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
本文介绍了 Agentic AI 的概念、特点及应用,强调其自主决策、分解任务与执行复杂目标的能力,并探讨了应用场景与潜在风险。
CapSpeech是约翰·霍普金斯大学等机构联合提出的风格描述文本转语音合成基准,包含超过1000万机器标注和36万人工标注的语音-描述配对。它支持五大下游任务:基础风格描述、带音效的语音合成、口音控制、情感表达和表现力丰富的虚拟代理。研究团队开发了自回归和非自回归两种模型,并通过客观和主观评估证明了该基准的有效性。CapSpeech不仅丰富了语音合成的表现力和可控性,还为实际应用如有声读物、对话代理和跨文化语音合成铺平了道路。
本篇文章以 Navin Chaddha 的采访为主线,阐述了 AI 技术背后人际伙伴关系和早期合作的重要性,以及“协同智能即服务”的理念,强调未来创新依旧由人类主导,技术只是辅助工具。
华盛顿大学和卡内基梅隆大学的研究团队开发了"位置专家"(PosS)技术,解决了推测性解码中的关键挑战。传统方法使用单一草稿模型预测多个位置的词汇,导致预测质量随位置深入而急剧下降。PosS创新性地引入多个专业化层,每层负责特定位置的预测,有效缓解了特征偏差累积问题。实验表明,在Llama系列模型上,PosS比基线方法提高了接受长度达4.5%,加速比提升最多5.7%,而仅带来微小的计算开销。这一技术为大型语言模型的高效推理提供了新思路。