一年一度的万众瞩目的CES国际消费电子展,将于2015年的1月6日—9日在美国拉斯维加斯再次举办。届时,这场规模宏大的展会吸引了无数的厂商和观众目光。而面对新鲜品聆郎满目的大会,不禁令人感到眼花缭乱。那么问题来了,今年的CES究竟有哪些值得关注的看点呢?本文就为大家来盘点一下。
2015 CES
1.自动驾驶汽车
对CES来说,自动驾驶汽车并不是新鲜事物,往届大会也出现过这个主题。但是,时至今日,自动驾驶汽车在技术上、法律上都还有诸多问题有待解决。毫无疑问,今年的CES我们将再次见到自动驾驶汽车,同时,2014年发布的CarPlay和AndroidAuto都将在这个主题成为主角。
2.不会有太多惊喜的手机和平板
2014年的手机和平板市场并没有太多亮点,平板电脑销量继续下滑,可以预见,今年的CES上,手机厂商将继续暗淡无光。据悉,HTC将在CES期间发布新品,但是HTC在CES会场内却没有设置展台。LG在去年靠曲面屏幕成为亮点,有消息称LG将继续在今年主打这一特色。
3.可穿戴设备
可穿戴设备在2014年大放异彩,各大巨头也都跻身了这块热土。CCSInsight预测,今年的智能手表和健身腕带出货量将超过5000万。CES上,主流的厂商都将出现,涉及的细分领域有智能眼镜、手表、腕带、健康追踪器等等。可穿戴设备在2015年是否会日趋成熟?又有哪些新技术会涌现?
4.时尚品牌变身科技品牌
今年,CES的主管机构CEA(美国消费电子协会)邀请了超过2000家公司参展,其中包括阿迪达斯、新百伦、欧莱雅这样的传统时尚品牌。如今,这些厂商急切的需要科技来提高、创新自家的产品,其中不少厂商已经开始尝试做出诸如智能服装等新项目。时尚品牌和科技品牌正在日益弥合。
5.智能手表停滞不前?
去年的CES上,智能手表领域里大多是Pebble、Meta这样的初创企业,而刚刚过去的2014年里,苹果发布了AppleWatch、Google发布了AndroidWear,这两大巨头的加入让智能手表领域风云再起,小厂商备受打击。据悉,Pebble和Meta都不会在本届CES上发布新品了。
6.量子点电视
每一年的CES上,电视领域都会推出一个新的技术,比如去年的4K电视。今年,成为主角的将会是量子点(QuantumDot)。该技术能具备比4K更高清的显示效果,目前,LG和索尼已经确定将在CES上展出相关产品。
7.英特尔Broadwell终于准备就绪
英特尔在去年的Computerx上发布了新一代处理器Broadwell,毫无疑问,它将会是2015年PC市场中最重要的角色,无数新产品将诞生。Broadwell将带来两个积极意义,一是它让PC更加便携,拥有更长的电池寿命、更薄的外形。英特尔称它的功耗降低了30%。二是Broadwell让笔记本电脑实现无风扇工作,这样就让PC厂商砍掉了这个曾经的重要部件。
8.连接万物的物联网
今年的CES是历年来物联网技术参展最多的一届,虽说巨头们也都进入了该领域,苹果有HomeKit、Google收购了Nest,但是行业依然缺乏统一的标准和平台。
9.买得起的虚拟现实设备
Facebook在去年3月花了20亿美元买下了OculusVR,Facebook认为虚拟现实是继移动浪潮后另一个大势所趋。但是,虚拟现实成本依旧高昂,这让它的普及举步维艰。但是,2014年,Oculus和三星合作推出了GearVR,让虚拟现实以另一种形式得到廉价化。让大众买得起,是虚拟现实在2015年要解决的问题之一。据悉,Oculus将在CES上展出新产品。
10.双面可插的USB接口
今年8月,双面可插的USBType-C已经准备开始大规模生产,这也意味着现在的PC和智能手机等设备厂商可以支持这一新标准了。新的USB标准不仅不分正反,而且接口更小,能让设备更薄。目前,至少有一个厂商应用了这个标准,诺基亚N1平板电脑已经配备了USBType-C,CES上,我们会看到更多的设备配备这个标准。
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。