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
Dfinity基金会发布Caffeine AI平台,通过自然语言提示创建功能完整的应用程序,旨在将全球开发者数量从5000万扩展到50亿。该平台基于区块链技术,用户可通过对话方式快速构建应用,包括博客和电商网站等。与Anthropic合作提供后端支持,挑战传统应用商店模式。
微软研究院推出SambaY架构,通过创新的门控记忆单元实现AI推理速度10倍提升。该技术采用解码器-混合-解码器设计,在数学推理等复杂任务上表现卓越,为高效AI推理开辟新方向,有望推动AI在教育、科研、医疗等领域的广泛应用。
社交媒体巨头Meta开发了一个AI模型来创造新型混凝土配方,并将其中一种应用于新数据中心的地面浇筑。该模型采用贝叶斯优化技术预测不同混凝土配比的抗压强度曲线,显著加速了传统需要数天或数周的测试过程。Meta与建筑公司Amrize和伊利诺伊大学合作,在明尼苏达州罗斯蒙特数据中心使用了这种新型低碳混凝土。该设施初期功率为10兆瓦,未来将扩展至75兆瓦。
瑞士EPFL研究团队开发的PERK方法通过参数高效的测试时学习技术,让AI能够像人类一样将长文档信息编码到专门的记忆模块中,显著提升了长上下文推理能力。该方法在多项测试中表现卓越,不仅能处理比训练时长32倍的文档,还解决了传统AI的位置偏见问题,为处理复杂长文档提供了创新解决方案。