CES 2014于美国时间1月7日在拉斯维加斯正式拉开帷幕,今年的展位面积已经超过了200万平方英尺,全球的IT厂商都利用这个平台争相展示自家最新的技术、设备,那么今年什么技术最热?又有哪些趋势呢?下面是CNET整理的本届CES2014的五大看点:
NO.1:众厂商推动穿戴式设备发展
穿戴式设备在去年的关注度就极高,虽然也得到了很多厂商的支持,但是很遗憾,至今还没有出现一款能够真正改变用户生活方式的明星产品。
穿戴式设备市场并未成熟,但是确实是大势所趋,在CES 2014上就能看出越来越多的IT巨头公司加入了这个市场,他们也在努力的推动穿戴式设备市场的发展。
这其中最有标志性的就是英特尔。英特尔CEO科再奇在主题演讲中推出了专为可穿戴设备设计的新芯片Edison,而且还发表了智能耳塞 Smart Earbud、智能手表 Smart Watch等产品,而且为了吸引更多的开发者加入,英特尔宣布举办“Make it Wearable”的挑战大赛,奖金数额高达130万美元,英特尔在用实际行动来推动穿戴式设备发展。
NO.2:无所不能的“4K”
在去年的CES上面就有许多的4K电视展出,而今年更是呈现井喷的态势,索尼、三星、LG等厂商发布4K电视不再是论“台”,而是已经开始推出一系列全尺寸的4K电视。
不过4K技术并不仅仅只在电视上应用,采用高通骁龙800处理器的三星Galaxy Note3就支持4K视频的录制,而且高通也表示将致力于为手机产品全面提供4K视频录制的支持。
而且索尼也发布了全球最小的4K摄像机AX100,4K可以说是一个非常重要的发展趋势。
NO.3:无处不在的智能家居
现在的智能家居不仅仅局限在单一设备的智能化,而是已经逐渐形成了一套完整的生态系统。
三星发布的Smart Home智能家庭平台能够让用户通过一个单独应用程序管理所有联网家电和智能设备,包括洗衣机、电冰箱、智能电视、扫地机器人等设备,使设备间的联系更加紧密。
而在CES2014上智能家电产品也是占据了一定的份额,像是海尔会“闻”的冰箱、Moneual混合式真空机器人吸尘器等。
NO.4:汽车总动员
汽车在CES2014上随处可见,是CES变成了车展,还是汽车变成了智能终端呢?
奥迪、福特等厂商都选择CES这个平台推出全新产品,这些新车整合最前沿的车载智能科技,让大家体会到了汽车与尖端科技混合的味道。
在奥迪的主题演讲中展示了一款采用插电式混合动力驱动系统的Sport Quattro Laserlight,它搭载了英伟达发布新款处理器Tegra K1,可将重要的信息以3D的方式显示在中控台上方的TFT面板上。
不经意间,我们曾经习惯的产品都变得更智能了,智能水壶、智能电视、智能汽车等,将来会不会出现诸如智能房子等产品呢?让我们拭目以待吧。
NO.5:感受游戏的魅力
CES2014上展出了许多与游戏沾边的设备,PrioVR公司推出的全新体感套装产品可以让用户体验同游戏中虚拟世界交互的乐趣,它无需摄像头与其他外设产品,用户穿上后就可以与游戏中的任务进行动作同步。
而索尼推出的Play Station Now也可以实现在PS3、PS4、PSV、电视、平板电脑及智能手机平台上共享游戏。
NVIDIA发布的GAMESTREAM,可以将SHIELD掌机作为一台游戏主机,将PC主机中的游戏通过GAMESTREAM技术传输至SHIELD,输出到4K电视,并利用蓝牙手柄进行控制,还可以通过GRID技术令SHIELD可以直接运行PC游戏。
游戏是人们日常消遣的工具,不可否认,越来越多的人喜欢玩游戏甚至沉迷于游戏不可自拔,本届CES2014上展示的游戏周边产品就围绕着“在什么设备上玩”、“怎么玩”展开,不再局限在PC+键鼠的传统模式,玩游戏的花样也变得越来越多。
好文章,需要你的鼓励
新加坡国立大学研究团队开发了SPIRAL框架,通过让AI与自己对弈零和游戏来提升推理能力。实验显示,仅训练AI玩简单扑克游戏就能让其数学推理能力提升8.6%,通用推理提升8.4%,且无需任何数学题目作为训练材料。研究发现游戏中的三种推理模式能成功转移到数学解题中,为AI训练提供了新思路。
同济大学团队开发的GIGA-ToF技术通过融合多帧图像的"图结构"信息,创新性地解决了3D相机噪声问题。该技术利用图像间的不变几何关系,结合深度学习和数学优化方法,在合成数据集上实现37.9%的精度提升,并在真实设备上展现出色泛化能力,为机器人、AR和自动驾驶等领域提供更可靠的3D视觉解决方案。
伊利诺伊大学研究团队通过对比实验发现,经过强化学习训练的视觉语言模型虽然表现出"顿悟时刻"现象,但这些自我纠错行为并不能实际提升推理准确率。研究揭示了AI模型存在"生成-验证差距",即生成答案的能力强于验证答案质量的能力,且模型在自我验证时无法有效利用视觉信息,为AI多模态推理发展提供了重要启示。
MIT等顶尖机构联合提出SparseLoRA技术,通过动态稀疏性实现大语言模型训练加速1.6倍,计算成本降低2.2倍。该方法使用SVD稀疏性估计器智能选择重要计算部分,在保持模型性能的同时显著提升训练效率,已在多个任务上验证有效性。