脚本诊断和排错。但是也有用户反馈说在编写了一些相对复杂的脚本后,WinCC自身控件无法做到单步调试,也会影响脚本的诊断调试效率。如果能够对WinCC 中的脚…

在Linux中从视频流截取图片帧(ffmpeg )

Linux依赖说明: 说明: 使用到的 依赖包 1. ffmpegsudo apt update sudo apt-get install ffmpeg2. imagemagick (选装) (检测图像边缘信息推断清晰度,如果是简单截取但个图像帧>用不到<)sudo apt-get install imagemagick备注: 指令及相关参数说明核心指令: (作用: 执…

WRF-LES与PALM微尺度气象大涡模拟、PALM静态数据预备、PALM驱动数据预报、PALM模拟

查看原文>>>WRF-LES与PALM微尺度气象大涡模拟及ChatGPT在大气科学领域应用 针对微尺度气象的复杂性&#xff0c;大涡模拟&#xff08;LES&#xff09;提供了一种无可比拟的解决方案。微尺度气象学涉及对小范围内的大气过程进行精确模拟&#xff0c;这些过程往往与天气…

Parsec无法使用、访问、连接、被墙、被封、800报错解决方案 完美平替软件

最近Parsec出现无法使用、报错等问题&#xff0c;话不多说先上解决办法 方案一&#xff1a;在%appdata%/Parsec/config.txt中&#xff0c;添加代理 app_proxy_address 127.0.0.1 app_proxy_scheme http app_proxy true app_proxy_port 你的http代理端口 方案二&#xff1a;…

计算机网络 第2章 物理层

文章目录 通信基础基本概念信道的极限容量编码与调制常用的编码方法常用的调制方法 传输介质双绞线同轴电缆光纤以太网对有限传输介质的命名规则无线传输介质物理层接口的特性 物理层设备中继器集线器一些特性 物理层任务&#xff1a;实现相邻节点之间比特&#xff08;0或1&…

嘿嘿 解决了Dev C++ 中文乱码(有效版)

这是博主第一篇博客&#xff01;记录一下博主的小小小小解决史&#xff01; 很早就下载用了Dev c &#xff0c;但现在隔了很长时间没去用过了再次打开发现出现中文乱码的现象&#xff01;在网站上翻阅了许久&#xff01;终于解决了问题&#xff01;困扰了许久&#xff01; ——…

Java easypoi导出word表格显示

1.成品 2.依赖 <dependency><groupId>org.apache.poi</groupId><artifactId>poi</artifactId><version>4.1.1</version></dependency><dependency><groupId>org.apache.poi</groupId><artifactId>poi…

LabVIEW制系统开发流程介绍

在开发一个LabVIEW电机控制系统时&#xff0c;尤其是涉及多种类型的电机并需实现本地与远程控制时&#xff0c;合理的开发顺序是确保项目高效完成且返工最少的关键。下面介绍如何按照系统需求分阶段开发&#xff0c;从而保障开发的速度与质量&#xff0c;减少返工的风险。 开发…

RAG+Agent在实际业务落地案例分享+项目推荐

RAG+Agent在实际业务落地案例分享+项目推荐 大模型架构的经典分层,即:应用层、工具层、模型层 & AI Infra: 应用层 - 大模型应用:主要以 RAG&AI Agent 初代的模式透出,主要的落地场景包括内部数据分析 - GBI 即生成式 BI、研发辅助提效 - 生成式 Code、面向外部用…

《垃圾回收的算法与实现》-算法-摘抄

本文是书籍《垃圾回收的算法与实现》的摘抄&#xff0c;不涉及算法源码及步骤讲解模块。 预备 对象由头(header)和域(field)构成。 头&#xff1a;对象中保存对象本身信息的部分&#xff0c;主要含有以下信息&#xff1a;对象的大小和种类。 域&#xff1a;对象使用者在对象…

Veeam中国区“十年换四帅”

数据保护厂商Veeam登顶了&#xff01; 傲视群雄 8月&#xff0c;Gartner《2023年全球企业备份和恢复软件市场份额分析报告》显示&#xff0c;Veeam市场占有率居所有厂商中的第一位——其市场份额为15.1%&#xff0c;收入为15亿美元&#xff0c;2023年相比2022年增长11.8%。 数据…

深度学习(七)-计算机视觉基础

计算机视觉 计算机视觉在广义上是和图像相关的技术总称。包括图像的采集获取&#xff0c;图 像的压缩编码&#xff0c;图像的存储和传输&#xff0c;图像的合成&#xff0c;三维图像重建&#xff0c;图像增强&#xff0c;图像修复&#xff0c;图像的分类和识别&#xff0c;目…

Adobe Illustrator非矢量图片的交集利用剪切蒙版实现

AI不支持对于非矢量图片的交集处理&#xff0c;但是可以通过剪切蒙版类似地实现需求。 如下图&#xff0c;字母F是一张PNG图片&#xff0c;为位图文件&#xff08;非矢量&#xff09;。 现在我需要将这种图片与黑色的矩形求交&#xff1a; 将两个目标全部选中&#xff0c;鼠标…

安宝特案例 | AR如何大幅提升IC封装厂检测效率?

前言&#xff1a;如何提升IC封装厂检测效率&#xff1f; 在现代电子产品的制造过程中&#xff0c;IC封装作为核心环节&#xff0c;涉及到复杂处理流程和严格质量检测。这是一家专注于IC封装的厂商&#xff0c;负责将来自IC制造商的晶圆进行保护、散热和导通处理。整个制程繁琐…

Mysql Innodb存储引擎原理—链接如下

Mysql Innodb存储引擎| ProcessOn免费在线作图,在线流程图,在线思维导图 ProcessOn是一个在线协作绘图平台&#xff0c;为用户提供强大、易用的作图工具&#xff01;支持在线创作流程图、思维导图、组织结构图、网络拓扑图、BPMN、UML图、UI界面原型设计、iOS界面原型设计等。同…

探索有向图与无向图中深度优先搜索(DFS)的边类型——3×3 网格分析

探索有向图与无向图中深度优先搜索(DFS)的边类型——33 网格分析 一、基本概念二、有向图中的 DFS 边类型分析三、有向图 DFS 的 C 代码实现在图的深度优先搜索(DFS)过程中,边的分类对于理解算法的执行流程及其复杂性至关重要。在有向图和无向图中,DFS 过程中遇到的边可以…

基于单片机的水产养殖饲料自动投喂系统

文章目录 前言资料获取设计介绍功能介绍设计清单具体实现截图系统框架图设计获取 前言 &#x1f497;博主介绍&#xff1a;✌全网粉丝10W,CSDN特邀作者、博客专家、CSDN新星计划导师&#xff0c;一名热衷于单片机技术探索与分享的博主、专注于 精通51/STM32/MSP430/AVR等单片机…

【鸿蒙 HarmonyOS NEXT】使用屏幕属性display:获取屏幕宽高

✨本人自己开发的开源项目&#xff1a;土拨鼠充电系统 ✨踩坑不易&#xff0c;还希望各位大佬支持一下&#xff0c;在GitHub给我点个 Start ⭐⭐&#x1f44d;&#x1f44d; ✍GitHub开源项目地址&#x1f449;&#xff1a;https://github.com/cheinlu/groundhog-charging-syst…