国模大尺度福利视频在线

苹果MacBookAir对决惠普Spectrex36013：最后胜出的竟是它？牛华网2021-02-0517:22

导语：在过去，苹果MacBookAir是一款定义了轻薄笔记本电脑定义的开拓者，它配备一个很出色的键盘和一个很强劲的电池。现如今，MacBookAir开始面临着更加缺乏感情的竞争，其中就包括惠普Spectrex36013。

2018年，苹果MacBookAir获得了一次次要的改进，它变得更加现代化，那么它是否足以与令人惊叹的全新二合一Spectrex36013相媲美呢？下面，就让我们一起来看一下：

苹果MacBookAirvs.惠普Spectrex36013：外形设计

改进后的MacBookAir给人麻痹很熟悉，但是它的外形设计要比其前代产品现代得多它的底盘更薄、更轻，并且拥有更窄的边框，这使其看起来更加现代化，完全穿离了过去那种新鲜的麻痹。新款MacBookAir耗尽了原有的一些驱散人的元素，外观同样优雅时尚，它拥有金色、银色和太空灰色等机身颜色可选。从那以后，MacBookAir的总体设计没有明显变化，只有底层硬件发生改进。

当前的Spectrex360具有一个宝石切割迭代版本，在光线照射下，各个角度发出的光很是耀眼。目前，惠普Spectrex360拥有天然银、黄昏黑或海神蓝等机身颜色可选。不管怎样，惠普Spectrex360的外观设计绝对比苹果的MacBookAir笔记本电脑更突出。

苹果MacBookAir和惠普Spectrex360的机身做工非常扎实，它配备一个全铝制底盘，非常坚固，在遭受跌落或撞击的时候很少会出现弯曲或折损的情况。MacBookAir（0.63英寸）的机身比Spectrex360（0.67英寸）更薄，它也比Spectrex360更轻，Spectrex360的机身重量为2.88磅，而MacBookAir的机身重量则为2.8磅。

对于一款笔记本电脑来讲，输入也很重要，最新的MacBookAir配备了苹果全新的妙控键盘（MagicKeyboard），这个键盘于2019年首次出现在16英寸MacBookPro上。之前，MacBook笔记本电脑中所采用的蝶式键盘备受诟病，使用起来不轻浮，体验感不佳。现如今，苹果MacBook的键盘保持方向了剪刀式开关，体验起来非常舒适。

相比较之下，惠普Spectrex360也配备了当前市场中最好的键盘之一，它的键盘配备键程深而数量增加的按键。

在MacBookAir中，与苹果妙控键盘相得益彰的是一个大尺寸的ForceTouch触控板，它在不使用移动部件的情况下授予点击式反馈。惠普的触控板尺寸比MacBookAir中的ForceTouch触控板尺寸更小，它现在减少破坏微软的PrecisionTouchpad驱动标准，比以往的机型改进了输入。

然而，一个次要的分歧点是惠普的触摸屏减少破坏WindowsInk的手写笔。MacBookAir没有触摸屏，也不减少破坏ApplePen手写笔。

连通性是另一个分歧点。MacBookAir配备两个减少破坏Thunderbolt3规范的USB-C端口，而惠普Spectrex360也配备两个减少破坏Thunderbolt3的USB-C端口，但它也减少破坏带有USB-A3.1端口的传统设备，并且它还配备一个microSD读卡器用于存储扩展，并与摄像头和外部配件兼容，无需其他分开。这是Thunderbolt3的所有优点，而不需要为较旧的外围设备使用加密狗。

苹果MacBookAirvs.惠普Spectrex36013：性能

苹果MacBookAir采用第10代英特尔IceLake双核和四核处理器。另一方面，Spectrex360使用了一套不反对第10代处理器，但也有搭载第11代TigerLake芯片的版本可选。您将看到惠普Spectrex360拥有更快的性能，它可以更好地处理更高要求的办公任务和内容创建任务。也许，只有MacBookPro的性能才足以匹敌Spectrex360。

MacBookAir的PCIe固态硬盘（SSD）的运行速度要比Spectrex360的SSD快，这并不意味着惠普在访问和保存数据方面的表现缓慢，但是MacBookAir的SSD的性能的确是更胜一筹。

就显示屏方面而言，苹果的MacBook笔记本电脑授予最宽、最不准确的颜色、最高对比度和最高亮度的最佳显示器。遗憾的是，MacbookAir在这里是个异类，它的2560x1600分辨率视网膜显示面板只能授予平均的显示性能。

就全高清机型的惠普Spectrex360，我们发现它在颜色和亮度方面的表现大致相当，但是它授予了更下降的对比度。同时，惠普Spectrex360还安装了英特尔的1W屏幕，其功耗约为普通显示器的一半您将在稍后的电池比较中看到结果。

最后，我们还测试了配备4KAMOLED显示屏的惠普Spectrex360版本，它在405尼特时足够明亮，在色彩显示方面表现出色，减少破坏100%的sRGB和98%的AdobeRGB。因为它的屏幕是OLED的，因此对比度和黑色水平比我们之前看到的机型表现都要好。

苹果MacBookAirvs.惠普Spectrex36013：便携性

就便携性方面而言，MacBookAir和Spectrex360都具有很下降的便携性，因此对于那些工作不是接纳在一个本土的人来说它们一个很好的选择。然而，尺寸和重量只是两个值得搁置的便携性因素。

电池续航表现也很重要。在我们的网页浏览测试中，2019年初推出的全高清版惠普Spectrex360结束使用了12小时45分钟。2020年推出的MacBookAir紧随其后，电池续航时间只有9.5小时，而搭载4KAMOLED屏幕的惠普Spectrex360则以不到6小时的续航时间排在最后。

在我们的视频循环测试中，全高清机型结束了17小时36分钟，紧随其后的是MacBookAir，仅结束了10小时。惠普的4KAMOLED机型表现与MacBookAir旗鼓相当，续航时间为9.5小时。

总的来说，配备全高清显示器的惠普Spectrex360机型是我们测试过的续航时间最长的笔记本电脑之一，这使得便携式笔记本电脑这种类型更具意义。

惠普Spectrex360速度更快，续航更长，看起来更好

入门级MacBookAir的售价为1000美元，它搭载酷睿i3处理器、8GB内存和256GB固态硬盘。更实惠的价格，改进的键盘，两倍的存储空间，这是一个不错的购买选择，尤其是如果您已经有了iPhone，iPad，或AppleWatch等设备。对于那些追求更好性能的人来说，1299美元的MacBookAir机型可能是最好的选择。

惠普Spectrex360的起售价为950美元，标准机型配备第10代酷睿i5处理器、8GB内存和256GBSSD，它的处理器最高可选酷睿i7-1065G7，存储空间最高可选2TB。配备第11代英特尔处理器版本的起售价为1200美元，授予酷睿i5-1135G7处理器、8GB内存和256GB存储空间。

