阅读更多

2顶
0踩

移动开发
黑莓手机厂商RIM近日宣布公司的应用商店(黑莓应用世界)中的应用数量也已达9万款,下载量已突破30亿大关。


下面是黑莓应用达到某下载量所用的时间:

  • 10亿下载量用了786天
  • 由10亿到20亿下载量用了210天
  • 由20亿到30亿下载量用了176天
由此不难看出,黑莓应用的下载速度正在持续提升,现在平均每天的下载次数达250万次。这些数字看起来很光鲜,但和苹果应用商店和Google Play相比,黑莓应用世界还差得很远。上个月,苹果应用商店的应用下载量已达300亿次,应用数量也已达65万款。谷歌上个月也宣布称,Google Play的应用下载量已突破200亿次,应用数量达60万款。

最近有关RIM的负面消息连连不断。今年第一季度,RIM亏损5.18亿美元,营收28亿美元,同比下滑33%。

  • 大小: 51.3 KB
来自: 36氪
2
0
评论 共 2 条 请登录后发表评论
2 楼 happysoul 2012-07-10 11:37
天朝无黑莓~ 世界无黑莓
其实谷歌和苹果的应用大多还是有国内开发的水~~
山寨android撑起了一片庞大的下载
街机iphone 坑爹了一批青年的腰子
1 楼 paomo30000 2012-07-10 11:13
样子太丑

发表评论

您还没有登录,请您登录后再发表评论

相关推荐

  • 互联网晚报 | 1月10日 星期一 | 天猫年货节正式开启;哪吒汽车第10万台量产车下线;三星永久关闭Tizen应用商店...

    今日看点✦哪吒汽车第10万台量产车下线,仅用42个月✦ 2022年首家银行理财子公司:浦银理财正式开业✦ 京东成全国首批支持第三方商家接入数字人民币的企业✦ 亚虹医药在科创板挂牌上市,A...

  • 成功运营一款 iPhone 应用的六项法则

    成功运营一款 iPhone 应用的六项法则 2010-10-2216:300评论 阅读数:2134 单独窗口打印放大字号缩小字号 昨天下午,Tapulous 联合创始人 CEO Bart Decrem先生在 2010 中国移动开发者大会上...

  • 中国应用开发商必须尽快学会生存

    自从苹果公司开创了移动...苹果App Store的应用数量达到65万,累积下载次数达到300亿;谷歌Google Play的应用数量达到60万,累积下载次数达到200亿。 其次的第二梯队主要包括诺基亚、微软及黑莓。诺基亚Nokia Store...

  • 黑莓9000和9900哪个好_黑莓9900评测

    在苍井空还没有成为老师的时代,我们的手机是各具特色...RIM中国今日正式在华发布黑莓9900手机,该机延续了黑莓直板物理全键盘的经典设计,黑白两种配色,并配备一块2.8英寸640*480高分辨率电容屏幕,1.2GHz处理器,...

  • 支撑4.5亿活跃用户的WhatsApp架构概览

    以190亿美元的价格出售给Facebook,交易谈判过程中更受到了拉里·佩奇的劝阻,WhatsApp确实取得了一场辉煌的胜利。然而不可忽视的是,该公司用以服务4.5亿活跃...

  • [转载] 苹果 AppStore 应用商店生存之道

    (转载自 cocoachina) 1、整体市场 ...我从08年9月就开始做iPhone。之前做PC的软件,做得没有意思了,正好iPhone的SDK上市,就尝试了一下。当然一开始不 懂App Store的各种销售方法。但是那个时候的竞争少,一共就几...

  • 科技公司最爱的50款开源工具,你都用过吗?

    来源 |GitHubDaily(ID:GitHubDaily)本文介绍了多款知名的开源应用软件,科技公司可以用它们来管理自己的 IT 基础设施、开发产品。过去十年间,许...

  • 两万多字长文:人工智能新趋势(CB Insights)

    尤其是她自发的把CB Insights的英文版《CB-Insights_AI-Trends-2019》进行了翻译,达两万多字,令我非常佩服。2017年,我曾经组织并参与《VMware Software Defined Storage》的翻译,知道翻译一个苦活累活,耗时很长...

  • 起诉传音,华为为何会对一张壁纸要价2000万?

