第一季度全球前五大可穿戴設(shè)備廠商
北京時間6月7日早間消息,IDC近期公布了“全球市場季度可穿戴設(shè)備跟蹤報告”,第一季度Fitbit是全球排名第一的可穿戴設(shè)備廠商。然而,隨著蘋果Apple Watch的全面開售,F(xiàn)itbit的優(yōu)勢很可能將不復(fù)存在。
IDC公布的數(shù)據(jù)顯示,2015年第一季度,F(xiàn)itbit、小米和Garmin是全球前三大可穿戴設(shè)備廠商。不過,蘋果今年4月開始銷售Apple Watch。因此當(dāng)?shù)诙径葦?shù)據(jù)發(fā)布時,蘋果將躋身這一排行的前列。
IDC可穿戴設(shè)備研究經(jīng)理雷蒙·拉馬斯(Ramon Llamas)表示:“Apple Watch很可能將成為其他可穿戴設(shè)備的對比對象。這將迫使競爭對手采取措施,以保持在市場的領(lǐng)先優(yōu)勢。”
整體來看,第一季度可穿戴設(shè)備市場同比增長200%,全球出貨量為1140萬個。這表明,這一市場非常強勁。
拉馬斯表示:“第一季度,即‘后假日季’時段銷售滑坡不明顯,這表明可穿戴設(shè)備市場非常強勁。終端用戶的興趣不斷提升,而相關(guān)廠商可以提供多樣化的設(shè)備和體驗。此外,新興市場的需求正在上升,而廠商渴望把握這些新機會。”
導(dǎo)致Apple Watch無法主宰市場的一大障礙在于,這款產(chǎn)品的入門價格較高。IDC指出,價格下降是推動可穿戴設(shè)備銷售火爆的原因之一。Apple Watch的起步價格為349美元,是其他可穿戴設(shè)備平均價格的3倍。IDC估計,有40%的可穿戴設(shè)備價格低于100美元。
IDC全球移動設(shè)備跟蹤報告高級分析師杰特什·烏布拉尼(Jitesh Ubrani)表示:“與任何新生市場一樣,價格下降非常猛烈。在平均價格下降的情況下,蘋果攜一款高價產(chǎn)品入市將檢驗用戶是否愿意為某一品牌,或是受市場關(guān)注的產(chǎn)品而支付更高的價格。”
IDC的數(shù)據(jù)顯示,第一季度,F(xiàn)itbit的設(shè)備出貨量為390萬個,市場份額為34%,這是由于Charge、Charge HR和Surge等新產(chǎn)品的需求強勁。此外,用戶也在繼續(xù)追捧Fitbit的Flex、One和Zip等產(chǎn)品。IDC認(rèn)為,同時專注于休閑和高端市場是Fitbit取得成功的重要原因。
Fitbit的市場份額比排名第二的小米高10%。小米排名第二主要是依靠小米手環(huán)在中國國內(nèi)市場的銷售。IDC認(rèn)為,小米將很快進一步開拓國際市場,從而成為Fitbit的有力競爭對手。
與Fitbit類似,Garmin也提供了多樣化的可穿戴設(shè)備產(chǎn)品。不過,Garmin的市場份額僅略高于6%。
三星排名第四。IDC分析師指出,三星的表現(xiàn)不佳主要是由于,其Gear設(shè)備只能連接某些高端的三星智能手機。
Jawbone、索尼和Pebble正在爭奪市場第五的位置,而第一季度Jawbone取得了領(lǐng)先。拉馬斯和烏爾巴尼表示,Jawbone的UP MOVE和UP24第一季度帶來了幫助。而隨著第二季度Jawbone再推出兩款新產(chǎn)品,這樣的優(yōu)勢還將得到加強。
好文章,需要你的鼓勵
新加坡國立大學(xué)研究團隊開發(fā)了SPIRAL框架,通過讓AI與自己對弈零和游戲來提升推理能力。實驗顯示,僅訓(xùn)練AI玩簡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。
同濟大學(xué)團隊開發(fā)的GIGA-ToF技術(shù)通過融合多幀圖像的"圖結(jié)構(gòu)"信息,創(chuàng)新性地解決了3D相機噪聲問題。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)集上實現(xiàn)37.9%的精度提升,并在真實設(shè)備上展現(xiàn)出色泛化能力,為機器人、AR和自動駕駛等領(lǐng)域提供更可靠的3D視覺解決方案。
伊利諾伊大學(xué)研究團隊通過對比實驗發(fā)現(xiàn),經(jīng)過強化學(xué)習(xí)訓(xùn)練的視覺語言模型雖然表現(xiàn)出"頓悟時刻"現(xiàn)象,但這些自我糾錯行為并不能實際提升推理準(zhǔn)確率。研究揭示了AI模型存在"生成-驗證差距",即生成答案的能力強于驗證答案質(zhì)量的能力,且模型在自我驗證時無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等頂尖機構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過動態(tài)稀疏性實現(xiàn)大語言模型訓(xùn)練加速1.6倍,計算成本降低2.2倍。該方法使用SVD稀疏性估計器智能選擇重要計算部分,在保持模型性能的同時顯著提升訓(xùn)練效率,已在多個任務(wù)上驗證有效性。