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
AIM Intelligence联合多所知名大学揭示了音频AI系统的重大安全漏洞,开发出名为WhisperInject的攻击方法。这种攻击能让看似无害的音频指令操控AI生成危险内容,成功率超过86%,完全绕过现有安全机制。研究暴露了多模态AI系统的系统性安全风险,对全球数十亿智能设备构成潜在威胁。
新加坡国立大学研究团队系统梳理了视觉强化学习领域的最新进展,涵盖超过200项代表性工作。研究将该领域归纳为四大方向:多模态大语言模型、视觉生成、统一模型框架和视觉-语言-动作模型,分析了从RLHF到可验证奖励范式的政策优化策略演进,并识别出样本效率、泛化能力和安全部署等关键挑战,为这一快速发展的交叉学科提供了完整的技术地图。
浙江大学研究团队通过OmniEAR基准测试揭示了当前AI模型在物理世界推理方面的严重缺陷。测试显示,即使最先进的AI在明确指令下能达到85-96%成功率,但面对需要从物理约束推断行动的任务时,成功率骤降至56-85%。研究发现信息过载反而降低AI协作能力,监督学习虽能改善单体任务但对多智能体协作效果甚微,表明当前架构存在根本局限性。
纽约大学和Aimpoint Digital Labs的研究团队首次揭示了Transformer模型训练中"大规模激活"的完整发展轨迹。这些影响力比普通激活大千倍的"超级激活"遵循可预测的数学规律,研究者开发出五参数公式能以98.4%准确率预测其变化。更重要的是,通过调整模型架构参数如注意力密度、宽深比等,可以在训练前就预测和控制这些关键激活的行为,为设计更高效、量化友好的AI模型提供了全新工具。