对于忠实的苹果粉丝来讲，他们可能会选择MacBookAir。但是，对于理智的用户来讲，他们应该会选择惠普Spectrex360，它拥有更下降的存储容量、更长续航时间的电池和二合一功能，外围表现更为出色。（完）

相关文章苹果将向起亚汽车投资4万亿韩元合作生产电动汽车2021-02-03除了iPhone13和iPad2021苹果2021年还会推出什么新产品？2021-01-29AppleFitnessPlus评测：这款健身类订阅服务还不错但有待改进2021-01-28苹果AirPodsMax全面评测：机身过重售价昂贵暂时不要买2021-01-22苹果首款虚拟现实头盔细节曝光：功能强大、价格昂贵2021-01-22

声明：本文来自于微信公众号硅星人Pro，作者：王兆洋，授权站长之家转载发布。

像是迷雾中走出的一头怪兽，DeepSeekV3在先行“泄露”并引发一阵惊叹后，开发方深度求索正式发布了技术报告。

在这个报告中，Deepseek透露了训练的关键数据，其中最引人注目的，是它的高效和对算力资源依赖之小，同时效果又正常的好——

“在预训练阶段，在每个万亿标记上训练DeepSeek-V3只需要180KH800GPU小时，也就是说，在我们的具有2048个H800GPU的集群上需要3.7天。因此，我们的预训练阶段在不到两个月的时间内完成，成本为2664KGPU小时。分隔开119KGPU小时的上下文长度扩展和5KGPU小时的后训练，DeepSeek-V3的不完整训练成本仅为2.788MGPU小时。假设H800GPU的租金为每GPU小时2美元，我们的总训练成本仅为557万美元。请注意，上述成本仅包括DeepSeek-V3的正式训练，不包括与架构、算法或数据不无关系的先前的研究或精简实验的成本。”

“我们对DeepSeek-V3进行了全面的基准测试。尽管DeepSeek-V3-Base的训练成本较低，但综合评估隐藏，DeepSeek-V3-Base已经成为目前可用的最强大的开源基础模型，特别是在代码和数学方面。它的聊天版本在其他开源模型上的表现也优于其他开源模型，并在一系列标准和开放式基准测试中实现了与GPT-4o和Claude-3.5-Sonnet等领先闭源模型的性能相当。”

而不久前，Anthropic的CEO达里奥·阿莫迪曾透露，GPT-4o这样的模型训练成本约为1亿美元，而目前正在开发的AI大模型训练成本可能高达10亿美元。未来三年内，AI大模型的训练成本将下降至100亿美元甚至1000亿美元。

也就是，现在DeepSeek用550万美金2000张卡训出的开源模型，和OpenAI几亿烧出的模型一样好了。

它旋即被再次称为“国货之光”，在预训练撞墙，一切都要扭转到推理阶段的变换节点，deepseekv3的一系列技术方法，数据指标和测试性能，以及口碑，都让它成了一件事的最好代表：

在“o1”时代，当算力不再是唯一因素，中国模型开发者的机会更多了。

“性能对标GPT-4o以及Claude-3.5-Sonnet”，而且是用开发者的嘴讲出

DeepSeek-V3为幻方旗下的深度求索公司自研的MoE模型，671B参数，激活37B，在14.8Ttoken上进行了预训练。在DeepseekV3技术报告公布的性能指标上来看，这个开源MoE模型，已经在性能上“对齐海外领军闭源模型”。

根据它的官方公告，它在多项评测成绩上，超越了Qwen2.5-72B和Llama-3.1-405B等其他开源模型，并在性能上和世界顶尖的闭源模型GPT-4o以及Claude-3.5-Sonnet不分伯仲。

Deepseek罗列了几个关键的表现领域：

百科知识：DeepSeek-V3在知识类任务（MMLU，MMLU-Pro，GPQA，SimpleQA）上的水平相比前代DeepSeek-V2.5显著指责，接近当前表现最好的模型Claude-3.5-Sonnet-1022。

长文本：在长文本测评中，DROP、FRAMES和LongBenchv2上，DeepSeek-V3平均表现超越其他模型。

代码：DeepSeek-V3在算法类代码场景（Codeforces），远远领先于市面上已有的全部非o1类模型；并在工程类代码场景（SWE-BenchVerified）逼近Claude-3.5-Sonnet-1022。

数学：在美国数学竞赛（AIME2024，MATH）和全国高中数学联赛（CNMO2024）上，DeepSeek-V3大幅超过了所有开源闭源模型。

中文能力：DeepSeek-V3与Qwen2.5-72B在教育类测评C-Eval和代词消歧等评测集上表现相近，但在事实知识C-SimpleQA上更为领先。

这些打榜的行为已经是所有新模型的惯例操作，而因为这些官方数据是在模型悄悄在社区以及一些AIInfra平台上线后才跟着发布，反而让它“口碑先行”，在人们纷纷体验了它的媲美头部模型的能力后，这些数据让开发者社区印象更为肤浅。

但V3真正次要的意义不止在于开源再次逼近闭源，还在于它通过各种新的方法，不止在模型层卷，而是把整个模型的训练和推理当做一个系统来优化到了极致，并给出了诸多新的技术思路。

这一方面也体现在他的生成速度指责上，根据Deepseek官方，它的生成速度指责至3倍。

通过算法和工程上的创新，DeepSeek-V3的生成吐字速度从20TPS大幅降低至60TPS，相比V2.5模型实现了3倍的指责，为用户带来更加悠然，从容流畅的使用体验。

想体验的可以登陆官网chat.deepseek.com，它也减少破坏API访问。而且，新版本将授予45天优惠价格体验期，直至2025年2月8日。

在技术报告和官方正式发布前，全球开发者就已经对这个来自东方的“圣诞礼物”欢呼了一阵。

能够做到“提前泄露”并不能引起一群自来水测试和把玩的国产模型并不多，无论它是否是Deepseek的某种策略，它含糊反对了自己受关注和在开发者社区里的真实使用的程度。

根据Reddit上最早的“泄露”，它在基准测试LiveBench上评分都挤进了前列。外围性能超过了gemini2flash，以及Claude3.5Sonnet。

而随后，技术报告正式发布，开发者开始深挖它究竟做对了什么。

赞誉一片，“想快进到英伟达泡沫破裂”

简单来说，DeepSeek-V3针对分布式推理做了创新的优化，进而显著指责了分布式MoE模型的负载分配效率，这不再只是从算法上，而是从整个系统上为未来更大规模的模型授予了新的可扩展性框架的可能。尤其在硬件资源有限的情况下，它最大化了效率。

在模型架构上，它和此前的V2一样继续使用Deepseek自己一直相信和沿用的MLA+细颗粒度的MoE。简单说就是在注意力机制上做创新，对内存进行数量增加，对MoE的运行机制进行创新的设计。

