发布时间:2019-09-5 阅读量:1978 来源: 电子工程专辑 发布人: CiCi
9月3日,话题“手机计算器全线阵亡”登上热搜榜,消息称苹果、华为、小米、OPPO等各厂商手机计算器都出现了神奇的bug,不少手机计算机计算“10%+10%”时,得出的结果是0.11,而不是正确答案0.2。业内人士随后展开科普,表示这看起来是个Bug,但最终结果其实是计算器处理运算符号的逻辑所导致。
iPhone X max、OPPO、华为荣耀、小米手机测试结果
有网友用iphone X、iphone X max、华为mate 20 pro等机型测试都出现类似情况,比如“30%+20%”得出结果为0.36,“50%+50%”得出结果分别为0.75。
有网友还测试了下Windows 10上的计算器,在标准情况下,10%结果是0。在科学计算器模式下,并没有给出%的符号。
业内人士称,这是普通计算器和科学计算器的区别,人计算时,会优先考虑加减乘法的优先级,先做除法再做加法,结果就是(10%)+(10%)=0.2。如果是非科学计算器的计算逻辑则是认为连续百分比计算,即10%+10%按照10%+(10% x 10%)逻辑计算得出0.11的结果。
简单来说,部分手机计算器会默认把A+10%理解成A+Ax10%,而非A+0.1,对于截然不同的结果,网友们也是议论纷纷。一时间,网友们拿起自己的手机开始算了起来,不过结果基本都是0.11,当然也有个别手机例外。在网友的测试中,华为、苹果、OPPO、小米多默认采用A+Ax10%的逻辑给出答案,其中小米在科学计算器下,有的用户显示结果是0.2,有的依然显示为0.11。而魅族、锤子、努比亚等少数机型未“躺枪”。
9月3日上午,华为荣耀业务部总裁赵明就此发表个人观点,他解释到:“实际上这有一个背景,就是算小费等特殊场景,很多国家餐厅吃饭给10-20%的小费,这时100+10%相当于100+100*10%,相当方便的一种人性化设计”。
赵明也在其微博上积极征求网友意见:“那么到中国要不要改过来呢?”。
魅族华海良对此的解释是,“这个话题引发了不少讨论,其实本质上并不是对或错的问题,我们只是考虑的更多,增加了人性化的算法判断。10%+10%=0.11这个是国外的使用逻辑,而国内的算数逻辑是10%+10%=0.2,所以我们针对不同地区的固件做了不同的算法判断。”
小米产品总监、MIUI体验总负责人小凡也在微博进行了回应。@MIUI小凡 指出,“10%+10%”是目前全球标准的计算逻辑,最早的电子计算器并没有%,是后来加入的。作为后续改进,它一定程度上解决了计算场景中的常用痛点,特别是在西方人计算折扣、小费、利息等场景时,这样的计算逻辑会变得无比实用。
美光科技(Micron Technology)于6月25日发布最新财报,其中对2024财年第四季度的业绩展望显著超越市场预期。公司预计第四财季营收将达约107亿美元,远高于华尔街分析师普遍预测的98.9亿美元。受此积极信号影响,美光股价在盘后交易时段应声上涨,凸显市场对其增长前景的强烈信心。
三星电子正计划调整其首款Android XR头显Project Moohan(代号“无限”)的屏幕供应链策略,拟将关联企业三星显示纳入OLEDoS(硅基OLED)面板供应商体系,与索尼形成“双供应商”结构。此举旨在打破索尼的独家供应局面,提升供应链韧性及议价能力。尽管三星显示加入,索尼仍将保持第一供应商地位,但三星电子借此强化了长期布局XR市场的战略基础。
台积电与苹果共同开发的晶圆级多芯片模块(WMCM)技术标志着先进封装的新高度。作为InFO-PoP的升级版,WMCM融合CoW(Chip on Wafer)与RDL(Redistribution Layer)等尖端工艺。其核心创新在于采用平面封装架构取代传统垂直堆叠逻辑芯片与DRAM,显著提升散热效率与整体性能。这项独家技术将成为苹果下一代iPhone搭载的A20处理器(预计采用2nm制程)的关键性能支柱。同时,苹果自研的AI服务器芯片正稳步导入台积电的3D晶圆堆叠SoIC封装技术,进一步强化计算密度和能效。
在现代工业自动化向智能化、网络化、柔性化加速演进的大背景下,高性能、高可靠、特定场景优化的核心硬件设备构成了系统的“大脑”、“眼睛”和“四肢”。英特尔4U工控机(IPC-615H5)、RK3568高性能监控主板和HPM6400/6300伺服电机控制板分别代表了通用工业计算平台、边缘AI视觉处理平台和高精度运动控制平台的最典型形态。它们在各自的领域拥有独特优势,共同支撑起复杂的工业控制闭环。本文旨在对这三款核心产品进行全方位对比分析,剖析其技术特点、优劣势、应用场景及市场前景,为工业自动化方案选型提供专业参考。
人工智能技术,特别是生成式AI和大规模机器学习模型的迅猛发展,对全球数据中心的基础设施提出了前所未有的高要求。海量数据的实时处理与复杂模型训练,导致数据中心计算负载激增,随之而来的功耗攀升已成为产业亟待解决的核心瓶颈。这不仅推高了运营成本,也对电网承载能力和可持续发展目标构成严峻挑战。如何在高性能计算需求持续增长的同时,有效控制并降低能源消耗,成为AI数据中心建设与升级的关键命题。