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
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。