市场分析公司 KeyBanc Capital Markets 的分析师安迪·哈格里夫斯在给客户的一份报告中表示：「从供应链考察获得的信息显示，短期 iPhone 需求已经稳定，但 2020 财年复苏的可能性并不大。」他认为，iPhone 的营收今年将下降 15%，明年将增长 2%。
（举报）
华尔街分析师：苹果 iPhone 销量疲弱态势将会持续到明年
- 相关推荐
- 大家在看
-
【腾讯云】11.11云上盛惠！云服务器首年1.8折起，买1年送3个月！
11.11云上盛惠！海量产品 · 轻松上云！云服务器首年1.8折起，买1年送3个月！超值优惠，性能稳定，让您的云端之旅更加畅享。快来腾讯云选购吧！
腾讯云
12-20
广告 -
分析师称由于缺乏AI功能 iPhone16销量将受到影响
苹果即将推出的iPhone16系列将会有许多硬件升级，以提升其人工智能功能。对于这些说法，分析师们持怀疑态度。请保持一定的怀疑态度。
-
苹果即将发财报！供应链暗示iPhone销量不容乐观
苹果即将发布2024财年第二财季财报，财报发布后，该公司将于美东时间5月2日下午5:00举行业绩会。在苹果财报发布前，半导体公司SkyworksSolutions暗示，iPhone销量表现不容乐观。因Skyworks严重依赖苹果订单，Skyworks正在考虑多元化布局，该公司首席执行官表示，从长远来看，我们打算在物联网设备、汽车电气化和高级安全系统以及人工智能基础设施中应用我们的连接技术。
-
苹果要推出更便宜的iPhone了！
苹果公司正面临着销售下滑的困境。为了扭转局面，推出一款价格更为亲民的iPhone可能是明智的选择。在当前经济形势下，苹果需要不断创新和改革以应对市场的挑战，并维持其竞争优势地位。
-
2月份iPhone全球销量下滑4%：华为持续压制苹果 中国市场翻了一番
分析师普遍指出，苹果在中国市场的黄金时代已经成为过去，iPhone的吸引力明显下降，这一趋势也反映在其销售量上。苹果iPhone在2月份的销量同比下降了4%，主要下降集中在美国、印度和中国市场。由于消费者支出放缓和华为等本土品牌的竞争加剧，苹果在中国市场的主导地位正面临着严峻挑战。
-
iPhone 16高清大图出炉：“灵动岛版”iPhone X
根据yankodesign基于iPhone16系列模具绘制的渲染图显示，iPhone16标准版可以被看作是iPhoneX灵动岛版”。二者摄像头排列方式相似，主要区别在于屏幕，iPhone16采用了灵动岛药丸屏”。iPhone16标准版有望搭载苹果A18系列芯片，这将是苹果史上性能最强悍的标准版机型。
-
库克：对中国iPhone的未来保持乐观
苹果公司首席执行官蒂姆�库克在今日发布的2024财年第2季度财报后表示，中国是全球竞争最激烈的市场之一，但他对中国iPhone的未来发展持乐观态度。根据苹果公司的财报数据，该公司在2024年第1季度大中华区市场的营收为163.7亿美元，较去年同期的178.1亿美元下降了8.1%。尽管iPhone销量出现下滑，但库克对iPhone在中国市场的长远前景持乐观态度，并强调公司将继续致力于提供高品质的产品和服务，以满足消费者需求。
-
苹果新AI模型OpenELM或暗示iPhone可能迎来AI革新
苹果一直对其生成式人工智能的计划保持沉默，但随着今天发布新的AI模型，公司的即时目标似乎牢固地落在“使AI本地运行在苹果设备上”的领域。苹果的研究人员于周三在HuggingFace模型库上发布了OpenELM，这是一系列四个非常小的语言模型。即使苹果发布了这么多模型，公司据称仍与谷歌和OpenAI合作，将它们的模型引入苹果产品中。
-
库克：中国是全球竞争最激烈的市场 iPhone销量实现了增长
2024年5月4日，苹果公司CEO蒂姆�库克参加伯克希尔-哈撒韦股东大会时透露了他对中国市场前景的乐观态度。他在中国之行中感到非常享受，并表示对重新聚焦中国市场和让中国消费者爱上iPhone充满信心。他说：“我很期待重新回到中国，希望能与中国合作伙伴一起合作，探索新的机会。
-
iPhone闹钟不响 苹果官方回应：正积极解决
苹果官方回应iPhone闹钟不响问题消费者关注焦点过去几周，许多iPhone用户在社交媒体上反映遇到了闹钟不起作用的问题。针对这一问题，苹果公司表示已引起重视，并正在积极解决。这也对苹果公司提出了更高的要求，以确保其产品能够满足消费者的需求。
-
iPhone充电切勿放枕头下 苹果警告：存在安全隐患
苹果公司在其官方“iPhone的重要安全性信息”支持页面发布了一则重要警告，强烈建议用户在充电时避免将iPhone置于枕头或身体下方。该警告明确指出，用户在睡眠时切勿睡在已连接电源的iPhone、电源适配器或无线充电器上，更不应将它们放置在毯子、枕头或身体下方。用户在使用iPhone进行充电时，务必遵循安全规范，确保自身和他人的安全。
-
CopilotKit.ai:快速集成生产就绪的AI助手，提升产品智能。
