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 苹果发布HealthKit平台 涉足健康健身领域

苹果发布HealthKit平台 涉足健康健身领域

2014-06-03 08:42
分享至:
----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-
2014-06-03 08:42 CNET科技资讯网

苹果今天在全球开发者大会上公布了HealthKit平台,使用户能跟踪与健康有关的信息。HealthKit是健康信息的“中心”,包含一款名为Health的应用。Health支持第三方健康设备。

苹果发布HealthKit平台 涉足健康健身领域

苹果软件技术副总裁克莱格·费德里希(Craig Federighi)表示,许多医疗机构已经成为苹果合作伙伴,其中梅约医院已经在其系统中整合了HealthKit,帮助患者检查血压等指标。Health能自动判断患者血压是否在正常范围内,并通知医院患者是否需要做进一步的检查。

鉴于苹果尚未推出可穿戴设备,Health支持第三方设备并不让人感到意外。Health还揭示了未来苹果可穿戴设备的“模样”。

健康已经成为科技产业的热门话题。数家公司已经推出了以健康为中心的产品,例如三星Gear Fit和Jawbone Up24,还有大量公司在开发血糖仪和其他类似产品。其他公司则认为收集用户数据,预测他们何时会患病并提供有针对性的治疗方案是一个巨大的商机。

苹果的老对手三星已经在利用移动设备大举进军健康领域。Galaxy S5智能手机和Gear Fit整合有心率检测仪和健康应用。上周三星公布了开发新型传感器和云计算平台,收集健康数据的计划。

迄今为止,苹果在健康和健身市场还没有什么动作。苹果与耐克联合开发了一款健身应用,但尚未独立发布可穿戴或健康应用。苹果去年秋季曾表示,M7协处理器将催生新一代的健康和健身应用,但目前只有少数几款应用利用了M7芯片,其中包括Nike+ Move、DayOne、Runtastic和Strava Run。

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。

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