    华为仅开发Mate 30就用了20亿,小米开发MIX alpha也用了5亿。小米计划将开发费用提升到每年100亿,OV两家也不会低于这个水平,相比之下,传音不到7亿的开发费用几乎等于没钱开发,以至于强调细节创新,比如针对非洲...

  • 【原创】线上应用程序商店(App Store)调研报告

    线上应用程序商店(App Store)调研报告 1. App Store商业模式介绍App Store是美国苹果公司基于iPhone/iPod Touch产品的软件应用商店,向其用户提供第三方开发的应用软件服务,这是苹果开创的一种让“网络与手机”相...

  • 黑莓帝国兴衰史

    http://www.cnbeta.com/articles/252087.htm编辑按:RIM...这篇文章其实发表于2012年初,涵盖了这家公司从创建到衰败的过程,包括那款把黑莓拖死的操作系统。 话说加拿大有个地方叫滑铁卢(Waterloo),滑铁卢有个...

  • 中国倒数第五!毕马威全球自动驾驶报告|附下载

    来源:智东西概要:指向高效、安全的...英特尔发布报告称,无人驾驶汽车市场的规模将在2050年前达到7万亿美元。过去一年里,汽车自动化和智能化进程加速演进:传感器方面,更可靠、成本更低的固体激光雷达让自动驾驶汽

  • 支撑4.5亿活跃用户的WhatsApp架构概览(转)

    以下为译文: 从WhatsApp软件架构师Rick Reed在3月份即将发表的演讲介绍中(That's 'Billion' with a ...现在,WhatsApp有数百个节点、数千个核心及数百TB的内存,我们的目标是服务全世界数十亿用户。在WhatsApp,...

  • Google地图十年 从流量平平到用户十亿的背后

    回到10年前,2005年的今天Google官方博客用简单的几行话发布了一款新产品——Google Maps。如今,10年过去了,无论你是不是Google Maps的用户,电子地图都不同程度的改变了我们的生活。 当Google Maps刚刚起步的...

  • WhatsApp创始人:从领救济到身价68亿

    2月20日消息,据国外媒体报道,Facebook今日宣布将以160亿美元的价格收购WhatsApp。《福布斯》杂志网站刊发文章,详述了这家移动IM应用公司的成长经历,以及其创始人的身世。 布莱恩·阿克顿与简·库姆(右)...

  • spring-ai-bedrock-converse-1.0.0-M7.jar中文文档.zip

    # 【spring-ai-bedrock-converse-1.0.0-M7.jar中文文档.zip】 中包含: 中文文档:【spring-ai-bedrock-converse-1.0.0-M7-javadoc-API文档-中文(简体)版.zip】 jar包下载地址:【spring-ai-bedrock-converse-1.0.0-M7.jar下载地址(官方地址+国内镜像地址).txt】 Maven依赖:【spring-ai-bedrock-converse-1.0.0-M7.jar Maven依赖信息(可用于项目pom.xml).txt】 Gradle依赖:【spring-ai-bedrock-converse-1.0.0-M7.jar Gradle依赖信息(可用于项目build.gradle).txt】 源代码下载地址:【spring-ai-bedrock-converse-1.0.0-M7-sources.jar下载地址(官方地址+国内镜像地址).txt】 # 本文件关键字: spring-ai-bedrock-converse-1.0.0-M7.jar中文文档.zip,java,spring-ai-bedrock-converse-1.0.0-M7.jar,org.springframework.ai,spring-ai-bedrock-converse,1.0.0-M7,org.springframework.ai.bedrock.converse,jar包,Maven,第三方jar包,组件,开源组件,第三方组件,Gradle,springframework,spring,ai,bedrock,converse,中文API文档,手册,开发手册,使用手册,参考手册 # 使用方法: 解压 【spring-ai-bedrock-converse-1