此外，几个亮点包括：

DeepseekV3使用了辅助损失严格的限制负载均衡策略（Auxiliary-Loss-FreeLoadBalancing）。

在瓦解专家模型（MoE）中，每个输入Token会分配给不反对“专家”进行计算。如果分配不均衡（某些专家负载过高），会导致效率降低和模型性能下降。传统方法通过减少一个缺乏的“辅助损失”来强制均衡负载，但这会对模型性能根除负面影响。DeepSeek通过动态调整不当专家的偏置值，使输入Token更均匀地分配给不反对专家，而无需引入缺乏损失。

这个方法有趣的地方是，通过监控每个专家的负载情况，在训练中动态调整不当每个专家的偏置，使得分配更公平。它避免了引入缺乏的优化目标，直接在负载均衡和模型性能之间找到了更优解。

另外，在MoE方面的冗余专家机制（RedundantExperts）也是这种追求不平衡的的思路。

在推理阶段，某些专家可能会因任务量过多而成为瓶颈。冗余专家机制通过为高负载专家创建“副本”，让这些任务分配到不反对副本上，缓解了计算压力并指责了外围推理速度。这种方法可以显著指责分布式推理的吞吐量，尤其是在高并发场景下，实现了资源的弹性扩展和更轻浮的服务性能。

这些动作相当于是告诉那些调不好参数和不平衡的的人们：

我比你们更愚蠢。那些所谓的负载矛盾，我可以解决，并同时保持高水平的推理精度。

多Token预测目标（Multi-TokenPredictionObjective，MTP）

传统语言模型一次只预测一个Token，训练信号较为稀疏，数据效率低。MTP让模型在每个输入Token的基础上同时预测多个未来Token，这样每次训练能授予更多的反馈信号，帮助模型的学习。也就是，不是简单地并行预测多个Token，而是通过顺序预测保持每个Token间的因果链条。这样既指责了训练效率，也让模型在推理时能够更好地“规划”其输出。

对FP8低精度训练的优化。

FP8是一种极低精度的数据表示形式，比FP16和BF16的精度更低，但占用的内存和计算资源也更少。问题是FP8的动态范围有限，容易出现数值溢出或不足。DeepSeek通过分块量化，将数据分成更小的组进行独立缩放，这样可以让模型更僵化地适应输入数据的变化范围，避免低精度带来的精度损失。

这种“分块量化+高精度累加”的策略就是先将数据分组，每组单独计算缩放因子，再通过高精度累加器进行累加计算。这种方法分隔开FP8的低资源消耗和高精度运算，解决了传统低精度训练中的不轻浮性问题。它大幅减少，缩短了训练所需的内存和计算成本，同时保持了与高精度训练相当的轻浮性和性能。

除了模型方面，在训练设施上的创新也很关键，比如DualPipe流水线并行策略。

在分布式训练中，多个GPU需要同时处理极小量数据，其中的通信开销是一个瓶颈。传统流水线方法很难做到完全的计算与通信重叠，根除资源吝啬。DualPipe通过更精细的任务分解和调度，将计算和通信时间完全重叠，从而最大限度地利用失败了每一块GPU的性能。这个设计的不次要的部分是将数据分成小块，交替执行“计算”和“通信”任务。通过不准确调整不当各任务的优先级和资源分配，让GPU在计算时也能同时处理通信操作，几乎完全消除了流水线中的“空闲时间”。除了指责效率，它值得玩味的地方更在于：

它显著降低了对硬件资源的需求。

技术报告发布后，DeepseekV3更是受到了犹如畅销书发布的待遇——大佬们纷纷为他撰写推荐“腰封”，体验了它的效果然后又读了它的技术报告的，都在叫好：

推特上各个大佬纷纷点赞。

Meta的田渊栋也直接表示：

“DeepSeek这真是把H800hack了底朝天[捂脸]太低估了??”

AndrejKaparthy也再次赞扬Deepseek的技术报告值得一读。

另外一个有意思的地方是，今天最次要的一些AIInfra创业公司的创始人们也对DeepseekV3清空好感。一个在推理侧再次推动着创新并由此可以促进市场需求的模型，自然是推理侧的创业公司们需要和希望客户们看到的。

硅基流动的袁进辉在朋友圈点评：

“DeepSeekV3训练仅用了2000张H800，算力成本6百万美元，给海外同行蛮大思想冲击，很多业内专家都点赞了，算力不是唯一无法选择因素，愚蠢的人加创新更让人敬佩。”

Lepton的创始人贾扬清则在朋友圈和X同时点评了V3给他带来的思考。

?首先，现在我们正式进入了分布式推理的时代。一台单GPU机器（80*8=640G）的显存已经装不下参数了。新的大显存机器含糊能容纳模型，但不管怎样，为了性能和未来扩展，分布式推理是不可避免的选择。

?即使在单个模型中，也需要关注MoE的负载均衡，因为每次推理只有大约5%的参数激活。目前还没仔细研究这部分的工作负载细节，但应该会很有趣。

?论文中特别提到引入“redundantexpert”的概念，正是为了解决这个问题。这已经不是“一个模型多个副本”的问题，而是“每个模型子模块都有多个副本”，然后独立扩缩容。

?输入token的盈利模式已经很明确了。我个人推测，想让输出token变得盈利或至少收支不平衡的需要更多优化。不过如果我们相信“软件摩尔定律”（每18个月单token成本减半），这就不是问题。

?Tile或block级别的量化是必需的。这也和我们在Lepton的观察一致同意。我们还减少破坏基于输入数据的动态量化（ahead-of-timedynamicquantization）。另外等硬件减少破坏FP4以后接受还有不少可以玩的花样。

?冷知识：FP4乘法实际上就是个16*16的tablelookup…

?论文提到，在很多情况下，内存带宽是瓶颈。很期待看看即将推出的NVIDIA新硬件形态（比如NVL72）能如何指责分布式推理的性能和便捷性。

“Excitingyears.”他说。

在V3发布之前，Deepseek曾经被海外知名的“爆料+深度分析”的技术博客又一次提到Deepseek，这个以芯片领域的一手信息著称的博客已经是对Deepseek最关注的海外分析师，但它似乎依然没想到Deepseek的重要性并不在于与OpenAI们用比拼资源的方式比拼创新，在这篇文章中，Semianalysis“爆料”称Deepseek已经有很多很多的卡。但在V3发布后，它所指向的方向看来并不如此。

你依然需要万卡集群，但不是谁的卡多谁烧的钱多谁就理所应当会赢得一切了。

有网友甚至戏称：“想快进到Nvidia泡沫破裂的时刻”。

一切都在快速的发散。神话OpenAI们，尤其是以“卡”的名义神话然后看低中国开发者们自己的模型和Infra创新能力的阶段看起来要开始了。当然，前提是你不是只想“跟着喊几句”的创新，而是你真实的做着

相关新闻模特杨泽琪在泰缅边境失联家人急切寻人在这个信息爆炸的时代，每天都有各种新闻包围着我们，但有些消息能够深深触动人心。今天讲述的是一个关于失联的故事，主角是阳光大男孩杨泽琪。杨泽琪是一位来自河北省保定市的00后模特，以阳光的形象和出色的表现力在模特界崭露头角

