对我们大多数人来说,我们使用的电视、笔记本电脑和智能手机都采用了扁平、坚硬的屏幕。但是,这种产品变化很快。尽管目前只有1%的智能手机采用可折叠屏幕,但柔性显示屏技术正在快速发展(https://www.kantar.com/inspiration/technology/ownership-of-foldable-smartphones-accounts-for-just-1-percent-of-total-smartphones)。它们在消费电子和医疗领域都有应用,新兴的可穿戴屏幕用于监测和诊断患者。
在这里,我们将讨论兴起的柔性屏幕背后的技术。
关于柔性屏幕的历史
柔性显示器已经存在了近50年。最早的产品依赖于eInk,它以黑白色显示文本。这与电子阅读器中使用的技术相同。这项技术的一个优点是它消耗的功率很小。
近年来,人们越来越关注能够显示视频的全彩显示器。但是支持这一点的旧平板技术,如液晶显示器,从来都不适合弯曲。
IEEE Life Fellow Stu Lipoff提到:“较新的OLED技术对弯曲的容忍度更高,事实上,一些商用柔性显示器已经进入市场。”
材料科学
推动制造柔性弯曲显示器的能力是材料科学的突破 —— 帮助实现越来越薄的屏幕。正如IEEE Spectrum的这篇文章所解释的那样,当某物弯曲时,弯曲内侧的材料会被压缩,而外侧的材料会受到张力。
设备内的电子元件也受到这些力的影响。然而,更薄的屏幕对弯曲内侧的压力更小,使更薄的材料对带有折叠屏幕的手机更有利。
其中所提到的“柔性”是什么意思?
柔性屏幕分为可折叠、可变形、可卷曲和可拉伸四种类型。虽然柔性屏幕在消费设备中的出现越来越多,但人们使用“柔性”一词时的含义并不清楚。
可折叠显示器并不像一张纸那样折叠,也没有铰链。相反,它们能够创造一个紧凑的曲线,形成“U”形而不是“V”形。这在可折叠两半的智能手机中很常见,使设备更加便携。
可变形显示器可以弯曲以适应表面。然而,与可折叠设备不同,它们不能反复弯曲。想想汽车内的屏幕,它们弯曲以适应仪表板,或者智能手表有轻微的弯曲以提高用户手腕佩戴的舒适度。
可卷曲显示器可能无法管理可折叠设备的紧密弯曲半径,但它们可以缠绕在用户的手腕上。与可变形显示器不同,可卷曲显示器可以反复弯曲。虽然几家消费电子公司正在研究可卷曲显示器,但它们还没有进入主流市场。
可拉伸显示器可以延伸或压缩而不会断裂。有些是为消费市场开发的。低分辨率的简单可拉伸显示器也被集成到医疗设备贴片中。
新应用
柔性屏幕不仅用于智能手机。它们越来越多地应用于医疗领域。有些被整合到看起来像手表的设备中,但提供了更多的医疗信息。屏幕也可以整合到符合身体需求的贴片中。
Lipoff说:“柔性显示器将使显示器匹配安装的身体部位。如今,腕戴式仪器提供的不仅仅是简单的手表功能,包括导航和健身监测器。最近,还引入了用于监测温度、血氧、脉搏、血糖和压力的生物医学传感器。电池供电的医疗贴片也被应用到皮肤上,用于与腕戴式器械相同的应用,但其形式更适合作为贴片,通过电子设备计量药物。”
Lipoff说,医疗设备上的屏幕不需要具有智能手机的全分辨率。他们只需要显示一些重要信息。
他说:“在这种贴片设备中,一个简单的显示器可以提供电池寿命和药物的填充水平,从而增加价值。”
好文章,需要你的鼓励
Docker公司通过增强的compose框架和新基础设施工具,将自己定位为AI智能体开发的核心编排平台。该平台在compose规范中新增"models"元素,允许开发者在同一YAML文件中定义AI智能体、大语言模型和工具。支持LangGraph、CrewAI等多个AI框架,提供Docker Offload服务访问NVIDIA L4 GPU,并与谷歌云、微软Azure建立合作。通过MCP网关提供企业级安全隔离,解决了企业AI项目从概念验证到生产部署的断层问题。
哈佛大学研究团队开发出LangSplatV2系统,实现了超高速3D语言查询功能。该系统通过创新的稀疏编码技术和高效渲染算法,将3D场景语言理解速度提升了47倍,达到每秒384帧的实时处理能力。系统采用全局语义字典和稀疏系数表示,彻底解决了传统方法中解码器速度瓶颈问题,为AR/VR、智能机器人等应用提供了强大的技术基础。
马斯克的AI女友"Ani"引爆全球,腾讯RLVER框架突破情感理解边界:AI下半场竞争核心已转向对人性的精准把握。当技术学会共情,虚拟陪伴不再停留于脚本应答,而是通过"心与心的循环"真正理解人类孤独——这背后是强化学习算法与思考模式的化学反应,让AI从解决问题转向拥抱情感。
马里兰大学研究团队提出了CoLa(Chain-of-Layers)方法,让AI模型能够根据任务难度动态调整内部层的使用策略,实现"快思考"和"慢思考"的灵活切换。通过蒙特卡洛树搜索算法,该方法在推理任务上显著提升了模型的准确性和效率,为75%的正确答案找到了更短的处理路径,并纠正了60%的错误答案,为AI模型的架构优化开辟了新方向。