市場(chǎng)調(diào)研機(jī)構(gòu)IHS最新出爐的一份報(bào)告稱,今年,具備NFC(近場(chǎng)通信)功能的智能手機(jī)出貨量將達(dá)到4.16億部,出貨量增長(zhǎng)迅猛,而且未來(lái)數(shù)年內(nèi)將保持激增趨勢(shì)。預(yù)計(jì)四年后的2018年,NFC智能手機(jī)出貨量有望達(dá)到12億部。
IHS報(bào)告顯示,2012年配備NFC無(wú)線技術(shù)的智能手機(jī)出貨量為1.2億部,2013年其出貨量達(dá)到2.75億部,比2012年增長(zhǎng)128%。報(bào)告預(yù)計(jì),2014年其出貨量有望達(dá)到4.16億部,比2013年增長(zhǎng)50%;到2018年,其出貨量有望達(dá)到12億部,比2013年的出貨量增長(zhǎng)325%。
報(bào)告顯示,在2013年NFC手機(jī)市場(chǎng)是,安卓智能機(jī)出貨量約2.54億部,占到93%份額,是市場(chǎng)的絕對(duì)主流。 預(yù)計(jì)到2018年,安卓智能機(jī)出貨量達(dá)到8.44億部,所占市場(chǎng)份額將下將至75%,這跟其他廠商N(yùn)FC智能機(jī)份額增長(zhǎng)有關(guān)。。
從該報(bào)告可以看出,未來(lái)幾年內(nèi)更多智能手機(jī)將支持NFC,但消費(fèi)者對(duì)技術(shù)尚未表現(xiàn)出濃厚興趣。安全可能是制約NFC發(fā)展的一個(gè)問(wèn)題,但總體而言,由于不同廠商提供了自己的獨(dú)特解決方案,NFC產(chǎn)業(yè)仍處于碎片化狀態(tài)。分析人士認(rèn)為,NFC技術(shù)要想贏得消費(fèi)者的青睞并最終認(rèn)可,科技公司必須解決消費(fèi)者的安全擔(dān)憂,并努力使該技術(shù)更加趨于標(biāo)準(zhǔn)化。
而NFC未能形成氣候的另一原因可能跟蘋果公司的態(tài)度有關(guān)。蘋果對(duì)NFC技術(shù)鮮有興趣,從而使其競(jìng)爭(zhēng)對(duì)手——安卓陣營(yíng)智能手機(jī)廠商在NFC技術(shù)市場(chǎng)占據(jù)主導(dǎo)地位。盡管一款具備NFC功能的iPhone會(huì)激起消費(fèi)者興趣,但通常情況下,蘋果會(huì)在一種技術(shù)成為主流技術(shù)前潛入該市場(chǎng)。
NFC作為無(wú)線方式支付產(chǎn)品購(gòu)買的一種方式被人們所熟知,但作為一種無(wú)線技術(shù),其應(yīng)用范圍可以延伸至其他事務(wù)和設(shè)備間的數(shù)據(jù)共享等等。因此,未來(lái)NFC技術(shù)可能會(huì)以其他方式,激起更多消費(fèi)者的興趣。IHS報(bào)告認(rèn)為,在NFC技術(shù)被大規(guī)模采用之前,仍面臨著諸多挑戰(zhàn),但這些挑戰(zhàn)將會(huì)被逐步化解。
HS市場(chǎng)分析師泰特(Don Tait)在一份聲明中表示,“事實(shí)上,大部分智能手機(jī)制造商都采用NFC作為其產(chǎn)品的無(wú)線通訊和支付支持技術(shù)。消費(fèi)者正越來(lái)越意識(shí)到移動(dòng)支付的好處,NFC技術(shù)已經(jīng)普及到了全球企業(yè)。NFC技術(shù)的這一強(qiáng)勁發(fā)展勢(shì)頭,將使其克服重重障礙,這些障礙包括缺乏令人信服的服務(wù)和應(yīng)用程序,以及建立所需基礎(chǔ)設(shè)施的緩慢進(jìn)展。”
好文章,需要你的鼓勵(lì)
新加坡國(guó)立大學(xué)研究團(tuán)隊(duì)開發(fā)了SPIRAL框架,通過(guò)讓AI與自己對(duì)弈零和游戲來(lái)提升推理能力。實(shí)驗(yàn)顯示,僅訓(xùn)練AI玩簡(jiǎn)單撲克游戲就能讓其數(shù)學(xué)推理能力提升8.6%,通用推理提升8.4%,且無(wú)需任何數(shù)學(xué)題目作為訓(xùn)練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉(zhuǎn)移到數(shù)學(xué)解題中,為AI訓(xùn)練提供了新思路。
同濟(jì)大學(xué)團(tuán)隊(duì)開發(fā)的GIGA-ToF技術(shù)通過(guò)融合多幀圖像的"圖結(jié)構(gòu)"信息,創(chuàng)新性地解決了3D相機(jī)噪聲問(wèn)題。該技術(shù)利用圖像間的不變幾何關(guān)系,結(jié)合深度學(xué)習(xí)和數(shù)學(xué)優(yōu)化方法,在合成數(shù)據(jù)集上實(shí)現(xiàn)37.9%的精度提升,并在真實(shí)設(shè)備上展現(xiàn)出色泛化能力,為機(jī)器人、AR和自動(dòng)駕駛等領(lǐng)域提供更可靠的3D視覺解決方案。
伊利諾伊大學(xué)研究團(tuán)隊(duì)通過(guò)對(duì)比實(shí)驗(yàn)發(fā)現(xiàn),經(jīng)過(guò)強(qiáng)化學(xué)習(xí)訓(xùn)練的視覺語(yǔ)言模型雖然表現(xiàn)出"頓悟時(shí)刻"現(xiàn)象,但這些自我糾錯(cuò)行為并不能實(shí)際提升推理準(zhǔn)確率。研究揭示了AI模型存在"生成-驗(yàn)證差距",即生成答案的能力強(qiáng)于驗(yàn)證答案質(zhì)量的能力,且模型在自我驗(yàn)證時(shí)無(wú)法有效利用視覺信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機(jī)構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過(guò)動(dòng)態(tài)稀疏性實(shí)現(xiàn)大語(yǔ)言模型訓(xùn)練加速1.6倍,計(jì)算成本降低2.2倍。該方法使用SVD稀疏性估計(jì)器智能選擇重要計(jì)算部分,在保持模型性能的同時(shí)顯著提升訓(xùn)練效率,已在多個(gè)任務(wù)上驗(yàn)證有效性。