北京時間7月15日上午消息,近期有一系列報道稱,Apple Watch智能手表的銷售情況不佳。不過,關(guān)于Apple Watch的銷售,目前并沒有任何可靠的數(shù)據(jù)去證明。而蘋果很可能將在7月21日發(fā)布上季度財報時給外界帶來驚喜。
Slice Intelligence根據(jù)在線銷售收據(jù)跟蹤了Apple Watch的銷售。該公司近期表示,6月份Apple Watch的銷售出現(xiàn)了明顯滑坡。多家媒體隨后報道稱,Apple Watch的銷量已從4月10日預(yù)售開啟時的高峰水平下降了70%。
毫無疑問,在預(yù)售階段,Apple Watch的銷量很大。這可以作為參考。而Slice的數(shù)據(jù)表明,用戶對Apple Watch這款新產(chǎn)品的接受程度不佳。不過這一數(shù)據(jù)并不能反映全貌,尤其考慮到數(shù)據(jù)中并未包含國際市場銷售和實體店銷售。
店內(nèi)銷售數(shù)據(jù)可能不會帶來太大影響,因為蘋果有意識地促使用戶通過在線渠道購買Apple Watch。如果用戶希望購買價格較高的Edition版本,那么可能會選擇在實體店購買,以便進(jìn)行試戴。不過,這樣的用戶很可能只占一小部分。
不過,國際市場可能會占Apple Watch銷售的很大一部分。6月26日,蘋果開始在7個國家和地區(qū)銷售Apple Watch,包括意大利、墨西哥、新加坡、韓國、西班牙、瑞士和臺灣。在這些市場,用戶可以通過蘋果在線商店、零售店,以及授權(quán)經(jīng)銷商購買Apple Watch。目前尚不清楚,Apple Watch在這些市場的銷售情況如何。
許多投行分析師會定期調(diào)查蘋果的供應(yīng)鏈,而他們目前對Apple Watch的銷售更為樂觀。6周前,Global Equities Research的特里普·喬德里(Trip Chowdry)表示,他認(rèn)為蘋果已售出了700萬塊Apple Watch。在2015年內(nèi),蘋果將售出4000萬至4200萬塊手表,而今年圣誕節(jié)將成為“Apple Watch圣誕”。其他分析師對Apple Watch年內(nèi)銷量的預(yù)測為1000萬至5000萬塊不等。
喬德里在6周前做出了這一估計。自那時以來,Apple Watch已進(jìn)入了更多國家市場。因此自6月1日以來,全球用戶訂購的Apple Watch可能達(dá)到300萬塊。如果確實如此,那么在蘋果7月21日的季度財報中,Apple Watch銷量將達(dá)到1000萬塊。
分析師目前迫切希望了解Apple Watch的銷售情況。這款產(chǎn)品的開售時間已足夠長,并且對蘋果來說很重要。這是“庫克時代”蘋果推出的第一款全新產(chǎn)品,這款產(chǎn)品能否得到用戶接受預(yù)示著蘋果的未來。
好文章,需要你的鼓勵
新加坡國立大學(xué)研究團(tuán)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(jì)大學(xué)團(tuán)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(jī)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(jī)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(tuán)隊通過對比實驗發(fā)現(xiàn),經(jīng)過強(qiáng)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(qiáng)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(jī)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。