未来两到三周微软将发布Surface Book3,7720元起

简介: 由于全球疫情持续发展,让微软原本计划好的传统发布会无法落地,近日微软官方宣布今年所有的活动都将采用线上虚拟方式,也就是我们所说的网络直播。

由于全球疫情持续发展,让微软原本计划好的传统发布会无法落地,近日微软官方宣布今年所有的活动都将采用线上虚拟方式,也就是我们所说的网络直播。


image.png


有知情人向外媒windowslatest透露,微软将在未来几周发布Surface Book3和Surface Go2。根据微软的计划,这场活动会在4月的最后一周举办,但还不能确定,也有可能推迟到五月的第一或第二周。


似乎是为了确认这一消息似的,英国零售商John Lewis在谷歌上刊登了Surface Book3广告,确认这款设备确实已经准备发布,但广告随后又被撤下。


其实在产品发布之前Surface Book3的配置基本已经被泄露的差不多了,新产品同样拥有13.5英寸和15英寸两个版本,其中15英寸版本能够选配独立显卡。CPU也有两个选项可选,都是英特尔的第十代处理器,i5-10210U和i7-20510U。


image.png


另外Surface Book3的内存最低为8GB,最高可选配32GB,存储空间最低为256GB的NVMe SSD固态硬盘,最高可选配1TB。售价方面最低配置也就是13英寸、i5+8GB+256GB版本为1000欧元,约合人民币7720元,最高配置版本售价则将超过30000元人民币。


不同于以往的是,这次Surface Book3搭载的显卡并不是Nvidia GeForce系列,而是Nvidia Quadro系列,区别就在于前者主打游戏性能,后者则是针对媒体专业从业人员设计的。目前还不知道Surface Book3会采用该系列旗下的哪款显卡,根据以往的经验性能不会很低,应该是中高端水平。


image.png


微软另一款产品Surface Go2将采用10英寸屏幕,1800*1200分辨率,Intel Core m3-8100Y处理器或奔腾4425Y处理器,内存可选4GB和8GB版本,起售价626欧元,约合人民币4815元,最高960欧元,约合人民币7384欧元。

相关文章
|
计算机视觉 vr&ar 存储
带你读《射频集成电路及系统设计》之一:射频元件
本书针对射频集成电路和系统设计的核心问题,提供理论与实践与现实世界的应用实例,还提供了实用的设计指导,涵盖各种拓扑结构设计。主要包括射频组件、信号和系统、两个端口、噪声、失真、低噪声放大器、混频器、振荡器、功率放大器和收发器架构。为学生提供在射频集成电路和系统设计中未来的职业所需的背景知识和实用工具。适合电子工程、通信工程、自动化等专业的高年级本科或研究生教材。
|
Java 程序员 网络安全
JUnit5学习之六:参数化测试(Parameterized Tests)基础
了解JUnit5的参数化测试的基本知识
325 2
JUnit5学习之六:参数化测试(Parameterized Tests)基础
|
Web App开发 移动开发 前端开发
Chrome各个版本小常识
Chrome各个版本小常识
|
运维 供应链 容灾
阿里异地多活架构新突破:库存单元化部署技术思路揭秘(2)
阿里异地多活架构新突破:库存单元化部署技术思路揭秘
728 0
|
机器学习/深度学习 人工智能 自然语言处理
未来数据观|从大模型到AIGC:人工智能新范式
人工智能经历70余年的探索和发展,如今到了大模型时代并出现现象级AI产品。这不仅是人类研究积累的厚积薄发,也是数字时代下大数据、大模型、大算力发展到了一定阶段的必然结果。在大模型的加持下,AIGC(AI Generated Content,人工智能生成内容)有望助力内容生成跨越新时代,并开启人工智能应用的新浪潮。
1430 1
|
Web App开发 开发者
最新苹果开发者账号添加设备UDID​
最新苹果开发者账号添加设备UDID​
|
机器学习/深度学习 并行计算 API
RTX 3060 相关信息和调整CUDA的使用率
RTX 3060是一款由英伟达(NVIDIA)推出的高性能显卡,是其RTX 30系列产品线的一员。以下是一些RTX 3060的相关信息:
858 0
|
计算机视觉
基于OpenCV的红绿灯识别代码解析
基于OpenCV的红绿灯识别代码解析
605 0
|
JSON 搜索推荐 API
盒马 iOS Live Activity &“灵动岛”配送场景实践
盒马 iOS Live Activity &“灵动岛”配送场景实践
2956 0
盒马 iOS Live Activity &“灵动岛”配送场景实践
|
机器学习/深度学习 存储 传感器
万字长文 | 多目标跟踪最新综述(基于Transformer/图模型/检测和关联/孪生网络)(下)
随着自动驾驶技术的发展,多目标跟踪已成为计算机视觉领域研究的热点问题之一。MOT 是一项关键的视觉任务,可以解决不同的问题,例如拥挤场景中的遮挡、相似外观、小目标检测困难、ID切换等。为了应对这些挑战,研究人员尝试利用transformer的注意力机制、利用图卷积神经网络获得轨迹的相关性、不同帧中目标与siamese网络的外观相似性,还尝试了基于简单 IOU 匹配的 CNN 网络、运动预测的 LSTM。为了把这些分散的技术综合起来,作者研究了过去三年中的一百多篇论文,试图提取出近年来研究者们更加关注的解决 MOT 问题的技术。
万字长文 | 多目标跟踪最新综述(基于Transformer/图模型/检测和关联/孪生网络)(下)