行业分类:
加载中...
头条分类:
加载中...
苹果发布会最全预测:今晚你的iPhone,会变成这个样子|WWDC2026
苹果 WWDC26 将在北京时间 6 月 9 日 凌晨 1 点举办,爱范儿已经抵达了美国 Apple Park ,我们将现场带来最新报道,敬请关注。 有意思的是,往年 WWDC 展前和来宾会面的都是蒂姆 · 库克,而今年变成了下一任 CEO 约翰 · 特努斯。有消息称,这次 WWDC 也将是库克最后一次主持苹果发布会。 iOS 27:液态玻璃优化,系统小修小补 不管你是否接受「液态玻璃」这套设计语言,iOS 27、iPadOS 27,尤其是 macOS 27,都不会选择把它撤回 虽然液态玻璃不会消失,但会变得更克制、更顺手。 据彭博社透露,目前 iOS 26 的液态玻璃效果,其实还不是苹果内部最初设想中的「完整版」。在 iOS 27 中,苹果会继续调整透明度、层级和动态效果,试图在视觉冲击和信息可读性之间找到新的平衡。 交互逻辑也会继续回调。9to5Mac 报道称,苹果正在重新调整应用底栏设计,整体思路更接近 iOS 18:取消独立搜索按钮,以及部分过度变形的标签栏设计。事实上,这种变化已经率先出现在 App Store 应用中。 与此同时,苹果还会把更多精力放在系统底层优化上。消息称,工程师重新梳理了大量核心代码,希望进一步改善能耗、动画流畅度以及长期使用时的稳定性。 设备支持范围也可能迎来一次「断代」。目前消息显示,iOS 27 最低支持机型或将停留在 iPhone 12 系列与 iPhone SE 3,这意味着 iPhone 11 系列以及更早的 4G 机型,大概率会止步于 iOS 26。 上个月,苹果官方宣布了即将推出的全新无障碍功能,截图中还带到了 iOS 27 一些非常细节的 UI 调整: 统一了电池图标显示样式 麦克风指示灯带有晕影 相机应用,同样会是 iOS 27 改动最大的区域之一。 彭博社爆料,iOS 27 的新相机应用将会提供一个「高级」选项卡,可以调整景深和曝光控制,并提供「基础」「手动」和「预设」的小组件功能,以及新的网格和色阶功能。 除了高级模式,全新的相机应用还能够自定义界面,用户可以选择要不要在主界面显示闪光灯、曝光、计时器等功能图标。 钱包应用将会迎来重大更新:用户可以自己创建卡片,但似乎仅支持导入二维码,而不是 NFC 复制卡片。 今年 9 月,首款可折叠 iPhone 将正式发布,这款产品将搭载 iOS 系统,这也意味着 iOS 27 还将内置一个类似 iPad 的界面,或许今晚的 WWDC 还能看到一些蛛丝马迹,我们也做了一期折叠 iPhone 的猜想,帮你进一步了解这款神秘新机: 自动播放 Apple 智能:SiriGPT 来了,每个角落都有 AI WWDC 上的更多戏份,还是留给了 AI。 对于苹果来说,WWDC26 也将为前两年 Apple 智能各种动荡画上句号,各种画饼终于要兑现了。 尤其是跳票了两年的 AI Siri, 跨 App 信息调用、屏幕内容理解、连续操作执行,以及更深层的系统与应用整合,不再只是演示视频里的未来功能。 在苹果提前公开的无障碍新特性中,有一个「语音控制」的新功能,允许肢体障碍的用户完全通过语音操控 iPhone 和 iPad,不只是打开 App,还能实现更灵活、细节的操作,点击需要的按钮和文件。 彭博社记者 Mark Gurman 透露,这套辅助功能背后,本质上就是 iOS 27 新版 Siri 的核心能力之一。这也意味着,苹果内部可能终于认为:新的 AI Siri,已经到了能够正式推出的阶段。 据悉,新版 Siri 将拥有独立应用,以聊天界面的形式进行交互,并支持理解图片、文档等内容。 除了调用网络信息,「SiriGPT」还能够读取用户本地数据,包括笔记、短信、邮件、联系人、日历以及提醒事项等内容。 Siri 会开始真正理解「你的生活」。它不仅能帮你整理信息,还能主动结合你的时间安排、联系人和网络内容,完成写邮件、整理备忘录、安排日程等更复杂的任务。 