CNET科技資訊網(wǎng) 3月21日 北京消息:當(dāng)?shù)貢r間3月20日,2016巴塞爾鐘表展在瑞士巴塞爾舉行。會上,高通公司、inWatch和播思公司共同宣布了戰(zhàn)略合作伙伴關(guān)系,三方聯(lián)合推出系列標準化的智能腕表解決方案,幫助傳統(tǒng)手表品牌和制造商進入智能手表領(lǐng)域。
這一倡議是由inWatch發(fā)起的,inWatch創(chuàng)辦四年時間,已經(jīng)與騰訊公司,Swarovski,和阿里巴巴逐漸建立起來的合作伙伴關(guān)系。前不久映趣科技宣布完成A+輪2550萬人民幣融資,并由麟璽創(chuàng)投創(chuàng)始合伙人、中國可穿戴產(chǎn)業(yè)專家陳雪濤出任總裁一職。
inWatch CEO王小彬指出:“智能手表行業(yè)不止包括硬件。它是一個高度復(fù)雜的供應(yīng)鏈,涉及到硬件、軟件、和數(shù)據(jù)服務(wù)。在過去,一家傳統(tǒng)制表商可能需要一年的時間才能實現(xiàn)智能化。而現(xiàn)在,通過結(jié)合高通驍龍穿戴2100處理器和inWatch的Wear4G解決方案,我們可為它們提供標準化的解決方案,使智能化時間縮短至一個會計季度。”
由此,inWatch為了應(yīng)對不同類型用戶細分的需求,定義并完成了四個子行業(yè)解決方案,分別聚焦在運動監(jiān)測、商務(wù)信息管理、健康監(jiān)測、定位安全等領(lǐng)域。目前inWatch自有品牌運動檢測類型、與阿里巴巴YunOS合作推出的inWatch Run進入樣機測試階段;而商務(wù)信息管理類型的代表、inWatch與騰訊合作推出的inWatch T在3月21日進入千名用戶的限量眾測活動,不久將正式上市。
高通公司于2016年2月推出的驍龍穿戴2100處理器,為可穿戴行業(yè)帶來了新功能。在現(xiàn)場介紹這些新功能的是高通高級工程主任Pankaj Kedia。高通驍龍穿戴2100處理器要比上一代可穿戴產(chǎn)品用處理器在體積上縮小30%,因而使用該處理器可設(shè)計出更薄、更漂亮的產(chǎn)品。集成于該處理器中的超低功耗傳感器樞紐支持更為豐富的算法,同時具有更高的精度,因而可以提供將用戶及其所在環(huán)境緊密結(jié)合在一起的情境。另外,不管是在限制模式還是連接模式,該處理器的功耗都降低了25%,從而延長了可穿戴產(chǎn)品的電池續(xù)航時間,同時也為制造商在設(shè)計創(chuàng)新及功能創(chuàng)新方面帶來更高的自由度。
作為inWatch的合作伙伴,播思公司非常高興能夠達成此次合作,因為它為OEM加速創(chuàng)新、降低可穿戴設(shè)備的生產(chǎn)研發(fā)成本提供了新的可能。高通驍龍和inWatch的Wear4G平臺包含有一整套處理器、軟件、支持工具和播思提供的參考設(shè)計;憑借這些工具,移動客戶、時尚客戶和運動客戶都可以迅速向市場推出各種各樣的全功能可穿戴產(chǎn)品。
播思公司為此次展會派出的代表為播思美國分公司總裁George Thangadurai。 代表支持機構(gòu)的其它參加人員還包括有深圳鐘表及智能可穿戴設(shè)備研究所的朱主任,和瑞士巴塞爾地區(qū)項目經(jīng)理Fanna Kong。
inWatch美國分公司總裁Sam Force表示:“此次活動的名稱是‘手表革命’,我們絕非僅僅說說而已。我們的Wear4G平臺是手表業(yè)的新標準,基于此,我們所喜愛的手表品牌很快就會推出帶有智能功能的新產(chǎn)品。”
三方一致認為,該合作標志著智能可穿戴設(shè)備正式進入了4G時代。
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。