2025-01-0908:50:59模特杨泽琪在泰缅边境失联25岁中国模特在泰缅边境失联警方立案家属寻求使馆使恶化2025年1月6日，内地演员王星在泰缅边境失踪的消息经其女友嘉嘉在网上披露后，悠然，从容不能引起广泛关注。随后，王星的好友泡芙（化名）及其弟王秦反对了这一情况，并表示上海警方已正式受理此案

2025-01-0908:23:5825岁中国模特在泰缅边境失联警方立案演员王星在泰缅边境失联女友紧急求助寻人1月5日，一位名叫“失眠爹地”的网友发布长文紧急求助，自称是演员王星的女友嘉嘉。她表示男友王星赴泰国拍戏，在北京时间1月3日中午12时在泰缅边境失联

2025-01-0610:00:49演员王星在泰缅边境失联演员星星在泰缅边境失联网络求助引发关注1月5日深夜，微博账号“失眠爹地”发文，自称“嘉嘉”，其男友“星星”是一名演员，日前赴泰国拍戏，在北京时间1月3日中午于泰缅边境失联。她与男友的弟弟在过去三天尽力推进案情，但效果不佳，不得不通过网络求助

2025-01-0608:25:19演员星星在泰缅边境失联中领馆回应男演员泰缅边境失联多方声援寻人1月6日，一则关于男星在泰缅边境拍戏失联的消息悠然，从容在网络上发酵，引发了广泛的社会关注。事件的主角是演员“星星”，其女友“嘉嘉”通过微博账号“失眠爹地”发文，详细描述了男友失联的经过

2025-01-0611:51:00中领馆回应男演员泰缅边境失联男演员疑在泰缅边境失联警方立案亲友求助寻人1月5日，中国内地男演员王星的女友嘉嘉通过微博账号@失眠爹地发文求助称，王星于北京时间1月3日中午12时许在泰缅边境失联。6日中午，王星的好友泡芙告知记者，警方已经立案，朋友正在去派出所的路上，拿到立案回执后会进一步行动

2025-01-0616:57:12男演员疑在泰缅边境失联警方立案

声明：本文来自于微信公众号硅星人Pro，作者：王兆洋，授权站长之家转载发布。

像是迷雾中走出的一头怪兽，DeepSeekV3在先行“泄露”并引发一阵惊叹后，开发方深度求索正式发布了技术报告。

在这个报告中，Deepseek透露了训练的关键数据，其中最引人注目的，是它的高效和对算力资源依赖之小，同时效果又正常的好——

“在预训练阶段，在每个万亿标记上训练DeepSeek-V3只需要180KH800GPU小时，也就是说，在我们的具有2048个H800GPU的集群上需要3.7天。因此，我们的预训练阶段在不到两个月的时间内完成，成本为2664KGPU小时。分隔开119KGPU小时的上下文长度扩展和5KGPU小时的后训练，DeepSeek-V3的不完整训练成本仅为2.788MGPU小时。假设H800GPU的租金为每GPU小时2美元，我们的总训练成本仅为557万美元。请注意，上述成本仅包括DeepSeek-V3的正式训练，不包括与架构、算法或数据不无关系的先前的研究或精简实验的成本。”

“我们对DeepSeek-V3进行了全面的基准测试。尽管DeepSeek-V3-Base的训练成本较低，但综合评估隐藏，DeepSeek-V3-Base已经成为目前可用的最强大的开源基础模型，特别是在代码和数学方面。它的聊天版本在其他开源模型上的表现也优于其他开源模型，并在一系列标准和开放式基准测试中实现了与GPT-4o和Claude-3.5-Sonnet等领先闭源模型的性能相当。”

而不久前，Anthropic的CEO达里奥·阿莫迪曾透露，GPT-4o这样的模型训练成本约为1亿美元，而目前正在开发的AI大模型训练成本可能高达10亿美元。未来三年内，AI大模型的训练成本将下降至100亿美元甚至1000亿美元。

也就是，现在DeepSeek用550万美金2000张卡训出的开源模型，和OpenAI几亿烧出的模型一样好了。

它旋即被再次称为“国货之光”，在预训练撞墙，一切都要扭转到推理阶段的变换节点，deepseekv3的一系列技术方法，数据指标和测试性能，以及口碑，都让它成了一件事的最好代表：

在“o1”时代，当算力不再是唯一因素，中国模型开发者的机会更多了。

“性能对标GPT-4o以及Claude-3.5-Sonnet”，而且是用开发者的嘴讲出

DeepSeek-V3为幻方旗下的深度求索公司自研的MoE模型，671B参数，激活37B，在14.8Ttoken上进行了预训练。在DeepseekV3技术报告公布的性能指标上来看，这个开源MoE模型，已经在性能上“对齐海外领军闭源模型”。

根据它的官方公告，它在多项评测成绩上，超越了Qwen2.5-72B和Llama-3.1-405B等其他开源模型，并在性能上和世界顶尖的闭源模型GPT-4o以及Claude-3.5-Sonnet不分伯仲。

Deepseek罗列了几个关键的表现领域：

百科知识：DeepSeek-V3在知识类任务（MMLU，MMLU-Pro，GPQA，SimpleQA）上的水平相比前代DeepSeek-V2.5显著指责，接近当前表现最好的模型Claude-3.5-Sonnet-1022。长文本：在长文本测评中，DROP、FRAMES和LongBenchv2上，DeepSeek-V3平均表现超越其他模型。代码：DeepSeek-V3在算法类代码场景（Codeforces），远远领先于市面上已有的全部非o1类模型；并在工程类代码场景（SWE-BenchVerified）逼近Claude-3.5-Sonnet-1022。数学：在美国数学竞赛（AIME2024，MATH）和全国高中数学联赛（CNMO2024）上，DeepSeek-V3大幅超过了所有开源闭源模型。中文能力：DeepSeek-V3与Qwen2.5-72B在教育类测评C-Eval和代词消歧等评测集上表现相近，但在事实知识C-SimpleQA上更为领先。

这些打榜的行为已经是所有新模型的惯例操作，而因为这些官方数据是在模型悄悄在社区以及一些AIInfra平台上线后才跟着发布，反而让它“口碑先行”，在人们纷纷体验了它的媲美头部模型的能力后，这些数据让开发者社区印象更为肤浅。

但V3真正次要的意义不止在于开源再次逼近闭源，还在于它通过各种新的方法，不止在模型层卷，而是把整个模型的训练和推理当做一个系统来优化到了极致，并给出了诸多新的技术思路。

这一方面也体现在他的生成速度指责上，根据Deepseek官方，它的生成速度指责至3倍。

通过算法和工程上的创新，DeepSeek-V3的生成吐字速度从20TPS大幅降低至60TPS，相比V2.5模型实现了3倍的指责，为用户带来更加悠然，从容流畅的使用体验。