当然,苹果也不会彻底改变用户原本的使用习惯。即便拥有独立 App,用户依旧可以通过「嘿 Siri」语音唤醒,或者长按电源键快速呼出 Siri。 新版 Siri 还会有一个全新界面,用来替换 iOS 18 那套发光边缘效果: Siri 直接融入灵动岛之中,并在需要时展开成一个输入框。 苹果甚至还在测试一种全新的 Siri 呼出方式: 用户可以直接从 iPhone 顶部中央下滑,进入一个全新的搜索与询问界面,聚焦「文字交互」,而传统通知中心则改为只能从左上角下滑呼出。 这个新界面会进一步与 Spotlight 搜索整合,不只是搜索入口,更像一个系统级 AI 中枢。 它会显示 Siri 建议内容,包括常用 App、最近搜索记录,以及录制语音备忘录等快捷操作,同时还会提供一个独立区域,用来显示早晚天气等信息。 与此同时,苹果内部一直在测试将第三方 AI 服务接入 Siri 系统之中的「扩展」功能。在 Siri 界面里,未来可能会出现一个独立按钮或菜单,允许用户自由切换不同 AI 模型,例如 ChatGPT、Claude 或 Gemini。 这也意味着,未来的 Siri 很可能不再只是一个单独的助手,而会变成一个「AI 中心」:由苹果负责系统体验,用户可以自己选择 AI 服务。 不止于 Siri,Apple 智能还会进一步渗透到更多苹果第一方应用中。 相机 除了自定义和专业模式,相机应用还会新增一个「Siri 模式」,类似 Apple 智能的「视觉智能」功能,用于识别物体、实时翻译。 照片 「消除」之外,苹果还会进一步加码照片应用的 AI 编辑能力,引入「重构」和「扩展」两个功能:前者可以改变照片的视角,后者相当于 AI 扩图。 苹果还在测试基于自然语言提示的照片编辑功能,用户通过语音或文字提供需求,AI 来帮忙完成,例如裁剪或改变颜色,这个功能大概率不会和 iOS 27 第一个正式版本一起推出。 快捷指令 快捷指令将拥有类似「vibe coding」的能力,用户用自然语言描述想要的功能,AI 自动完成搭建和安装。 更多 AI 功能 iOS 27 还将包含 AI 壁纸、系统级 AI 校对工具,以及更强的「图乐园」AI 生图应用。 在苹果第一方邮件、短信、Safari 浏览器等等之中,常规的搜索框都很可能被 Siri「赋能」,实现更智能的检索能力,类似目前 Apple 智能加持下的照片应用。 macOS 27:聚焦界面调整 液态玻璃立项之初,就是专门为 OLED 屏幕设计的,而目前所有 Mac 产品都在使用 LCD 屏幕,在呈现半透明、阴影和玻璃质感的方面,效果不如 OLED。 这也导致 macOS 26 的部分高透明界面,在实际使用中出现了明显的问题:背景内容和前景文字互相干扰,列表层级变模糊,可读性下降。 因此,和 iOS 27 一样,macOS 27 的重点之一,同样会是继续打磨液态玻璃。 苹果会重新调整透明度、阴影、模糊效果以及层级逻辑,让界面更接近最初设想中的状态:既保留玻璃材质的轻盈感,又不会牺牲信息可读性,同时进一步优化能耗表现。 不过,macOS 26 的 UI 问题,其实早已不只是液态玻璃本身。 例如大量圆角细节没有统一、界面里塞入了太多分散注意力的小图标,以及新版应用图标在重新设计后辨识度明显下降,都让整个系统在视觉一致性和美观度上受到了一定影响。 苹果也预计将在今年年底或明年,推出首款配备触控屏幕的 OLED MacBook Pro,因此 macOS 27 也很可能会对界面进行调整,例如按钮的体积更大,更契合触控输入。 值得一提的是,苹果也已经官宣,macOS 26 将是最后一个支持 Intel Mac 的版本,因此 macOS 27 将只支持 Apple Silicon Mac,并且这也将是最后一个搭载完整 Rosetta 2 转译器的版本。 iPadOS 27:惊喜不多 相比较之下,iPadOS 27 的更新幅度会更小,除了 Apple 智能和优化之外,主要集中在 iPad UI 上的调整。 