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
Queen's大学研究团队提出结构化智能体软件工程框架SASE,重新定义人机协作模式。该框架将程序员角色从代码编写者转变为AI团队指挥者,建立双向咨询机制和标准化文档系统,解决AI编程中的质量控制难题,为软件工程向智能化协作时代转型提供系统性解决方案。
西北工业大学与中山大学合作开发了首个超声专用AI视觉语言模型EchoVLM,通过收集15家医院20万病例和147万超声图像,采用专家混合架构,实现了比通用AI模型准确率提升10分以上的突破。该系统能自动生成超声报告、进行诊断分析和回答专业问题,为医生提供智能辅助,推动医疗AI向专业化发展。
上海AI实验室团队发现自回归图像生成模型存在局部依赖、语义不一致和空间不变性缺失三大问题,提出ST-AR训练方法。该方法通过掩码注意力、跨步骤对比学习和跨视角对比学习,让AI"先理解再生成"。实验显示,ST-AR将LlamaGen模型的图像理解准确率提升一倍以上,图像生成质量提升42-49%,为构建更智能的多模态AI系统开辟新路径。