在韩国首尔以南约三小时车程的三星移动设备工厂,几乎所有工作都是自动化的,甚至进入工厂部分区域时需要穿的鞋套也是由机器来自动化完成。
整个工厂到处都能听到机器人的嗡嗡声、气垫密封装置的吹气声和机械臂的移动声。偶尔,一台机器人会播放一段欢快的音乐来告诉你它的到来。这些被称为AGV的机器人在工厂车间里穿梭,将材料送到指定的工作站,它们是由地板上的铝轨道引导的。据说在三星的Gumi工厂有80台这样的机器人,那里组装了像Galaxy S23和新的Galaxy Z Flip 5这样的手机。
在这个规模的工厂内,流动的机器人和机械臂可能很常见,考虑到自1988年以来,三星工厂已经生产了60亿台设备,并且每月生产超过一百万部旗舰手机,公司不得不寻求自动化的帮助也就不足为奇了。
在参观三星移动的工厂时,让我亲眼目睹了一台Galaxy S23 Ultra从仅仅是一个电路板到一个包装好的完整产品的全过程,生产过程细致又有条不紊。
参观之前,三星还为我们提供了一些背景信息,解释了为什么新设备要从概念到商业化产品需要这么长时间。除了确保可折叠屏幕或可卷曲显示器等技术正常运行外,三星还需要开发新的机器并将检验过程整合到生产线上,以实现规模化组装。每个组件,甚至看似微小的组件,如指纹传感器,在生产线上都有自己指定的位置进行质量检查。
尽管进行了所有这些测试,三星仍然卷入了有关产品故障的争议中。
2016年,由于过热问题,三星不得不召回Galaxy Note 7;2019年,由于一些评论员报告显示屏损坏,三星推迟了其首款可折叠手机Galaxy Fold的发布。
在Reddit上搜索,你会找到一些Galaxy Z Flip的所有者遇到故障设备的故事。
在参观Galaxy手机组装区之前,我了解了表面贴装器件(SMD)的工艺过程。这是将材料安装和焊接到印刷电路板上的过程,而印刷电路板实际上是您的Galaxy手机的心血管系统。材料从看起来像巨大的带状卷轴上展开,仅仅是每次眨眼的时间,就能完成23-25个组件安装。
在焊接过程和各种检查之后,一个大型的印刷电路板被切割成用于给手机供电的较小的单独电路板。一个电路板通常被分成4-6部手机供电。
尽管我没有看到这些步骤,因为工厂需要控制温度、湿度和灰尘,但我确实在主要生产线上有了一个近距离的视角。机械臂勤奋地将部分组装的Galaxy S23 Ultra移动到传送带上,细心地固定连接器和插入螺丝。 组装线的大部分区域都用于质量检查。
三星表示,仅Galaxy S23系列就有大约30000到50000个检查项目。这包括S Pen连接、充电口、近场通信功能、触摸屏面板、指纹传感器、摄像头、扬声器、SIM卡托盘和Wi-Fi连接。
在组装线上还有用于启用毫米波5G连接和超宽带的芯片的检查点,超宽带是一种近距离感应技术,使手机更容易共享文件并用作数字车钥匙。在组装过程中,机器人无处不在,但三星的工厂车间并不全是机械设备。仅在这条生产线上就有近千名员工。当我离开工厂车间,在校园里漫步时,我看到员工们在五颜六色的伞下散步,遮挡阳光。
组装线只是三星工厂的一部分,公司还在自己的园区内设有一个自动化实验室,用于测试当前和即将推出的设备是否在正常使用条件下运行正常。就像组装线一样,实验室里也充满了机器人,它们有条不紊地完成分配的任务。
三星表示,这个实验室的六个月测试相当于两年的消费者使用。
在这个实验室里,Z Flip和Z Fold手机被反复折叠和展开,S Pen被不断插拔,机器不停地敲击屏幕键盘。机械臂还会带着Galaxy手表进行剧烈摆动,模拟锻炼。实验室内的一个隔间里有五个面部模型,用于测试面部识别,这是大多数三星智能手机上的常见功能。虽然我无法看到里面,但我被告知有不同的模型,用于测试技术在不同种族和多种光照条件下的工作情况。几乎可以想象到的每一项任务都有相应的测试,包括简单的任务,如手持手机行走并在行走时摇晃手机。这些只是三星进行的测试的一小部分。
在实验室的其他角落,机器人正在给三星的手机充电和放电,不停地插拔Galaxy Buds,并在不同温度下测试指纹传感器。在参观了三星的测试实验室和生产线之后,我开始理解为什么新设备从原型到产品需要这么长时间。
早在2011年,三星就展示了柔性显示技术,比2019年首款Galaxy Fold问世要早得多。这让我想知道,其他处于概念阶段的设备还需要多长时间才能成为真正的产品。
在今年1月份在拉斯维加斯举行的CES 2023上,三星展示了具有可伸缩显示屏的概念设备。三星移动部门负责人T.M. Roh在接受CNET采访时表示,除了在CES上展示的内容之外,公司还有其他概念正在开发中。
除了手机,三星还透露了与谷歌和高通合作开发的混合现实项目,并开始传言称三星正在开发一款健康追踪的三星Galaxy戒指。只有时间才能告诉我们三星的产品路线图将走向何方。
好文章,需要你的鼓励
随着AI广泛应用推动数据中心建设热潮,运营商面临可持续发展挑战。2024年底美国已建成或批准1240个数据中心,能耗激增引发争议。除能源问题外,服务器和GPU更新换代产生的电子废物同样严重。通过采用模块化可修复系统、AI驱动资产跟踪、标准化数据清理技术以及与认证ITAD合作伙伴合作,数据中心可实现循环经济模式,在确保数据安全的同时减少环境影响。
剑桥大学研究团队首次系统探索AI在多轮对话中的信心判断问题。研究发现当前AI系统在评估自己答案可靠性方面存在严重缺陷,容易被对话长度而非信息质量误导。团队提出P(SUFFICIENT)等新方法,但整体问题仍待解决。该研究为AI在医疗、法律等关键领域的安全应用提供重要指导,强调了开发更可信AI系统的紧迫性。
超大规模云数据中心是数字经济的支柱,2026年将继续保持核心地位。AWS、微软、谷歌、Meta、甲骨文和阿里巴巴等主要运营商正积极扩张以满足AI和云服务需求激增,预计2026年资本支出将超过6000亿美元。然而增长受到电力供应、设备交付和当地阻力制约。截至2025年末,全球运营中的超大规模数据中心达1297个,总容量预计在12个季度内翻倍。
威斯康星大学研究团队开发出Prithvi-CAFE洪水监测系统,通过"双视觉协作"机制解决了AI地理基础模型在洪水识别上的局限性。该系统巧妙融合全局理解和局部细节能力,在国际标准数据集上创造最佳成绩,参数效率提升93%,为全球洪水预警和防灾减灾提供了更准确可靠的技术方案。