由于 iPadOS 26 大改了 iPad 系统的界面,使其交互更接近 Mac 桌面,iPadOS 27 则会进一步对系统应用的 UI 进行调整,例如音乐、播客、Apple TV 等系统应用,会进一步利用 iPad 的大屏幕。 一开始 iOS 27 有爆料传出时,大家都以为这只是一次「小版本」,主要集中在系统优化、稳定性提升这些方面。 但随着更多信息流出,我们才发现,比起 2 年前那场宣布 Apple 智能的 WWDC,今年更是苹果 AI 更浓墨重彩的一次发布。 两年才迎来一次更新的 Apple 智能,放在两周一变的 AI 行业里,这样的慢节奏显得格格不入。 但对于苹果而言,比起抢跑,更重要的是把体验真正打磨成熟、稳定落地——先补上差距,才有资格谈超越。 对于很可能要继续「为 Apple 智能准备」的国行用户来说,全面在界面和底层上优化的 iOS 27 ,虽然惊喜少了点,但也是一次相当踏实的更新。
iPhone 18 Pro Max全版本电池突破5000mAh:美版容量更是刷新苹果纪录
快科技6月8日消息,从iPhone 18系列开始,苹果将正式终结沿用了十几年的每年秋季一次发新的传统节奏,把iPhone产品线的更新模式正式调整为一年两更。 2026年秋季的首发阵容是三款重磅旗舰,分别是iPhone 18 Pro、iPhone 18 Pro Max以及果粉盼了多年的折叠屏机型iPhone Ultra;而定位更亲民的基础款iPhone 18和iPhone 18e则会延后到2027年春季才正式上市。 据产业链最新爆料,iPhone 18 Pro Max的全版本电池容量都突破了5000mAh大关,其中国行版的电池容量落在5000到5100mAh区间,美版的规格更高,达到5100到5200mAh的水平。 上代iPhone 17 Pro Max的美版电池容量是5088mAh,国行版为4823mAh,只有美版机型的电池容量突破过5000mAh门槛,国行版本卡在5000mAh以下。这次iPhone 18 Pro Max的美版电池容量直接刷新了苹果手机的纪录,成为苹果史上电池最大的iPhone。 美版和国行版之所以会出现容量差距,核心原因是美版iPhone已经全面普及纯eSIM技术,整机不需要预留实体SIM卡槽的相关结构,省出的机身空间全部用来堆叠更大的电池,国行版保留实体SIM卡槽,内部空间被占用,电池容量自然受到限制。 值得一提的是,此前上市的iPhone 17e国行版已经在保留实体SIM卡槽的基础上同时支持了eSIM功能,业内普遍预计iPhone 18 Pro Max国行版也将采用实体SIM+eSIM的双组合方案。 现在国内三大运营商中国联通、中国移动和中国电信都已经正式启动了eSIM手机相关的运营服务,用户手持支持eSIM的手机,直接前往线下营业厅门店就可以办理开通相关业务。
本月发布!女神朱珠率先晒vivo新机X Fold 6引围观 网友感慨人美、手机更美
快科技6月8日消息,今天vivo正式官宣,旗下又一款定位旗舰的重磅折叠屏新机即将在本月正式登场,这款新品就是备受市场期待的vivo X Fold 6。 按照vivo品牌副总裁黄韬的公开表述,vivo团队认为过去几年折叠手机完成的第一次进化,核心本质上只是实现了展开一块大屏幕的形态升级。 而当下爆火的智能体手机赛道,给整个行业带来了非常清晰的发展启示——折叠手机正在迎来第二次关键进化,核心逻辑会从单纯展开一块大屏幕,转向展开一个可以承接复杂操作的大任务场景。 顺着当前全球智能体手机的行业发展趋势推演,未来的移动终端交互逻辑,将彻底从过去以独立App为核心的运行模式,全面转向以连贯任务流为核心的新范式,这套逻辑也已经成为vivo折叠屏产品线接下来最核心的研发方向。 虽然这款新机还没正式召开发布会,就已经有不少网友提前捕捉到了公开场合的实拍画面,知名演员朱珠已经提前上手了这款还未发布的新机,她手中握着的蓝色机身版本vivo X Fold 6在画面里格外亮眼,辨识度极高。 不少看到相关实拍画面的网友纷纷感慨,新机的颜值足够能打,出现在画面里的朱珠状态更是出众,人和产品的适配度直接拉满。
