电子墨水技术进入中国智能手机

该技术省电节能,但也制约了手机的功能。

 

上月初,中国一家名不见经传的电子阅读器供应商,广州文石信息科技有限公司(以下简称文石科技) 展示了一款搭载电子墨水显示屏的安卓智能手机原型,一跃成为科技圈关注的焦点。很快网络上就出现了唱好和唱衰两种不同的声音,以及许多关于这款手机的疑问,和文石科技能否克服电子墨水技术固有的局限性满足用户对智能机越来越高的期待。
 
文石科技来自广州,位于毗邻深圳和香港的中国南部科技制造中心区,是一家成立仅四年高科技企业。
 
在YouTube上的一段视频中展示的“电子墨水手机”除显示屏以外,毫无引人称奇之处。它支持Wi-Fi和3G(WCDMA)网络,内置ARM Cortex-A5处理器,操作系统是来自谷歌略显过时的Android 2.3。然而,超薄电容式触摸电子墨水显示屏使得它轻得难以置信-重不到100克-而且在阳光直射下也不妨碍阅读。并且由于低功耗的显示,其电池的续航能力长达一个星期。
 
E Ink公司是由麻省理工学院的教授约瑟夫•雅各布森(Joseph Jacobson)于1997年与他人共同创立的,该公司是电泳显示屏生产的先驱。这类显示屏中的电子墨水是由数以百万计的微胶囊组成的,每个微胶囊中充满了更小的悬浮于澄清液体中的粒子。这些粒子或者带有正电荷(白色),或者带有负电荷(黑色),通电时,相应的带电粒子根据所带电荷移动至微胶囊的顶部,从而使屏幕各点呈现出相应的白色或黑色。
 
电子墨水几乎可以涂在任何物体的表面,玻璃,塑料,织物,甚至纸张。这意味着电子墨水显示屏能做得比常见的LCD更轻更薄,这使得文石科技的产品更轻便光洁。对智能手机而言,或许更值得注意的如果塑料基板得到应用的话,将提高其防碎能力。
 
目前,电子阅读器上采用电子墨水显示技术的远远多于LCD。来自瞻博网络(Juniper Research)的高级分析师尼廷•巴斯(Nitin Bhas)认为这主要有三方面的原因:首先,电子墨水显示屏在阳光直射下不会产生眩光;第二,电子纸可以一直保持静态图像而无需刷新;第三,由于它并不需要经常刷新,电池续航能力也更强。
 
在一些智能手机的常亮副屏上,其实已能找到电子墨水技术的身影,例如索尼爱立信的Urbano Affare。也有以电子墨水显示屏作为主显示屏的功能受限机型,如摩托罗拉的Motofone E3。但是,要让电子墨水适用于智能手机则需另作他论。电子墨水目前仅适用于单色显示,且显示刷新速率明显慢于LCD,这就无法满足视频播放和游戏需求。
 
多数分析师认为,像文石科技这样的设备制造商能促进电子墨水技术更加完美地应用于智能手机,使其更具吸引力。高德纳(Gartner)咨询公司的分析师埃米邓说,用户界面的调整或许能克服电子墨水的一些局限性。她说:“重新排列电子墨水显示屏上显示图像的方式可以提高其屏幕刷新率。例如,除了需要改变的部分外,其余部分可以保持不变。”
 
她补充说硬件的改动,如增加电压也可提高刷新速率,但她同时也提醒说这样做的话,就不得不改变电路设计、同时电池续航能力也会降低。她说:“这些方法仅仅是改进,而不是解决方法。”
 
E Ink公司的首席营销官斯利拉姆. •佩鲁文巴(Sriram Peruvemba)说,目前安卓开发者社区承担了大部分优化工作,但“确有一定的困难。”
 
 “一旦安卓系统拥有一个‘电子纸模式’,我们希望能有大量的基于安卓系统为电子纸开发的应用。佩鲁文巴说: “如今,我们可以通过调整应用程序来实现,但如果有专门的电子纸模式,这将变得更容易,这不仅仅只是为了提高速度。”
 
