至顶网商用办公频道 11月28日 北京消息(文/黄当当)你吃过印有“MatePad”字符的M&M豆吗?那是一股清香的巧克力味,回味甘甜。
就像MatePad Pro。
华为用一场别具匠心的发布会,一统Mate产品线,不仅有Mate系列手机、Mate系列PC,如今Mate系列平板电脑也来了,它就是MatePad Pro。
自然也是一款全面屏产品。
MatePad Pro是华为首款全面屏的平板,屏占比达90%,此次华为还将Matebook上的“多屏协同”功能复制到平板上,搭载EMUI 10的智慧分屏配合多屏协同,可同时展现4个窗口。
更关键的是,操作还非常简单,可通过蓝牙、NFC标签碰一碰、扫描二维码3种方式,手机即可快速“分身”至平板界面,并可在平板界面操作几乎所有手机功能,包括发短信、发语音、操作APP等。
那么问题来了,平板上会保存手机上的记录吗?答案是不会。
只要解除联结,平板上不会留有任何痕迹。与此同时,平板的键盘、鼠标、屏幕、扬声器等“化身”为手机外设,可透过平板的大屏和键盘完成手机所无法承担的复杂编辑工作。
把小屏搬到了大屏,解决了生产效率的问题。但华为对MatePad Pro的定位可远远不止这些。
多屏协同下,华为平板打通的是不同设备之间的效率边界。
正如文件传输,以往我们认为云同步已经很快了,但华为却另辟蹊径,开创了一种更快的传输方式升级,无需通过第三方应用的复杂操作,只需在平板界面通过拖拽即可实现两台设备的双向文件传输。其次是传输内容的升级,通过简单拖拽,无论是文本、图片或文件均可实现快速传输。
为了实现堪比PC的办公体验,华为MatePad Pro基于EMUI10.0.1,推出了智慧分屏,支持同时显示多窗口多任务,通过右侧的dock区,可以拖出最多三个应用,实现同一屏幕同时操作三个应用的便捷体验,为用户带来毫不费力的多应用操作。
同时华为MatePad Pro还带来了更友好的电脑模式,为用户带来熟悉的类PC般的操作界面。
这些都是华为在“屏”上的努力,而背后打通的是不同设备之间的效率隔阂。
谈及效率,性能更是一个不可缺少的关键因素。华为MatePad Pro之所以能实现颠覆性的智慧操作体验,离不开内置的一颗强“芯”脏——麒麟990。作为华为新一代处理器,麒麟990采用7nm工艺制程,拥有三档能效架构CPU,最高主频可达2.86GHz。
GPU方面,麒麟990集成16核Mali-G76 GPU集群,创下华为平板芯片的GPU规azersyfm模之最。与上一代相比,麒麟990的图形处理性能提升39%,能效提升23%。让华为MatePad Pro在颠覆的智慧办公体验之外,也拥有了流畅酷爽的游戏娱乐体验。
值得注意的是,华为MatePad Pro配备了一块7250mAh超大电池,配合麒麟990和EMUI节电技术,可以实现约12小时本地视频播放时长。
MatePad Pro还配备了超强配件,全新HUAWEI M-Pencil手写笔和一体式智能磁吸键盘。前者采用蓝牙自动配对连接,无线磁吸式充电,4096级压感,低至20ms的低延时,后者一体式超轻薄键盘重约260g,采用无感蓝牙连接配对,可实现不同使用需求角度的自由切换。
所以,再单纯看这是一款平板,我更觉得它开启了一种轻办公模式,并不是与手机、PC办公工具的“取代”,而是“互补”。
这或许也是,华为一直在推动并强调的Android平板横屏生态的构建。
好文章,需要你的鼓励
数字孪生技术正在改变网络安全防御模式,从被动响应转向主动预测。这种实时学习演进的虚拟副本让安全团队能够在威胁发生前预见攻击。组织可以在数字孪生环境中预演明日的攻击,将防御从事后反应转变为事前排演。通过动态更新的IT生态系统副本,团队可在真实条件下压力测试防御体系,模拟零日漏洞攻击并制定应对策略,从根本上重塑网络安全实践方式。
NVIDIA联合多所大学开发的Omni-RGPT实现了AI视觉理解的重要突破,首次让AI能同时精准理解图像和视频中用户指定的任何区域。通过独创的Token Mark机制,该系统解决了传统方法在视频中容易"跟丢"目标的问题,在视觉问答、区域描述等多项任务上达到最先进水平,为教育、安防、内容创作等领域的AI应用奠定了基础。
Linux内核开发面临动荡时期,Rust语言引入引发摩擦,多名核心开发者相继离职。文章介绍了三个有趣的替代方案:Managarm是基于微内核的操作系统,支持运行Linux软件;Asterinas采用Rust语言开发,使用新型framekernel架构实现内核隔离;Xous同样基于Rust和微内核设计,已有实际硬件产品Precursor发布。这些项目证明了除Linux之外,还有许多令人兴奋的操作系统研发工作正在进行。
这项由中国人民大学等机构合作完成的研究提出了Virgo系统,发现仅用5000个纯文本推理案例训练就能让AI在视觉推理任务上达到顶级商业系统水平。研究证实推理能力具有跨模态通用性,为更经济高效地开发多模态AI系统指明了新方向,同时也揭示了AI感知反思能力不足的局限性。