华为为何无视纯视觉坚守激光雷达!余承东给答案:超越人眼视觉安全性
快科技6月8日消息,智能驾驶领域关于纯视觉方案和激光雷达方案谁更优的讨论,从行业起步至今就从来没有停止过。 目前整个行业基本分成泾渭分明的两大路线阵营,一边是以特斯拉为代表的纯视觉派,另一边是以华为为代表,坚持多传感器融合、死守激光雷达配置的技术路线派。 在之前的技术发布会上,余承东曾明确表态,特斯拉等厂商选择纯视觉路线,初衷是要做出接近人眼感知水平的安全能力,但华为的技术思路完全不同,华为要做的是实现远超普通人眼视觉上限的安全冗余。 更早之前余承东也直言不讳,只靠摄像头不用激光雷达的纯视觉方案天生有短板,一旦摄像头因为特殊工况出现致盲情况,整套感知系统直接就会失效,很多极端场景下单靠摄像头根本应付不来,摄像头的感知能力本身就存在物理上限。 甚至毫米波雷达也应该被车企纳入标配感知组件,在暴雨、大雾这类恶劣天气里,纯摄像头方案的感知精度会大幅下降,很难保证安全。 清华大学苏州汽车研究院智能网联中心技术总监孙辉曾在受访时指出,纯视觉方案的感知效果高度依赖AI模型的泛化能力,天然存在一定概率的漏检风险,尤其是在光线不足、或是阳光直射导致画面过曝的场景下,整套系统很容易直接失去有效感知能力。 更关键的现实问题是,国内大部分走纯视觉路线的车企,在车载硬件储备和大模型训练层面,和特斯拉还存在不小的差距。 不少车企虽然在车载摄像头、智驾芯片这类硬件参数上堆得很足,但是核心的训练算力和真实路测数据的积累缺口,才是拉开体验差距的关键原因。 纯视觉路线想要持续迭代性能,必须从硬件和软件两个维度同时提升上限,其中软件层面的优化高度依赖真实路测数据,智驾大模型训练需要的海量场景数据,不少国内车企在数据收集规模上未必输给特斯拉,但背后支撑训练的算力储备普遍存在不足。 有国内第三方智驾方案供应商透露,特斯拉在真实路测数据的积累上确实相比国内厂商具备明显优势,毕竟它布局纯视觉智驾的时间更早,跑出来的有效数据量级领先行业。 按照行业普遍估算的标准,一家车企只有累计销量突破百万辆,才算得上攒出了相对够用的模型训练数据基础。 放到国内复杂多变的实际路况下来看,没有激光雷达做冗余加持的纯视觉辅助驾驶系统,实际落地表现和多传感器融合路线的产品差距非常明显。 两种技术路线之争从来不存在绝对的谁对谁错,很多传播内容只片面晒结果、不谈技术落地的前提条件,很容易给普通消费者造成认知偏差,这反而成了智驾普及过程中最致命的安全隐患。 归根到底,无论智驾等级推进到哪一步,现阶段车辆的操控主动权最终都应该掌握在人类驾驶者手里,绝对不能完全把出行安全的底线交给机器来兜底。
起猛了,有人把700个死人的大脑“复活”了
把一个刚刚死去的人的头颅锯开,取出新鲜大脑。 然后装进容器,接上管子,泵入粉红色的人造血液。再对这颗重新复活的大脑,注射药物、看它对化学刺激会有啥反应。 你别以为我在说"缸中之脑"这种科幻脑洞,这也不是小说设定。 在2026年,这已经成现实了。 2021年,耶鲁大学孵化出来一家生物科技公司Bexorg,开始持续进行这种恐怖实验。截至目前,他们已经对超过700颗人类大脑进行了这种实验。 关键他们的技术论文还连续上了《Nature》和《Science》,甚至拿到了美国食品药品监督管理局FDA的批准,被这帮科学界认可了! 我擦,700个人被取出大脑做实验,还是官方允许的,这谁听了都得物理意义上头皮发麻。 更让人毛骨悚然的是:他们说,没办法确定那些大脑是不是真死了。。。 虽然有点猎奇,但为了搞清楚这帮科学疯子在干啥,哥们也去查了一圈资料。结果发现在官方信息里,他们研发这个是为了制药,延缓人类衰老。 而他们的理论是,现在的药物研发模式根本有问题。 简单来说,现有的研发是先在培养皿的细胞上试,再在小鼠身上试,然后狗、猴子,最后才到人。 