  • 房地产 -可视化管理课件.ppt

    房地产 -可视化管理课件.ppt

  • tokenizers-0.18.0.jar中文-英文对照文档.zip

    # 【tokenizers-***.jar***文档.zip】 中包含: ***文档:【tokenizers-***-javadoc-API文档-中文(简体)版.zip】 jar包下载地址:【tokenizers-***.jar下载地址(官方地址+国内镜像地址).txt】 Maven依赖:【tokenizers-***.jar Maven依赖信息(可用于项目pom.xml).txt】 Gradle依赖:【tokenizers-***.jar Gradle依赖信息(可用于项目build.gradle).txt】 源代码下载地址:【tokenizers-***-sources.jar下载地址(官方地址+国内镜像地址).txt】 # 本文件关键字: tokenizers-***.jar***文档.zip,java,tokenizers-***.jar,ai.djl.huggingface,tokenizers,***,ai.djl.engine.rust,jar包,Maven,第三方jar包,组件,开源组件,第三方组件,Gradle,djl,huggingface,中文API文档,手册,开发手册,使用手册,参考手册 # 使用方法: 解压 【tokenizers-***.jar***文档.zip】,再解压其中的 【tokenizers-***-javadoc-API文档-中文(简体)版.zip】,双击 【index.html】 文件,即可用浏览器打开、进行查看。 # 特殊说明: ·本文档为人性化翻译,精心制作,请放心使用。 ·只翻译了该翻译的内容,如:注释、说明、描述、用法讲解 等; ·不该翻译的内容保持原样,如:类名、方法名、包名、类型、关键字、代码 等。 # 温馨提示: (1)为了防止解压后路径太长导致浏览器无法打开,推荐在解压时选择“解压到当前文件夹”(放心,自带文件夹,文件不会散落一地); (2)有时,一套Java组件会有多个jar,所以在下载前,请仔细阅读本篇描述,以确保这就是你需要的文件; # Maven依赖: ``` <dependency> <groupId>ai.djl.huggingface</groupId> <artifactId>tokenizers</artifactId> <version>***</version> </dependency> ``` # Gradle依赖: ``` Gradle: implementation group: 'ai.djl.huggingface', name: 'tokenizers', version: '***' Gradle (Short): implementation 'ai.djl.huggingface:tokenizers:***' Gradle (Kotlin): implementation("ai.djl.huggingface:tokenizers:***") ``` # 含有的 Java package(包): ``` ai.djl.engine.rust ai.djl.engine.rust.zoo ai.djl.huggingface.tokenizers ai.djl.huggingface.tokenizers.jni ai.djl.huggingface.translator ai.djl.huggingface.zoo ``` # 含有的 Java class(类): ``` ai.djl.engine.rust.RsEngine ai.djl.engine.rust.RsEngineProvider ai.djl.engine.rust.RsModel ai.djl.engine.rust.RsNDArray ai.djl.engine.rust.RsNDArrayEx ai.djl.engine.rust.RsNDArrayIndexer ai.djl.engine.rust.RsNDManager ai.djl.engine.rust.RsSymbolBlock ai.djl.engine.rust.RustLibrary ai.djl.engine.rust.zoo.RsModelZoo ai.djl.engine.rust.zoo.RsZooProvider ai.djl.huggingface.tokenizers.Encoding ai.djl.huggingface.tokenizers.HuggingFaceTokenizer ai.djl.huggingface.tokenizers.HuggingFaceTokenizer.Builder ai.djl.hu

  • 基于MATLAB的BP神经网络预测模型构建与应用

    内容概要:本文详细介绍了如何使用MATLAB构建和应用BP神经网络预测模型。首先,通过读取Excel数据并进行预处理,如归一化处理,确保数据的一致性和有效性。接着,配置网络结构,选择合适的训练算法(如SCG),设置训练参数(如最大迭代次数、目标误差等)。然后,进行模型训练,并通过可视化窗口实时监控训练过程。训练完成后,利用测试集评估模型性能,计算均方误差(MSE)和相关系数(R²),并通过图表展示预测效果。最后,将训练好的模型保存以便后续调用,并提供了一个简单的预测函数,确保新数据能够正确地进行归一化和预测。 适合人群:具有一定MATLAB基础,从事数据分析、机器学习领域的研究人员和技术人员。 使用场景及目标:适用于需要对多维数据进行预测的任务,如电力负荷预测、金融数据分析等。主要目标是帮助用户快速搭建一个可用的BP神经网络预测系统,提高预测准确性。 其他说明:文中提供了完整的代码框架和详细的注释,便于理解和修改。同时,强调了数据预处理的重要性以及一些常见的注意事项,如数据量的要求、归一化的必要性等。

Global site tag (gtag.js) - Google Analytics