3月26日,东芝电子(中国)在北京召开了名为“无限你的记忆”的东芝2015存储产品媒体体验活动。在活动中,东芝存储新产品集体亮相,特别是大量无线存储产品发布及换代,标志着东芝存储发力无线存储,为中国存储市场的发展注入新的活力。
随着4G网络、智能手机、平板电脑以及可穿戴设备的普及,人们沟通的方式已经全面进入了无线时代,在对传统存储产品的性能要求不断提高的同时,无线存储产品,渐渐被人们所接受。
据介绍,东芝于1987年在世界上最早开发出NAND闪存,作为存储世界的缔造者,一直秉承专业的精神,为消费者提供高速、优质的专业存储体验。近年来,东芝不断在无线存储领域发力。在2011年,东芝创新推出带有Wi-Fi功能的FlashAir系列SD卡产品,开创行业先河。在2014年,东芝推出了TransferJet(传输宝)技术,使短距离的无线数据传输速度得到了显著的提高。
东芝一系列移动硬盘及固态硬盘的新品
用户在活动现场亲身体验东芝新一代无线存储产品
在体验活动上,东芝存储的很多产品进行了升级换代,包括更大容量的USB闪存盘系列,SD及CF存储卡,速度更快的彩色版东芝极至瞬速microSD卡。东芝还展示了一系列移动硬盘及以固态硬盘的新品。
存储器应用技术科经理朱明先生介绍东芝无线存储产品特点
市场部助理高级经理陈霄东先生展示东芝新一代无线存储产品
最为引人注目的,是东芝推出的一系列无线存储产品,包括第三代的FlashAir Wi-Fi SD卡,带有无线预览功能的NFC SD卡,TransferJet(传输宝)的新成员——TransferJet SD卡以及TransferJet iOS设备适配器,还有带有Wi-Fi功能的移动硬盘,以及带有Wi-Fi功能的移动固态硬盘。
现场媒体采访东芝电子(中国)有限公司董事长兼总经理田中基仁先生(右)及副总经理高桥俊和先生(左)
“我们长期以来致力于为消费者提供专业、高速、优质体验的存储产品。”东芝电子(中国)有限公司副总经理高桥俊和先生表示:“东芝十分重视中国市场。现在,东芝有笔记本电脑,电视等多种产品,而在中国销售数量最多的东芝品牌产品正是存储卡,USB,移动硬盘等可移除存储介质。在世界范围内,中国是最大的可移除存储介质的市场。东芝在中国的移动硬盘B2C业务之前是台湾公司联系中国的代理商开展的。从今年4月开始,除了东芝品牌存储卡、USB闪存盘、SSD产品外,东芝电子(中国)有限公司也将开始接受移动硬盘的业务。在整个中国市场,东芝电子(中国)将全权负责东芝品牌的所有存储产品。”
在发布新品、传输理念的同时,东芝也透露出对于中国市场的重视及其未来在中国市场的发展战略。
东芝电子(中国)有限公司董事长兼总经理 田中基仁先生
“东芝是目前全球唯一一家能够自己生产从存储卡到SSD、HDD所有存储产品、拥有所有存储产品线的公司。东芝四日市工厂是世界上最大的NAND闪存的工厂,支持全世界的需求。”东芝电子(中国)有限公司董事长田中基仁表示:“我们相信,技术与愿景的结合,将为人们带来魔法般的感受。我们希望我们的无线存储产品,能够为大家带来不一样的,更加便捷,更加快速的存储体验。东芝于1972年开始发展在中国的业务,今年已经是第43个年头了。中国消费者的美好回忆,感动瞬间,由东芝为您实现。今后东芝将作为综合性存储产品生产厂商,为中国消费者提供更安心安全,更舒适的生活。”
据透露,体验活动中发布的产品将在未来的几个月时间内陆续上市。届时,东芝希望能够通过新产品,为广大的消费者带来不一样的“无限”的记忆。
好文章,需要你的鼓励
谷歌发布数据共享模型上下文协议服务器,使开发者和AI智能体能够通过自然语言访问真实世界统计数据。该服务整合了政府调查、行政数据和联合国等全球机构的公共数据集。新服务旨在解决AI系统训练中常见的数据噪声和幻觉问题,为AI提供可验证的结构化信息。谷歌还与ONE Campaign合作推出数据智能体工具,该开源服务器兼容任何大语言模型。
这项由谷歌DeepMind研究团队完成的开创性研究首次系统阐述了AI智能体经济的概念框架。研究提出"沙盒经济"模型,从起源性质和边界渗透性两个维度分析AI智能体经济形态,预测未来将出现自然涌现且高度透水的AI经济网络。研究详细探讨了科学加速、机器人协调、个人助手等应用场景,提出基于拍卖机制的公平资源分配方案和使命经济概念,并深入分析了技术基础设施需求、社区货币应用以及相关风险防范措施。
微软宣布从周三开始将Anthropic的AI模型集成到其Copilot助手中,此前该助手主要依赖OpenAI技术。企业用户可在OpenAI的深度推理模型和Anthropic的Claude Opus 4.1、Claude Sonnet 4之间选择,用于复杂研究和构建定制AI工具等任务。此举标志着微软与OpenAI这对曾经独家合作伙伴关系的进一步松动。
中国人民大学研究团队提出LoFT方法,通过参数高效微调基础模型解决长尾半监督学习中的数据不平衡问题。该方法利用预训练模型的良好校准特性改进伪标签质量,并扩展出LoFT-OW版本处理开放世界场景。实验显示,仅使用传统方法1%的数据量就能取得更优性能,为AI公平性和实用性提供了新的解决方案。