在周三晚的 Galaxy Unpacked 发布会上,三星用 165 分钟的精彩视频和演示阐述了其希望用户如何与人工智能 (AI) 交互的愿景。这家手机制造商在发布会上展示了由 Galaxy AI 驱动的最新 S25 系列智能手机。
搭载 Snapdragon 8 Elite for Galaxy 处理器,三星表示已与高通合作开发了独特的定制优化。与上一代相比,在 NPU (AI 处理) 性能提升了 40%,CPU (应用性能) 提升了 37%,GPU (图形处理) 提升了 30%。
从数据安全角度来看,Galaxy S25 引入了后量子密码学,三星表示这可以保护个人数据免受量子计算发展带来的潜在威胁。
其 One UI 7 软件已更新,三星称这为 AI 和超连接时代增添了一层额外的加固设备安全保护。系统还包括最大限制设置、增强型防盗保护,以及新的 Knox Matrix 仪表盘,可监控连接设备生态系统的安全状态。
虽然发布会上的演讲者谈到了保护个人数据的安全性,但重点是 Galaxy AI 以及它如何使 S25 成为更有用的个人数字助手。产品管理副总裁 Drew Blackard 在演讲中表示,Galaxy AI 通过提供便捷的体验重新定义了人们与技术的交互方式。
"更多人通过 Galaxy AI 体验到了更深入、更有意义的连接。这包括实时打破语言障碍,使对话更简单、更高效,"他说。
DeepMind CEO 兼联合创始人 Demis Hassabis 登台宣布:"AI 将是能够完成任务并为您做有用事情的主动系统。"他表示 Google 已与三星合作,将其一些突破性功能引入 Gemini 应用。
三星客户体验负责人 Jay Kim 讨论了三星开发的个性化 AI。他说:"我们的目标是通过在所有设备上集成 AI 代理和多模态功能来实现个性化 AI 体验。"他补充说,这需要开放合作,这将带来更好的用户体验,并帮助与开发者和合作伙伴一起发展 AI 生态系统。
设备端 AI 使用三星称之为个人数据引擎的技术在本地处理数据,该引擎受到三星专用安全硬件 Knox Vault 的保护。
Kim 说:"云端 AI 只在必要时才会访问您的数据,而且在请求完成后您的数据会很快被删除。这意味着您不必担心您的信息被用于训练 AI 模型或广告。我们的安全混合 AI 方法在提供尖端个性化 AI 的同时保持您的数据私密和安全。"
牛津大学奥里尔学院计算机科学教授 Ian Horrocks 表示:"在牛津语义技术公司,我们一直在开发个人数据引擎背后的技术,即知识图谱技术。使用知识图谱使计算机能更好地理解信息,从而得出更准确的结论并提供更准确的见解。"
根据 Horrocks 的说法,这提高了智能手机和其他设备的实用性:"直到最近,智能手机服务和应用程序都是独立运行的,这限制了它们提供有见地的响应的能力。个人数据引擎通过理解用户的体验以及周围环境,并将其存储在用户的个人知识图谱中,使我们能够克服这一限制。"
三星还选择在 Galaxy S25 系列中实施 C2PA 标准。这为 AI 生成的作品添加数字水印,其来源被记录在元数据中。
CCS Insight 首席分析师 Ben Woods 在讨论 Unpacked 发布会时表示:"在硬件功能和产品设计的改进基本上是渐进式的时候,三星正在加倍押注其 AI 故事。对需要升级的用户来说,AI 是一个福音,但对已经拥有相对较新手机的消费者来说,这还不足以推动他们更换手机。"
好文章,需要你的鼓励
美国连锁超市巨头Albertsons正在基于Databricks构建商品智能平台,整合产品、定价、促销与陈列等决策功能,目标是在2026年底前全面向门店运营商落地。该平台以Databricks Lakehouse存储零售数据,通过Unity Catalog与AI Gateway实现数据治理,并借助AI智能体Genie支持自然语言查询,帮助商家洞察销售趋势,提升决策效率。此举是Albertsons今年四项AI核心战略投资之一。
阿里Qwen团队通过引入强化学习和在线策略蒸馏,将Qwen-Image-2.0升级为Qwen-Image-2.0-RL,让图像生成模型真正学会人类审美,文生图Elo评分提升78分,图像编辑提升93分。
微软正将Windows 11打造成真正的AI操作系统。在Build大会上,微软展示了AI模型与智能代理如何深度融合进Windows 11,让用户通过自然语言完成系统操作。借助Windows ML框架,超过5亿台PC已可在本地离线运行AI任务,无需联网、无token费用、数据不离设备。Office、Photos、Teams等应用已支持本地AI能力,Adobe、WhatsApp、Canva等第三方也在积极跟进,企业级AI PC采购需求有望加速。
港科大与快手联合提出NormGuard,针对流匹配模型强化学习训练中速度范数膨胀问题,通过训练时单向惩罚约束,在保留奖励的同时改善图像真实感。