Google眼镜标价1500美元,但能够用上Explorer版Google眼镜的人少之又少。Google最近举办了“单日销售”活动,五款颜色的Google眼镜竟在不到12个小时内销售一空。
但是,Google眼镜硬件成本仅占其售价的5%,约80美元。
当地时间本周三,TechInsights发布的拆解报告显示,Google眼镜内部最昂贵零部件是德州仪器制造的OMAP 4430应用处理器,成本13.96美元;一只摄像头成本5.66美元,一块显示屏成本3美元,东芝生产的16GB NAND闪存成本8.18美元,加上相对廉价的其他零部件,Google眼镜总成本为79.78美元。
截至目前,报告仅给出Google眼镜零部件成本估价,TechInsights旗下Teardown.com网站将深入调查,并尽快发布调查结果,预计Google眼镜硬件成本会略有改动。一名Google发言人称该拆解报告有误,但未就此发表更多评论。
当然,即使Google眼镜零部件成本不足100美元,或甚至数百美元,也无法抵上Google X实验室的研发费用及该设备设计与品牌成本。另外,Google眼镜还有制造成本,生产地为加州,集大量零部件于一款眼镜中,其制造难度可想而知。
值得指出的是,Google曾表示计划今年晚些时候推出价格实惠的消费型Google眼镜,但从未披露具体价格。
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。