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
随着人工智能和高性能计算持续推动需求增长,数据中心设计正以同样惊人的速度演进。曾经的高密度机架已成为标准配置,冷却系统在数月而非数年内完成重新设计,项目在各地区的规模和复杂性不断提升。全球工程设计咨询公司Black & White Engineering指出,液冷成为标准配置、极端机架密度管理、工业化规模交付、电网约束下的电力创新、AI驱动运营设计以及可持续性成为核心设计原则,将成为2026年塑造数据中心设计、建设和运营的六大关键趋势。
这项由ByteDance Seed、香港科技大学等机构联合完成的研究提出了"轨迹场"这一创新的4D视频表示方法。研究团队开发的Trace Anything系统能够在单次前向传递中为视频中的每个像素预测连续的三维轨迹,无需光流估计或迭代优化。通过构建大规模合成数据平台和精心设计的训练方案,该方法在轨迹估计基准上实现了最先进性能,同时推理速度比竞争方法快10倍以上,并展现了运动预测、时空融合等多种涌现能力。
Snowflake本周推送的一次更新导致全球范围内的"重大故障",用户长达13小时无法查询数据、文件导入失败并收到错误信息。初步调查显示,最新版本引入了不向后兼容的数据库架构更新,导致版本不匹配错误。此次故障影响了全球23个区域中的10个,包括美国、欧洲和亚洲多个数据中心。这是Snowflake一周内第二次发生事故。
伊斯法罕大学研究团队通过分析Google Play商店21款AI教育应用的用户评论,发现作业辅导类应用获得超80%正面评价,而语言学习和管理系统类应用表现较差。用户赞赏AI工具的快速响应和个性化指导,但抱怨收费过高、准确性不稳定等问题。研究建议开发者关注自适应个性化,政策制定者建立相关规范,未来发展方向为混合AI-人类模型。