微信扫一扫,关注公众号

  • 科技行者

  • 算力行者

见证连接与计算的「力量」

首页 苹果雇佣大量医疗设备专家 或暗示将发布iWatch

苹果雇佣大量医疗设备专家 或暗示将发布iWatch

2014-05-06 10:10
分享至:
----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-
2014-05-06 10:10 CNET科技资讯网

路透社周一报道称,据职业社交网站LinkedIn上个人信息变化情况显示,目前有多名医疗专业技术人员已加盟苹果公司,这或进一步暗示了苹果正在组建一支秘密团队,从事包括iWatch在内的可穿戴设备的研发。

苹果雇佣大量医疗设备专家 或暗示将发布iWatch

此前科技博客9to5Mac的报道称,医疗设备专家迪维亚·纳格(Divya Nag)已经加入到了苹果的内部医疗团队。

在加盟苹果的这些生物医学工程师中,包括来自Vital Connect、Sano智能及O2 MedTech等公司的医学专家。另外一家知名的医学科技公司——Masimo也有研究人员跳槽苹果,Masimo公司以创建了脉搏血氧仪而闻名,该设备可以检测和测定呼吸功能。此外,其他一些加盟苹果的专家则从事心率传感器和体温探测器等设备的研发。

LinkedIn上个人信息变化情况显示,苹果挖走了这些公司的许多高管,包括首席医疗官和首席技术官以及其他高级工程师专家。

据一位不愿具名的移动健康企业的高管透露,他曾与苹果“iWatch团队”,尽管这一团队目前仍未经苹果证实。该匿名人士称,苹果希望自己所开发的秘密设备能够“超越可穿戴设备范畴”,比如延伸到健康及健身平台。

在此前几个月,苹果公司CEO蒂姆·库克(Tim Cook)表示,基于传感器技术市场,比如“机器对机器(M2M)”和“物联网(IoT)”市场将呈现“爆炸性”增长。

苹果在4月23日举行的第二财季分析师电话会议,并没有宣布任何新的设备。但仅在几天后,该公司宣布更新MacBook Air模型。但库克在之前曾表示,公司今年将交付一些新的产品类型。

苹果通常会在每年6月初举行的全球开发者大会(WWDC)上发布一些产品的软件更新,从而给开发人员和应用开发者足够的时间适应新功能和新技术。另有报告称,预计苹果将在今年的WWDC发布最新的移动和桌面平台——iOS 8和OS X 10.10,但可能不会发布与市场普遍期待的iWatch相关的任何东西。

分享至
0赞

好文章,需要你的鼓励

推荐文章
  • 南方科技大学等机构联手破解AI推理训练难题:让大模型"一次思考"就学会解题

    南方科技大学等机构联手破解AI推理训练难题:让大模型"一次思考"就学会解题

    本文介绍了由南方科技大学等机构于2026年4月发表的研究(arXiv:2604.08865),提出了名为SPPO的大模型推理训练新方法。该方法将推理任务重新建模为"序列级情境赌博机",用一个轻量级价值模型预测题目难度,以单次采样替代GRPO的多次采样,解决了标准PPO的"尾部效应"问题。实验显示,SPPO在数学基准测试上超越GRPO,训练速度提升约5.9倍,配合小尺寸价值模型还能显著降低显存占用。

  • 香港科技大学数学系研究者:扩散模型原来是一个"魔法恒等式"拆成了两半

    香港科技大学数学系研究者:扩散模型原来是一个"魔法恒等式"拆成了两半

    这项由香港科技大学数学系完成的研究(arXiv:2604.10465,2026年ICLR博客论文赛道)提出了一种从朗之万动力学视角理解扩散模型的统一框架。研究指出,扩散模型的前向加噪和逆向去噪过程,本质上是朗之万动力学这一"分布恒等操作"被拆成了两半。在这个视角下,VP、VE-Karras和Flow Matching等不同参数化的模型可被精确互译,SDE与ODE版本可被统一解释,扩散模型相对VAE的理论优势得以阐明,Flow Matching与得分匹配的等价性也得到了严格论证。

  • 中国人民大学研究团队打造的"AI科学家":让机器自主完成几十小时的科研工程,它是怎么做到的?

    中国人民大学研究团队打造的"AI科学家":让机器自主完成几十小时的科研工程,它是怎么做到的?

    中国人民大学高岭人工智能学院等机构联合开发了AiScientist系统,旨在让AI自主完成机器学习研究的完整工程流程,包括读论文、搭环境、写代码、跑实验和迭代调试,全程无需人工干预。系统核心设计是"薄控制、厚状态":由轻量指挥官协调专业代理团队,通过"文件即通道"机制将所有中间成果持久化存储,使每轮工作都能建立在前一轮积累的基础上。在PaperBench和MLE-Bench Lite两个基准上,系统表现显著优于现有最强对比系统,论文发布于2026年4月。

  • 字节跳动发布GRN:像人类画家一样"边画边改"的AI图像生成新范式

    字节跳动发布GRN:像人类画家一样"边画边改"的AI图像生成新范式

    这项由字节跳动发布的研究(arXiv:2604.13030)提出了生成式精化网络(GRN),一套模仿人类画家"边画边改"直觉的视觉生成新框架。其核心包括两项创新:层级二进制量化(HBQ)通过多轮二分逼近实现近乎无损的离散图像编码,以及全局精化机制允许模型在每一步对整张图像的所有位置重新预测并随时纠错,从根本上解决了自回归模型的误差积累问题。配合基于熵值的自适应步数调度,GRN在ImageNet图像重建(rFID 0.56)和生成(gFID 1.81)上均创下新纪录,并在文本生成图像和视频任务上以20亿参数达到同等规模方法的领先水平。

----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-