2024年2月27日零点,联想小新八款新品开售。小新Pro14 2024 AI锐龙版首发价4999元起,小新Pro16 2024 AI锐龙版首发价5199元起,小新14 2024 AI锐龙版首发价3999元起,小新16 2024 AI锐龙版首发价4199元起,小新27 2024一体电脑锐龙版首发价4199元起。

在正式开售的系列产品内,多款亮眼的AI PC新品均搭载AMD第二代 AI PC处理器,拥有全新的NPU的AI生态和全面升级的旗舰要素……2024年经过更新调优后的小新家族,可以全面覆盖学习、办公、游戏和影音娱乐等场景,为追求新生活方式、提出新工作需求的年轻人提供更加丰富多彩的选择。
全新小新Pro系列:强悍性能,冷静释放
小新Pro 2024系列进一步修炼内功,均搭载了第二代AMD AI PC处理器中的AMD锐龙7 8845H处理器,NPU AI算力提升60%,达到新一代“神U”级别的性能水准,实现强悍的性能释放——极客模式高达65W(在环境温度非常高,或者超长时间烤机时,性能会进一步限制在63W),提供出色的游戏和生产力体验。此外,产品采用极·风神Plus系统、最新的“四涡流寒霜风道”散热方案,整体风量提升,同功耗下噪音更低,释放满血性能的同时更凉爽安净。

长续航,大内存,多接口,满足多样化需求
小新Pro14 2024 锐龙版与小新Pro16 2024 锐龙版搭载了容量高达84Wh的电池,新增100W氮化镓三脚适配器,支持140W超快充,轻薄本也能实现长续航;小新Pro 2024系列继续提供32GB+1TB的配置可选,以满足AI时代对于内存和存储更高的要求。

小新Pro 16 2024锐龙版更是将预装固态进一步升级。出厂预装2242规格的1TB高性能固态,并且提供满血2280尺寸的额外M.2硬盘扩展位,保证优秀速度体验的同时,可以为用户提供更充沛的存储空间。同时,考虑到用户的外接扩展需求,小新家族八款产品提供丰富接口,满足用户在各种场景下的多样化需求。
画质、音质至上,享完美视听体验
针对用户的超高画质与音质需求,小新系列产品的屏幕与音箱进行了全面升级。小新Pro14 2024 AI锐龙版采用SSR超好屏OLED版,2.8K 120Hz同款分辨率及流畅度,OLED像素级控光,通过业界顶级的HDR True Black 500认证的好屏,提供远超IPS屏幕的视觉体验。开启超高画质观影+电竞新时代。0.2ms电竞级响应速度,带来清晰动态画质,助力游戏把把超神。在护眼方面,拥有莱茵硬件低蓝光护眼认证和莱茵Eyesafe认证,顶尖画质更兼顾护眼。小新27 2024一体电脑锐龙版与小新24 2024一体电脑酷睿版采用哈曼2.0音箱,专业级音响调校为用户带来沉浸式越级听觉体验。

系列新品27日零时开售,张雪峰惊喜空降直播间现场
2月27日除小新Pro14 2024 AI锐龙版、小新Pro16 2024 AI锐龙版、小新27 2024一体电脑锐龙版外,小新14 2024 AI锐龙版、小新16 2024 AI锐龙版、小新15 2024高能本酷睿版、小新24 2024一体电脑酷睿版、小新27 2024一体电脑酷睿版也将同步开售。

考研名师张雪峰将于27日19时来到小新官方直播现场,围绕“年轻人的钱也是钱”这一主题,与AMD市场部高级经理Jonathan、联想消费笔记本平板产品规划高级总监林林等人共话大学生专业选择、提升学习与工作效率的电子产品选择、AI人才发展等大热话题。届时可在新浪微博、B站等平台观看官方直播、参与互动。
新品首发优惠多多,小新Pro 系列新品强势来袭,将成为你生产创作、游戏娱乐的得力助手,满足你对于高性能轻薄本的所有想象和期待!
好文章,需要你的鼓励
在Cloudera的“价值观”中,企业智能化的根基可以被概括为两个字:“源”与“治”——让数据有源,智能可治。
苏州大学研究团队提出"语境降噪训练"新方法,通过"综合梯度分数"识别长文本中的关键信息,在训练时强化重要内容、抑制干扰噪音。该技术让80亿参数的开源模型在长文本任务上达到GPT-4o水平,训练效率比传统方法高出40多倍。研究解决了AI处理长文档时容易被无关信息干扰的核心问题,为文档分析、法律研究等应用提供重要突破。
微软正式确认配置管理器将转为年度发布模式,并将Intune作为主要创新重点。该变化将于2026年秋季生效,在此之前还有几个版本发布。微软表示此举是为了与Windows客户端安全和稳定性节奏保持一致,优先确保安全可靠的用户体验。配置管理器将专注于安全性、稳定性和长期支持,而所有新功能创新都将在云端的Intune中进行。
清华大学团队首次揭示了困扰AI训练领域超过两年的"幽灵故障"根本原因:Flash Attention在BF16精度下训练时会因数字舍入偏差与低秩矩阵结构的交互作用导致训练崩溃。研究团队通过深入分析发现问题源于注意力权重为1时的系统性舍入误差累积,并提出了动态最大值调整的解决方案,成功稳定了训练过程。这项研究不仅解决了实际工程问题,更为分析类似数值稳定性挑战提供了重要方法论。