北京時(shí)間4月18日午間消息,據(jù)美國(guó)市場(chǎng)研究公司NPD Group測(cè)算,2016年,智能手表在美國(guó)成年人中的普及率將達(dá)9%,與運(yùn)動(dòng)手環(huán)接近。
NPD認(rèn)為,隨著智能手表的普及率增加,運(yùn)動(dòng)手環(huán)將進(jìn)入平臺(tái)期。美國(guó)運(yùn)動(dòng)手環(huán)用戶總數(shù)在經(jīng)過了4年的大幅增長(zhǎng)后,將在2016年底達(dá)到3200萬的峰值。
“智能手表今后顯然會(huì)蠶食運(yùn)動(dòng)手環(huán)的份額。”NPD分析師艾迪·霍爾德(Eddie Hold)說,“事實(shí)上,健身和健康應(yīng)用已經(jīng)成為智能手表的推廣重點(diǎn),因此將分流一部分用戶。”
然而,運(yùn)動(dòng)手環(huán)不僅面臨智能手表的威脅,其自身的產(chǎn)品定位同樣存在問題。計(jì)步功能的吸引力不大,因而限制了這類設(shè)備的目標(biāo)市場(chǎng)。事實(shí)上,約有40%的運(yùn)動(dòng)手環(huán)用戶在購(gòu)買這類設(shè)備后6個(gè)月選擇停用。
“對(duì)運(yùn)動(dòng)手環(huán)來說,好消息在于運(yùn)動(dòng)領(lǐng)域的機(jī)會(huì)越來越明確。”霍爾德說,“人們需要更多支持GPS和心率監(jiān)測(cè)功能的復(fù)雜運(yùn)動(dòng)手環(huán),還希望提升堅(jiān)固性和防水性。盡管我們認(rèn)為運(yùn)動(dòng)手環(huán)有可能面臨瓶頸,但這些高端設(shè)備仍將進(jìn)一步推升普及率。”
不過,智能手表和運(yùn)動(dòng)手環(huán)市場(chǎng)未來的發(fā)展并不僅僅取決于硬件,應(yīng)用也扮演著至關(guān)重要的角色。第三方開發(fā)商將成為這一市場(chǎng)能否實(shí)現(xiàn)長(zhǎng)期增長(zhǎng)的關(guān)鍵。
“雖然這些新產(chǎn)品無疑都有助于提升需求,但智能手表應(yīng)用才是真正的考驗(yàn)。”霍爾德說,“這類設(shè)備的確存在著一些需求,使用情境也將相繼出現(xiàn)。但智能手表廠商和應(yīng)用開發(fā)商必須努力將這些產(chǎn)品從‘錦上添花’變成‘必不可少’。”
好文章,需要你的鼓勵(lì)
騰訊ARC實(shí)驗(yàn)室推出AudioStory系統(tǒng),首次實(shí)現(xiàn)AI根據(jù)復(fù)雜指令創(chuàng)作完整長(zhǎng)篇音頻故事。該系統(tǒng)結(jié)合大語言模型的敘事推理能力與音頻生成技術(shù),通過交錯(cuò)式推理生成、解耦橋接機(jī)制和漸進(jìn)式訓(xùn)練,能夠?qū)?fù)雜指令分解為連續(xù)音頻場(chǎng)景并保持整體連貫性。在AudioStory-10K基準(zhǔn)測(cè)試中表現(xiàn)優(yōu)異,為AI音頻創(chuàng)作開辟新方向。
Meta與特拉維夫大學(xué)聯(lián)合研發(fā)的VideoJAM技術(shù),通過讓AI同時(shí)學(xué)習(xí)外觀和運(yùn)動(dòng)信息,顯著解決了當(dāng)前視頻生成模型中動(dòng)作不連貫、違反物理定律的核心問題。該技術(shù)僅需添加兩個(gè)線性層就能大幅提升運(yùn)動(dòng)質(zhì)量,在多項(xiàng)測(cè)試中超越包括Sora在內(nèi)的商業(yè)模型,為AI視頻生成的實(shí)用化應(yīng)用奠定了重要基礎(chǔ)。
上海AI實(shí)驗(yàn)室發(fā)布OmniAlign-V研究,首次系統(tǒng)性解決多模態(tài)大語言模型人性化對(duì)話問題。該研究創(chuàng)建了包含20萬高質(zhì)量樣本的訓(xùn)練數(shù)據(jù)集和MM-AlignBench評(píng)測(cè)基準(zhǔn),通過創(chuàng)新的數(shù)據(jù)生成和質(zhì)量管控方法,讓AI在保持技術(shù)能力的同時(shí)顯著提升人性化交互水平,為AI價(jià)值觀對(duì)齊提供了可行技術(shù)路徑。
谷歌DeepMind團(tuán)隊(duì)開發(fā)的GraphCast是一個(gè)革命性的AI天氣預(yù)測(cè)模型,能夠在不到一分鐘內(nèi)完成10天全球天氣預(yù)報(bào),準(zhǔn)確性超越傳統(tǒng)方法90%的指標(biāo)。該模型采用圖神經(jīng)網(wǎng)絡(luò)技術(shù),通過學(xué)習(xí)40年歷史數(shù)據(jù)掌握天氣變化規(guī)律,在極端天氣預(yù)測(cè)方面表現(xiàn)卓越,能耗僅為傳統(tǒng)方法的千分之一,為氣象學(xué)領(lǐng)域帶來了效率和精度的雙重突破。