据苹果公司知情人士透露,苹果正在测试使用3D打印机来生产一些即将推出的智能手表使用的钢制底盘,这预示着该公司制造工艺将发生重大变化。
该技术将避免用大块金属板切割成产品形状的工艺。据知情人士称,这将加快制造零件所需的时间,同时通过使用更少的材料有助于改善环境,他们要求对此计划及相关公司进行保密。
新方法有可能简化苹果的供应链,并掀起更广泛的制造变革。知情人士表示,如果与Apple Watch的合作按计划进行,这家科技巨头将在未来几年会将这一过程扩展到更多产品。这家总部位于加利福尼亚州库比蒂诺的公司的发言人拒绝对此发表评论。
迄今为止,苹果对其不锈钢手表采用了更传统的制造方法,约占产品线总量的10%。一种被称为锻造的过程,用于将材料块形成接近设备尺寸的较小金属块。然后使用CNC或计算机数控机床进行精确地切割和按钮孔的制作。
而新工艺采用被称为粘合剂喷射的3D打印技术来制作接近其实际尺寸的零件的总体轮廓,或在制造中称为“近净形状”。打印材料是用粉末状物质制成,然后经过一个称为烧结的过程,使用热量和压力将材料挤压成类似传统钢的物品,再进行铣削出精确的轮廓与孔径。
此消息一出,立即提振了3D Systems Corp.和Stratasys Ltd.等3D打印公司的投资者信心。3D Systems的股价飙升了10%,而Stratasys上涨了6.9%。这些股票后来回落了一些涨幅。但同时也引发了苹果股票的价格上涨了1.8%至187.46美元。
苹果及其供应商已经悄悄开发这项技术至少三年。在过去的几个月里,他们一直用于Apple Watch Series 9的钢壳进行测试,该表壳将于9月12日亮相。据彭博社报道,智能手表将获得性能和表壳颜色方面的提升,尽管其外观将基本保持不变。
目前还不能保证新钢制的Apple Watch的第一批产品将全部采用改进的新工艺制造,但当前的测试运行表明公司对这种方法的可行性是认可的。苹果还计划将这一工艺应用于其钛金属Ultra手表,这要到2024年才能开始采用。
此方法有益于环境保护,因为它仅使用创建设备外壳所需的近似金属。其他知情人士表示,在另一项迈向可持续发展的举措中,苹果计划使用新材料来取代其一些新iPhone外壳和其他配件中使用的皮革。
3D打印工作由苹果的制造设计团队领导,该团队由公司副总裁Rob York监督,并向运营主管Sabih Khan报告。对于苹果及其供应商来说,转向3D打印表壳是一项昂贵的改造,但它被证明可以简化生产并随着时间的推移降低成本。目前,采用新工艺的表壳成本与之前的方法一致。
这项工作仍处于起步阶段,目前只有小批量的产品采用。当前大多数Apple Watch外壳都是铝制的而不是不锈钢。该公司尚未使用该材料大规模生产3D打印外壳方面取得进展,这种材料也用于Mac和iPad以及低端iPhone。还在探讨如何将钢和钛等可以进行3D打印的材料带到更多设备上。
该计划是使用粘结剂喷射大规模生产大批量金属零件的首批案例之一。让Apple Watch成为新技术的测试案例是该公司模式的一部分。例如,苹果在iPhone出现在最初的Apple Watch上两年后,就为iPhone添加了钢框架。而今年的高端iPhone将在Apple Watch Ultra上首次亮相一年后使用钛。
好文章,需要你的鼓励
Meta宣布为Facebook Dating推出AI聊天机器人助手,帮助用户找到更匹配的对象。该AI可根据用户需求推荐特定类型的匹配者,并协助优化个人资料。同时推出Meet Cute功能,每周提供算法选择的"惊喜匹配"。尽管18-29岁用户匹配数同比增长10%,但相比Tinder的5000万日活用户仍有差距。AI功能已成为约会应用标配,Match Group等竞争对手也在大力投资AI技术。
字节跳动团队提出RewardDance框架,首次系统性解决视觉生成中的奖励模型扩展问题。该框架通过将奖励预测转为生成式任务,并将模型规模扩展至260亿参数,同时集成任务指令、参考样例和推理能力,有效解决了"奖励作弊"问题。实验显示,在文本生成图像任务中质量提升10.7分,视频生成性能改善49%,达到行业领先水平,为AI视觉创作提供了更强大可靠的技术基础。
Neo4j认为已找到让生成式AI访问图数据库记录的方法。图数据库专注于数据点之间的关系建模和查询,在欺诈检测、推荐引擎等场景中表现出色。2024年4月,ISO批准了图查询语言GQL标准,Neo4j的Cypher查询语言完全符合该标准。现代工具提供拖拽式工作流程,GenAI可作为自然语言接口,将用户请求转换为Cypher查询。
ByteDance团队开发的Mini-o3系统通过深度多轮推理突破了传统AI视觉理解的局限。该系统能像人类侦探般进行几十轮的视觉探索,在困难的视觉搜索任务上准确率达48%,相比现有模型提升显著。核心创新包括挑战性的Visual Probe数据集、多样化推理策略训练和突破性的过轮掩码技术,实现了测试时思考轮数的自然扩展。