尽管最初的报道引发了各种猜测,ChromeOS并不会完全转变为Android,而是会演进成一个以Android基础技术为核心的升级操作系统,承诺提供更好的性能表现,并如预期般集成更先进的AI功能。
上周,谷歌Android生态系统总裁Sameer Samat对Tech Radar表示,公司将"把ChromeOS和Android合并为单一平台",这一声明立即引发了关于Chromebook和Android设备未来发展的质疑。
这一举措是否意味着我们所熟知的ChromeOS将走向终结?依赖ChromeOS简洁性、多用户功能和固有安全性的教育行业,如何适应运行完整Android系统及其较慢的更新周期和触控优先的应用生态?
**Android和ChromeOS不会完全合并**
然而,事实上我们可以预期两个操作系统的变化会相对温和,至少在近期内如此。Samat在最近的推文中迅速澄清了他的表态:
"很高兴看到大家对这个话题如此关注!重申我们在2024年博客文章中宣布的内容:我们正在基于Android底层技术构建ChromeOS体验,以释放新的性能水平,加快迭代速度,并让您的笔记本电脑和手机更好地协同工作。我对此感到兴奋!"
相关博客文章解释了谷歌ChromeOS的开发将继续不受影响,但会越来越依赖Android基础架构。这应该会产生更统一的代码库,减轻开发者的工作负担,并简化对Gemini等AI功能的访问。
更重要的是,公司已表明其意图继续提供"ChromeOS用户、企业和学校所喜爱的无与伦比的安全性、一致的外观和感觉,以及广泛的管理功能"。如果Samat只是想重申这些声明,而非宣布两个操作系统的全面合并,那么我们可以确信ChromeOS短期内不会消失,但从现在开始将在底层集成更多Android技术。
**Android代码对入门级Chromebook意味着什么?**
然而,这一变化仍然引发了关于Chromebook未来如何处理对Android更大依赖的重要问题。谷歌声称新代码库将带来"新的性能水平",但售价250美元或以下的入门级Chromebook目前提供的硬件规格远低于流畅运行Android所需的典型要求。ChromeOS设备仅配备4GB RAM和32GB存储空间的情况并不罕见,这种规格与入门级Android设备相比显得严重不足。谷歌的计划对未来硬件要求和定价会产生什么影响,值得关注。
**Android融入ChromeOS:双方受益匪浅**
当然,看到一些从ChromeOS到Android的反向益处也会很棒。例如,Android新兴的桌面模式为连接外部显示器的智能手机提供了强大的大屏体验,但与ChromeOS提供的成熟、精致的桌面体验相比还相差甚远。共享的底层代码库可以加速这一领域的开发,并显著改善笔记本电脑和智能手机之间的交互。
统一的代码库还可以为两个平台解锁新功能:Android应用可以直接在ChromeOS上运行,消除当前对复杂虚拟机层的需求,并提供更好的性能和更大的兼容性。ChromeOS的一个关键优势是其支持单设备多用户的能力。为Android堆栈添加适当的多用户支持将使谷歌更容易将这一功能引入Android智能手机和平板电脑。
ChromeOS还为运行Linux应用程序甚至Steam平台游戏提供了成熟的支持。我们已经通过新的Terminal应用看到了Android中Linux支持的早期迹象。由于Linux支持是ChromeOS的重要组成部分,我们现在可以确信这一功能将继续得到开发,为Android设备带来令人兴奋的新机遇。
Android和ChromeOS即将到来的变化可能不会像我们想象的那么剧烈,但重大变化正在到来,这应该对所有人都有益。您会想要一台Android驱动的Chromebook吗?
好文章,需要你的鼓励
穆拉蒂时隔18个月首次接受重大媒体采访,介绍其创立的Thinking Machines Lab正在开发的"交互模型"。该模型能以200毫秒间隔处理音频、文本和视频流,捕捉人类交流中的中断、修正和停顿。她还谈及OpenAI"政变周"经历,强调行业决策权过于集中的担忧,并回应了公司近期研究人员离职问题,表示这是初创实验室的正常波动。
STATE16研究院这篇综述发现,物理AI系统存在"静默失效"风险——AI以高度自信执行基于错误世界信息的动作,却不触发任何报警,并提出在AI输出与物理执行之间建立独立授权层的框架。
本期《Quick Charge》播客涵盖多个热点话题:特斯拉疑似试图删除FSD欺诈相关证据以规避巨额赔付;卡特彼勒持续推进建筑领域电气化布局;住宅太阳能30%税收抵免即将到期。此外,嘉宾Tom Pacheco就高压系统与电池技术培训展开探讨,强调电动车技术人才培养的紧迫性。节目同时提醒有意安装太阳能的用户尽快行动,可通过EnergySage平台比较多家安装商报价。
UIUC与微软联合研发的OpenWebRL框架让4B小模型仅凭400条初始数据,通过在真实网站上边做边学的强化学习方式,在网页智能体基准上超越了用27万条数据训练的竞争对手。