全球闪存存储解决方案供应商闪迪公司今日面向中国及其他高速增长市场的入门级平板电脑和智能手机发布一款理想的存储解决方案——iNAND Standard嵌入式闪存驱动器(EFD)。利用最新1Y纳米X3 NAND闪存解决方案,原始设备制造商(OEM)可快速推出搭载性能可靠的闪迪存储器的新型入门级数码设备。
闪迪iNAND Standard产品图
闪迪公司移动互联解决方案部高级副总裁兼总经理Drew Henry表示:“中国是当今最活跃的智能手机和平板电脑市场,既需要最先进的高端智能手机,也需要新奇强大但物美价廉的入门级设备。凭借闪存技术专长,我们针对体量巨大的中国入门级移动设备市场设计出新型iNAND Standard产品。它是我们与移动系统提供商密切合作的结果,几乎能够即插即用,助力OEM制造商针对中国大众市场快速推出功能强大的入门级智能手机和平板电脑。”
日益增加的数据消费持续推动全世界对更丰富数字体验和更多互连设备的需求,而入门级产品的增长尤为强劲。2013年,单单中国的在用智能设备(包括平板电脑和智能手机)数量就超过了7亿台。从2012年到2013年,闪迪嵌入式闪存在中国的销售额增长了5.7倍。
闪迪在移动生态系统中的牢固关系缩短产品上市时间
闪迪与中国乃至全球领先的智能手机与平板电脑制造商、顶尖的处理器制造商和操作系统提供商保持着良好的合作关系,中国福州瑞芯微电子有限公司就是其中之一。由于这些关系,iNAND Standard能够与目前的移动设备和系统无缝协作,轻松实现即插即用。无论是对大型OEM客户,还是对小型设备制造商,这都有助于释放潜能,显著缩短产品上市时间。
福州瑞芯微电子有限公司首席技术官胡秋平表示:“瑞芯微移动处理器的应用性能与iNAND Standard值得信赖的高性价比闪存相结合,为中国OEM制造商提供了一个新的平台,为入门级平板电脑市场带来了新的可能性。”
闪迪闪存技术代表着性能可靠
iNAND Standard是闪迪推出的第四代e.MMC解决方案,采用2010年以来开发的X3 NAND闪存技术打造。
凭借闪迪最新X3闪存存储和高速e.MMC 4.51+ HS200行业规范,iNAND Standard提供响应迅速、品质可靠的低价闪存产品。用于平板电脑时,无论消费者是应用切换、网页浏览,还是视频播放,iNAND Standard都能实现流畅的用户体验和强大的应用性能。用于入门级智能手机时,iNAND Standard可以提供稳健的存储性能,有助于实现多任务无缝处理,并在拍照和其他热门应用中带来愉悦的用户体验。
iNAND Standard是闪迪针对移动市场的全系列嵌入式解决方案家族中的一员。其他iNAND产品包括iNAND Ultra和iNAND Extreme。闪迪iNAND解决方案有嵌入式闪存驱动器(EFD)和多芯片封装(MCP)两种形式,可令平板电脑、智能手机、电子书阅读器、个人媒体播放器和其他互连设备实现更快的系统响应、更好的多任务处理和浏览性能、更长的电池续航时间以及更为出色的用户体验。
特性和规格:
供货情况
平板电脑专用的iNAND Standard即日起供货,提供8GB和16GB两种容量。
智能手机专用的iNAND Standard将于2014年下半年供货。
分析师视点:
闪迪将亮相台北国际电脑展览会
闪迪将于台北国际电脑展览会上展示新型iNAND Standard,其展台位于台北世界贸易中心南港展览馆4楼N0804号。
好文章,需要你的鼓励
谷歌Agent Development Kit(ADK)革新了AI应用开发模式,采用事件驱动的运行时架构,将代理、工具和持久化状态整合为统一应用。ADK以Runner为核心,通过事件循环处理用户请求、模型调用和外部工具执行。执行逻辑层管理LLM调用和工具回调,服务层提供会话、文件存储等持久化能力。这种架构支持多步推理、实时反馈和状态管理,为构建超越简单聊天界面的生产级AI应用提供了完整框架。
上海AI实验室联合团队开发RoboVIP系统,通过视觉身份提示技术解决机器人训练数据稀缺问题。该系统能生成多视角、时间连贯的机器人操作视频,利用夹爪状态信号精确识别交互物体,构建百万级视觉身份数据库。实验显示,RoboVIP显著提升机器人在复杂环境中的操作成功率,为机器人智能化发展提供重要技术突破。
苹果在iOS 26中推出全新游戏应用,为iPhone、iPad和Mac用户提供个性化的游戏中心。该应用包含五个主要版块:主页展示最近游戏和推荐内容,Arcade专区提供超过200款无广告游戏,好友功能显示Game Center动态并支持游戏挑战,资料库可浏览已安装游戏并提供筛选选项,搜索功能支持按类别浏览。iOS 26.2版本还增加了游戏手柄导航支持,为游戏玩家提供更便捷的操作体验。
英伟达研究团队提出GDPO方法,解决AI多目标训练中的"奖励信号坍缩"问题。该方法通过分别评估各技能再综合考量,避免了传统GRPO方法简单相加导致的信息丢失。在工具调用、数学推理、代码编程三大场景测试中,GDPO均显著优于传统方法,准确率提升最高达6.3%,且训练过程更稳定。该技术已开源并支持主流AI框架。