北京时间4月18日午间消息,据美国市场研究公司NPD Group测算,2016年,智能手表在美国成年人中的普及率将达9%,与运动手环接近。
NPD认为,随着智能手表的普及率增加,运动手环将进入平台期。美国运动手环用户总数在经过了4年的大幅增长后,将在2016年底达到3200万的峰值。
“智能手表今后显然会蚕食运动手环的份额。”NPD分析师艾迪·霍尔德(Eddie Hold)说,“事实上,健身和健康应用已经成为智能手表的推广重点,因此将分流一部分用户。”
然而,运动手环不仅面临智能手表的威胁,其自身的产品定位同样存在问题。计步功能的吸引力不大,因而限制了这类设备的目标市场。事实上,约有40%的运动手环用户在购买这类设备后6个月选择停用。
“对运动手环来说,好消息在于运动领域的机会越来越明确。”霍尔德说,“人们需要更多支持GPS和心率监测功能的复杂运动手环,还希望提升坚固性和防水性。尽管我们认为运动手环有可能面临瓶颈,但这些高端设备仍将进一步推升普及率。”
不过,智能手表和运动手环市场未来的发展并不仅仅取决于硬件,应用也扮演着至关重要的角色。第三方开发商将成为这一市场能否实现长期增长的关键。
“虽然这些新产品无疑都有助于提升需求,但智能手表应用才是真正的考验。”霍尔德说,“这类设备的确存在着一些需求,使用情境也将相继出现。但智能手表厂商和应用开发商必须努力将这些产品从‘锦上添花’变成‘必不可少’。”
好文章,需要你的鼓励
GeoVerse融合几何潜在扩散模型与Wan2.2视频生成先验,并引入全局空间记忆机制,实现了跨视角一致、生成质量高且推理速度快的新视角合成,在多个数据集上大幅超越现有方法GLD。
本文解读TT-VidT,一种通过分离外观锚点与动作令牌、结合Diff Compression训练目标的视频自监督方法。在24种架构目标组合的受控实验中,仅TT3D与Diff Compression搭配才能进入强动作敏感区,且计算量比同类方法降低近一半。
Q&A Q1:Imprint Reader是什么? A:Imprint Reader是上海人工智能实验室团队开发的模型,通过SMaRT训练方法学会读取另一个模型冻结的权重更新,把参数层面的变化翻译成自然语言描述,判断这次更新到底注入了什么知识或诱导了什么行为习惯。 Q2:MetaEdit能做什么? A:MetaEdit能把Reader对目标行为的梯度信号迁移到原始模型上,不需要任何目标任务的训练数据,只用一句行为描述就能定向调整模型参数,已经在安全性拒绝率调节、数学推理风格转变和工具调用能力提升上验证过效果。 Q3:Imprint Reader读权重更新的准确率高吗? A:目前还不高,知识类目标的Pass@100只有2%,行为类目标是16%,说明自由生成描述的可靠性有限,但相比原始模型完全答不出来的0%基线,已经证明了权重更新的自然语言读取是可行的。
统一多模态模型能看也能画,理论上该会自我修正。本论文提出UMM-Reflection,用整条轨迹的强化学习联合训练诊断和修图能力,GenEval提升12分,且迁移到多个未训练基准,揭示RL提升的是选择可靠性而非新能力。