CopilotKit是一个旨在简化AI助手集成过程的开源工具。它允许开发者快速创建能够理解上下文、执行动作并从任何数据源获取知识的智能助手。产品的主要优点包括提高生产效率、增强用户参与度，以及通过自动化和智能化提升用户体验。CopilotKit的背景是响应市场对高效、智能工具的需求，定位于帮助开发者快速实现AI技术的商业化应用。
-
Prometheus-Eval:用于评估其他语言模型的开源工具集
Prometheus-Eval 是一个用于评估大型语言模型（LLM）在生成任务中表现的开源工具集。它提供了一个简单的接口，使用 Prometheus 模型来评估指令和响应对。Prometheus 2 模型支持直接评估（绝对评分）和成对排名（相对评分），能够模拟人类判断和专有的基于语言模型的评估，解决了公平性、可控性和可负担性的问题。
-
OpenAI Assistants API Quickstart:使用OpenAI Assistants API和Next.js快速搭建聊天机器人应用
OpenAI Assistants API quickstart with Next.js 是一个使用OpenAI的Assistants API和Next.js框架快速搭建聊天机器人的模板项目。它支持流式传输、代码解释器和文件搜索等高级功能，旨在展示如何在Next.js应用中集成OpenAI的强大能力。
-
phi3-Chinese:致力于收录开源社区的phi3训练变体版本，整理训练、推理、部署教程。
phi3-Chinese是一个公共的GitHub仓库，专注于收集和整理开源社区中关于phi3模型的各种训练变体版本。它不仅提供了不同版本的phi3模型下载链接，还包含了训练、推理、部署的相关教程，旨在帮助开发者更好地理解和使用phi3模型。
-
Secret Llama:一个完全私密的聊天机器人，运行在您的浏览器中，保护您的对话数据安全。
Secret Llama 是一个免费且完全私密的聊天机器人，与ChatGPT不同，它完全在您的浏览器内运行，意味着您的对话数据不会离开您的电脑。首次加载可能需要一些时间，因为模型需要完全下载到您的电脑上，但之后可以断开WiFi工作。支持Chrome和Edge浏览器，需要GPU，不推荐在移动设备上使用。
-
StoryDiffusion: 能够通过生成一致的图像和视频来创造魔法故事。
StoryDiffusion 是一个开源的图像和视频生成模型，它通过一致自注意力机制和运动预测器，能够生成连贯的长序列图像和视频。这个模型的主要优点在于它能够生成具有角色一致性的图像，并且可以扩展到视频生成，为用户提供了一个创造长视频的新方法。该模型对AI驱动的图像和视频生成领域有积极的影响，并且鼓励用户负责任地使用该工具。
-
AWPortrait:一款专注于提升AI生成肖像照片真实感的模型。
AWPortrait是一款专注于AI生成肖像照片的模型，致力于通过技术提升照片的真实感。它通过不断优化训练，使得生成的人物肖像更加逼真，加入了东方元素，如旗袍和汉服，增强了室内外效果，优化了面部特写的变形问题，并允许调整人物年龄。AWPortrait适用于个人和商业用途，但需遵守相应的使用协议。
-
ollama-reply:一款开源的浏览器扩展，利用AI生成吸引人的社交媒体回复，促进社交增长。
ollama-reply是一个开源的浏览器扩展，它利用Ollama Llama3模型的强大功能来生成吸引人的社交媒体回复，旨在促进用户的社交增长。这个工具被设计为MagicReply的免费和开源替代品。它不仅免费使用，而且高度可定制，可以适应任何Ollama模型，并根据用户的需求调整回复内容。
-
Reor:一款私人且离线的AI个人知识管理桌面应用
Reor是一个AI驱动的桌面笔记应用，它通过自动链接相关笔记、回答笔记上的问题、提供语义搜索以及生成AI闪卡来增强个人的知识管理。所有数据本地存储，支持类似Obsidian的Markdown编辑器。Reor项目的核心假设是，思考工具的AI模型应默认在本地运行。它利用了Ollama、Transformers.js和LanceDB等技术，使得大型语言模型（LLM）和嵌入模型能够在本地运行。同时，也支持连接到OpenAI或兼容的API，如Oobabooga。
-
spRAG:为密集非结构化数据提供挑战性查询的RAG框架
spRAG是一个专为非结构化数据设计的RAG（Retrieval-Augmented Generation）框架，特别擅长处理复杂的文本查询，例如金融报告、法律文件和学术论文。它在复杂的开放性问答任务上，如FinanceBench基准测试中，准确率显著高于传统的RAG基线模型。
-
Prettygraph:一个实验性的UI，用于将文本转换为知识图谱。
prettygraph是一个基于Python的Web应用程序，由@yoheinakajima开发，展示了一种新的UI模式，用于将文本输入动态地转换为知识图谱。该项目是一个快速原型，旨在提供一种简单的UI想法，通过实时更新UI中的文本高亮来生成知识图谱。
