原本千差万别,终于没有区别;原本想法不一,终于万众一心。——这句话特别适合如今智能手机的设计理念。曾经,翻盖的、滑动的、旋转的手机设计比比皆是,看到手机正面就能知道这是哪个厂商的哪款手机。而现在,手机的外观更多的是一块四角圆润的轻薄“板砖”。
其实,这与“触控手机”取代“按键手机”的趋势有关,手机厂商都想把屏幕做的更大,带给消费者更好的触控体验以及观看体验,甚至前置摄像头也越做越小,连实体按键都用虚拟按键或手势功能所取代,所以手机厂商更多在手机“背壳”上面下功夫,特殊颜色、渐变色、材质等等。
对于消费者而言,选择手机更多看的也是配置参数,而忽略了外观设计,全屏幕看起来都差不多,至于背壳什么颜色?都套着手机壳,管他呢,还是摄像头像素高点更有用。
这一现象在近期似乎有松动的迹象,原因就是柔性屏的出现。三星、华为、小米、微软等厂商相继推出了折叠屏手机,把手机对着折、横着折,除了屏幕外,可展示的“面”也增多了起来。

昨日,摩托罗拉举办了主题为“合天下 启未来”的新品发布会,并发布了motorola razr刀锋5G折叠手机。其实,自2014年大年夜当天,联想收购“摩托罗拉移动”后,其推出的手机产品大多数都与Moto X有着“传承”关系,背壳的弧度、模块化设计、相似的屏幕外观等等,而这次推出的新品motorola razr刀锋5G折叠手机,致敬的则是摩托罗拉最经典的razr刀锋系列。
razr刀锋系列-宝剑出鞘,锐不可当
自1984年推出世界上第一台手机DynaTAC8000X以来,多年间,摩托罗拉推出了无数款设计优秀的精品手机,其中最为经典的就是2004年推出的刀锋RAZR V3,这款薄如刀锋的V3凭借13.9mm的超薄机身和特殊的凯夫拉航空铝材质,铸就了一代设计经典,一代V3也获了几项设计大奖,并在业界掀起了一股“超薄手机”开发狂潮。
为了迎合超薄手机的潮流趋势,在安卓系统面世之后,曾经的摩托罗拉开始强势回归,曾经的经典设计也终于迸发出耀眼的光芒。2011年,摩托罗拉推出了刀锋延续RAZR XT910,这款仅7.1毫米厚度的三代"V3"再次成为众人瞩目的焦点。

motorola razr刀锋5G折叠手机也是razr刀锋系列的经典延续,其外观形似V3,纤薄机身犹在,再叠加全新折叠屏技术和制造工艺,经典重现razr刀锋系列,也为智能手机日趋同质化的今天,注入了新的“设计”活力。
motorola razr刀锋5G折叠手机-具体参数与功能
motorola razr刀锋5G折叠手机极具辨识度的外观下,也藏着极大的“能量”。
另外,考虑到用户在不同场景下使用需求的改变,razr刀锋5G手机的内外屏支持无缝切换。如在使用外屏开启微信视频时,打开翻盖,视频界面可无缝切换至内屏继续进行视频通话,从而保证在不同使用场景下的延续性,带来了更加顺畅的使用体验。
motorola razr刀锋5G折叠手机-携手电信,深化合作
razr刀锋5G手机作为联想集团和中国电信深度合作、强强联合的精品,将会联合为广大消费者带来超高速、创新性竖式折叠屏全新体验。
中国电信集团有限公司副总经理王国权表示,razr刀锋5G手机的发布,开启了中国电信和联想集团在数字化时代深化合作的新篇章。
联想集团高级副总裁、首席战略官、首席市场官乔健表示,在电信5G网络的加持下,一定会给广大用户带来难忘的使用体验。
中国电信同合作伙伴每年推出的“心系天下”高端深度定制旗舰手机,秉承着“传承、创新、尊贵、思仁”的理念走到如今。这一精神与razr 刀锋5G手机所蕴含的精神内核不谋而合。
据了解,9月10日,razr 刀锋5G手机已开启预售,价格为12499元。9月15日10:00,将正式开始在联想官网、电信营业厅、心系天下门店、摩托罗拉手机京东旗舰店、来酷科技、苏宁、迪信通及各大通讯连锁店开售。
好文章,需要你的鼓励
英特尔携手戴尔以及零克云,通过打造“工作站-AI PC-云端”的协同生态,大幅缩短AI部署流程,助力企业快速实现从想法验证到规模化落地。
意大利ISTI研究院推出Patch-ioner零样本图像描述框架,突破传统局限实现任意区域精确描述。系统将图像拆分为小块,通过智能组合生成从单块到整图的统一描述,无需区域标注数据。创新引入轨迹描述任务,用户可用鼠标画线获得对应区域描述。在四大评测任务中全面超越现有方法,为人机交互开辟新模式。
阿联酋阿布扎比人工智能大学发布全新PAN世界模型,超越传统大语言模型局限。该模型具备通用性、交互性和长期一致性,能深度理解几何和物理规律,通过"物理推理"学习真实世界材料行为。PAN采用生成潜在预测架构,可模拟数千个因果一致步骤,支持分支操作模拟多种可能未来。预计12月初公开发布,有望为机器人、自动驾驶等领域提供低成本合成数据生成。
MIT研究团队发现,AI系统无需严格配对的多模态数据也能显著提升性能。他们开发的UML框架通过参数共享让AI从图像、文本、音频等不同类型数据中学习,即使这些数据间没有直接对应关系。实验显示这种方法在图像分类、音频识别等任务上都超越了单模态系统,并能自发发展出跨模态理解能力,为未来AI应用开辟了新路径。