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 乐视梁军:依托生态布局智能家居

乐视梁军:依托生态布局智能家居

2015-05-27 09:29
分享至:
----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-
2015-05-27 09:29 新浪网

乐视梁军:依托生态布局智能家居

首届CES Asia亚洲电子消费展于2015年5月26日在上海举办,新浪科技采访到了乐视智能终端业务群首席运营官梁军,他不但表明了乐视TV未来的战略,还向新浪科技表述了乐视未来的超极汽车等计划。

硬件重要 软件内容也不可或缺

如今电视行业的竞争比拼一点儿不逊色于手机市场,无论是传统家电厂商或是新进互联网企业,无论是外资品牌还是国产厂家,在这个行业的竞争里可谓八仙过海,各显神通。曲面、量子点、4K、智能……厂商们都在疯狂的为自己的新产品贴着标签。

乐视在CES Asia展台上首次展示了其第三代超级电视,不过相比其他厂商,乐视的新品并没有加入曲面屏幕以及量子点等功能。

梁军对新浪科技表示,目前没有客观信息能表明曲面屏幕要绝对优于平板电视,曲面屏幕只有中心一个最优观赏点,而其他角度会对画质有严重影响。而量子点技术目前成本还太高,乐视希望给用户提供最好的硬件,但更要为消费者提供足够低的价格,了是目前正在考虑用荧光技术来提升屏幕色彩以及亮度。而对于曲面屏幕以及量子点技术,乐视还在研发中。若乐视分析认为两种技术将在较低成本以及明显会提升体验的前提下加入乐视超极电视。

他还称未来电视的竞争将不仅仅局限于硬件产品,软件内容服务也将是下一个发力点,这也就是乐视一直所构建的生态。而日后内容方面的竞争件不仅仅局限于版权的抢夺,梁军认为未来竞争将是在每家厂商都拥有合法版权内容的同时,比拼更好的服务。

当然乐视也将作为内容提供商之一,为用户提供很多自制电视剧、综艺节目以及电影。同时乐视将更称程度与合作方一起解决目前4K片源少的问题。乐视也在参与从云端编码、传输等过程中的技术研发。

梁军还称所谓“开放的闭环生态”即为乐视在构建好大的框架之后将不同的节点开发给第三方厂商,这样既能在最大程度上把控生态,又可为用户提供尽可能多的选择,从而在内容战中取得优势。

此外乐视TV未来的发展方向,除了硬件产品的更新换代,将更注重游戏以及生活服务方面。

智能家居会围绕乐视生态

除了电视产业这个红海,传统家电厂商、新进互联网企业乃至创新团队,大家也无一不想再智能家居的风口上先声夺人。

而在问道乐视是否会推出空气净化器等非内容输出的硬件产品时,梁军表示乐视在做一款硬件产品之前,首先要考虑这款产品在乐视生态中所扮演的角色。

像是乐视超极手机、乐视超极汽车,乐视希望将内容覆盖在用户的不同使用场景,并让内容在出行、起居等这些场景互联互通。

“例如,如果我们要做一款头戴式虚拟现实设备,也是会建立在我们的内容支持360度演唱会现场或是360度体育竞赛转播的基础上。”

梁军称乐视不会像其他厂商一样盲目跟风,最近什么火做什么。即便乐视要推出一个新的产品类别,也是要将这个产品融入到乐视生态中,做出与众不同的产品。

梁军还向新浪科技透露,乐视超极汽车的项目正在按部就班的进行中,预计将于三年后与消费者见面。届时将为用户带来全新的出行体验。

充分保护用户隐私

梁军还对新浪科技表示,目前乐视的用户群已经非常庞大。乐视网每天都会有四五千万的在线用户,其中还包括一定比例的深度用户。此外乐视超级电视还拥有两百多万的用户,随着乐视超极手机上市,整个乐视的用户群将进一步扩大。

而如今凡是智能产品都离不开用户大数据分析,乐视也不例外。而由此引发的用户隐私泄露也成了痛点。梁军认为,首先用户大数据和用户数据是两个不同的概念。乐视手机的大数据是对于用户使用习惯的分析,而不是一些私人的文件、账号信息。通过大数据给用户带来的个性化推送等好处是显而易见的,但与此同时乐视将不会手机用户的任何私人信息,以确保用户隐私的绝对安全。

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。

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