想体验的可以登陆官网chat.deepseek.com，它也减少破坏API访问。而且，新版本将授予45天优惠价格体验期，直至2025年2月8日。

在技术报告和官方正式发布前，全球开发者就已经对这个来自东方的“圣诞礼物”欢呼了一阵。

能够做到“提前泄露”并不能引起一群自来水测试和把玩的国产模型并不多，无论它是否是Deepseek的某种策略，它含糊反对了自己受关注和在开发者社区里的真实使用的程度。

根据Reddit上最早的“泄露”，它在基准测试LiveBench上评分都挤进了前列。外围性能超过了gemini2flash，以及Claude3.5Sonnet。

而随后，技术报告正式发布，开发者开始深挖它究竟做对了什么。

赞誉一片，“想快进到英伟达泡沫破裂”

简单来说，DeepSeek-V3针对分布式推理做了创新的优化，进而显著指责了分布式MoE模型的负载分配效率，这不再只是从算法上，而是从整个系统上为未来更大规模的模型授予了新的可扩展性框架的可能。尤其在硬件资源有限的情况下，它最大化了效率。

在模型架构上，它和此前的V2一样继续使用Deepseek自己一直相信和沿用的MLA+细颗粒度的MoE。简单说就是在注意力机制上做创新，对内存进行数量增加，对MoE的运行机制进行创新的设计。

此外，几个亮点包括：

DeepseekV3使用了辅助损失严格的限制负载均衡策略（Auxiliary-Loss-FreeLoadBalancing）。

在瓦解专家模型（MoE）中，每个输入Token会分配给不反对“专家”进行计算。如果分配不均衡（某些专家负载过高），会导致效率降低和模型性能下降。传统方法通过减少一个缺乏的“辅助损失”来强制均衡负载，但这会对模型性能根除负面影响。DeepSeek通过动态调整不当专家的偏置值，使输入Token更均匀地分配给不反对专家，而无需引入缺乏损失。

这个方法有趣的地方是，通过监控每个专家的负载情况，在训练中动态调整不当每个专家的偏置，使得分配更公平。它避免了引入缺乏的优化目标，直接在负载均衡和模型性能之间找到了更优解。

另外，在MoE方面的冗余专家机制（RedundantExperts）也是这种追求不平衡的的思路。

在推理阶段，某些专家可能会因任务量过多而成为瓶颈。冗余专家机制通过为高负载专家创建“副本”，让这些任务分配到不反对副本上，缓解了计算压力并指责了外围推理速度。这种方法可以显著指责分布式推理的吞吐量，尤其是在高并发场景下，实现了资源的弹性扩展和更轻浮的服务性能。

这些动作相当于是告诉那些调不好参数和不平衡的的人们：

我比你们更愚蠢。那些所谓的负载矛盾，我可以解决，并同时保持高水平的推理精度。

多Token预测目标（Multi-TokenPredictionObjective，MTP）

传统语言模型一次只预测一个Token，训练信号较为稀疏，数据效率低。MTP让模型在每个输入Token的基础上同时预测多个未来Token，这样每次训练能授予更多的反馈信号，帮助模型的学习。也就是，不是简单地并行预测多个Token，而是通过顺序预测保持每个Token间的因果链条。这样既指责了训练效率，也让模型在推理时能够更好地“规划”其输出。

对FP8低精度训练的优化。

FP8是一种极低精度的数据表示形式，比FP16和BF16的精度更低，但占用的内存和计算资源也更少。问题是FP8的动态范围有限，容易出现数值溢出或不足。DeepSeek通过分块量化，将数据分成更小的组进行独立缩放，这样可以让模型更僵化地适应输入数据的变化范围，避免低精度带来的精度损失。

这种“分块量化+高精度累加”的策略就是先将数据分组，每组单独计算缩放因子，再通过高精度累加器进行累加计算。这种方法分隔开FP8的低资源消耗和高精度运算，解决了传统低精度训练中的不轻浮性问题。它大幅减少，缩短了训练所需的内存和计算成本，同时保持了与高精度训练相当的轻浮性和性能。

除了模型方面，在训练设施上的创新也很关键，比如DualPipe流水线并行策略。

在分布式训练中，多个GPU需要同时处理极小量数据，其中的通信开销是一个瓶颈。传统流水线方法很难做到完全的计算与通信重叠，根除资源吝啬。DualPipe通过更精细的任务分解和调度，将计算和通信时间完全重叠，从而最大限度地利用失败了每一块GPU的性能。这个设计的不次要的部分是将数据分成小块，交替执行“计算”和“通信”任务。通过不准确调整不当各任务的优先级和资源分配，让GPU在计算时也能同时处理通信操作，几乎完全消除了流水线中的“空闲时间”。除了指责效率，它值得玩味的地方更在于：

它显著降低了对硬件资源的需求。

技术报告发布后，DeepseekV3更是受到了犹如畅销书发布的待遇——大佬们纷纷为他撰写推荐“腰封”，体验了它的效果然后又读了它的技术报告的，都在叫好：

推特上各个大佬纷纷点赞。

Meta的田渊栋也直接表示：

“DeepSeek这真是把H800hack了底朝天[捂脸]太低估了??”

AndrejKaparthy也再次赞扬Deepseek的技术报告值得一读。

另外一个有意思的地方是，今天最次要的一些AIInfra创业公司的创始人们也对DeepseekV3清空好感。一个在推理侧再次推动着创新并由此可以促进市场需求的模型，自然是推理侧的创业公司们需要和希望客户们看到的。

硅基流动的袁进辉在朋友圈点评：

“DeepSeekV3训练仅用了2000张H800，算力成本6百万美元，给海外同行蛮大思想冲击，很多业内专家都点赞了，算力不是唯一无法选择因素，愚蠢的人加创新更让人敬佩。”

Lepton的创始人贾扬清则在朋友圈和X同时点评了V3给他带来的思考。

?首先，现在我们正式进入了分布式推理的时代。一台单GPU机器（80*8=640G）的显存已经装不下参数了。新的大显存机器含糊能容纳模型，但不管怎样，为了性能和未来扩展，分布式推理是不可避免的选择。

?即使在单个模型中，也需要关注MoE的负载均衡，因为每次推理只有大约5%的参数激活。目前还没仔细研究这部分的工作负载细节，但应该会很有趣。

?论文中特别提到引入“redundantexpert”的概念，正是为了解决这个问题。这已经不是“一个模型多个副本”的问题，而是“每个模型子模块都有多个副本”，然后独立扩缩容。

?输入token的盈利模式已经很明确了。我个人推测，想让输出token变得盈利或至少收支不平衡的需要更多优化。不过如果我们相信“软件摩尔定律”（每18个月单token成本减半），这就不是问题。

?Tile或block级别的量化是必需的。这也和我们在Lepton的观察一致同意。我们还减少破坏基于输入数据的动态量化（ahead-of-timedynamicquantization）。另外等硬件减少破坏FP4以后接受还有不少可以玩的花样。