但问题是,小鼠的大脑跟人的大脑差了十万八千里。一个药在小鼠身上效果拔群,到了人体临床就屁用没有,这种事屡见不鲜。 再加上出于种种原因,全世界的制药公司,对阿尔茨海默病、帕金森病、渐冻症这种大脑中枢神经系统的疾病都没辙,药物研发失败率超过95%。 那这时候有人一拍脑袋,这里不有一颗真正完整的人类大脑嘛!直接用人的不就完了。 但活人的大脑你不能动,死人的大脑又没有用。在传统医学认知里,人死后血流一停,脑细胞几分钟就不可逆地死透了,拿来做实验根本没有意义。 而耶鲁大学神经科学家内纳德·塞斯坦和他的学生兹沃尼米尔·弗塞利亚,花了十几年时间,最后发现: 这个认知是错的,医学死亡的大脑可以复活。 在耶鲁大学2019年的一篇《Nature》论文里写到,他们去屠宰场搞来一批猪脑,等猪死后整整4个小时才取出的。按照传统医学的理解,这些脑子早就该彻底凉透了。 但当他们把猪脑接上了自己研发的灌注系统,持续特殊的人造血液6个小时以后,这些死了的猪脑,活过来了。 在注射了血管扩张药以后,大脑的微血管系统被重新通了血,脑血流速度出现了明显增加,说明血管还能收缩舒张,还在干活。 更离谱的是,他们检测到了自发的突触活动,检测到了活跃的葡萄糖代谢。这意味着脑细胞的结构也都保住了,而且重新开始工作。 但是,他们没有检测到任何代表意识或高级认知功能的脑电信号。也就是说,这颗大脑在细胞层面活了,但那头猪没有在思考。 这篇论文发表以后,直接震惊了全世界医学家和神经科学家。 因为它直接证明,大脑的死亡不是一个开关,啪一下就死了,而是一个渐进的过程,在适当干预下甚至可以被逆转。 但这并不意味着,只要给大脑恢复供血就能复现他们的实验。 因为大脑缺血之后你突然恢复供血,会引发一种叫"缺血再灌注损伤"的灾难性反应,脑子会迅速水肿,细胞加速死亡。越救越死,适得其反。 而Bexorg能成功的关键是他们独家研发的人造脑灌注液,里面有耶鲁大学研究了十几年的减少再灌注损伤、刺激细胞恢复的特殊药物组合,具体成分对外严格保密。 靠着这套东西,他们能让一颗离体大脑,在体外维持代谢活性长达24小时甚至更久。 离谱的是,从猪脑实验的成功到转向人脑,Bexorg只用了两年。 然后他们就开始通过“合法的器官捐献网络”,获取了刚刚去世的捐献者大脑,然后迅速接上灌注系统,开始测试各种实验性药物。 那你肯定想问:这个人是不是真死了? Bexorg的回答是,他们也不能完全确定。所以他们在灌注液里持续、高剂量地混入了强效临床麻醉剂异丙酚和离子通道阻滞剂。然后做完实验再把大脑拿去切片销毁。 CEO弗塞利亚接受Science采访的原话是:我们研究的是帕金森病和阿尔茨海默病的细胞级病理——蛋白质错误折叠、能量代谢崩溃——这些跟宏观的神经电活动没关系。 所以阻断意识不但不影响实验,反而是剔除噪音的必要步骤。 但说白了,就还是往里面灌麻药,确保就算它想醒也醒不过来,用完了再被拿去切脑花。。。 所以Reddit上一堆网民看完新闻以后就直接说,md被骗了,要去撤回器官捐献协议。 毕竟战锤40K的老粉丝都知道,取出普通人的大脑,抑制可能的意识活动拿去做实验,这不就湿件计算机嘛,神圣泰拉的经典操作了。 只不过游戏里它是40K时代,而现在2K时代就已经有了。 可话又说回来,手段激进,群众恐慌,还有这么大伦理争议,那为啥这东西还能被允许存在? 先别扯阴谋论啥的,首先答案是因为它可能真的在救人。 举个例子,Bexorg和制药公司Biohaven合作测试了一款帕金森病的药物BHV-8100,这药之前在小鼠身上失败了,但当他们把同一款药放到Bexorg的人脑平台上测试时,发现它不仅有效,而且达到最佳效果所需的剂量比小鼠模型推算的低了整整20倍。 这意味着一个本要被放弃的好药被救回来了。而且如果按照小鼠数据的剂量直接上人体临床试验,20倍的过量用药可能直接把人送走。 而在获批FDA的人体实验后,这款药成功穿透了血脑屏障,让患病大脑的神经元葡萄糖利用率提升了3倍,同时减少了神经炎症、延缓了神经退行。 