据悉,在此前报道称耐克公司将大幅削减FuelBand硬件团队后,包括Nest、Oculus、英特尔和微软等打算在可穿戴技术领域大有作为的知名公司,甚至是苹果公司,纷纷竞相争夺耐克FuelBand项目工程师。
援引熟悉内情人士消息,耐克已经解雇了其可穿戴硬件团队的多数成员:在70名员工当中裁了55人。耐克CEO马克·帕克(Mark Parker)上周证实,耐克在该可穿戴领域的重心正转向软件。上述FuelBand被裁员工将继续在留职到耐克本财政年度结束——5月底。
今年1月份已被谷歌以32亿美元收购的智能家居公司——Nest,成为最早向耐克被裁员工发出雇佣信号的公司之一。据称,Nest公司已派人员前往耐克位于俄勒冈州比佛顿总部,在当地展开“即兴面试”。而据知情人士透露,微软、英特尔和虚拟现实技术公司Oculus VR也在向FuelBand硬件团队成员抛出橄榄枝。
而苹果的HR也参与了其中的招聘。据悉,苹果早在耐克2011年开始开发FuelBand的时候,就与耐克数字体育团队展开合作。不过目前尚不清楚耐克在苹果潜在的可穿戴项目中扮演什么角色,因此苹果的挖角行动还无法确定,尽管耐克CEO曾暗示双方已建立了一个合作伙伴关系。
耐克CEO马克·帕克上周表示,“我会说,耐克和苹果之间的关系将会继续,我个人及耐克整个团队,对此都非常兴奋。”但消息人士称,这尚无法确定苹果招聘FuelBand团队离职成员的节奏已经走上了快车道。
上述公司紧盯FuelBand项目解聘工程师,它们希望从这些工程师身上获得什么?
在被Facebook斥资20亿美元收购后,Oculus资金充裕,急于扩张。试图不久后推出消费级虚拟现实设备,而耐克拥有多年可穿戴硬件开发经验的工程师,将帮助Oculus加速这一进程。
Nest在被谷歌收购之后,不仅将负责智能家居设备开发,传闻称将与谷歌平板电脑、智能手机甚至是可穿戴产品的开发。
而英特尔有兴趣获得FuelBand成员也不无道理。该公司一直在大力投资可穿戴业务,其已完成了数笔重要收购,包括3月份收购智能手表公司Basis Science。此外,英特尔在去年也领投了谷歌眼镜竞争对手Recon Instruments和臂环厂商Thalmic Labs的融资,同时,英特尔还在自我设计用于可穿戴设备的“夸克”芯片。
在今年1月份的消费电子展上,英特尔首席执行官布莱恩·科兹安尼克(Brian Krzanich)表示,该公司的可穿戴项目已经实施了六个月时间,包括智能手表、耳塞和一个内置的心率监视器,预计这些产品将在今年交付。
尽管微软尚未正式进入可穿戴市场,但一直在进行相关实验研究,而且很快将有重大动作宣布。去年10月,有报道称Xbox孵化项目主管亚历克斯·基普曼(Alex Kipman)开始供职微软“新设备”部门,据称该部门的研发对象包括Kinect Glasses智能眼镜在内的可穿戴产品。去年12月,有报道称基普曼在针对眼罩、智能手表等设备的小屏幕优化Windows系统。
微软在可穿戴设备市场的最新举措是斥资1.5亿美元,收购了军用可穿戴设备厂商Osterhout Design集团的知识产权资产。如此看来,网罗可穿戴技术工程师,实为微软为进军可穿戴技术领域打前战。
耐克放弃可穿戴技术硬件业务、转至软件,对于这些解雇的但拥有丰富经验的工程师而言,他们将能够继续在其他公司推动可穿戴设备技术向前发展。对于耐克FualBand团队的员工,以及他们即将面临的新公司而言,双方实现了双赢。
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。