UGREEN推出的Nexode Air系列充电器凭借其紧凑设计在市场上颇为亮眼。此前我们已评测过该品牌65W Nexode Air超迷你USB-C氮化镓充电器,本次将目光转向45W超薄版本。这款充电器是我日常随身携带中最薄的一款,轻松放入口袋或包包毫无压力。虽然充电速度不及65W版本,但过去几周我反而更频繁地选择它,原因很简单——携带实在太方便了。
购买渠道与价格
目前,UGREEN官方亚马逊店铺将Nexode Air 45W氮化镓充电器定价34.99美元,较原价40美元降低了13%,相当于节省5美元的首发优惠。与65W版本不同,这款目前仅提供灰色配色。值得注意的是,45W版本盒内不附赠USB-C数据线,对于这一价位来说,这是一个不小的遗憾。
设计与外观
设计和外形无疑是这款45W充电器最大的亮点。它并不追求显示屏或触控等额外功能,而是将极致轻薄作为核心目标。在我测试过的所有充电器中,这款的厚度是最薄的,独特的外形立刻吸引眼球,放在桌上或插在墙上时,已有多位朋友主动询问这是什么产品。
厚度仅约1.27厘米,与市面上一些较薄的移动电源相当,占用的口袋或包包空间极少。相比此前测试的65W版本,尽管后者整体体积更小,但45W版本超薄机身配合可折叠插脚,使其成为更适合随身携带的选择。
这款充电器采用灰色双色调外观,金属质感外壳搭配边缘细纹理设计,兼顾手感与视觉层次感,还配有磨砂亚克力面板,整体更显高级质感。
充电性能
在充电性能方面,实测将iPhone 16 Pro从20%充至80%约需50分钟,符合45W充电器的预期表现。速度虽然略低于65W版本,但差距并不明显,结合更薄的机身和更强的便携性,这点差异完全可以接受。45W的输出功率不仅够用于手机充电,过去几周搭配MacBook使用同样表现稳定,足以作为日常使用的单充电器解决方案。
总结
UGREEN Nexode Air 45W是一款值得推荐的充电器,特别适合追求轻薄便携的用户。市面上固然有安克Nano 45W这类搭载智能显示屏的竞品,但UGREEN选择了另一条路——专注于打造简洁、超便携的充电体验。
超薄设计是这款产品的核心竞争力,也是它在一众充电器中脱颖而出的关键。唯一的不足在于盒内未附赠USB-C数据线,虽然大多数用户手头不缺备用线,但就这一价位而言,搭配线缆会让整体更显完整。
总体而言,充电器和移动电源的发展方向令人欣喜——产品在不牺牲性能的前提下变得越来越小、越来越便携,Nexode Air 45W正是这一趋势下的有力代表。
Q&A
Q1:UGREEN Nexode Air 45W充电器现在售价是多少?
A:目前在亚马逊UGREEN官方店铺售价为34.99美元,相比原价40美元有13%的折扣,相当于优惠了约5美元。目前仅提供灰色配色,且盒内不附赠USB-C数据线。
Q2:UGREEN Nexode Air 45W充电器有多薄?实际携带体验如何?
A:Nexode Air 45W厚度仅约1.27厘米,是评测者日常随身携带中最薄的充电器。其超薄机身配合可折叠插脚,轻松放入口袋或包包,便携性甚至优于整体体积更小的65W版本,非常适合日常通勤或出行使用。
Q3:UGREEN Nexode Air 45W能给MacBook充电吗?充电速度怎么样?
A:可以。实测Nexode Air 45W为MacBook充电表现稳定,可作为日常单充电器解决方案。充电iPhone 16 Pro从20%到80%约需50分钟,虽略慢于65W版本,但差距不影响实际使用体验。
好文章,需要你的鼓励
美国连锁超市巨头Albertsons正在基于Databricks构建商品智能平台,整合产品、定价、促销与陈列等决策功能,目标是在2026年底前全面向门店运营商落地。该平台以Databricks Lakehouse存储零售数据,通过Unity Catalog与AI Gateway实现数据治理,并借助AI智能体Genie支持自然语言查询,帮助商家洞察销售趋势,提升决策效率。此举是Albertsons今年四项AI核心战略投资之一。
阿里Qwen团队通过引入强化学习和在线策略蒸馏,将Qwen-Image-2.0升级为Qwen-Image-2.0-RL,让图像生成模型真正学会人类审美,文生图Elo评分提升78分,图像编辑提升93分。
微软正将Windows 11打造成真正的AI操作系统。在Build大会上,微软展示了AI模型与智能代理如何深度融合进Windows 11,让用户通过自然语言完成系统操作。借助Windows ML框架,超过5亿台PC已可在本地离线运行AI任务,无需联网、无token费用、数据不离设备。Office、Photos、Teams等应用已支持本地AI能力,Adobe、WhatsApp、Canva等第三方也在积极跟进,企业级AI PC采购需求有望加速。
港科大与快手联合提出NormGuard,针对流匹配模型强化学习训练中速度范数膨胀问题,通过训练时单向惩罚约束,在保留奖励的同时改善图像真实感。