而且他们的灌注技术不光能用在大脑上。相关的衍生实验表明,类似的灌注系统用在其他器官上,能在常温下维持组织活性长达7周,这对人体器官移植的价值非常大。 再加上AI领域,Bexorg每年处理上千颗大脑产生的这些数据,正在被拿去训练专有的大模型,目标是建成全球第一个基于真实人脑分子数据的"硅基大脑"。 以后制药公司可以直接把分子结构上传到他们的API,几分钟就能拿到这个药能不能过血脑屏障的预测结果。 总之,虽然有点猎奇,但有一说一Bexorg干的事儿也并没有那么史无前例。 因为人类为了搞懂自己的身体,有时候还真挺疯狂的。16世纪的解剖学之父维萨里,为了获得研究用的人体,半夜跑去绞刑架偷死刑犯的尸体。1970年,美国神经外科医生罗伯特·怀特还把一只活的猴子脑袋移植到另一只猴子身体上。 不过维萨里偷的是死人,怀特用的是活猴子,而Bexorg操作的就比较难定义了。 那些大脑的主人按照现行医学标准被宣告死亡,但这个标准是上世纪定的,当时说的是心跳呼吸不可逆停止,或者全脑功能不可逆停止就死了。 而Bexorg的技术恰恰证明他们能把大脑逆向救活。。。那这人到底死没死呢?其实是有点钻空子的。 而且就算700颗大脑都是经过家属知情同意合法捐献的,但当捐献者和家属他们理解的,和实际把大脑在一台机器上重新激活、然后麻醉做实验真的是同一件事吗? 总之Bexorg的CEO弗塞利亚说:他说自己的使命是把药物发现的过程彻底翻过来。 至于这个翻过来的过程中,人类需要付出什么样的伦理代价、和认知冲击,这可能就不仅仅是一个科学上的问题了。
中国首个支持植入式脑机接口全路径手术平台启用,全套国产设备
IT之家 6 月 8 日消息,据联影医疗今日消息,由湖北省科技投资有限公司牵头,联合联影集团、华中科技大学同济医学院附属同济医院共同打造的复合手术室应用示范中心,于近日在同济医院光谷院区正式揭牌启用。 该项目是华中地区首个全国产高端复合手术示范平台,更是国内首个专门支持植入式脑机接口全技术路径的智慧一体化手术平台。 图源“联影医疗”公众号 该中心搭载联影集团全域自研的 uOR 魔方复合手术室系统,配备智慧仿生 10 轴 DSA、术中水冷滑轨 CT、双一流智能腔镜及能量平台等全套国产高端智能外科设备;以“魔方中枢”为智能核心,深度整合影像融合、智能手术决策、远程协同诊疗等核心能力,构建起术前快速诊断、术中精准治疗、术后智慧康复的一站式围手术期救治平台。 通过联影集团的全域自研生态,术中水冷滑轨 CT 实现几十秒内颅内成像,结合双导航系统实现“边植入、边核对、边微调”,告别“植入后才知对错”; 在半侵入式手术中,通过多模态影像融合重建患者真实皮层,利用 AR 导航将电极预设位置直接投射于术野,确保电极阵列一次精准贴放; 在介入式手术中,10 轴仿生 DSA 配合 AI 血管路径规划,可引导电极在迂曲血管中“穿针引线”。 同济医院院长胡俊波表示,中心可实现“需要多次转运、分次开展”的复杂手术在同一空间一次性完成,手术整体效率提升 50% 以上,彻底解决患者“多次手术、多次麻醉、辗转就医”的痛点,让中部地区百姓在家门口就能享受到国际一流的精准微创诊疗服务。 IT之家查询公开资料获悉,上海联影集团成立于 2011 年,是一家医疗科技企业,主要提供高端医疗装备和数字化解决方案。 2018 年起,武汉同济医院联合联影医疗及联影集团多家子公司,共建“联影-同济医学创新中心”,围绕影像诊断装备、智能手术机器人、医疗可穿戴、医疗 3D 打印等 20 余项前瞻技术展开深度合作。双方曾联合开发神经外科手术机器人、CT 实时影像引导经皮介入手术机器人。
让矩阵归模拟,让逻辑归数字!这家中国团队重新定义了计算机
