8 月 25 日,智能穿戴厂商华米科技官方宣布,Amazfit X 概念智能手表已正式上线有品众筹。Amazfit X 官方售价 1999 元,众筹价格仅需 999 元。Amazfit X 概念智能手表秉承着 “探索未来” 的产品理念,创新性使用了一块 3D 曲面屏,搭配一体化钛金属机身,构造出属于智能手表的全新形态。
Amazfit X 概念智能手表是华米科技 Amazfit 品牌 X 系列的首款产品,自 19 年 8 月发布以来,因其极具未来感的设计理念和精湛领先的制作工艺,备受期待与关注。今年 4 月,Amazfit X 概念智能手表上线海外众筹,众筹总额高达 196 万美元。如今,Amazfit X 以 999 元的超低价格上线有品众筹,既是华米科技对国内粉丝期待的回应,也是对之前发布会承诺的兑现。
Amazfit X 概念智能手表采用曲线设计,突破性地搭载了一块 2.07 英寸高清炫彩 3D AMOLED 曲面屏,像素密度 326 ppi,色彩饱和度高达 100% NTSC。既拥有旗舰级手表的屏幕显示素质,清晰绚丽;更突破了 Amazfit 智能穿戴设备的显示极限,将手表的显示区域从手腕表面延伸到两端曲面,有效解决手腕空间与显示面积的矛盾,展示更多的内容和信息。同时为了搭配这块 3D曲面屏,Amazfit X屏幕玻璃采用 3D 热弯工艺,通过 700℃ 高温加热及 6 道热弯工艺,让玻璃达到 92° 的超大弧度。
表身部分,Amazfit X 使用了在可穿戴设备上罕见的一体式钛合金设计,并加入全新设计的压感按键,让整体更加自然。由于钛金属兼具低密度、高强度和生物相容性高的优点,让 Amazfit X最大程度契合手腕,带来最舒适的佩戴体验。
为了勾勒这道完美的弧线,华米科技为 Amazfit X 配备了一块弯曲锂电池,不仅突破传统空间的局限,更带来充沛的电量,提供 7 天的长久续航,充一次电,即可使用一整周。
Amazfit X的科技感不仅停留于外表,还体现在其健康方面的强大功能。手表搭载华米科技全新自研的 BioTracker™ 2 PPG 可穿戴生物追踪光学传感器,能够实现对心率、血氧以及 PAI 健康评估系统等等的数据采集。值得一提的是,对于与人体健康息息相关的血氧饱和度,华米科技曾在今年6 月的首届 AI 创新大会上推出了血氧数据 AI 生物引擎 OxygenBeats™。通过OxygenBeats™,Amazfit X 智能手表可以实现高精确度、高成功率的血氧饱和度测量。
运动方面,Amazfit X 概念智能手表内置 GPS 模块,支持 50 米游泳防水,并搭载运动自动甄别功能,搭配 GPS+GLONASS 双星定位,能够自动识别多种运动模式,提示用户捕捉运动数据,让运动记录更简单,更智能。
得益于 NFC 功能的加持,当在 Amazfit X 上开通公交卡功能后,便可用来乘坐公交地铁,还可在通过实名认证后使用门卡模拟功能,将手表作为门禁卡使用。
极具未来感的弧形曲面机身设计,带来颜值以及佩戴上的全新感官体验;丰富专业的健康、运动功能,能够帮助你高效工作健康生活;突破性的设计以及功能亮点,让 Amazfit X 智能手表脱颖而出,真正配得上 “ 来自未来的手表 ” 的称号,也让 Amazfit X 概念智能手表为智能可穿戴产业的未来,探索更多的可能性。
现在,Amazfit X 已经正式上线小米有品众筹,众筹价 999 元,对比官方售价 1999 元可谓诚意满满,喜欢的朋友不妨前去选购。
好文章,需要你的鼓励
CoreWeave发布AI对象存储服务,采用本地对象传输加速器(LOTA)技术,可在全球范围内高速传输对象数据,无出口费用或请求交易分层费用。该技术通过智能代理在每个GPU节点上加速数据传输,提供高达每GPU 7 GBps的吞吐量,可扩展至数十万个GPU。服务采用三层自动定价模式,为客户的AI工作负载降低超过75%的存储成本。
IDEA研究院等机构联合开发了ToG-3智能推理系统,通过多智能体协作和双重进化机制,让AI能像人类专家团队一样动态思考和学习。该系统在复杂推理任务上表现优异,能用较小模型达到卓越性能,为AI技术的普及应用开辟了新路径,在教育、医疗、商业决策等领域具有广阔应用前景。
谷歌DeepMind与核聚变初创公司CFS合作,运用先进AI模型帮助管理和改进即将发布的Sparc反应堆。DeepMind开发了名为Torax的专用软件来模拟等离子体,结合强化学习等AI技术寻找最佳核聚变控制方式。核聚变被视为清洁能源的圣杯,可提供几乎无限的零碳排放能源。谷歌已投资CFS并承诺购买其200兆瓦电力。
上海人工智能实验室提出SPARK框架,创新性地让AI模型在学习推理的同时学会自我评判,通过回收训练数据建立策略与奖励的协同进化机制。实验显示,该方法在数学推理、奖励评判和通用能力上分别提升9.7%、12.1%和1.5%,且训练成本仅为传统方法的一半,展现出强大的泛化能力和自我反思能力。