-
WildChat:一个由真实世界用户与ChatGPT交互构成的语料库。
WildChat数据集是一个由100万真实世界用户与ChatGPT交互组成的语料库，特点是语言多样和用户提示的多样性。该数据集用于微调Meta的Llama-2，创建了WildLlama-7b-user-assistant聊天机器人，能够预测用户提示和助手回应。
-
Frame:AI眼镜，赋予你视觉分析与实时翻译的超能力
Frame是Brilliant Labs推出的一款AI眼镜，它通过集成的AI技术，为用户提供实时的视觉分析和翻译功能。这款眼镜结合了OpenAI和Whisper技术，允许用户通过视觉和听觉来搜索和理解他们所看到和听到的内容。Frame的主要优点在于它的开放源代码特性，鼓励开发者、艺术家和黑客探索和创造新的功能，推动产品的创新和个性化。此外，它还包括了Mister Power功能，确保全天候的电池续航。
-
Omniplex:开源的多功能AI平台，专注于提升用户体验和生产力。
Omniplex是一个开源的AI平台，它致力于通过建立核心功能和基本特性来提升用户体验。该平台正在积极开发中，专注于实现最佳实践、优化代码库，并引入新特性。Omniplex使用TypeScript作为编程语言，React作为前端框架，Next.js作为Web框架，并结合了Firebase、Vercel AI SDK等技术栈。
-
Remini App:Remini，一款AI照片和视频增强器，将低质量视觉内容提升至高清水平。
Remini利用先进的AI技术，为用户的照片和视频提供高质量的增强服务。它不仅能够修复老照片，提高肖像的清晰度，还能通过AI生成新的照片，满足不同行业的专业内容创建需求。产品以其快速、易用和惊人的效果受到全球数百万用户的喜爱。
-
Hairpaca AI :发型生成器 找到适合您的完美造型。
Hairpaca AI 发型生成器通过提供超逼真的虚拟试戴照片，帮助您找到完美的发型，无需实际剪发。通过 Hairpaca，您可以选择超过 50 种流行发型，从长发、短发、卷发、直发、可爱风格到性感风格，找到适合您的风格。Hairpaca 支持上传任何发型照片，如果我们提供的样式选项不符合您的期望，您可以自己上传发型照片到您的个人发型库中。使用 Hairpaca，您可以在大约 5 秒钟内获得虚拟试戴的效果，而不需要长时间等待。不仅如此，Hairpaca 提供的超过 50 种发型的试戴仅需 9.9 美元，让您以更低的成本尝试不同的造型。
-
Story Diffusion:一键生成和你模样一致的漫画故事书
Story Diffusion 是一款利用人工智能生成连贯故事和相关视频的工具。用户可以轻松创建独特而有趣的故事和漫画艺术，无需艺术或编码技能。
-
Project Neo:使用，快速制作插图，为2D设计注入3D魔力。
Project Neo是Adobe推出的一款插件，它通过与Adobe Photoshop和Illustrator熟悉的控制和命令的简单操作，让你在几分钟内而不是几小时内，就能制作出出色的图标、生动的绘图和独特的三维形状。它为设计师提供了更多的颜色、中间调和阴影控制能力，通过增加深度和几何形状来增强设计。Project Neo与Creative Cloud无缝集成，增强了你的创意工具箱，让你能够轻松地导出完美的SVG和像素完美的图像，为你的2D设计增添活力。
-
Llama-3 70B Gradient 524K Adapter:Llama-3 70B模型的LoRA适配器，扩展上下文长度至超过524K。
Llama-3 70B Gradient 524K Adapter是一个基于Llama-3 70B模型的适配器，由Gradient AI Team开发，旨在通过LoRA技术扩展模型的上下文长度至524K，从而提升模型在处理长文本数据时的性能。该模型使用了先进的训练技术，包括NTK-aware插值和RingAttention库，以高效地在高性能计算集群上进行训练。
-
A Hierarchical 3D Gaussian Representation for Real-Time Rendering of Very Large Datasets:一种用于实时渲染大型数据集的分层3D高斯表示方法
这项研究提出了一种新的分层3D高斯表示方法，用于实时渲染非常大的数据集。该方法通过3D高斯splatting技术提供了优秀的视觉质量、快速的训练和实时渲染能力。通过分层结构和有效的细节层次(Level-of-Detail, LOD)解决方案，可以高效渲染远处内容，并在不同层次之间实现平滑过渡。该技术能够适应可用资源，通过分而治之的方法训练大型场景，并将其整合到一个可以进一步优化以提高高斯合并到中间节点时的视觉质量的层级结构中。