黄仁勋的GPU,解一道矩阵方程,要做上亿次乘法。 一家中国公司,一步就给解了,用的是模拟计算。 这家公司叫安纳智芯(Anatrix)。 过去几年,整个AI行业几乎都在往同一个方向狂奔。GPU、TPU、LPU、CPU……大家卷来卷去,本质上卷的其实还是数字计算: 更多晶体管、更先进的制程、更大带宽、更高吞吐。 但最近,我们发现有一批公司,开始不按这个逻辑走了。 安纳就是其中之一。 他们选定的,是一个已经沉寂已久、但这两年又开始火热的方向: 模拟计算。 这个概念听着新,其实一点都不新。 早在数字计算机大规模普及之前,人类就已经在研究模拟计算。最近很火的存算一体、光计算、量子计算、类脑芯片,往大了说,本质上也都属于这条路线。 之所以这两年重新被关注,一个很重要的原因在于: 模拟计算天然具备更高并行度、更低功耗,而且不像数字芯片那样高度依赖先进制程。 但它的问题也很明显,数字计算本质上处理的是0和1,只要能区分高低电平,误差就能被不断校正。 而传统模拟计算由于是直接用物理信号表示信息。电压、电流、电导这些量在传播过程中,容易积累噪声和漂移。 矩阵规模越大,误差放大得越夸张。 过去几十年,数字计算靠着摩尔定律一路狂飙,精度被不断“硬堆”上去;而模拟计算虽然理论上更高效,却始终困在精度问题里。 △ 图源:Unconventional AI 行业里甚至一直有一个很流行的观点:模拟计算很快、很省电,但不可信。精度,也因此成了模拟计算近几十年来最大的死结。 而安纳做的,就是把它解开。 模拟计算的精度,不再是问题了 过去近十年里,安纳的核心科学家一直在做同一件事—— 把模拟计算的结果,做得足够可信。 去年,团队完成了精度媲美数字芯片水平的原理性验证,在模拟计算领域达到断档式领先,而今年,相关芯片目前已经进入流片阶段。 在技术路线上,安纳走的是一条非常典型、但也非常“硬核”的模拟计算路线: 基于存储器阵列,搭建非冯诺依曼架构芯片。 简单来说,就是把矩阵方程直接映射进物理电路,让电路本身成为方程求解器。 输入给进去,测输出,输出就是解。 也正因如此,那些GPU没办法直接求解、只能靠海量迭代逼近的矩阵方程,在安纳这里,可以一步完成,并保持精确。 (注:GPU拿到一个512×512的矩阵方程后,第一件事并不是“直接解”。它会先把问题拆开、转置、分解,再转化成海量矩阵乘加运算,通过一轮轮迭代慢慢逼近答案。整个过程,往往需要上亿次乘法。) 但有意思的是。 即便精度问题开始被解决,今天大多数模拟计算公司依然没有选择这条路。 像Unconventional AI、Normal Computing、EnCharge AI这些近两年最受关注的模拟计算创业公司,主打的依然是低功耗、存算一体或者特定场景加速。 (注:模拟计算正在重新获得资本市场关注。2025年底,主打低功耗模拟芯片的 Unconventional AI在种子轮便获得Lightspeed Venture Partners和a16z联合领投的4.75亿美元融资,估值接近45亿美元;专注热力学计算的Normal Computing于今年3月完成由三星领投的5000万美元融资;而存算一体公司EnCharge AI去年也完成了超过1亿美元的B轮融资。) 这背后其实对应着两种完全不同的研究哲学。 一种思路是接受模拟计算存在误差,在低精度条件下寻找“够用”的应用场景。 另一种思路,则是先把精度做到极限,再讨论效率和成本。 安纳属于后者。 在与量子位交流时,团队反复提到一个观点: 所有计算平台的发展历史,几乎都是先把精度做到天花板,再根据场景需求向下做取舍。 数字计算也是如此,AI模型训练里,先有FP32,再向下兼容FP16、INT8、INT4。 如果一开始就在低精度里寻找“够用”,很多能力可能永远没有机会被验证。 从上世纪80年代末的类脑计算,到后来的模拟神经网络,再到今天的存算一体,类似的故事其实已经反复出现过很多次。 所以,并不是追求精度这件事有争议,而是在过去很长时间里,由于模拟计算精度低是固有的,大家停留在这一层面,存在认知上的偏差,于是只能退而求其次。 而安纳率先完成了认知上的突破,他们真正想做的,就是把高精度模拟计算推向可用。 所有人都在做乘法,安纳想把“除法”补回来 除了对精度的态度,安纳和其他模拟计算公司的不同,还在于他们选了一个完全不一样的方向: 矩阵求逆。 