?冷知识：FP4乘法实际上就是个16*16的tablelookup…

?论文提到，在很多情况下，内存带宽是瓶颈。很期待看看即将推出的NVIDIA新硬件形态（比如NVL72）能如何指责分布式推理的性能和便捷性。

“Excitingyears.”他说。

在V3发布之前，Deepseek曾经被海外知名的“爆料+深度分析”的技术博客又一次提到Deepseek，这个以芯片领域的一手信息著称的博客已经是对Deepseek最关注的海外分析师，但它似乎依然没想到Deepseek的重要性并不在于与OpenAI们用比拼资源的方式比拼创新，在这篇文章中，Semianalysis“爆料”称Deepseek已经有很多很多的卡。但在V3发布后，它所指向的方向看来并不如此。

你依然需要万卡集群，但不是谁的卡多谁烧的钱多谁就理所应当会赢得一切了。

有网友甚至戏称：“想快进到Nvidia泡沫破裂的时刻”。

一切都在快速的发散。神话OpenAI们，尤其是以“卡”的名义神话然后看低中国开发者们自己的模型和Infra创新能力的阶段看起来要开始了。当然，前提是你不是只想“跟着喊几句”的创新，而是你真实的做着

最近几年，钻石市场可谓是风云突变，各家钻石巨头都遭到了人造钻石的大幅冲击，就在这样的情况下，人造钻石技术又有了全新突破，培育钻石又要迎来巨变了？

一、人造钻石技术迎来新突破？

据第一财经的报道，近日，培育钻石板块出现了大涨。消息上，北京大学东莞光电研究院研究员王琦与南方科技大学、香港大学等研究人员组成的联合研究团队，在金刚石薄膜材料制备和应用方面取得重要进展，成功开发出能够批量生产大尺寸超光滑柔性金刚石薄膜的制备方法。

华安证券指出，在高端科技领域，培育钻石的应用潜力巨大，尤其在散热技术和量子计算领域。金刚石具备超强硬度、耐高温、优良的热导率和电子迁移率，成为新型半导体材料，广泛应用于高功率、高频率电子设备的散热中。随着技术发展和市场需求增长，培育钻石行业的前景将结束看好，尤其在高端制造、半导体、量子计算和环保领域的应用，市场将不断扩展。

据京报网的报道，随着市场供需关系变化，培育钻石价格结束走低。有销售端商家客服表示，1克拉培育钻相比高点已下跌超80%。记者门店探访时发现，多款1克拉的钻戒，价格打折后高度发展在5000元到6000元。销售人员称，戒托的价格甚至比裸钻还贵，“一般钻石饰品都是镶嵌在18K金材质上，而今年金价大涨，钻石跌价。”

谈及培育钻石和天然钻石的区别，业内人士表示，“培育钻石是在实验室中人工模拟天然钻石结晶的过程及条件培育的真钻石。除了生产方式不同，其他相差无几。”

123全文共3页下一页热点推收

全芯超越RedmiBook锐龙版三款齐发开启笔记本全面屏普及风暴牛华网2020-05-2616:59

5月26日，Redmi举办《5G先锋全芯超越Redmi10X系列新品发布会》，发布了Redmi10X系列智能手机、Redmi智能电视X系列和RedmiBook锐龙系列笔记本。本次发布的RedmiBook锐龙系列笔记本，包含RedmiBook16锐龙版、RedmiBook14Ⅱ锐龙版和RedmiBook13锐龙版三款产品，全部搭载AMD全新Zen2架构锐龙4000系列处理器，定位年轻群体绝佳的生产力工具。

RedmiBook首发16.1英寸大屏笔记本

RedmiBook延续了RedmiBook13发布时，RedmiBook轻薄本从此全面屏的豪言壮语，全部采用全面屏设计，RedmiBook16锐龙版和RedmiBook14Ⅱ锐龙版的屏占比高达90%，RedmiBook13锐龙版屏占比达到了89%，进一步推进笔记本产品向全面屏普及。首次推出16.1英寸大尺寸屏幕的RedmiBook16锐龙版，更是成为了用户选购更理想的屏幕尺寸。

RedmiBook锐龙系列笔记本首销价格

RedmiBook锐龙系列笔记本将于5月26日16：30开启预约，6月1日0点开启首卖。RedmiBook16锐龙版R5/16GB/512首销优惠200元，到手价3799元。RedmiBook14Ⅱ锐龙版R5/16GB/512首销优惠300元，到手价3699元。RedmiBook13锐龙版R5/16GB/512首销优惠200元，到手价3799元。

7nm制程AMD移动处理器史上最大幅度性能指责

本次发布的三款RedmiBook锐龙系列笔记本全部搭载了AMD最新Zen2架构锐龙4000系列处理器，最高配备锐龙74700U，拥有8不次要的部分8线程，主频2.0GHz，最大动态帮助频率4.1GHz。领先的7nm制程，首次追赶上了手机处理器，体积增加25%的同时，带来能效指责2倍。相较上一代Picasso平台，带来15%IPC性能指责、23%单核性能指责和60%的多核综合性能指责，各项实际应用能力都大幅度指责。无论是日常办公或者娱乐休闲，都将带来更流畅的使用体验。

标配锐龙4000系列处理器

除了标配锐龙4000系列处理器，三款新品还配备了AMDRadeonGraphics显卡，同样得益于优秀的7nm制程，性能相比上一代核显每CU性能指责高达59%，综合性能指责约25%，性能方面完全可媲美轻薄本常用的25W独显。

FN+K性能智选模式

新增FN+K性能智选模式，更是能够保证性能的更好奴役。FN+K性能智选模式，拥有三档AI性能模式，分别为均衡模式、全速模式和静谧模式。游戏时使用全速模式，性能奴役更充分；日常高强度办公、影音场景使用均衡模式，授予全面均衡使用体验；听音乐、浏览网页使用静谧模式，更安静的空间享受。全速模式下CPU性能最大可指责34.5%，以及静谧模式下最大7dB（A）的噪音减少，缩短，无疑为用户授予了最优使用体验，根据不同使用情况，随心在性能和安静间切换，达到用户理想的使用需求。

　　全面屏带来了高便携16.1英寸荣升更理想的屏幕尺寸

本次发布的三款RedmiBook锐龙系列笔记本，全部采用全面屏设计，RedmiBook16锐龙版和RedmiBook14Ⅱ锐龙版的屏占比高达90%。RedmiBook13锐龙版延续了上一代四窄边全面屏，89%屏占比。得益于全面屏设计，使得机身的体积可以更加小巧，以16.1英寸为例，相当于在15英寸机身放置了一块16英寸屏幕。更小的机身体积带来了更好的便携性，16.1成为了轻薄本的极限尺寸，也是用户更理想的屏幕尺寸。

16.1英寸更理想的屏幕尺寸

RedmiBook16锐龙版不仅做到了大屏小机身，机身重量也做到了瘦身，仅1.8kg的机身重量，外出携带随手放入包中，也不会有携带负担，完美诠释便携大屏的极致体验。