然而,弗若斯特. 沙利文(Frost&Sullivan)咨询公司的行业经理布拉巴勒西.纳特(Prabanesh Nath)认为当前的市场还不够大,足以引起谷歌的兴趣,为之提供专门定制系统。他说:“随着屏幕和用户界面科技的不断改进,很可能会出现更好的技术,如今手机已更像是彰显生活方式的设备,大多数用户都不大会接受电子墨水显示手机,因为这类手机缺乏“酷”元素。”
 
纳特补充说:“从成本的角度来看,移动设备包括高端智能手机的价格已经大大降低,而且入门级手机现在也拥有非常先进的硬件配置,当然也包括屏幕在内。文石科技的这些设备只有走极低的价格路线,才能获得成功。我觉得它不可能很快成为主流产品。”
智慧旅游解决方案利用云计算、物联网和移动互联网技术,通过便携终端设备,实现对旅游资源、经济、活动和旅游者信息的智能感知和发布。这种技术的应用旨在提升游客在旅游各个环节的体验,使他们能够轻松获取信息、规划行程、预订票务和安排食宿。智慧旅游平台为旅游管理部门、企业和游客提供服务,包括政策发布、行政管理、景区安全、游客流量统计分析、投诉反馈等。此外,平台还提供广告促销、库存信息、景点介绍、电子门票、社交互动等功能。 智慧旅游的建设规划得到了国家政策的支持,如《国家中长期科技发展规划纲要》和国务院的《关于加快发展旅游业的意见》,这些政策强调了旅游信息服务平台的建设和信息化服务的重要性。随着技术的成熟和政策环境的优化,智慧旅游的时机已经到来。 智慧旅游平台采用SaaS、PaaS和IaaS等云服务模式,提供简化的软件开发、测试和部署环境,实现资源的按需配置和快速部署。这些服务模式支持旅游企业、消费者和管理部门开发高性能、高可扩展的应用服务。平台还整合了旅游信息资源,提供了丰富的旅游产品创意平台和统一的旅游综合信息库。 智慧旅游融合应用面向游客和景区景点主管机构,提供无线城市门户、智能导游、智能门票及优惠券、景区综合安防、车辆及停车场管理等服务。这些应用通过物联网和云计算技术,实现了旅游服务的智能化、个性化和协同化,提高了旅游服务的自由度和信息共享的动态性。 智慧旅游的发展标志着旅游信息化建设的智能化和应用多样化趋势,多种技术和应用交叉渗透至旅游行业的各个方面,预示着全面的智慧旅游时代已经到来。智慧旅游不仅提升了游客的旅游体验,也为旅游管理和服务提供了高效的技术支持。
智慧旅游解决方案利用云计算、物联网和移动互联网技术,通过便携终端设备,实现对旅游资源、经济、活动和旅游者信息的智能感知和发布。这种技术的应用旨在提升游客在旅游各个环节的体验,使他们能够轻松获取信息、规划行程、预订票务和安排食宿。智慧旅游平台为旅游管理部门、企业和游客提供服务,包括政策发布、行政管理、景区安全、游客流量统计分析、投诉反馈等。此外,平台还提供广告促销、库存信息、景点介绍、电子门票、社交互动等功能。 智慧旅游的建设规划得到了国家政策的支持,如《国家中长期科技发展规划纲要》和国务院的《关于加快发展旅游业的意见》,这些政策强调了旅游信息服务平台的建设和信息化服务的重要性。随着技术的成熟和政策环境的优化,智慧旅游的时机已经到来。 智慧旅游平台采用SaaS、PaaS和IaaS等云服务模式,提供简化的软件开发、测试和部署环境,实现资源的按需配置和快速部署。这些服务模式支持旅游企业、消费者和管理部门开发高性能、高可扩展的应用服务。平台还整合了旅游信息资源,提供了丰富的旅游产品创意平台和统一的旅游综合信息库。 智慧旅游融合应用面向游客和景区景点主管机构,提供无线城市门户、智能导游、智能门票及优惠券、景区综合安防、车辆及停车场管理等服务。这些应用通过物联网和云计算技术,实现了旅游服务的智能化、个性化和协同化,提高了旅游服务的自由度和信息共享的动态性。 智慧旅游的发展标志着旅游信息化建设的智能化和应用多样化趋势,多种技术和应用交叉渗透至旅游行业的各个方面,预示着全面的智慧旅游时代已经到来。智慧旅游不仅提升了游客的旅游体验,也为旅游管理和服务提供了高效的技术支持。
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值