今天做模拟计算的公司,不管是存算一体、模拟CIM,还是各种类脑、光计算路线,几乎都在做矩阵乘法。 这其实很好理解,因为整个AI产业,本质上就是建立在矩阵乘法之上的。 一方面,GPU本身就极其擅长矩阵乘法;另一方面。大模型推理,也几乎全是矩阵乘法,所以 整个行业的思路都很自然—— 既然模拟计算更省电、更并行,那就拿它去替代一部分GPU的矩阵乘法,但安纳并没有这么做,他们选择了更第一性的矩阵求逆。 那么,矩阵乘法和矩阵求逆有啥不一样呢? 简单来说,矩阵乘法,本质上是“知因求果”。权重已知、参数已知,乘起来、加起来,最后得到结果。 而矩阵求逆反过来。结果已经知道了,但中间真正的参数、权重、状态未知,你需要反过来把它求出来,从结果反推原因。 对应到大模型里也很好理解:矩阵乘法更多对应推理,而矩阵求逆则更接近训练。 因为训练本质上,就是已知输入和输出,再反过来寻找中间最合适的参数。 (注:今天主流数字计算的做法,依然是把原本需要直接求解的问题,转化成海量矩阵乘法,再通过不断迭代去逼近答案。) 事实上,矩阵求逆并不局限于大模型训练。现实世界里真正难的问题,很多其实都是“逆问题”。 比如,机器人为什么会摔倒?自动驾驶怎么从传感器数据里还原真实状态?通信系统怎么从混杂信号里恢复原始信息? 这些问题,底层都在做同一件事:从结果反推原因。 而这,恰恰是GPU不擅长的。因为在数字芯片体系里,并不存在“原生矩阵求逆”这个算子。它的做法,本质上是绕。 先把一个求逆问题拆开,再转化成海量矩阵乘法,然后通过不断迭代,一轮轮逼近最终答案。 所以GPU不是“直接解”,而是在“逼近解”,这也是为什么,我们前面会看到那个“一亿步”和“一步”的差别。 为了更加深入地理解这两者的差异,安纳还给我们打了一个很形象的比方。 比如你要建长城。矩阵求逆就像“砖”。而数字芯片手里其实没有砖。它只有沙子、泥土、原料。 所以它得先和泥、烧制、成型,最后才能得到一块砖,再拿这块砖去建长城。 模拟计算芯片,则是直接把砖给你。你不用再从沙子开始。所以这不是“快一点”或者“省一点”的区别,而是计算范式本身不同。 一个是在不断迭代逼近。 一个则是原生求解。 安纳想做的,就是把这块缺失了很多年的“砖”,重新补回来。 让矩阵归模拟,让逻辑归数字 说到最后,一个很现实的问题摆在面前: 模拟计算这块“砖”,到底怎么插进今天已经高度成熟的AI基础设施里? 安纳给出的答案很简单:让矩阵归模拟,让逻辑归数字。 据了解,他们的模拟芯片在接口、数据格式和互联方式上,都兼容现有GPU体系,可以直接接入今天已经scale起来的AI Infra和算力中心。 更重要的是,它不依赖最先进制程。 当数字芯片还在3nm、2nm上继续向物理极限逼近时,模拟计算某种意义上已经跳出了那套“拼晶体管、拼工艺、拼堆叠”的竞争逻辑。 而一旦矩阵求逆这块“砖”真正补上,它带来的变化,可能会比想象中更大。 机器学习里的优化问题、具身智能的实时运动控制、自动驾驶的状态估计、6G通信里的信号恢复、端侧AI的在线学习……这些系统背后,本质上都在高频求解矩阵方程。 过去很多问题不是不能做,而是太慢、太贵、太耗电。 而矩阵求逆一旦能够被原生、高精度、低功耗地完成,很多过去只能放在云端、只能离线训练、只能近似求解的事情,可能都会开始发生变化。 所以回头再看,安纳想做的,其实不只是一颗“更快更省电的芯片”。 他们真正想切入的,是下一代智能系统最底层的计算方式。 2012年,人们第一次意识到,GPU不仅能画图,还能训练神经网络。 AI时代由此开启。 而今天,安纳试图回答的是另一个问题: 如果矩阵乘法定义了过去十年的AI,那么模拟计算和矩阵求逆,会不会定义下一代智能系统? 至少现在,他们已经站在了这个问题的最前排。

版权所有 (C) 广州智会云科技发展有限公司 粤ICP备20006386号

免责声明:本网站部分内容由用户自行上传,如权利人发现存在误传其作品情形,请及时与本站联系。