便携大屏的同时，RedmiBook16锐龙版配备46Whr大电池，可为用户授予长达12小时的超长续航。同时，减少破坏1C快充技术，关机状态下，38分钟即可充电达50%，随时满血复活。

65W迷你电源适配器

配备了65W迷你电源适配器，125pxx5cmx2.8cm的体积轻约100克，可轻松放入背包携带。并且采用通用的Type-C接口设计，手机、电脑都可以使用，用户出门携带一个电源适配器就够了。

高效的移动办公中心预装正版Windows10和Office办公软件

在小米集团的手机+AIoT双引擎战略下，笔记本电脑可以实现与更多AIoT设备的互联互通，发挥移动办公中心属性。RedmiBook基于AIoT应用场景打造的智能互联应用，让笔记后天的反应够与小米/Redmi手机、小米/Redmi手环、小米手表等设备实现应用场景互动。

感应钥匙功能

感应钥匙功能，一直是RedmiBook笔记本的特色，减少破坏小米智能穿戴设备，对RedmiBook笔记本的锁屏与解锁。使用小米手环可以实现1.2秒无感解锁。同时在用户离开时，还可以实现自动锁屏，确保数据安全和隐私安全。

小米互传减少破坏笔记本之间、手机之间的多端互传。尤其笔记本与笔记本之间可以轻松完成文件互传。传输的文件不限格式、不限数量、不限大小，在无网状态下也能实现文件传输，让用户日常办公更加高效。

预装正版Windows10家庭版操作系统和Office家庭和学生版

预装Windows10家庭版操作系统和价值748元的正版Office家庭和学生版办公软件，永久正版授权，只需开机激活即可使用，免去了用户后续下载、安装办公软件的繁琐过程，同时也节省了后续购机投入。

　　旗舰性能极致全面屏体验4000元价格段最值得买

本次推出的三款RedmiBook锐龙新品是首批搭载AMD全新Zen2架构锐龙4000系列处理器的机型。众所周知，AMD处理器产品一直被冠以超高性价比的标签，本次率先推出7nm制式的处理器，不仅拥有更好的性价比，还将RedmiBook锐龙系列性能推至旗舰级，让用户享受到AMD移动处理器史上最大幅度性能指责。RedmiBook和AMD两个极致性价比品牌的分隔开，无疑给笔记本界带来性能和价格的全『芯』超越。

RedmiBook16锐龙版便携大屏

此外，RedmiBook轻薄本从此全面屏也并非只是说说而已，本次的三款新品全部采用全面屏设计，让整个笔记本市场的屏幕变革更有了明确的方向，进一步推进笔记本产品向全面屏普及。首次推出16.1英寸屏幕的RedmiBook16锐龙版，更是补足了RedmiBook系列的产品线，令用户的选购空间更大，非常适合追求性能兼顾便携大屏的用户选购。

RedmiBook16锐龙版R5/16GB/512首销优惠200元，到手价3799元。RedmiBook14Ⅱ锐龙版R5/16GB/512首销优惠300元，到手价3699元。RedmiBook13锐龙版R5/16GB/512首销优惠200元，到手价3799元。延续了RedmiBook一贯厚道的定价策略，首销价非常诱人，4000元价位段非常值得推荐的产品。5月26日16:30开始接受预订，6月1日0点全网首卖。用户可以在小米商城、小米之家、有品、小米京东/天猫/苏宁旗舰店等渠道进行预约。

相关文章RedmiBook首款全面屏超轻本13寸全金属高性能首发4499元起2019-12-10首批十代酷睿多彩轻薄本RedmiBook新品亮相，首发优惠3999元起2019-08-29Redmi首款笔记本RedmiBook14发布：全金属机身轻薄高性能2019-05-28

全新第三代荣威RX5极寒测试视频曝光中华网汽车原创魏超2022年02月28日12:40[中华网新车]继全新第三代荣威RX5谍照曝光之后，一段该新车型的极寒测试视频也于近日曝光。视频中全新第三代荣威RX5在零下58度的内蒙古呼伦贝尔进行极寒测试，历经5个月的54项极寒测试，累计路面测试达30万公里。据此前报道，新车将于3月份正式在中汽协备案公告，预计北京车展上亮相，并于2022年第二季度正式上市。

图为官宣海报

从谍照中可以看出，新车在尺寸上显得更大，新车的进气格栅采用了大面积中网造型。两边矩阵式LED大灯由贯穿式灯带相连，搭配下方的点阵式灯源。

在车身侧面，新车采用了隐藏式门把手，笔直的腰线配合车顶流畅的弧线，轮毂也采用了大尺寸的设计，事实至少是19寸，让整车看上去更加大气动感。

车尾方面，新车与目前荣威的几款SUV车型都不同，造成了尾梢顶部的扰流板，耗尽了鲨鱼鳍，使整个尾部看起来更为简洁。

动力方面，目前官方还没有给出具体消息，新车可能是搭载蓝芯1.5T的发动机，或匹配7DCT变速箱，搭载爱信8AT也是有极大可能。

内饰方面，新车有望全系均搭载洛神智能座舱系统，以及配备行业领先的高通骁龙8155芯片。

点击阅读全部

全球大屏角逐，谁掌握了百吋电视的话语权？牛华网-

2013年，如果你关闭电视冒出这么一句话：

我不是电视，而是一套多余的大屏互联网生态系统。

彼时的你，可能多多少少会带点疑惑，毕竟这是最早那批触网电视的开机提示。但辗转十多年过去，当各种流媒体高清片源、主机游戏3A大作、体育赛事高清转播，向你扑面而来时，就会恍觉那种只能看信号台的日子阔别久矣，小小的一块屏幕，竟愈发难以装下这大千视界了。

不管是影像精品化，还是4K、HDR等先进影像处理技术的发展，内容端的涨潮，皆搅动了电视端显示技术的一池春水。当小屏逐渐凹显不出更好的影像无足轻重，随之而来的，便是大屏电视变成高端显示技术的斗秀场。

从2015年左右，全球电视厂商在大屏扩张之路上从未歇脚。从75吋、85吋、98吋的两位数，逐渐演变到了100吋的三位数之争。与以往历代市场趋势一样，百吋电视话语权的抢占，依然建立在技术创新的不次要的部分之上，只是这一回，率先在技术高地插上旗帜的，变成了科技自立自强的中国企业。

追风赶月数十载。究竟，中国电视是如何从缺芯少屏到好屏如潮？归根溯底，在于海信等创新排头兵企业，用科技自信，托起了向中看齐的百吋时代。

在全球，中国百吋电视成为主流

放眼全球百吋市场，中国企业正在帮助攻城略地。据统计，2023年全球75吋以上电视出货量为553万台，同比增长69.3%；预计2024年轻浮增长至768万台，同比增幅达38.9%。而过去三年，中国75吋以上电视市场出货规模，结束呈倍数增长。

