20多年前,随着中国手机市场的崛起,一大批国产手机厂商如雨后春笋般涌现。在这个大背景下,1998年,中兴通讯手机产品部成立,并正式进军手机市场;2002年底,中兴手机事业部正式成立,也拉开了中兴征战手机市场的序幕。
20多年里,中兴给消费者带来过惊喜,也有过沉寂,近期,中兴手机正在重回大众视线。2021年第一季度财报显示,中兴通讯当季实现营业收入262.4亿元人民币,同比增长22.1%,这优异的成绩是中兴通讯“掌门”倪飞回归后交出的一张答卷。
2020年6月,倪飞回归中兴通讯,担任中兴通讯终端事业部总经理(现任中兴通讯高级副总裁、终端事业部总裁),并全面负责中兴终端业务。目前,倪飞同时运作了三个品牌——中兴、努比亚与红魔,在产品、品牌、渠道的多重发力下,过去一季度,中兴消费者业务相比去年增长超过60%,5G CPE产品发货全球第一,终端产品已经全球累计发货超5亿台。
从中兴S30系列到中兴Axon 30 Ultra,中兴通讯新品频发,为消费者带来更多的选择,同时也带来了更多的创新与更佳的体验。
今日,全新一代屏下摄像手机中兴Axon 30 5G正式发布,倪飞在发布会上表示,未来智能手机演进的两个方向就是屏幕和影像,屏幕的演进方向,就是屏下摄像手机的产品形态。中兴坚定在屏下摄像技术方面进行创新性研究,并更加坚定的进行屏下摄像手机这个品类的产品化和规模商用化的推进。
作为中兴手机重磅力作,中兴Axon 30 5G屏下摄像技术进一步升级,相比中兴Axon 20(中兴第一代屏下摄像手机),中兴Axon 30 5G有着跨越式的提升将为用户带来革命性的全面屏视觉体验。
视觉的进化 极致的体验
全屏实力——这是中兴Axon 30 5G所追求的目标,先来看看这块“屏”,中兴Axon 30 5G是全球首款配备120Hz高刷新率的屏下摄像手机,支持360Hz触控采样率。6.92英寸AMOLED超大天幕全景屏具备10.7亿色显示,20.5:9 的影院级荧幕比例,匹配DTS:X® Ultra沉浸式3D音频技术,带来高品质观影体验。此外,作为全球首款通过德国莱茵TUV、瑞士SGS、美国UL三大权威护眼认证的手机,新机可降低蓝光辐射,支持DC调光,有效减少屏幕闪烁带来的视觉疲劳。
中兴Axon 30 5G依托屏幕像素、电路、独立屏显芯片、材料、前摄、算法6大核心技术,实现前摄隐形、屏幕显示和拍摄效果质的飞跃。
硬件的升级 旗舰的配置
硬件方面,中兴Axon 30 5G也做了全方位的升级。
中兴Axon 30 5G拥有黑曜、青莹、轻咖素皮、冠军版四种配色可选。即日起中兴Axon 30 5G将在中兴商城、京东、天猫、苏宁、抖音、快手、拼多多、浦惠到家等平台开启预售/预约,并于8月3日全渠道正式开售。同时,中兴还推出了真混合全场景主动降噪TWS耳机新品ZTE LiveBuds Pro,以及超长续航、轻巧机身的TWS耳机ZTE Buds。
倪飞表示,中兴终端一直致力于前沿科技的持续开发和应用,让技术离消费者更近。未来中兴将继续发挥5G核心优势,并以技术创新为重要支点,为全球消费者带来更多超越期待的产品。
好文章,需要你的鼓励
来自香港科技大学和MiniMax的研究团队开发了SynLogic,一个可合成35种逻辑推理任务的框架与数据集,填补了AI逻辑训练资源缺口。研究表明,在SynLogic上进行强化学习训练显著提升了模型逻辑推理能力,32B模型在BBEH测试中超越了DeepSeek-R1-Distill模型6个百分点。更值得注意的是,将SynLogic与数学和编程数据混合训练不仅提高了这些领域的学习效率,还增强了模型的泛化能力,表明逻辑推理是构建通用AI推理能力的重要基础。
这项研究揭示了大型语言模型的惊人能力:只需两个特殊训练的向量,冻结的语言模型就能在一次计算中生成数百个准确词汇,而非传统的逐词生成。研究者发现,这种能力要求特定的输入排列方式,且生成速度比自回归方法快约279倍。这一发现不仅展示了语言模型未被充分探索的并行生成潜力,还为快速文本重建开辟了新方向。
腾讯混元团队提出的"ConciseR"是一种通过两阶段强化学习实现大模型简洁推理的新方法。研究遵循"先走后跑"原则,先确保模型具备准确推理能力,再优化输出简洁性。第一阶段通过改进的群体相对策略优化(GRPO++)提升推理能力,第二阶段通过长度感知的群体相对策略优化(L-GRPO)减少输出长度。实验结果显示,该方法在AIME、MATH-500等多个基准测试中既减少了输出长度(平均20%以上),又保持或提高了准确率,展现出高效率-高准确率的理想平衡。
这项由香港科技大学团队开展的研究首次全面评估了压缩对大语言模型Agent能力的影响。研究发现,虽然4位量化能较好地保留工作流生成和工具使用能力(仅下降1%-3%),但在实际应用中性能下降达10%-15%。团队提出的ACBench基准测试横跨工具使用、工作流生成、长文本理解和实际应用四大能力,评估了不同压缩方法对15种模型的影响。结果显示,AWQ量化效果最佳,蒸馏模型在Agent任务上表现不佳,大型模型对压缩更具韧性。研究还提出ERank等创新分析方法,为实际部署提供了切实指导。