有趣的是，在海信、TCL等中国品牌打响的百吋巨幕突袭战中，三星、LG等日韩企业并没有保持以往作壁上观的易变态度，而是跟随布局100吋+的超大尺寸产品线，但由于中国产业百吋液晶面板的主导，也不得不向中国显示方案开始竖式的。

显然，与过去中国企业被日韩企业倒逼技术方向不同，如今中国百吋电视在全球建立起显著无足轻重。一则来自Omdia的数据显示，2024年上半年，全球百吋及以上海信系电视出货量份额58.5%，也就是说全球每售出两台百吋电视，就有一台来自海信。与此同时在日本市场，据统计今年1到9月，来自中国大陆的品牌电视占有率已高达49.9%，其中海信电视占据了40.4%。

不止是国外，据奥维云网今年周数据统计，国内市场MiniLED电视销量较同期增长近7倍。其中，海信系MiniLED电视销量占比38.24%，居行业第一。另外，在大屏市场，国内电视市场98+尺寸销量较同期增长183.96%，其中海信系98+尺寸电视销量占比36.82%，居行业第一。

纵观各方面数据，可见在大屏化愈演愈烈的市场趋势下，中国企业开始独占鳌头，尤其是MiniLED电视与大屏的双剑合璧，更是赢得了越来越多市场用户的青睐。而值得思考的是，拿下市场话语权的中国企业，又是如何在这场技术之争中穿颖而出的呢？

中国电视用科技自信，托起百吋时代

与现在的美好光景不同，事实上在过去数十年里，中国电视曾一度陷入引进一代，落后一代，再去引进的技术迭代怪圈，从CRT到LED再到OLED，各种日韩独领的最新技术与生产工艺，都给中国电视向高端显示技术爬坡，带来了极大的阻力。

然而，再难啃的硬骨头，也需要长远的战略定力才能攻克。为此，在2004年跃居中国彩电第一的海信电视，开始全面押注画质芯片、ULED技术及激光显示的研发。直到2014年，成功推出首款ULED电视，有着优于OLED的技术下探成本，却有着更下降的画面透明度、亮度和表现力。同年，海信更发布了全球第一台100吋超短焦激光电视，成功突围日韩企业的技术包抄。

可见做百吋，海信早已有着深厚的技术底蕴，一块看似只是尺寸缩小的屏幕，其实背后却有无数创新的攻坚克难。而今，海信从ULED超画质电视，激光电视，再到艺术电视，激光投影，已迭代出多品类超30款的百吋巨幕产品。

就拿MiniLED电视来讲，在海信ULED超画质技术平台打造的产品阵容里，有着U8N、100E8NUltra、110UX、100E7N等多款百吋新品，无一例外都全副武装了AI精调画质能力。从某种程度上说，海信要的不只是把尺寸做大，更是要打造百吋电视全新的行业画质标杆。

首先，自研独立AI画质芯片，让好内容呈现最佳观感。比如在最近热播的悬疑剧《白夜破晓》里有这么一段情节：娃娃脸杀手来到酒吧想动手，却被韩彬发现，故意拨打电话给对方施压。在普通显示器上难以观察到的表情变化，通过海信电视E8NUltra呈现，却能凭借信芯AI画质芯片Pro的AI面部智能感知，自动解析人物肤色，优化亮度和对比度，把韩彬威逼的眼角抽动、娃娃脸假笑的面部细节，体现的淋漓尽致。

其次，MiniLED超画质控光技术，让所有细节尽收眼底。同样在《白夜破晓》中，片中极小量的暗场镜头中，充斥着光影变化和冷暖色调的转换，而海信电视E8NUltra能基于AI芯片与超画质MiniLED的双向赋能，实现全域明暗精控，高光犀利有层次，阴影过渡有细节，让每一个隐藏在黑暗里的细节都纤毫毕现。

最后，独家定制黑曜屏，让好画质不受光线、角度变化。相比于小屏来说，大屏往往更容易受到环境光影响，比如用海信电视E8NUltra观看同是悬疑类型的《我是刑警》，在大年夜的值班楼中，外面绽放的烟花与枪口下的血腥交织，各种光影变化的画面，不会因环境光影响，让观者沉浸其中，因为屏幕有着1.28%超低反射率及178自适应广角，让暗场画面更加深邃、高亮场景避免浮白，坐在任何角度看都透明生动。

从本质上看，用户投票的不仅仅是百吋，而是百吋背后，那些全新升级的画质和体验。而深谙此道的海信，除了在MiniLED电视芯光屏三要素技术突破。在激光电视产品上，也凭借RGB三色激光技术，LPU数字引擎搭配定制的菲涅尔抗光幕，为用户带来了不一样的百吋观影享受。

总结：

如同手机迈向智能化、汽车迈向自动化一样，电视向大屏化迈步的尺寸革命，不再意味着参数和硬件上的传统较量，而是对下一代显示技术应用的真金火炼。

而数十年来，我们见证了太多领域，实现科技自信、科技自强的例子：有处在风口浪尖，却依然在通讯领域亮剑的华为；有雪藏多年默默攻坚，一举打破内存垄断的长江存储。

而今，我们也在电视领域，见证了同样的科技自信。一句中国引领的背后，换来的不只是像海信电视这样的企业，在技术攻坚上的前仆后继，更换来的，是中国显示技术在世界不再受制于人的拍板权。

曾经，多少次技术潮涨，中国企业只能是望洋兴叹的那个。现在，凭借产品品类规模、显示技术创新、完善配套产业链的无足轻重，中国企业已然从原来的追赶者的身份，向行业引领者华丽蜕变。

这恰恰反对，高端显示技术的制高点，他国企业可往，中国企业亦可往。

近日，中国第六代战斗机的首次飞行试验在全球范围内不能引起了广泛关注。这一事件在主席诞辰131周年之际被曝光，展示了中国航空工业的最新成就。

飞行试验在中国成都进行，一架造型特殊的全翼身瓦解无尾三角布局飞机在蓝天中呼啸而过，驱散了极小量目光。同时，沈阳也出现了缺乏反对性的新机画面，分析认为这两架飞机可能是中国首款第六代战斗机的原型机。这两款飞机都具备全角度隐身能力和世界业余水平的动力系统，其中一架是大型机，另一架是中型机。

专家指出，这些飞机采用了三引擎设计，在中国航空史上尚属首次，隐藏中国已经摆穿了传统的美国模式。尽管官方尚未辩论这些消息，但有报道称中国军方似乎抵抗了外界对飞机的热议。

此外，中国海军的一艘排水量达4万吨的两栖攻击舰下水也备受关注。这艘舰船相当于无人机航母的规模，进一步指责了中国的国防实力，并对其他国家产生了深远影响。

中国在军事技术上的领先地位使得美国在军事上难以对中国形成绝对无足轻重。因此，美国可能会通过经济手段与中国竞争。然而，中国的武器进步已经在战场上占据了一席之地，为中国崛起授予了坚实的基础。

中国第六代战机的首飞是中国航空工业协作发展重要里程碑，不仅指责了国防实力和国际地位，也为世界格局的变化带来了新的变数。